JP7257158B2 - 周囲環境情報生成方法及び周囲環境情報生成装置 - Google Patents

Description

本発明は、走行支援に用いるための周囲環境情報生成方法及び周囲環境情報生成装置に関する。

従来より、カーナビゲーション装置などに格納される地図データを補正する方法が知られている。特許文献１に記載された発明は、ＧＰＳを用いた走行軌跡データと、地図データとを比較し、走行軌跡データに対する地図データのずれを補正する。これにより、地図上の物標の位置などが補正され、補正された物標の位置を用いて、車両の自己位置を算出している。

特開２００７－３１０１９８号公報

ここで、上述した従来の装置では、走行軌跡データに対して地図データを補正しており、走行軌跡データに誤差がないことを前提としている。しかしながら、実際には走行軌跡データにも誤差が含まれているため、白線等の道路構造の位置を精度よく推定することができないという問題点があった。

本発明は、上記問題に鑑みて成されたものであり、その目的は、走行軌跡及び道路構造の位置を精度よく推定することができる周囲環境情報生成方法及び周囲環境情報生成装置を提供することを目的とする。

本発明の一態様に係る周囲環境情報生成方法は、トラジェクトリデータを算出すると同時に、算出されたトラジェクトリデータに基づく道路構造データの変化量を推定し、かつ、道路構造データの変化量と道路構造モデルとを用いて道路構造データを算出する。

本発明によれば、走行軌跡及び道路構造の位置を精度よく推定することができる。

図１は、本発明の一実施形態に係る周囲環境情報生成装置の構成を示すブロック図である。 図２は、本発明の一実施形態に係る周囲環境情報生成装置で用いる走行軌跡モデルを説明する図である。 図３は、本発明の一実施形態に係る周囲環境情報生成装置で用いる道路構造モデルを説明する図である。 図４は、本発明の一実施形態に係る周囲環境情報生成装置によるトラジェクトリの補正処理の処理手順を示すフローチャートである。 図５は、本発明の一実施形態に係る周囲環境情報生成装置によるトラジェクトリの補正方法を説明する図である。 図６は、本発明の一実施形態に係る周囲環境情報生成装置によるトラジェクトリの補正方法を説明する図である。 図７は、本発明の一実施形態に係る周囲環境情報生成装置による道路構造の補正処理の処理手順を示すフローチャートである。 図８は、本発明の一実施形態に係る周囲環境情報生成装置による道路構造の補正方法を説明する図である。 図９は、本発明の一実施形態に係る周囲環境情報生成装置による道路構造の補正方法を説明する図である。 図１０は、本発明の一実施形態に係る周囲環境情報生成装置による環境情報の生成処理の処理手順を示すフローチャートである。 図１１Ａは、地図座標系における物標の位置を説明する図である。 図１１Ｂは、車両座標系における物標の位置を説明する図である。 図１１Ｃは、地図座標系における自車両の角度と位置を説明する図である。 図１２は、地図座標系における物標の位置を示す行列式の一例である。 図１３は、地図座標系における物標の位置を示す行列式の一例である。 図１４は、従来の地図情報に記録された白線の誤差を説明するための図である。

以下、本発明の実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。

［周囲環境情報生成装置の構成］
図１を参照して、本発明の実施形態に係る周囲環境情報生成装置の構成を説明する。図１に示すように、周囲環境情報生成装置１は、カメラ２と、レーザレンジファインダー３と、ＧＰＳ受信機４と、ジャイロセンサ５と、地図データベース６と、コントローラ１０と、通信機７を備える。また、周囲環境情報生成装置１は車両に搭載されており、搭載される車両は自動運転機能を備え、走行支援を行う車両である。

カメラ２は、ＣＣＤ（charge-coupled device）やＣＭＯＳ（complementary metal oxide semiconductor）などの撮像素子を有する。カメラ２は、自車両に搭載され、自車両の周囲を撮影する。カメラ２は、画像処理機能を有しており、撮影した画像から道路構造や物標などを検出する。道路構造とは、道路の構成物であり、例えば白線や黄色線等の道路の区画線や停止線の他に道路端部や縁石、中央分離帯等である。物標とは、道路や歩道に設けられた物体であり、例えば信号機や電柱、交通標識等である。カメラ２は、検出したデータをコントローラ１０に出力する。なお、道路構造や物標は、静止している物体であればよく、例えば、建物、建物の特徴部位などでもよい。

レーザレンジファインダー３は、自車両の周囲の道路構造や物標を検出するセンサである。具体的に、レーザレンジファインダー３は、レーザ光をある角度範囲内で走査し、その時の反射光を受光して、レーザ発射時点と反射光の受光時点との間の時間差を検出する。レーザレンジファインダー３は、自車両に対する道路構造や物標の相対距離や方向などを検出し、検出したデータをコントローラ１０に出力する。レーザレンジファインダー３は、ボンネット、バンパー、ナンバープレート、ヘッドライト、サイドミラー等の周辺に設置される。

ＧＰＳ受信機４は、人工衛星からの電波を受信することにより、地上における自車両の現在地を検出する。ＧＰＳ受信機４は、検出したデータをコントローラ１０に出力する。

ジャイロセンサ５は、自車両の重心の鉛直軸周りのヨーレート（回転角速度）を検出し、検出したデータをコントローラ１０に出力する。

また、周囲環境情報生成装置１は、車両に搭載されたセンサ群（図示せず）に接続されている。例えば、アクセルセンサ、ステアリングセンサ、ブレーキセンサ、車速センサ、加速度センサ、車輪速センサ等に接続されて、これらのセンサ群から出力されるセンサ値を取得することができる。

地図データベース６は、カーナビゲーション装置等に記憶されているデータベースであり、道路構造情報、施設情報など経路案内に必要となる各種データが記憶されている。地図データベース６は、高精度な地図であり、道路の車線数、道路境界線等の道路構造情報、物標などの情報が記憶されている。地図データベース６は、コントローラ１０の要求に応じて地図情報をコントローラ１０に出力する。また、地図データベース６には、環境情報として生成された道路構造データ、物標データ、走行軌跡データ、トラジェクトリデータ等の情報も記憶されている。

なお、道路構造データや物標データ等の各種データは必ずしも地図データベース６から取得するものに限定する必要はなく、自車両が備えるセンサによって取得したものでもよい。また、車車間通信、路車間通信を用いて取得してもよい。例えば、道路構造データや物標データなどの各種データがサーバ２５に記憶されている場合には、コントローラ１０は、通信により随時これらのデータを取得することができる。また、コントローラ１０は、サーバ２５から定期的に最新の地図情報を入手して、保有する地図情報を更新することができる。なお、本実施形態では、地図データベース６として第一地図（高精度地図、車両のルート案内に用いる地図）を備えており、第一地図を補足するものとして、第二地図を備えていてもよい。この第二地図は、第一地図だけでは不完全な場合や、より詳細な地図情報が必要な場合に、車両や外部のサーバ２５で作成される。

