特開 2022-180672 外界認識装置、外界認識方法、および外界認識プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022180672

(43)【公開日】2022-12-07

(54)【発明の名称】外界認識装置、外界認識方法、および外界認識プログラム

(51)【国際特許分類】

   G01C 21/28 20060101AFI20221130BHJP

   G06T 7/00 20170101ALI20221130BHJP

【ＦＩ】

G01C21/28

G06T7/00 650Z

【審査請求】未請求

【請求項の数】24

【出願形態】ＯＬ

(21)【出願番号】P 2019204070

(22)【出願日】2019-11-11

(71)【出願人】

【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】100106149

【弁理士】

【氏名又は名称】矢作 和行

(74)【代理人】

【識別番号】100121991

【弁理士】

【氏名又は名称】野々部 泰平

(74)【代理人】

【識別番号】100145595

【弁理士】

【氏名又は名称】久保 貴則

(72)【発明者】

【氏名】佐藤 慧

【テーマコード（参考）】

2F129

5L096

【Ｆターム（参考）】

2F129AA03

2F129BB15

2F129BB23

2F129BB24

2F129BB25

2F129BB27

2F129BB28

2F129BB29

2F129BB33

2F129CC33

2F129GG17

2F129GG28

5L096BA04

5L096CA04

5L096FA33

5L096FA66

5L096FA67

5L096FA69

5L096FA79

(57)【要約】

【課題】正確に外界認識可能な外界認識装置等を提供する。
【解決手段】外界認識装置１００は、外界における認識対象物を検出可能なカメラ１０を搭載する車両において用いられる。外界認識装置１００は、外界センサによって検出された認識対象物の検出点群を取得する検出点群取得部１１０と、認識対象物を表す複数のノードを地図データから取得するノード群取得部１２０とを備える。外界認識装置１００は、複数のノード間を接続するリンク上にて、検出点群中の特定点から最近傍距離にある最近傍点を特定する特定部１３０を備える。外界認識装置１００は、最近傍点から許容範囲外にある特定点を、検出点群から除外するアウトライア選定部１４０を備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

外界における認識対象物を検出可能な外界センサ（１０）を搭載する車両において用いられる外界認識装置であって、
前記外界センサによって検出された前記認識対象物の検出点群を取得する検出点群取得部（１１０）と、
前記認識対象物を表す複数のノードを地図データから取得するノード群取得部（１２０）と、
前記複数のノード間を接続するリンク（Ｌ）上にて、前記検出点群中の特定点（ＳＰｉ）から最近傍距離にある最近傍点（Ａｉ）を特定する特定部（１３０）と、
前記最近傍点から許容範囲（ＰＲ）外にある前記特定点を、前記検出点群から除外する除外部（１４０）と、
を備える外界認識装置。

【請求項2】

前記除外部は、前記車両について推定される自己位置の分散が大きいほど、前記許容範囲を大きくする請求項１に記載の外界認識装置。

【請求項3】

前記除外部は、前記車両について推定される自己方位角の分散が大きいほど、前記許容範囲を大きくする請求項１または請求項２に記載の外界認識装置。

【請求項4】

前記除外部は、前記最近傍点と前記車両の自己位置との間の距離が大きいほど、前記許容範囲を大きくする請求項１から請求項３のいずれか１項に記載の外界認識装置。

【請求項5】

前記除外部は、前記外界センサの検出性能が低いほど、前記許容範囲を小さくする請求項１から請求項４のいずれか１項に記載の外界認識装置。

【請求項6】

前記特定部は、前記リンクの接続形状を、前記複数のノードの密度に基づいて決定する請求項１から請求項５のいずれか１項に記載の外界認識装置。

【請求項7】

前記特定部は、前記リンクの接続形状を、前記複数のノード間の接続関係に関連する情報に基づいて決定する請求項１から請求項５のいずれか１項に記載の外界認識装置。

【請求項8】

前記検出点群取得部は、認識対象とする優先度の最も高い前記認識対象物について前記検出点群を取得し、前記優先度の最も高い前記認識対象物が未検出であり且つ自律航法に基づき推定される前記車両の自己位置の分散が所定範囲外である場合に、前記優先度が次に高い前記認識対象物の前記検出点群を取得する請求項１から請求項７のいずれか１項に記載の外界認識装置。

【請求項9】

外界における認識対象物を検出可能な外界センサ（１０）を搭載する車両において用いられる外界認識方法であって、
前記外界センサによって検出された前記認識対象物の検出点群を取得する検出点群取得プロセス（Ｓ１０，Ｓ２０）と、
前記認識対象物を表す複数のノードを地図データから取得するノード群取得プロセス（Ｓ３０）と、
前記複数のノード間を接続するリンク（Ｌ）上にて、前記検出点群中の特定点（ＳＰｉ）から最近傍距離にある最近傍点（Ａｉ）を特定する特定プロセス（Ｓ４０，Ｓ５０，Ｓ６０，Ｓ７０，Ｓ８０）と、
前記最近傍点から許容範囲（ＰＲ）外にある前記特定点を、前記検出点群から除外する除外プロセス（Ｓ１１０，Ｓ１３０）と、
を含む外界認識方法。

