ホーム > 特許ランキング > 本田技研工業株式会社
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】公開特許公報(A)
(11)【公開番号】P2024102523
(43)【公開日】2024-07-31
(54)【発明の名称】外界認識装置
(51)【国際特許分類】
G01S 17/931 20200101AFI20240724BHJP
G01S 17/89 20200101ALI20240724BHJP
【ＦＩ】
G01S17/931
G01S17/89
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2023006463
(22)【出願日】2023-01-19
(71)【出願人】
【識別番号】000005326
【氏名又は名称】本田技研工業株式会社
(74)【代理人】
【識別番号】100154380
【弁理士】
【氏名又は名称】西村 隆一
(74)【代理人】
【識別番号】100081972
【弁理士】
【氏名又は名称】吉田 豊
(72)【発明者】
【氏名】小西 俊介
(72)【発明者】
【氏名】奥津 良太
(72)【発明者】
【氏名】内海 秀俊
【テーマコード（参考）】
5J084
【Ｆターム（参考）】
5J084AA01
5J084AA05
5J084AA10
5J084AA15
5J084AB01
5J084AB07
5J084AB17
5J084AC02
5J084AD01
5J084BA03
5J084BA50
5J084CA03
5J084CA31
5J084CA32
5J084EA05
5J084EA07
5J084EA22
(57)【要約】
【課題】車両周囲の外界状況を認識する処理の負荷を軽減すること。
【解決手段】外界認識装置５０は、第１方向および第１方向と交差する第２方向に電磁波を走査照射して自車両の周囲の外界状況を検出する車載検出器５と、車載検出器５の検出データに基づいて自車両が走行する道路の路面情報を取得する路面情報取得部１１と、を備える。車載検出器５は、マトリクス状の複数の検出点毎の距離情報を含む３次元点群データを１フレームずつ取得し、路面情報取得部１１は、３次元点群データに基づいて、フレーム毎の道路の路面および路上の立体物を路面情報として認識する認識部１１１と、認識対象としてあらかじめ定めた所定の立体物の大きさおよび自車両から所定の立体物までの距離に基づいて、認識部１１１で認識に用いる次フレームの３次元点群データの検出点の間隔を、電磁波の走査角度分解能として決定する決定部１１３と、を含む。
【選択図】図２
【解決手段】外界認識装置５０は、第１方向および第１方向と交差する第２方向に電磁波を走査照射して自車両の周囲の外界状況を検出する車載検出器５と、車載検出器５の検出データに基づいて自車両が走行する道路の路面情報を取得する路面情報取得部１１と、を備える。車載検出器５は、マトリクス状の複数の検出点毎の距離情報を含む３次元点群データを１フレームずつ取得し、路面情報取得部１１は、３次元点群データに基づいて、フレーム毎の道路の路面および路上の立体物を路面情報として認識する認識部１１１と、認識対象としてあらかじめ定めた所定の立体物の大きさおよび自車両から所定の立体物までの距離に基づいて、認識部１１１で認識に用いる次フレームの３次元点群データの検出点の間隔を、電磁波の走査角度分解能として決定する決定部１１３と、を含む。
【選択図】図２
【特許請求の範囲】
【請求項1】
第１方向および前記第１方向と交差する第２方向に電磁波を走査照射して自車両の周囲の外界状況を検出する車載検出器と、前記車載検出器の検出データに基づいて前記自車両が走行する道路の路面情報を取得する路面情報取得部と、を備える外界認識装置であって、
前記車載検出器は、マトリクス状の複数の検出点毎の距離情報を含む３次元点群データを１フレームずつ取得し、
前記路面情報取得部は、
前記３次元点群データに基づいて、フレーム毎の前記道路の路面および路上の立体物を前記路面情報として認識する認識部と、
認識対象としてあらかじめ定めた所定の立体物の大きさおよび前記自車両から前記所定の立体物までの距離に基づいて、前記認識部で認識に用いる次フレームの前記３次元点群データの検出点の間隔を、前記電磁波の走査角度分解能として決定する決定部と、
を含むことを特徴とする外界認識装置。
前記車載検出器は、マトリクス状の複数の検出点毎の距離情報を含む３次元点群データを１フレームずつ取得し、
前記路面情報取得部は、
前記３次元点群データに基づいて、フレーム毎の前記道路の路面および路上の立体物を前記路面情報として認識する認識部と、
認識対象としてあらかじめ定めた所定の立体物の大きさおよび前記自車両から前記所定の立体物までの距離に基づいて、前記認識部で認識に用いる次フレームの前記３次元点群データの検出点の間隔を、前記電磁波の走査角度分解能として決定する決定部と、
を含むことを特徴とする外界認識装置。
【請求項2】
請求項１に記載の外界認識装置において、
前記車載検出器は、前記第１方向としての水平方向および前記第２方向としての鉛直方向に電磁波を走査照射して前記水平方向および前記鉛直方向に並ぶ複数の検出点毎の距離情報を含む前記３次元点群データを１フレームずつ取得し、
前記決定部は、前記認識部で認識に用いる次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔に対応する前記電磁波の前記鉛直方向の走査角度分解能を、前記所定の立体物の前記鉛直方向の長さおよび前記自車両から前記所定の立体物までの距離に基づいて決定することを特徴とする外界認識装置。
前記車載検出器は、前記第１方向としての水平方向および前記第２方向としての鉛直方向に電磁波を走査照射して前記水平方向および前記鉛直方向に並ぶ複数の検出点毎の距離情報を含む前記３次元点群データを１フレームずつ取得し、
前記決定部は、前記認識部で認識に用いる次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔に対応する前記電磁波の前記鉛直方向の走査角度分解能を、前記所定の立体物の前記鉛直方向の長さおよび前記自車両から前記所定の立体物までの距離に基づいて決定することを特徴とする外界認識装置。
【請求項3】
請求項２に記載の外界認識装置において、
前記決定部はさらに、前記自車両の車速に基づく必要距離における前記道路の路面および路上の前記所定の立体物に対応する次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔を、前記電磁波の前記鉛直方向の第１の走査角度分解能として決定するとともに、前記自車両からの距離が前記必要距離よりも短い位置における前記道路の路面および路上の前記所定の立体物に対応する次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔を、前記第１の走査角度分解能よりも粗い第２の走査角度分解能として決定することを特徴とする外界認識装置。
前記決定部はさらに、前記自車両の車速に基づく必要距離における前記道路の路面および路上の前記所定の立体物に対応する次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔を、前記電磁波の前記鉛直方向の第１の走査角度分解能として決定するとともに、前記自車両からの距離が前記必要距離よりも短い位置における前記道路の路面および路上の前記所定の立体物に対応する次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔を、前記第１の走査角度分解能よりも粗い第２の走査角度分解能として決定することを特徴とする外界認識装置。
【請求項4】
請求項３に記載の外界認識装置において、
前記決定部はさらに、前記必要距離における前記道路の路面よりも上側に対応する次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔を、前記第１の走査角度分解能よりも粗い第３の走査角度分解能として決定することを特徴とする外界認識装置。
前記決定部はさらに、前記必要距離における前記道路の路面よりも上側に対応する次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔を、前記第１の走査角度分解能よりも粗い第３の走査角度分解能として決定することを特徴とする外界認識装置。
【請求項5】
請求項２から４のいずれか一項に記載の外界認識装置において、
前記決定部は、前記認識部で認識に用いる次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔が前記水平方向に並ぶ複数の検出点の間で一致するように、前記鉛直方向の前記第１の走査角度分解能、前記第２の走査角度分解能、または前記第３の走査角度分解能を決定することを特徴とする外界認識装置。
前記決定部は、前記認識部で認識に用いる次フレームの前記３次元点群データの前記鉛直方向の検出点の間隔が前記水平方向に並ぶ複数の検出点の間で一致するように、前記鉛直方向の前記第１の走査角度分解能、前記第２の走査角度分解能、または前記第３の走査角度分解能を決定することを特徴とする外界認識装置。