コントローラ１０は、カメラ２、レーザレンジファインダー３、ＧＰＳ受信機４、ジャイロセンサ５、地図データベース６から取得したデータを処理する回路であり、例えばＩＣ、ＬＳＩ等によって構成される。コントローラ１０は、これを機能的に捉えた場合、走行軌跡モデル作成部１１と、道路構造モデル作成部１２と、トラジェクトリ算出部１３と、道路構造推定部１４と、道路構造算出部１５と、物標位置算出部１６と、トラジェクトリ補正部１７と、道路構造補正部１８と、マッチング部１９と、自己位置推定部２０に分類することができる。

なお、コントローラ１０は、マイクロコンピュータ、マイクロプロセッサ、ＣＰＵを含む汎用の電子回路とメモリ等の周辺機器から構成されている。そして、特定のプログラムを実行することにより、周囲環境情報生成装置１として動作する。このようなコントローラ１０の各機能は、１または複数の処理回路によって実装することができる。処理回路は、例えば電気回路を含む処理装置等のプログラムされた処理装置を含み、また実施形態に記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や従来型の回路部品のような装置も含んでいる。

走行軌跡モデル作成部１１は、自車両の走行データを用いて走行軌跡モデルを作成する。走行軌跡モデルは、自車両のオドメトリにより得られた走行軌跡データが入力されると、オドメトリにより得られた走行軌跡データを予め定めたモデルにより調整し、調整した結果を自車両のトラジェクトリデータとして出力する。オドメトリは、車両の単位時間当たりの移動量であり、車両に搭載されたセンサ群から得られる各種センサ値を用いて算出することができる。また、走行軌跡モデルは、図２に示すように、所定区間（図２に示す１点鎖線で囲まれた区間）における走行軌跡上の複数の点Ｘｉ（ｉ＝１～ｎ）で構成される。各点Ｘｉは、座標（ｘ，ｙ）と車両の向きθ（進行方向）とから成る。

走行軌跡モデル作成部１１は、自車両の走行軌跡から座標（ｘ，ｙ）と車両の向きθを多数取得し、取得した走行データを用いて各点Ｘｉの走行軌跡を学習してモデル化し、走行軌跡が再現可能となるように走行軌跡モデルを作成する。また、走行軌跡モデルは、自車両の走行支援を実行する前に自車両の走行軌跡を学習して生成される。なお、所定区間は、所定の走行時間や走行シーンで区切られる区間である。走行時間は、例えば３～４秒である。また、走行シーンは、例えば交差点の入口から出口までのシーン、右折または左折のシーンである。このように走行時間または走行シーンで区切る理由は、走行時間が長い場合や走行シーンが複雑な場合には、様々なデータが入り込むため走行軌跡モデルの精度が低下するおそれがあるためである。

走行軌跡モデル作成部１１は、所定の走行時間や走行シーンで区切られた区間の走行軌跡モデルを作成することで、高精度な走行軌跡モデルを生成することができる。なお、走行軌跡モデル作成部１１は、必ずしも自車両の走行データを用いる必要はなく、サーバ２５に集められた自車両以外の他車両の走行データを用いてもよく、走行データを使わずに予め作成されたモデルを用いてもよい。また、走行軌跡モデル作成部１１は、自車両の走行支援を実行する前にモデルを作成してもよく、また、自車両の走行支援を実行している過程で得られた走行データを用いてモデルを作成してもよい。さらに、走行軌跡モデル作成部１１は、走行している過程で得られた走行データを用いてリアルタイムにモデルを更新してもよい。

具体的に、走行軌跡モデル作成部１１は、取得したデータから所定区間の各点Ｘｉ毎の平均位置を求める。次に、走行軌跡モデル作成部１１は、取得した走行データから分散共分散行列を計算し、主成分ベクトルを求める。このとき、走行軌跡モデル作成部１１は、主成分ベクトルの本数として走行軌跡を十分に表現できるだけの本数を求める。次に、走行軌跡モデル作成部１１は、主成分ベクトルを列に並べ、行列Ａを作成する。行列Ａは、軌跡制御係数である。走行軌跡モデル作成部１１は、モデル各点の平均位置と、行列Ａ及び行列Ａの制御パラメータであるqとを足し合わせて走行軌跡モデルＸを作成する。走行軌跡モデルＸは、式（１）、（２）を用いて次のように表される。

走行軌跡モデル作成部１１は、作成した走行軌跡モデルＸをサーバ２５に保存してもよいし、自車両に保存してもよい。なお、走行軌跡モデルＸは、一つだけ生成してもよいし、複数生成してもよい。また、所定区間は、５秒間、１０秒間などの時間で区切ってもよいし、動作で区切ってもよい。動作で区切る場合の例としては、交差点に進入してから出るまでを１つの区間とする。なお、走行軌跡モデル作成部１１は、車車間通信を使って他車両に走行軌跡モデルＸを保存してもよい。

道路構造モデル作成部１２は、自車両の周囲の物標を検出した物標データを用いて道路構造モデルを作成する。道路構造モデルは、自車両のセンサにより得られた道路構造や物標に関する物標データが入力されると、センサにより得られた物標データを予め定めたモデルにより調整し、調整した結果を自車両の周囲の道路構造データとして出力する。また、道路構造モデルは、図３に示すように、所定区間（図３に示す１点鎖線で囲まれた区間）における白線上の複数の点Ｌｉ（ｉ＝１～ｎ）で構成される。なお、図３では道路構造の一例として白線（道路境界線）を用いている。各点Ｌｉは、座標（ｘ，ｙ）と白線の方向φとから成る。なお、道路構造は、交差点、カーブなどを含んでもよい。また、道路構造は、信号機、電柱、交通標識などを含んでもよい。

道路構造モデル作成部１２は、道路構造データから座標（ｘ，ｙ）と白線の方向φを多数取得し、取得したデータを用いて各点Ｌｉの白線を学習してモデル化し、白線が再現可能となるように道路構造モデルを作成する。また、道路構造モデルは、自車両の走行支援を実行する前に自車両周囲の道路構造を学習して生成される。なお、点Ｌｉ＝（ｘ，ｙ）は、一定区間の白線を、例えば１０ｃｍ間隔で分割したｉ番目の白線の位置である。

具体的に、道路構造モデル作成部１２は、取得したデータから所定区間の各点Ｌｉ毎の平均位置を求める。次に、道路構造モデル作成部１２は、取得したデータから分散共分散行列を計算し、主成分ベクトルを求める。このとき、道路構造モデル作成部１２は、主成分ベクトルの本数として道路構造を十分に表現できるだけの本数を求める。次に、道路構造モデル作成部１２は、主成分ベクトルを列に並べ、行列Ｂを作成する。行列Ｂは、軌跡制御係数である。道路構造モデル作成部１２は、モデル各点の平均位置と、行列Ｂ及び行列Ｂの制御パラメータであるｐとを足し合わせて道路構造モデルＬを作成する。道路構造モデルＬは、式（１）、（２）の走行軌跡モデルと同様に、式（３）、（４）を用いて次のように表される。

