知財求人 - 知財ポータルサイト「IP Force」
(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】6740470
(24)【登録日】2020年7月28日
(45)【発行日】2020年8月12日
(54)【発明の名称】測定装置、測定方法およびプログラム
(51)【国際特許分類】
G01C 21/28 20060101AFI20200730BHJP
G08G 1/16 20060101ALI20200730BHJP
G01S 17/93 20200101ALI20200730BHJP
【ＦＩ】
G01C21/28
G08G1/16 C
G01S17/93
【請求項の数】10
【全頁数】13
(21)【出願番号】特願2019-518870(P2019-518870)
(86)(22)【出願日】2018年5月17日
(86)【国際出願番号】JP2018019146
(87)【国際公開番号】WO2018212287
(87)【国際公開日】20181122
【審査請求日】2019年11月15日
(31)【優先権主張番号】特願2017-100183(P2017-100183)
(32)【優先日】2017年5月19日
(33)【優先権主張国】JP
(73)【特許権者】
【識別番号】000005016
【氏名又は名称】パイオニア株式会社
(74)【代理人】
【識別番号】100107331
【弁理士】
【氏名又は名称】中村 聡延
(72)【発明者】
【氏名】藤谷 多史
(72)【発明者】
【氏名】岩井 智昭
(72)【発明者】
【氏名】加藤 正浩
【審査官】
白石 剛史
(56)【参考文献】
【文献】
特開２０１７−３７４７２（ＪＰ，Ａ）
【文献】
特開２０１７−４１７６（ＪＰ，Ａ）
(58)【調査した分野】（Int.Cl.，ＤＢ名）
Ｇ０１Ｃ ２１／２８
Ｇ０１Ｓ １７／９３
Ｇ０８Ｇ １／１６
(57)【特許請求の範囲】
【請求項1】
記憶部に記憶された測定対象の位置情報を取得する第１取得部と、
外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得部と、
所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力部と、
を備えることを特徴とする測定装置。
外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得部と、
所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力部と、
を備えることを特徴とする測定装置。
【請求項2】
前記出力部は、前記所定範囲内に存在する点の数又は点の集合の数が多いほど、前記信頼度を高くすることを特徴とする請求項１に記載の測定装置。
【請求項3】
前記測定対象は道路にペイントされていることを特徴とする請求項１又は２に記載の測定装置。
【請求項4】
前記測定対象は路面線であり、
前記出力部は、前記路面線の幅情報に基づいて理想的な路面線における点の数である理想点数を算出し、前記所定範囲に存在する点の数と前記理想点数との比に基づいて前記信頼度を決定することを特徴とする請求項３に記載の測定装置。
前記出力部は、前記路面線の幅情報に基づいて理想的な路面線における点の数である理想点数を算出し、前記所定範囲に存在する点の数と前記理想点数との比に基づいて前記信頼度を決定することを特徴とする請求項３に記載の測定装置。
【請求項5】
前記出力部は、前記理想点数に対する前記所定範囲に存在する点の数の比が大きいほど前記信頼度を高くすることを特徴とする請求項４に記載の測定装置。
【請求項6】
前記測定対象の位置情報と前記測定装置の位置とに基づいて前記測定対象の予測位置を算出し、当該予測位置に基づいて前記所定範囲を決定する範囲決定部を備えることを特徴とする請求項１乃至５のいずれか一項に記載の測定装置。
【請求項7】
前記出力部は、前記測定対象の所定位置を示す位置情報を出力することを特徴とする請求項１乃至６のいずれか一項に記載の測定装置。
【請求項8】
測定装置により実行される測定方法であって、
記憶部に記憶された測定対象の位置情報を取得する第１取得工程と、
