特許 6432468 車両制御装置及び走路推定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6432468

(24)【登録日】2018年11月16日

(45)【発行日】2018年12月5日

(54)【発明の名称】車両制御装置及び走路推定方法

(51)【国際特許分類】

   G08G 1/16 20060101AFI20181126BHJP

   B60W 30/165 20120101ALI20181126BHJP

   B60W 40/072 20120101ALI20181126BHJP

【ＦＩ】

   G08G1/16 C

   B60W30/165

   B60W40/072

【請求項の数】9

【全頁数】14

(21)【出願番号】特願2015-168729(P2015-168729)

(22)【出願日】2015年8月28日

(65)【公開番号】特開2017-45356(P2017-45356A)

(43)【公開日】2017年3月2日

【審査請求日】2017年11月9日

(73)【特許権者】

【識別番号】000004260

【氏名又は名称】株式会社デンソー

(74)【代理人】

【識別番号】100121821

【弁理士】

【氏名又は名称】山田 強

(74)【代理人】

【識別番号】100139480

【弁理士】

【氏名又は名称】日野 京子

(74)【代理人】

【識別番号】100125575

【弁理士】

【氏名又は名称】松田 洋

(74)【代理人】

【識別番号】100175134

【弁理士】

【氏名又は名称】北 裕介

(72)【発明者】

【氏名】酒井 唯史

【審査官】 鎌田 哲生

(56)【参考文献】

【文献】 特開２００４−２０６２７５（ＪＰ，Ａ）

【文献】 特開２００９−０９６４０２（ＪＰ，Ａ）

【文献】 特開２００６−１７８６７５（ＪＰ，Ａ）

【文献】 特開平１１−２９６７９９（ＪＰ，Ａ）

【文献】 特開２０１５−０７９４４６（ＪＰ，Ａ）

【文献】 米国特許第６２９２７５２（ＵＳ，Ｂ１）

【文献】 米国特許出願公開第２００８／０２９１２７６（ＵＳ，Ａ１）

【文献】 国際公開第２００９／１４５６９４（ＷＯ，Ａ１）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０８Ｇ １／００−９９／００

Ｂ６０Ｗ １０／００−１０／３０

Ｂ６０Ｗ ３０／００−５０／１６

(57)【特許請求の範囲】

【請求項1】

自車両（ＭＡ）が走行する走路を推定する車両制御装置（２０）であって、
前記走路を区画する区画線を認識する区画線認識部と、
前記自車両の前方に存在する先行車両を認識する車両認識部と、
認識された前記先行車両の位置の履歴に基づいて、前記先行車両の走行軌跡を推定する軌跡推定部と、
認識された前記区画線に基づいて、前記走路を特定する複数の走路パラメータとして、複数の第１パラメータを推定する第１推定部と、
推定された前記走行軌跡に基づいて、前記複数の走路パラメータとして、複数の第２パラメータを推定する第２推定部と、
推定された各第１パラメータの第１信頼度をそれぞれ算出する第１信頼度算出部と、
推定された各第２パラメータの第２信頼度をそれぞれ算出する第２信頼度算出部と、
前記走路パラメータのそれぞれについて、前記第１信頼度及び前記第２信頼度に応じて、前記第１パラメータと前記第２パラメータとを統合して、統合パラメータを算出するパラメータ統合部と、を備え、
算出された前記統合パラメータに基づいて前記走路を推定する車両制御装置。

【請求項2】

前記複数の走路パラメータは、前記走路の曲率と、前記走路の幅方向における前記自車両の位置に対する前記走路の幅方向の中心のオフセットとを含み、
前記第１信頼度算出部は、前記第１パラメータとしての前記曲率及び前記オフセットの前記第１信頼度をそれぞれ算出し、
前記第２信頼度算出部は、前記第２パラメータとしての前記曲率及び前記オフセットの第２信頼度をそれぞれ算出し、
前記パラメータ統合部は、前記曲率及び前記オフセットのそれぞれについて、前記第１パラメータと前記第２パラメータとを統合して、前記統合パラメータを算出する請求項１に記載の車両制御装置。

【請求項3】

前記第１信頼度算出部は、前記第１パラメータのそれぞれについて、前記第１パラメータの時系列上の変化率に基づいて前記第１信頼度を算出し、
前記第２信頼度算出部は、前記第２パラメータのそれぞれについて、前記第２パラメータの時系列上の変化率に基づいて前記第２信頼度を算出する請求項１又は２に記載の車両制御装置。

【請求項4】

前記パラメータ統合部は、前記走路パラメータのそれぞれについて、前記第１信頼度及び前記第２信頼度に応じて、前記第１パラメータ及び前記第２パラメータのうちの一方を選択し、選択した一方を前記統合パラメータとする請求項１〜３のいずれか１項に記載の車両制御装置。

【請求項5】

前記パラメータ統合部は、前記走路パラメータのそれぞれについて、前記第１信頼度及び前記第２信頼度に応じて、前記第１パラメータ及び前記第２パラメータのそれぞれに重み付けし、重み付けした前記第１パラメータと前記第２パラメータとを足し合わせて前記統合パラメータを算出する請求項１〜３のいずれか１項に記載の車両制御装置。