【請求項6】
請求項２に記載の外界認識装置において、
前記決定部は、前記認識部で認識に用いる次フレームの前記３次元点群データの前記水平方向の検出点の間隔に対応する前記電磁波の前記水平方向の走査角度分解能を、前記所定の立体物の前記水平方向の長さおよび前記自車両から前記所定の立体物までの距離に基づいて決定することを特徴とする外界認識装置。
前記決定部は、前記認識部で認識に用いる次フレームの前記３次元点群データの前記水平方向の検出点の間隔に対応する前記電磁波の前記水平方向の走査角度分解能を、前記所定の立体物の前記水平方向の長さおよび前記自車両から前記所定の立体物までの距離に基づいて決定することを特徴とする外界認識装置。
【請求項7】
請求項１に記載の外界認識装置において、
前記路面情報取得部はさらに、前記認識部で認識された前記自車両の進行方向の路面の最遠距離が、前記自車両の車速に基づく必要距離よりも短い場合に、前記最遠距離から前記必要距離までの道路の勾配を予測する予測部と、
前記予測部で勾配が予測された道路の前記自車両から前記必要距離離れた路面および路上の前記所定の立体物に前記電磁波が走査照射されるように、前記電磁波の前記鉛直方向の照射角を設定する設定部と、
を含むことを特徴とする外界認識装置。
前記路面情報取得部はさらに、前記認識部で認識された前記自車両の進行方向の路面の最遠距離が、前記自車両の車速に基づく必要距離よりも短い場合に、前記最遠距離から前記必要距離までの道路の勾配を予測する予測部と、
前記予測部で勾配が予測された道路の前記自車両から前記必要距離離れた路面および路上の前記所定の立体物に前記電磁波が走査照射されるように、前記電磁波の前記鉛直方向の照射角を設定する設定部と、
を含むことを特徴とする外界認識装置。
【請求項8】
請求項７に記載の外界認識装置において、
前記決定部はさらに、前記予測部で勾配が予測された道路の前記最遠距離から前記必要距離までの路面および路上の前記所定の立体物に対応する次フレームの前記３次元点群データの検出点の間隔を、前記所定の立体物の大きさおよび前記自車両から前記所定の立体物までの距離に基づいて、前記電磁波の走査角度分解能として決定することを特徴とする外界認識装置。
前記決定部はさらに、前記予測部で勾配が予測された道路の前記最遠距離から前記必要距離までの路面および路上の前記所定の立体物に対応する次フレームの前記３次元点群データの検出点の間隔を、前記所定の立体物の大きさおよび前記自車両から前記所定の立体物までの距離に基づいて、前記電磁波の走査角度分解能として決定することを特徴とする外界認識装置。
【請求項9】
請求項１から３および６から８のいずれか一項に記載の外界認識装置において、
前記車載検出器は、ライダであることを特徴とする外界認識装置。
前記車載検出器は、ライダであることを特徴とする外界認識装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、車両の外界状況を認識する外界認識装置に関する。
【背景技術】
【0002】
この種の装置として、ライダから照射するレーザ光の照射角度を、高さ方向と平行する第１軸および水平方向と平行する第２軸を中心にそれぞれ変化させてスキャンを行い、各検出点の位置情報に基づいて車両の外界を検出する装置が知られている（例えば特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２０－１４９０７９号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上記装置では、スキャンにより取得される検出点が多く、各検出点に基づいた位置情報を取得するための処理の負担が大きい。
【課題を解決するための手段】
【0005】
本発明の一態様である外界認識装置は、第１方向および第１方向と交差する第２方向に電磁波を走査照射して自車両の周囲の外界状況を検出する車載検出器と、車載検出器の検出データに基づいて自車両が走行する道路の路面情報を取得する路面情報取得部と、を備える外界認識装置であって、車載検出器は、マトリクス状の複数の検出点毎の距離情報を含む３次元点群データを１フレームずつ取得し、路面情報取得部は、３次元点群データに基づいて、フレーム毎の道路の路面および路上の立体物を路面情報として認識する認識部と、認識対象としてあらかじめ定めた所定の立体物の大きさおよび自車両から所定の立体物までの距離に基づいて、認識部で認識に用いる次フレームの３次元点群データの検出点の間隔を、電磁波の走査角度分解能として決定する決定部と、を含む。
【発明の効果】
【0006】
本発明によれば、車両周囲の外界状況を認識する処理の負荷を軽減することが可能になる。
【図面の簡単な説明】
【0007】
【図1A】車両が道路を走行する様子を示す図。
【図1B】ライダによる検出データの一例を示す模式図。
【図2】車両制御装置の要部構成を概略的に示すブロック図。
【図3A】３次元座標系を用いて３次元空間の点群データの位置を表す図。
【図3B】３次元空間から２次元のＸ－Ｚ空間への点群データの写像を説明する図。
【図3C】グリッド別に分けられた点群データを示す模式図。
【図3D】奥行距離方向の路面勾配を示す模式図。
【図4A】投光角度と奥行距離を示す模式図。
【図4B】ライダで計測される距離を示す模式図。
【図5A】奥行距離と鉛直方向の投光角度との関係の一例を示す模式図。
【図5B】奥行距離と鉛直方向の角度分解能との関係の一例を示す模式図。
【図6A】ライダの照射光がラスタ走査方式で照射される場合の照射点の一例を示す模式図。
【図6B】ライダの照射光が検出領域内に格子状に配列した所定の格子点にのみ照射される場合の照射点の一例を示す模式図。
【図8】路面勾配の予測結果の一例を示す図。
【発明を実施するための形態】
【0008】
以下に、図面を参照して発明の実施の形態について説明する。
発明の実施の形態に係る外界認識装置は、自動運転機能を有する車両、すなわち自動運転車両に適用することができる。なお、本実施の形態に係る外界認識装置が適用される車両を、他車両と区別して自車両と呼ぶことがある。自車両は、内燃機関（エンジン）を走行駆動源として有するエンジン車両、走行モータを走行駆動源として有する電気自動車、エンジンと走行モータとを走行駆動源として有するハイブリッド車両のいずれであってもよい。自車両は、ドライバによる運転操作が不要な自動運転モードでの走行だけでなく、ドライバの運転操作による手動運転モードでの走行も可能である。
発明の実施の形態に係る外界認識装置は、自動運転機能を有する車両、すなわち自動運転車両に適用することができる。なお、本実施の形態に係る外界認識装置が適用される車両を、他車両と区別して自車両と呼ぶことがある。自車両は、内燃機関（エンジン）を走行駆動源として有するエンジン車両、走行モータを走行駆動源として有する電気自動車、エンジンと走行モータとを走行駆動源として有するハイブリッド車両のいずれであってもよい。自車両は、ドライバによる運転操作が不要な自動運転モードでの走行だけでなく、ドライバの運転操作による手動運転モードでの走行も可能である。
【0009】
自動運転車両は、自動運転モードでの走行（以下、自動走行または自律走行と呼ぶ）時に、カメラやライダ（ＬｉＤＡＲ：Light Detection and Ranging）等の車載検出器の検出データに基づき自車両の周囲の外界状況を認識する。自動運転車両は、その認識結果に基づいて、現時点から所定時間より先の走行軌道（目標軌道）を生成し、目標軌道に沿って自車両が走行するように走行用アクチュエータを制御する。
【0010】
図１Ａは、自動運転車両である自車両１０１が道路ＲＤを走行する様子を示す図である。図１Ｂは、自車両１０１に搭載され、自車両１０１の進行方向に向けられたライダにより得られた検出データの一例を示す模式図である。ライダによる計測点（検出点と呼んでもよい）は、照射したレーザが物体の表面のある１点で反射して戻ってくる点情報である。点情報は、レーザ源からその点までの距離と、反射して戻ってきたレーザの強度と、レーザ源とその点との相対速度とを含む。また、図１Ｂに示すような複数の検出点で構成されるデータを、点群データと呼ぶ。図１Ｂには、図１Ａの物体のうち、ライダの視野（Field of view；以下ＦＯＶと呼ぶ）に含まれる物体の表面の検出点に基づく点群データが示されている。ＦＯＶは、例えば、自車両１０１の水平方向（道路幅方向と呼んでもよい）に１２０ deg、鉛直方向（上下方向と呼んでもよい）に４０ degとしてもよい。ＦＯＶの値は、外界認識装置の仕様に基づいて適宜変更して構わない。自車両１０１は、図１Ｂに示すような点群データに基づいて車両周囲の外界状況、より具体的には車両周囲の道路構造および物体等を認識し、その認識結果に基づいて目標軌道を生成する。
【0011】
