KR20180122691A - 주로 검출 방법 및 주로 검출 장치 - Google Patents

주로 검출 방법 및 주로 검출 장치 Download PDF

Info

Publication number
KR20180122691A
KR20180122691A KR1020187029663A KR20187029663A KR20180122691A KR 20180122691 A KR20180122691 A KR 20180122691A KR 1020187029663 A KR1020187029663 A KR 1020187029663A KR 20187029663 A KR20187029663 A KR 20187029663A KR 20180122691 A KR20180122691 A KR 20180122691A
Authority
KR
South Korea
Prior art keywords
mainly
boundary
main
shape
points
Prior art date
Application number
KR1020187029663A
Other languages
English (en)
Inventor
치카오 츠치야
야스히토 사노
Original Assignee
닛산 지도우샤 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 닛산 지도우샤 가부시키가이샤 filed Critical 닛산 지도우샤 가부시키가이샤
Publication of KR20180122691A publication Critical patent/KR20180122691A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

주로 검출 방법은, 차량에 탑재된 물표 검출 센서가 검출한 복수의 주로 특징점의 연속성에 기초하여 추출된 평행인 복수의 주로 경계점군을 중첩하고, 중첩한 복수의 주로 경계점군에 포함되는 주로 특징점에 기초하여 주로 형상을 추정하고, 평행인 복수의 주로 경계점군의 가로 위치와 주로 형상에 기초하여 주로 경계를 결정한다.