外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得工程と、
所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力工程と、
を備えることを特徴とする測定方法。
記憶部に記憶された測定対象の位置情報を取得する第１取得工程と、
外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得工程と、
所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力工程と、
を備えることを特徴とする測定方法。
【請求項9】
コンピュータを備える測定装置により実行されるプログラムであって、
記憶部に記憶された測定対象の位置情報を取得する第１取得部、
外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得部、
所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力部、
として前記コンピュータを機能させることを特徴とするプログラム。
記憶部に記憶された測定対象の位置情報を取得する第１取得部、
外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得部、
所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力部、
として前記コンピュータを機能させることを特徴とするプログラム。
【請求項10】
請求項９に記載のプログラムを記憶した記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、地物の位置に基づいて移動体の位置を推定する技術に関する。【背景技術】
【0002】
自動運転車両では、ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）などのセンサで計測した地物位置と、自動運転用の地図情報の地物位置をマッチングして高精度に自車位置を推定する必要がある。ここで利用する地物としては、白線、標識、看板などが挙げられる。特許文献１は、ＬｉＤＡＲを用いて検出した地物位置と、地図情報の地物位置とを用いて自車位置を推定する手法の一例を記載している。また、特許文献２は、道路面に電磁波を送信し、その反射率に基づいて白線を検出する技術を開示している。【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１７−７２４２２号公報
【特許文献2】特開２０１５−２２２２２３号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
白線を用いて自車位置を推定する場合、白線の種類（連続線、破線など）や塗装の劣化などによって、ＬｉＤＡＲにより計測できるデータ数に差が生じる。このため、白線を用いて自車位置推定を行う際、白線の検出に使用するＬｉＤＡＲのデータ数が少ない場合と多い場合とでは白線の検出精度が変わり、その結果自車位置推定の精度が変わってくる。【0005】
本発明が解決しようとする課題としては、上記のものが例として挙げられる。本発明は、地物として抽出した白線の信頼度を利用することにより、自車位置推定の精度の低下を防止することを目的とする。【課題を解決するための手段】
【0006】
請求項１に記載の発明は、測定装置であって、記憶部に記憶された測定対象の位置情報を取得する第１取得部と、外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得部と、所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力部と、を備えることを特徴とする。【0007】
請求項８に記載の発明は、測定装置により実行される測定方法であって、記憶部に記憶された測定対象の位置情報を取得する第１取得工程と、外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得工程と、所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力工程と、を備えることを特徴とする。【0008】