ところで、車両周囲の外界状況を十分に認識する方法として、ライダ等の車載検出器から照射する電磁波の照射点の数を増やす（換言すると、電磁波の照射点密度を高めて点群データを構成する検出点の数を増やす）ことが考えられる。一方で、電磁波の照射点の数を増やす（検出点の数を増やす）と、車載検出器を制御するための処理負荷が増えたり、車載検出器により得られる検出データ（点群データ）の容量が増大して点群データに対する処理負荷が増えたりするおそれがある。特に、道路上や道路脇に多くの物体が存在する状況では、点群データの容量がさらに増大する。
そのため、上記の点を考慮して、実施の形態では以下のような外界認識装置を構成する。
そのため、上記の点を考慮して、実施の形態では以下のような外界認識装置を構成する。
【0012】
＜概要＞
実施の形態に係る外界認識装置は、道路ＲＤを走行する自車両１０１のライダから自車両１０１の進行方向に電磁波の一例としての照射光を間欠的に照射し、道路ＲＤ上の異なる位置で離散的に点群データを取得する。ライダから照射する照射光の照射範囲は、前回の照射によりライダで取得された前フレームの点群データと、今回の照射によりライダで取得される次フレームの点群データとで、道路ＲＤの進行方向にデータの空白区間が生じないように設定する。
照射範囲内の検出点密度は、例えば自車両１０１から遠い路面に対して高く、自車両１０１に近い路面に対して低く設定することにより、照射範囲内の全ての路面に対して高い検出点密度を設定する場合と比べて、認識処理に用いる検出点の総数を抑制する。これにより、点群データに基づいて認識する物体等の位置（自車両１０１からの距離）や大きさの認識精度を低下させることなく、認識処理に用いる検出点の数を低減することが可能になる。
このような外界認識装置について、さらに詳細に説明する。
実施の形態に係る外界認識装置は、道路ＲＤを走行する自車両１０１のライダから自車両１０１の進行方向に電磁波の一例としての照射光を間欠的に照射し、道路ＲＤ上の異なる位置で離散的に点群データを取得する。ライダから照射する照射光の照射範囲は、前回の照射によりライダで取得された前フレームの点群データと、今回の照射によりライダで取得される次フレームの点群データとで、道路ＲＤの進行方向にデータの空白区間が生じないように設定する。
照射範囲内の検出点密度は、例えば自車両１０１から遠い路面に対して高く、自車両１０１に近い路面に対して低く設定することにより、照射範囲内の全ての路面に対して高い検出点密度を設定する場合と比べて、認識処理に用いる検出点の総数を抑制する。これにより、点群データに基づいて認識する物体等の位置（自車両１０１からの距離）や大きさの認識精度を低下させることなく、認識処理に用いる検出点の数を低減することが可能になる。
このような外界認識装置について、さらに詳細に説明する。
【0013】
＜車両制御装置の構成＞
図２は、外界認識装置を含む車両制御装置１００の要部構成を示すブロック図である。この車両制御装置１００は、コントローラ１０と、通信ユニット１と、測位ユニット２と、内部センサ群３と、カメラ４と、ライダ５と、走行用のアクチュエータＡＣとを有する。また、車両制御装置１００は、車両制御装置１００の一部を構成する外界認識装置５０を有する。外界認識装置５０は、カメラ４やライダ５等の車載検出器の検出データに基づいて、車両周囲の外界状況を認識する。
図２は、外界認識装置を含む車両制御装置１００の要部構成を示すブロック図である。この車両制御装置１００は、コントローラ１０と、通信ユニット１と、測位ユニット２と、内部センサ群３と、カメラ４と、ライダ５と、走行用のアクチュエータＡＣとを有する。また、車両制御装置１００は、車両制御装置１００の一部を構成する外界認識装置５０を有する。外界認識装置５０は、カメラ４やライダ５等の車載検出器の検出データに基づいて、車両周囲の外界状況を認識する。
【0014】
通信ユニット１は、インターネット網や携帯電話網等に代表される無線通信網を含むネットワークを介して図示しない各種サーバと通信し、地図情報、走行履歴情報および交通情報等を定期的に、あるいは任意のタイミングでサーバから取得する。ネットワークには、公衆無線通信網だけでなく、所定の管理地域毎に設けられた閉鎖的な通信網、例えば無線ＬＡＮ、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等も含まれる。取得した地図情報は、記憶部１２に出力され、地図情報が更新される。測位ユニット（ＧＮＳＳユニット）２は、測位衛星から送信された測位用の信号を受信する測位センサを有する。測位衛星は、ＧＰＳ衛星や準天頂衛星等の人工衛星である。測位ユニット２は、測位センサが受信した測位情報を利用して、自車両１０１の現在位置（緯度、経度、高度）を測定する。
【0015】
内部センサ群３は、自車両１０１の走行状態を検出する複数のセンサ（内部センサ）の総称である。例えば内部センサ群３には、自車両１０１の車速（走行速度）を検出する車速センサ、自車両１０１の前後方向の加速度および左右方向の加速度（横加速度）をそれぞれ検出する加速度センサ、走行駆動源の回転数を検出する回転数センサ、自車両１０１の重心の鉛直軸回りの回転角速度を検出するヨーレートセンサ等が含まれる。手動運転モードでのドライバの運転操作、例えばアクセルペダルの操作、ブレーキペダルの操作、ステアリングホイールの操作等を検出するセンサも内部センサ群３に含まれる。
【0016】
カメラ４は、ＣＣＤやＣＭＯＳ等の撮像素子を有して自車両１０１の周辺（前方、後方および側方）を撮像する。ライダ５は、照射光に対する散乱光を受信して自車両１０１から周辺の物体までの距離、物体の位置、形状等を測定する。
【0017】
アクチュエータＡＣは、自車両１０１の走行を制御するための走行用アクチュエータである。走行駆動源がエンジンである場合、アクチュエータＡＣには、エンジンのスロットルバルブの開度（スロットル開度）を調整するスロットル用アクチュエータが含まれる。走行駆動源が走行モータである場合、走行モータがアクチュエータＡＣに含まれる。自車両１０１の制動装置を作動するブレーキ用アクチュエータと転舵装置を駆動する転舵用アクチュエータもアクチュエータＡＣに含まれる。
【0018】
コントローラ１０は、電子制御ユニット（ＥＣＵ）により構成される。より具体的には、コントローラ１０は、ＣＰＵ（マイクロプロセッサ）等の演算部１１と、ＲＯＭ、ＲＡＭ等の記憶部１２と、Ｉ／Ｏインターフェース等の図示しないその他の周辺回路とを有するコンピュータを含んで構成される。なお、エンジン制御用ＥＣＵ、走行モータ制御用ＥＣＵ、制動装置用ＥＣＵ等、機能の異なる複数のＥＣＵを別々に設けることができるが、図２では、便宜上、これらＥＣＵの集合としてコントローラ１０が示される。
【0019】
記憶部１２は、高精度の詳細な地図情報（高精度地図情報と呼ぶ）を記憶することが可能である。高精度地図情報には、道路の位置情報、道路形状（曲率等）の情報、道路の勾配の情報、交差点や分岐点の位置情報、車線（走行レーン）数の情報、車線の幅員および車線毎の位置情報（車線の中央位置や車線位置の境界線の情報）、地図上の目印としてのランドマーク（信号機、標識、建物等）の位置情報、路面の凹凸等の路面プロファイルの情報が含まれる。また、記憶部１２は、後述する２次元マップ情報の他、各種制御のプログラム、プログラムで用いられる閾値等の情報、ライダ５等の車載検出器に対する設定情報（後述する照射点情報等）を記憶することも可能である。
なお、実施の形態では高精度の詳細な地図情報を必ずしも必要としないため、詳細な地図情報については記憶部１２に記憶しなくてもよい。
なお、実施の形態では高精度の詳細な地図情報を必ずしも必要としないため、詳細な地図情報については記憶部１２に記憶しなくてもよい。
【0020】
演算部１１は、機能的構成として、認識部１１１と、設定部１１２と、決定部１１３と、予測部１１４と、走行制御部１１５とを有する。なお、図２に示すように、認識部１１１、設定部１１２、決定部１１３および予測部１１４は外界認識装置５０に含まれる。外界認識装置５０は、上述したように、カメラ４やライダ５等の車載検出器の検出データに基づいて車両周囲の外界状況を認識する。外界認識装置５０に含まれる認識部１１１、設定部１１２、決定部１１３および予測部１１４の詳細については後述する。
【0021】
走行制御部１１５は、自動運転モードにおいて、外界認識装置５０で認識された車両周囲の外界状況に基づいて目標軌道を生成し、その目標軌道に沿って自車両１０１が走行するようにアクチュエータＡＣを制御する。なお、手動運転モードでは、走行制御部１１５は、内部センサ群３により取得されたドライバからの走行指令（ステアリング操作等）に応じてアクチュエータＡＣを制御する。
【0022】
ライダ５について、さらに説明する。
＜検出領域＞
ライダ５は、走行時に注視すべき領域をＦＯＶに含むように、自車両１０１の前方に向けて取付けられている。ライダ５は、照射光を照射した立体物等で散乱された光を受信するので、ライダ５のＦＯＶが照射光の照射範囲および検出領域に対応する。つまり、照射範囲内の照射点が検出領域内の検出点に対応する。
実施の形態では、路面の凹凸、段差、うねり等を含む路面形状と、道路ＲＤ上に位置する立体物（道路ＲＤに関連する設備等（信号機、標識、溝、壁、柵、ガードレール等））と、道路ＲＤ上の物体（他車両および路面の障害物を含む）と、路面に設けられた区画線と、を含めて立体物等と呼ぶ。区画線は、白線（黄色等の色違いの線を含む）、縁石線、道路鋲等を含むものとし、レーンマーク(Lane mark)と呼んでもよい。また、立体物等のうちあらかじめ検出対象として設定されたものを検出対象と呼ぶ。