Description

주로 검출 방법 및 주로 검출 장치
본 발명은 주로 검출 방법 및 주로 검출 장치에 관한 것이다.
종래부터, 노면의 화상으로부터 주행 레인을 검출하는 장치가 알려져 있다(특허문헌 1). 특허문헌 1에서는, 우선, 노면 좌표에 역투영된 복수의 에지점에 대하여, 수평 방향의 에지 히스토그램을 작성한다. 그리고, 에지 히스토그램의 피크 위치를 구하고, 피크 위치에 기여하는 에지군을 하나의 그룹으로 함으로써, 레인 마커를 검출한다.
일본 특허 공개 제2005-100000호 공보
그러나, 갓길일수록 오염이 많아지기 때문에 검출되는 에지점의 수가 적어지거나, 차량의 먼 곳일수록 검출되는 에지점의 수가 적어지거나 한다. 이 때문에, 특허문헌 1의 장치에서는, 주로 상에 평행하게 그려져 있는 레인 마커가, 평행하지 않은 상태로 추정되어 버리는 경우가 있었다.
본 발명은 상기 과제를 감안하여 이루어진 것이며, 그 목적은, 주로 경계의 형상을 안정적으로 검출할 수 있는 주로 검출 방법 및 주로 검출 장치를 제공하는 것이다.
본 발명의 일 양태에 관한 주로 검출 방법은, 차량에 탑재된 물표 검출 센서가 검출한 복수의 주로 특징점의 연속성에 기초하여 추출된 평행인 복수의 주로 경계점군을 중첩하고, 중첩한 복수의 주로 경계점군에 포함되는 주로 특징점에 기초하여 주로 형상을 추정하고, 평행인 복수의 주로 경계점군의 가로 위치와 주로 형상에 기초하여 주로 경계를 결정한다.
본 발명에 따르면, 다른 주로에 대하여 평행하지 않은 분기로 등에 속하는 주로 특징점을 배제하여 주로 형상을 추정할 수 있다. 따라서, 주로 경계의 형상을 안정적으로 검출할 수 있다.
도 1은 제1 실시 형태에 관한 주로 검출 장치(1)의 구성을 도시하는 블록도이다.
도 2는 도 1에 도시한 주로 검출 장치(1)를 사용한 주로 검출 방법의 일례를 나타내는 흐름도이다.
도 3a는 차량(51)이 완만한 우커브의 2차선 도로 중 좌측의 차선을 주행하고 있는 모습을 도시하는 부감도이다.
도 3b의 (a)는 도 3a의 제1 주변 지도로부터 생성되는 제2 주변 지도의 일례를 도시하는 부감도이며, 도 3b의 (b)는 도 3b의 (a)의 제2 주변 지도로부터 생성되는 히스토그램의 일례를 나타내는 그래프이다.
도 4a는 평행인 복수의 주로 경계점군의 각각에 맞는 5개의 도로 모델 함수(KK0, KK1, KK2, KK3, KK4)와 각 주로 경계점군에 포함되는 주로 특징점 FP를 도시하는 부감도이다.
도 4b는 평행인 복수의 주로 경계점군에 포함되는 주로 특징점 FP를 중첩한 상태를 도시하는 부감도이다.
도 5a는 중첩한 복수의 주로 경계점군에 포함되는 주로 특징점 FP에 기초하여 추정된 주로 형상 BC를 도시하는 부감도이다.
도 5b는 도로 모델 함수(KK0 내지 KK4)의 y축 방향의 오프셋양(가로 위치 : d0 내지 d4)만큼 각각 이동시킨 주로 형상(BC0 내지 BC4)을 도시하는 부감도이다.
도 6은 제1 실시 형태의 변형예에 관한 주로 검출 방법의 일례를 나타내는 흐름도이다.
도 7은 전회의 처리 사이클에서 구해진 주로 경계(SK1, SK2, SK3, SK4, SK4)를 도시하는 부감도이다.
도 8은 제2 실시 형태에 관한 주로 검출 장치(2)의 구성을 도시하는 블록도이다.
도 9a는 도 8의 카메라(34')가 촬상한 화상(52)의 일례를 도시한다.
도 9b는 부감 좌표 상의 위치로 변환된 주로 특징점 FP를 도시하는 부감도이다.
도 10은 제3 실시 형태에 관한 주로 검출 방법의 일례를 나타내는 흐름도이다.
도 11a는 주된 주로(54)의 주로 형상(BC1 내지 BC3)을 지지하는 복수의 주로 특징점 FP1과, 분기로(55)에 속하는 복수의 주로 특징점 FP2를 도시하는 부감도이다.
도 11b는 도 11a로부터, 주로 특징점 FP1을 삭제하고, 분기로(55)의 주로 형상(BC4, BC5)을 지지하는 복수의 주로 특징점 FP2를 남긴 상태를 도시하는 부감도이다.
(제1 실시 형태)
다음에, 도면을 참조하여, 실시 형태를 상세하게 설명한다.
도 1을 참조하여, 제1 실시 형태에 관한 주로 검출 장치(1)의 구성을 설명한다. 주로 검출 장치(1)는 차량에 탑재된 센서가 검출한 노면 상의 주로 특징점으로부터, 차량이 주행하는 주로의 경계를 검출한다. 주로 검출 장치(1)는 차량에 탑재된 물표 검출 센서(11)와, 차량의 이동 속도 및 차량의 요 레이트에 기초하여 차량의 이동량을 검출하는 이동량 검출 센서(10)와, 물표 검출 센서(11)가 검출한 복수의 주로 특징점 및 이동량 검출 센서(10)가 검출한 차량의 이동량에 기초하여, 주로 경계를 검출하는 주로 검출 회로(12)를 구비한다.
물표 검출 센서(11)는 차량 주위의 노면에 표시된 백선(레인 마커를 포함함)을 검출한다. 물표 검출 센서(11)는 차량에 설치된 카메라(34)와, 카메라(34)가 촬상한 디지털 화상으로부터 백선을 포함하는 노면 표시를 검출하는 화상 처리 회로(35)를 구비한다. 검출된 노면 표시는, 그 위치를 나타내는 복수의 주로 특징점으로 이루어지는 특징점군으로서 표현된다. 화상 처리 회로(35)는 주로 특징점으로서, 예를 들어 화상의 밝기가 예민하게 혹은 불연속으로 변화되고 있는 개소(휘도 에지)를 검출하면 된다.
이동량 검출 센서(10)는 차륜속 센서(31)와, 요 레이트 센서(32)와, 이동량 검출 회로(33)를 구비한다. 차륜속 센서(31)는 차량이 구비하는 차륜의 회전 속도를 검출한다. 요 레이트 센서(32)는, 차량의 요 레이트를 검출한다. 이동량 검출 회로(33)는 차륜의 회전 속도 및 차량의 요 레이트로부터, 소정 시간에 있어서의 차량의 이동량을 검출한다. 차량의 이동량은, 예를 들어 차량의 이동 방향 및 이동 거리를 포함한다.
주로 검출 회로(12)는 CPU(중앙 처리 장치), 메모리 및 입출력부를 구비하는 마이크로컴퓨터를 사용하여 실현 가능하다. 마이크로컴퓨터를 주로 검출 회로(12)로서 기능시키기 위한 컴퓨터 프로그램(주로 검출 프로그램)을, 마이크로컴퓨터에 인스톨하여 실행한다. 이에 의해, 마이크로컴퓨터는, 주로 검출 회로(12)로서 기능한다. 또한, 여기에서는, 소프트웨어에 의해 주로 검출 회로(12)를 실현하는 예를 나타내지만, 물론, 이하에 나타내는 각 정보 처리를 실행하기 위한 전용 하드웨어를 준비하여, 주로 검출 회로(12)를 구성하는 것도 가능하다. 또한, 주로 검출 회로(12)에 포함되는 복수의 회로(21, 22, 23)를 개별의 하드웨어에 의해 구성해도 된다. 또한, 주로 검출 회로(12)뿐만 아니라, 화상 처리 회로(35) 및 이동량 검출 회로(33)의 각각도, 마찬가지로 하여, 소프트웨어 혹은 전용의 하드웨어로서 실현가능하다. 또한, 주로 검출 회로(12)는 차량에 관계되는 다른 제어에 사용하는 전자 제어 유닛(ECU)과 겸용해도 된다.
주로 검출 회로(12)는 주변 지도 생성 회로(21)와, 주로 형상 추정 회로(22)와, 주로 경계 평가 회로(23)를 포함한다. 주변 지도 생성 회로(21)는 물표 검출 센서(11)에 의해 검출된 특징점군의 이력을, 특징점군을 검출한 시각간의 차량의 이동량에 기초하여 서로 연결한, 특징점군을 포함하는 차량 주위의 지도(제1 주변 지도)를 생성한다. 바꾸어 말하면, 주변 지도 생성 회로(21)는, 상이한 시각에 관측된 주로 특징점을, 차량의 이동량을 고려하여 서로 연결한다. 이에 의해, 주로 특징점의 검출 이력을 축적하여, 제1 주변 지도를 생성한다.
구체적으로, 카메라(34)는 소정 시간마다 차량 주위의 노면을 촬상한다. 이동량 검출 센서(10)는 이 소정 시간에 있어서의 차량의 이동 방향 및 이동 거리를 검출한다. 주변 지도 생성 회로(21)는 주로 특징점의 위치를 차량의 이동 방향의 역방향으로 차량의 이동 거리만큼 이동시킨다. 주변 지도 생성 회로(21)는 이것을 반복하면서, 상이한 시각에 관측된 복수의 주로 특징점을 차량의 이동량을 고려하여, 서로 연결함으로써, 복수의 주로 특징점의 검출 이력을 축적하여 제1 주변 지도를 생성한다.
도 3a에 도시한 바와 같이, 차량(51)이 완만한 우커브의 2차선 도로 중 좌측의 차선을 주행하고 있다. 도 3a에는 이 2차선 도로를 정의하는 3개의 주로 경계(SKa, SKb, SKc)를 도시하고 있다. 주변 지도 생성 회로(21)가 생성하는 제1 주변 지도는, 3개의 주로 경계(SKa, SKb, SKc)를 따라서 검출된 특징점군(도시하지 않음)을 포함한다. 또한, 실시 형태에 있어서, 차량(51)의 위치를 원점으로 하고, 차량(51)의 진행 방향을 x축, 차량(51)의 차폭 방향을 y축으로 하는 평면 좌표를 사용한다.