請求項９に記載の発明は、コンピュータを備える測定装置により実行されるプログラムであって、記憶部に記憶された測定対象の位置情報を取得する第１取得部、外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得部、所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力部、として前記コンピュータを機能させることを特徴とする。【図面の簡単な説明】
【0009】
【図1】白線抽出方法を説明する図である。
【図2】白線予測範囲の決定方法を説明する図である。
【図3】白線中心位置の算出方法を説明する図である。
【図4】白線スキャンデータの抽出方法を説明する図である。
【図5】測定装置の構成を示すブロック図である。
【図6】白線を利用した自車位置推定処理のフローチャートである。
【発明を実施するための形態】
【0010】
本発明の１つの好適な実施形態では、測定装置は、記憶部に記憶された測定対象の位置情報を取得する第１取得部と、外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得部と、所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力部と、を備える。【0011】
上記の測定装置は、記憶部に記憶された測定対象の位置情報を取得するとともに、外界センサにより得た周囲の地物を示す点の点群情報を取得する。そして、所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報を求め、その信頼度を出力する。これにより、信頼度を考慮して位置情報の利用方法を変えることができ、信頼度の低い位置情報を用いて精度が低下することを防止できる。好適な例では、前記測定対象は道路にペイントされている白線、黄色線などの区画線や、停止線や横断歩道などの線状の道路標示などとすることができる。【0012】
上記の測定装置の一態様では、前記出力部は、前記所定範囲内に存在する点の数又は点の集合の数が多いほど、前記信頼度を高くする。この態様では、所定範囲内に存在する点の数に基づいて信頼度を設定することができる。【0013】
上記の測定装置の他の一態様では、前記測定対象は路面線であり、前記出力部は、前記路面線の幅情報に基づいて理想的な路面線における点の数である理想点数を算出し、前記所定範囲に存在する点の数と前記理想点数との比に基づいて前記信頼度を決定する。この態様では、所定範囲内で実際に計測された点の数と、理想点数とに基づいて、信頼度が設定される。この場合の好適な例では、前記出力部は、前記理想点数に対する前記所定範囲に存在する点の数の比が大きいほど前記信頼度を高くする。なお、本明細書においての「路面線」とは、測定対象である白線や黄色線などの区画線、および停止線や横断歩道などの線状の道路標示等である。【0014】
上記の測定装置の他の一態様では、前記測定対象の位置情報と前記測定装置の位置とに基づいて前記測定対象の予測位置を算出し、当該予測位置に基づいて前記所定範囲を決定する範囲決定部を備える。この態様では、測定対象の予測位置に基づいて、所定範囲が決定される。【0015】
上記の測定装置の他の一態様では、前記出力部は、前記測定対象の所定位置を示す位置情報を出力する。この態様では、測定対象の位置情報と、その信頼度とが出力される。【0016】
本発明の他の好適な実施形態では、測定装置により実行される測定方法は、記憶部に記憶された測定対象の位置情報を取得する第１取得工程と、外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得工程と、所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力工程と、を備える。これにより、信頼度を考慮して位置情報の利用方法を変えることができ、信頼度の低い位置情報を用いて精度が低下することを防止できる。【0017】