＜検出領域＞
ライダ５は、走行時に注視すべき領域をＦＯＶに含むように、自車両１０１の前方に向けて取付けられている。ライダ５は、照射光を照射した立体物等で散乱された光を受信するので、ライダ５のＦＯＶが照射光の照射範囲および検出領域に対応する。つまり、照射範囲内の照射点が検出領域内の検出点に対応する。
実施の形態では、路面の凹凸、段差、うねり等を含む路面形状と、道路ＲＤ上に位置する立体物（道路ＲＤに関連する設備等（信号機、標識、溝、壁、柵、ガードレール等））と、道路ＲＤ上の物体（他車両および路面の障害物を含む）と、路面に設けられた区画線と、を含めて立体物等と呼ぶ。区画線は、白線（黄色等の色違いの線を含む）、縁石線、道路鋲等を含むものとし、レーンマーク(Lane mark)と呼んでもよい。また、立体物等のうちあらかじめ検出対象として設定されたものを検出対象と呼ぶ。
【0023】
＜座標系の例示＞
図３Ａは、３次元座標系を用いて３次元空間の点群データの位置を表す図である。図３Ａにおいて、ｘ軸プラス方向が自車両１０１の進行方向に、ｙ軸プラス方向が自車両１０１の水平方向左方に、ｚ軸プラス方向が鉛直方向上方に、それぞれ対応する。
また、データＰの位置のｘ軸成分を奥行距離Ｘと呼び、データＰの位置のｙ軸成分を水平距離Ｙと呼び、データＰの位置のｚ軸成分を高さＺと呼ぶ。
ライダ５で計測される距離、換言すると、ライダ５から検出対象としての物体上の点までの距離をＤとすると、データＰの位置を示す座標（Ｘ，Ｙ，Ｚ）は以下の式で算出される。
Ｘ＝Ｄ×cosθ×cosφ （１）
Ｙ＝Ｄ×sinθ×cosφ （２）
Ｚ＝Ｄ×sinφ （３）
なお、角度θを水平投光角度と呼び、角度φを鉛直投光角度と呼ぶ。水平投光角度θおよび鉛直投光角度φは、設定部１１２によってライダ５に設定される。
図３Ａは、３次元座標系を用いて３次元空間の点群データの位置を表す図である。図３Ａにおいて、ｘ軸プラス方向が自車両１０１の進行方向に、ｙ軸プラス方向が自車両１０１の水平方向左方に、ｚ軸プラス方向が鉛直方向上方に、それぞれ対応する。
また、データＰの位置のｘ軸成分を奥行距離Ｘと呼び、データＰの位置のｙ軸成分を水平距離Ｙと呼び、データＰの位置のｚ軸成分を高さＺと呼ぶ。
ライダ５で計測される距離、換言すると、ライダ５から検出対象としての物体上の点までの距離をＤとすると、データＰの位置を示す座標（Ｘ，Ｙ，Ｚ）は以下の式で算出される。
Ｘ＝Ｄ×cosθ×cosφ （１）
Ｙ＝Ｄ×sinθ×cosφ （２）
Ｚ＝Ｄ×sinφ （３）
なお、角度θを水平投光角度と呼び、角度φを鉛直投光角度と呼ぶ。水平投光角度θおよび鉛直投光角度φは、設定部１１２によってライダ５に設定される。
【0024】
図３Ｂは、３次元空間から２次元のＸ－Ｚ空間への点群データの写像を説明する図である。実施の形態では、道路ＲＤの路面勾配を算出するため、点群データを構成するデータ毎に３次元空間のデータＰからＸ－Ｚ空間のデータＰ´へ写像する。この写像により、３次元の点群データがＸ－Ｚ空間の２次元の点群データへ変換される。Ｘ－Ｚ空間では水平距離Ｙを示す情報が省かれ、奥行距離Ｘおよび高さＺの情報が残る。
次に、Ｘ－Ｚ空間を所定のサイズ（例えば５０ｃｍ四方）のグリッドで区切り、各グリッドに含まれているデータＰ´の数をカウントする。図３Ｃは、グリッド別に分けられた点群データを示す模式図である。なお、実際のデータＰ´に基づくグリッド数は、図示した数よりもはるかに多い。
図３Ｃにより、グリッド毎の位置データ（奥行距離Ｘ）と、グリッド毎の高さＺと、各グリッドに入っているデータＰ´の数が示される。実施の形態では、事前に立体物のデータを分離、除外しているため、主に路面のデータに対してのＸとＺのグリッドデータとなる。そのため、グリッド内のデータＰ´の数が最大になるグリッドを奥行距離Ｘ方向に順次抽出することにより、図３Ｄに示すような路面の高さＺを示すグリッドの列、すなわち奥行距離Ｘ方向の路面勾配が得られる。
各グリッドに注目すると、そのグリッドの路面点（上述した照射点に対応）に対する鉛直方向の投光角度α、その路面点の奥行距離Ｘおよび路面の高さＺの間には次式（４）が成立する。また、ライダ５からその路面点までの距離ＤＬ、その路面点の奥行距離Ｘおよび路面の高さＺの間には次式（５）が成立する。
ｔａｎα＝Ｚ／Ｘ （４）
ＤＬ＝（Ｘ2＋Ｚ2）1/2 （５）
次に、Ｘ－Ｚ空間を所定のサイズ（例えば５０ｃｍ四方）のグリッドで区切り、各グリッドに含まれているデータＰ´の数をカウントする。図３Ｃは、グリッド別に分けられた点群データを示す模式図である。なお、実際のデータＰ´に基づくグリッド数は、図示した数よりもはるかに多い。
図３Ｃにより、グリッド毎の位置データ（奥行距離Ｘ）と、グリッド毎の高さＺと、各グリッドに入っているデータＰ´の数が示される。実施の形態では、事前に立体物のデータを分離、除外しているため、主に路面のデータに対してのＸとＺのグリッドデータとなる。そのため、グリッド内のデータＰ´の数が最大になるグリッドを奥行距離Ｘ方向に順次抽出することにより、図３Ｄに示すような路面の高さＺを示すグリッドの列、すなわち奥行距離Ｘ方向の路面勾配が得られる。
各グリッドに注目すると、そのグリッドの路面点（上述した照射点に対応）に対する鉛直方向の投光角度α、その路面点の奥行距離Ｘおよび路面の高さＺの間には次式（４）が成立する。また、ライダ５からその路面点までの距離ＤＬ、その路面点の奥行距離Ｘおよび路面の高さＺの間には次式（５）が成立する。
ｔａｎα＝Ｚ／Ｘ （４）
ＤＬ＝（Ｘ2＋Ｚ2）1/2 （５）
【0025】
＜投光角度と奥行距離＞
図４Ａは、ライダ５の鉛直方向の投光角度α（水平方向に対する照射光の角度）と奥行距離Ｘを示す模式図である。外界認識装置５０は、投光角度αを変化させることにより、照射光の照射方向を上下に変化させて、照射点の位置を鉛直方向に移動させる。
図４Ａにおいて、例えば奥行距離Ｘ２が１０ｍの地点の道路ＲＤ上に照射光が照射される場合は、入射角α2で路面が照射される。また、例えば奥行距離Ｘ１が４０ｍの地点の道路ＲＤ上に照射光が照射される場合は、入射角α1で路面が照射される。さらに、例えば奥行距離Ｘ０が１００ｍの地点の道路ＲＤ上に照射光が照射される場合は、入射角α0で路面が照射される。
一般に、路面に対する入射角が大きくなるほど路面からライダ５へ戻る散乱光が小さくなる。そのため、多くの場合は奥行距離Ｘ０の地点への照射光に対する散乱光の受信レベルが一番低くなる。
図４Ａは、ライダ５の鉛直方向の投光角度α（水平方向に対する照射光の角度）と奥行距離Ｘを示す模式図である。外界認識装置５０は、投光角度αを変化させることにより、照射光の照射方向を上下に変化させて、照射点の位置を鉛直方向に移動させる。
図４Ａにおいて、例えば奥行距離Ｘ２が１０ｍの地点の道路ＲＤ上に照射光が照射される場合は、入射角α2で路面が照射される。また、例えば奥行距離Ｘ１が４０ｍの地点の道路ＲＤ上に照射光が照射される場合は、入射角α1で路面が照射される。さらに、例えば奥行距離Ｘ０が１００ｍの地点の道路ＲＤ上に照射光が照射される場合は、入射角α0で路面が照射される。
一般に、路面に対する入射角が大きくなるほど路面からライダ５へ戻る散乱光が小さくなる。そのため、多くの場合は奥行距離Ｘ０の地点への照射光に対する散乱光の受信レベルが一番低くなる。
【0026】
図４Ｂは、ライダ５で計測される距離ＤＬを示す模式図である。図３Ａ～３Ｄを参照して上述したように、外界認識装置５０は、ライダ５に設定した投光角度α、ライダ５で計測された距離ＤＬ（照射光の光路長）および上式（４）、（５）を用いて、照射光を照射した路面点までの奥行距離Ｘと、その路面点の高さＺとを算出する。
【0027】
外界認識装置５０は、奥行距離を現在の値よりも長くしたい場合に投光角度αを小さくし、奥行距離を現在の値よりも短くしたい場合に投光角度αを大きくする。例えば、奥行距離が７０ｍの地点に照射光が照射されている状態から奥行距離を１００ｍに変更する場合、外界認識装置５０は、投光角度αを現在の値よりも小さくして奥行距離が１００ｍの地点に照射光が照射されるようにする。また、例えば道路ＲＤが下り勾配等の場合で照射光が道路ＲＤ上に照射されていない場合には、外界認識装置５０は、投光角度αを現在よりも大きくして照射光が道路ＲＤ上に照射されるようにする。
【0028】
図５Ａは、奥行距離Ｘと鉛直方向の投光角度αとの関係の一例を示す模式図である。横軸は奥行距離Ｘ（単位ｍ）を示し、縦軸は鉛直方向の投光角度α（単位deg）を示す。投光角度αを鉛直方向角度と呼んでもよい。外界認識装置５０は、図５Ａに例示したように、奥行距離Ｘを短くしたい場合は投光角度αをマイナス側に大きくし、奥行距離Ｘを長くしたい場合は投光角度αを小さくする。符号Ｎについては後述する。
【0029】
＜ＦＯＶと奥行距離＞