주로 형상 추정 회로(22)는 제1 주변 지도에 포함되는 복수의 주로 특징점의 연속성에 기초하여 주로 경계점군을 추출한다. 그리고, 주로 형상 추정 회로(22)는, 평행인 복수의 주로 경계점군이 추출된 경우에는, 평행인 복수의 주로 경계점군을 중첩하고, 중첩한 복수의 주로 경계점군에 포함되는 주로 특징점에 기초하여 주로 형상을 추정한다. 이하, 주로 형상 추정 회로(22)의 처리 동작을 상세하게 설명한다.
주로 형상 추정 회로(22)는 복수의 주로 특징점의 연속성을, 차폭 방향(y축 방향)의 좌표의 도수에 의해 판정한다. 예를 들어, 주로 형상 추정 회로(22)는 차량(51)의 위치를 원점으로 하고, 차량(51)의 차폭 방향을 y축으로 하고, y축에 직교하는 축을 시간축(t축)으로 하고, 차량(51)의 이동량을 고려하지 않고, 제2 주변 지도를 작성한다. 주로 형상 추정 회로(22)는, 도 3b의 (a)에 도시한 바와 같이, 도 3a에 도시한 제1 주변 지도에 포함되는 복수의 주로 특징점 FP를, 그 검출 시각 (t) 및 차폭 방향의 위치(y좌표)에 기초하여 제2 주변 지도 상에 플롯한다.
도 3a에 도시한 바와 같이 주로를 따라서 차량(51)이 주행하고 있으면, 도 3b의 (a)의 제2 주변 지도에 나타내는 바와 같이, 시간축(t축)에 대하여, 차량(51)의 이동량을 고려하고 있지 않으므로, 주로 특징점 FP의 차폭 방향의 위치(y좌표)는 거의 일정하다. 이 때문에, 도로 형상(완만한 우커브)에 상관없이, 주로 특징점 FP는 t축에 평행한 직선을 따른 플롯이 된다.
주로 형상 추정 회로(22)는, 제2 주변 지도 상의 주로 특징점 FP를, 도 3b의 (b)에 도시한 바와 같이, y축을 따른 일차원의 히스토그램에 투표한다. 주로 형상 추정 회로(22)는 히스토그램으로부터 복수의 주로 특징점의 연속성을 판정할 수 있다.
주로 형상 추정 회로(22)는, 히스토그램의 피크(y좌표)를 검출하고, 피크별로 제2 주변 지도 상의 주로 특징점 FP를 그루핑함으로써 주로 경계점군을 추출한다. 또한, 제2 주변 지도 상에서 주로 특징점 FP를 그루핑함으로써, 제1 주변 지도 상의 주로 특징점 FP를 그루핑하는 것보다도, 용이하게 주로 특징점 FP를 그루핑할 수 있다. 그루핑된 복수의 주로 특징점 FP는 하나의 주로 경계점군을 구성한다. 또한, 히스토그램을 사용한 그루핑을 행함으로써, 주로 형상 추정 회로(22)는 평행인 복수의 주로 경계점군을 동시에 추출할 수 있다. 혹은, 주로 형상 추정 회로(22)는 히스토그램을 사용하는 대신에, 주로 특징점 FP를 기지의 방법을 사용하여 곡선으로 근사함으로써, 경계점군에 대하여 복수의 곡선을 적용시킬 수 있다. 그리고, 주로 형상 추정 회로(22)는, 적용시킨 복수의 곡선이 평행선인지 여부를 판단할 수 있다.
다음에, 주로 형상 추정 회로(22)는 제1 주변 지도에서, 각 주로 경계점군에 대하여, 도로 모델 함수로 표현되는 곡선을 적용시킨다. 도로 모델 함수는, 예를 들어 3차 함수(y=ax3+bx2+cx+d)이다. 이 경우, 주로 형상 추정 회로(22)는 계수 a, b, c 및 d를 산출한다. 여기서, 최소 제곱법에 의한 함수 적용을 사용해도 되지만, 보다 안정성을 추구하는 경우에는 RANSAC(Random sample consensus) 등의 로버스트 추정을 사용해도 된다.
주로 형상 추정 회로(22)는 평행인 복수의 주로 경계점군이 추출되었는지 여부를 판단한다. 구체적으로, 주로 형상 추정 회로(22)는, 계수 a, b 및 c가 거의 일치하고, 또한 계수 d가 상이한 도로 모델 함수가 적용된 복수의 주로 경계점군은 서로 평행하다고 판단한다. 혹은, 히스토그램 상에 2 이상의 피크를 검출할 수 있었는지 여부를 판단해도 된다.
도 4a에 도시한 부감도는, 평행인 복수의 주로 경계점군의 각각에 적용시킨 5개의 도로 모델 함수(KK0, KK1, KK2, KK3, KK4)와 주로 경계점군에 포함되는 주로 특징점 FP를 나타낸다. 5개의 도로 모델 함수(KK0 내지 KK4)는 다음과 같다.
KK0 : y=ax3+bx2+cx+d0
KK1 : y=ax3+bx2+cx+d1
KK2 : y=ax3+bx2+cx+d2
KK3 : y=ax3+bx2+cx+d3
KK4 : y=ax3+bx2+cx+d4
5개의 도로 모델 함수(KK0 내지 KK4)에 있어서, 계수 a, b 및 c는 일치하고, 또한 계수 d는 상이하다. 자차를 원점으로 하는 xy좌표계에 있어서, 각 도로 모델 함수의 상수항 d0, d1, d2, d3, d4는, 도로 모델 함수의 y축 방향의 오프셋양(가로 위치)에 상당한다. 바꾸어 말하면, 평행인 복수의 주로 경계점군간의 가로 위치 관계를 나타내고 있고, 또한, 평행인 복수의 주로 경계점군간의 상대 위치 관계를 나타내고 있다. 또한, 도로 모델 함수(KK0 내지 KK4)로부터, y축 방향의 오프셋양(가로 위치)을 구하는 예를 나타냈지만, 도 3b의 (b)의 y축을 따른 일차원의 히스토그램의 y축의 SKa, SKb, SKc점의 좌표를 주로 경계점군의 오프셋양(가로 위치)으로 할 수도 있다. 이에 의해, 각 주로 경계점군의 도로 모델 함수의 연산을 생략할 수 있다.
다음에, 평행인 복수의 주로 경계점군이 추출된 경우, 주로 형상 추정 회로(22)는, 도 4b에 도시한 바와 같이, 평행인 복수의 주로 경계점군에 포함되는 주로 특징점 FP를, 적용시킨 도로 모델 함수(KK0 내지 KK4)의 y축 방향의 오프셋양(d0, d1, d2, d3, d4)과는 역방향으로 동일한 양만큼 이동시킨다. 이에 의해, 주로 형상 추정 회로(22)는 평행인 복수의 주로 경계점군에 포함되는 주로 특징점 FP를 중첩할 수 있다. 또한, 주로 특징점 FP를 중첩하는 위치는, y축의 제로점이어도 되고, 평행인 복수의 주로 경계점군 중 어느 것의 주로 경계점군에, 다른 주로 경계점군을 이동시켜, 중첩해도 된다.
주로 형상 추정 회로(22)는 제1 주변 지도에서, 도 5a에 도시한 바와 같이, 중첩한 복수의 주로 경계점군에 포함되는 주로 특징점 FP에 기초하여 주로 형상 BC를 추정한다. 구체적으로는, 중첩한 복수의 주로 경계점군에 대하여 도로 모델 함수를 적용시킨다. 도로 모델 함수가 3차 함수(y=ax3+bx2+cx+d)인 경우, 주로 형상 추정 회로(22)는 계수 a, b, c 및 d를 산출한다. 주로 형상 BC는 도로 모델 함수에 의해 표현된다.
주로 경계 평가 회로(23)는, 평행인 복수의 주로 경계점군의 가로 위치(오프셋양)와 주로 형상 BC에 기초하여 주로 경계를 결정한다. 구체적으로, 주로 경계 평가 회로(23)는, 도 5b에 도시한 바와 같이, 주로 형상 BC를, 도로 모델 함수(KK0 내지 KK4)의 y축 방향의 오프셋양(가로 위치 : d0 내지 d4)만큼, 각각 이동시킨다. 바꾸어 말하면, 주로 형상 BC와, 각 주로 경계점군의 차폭 방향의 위치(y좌표)에 기초하여, 각 주로 경계의 위치를 주로 형상 BC의 형상으로 복원한다.
주로 경계 평가 회로(23)는, 각 주로 경계점군에 포함되는 주로 특징점의 주로 형상(BC0, BC1, BC2, BC3, BC4)에 대한 합치도에 기초하여 주로 경계를 결정한다. 주로 경계 평가 회로(23)는, 주로 형상(BC0, BC1, BC2, BC3, BC4)으로부터의 거리가 기준값보다 짧은 주로 특징점의 수를, 상기한 합치도로서 계수한다. 주로 경계 평가 회로(23)는, 계수한 주로 특징점의 수가 소정값보다도 적으면 합치도가 낮고, 주로 특징점의 수가 소정값 이상이면 합치도가 높다고 판단한다. 그리고, 합치도가 낮다고 판단한 주로 형상(BC0)을, 오검출한 주로 특징점(FPf1, FPf2)으로부터 추출된 주로 형상으로서 기각한다. 한편, 주로 경계 평가 회로(23)는, 합치도가 높다고 판단한 주로 형상(BC1, BC2, BC3, BC4)을 주로 경계로서 결정하고, 주로 검출 결과로서, 결정한 주로 경계로 구성되는 주로 위치 정보를 출력한다.
다음에, 도 2의 흐름도를 참조하여, 도 1에 도시한 주로 검출 장치(1)를 사용한 주로 검출 방법의 일례를 설명한다. 여기에서는, 도 1에 도시한 주로 검출 장치(1) 중 주로 검출 회로(12)의 동작 수순을 설명한다. 도 2에 도시한 처리는 소정 주기로 반복하여 실행된다.
우선 스텝 S01에 있어서, 주로 검출 회로(12)는 도 3a, 도 3b의 (a) 및 도 3b의 (b)를 참조하여 설명한 바와 같이, 복수의 주로 특징점 FP의 연속성에 기초하여 주로 경계점군을 추출한다.