本発明の他の好適な実施形態では、コンピュータを備える測定装置により実行されるプログラムは、記憶部に記憶された測定対象の位置情報を取得する第１取得部、外界センサにより得た周囲の地物を示す点の点群情報を取得する第２取得部、所定範囲に存在する点群情報に基づいて、前記所定範囲内に存在する前記測定対象の所定位置を示す位置情報の信頼度を出力する出力部、として前記コンピュータを機能させる。このプログラムをコンピュータで実行することにより、上記の測定装置を実現することができる。このプログラムは、記憶媒体に記憶して取り扱うことができる。【実施例】
【0018】
以下、図面を参照して本発明の好適な実施例について説明する。［白線抽出方法］
図１は、白線抽出方法を説明する図である。白線抽出とは、道路面にペイントされた白線を検出し、その所定位置、例えば中心位置を算出することをいう。
【0019】
（白線予測位置の算出）図示のように、地図座標系（Ｘｍ，Ｙｍ）に車両５が存在し、車両５の位置を基準として車両座標系（Ｘｖ，Ｙｖ）が規定される。具体的に、車両５の進行方向を車両座標系のＸｖ軸とし、それに垂直な方向を車両座標系のＹｖ軸とする。
【0020】
車両５の左右の側方には車線境界線である白線が存在する。白線の地図座標系における位置、即ち、白線地図位置は、サーバなどにより管理される高度化地図に含まれており、サーバなどから取得される。本実施例では、白線のデータは座標点列として高度化地図内に記憶されているものとする。また、車両５に搭載されたＬｉＤＡＲはスキャンライン２に沿ってスキャンデータを計測する。なお、スキャンライン２は、ＬｉＤＡＲによるスキャンの軌跡を示す。【0021】
図１では、車両５の左側の白線ＷＬ１を構成する点の座標、即ち白線地図位置ＷＬＭＰ１は（ｍｘｍ１，ｍｙｍ１）であり、車両５の右側の白線ＷＬ２を構成する点の座標、即ち白線地図位置ＷＬＭＰ２は（ｍｘｍ２，ｍｙｍ２）であるとする。また、地図座標系における予測自車位置ＰＶＰは（ｘ’ｍ，ｙ’ｍ）で与えられ、地図座標系における予測自車方位角はΨ’ｍで与えられる。【0022】
ここで、白線の予測位置を示す白線予測位置ＷＬＰＰ（ｌ’ｘｖ，ｌ’ｙｖ）は、白線地図位置ＷＬＭＰ（ｍｘｍ，ｍｙｍ）と、予測自車位置ＰＶＰ（ｘ’ｍ，ｙ’ｍ）と、予測自車方位角Ψ’ｍとを用いて、以下の式（１）により与えられる。【0023】
【数1】
【0024】
（白線予測範囲の決定）次に、白線予測位置ＷＬＰＰに基づいて、白線予測範囲ＷＬＰＲが決定される。白線予測範囲ＷＬＰＲは、予測自車位置ＰＶＰを基準として、白線が存在すると考えられる範囲を示す。白線予測範囲ＷＬＰＲは、最大で車両５の右前方、右後方、左前方及び左後方の４か所に設定される。
【0025】
図２は、白線予測範囲ＷＬＰＲの決定方法を示す。図２（Ａ）において、車両５の前方の任意の位置（距離αｖ前方の位置）に前方基準点（αｖ，０ｖ）を設定する。そして、前方基準点（αｖ，０ｖ）と、白線予測位置ＷＬＰＰとに基づいて、前方基準点（αｖ，０ｖ）から最も近い白線予測位置ＷＬＰＰを探索する。具体的には、白線ＷＬ１については、前方基準点（αｖ，０ｖ）と、白線ＷＬ１を構成する複数の白線予測位置ＷＬＰＰ１（ｌ’ｘｖ１，ｌ’ｙｖ１）とに基づいて、以下の式（２）により距離Ｄ１を算出し、距離Ｄ１が最小値となる白線予測位置ＷＬＰＰ１を予測範囲基準点Ｐｒｅｆ１とする。【0026】
【数2】
【0027】
同様に、白線ＷＬ２については、前方基準点（αｖ，０ｖ）と、白線ＷＬ２を構成する複数の白線予測位置ＷＬＰＰ２（ｌ’ｘｖ２，ｌ’ｙｖ２）とに基づいて、以下の式（３）により距離Ｄ２を算出し、距離Ｄ２が最小値となる白線予測位置ＷＬＰＰ２を予測範囲基準点Ｐｒｅｆ２とする。【0028】
【数3】
【0029】
そして、図２（Ｂ）に示すように、予測範囲基準点Ｐｒｅｆを基準とした任意の範囲、例えば予測範囲基準点ＰｒｅｆからＸｖ軸方向に±ΔＸ、Ｙｖ軸方向に±ΔＹの範囲を白線予測範囲ＷＬＰＲと設定する。こうして、図１に示すように、車両５の前方の左右位置に白線予測範囲ＷＬＰＲ１とＷＬＰＲ２が設定される。同様に、車両５の後方に後方基準点を設定して予測範囲基準点Ｐｒｅｆを設定することにより、車両５の後方の左右位置に白線予測範囲ＷＬＰＲ３とＷＬＰＲ４が設定される。こうして、車両５に対して４つの白線予測範囲ＷＬＰＲ１〜４が設定される。【0030】