実施の形態では、ライダ５のＦＯＶ下端に対応する奥行距離（例えば図４ＡのＸ２）から、ＦＯＶ上端に対応する奥行距離（例えば図４ＡのＸ０）までの路面状況を検出する。ＦＯＶ下端に対応する奥行距離を第１の所定距離と呼び、ＦＯＶ上端に対応する奥行距離を第２の所定距離と呼ぶことにする。
一般に、カメラ４は近距離においてライダ５よりも分解能の点において優れており、ライダ５はカメラ４に比べて距離計測精度、相対速度計測精度の点において優れている。そのため、外界認識装置５０は、ライダ５のＦＯＶよりもカメラ４の画角が鉛直方向に広角である場合は、ライダ５のＦＯＶ下端よりも下側（換言すると、第１の所定距離よりも自車両１０１に近い路面）についてはカメラ４に路面状況を検出する役割を担わせてもよい。
実施の形態では、ライダ５のＦＯＶ下端に対応する奥行距離（例えば図４ＡのＸ２）から、ＦＯＶ上端に対応する奥行距離（例えば図４ＡのＸ０）までの路面状況を検出する。ＦＯＶ下端に対応する奥行距離を第１の所定距離と呼び、ＦＯＶ上端に対応する奥行距離を第２の所定距離と呼ぶことにする。
一般に、カメラ４は近距離においてライダ５よりも分解能の点において優れており、ライダ５はカメラ４に比べて距離計測精度、相対速度計測精度の点において優れている。そのため、外界認識装置５０は、ライダ５のＦＯＶよりもカメラ４の画角が鉛直方向に広角である場合は、ライダ５のＦＯＶ下端よりも下側（換言すると、第１の所定距離よりも自車両１０１に近い路面）についてはカメラ４に路面状況を検出する役割を担わせてもよい。
【0030】
＜照射光の照射点数＞
外界認識装置５０は、ライダ５のＦＯＶ内に、ライダ５の照射光を照射する照射点の位置を算出する。より具体的には、外界認識装置５０は、あらかじめ指定された検出対象の最小サイズ（例えば鉛直方向、水平方向ともに１５ｃｍ）と、必要奥行距離（例えば１００ｍ）と、に基づいて算出される角度分解能に応じて照射点を算出する。必要奥行距離は、車速により変化する自車両１０１の制動距離に対応する。実施の形態では、走行中の自車両１０１が進行方向の道路の路面状況を少なくとも制動距離より先まで検出すべきという考え方に基づき、制動距離に所定の余裕を加えた値を必要奥行距離と呼ぶ。自車両１０１の車速は、内部センサ群３の車速センサにより検出される。車速と必要奥行距離との関係は、あらかじめ記憶部１２に記憶されている。図５Ａにおける符号Ｎは、車速が例えば１００ｋｍ/ｈの場合における必要奥行距離を示す。
必要奥行距離として１００ｍ先の１５ｃｍの検出対象を検出する場合の角度分解能を例示すると、図５Ｂを参照して後述するように、鉛直方向および水平方向にそれぞれ０．０５ degが必要である。なお、１５ｃｍよりも小さなサイズの検出対象を検出する場合、および、１００ｍよりも長い奥行距離Ｘにおいて１５ｃｍの検出対象を検出する場合には、角度分解能を上げることによってＦＯＶ内の照射点数をさらに増やす必要がある。
外界認識装置５０は、ライダ５のＦＯＶ内に、ライダ５の照射光を照射する照射点の位置を算出する。より具体的には、外界認識装置５０は、あらかじめ指定された検出対象の最小サイズ（例えば鉛直方向、水平方向ともに１５ｃｍ）と、必要奥行距離（例えば１００ｍ）と、に基づいて算出される角度分解能に応じて照射点を算出する。必要奥行距離は、車速により変化する自車両１０１の制動距離に対応する。実施の形態では、走行中の自車両１０１が進行方向の道路の路面状況を少なくとも制動距離より先まで検出すべきという考え方に基づき、制動距離に所定の余裕を加えた値を必要奥行距離と呼ぶ。自車両１０１の車速は、内部センサ群３の車速センサにより検出される。車速と必要奥行距離との関係は、あらかじめ記憶部１２に記憶されている。図５Ａにおける符号Ｎは、車速が例えば１００ｋｍ/ｈの場合における必要奥行距離を示す。
必要奥行距離として１００ｍ先の１５ｃｍの検出対象を検出する場合の角度分解能を例示すると、図５Ｂを参照して後述するように、鉛直方向および水平方向にそれぞれ０．０５ degが必要である。なお、１５ｃｍよりも小さなサイズの検出対象を検出する場合、および、１００ｍよりも長い奥行距離Ｘにおいて１５ｃｍの検出対象を検出する場合には、角度分解能を上げることによってＦＯＶ内の照射点数をさらに増やす必要がある。
【0031】
外界認識装置５０は、例えば、ＦＯＶ内に格子状に配列するように照射点の位置を算出し、格子点の鉛直方向および水平方向の間隔を、それぞれ鉛直方向および水平方向の角度分解能に対応させる。鉛直方向の角度分解能を上げる場合は、ＦＯＶを角度分解能に基づく数で鉛直方向に分割し、鉛直方向の格子間隔を狭くして照射点の数を増やす。換言すると、照射点の間隔を密にする。反対に、鉛直方向の角度分解能を下げる場合は、ＦＯＶを角度分解能に基づく数で鉛直方向に分割し、鉛直方向の格子間隔を広くして照射点の数を減らす。換言すると、照射点の間隔を粗くする。水平方向についても同様とする。
外界認識装置５０は、角度分解能に応じて算出した照射点の位置を示す情報（以下、照射点情報と呼ぶ）を生成し、自車両１０１の現在の走行位置を示す位置情報に対応付けて記憶部１２に記憶する。
外界認識装置５０は、角度分解能に応じて算出した照射点の位置を示す情報（以下、照射点情報と呼ぶ）を生成し、自車両１０１の現在の走行位置を示す位置情報に対応付けて記憶部１２に記憶する。
【0032】
＜角度分解能と奥行距離＞
図５Ｂは、奥行距離Ｘと鉛直方向の角度分解能との関係の一例を示す模式図であり、上述したサイズ（縦横ともに１５ｃｍ）の検出対象を認識するために必要な角度分解能（必要角度分解能と呼んでもよい）を示す。横軸は奥行距離Ｘ（単位ｍ）を示し、縦軸は鉛直方向の角度分解能（単位deg）を示す。一般に、奥行距離Ｘが短い（換言すると、検出対象が自車両１０１に近い）ほど、検出対象に対する視角が大きくなるので、角度分解能が低くても検出対象を検出することが可能となる。反対に、奥行距離Ｘが長い（換言すると、検出対象が自車両１０１から遠い）ほど、検出対象に対する視角が小さくなるので、検出対象の検出には高い角度分解能が必要となる。そのため、外界認識装置５０は、図５Ｂに例示したように、奥行距離Ｘが短いほど角度分解能を下げ（数値を大きくする）、奥行距離Ｘが長いほど角度分解能を上げる（数値を小さくする）。
なお、図示を省略するが、奥行距離Ｘと水平方向の角度分解能との関係についても同様である。
図５Ｂにおける符号Ｎは、車速が例えば１００ｋｍ/ｈの場合における必要奥行距離を示す。
図５Ｂは、奥行距離Ｘと鉛直方向の角度分解能との関係の一例を示す模式図であり、上述したサイズ（縦横ともに１５ｃｍ）の検出対象を認識するために必要な角度分解能（必要角度分解能と呼んでもよい）を示す。横軸は奥行距離Ｘ（単位ｍ）を示し、縦軸は鉛直方向の角度分解能（単位deg）を示す。一般に、奥行距離Ｘが短い（換言すると、検出対象が自車両１０１に近い）ほど、検出対象に対する視角が大きくなるので、角度分解能が低くても検出対象を検出することが可能となる。反対に、奥行距離Ｘが長い（換言すると、検出対象が自車両１０１から遠い）ほど、検出対象に対する視角が小さくなるので、検出対象の検出には高い角度分解能が必要となる。そのため、外界認識装置５０は、図５Ｂに例示したように、奥行距離Ｘが短いほど角度分解能を下げ（数値を大きくする）、奥行距離Ｘが長いほど角度分解能を上げる（数値を小さくする）。
なお、図示を省略するが、奥行距離Ｘと水平方向の角度分解能との関係についても同様である。
図５Ｂにおける符号Ｎは、車速が例えば１００ｋｍ/ｈの場合における必要奥行距離を示す。
【0033】
外界認識装置５０は、自車両１０１が自動運転モードで走行しているとき、ＦＯＶ内に所定の照射点（検出点）を設定するとともに照射光を照射するようにライダ５を制御する。これにより、ライダ５からの照射光は、設定された照射点（検出点）に向けて照射される。
【0034】
なお、ライダ５の照射光は、ＦＯＶ内に格子状に配列した全ての照射点（検出点）にラスタ走査方式で照射されてもよいし、所定の照射点（検出点）にのみ照射光が照射されるように断続的に照射光が照射されてもよいし、その他の態様で照射されてもよいものとする。
【0035】
図６Ａは、ライダ５の照射光がラスタ走査方式で照射される場合の照射点の一例を示す模式図である。外界認識装置５０は、ライダ５から照射光を照射する際、ＦＯＶ内の全域に対し、必要奥行距離Ｎにおいて必要とされる角度分解能を設定して照射光の照射方向を制御する。
例えば、道路ＲＤ上の必要奥行距離Ｎの地点に存在する検出対象を認識するための必要角度分解能が縦（鉛直方向）、横（水平方向）ともに０．０５ degである場合、外界認識装置５０は、ＦＯＶ内の全域で照射光の照射方向を縦横それぞれ０．０５ deg間隔でずらすように制御する。つまり、図６Ａでは格子点の各黒丸が照射点（検出点）に対応しており、縦および横の照射点（検出点）の間隔はそれぞれ０．０５ degの角度分解能に対応する。
ＦＯＶ内における実際の照射点の数は、図６Ａに図示した黒丸の数よりもはるかに多い。具体例として、ライダ５のＦＯＶが水平方向に１２０ degの場合、照射点（検出点）に対応する黒丸は、水平方向に０．０５ deg間隔で２４００個並ぶ。同様に、ＦＯＶが鉛直方向に４０ degの場合、照射点（検出点）に対応する黒丸は、鉛直方向に０．０５ deg間隔で８００個並ぶ。