상세하게는, 우선, 주변 지도 생성 회로(21)는 상이한 시각에 관측된 주로 특징점 FP를, 차량의 이동량을 고려하여 서로 연결한다. 이에 의해, 주로 특징점 FP의 검출 이력을 축적하여, 제1 주변 지도를 생성한다. 그리고, 주로 형상 추정 회로(22)는 제1 주변 지도에 포함되는 복수의 주로 특징점의 연속성에 기초하여 주로 경계점군을 추출한다. 주로 형상 추정 회로(22)는 도 3b의 (b)의 히스토그램의 피크(y좌표)를 검출하고, 피크별로 도 3b의 (a)의 제2 주변 지도 상의 주로 특징점 FP를 그루핑함으로써 주로 경계점군을 추출한다. 또한, 주로 형상 추정 회로(22)는, 추출된 각 주로 경계점군에 대하여, 도로 모델 함수로 표현되는 곡선을 적용시킨다. 예를 들어, 3차 함수(y=ax3+bx2+cx+d)의 계수 a, b, c 및 d를 산출한다.
스텝 S02로 진행하여, 주로 형상 추정 회로(22)는 스텝 S01에 있어서 평행인 복수의 주로 경계점군이 추출되었는지 여부를 판단한다. 예를 들어, y축을 따른 1차원의 히스토그램에 2 이상의 피크가 동시에 발견되면, 평행인 복수의 주로 경계점군이 추출되었다고 판단할 수 있다. 혹은, 주로 형상 추정 회로(22)는, 계수 a, b 및 c가 거의 일치하고, 또한 계수 d가 상이한 도로 모델 함수가 있으면, 평행인 복수의 주로 경계점군이 추출되었다고 판단해도 된다.
스텝 S02에서 "예"의 경우, 평행인 복수의 주로 경계점군의 중첩 처리가 가능해지기 때문에, 스텝 S03으로 진행하고, 스텝 S02에서 "아니오"의 경우, 중첩 처리가 불가능하기 때문에, 스텝 S06으로 진행한다.
스텝 S03에 있어서, 주로 형상 추정 회로(22)는, 도 4b에 도시한 바와 같이, 평행인 복수의 주로 경계점군에 포함되는 주로 특징점 FP를, 적용시킨 도로 모델 함수(KK0 내지 KK4)의 y축 방향의 오프셋양(d0 내지 d4)과는 역방향으로 동일한 양만큼 이동시킨다. 이에 의해, 주로 형상 추정 회로(22)는 평행인 복수의 주로 경계점군을 중첩할 수 있다.
스텝 S04에 있어서, 주로 형상 추정 회로(22)는, 중첩한 복수의 주로 경계점군에 대하여 도로 모델 함수를 적용시킨다. 이에 의해, 주로 형상 추정 회로(22)는, 도 5a에 도시한 바와 같이, 중첩한 복수의 주로 경계점군에 포함되는 주로 특징점 FP에 기초하여 주로 형상 BC를 추정할 수 있다.
스텝 S05에 있어서, 주로 경계 평가 회로(23)는, 도 5b에 도시한 바와 같이, 주로 형상 BC를, 도로 모델 함수(KK0 내지 KK4)의 y축 방향의 오프셋양(가로 위치 : d0 내지 d4)만큼, 각각 이동시킨다. 이에 의해, 주로 경계 평가 회로(23)는 각 주로 경계점군의 차폭 방향 위치(y좌표)에 기초하여, 각 주로 경계의 위치를 복원할 수 있다.
스텝 S06에 있어서, 주로 경계 평가 회로(23)는 각 주로 경계점군에 포함되는 주로 특징점 FP의 주로 형상(BC0 내지 BC4)에 대한 합치도에 기초하여 주로 경계를 결정한다. 구체적으로는, 우선, 주로 경계 평가 회로(23)는 주로 특징점 FP의 주로 형상(BC0 내지 BC4)에 대한 합치도를 산출한다. 그리고, 주로 경계 평가 회로(23)는, 합치도가 소정값보다도 낮다고 판단한 주로 형상(BC0)을, 오검출한 주로 특징점(FPf1, FPf2)으로부터 추출된 주로 형상으로서 기각한다. 한편, 주로 경계 평가 회로(23)는, 합치도가 소정값 이상이라고 판단한 주로 형상(BC1 내지 BC4)을 주로 경계로서 결정하고, 주로 검출 결과로서, 결정한 주로 경계로 구성되는 주로 위치 정보를 출력한다.
또한, 평행인 복수의 주로 경계점군이 추출되지 않은 경우(S02에서 "아니오"), S05에서 복원된 주로 형상(BC0 내지 BC4) 대신에, S01에서 적용된 도로 모델 함수에 대한 주로 특징점 FP의 합치도를 산출하면 된다.
(제1 실시 형태의 변형예)
도 1에 도시한 주로 검출 장치(1)는 스텝 S01에서 나타낸 주로 경계점군의 추출 처리에 있어서, 전회의 처리 사이클에서 구해진 주로 경계로부터 사전 차선군을 구성하여, 주로 경계점군을 추출해도 된다.
도 6의 흐름도를 참조하여, 제1 실시 형태의 변형예에 관한 주로 검출 방법의 일례를 설명한다. 여기에서는, 주로 검출 장치(1) 중 주로 검출 회로(12)의 동작 수순을 설명한다. 도 2에 도시한 처리는 소정 주기로 반복하여 실행된다. 도 2의 스텝 S01 대신에, 스텝 S10 및 스텝 S20을 실행한다. 그 밖의 스텝 S03 내지 06은 도 2와 동일하며, 설명을 생략한다.
스텝 S10에서, 주로 형상 추정 회로(22)는 전회의 처리 사이클에서 구해진 주로 경계를 사용하여 사전 차선군을 구성한다. 구체적으로, 도 7에 도시한 바와 같이, 전회의 처리 사이클에 있어서, 4개의 주로 경계(SK1, SK2, SK3, SK4)를 구한 경우에 대하여 설명한다.
SK1 : y=a'x3+b'x2+c'x+d'1
SK2 : y=a'x3+b'x2+c'x+d'2
SK3 : y=a'x3+b'x2+c'x+d'3
SK4 : y=a'x3+b'x2+c'x+d'4
4개의 주로 경계(SK1 내지 SK4)에 있어서, 계수 a', b' 및 c'가 일치하고, 또한 오프셋양(y절편 : d'0 내지 d'4)이 상이하다. 주로 형상 추정 회로(22)는 4개의 주로 경계(SK1 내지 SK4)로부터 평균의 주로폭(w)을 구한다. 즉, 인접하는 주로 경계간의 거리(주로폭)를 각각 구하고, 그것들의 평균값(w)을 구한다. 그리고, 주로 형상 추정 회로(22)는 4개의 주로 경계(SK1 내지 SK4)의 양측에 주로폭(w)을 갖는 새로운 주로 경계(SKW, SK-w)를 각각 추가한다. 주로 형상 추정 회로(22)는 합계하여, 6개의 주로 경계(SK1 내지 SK4, SKW, SK-w)를 사전 차선군으로서 구성한다.
또한, 변형예에서는, 전회의 처리 사이클에서 구해진 주로 경계를 사용하여 사전 차선군을 구성하는 예를 설명하지만, 이에 한하지 않고, 예를 들어 지도 정보의 차선군 정보에 의해, 사전 차선군을 구성해도 된다.
스텝 S20으로 진행하여, 주로 형상 추정 회로(22)는 사전 차선군과의 합치도에 기초하여 주로 특징점 FP를 그루핑함으로써 주로 경계점군을 추출한다. 주로 형상 추정 회로(22)는 주로 특징점 FP와 사전 차선군을 구성하는 각 주로 경계(SK1 내지 SK4, SKW, SK-w)의 거리를 구하고, 그 거리가 최소로 되는 주로 경계(SK1 내지 SK4, SKW, SK-w)에 주로 특징점 FP를 할당한다. 그리고, 동일한 주로 경계에 할당된 주로 특징점을 그루핑하여, 하나의 주로 경계점군으로서 추출한다.
여기서, 주로 특징점 FP의 좌표를 (xi, yi)라 하고, 주로 경계를 y=a'x3+b'x2+c'x+d'라 하면, 주로 특징점 FP와 주로 경계의 거리는, yi-(a'x3+b'x2+c'x+d')의 절댓값으로서 얻어진다. 어느 주로 특징점 FP로부터도 지지되지 않는 주로 경계는, 이 시점에서 기각된다.
그리고, 제1 실시 형태의 스텝 S01과 마찬가지로 하여, 주로 형상 추정 회로(22)는, 동일한 주로 경계(SK1 내지 SK4, SKW, SK-w)에 할당된 주로 특징점군에 대하여, 3차 함수를 적용시키고, 얻어진 상수항 (d)로부터 주로 경계의 좌표계 원점에 대한 오프셋양을 구한다.
이상 설명한 바와 같이, 제1 실시 형태 및 그 변형예에 따르면, 이하의 작용 효과가 얻어진다.
주로 형상 추정 회로(22)는, 중첩한 복수의 주로 경계점군에 포함되는 주로 특징점 FP에 기초하여 주로 형상(BC0 내지 BC4)을 추정하고, 주로 경계 평가 회로(23)는 평행인 복수의 주로 경계점군의 가로 위치(d0 내지 d4)와 주로 형상(BC0 내지 BC4)에 기초하여 주로 경계를 결정한다. 이에 의해, 다른 주로에 대하여 평행하지 않은 분기로 등에 속하는 주로 특징점을 배제하여 주로 형상을 추정할 수 있다. 따라서, 현재 관측되고 있는 것 중에서 주된 주로의 형상을 안정적으로 추정할 수 있고, 주로 전체의 차선수나 차선폭 등의 정보를 얻을 수 있다.
제1 주변 지도에 포함되는 복수의 주로 특징점은, 상이한 시각에 검출되며, 또한 차량의 이동량을 고려하여 서로 연결한 주로 특징점이다. 이에 의해, 1시각에 검출된 주로 특징점만으로 주로 형상을 판단하는 경우에 비해, 주로 형상을 보다 높은 확실도로 추정할 수 있다.
주로 경계 평가 회로(23)는, 각 주로 경계점군에 포함되는 주로 특징점의 주로 형상(BC0 내지 BC4)에 대한 합치도(확실성)에 기초하여 주로 경계를 결정한다. 이에 의해, 오검출된 주로 특징점(FPf1, FPf2)이나 잘못 추정된 주로 형상을, 합치도에 기초하여 기각할 수 있다.
(제2 실시 형태)
제2 실시 형태에서는, 상이한 시각에 검출되며, 또한 차량의 이동량을 고려하여 서로 연결한 주로 특징점 대신에, 1시각에 검출된 주로 특징점만으로부터 주로 형상 및 주로 경계를 구하는 예에 대하여 설명한다.