【請求項6】

前記パラメータ統合部により算出された各統合パラメータの統合信頼度をそれぞれ算出する統合信頼度算出部を備え、
前記統合信頼度算出部は、前記統合パラメータのそれぞれについて、前記統合パラメータに対応する前記第１パラメータと、前記統合パラメータに対応する前記第２パラメータとの差が大きいほど、前記統合信頼度を低下させる請求項１〜５のいずれか１項に記載の車両制御装置。

【請求項7】

前記車両制御装置は、前記統合パラメータに基づいて、前記自車両の運転支援を実施するものであって、
前記統合信頼度に応じて、前記運転支援の度合を変化させる支援処理部を備える請求項６に記載の車両制御装置。

【請求項8】

前記支援処理部は、前記統合パラメータごとに、前記運転支援に用いる前記統合パラメータの大きさ及び変化量の少なくとも一方を制限値に制限する制限部を備え、
前記制限部は、前記統合信頼度に応じて、前記制限値を変化させる請求項７に記載の車両制御装置。

【請求項9】

自車両が走行する走路を推定する車両制御装置（２０）が実行する走路推定方法であって、
前記走路を区画する区画線を認識するステップと、
前記自車両の前方に存在する先行車両を認識するステップと、
認識された前記先行車両の位置の履歴に基づいて、前記先行車両の走行軌跡を推定するステップと、
認識された前記区画線に基づいて、前記走路を特定する複数の走路パラメータとして、複数の第１パラメータを推定するステップと、
推定された前記走行軌跡に基づいて、前記複数の走路パラメータとして、複数の第２パラメータを推定するステップと、
推定された各第１パラメータの第１信頼度をそれぞれ算出するステップと、
推定された各第２パラメータの第２信頼度をそれぞれ算出するステップと、
前記走路パラメータのそれぞれについて、前記第１信頼度及び前記第２信頼度に応じて、前記第１パラメータと前記第２パラメータとを統合して、統合パラメータを算出するステップと、
を備える走路推定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車両制御装置、及び車両制御装置が実行する走路推定方法に関する。

【背景技術】

【0002】

従来、路面に描かれた白線の認識結果や先行車両の軌跡を用いて、自車両が走行する走路を推定し、推定した走路に基づいて運転支援を行う技術が提案されている。

【0003】

例えば、特許文献１に記載の自動運転制御システムは、認識した白線により特定される走路に沿って自車を走行させる第一走行制御手段と、認識した先行車両に追従するように、自車の走行を制御する第二走行制御手段と、を備えている。そして、上記自動運転制御システムでは、白線の認識結果の時間的なばらつきや、認識した白線から算出した曲率と車速及びヨーレートから算出した曲率との差に基づいて、第一走行制御手段から第二走行制御手段に切り替えている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２００４−２０６２７５号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

白線の認識結果及び先行車両の走行軌跡のいずれからでも、走路を特定する複数のパラメータを推定することはできる。従来、白線の認識結果に基づいて推定したパラメータと先行車両の走行軌跡に基づいて推定したパラメータとを、択一的に切り替えて走路を推定していた。しかしながら、本発明者は、パラメータによって、白線の認識結果に基づいて推定したパラメータの方が精度のよいものもあれば、先行車両の走行軌跡に基づいて推定したパラメータの方が精度のよいものもあるとの知見を得た。よって、白線の認識結果に基づいて推定したパラメータと、先行車両の走行軌跡に基づいて推定したパラメータとを、択一的に切り替えて走路を推定することは好ましくない。

【0006】

本発明は、上記実情に鑑み、区画線の認識結果と先行車両の走行軌跡とを適切に用いて、走路を高精度に推定することが可能な車両制御装置を提供することを主たる目的とする。

【課題を解決するための手段】

【0007】

本発明は、自車両が走行する走路を推定する車両装置であって、前記走路を区画する区画線を認識する区画線認識部と、前記自車両の前方に存在する先行車両を認識する車両認識部と、認識された前記先行車両の位置の履歴に基づいて、前記先行車両の走行軌跡を推定する軌跡推定部と、認識された前記区画線に基づいて、前記走路を特定する複数の走路パラメータとして、複数の第１パラメータを推定する第１推定部と、推定された前記走行軌跡に基づいて、前記複数の走路パラメータとして、複数の第２パラメータを推定する第２推定部と、推定された各第１パラメータの第１信頼度をそれぞれ算出する第１信頼度算出部と、推定された各第２パラメータの第２信頼度をそれぞれ算出する第２信頼度算出部と、前記走路パラメータのそれぞれについて、前記第１信頼度及び前記第２信頼度に応じて、前記第１パラメータと前記第２パラメータとを統合して、統合パラメータを算出するパラメータ統合部と、を備え、算出された統合パラメータに基づいて前記走路を推定する。

【0008】

本発明によれば、走路を区画する区画線が認識される。そして、認識された区画線に基づいて複数の走路パラメータである複数の第１パラメータが推定され、推定された各第１パラメータの第１信頼度がそれぞれ算出される。また、先行車両が認識され、先行車両の走行軌跡が推定される。そして、推定された走行軌跡に基づいて複数の走路パラメータでる複数の第２パラメータが推定され、推定された各第２パラメータの第２信頼度がそれぞれ算出される。