（白線中心位置の算出）次に、白線予測位置ＷＬＰＰを用いて白線中心位置ＷＬＣＰを算出する。図３は白線中心位置ＷＬＣＰの算出方法を示す。図３（Ａ）は、白線ＷＬ１が実線である場合を示す。白線中心位置ＷＬＣＰ１は、白線を構成するスキャンデータの位置座標の平均値により算出される。いま、図３（Ａ）に示すように、白線予測範囲ＷＬＰＲ１が設定されると、ＬｉＤＡＲから出力されるスキャンデータのうち、白線予測範囲ＷＬＰＲ１内に存在する白線スキャンデータＷＬＳＤ１（ｗｘ’ｖ，ｗｙ’ｖ）が抽出される。白線上は通常の道路上と比較して反射率が高いので、白線上で得られたスキャンデータは、反射強度の高いデータとなる。ＬｉＤＡＲから出力されたスキャンデータのうち、白線予測範囲ＷＬＰＲ１内に存在し、路面上、かつ、反射強度が所定以上値であるスキャンデータが白線スキャンデータＷＬＳＤとして抽出される。そして、抽出された白線スキャンデータＷＬＳＤの数を「ｎ」とすると、以下の式（４）により、白線中心位置ＷＬＣＰ１（ｓｘｖ１，ｓｙｖ１）の座標が得られる。
【0031】
【数4】
【0032】
（信頼度の算出）上記のように、白線ＷＬが実線である場合でも破線である場合でも、白線中心位置ＷＬＣＰは同じ方法で算出される。しかし、白線ＷＬが破線である場合、白線ＷＬと白線予測範囲ＷＬＰＲとの位置関係によっては、白線予測範囲ＷＬＰＲ内に存在する白線スキャンデータＷＬＳＤの数が少なくなってしまう。図４は、白線ＷＬが実線である場合と破線である場合の、白線ＷＬと白線予測範囲ＷＬＰＲとの位置関係の例を示す。図示のように、白線ＷＬが実線である場合には、基本的にどのタイミングにおいても白線予測範囲ＷＬＰＲ内ではＸｖ方向の全体にわたって白線が含まれているので、得られる白線スキャンデータＷＬＳＤの数は多い。これに対して、白線ＷＬが破線である場合、白線予測範囲ＷＬＰＲが白線ＷＬの途切れた部分に位置するときには、白線予測範囲ＷＬＰＲ内で得られる白線スキャンデータＷＬＳＤの数は少なくなってしまう。そして、白線中心位置ＷＬＣＰの算出に使用する白線スキャンデータＷＬＳＤの数が少なくなると、算出される白線中心位置ＷＬＣＰの精度が低下してしまう。
【0033】
また、白線ＷＬが実線である場合でも、路面上の白線のペイントが劣化したり、摩耗により薄くなったりしていると、ＬｉＤＡＲにより反射強度の高いスキャンデータが得られなくなる。この場合にも、白線予測範囲ＷＬＰＲ内の白線スキャンデータＷＬＳＤの数が減少し、白線中心位置ＷＬＣＰの精度が低下してしまう。【0034】
そこで、本実施例では、白線スキャンデータＷＬＳＤの数が多い場合も少ない場合も同じ方法で白線中心位置ＷＬＣＰを算出するが、それに加えて、白線スキャンデータＷＬＳＤの数に基づいて白線中心位置ＷＬＣＰの算出精度を示す信頼度Ｒを算出する。基本的に、白線予測範囲ＷＬＰＲ内にある白線スキャンデータＷＬＳＤの数が多いほど信頼度Ｒは高く、白線スキャンデータＷＬＳＤの数が少ないほど信頼度Ｒは低くなる。また、白線スキャンデータの数の代わりに、ＬｉＤＡＲによるスキャンライン又はレイヤの数に基づいて信頼度Ｒを算出しても良い。この場合、スキャンライン又はレイヤの数が多いほど信頼度Ｒは高く、少ないほど信頼度Ｒは低くなる。なお、スキャンデータは本発明の「地物を示す点」又は「点群」に相当し、スキャンライン又はレイヤは「点の集合」に相当する。【0035】
１つの好適な例では、信頼度Ｒを以下の式により算出する。【0036】
【数5】
Ｓ＝２ΔＸ・Ｗ
で与えられる。次に、ＬｉＤＡＲによるスキャン密度に基づいて、面積Ｓの領域で得られるスキャンデータ数を算出し、これを理想的な白線スキャンデータ数Ｎとする。
【0037】
即ち、理想的な白線スキャンデータ数Ｎは、白線予測範囲ＷＬＰＲのＸｖ軸方向全体にわたって白線が存在し、かつ、その白線の全体において反射強度の高いスキャンデータが得られる場合の白線スキャンデータ数となる。そして、式（５）に示すように、実際に白線予測範囲ＷＬＰＲ内で得られたス白線スキャンデータ数ｎと、理想的な白線スキャンデータ数Ｎとの比により、信頼度Ｒが与えられる。【0038】
他の例では、信頼度Ｒを以下の式により算出する。【0039】
【数6】
【0040】