도 8을 참조하여, 제2 실시 형태에 관한 주로 검출 장치(2)의 구성을 설명한다. 주로 검출 장치(2)는 주로 특징점을 차량의 이동량을 고려하여 서로 연결하여, 제1 주변 지도를 생성할 필요는 없기 때문에, 도 1의 이동량 검출 센서(10)가 구비되어 있지 않다. 또한, 주로 검출 회로(12)는 도 1의 주변 지도 생성 회로(21)를 구비하고 있지 않다. 또한, 제2 실시 형태에 있어서, 카메라(34')는, 그 촬상 방향을 차량의 진행 방향의 노면으로 향하게 한 상태에서, 차량에 설치되어 있다. 그 밖의 구성은, 주로 검출 장치(1)와 동일하다.
카메라(34')는, 차량의 차 실내 전방에 설치되어, 차량 전방의 노면 표시를 촬상한다. 도 9a는 카메라(34')가 촬상한 화상(52)의 일례를 도시한다. 화상(52)에는, 주로 경계를 나타내는 노면 표시(레인 마커(56))가 포함되어 있다. 화상 처리 회로(35)는 화상(52)의 밝기가 예민하게 혹은 불연속으로 변화되고 있는 레인 마커(56)의 에지 부분을 주로 특징점 FP로서 검출한다.
주로 형상 추정 회로(22)는, 도 9b에 도시한 바와 같이, 검출된 주로 특징점 FP의 화상(52) 상의 위치를, 차량(51) 상방으로부터 본 부감 좌표 상의 위치로 변환한다. 주로 형상 추정 회로(22)는, 이 시점 변환 처리를, 노면에 대한 카메라(34')의 설치 각도, 즉 노면에 대하여 촬상 방향이 이루는 각도, 및 노면으로부터의 카메라(34')까지의 거리에 기초하여, 실행한다. 그리고, 주로 형상 추정 회로(22)는, 도 9b의 부감 좌표 상에 있어서, 주로 경계(56)별로 주로 특징점 FP를 그루핑하여, 주로 특징점군을 추출한다. 즉, 주로 형상 추정 회로(22)는, 도 3a 및 도 3b의 (a)에 도시한 제1 및 제2 주변 지도 대신에, 도 9b의 부감 좌표에 나타낸 주로 특징점 FP에 대하여 처리를 행한다. 또한, 도 9b에 있어서, 주로 특징점 FP는, 카메라(34')의 화각(53a, 53b) 내에서 검출된다. 주로 특징점 FP의 차폭 방향의 좌표(y좌표)의 도수를 취하면, 1프레임의 화상 중의 특징점에 대하여, 도 3b의 (b)와 마찬가지로 하여, 히스토그램을 작성할 수 있다. 따라서, 주로 형상 추정 회로(22)는 이 히스토그램으로부터 복수의 주로 특징점 FP의 연속성을 판정하면 된다.
그 밖의 주로 형상 추정 회로(22)의 동작 및 주로 경계 평가 회로(23)의 동작은, 제1 실시 형태 혹은 그 변형예와 동일하며 설명을 생략한다. 또한, 주로 검출 장치(2)를 사용한 주로 검출 방법을 나타내는 흐름도는, 도 2 혹은 도 6과 공통된다.
이와 같이, 제2 실시 형태에 따르면, 상이한 시각에 검출되며, 또한 차량의 이동량을 고려하여 서로 연결한 주로 특징점에 비해, 보다 단시간에 주로 형상 및 주로 경계를 검출할 수 있다. 특히, 카메라(34')가 차량(51)의 전방의 노면에 표시된 노면 표시를 촬상함으로써, 과거의 주로 특징점의 검출 이력으로부터는 얻을 수 없는, 차량(51) 전방의 주로 경계를 검출할 수 있다.
(제3 실시 형태)
제3 실시 형태에서는, 주된 주로(본선)를 검출한 후의 재검색에 의해, 주된 주로와는 상이한 주로, 예를 들어 분기로를 검출하는 예를 설명한다. 여기에서는, 제1 실시 형태(도 2)에서 설명한 주된 주로의 검출 처리 후에, 분기로의 재검색의 처리를 추가한 예에 대하여 설명하지만, 제1 실시 형태의 변형예(도 6) 혹은 제2 실시 형태 후에 실시해도 상관없다.
도 10의 흐름도를 참조하여, 제3 실시 형태에 관한 주로 검출 방법의 일례를 설명한다. 여기에서는, 주로 검출 장치(1) 중 주로 검출 회로(12)의 동작 수순을 설명한다. 도 10에 도시한 처리는 소정 주기로 반복하여 실행된다.
스텝 S01 내지 스텝 S06은 제1 실시예와 동일하며, 설명을 생략한다.
스텝 S06 후에 스텝 S30으로 진행하여, 주로 검출 회로(12)는 스텝 S06에 있어서 기준값 이상의 합치도를 갖는 주로 형상이 있었는지 여부를 판단한다. 즉, 합치도가 기준값 이상이기 때문에 주로 경계로서 판정된 주로 형상이 있었는지 여부를 판단한다. 주로 경계가 검출된 경우(S30에서 "예"), 검출된 주된 주로(본선)뿐만 아니라, 다른 주로(분기로)의 주로 경계도 검출하기 위해, 스텝 S31을 거쳐, 스텝 S01로 되돌아간다. 한편, 주로 경계가 검출되지 않은 경우(S30에서 "아니오"), 지금까지 결정한 주로 경계로 구성되는 주로 위치 정보를 출력하고 종료한다.
스텝 S31에 있어서, 주로 검출 회로(12)는 주로 특징점 FP의 주로 형상에 대한 합치도가 소정값보다 낮은 주로 경계점군을 추출한다. 예를 들어, 도 11a에 도시한 바와 같이, 주된 주로(54)의 주로 형상(BC1 내지 BC3)을 지지하는 복수의 주로 특징점 FP1(합치점군)을 삭제하고, 주된 주로(54)의 주로 경계를 지지하지 않는 주로 특징점 FP2만을 남긴다.
스텝 S01로 되돌아가, 남겨진 주로 특징점 FP2를 그루핑하여 주로 경계점군을 추출한다. 그 후, 스텝 S02 내지 S06을 다시 실행함으로써, 주로 검출 회로(12)는 도 11b에 도시한 주로 형상(BC4, BC5)을 분기로(55)의 주로 경계로서 검출할 수 있다. 그 후, 스텝 S31로 진행하지만, 도 11a 및 도 11b의 예에서는 본선(54)과 분기로(55)의 2 노선만이므로, 분기로를 검출한 후에는, 본선 및 분기로를 구성하는 주로 경계점군 이외의 특징점군밖에 추출되지 않는다. 즉, 주로 형상(BC1 내지 BC5)을 지지하지 않는 주로 특징점은 남아 있지 않기 때문에, 스텝 S06에서 주로 경계는 검출되지 않아, 스텝 S31에서 "아니오"라고 판단된다. 지금까지 결정한 본선(54) 및 분기로(55)의 주로 경계로 구성되는 주로 위치 정보를 출력하고 처리 사이클을 종료한다.
이상 설명한 바와 같이, 제3 실시 형태에 따르면, 주로 형상(BC1 내지 BC3)에 대한 합치도가 소정값보다 낮은 주로 경계점군을 추출하고, 합치도가 소정값보다 낮은 주로 경계점군에 기초하여 다른 주로 형상(BC4, BC5)을 추정한다. 이에 의해, 주로 형상(주된 주로)뿐만 아니라, 다른 주로 형상(분기로 등)을 추정할 수 있다.
또한, 제1 실시 형태에서 히스토그램을 사용한 주로 특징점의 그루핑 처리를 설명하였다. 물론, 제2 실시 형태에 있어서도, 차폭 방향의 좌표(y좌표)의 도수를 취하면, 1프레임의 화상(52) 중의 주로 특징점 FP에 대하여, 히스토그램을 취할 수 있다. 마찬가지로, 제3 실시 형태에 있어서도, 히스토그램을 사용한 주로 특징점의 그루핑 처리가 가능하다. 예를 들어, 도 11b에 도시한 분기로(55)에 속하는 주로 특징점 FP에 대하여 곡선을 근사하고, 근사 곡선의 경사 방향에 x축을 맞추어 재설정한다. 이에 의해, 히스토그램을 사용한 주로 특징점 FP2의 그루핑 처리를, 재차 실행할 수 있다.
상술한 각 실시 형태에서 설명한 각 기능은, 하나 또는 복수의 처리 회로에 의해 실장될 수 있다. 처리 회로는, 전기 회로를 포함하는 처리 장치 등의 프로그램된 처리 장치를 포함한다. 처리 장치는, 또한, 실시 형태에 기재된 기능을 실행하도록 어레인지된 특정 용도용 집적 회로(ASIC)나 종래형 회로 부품과 같은 장치를 포함한다.
실시 형태에서는, 이동량 검출 센서(10) 및 물표 검출 센서(11)를 구비하는 스탠드 얼론형 주로 검출 장치(1, 2)를 예시하였지만, 주로 검출 장치는, 무선 통신망을 통한 컴퓨터 네트워크를 사용한 클라이언트 서버 모델로서도 실현 가능하다. 이 경우, 예를 들어 이동량 검출 센서(10) 및 물표 검출 센서(11)를 구비하는 차량(51)(클라이언트)은 컴퓨터 네트워크를 통해 주로 검출 장치(서버)에 접속한다. 이에 의해, 도 1 또는 도 8에 도시한 주로 검출 회로(12)를 구비하는 서버를, 컴퓨터 네트워크를 통해, 이동량 검출 센서(10) 및 물표 검출 센서(11)에 접속할 수 있다. 이 경우, 주로 검출 장치는, 주로 주로 검출 회로(12)(서버)에 의해 구성되며, 이동량 검출 센서(10) 및 물표 검출 센서(11)는 주로 검출 장치에 포함되지 않는다.
이상, 실시예에 따라서 본 발명의 내용을 설명하였지만, 본 발명은 이들 기재에 한정되는 것은 아니고, 다양한 변형 및 개량이 가능한 것은 당업자에게는 자명하다.
1, 2 : 주로 검출 장치
10 : 이동량 검출 센서
11 : 물표 검출 센서
12 : 주로 검출 회로
22 : 주로 형상 추정 회로
23 : 주로 경계 평가 회로
51 : 차량
BC0 내지 BC5 : 주로 형상
FP : 주로 특징점