例えば、道路ＲＤ上の必要奥行距離Ｎの地点に存在する検出対象を認識するための必要角度分解能が縦（鉛直方向）、横（水平方向）ともに０．０５ degである場合、外界認識装置５０は、ＦＯＶ内の全域で照射光の照射方向を縦横それぞれ０．０５ deg間隔でずらすように制御する。つまり、図６Ａでは格子点の各黒丸が照射点（検出点）に対応しており、縦および横の照射点（検出点）の間隔はそれぞれ０．０５ degの角度分解能に対応する。
ＦＯＶ内における実際の照射点の数は、図６Ａに図示した黒丸の数よりもはるかに多い。具体例として、ライダ５のＦＯＶが水平方向に１２０ degの場合、照射点（検出点）に対応する黒丸は、水平方向に０．０５ deg間隔で２４００個並ぶ。同様に、ＦＯＶが鉛直方向に４０ degの場合、照射点（検出点）に対応する黒丸は、鉛直方向に０．０５ deg間隔で８００個並ぶ。
【0036】
外界認識装置５０は、ＦＯＶに対して１フレーム分の照射光の走査を行う毎に図６Ａの照射点に対応する検出点の検出データを取得し、これらの検出データの中から、検出対象の認識に必要な角度分解能に基づく検出点のデータを抽出する。より具体的には、ＦＯＶのうちの奥行距離Ｘが必要奥行距離Ｎよりも短い領域であって、必要角度分解能が０．０５ degではなく０．１ degで足りる領域については、縦および横のデータの間隔を０．０５ deg間隔よりも広くするようにデータを抽出する。また、ＦＯＶのうちの空に対応する領域についても、道路ＲＤが存在しないことから縦および横のデータの間隔を広くするようにデータを抽出する。このように抽出した検出点の間隔は、後述する図６Ｂに黒丸で示される検出点の間隔と同様である。
外界認識装置５０が検出点のデータを抽出することにより、認識処理に用いる検出データの総数を抑制することが可能になる。
外界認識装置５０が検出点のデータを抽出することにより、認識処理に用いる検出データの総数を抑制することが可能になる。
【0037】
図６Ｂは、ライダ５の照射光がＦＯＶ内に格子状に配列した所定の照射点（検出点）にのみ照射される場合の照射点の一例を示す模式図である。外界認識装置５０は、ライダ５から照射光を照射する際、ＦＯＶ内の照射点（検出点）の間隔を、必要とされる角度分解能に応じた間隔に設定して、照射光の照射方向を制御する。
例えば、道路ＲＤ上の必要奥行距離Ｎの地点に存在する検出対象を認識するための必要角度分解能が縦（鉛直方向）、横（水平方向）ともに０．０５ degである場合、外界認識装置５０は、必要奥行距離Ｎに対応する領域（左右方向に長い帯状領域）において照射光の照射方向を縦横それぞれ０．０５ deg間隔でずらすように制御する。
また、ＦＯＶのうちの奥行距離Ｘが必要奥行距離Ｎよりも短い領域であって、必要角度分解能が０．１ degで足りる領域については、縦および横の検出点の間隔を広くするように照射光の照射方向を制御する。さらに、ＦＯＶのうちの空に対応する領域についても、道路ＲＤが存在しないことから縦および横の検出点の間隔を広くするように照射光の照射方向を制御する。
外界認識装置５０が検出点の間隔を制御したことにより、認識処理に用いる検出データの総数を抑制することが可能になる。
なお、ＦＯＶ内における実際の照射点の数は、図６Ｂに図示した黒丸の数よりもはるかに多い。
例えば、道路ＲＤ上の必要奥行距離Ｎの地点に存在する検出対象を認識するための必要角度分解能が縦（鉛直方向）、横（水平方向）ともに０．０５ degである場合、外界認識装置５０は、必要奥行距離Ｎに対応する領域（左右方向に長い帯状領域）において照射光の照射方向を縦横それぞれ０．０５ deg間隔でずらすように制御する。
また、ＦＯＶのうちの奥行距離Ｘが必要奥行距離Ｎよりも短い領域であって、必要角度分解能が０．１ degで足りる領域については、縦および横の検出点の間隔を広くするように照射光の照射方向を制御する。さらに、ＦＯＶのうちの空に対応する領域についても、道路ＲＤが存在しないことから縦および横の検出点の間隔を広くするように照射光の照射方向を制御する。
外界認識装置５０が検出点の間隔を制御したことにより、認識処理に用いる検出データの総数を抑制することが可能になる。
なお、ＦＯＶ内における実際の照射点の数は、図６Ｂに図示した黒丸の数よりもはるかに多い。
【0038】
図７は、図６Ｂに例示した照射点へ照射光を照射する場合の照射順の一例を示す図である。図７において、ＦＯＶの左上から右下の照射点に向かって、それぞれ矢印の向きに照射光の照射方向が制御される。また、縦方向の矢印に併記したＰ１～Ｐ３の文字は照射点（検出点）の間隔の大小を示す、Ｐ１は、例えば角度分解能が０．０５ degに対応する照射点（検出点）の間隔を示す。Ｐ２は、例えば角度分解能が０．１ degに対応する照射点（検出点）の間隔を示す。Ｐ３は、例えば角度分解能が０．２ degに対応する照射点（検出点）の間隔を示す。
図７では、角度分解能を３段階に切り替える例を図示したが、３段階に限らず、２段階以上の角度分解能を適宜切り替えるように構成して構わない。
図７では、角度分解能を３段階に切り替える例を図示したが、３段階に限らず、２段階以上の角度分解能を適宜切り替えるように構成して構わない。
【0039】
＜外界認識装置の構成＞
外界認識装置５０の詳細について説明する。
上述したように、外界認識装置５０は、認識部１１１、設定部１１２、決定部１１３および予測部１１４と、ライダ５を含む。
＜認識部＞
認識部１１１は、ライダ５のＦＯＶにおいて検出される時系列の検出データを用いて３次元の点群データを生成する。
また、認識部１１１は、ライダ５で測定された検出データに基づいて、自車両１０１が走行する道路ＲＤの進行方向の道路構造と、進行方向の道路ＲＤ上の検出対象とを認識する。道路構造は、例えば直線路、カーブ路、分岐路、トンネルの出入口等をいう。
さらに、認識部１１１は、例えば平坦な路面を示すデータに対して輝度フィルタリング処理等を施すことによって区画線を検知する。この場合において、認識部１１１は、輝度が所定の閾値を超えている路面の高さが、超えていない路面の高さと略同じである場合に、区画線であると判定してもよい。
外界認識装置５０の詳細について説明する。
上述したように、外界認識装置５０は、認識部１１１、設定部１１２、決定部１１３および予測部１１４と、ライダ５を含む。
＜認識部＞
認識部１１１は、ライダ５のＦＯＶにおいて検出される時系列の検出データを用いて３次元の点群データを生成する。
また、認識部１１１は、ライダ５で測定された検出データに基づいて、自車両１０１が走行する道路ＲＤの進行方向の道路構造と、進行方向の道路ＲＤ上の検出対象とを認識する。道路構造は、例えば直線路、カーブ路、分岐路、トンネルの出入口等をいう。
さらに、認識部１１１は、例えば平坦な路面を示すデータに対して輝度フィルタリング処理等を施すことによって区画線を検知する。この場合において、認識部１１１は、輝度が所定の閾値を超えている路面の高さが、超えていない路面の高さと略同じである場合に、区画線であると判定してもよい。
【0040】
＜道路構造の認識＞
認識部１１１による道路構造の認識の一例について説明する。認識部１１１は、生成した点群データに含まれる、進行方向である前方の道路ＲＤの縁石、壁、溝、ガードレールまたは区画線を道路ＲＤの境界線ＲＬ、ＲＢ（図１Ａ）として認識し、境界線ＲＬ、ＲＢで示される進行方向の道路構造を認識する。上述したように、区画線は白線（色違いの線を含む）、縁石線、道路鋲等を含み、これら区画線による標示によって道路ＲＤの走行レーンが規定される。実施の形態では、上記標示によって規定される道路ＲＤの境界線ＲＬ、ＲＢを、区画線と呼ぶ。
認識部１１１による道路構造の認識の一例について説明する。認識部１１１は、生成した点群データに含まれる、進行方向である前方の道路ＲＤの縁石、壁、溝、ガードレールまたは区画線を道路ＲＤの境界線ＲＬ、ＲＢ（図１Ａ）として認識し、境界線ＲＬ、ＲＢで示される進行方向の道路構造を認識する。上述したように、区画線は白線（色違いの線を含む）、縁石線、道路鋲等を含み、これら区画線による標示によって道路ＲＤの走行レーンが規定される。実施の形態では、上記標示によって規定される道路ＲＤの境界線ＲＬ、ＲＢを、区画線と呼ぶ。
【0041】
認識部１１１は、境界線ＲＬ、ＲＢで挟まれた領域について、道路ＲＤに対応する領域として認識する。なお、道路ＲＤに対する認識方法はこれに限らず、他の方法により認識してもよい。
また、認識部１１１は、生成した点群データを、平坦な路面を示す点群データと、立体物等を示す点群データとに分離する。例えば、点群データに含まれる、進行方向の路上の立体物等のうち、サイズが１５ｃｍを超える凹凸、段差、うねり等の路面形状と、縦横１５ｃｍを超える物体とを検出対象として認識する。１５ｃｍは、検出対象のサイズの一例であり、適宜変更して構わない。
また、認識部１１１は、生成した点群データを、平坦な路面を示す点群データと、立体物等を示す点群データとに分離する。例えば、点群データに含まれる、進行方向の路上の立体物等のうち、サイズが１５ｃｍを超える凹凸、段差、うねり等の路面形状と、縦横１５ｃｍを超える物体とを検出対象として認識する。１５ｃｍは、検出対象のサイズの一例であり、適宜変更して構わない。
【0042】
＜設定部＞
設定部１１２は、照射光の鉛直投光角度φをライダ５に設定する。ライダ５のＦＯＶが鉛直方向に４０ degの場合、鉛直投光角度φは０～４０ degの範囲で０．０５ deg間隔で設定される。同様に、設定部１１２は、照射光の水平投光角度θをライダ５に設定する。ライダ５のＦＯＶが水平方向に１２０ degの場合、水平投光角度θは０～１２０ degの範囲で０．０５ deg間隔で設定される。
設定部１１２は、後述するように決定部１１３で決定された角度分解能に基づいて、ＦＯＶ内の照射点数（図６Ａおよび図６Ｂの黒丸の数に対応し、照射点密度を示す）をライダ５に設定する。上述したように、ＦＯＶ内に格子状に配列する照射点（検出点）の鉛直方向および水平方向の間隔を、それぞれ鉛直方向および水平方向の角度分解能に対応させる。
設定部１１２は、照射光の鉛直投光角度φをライダ５に設定する。ライダ５のＦＯＶが鉛直方向に４０ degの場合、鉛直投光角度φは０～４０ degの範囲で０．０５ deg間隔で設定される。同様に、設定部１１２は、照射光の水平投光角度θをライダ５に設定する。ライダ５のＦＯＶが水平方向に１２０ degの場合、水平投光角度θは０～１２０ degの範囲で０．０５ deg間隔で設定される。
設定部１１２は、後述するように決定部１１３で決定された角度分解能に基づいて、ＦＯＶ内の照射点数（図６Ａおよび図６Ｂの黒丸の数に対応し、照射点密度を示す）をライダ５に設定する。上述したように、ＦＯＶ内に格子状に配列する照射点（検出点）の鉛直方向および水平方向の間隔を、それぞれ鉛直方向および水平方向の角度分解能に対応させる。
【0043】
＜決定部＞
決定部１１３は、設定部１１２が設定する走査角度分解能を決定する。先ず、決定部１１３は、各奥行距離Ｘにおける鉛直方向の投光角度αと、各奥行距離Ｘにおける路面点までの距離ＤＬとをそれぞれ算出する。具体的には、図３Ｄを参照して説明したように、ライダ５で計測された路面点までの距離ＤＬと、計測時にライダ５に設定した投光角度αとに基づいて奥行距離Ｘを算出する。決定部１１３は、算出した奥行距離Ｘと、鉛直方向角度との関係を算出する（図５Ａ）。また、決定部１１３は、奥行距離Ｘと、距離ＤＬとの関係を算出する。さらにまた、決定部１１３は、図５Ｂに例示したように、検出対象のサイズと奥行距離Ｘとに基づいて、奥行距離Ｘと、鉛直方向角度分解能との関係を算出する。このように、検出対象のサイズと距離ＤＬとに基づいて鉛直方向角度分解能を算出し、距離ＤＬと奥行距離Ｘとに基づいて、奥行距離Ｘと鉛直方向角度分解能との関係を算出する。
決定部１１３は、設定部１１２が設定する走査角度分解能を決定する。先ず、決定部１１３は、各奥行距離Ｘにおける鉛直方向の投光角度αと、各奥行距離Ｘにおける路面点までの距離ＤＬとをそれぞれ算出する。具体的には、図３Ｄを参照して説明したように、ライダ５で計測された路面点までの距離ＤＬと、計測時にライダ５に設定した投光角度αとに基づいて奥行距離Ｘを算出する。決定部１１３は、算出した奥行距離Ｘと、鉛直方向角度との関係を算出する（図５Ａ）。また、決定部１１３は、奥行距離Ｘと、距離ＤＬとの関係を算出する。さらにまた、決定部１１３は、図５Ｂに例示したように、検出対象のサイズと奥行距離Ｘとに基づいて、奥行距離Ｘと、鉛直方向角度分解能との関係を算出する。このように、検出対象のサイズと距離ＤＬとに基づいて鉛直方向角度分解能を算出し、距離ＤＬと奥行距離Ｘとに基づいて、奥行距離Ｘと鉛直方向角度分解能との関係を算出する。
【0044】
次に、決定部１１３は、上記サイズの検出対象を認識するために必要な、鉛直方向の角度分解能を決定する。例えば、図５Ｂにおいて鉛直方向の角度分解能が０．１ deg未満となる奥行距離Ｘでは、０．１ degより小さな０．０５ degを必要角度分解能として決定する。また、鉛直方向の角度分解能が０．１ deg以上で０．２ deg未満となる奥行距離Ｘでは、０．２ degより小さな０．１ degを必要角度分解能として決定する。以下同様に、鉛直方向の角度分解能が０．２ deg以上で０．３ deg未満となる奥行距離Ｘ、および、鉛直方向の角度分解能が０．３ deg以上で０．４ deg未満となる奥行距離Ｘに対しても、それぞれにおいてより小さな０．２ degおよび０．３ degを、必要角度分解能として決定する。
【0045】
決定した鉛直方向の必要角度分解能は、次フレームの３次元点群データを取得する際の検出点の鉛直方向の間隔として反映させることができる。
また、決定部１１３は、検出対象のサイズおよび奥行距離Ｘに応じて、検出対象を認識するための水平方向の必要角度分解能を決定してもよい。水平方向の必要角度分解能も、次フレームの３次元点群データを取得する際の検出点の水平方向の間隔として反映させることができる。
なお、水平方向の必要角度分解能については、先に決定した鉛直方向の必要角度分解能と一致させてもよい。換言すると、鉛直方向の必要角度分解能を０．０５ degと決定した検出点と同じ水平ライン上では、水平方向の必要角度分解能を０．０５ degと決定する。同様に、鉛直方向の必要角度分解能を０．１ degと決定した検出点と同じ水平ライン上では、水平方向の必要角度分解能を０．１ degと決定する。さらに、他の必要角度分解能についても、鉛直方向の必要角度分解能を決定した検出点と同じ水平ライン上では、水平方向の必要角度分解能を鉛直方向の必要角度分解能と同じ値に決定する。
また、決定部１１３は、検出対象のサイズおよび奥行距離Ｘに応じて、検出対象を認識するための水平方向の必要角度分解能を決定してもよい。水平方向の必要角度分解能も、次フレームの３次元点群データを取得する際の検出点の水平方向の間隔として反映させることができる。
なお、水平方向の必要角度分解能については、先に決定した鉛直方向の必要角度分解能と一致させてもよい。換言すると、鉛直方向の必要角度分解能を０．０５ degと決定した検出点と同じ水平ライン上では、水平方向の必要角度分解能を０．０５ degと決定する。同様に、鉛直方向の必要角度分解能を０．１ degと決定した検出点と同じ水平ライン上では、水平方向の必要角度分解能を０．１ degと決定する。さらに、他の必要角度分解能についても、鉛直方向の必要角度分解能を決定した検出点と同じ水平ライン上では、水平方向の必要角度分解能を鉛直方向の必要角度分解能と同じ値に決定する。
【0046】
＜予測部＞
自車両１０１が走行する道路ＲＤの進行方向が下り坂となり路面からの反射角度が小さい場合、または車速が速く必要奥行距離Ｎが大きくなってしまう状況において、ライダ５が必要奥行距離Ｎまでの散乱光を受信できない場合がある。この場合にライダ５で検出可能な最遠の奥行距離Ｘを最大奥行距離Ｌと呼ぶ。最大奥行距離を最大路面検出距離と呼んでもよい。
自車両１０１が走行する道路ＲＤの進行方向が下り坂となり路面からの反射角度が小さい場合、または車速が速く必要奥行距離Ｎが大きくなってしまう状況において、ライダ５が必要奥行距離Ｎまでの散乱光を受信できない場合がある。この場合にライダ５で検出可能な最遠の奥行距離Ｘを最大奥行距離Ｌと呼ぶ。最大奥行距離を最大路面検出距離と呼んでもよい。
【0047】
予測部１１４は、自車両１０１の車速から計算される必要奥行距離Ｎが、最大奥行距離Ｌを超えてしまう場合（例えば必要奥行距離Ｎが１０８ｍのところ、最大奥行距離Ｌ＝９２ｍである場合）に、ＦＯＶ下端（第１の所定距離）から最大奥行距離Ｌまでのライダ５で実際に取得された計測データを用いて、最大奥行距離Ｌから必要奥行距離Ｎまでの路面の高さＺ（勾配）を予測する。勾配の予測には、例えば時系列予測手法であるＡＲモデルまたはＡＲＩＭＡモデル等を用いることができる。
図８に、ＡＲＩＭＡモデルを用いて予測した結果の一例を示す。横軸は奥行距離Ｘ（単位ｍ）を示し、縦軸は路面の高さＺ（単位ｍ）を示す。予測結果として、予測した高さＺの平均値、予測した高さＺの上下限値（例えば、信頼度９９%を設定）等が得られる。実施の形態では、鉛直方向の角度分解能の領域がより広がる方向になる、信頼度９９％上限値のカーブに対応する予測値を「予測高さの上限値」として採用する。このように構成することにより、ＦＯＶにおける道路ＲＤが上り坂であった場合、鉛直方向上側の領域に鉛直方向の角度分解能を高く設定することで、次フレームの３次元点群データを取得する際にデータを取りこぼす可能性を低減できる。一方、道路ＲＤが下り坂であった場合は、そもそもライダ５からの照射光が路面に照射されないことから鉛直方向下側に領域が広がることはあり得ない。そのため、無駄な処理を避けるために、信頼度９９％下限値のカーブに対応する予測値については採用しない。
図８に、ＡＲＩＭＡモデルを用いて予測した結果の一例を示す。横軸は奥行距離Ｘ（単位ｍ）を示し、縦軸は路面の高さＺ（単位ｍ）を示す。予測結果として、予測した高さＺの平均値、予測した高さＺの上下限値（例えば、信頼度９９%を設定）等が得られる。実施の形態では、鉛直方向の角度分解能の領域がより広がる方向になる、信頼度９９％上限値のカーブに対応する予測値を「予測高さの上限値」として採用する。このように構成することにより、ＦＯＶにおける道路ＲＤが上り坂であった場合、鉛直方向上側の領域に鉛直方向の角度分解能を高く設定することで、次フレームの３次元点群データを取得する際にデータを取りこぼす可能性を低減できる。一方、道路ＲＤが下り坂であった場合は、そもそもライダ５からの照射光が路面に照射されないことから鉛直方向下側に領域が広がることはあり得ない。そのため、無駄な処理を避けるために、信頼度９９％下限値のカーブに対応する予測値については採用しない。