理想的な白線スキャンライン数Ｍは、白線予測範囲ＷＬＰＲのＸｖ軸方向全体にわたって白線が存在し、かつ、その白線の全体において反射強度の高いスキャンデータが得られる場合の白線スキャンライン数となる。そして、式（６）に示すように、実際に白線予測範囲ＷＬＰＲ内で得られたス白線スキャンライン数ｍと、理想的な白線スキャンライン数Ｍとの比により、信頼度Ｒが与えられる。【0041】
こうして得られた信頼度Ｒは、白線中心位置ＷＬＣＰの計算結果と対応付けて出力され、自車位置推定に利用される。例えば、自車位置推定においては、白線中心位置ＷＬＣＰに基づいて自車位置を推定する際に、信頼度Ｒに基づいて重み付けを行う。これにより、信頼度の低い白線中心位置ＷＬＣＰは、自車位置推定に使用されないか、低い重み付けで使用されるようになる。こうして、信頼度の低い白線中心位置ＷＬＣＰに基づいて精度の低い自車位置推定が行われることが防止される。【0042】
［装置構成］図５は、本発明の測定装置を適用した自車位置推定装置の概略構成を示す。自車位置推定装置１０は、車両に搭載され、無線通信によりクラウドサーバなどのサーバ７と通信可能に構成されている。サーバ７はデータベース８に接続されており、データベース８は高度化地図を記憶している。データベース８に記憶された高度化地図は、ランドマーク毎にランドマーク地図情報を記憶している。また、白線については、白線を構成する点列の座標を示す白線地図位置ＷＬＭＰと、白線の幅情報とを記憶している。自車位置推定装置１０は、サーバ７と通信し、車両の自車位置周辺の白線に関する白線地図情報をダウンロードする。
【0043】
自車位置推定装置１０は、内界センサ１１と、外界センサ１２と、自車位置予測部１３と、通信部１４と、白線地図情報取得部１５と、白線位置予測部１６と、スキャンデータ抽出部１７と、白線中心位置・信頼度算出部１８と、自車位置推定部１９とを備える。なお、自車位置予測部１３、白線地図情報取得部１５、白線位置予測部１６、スキャンデータ抽出部１７、白線中心位置・信頼度算出部１８及び自車位置推定部１９は、実際には、ＣＰＵなどのコンピュータが予め用意されたプログラムを実行することにより実現される。【0044】
内界センサ１１は、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）／ＩＭＵ（Ｉｎｅｒｔｉａ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ）複合航法システムとして車両の自車位置を測位するものであり、衛星測位センサ（ＧＰＳ）、ジャイロセンサ、車速センサなどを含む。自車位置予測部１３は、内界センサ１１の出力に基づいて、ＧＮＳＳ／ＩＭＵ複合航法により車両の自車位置を予測し、予測自車位置ＰＶＰを白線位置予測部１６に供給する。【0045】
外界センサ１２は、車両の周辺の物体を検出するセンサであり、ステレオカメラ、ＬｉＤＡＲなどを含む。外界センサ１２は、計測により得られたスキャンデータＳＤをスキャンデータ抽出部１７へ供給する。【0046】
通信部１４は、サーバ７と無線通信するための通信ユニットである。白線地図情報取得部１５は、車両の周辺に存在する白線に関する白線地図情報を通信部１４を介してサーバ７から受信し、白線地図情報に含まれる白線地図位置ＷＬＭＰを白線位置予測部１６へ供給する。【0047】
白線位置予測部１６は、白線地図位置ＷＬＭＰと自車位置予測部１３から取得した予測自車位置ＰＶＰとに基づいて、前述の式（１）により白線予測位置ＷＬＰＰを算出する。また、白線位置予測部１６は、白線予測位置ＷＬＰＰに基づいて、前述の式（２）、（３）により白線予測範囲ＷＬＰＲを決定し、スキャンデータ抽出部１７へ供給する。さらに、白線位置予測部１６は、白線地図情報に含まれる白線の幅Ｗを白線中心位置・信頼度算出部１８へ供給する。【0048】
スキャンデータ抽出部１７は、白線位置予測部１６から供給された白線予測範囲ＷＬＰＲと、外界センサ１２から取得したスキャンデータＳＤとに基づいて白線スキャンデータＷＬＳＤを抽出する。具体的には、スキャンデータ抽出部１７は、スキャンデータＳＤのうち、白線予測範囲ＷＬＰＲに含まれ、路面上、かつ、反射強度が所定値以上であるスキャンデータを、白線スキャンデータＷＬＳＤとして抽出し、白線中心位置・信頼度算出部１８へ供給する。【0049】