道路構造モデル作成部１２は、作成した道路構造モデルＬをサーバ２５に保存してもよいし、自車両に保存してもよい。なお、道路構造モデルＬは、一つだけ生成してもよく、複数生成してもよい。また、所定区間は、５秒間、１０秒間などの時間で区切ってもよい。なお、道路構造モデル作成部１２は、車車間通信を使って他車両に道路構造モデルＬを保存してもよい。また、道路構造モデル作成部１２は、自車両の走行支援を実行する前にモデルを作成してもよく、また、自車両の走行支援を実行している過程で得られた物標データを用いてモデルを作成してもよい。さらに、道路構造モデル作成部１２は、走行している過程で得られた物標データを用いてリアルタイムにモデルを更新してもよい。

ここで、車両は道路上の白線に沿って走行するので、走行軌跡と白線の形状との間には相関があり、近似したものとなる。したがって、走行軌跡モデルと道路構造モデルとの間にも相関があり、近似したものとなる。そのため、走行軌跡モデルの制御係数Ａと道路構造モデルの制御係数Ｂとの間には相関があり、走行軌跡モデルの制御パラメータｑと道路構造モデルの制御パラメータｐとの間にも相関がある。

トラジェクトリ算出部１３は、サーバ２５に記憶されている走行軌跡モデルＸを用いてトラジェクトリデータを算出する。トラジェクトリとは、走行軌跡モデルＸを用いて算出される自車両の走行軌跡である。トラジェクトリ算出部１３は、車両の向きθと制御パラメータｑを所定値（例えば、０）で初期化し、走行軌跡モデルＸに入力してトラジェクトリを算出する。また、制御パラメータｑについては、オドメトリの軌跡から逆算した値で初期化してもよい。自車両の走行軌跡は、オドメトリを使用して取得することも可能である。オドメトリとはタイヤの回転角と回転角速度に応じて移動体の移動距離と方向を求める方法である。しかし、オドメトリを使用した場合、タイヤスリップなどによる誤差を回避できない可能性があり、走行軌跡の推定精度が低下するおそれがある。本実施形態では走行軌跡モデルＸを用いたトラジェクトリを使用するので、走行軌跡の推定精度が低下することを抑制することができる。

なお、トラジェクトリ算出部１３は、物標を取得する前のトラジェクトリについて、オドメトリを用いて算出してもよい。すなわち、自車両のオドメトリにより得られた走行軌跡データに基づいてトラジェクトリデータを算出してもよい。また、トラジェクトリ算出部１３は、オドメトリから算出したトラジェクトリを用いて物標を取得してもよく、物標を取得した後のトラジェクトリを、走行軌跡モデルを用いて算出してもよい。

物標位置算出部１６は、トラジェクトリ算出部１３によって算出されたトラジェクトリを用いて地図上における物標の位置を算出する。物標位置算出部１６は、トラジェクトリ上の各点から物標までの距離を取得し、この距離を取得した時の自車両の向きθを取得する。この各点とは、複数の位置であればよく、同じ位置であっても複数回、物標までの距離及び車両の向きを取得できればよい。物標位置算出部１６は、物標までの距離、及び車両の向きθを用いて物標の位置を算出する。

トラジェクトリ補正部１７は、物標位置算出部１６によって算出された物標の位置と地図情報に記録されている物標の位置が一致するようにトラジェクトリを補正する。例えば、ガウスニュートン法等の最適化手法を使用して、車両の向きθと制御パラメータｑを調整しながら繰り返し計算の中で徐々に真値に近づけていく方法を用いて、トラジェクトリを補正する。

トラジェクトリ補正部１７は、算出された物標の位置から、各点で取得した物標までの距離及び車両の向きを拘束条件として与え、走行軌跡モデルＸを用いて、トラジェクトリを補正する。これにより、物標までの距離及び車両の向きを取得した各点の位置に誤差が生じていたとしても（例えば、ＧＰＳ誤差やオドメトリ誤差）、トラジェクトリ補正部１７はトラジェクトリを正確に算出することができる。そのため、ひいては車両の自己位置を正確に算出できるようになる。さらに、トラジェクトリ補正部１７は、この処理を繰り返すことによって、さらにトラジェクトリを正確に算出することができる。

また、トラジェクトリ補正部１７は、トラジェクトリ上の各点から算出した物標の位置の分散を求め、分散が閾値よりも大きい場合に車両の向きθと制御パラメータｑを調整してトラジェクトリを補正してもよい。分散とは、散らばり具合を示す指標であり、一般的な手法を用いて求めることができる。分散が閾値より大きい場合には、平均値から遠く離れたデータが多く、散らばりが大きいことを意味する。一方、分散が閾値以下の場合には、平均値に近いデータが多く、散らばりが小さいことを意味する。換言すれば、分散が閾値以下の場合、物標の位置を精度よく推定できたことを意味する。一方、分散が閾値より大きい場合には、物標の位置を精度よく推定できていないことを意味する。なお、閾値は、実験やシミュレーションを通じて求めてもよく、また任意に設定してもよい。そして、トラジェクトリ補正部１７は、分散が閾値以下になるまで車両の向きθと制御パラメータｑを繰り返し調整してトラジェクトリを補正する。

そして、トラジェクトリ補正部１７は、上述したトラジェクトリの補正を行った結果、算出された物標の位置と、地図情報に記録された物標の位置が一致したと判定すると、トラジェクトリの補正を終了する。一致したか否かの判定方法としては、ガウスニュートン法等の最適化手法を用いる場合には、収束して真値に近づいたと判定した場合に、算出された物標の位置と地図情報に記録された物標の位置が一致したと判定する。また、分散を用いる場合には、分散が閾値以下となった場合に、算出された物標の位置と地図情報に記録された物標の位置が一致したと判定する。

道路構造算出部１５は、サーバ２５に記憶されている道路構造モデルＬを用いて道路構造を算出する。道路構造算出部１５は、車両の向きθと制御パラメータｐを所定値（例えば、０）で初期化し、道路構造モデルＬに入力して道路構造を算出する。また、道路構造算出部１５は、自車両のセンサにより得られた物標データに基づいて道路構造データを算出してもよい。そして、道路構造算出部１５は、算出された道路構造データを、自車両のオドメトリにより得られた走行軌跡データを基準にして地図上に配置して、道路構造の位置を算出する。

道路構造補正部１８は、道路構造算出部１５によって算出された道路構造の位置と地図情報に記録されている道路構造の位置が一致するように、道路構造データを補正する。例えば、ガウスニュートン法等の最適化手法を使用して、車両の向きθと制御パラメータｐを調整しながら繰り返し計算の中で徐々に真値に近づけていく方法を用いて、道路構造データを補正する。道路構造補正部１８は、トラジェクトリを拘束条件として与え、道路構造モデルＬを用いて、道路構造データを補正する。

