WO2019098002A1

WO2019098002A1 - 情報処理装置、情報処理方法、プログラム、及び移動体

Info

Publication number: WO2019098002A1
Application number: PCT/JP2018/040213
Authority: WO
Inventors: 諒渡辺; 雅貴豊浦; 隆盛山口; 遼高橋; 啓輔前田
Original assignee: ソニー株式会社
Priority date: 2017-11-20
Filing date: 2018-10-30
Publication date: 2019-05-23
Also published as: US20200331499A1; DE112018005907T5; US11661084B2

Abstract

本技術の一形態に係る情報処理装置は、推定部と、生成部と、頻度制御部とを具備する。前記推定部は、移動体の位置及び姿勢の少なくとも一方を推定する。前記生成部は、前記移動体を移動させるための移動計画を生成する。前記頻度制御部は、前記推定部の負荷の指標となる負荷指標情報に基づいて、前記生成部による前記移動計画の更新頻度を制御する。

Description

情報処理装置、情報処理方法、プログラム、及び移動体

　本技術は、移動体の移動を制御する情報処理装置、情報処理方法、プログラム、及び移動体に関する。

　従来、車両やロボット等の移動体の自律移動制御を行なう技術が開発されている。例えば、特許文献１には、移動ロボットの誘導制御装置について記載されている。この誘導制御装置では、移動環境の特徴となる道標の情報を含む地図情報を用いて、ロボットの目的地までの経路が計画される。ロボットは経路に沿って移動され、その移動量に基づいてロボットの位置姿勢データがモニタリングされる。この位置姿勢データは、道標を撮影したカメラ画像等から推定された位置姿勢推定値により適宜更新される。そして更新後のロボットの位置と姿勢に基づいてロボットの経路が再計画される。これらのサイクルを繰り返すことで、ロボットを目的地まで移動させることが可能となる。（特許文献１の明細書段落［００１４］［００２１］［００２８］［００３５］［００８９］図１、１２等）。

特開平６－２５９１３１号公報

　このように、移動体の移動制御を行なうためには、移動体の位置・姿勢の推定処理や移動体の経路の計画処理等の様々な処理が実行される。これらの移動制御に要する処理負荷をコントロールして安定した移動制御を実現する技術が求められている。

　以上のような事情に鑑み、本技術の目的は、移動制御に要する処理負荷をコントロールして安定した移動制御を実現することが可能な情報処理装置、情報処理方法、プログラム及び移動体を提供することにある。

　上記目的を達成するため、本技術の一形態に係る情報処理装置は、推定部と、生成部と、頻度制御部とを具備する。
　前記推定部は、移動体の位置及び姿勢の少なくとも一方を推定する。
　前記生成部は、前記移動体を移動させるための移動計画を生成する。
　前記頻度制御部は、前記推定部の負荷の指標となる負荷指標情報に基づいて、前記生成部による前記移動計画の更新頻度を制御する。

　この情報処理装置では、移動体の位置及び姿勢の少なくとも一方を推定する推定部の負荷の指標となる負荷指標情報に基づいて、移動体の移動計画の更新頻度が制御される。これにより、移動制御に要する処理負荷をコントロールして安定した移動制御を実現することが可能となる。

　前記負荷指標情報は、前記推定部による推定結果の確信度を含んでもよい。この場合、前記頻度制御部は、前記確信度に基づいて前記移動計画の前記更新頻度を制御してもよい。
　移動体の位置や姿勢の確信度を指標とすることで、移動制御に要する処理負荷を精度良くコントロールすることが可能となり、安定した移動制御を実現することが可能となる。

　前記頻度制御部は、前記確信度が高いほど前記更新頻度を高く設定し、前記確信度が低いほど前記更新頻度を低く設定してもよい。
　これにより、例えば位置や姿勢の推定処理及び移動計画の生成処理の各処理負荷のバランスをとることが可能となり、十分に安定した移動制御を実現することが可能となる。

　前記頻度制御部は、前記確信度の変化に対して前記更新頻度を線形に変化させてもよい。
　これにより、移動制御に要する処理負荷を容易にコントロールすることが可能となり、安定した移動制御を容易に実現することが可能となる。

　前記生成部は、前記移動体の大域的な移動計画及び局所的な移動計画の各々を生成してもよい。この場合、前記頻度制御部は、前記確信度に基づいて前記大域的な移動計画の前記更新頻度を制御してもよい。
　これにより、大域的な移動計画の更新に要する処理負荷を制御することが可能となり、移動制御に伴う全体の処理負荷を適正にコントロールすることが可能となる。

　前記大域的な移動計画は、前記移動体の目的地までの経路計画を含んでもよい。
　これにより、経路計画の更新頻度を制御することが可能となり、移動制御に要する処理負荷を十分にコントロールすることが可能となる。

　前記局所的な移動計画は、前記移動体の現在地からの移動方向を指示する軌道計画を含んでもよい。
　例えば軌道計画を用いることで、移動体を停止させることなく、全体の処理負荷をコントロールすることが可能となり、安定でかつ高速な移動制御を実現することが可能となる。

　前記移動体は、前記移動体の動作に関する動作情報を検出する動作センサを有してもよい。この場合、前記推定部は、前記動作センサにより検出された前記動作情報に基づいて自律航法による推定処理を実行し、前記推定結果の前記確信度を算出してもよい。
　このように自律航法による推定処理を実行することで、位置や姿勢の推定結果の確信度を容易に算出することが可能となる。

　前記移動体は、前記移動体の周辺環境に関する周辺情報を検出する周辺センサを有してもよい。この場合、前記推定部は、前記推定結果に基づいて前記移動体の周辺環境に関する１以上の参照情報を検索し、前記検索された１以上の参照情報と前記周辺センサにより検出された前記周辺情報とのマッチング処理を実行することで、前記推定結果を補正するための補正用参照情報を決定してもよい。
　これにより、補正用参照情報を用いて移動体の位置や姿勢を補正することが可能となり、移動制御の精度を向上することが可能となる。

　前記推定部は、前記確信度に基づいて前記参照情報の検索範囲を設定してもよい。
　これにより、移動体の位置や姿勢の確信度に応じた適切な検索範囲を設定することが可能となる。この結果、移動体の位置や姿勢を適正に補正することが可能となる。

　前記推定部は、前記確信度が高いほど前記検索範囲を狭く設定し、前記確信度が低いほど前記検索範囲を広く設定してもよい。
　これにより、移動体の位置や姿勢を適正に補正することが可能となり、高精度な移動制御を実現することが可能となる。

　前記負荷指標情報は、前記補正用参照情報に基づく前記推定結果の補正処理の実行の有無に関する実行情報を含んでもよい。
　補正処理の実行情報を指標とすることで、移動制御に要する処理負荷を精度良くコントロールすることが可能となり、安定した移動制御を実現することが可能となる。

　前記補正処理は、前記移動体の現在及び過去の前記推定結果を補正する処理であってもよい。
　これにより、移動体が通過した経路等が高精度に算出され、移動体の周辺地図等を精度良く生成することが可能となる。この結果、高精度な移動制御を実現することが可能となる。

　前記頻度制御部は、前記実行情報に基づいて、前記生成部による前記移動計画の更新を停止してもよい。
　これにより、補正処理の実行に伴う処理負荷の増大による影響等を十分に回避することが可能となる。この結果、移動体の移動制御を大幅に安定化することが可能となる。

　前記生成部は、前記移動体の大域的な移動計画及び局所的な移動計画の各々を生成してもよい。この場合、前記頻度制御部は、前記実行情報に基づいて、前記生成部による前記大域的な移動計画の更新を停止してもよい。
　これにより、大域的な移動計画の更新に要する処理負荷を十分に抑制することが可能となり、移動制御に伴う全体の処理負荷を適正にコントロールすることが可能となる。

　前記推定部は、前記補正処理を実行するか否かを判定し、判定結果に応じて前記補正処理を実行してもよい。
　これにより、補正処理を適正なタイミングで実行することが可能となる。この結果、例えば不要な処理を減らすことが可能となり、処理負荷を抑制することが可能となる。

　前記推定部は、前記補正処理を実行すると判定された場合に、前記実行情報として前記補正処理が実行される旨の情報を前記頻度制御部に出力してもよい。
　これにより、例えば補正処理を実行すると判定されたタイミングに合わせて処理負荷のコントロールを開始することが可能となり、補正処理による処理負荷の増大等を回避して、安定した移動制御を実現することが可能となる。

　本技術の一形態に係る情報処理方法は、コンピュータシステムにより実行される情報処理方法であって、移動体の位置及び姿勢の少なくとも一方を推定することを含む。
　前記移動体を移動させるための移動計画が生成される。
　移動体の位置及び姿勢の少なくとも一方を推定する推定処理の負荷の指標となる負荷指標情報に基づいて、前記移動計画の更新頻度が制御される。

　本技術の一形態に係る情報処理方法は、コンピュータシステムに以下のステップを実行させる。
　移動体の位置及び姿勢の少なくとも一方を推定するステップ。
　前記移動体を移動させるための移動計画を生成するステップ。
　移動体の位置及び姿勢の少なくとも一方を推定する推定処理の負荷の指標となる負荷指標情報に基づいて、前記移動計画の更新頻度を制御するステップ。

　本技術の一形態に係る移動体は、推定部と、生成部と、頻度制御部と、移動制御部とを具備する。
　前記推定部は、移動体の位置及び姿勢の少なくとも一方を推定する。
　前記生成部は、前記移動体を移動させるための移動計画を生成する。
　前記頻度制御部は、前記推定部の負荷の指標となる負荷指標情報に基づいて、前記生成部による前記移動計画の更新頻度を制御する。
　前記移動制御部は、前記生成された前記移動計画に基づいて、前記移動体の移動を制御する。

　以上のように、本技術によれば、移動制御に要する処理負荷をコントロールして安定した移動制御を実現することが可能となる。なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載されたいずれかの効果であってもよい。

本技術の第１の実施形態に係る自動運転制御部を搭載する車両の構成例を示す外観図である。車両の制御を行う車両制御システムの構成例を示すブロック図である。図２に示す自己位置推定部及び計画部の構成例を示すブロック図である。内界センサ及び外界センサの一例を示す表である。経路計画の一例を示す模式図である。軌道計画の一例を示す模式図である。自己位置推定部の基本的な動作の概要を示す模式図である。計画部の基本的な動作の概要を示す模式図である。大域的な移動計画の更新頻度の制御の一例を示すフローチャートである。車両の動作の一例を示す模式図である。参照情報の検索範囲の一例を説明するための模式図である。参照情報を検索している段階でのＣＰＵ負荷率と大域的な移動計画の更新頻度との関係を示す表である。確信度と更新頻度との関係の一例を示すグラフである。ループクローズ機能による補正処理の一例を示す模式図である。推定値の補正処理を実行している段階でのＣＰＵ負荷率と大域的な移動計画の更新頻度との関係を示す表である。

　以下、本技術に係る実施形態を、図面を参照しながら説明する。

　［車両制御システムの構成］
　図１は、本技術の第１の実施形態に係る自動運転制御部を搭載する車両の構成例を示す外観図である。図１Ａは、車両１０の構成例を示す斜視図であり、図１Ｂは、車両１０を上方から見た場合の模式図である。車両１０は、目的地までの自動走行が可能な自動運転機能を備えている。なお車両１０は、本実施形態に係る移動体の一例である。

　車両１０は、自動運転に用いられる各種のセンサ２０を備える。一例として、例えば図１Ａには、車両１０の前方に向けられた撮像装置２１及び距離センサ２２が模式的に図示されている。撮像装置２１及び距離センサ２２は、後述する外界センサ２５として機能する。また図１Ｂには、各車輪の回転等を検出する車輪エンコーダ２３が模式的に図示されている。車輪エンコーダ２３は、後述する内界センサ２４として機能する。この他、車両１０には様々なセンサ２０が搭載され、センサ２０からの出力をもとに車両１０の移動制御が行なわれる。

　図２は、車両１０の制御を行う車両制御システム１００の構成例を示すブロック図である。車両制御システム１００は、車両１０に設けられ、車両１０の各種の制御を行うシステムである。なお、以下、車両１０を他の車両と区別する場合、自車又は自車両と称する。

　車両制御システム１００は、入力部１０１、データ取得部１０２、通信部１０３、車内機器１０４、出力制御部１０５、出力部１０６、駆動系制御部１０７、駆動系システム１０８、ボディ系制御部１０９、ボディ系システム１１０、記憶部１１１、及び、自動運転制御部１１２を備える。入力部１０１、データ取得部１０２、通信部１０３、出力制御部１０５、駆動系制御部１０７、ボディ系制御部１０９、記憶部１１１、及び、自動運転制御部１１２は、通信ネットワーク１２１を介して、相互に接続されている。通信ネットワーク１２１は、例えば、ＣＡＮ（Controller Area Network）、ＬＩＮ（Local Interconnect Network）、ＬＡＮ（Local Area Network）、又は、ＦｌｅｘＲａｙ（登録商標）等の任意の規格に準拠した車載通信ネットワークやバス等からなる。なお、車両制御システム１００の各部は、通信ネットワーク１２１を介さずに、直接接続される場合もある。

　なお、以下、車両制御システム１００の各部が、通信ネットワーク１２１を介して通信を行う場合、通信ネットワーク１２１の記載を省略するものとする。例えば、入力部１０１と自動運転制御部１１２が、通信ネットワーク１２１を介して通信を行う場合、単に入力部１０１と自動運転制御部１１２が通信を行うと記載する。

　入力部１０１は、搭乗者が各種のデータや指示等の入力に用いる装置を備える。例えば、入力部１０１は、タッチパネル、ボタン、マイクロフォン、スイッチ、及び、レバー等の操作デバイス、並びに、音声やジェスチャ等により手動操作以外の方法で入力可能な操作デバイス等を備える。また、例えば、入力部１０１は、赤外線若しくはその他の電波を利用したリモートコントロール装置、又は、車両制御システム１００の操作に対応したモバイル機器若しくはウェアラブル機器等の外部接続機器であってもよい。入力部１０１は、搭乗者により入力されたデータや指示等に基づいて入力信号を生成し、車両制御システム１００の各部に供給する。

　データ取得部１０２は、車両制御システム１００の処理に用いるデータを取得する各種のセンサ等を備え、取得したデータを、車両制御システム１００の各部に供給する。

　例えば、データ取得部１０２は、車両１０の状態等を検出するための各種のセンサを備える。具体的には、例えば、データ取得部１０２は、ジャイロセンサ、加速度センサ、慣性計測装置（ＩＭＵ）、及び、アクセルペダルの操作量、ブレーキペダルの操作量、ステアリングホイールの操舵角、エンジン回転数、モータ回転数、若しくは、車輪の回転速度等を検出するためのセンサ等を備える。

　また、例えば、データ取得部１０２は、車両１０の外部の情報を検出するための各種のセンサを備える。具体的には、例えば、データ取得部１０２は、ＴｏＦ（Time Of Flight）カメラ、ステレオカメラ、単眼カメラ、赤外線カメラ、及び、その他のカメラ等の撮像装置を備える。また、例えば、データ取得部１０２は、天候又は気象等を検出するための環境センサ、及び、車両１０の周囲の物体を検出するための周囲情報検出センサを備える。環境センサは、例えば、雨滴センサ、霧センサ、日照センサ、雪センサ等からなる。周囲情報検出センサは、例えば、超音波センサ、レーダ、ＬｉＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）、ソナー等からなる。

　さらに、例えば、データ取得部１０２は、車両１０の現在位置を検出するための各種のセンサを備える。具体的には、例えば、データ取得部１０２は、航法衛星であるＧＮＳＳ（Global Navigation Satellite System）衛星からの衛星信号（以下、ＧＮＳＳ信号と称する）を受信するＧＮＳＳ受信機等を備える。

　また、例えば、データ取得部１０２は、車内の情報を検出するための各種のセンサを備える。具体的には、例えば、データ取得部１０２は、運転者を撮像する撮像装置、運転者の生体情報を検出する生体センサ、及び、車室内の音声を集音するマイクロフォン等を備える。生体センサは、例えば、座面又はステアリングホイール等に設けられ、座席に座っている搭乗者又はステアリングホイールを握っている運転者の生体情報を検出する。

　通信部１０３は、車内機器１０４、並びに、車外の様々な機器、サーバ、基地局等と通信を行い、車両制御システム１００の各部から供給されるデータを送信したり、受信したデータを車両制御システム１００の各部に供給したりする。なお、通信部１０３がサポートする通信プロトコルは、特に限定されるものではなく、また、通信部１０３が、複数の種類の通信プロトコルをサポートすることも可能である

　例えば、通信部１０３は、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＮＦＣ（Near Field Communication）、又は、ＷＵＳＢ（Wireless USB）等により、車内機器１０４と無線通信を行う。また、例えば、通信部１０３は、図示しない接続端子（及び、必要であればケーブル）を介して、ＵＳＢ（Universal Serial Bus）、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）、又は、ＭＨＬ（Mobile High-definition Link）等により、車内機器１０４と有線通信を行う。

　さらに、例えば、通信部１０３は、基地局又はアクセスポイントを介して、外部ネットワーク（例えば、インターネット、クラウドネットワーク又は事業者固有のネットワーク）上に存在する機器（例えば、アプリケーションサーバ又は制御サーバ）との通信を行う。また、例えば、通信部１０３は、Ｐ２Ｐ（Peer To Peer）技術を用いて、車両１０の近傍に存在する端末（例えば、歩行者若しくは店舗の端末、又は、ＭＴＣ（Machine Type Communication）端末）との通信を行う。さらに、例えば、通信部１０３は、車車間（Vehicle to Vehicle）通信、路車間（Vehicle to Infrastructure）通信、車両１０と家との間（Vehicle to Home）の通信、及び、歩車間（Vehicle to Pedestrian）通信等のＶ２Ｘ通信を行う。また、例えば、通信部１０３は、ビーコン受信部を備え、道路上に設置された無線局等から発信される電波あるいは電磁波を受信し、現在位置、渋滞、通行規制又は所要時間等の情報を取得する。

　車内機器１０４は、例えば、搭乗者が有するモバイル機器若しくはウェアラブル機器、車両１０に搬入され若しくは取り付けられる情報機器、及び、任意の目的地までの経路探索を行うナビゲーション装置等を含む。

　出力制御部１０５は、車両１０の搭乗者又は車外に対する各種の情報の出力を制御する。例えば、出力制御部１０５は、視覚情報（例えば、画像データ）及び聴覚情報（例えば、音声データ）のうちの少なくとも１つを含む出力信号を生成し、出力部１０６に供給することにより、出力部１０６からの視覚情報及び聴覚情報の出力を制御する。具体的には、例えば、出力制御部１０５は、データ取得部１０２の異なる撮像装置により撮像された画
像データを合成して、俯瞰画像又はパノラマ画像等を生成し、生成した画像を含む出力信号を出力部１０６に供給する。また、例えば、出力制御部１０５は、衝突、接触、危険地帯への進入等の危険に対する警告音又は警告メッセージ等を含む音声データを生成し、生成した音声データを含む出力信号を出力部１０６に供給する。

　出力部１０６は、車両１０の搭乗者又は車外に対して、視覚情報又は聴覚情報を出力することが可能な装置を備える。例えば、出力部１０６は、表示装置、インストルメントパネル、オーディオスピーカ、ヘッドホン、搭乗者が装着する眼鏡型ディスプレイ等のウェアラブルデバイス、プロジェクタ、ランプ等を備える。出力部１０６が備える表示装置は、通常のディスプレイを有する装置以外にも、例えば、ヘッドアップディスプレイ、透過型ディスプレイ、ＡＲ（Augmented Reality）表示機能を有する装置等の運転者の視野内に視覚情報を表示する装置であってもよい。

　駆動系制御部１０７は、各種の制御信号を生成し、駆動系システム１０８に供給することにより、駆動系システム１０８の制御を行う。また、駆動系制御部１０７は、必要に応じて、駆動系システム１０８以外の各部に制御信号を供給し、駆動系システム１０８の制御状態の通知等を行う。

　駆動系システム１０８は、車両１０の駆動系に関わる各種の装置を備える。例えば、駆動系システム１０８は、内燃機関又は駆動用モータ等の駆動力を発生させるための駆動力発生装置、駆動力を車輪に伝達するための駆動力伝達機構、舵角を調節するステアリング機構、制動力を発生させる制動装置、ＡＢＳ（Antilock Brake System）、ＥＳＣ（Electronic Stability Control）、並びに、電動パワーステアリング装置等を備える。

　ボディ系制御部１０９は、各種の制御信号を生成し、ボディ系システム１１０に供給することにより、ボディ系システム１１０の制御を行う。また、ボディ系制御部１０９は、必要に応じて、ボディ系システム１１０以外の各部に制御信号を供給し、ボディ系システム１１０の制御状態の通知等を行う。

　ボディ系システム１１０は、車体に装備されたボディ系の各種の装置を備える。例えば、ボディ系システム１１０は、キーレスエントリシステム、スマートキーシステム、パワーウィンドウ装置、パワーシート、ステアリングホイール、空調装置、及び、各種ランプ（例えば、ヘッドランプ、バックランプ、ブレーキランプ、ウィンカ、フォグランプ等）等を備える。

　記憶部１１１は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disc Drive）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、及び、光磁気記憶デバイス等を備える。記憶部１１１は、車両制御システム１００の各部が用いる各種プログラムやデータ等を記憶する。例えば、記憶部１１１は、ダイナミックマップ等の３次元の高精度地図、高精度地図より精度が低く、広いエリアをカバーするグローバルマップ、及び、車両１０の周囲の情報を含むローカルマップ等の地図データを記憶する。

　自動運転制御部１１２は、自律走行又は運転支援等の自動運転に関する制御を行う。具体的には、例えば、自動運転制御部１１２は、車両１０の衝突回避あるいは衝撃緩和、車間距離に基づく追従走行、車速維持走行、車両１０の衝突警告、又は、車両１０のレーン逸脱警告等を含むＡＤＡＳ（Advanced Driver Assistance System）の機能実現を目的とした協調制御を行う。また、例えば、自動運転制御部１１２は、運転者の操作に拠らずに自律的に走行する自動運転等を目的とした協調制御を行う。

　自動運転制御部１１２は、本実施形態に係る情報処理装置に相当し、例えばＣＰＵ、ＲＡＭ、及びＲＯＭ等のコンピュータに必要なハードウェアを有する。ＣＰＵがＲＯＭに予め記録されている本技術に係るプログラムをＲＡＭにロードして実行することにより、本技術に係る情報処理方法が実行される。

　自動運転制御部１１２の具体的な構成は限定されず、例えばＦＰＧＡ（Field Programmable Gate Array）等のＰＬＤ(Programmable Logic Device)、その他ＡＳＩＣ（Application Specific Integrated Circuit）等のデバイスが用いられてもよい。

　図２に示すように、自動運転制御部１１２は、検出部１３１、自己位置推定部１３２、状況分析部１３３、計画部１３４、及び、動作制御部１３５を備える。例えば、自動運転制御部１１２のＣＰＵが所定のプログラムを実行することで、各機能ブロックが構成される。

　検出部１３１は、自動運転の制御に必要な各種の情報の検出を行う。検出部１３１は、車外情報検出部１４１、車内情報検出部１４２、及び、車両状態検出部１４３を備える。

　車外情報検出部１４１は、車両制御システム１００の各部からのデータ又は信号に基づいて、車両１０の外部の情報の検出処理を行う。例えば、車外情報検出部１４１は、車両１０の周囲の物体の検出処理、認識処理、及び、追跡処理、並びに、物体までの距離の検出処理を行う。検出対象となる物体には、例えば、車両、人、障害物、構造物、道路、信号機、交通標識、道路標示等が含まれる。また、例えば、車外情報検出部１４１は、車両１０の周囲の環境の検出処理を行う。検出対象となる周囲の環境には、例えば、天候、気温、湿度、明るさ、及び、路面の状態等が含まれる。車外情報検出部１４１は、検出処理の結果を示すデータを自己位置推定部１３２、状況分析部１３３のマップ解析部１５１、交通ルール認識部１５２、及び、状況認識部１５３、並びに、動作制御部１３５の緊急事態回避部１７１等に供給する。

　車内情報検出部１４２は、車両制御システム１００の各部からのデータ又は信号に基づいて、車内の情報の検出処理を行う。例えば、車内情報検出部１４２は、運転者の認証処理及び認識処理、運転者の状態の検出処理、搭乗者の検出処理、及び、車内の環境の検出処理等を行う。検出対象となる運転者の状態には、例えば、体調、覚醒度、集中度、疲労度、視線方向等が含まれる。検出対象となる車内の環境には、例えば、気温、湿度、明るさ、臭い等が含まれる。車内情報検出部１４２は、検出処理の結果を示すデータを状況分析部１３３の状況認識部１５３、及び、動作制御部１３５の緊急事態回避部１７１等に供給する。

　車両状態検出部１４３は、車両制御システム１００の各部からのデータ又は信号に基づいて、車両１０の状態の検出処理を行う。検出対象となる車両１０の状態には、例えば、速度、加速度、舵角、異常の有無及び内容、運転操作の状態、パワーシートの位置及び傾き、ドアロックの状態、並びに、その他の車載機器の状態等が含まれる。車両状態検出部１４３は、検出処理の結果を示すデータを状況分析部１３３の状況認識部１５３、及び、動作制御部１３５の緊急事態回避部１７１等に供給する。

　自己位置推定部１３２は、車外情報検出部１４１、及び、状況分析部１３３の状況認識部１５３等の車両制御システム１００の各部からのデータ又は信号に基づいて、車両１０の位置及び姿勢等の推定処理を行う。また、自己位置推定部１３２は、必要に応じて、自己位置の推定に用いるローカルマップ（以下、自己位置推定用マップと称する）を生成する。自己位置推定用マップは、例えば、ＳＬＡＭ（Simultaneous Localization and Mapping）等の技術を用いた高精度なマップとされる。自己位置推定部１３２は、推定処理の結果を示すデータを状況分析部１３３のマップ解析部１５１、交通ルール認識部１５２、及び、状況認識部１５３等に供給する。また、自己位置推定部１３２は、自己位置推定用マップを記憶部１１１に記憶させる。

　また自己位置推定部１３２は、車両１０の周辺環境に関する参照情報が記録された参照情報データベース２６（図３参照）にアクセスし、参照情報を用いて車両１０の位置及び姿勢の推定結果を補正する補正処理を行なう。自己位置推定部１３２については、図３等を参照して後に詳しく説明する。本実施形態では、自己位置推定部１３２は、推定部に相当する。

　状況分析部１３３は、車両１０及び周囲の状況の分析処理を行う。状況分析部１３３は、マップ解析部１５１、交通ルール認識部１５２、状況認識部１５３、及び、状況予測部１５４を備える。

　マップ解析部１５１は、自己位置推定部１３２及び車外情報検出部１４１等の車両制御システム１００の各部からのデータ又は信号を必要に応じて用いながら、記憶部１１１に記憶されている各種のマップの解析処理を行い、自動運転の処理に必要な情報を含むマップを構築する。マップ解析部１５１は、構築したマップを、交通ルール認識部１５２、状況認識部１５３、状況予測部１５４、並びに、計画部１３４に供給する。

　交通ルール認識部１５２は、自己位置推定部１３２、車外情報検出部１４１、及び、マップ解析部１５１等の車両制御システム１００の各部からのデータ又は信号に基づいて、車両１０の周囲の交通ルールの認識処理を行う。この認識処理により、例えば、車両１０の周囲の信号の位置及び状態、車両１０の周囲の交通規制の内容、並びに、走行可能な車線等が認識される。交通ルール認識部１５２は、認識処理の結果を示すデータを状況予測部１５４等に供給する。

　状況認識部１５３は、自己位置推定部１３２、車外情報検出部１４１、車内情報検出部１４２、車両状態検出部１４３、及び、マップ解析部１５１等の車両制御システム１００の各部からのデータ又は信号に基づいて、車両１０に関する状況の認識処理を行う。例えば、状況認識部１５３は、車両１０の状況、車両１０の周囲の状況、及び、車両１０の運転者の状況等の認識処理を行う。また、状況認識部１５３は、必要に応じて、車両１０の周囲の状況の認識に用いるローカルマップ（以下、状況認識用マップと称する）を生成する。状況認識用マップは、例えば、占有格子地図（Occupancy Grid Map）とされる。

　認識対象となる車両１０の状況には、例えば、車両１０の位置、姿勢、動き（例えば、速度、加速度、移動方向等）、並びに、異常の有無及び内容等が含まれる。認識対象となる車両１０の周囲の状況には、例えば、周囲の静止物体の種類及び位置、周囲の動物体の種類、位置及び動き（例えば、速度、加速度、移動方向等）、周囲の道路の構成及び路面の状態、並びに、周囲の天候、気温、湿度、及び、明るさ等が含まれる。認識対象となる運転者の状態には、例えば、体調、覚醒度、集中度、疲労度、視線の動き、並びに、運転操作等が含まれる。

　状況認識部１５３は、認識処理の結果を示すデータ（必要に応じて、状況認識用マップを含む）を自己位置推定部１３２及び状況予測部１５４等に供給する。また、状況認識部１５３は、状況認識用マップを記憶部１１１に記憶させる。

　状況予測部１５４は、マップ解析部１５１、交通ルール認識部１５２及び状況認識部１５３等の車両制御システム１００の各部からのデータ又は信号に基づいて、車両１０に関する状況の予測処理を行う。例えば、状況予測部１５４は、車両１０の状況、車両１０の周囲の状況、及び、運転者の状況等の予測処理を行う。

　予測対象となる車両１０の状況には、例えば、車両１０の挙動、異常の発生、及び、走行可能距離等が含まれる。予測対象となる車両１０の周囲の状況には、例えば、車両１０の周囲の動物体の挙動、信号の状態の変化、及び、天候等の環境の変化等が含まれる。予測対象となる運転者の状況には、例えば、運転者の挙動及び体調等が含まれる。

　状況予測部１５４は、予測処理の結果を示すデータを、交通ルール認識部１５２及び状況認識部１５３からのデータとともに、計画部１３４に供給する。

　計画部１３４は、車両１０を移動させるための移動計画を生成する。ここで移動計画には、車両１０の自動運転を行なうための経路や動作等に関する各種の計画が含まれる。計画部１３４は、マップ解析部１５１及び状況予測部１５４等の車両制御システム１００の各部からのデータ又は信号に基づいて、車両１０の経路や動作等（移動計画）を計画する。また計画部１３４は、車両１０の経路や動作等のデータを、動作制御部１３５の加減速制御部１７２及び方向制御部１７３等に供給する。計画部１３４については、図３等を参照して後に詳しく説明する。本実施形態では、計画部１３４は、生成部に相当する。

　動作制御部１３５は、車両１０の動作の制御を行う。動作制御部１３５は、緊急事態回避部１７１、加減速制御部１７２、及び、方向制御部１７３を備える。

　緊急事態回避部１７１は、車外情報検出部１４１、車内情報検出部１４２、及び、車両状態検出部１４３の検出結果に基づいて、衝突、接触、危険地帯への進入、運転者の異常、車両１０の異常等の緊急事態の検出処理を行う。緊急事態回避部１７１は、緊急事態の発生を検出した場合、急停車や急旋回等の緊急事態を回避するための車両１０の動作を計画する。緊急事態回避部１７１は、計画した車両１０の動作を示すデータを加減速制御部１７２及び方向制御部１７３等に供給する。

　加減速制御部１７２は、計画部１３４又は緊急事態回避部１７１により計画された車両１０の動作を実現するための加減速制御を行う。例えば、加減速制御部１７２は、計画された加速、減速、又は、急停車を実現するための駆動力発生装置又は制動装置の制御目標値を演算し、演算した制御目標値を示す制御指令を駆動系制御部１０７に供給する。

　方向制御部１７３は、計画部１３４又は緊急事態回避部１７１により計画された車両１０の動作を実現するための方向制御を行う。例えば、方向制御部１７３は、計画部１３４又は緊急事態回避部１７１により計画された走行軌道又は急旋回を実現するためのステアリング機構の制御目標値を演算し、演算した制御目標値を示す制御指令を駆動系制御部１０７に供給する。本実施形態では、加減速制御部１７２及び方向制御部１７３が共動することで、移動制御部が実現される。

　図３は、図２に示す自己位置推定部１３２及び計画部１３４の構成例を示すブロック図である。図３に示すように自己位置推定部１３２には、内界センサ２４、外界センサ２５、及び参照情報データベース２６の各々から、車両１０の自己位置を推定するために必要な情報が供給される。内界センサ２４及び外界センサ２５は、データ取得部１０２が備えるセンサ２０により構成される。

　図４は、内界センサ２４及び外界センサ２５の一例を示す表である。図４の表には、内界センサ２４及び外界センサ２５ごとに、認識器の種類、認識器を用いて得られる物理量、位置・姿勢の絶対値が測定可能であるか否か、及び検出レートについて記載されている。

　内界センサ２４は、車両１０の動作に関する動作情報を検出するセンサである。本実施形態では、車両１０の動作情報として、車両１０の速度、加速度、相対位置（移動量）、及び角速度等の物理量が検出される。これらの物理量は、車両１０の移動（動作）に伴い、内界センサ２４により高い取得レートで連続的に検出可能な量である。このように内界センサ２４は、地図上の車両１０の位置（絶対位置）や車両１０の向き（絶対姿勢）を計測するのではなく、車両１０自身、すなわち内界の状態を検出するセンサであるとも言える。本実施形態では、内界センサ２４は、動作センサに相当する。

　図４に示すように、内界センサ２４は、加速度センサ、ジャイロセンサ、慣性計測装置（ＩＭＵ）、及び、車輪エンコーダ２３等を含む。また各種のカメラにより撮影された画像によるＶｉｓｕａｌＳＬＡＭ等を用いることで、車両１０の動作（移動量や移動方向）等を検出することも可能である。この場合、カメラ等も内界センサ２４に含まれる。この他、内界センサ２４の種類は限定されず、アクセル、ブレーキ、及びステアリング等の操作量を検出するセンサや、エンジン回転数やモータ回転数等を検出するセンサが適宜用いられてよい。

　内界センサ２４により検出された動作情報は、図１に示す、車両状態検出部１４３及び状況認識部１５３を介して自己位置推定部１３２のＤＲ処理部３０に供給される。なお、図３では、車両状態検出部１４３及び状況認識部１５３の図示が省略されている。

　外界センサ２５は、車両１０の周辺環境に関する周辺情報を検出するセンサである。本実施形態では、車両１０の周辺情報として、車両１０の周辺の道路や建物等の画像情報や奥行情報（点群データ）等が検出される。これらの周辺情報に基づいて、場所認識（Ｐｌａｃｅ　Ｒｅｃｏｇｎｉｔｉｏｎ）処理等を行なうことで、車両１０の位置及び姿勢の地図座標系における絶対値等が検出される。この点については、後に詳しく説明する。

　図４に示すように、外界センサ２５は、車両１０の外部の情報を検出するための各種の撮像装置２１（ステレオカメラ、単眼カメラ等）、及び車両１０の周囲の物体を検出するための距離センサ２２（ＴｏＦセンサ、ＬｉＤＡＲセンサ等）を含む。外界センサ２５の種類等は限定されず、例えば車両１０の周辺情報を検出可能な任意のセンサが外界センサ２５として用いられてよい。

　外界センサ２５により検出された周辺情報は、図１に示す、車外情報検出部１４１を介して自己位置推定部１３２のマッチング処理部３１に供給される。なお、図３では、車外情報検出部１４１の図示が省略されている。本実施形態では、外界センサ２５は、周辺センサに相当する。

　参照情報データベース２６は、複数の参照情報が格納されたデータベースであり、記憶部１１１に設けられる。参照情報は、自己位置推定部１３２により参照される情報であり、参照処理が行なわれる前に、事前に取得されて参照情報データベース２６に格納される。

　参照情報は、例えば車両１０等が走行する走行環境を撮影した画像情報と、当該画像情報を撮影した位置及び撮影方向とが関連付けられた情報である。また例えば、走行環境の奥行情報と、当該奥行情報を測定した位置及び測定方向とが関連付けられた情報が参照情報として用いられてもよい。

　この他、参照情報の具体的な構成は限定されない。例えば画像情報や奥行情報に代えて、画像情報から検出された画像特徴点（特徴点の位置や特徴量）や奥行情報から検出された点群レジストレーション等が記憶されてもよい。以下では、参照情報として記憶される画像情報及び奥行情報等をキーフレームと記載し、画像情報及び奥行情報が取得された位置及び取得された方向を、キーフレームの取得位置及び取得方向と記載する場合がある。

　本実施形態では、車両１０とは異なる他の車両（以下マップ生成用車両と記載する）により参照情報が取得される。例えばマップ生成用車両は、自身に搭載されたカメラ等を用いて、マップ生成用車両の前方のキーフレーム（画像情報や奥行情報）を取得する。取得されたキーフレームと、取得時のマップ生成用車両の地図座標系における位置及び姿勢とが関連付けられて、サーバ等にアップロードされる。

　マップ生成用車両の位置及び姿勢を取得する方法は限定されない。例えば、航法衛星からの衛星信号であるＧＮＳＳ（Global Navigation Satellite System）信号（ＧＰＳセンサの出力）、地磁気センサ、車輪オドメトリ、及び、ＳＬＡＭのうち少なくとも１つ以上に基づいて、マップ生成用車両の位置及び姿勢が取得されてもよい。またマップ生成用車両の台数等は限定されず、１台以上のマップ生成用車両が適宜用いられてよい。

　車両１０は、サーバ等にアップロードされた参照情報を記憶部１１１に適宜ダウンロードすることで、参照情報データベース２６を構成する。なお、参照情報データベース２６が車両１０に設けられる場合に限定されず、例えば参照情報データベース２６がサーバ等に設けられてもよい。この場合、車両１０は、サーバ等に適宜アクセスして、必要となる参照情報を参照あるいはダウンロードする。

　図３に示すように、自己位置推定部１３２は、デッドレコニング（ＤＲ：Dead Reckoning）処理部３０、マッチング処理部３１、場所認識処理部３２、及び補正処理部３３を有する。以下、デッドレコニング処理部３０を、ＤＲ処理部３０と記載する。

　本実施形態では、自己位置推定部１３２により車両１０の位置及び姿勢を含む状態量を確率的に推定する処理が実行される。この場合、車両１０の状態量は確率分布（確率密度）で表される確率変数として扱われ、例えばある位置に車両１０が存在する確率や、車両１０がある方向を向いている確率等が算出される。

　車両１０の状態量としては、地図座標系（ＸＹ座標系）における車両１０の位置ｒ＝（ｘ、ｙ）及びＸＹ平面での車両１０の向きθが設定される（図１０参照）。これに限定されず、例えば車両の高さ方向の位置ｚや、パン、ロール、ヨーといった姿勢を表す角度等が状態量として設定されてもよい。また車両１０の速度等の他のパラメータを含む状態量が設定されてもよい。

　確率的な推定処理を実行するアルゴリズムとしては、例えばカルマンフィルタやパーティクルフィルタ等を用いた処理が用いられる。これらのフィルタは、例えば推定の対象となる状態量等に応じて適宜設計される。もちろんこれに限定されず、自己位置推定を行なうことが可能な任意の処理等が用いられてよい。以下では、カルマンフィルタを例に挙げて説明を行なう。

　例えば、ある時間ステップにおいて、状態量に関する計測値が取得されたとする。この場合、予測処理と更新処理とが実行され、推定結果として推定値Ｒ_t|t及び誤差共分散行列Ｐ_t|tが算出される。また例えば、状態量に関する計測値が取得されない場合等には、予測処理だけが実行されることもあり得る。そのような場合には、推定結果として推定値Ｒ_t|t-1及び誤差共分散行列Ｐ_t|t-1が算出される。

　このように、カルマンフィルタを用いた処理では、予測処理及び更新処理の各々による推定結果が、状況に応じて適宜算出される。以下では、推定値Ｒ_n|m及び誤差共分散行列Ｐ_n|mの符号を省略して、単に推定値及び誤差共分散行列と記載する場合がある。

　ＤＲ処理部３０は、デッドレコニング処理により車両１０の位置及び姿勢を推定する。ここでデッドレコニング処理とは、内界センサ２４により検出された車両１０自身の動作（動作情報）に基づいて、車両１０の位置及び姿勢を推定する処理である。本実施形態において、デッドレコニング処理は、自律航法に相当する。

　例えば、車輪エンコーダ２３により時刻ｔに検出された車輪の回転量に基づいて、時刻ｔ－１での車両１０の位置からの移動量を算出し、時刻ｔでの車両１０の相対的な位置を推定するといった処理が実行される。なお実際のデッドレコニング処理では、車輪エンコーダ２３のみならず、内界センサ２４に含まれ各センサにより検出された各種の動作情報が適宜用いられる。

　本実施形態では、デッドレコニング処理により、上記したカルマンフィルタにおける予測処理が実現される。従って、デッドレコニング処理を行なうことで、車両１０の状態量の推定値と誤差共分散行列との予測処理が実行される。

　またＤＲ処理部３０は、誤差共分散行列に基づいて、車両１０の状態量の推定値についての確信度を算出する。確信度とは、車両１０の状態量の推定値の確からしさを表す量である。例えば、車両１０の位置ｒの誤差（確率分布の分散）が小さいほど、推定された位置ｒに車両１０が存在する確率は高くなり、位置ｒの確信度は大きくなる。

　本実施形態では、状態量全体の確からしさを表す確信度が算出される。例えば、誤差共分散行列の対角成分から、状態量に含まれる各状態変数（位置ｒ、向きθ等）の確信度を算出することが可能である。これら各状態変数の確信度に基づいて、全体の確信度が算出される。この他、推定値の確信度を算出可能な任意の方法が用いられてよい。

　このように、ＤＲ処理部３０は、内界センサ２４により検出された動作情報に基づいてデッドレコニングによる推定処理を実行し、推定値の確信度を算出する。算出された推定値及び確信度は、マッチング処理部３１に供給される。また後述する計画部１３４の頻度制御部４０には、確信度が供給される。

　マッチング処理部３１は、ＤＲ処理部３０の推定結果（推定値）に基づいて車両１０の周辺環境に関する１以上の参照情報を検索する。例えば推定値により指定される車両１０の位置を基準として参照情報データベース２６から参照情報が検索される。この結果、車両１０の現在地の周辺で取得された参照情報が検索されることになる。

　またマッチング処理部３１は、検索された１以上の参照情報と外界センサ２５により検出された周辺情報とのマッチング処理を実行することで、推定値を補正するための補正用参照情報を決定する。例えばマッチング率が所定の条件を満たす参照情報が、補正用参照情報として決定される。なお各参照情報のマッチング率が所定の条件を満たさない場合には、補正用参照情報が決定されない場合もあり得る。

　マッチング処理としては、例えば、特徴点マッチング、テンプレートマッチング、及び画像スキャニング等の任意のマッチング処理が用いられる。この他、マッチング処理の具体的な方法は限定されず、例えば機械学習等を用いたマッチング等が適宜実行されてもよい。

　場所認識処理部３２は、補正用参照情報と周辺情報とに基づいて、車両１０の現在地を算出する。例えば、補正用参照情報と周辺情報とのマッチング結果、及び補正用参照情報の取得位置・取得姿勢等に基づいて場所認識処理が実行され、地図座標系における車両１０の位置及び姿勢の絶対値が算出される。すなわち、補正用参照情報に基づいて、車両１０の位置及び姿勢の計測が行なわれるとも言える。

　本実施形態では、場所認識処理により、上記したカルマンフィルタにおける更新処理が実現される。従って、場所認識処理を行なうことで、車両１０の状態量の推定値と誤差共分散行列との更新処理が実行される。更新された推定値及び誤差共分散行列は、ＤＲ処理部３０に出力され、その後の予測処理に用いられる。

　なお、場所認識処理部３２は、例えばＧＰＳセンサ等を用いて検出された車両１０の自己位置等に基づいて、推定値及び誤差共分散行列の更新処理等を実行することも可能である。例えば、補正用参照情報に基づく場所認識処理とＧＰＳセンサにより検出された自己位置とを併用することで、推定処理の精度を大幅に向上することが可能である。

　補正処理部３３は、車両１０の位置及び姿勢の推定値の補正処理を実行する。補正処理は、例えば、補正用参照情報に基づいて算出された車両１０の位置及び姿勢（地図座標系における絶対値）を基準として、推定処理を補正する処理である。すなわち補正処理部３３は、補正用参照情報に基づいて推定結果を補正するとも言える。

　本実施形態では、補正処理として、車両１０の現在及び過去の推定値を補正する処理が実行される。従って補正処理部３３により、車両１０がそれまでに通過した軌跡が補正される。このように、過去の推定値を含む補正処理は、一般にループクローズ機能（Ｌｏｏｐ　Ｃｌｏｓｅ機能、あるいはＬｏｏｐ　Ｃｌｏｓｕｒｅ機能）と呼ばれる。ループクローズ機能については、後に詳しく説明する。補正された推定値（補正結果）は、ＤＲ処理部３０に供給され、カルマンフィルタを用いた処理に適宜フィードバックされる。

　なお補正処理部３３は、所定の判定条件に基づいて、補正処理を実行するか否かを判定する。所定の判定条件は、例えば適正なタイミング・状況で補正処理が実行されるように適宜設定される。また補正処理を実行するか否かの判定結果の情報（判定情報）は、後述する計画部１３４の頻度制御部４０に供給される。本実施形態では、判定情報は、補正用参照情報に基づく推定結果の補正処理の実行の有無に関する実行情報に相当する。

　計画部１３４は、頻度制御部４０と、大域的移動計画部４１と、局所的移動計画部４２とを有する。

　頻度制御部４０は、負荷指標情報に基づいて、計画部１３４による移動計画の更新頻度を制御する。ここで負荷指標情報とは、自己位置推定部１３２の負荷の指標となる情報である。具体的には、自己位置推定部１３２による推定処理に要する処理負荷の指標となる情報が、負荷指標情報となる。負荷指標情報としては、例えば推定処理の処理負荷がどのくらい増加するかといったことを示す情報が用いられる。

　例えばＤＲ処理部３０による推定結果（推定値）の確信度が、負荷指標情報として用いられる。この場合、頻度制御部４０は、確信度に基づいて移動計画の更新頻度を制御する。また例えば、補正処理部３３による補正処理に関する判定情報が、負荷指標情報として用いられる。頻度制御部４０は、判定情報に基づいて、計画部１３４による移動計画の更新を停止する。

　なお計画部１３４では、移動計画として大域的な移動計画及び局所的な移動計画の各々が生成される。本実施形態では、上記した負荷指標情報に基づいて、大域的な移動計画の更新頻度を制御する処理が実行される。負荷指標情報（確信度及び判定情報）に基づく更新頻度の制御については、後に詳しく説明する。

　大域的移動計画部４１は、大域的な移動計画を生成し、大域的な移動計画の更新を実行する。大域的な移動計画とは、広範囲なエリアで車両１０を移動させるための計画である。本実施形態では、大域的な移動計画として、車両１０の目的地までの経路計画が生成される。経路計画は、車両１０を移動させるべき道順（順路）を示す情報等を含む計画である。経路計画により、例えば車両１０の現在地から目的地に到達するまでに通る道路、交差点での右左折、分岐の方向等が指定される。

　図５は、経路計画の一例を示す模式図である。図５には、車両１０の現在地５０から目的地５１までの予定経路５２が模式的に図示されている。大域的移動計画部４１では、例えば車両１０の現在地５０から目的地５１までの道路５３の情報等を含むグローバルマップをもとに、車両１０の位置（現在地５０）を参照して経路計画が生成される。また、車両１０の移動や、予定経路５２上の渋滞情報等に応じて、ルートの変更、すなわち経路計画（大域的な移動計画）の更新が実行される。更新された経路計画は、局所的移動計画部４２に供給される。

　局所的移動計画部４２は、局所的な移動計画を生成し、局所的な移動計画の更新を実行する。局所的な移動計画とは、車両１０の周辺の狭い領域で車両１０を移動させるための計画である。本実施形態では、局所的な移動計画として、車両１０の現在地５０からの移動方向を指示する軌道計画が生成される。軌道計画では、例えば予定経路５２に合わせて車両１０を安全に移動させるための移動方向や速度等を含む車両１０の軌道が計画される。

　図６は、軌道計画の一例を示す模式図である。図６には、図５に示す現在地５０における車両１０の軌道５４の候補が模式的に図示されている。例えば、車両１０の現在の姿勢（向きθ）及び速度等に基づいて、舵角（ステアリングホイールの回転量）を操作した場合の車両１０の軌道５４が算出される。図６では、舵角の異なる複数の軌道５４の候補が図示されている。これらの候補のうち、車両１０を予定経路５２に最も良く追従させることが可能な軌道５４が適宜選択され、選択された軌道５４が軌道計画として用いられる。

　なお、軌道計画を生成する方法は限定されず、例えば車両１０の周辺に障害物や他の車両等がある場合には、それらを回避する軌道５４が適宜算出されてもよい。また例えば、車両１０が走行している道路の白線に沿った軌道５４や、前方を走行する他の車両を追従する軌道５４等が適宜算出されてよい。

　このように、軌道計画は、車両１０の位置や姿勢の変化に加え、車両１０の周辺の障害物や交通状況等に対応する必要がある。このため、軌道計画は頻繁に更新される。更新された起動計画は、図１に示す動作制御部１３５の加減速制御部１７２及び方向制御部１７３に供給される。

　［自己位置推定部及び計画部の基本動作］
　図７は、自己位置推定部１３２の基本的な動作の概要を示す模式図である。図８は、計画部１３４の基本的な動作の概要を示す模式図である。図７及び図８では、図３で説明した自己位置推定部１３２及び計画部１３４に含まれる各機能ブロックと、機能ブロック間でやり取りされる情報とが模式的に示されている。

　図７に示すように、自己位置推定部１３２では、ＤＲ処理部３０によるデッドレコニング処理が、所定の頻度（処理レート）で繰り返し実行される。この繰り返しの度に、車両１０の状態量（位置及び姿勢）の推定値及び確信度（誤差共分散行列）が算出される。

　また、マッチング処理部３１によるマッチング処理は、ＤＲ処理部３０とは独立して繰り返し実行される。この時、参照情報を検索するための推定値や確信度等の情報がＤＲ処理部３０から適宜取得される。マッチングが取れた場合、場所認識処理部３２により、車両１０の位置及び姿勢の絶対値が算出され、推定値及び誤差共分散行列が更新される。

　場所認識処理が完了すると、補正処理部３３により、補正処理を実行するか否かが判定される。補正処理を実行すると判定された場合、更新された推定値を基準としてループクローズ機能を用いた補正処理が実行される。そして補正処理の結果が、ＤＲ処理部３０にフィードバックされる。

　図８に示すように、計画部１３４では、大域的な移動計画の生成処理（Ｇｌｏｂａｌ　Ｐａｔｈ　Ｐｌａｎｎｅｒ）と、局所的な移動計画の生成処理（Ｌｏｃａｌ　Ｐａｔｈ　Ｐｌａｎｎｅｒ）とが、それぞれ独立した頻度で繰り返し実行され、各移動計画が異なる頻度で更新される。例えば、大域的な移動計画と比べ、局所的な移動計画の更新頻度は高く設定される。

　また上記したように、大域的な移動計画の更新頻度は、図７で説明した自己位置推定部１３２での各処理の処理負荷の指標（負荷指標情報）に基づいて、頻度制御部４０により適宜制御される。一方で、局所的な移動計画は、所定の頻度で常時更新される。

　［更新頻度の制御］
　図９は、大域的な移動計画の更新頻度の制御の一例を示すフローチャートである。なお、この処理は、例えば、車両１０を起動し、運転を開始するための操作が行われたとき、例えば、車両１０のイグニッションスイッチ、パワースイッチ、又は、スタートスイッチ等がオンされたとき開始される。また、この処理は、例えば、運転を終了するための操作が行われたとき、例えば、車両１０のイグニッションスイッチ、パワースイッチ、又は、スタートスイッチ等がオフされたとき終了する。

　まず外界センサ２５を使って、車両１０の周辺情報が検出される（ステップ１０１）。検出された周辺情報は、マッチング処理部３１に供給される。

　ＤＲ処理部３０により、車両１０の位置及び姿勢（状態量）の推定値及び推定値の確信度が算出される（ステップ１０２）。ＤＲ処理部３０は、内界センサ２４により検出された車両１０の動作に関する動作情報を取得し、デッドレコニング処理を実行し、車両１０の現在の位置（現在地）及び現在の姿勢を推定した推定値を算出する。

　なお図７を参照して説明したように、ＤＲ処理部３０は独立した処理レートで動作している。従って、ステップ１０２は、例えばステップ１０１の完了に応じて、ＤＲ処理部３０により算出された推定値及び確信度を取得する処理であるとも言える。このようにＤＲ処理部では、時間とともに変化する車両１０の位置及び姿勢が常に推定されている。従って、ＤＲ処理部３０により算出された推定値及び確信度を用いることで、車両１０の最新の状態を反映した処理を実行することが可能となる。

　図１０は、車両１０の動作の一例を示す模式図である。図１０では、地図座標系（Ｘ座標及びＹ座標）で表される平面内を移動する車両１０が模式的に図示されている。また地図座標系における車両１０の状態は、車両１０の位置ｒ＝（ｘ、ｙ）及びＸＹ平面での車両１０の向きθで表される。ここでθは、Ｘ座標と車両１０の進行方向とが成す角度である。

　内界センサ２４により、例えば時刻ｔに車両１０の動作情報（加速度等）が検出されたとする。この動作情報から、１時刻前の時刻ｔ－１から時刻ｔまでの車両１０の移動量及び移動方向が算出される。この移動量及び移動方向と、時刻ｔ－１での車両１０の状態（位置ｒ及び向きθの推定値）とに基づいて、時刻ｔでの車両１０の状態が推定される。

　図１０では、時刻Ｔ１から時刻Ｔ５までの車両１０の位置ｒ１～ｒ５が模式的に図示されている。例えば時刻Ｔ２での位置ｒ２は、時刻Ｔ１での位置ｒ１を基準として、時刻Ｔ１から時刻Ｔ２までの移動量及び移動方向に基づいて算出された推定値となる。なお時刻Ｔ１では、地図座標系における車両１０の位置ｒ及び向きθが取得されているものとする。

　内界センサ２４により検出される動作情報には、一般に誤差が含まれる。このため、デッドレコニング処理のみを繰り返した場合、推定値の誤差はステップを繰り返すごとに増加し、累積誤差が蓄積されることになる。

　図１０では、各位置ｒ１～ｒ５に対応する誤差範囲が楕円誤差５５により表されている。楕円誤差５５は、例えば車両１０が任意の確率（例えば９０％の確率等）で存在する範囲を表す。図１０に示すように、楕円誤差５５の大きさは、時刻とともに増大する。この誤差の増大に伴い、推定値の確信度は減少する。この結果、推定値が示す位置が実際の車両１０の位置から次第にずれていく可能性がある。

　例えば、ＧＰＳセンサの精度が低い、あるいはＧＰＳセンサが使用できない環境（トンネル、地下、高層ビルの間の道路、及び屋内等）では、デッドレコニング処理だけを用いた推定処理が継続されるといった場合があり得る。このような場合には、図１０に示す楕円誤差が増大する可能性がある。このような場合であっても、後述するステップ１１０での推定値の補正処理（更新処理）を行なうことで、推定値の誤差を低減し、確信度を増大させることが可能である。

　図９に戻り、マッチング処理部３１により、参照情報を検索するための検索範囲が設定される（ステップ１０３）。マッチング処理部３１は、ステップ１０２で算出された推定値（車両１０の現在地）に基づいて、参照情報データベース２６に格納された参照情報を検索する。この時の参照情報の検索範囲、すなわち参照情報を検索する条件等が設定される。

　図１１は、参照情報の検索範囲の一例を説明するための模式図である。図１１Ａは、参照情報６０の検索範囲の一例を示す模式図である。図１１Ｂは、図１１Ａに示す参照情報６０の具体例を示す表である。

　図１１Ａには、過去にマップ生成用車両が通過し、参照情報６０を取得した取得経路６１と、その取得位置６２ａ～６２ｇとが模式的に図示されている。また各参照情報６０の取得方向６３が矢印により模式的に図示されている。なお図１１Ａでは、取得位置６２ｇで取得された画像情報（キーフレーム６４）が一例として図示されている。また車両１０は、７箇所の取得位置６２ａ～６２ｇのうち、取得位置６２ａ及び６２ｂに近い位置を移動しているものとする。

　図１１Ｂに示すように、各参照情報６０には、各々を識別するためのＩＤが付与されている。また参照情報６０には、キーフレーム（画像情報、奥行情報等）と、その取得位置６２の座標（ｘ、ｙ）及び取得方向６３を示す角度（θ）とが関連付けて記憶されている。マッチング処理部３１は、例えば取得位置６２や取得方向６３を適宜参照することで、参照情報６０の検索を実行する。

　図１１Ａに示すように、例えば参照情報６０の検索範囲６５として、車両１０の現在地（推定値）を基準として車両１０の周辺領域６６が設定される。図１１Ａでは、円形の周辺領域６６が模式的に図示されている。例えば、参照情報データベース２６から、周辺領域６６で取得された参照情報６０、すなわち周辺領域６６に取得位置６２が含まれる参照情報６０が検索される。

　このように周辺領域６６を設定することで、所望の範囲で取得された参照情報６０を検索することが可能となる。なお周辺領域６６を用いる場合に限定されず、例えば取得位置が車両１０の現在位置に近い順にＮ個の参照情報を取得するといった検索範囲の設定が行なわれてもよい。また車両１０の位置ｒのみならず向きθに応じた検索範囲の設定が適宜実行されてよい。

　本実施形態では、確信度に基づいて、参照情報の検索範囲６５（周辺領域６６）が設定される。図１１Ａでは、確信度が高い場合の周辺領域６６ａと、確信度が低い場合の周辺領域６６ｂとがそれぞれ図示されている。

　例えば車両１０の現在地５０の確信度が高い場合には、車両１０の現在地５０の誤差が小さい（図１０参照）。つまり、車両１０が実際に存在している位置（真の現在地）は、推定値で指定される位置に近い位置であると考えられる。この場合、推定値に近い範囲の参照情報を取得すればよく、離れた位置の参照情報を取得する必要はない。従って、検索範囲６５（周辺領域６６ａ）は狭く設定される。

　図１１Ａに示すように、車両１０の現在地の確信度が高い場合、車両１０の近傍の領域を検索対象とするような周辺領域６６ａが設定される。周辺領域６６ａには、取得位置６２ａ及び６２ｂが含まれる。従って、図１１Ｂに示すように、確信度が高い場合の検索結果６７ａには、取得位置６２ａ及び６２ｂで取得された参照情報６０ａ及び６０ｂが含まれる。

　一方で、車両１０の現在地５０の確信度が低い場合には、車両１０の現在地５０の誤差が大きい。すなわち、車両１０の真の現在地は、推定値で指定される位置にから離れている可能性がある。このため、参照情報を検索する場合には、推定値に近い範囲の参照情報のみならず、離れた位置の参照情報が取得される。従って、検索範囲６５（周辺領域６６）は広く設定される。

　図１１Ａに示すように、車両１０の現在地の確信度が低い場合、車両１０の近傍から離れた領域までを検索対象とするような周辺領域６６ｂが設定される。周辺領域６６ｂには、図中の全ての取得位置６２ａ～６２ｇが含まれる。従って、図１１Ｂに示すように、確信度が低い場合の検索結果６７ｂには、７つの参照情報６０ａ～６０ｇが全て含まれる。

　このように、本実施形態では、確信度が高いほど検索範囲６５は狭く設定され、確信度が低いほど検索範囲６５は広く設定される。この結果、確信度が高い場合に検索される参照情報６０の数は、確信度が低い場合に検索される参照情報６０の数と比べ小さくなる。すなわち、確信度が高いほど、検索結果に含まれる参照対象は少なくなる。

　図９に戻り、頻度制御部４０により、確信度に基づいて、大域的な移動計画の更新頻度が制御される（ステップ１０４）。例えば頻度制御部４０は、ステップ１０２で算出された確信度の値に応じた更新頻度を設定し、設定された更新頻度で大域的な移動計画の更新を行なうように、大域的移動計画部４１の動作を制御する。

　図１２は、参照情報を検索している段階でのＣＰＵ負荷率と大域的な移動計画の更新頻度との関係を示す表である。参照情報を検索している段階（検索段階）とは、例えばマッチング処理部３１により参照情報データベース２６から補正用参照情報が決定されるまでの段階である。なおステップ１０４は、参照情報の検索段階で実行される処理である。

　例えば図１２の左側の列に示すように、確信度が高い場合、参照情報の検索範囲６５は狭く設定される。この結果、検索結果に含まれる参照情報の数、すなわち後述するステップ１０５でのマッチング処理の対象となる参照情報の数は少なくなる。従って自己位置推定部１３２のマッチング処理は低いＣＰＵ負荷率で実行されると考えられる。

　頻度制御部４０は、確信度が高い場合に大域的な移動計画の更新頻度を高く設定する。この結果、大域的な移動計画の更新処理に要するＣＰＵ負荷率は高くなる。これにより、例えばＣＰＵの処理能力を十分に活用することが可能となる。また確信度が高い状態で大域的な移動計画を更新することで、大域的な移動計画の更新精度を向上することが可能となる。

　また図１２の右側の列に示すように、確信度が低い場合、参照情報の検索範囲６５は広く設定される。この結果、マッチング処理の対象となる参照情報の数は多くなり、自己位置推定部１３２のマッチング処理は高いＣＰＵ負荷率で実行されると考えられる。

　頻度制御部４０は、確信度が低い場合に大域的な移動計画の更新頻度を低く設定する。この結果、大域的な移動計画の更新処理に要するＣＰＵ負荷率は低くなる。これにより、自己位置推定部１３２によるＣＰＵ負荷率が増大した場合であっても、全体の処理負荷の増大等を十分に抑制することが可能となる。

　このように、本実施形態では、確信度が高いほど更新頻度が高く設定され、確信度が低いほど更新頻度が低く設定される。これにより、例えば車両１０の位置や姿勢の推定処理及び大域的な移動計画の更新処理の各処理負荷のバランスをとることが可能となり、十分に安定した移動制御を実現することが可能となる。

　また確信度を用いることで、例えばＣＰＵの処理負荷の増加量等に応じた更新頻度の制御を実現することが可能となる。すなわち確信度は、推定処理に要する処理負荷の変化を表す指標（負荷指標情報）として十分に機能するとも言える。

　図１３は、確信度と更新頻度との関係の一例を示すグラフである。グラフの横軸は、推定値（自己位置）の確信度であり、０％から１００％までの値で表される。グラフの縦軸は、大域的な移動計画の更新頻度（再計画レート）であり、０Ｈｚから１Ｈｚまでの値であらわされる。なお、更新頻度が０Ｈｚであることは、更新が停止していることに相当する。

　図１３に示すように、更新頻度は、確信度と更新頻度との関係が線形となるように設定される。すなわち、頻度制御部４０は、確信度の変化に対して更新頻度を線形に変化させる。図１３に示す例では、更新頻度は、原点を通る直線で表される。例えば確信度が０％の場合には更新頻度は０Ｈｚ（停止）に設定され、確信度が１００％の場合には更新頻度は１Ｈｚに設定される。このように、確信度に対して更新頻度を線形に制御することで、処理負荷のバランス等を容易に制御することが可能となる。

　なおグラフの傾きや更新頻度の上限値等は適宜設定されてよい。また更新頻度の線形な制御に代えて、非線形な関数等を用いた制御が実行されてもよい。この他、確信度に基づいて更新頻度を制御する方法は限定されず、例えば処理負荷のバランスをとることが可能な任意の方法が用いられてよい。

　図９に戻り、更新頻度の制御が完了すると、参照情報と周辺情報とのマッチング処理が実行される（ステップ１０５）。具体的には、マッチング処理部３１により、ステップ１０１で取得された周辺情報と、ステップ１０３で検索された１以上の参照情報の各々とのマッチング処理が実行される。

　各参照情報とのマッチング処理では、周辺情報と各参照情報に含まれるキーフレームとのマッチング率がそれぞれ算出される。例えばマッチング率が所定の閾値を超えた参照情報が、周辺情報に類似する参照情報であるとして、推定値を補正するための補正用参照情報に決定される。この場合、補正用参照情報が複数決定される場合もあり得る。

　なお所定の閾値を超える参照情報が存在しなかった場合には、周辺情報に類似する参照情報は検索されていないとして、補正用参照情報は決定されない。

　マッチング処理により補正用参照情報を決定する方法は限定されない。例えば、マッチング率が所定の閾値を超えた参照情報のうち、最もマッチング率の高い参照情報を補正用参照情報として決定するといった処理が実行されてもよい。また閾値以外の条件（天候や時間等）に基づいて、補正用参照情報が決定されてもよい。

　マッチング処理が完了すると、補正用参照情報が決定されたか否かが判定される（ステップ１０６）。補正用参照情報が決定されていないと判定された場合（ステップ１０６のＮｏ）、ステップ１０１～ステップ１０５までの処理が再度実行される。すなわち、周辺情報が再度取得され、参照情報を検索する処理が実行される。従って、補正用参照情報が見つかるまでは、自己位置推定部１３２による推定処理は、参照情報の検索段階であるとも言える。

　検索段階では、車輪エンコーダやＩＭＵセンサ等の内界センサ２４によるデッドレコニング処理のみで、車両１０の自己位置同定（推定処理）が行なわれる。この検索段階の時間が長くなると、推定値の確信度は次第に低下していく。この結果、参照情報の検索範囲が広くなり、マッチング処理によるＣＰＵ負荷率が増加することになる。

　このような場合であっても、大域的な移動計画の更新頻度を適宜制御することで（ステップ１０４）、システム全体のＣＰＵ負荷率をバランスよく調整することが可能である。これにより、車両１０の移動制御に要する各処理を安定して継続することが可能となる。

　また例えばマッチング処理が必要とする計算資源（ＣＰＵの処理能力）を十分に確保することが可能となり、マッチング処理の処理時間を短縮することが可能となる。この結果、例えばマッチング処理に時間がかかることで、位置の不確かさが増大し、次のマッチング処理にさらに時間がかかるといった状況を十分に回避することが可能となる。

　補正用参照情報が決定されたと判定された場合（ステップ１０６のＹｅｓ）、場所認識処理部３２により、場所認識処理が実行される（ステップ１０７）。例えば、補正用参照情報と周辺情報とのマッチング結果（マッチング情報）から、補正用参照情報の取得位置及び取得方向に対する、車両１０の現在の位置及び姿勢の絶対値がそれぞれ算出される。これにより、グローバルマップ内での車両１０の位置や姿勢を認識することが可能となる。

　補正処理部３３により、所定の判定条件に基づいて、ループクローズ機能による補正処理を実行するか否かが判定される（ステップ１０８）。所定の判定条件により、例えば補正処理が必要であるか否か、あるいは補正処理を実行可能であるか否かといった各種の状況が判定される。

　例えば、所定の時間内に補正処理が実行されたかどうかが判定される。この場合、所定の時間が判定条件となる。例えば所定の時間内に補正処理が実行されている場合、推定値はすでに十分補正されているとして、補正処理は必要ない（補正処理を実行しない）と判定される。逆に所定の時間内に補正処理が実行されていない場合、推定値の誤差が増加している可能性があるとして、補正処理が必要である（補正処理を実行する）と判定される。この他、所定の判定条件を設定する方法等は限定されず、補正処理の実行を判定する任意の条件が設定されてよい。

　補正処理を実行しないと判定された場合（ステップ１０８のＮｏ）、ステップ１０１に戻り、次の補正用参照情報の探索（ステップ１０１～ステップ１０７）が実行される。また判定情報として補正処理が実行しない旨の情報が頻度制御部４０に出力される。この場合、大域的移動計画部４１による大域的な移動計画の更新は、そのときに設定されている更新頻度で継続される。

　補正処理を実行すると判定された場合（ステップ１０８のＹｅｓ）、判定情報として補正処理が実行される旨の情報が頻度制御部４０に出力される。この場合、大域的な移動計画が停止される（ステップ１０９）。このように頻度制御部４０は、判定情報に基づいて、大域的移動計画部４１による大域的な移動計画の更新を停止する。例えば補正処理が実行される旨の判定情報を取得したタイミングで、大域的な移動計画の更新頻度を一時的に０Ｈｚに設定するといった処理が実行される（図１３参照）。

　なお大域的な移動計画の提供が停止された場合であっても、局所的な移動計画（車両の速度や回転等の軌道計画）は継続して更新される。例えば局所的移動計画部４２は、外界センサ２５等により取得された現在の時刻のスナップショット（画像情報や奥行情報等）をもとに、車両１０を安全に移動させるための軌道計画を生成する。これにより大域的な移動計画が停止されている間も、安全な移動制御を継続することが可能である。

　補正処理部３３により、ループクローズ機能を用いた推定値の補正処理が実行される（ステップ１１０）。図１４は、ループクローズ機能による補正処理の一例を示す模式図である。

　例えば、記憶部１１１に記憶された車両１０の過去の通過位置及び通過位置での姿勢に関する情報、すなわち車両１０が過去に通過した軌跡の情報が取得される。これらの情報は、例えばデッドレコニング処理により推定された推定値である。ループクローズ機能では、ステップ１０７で算出された位置及び姿勢の絶対値を基準として、車両１０の過去の通過位置及び通過位置での姿勢がそれぞれ補正される。

　図１４には、過去の車両１０の位置Ｒ１～Ｒ３と、補正後の車両１０の位置Ｒ１'～Ｒ３'とが模式的に図示されている。なお位置Ｒ４は、過去にループクローズ機能による補正処理が行なわれた位置である。図１４に示すように、補正処理を行なうことで、過去に通過した各位置及び姿勢をそれぞれ補正することが可能となる。

　これにより、デッドレコニング処理で生じた誤差等を十分に低減させることが可能となる。また過去に通過した軌跡も含めた補正処理を行なうことで、非常に高精度な地図（自己位置推定用マップ等のローカルマップ）を作成することが可能となる。ループクローズ機能は、例えばＧｒａｐｈＳＬＡＭ等の技術を用いて実現される。

　図１５は、推定値の補正処理を実行している段階でのＣＰＵ負荷率と大域的な移動計画の更新頻度との関係を示す表である。推定値の補正処理が実行される場合、推定値の確信度は低い、すなわち補正処理が必要となっている場合が考えられる。なお推定値の確信度が高い場合であっても、ループクローズ機能が実行される場合もあり得る。

　図１５に示すように、推定値の補正段階、すなわち車両１０が通過した過去の軌跡を補正する段階では、一時的にＣＰＵ負荷率が上昇する場合があり得る。一方で、推定値の補正段階においては、大域的な移動計画の更新が一時的に停止されており、大域的な移動計画の更新に要するＣＰＵ負荷率はゼロとなる。

　このように、補正処理が実行される場合に、大域的な移動計画の更新を停止することで、ＣＰＵの演算容量に十分な余裕を持たせることが可能である。これにより、例えば処理量の増大に伴う不具合（各処理の遅延やフリーズ等）を十分に回避することが可能となる。この結果、移動体の移動制御を大幅に安定化することが可能となる。これにより、安定でかつ精度の高い移動制御を実現することが可能となる。

　図９に戻り、補正処理が完了すると、大域的な移動計画の更新が再開される（ステップ１１１）。頻度制御部４０は、例えば補正後の推定値の確信度に基づいて、更新頻度を設定して、大域的な移動計画の更新を再開する。これにより、大域的な移動計画の更新精度を向上することが可能となる。

　ステップ１１１が完了すると、ステップ１０１に戻り上記の処理が繰り返される。

　このように自己位置推定部１３２では、補正用参照情報の探索（検索段階）と、補正用参照情報を用いた補正処理（補正段階）とが交互に実行されることになる。また自己位置推定部１３２による推定処理の各段階でのＣＰＵ負荷率に応じて、大域的な移動計画の更新頻度が制御される。この結果、移動制御中のシステム全体の処理負荷を適正に保つことが可能となり、十分に安定した移動制御を実現することが可能となる。

　以上、本実施形態に係る自動運転制御部１１２では、車両１０の位置及び姿勢の少なくとも一方を推定する推定処理の処理負荷の指標となる負荷指標情報に基づいて、車両１０の移動計画の更新頻度が制御される。これにより、移動制御に要する処理負荷をコントロールして安定した移動制御を実現することが可能となる。

　車両の移動を制御する方法において、車両の周辺環境の変化に応じて経路を再計画する方法が考えられる。例えば他の車両や歩行者等の位置の変化に応じて、車両の位置や姿勢が適宜コントロールされる。この過程で車両の位置や姿勢がずれた場合に、新しい経路が再度計画される。この方法では、車両の自己位置推定処理に加え、他の車両等の検出処理や認識処理、及び経路の再計画処理等の様々な処理を実行することになる。このため、ＣＰＵの負荷が上昇し、処理の遅延やフリーズ等の不具合が生じる可能性がある。

　本実施形態では、自己位置推定部１３２での推定処理に要する処理負荷の指標となる負荷指標情報に基づいて、大域的な移動計画の更新頻度が制御される。これにより、推定処理に必要となる処理負荷に応じて、システム全体の処理負荷を適正にコントロールすることが可能となる。この結果、推定処理の処理負荷の増大に伴う、他の処理への影響（遅延やフリーズ等）を十分に抑制することが可能となる。

　例えば推定処理は、ＣＰＵ負荷率が低い順に、推定値の確信度が高い場合の参照情報の検索段階、推定値の確信度が低い場合の参照情報の検索段階、及び推定値を補正する補正段階の各段階に大別することができる（図１２及び図１５参照）。これらの各段階でのＣＰＵ負荷率に対して、大域的な移動計画の更新頻度を変更することで、全体の処理負荷の調整が実現される。

　検索段階では、確信度を指標として更新頻度が制御される。確信度を用いることで、例えばマッチング処理等に必要な処理負荷に合わせた更新頻度を容易に設定することが可能となる。また大域的な移動計画の更新を一定のレートで冗長に行なわないことで、消費電力を抑制することが可能となり、バッテリー等の継続時間を増大させることが可能となる。

　また補正段階では、トリガー情報を指標として更新が停止される。これにより、ループクローズ機能等に伴いＣＰＵ負荷率が肥大的に増加する前に、予めＣＰＵの処理容量を確保することが可能となる。この結果、フリーズ等の不具合を十分に回避することが可能となり、安定でしかも信頼性の高い自律移動制御を実現することが可能となる。

　このように本技術を用いることで、例えばＧＰＳセンサ等が使用できない環境（トンネルや屋内等）においても、車両１０の自己位置推定を安定して継続することが可能となる。この結果、様々な環境で車両１０を安全に走行させることができる自律移動制御を実現することが可能となる。

　＜その他の実施形態＞
　本技術は、以上説明した実施形態に限定されず、他の種々の実施形態を実現することができる。

　上記の実施形態では、マップ生成用車両を用いて参照情報データベースが構築された。これに限定されず、車両自身により参照情報が取得され、参照情報データベースが構築されてもよい。例えば、車両に搭載された外界センサを用いて取得されたキーフレーム（画像情報及び奥行情報等）と、キーフレーム取得時の車両の位置及び姿勢とが、参照情報として参照情報データベースに格納される。

　この場合、車両自身が過去に取得した参照情報に基づいて、現在の車両の位置及び姿勢の推定値が補正される。これにより、同じセンサ（外界センサ）を用いて取得されたキーフレーム同士を比較することになり、推定値を精度良く補正することが可能となる。なお、車両自身により参照情報データベースが構築される場合であっても、大域的な移動計画の更新頻度を適宜制御することで、安定した移動制御を実現することが可能である。

　図９に示すフローチャートでは、マッチング処理が開始される前に、大域的な移動計画の更新頻度を調整する処理が実行された。更新頻度を調整するタイミング等は限定されない。例えばマッチング処理が実行されている間も、デッドレコニング処理により推定値及び確信度が算出される。この確信度に基づいて、マッチング処理の実行中に大域的な移動計画の更新頻度が調整されてもよい。これにより、更新頻度を細かく設定することが可能となり、ＣＰＵ負荷率等の調整を高い精度で実現することが可能となる。

　また上記では、補正処理を実行するか否かの判定処理が実行された（図９のステップ１０８）。これに限定されず、例えば補正処理の実行に関する判定処理を実行しない構成が用いられてもよい。この場合、例えば補正参照情報が決定されたタイミングで大域的な移動計画の更新が停止される。そして補正処理が実行された後に、大域的な移動計画の更新が再開される。例えばこのような処理が実行されてもよい。

　上記の実施形態では、頻度制御部により、負荷指標情報に基づいて大域的な移動計画の更新頻度が制御された。これに限定されず、局所的な移動計画の更新頻度が制御されてもよい。また大域的な移動計画及び局所的な移動計画の各々の更新頻度を制御するといった処理が実行されてもよい。このように、各移動計画の更新頻度を適宜制御することで、システム全体の処理負荷を適正に保つことが可能となる。

　また、大域的な移動計画が「更新中」である、あるいは「更新済み」であるといった更新処理の状態が報知されてもよい。例えば更新処理の状態を示す所定の報知画像（アイコン等）が生成され、図２に示す出力部１０６に備えられたディスプレイ等に適宜表示される。これにより、搭乗者は、例えば大域的な移動計画が更新されているかどうかを容易に確認することが可能となる。

　上記では、自動運転制御部により、移動計画の更新頻度の制御等を含む、本技術に係る情報処理方法が実行された。これに限定されず、クラウドサーバにより、本技術に係る情報処理方法が実行されてもよい。すなわち自動運転制御部の機能が、クラウドサーバに搭載されてもよい。この場合、当該クラウドサーバは、本技術に係る情報処理装置として動作することになる。

　また車両に搭載されたコンピュータ（自動運転制御部）と、ネットワーク等を介して通信可能な他のコンピュータ（クラウドサーバ）とが連動することで、本技術に係る情報処理方法、及びプログラムが実行され、本技術に係る情報処理装置が構築されてもよい。

　すなわち本技術に係る情報処理方法、及びプログラムは、単体のコンピュータにより構成されたコンピュータシステムのみならず、複数のコンピュータが連動して動作するコンピュータシステムにおいても実行可能である。なお本開示において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれもシステムである。

　コンピュータシステムによる本技術に係る情報処理方法、及びプログラムの実行は、例えば車両の位置及び姿勢の少なくとも一方の推定、車両を移動させるための移動計画の生成、及び移動計画の更新頻度の制御等が、単体のコンピュータにより実行される場合、及び各処理が異なるコンピュータにより実行される場合の両方を含む。また所定のコンピュータによる各処理の実行は、当該処理の一部または全部を他のコンピュータに実行させその結果を取得することを含む。

　すなわち本技術に係る情報処理方法、及びプログラムは、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成にも適用することが可能である。

　上記では、移動体の一例として車両を例に説明を行なったが、移動体の種類等に係らず本技術は適用可能である。例えば移動体として、自律移動ロボット等が考えられる。自律移動ロボットの移動環境としては、道路や公園等の屋外、病院やショッピングモール等の屋内、オフィスやリビング等の室内といった様々な環境が想定される。自律移動ロボットは、自身が移動する環境での自己位置の推定処理や移動計画の生成処理等を実行して、目的地までの移動を行う。

　例えば、自律移動ロボットの自己位置の推定処理に要する処理負荷の指標となる情報に基づいて、移動計画の更新頻度を制御することで、システム全体の処理負荷を適正にコントロールすることが可能となる。これにより、自律移動ロボットのフリーズ等が回避され、安定した移動制御を実現することが可能となる。またＣＰＵの消費電力等を抑制することが可能となり、自律移動ロボットの動作時間を延ばすことが可能となる。

　この他、本開示に係る技術は、様々な製品へ応用することができる。例えば、本開示に係る技術は、自動車、電気自動車、ハイブリッド電気自動車、自動二輪車、自転車、パーソナルモビリティ、飛行機、ドローン、船舶、ロボット、建設機械、農業機械（トラクター）などのいずれかの種類の移動体に搭載される装置として実現されてもよい。

　以上説明した本技術に係る特徴部分のうち、少なくとも２つの特徴部分を組み合わせることも可能である。すなわち各実施形態で説明した種々の特徴部分は、各実施形態の区別なく、任意に組み合わされてもよい。また上記で記載した種々の効果は、あくまで例示であって限定されるものではなく、また他の効果が発揮されてもよい。

　以上説明した各形態の特徴部分のうち、少なくとも２つの特徴部分を組み合わせることも可能である。

　なお、本技術は以下のような構成も採ることができる。
（１）移動体の位置及び姿勢の少なくとも一方を推定する推定部と、
　前記移動体を移動させるための移動計画を生成する生成部と、
　前記推定部の負荷の指標となる負荷指標情報に基づいて、前記生成部による前記移動計画の更新頻度を制御する頻度制御部と
　を具備する情報処理装置。
（２）（１）に記載の情報処理装置であって、
　前記負荷指標情報は、前記推定部による推定結果の確信度を含み、
　前記頻度制御部は、前記確信度に基づいて前記移動計画の前記更新頻度を制御する
　情報処理装置。
（３）（２）に記載の情報処理装置であって、
　前記頻度制御部は、前記確信度が高いほど前記更新頻度を高く設定し、前記確信度が低いほど前記更新頻度を低く設定する
　情報処理装置。
（４）（２）又は（３）に記載の情報処理装置であって、
　前記頻度制御部は、前記確信度の変化に対して前記更新頻度を線形に変化させる
　情報処理装置。
（５）（２）から（４）のうちいずれか１つに記載の情報処理装置であって、
　前記生成部は、前記移動体の大域的な移動計画及び局所的な移動計画の各々を生成し、
　前記頻度制御部は、前記確信度に基づいて前記大域的な移動計画の前記更新頻度を制御する
　情報処理装置。
（６）（５）に記載の情報処理装置であって、
　前記大域的な移動計画は、前記移動体の目的地までの経路計画を含む
　情報処理装置。
（７）（５）又は（６）に記載の情報処理装置であって、
　前記局所的な移動計画は、前記移動体の現在地からの移動方向を指示する軌道計画を含む
　情報処理装置。
（８）（２）から（７）のうちいずれか１つに記載の情報処理装置であって、
　前記移動体は、前記移動体の動作に関する動作情報を検出する動作センサを有し、
　前記推定部は、前記動作センサにより検出された前記動作情報に基づいて自律航法による推定処理を実行し、前記推定結果の前記確信度を算出する
　情報処理装置。
（９）（２）から（８）のうちいずれか１つに記載の情報処理装置であって、
　前記移動体は、前記移動体の周辺環境に関する周辺情報を検出する周辺センサを有し、
　前記推定部は、前記推定結果に基づいて前記移動体の周辺環境に関する１以上の参照情報を検索し、前記検索された１以上の参照情報と前記周辺センサにより検出された前記周辺情報とのマッチング処理を実行することで、前記推定結果を補正するための補正用参照情報を決定する
　情報処理装置。
（１０）（９）に記載の情報処理装置であって、
　前記推定部は、前記確信度に基づいて前記参照情報の検索範囲を設定する
　情報処理装置。
（１１）（１０）に記載の情報処理装置であって、
　前記推定部は、前記確信度が高いほど前記検索範囲を狭く設定し、前記確信度が低いほど前記検索範囲を広く設定する
　情報処理装置。
（１２）（９）から（１１）のうちいずれか１つに記載の情報処理装置であって、
　前記負荷指標情報は、前記補正用参照情報に基づく前記推定結果の補正処理の実行の有無に関する実行情報を含む
　情報処理装置。
（１３）（１２）に記載の情報処理装置であって、
　前記補正処理は、前記移動体の現在及び過去の前記推定結果を補正する処理である
　情報処理装置。
（１４）（１２）又は（１３）に記載の情報処理装置であって、
　前記頻度制御部は、前記実行情報に基づいて、前記生成部による前記移動計画の更新を停止する
　情報処理装置。
（１５）（１２）又は（１３）に記載の情報処理装置であって、
　前記生成部は、前記移動体の大域的な移動計画及び局所的な移動計画の各々を生成し、
　前記頻度制御部は、前記実行情報に基づいて、前記生成部による前記大域的な移動計画の更新を停止する
　情報処理装置。
（１６）（１２）から（１５）のうちいずれか１つに記載の情報処理装置であって、
　前記推定部は、前記補正処理を実行するか否かを判定し、判定結果に応じて前記補正処理を実行する
　情報処理装置。
（１７）（１６）に記載の情報処理装置であって、
　前記推定部は、前記補正処理を実行すると判定された場合に、前記実行情報として前記補正処理が実行される旨の情報を前記頻度制御部に出力する
　情報処理装置。

　１０…車両
　２４…内界センサ
　２５…外界センサ
　２６…参照情報データベース
　３０…ＤＲ処理部
　３１…マッチング処理部
　３２…場所認識処理部
　３３…補正処理部
　４０…頻度制御部
　４１…大域的移動計画部
　４２…局所的移動計画部
　５２…予定経路
　５４…軌道
　６０、６０ａ～６０ｇ…参照情報
　６５…検索範囲
　１０２…データ取得部
　１１２…自動運転制御部
　１３２…自己位置推定部
　１３４…計画部

Claims

　移動体の位置及び姿勢の少なくとも一方を推定する推定部と、
　前記移動体を移動させるための移動計画を生成する生成部と、
　前記推定部の負荷の指標となる負荷指標情報に基づいて、前記生成部による前記移動計画の更新頻度を制御する頻度制御部と
　を具備する情報処理装置。
　請求項１に記載の情報処理装置であって、
　前記負荷指標情報は、前記推定部による推定結果の確信度を含み、
　前記頻度制御部は、前記確信度に基づいて前記移動計画の前記更新頻度を制御する
　情報処理装置。
　請求項２に記載の情報処理装置であって、
　前記頻度制御部は、前記確信度が高いほど前記更新頻度を高く設定し、前記確信度が低いほど前記更新頻度を低く設定する
　情報処理装置。
　請求項２に記載の情報処理装置であって、
　前記頻度制御部は、前記確信度の変化に対して前記更新頻度を線形に変化させる
　情報処理装置。
　請求項２に記載の情報処理装置であって、
　前記生成部は、前記移動体の大域的な移動計画及び局所的な移動計画の各々を生成し、
　前記頻度制御部は、前記確信度に基づいて前記大域的な移動計画の前記更新頻度を制御する
　情報処理装置。
　請求項５に記載の情報処理装置であって、
　前記大域的な移動計画は、前記移動体の目的地までの経路計画を含む
　情報処理装置。
　請求項５に記載の情報処理装置であって、
　前記局所的な移動計画は、前記移動体の現在地からの移動方向を指示する軌道計画を含む
　情報処理装置。
　請求項２に記載の情報処理装置であって、
　前記移動体は、前記移動体の動作に関する動作情報を検出する動作センサを有し、
　前記推定部は、前記動作センサにより検出された前記動作情報に基づいて自律航法による推定処理を実行し、前記推定結果の前記確信度を算出する
　情報処理装置。
　請求項２に記載の情報処理装置であって、
　前記移動体は、前記移動体の周辺環境に関する周辺情報を検出する周辺センサを有し、
　前記推定部は、前記推定結果に基づいて前記移動体の周辺環境に関する１以上の参照情報を検索し、前記検索された１以上の参照情報と前記周辺センサにより検出された前記周辺情報とのマッチング処理を実行することで、前記推定結果を補正するための補正用参照情報を決定する
　情報処理装置。
　請求項９に記載の情報処理装置であって、
　前記推定部は、前記確信度に基づいて前記参照情報の検索範囲を設定する
　情報処理装置。
　請求項１０に記載の情報処理装置であって、
　前記推定部は、前記確信度が高いほど前記検索範囲を狭く設定し、前記確信度が低いほど前記検索範囲を広く設定する
　情報処理装置。
　請求項９に記載の情報処理装置であって、
　前記負荷指標情報は、前記補正用参照情報に基づく前記推定結果の補正処理の実行の有無に関する実行情報を含む
　情報処理装置。
　請求項１２に記載の情報処理装置であって、
　前記補正処理は、前記移動体の現在及び過去の前記推定結果を補正する処理である
　情報処理装置。
　請求項１２に記載の情報処理装置であって、
　前記頻度制御部は、前記実行情報に基づいて、前記生成部による前記移動計画の更新を停止する
　情報処理装置。
　請求項１２に記載の情報処理装置であって、
　前記生成部は、前記移動体の大域的な移動計画及び局所的な移動計画の各々を生成し、
　前記頻度制御部は、前記実行情報に基づいて、前記生成部による前記大域的な移動計画の更新を停止する
　情報処理装置。
　請求項１２に記載の情報処理装置であって、
　前記推定部は、前記補正処理を実行するか否かを判定し、判定結果に応じて前記補正処理を実行する
　情報処理装置。
　請求項１６に記載の情報処理装置であって、
　前記推定部は、前記補正処理を実行すると判定された場合に、前記実行情報として前記補正処理が実行される旨の情報を前記頻度制御部に出力する
　情報処理装置。
　移動体の位置及び姿勢の少なくとも一方を推定し、
　前記移動体を移動させるための移動計画を生成し、
　移動体の位置及び姿勢の少なくとも一方を推定する推定処理の負荷の指標となる負荷指標情報に基づいて、前記移動計画の更新頻度を制御する
　ことをコンピュータシステムが実行する情報処理方法。
　移動体の位置及び姿勢の少なくとも一方を推定するステップと、
　前記移動体を移動させるための移動計画を生成するステップと、
　移動体の位置及び姿勢の少なくとも一方を推定する推定処理の負荷の指標となる負荷指標情報に基づいて、前記移動計画の更新頻度を制御するステップと
　をコンピュータシステムに実行させるプログラム。
　移動体の位置及び姿勢の少なくとも一方を推定する推定部と、
　前記移動体を移動させるための移動計画を生成する生成部と、
　前記推定部の負荷の指標となる負荷指標情報に基づいて、前記生成部による前記移動計画の更新頻度を制御する頻度制御部と、
　前記生成された前記移動計画に基づいて、前記移動体の移動を制御する移動制御部と
　を具備する移動体。