【0009】

外乱等の影響が少ない定常的な状況における二つの推定方法の基本特性は、走路パラメータごとに異なる。よって、走路パラメータごとに、区画線に基づいた推定精度の方が高くなったり、走行軌跡に基づいた推定精度の方が高くなったりすることもある。そのため、走路パラメータを一まとめにして、第１パラメータと第２パラメータのどちらかを択一的に選択することは望ましくない。ただし、自車両の走行における都度の状況においては、外乱等の自車両が存在する環境における各種条件によって、二つの推定方法における走路パラメータごとの推定精度の高低が、定常的な状況とは変わることもある。よって、走路パラメータごとに、第１パラメータと第２パラメータとを統合するとしても、状況に関わらず一様な統合をすることも望ましくない。そこで、走路パラメータのそれぞれについて、第１信頼度及び第２信頼度に応じて、第１パラメータと第２パラメータとが統合され、統合パラメータが算出される。これにより、走路パラメータごとに、信頼度の高い統合パラメータを算出できる。したがって、区画線の認識結果と先行車両の走行軌跡とを適切に用いて、走路を高精度に推定することができる。

【図面の簡単な説明】

【0010】

【図1】車載カメラ装置及びレーダ装置の搭載位置を示す図。

【図2】車両制御装置の構成を示すブロック図。

【図3】白線認識から走路パラメータを推定する態様を示す図。

【図4】走行軌跡から走路パラメータを推定する態様を示す図。

【図5】統合パラメータを算出する態様を示す図。

【図6】運転支援を実施する処理手順を示すフローチャート。

【発明を実施するための形態】

【0011】

以下、車両制御装置を具現化した実施形態について、図面を参照しつつ説明する。まず、図１及び図２を参照して、本実施形態に係る車両制御装置の構成について説明する。本実施形態に係る車両制御装置は、ＥＣＵ２０から構成されている。ＥＣＵ２０は、ＣＰＵ、ＲＯＭ、ＲＡＭ及びＩ／Ｏ等を備えたコンピュータである。ＥＣＵ２０は、ＣＰＵがＲＯＭに格納されているプログラムを実行することにより、後述する各機能を実現する。

【0012】

ＥＣＵ２０には、ＥＣＵ２０へ検知情報を入力するセンサとして、カメラ装置１０及びレーダ装置１１が接続されている。また、ＥＣＵ２０には、ＥＣＵ２０から制御指令を出力する装置として、操舵制御装置４０及び警報装置５０が接続されている。

【0013】

カメラ装置１０は、例えばＣＣＤイメージセンサ、ＣＭＯＳイメージセンサ、近赤外線センサ等の単眼カメラ又はステレオカメラを含む装置である。図１に示すように、カメラ装置１０は、例えばフロントガラスの上端付近で且つ車幅方向の中央付近に取り付けられており、自車両ＭＡの前方へ向けて所定角度範囲で広がる領域を撮影する。そして、カメラ装置１０は、所定周期ごとに、撮影した画像をＥＣＵ２０へ送信する。

【0014】

レーダ装置１１は、例えば、ミリ波を送信波とするミリ波レーダを含む装置であり、図１に示すように、自車両ＭＡの前端部分に設置されている。レーダ装置１１は、所定の検知角で広がる領域内の物標の位置を検知する。具体的には、レーダ装置１１は、所定周期で送信波を送信して、物標に反射された反射波を複数のアンテナにより受信する。そして、レーダ装置１１は、送信波を送信してから反射波を受信するまでの時間から、自車両ＭＡから物標までの距離を算出する。

【0015】

また、レーダ装置１１は、ドップラー効果による反射波の周波数変化から、自車両ＭＡに対する物標の相対速度を算出する。さらに、レーダ装置１１は、複数のアンテナにより受信した反射波の位相差から、物標の方位を算出する。物標の位置及び方位を算出できると、その物標の自車両ＭＡに対する相対位置を特定することができる。レーダ装置１１は、所定周期ごとに、送信波の送信並びに相対位置と相対速度の算出を行い、算出した物標の相対位置及び相対速度からなる検知情報をＥＣＵ２０へ送信する。なお、所定周期は、カメラ装置１０における所定周期と同じでもよいし異なっていてもよい。

【0016】

操舵装置４０は、ＥＣＵ２０から送信された制御指令に基づいて、自車両ＭＡが走路内の走行を維持するように、自車両ＭＡの操舵制御を実施する装置である。警報装置５０は、自車両ＭＡの車室内に設置されたスピーカやディスプレイ、ブザーである。警報装置５０は、ＥＣＵ２０から送信された制御指令に基づいて、走路逸脱警報を出力する。

【0017】

ＥＣＵ２０は、白線認識部２１、第１パラメータ推定部２２、第１信頼度算出部２３、先行車両認識部２４、軌跡推定部２５、第２パラメータ推定部２６、第２信頼度算出部２７、パラメータ統合部２８、統合信頼度算出部２９、及び支援処理部３０の機能を実現する。

【0018】

白線認識部２１（区画線認識部）は、カメラ装置１０により撮影された画像にsobelフィルタ等を適用してエッジ点を抽出し、抽出したエッジ点に対してハフ変換等を行って、自車両ＭＡが走行する走路（車線）を区画する左右の白線Ｌｌ，Ｌｒを認識する。白線認識の手法は周知であるため、詳細な説明は省略する。なお、本実施形態では、白色の区画線に限らず黄色の区画線等も含めた全ての区画線を白線と称する。