Claims (5)

  1. 차량에 탑재된 물표 검출 센서가 검출한 복수의 주로(走路) 특징점에 기초하여 주로 경계를 검출하는 주로 검출 회로를 사용한 주로 검출 방법이며,
    상기 주로 검출 회로는,
    상기 복수의 주로 특징점의 연속성에 기초하여 주로 경계점군을 추출하고,
    평행한 복수의 주로 경계점군이 추출된 경우에는, 상기 평행한 복수의 주로 경계점군을 중첩하고,
    중첩한 복수의 주로 경계점군에 포함되는 주로 특징점에 기초하여 주로 형상을 추정하고,
    상기 평행한 복수의 주로 경계점군의 가로 위치와 상기 주로 형상에 기초하여 주로 경계를 결정하는 것을 특징으로 하는, 주로 검출 방법.
  2. 제1항에 있어서,
    상기 복수의 주로 특징점은, 상이한 시각에 검출되며, 또한 차량의 이동량을 고려하여 서로 연결한 주로 특징점인 것을 특징으로 하는, 주로 검출 방법.
  3. 제1항 또는 제2항에 있어서,
    상기 주로 검출 회로는, 각 주로 경계점군에 포함되는 주로 특징점의 상기 주로 형상에 대한 합치도에 기초하여 주로 경계를 결정하는 것을 특징으로 하는, 주로 검출 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 주로 검출 회로는, 주로 경계점군에 포함되는 주로 특징점의 상기 주로 형상에 대한 합치도가 소정값보다 낮은 주로 경계점군을 추출하고, 상기 합치도가 소정값보다 낮은 주로 경계점군에 기초하여 다른 주로 형상을 추정하는 것을 특징으로 하는, 주로 검출 방법.
  5. 차량에 탑재된 물표 검출 센서가 검출한 복수의 주로 특징점에 기초하여 주로 경계점군을 추출하고, 평행한 복수의 주로 경계점군이 추출된 경우에는, 상기 평행한 복수의 주로 경계점군을 중첩하고, 중첩한 복수의 주로 경계점군에 포함되는 주로 특징점에 기초하여 주로 형상을 추정하는 주로 형상 추정 회로와,
    상기 평행한 복수의 주로 경계점군의 가로 위치와 상기 주로 형상에 기초하여 주로 경계를 결정하는 주로 경계 평가 회로를 구비하는 것을 특징으로 하는, 주로 검출 장치.
KR1020187029663A 2016-03-24 2016-03-24 주로 검출 방법 및 주로 검출 장치 KR20180122691A (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/059397 WO2017163367A1 (ja) 2016-03-24 2016-03-24 走路検出方法及び走路検出装置