【請求項10】

前記除外プロセスでは、前記車両について推定される自己位置の分散が大きいほど、前記許容範囲を大きくする請求項９に記載の外界認識方法。

【請求項11】

前記除外プロセスでは、前記車両について推定される自己方位角の分散が大きいほど、前記許容範囲を大きくする請求項９または請求項１０に記載の外界認識方法。

【請求項12】

前記除外プロセスでは、前記最近傍点と前記車両の自己位置との間の距離が大きいほど、前記許容範囲を大きくする請求項９から請求項１１のいずれか１項に記載の外界認識方法。

【請求項13】

前記除外プロセスでは、前記外界センサの検出性能が高いほど、前記許容範囲を大きくする請求項９から請求項１２のいずれか１項に記載の外界認識方法。

【請求項14】

前記特定プロセスでは、前記リンクの形状を、前記複数のノードの密度に基づいて決定する請求項９から請求項１３のいずれか１項に記載の外界認識方法。

【請求項15】

前記特定プロセスでは、前記リンクの形状を、前記複数のノード間の接続関係に基づいて決定する請求項９から請求項１４のいずれか１項に記載の外界認識方法。

【請求項16】

前記検出点群取得プロセスでは、認識対象とする優先度の最も高い前記認識対象物について前記検出点群を取得し、前記優先度の最も高い前記認識対象物が未検出であり且つ自律航法に基づき推定される前記車両の自己位置の分散が所定範囲外である場合に、前記優先度が次に高い前記認識対象物の前記検出点群を取得する請求項９から請求項１５のいずれか１項に記載の外界認識方法。

【請求項17】

外界における認識対象物を検出可能な外界センサ（１０）を搭載する車両において用いられ、記憶媒体に格納され、プロセッサ（１０１）に実行させる命令を含む外界認識プログラムであって、
前記命令は、
前記外界センサによって検出された前記認識対象物の検出点群を取得させる検出点群取得プロセス（Ｓ１０，Ｓ２０）と、
前記認識対象物を表す複数のノードを地図データから取得させるノード群取得プロセス（Ｓ３０）と、
前記複数のノード間を接続するリンク（Ｌ）上にて、前記検出点群中の特定点（ＳＰｉ）から最近傍距離にある最近傍点（Ａｉ）を特定させる特定プロセス（Ｓ４０，Ｓ５０，Ｓ６０，Ｓ７０，Ｓ８０）と、
前記最近傍点から許容範囲（ＰＲ）外にある前記特定点を、前記検出点群から除外させる除外プロセス（Ｓ１１０，Ｓ１３０）と、
を含む外界認識プログラム。

【請求項18】

前記除外プロセスでは、前記車両について推定される自己位置の分散が大きいほど、前記許容範囲を大きくさせる請求項１７に記載の外界認識プログラム。

【請求項19】

前記除外プロセスでは、前記車両について推定される自己方位角の分散が大きいほど、前記許容範囲を大きくさせる請求項１７または請求項１８に記載の外界認識プログラム。

【請求項20】

前記除外プロセスでは、前記最近傍点と前記車両の自己位置との間の距離が大きいほど、前記許容範囲を大きくする請求項１７から請求項１９のいずれか１項に記載の外界認識プログラム。

【請求項21】

前記除外プロセスでは、前記外界センサの検出性能が高いほど、前記許容範囲を大きくさせる請求項１７から請求項２０のいずれか１項に記載の外界認識プログラム。

【請求項22】

前記特定プロセスでは、前記リンクの形状を、前記複数のノードの密度に基づいて決定する請求項１７から請求項２１のいずれか１項に記載の外界認識プログラム。

【請求項23】

前記特定プロセスでは、前記リンクの形状を、前記複数のノード間の接続関係に基づいて決定する請求項１７から請求項２２のいずれか１項に記載の外界認識プログラム。

【請求項24】

前記検出点群取得プロセスでは、認識対象とする優先度の最も高い前記認識対象物について前記検出点群を取得し、前記優先度の最も高い前記認識対象物が未検出であり且つ自律航法に基づき推定される前記車両の自己位置の分散が所定範囲外である場合に、前記優先度が次に高い前記認識対象物の前記検出点群を取得する請求項１７から請求項２３のいずれか１項に記載の外界認識プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

この明細書における開示は、外界の認識対象物を認識する技術に関する。

【背景技術】

【0002】

特許文献１には、画像情報に基づいて車両の周囲の対象地物を認識する装置が開示されている。特許文献１の装置は、対象地物における複数箇所の各測定点について、汚れやかすれ等の画像認識の困難性に関する状態を示す測定点状態情報を格納するデータベースを備えている。装置は、測定点状態情報に基づき、画像情報に含まれる複数の測定点から画像認識が困難である測定点を省いて画像認識処理を実行する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００７－２７１５６８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１の技術では、測定点状態情報を格納するデータベースを予め準備する必要がある。しかし、対象地物ごとに測定点状態情報を逐一収集するのは、非常に困難である。このため、特許文献１の技術にて正確に外界認識を行うことは、現実的ではなかった。