【0019】

第１パラメータ推定部２２（第１推定部）は、白線認識部２１により認識された白線に基づいて、走路を特定する複数の走路パラメータを推定する。推定する走路パラメータは、曲率ρ１、ヨー角φ１、オフセットｄ１である。曲率ρ１は走路の曲率、ヨー角φ１は、自車両ＭＡの進行方向に対する走路の幅方向の中心線の傾きである。また、オフセットｄ１は、走路の幅方向における自車両ＭＡの位置に対する中心線のずれ量である。これらの走路パラメータは、操舵制御装置４０による自車両ＭＡの操舵制御や、警報装置５０による逸脱警報の出力に用いられる。

【0020】

具体的には、第１パラメータ推定部２２は、図３に示すように、認識した左右の白線Ｌｌ，Ｌｒから、走路の幅方向の中心線Ｌｃを算出する。そして、第１パラメータ推定部２２は、算出した中心線Ｌｃの曲率、自車両ＭＡに対する中心線Ｌｃの傾き、走路の幅方向における自車両ＭＡの位置に対する中心線Ｌｃのずれ量を、曲率ρ１、ヨー角φ１、オフセットｄ１として算出する。本実施形態では、第１パラメータ推定部２２により算出された曲率ρ１、ヨー角φ１、オフセットｄ１が、それぞれ第１パラメータに相当する。

【0021】

第１信頼度算出部２３は、第１パラメータ推定部２２により推定された走路パラメータ、すなわち曲率ρ１、ヨー角φ１、オフセットｄ１の信頼度Ｒρ１、Ｒφ１、Ｒｄ１をそれぞれ算出する。信頼度は、各走路パラメータの推定精度を表し、推定精度が高いほど信頼度は高い。具体的には、第１信頼度算出部２３は、各パラメータの時系列データの変化率に基づいて、各パラメータの信頼度Ｒρ１、Ｒφ１、Ｒｄ１を算出する。一般的に、走路が急激に変化することはなく、今回の処理タイミングで算出したパラメータの値が、前回の処理タイミングで算出したパラメータの値から、急激に変化することはない。しかしながら、自車両ＭＡから遠方における白線を用いたパラメータの推定精度が低下したり、自車両ＭＡが存在する環境下での各種条件によってパラメータの推定精度が低下したりして、パラメータの時間変化率が急激に変化することがある。この場合、パラメータの推定値が急激に変化したことに基づいて、パラメータの推定値の信頼度が低下した旨を把握できる。なお、定常的な状況において画像に基づいて白線を認識する場合、自車両ＭＡの近傍における認識精度よりも遠方における認識精度は低くなる。

【0022】

よって、第１信頼度算出部２３は、各パラメータについて、例えば、前回算出したパラメータの値に対する今回算出したパラメータの値の変化量が、判定値よりも大きい場合に、信頼度Ｒρ１、Ｒφ１、Ｒｄ１を基準値よりも低くする。第１信頼度算出部２３は、判定値を段階的に用意しておき、最高値から最低値までの間において、信頼度Ｒρ１、Ｒφ１、Ｒｄ１を段階的に算出してもよいし、変化量が大きいほど信頼度Ｒρ１、Ｒφ１、Ｒｄ１を低く連続的に算出してもよい。走路が急カーブの形状となっている場合、パラメータの時間変化率は比較的大きくなるが、一般に画像に基づいた急カーブの認識精度は比較的低いため、信頼度が低く算出されてもよい。このようにして、走路パラメータごとに、時系列上の変化率を逐次監視することにより、定常的な状況における推定精度に、都度の状況における各種条件を加味した信頼度が判定される。なお、白線が認識できなかった場合は、信頼度Ｒρ１、Ｒφ１、Ｒｄ１を例えば０にする。

【0023】

先行車両認識部２４は、レーダ装置１１から送信された検知情報から物標の位置（第１位置）を取得する。また、先行車両認識部２４は、カメラ装置１０により撮影された画像からエッジ点を抽出し、抽出したエッジ点に対してハフ変換等を行って、物標の存在を示す特徴点を抽出する。そして、先行車両認識部２４は、抽出した特徴点から物標の位置（第２位置）を取得する。さらに、先行車両認識部２４は、互いに近傍に位置する第１位置と第２位置とを、同じ物標に対応するものであると対応づける。第１位置と第２位置とが互いに近傍に存在し、レーダ装置１１及びカメラ装置１０により物標の位置が精度良く取得できている状態を、フュージョン状態と称する。

【0024】

先行車両認識部２４は、フュージョン状態であると判定した物標について、画像から抽出した特徴点に対してパターンマッチングを行う。そして、先行車両認識部２４は、物標が車両であるか歩行者であるかを判別し、判別した種別を物標に対応づける。さらに、先行車両認識部２４は、物標ごとに、自車両ＭＡに対する相対位置及び相対相度を対応づける。そして、先行車両認識部２４は、取得した物標の中から、自車両ＭＡの走路の前方を走行し、自車両ＭＡが追従可能な先行車両ＭＢを認識する。

【0025】

軌跡推定部２５は、先行車両認識部２４により認識された先行車両ＭＢの位置の履歴に基づいて、先行車両ＭＢの走行軌跡Ｔｃを推定する。具体的には、軌跡推定部２５は、図４に示すように、先行車両ＭＢの位置の履歴Ｐ１〜Ｐ５を繋いで、走行軌跡Ｔｃを算出する。少なくとも３つの先行車両ＭＢの位置の履歴があれば、走行軌跡Ｔｃが算出される。

【0026】

第２パラメータ推定部２６（第２推定部）は、軌跡推定部２５により推定された走行軌跡Ｔｃに基づいて、走路を特定する複数の走路パラメータを推定する。推定する走路パラメータは、曲率ρ２、ヨー角φ２、オフセットｄ２であり、それぞれ曲率ρ１、ヨー角φ１、オフセットｄ１に対応する。

【0027】

具体的には、第２パラメータ推定部２６は、算出した走行軌跡Ｔｃの曲率、自車両ＭＡの進行方向に対する走行軌跡Ｔｃの傾き、走路の幅方向における自車両ＭＡの位置に対する走行軌跡Ｔｃのずれ量を、曲率ρ２、ヨー角φ２、オフセットｄ２として算出する。本実施形態では、第２パラメータ推定部２６により推定された走路パラメータ、すなわち曲率ρ２、ヨー角φ２、オフセットｄ２が、それぞれ第２パラメータに相当する。

【0028】

第２信頼度算出部２７は、第２パラメータ推定部２６により推定された走路パラメータ、すなわち曲率ρ２、ヨー角φ２、オフセットｄ２の信頼度Ｒρ２、Ｒφ２、Ｒｄ２をそれぞれ算出する。具体的には、第１信頼度算出部２３による信頼度Ｒρ１、Ｒφ１、Ｒｄ１と同様に、各パラメータの時系列データの変化率に基づいて、各パラメータの信頼度Ｒρ２、Ｒφ２、Ｒｄ２を算出する。信頼度Ｒρ２、Ｒφ２、Ｒｄ２の算出手法は、信頼度Ｒρ１、Ｒφ１、Ｒｄ１と同様であるから、詳細な説明は省略する。なお、先行車両ＭＢが認識できず、走行軌跡Ｔｃを推定でなかった場合は、信頼度Ｒρ２、Ｒφ２、Ｒｄ２の信頼度を例えば０にする。また、走行軌跡Ｔｃを推定できたが、位置の履歴のサンプリング数が比較的少ない場合には、信頼度Ｒρ２、Ｒφ２、Ｒｄ２の信頼度を低下させてもよい。

【0029】

パラメータ統合部２８は、第１パラメータである曲率ρ１、ヨー角φ１、オフセットｄ１と、第２パラメータである曲率ρ２、ヨー角φ２、オフセットｄ２とを統合して、車両制御に用いる曲率ρ０、ヨー角φ０、オフセットｄ０を算出する。本実施形態では、曲率ρ０、ヨー角φ０、オフセットｄ０がそれぞれ統合パラメータに相当する。

【0030】

ここで、一般に、晴天の日中のような外乱の影響が少ない定常的な状況では、白線の認識結果に基づく推定精度の方が高い走路パラメータと、走行軌跡Ｔｃに基づく推定精度の方が高い走路パラメータとがある。一般に、白線の認識精度は、自車両ＭＡの近傍よりも遠方の方が低くなるため、自車両ＭＡの近傍で認識した白線だけから算出するオフセットｄ１の推定精度は比較的高くなるが、自車両ＭＡから遠方で認識した白線を用いて算出する曲率ρ１の推定精度は比較的低くなる。一方、走行軌跡Ｔｃは実際に先行車両ＭＢが走行した軌跡であるため、走行軌跡Ｔｃから算出する曲率ρ２の推定精度は比較的高くなる。また、先行車両ＭＢは、必ずしも走路の幅方向における中心を走行しているとは限らないため、走行軌跡Ｔｃから算出するオフセットｄ２の推定精度は比較的低くなる。

【0031】

このように、定常的な状況では、走路パラメータごとに、白線の認識結果に基づく推定の基本特性と、走行軌跡Ｔｃに基づく推定の基本特性とが異なる。よって、自車両ＭＡの制御に用いる３つの走路パラメータを一まとめにして、白線の認識結果に基づく第１パラメータか、走行軌跡Ｔｃに基づく第２パラメータか、選択することは望ましくない。

【0032】

そこで、パラメータ統合部２８は、走路パラメータのそれぞれについて、第１パラメータと第２パラメータとを統合する。本実施形態において、第１パラメータと第２パラメータとを統合することには、それぞれのパラメータの比率を０〜１００％の範囲で変化させ、その上で両パラメータを足し合せることを含む。

【0033】

ただし、雨天や夜間のような外乱等の影響がある都度の状況下では、二つの推定方法における走路パラメータごとの推定精度の高低が、定常的な状況とは変わることもある。例えば、白線の認識結果に基づくオフセットｄ１よりも、走行軌跡Ｔｃに基づくオフセットｄ２の方が、推定精度が高くなることもある。また、先行車両が存在しない場合など、走行軌跡Ｔｃに基づく曲率ρ２よりも、白線の認識結果に基づく曲率ρ１の方が、推定精度が高くなることもある。よって、都度の状況に関わらず、走路パラメータごとに、第１パラメータと第２パラメータとを一様な比率で統合することは望ましくない。

【0034】

したがって、パラメータ統合部２８は、図５に示すように、第１信頼度及び第２信頼度に応じて、第１パラメータと第２パラメータとを統合して、統合パラメータを算出する。上述したように、第１信頼度及び第２信頼度は、定常的な状況における推定精度に、都度の状況における各種条件を加味した信頼度である。よって、第１信頼度及び第２信頼度に応じて、第１パラメータと第２パラメータとを統合することにより、定常的な状況における基本特性に都度の状況を加味して、統合パラメータが算出される。パラメータ統合部２８は、信頼度Ｒρ１及び信頼度Ｒρ２に応じて、曲率ρ１及び曲率ρ２を統合して、統合パラメータである曲率ρ０を算出する。また、信頼度Ｒφ１及び信頼度Ｒφ２に応じて、ヨー角φ１及びヨー角φ２を統合して、統合パラメータであるヨー角φ０を算出する。また、信頼度Ｒｄ１及び信頼度Ｒｄ２に応じて、オフセットｄ１及びオフセットｄ２を統合して、統合パラメータであるオフセットｄ０を算出する。

【0035】

具体的には、パラメータ統合部２８は、走路パラメータごとに、第１信頼度及び第２信頼度に応じて、第１パラメータ及び第２パラメータのうちの一方を選択し、選択した一方を統合パラメータとする。すなわち、走路パラメータごとに、第１パラメータと第２パラメータとで、信頼度の高い方のパラメータを、統合パラメータとする。例えば、曲率ρ１の信頼度Ｒρ１よりも曲率ρ２の信頼度Ｒρ２の方が高い場合は、曲率ρ２を統合パラメータの曲率ρ０とする。

【0036】

あるいは、パラメータ統合部２８は、走路パラメータごとに、第１信頼度及び第２信頼度に応じて、第１パラメータ及び第２パラメータのそれぞれに重み付けして、重み付けした第１パラメータと第２パラメータとを足し合わせて、統合パラメータを算出してもよい。例えば、統合パラメータの曲率ρ０を算出する場合、曲率ρ１にＲρ１／（Ｒρ１＋Ｒρ２）の重みを付け、曲率ρ２にＲρ２／（Ｒρ１＋Ｒρ２）の重みを付けて、足し合せる。

【0037】

統合信頼度算出部２９は、パラメータ統合部２８により算出された各統合パラメータ、すなわち曲率ρ０、ヨー角φ０、オフセットｄ０の統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０をそれぞれ算出する。第１パラメータの曲率ρ１、ヨー角φ１、オフセットｄ１と、第２パラメータの曲率ρ２、ヨー角φ２、オフセットｄ２とは、理想的にはそれぞれ一致するものであるが、何らかの推定誤差により差が生じる。一般に、第１パラメータと第２パラメータとの差が大きい場合は、差が小さい場合よりも、統合パラメータに含まれる推定誤差が大きい可能性が高い。よって、統合信頼度算出部２９は、統合パラメータのそれぞれについて、対応する第１パラメータと対応する第２パラメータとの差が大きいほど、統合信頼度を低下させる。

【0038】

具体的には、パラメータ統合部２８により、統合パラメータとして、第１パラメータと第２パラメータのいずれか一方が選択された場合は、統合信頼度算出部２９は、選択された方のパラメータの信頼度を、第１パラメータと第２パラメータとの差が大きいほど低下させて、統合信頼度とする。例えば、統合パラメータの曲率ρ０として、第２パラメータの曲率ρ２が選択された場合は、曲率ρ２の信頼度Ｒρ２を、曲率ρ１と曲率ρ２との差が大きいほど低下させて、曲率ρ０の信頼度Ｒρ０とする。統合信頼度算出部２９は、第１パラメータと第２パラメータとの差が所定値以下であれば、選択された方のパラメータの信頼度を上げ、差が所定値以下であれば、選択された方のパラメータの信頼度を下げて、統合信頼度としてもよい。

【0039】

あるいは、パラメータ統合部２８により、第１パラメータと第２パラメータとを信頼度で重み付けして足し合せた場合は、同様に第１信頼度と第２信頼度とを重み付けして足しわせ、足し合せた信頼度を、第１パラメータと第２パラメータとの差が大きいほど低下させて、統合信頼度とする。例えば、曲率ρ１と曲率ρ２とを重み付けして足し合せたものを曲率ρ０とした場合は、信頼度Ｒρ１と信頼度Ｒρ２とを重み付けして足し合せたものを、曲率ρ１と曲率ρ２との差が大きいほど低下させて、曲率ρ０の信頼度Ｒρ０を算出する。統合信頼度算出部２９は、第１パラメータと第２パラメータとの差が所定値以下であれば、重み付けして足し合せた信頼度を上げ、差が所定値以下であれば、重み付けして足し合せた信頼度を下げて、統合信頼度としてもよい。

【0040】

支援処理部３０は、統合パラメータに基づいて、自車両の運転支援を実施する。運転支援を実施する際、逸脱警報を実施するよりも操舵制御を実施する方が、運転者の負担を軽減できるが、統合パラメータの誤差が大きいときに操舵制御を実施すると、走路内の走行を妨げるおそれがある。よって、支援処理部３０は、統合パラメータの統合信頼度に応じて、運転支援の度合を変化させ、運転支援の度合に応じた制御指令を車両制御装置４０又は警報装置５０へ送信する。

【0041】

例えば、支援処理部３０は、統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０が全て第１閾値以上の場合には、制御量として統合パラメータρ０、φ０、ｄ０から自車両ＭＡの操舵トルクを算出し、算出した操舵トルクに応じた制御指令を操舵制御装置４０へ送信して、操舵制御を実施する。また、支援処理部３０は、統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０が全て第１閾値よりも低い場合は、運転支援を実施せず、統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０のうちのいずれか１つが第１閾値よりも低い場合には、車線から自車両ＭＡが逸脱しそうなときに、警報出力の制御指令を警報装置５０へ送信して、走路逸脱警報を実施する。

【0042】

ここで、統合パラメータに基づいて自車両の運転支援を実施する際に、比較的大きな操舵トルクで自車両ＭＡを制御する場合、統合パラメータの誤差が大きいと、直ぐに自車両ＭＡが走路を逸脱してしまうおそれがある。よって、支援処理部３０は、操舵制御を実施する際に、統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０に応じて、自車両ＭＡを制御する操舵トルクの大きさを変化させる。

【0043】

具体的には、支援処理部３０は、例えば、統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０が全て第２閾値以上の場合には、比較的強い操舵トルクによる自車両ＭＡの操舵制御を実施する。また、支援処理部３０は、統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０のいずれかが、第１閾値よりも大きな値である第２閾値よりも低い場合には、比較的弱い操舵トルクによる自車両ＭＡの操舵制御を実施する。支援処理部３０は、比較的強い操舵トルクによる自車両ＭＡの操舵制御を実施する場合は、統合パラメータから操舵トルクを算出する際のゲインを比較的大きくする。また、支援処理部３０は、比較的弱い操舵トルクによる自車両ＭＡの操舵制御を実施する場合は、統合パラメータから操舵トルクを算出する際のゲインを比較的小さくして、操舵トルクを低減する。

【0044】

また、支援処理部３０は、制限部３１の機能を備える。制限部３１は、操舵トルクを算出する際に用いる統合パラメータの大きさ及び変化量を制限値に制限する。制限値は統合パラメータごとに設定されている。例えば、曲率ρ０の制限値がＸであり、算出された曲率ρ０の値ＹがＸよりも大きい場合は、制限部３１は、操舵トルクを算出する際に用いる曲率ρ０の値を制限値のＸとする。また、例えば、曲率ρ０の変化量の制限値がΔＸであり、前回の曲率ρ０の値がＡ、今回の曲率ρ０の値がＢで、変化量ΔＹ（＝Ｂ−Ａ）が制限値のΔＸよりも大きい場合、制限部３１は、操舵トルクを算出する際に用いる曲率ρ０の値を、Ａ＋ΔＸに制限する。すなわち、制限部３１は、操舵トルクを算出する際に用いる曲率ρ０の値を、ＡからＢに一度に変化させず、Ａ＋ΔＸに制限する。

【0045】

さらに、制限部３１は、統合パラメータごとに、統合パラメータの統合信頼度に応じて、制限値を変化させる。具体的には、制限部３１は、統合パラメータごとに、統合パラメータの統合信頼度が低いほど、制限値を小さくする。例えば、制限部３１は、曲率ρ０の信頼度Ｒρ０が閾値よりも低い場合は、曲率ρ０の制限値及び曲率ρ０の変化量の制限値を、信頼度Ｒρ０が閾値以上の場合よりも小さくする。なお、制限部３１は、各統合パラメータの大きさ及び変化量のいずれか一方を制限値に制限するだけでもよい。

【0046】

次に、運転支援を実施する処理手順について、図６のフローチャートを参照して説明する。本処理手順は、ＥＣＵ２０が、所定周期で繰り返し実行する。

【0047】

まず、カメラ装置１０により撮影された画像に基づいて、自車両ＭＡが走行する走路の左右の白線を認識する（Ｓ２１）。続いて、レーダ装置１１により検知された検知情報、及びカメラ装置１０により撮影された画像に基づいて、先行車両ＭＢを認識し、先行車両ＭＢの走行軌跡Ｔｃを推定する（Ｓ１１）。

【0048】

続いて、Ｓ１０で認識した白線に基づいて、走路パラメータである曲率ρ１、ヨー角φ１、オフセットｄ１を算出する（Ｓ１２）。続いて、Ｓ１１で推定した先行車両ＭＢの走行軌跡Ｔｃに基づいて、走路パラメータである曲率ρ２、ヨー角φ２、オフセットｄ２を算出する（Ｓ１３）。

【0049】

続いて、Ｓ１２で算出した曲率ρ１、ヨー角φ１、オフセットｄ１の信頼度Ｒρ１、Ｒφ１、Ｒｄ１をそれぞれ算出する（Ｓ１４）。続いて、Ｓ１３で算出した曲率ρ２、ヨー角φ２、オフセットｄ２の信頼度Ｒρ２、Ｒφ２、Ｒｄ２をそれぞれ算出する（Ｓ１５）。

【0050】

続いて、信頼度Ｒρ１と信頼度Ｒρ２、信頼度Ｒφ１と信頼度Ｒφ２、信頼度Ｒｄ１と信頼度Ｒｄに基づいて、曲率ρ１と曲率ρ２、ヨー角φ１とヨー角φ２、オフセットｄ１とオフセットｄ２をそれぞれ統合する。そして、統合パラメータである曲率ρ０、ヨー角φ０、オフセットｄ０をそれぞれ算出する（Ｓ１６）。

【0051】

続いて、曲率ρ１と曲率ρ２との差、ヨー角φ１とヨー角φ２との差、オフセットｄ１とオフセットｄ２との差に基づいて、統合パラメータの統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０をそれぞれ算出する（Ｓ１７）。

【0052】

続いて、統合パラメータρ０、φ０、ｄ０、及び統合信頼度Ｒρ０、Ｒφ０、Ｒｄ０に基づいて、自車両ＭＡの操舵トルクを算出する（Ｓ１８）。統合信頼度が比較的低い場合は、操舵トルクを０とし、走路逸脱警報を実施する、又は運転支援を実施しない。続いて、Ｓ１７で算出した操舵トルクに応じた制御指令を車両制御装置４０へ送信する（Ｓ１９）。走路逸脱警報を実施する場合は、自車両ＭＡが走路を逸脱しそうなときに、警報出力を指令する制御指令を警報装置５０へ送信する。以上で本処理を終了する。

【0053】

以上説明した本実施形態によれば、以下の効果を奏する。

【0054】

・走路パラメータごとに、白線認識に基づいて推定された第１パラメータと、走行軌跡Ｔｃに基づいて推定された第２パラメータとが、各パラメータの信頼度に応じて統合され、統合パラメータが算出される。よって、走路パラメータごとに、信頼度の高い統合パラメータを算出できる。したがって、白線の認識結果と先行車両ＭＢの走行軌跡Ｔｃとを適切に用いて、走路を高精度に推定することができる。

【0055】

・外乱等の影響の少ない定常的な状況において、白線の認識結果に基づく推定では、曲率ρ１の推定精度が比較的低くオフセットｄ１の推定精度が比較的高くなる。一方、同じ状況において、走行軌跡Ｔｃに基づく推定では、曲率ρ２の推定精度が比較的高くオフセットｄ２の推定精度が比較的低くなる。すなわち、パラメータ推定の基本特性としては、曲率ρ１よりも曲率ρ２の推定精度が高く、オフセットｄ２よりもオフセットｄ１の推定精度が高くなる。よって、曲率ρ１と曲率ρ２、オフセットｄ１とオフセットｄ２を、個別に統合すると効果的である。

【0056】

・都度の状況に応じて、定常的な状況での基本特性が変化することがある。各走路パラメータの時系列上の変化率は、定常的な状況における推定精度と都度の状況における各種条件によって増減する。よって、走路パラメータごとに時系列上の変化率を逐次監視し、その変化率に基づいて信頼度の変化を判定すれば、定常的な状況における推定精度に、都度の状況における各種条件を加味した信頼度を判定できる。すなわち、走路パラメータごとの信頼度の判定を正しく実施できる。

【0057】

・走路パラメータごとに、第１信頼度及び第２信頼度に応じて、第１パラメータと第２パラメータのうちの一方が選択され、選択された一方が統合パラメータとされる。この場合、走路パラメータごとに、二つの異なる方法で推定されたパラメータのうちの信頼度の高い方を選択して、信頼度の高い統合パラメータを算出することができる。

【0058】

・走路パラメータごとに、第１信頼度及び第２信頼度に応じて、第１パラメータ及び第２パラメータのそれぞれが重み付けされ、足し合されて統合パラメータが算出される。この場合、走路パラメータごとに、二つの異なる方法で推定されたパラメータの信頼度を反映して、信頼度の高い統合パラメータを算出できる。

【0059】

・第１パラメータと第２パラメータとの差が大きい場合は、差が小さい場合よりも、統合パラメータに含まれる誤差が大きい可能性が高い。よって、統合パラメータごとに、第１パラメータと第２パラメータとの差が大きいほど、統合パラメータの統合信頼度が下げられる。これにより、各統合パラメータについて、適切な統合信頼度を算出できる。

【0060】

・統合パラメータの統合信頼度に応じて、自車両ＭＡを制御する操舵トルクの大きさを変化させることにより、統合信頼度が高い場合には運転者の負担を軽減しつつ、統合信頼度が低い場合には自車両ＭＡの走路逸脱を抑制することができる。

【0061】

・統合パラメータごとに、統合パラメータの大きさ及び変化量の少なくとも一方が制限値に制限されることにより、自車両の操舵トルクが制限値に応じて制限される。そして、統合パラメータごとに、統合信頼度に応じて制限値が変化させられる。これにより、統合信頼度に応じて自車両の操舵トルクが制限される。したがって、統合信頼度が高い場合には運転者の負担を軽減しつつ、統合信頼度が低い場合には自車両ＭＡの走路逸脱を抑制することができる。

【0062】

（他の実施形態）
・先行車両ＭＢの認識は、レーダ装置１１により検知された検知情報、及びカメラ装置１０により撮影された画像のいずれか一方のみに基づいて行ってもよい。なお、先行車両ＭＢの認識を上記二つのうちのいずれか一方のみに基づいて行う場合は、レーダ装置１１により検知された検知情報に基づいて行うと、例えば画像が不鮮明な状況でも、走行軌跡Ｔｃに基づいて推定した走路パラメータを用いて、運転支援を実施できる。

【0063】

・運転支援として、自車両ＭＡの操舵制御のみを実施し、逸脱警報制御は実施しなくてもよい。すなわち、統合信頼度が閾値よりも高い場合には操舵制御を実施し、統合信頼度が閾値以下の場合には運転支援を実施しなくてもよい。この場合、警報装置５０はＥＣＵ２０に接続されていなくてもよい。

【0064】

・ＥＣＵ２０の各機能は、車両に搭載された処理装置（コンピュータ）であるＥＣＵ２０に限らず、例えば運転者が所持する携帯情報端末等の処理装置で実現してもよい。

【符号の説明】

【0065】

２０…ＥＣＵ、ＭＡ…自車両、ＭＢ…先行車両。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】