また、道路構造補正部１８は、道路構造の位置の分散を求め、分散が閾値よりも大きい場合に制御パラメータｐを調整して道路構造の位置を補正してもよい。なお、閾値は、実験やシミュレーションを通じて求めてもよく、また任意に設定してもよい。そして、道路構造補正部１８は、分散が閾値以下になるまで制御パラメータｐを繰り返し調整して道路構造の位置を補正する。また、車両の向きθと制御パラメータｐの両方を調整して道路構造の位置を補正してもよい。

そして、道路構造補正部１８は、上述した道路構造の位置の補正を行った結果、算出された道路構造の位置と、地図情報に記録された道路構造の位置が一致したと判定すると、道路構造の位置の補正を終了する。一致したか否かの判定方法としては、ガウスニュートン法等の最適化手法を用いる場合には、収束して真値に近づいたと判定した場合に、算出された道路構造の位置と地図情報に記録された道路構造の位置が一致したと判定する。また、分散を用いる場合には、分散が閾値以下となった場合に、算出された道路構造の位置と地図情報に記録された道路構造の位置が一致したと判定する。

マッチング部１９は、道路構造の位置の補正が終了すると、道路構造補正部１８によって補正された道路構造の位置を地図情報とマッチングし、マッチング度合いが所定値以上となるまでトラジェクトリの補正と道路構造の位置の補正を繰り返し行うように制御する。このとき、補正された道路構造の位置だけではなく、補正されたトラジェクトリについても地図情報とのマッチングを行ってもよい。

具体的に、マッチング部１９は、補正された道路構造の位置を地図情報と重ね合わせて、地図情報に記録されている道路構造の位置と一致するか否かをマップマッチングによって判定する。例えば、補正された白線の位置の座標と地図情報に記録されている白線の位置の座標の差分を求め、その差分が所定値以下となるか否かによって判定する。そして、マッチング部１９は、補正された道路構造の位置と、地図情報に記録されている道路構造の位置が一致せずにマッチング度合いが所定値未満であると判定した場合には、トラジェクトリの補正と道路構造の位置の補正が繰り返し行われるように制御する。一方、補正された道路構造の位置と、地図情報に記録されている道路構造の位置が一致してマッチング度合いが所定値以上であると判定した場合には、地図情報とのマッチングを終了する。マッチングを終了すると、マッチング部１９は、地図データベース６へリンクして、補正後の道路構造の位置を記録する。

自己位置推定部２０は、マッチング部１９によって地図データベース６に記録された道路構造の位置を用いて自己位置を推定する。本実施形態において地図上の道路構造の位置は精度よく推定されているため、自車両から道路構造までの距離と方向を用いることにより、自己位置推定部２０は自己位置を精度よく推定することができる。なお、道路構造の位置を用いて車両の自己位置を推定する場合とは、道路構造の周辺を走行した場合に、道路構造までの距離と方向をセンサにより検出し、検出した距離と方向、及び取得していた道路構造の位置から、自車両の位置を推定することを意味する。

通信機７は、サーバ２５と通信するための装置である。

［トラジェクトリの補正処理］
次に、図４～６を参照してトラジェクトリの補正方法を説明する。図４は、トラジェクトリの補正処理を示すフローチャートである。

図４に示すように、ステップＳ１において、トラジェクトリ算出部１３は、物標までの距離Ｌと物標の方向φとオドメトリを取得する。

ステップＳ２において、トラジェクトリ算出部１３は、車両の向きθと制御パラメータｑを所定値（例えば、０）で初期化する。

ステップＳ３において、トラジェクトリ算出部１３は、初期化された車両の向きθと制御パラメータｑを、走行軌跡モデルＸに入力してトラジェクトリを算出する。図５に示すトラジェクトリ２１は、初期のトラジェクトリである。

図５において点線で示す座標はマップ座標系であり、実線で示す座標は車両座標系である。車両座標系におけるｙ軸は自車両の進行方向を示し、ｘ軸は進行方向に直交する横方向を示す。図５に示す座標（ｘ１，ｙ１）～座標（ｘ５，ｙ５）は、トラジェクトリ２１上の自己位置である。図５に示す車両の向きθ１～θ５は、マップ座標系からのヨー角を示す。角度Φ１～Φ５は、車両座標系から見た自車両進行方向に対する物標３０の方向を示す角度である。距離Ｌ１～Ｌ５は、車両座標系から見た自車両から物標３０までの距離である。なお、本実施形態では、所定の座標系を用いて説明しているが、マップ座標系や車両座標系に限定する必要はなく、その他の座標系を用いてもよく、また一つの座標系を用いてもよい。

図５に示すように、自車両は、座標（ｘ１，ｙ１）～座標（ｘ５，ｙ５）の区間を走行中にカメラ２やレーザレンジファインダー３を用いて自車両から物標３０までの距離Ｌ１～Ｌ５を計測する。自車両は、距離Ｌ１～Ｌ５を計測した時刻と同時刻にジャイロセンサ５を用いて車両の向きθ１～θ５を検出する。図５に示す例では、異なる５つの走行地点から物標３０までの距離と物標３０の方向を取得する様子を示しているが、５点に限定する必要はない。なお、角度Φ１～Φ５についてもジャイロセンサ５を用いて取得することができる。

ステップＳ４において、物標位置算出部１６は、ステップＳ３で算出されたトラジェクトリデータを基準にして物標データを地図上に配置して、物標の位置を算出する。このとき、物標データとして、道路構造モデルにより出力された道路構造データを用いてもよい。トラジェクトリ２１上において、ｉ番目の時刻の自己位置をＸｉとすると、自己位置Ｘｉは、式（５）を用いて次のように表される。

物標３０の位置を（Ｃｘｉ，Ｃｙｉ）とすると、物標３０の位置（Ｃｘｉ，Ｃｙｉ）は、式（６）を用いて次のように表される。

式（６）における（Ｌｘｉ，Ｌｙｉ）は、ｉ番目の時刻における自車両から物標３０までの距離であり、角度Φの要素を含む。式（６）に示すように物標位置算出部１６は、自車両から物標３０までの距離（Ｌｘｉ，Ｌｙｉ）を、車両の向きθｉだけ回転させる。そして、物標位置算出部１６は、トラジェクトリ２１上の座標（ｘｉ，ｙｉ）に距離を加算し、座標（ｘｉ，ｙｉ）分平行移動してマップ座標系に変換することで各点毎に物標３０の位置を算出する。

ステップＳ５において、トラジェクトリ補正部１７は、ステップＳ４で算出された物標の位置と地図情報に記録されている物標の位置の差分を求める。すなわち、ステップＳ４でトラジェクトリデータを基準にして配置された物標データと地図情報との差分を算出する。なお、差分ではなく、物標の位置の分散を求めてもよい。

ステップＳ６において、トラジェクトリ補正部１７は、ステップＳ５で算出された差分が所定値以下であるか否かを判定する。差分が所定値以下である場合にはトラジェクトリの補正処理は終了し、トラジェクトリデータを環境情報として出力する。一方、差分が所定値より大きい場合にはステップＳ７に進む。