白線中心位置・信頼度算出部１８は、図３を参照して説明したように、式（４）により白線スキャンデータＷＬＳＤから白線中心位置ＷＬＣＰを算出する。加えて、白線中心位置・信頼度算出部１８は、式（５）により、白線スキャンデータ数ｎ及び理想的な白線スキャンデータ数Ｎに基づいて信頼度Ｒを算出する。そして、白線中心位置・信頼度算出部１８は、算出された白線中心位置ＷＬＣＰ及び信頼度Ｒを自車位置推定部１９へ供給する。【0050】
自車位置推定部１９は、高度化地図における白線地図位置ＷＬＭＰと、外界センサ１２による白線の計測データである白線中心位置ＷＬＣＰとに基づいて、車両の自車位置と自車方位角を推定する。この際、自車位置推定部１９は、白線中心位置ＷＬＣＰを信頼度Ｒにより重み付けして自車位置及び自車方位角の推定に適用する。これにより、信頼度Ｒの高い白線中心位置ＷＬＣＰは大きな割合で自車位置及び自車方位角の推定に適用され、信頼度Ｒの低い白線中心位置ＷＬＣＰは自車位置及び自車方位角の推定に反映されにくくなるので、自車位置及び自車方位角の推定精度の低下を防止することができる。なお、高度化地図のランドマーク位置情報と外界センサによるランドマークの計測位置情報をマッチングすることにより自車位置を推定する方法の一例が特開２０１７−７２４２２に記載されている。【0051】
上記の構成において、白線地図情報取得部１５は本発明の第１取得部の一例であり、スキャンデータ抽出部１７は本発明の第２取得部の一例であり、白線中心位置・信頼度算出部１８は本発明の出力部の一例であり、白線位置予測部１６は本発明の範囲決定部の一例である。【0052】
［自車位置推定処理］次に、自車位置推定装置１０による自車位置推定処理について説明する。図６は、自車位置推定処理のフローチャートである。この処理は、ＣＰＵなどのコンピュータが予め用意されたプログラムを実行し、図５に示す各構成要素として機能することにより実現される。
【0053】
まず、自車位置予測部１３は、内界センサ１１からの出力に基づいて、予測自車位置ＰＶＰを取得する（ステップＳ１１）。次に、白線地図情報取得部１５は、通信部１４を通じてサーバ７に接続し、データベース８に記憶された高度化地図から白線地図情報を取得する（ステップＳ１２）。なお、ステップＳ１１とＳ１２はいずれが先でもよい。【0054】
次に、白線位置予測部１６は、ステップＳ１２で得られた白線位置情報に含まれる白線地図位置ＷＬＭＰと、ステップＳ１１で得られた予測自車位置ＰＶＰに基づいて、白線予測位置ＷＬＰＰを算出する（ステップＳ１３）。また、白線位置予測部１６は、白線予測位置ＷＬＰＰに基づいて白線予測範囲ＷＬＰＲを決定し、スキャンデータ抽出部１７へ供給する（ステップＳ１４）。【0055】
次に、スキャンデータ抽出部１７は、外界センサ１２としてのＬｉＤＡＲから得たスキャンデータＳＤのうち、白線予測範囲ＷＬＰＲ内に属し、路面上、かつ、反射強度が所定値以上であるスキャンデータを白線スキャンデータＷＬＳＤとして抽出し、白線中心位置・信頼度算出部１８へ供給する（ステップＳ１５）。【0056】
次に、白線中心位置・信頼度算出部１８は、白線予測位置ＷＬＰＰと白線スキャンデータＷＬＳＤに基づいて白線中心位置ＷＬＣＰ及び信頼度Ｒを算出し、自車位置推定部１９へ供給する（ステップＳ１６）。そして、自車位置推定部１９は、白線中心位置ＷＬＣＰと信頼度Ｒを利用して自車位置推定を行い（ステップＳ１７）、自車位置及び自車方位角を出力する（ステップＳ１８）。こうして自車位置推定処理は終了する。【0057】
［変形例］上記の実施例では、車線を示す車線境界線である白線を使用しているが、本発明の適用はこれには限られず、横断歩道、停止線などの線状の道路標示を利用してもよい。また、白線の代わりに、黄色線などを利用しても良い。これら、白線、黄色線などの区画線や、道路標示などは本発明の路面線の一例である。
【符号の説明】
【0058】
５ 車両７ サーバ
８ データベース
１０ 自車位置推定装置
１１ 内界センサ
１２ 外界センサ
１３ 自車位置予測部
１４ 通信部
１５ 白線地図情報取得部
１６ 白線位置予測部
１７ スキャンデータ抽出部
１８ 白線中心位置・信頼度算出部
１９ 自車位置推定部