【0005】

開示される目的は、正確に外界認識可能な外界認識装置、外界認識方法、および外界認識プログラムを提供することである。

【課題を解決するための手段】

【0006】

この明細書に開示された複数の態様は、それぞれの目的を達成するために、互いに異なる技術的手段を採用する。また、特許請求の範囲およびこの項に記載した括弧内の符号は、ひとつの態様として後述する実施形態に記載の具体的手段との対応関係を示す一例であって、技術的範囲を限定するものではない。

【0007】

開示された外界認識装置のひとつは、外界における認識対象物を検出可能な外界センサ（１０）を搭載する車両において用いられる外界認識装置であって、外界センサによって検出された認識対象物の検出点群を取得する検出点群取得部（１１０）と、認識対象物を表す複数のノードを地図データから取得するノード群取得部（１２０）と、複数のノード間を接続するリンク（Ｌ）上にて、検出点群中の特定点（ＳＰｉ）から最近傍距離にある最近傍点（Ａｉ）を特定する特定部（１３０）と、最近傍点から許容範囲（ＰＲ）外にある特定点を、検出点群から除外する除外部（１４０）と、を備える。

【0008】

開示された外界認識方法のひとつは、外界における認識対象物を検出可能な外界センサ（１０）を搭載する車両において用いられる外界認識方法であって、外界センサによって検出された認識対象物の検出点群を取得する検出点群取得プロセス（Ｓ１０，Ｓ２０）と、認識対象物を表す複数のノードを地図データから取得するノード群取得プロセス（Ｓ３０）と、複数のノード間を接続するリンク（Ｌ）上にて、検出点群中の特定点（ＳＰｉ）から最近傍距離にある最近傍点（Ａｉ）を特定する特定プロセス（Ｓ４０，Ｓ５０，Ｓ６０，Ｓ７０，Ｓ８０）と、最近傍点から許容範囲（ＰＲ）外にある特定点を、検出点群から除外する除外プロセス（Ｓ１１０，Ｓ１３０）と、を含む。

【0009】

開示された外界認識プログラムのひとつは、外界における認識対象物を検出可能な外界センサ（１０）を搭載する車両において用いられ、記憶媒体に格納され、プロセッサ（１０１）に実行させる命令を含む外界認識プログラムであって、命令は、外界センサによって検出された認識対象物の検出点群を取得させる検出点群取得プロセス（Ｓ１０，Ｓ２０）と、認識対象物を表す複数のノードを地図データから取得させるノード群取得プロセス（Ｓ３０）と、複数のノード間を接続するリンク（Ｌ）上にて、検出点群中の特定点（ＳＰｉ）から最近傍距離にある最近傍点（Ａｉ）を特定させる特定プロセス（Ｓ４０，Ｓ５０，Ｓ６０，Ｓ７０，Ｓ８０）と、最近傍点から許容範囲（ＰＲ）外にある特定点を、検出点群から除外させる除外プロセス（Ｓ１１０，Ｓ１３０）と、を含む。

【0010】

この開示によれば、外界センサによる検出点群中の特定点が、地図データに含まれるノード間のリンク上の最近傍点から許容範囲外にある場合、検出点群から除外される。故に、外界センサによる認識対象物についての誤認識の結果が、地図データに基づき除外され得る。以上により、正確に外界認識可能な外界認識装置、外界認識方法、および外界認識プログラムが提供され得る。

【図面の簡単な説明】

【0011】

【図1】外界認識装置を含むシステムを示す図である。

【図2】外界認識装置が有する機能の一例を示すブロック図である。

【図3】外界認識装置が実行する外界認識方法の一例を示すフローチャートである。

【図4】図３の続きを示すフローチャートである。

【図5】特定プロセスにおける処理を概念的に示すイメージ図である。

【発明を実施するための形態】

【0012】

（第１実施形態）
第１実施形態の外界認識装置１００について、図１～図５を参照しながら説明する。外界認識装置１００は、車両に搭載された電子制御装置である。外界認識装置１００は、外界センサとしてのカメラ１０により撮像された画像データに基づき、外界の中の認識対象物を認識する。外界認識装置１００は、この認識結果に基づいて車両の自己位置を推定する自己位置推定装置としても機能する。外界認識装置１００は、カメラ１０、地図データベース（ＤＢ）２０、およびＩＭＵ３０と通信バス等を介して接続されている。

【0013】

カメラ１０は、外界における認識対象物を検出可能な外界センサの一例である。カメラ１０は、外界の所定範囲を撮像する撮像装置であり、イメージセンサによって車両周辺の所定範囲を所定のフレームレートで撮像した画像データ、および画像データの解析結果の少なくとも一方を検出データとして出力する撮像デバイスである。カメラ１０は、例えば車両の前方を撮像範囲として車両の所定位置に固定されている。カメラ１０は、例えば、フロントウインドウの上端部、ルームミラー付近、またはインストルメントパネル上面部等に取り付けられている。

【0014】

カメラ１０は、図示しないレンズユニットと、イメージセンサと、制御部とを備える。レンズユニットは撮像範囲からの光像をイメージセンサの受光面上に結像させる。イメージセンサは、撮像範囲の画像を撮像する撮像素子である。イメージセンサは、受光面上に結像した光を電気信号に変換する。イメージセンサは、ＣＣＤセンサまたはＣＭＯＳセンサ等により提供される。イメージセンサは、電気信号を制御部に逐次出力する。

【0015】

制御部は、プロセッサ、メモリ、入出力インターフェース、およびこれらを接続するバス等を備えたコンピュータを主体として含む構成である。プロセッサは、演算処理のためのハードウェアである。プロセッサは、例えばＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）およびＲＩＳＣ（Reduced Instruction Set Computer）－ＣＰＵ等のうち、少なくとも一種類をコアとして含む。

【0016】

メモリは、コンピュータにより読み取り可能なプログラムおよびデータ等を非一時的に格納または記憶する、例えば半導体メモリ、磁気媒体および光学媒体等のうち、少なくとも一種類の非遷移的実体的記憶媒体（non-transitory tangible storage medium）である。メモリは、プロセッサによって実行される種々のプログラムを格納している。

【0017】

制御部は、イメージセンサから出力された電気信号を画像処理し、外界の画像データを生成する。制御部は、検出プログラムの実行により、画像処理機能と協働して外界中の認識対象物を抽出する画像解析機能を備えている。制御部は、生成された画像データ中から、認識対象物を表す検出点群を抽出する。例えば、制御部は、走行区画線、停止線等の路面標示、縁石等の道路境界、ガードレール等の路上設置物などを、認識対象物とする。制御部は、例えば、エッジ検出やコーナー検出等の特徴検出処理によって検出される特徴点群を、検出点群とする。制御部は、抽出した検出点群に関するデータを、認識対象物の検出情報として外界認識装置１００に逐次提供する。

【0018】

地図ＤＢ２０は、不揮発性メモリを主体に構成されており、通常のナビゲーションに用いられるよりも高精度な地図データを記憶している。地図データには、上述の認識対象物を表すノード群に関する情報が、少なくとも含まれている。ノード群に関する情報には、例えば、各ノードの位置座標および他ノードとの接続関係が含まれる。他ノードとの接続関係とは、各ノードが、他のどのノードと直接的に接続された関係にあるかを示す情報である。

【0019】

ＩＭＵ３０は、車両に作用する慣性力を検出する車載センサである。ＩＭＵ３０は、例えば３軸ジャイロセンサおよび３軸加速度センサを有する６軸のモーションセンサによって提供される。ＩＭＵ３０は、３軸ジャイロセンサによって車両のヨー方向、ピッチ方向、およびロール方向に作用する各角速度を検出可能である。また、ＩＭＵ３０は、３軸加速度センサによって車両の前後方向、上下方向、および左右方向に作用する各加速度を検出可能である。ＩＭＵ３０は、各ジャイロセンサおよび各加速度センサの計測結果を、ＩＭＵ３０による検出データ（慣性データ）として、外界認識装置１００に逐次出力する。

【0020】

外界認識装置１００は、カメラ１０、地図ＤＢ２０、およびＩＭＵ３０からの情報に基づき、外界の認識対象物を認識し、認識結果に基づき車両の自己位置を推定する電子制御装置である。外界認識装置１００は、プロセッサ１０１、メモリ１０２、入出力インターフェース、およびこれらを接続するバス等を備えたコンピュータを主体として含む構成である。プロセッサ１０１は、演算処理のためのハードウェアである。プロセッサ１０１は、例えばＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）およびＲＩＳＣ（Reduced Instruction Set Computer）－ＣＰＵ等のうち、少なくとも一種類をコアとして含む。

【0021】

メモリ１０２は、コンピュータにより読み取り可能なプログラムおよびデータ等を非一時的に格納または記憶する、例えば半導体メモリ、磁気媒体および光学媒体等のうち、少なくとも一種類の非遷移的実体的記憶媒体（non-transitory tangible storage medium）である。メモリ１０２は、後述の外界認識プログラム等、プロセッサ１０１によって実行される種々のプログラムを格納している。

【0022】

プロセッサ１０１は、メモリ１０２に格納された外界認識プログラムに含まれる複数の命令を、実行する。これにより外界認識装置１００は、外界を認識するための機能部を、複数構築する。このように外界認識装置１００では、運転支援するためにメモリ１０２に格納されたプログラムが複数の命令をプロセッサ１０１に実行させることで、複数の機能部が構築される。具体的に、外界認識装置１００には、検出点群取得部１１０、ノード群取得部１２０、特定部１３０、アウトライア選定部１４０、および自己位置推定部１５０等の機能部が構築される。

【0023】

検出点群取得部１１０は、カメラ１０によって検出された認識対象物の検出点群を、認識対象物の検出情報として取得する。特に、検出点群取得部１１０は、認識対象とする優先度の最も高い認識対象物について、検出情報を取得する。優先度は、認識対象物それぞれに対して予め設定されており、車両の走行シーンにおいてカメラ１０の撮像範囲に存在する可能性が高いほど、高く設定される。例えば、走行区画線が優先度の最も高い認識対象物として設定される。

【0024】

また、検出点群取得部１１０は、優先度の最も高い認識対象物が未検出である場合、自律航法に基づき推定される車両の自己位置の分散が所定範囲外であれば、検出点群の取得対象とする認識対象物を、優先度が次に高いものへと変更する。すなわち、検出点群取得部１１０は、優先度の最も高い認識対象物が未検出であっても、自己位置の分散が所定範囲内である場合には、検出点群の取得対象とする認識対象物の変更を禁止する。ここでの所定範囲は、自己位置の利用において当該自己位置の分散が許容可能である範囲として設定される閾値である。検出点群取得部１１０は、取得した検出情報を、特定部１３０へと提供する。

【0025】

ノード群取得部１２０は、認識対象物を表す複数のノードを、地図ＤＢ２０に格納された地図データから取得する。加えて、ノード群取得部１２０は、自己位置推定部１５０から取得した位置情報を利用して、認識対象物を表すノード群の車両座標系における位置情報を特定する。

【0026】

詳記すると、ノード群取得部１２０は、自己位置推定部１５０にてデッドレコニングにより推定された暫定位置および暫定方位角に基づいて、認識対象物を表すノード群の位置座標を、車両座標系における位置座標へと変換する。ノード群取得部１２０は、特定したノード群の位置座標と、ノード間の接続関係とを、認識対象物に関する地図情報として特定部１３０へと提供する。

【0027】

特定部１３０は、ノード間を接続するリンクＬ上にて、検出点群中の特定点ＳＰｉから最近傍距離にある最近傍点Ａｉを特定する。具体的には、特定部１３０は、検出点群のうちの任意の検出点を、特定点ＳＰｉとして選択する（図５の一番左の枠内参照）。特定部１３０は、ノード群のうちで特定点ＳＰｉとの間の距離が最も短い最短距離ノードＮｎｉ、および当該最短距離ノードＮｎｉと直接接続関係にあるノードのうち特定点ＳＰｉに最も近い接続ノードＮｃｉを探索する（図５の左から二番目の枠内参照）。特定部１３０は、最短距離ノードＮｎｉと接続ノードＮｃｉとを接続する補間線を、リンクＬとして算出する（図５の左から二番目の枠内参照）。

【0028】

特定部１３０は、リンクＬの接続形状を、ノード群の密度およびノード間の接続関係に関連する情報である接続関係情報に基づいて決定する。具体的には、特定部１３０は、ノード群の密度が閾値を上回る場合には、リンクＬの接続形状を直線とする。そして、特定部１３０は、ノード群の密度が閾値を下回る場合には、接続関係情報に基づいてリンクＬの接続形状を決定する。接続関係情報には、認識対象物の曲率等の形状を表す情報、一定区間のノードの接続方向の変化に関する情報等が含まれる。特定部１３０は、接続関係情報に基づいて、リンクＬの接続形状を直線または曲線のいずれかに決定し、曲線に決定した場合には曲率も決定する。

【0029】

特定部１３０は、リンクＬに対して特定点ＳＰｉから下ろした垂線と当該リンクＬとの交点をリンク上の最近傍点Ａｉとして算出する（図５の左から三番目の枠内参照）。そして、特定部１３０は、最近傍点Ａｉに対する特定点ＳＰｉのＸ方向偏差ｄｘｉおよびＹ方向偏差ｄｙｉを算出する（図５の左から四番目の枠内参照）。換言すれば、特定部１３０は、リンクＬに対する特定点ＳＰｉからの法線ベクトルを算出し、当該法線ベクトルのＸ方向成分およびＹ方向成分の大きさを算出する。なお、リンクＬと垂線が交わらない場合には、特定部１３０は、最短距離ノードＮｎｉと直接接続関係ある他のノードを接続ノードＮｃｉとして設定し直せばよい。特定部１３０は、算出したＸ方向偏差ｄｘｉおよびＹ方向偏差ｄｙｉを、アウトライア選定部１４０へと提供する。

【0030】

アウトライア選定部１４０は、最近傍点Ａｉから許容範囲ＰＲ外にある特定点ＳＰｉを、検出点群から除外する。アウトライア選定部１４０は、「除外部」の一例である。アウトライア選定部１４０は、特定点ＳＰｉのＸ方向偏差ｄｘｉおよびＹ方向偏差ｄｙｉについてアウトライア条件が成立するか否かを判定し、アウトライア条件が成立する場合に特定点ＳＰｉが許容範囲ＰＲ外にあると決定する。アウトライア条件は、例えばＹ方向偏差ｄｙｉについての下記の数式（１）、およびＸ方向偏差ｄｘｉについての下記の数式（２）によって規定される。アウトライア選定部１４０は、数式（１）および数式（２）の少なくとも一方の関係が満たされる場合、アウトライア条件が成立すると判定する。

【数1】

【数2】

【0031】

ここで、σｙは車両の自己位置のＹ方向の分散値、σｘは自己位置のＸ方向の分散値、σθは車両の自己方位角の分散値、Ａｉｘは最近傍点ＡｉのＸ座標位置である。なお、ここで自己方位角とは、車両の進行方向を示す方位角である。また、Ｋｙは分散値σｙの調整係数、Ｋｘは分散値σｘの調整係数、Ｋθは分散値σθの調整係数である。以上によれば、数式（１）の右辺は、図５に示す許容範囲ＰＲのＹ方向半径の大きさに相当し、数式（２）の右辺は、許容範囲ＰＲのＸ方向半径の大きさに相当する。

【0032】

アウトライア選定部１４０は、以上の各パラメータに基づいて、許容範囲ＰＲの大きさを調整する。具体的には、アウトライア選定部１４０は、自己位置推定部１５０にて算出されたＹ方向自己位置の分散値σｙ、Ｘ方向自己位置の分散値σｘ、および自己方位角の分散値σθを取得する。数式（１），（２）に示すように、各分散値が大きいほど、許容範囲ＰＲは大きくなる。

【0033】

加えて、アウトライア選定部１４０は、調整係数Ｋｙ，Ｋｘ，Ｋθをカメラ１０の検出性能に基づく値に設定する。調整係数Ｋｙ，Ｋｘ，Ｋθは、検出性能が低いほど、小さい値に設定される。調整係数Ｋｙ，Ｋｘ，Ｋθは、例えば画角および焦点距離の少なくとも１つに基づいて設定される。調整係数Ｋｙ，Ｋｘ，Ｋθは、画角が小さいほど、または焦点距離が短いほど、小さい値とされる。すなわち、カメラ１０の検出性能が小さいほど、許容範囲ＰＲは小さくなる。また、数式（１）の右辺第２項によれば、最近傍点ＡｉのＸ座標位置がパラメータとして含まれている。このため、車両の自己位置（車両座標系の原点）と最近傍点Ａｉとの間の距離が大きいほど、許容範囲ＰＲは大きい値に設定される。

【0034】

アウトライア選定部１４０は、以上のパラメータに基づく数式（１），（２）を利用して、特定点ＳＰｉが許容範囲ＰＲ外か否かを判定する。アウトライア選定部１４０は、特定点ＳＰｉが許容範囲ＰＲ外であると判定すると、当該特定点ＳＰｉをアウトライア（外れ値）として検出点群から除外する。アウトライア選定部１４０は、特定点ＳＰｉが許容範囲ＰＲ外でない、すなわち許容範囲ＰＲ内に収まると判定すると、当該特定点ＳＰｉをインライアとして検出点群に含めた状態を保持する。例えば、図５に示す例では、ｄｘｉは許容範囲ＰＲのＸ方向半径より小さいが、ｄｙｉが許容範囲ＰＲのＹ方向半径より大きいため、特定点ＳＰｉは許容範囲ＰＲから外れるアウトライアであるとされ、検出点群から除外される。アウトライア選定部１４０は、実質的に全ての検出点に対してアウトライア条件の判定を行う。以上の結果、アウトライア選定部１４０は、地図データに対するずれが許容できる検出点のみからなる検出点群を、認識対象物の認識情報として生成する。アウトライア選定部１４０は、生成した認識情報を、自己位置推定部１５０へと提供する。

【0035】

自己位置推定部１５０は、アウトライア選定部１４０にて生成された認識情報に基づいて、車両の現在の自己位置を推定する。具体的には、自己位置推定部１５０は、ＩＭＵ３０にて検出された車両の現在の姿勢角、車速、角速度、前回姿勢角、および自己位置推定部１５０にて推定された前回位置に基づいて、車両の現在の自己位置および方位を暫定的に推定する。この暫定的な自己位置（暫定位置）および方位（暫定方位）は、例えばデッドレコニングによって推定される。

【0036】

そして、自己位置推定部１５０は、認識情報と、地図ＤＢ２０の認識対象物を表すノード群との位置座標のずれから、車両の横方向位置（Ｙ方向位置）の偏差である横偏差または前後方向位置（Ｘ方向位置）の偏差である前後偏差を算出する。自己位置推定部１５０は、横偏差および前後偏差に基づき、自己位置および方位角の分散値および車両の自己位置のオフセットを推定する。例えば、走行区画線を認識対象物として認識している場合、自己位置推定部１５０は、横方向（Ｙ方向）のオフセットを算出する。オフセットは、例えばカルマンフィルタの利用により推定可能である。自己位置推定部１５０は、デッドレコニングにより算出された暫定位置および暫定方位角を、推定されたオフセットに基づいて補正し、車両の現在の自己位置および方位角とする。自己位置推定部１５０は、以上の結果推定された自己位置および方位角を、他の車載装置等からの要求に基づき出力する。

【0037】

なお、自己位置推定部１５０は、デッドレコニングによる暫定位置および暫定方位角を、ノード群取得部１２０に逐次提供する。加えて、自己位置推定部１５０は、オフセット推定の過程で算出された自己位置および方位角の分散値を、アウトライア選定部１４０へと逐次提供する。

【0038】

次に、機能ブロックの共同により、外界認識装置１００が実行する外界認識方法のフローを、図２および図５を参照しつつ、図３および図４に従って以下に説明する。なお、後述するフローにおいて「Ｓ」とは、プログラムに含まれた複数命令によって実行される、フローの複数ステップを意味する。

【0039】

まず図３のＳ１０では、検出点群取得部１１０にて、認識対象物を選定する。具体的には、Ｓ１０では、優先度の最も高い認識対象物（例えば走行区画線）が検出されていれば、当該認識対象物を、検出点群の取得対象に決定する。優先度の最も高い認識対象物（例えば走行区画線）が未検出であり、且つ自己位置の分散が所定範囲外であれば、次に優先度の高い認識対象物を検出点群の取得対象に決定する。なお、優先度の最も高い認識対象物が未検出であっても、自己位置の分散が所定範囲内であれば、以降の処理を中断し、デッドレコニングによる自己位置推定を実行すればよい。

【0040】

次に、Ｓ２０では、検出点群取得部１１０にて、Ｓ１０で選定された認識対象物の検出点群を取得する。続くＳ３０では、ノード群取得部１２０にて、検出点群を取得した認識対象物のノード群を、地図データから取得する。

【0041】

続いて、Ｓ４０では、特定部１３０にて、特定点ＳＰｉを設定する。そして、Ｓ５０では、特定部１３０にて最短距離ノードＮｎｉを探索する。さらに、Ｓ６０では、特定部１３０にて接続ノードＮｃｉを探索する。続くＳ７０では、特定部１３０にて最短距離ノードＮｎｉと接続ノードＮｃｉの間を接続するリンクＬを決定する。具体的には、Ｓ７０では、複数のノードの密度および複数のノード間の接続関係に関連する情報に基づいて、補間線としてのリンクＬの接続形状が決定され、当該接続形状のリンクＬが算出される。

【0042】

次に、Ｓ８０では、特定部１３０にて特定点ＳＰｉからリンクＬへの法線ベクトルを算出することで、リンクＬ上にて特定点ＳＰｉから最近傍距離にある最近傍点Ａｉを特定する。続くＳ９０では、法線ベクトルをＸ方向成分およびＹ方向成分に成分分解することで、最近傍点Ａｉに対する特定点ＳＰｉの偏差ｄｘｉ，ｄｙｉを算出する。

【0043】

図４へ移り、Ｓ１００では、アウトライア選定部１４０にて、数式（１）の各パラメータを決定することで許容範囲ＰＲを設定する。次に、Ｓ１１０では、Ｘ方向偏差ｄｘｉおよびＹ方向偏差ｄｙｉが、許容範囲ＰＲ内であるか否かを判定する。許容範囲ＰＲ内であると判定されると、Ｓ１２０へと進み、アウトライア選定部１４０にて当該特定点ＳＰｉをインライアに決定し、Ｓ１４０へと進む。

【0044】

一方、Ｓ１１０にて、Ｘ方向偏差ｄｘｉおよびＹ方向偏差ｄｙｉの少なくとも１つが許容範囲ＰＲから外れると判定すると、Ｓ１３０へと進み、アウトライア選定部１４０にて当該特定点ＳＰｉをアウトライアとして検出点群から除外してＳ１４０へと進む。

【0045】

Ｓ１４０では、検出点群中の全ての検出点についてアウトライア条件の判定を行ったか否かを判定する。全ての検出点についてアウトライア条件の判定を行っていないと判定された場合には、Ｓ４０へと戻って残りの検出点の中から特定点ＳＰｉを設定し、以降の処理を再度実行する。一方で、検出点群中の全ての検出点についてアウトライア条件の判定を行ったと判定されると、Ｓ１５０へと進む。Ｓ１５０では、インライアの検出点からなる検出点群（認識情報）を利用して車両の自己位置を推定し、一連の処理を終了する。

【0046】

なお、上述のＳ１０，Ｓ２０が「検出点群取得プロセス」、Ｓ３０が「ノード群取得プロセス」、Ｓ４０～Ｓ８０が「特定プロセス」、Ｓ１１０，Ｓ１３０が「除外プロセス」の一例である。

【0047】

次に第１実施形態のもたらす作用効果について説明する。

【0048】

第１実施形態によれば、地図データにおいて認識対象物を表す複数のノード間を接続するリンクＬ上にて、カメラ１０による検出点群中の特定点ＳＰｉから最近傍距離にある最近傍点Ａｉが特定される。そして、最近傍点Ａｉから許容範囲ＰＲ外にある特定点ＳＰｉは、検出点群から除外される。故に、カメラ１０による認識対象物についての誤認識の結果が、地図データに基づき除外され得る。以上により、正確な外界認識が可能となる。

【0049】

また、第１実施形態によれば、車両について推定される自己位置の分散が大きいほど、許容範囲ＰＲが大きく設定される。自己位置に関して分散が大きい場合には、当該自己位置に基づき決定される検出点の位置座標も分散が大きくなる。故に、分散の比較的大きい検出点について許容範囲ＰＲをより大きく設定することで、インライアの特定点ＳＰｉを検出点群から除外してしまうことを抑制できる。さらに、分散が比較的小さい特定点ＳＰｉほど許容範囲ＰＲが小さく設定されるため、より厳密なアウトライア判定が可能となる。したがって、位置の分散に応じた適切な特定点ＳＰｉの判定が可能となる。

【0050】

加えて、第１実施形態によれば、自己方位角に関しても、自己位置と同様に分散が大きいほど許容範囲ＰＲを大きく設定されるので、分散に応じた適切な特定点ＳＰｉの判定が可能となる。

【0051】

さらに、第１実施形態によれば、最近傍点Ａｉと車両の自己位置との間の距離が大きいほど、許容範囲ＰＲが大きく設定される。当該距離が大きいほど、自己方位角の分散による影響が大きくなり、特定点ＳＰｉの位置の分散が大きくなる。故に、分散に応じた一層適切な特定点ＳＰｉの判定が可能となる。