Publications (1)

Publication Number Publication Date
KR20180122691A true KR20180122691A (ko) 2018-11-13

Family

ID=59900032

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187029663A KR20180122691A (ko) 2016-03-24 2016-03-24 주로 검출 방법 및 주로 검출 장치

Country Status (10)

Country Link
US (1) US10614321B2 (ko)
EP (1) EP3435352B1 (ko)
JP (1) JP6617828B2 (ko)
KR (1) KR20180122691A (ko)
CN (1) CN108885831B (ko)
BR (1) BR112018069472B1 (ko)
CA (1) CA3018661C (ko)
MX (1) MX2018011509A (ko)
RU (1) RU2725561C2 (ko)
WO (1) WO2017163367A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6740470B2 (ja) * 2017-05-19 2020-08-12 パイオニア株式会社 測定装置、測定方法およびプログラム
CN109086650B (zh) * 2017-06-14 2022-04-12 现代摩比斯株式会社 校准方法和校准设备
US11023746B2 (en) 2019-01-02 2021-06-01 Here Global B.V. Lane count estimation
EP3977054A1 (en) * 2019-05-28 2022-04-06 Mobileye Vision Technologies Ltd. Systems and methods for vehicle navigation
US11932245B2 (en) * 2020-09-01 2024-03-19 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for improving path selection for automated driving