ステップＳ７において、トラジェクトリ補正部１７は、差分が小さくなるようにトラジェクトリデータを予め定めたモデルによって調整し、差分が所定値より小さくなるまでトラジェクトリデータの調整を繰り返し行う。すなわち、ステップＳ４で算出された物標の位置と地図情報に記録されている物標の位置が一致するようにトラジェクトリの補正を繰り返し行う。例えば、ガウスニュートン法等の最適化手法を使用して、車両の向きθと制御パラメータｑを調整しながら繰り返し計算の中で徐々に真値に近づけていく方法でトラジェクトリ２１を補正する。その結果、図５に示すトラジェクトリ２１は、図６に示すように補正される。図５ではトラジェクトリ２１が左右にずれて算出されていたが、図６ではトラジェクトリ２１が滑らかな線に補正されている。

ここで、制御パラメータｑを調整する際に、制御パラメータｑは制御パラメータｐと相関があるため、制御パラメータｐの値に基づいて制御パラメータｑの値を設定し、調整していくようにする。これにより、トラジェクトリを補正する処理に要する時間を短縮することができる。さらに、制御パラメータｑを調整する範囲を絞ることができるので、ロバスト性を高めることができる。

［道路構造の補正処理］
次に、図７～９を参照して道路構造の補正方法を説明する。図７は、道路構造の補正処理を示すフローチャートである。

図７に示すように、ステップＳ１０において、道路構造算出部１５は、自車両のセンサにより得られた物標までの距離Ｌと物標の方向φと、トラジェクトリを取得する。トラジェクトリは、トラジェクトリ補正部１７によって補正されたものであってもよく、その他のトラジェクトリであってもよい。

ステップＳ２０において、道路構造算出部１５は、車両の向きθと制御パラメータｐを所定値（例えば、０）で初期化する。

ステップＳ３０において、道路構造算出部１５は、初期化された車両の向きθと制御パラメータｐを、道路構造モデルＬに入力して道路構造を算出する。図８では、道路構造の一例として白線４０を示しており、白線４０は初期の白線である。

図８に示すように、自車両は、座標（ｘ１，ｙ１）～座標（ｘ５，ｙ５）の区間を走行中にカメラ２やレーザレンジファインダー３を用いて自車両から白線４０までの距離Ｌ１～Ｌ５を計測する。自車両は、距離Ｌ１～Ｌ５を計測した時刻と同時刻にジャイロセンサ５を用いて車両の向きθ１～θ５を検出する。図８に示す例では、異なる５つの走行地点から白線４０までの距離と白線４０の方向を取得する様子を示しているが、５点に限定する必要はない。なお、角度Φ１～Φ５についてもジャイロセンサ５を用いて取得することができる。

ステップＳ４０において、道路構造算出部１５は、自車両のオドメトリにより得られた走行軌跡データを基準にして道路構造データを地図上に配置して、道路構造の位置を算出する。このとき、走行軌跡データとして、走行軌跡モデルにより出力されたトラジェクトリデータを用いてもよい。白線４０上において、ｉ番目の時刻の白線の位置をＬｉとすると、白線の位置Ｌｉは、式（７）を用いて次のように表される。

白線４０の位置を（Ｃｘｉ，Ｃｙｉ）とすると、白線４０の位置（Ｃｘｉ，Ｃｙｉ）は、式（８）を用いて次のように表される。

式（８）における（Ｌｘｉ，Ｌｙｉ）は、ｉ番目の時刻における自車両から白線４０までの距離であり、角度Φの要素を含む。式（８）に示すように道路構造算出部１５は、自車両から白線４０までの距離（Ｌｘｉ，Ｌｙｉ）を、車両の向きθｉだけ回転させる。そして、道路構造算出部１５は、トラジェクトリ２１上の座標（ｘｉ，ｙｉ）に距離を加算し、座標（ｘｉ，ｙｉ）分平行移動してマップ座標系に変換することで各点毎に白線４０の位置を算出する。

ステップＳ５０において、道路構造補正部１８は、ステップＳ４０で算出された道路構造の位置と地図情報に記録されている道路構造の位置の差分を求める。すなわち、ステップＳ４０で走行軌跡データを基準にして配置された道路構造データと地図情報との差分を算出する。なお、差分ではなく、物標の位置の分散を求めてもよい。

ステップＳ６０において、道路構造補正部１８は、ステップＳ５０で算出された差分が所定値以下であるか否かを判定する。差分が所定値以下である場合には道路構造の補正処理は終了し、道路構造データを環境情報として出力する。一方、差分が所定値より大きい場合にはステップＳ７０に進む。

ステップＳ７０において、道路構造補正部１８は、差分が小さくなるように道路構造データを予め定めたモデルによって調整し、差分が所定値より小さくなるまで道路構造データの調整を繰り返し行う。すなわち、ステップＳ４０で算出された道路構造の位置と地図情報に記録されている道路構造の位置が一致するように道路構造の補正を繰り返し行う。例えば、ガウスニュートン法等の最適化手法を使用して、車両の向きθと制御パラメータｐを調整しながら繰り返し計算の中で徐々に真値に近づけていく方法で白線４０を補正する。その結果、図８に示す白線は、図９に示すように補正される。図８では白線４０が左右にずれて算出されていたが、図９では白線４０が滑らかな線に補正されている。

ここで、制御パラメータｐを調整する際に、制御パラメータｐは制御パラメータｑと相関があるため、制御パラメータｑの値に基づいて制御パラメータｐの値を設定し、調整していくようにする。これにより、道路構造の位置を補正する処理に要する時間を短縮することができる。さらに、制御パラメータｐを調整する範囲を絞ることができるので、ロバスト性を高めることができる。

［環境情報の生成処理の手順］
次に、図１０のフローチャートを参照して、本実施形態に係る周囲環境情報生成装置１による環境情報の生成処理の処理手順を説明する。

ステップＳ１０１において、カメラ２またはレーザレンジファインダー３は、図５に示すようにそれぞれ異なる走行地点から物標３０までの距離Ｌｉと車両の向きθｉを取得する。本実施形態において、ｉは時刻を示し、その値は１～５である。

ステップＳ１０２において、トラジェクトリ算出部１３は、車両の向きθと制御パラメータｑを所定値で初期化する。

本実施形態では、ステップＳ１０３～１０５の処理は、同時に行われる。ステップＳ１０３において、トラジェクトリ算出部１３は、走行軌跡モデルＸを用いてトラジェクトリデータを算出する。具体的に、トラジェクトリ算出部１３は、ステップＳ１０２で設定した初期値を走行軌跡モデルＸに入力し、図５に示すような初期のトラジェクトリ２１を算出する。また、トラジェクトリ算出部１３は、自車両のオドメトリにより得られた走行軌跡データに基づいてトラジェクトリデータを算出してもよい。さらに、トラジェクトリ算出部１３は、後述する道路構造モデルにより出力された道路構造データを、走行軌跡モデルの入力としてもよい。

ステップＳ１０４では、道路構造推定部１４は、ステップＳ１０３で算出されたトラジェクトリデータを用いて、道路構造データの変化量を推定する。ステップＳ１０５では、道路構造算出部１５は、道路構造データの変化量と道路構造モデルとを用いて道路構造データを算出する。上述の通り、ステップＳ１０３～１０５の処理は、同時に行われる。この同時処理の詳細について図１１～図１３を参照して説明する。

図１１Ａに示すＹ（Ｙ_１～ｎ）は、地図座標系における物標の位置を示す。Ｙは、式（９）を用いて次のように表される。

図１１Ｂに示すＵ（Ｕ_１～ｎ）は、車両座標系における物標の位置（道路構造データ）を示す。Ｕは、式（１０）を用いて次のように表される。

図１１Ｃに示すＶ（Ｖ_１～ｍ）は、地図座標系における自車両の角度θと位置Ｔｘ、Ｔｙ（トラジェクトリデータ）を示す。Ｖは、式（１１）を用いて次のように表される。

通常、Ｙは、Ｕ×Ｖとして表現されるが、本実施形態では、ＵとＶの要素を並べ変えてＹを表現する。ＵとＶの要素を並べ変えて表現されたＹをＹ’と定義した場合、Ｙ’は、Ｕ’×Ｖ’として表現される。Ｕ’とは、Ｕの要素を並び変えた行列である。同様に、Ｖ’とは、Ｖの要素を並び変えた行列である。

図１２及び図１３に示すように、Ｕ’は、ブロック行列を含む。ブロック行列はブロック部分のみの組み合わせで計算される。またＵ’に含まれる多くの要素は０である。本実施形態において、トラジェクトリデータと道路構造データとが同時に算出されるが、トラジェクトリデータと道路構造データとが交互に算出される場合もある。ここでは、比較のため、トラジェクトリデータと道路構造データとが交互に算出される例を説明する。この方法は、ニュートン法と呼ばれることもある。下記の式（１２）、（１３）は、道路構造データが算出された後に、道路構造データを入力としてトラジェクトリデータが算出されることを示す。その後、トラジェクトリデータを入力として道路構造データが算出される。そして、これが繰り返される。

上記式（１２）、（１３）に示す方法では、交互に計算が繰り返されるため、計算回数が多くなる。そこで、本実施形態にかかる周囲環境情報生成装置１は、トラジェクトリデータと道路構造データとを同時に算出する。同時に計算するための式（１４）を下記に示す。

式（１４）に示すように、トラジェクトリ算出部１３がトラジェクトリデータを算出すると同時に、道路構造推定部１４が算出されたトラジェクトリデータを用いて道路構造データの変化量を推定し、かつ、道路構造算出部１５が道路構造データの変化量と道路構造モデルとを用いて道路構造データを算出する。道路構造推定部１４によって算出される道路構造データの変化量とは、式（１４）の一部であり、具体的には式（１５）に表される。

式（１５）に示すように、トラジェクトリデータを用いて道路構造データの変化量を推定することは、トラジェクトリデータを道路構造データの関数として扱うことを意味する。式（１４）に示すように、本実施形態にかかる周囲環境情報生成装置１は、トラジェクトリデータと道路構造データとを同時に算出することができる。これにより、上述した交互に計算する方法と比較して、計算回数が減少する。これにより、コンピュータの計算負荷が軽減する。

処理は、ステップＳ１０６に進み、物標位置算出部１６は、ステップＳ１０３で算出されたトラジェクトリ２１を用いて地図上の物標３０の位置を算出する。まず、物標位置算出部１６は、トラジェクトリ２１上の各点から物標３０までの距離Ｌｉを取得し、この距離を取得した時の車両の向きθｉを取得する。そして、物標位置算出部１６は、物標３０までの距離Ｌｉ及び車両の向きθｉを用いて各点毎に物標３０の位置を算出する。すなわち、トラジェクトリデータを基準にして物標データを地図上に配置して物標３０の位置を算出する。このとき、同時に出力される道路構造データを、物標データとして用いてもよい。

ステップＳ１０７において、トラジェクトリ補正部１７は、ステップＳ１０６で算出された物標３０の位置と地図情報に記録されている物標の位置が一致しているか否かを判定する。判定方法としては、算出された物標３０の位置と地図情報に記録されている物標の位置の差分を求め、その差分が所定の閾値以下であるか否かによって判定すればよい。また、算出された物標３０の位置の分散を算出し、分散が所定の閾値以下であるか否かによって判定してもよい。トラジェクトリ補正部１７は、算出された物標３０の位置と地図情報に記録されている物標の位置が一致していないと判定した場合には処理はステップＳ１０８へ進む。一方、算出された物標３０の位置と地図情報に記録されている物標の位置が一致していると判定された場合にはトラジェクトリの補正は終了し、処理はステップＳ１０９へ進む。

ステップＳ１０８において、トラジェクトリ補正部１７は、車両の向きθと制御パラメータｑを調整してトラジェクトリ２１を補正する。以後、ステップＳ１０３～Ｓ１０７において、トラジェクトリ補正部１７は、ガウスニュートン法等の最適化手法を使用して、車両の向きθと制御パラメータｑを調整しながら繰り返し計算の中で徐々に真値に近づけていく方法を用いてトラジェクトリを補正する。例えば、物標３０の位置と地図情報に記録されている物標の位置の差分が小さくなるように、予め定めたモデルによってトラジェクトリデータを調整する。

ステップＳ１０９において、道路構造算出部１５は、自車両のオドメトリにより得られた走行軌跡データを基準にして道路構造データを地図上に配置して、道路構造の位置を算出する。このとき、走行軌跡データとして、同時に出力されるトラジェクトリデータを用いてもよい。例えば、図８に示すように、トラジェクトリ２１を基準にして地図上に白線４０を配置し、白線４０の位置を算出する。

ステップＳ１１０において、道路構造補正部１８は、算出された白線４０の位置と地図情報に記録されている白線の位置が一致しているか否かを判定する。判定方法としては、算出された白線４０の位置と地図情報に記録されている白線の位置の差分を求め、その差分が所定値以下であるか否かによって判定する。また、算出された白線４０の位置の分散を算出し、分散が所定の閾値以下であるか否かによって判定してもよい。道路構造補正部１８は、算出された白線４０の位置と地図情報に記録されている白線の位置が一致していないと判定した場合にはステップＳ１１１へ進む。一方、算出された白線４０の位置と地図情報に記録されている白線の位置が一致していると判定された場合には白線の位置の補正は終了し、処理はステップＳ１１２へ進む。

ステップＳ１１１において、道路構造補正部１８は、制御パラメータｐを調整して白線４０を補正する。以後、ステップＳ１０３～ステップＳ１１０において、道路構造補正部１８は、ガウスニュートン法等の最適化手法を使用して、制御パラメータｐを調整しながら繰り返し計算の中で徐々に真値に近づけていく方法を用いて白線４０の位置を補正する。例えば、白線４０の位置と地図情報に記録されている白線の位置の差分が小さくなるように、予め定めたモデルによって道路構造データを調整する。

ステップＳ１１２において、マッチング部１９は、補正された白線の位置を地図情報とマッチングし、マッチング度合いが所定値以上であるか否かを判定する。具体的に、マッチング部１９は、補正された白線の位置を地図情報と重ね合わせて、地図情報に記録されている白線と一致するか否かを判定する。そして、補正された白線が地図情報と一致せずにマッチング度合いが所定値未満であると判定された場合には、ステップＳ１０３に戻ってトラジェクトリの補正と白線の位置の補正を繰り返し行う。一方、補正された白線が地図情報と一致してマッチング度合いが所定値以上であると判定された場合には、地図情報とのマッチングは終了し、処理はステップＳ１１３に進む。

ステップＳ１１３において、マッチング部１９は、地図データベース６へリンクして、補正後の白線の位置を記録する。また、白線の位置が補正されたことにより、その他の道路構造や物標の位置を補正する必要がある場合には、それらの位置についても補正して記録する。

ステップＳ１１４において、自己位置推定部２０は、ステップＳ１１３で地図データベース６に記録された白線４０の位置を用いて自己位置を推定し、本実施形態に係る環境情報の生成処理を終了する。本実施形態の環境情報の生成処理では、地図上の白線４０の位置を精度よく推定しているので、自車両から白線４０までの距離と方向を用いることにより、自己位置推定部２０は自己位置を精度よく推定することができる。

［実施形態の効果］
以上詳細に説明したように、本実施形態に係る周囲環境情報生成装置１では、走行軌跡モデルと道路構造モデルとを用いて走行軌跡と道路構造の位置を算出するので、走行軌跡及び道路構造の位置を精度よく推定することができる。さらに周囲環境情報生成装置１は、トラジェクトリデータを算出すると同時に、算出されたトラジェクトリデータに基づく道路構造データの変化量を推定し、かつ、道路構造データの変化量と道路構造モデルとを用いて道路構造データを算出する。これにより、上述したトラジェクトリデータと道路構造データを交互に計算する方法と比較して、計算回数が減少する。これにより、コンピュータの計算負荷が軽減する。なお、周囲環境情報生成装置１は、トラジェクトリデータに基づく道路構造データの変化量を用いると説明したが、これに限定されない。周囲環境情報生成装置１は、トラジェクトリデータと道路構造データとを同時に算出する際に、道路構造データに基づくトラジェクトリデータの変化量を用いてもよい。つまり、周囲環境情報生成装置１は、道路構造データを算出すると同時に、算出された道路構造データの入力に基づくトラジェクトリデータの変化量を推定し、かつ、トラジェクトリデータの変化量と走行軌跡モデルとを用いてトラジェクトリデータを算出してもよい。この方法は、上記の式（１４）の代わりに、式（１６）で表される。

式（１６）を用いた場合でも、式（１４）を用いた場合と同様の効果が得られる。

図１４に示すように、実際の道路上の白線９１と地図情報に記録された白線９３との間には数ｃｍ、例えば１０ｃｍ程度の位置ずれが存在する場合がある。したがって、実際の道路環境において、地図情報をそのまま適用して白線の位置を推定し、車両の自己位置を算出すると、自己位置と実際の道路との間には誤差が発生することになる。加えて、地図によっては、道路構造情報が不足しており、道路構造との相対的な位置関係が分からず、自車両の位置を正確に推定することができない場合がある。

しかしながら、本実施形態に係る周囲環境情報生成装置１では、道路構造の位置、ひいては自車両の位置を正確に推定することができるので、地図情報に誤差がある場合や地図情報が不足している場合でも、自車両の位置を算出することができる。

さらに、自己位置を精度よく算出できることにより、例えば、自動運転制御や運転支援制御を実行する場合に、車両の位置を正確に制御できるので、実際の道路構造に合った適切な位置制御を実行できるようになる。したがって、実際の道路構造に合った適切な走行支援を実行できるようになるため、乗員に与える違和感を抑制した自動運転制御や運転支援制御を実行することができる。

また、本実施形態に係る周囲環境情報生成装置１では、車両の走行軌跡を学習してモデル化した走行軌跡モデルと、車両周囲の道路構造を学習してモデル化した道路構造モデルを用いている。各モデルは行列によって表されているので、処理するデータ量を削減することができ、処理速度を速くすることができる。

さらに、本実施形態に係る周囲環境情報生成装置１では、自車両のオドメトリにより得られた走行軌跡データに基づいてトラジェクトリデータを算出し、算出されたトラジェクトリデータを基準にして物標データを地図上に配置する。そして、配置された物標データと予め記憶された地図情報との差分を算出し、差分が小さくなるようにトラジェクトリデータを予め定めたモデルにより調整し、調整されたトラジェクトリデータを出力する。これにより、物標の位置が地図情報と一致するように調整されたトラジェクトリデータを出力できるので、自己位置を算出するための正確な環境情報を生成することができる。

さらに、本実施形態に係る周囲環境情報生成装置１では、差分が所定値より小さくなるまでトラジェクトリデータの調整を繰り返している。これにより、トラジェクトリの補正を繰り返し行って正確なトラジェクトリデータを算出することができるので、自己位置を算出するための正確な環境情報を生成することができる。

また、本実施形態に係る周囲環境情報生成装置１では、自車両のセンサにより得られた物標データに基づいて道路構造データを算出し、算出された道路構造データを、自車両のオドメトリにより得られた走行軌跡データを基準にして地図上に配置する。そして、配置された道路構造データと予め記憶された地図情報との差分を算出し、差分が小さくなるように道路構造データを予め定めたモデルにより調整し、調整された道路構造データを出力する。これにより、道路構造の位置が地図情報と一致するように調整された道路構造データを出力できるので、自己位置を算出するための正確な環境情報を生成することができる。

また、本実施形態に係る周囲環境情報生成装置１では、差分が所定値より小さくなるまで道路構造データの調整を繰り返している。これにより、道路構造の位置の補正を繰り返し行って正確な道路構造データを算出することができるので、自己位置を算出するための正確な環境情報を生成することができる。

さらに、本実施形態に係る周囲環境情報生成装置１では、自車両の走行支援を実行する前に、自車両の走行軌跡を学習して走行軌跡モデルを生成する。これにより、走行軌跡モデルが予め生成されているので、自車両の走行支援に活用することができる。

また、本実施形態に係る周囲環境情報生成装置１では、自車両の走行支援を実行する前に、自車両周囲の道路構造を学習して道路構造モデルを生成する。これにより、道路構造モデルが予め生成されているので、自車両の走行支援に活用することができる。

さらに、本実施形態に係る周囲環境情報生成装置１では、走行軌跡モデルと道路構造モデルをサーバに記憶し、通信機を介して取得する。これにより、車両に多くのデータを格納する必要がなくなるので、システムリソースを節約することが可能となる。

また、本実施形態に係る周囲環境情報生成装置１では、走行軌跡モデルを自車両及び他車両の走行データを用いて作成する。これにより自車両の走行データだけではなく他車両の走行データも加えて走行軌跡モデルを作成できるので、多くの道路に対応できる走行軌跡モデルを作成することができる。また、他車両の走行データを加えることにより多くの走行軌跡モデルを作成することができる。

さらに、本実施形態に係る周囲環境情報生成装置１では、走行軌跡モデルを所定時間または走行シーンで区切られた区間で作成する。これにより、様々なデータの入り込みを防止できるので、高精度な走行軌跡モデルを生成することができる。

また、補正した道路構造、物標を記録して、次回もしくは次回以降の走行支援に用いるようにすることもできる。これにより、補正した道路構造データを用いて走行支援を実行することができるようになるため、次回もしくは次回以降の走行支援を実行したときに、実際の道路構造に合った適切な走行支援を実行することができるようになる。また、補正した道路構造データを記録することにより、同じ道路を走行した時の道路構造推定が不要になるため、計算負荷を低減することができる。

上述の実施形態に記載される各機能は、１または複数の処理回路により実装され得る。処理回路は、電気回路を含む処理装置等のプログラムされた処理装置を含む。処理回路は、また、記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や回路部品等の装置を含む。また、周囲環境情報生成装置１は、コンピュータの機能を改善しうる。

上記のように、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例及び運用技術が明らかとなろう。

１ 周囲環境情報生成装置
２ カメラ
３ レーザレンジファインダー
４ ＧＰＳ受信機
５ ジャイロセンサ
６ 地図データベース
７ 通信機
１０ コントローラ
１１ 走行軌跡モデル作成部
１２ 道路構造モデル作成部
１３ トラジェクトリ算出部
１４ 道路構造推定部
１５ 道路構造算出部
１６ 物標位置算出部
１７ トラジェクトリ補正部
１８ 道路構造補正部
１９ マッチング部
２０ 自己位置推定部
２５ サーバ
３０ 物標
４０ 白線

Claims (11)

1. 自車両のオドメトリにより得られた走行軌跡データを入力し、前記オドメトリにより得られた走行軌跡データを予め定めたモデルにより調整し、調整した結果を自車両のトラジェクトリデータとして出力する走行軌跡モデルと、
   自車両のセンサにより得られた物標データを入力し、前記センサにより得られた物標データを予め定めたモデルにより調整し、調整した結果を自車両の周囲の道路構造データとして出力する道路構造モデルと、を用いて自車両周囲の環境情報を生成する周囲環境情報生成装置の周囲環境情報生成方法において、
   前記トラジェクトリデータを算出すると同時に、算出された前記トラジェクトリデータに基づく前記道路構造データの変化量を推定し、かつ、前記道路構造データの変化量と前記道路構造モデルとを用いて前記道路構造データを算出する
   または、
   前記道路構造データを算出すると同時に、算出された前記道路構造データに基づく前記トラジェクトリデータの変化量を推定し、かつ、前記トラジェクトリデータの変化量と前記走行軌跡モデルとを用いて前記トラジェクトリデータを算出する
   ことを特徴とする周囲環境情報生成方法。
2. 前記走行軌跡モデルは、
   自車両のオドメトリにより得られた走行軌跡データに基づいてトラジェクトリデータを算出し、
   前記算出されたトラジェクトリデータを基準にして前記物標データを地図上に配置し、
   前記配置された物標データと予め記憶された地図情報との差分を算出し、
   前記差分が小さくなるように、前記トラジェクトリデータを予め定めたモデルにより調整し、
   前記調整されたトラジェクトリデータを出力することを特徴とする請求項１に記載の周囲環境情報生成方法。
3. 前記走行軌跡モデルは、前記差分が所定値より小さくなるまで前記トラジェクトリデータの調整を繰り返すことを特徴とする請求項２に記載の周囲環境情報生成方法。
4. 前記道路構造モデルは、
   前記自車両のセンサにより得られた物標データに基づいて道路構造データを算出し、
   前記算出された道路構造データを、前記自車両のオドメトリにより得られた走行軌跡データを基準にして地図上に配置し、
   前記配置された道路構造データと予め記憶された地図情報との差分を算出し、
   前記差分が小さくなるように、前記道路構造データを予め定めたモデルにより調整し、
   前記調整された道路構造データを出力することを特徴とする請求項１～３のいずれか１項に記載の周囲環境情報生成方法。
5. 前記道路構造モデルは、前記差分が所定値より小さくなるまで前記道路構造データの調整を繰り返すことを特徴とする請求項４に記載の周囲環境情報生成方法。
6. 前記走行軌跡モデルは、自車両の走行支援を実行する前に、自車両の走行軌跡を学習して生成されることを特徴とする請求項１～５のいずれか１項に記載の周囲環境情報生成方法。
7. 前記道路構造モデルは、自車両の走行支援を実行する前に、自車両周囲の道路構造を学習して生成されることを特徴とする請求項１～６のいずれか１項に記載の周囲環境情報生成方法。
8. 前記走行軌跡モデルと前記道路構造モデルはサーバに記憶され、通信機を介して取得されることを特徴する請求項１～７のいずれか１項に記載の周囲環境情報生成方法。
9. 前記走行軌跡モデルは、自車両及び他車両の走行データを用いて作成されることを特徴とする請求項１～８のいずれか１項に記載の周囲環境情報生成方法。
10. 前記走行軌跡モデルは、所定時間または走行シーンで区切られた区間において作成されることを特徴とする請求項１～９のいずれか１項に記載の周囲環境情報生成方法。
11. 自車両のオドメトリにより得られた走行軌跡データを入力し、前記オドメトリにより得られた走行軌跡データを予め定めたモデルにより調整し、調整した結果を自車両のトラジェクトリデータとして出力する走行軌跡モデルと、
    自車両のセンサにより得られた物標データを入力し、前記センサにより得られた物標データを予め定めたモデルにより調整し、調整した結果を自車両の周囲の道路構造データとして出力する道路構造モデルと、を用いて自車両周囲の環境情報を生成するコントローラを備えた周囲環境情報生成装置において、
    前記コントローラは、
    前記トラジェクトリデータを算出すると同時に、算出された前記トラジェクトリデータに基づく前記道路構造データの変化量を推定し、かつ、前記道路構造データの変化量と前記道路構造モデルとを用いて前記道路構造データを算出する
    または、
    前記道路構造データを算出すると同時に、算出された前記道路構造データに基づく前記トラジェクトリデータの変化量を推定し、かつ、前記トラジェクトリデータの変化量と前記走行軌跡モデルとを用いて前記トラジェクトリデータを算出する
    ことを特徴とする周囲環境情報生成装置。
    

Images