【0052】

また、第１実施形態によれば、カメラ１０の検出性能が低いほど、許容範囲ＰＲが小さく設定される。カメラ１０の検出性能が低いと、誤検出の可能性が大きくなる。故に、許容範囲ＰＲをより小さく設定することで、誤検出の可能性に応じた適切な特定点ＳＰｉの判定が可能となる。

【0053】

加えて、第１実施形態によれば、リンクＬの接続形状が複数のノードの密度に基づいて決定される。これによれば、地図データが有するノードの密度に応じて、ノード間をどのような接続形状のリンクＬで接続するかを決定できる。故に、地図データの品質に応じたリンクＬの設定が可能となる。特に、第１実施形態においては、ノードの密度が閾値を上回るとリンクＬの接続形状が直線に決定される。これによれば、比較的密に認識対象物を表すノード群について直線形状のリンクＬとされるので、計算負荷を抑制することが可能となる。また、ノードの密度が閾値を下回るとリンクＬの接続形状が曲線に決定されることによれば、比較的疎に認識対象物を表すノード群について、より認識対象物の形状に沿ったリンクＬが決定され得る。

【0054】

また、第１実施形態によれば、さらにリンクＬの接続形状が複数のノード間の接続関係に関連する情報にも基づいて決定される。これによれば、ノード間の接続方向に基づき、認識対象物の形状をより正確に反映したリンクＬが決定され得る。

【0055】

さらに、第１実施形態によれば、優先度の最も高い認識対象物が未検出であり、且つ自律航法に基づき推定される車両の自己位置の分散が所定範囲外である場合に、優先度が次に高い認識対象物の検出点群が取得される。これによれば、優先度の最も高い認識対象物が未検出であった場合でも、自律航法に基づき推定される車両の自己位置の分散が所定範囲内であれば、認識対象物の変更が中断される。故に、自律航法に基づく自己位置で十分に確からしさを確保できる場合には、優先度の低い認識対象物への変更を不要とし得る。

【0056】

（他の実施形態）
この明細書における開示は、例示された実施形態に制限されない。開示は、例示された実施形態と、それらに基づく当業者による変形態様を包含する。例えば、開示は、実施形態において示された部品および／または要素の組み合わせに限定されない。開示は、多様な組み合わせによって実施可能である。開示は、実施形態に追加可能な追加的な部分をもつことができる。開示は、実施形態の部品および／または要素が省略されたものを包含する。開示は、ひとつの実施形態と他の実施形態との間における部品および／または要素の置き換え、または組み合わせを包含する。開示される技術的範囲は、実施形態の記載に限定されない。開示されるいくつかの技術的範囲は、特許請求の範囲の記載によって示され、さらに特許請求の範囲の記載と均等の意味及び範囲内での全ての変更を含むものと解されるべきである。

【0057】

上述の実施形態において、検出点群取得部１１０は、カメラ１０にて画像データから解析された認識対象物の検出点群を取得するとした。これに代えて、検出点群取得部１１０は、カメラ１０から画像データを取得し、当該画像データを画像解析することで、認識対象物の検出点群を取得する構成であってもよい。

【0058】

上述の実施形態において、外界認識装置１００は、カメラ１０からの認識対象物の検出点群を取得するとしたが、検出点群を取得する外界センサはこれに限定されない。例えば、外界認識装置１００は、ＬｉＤＡＲによる認識対象物の検出点群を取得してもよい。なお、この場合、数式（１），（２）における調整係数Ｋｙ，Ｋｘ，Ｋθは、例えばＬｉＤＡＲの分解能および測距可能距離の少なくとも１つに基づいて設定されればよい。具体的には、調整係数Ｋｙ，Ｋｘ，Ｋθは、分解能が低い、または測距可能距離が短いほど、小さい値とされる。

【0059】

上述の実施形態において、外界認識装置１００は、認識対象物の認識結果を自己位置推定に利用するとしたが、自己位置推定以外に利用してもよい。例えば、外界認識装置１００は、認識対象物の認識結果を自動運転または高度運転支援における車両制御に利用してもよい。また、外界認識装置１００は、自己位置推定や車両制御等を行う他の車載装置に認識結果を提供する構成であってもよい。

【0060】

外界認識装置１００は、デジタル回路およびアナログ回路のうち少なくとも一方をプロセッサとして含んで構成される、専用のコンピュータであってもよい。ここで特にデジタル回路とは、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、ＳＯＣ（System on a Chip）、ＰＧＡ（Programmable Gate Array）、およびＣＰＬＤ（Complex Programmable Logic Device）等のうち、少なくとも一種類である。またこうしたデジタル回路は、プログラムを格納したメモリを、備えていてもよい。

【0061】

外界認識装置１００は、１つのコンピュータ、またはデータ通信装置によってリンクされた一組のコンピュータ資源によって提供され得る。例えば、上述の実施形態における外界認識装置１００の提供する機能の一部は、他のＥＣＵによって実現されてもよい。

【符号の説明】

【0062】

１００ 外界認識装置、 １０ カメラ（外界センサ）、 １０１ プロセッサ、 １１０ 検出点群取得部、 １２０ ノード群取得部、 １３０ 特定部、 １４０ アウトライア選定部（除外部）、 ＳＰｉ 特定点、 Ｌ リンク、 Ａｉ 最近傍点、 ＰＲ 許容範囲。

【図1】

【図2】

【図3】

【図4】

【図5】