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5638116A (en) * 1993-09-08 1997-06-10 Sumitomo Electric Industries, Ltd. Object recognition apparatus and method
US5991427A (en) * 1996-07-31 1999-11-23 Aisin Seiki Kabushiki Kaisha Method and apparatus for detecting a lane on a road
JP3584194B2 (ja) * 2000-02-22 2004-11-04 株式会社ホンダエレシス 白線検出方法および白線検出装置
US6819779B1 (en) * 2000-11-22 2004-11-16 Cognex Corporation Lane detection system and apparatus
JP4551018B2 (ja) * 2001-04-05 2010-09-22 富士通株式会社 画像結合装置
JP3603836B2 (ja) * 2001-11-20 2004-12-22 日産自動車株式会社 道路白線認識装置
JP2004200351A (ja) * 2002-12-18 2004-07-15 Hitachi Ltd 露光装置及び露光方法
JP3956926B2 (ja) * 2003-09-24 2007-08-08 アイシン精機株式会社 路面走行レーン検出装置
JP3864945B2 (ja) * 2003-09-24 2007-01-10 アイシン精機株式会社 路面走行レーン検出装置
JP4092308B2 (ja) * 2004-06-02 2008-05-28 トヨタ自動車株式会社 境界線検出装置
JP4616046B2 (ja) * 2005-03-22 2011-01-19 本田技研工業株式会社 車両用画像処理システム、車両用画像処理方法、車両用画像処理プログラム、及び車両
JP4659631B2 (ja) * 2005-04-26 2011-03-30 富士重工業株式会社 車線認識装置
JP4614826B2 (ja) * 2005-06-14 2011-01-19 トヨタ自動車株式会社 道路区画線検出装置
JP4965991B2 (ja) * 2006-01-10 2012-07-04 株式会社リコー カラー画像形成装置
JP2007241468A (ja) * 2006-03-06 2007-09-20 Toyota Motor Corp 車線変更検出装置
US7916935B2 (en) * 2006-09-19 2011-03-29 Wisconsin Alumni Research Foundation Systems and methods for automatically determining 3-dimensional object information and for controlling a process based on automatically-determined 3-dimensional object information
JP2009041972A (ja) * 2007-08-07 2009-02-26 Toshiba Corp 画像処理装置及びその方法
JP5363921B2 (ja) * 2009-08-31 2013-12-11 富士重工業株式会社 車両用白線認識装置
JP5035371B2 (ja) * 2010-03-15 2012-09-26 アイシン精機株式会社 横断歩道検出装置、横断歩道検出システム，横断歩道検出方法及びプログラム
JP5603687B2 (ja) * 2010-07-15 2014-10-08 富士重工業株式会社 車両用白線認識装置
US20120022739A1 (en) * 2010-07-20 2012-01-26 Gm Global Technology Operations, Inc. Robust vehicular lateral control with front and rear cameras
JP5258859B2 (ja) * 2010-09-24 2013-08-07 株式会社豊田中央研究所 走路推定装置及びプログラム
JP5568029B2 (ja) * 2011-02-09 2014-08-06 富士重工業株式会社 車両用白線認識装置
CN102184535B (zh) * 2011-04-14 2013-08-14 西北工业大学 一种车辆所在车道边界检测方法
US9098751B2 (en) * 2011-07-27 2015-08-04 Gentex Corporation System and method for periodic lane marker identification and tracking
WO2013018673A1 (ja) * 2011-08-02 2013-02-07 日産自動車株式会社 立体物検出装置及び立体物検出方法
JP5862670B2 (ja) * 2011-08-02 2016-02-16 日産自動車株式会社 走行支援装置および走行支援方法
MX2014001500A (es) * 2011-09-12 2014-05-12 Nissan Motor Dispositivo de deteccion de objeto tridimensional.
RU2571871C2 (ru) * 2012-12-06 2015-12-27 Александр ГУРЕВИЧ Способ определения границ дороги, формы и положения объектов, находящихся на дороге, и устройство для его выполнения
JP6259239B2 (ja) * 2013-09-27 2018-01-10 株式会社Ｓｕｂａｒｕ 車両用白線認識装置
KR101906951B1 (ko) * 2013-12-11 2018-10-11 한화지상방산 주식회사 차선 검출 시스템 및 차선 검출 방법

Also Published As

Publication number Publication date
CN108885831B (zh) 2020-04-14
EP3435352A1 (en) 2019-01-30
CA3018661C (en) 2020-06-09
US20190095723A1 (en) 2019-03-28
EP3435352B1 (en) 2021-11-17
RU2018137203A3 (ko) 2020-04-24
WO2017163367A1 (ja) 2017-09-28
MX2018011509A (es) 2019-01-10
RU2725561C2 (ru) 2020-07-02
JP6617828B2 (ja) 2019-12-18
BR112018069472A2 (pt) 2019-02-12
RU2018137203A (ru) 2020-04-24
EP3435352A4 (en) 2019-03-27
BR112018069472B1 (pt) 2023-12-19
JPWO2017163367A1 (ja) 2019-02-14
CN108885831A (zh) 2018-11-23
CA3018661A1 (en) 2017-09-28
US10614321B2 (en) 2020-04-07

Similar Documents

Publication Publication Date Title
KR20180122691A (ko) 주로 검출 방법 및 주로 검출 장치
CN106056570B (zh) 路面坡度检测装置
CN107850446B (zh) 自身位置推定装置及自身位置推定方法
JP5804185B2 (ja) 移動物体位置姿勢推定装置及び移動物体位置姿勢推定方法
JP6499047B2 (ja) 計測装置、方法及びプログラム
KR101977652B1 (ko) 모바일 맵핑 시스템을 이용한 도로 면형 자동 취득 방법
JP6844235B2 (ja) 距離測定装置および距離測定方法
CN109074741B (zh) 行进路检测方法及行进路检测装置
JP5310027B2 (ja) 車線認識装置、及び車線認識方法
JP7024176B2 (ja) 走路検出方法及び走路検出装置
JP6699323B2 (ja) 電車設備の三次元計測装置及び三次元計測方法
JP5891802B2 (ja) 車両位置算出装置
JP6416654B2 (ja) 白線検出装置
JP7058128B2 (ja) 情報処理装置およびプログラム
JP5874411B2 (ja) 車両周辺監視装置
CN109344677B (zh) 识别立体物的方法、装置、车辆和存储介质
JP6451544B2 (ja) 道路境界検出装置、自己位置推定装置及び道路境界検出方法
JP2018096935A (ja) 自車位置推定装置、プログラム、記録媒体、および自車位置推定方法
JP2004030440A (ja) 画像処理方法、画像処理プログラム及びそれを記録したコンピュータ読み取り可能な記録媒体

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
E902 Notification of reason for refusal
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment