特許 6666075 道路の車線識別子を決定する方法及び装置

(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】6666075

(24)【登録日】2020年2月25日

(45)【発行日】2020年3月13日

(54)【発明の名称】道路の車線識別子を決定する方法及び装置

(51)【国際特許分類】

   G08G 1/16 20060101AFI20200302BHJP

【ＦＩ】

   G08G1/16 C

【請求項の数】16

【外国語出願】

【全頁数】22

(21)【出願番号】特願2015-90236(P2015-90236)

(22)【出願日】2015年4月27日

(65)【公開番号】特開2015-212944(P2015-212944A)

(43)【公開日】2015年11月26日

【審査請求日】2018年2月13日

(31)【優先権主張番号】14/271,306

(32)【優先日】2014年5月6日

(33)【優先権主張国】US

【前置審査】

(73)【特許権者】

【識別番号】507342261

【氏名又は名称】トヨタ モーター エンジニアリング アンド マニュファクチャリング ノース アメリカ，インコーポレイティド

(74)【代理人】

【識別番号】100099759

【弁理士】

【氏名又は名称】青木 篤

(74)【代理人】

【識別番号】100123582

【弁理士】

【氏名又は名称】三橋 真二

(74)【代理人】

【識別番号】100092624

【弁理士】

【氏名又は名称】鶴田 準一

(74)【代理人】

【識別番号】100114018

【弁理士】

【氏名又は名称】南山 知広

(74)【代理人】

【識別番号】100117019

【弁理士】

【氏名又は名称】渡辺 陽一

(74)【代理人】

【識別番号】100173107

【弁理士】

【氏名又は名称】胡田 尚則

(72)【発明者】

【氏名】ロヒット パンディータ

(72)【発明者】

【氏名】ジョン−マイケル マクニュー

(72)【発明者】

【氏名】デレク エス．キャベニー

(72)【発明者】

【氏名】ブラディメロス ブルディメロウ

【審査官】 落合 弘之

(56)【参考文献】

【文献】 特開２００８−２９３３８０（ＪＰ，Ａ）

【文献】 特開２０１２−２０２９６１（ＪＰ，Ａ）

【文献】 特開２００３−４４９７８（ＪＰ，Ａ）

【文献】 特開２００９−３７９５（ＪＰ，Ａ）

【文献】 特開２０１１−１３０３９（ＪＰ，Ａ）

【文献】 特開２０１１−３９６８３（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０８Ｇ １／１６

(57)【特許請求の範囲】

【請求項1】

乗り物が走行している、複数の車線を含む道路における車線識別子を決定する方法であって、
前記乗り物の移動における前方向にある前記乗り物の左側及び右側の車線マーカー種別を１又は複数のセンサを用いて取得することと、
１又は複数のセンサを用いて前記道路における前記乗り物の瞬間位置を取得することと、
地図データを用いて、前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定することと、
１又は複数のセンサを用いて前記道路の複数の前記車線間の前記乗り物の車線横断を検出することと、
前記乗り物が前記道路の複数の前記車線のうち特定の車線に存在する確率を示す車線識別子信頼性を、検出された任意の車線横断と、前記道路の前記車線の数と、所定の走行距離に至るまでの車線マーカー種別の履歴と、前記道路における前記乗り物の前記瞬間位置での前記車線マーカー種別と、に基づいて生成することと、
前記車線識別子信頼性に基づいて前記車線識別子を決定することと、
を含み、
前記車線識別子信頼性を、
［ＬＣＶ×（距離−ｄｓ）＋瞬間ＬＣＶ×ｄｓ］／距離
として計算することを更に含み、
ここで、ＬＣＶは、現在のサンプル時間よりも前の車線識別子信頼性であり、距離は、前回の距離がリセットされてから前記乗り物が走行した距離であり、ｄｓは、前記現在のサンプル時間の間に前記乗り物が走行した距離であり、瞬間ＬＣＶは、前記現在のサンプル時間の間に前記道路における前記乗り物の瞬間位置で計算された瞬間車線識別子信頼性ベクトル確率である、
方法。

【請求項2】

前記乗り物の移動における前方向にある前記乗り物の左側及び右側の車線マーカー種別を１又は複数のセンサを用いて取得することが少なくとも部分的に、前記乗り物に取り付けられたカメラを用いて実行される、
請求項１に記載の方法。

【請求項3】

前記道路における前記乗り物の瞬間位置を取得することが、少なくとも一部が前記乗り物により運ばれる全地球測位衛星システムによって実行される、
請求項１に記載の方法。

【請求項4】

前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定することが、メモリの前記地図データを使用する、
請求項１に記載の方法。

【請求項5】

前記道路の複数の前記車線間の前記乗り物の前記車線横断を検出することが、前記乗り物に取り付けられたカメラによって実行される、
請求項１に記載の方法。

【請求項6】

前記車線識別子信頼性が、任意の車線横断の検出に基づいて更新される、
請求項１に記載の方法。

【請求項7】

プロセッサを用いて、前記道路において前記乗り物が現在走行している前記車線識別子と、前記車線識別子に対応する前記特定の車線に前記乗り物が存在する確率と、を出力すること、
を更に含む請求項１に記載の方法。

【請求項8】

前記車線識別子信頼性が、前記道路のそれぞれの車線識別子と、前記乗り物が前記道路の複数の前記車線のそれぞれに存在する確率値と、で形成されたベクトルである、請求項１に記載の方法。

【請求項9】

前記車線識別子信頼性は、それぞれのサンプル時間区間ごとに変化する、
請求項８に記載の方法。

【請求項10】

前記道路における前記車線の数の変化が生じる度に前記車線識別子信頼性を再計算することを更に含む、
請求項１に記載の方法。

【請求項11】

車線が前記道路に追加された又は前記道路から取り除かれたかどうかによって、且つ、前記道路のどちら側に前記車線が追加された又は取り除かれたかによって、前記車線識別子信頼性を再計算することを更に含む、
請求項１０に記載の方法。

【請求項12】

車線横断を検出したときに前記車線識別子信頼性を再計算することを更に含む、
請求項１に記載の方法。

【請求項13】

車線横断を検出したときに、前回の距離がリセットされてから前記乗り物が走行した距離をリセットすることを更に含む、
請求項１２に記載の方法。

【請求項14】

複数の車線を含む道路を走行している乗り物の車線識別子を決定するための、乗り物と関連したコンピューティング装置であって、
前記乗り物に取り付けられ且つ複数のセンサに結合された少なくとも１つのプロセッサを含むコンピューティングデバイスと、
前記少なくとも１つのプロセッサによって使用されるデータ及びプログラム命令を記憶するためのメモリと、を具備し、前記少なくとも１つのプロセッサは、前記メモリに記憶されたプログラム命令を実行し、且つ、前記乗り物に取り付けられた１又は複数のセンサを用いて、前記道路における前記乗り物のそれぞれの瞬間位置において前記乗り物の左側及び右側の車線マーカー種別を検出すると共に、前記道路における前記乗り物の車線横断を検出し、前記コンピューティングデバイスは、
前記乗り物の移動における前方向にある、乗り物の左側及び右側の車線マーカー種別を前記センサのうちの少なくとも１つから取得し、
前記センサの１つを用いて前記道路における前記乗り物の瞬間位置を取得し、
前記メモリに記憶された地図データを用いて、前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定し、
前記センサの１つを用いて前記道路の複数の前記車線間の前記乗り物の車線横断を検出し、
前記乗り物が前記道路の複数の前記車線のうち特定の車線にある確率を示す車線識別子信頼性を、検出された任意の車線横断と、前記道路の前記車線の数と、前記乗り物の所定の走行距離に至るまでの車線マーカー種別の履歴と、前記道路における前記乗り物の前記瞬間位置での車線マーカー種別と、に基づいて生成し、
前記車線識別子信頼性に基づいて前記車線識別子を決定する
ために、前記プログラム命令を実行する、コンピューティング装置であって、
前記コンピューティングデバイスは、前記車線識別子信頼性を、
［ＬＣＶ×（距離−ｄｓ）＋瞬間ＬＣＶ×ｄｓ］／距離
として計算するために、前記プログラム命令を実行し、
ここで、ＬＣＶは、現在のサンプル時間よりも前の車線識別子信頼性であり、距離は、前回の距離がリセットされてから前記乗り物が走行した距離であり、ｄｓは、前記現在のサンプル時間の間に前記乗り物が走行した距離であり、瞬間ＬＣＶは、前記現在のサンプル時間の間に前記道路における前記乗り物の瞬間位置で計算された瞬間車線識別子信頼性ベクトル確率である、
コンピューティング装置。

【請求項15】

乗り物が走行している、複数の車線を含む道路における車線識別子を決定する方法であって、
前記乗り物の移動における前方向にある前記乗り物の左側及び右側の車線マーカー種別を１又は複数のセンサを用いて取得することと、
１又は複数のセンサを用いて前記道路における前記乗り物の瞬間位置を取得することと、
地図データを用いて、前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定することと、
１又は複数のセンサを用いて前記道路の複数の前記車線間の前記乗り物の車線横断を検出することと、
前記乗り物が前記道路の複数の前記車線のうち特定の車線に存在する確率を示す車線識別子信頼性を、検出された任意の車線横断と、前記道路の前記車線の数と、所定の走行距離に至るまでの車線マーカー種別の履歴と、前記道路における前記乗り物の前記瞬間位置での前記車線マーカー種別と、に基づいて生成することと、
前記車線識別子信頼性に基づいて前記車線識別子を決定することと、
を含み、
前記車線識別子信頼性が、前記道路のそれぞれの車線識別子と、前記乗り物が前記道路の複数の前記車線のそれぞれに存在する確率値と、で形成されたベクトルであり、
前記車線識別子信頼性は、それぞれのサンプル時間区間ごとに変化する、
方法。

【請求項16】

乗り物が走行している、複数の車線を含む道路における車線識別子を決定する方法であって、
前記乗り物の移動における前方向にある前記乗り物の左側及び右側の車線マーカー種別を１又は複数のセンサを用いて取得することと、
１又は複数のセンサを用いて前記道路における前記乗り物の瞬間位置を取得することと、
地図データを用いて、前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定することと、
１又は複数のセンサを用いて前記道路の複数の前記車線間の前記乗り物の車線横断を検出することと、
前記乗り物が前記道路の複数の前記車線のうち特定の車線に存在する確率を示す車線識別子信頼性を、検出された任意の車線横断と、前記道路の前記車線の数と、所定の走行距離に至るまでの車線マーカー種別の履歴と、前記道路における前記乗り物の前記瞬間位置での前記車線マーカー種別と、に基づいて生成することと、
前記車線識別子信頼性に基づいて前記車線識別子を決定することと、
を含み、
車線横断を検出したときに前記車線識別子信頼性を再計算することを更に含み、
車線横断を検出したときに、前回の距離がリセットされてから前記乗り物が走行した距離をリセットすることを更に含む、
方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の方法及び装置は、概して、乗り物又は車両の運転者に対する警告装置及び警告方法に関する。

【背景技術】

【0002】

運転者が路上で安全且つ効率的に乗り物を操作することを支援するため、部分的に自動化又は監視される乗り物の運転システムが設計されており、例えば、運転者が不注意となったときに警告を送るように運転者の視標を追跡する、乗り物が車線から外れたときに運転者に警告を送るように乗り物の車線を追跡する、運転者が適応走行制御を稼働させているときに運転者の前方の乗り物との距離に基づいて乗り物の速度を制御する、といった手法が使われている。例えば自動運転車や自律走行車など、運転者との相互作用その他の外的制御なしに路上の乗り物を操作するための完全自動運転システムも設計されている。

【発明の概要】

【課題を解決するための手段】

【0003】

乗り物が走行している、複数の車線を含む道路における車線の識別子を決定する方法であって、この方法は、乗り物に取り付けられ且つ複数のセンサに結合された少なくとも１つのプロセッサを含むコンピューティングデバイスと、少なくとも１つのプロセッサによって使用されるデータ及びプログラム命令を記憶するためのメモリと、を具備し、少なくとも１つのプロセッサは、メモリに記憶されたプログラム命令を実行して、乗り物の移動における前方向にある乗り物の左側及び右側の車線マーカー種別をセンサの１つから取得することと、センサの１つを用いて道路における乗り物の瞬間位置（instantaneous position）を取得することと、メモリに記憶された地図データを用いて、乗り物の瞬間位置における道路の車線の数を決定することと、少なくとも１つのセンサを用いて道路の複数の車線間の乗り物の車線横断を検出することと、乗り物が道路の複数の車線のうち特定の車線に存在する確率を示す車線識別子信頼性（lane identification confidence belief）を、検出された任意の車線横断と、前記道路の前記車線の数と、所定の走行距離に至るまでの車線マーカー種別の履歴と、道路における乗り物の瞬間位置での車線マーカー種別と、に基づいて生成することと、を行う。

【0004】

少なくとも１つの車線の車線マーカー種別と車線横断とを取得するため、センサの１つは、乗り物に取り付けられたカメラであってよい。

【0005】

乗り物の瞬間位置を決定する方法は、少なくとも一部分が乗り物により運ばれる（carried）全地球測位衛星システムを用いてよい。

【0006】

上記方法は、上記少なくとも１つのプロセッサによってアクセスされるメモリのデータを使用して、乗り物の瞬間位置における道路の車線の数を決定する。

【0007】

上記方法は、乗り物に取り付けられたカメラにより、乗り物の車線横断を検出する。

【0008】

乗り物の実走行距離が所定の走行距離に達したとき、所定の走行距離内の乗り物の実走行距離及び車線横断の検出に応じて信頼性が更新される。

【0009】

上記方法は、乗り物が道路において現在走行している車線の識別子と、この車線識別子に対応する特定の一車線を乗り物が走行している確率と、を出力する。

【0010】

複数の車線を含む道路のどの車線を乗り物が現在走行しているのかを決定するための、コンピュータにより実施される方法であって、この方法は、乗り物に取り付けられ且つ複数のセンサに結合された少なくとも１つのプロセッサと、少なくとも１つのプロセッサによって使用されるデータ及びプログラム命令を記憶するためのメモリと、を具備し、少なくとも１つのプロセッサは、メモリに記憶されたプログラム命令を実行して、乗り物の移動における前方向にある乗り物の左側及び右側の車線マーカー種別をセンサの少なくとも１つから取得することと、センサの１つを用いて道路における乗り物の瞬間位置を取得することと、メモリに記憶された地図データを用いて、乗り物の前記瞬間位置における道路の車線の数を決定することと、少なくとも１つのセンサを用いて道路の複数の車線間の乗り物の車線横断を検出することと、乗り物が道路の複数の車線のうち特定の車線に存在する確率を示す車線識別子信頼性を、特定の車線における所定の移動距離と、検出された任意の車線横断と、道路の車線の数と、所定の走行距離に至るまでの車線マーカー種別の履歴と、道路における乗り物の瞬間位置での車線マーカー種別と、に基づいて生成することと、を行う。

【0011】

コンピュータにより実現される上記方法は、少なくとも１つのプロセッサからアクセスされるカメラ、ＧＰＳシステム、及び地図データを用いて、それぞれ、乗り物の道路上の瞬間位置、乗り物の左側と右側の車線マーカー種別、及び乗り物の瞬間位置における道路の車線の数を決定すること、を含む。

【0012】

複数の車線を含む道路を走行している乗り物の車線の識別子を決定するための、乗り物と関連したコンピューティングデバイス（computing device）であって、このコンピューティングデバイスは、乗り物に取り付けられ且つ複数のセンサに結合された少なくとも１つのプロセッサを含むコンピューティングデバイスと、少なくとも１つのプロセッサによって使用されるデータ及びプログラム命令を記憶するためのメモリと、を具備し、少なくとも１つのプロセッサは、メモリに記憶されたプログラム命令を実行し、且つ、乗り物に取り付けられた１又は複数のセンサを用いて、道路における乗り物のそれぞれの瞬間位置において乗り物の左側及び右側の車線マーカー種別を検出すると共に、道路における乗り物の車線変更を検出し、乗り物の瞬間位置における道路の車線の数を決定するための１つのセンサ又は地図データの使用は、１つのセンサを用いて道路の複数の車線間の乗り物の車線横断を検出し、乗り物が道路の複数の車線のうち特定の車線にある確率を示す車線識別子信頼性を、検出された任意の車線横断と、道路の車線の数と、道路に沿った乗り物の所定の走行距離に至るまでの車線マーカー種別の履歴と、道路における乗り物の前記瞬間位置での車線マーカー種別と、に基づいて生成するために、プログラム命令を実行する。

【0013】

以下の詳細説明と図面を参照することにより、本発明の方法及び装置の様々な特徴、利点、その他の用途がより明らかとなる。

【図面の簡単な説明】

【0014】

【図1】複数の車線を有する道路に沿って前方向に走行する乗り物を表す概略図である。

【図2】車線識別の方法及び装置を実現するコンピューティングデバイスのブロック図である。

【図3】本発明の方法及び装置が実行する処理の論理フローチャートである。

【図4】本発明の方法及び装置が実行する処理の論理フローチャートである。

【図5】本発明の方法及び装置が実行する処理の論理フローチャートである。

【図6】本発明の方法及び装置が実行する処理の論理フローチャートである。

【図7】本発明の方法及び装置が実行する処理の論理フローチャートである。

【図8A】本発明の方法及び装置が実行する処理の論理フローチャートである。

【図8B】本発明の方法及び装置が実行する処理の論理フローチャートである。

【図9】本発明の方法及び装置が実行する処理の論理フローチャートである。

【図10】本発明の方法及び装置が実行する処理の論理フローチャートである。

【発明を実施するための形態】

【0015】

次に、図面（具体的には図１〜１０）を参照して、複数の車線を有する道路における乗り物の現在の走行車線を識別する方法及び装置について説明する。

【0016】

図２は、道路における乗り物の車線識別子を決定する方法及び装置を実現するためのコンピューティングデバイス１００のブロック図である。コンピューティングデバイス１００は、乗り物搭載型、ハンドヘルド型、デスクトップ型、その他の形態の単一コンピューティングデバイスであってよく、或いは複数のコンピューティングデバイスで構成されていてもよい。コンピューティングデバイス内の処理装置又はプロセッサ１０２は、従来の中央処理装置（ＣＰＵ）であってよく、或いは、情報を操作又は処理できる他の種類の単一又は複数のデバイスであってもよい。コンピューティングデバイス内のメモリ１０４は、ランダムアクセスメモリデバイス（ＲＡＭ）又は他の適切な種類の記憶デバイスであってよい。メモリ１０４は、バス１０８を用いてＣＰＵ１０２からアクセスされるデータ１０６を有することができる。

【0017】

メモリ１０４は、オペレーティングシステム１１０及びインストールされた複数のアプリケーション１１２を有することもできる。インストールされたアプリケーション１１２は、プロセッサ１０２が自動運転方法を実行し後述の装置を操作することを可能にするプログラムを有することができる。また、コンピューティングデバイス１００は、例えばメモリカード、フラッシュドライブ、その他の形態のコンピュータ可読媒体等の、二次的、追加的、又は外部の記憶装置１１４を備えることもできる。インストールされたアプリケーション１１２の全部又は一部を外部の記憶装置１１４に保存して、処理で必要とされる場合にメモリ１０４に読み込むこともできる。

【0018】

コンピューティングデバイス１００を、１つ以上のセンサ１１６、１１０、１２０、１２２と連結することもできる。センサ１１６、１１８、１２０、１２２は、慣性計測装置（ＩＭＵ）、推測航法システム、全地球航法衛星システム（ＧＰＳ）、ＬＩＤＡＲ（光検知測距）システム、レーダーシステム、ソーナーシステム、画像ベースのセンサシステム、その他、乗り物が走行するルートの特徴物又は他の局所的位置データ及び／若しくは信号を捕捉でき、対応するデータ及び／若しくは信号をプロセッサ１０２に出力できる任意の種類のシステムにより、処理用のデータ及び／又は信号を捕捉することができる。

【0019】

また、センサ１１８、１２０は、乗り物のＸ軸、Ｙ軸、及びＺ軸位置、速度、加速、回転角、並びに回転角速度のそれぞれの変化を表すデータ、並びに乗り物のナビゲーションルートに近接する物体に関する類似データを捕捉することもできる。センサ１１８、１２０が推測航法システム用のデータを捕捉する場合は、ホイール回転速度、走行距離、ステアリング角、及びステアリング角変化率を捕捉できる。センサがＧＰＳ １２０用の信号を捕捉する場合は、ＧＰＳ受信機が乗り物の位置と速度の推定値をグローバル座標で算出することができる。複数の衛星を使用して、三次元三角測量及び時間評価により乗り物の位置と速度を推定することができる。

【0020】

図１は、図２に示すコンピューティングデバイス１００を搭載した乗り物２００の概略図である。コンピューティングデバイス１００は、図１に示すように乗り物２００の内部に配置されてよく、或いは、乗り物２００から離れた別の場所（図示せず）に配置されてもよい。コンピューティングデバイス１００を乗り物から離れた場所に配置する場合、コンピューティングデバイス１００と通信する能力を乗り物２００に含めてよい。

【0021】

乗り物２００は、図２を参照して説明されているセンサ１１６等の複数のセンサも備えてよい。速度、加速、ホイール回転速度、周辺環境内物体までの距離、のそれぞれの変化を捕捉してコンピューティングデバイス１００が使用できるように、センサ１２０及び１２２の１つ以上を構成してよく、これにより、複数の衛星からの信号の他、乗り物の現在の状態や乗り物の周囲環境に対する乗り物２００の位置を特定するのに使用可能なデータ及び／又は信号に基づいて、乗り物の位置と向き、推測航法システム用のステアリング角、画像センサ処理用の画像、グローバル座標の乗り物の位置を推定することができる。

【0022】

例えば、モノクロカメラ又はＬＩＤＡＲシステムが使用するデータを捕捉するようにセンサ１１８を構成した場合、センサ１１８は、信号がセンサ１１８に戻るまでの時間を計測することにより算出されたレーザー測定距離と共に、乗り物２００の周辺領域内の物理的物体から復帰するレーザーに関連するデータを捕捉できる。復帰するレーザー又は光には、センサ１１８から、又は乗り物２００に接触若しくは近接する他の源から発せられる光源（例えばレーザー光）が衝突した物体から反射する後方散乱光（backscattered light）が含まれ得る。光が物体から反射した後、センサ１１８は、物体表面の各ポイントの強度値及び反射率を捕捉して、これらのデータを用いて物体を解析し分類でき、例えば、プロセッサ１０２により、又はコンピューティングデバイス１００内に保存されているかコンピューティングデバイス１００にアクセス可能なアプリケーション１１２のいずれかにより、物体を解析し分類することができる。

【0023】

図１の乗り物２００は道路２０２に沿って前方向に移動しており、道路２０２は複数の並列車線を含み、例として３車線２０４、２０６、２０８が図示されている。道路２０２の車線は２車線や４車線以上であってもよいことが理解される。

【0024】

センサ又はカメラ１１８は、それぞれ矢印２１０、２１２、２１４で示される前方、左側、及び右側を向いた視界を有する。この配置により、カメラ１１８は、道路２０２の車線マーカー等の表面特徴物を検出することができる。道路２０２は、典型的な車線マーカーを有する幹線道路又は高速道路であってよく、典型的な車線マーカーとは、例えば、左端車線２０４の（乗り物の走行方向に対して）左端にある実線の車線マーカー２１６、左端車線２０４の右端を画定する破線の車線マーカー２１８、及び中央車線２０６の右端を画定する破線の車線マーカー２２０である。右端車線２０８は、実線の車線マーカー２２２により右端位置の境界が画定されている。センサ又はカメラ１１８は図１に示す視野を有し、カメラ１１８は、乗り物の左右真横にある車線マーカー種別の画像を取得でき、例えば図１の乗り物２００が中央車線２０６の位置にある場合に車線マーカー２１８、２２０の画像を取得できる。或いは、カメラ１１８がより広い視野を有する場合は、隣接車線の遠端にある車線マーカー種別（例えば車線マーカー２１８、２２０）も取得できる。

【0025】

カメラ１１８は、カメラ１１８の視野の範囲内で検出した車線マーカーをプロセッサ１０２に送信できるカメラであれば、モノクロカメラ、カラーカメラのどちらでもよく、プロセッサ１０２は、カメラ画像から車線マーカーの種別（例えば実線、破線）を判定する。

【0026】

カラーカメラ１１８を採用すれば、車線マーカーの典型的な色である黄色や白色もカメラ１１８からの画像で検出してプロセッサ１０２に送信できるので、車線マーカーの種別として実線か破線かを識別するのに役立つ。

【0027】

地図データ１１６は、コンピューティングデバイス１００のメモリ１０４若しくは外部の記憶装置１１４に保存されているか、又は、遠隔位置から（例えばデジタル地図データ源から無線伝送により）プロセッサ１０２に提供可能なデジタル地図情報であってよい。地図データ１１６には、道路におけるスタブ（stub）や分離部の存在とその位置の他、道路上のスタブに先行する所定位置から各スタブまでの距離が含まれていてよい。

【0028】

また、地図データ１１６には、特定の道路区間における以前の乗り物の走行に基づく乗り物の運転履歴が含まれていてもよい。このようなデータはメモリ１０４又は外部の記憶装置１１４に記憶でき、リモートのデータメモリにアップロードすることもできる。

【0029】

乗り物の速度及び走行距離センサ１２２は、幾つかの異なる形態を取ることができる。センサ１２２は、乗り物のプロセッサ装置のいずれか１つ又は速度計からの速度入力を使用して乗り物の速度を判定できる。

【0030】

プロセッサ１０２は、現在の乗り物の速度で所定期間に渡って走行した距離を計算して、乗り物の速度及び走行距離の出力をプロセッサ１０２用に生成することができる。

【0031】

或いは、センサ１２２の乗り物の速度と走行距離の出力は、乗り物２００に搭載された複数の個別センサ（乗り物の速度計、乗り物の走行距離計等）から得てもよく、又は、乗り物に搭載された中央処理装置が速度計又は走行距離計から乗り物の速度及び走行距離の出力を受信し、この中央処理装置が生成した電子データ信号であってもよい。

【0032】

図３〜１０のフローチャートは、プロセッサ１０２が実行する道路車線識別の方法及び装置の動作順序又は方法ステップを表す。

【0033】

下記の説明では、便宜上、道路２０２の車線２０４、２０６、２０８を車線ＩＤ（又は車線識別子） ０、車線ＩＤ １、車線ＩＤ ２又は車線ＩＤ ｎ−１（ｎは道路の車線総数）とも称する。道路２０２の車線総数は、ＧＰＳ受信機センサ１２０により決定される乗り物２００の瞬間位置を用いて地図データ１１６から取得する。

【0034】

本発明の方法及び装置は、乗り物２００による車線横断（検出された場合）も利用する。車線横断とは、乗り物２０２が車線マーカー２１８、２２０のいずれか一方を完全に横断し、且つ最も外側の車線マーカー２１６、２２０は横断していない状態をいう。カメラ１１８から送信され後述の方法ステップ実行のため保存されるデータから、プロセッサ１０２が車線マーカー横断事象（lane marker crossing events）を検出する。

【0035】

本発明の方法及び装置は、所定の走行距離も利用する。所定の走行距離とは、下記の工程ステップにおいて例えば１，０００メートルと表される。任意の距離を所定の走行距離として使用できる。

【0036】

本発明の方法及び装置により車線ＩＤの信頼性（confidence belief）が生成されて、乗り物２００が車線２０４、２０６、２０８のうちの特定の１つに存在する確率が出力される。この信頼性は、検出された車線横断、道路２０２の車線数、所定の走行距離までの車線マーカー種別の履歴、及び道路２０２における乗り物２００の瞬間位置の車線マーカー種別に基づいて決定される。乗り物が道路２０２の所定の走行距離を走行する間、信頼性は常に更新される。車線横断が検出されると、プロセッサ１０２は所定の走行距離を最小値にリセットするか、又は例えば１００メートルからスタートする。同様に、乗り物２００が所定距離の最大値１，０００メートル（この例の場合）に達すると、所定の走行距離値を１００メートルにリセットする。

【0037】

本発明の方法及び装置は、道路２０２の道路ジャンクション又はスタブに関連するデータも利用する。スタブとは道路２０２の分離部又は合流部であり、各スタブの後に道路２０２は複数の下位経路を有し、各下位経路は車線を１本以上含み得る。

【0038】

乗り物２００の前方走行方向にある次のスタブに差し掛かる前に、乗り物２００が道路２０２のどの車線を現在走行中であるかの信頼性を構築する一環として、地図データ１１６からスタブデータが取得されプロセッサ１０２に供給される。

【0039】

次に図３を参照すると、プロセッサ１０２は、本発明の車線識別方法の実行を開始するステップ３００において、いくつかの入力、例えば検出された左右の車線マーカー（例えば図１の車線マーカー２１８、２２０）から乗り物２００の中心線までの距離を画定する左右の車線マーカーオフセット値を入力する。他の入力事項として、左右の車線マーカーの種別、車線数（Ｎ）、道路２０２の中で乗り物が取る確率が最も高い経路、現在の乗り物の速度、及び所定の走行距離の決定に使われる最新期間（ｄｔ）がある。

【0040】

ステップ３０２において、プロセッサ１０２は地図データ１１６からスタブ情報を受信する。単なる一例を挙げると、地図データ１１６は、道路２０２における乗り物２００に対して、乗り物２００の現在位置より前方の所定最小距離（例えば５００メートル）にあるスタブの瞬間位置を特定する。

【0041】

ステップ３０４において、プロセッサ１０２は、一最新期間（最新期間とは、所定の走行距離の一部分を画定する期間）中の走行距離を計算する。ステップ３０６において、現在の乗り物の速度に期間（ｄｔ）を乗じて、最新期間中の総走行距離を生成する。

【0042】

次に、ステップ３０８において、プロセッサ１０２は、車線変更が検出されたかどうかを判断する。車線変更が検出されず、且つ所定の走行距離が（この例の場合）１，０００メートル未満であり、ステップ３１０において次のスタブ検出が空であるか存在しない場合、本方法はステップ３１６に進み、車線マーカー種別により車線ＩＤを判定する。

【0043】

これに対して、ステップ３１０において、所定の走行距離内の走行距離が１，０００メートル以上であるか、又は乗り物２００より前方の所定前方距離５００メートル以内にスタブが検出される場合、プロセッサ１０２は、ステップ３１２において、所定の走行距離を１００メートルにリセットして新規の走行期間を開始する。

【0044】

或いは、ステップ３０８で車線変更が検出された場合、ステップ３１３において、当該期間内の乗り物の総走行距離がクリアされる。次にステップ３１４において、プロセッサ１０２は、図５に示すサブルーチンを実行し、ステップ３２０において、現在の車線ＩＤが左端車線ＩＤ（すなわち「０」）に一致するかどうかを確認する。判定結果がＹｅｓの場合、ステップ３２２において、不明車線（車線Ｘ）に車線ＩＤ ０が付与され、この車線が道路２０２の上記左端車線２０４と特定される。現在の車線ＩＤが左端車線２０４に一致しない場合、ステップ３２４において、プロセッサ１０２は車線ＩＤが右端車線に一致するかどうかを確認する。判定結果がＹｅｓの場合、ステップ３２６において、本方法は不明車線を車線ＩＤ Ｎ−１として特定する。この例ではＮ＝３（３車線）であるため、乗り物２００の車線ＩＤは２となり、道路２０２の右端車線２０８と特定される。

【0045】

これに対して、ステップ３２４において、車線ＩＤが右端車線の車線ＩＤに一致しないと判定された場合、ステップ３２８において、プロセッサ１０２は現在の車線ＩＤが０以上又はＮ−１以下であるかどうかを確認する。判定結果がＮｏである場合、ステップ３３０において、プロセッサ１０２は当該車線ＩＤが不明であるという出力を割り当てる。

【0046】

これに対して、ステップ３２８の判定結果がＹｅｓである場合、ステップ３３２において、プロセッサ１０２は、車線横断事象が道路２０２内の乗り物の左側を横切る車線横断であるかどうかを確認する。ステップ３３２の判定結果がＮｏである場合、ステップ３３４で車線ＩＤが１増える。

【0047】

或いは、ステップ３３２の判定結果がＹｅｓである場合、ステップ３３６において、プロセッサ１０２は車線ＩＤを１減らし、道路２０２の車線が２０４、２０６、２０８の３車線であるこの例では、道路２０２における乗り物２００の現在の瞬間位置の車線ＩＤとして１が生成される。次に、プロセッサは図３のステップ３１６を順に実行するが、具体的には、図６に示すサブルーチンを実行して車線マーカー種別により車線ＩＤを判定する。

【0048】

図６に示すシーケンスは、車線マーカー種別により車線ＩＤを判定するものであり、ステップ３４０において、プロセッサ１０２は、道路２０２における乗り物２００の瞬間位置に対してＮ（車線数）が有効かどうか地図データ１１６を用いて判断して、乗り物２００の瞬間位置の車線数を決定する。Ｎが有効でない場合、ステップ３４２において本方法は車線ＩＤを不明として設定し、サブルーチンを終了する。

【0049】

ステップ３４０でＮを有効と判断した場合、ステップ３４４において、プロセッサ１０２はＮ＝１かどうかを判断する。判定結果がＹｅｓであれば、ステップ３４６で車線ＩＤが単一車線と判断されて、この場合もサブルーチンの実行が終了する。

【0050】

ステップ３４４でＮが１でないと判断された場合、本方法は、右車線マーカーと左車線マーカーが有効且つ真であるかどうかを判断する。ステップ３４７の判定結果がＹｅｓの場合、ステップ３４８において、プロセッサ１０２は、カメラ１１６で見た左車線マーカーが実線であり、右車線マーカーが破線であるかどうかを判断する。ステップ３４８の判定結果が真又はＹｅｓである場合、ステップ３５０において、車線ＩＤは左端車線ＩＤ（この例では０）に設定される。ステップ３４８の判定結果が偽又はＮｏである場合、ステップ３５２において、プロセッサ１０２は、左車線マーカー種別が破線且つ右車線マーカー種別が実線であるかどうかを判断する。判定結果が真又はＹｅｓである場合、ステップ３５４において、車線ＩＤは右端車線ＩＤ（車線ＩＤ＝Ｎ−１又は２）（この例の道路２０２は３本の車線２０４、２０６、２０８を有する）に設定される。

【0051】

ステップ３５２の判定結果が偽又はＮｏである場合、ステップ３５６において、プロセッサ１０２は、左車線マーカー種別が実線且つ右車線マーカー種別が実線であるかを判断する。判定結果がＹｅｓである場合、車線ＩＤは単一車線と特定されて、ステップ３４６でサブルーチンが終了する。

【0052】

これに対して、ステップ３５６の判定結果が偽又はＮｏである場合、ステップ３５８を実行して車線数が３であるかどうかを判断する。判定結果がＹｅｓである場合、ステップ３６０において、車線ＩＤは左端車線から２番目に設定される。ステップ３５８でＮが３でないと判断された場合、ステップ３６２において、プロセッサ１０２はＮ＝２かどうかを判断する。Ｙｅｓであれば、ステップ３４６において、車線ＩＤは単一車線であると特定される。これに対して、ステップ３６２の判定結果が偽又はＮｏである場合、車線ＩＤは「左端車線でなく且つ右端車線でない」車線に設定される。この状況は、道路２０２が４車線以上を有する場合に発生し得る。

【0053】

再び図６のステップ３４７を参照すると、ステップ３４７の判定結果がＮｏである場合、すなわち左車線マーカーと右車線マーカーのいずれかが真且つ有効でない場合（すなわち分離又は破線）、ステップ３７０においてプロセッサ１０２は、左車線マーカーが有効且つ真である、又は、右車線マーカーが有効且つ真であるかどうかを判断する。偽の場合、ステップ３７２において、車線ＩＤは不明とマーキングされる。ステップ３７０の判定結果がＹｅｓ又は真である場合、ステップ３７４において、プロセッサ１０２は道路の車線数が２であるかどうかを判断する。判定結果がＮｏである場合、ステップ３７２で車線ＩＤは不明と設定される。Ｙｅｓの場合、ステップ３７６において、プロセッサ１０２は右車線マーカーが有効且つ真かどうかを判断する。Ｎｏの場合、ステップ３７８で左車線マーカー種別が実線かどうかを確認する。ステップ３７８の判定結果がＮｏである場合、ステップ３８０において、車線ＩＤは右端車線ＩＤ（Ｎ−１）に設定される。これに対して、ステップ３７８の判定結果がＹｅｓ又は真である場合、ステップ３８２において、車線ＩＤは左端車線ＩＤ（すなわち０）に設定される。

【0054】

再びステップ３７６を参照すると、右端車線マーカーが有効且つ真であると判断された場合、ステップ３８４において、プロセッサ１０２は右車線マーカー種別が実線であるかを判断する。判定結果がＹｅｓである場合、ステップ３８０において、車線ＩＤは右端車線ＩＤ（Ｎ−１）に設定される。Ｎｏである場合、ステップ３８２において、車線ＩＤは左端車線ＩＤ（すなわち０）に設定される。

【0055】

再び図３を参照すると、ステップ３１６のサブルーチンが完了した後、プロセッサ１０２はステップ４００に進み、瞬間位置の車線ＩＤの信頼性を設定する。車線ＩＤの信頼性とは、車線２０４、２０６、２０８の各々の車線ＩＤで形成されるベクトルであり、乗り物２００が道路２０２の車線２０４、２０６、２０８のいずれかに存在するという信頼性により決定され、図１に示す例では、信頼性ベクトルは０，１，０と表され、これに加えて、前回の所定の走行距離再開以降、車線横断が検出されずに乗り物２００が走行した所定の走行距離内の走行距離量に基づく確率計算値を伴う。乗り物２００が所定の走行距離に沿って同一車線を走行する時間が長いほど、本発明の方法及び装置が決定する車線ＩＤ確率が高くなる。したがって、図１に示す乗り物２００が道路２０２の瞬間位置にあるとき、乗り物２００の信頼性ベクトルは、例えば確率（０．３，０．５，０．２）を有する０，１，０のように決定される。或いは、乗り物２００が所定の走行距離内で実際に走行した距離によっては、確率は（０．１，０．９，０．０）であり得る。

【0056】

図７は、プロセッサ１０２がステップ４００から実行するサブルーチンであり、ここでは車線の瞬間信頼性ベクトルを設定する。ステップ４０２で、前の車線信頼性ベクトルをクリアする。ステップ４０４で、乗り物２００の道路２０２上の瞬間位置における道路２０２の車線数を示す地図データ１１６を用いて、車線数（Ｎ）が有効であるかを確認する。Ｎが有効でない場合、制御はサブルーチンの最終ステップ４２６（後述）に移る。

【0057】

Ｎが有効である場合、この例の道路２０２の車線は２０４、２０６、２０８の３本であるため、各車線番号ｉ＝０、１、２又はＮ−１についてチェックすることにより、制御ベクトルを設定する。ステップ４１０で、現在の車線ＩＤがｉに等しい場合、車線制御ベクトルは「１」とプッシュバックされる。車線ＩＤが「１」と等しくない場合、ステップ４１２で、車線信頼性ベクトルは「０」がプッシュバックされる。全ての車線ＩＤのチェックが完了するまでループ４０６を繰り返す。

【0058】

ステップ４１４で車線ＩＤが不明と判定された場合、別の制御ループ４１６が実行され、３本の車線２０４、２０６、２０８の各車線番号に１／Ｎ、又は０．３３、０．３３、０．３３の確率が設定される。ループ４１６の実行が完了すると、制御は出力ステップ４２６（後述）に移る。

【0059】

再びステップ４１４を参照すると、ステップ４１４でＹｅｓにより車線ＩＤが不明でないと判定された場合、ステップ４２０において、車線ＩＤが左端車線でなく且つ右端車線でないかどうか判断する。判定結果がＮｏ又は偽である場合、制御は出力ステップ４２６（後述）に移る。

【0060】

ステップ４２０の出力がＹｅｓである場合、最大車線数より小さい車線番号の各々について、車線信頼性ベクトルがプッシュバックされ１．０／（Ｎ−２）に設定される。５車線道路の場合、ＬＣＶは０，０，１，０，０であり得る。

【0061】

次に、ステップ４１２、４１０又はステップ４１６、４２４で設定された車線制御ベクトルを、瞬間車線ＩＤ信頼性ベクトルとして設定する。

【0062】

図４のステップ５００で開始するメインルーチンに制御が戻る。車線数（Ｎ）が不明である場合、ステップ５０２において、前の車線ＩＤ車線信頼性がステップ５０２の出力に使われる。ステップ５００で車線数（Ｎ）が既知の場合、ステップ５０４において、プロセッサ１０２は、車線数（Ｎ）が前の車線数（Ｎ）とイコールでない又は一致しないかを確認する。ステップ５０４でＮが前のＮとイコールでない又は一致しないと判定した場合、プロセッサ１０２は、ステップ５０６において、車線数（Ｎ）が変わったため車線信頼性ベクトルを更新するが、この場合、図８Ａ、８Ｂに示すサブルーチンに進む（このサブルーチンは、道路２０２の右側と左側の一方又は両方で車線総数が減少又は増加することにより道路の車線数が変化したときに作用し始める）。

【0063】

図８Ａのステップ６０２を参照すると、プロセッサ１０２は、図８Ｂのステップ６３０において道路２０２のどちら側が車線変化したか既知又は不明である車線変化に対するルーチンを実行する。

【0064】

ステップ６０４において、道路２０２のどの側に車線が追加されたかが不明でない場合、プロセッサ１０２は、各車線ＩＤ（すなわちｉ＝０，１，２）について、ステップ６１４、６１６、６１８を含むサブルーチンループ６１２を実行する。例えば、ステップ６１４では、プロセッサ１０２は道路２０２の左側に車線が追加されたかどうかを確認する。判定結果がＹｅｓである場合、プロセッサ１０２は、ステップ６１５において、車線信頼性の前にゼロをプッシュすることにより車線信頼性の車線ＩＤ番号を変更する。例えば、乗り物が車線信頼性確率１，０，０で左端車線にあると車線信頼性が判定されていた場合、道路２０２の左側に新規車線が追加されたため、車線信頼性確率は０，１，０，０となる。

【0065】

新規車線の追加先が道路２０２の左側でない場合、プロセッサ１０２は、ステップ６１６において、道路２０２の右側に新規車線が追加されたかどうかを確認する。判定結果がＹｅｓであれば、プロセッサ１０２は、車線信頼性ベクトルの後にゼロを追加することにより、車線信頼性ベクトルをプッシュバックする。ステップ６１４と同じ例を使用すると、乗り物が１の確率で左車線（車線ＩＤ ０）を走行していると判定された場合、前の車線信頼性ベクトル１，０，０はステップ６１７の後１，０，０，０となる。

【0066】

ステップ６１６の判定結果がＮｏである場合、ステップ６１８において、プロセッサは道路の両側に新規車線が追加されたかどうかを確認する。ステップ６１８の判定結果がＹｅｓである場合、ステップ６１９において、プロセッサは車線信頼性ベクトルの前と後の両方にゼロをプッシュする。ステップ６１４と同じ例を使用すると、車線信頼性ベクトルが１，０，０であり、道路２０２の両側に新規車線が追加された場合、新規車線の信頼性ベクトルは０，１，０，０，０となる。

【0067】

全ての車線の確認が完了するまで、各車線ＩＤ番号についてループ６１２を繰り返す。

【0068】

逆に、ステップ６０４の判定結果として、道路２０２のどちら側に新規車線が追加されたかが不明である場合、プロセッサ１０２はステップ６０６に進む。ステップ６０６において、プロセッサ１０２は、車線信頼性ベクトル（ＬＣＶ：lane confidence vector）に関して２つの可能性を設定し、既存のＬＣＶをクリアする。車線総数Ｎより小さい車線数のインデックスＫを用いて、サブルーチンループ６０８を実行する。可能性１とは、道路２０２の左側に新規車線が追加されている可能性である。可能性２とは、道路２０２の右側に新規車線が追加されている可能性である。可能性１では、プロセッサ１０２はベクトルのＬＣＶ可能性部分の前にゼロを追加することによりＬＣＶをプッシュする。同様に可能性２では、可能性ベクトルの後にゼロを追加する。例えば、道路２０２の最初の車線数が３であり、乗り物が１，０，０のＬＣＶで左端車線を走行している確率がある場合、可能性１は０，１，０，０のＬＣＶを有し、可能性２は１，０，０，０のＬＣＶを有する。次に、追加された各車線数についてサブルーチンループ６１０を実行する。追加された車線数は地図データ１１６から取得する。ステップ６１１において、プロセッサ１０２は可能性１、可能性２の２つのベクトルを平均する。上記の可能性１ベクトル、可能性２ベクトルの例の場合、可能性の平均は０．５，０．５，０，０になる。

【0069】

次に、制御がステップ６０２に戻り、図８Ｂのステップ６３０に進んで、道路２０２の車線数が減少した場合（例えば３本から２本への減少）を処理する。道路２０２の左右のどちら側が減少したのか不明であるとステップ６３０で判断された場合、図８Ａに記載のルーチンと同様のルーチンを繰り返す。プロセッサ１０２は、図８Ａのルーチン６０６、６０８、６１０、６１１のステップと同じ方法でルーチン６３２、６３４、６３６、６３７を実行して、車線信頼性ベクトル確率信用度の平均を決定する。

【0070】

同様に、道路２０２のどちら側が減少したのかが不明でない場合、制御はサブルーチン６３８（図８Ａのサブルーチン６１２と同様のサブルーチン）に進む。サブルーチン６３８は、前に存在していた車線が道路のどちら側から削除されたかに応じて、車線信頼性ベクトル確率を前方又は後方にプッシュすることに基づいて、車線信頼性ベクトル確率を設定する働きをする。

【0071】

図８Ａ、８Ｂのルーチンが完了すると、制御が図４のステップ５１０に戻り、続いて図９のステップ８００に移動して、瞬間車線ＩＤ信頼性に基づいて車線ＩＤ信頼性を更新する。図９に示す通り、ステップ８００で車線ＩＤ信頼性が更新される。

【0072】

図９のルーチン８００は、瞬間車線ＩＤ信頼性に基づいて車線ＩＤ信頼性を更新する。計算は継続的に行われており、例えば乗り物の走行中の個々のサンプル時間区間（例えば０．２秒）ごとに計算される。前回のサンプルから現在のサンプルの間に経過した時間中に走行した距離（ｄｓ）と共に、総所定距離区分（例えば上記１，０００メートル）が継続的に計算される。車線ＩＤ信頼性は次式により計算される。
車線ＩＤ信頼性＝［車線ＩＤ信頼性×（距離−ｄｓ）＋瞬間車線ＩＤ信頼性ベクトル×（ｄｓ）］／距離

【0073】

下記の例では、瞬間車線ＩＤ信頼性の計算について説明する。図１に示す道路２０２の３本の車線に対して、現在のサンプル期間より前の履歴車線信頼性が０．１５，０．８，０．０５である場合、新規サンプルでは、ＬＣＶとして計算される車線ＩＤ信頼性は、例えば０，１，０となる。毎秒３０メートルの乗り物の速度を例とすると、前回のサンプルから現在のサンプルまでの経過時間（０．２秒）中に走行する距離（ｄｓ）は６メートルである。例えば、ステップ３１２で前回距離がリセットされてから現時点までの、現在の所定距離区分中に走行した総距離が５５０メートルである場合、新しい車線ＩＤ信頼性は［０．１４８４，０．８０２，０．０５］と算出される。この値が示すことは、増分距離の間、乗り物２００は中央車線を走行し続けたため、乗り物２００が中央車線を走行中であるという車線ＩＤ信頼性の値が増加したということである。一方、左端車線と右端車線の車線ＩＤ信頼性確率は、減少したか実質的に同一である。

【0074】

このようにして、各所定距離区分（例えば１，０００メートル）の間、乗り物２００が車線２０２に沿って進行すると同時に、瞬間車線ＩＤ信頼性が履歴車線ＩＤ信頼性で更新される。

【0075】

図９のステップ８００が完了すると、プロセッサ１０２は図４のステップ５１２に戻り、信頼性により車線ＩＤを判定する。今度は図１０のサブルーチンを実行する。

【0076】

最初にステップ７００において、プロセッサ１０２は、瞬間地図データと比較することにより車線数が有効であるか判断し、且つＬＣＶが空であるかを判断する。判定結果がＮｏである場合、ステップ７０２で車線ＩＤが不明と設定され、その後の処理は終了する。

【0077】

同様に、ステップ７００の判定結果がＹｅｓ又は真である場合、プロセッサ１０２は、ステップ７０４で車線数が１かどうかを判断する。判定結果がＹｅｓである場合、ステップ７０５でプロセッサ１０２は車線ＩＤを単一車線として設定し、その後の処理は終了する。

【0078】

これに対して、ステップ７０４の判定結果がＮｏである場合、プロセッサ１０２は、ステップ７０６で車線数が２に等しいかどうかを判断する。ステップ７０６で判定した車線数が２に等しい場合、プロセッサ１０２はステップ７０８を実行し、２車線道路の車線０、１の車線信頼性の差の絶対値が０．１未満であるか比較する。判定結果がＹｅｓの場合、プロセッサ１０２は、ステップ７１０で車線ＩＤを不明として設定し、その後の処理は終了する。

【0079】

これに対して、ステップ７０８の判定結果がＮｏすなわち絶対値が０．１より大きい場合、プロセッサ１０２は、ステップ７１２において車線ＩＤ ０の信頼性が０．５より大きいかを確認する。Ｎｏの場合、ステップ７１４において、プロセッサ１０２は車線ＩＤを右端車線に設定する。逆に、車線ＩＤ ０の車線信頼性が０．５より大きい場合、ステップ７１６において、プロセッサは車線ＩＤを左端車線に設定する。

【0080】

再びステップ７０６を参照すると、ステップ７０６で車線数が２より大きいと判定された場合、プロセッサ１０２は、ステップ７２０で車線信頼性ベクトル値を降順に並べ替える（例えば３車線道路の場合０．７，０．２，０．１のようにする）。

【0081】

ステップ７２２において、プロセッサ１０２は、並べ替え後のＬＣＶ信頼性確率の差の絶対値が０．１未満かを判別する。絶対値が０．１未満の場合、ステップ７２８で、複数車線道路の中央車線について確認する。高い方のＬＣＶ確率値が左端車線ＩＤでも右端車線ＩＤでもないと判断された場合、ステップ７３０において、車線ＩＤは左端でも右端でもない車線に設定される。これに対して、高い方の２つのＬＣＶ確率値が左端車線又は右端車線である場合、プロセッサ１０２は、ステップ７３２で車線ＩＤを不明として設定する。

【0082】

再びステップ７２２を参照すると、並べ替え後のＬＣＶ信頼性確率の差の絶対値が０．１未満でない場合、すなわち確率値の少なくとも１つが０．１より大きい場合、ステップ７２４において、プロセッサ１０２は、並べ替え後のＬＣＶ信頼性最高値が０．４より大きいかどうかを確認する。判定結果がＹｅｓである場合、車線ＩＤは、並べ替え後のＬＣＶ最高値の車線に設定される。Ｎｏの場合、ステップ７３２で車線ＩＤは不明として設定される。

【0083】

次に制御がステップ５１４に戻り、ステップ７２６で設定された車線ＩＤが左端車線ＩＤ又は右端車線ＩＤに一致するかどうかを判断する。判定結果がＹｅｓの場合、プロセッサ１０２は、ステップ５１６において、図１０のサブルーチンから得た車線ＩＤにより車線ＩＤを判定し、ステップ５１８において、車線ＩＤ信頼性を出力する。ステップ５１４において車線ＩＤが左端車線と右端車線に一致しない場合、プロセッサ１０２はステップ５１８に進み、車線ＩＤ及び車線信頼性を出力する。
本開示には以下が含まれる。
［構成１］
乗り物が走行している、複数の車線を含む道路における車線識別子を決定する方法であって、
前記乗り物に取り付けられ且つ複数のセンサに結合された少なくとも１つのプロセッサを含むコンピュータデバイスと、
前記少なくとも１つのプロセッサによって使用されるデータ及びプログラム命令を記憶するためのメモリと、を具備し、前記少なくとも１つのプロセッサは、前記メモリに記憶されたプログラム命令を実行して、
前記乗り物の移動における前方向にある前記乗り物の左側及び右側の車線マーカー種別を前記センサの１つから取得することと、
前記センサの１つを用いて前記道路における前記乗り物の瞬間位置を取得することと、
前記メモリに記憶された地図データを用いて、前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定することと、
少なくとも１つの前記センサを用いて前記道路の複数の前記車線間の前記乗り物の車線横断を検出することと、
前記乗り物が前記道路の複数の前記車線のうち特定の車線に存在する確率を示す車線識別子信頼性を、検出された任意の車線横断と、前記道路の前記車線の数と、所定の走行距離に至るまでの車線マーカー種別の履歴と、前記道路における前記乗り物の前記瞬間位置での前記車線マーカー種別と、に基づいて生成することと、を行う、方法。
［構成２］
少なくとも１つの車線の車線マーカー種別と車線横断とを取得するために、１つの前記センサを前記乗り物に取り付けられたカメラとして設けることを更に含む、
構成１に記載の方法。
［構成３］
少なくとも一部が前記乗り物により運ばれる全地球測位衛星システムによって、前記乗り物の前記瞬間位置を決定する、
構成１に記載の方法。
［構成４］
前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定する工程は、前記少なくとも１つのプロセッサによってアクセスされる前記メモリのデータを使用する、
構成１に記載の方法。
［構成５］
前記乗り物の前記車線横断の検出が、前記乗り物に取り付けられたカメラによって取得される、
構成１に記載の方法。
［構成６］
前記車線識別子信頼性が、任意の車線横断の検出に基づいて更新される、
構成１に記載の方法。
［構成７］
前記少なくとも１つのプロセッサが、前記道路において前記乗り物が現在走行している前記車線識別子と、前記乗り物が前記車線識別子に対応する特定の車線に存在する確率と、を出力する、
構成１に記載の方法。
［構成８］
前記車線信頼性が、前記道路のそれぞれの車線識別子と、前記乗り物が前記道路の複数の前記車線のそれぞれに存在する確率値と、で形成されたベクトルである、構成１に記載の方法。
［構成９］
前記車線識別子信頼性を、
ＬＣＶ＝［ＬＣＶ（距離−ｄｓ）＋瞬間ＬＣＶ×ｄｓ］／距離
ここで、ＬＣＶは、履歴車線識別子信頼性であり、距離は、前回の所定距離区分がリセットされてから前記乗り物が走行した距離であり、ｄｓは、現在のサンプルの間に前記乗り物が走行した距離であり、瞬間ＬＣＶは、前記現在のサンプル時間の間に前記道路における前記乗り物の前記瞬間位置で計算された瞬間車線識別子信頼性ベクトル確率である、として計算することを更に含む、
構成８に記載の方法。
［構成１０］
前記車線識別子信頼性は、前回の所定距離区分がリセットされてから前記所定の距離時間区分の間のそれぞれの時間サンプルの間に変化する、
構成８に記載の方法。
［構成１１］
前記道路における前記車線の数の各変化が生じる度に前記車線識別子信頼性を再計算することを更に含む、
構成１に記載の方法。
［構成１２］
車線が前記道路に追加された又は前記道路から取り除かれたかどうかによって、且つ、前記道路のどちら側に前記車線が追加された又は取り除かれたかによって、前記車線識別子信頼性を再計算することを更に含む、
構成１１に記載の方法。
［構成１３］
それぞれの車線横断を検出したときに前記車線信頼性を再計算することを更に含む、
構成１に記載の方法。
［構成１４］
それぞれの車線横断を検出する度に、前回の所定距離区分がリセットされてから前記乗り物が走行した距離をリセットすることを更に含む、
構成１３に記載の方法。
［構成１５］
複数の車線を含む道路のどの車線を乗り物が現在走行しているのかを決定するための、コンピュータにより実施される方法であって、
前記乗り物に取り付けられ且つ複数のセンサに結合された少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサによって使用されるデータ及びプログラム命令を記憶するためのメモリと、を具備し、前記少なくとも１つのプロセッサは、前記メモリに記憶されたプログラム命令を実行して、
前記乗り物の移動における前方向にある前記乗り物の左側及び右側の車線マーカー種別を前記センサの１つから取得することと、
前記センサの１つを用いて前記道路における前記乗り物の瞬間位置を取得することと、
前記メモリに記憶された地図データを用いて、前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定することと、
少なくとも１つの前記センサを用いて前記道路の複数の前記車線間の前記乗り物の車線横断を検出することと、
前記乗り物が前記道路の複数の前記車線のうち特定の車線に存在する確率を示す車線識別子信頼性を、特定の車線における所定の移動距離と、検出された任意の車線横断と、前記道路の前記車線の数と、所定の走行距離に至るまでの車線マーカー種別の履歴と、前記道路における前記乗り物の前記瞬間位置での前記車線マーカー種別と、に基づいて生成することと、を行う方法。
［構成１６］
前記少なくとも１つのプロセッサによってアクセスされるカメラ、ＧＰＳシステム、地図データを用いて、道路における前記乗り物の前記瞬間位置と、前記乗り物の右側及び左側の前記車線マーカー種別と、前記乗り物の前記瞬間位置における前記道路の前記車線の数と、をそれぞれ決定すること、を更に含む、
構成１５に記載の方法。
［構成１７］
前記車線識別子信頼性を用いて乗り物が現在走行している道路の車線を識別することを更に含む、
構成１５に記載の方法。
［構成１８］
複数の車線を含む道路を走行している乗り物の車線識別子を決定するための、乗り物と関連したコンピューティング装置であって、
前記乗り物に取り付けられ且つ複数のセンサに結合された少なくとも１つのプロセッサを含むコンピューティングデバイスと、
前記少なくとも１つのプロセッサによって使用されるデータ及びプログラム命令を記憶するためのメモリと、を具備し、前記少なくとも１つのプロセッサは、前記メモリに記憶されたプログラム命令を実行し、且つ、前記乗り物に取り付けられた１又は複数のセンサによって、前記道路における前記乗り物のそれぞれの瞬間位置において前記乗り物の左側及び右側の車線マーカー種別を検出すると共に、前記道路における前記乗り物の車線横断を検出し、前記コンピューティングデバイスは、
前記乗り物の移動における前方向にある、前記乗り物の左側及び右側の車線マーカー種別を少なくとも１つの前記センサから取得し、
前記センサの１つ及び地図データを用いて前記道路における前記乗り物の瞬間位置を取得し、
前記メモリに記憶された又は前記メモリにアクセス可能な地図データを用いて、前記乗り物の前記瞬間位置における前記道路の前記車線の数を決定し、
前記センサの１つを用いて前記道路の複数の前記車線間の前記乗り物の車線横断を検出し、
前記乗り物が前記道路の複数の前記車線のうち特定の車線にある確率を示す車線識別子信頼性を、検出された任意の車線横断と、前記道路の前記車線の数と、前記道路に沿った前記乗り物の所定の走行距離に至るまでの車線マーカー種別の履歴と、前記道路における前記乗り物の前記瞬間位置での前記車線マーカー種別と、に基づいて生成するために、前記プログラム命令を実行する、コンピューティング装置。
［構成１９］
前記センサは、少なくとも１つのＧＰＳ受信機、カメラ及び乗り物の速度入力を含む、
構成１８に記載のコンピューティング装置。

【符号の説明】

【0084】

１００ コンピューティング装置
１１８ カメラ
２００ 乗り物
２０２ 道路
２０４、２０６、２０８ 車線
２１８、２２０ 車線マーカー

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8A】

【図8B】

【図9】

【図10】