【0048】
以上説明したように、予測部１１４は、最大奥行距離Ｌから必要奥行距離Ｎまでの路面勾配のデータをＡＲＩＭＡモデル等による「予測高さの上限値」を用いて予測する。
なお、実施の形態では最大奥行距離Ｌよりも自車両１０１側の路面勾配のデータについて、ライダ５で実際に取得した計測データを用いるが、ライダ５による計測データに代えて、ＡＲＩＭＡモデル等を用いて予測した高さＺの平均値を用いてもよい。高さＺの平均値を用いる場合は、平坦化処理の効果が得られる。
なお、実施の形態では最大奥行距離Ｌよりも自車両１０１側の路面勾配のデータについて、ライダ５で実際に取得した計測データを用いるが、ライダ５による計測データに代えて、ＡＲＩＭＡモデル等を用いて予測した高さＺの平均値を用いてもよい。高さＺの平均値を用いる場合は、平坦化処理の効果が得られる。
【0049】
＜位置データの生成＞
外界認識装置５０は、ライダ５でリアルタイムに測定された時系列の点群データに基づいて検出した検出対象の位置を示すデータを、例えばＸ－Ｙの２次元マップ上にマッピングして一続きとなる位置データを生成することができる。Ｘ－Ｙ空間では高さＺを示す情報が省かれ、奥行距離Ｘおよび水平距離Ｙの情報が残る。
認識部１１１は、記憶部１２に記憶されている２次元マップ上の立体物等の位置情報を取得し、自車両１０１の移動速度と移動方向（例えば方位角）から上記立体物等の相対位置を自車両１０１の位置を中心に座標変換して算出する。認識部１１１は、測定により点群データがライダ５で取得される毎に、取得された点群データに基づく立体物等の相対位置を自車両１０１の位置を中心に座標変換して２次元マップ上に記録する。
外界認識装置５０は、ライダ５でリアルタイムに測定された時系列の点群データに基づいて検出した検出対象の位置を示すデータを、例えばＸ－Ｙの２次元マップ上にマッピングして一続きとなる位置データを生成することができる。Ｘ－Ｙ空間では高さＺを示す情報が省かれ、奥行距離Ｘおよび水平距離Ｙの情報が残る。
認識部１１１は、記憶部１２に記憶されている２次元マップ上の立体物等の位置情報を取得し、自車両１０１の移動速度と移動方向（例えば方位角）から上記立体物等の相対位置を自車両１０１の位置を中心に座標変換して算出する。認識部１１１は、測定により点群データがライダ５で取得される毎に、取得された点群データに基づく立体物等の相対位置を自車両１０１の位置を中心に座標変換して２次元マップ上に記録する。
【0050】
＜フローチャートの説明＞
図９は、あらかじめ定められたプログラムに従い図２のコントローラ１０の演算部１１が実行する処理の一例を示すフローチャートである。図９のフローチャートに示す処理は、例えば、自車両１０１が自動運転モードで走行中に所定周期毎に繰り返される。
図９は、あらかじめ定められたプログラムに従い図２のコントローラ１０の演算部１１が実行する処理の一例を示すフローチャートである。図９のフローチャートに示す処理は、例えば、自車両１０１が自動運転モードで走行中に所定周期毎に繰り返される。
【0051】
まず、ステップＳ１０において、演算部１１は、ライダ５に３次元の点群データを取得させてステップＳ２０へ進む。
ステップＳ２０において、演算部１１は、ライダ５で取得される点群データに基づいて道路ＲＤの進行方向の路面勾配および最大奥行距離Ｌを算出し、ステップＳ３０へ進む。ステップＳ２０の処理の詳細については図１０を参照して後述する。
ステップＳ２０において、演算部１１は、ライダ５で取得される点群データに基づいて道路ＲＤの進行方向の路面勾配および最大奥行距離Ｌを算出し、ステップＳ３０へ進む。ステップＳ２０の処理の詳細については図１０を参照して後述する。
【0052】
ステップＳ３０において、演算部１１の予測部１１４は、最大奥行距離Ｌが必要奥行距離Ｎよりも短いか否かを判定する。演算部１１は、最大奥行距離Ｌが必要奥行距離Ｎよりも短い場合にステップＳ３０を肯定判定してステップＳ４０へ進み、最大奥行距離Ｌが必要奥行距離Ｎよりも長い場合はステップＳ３０を否定判定してステップＳ５０へ進む。
【0053】
ステップＳ４０において、演算部１１の予測部１１４は、最大奥行距離Ｌから必要奥行距離Ｎまでの路面勾配を予測してステップＳ５０へ進む。路面勾配の予測結果の一例は、図８に例示した通りである。
【0054】
ステップＳ５０において、演算部１１は、各奥行距離Ｘにおける、鉛直方向の投光角度αと路面点までの距離ＤＬとをそれぞれ算出してステップＳ６０へ進む。鉛直方向角度と奥行距離Ｘの関係は、図５Ａに例示した通りである。また、奥行距離Ｘ、路面の高さＺおよび路面までの距離ＤＬの関係は、図４Ｂに例示した通りである。
【0055】
ステップＳ６０において、演算部１１は、各奥行距離Ｘにおける必要角度分解能を算出してステップＳ７０へ進む。必要角度分解能は、あらかじめ指定されたサイズの検出対象を検出するために必要な角度分解能である。奥行距離Ｘと角度分解能との関係は、図５Ｂに例示した通りである。
【0056】
ステップＳ７０において、演算部１１は、決定部１１３により、鉛直方向の角度分解能を必要角度分解能に決定してステップＳ８０へ進む。実施の形態では、鉛直方向の角度分解能を水平方向の角度分解能よりも先に決定する。
【0057】
ステップＳ８０において、演算部１１の決定部１１３は、水平方向の角度分解能を必要角度分解能に決定してステップＳ９０へ進む。水平方向の角度分解能を鉛直方向の角度分解能よりも後に決定することで、水平方向の角度分解能を鉛直方向の角度分解能と一致させることが容易となる。
【0058】
ステップＳ９０において、演算部１１は、検出点の座標を確定する。より具体的には、図６Ｂにおいて黒丸で例示したような検出点の位置を示す座標を決定する。認識部１１１は、ステップＳ９０で確定した検出点の位置で検出された検出データに基づいて、自車両１０１が走行する道路ＲＤの進行方向の立体物等を認識する。
【0059】
なお、演算部１１は、ステップＳ１０で点群データが取得される毎に、点群データに基づく立体物等の相対位置をＸ－Ｙの２次元マップ上にマッピングすることにより、２次元状に一続きとなる位置データを生成する。そして、点群データに基づく立体物等の相対位置を自車両１０１の位置を中心に座標変換して２次元マップ上に記録しておくことができる。
【0060】
ステップＳ１００において、演算部１１は、処理を終了するか否かを判定する。演算部１１は、自車両１０１が自動運転モードでの走行を継続中の場合は、ステップＳ１００を否定判定してステップＳ１０へ戻り、上述した処理を繰り返す。ステップＳ１０へ戻ることにより、自車両１０１の走行中に点群データに基づく立体物等の測定が周期的に繰り返し行われることとなる。一方、演算部１１は、自車両１０１が自動運転モードでの走行を終了した場合は、ステップＳ１００を肯定判定して図９による処理を終了する。
【0061】
図１０は、演算部１１が実行するステップＳ２０（図９）の処理の詳細を説明するフローチャートである。演算部１１は、決定部１１３で決定された検出点の点群データに対して図１０による処理を行う。
ステップＳ２１０において、演算部１１は、点群データに対する分離処理を行ってステップＳ２２０へ進む。より具体的には、点群データから道路ＲＤ上の立体物等のデータを検出して分離することにより、平坦な路面を示す点群データと、立体物等を示す点群データとを得る。立体物等には、路上の障害物、道路ＲＤの左右端に設けられた、例えば縁石、壁、溝、ガードレール等の他、走行中の二輪車等の他車両が含まれている。
ステップＳ２１０において、演算部１１は、点群データに対する分離処理を行ってステップＳ２２０へ進む。より具体的には、点群データから道路ＲＤ上の立体物等のデータを検出して分離することにより、平坦な路面を示す点群データと、立体物等を示す点群データとを得る。立体物等には、路上の障害物、道路ＲＤの左右端に設けられた、例えば縁石、壁、溝、ガードレール等の他、走行中の二輪車等の他車両が含まれている。
【0062】
分離処理の一例を説明する。演算部１１は、点群データの相対位置を自車両１０１の位置を中心とする位置に座標変換し、道路ＲＤを例えば上空から俯瞰したような、奥行方向および道路幅方向に対応するＸ－Ｙの２次元マップ上に表すとともに、２次元マップを所定サイズにグリッド化する。各グリッドにおいてグリッド内のデータの最大値と最小値との差があらかじめ定めた閾値よりも小さい場合に、演算部１１は、そのグリッドのデータが平坦な路面を示すと判定する。一方、グリッド内のデータの最大値と最小値との差があらかじめ定めた閾値よりも大きい場合に、演算部１１は、そのグリッドのデータが立体物等を示すと判定する。
なお、点群データが路面のデータに対応するか、立体物等に対応するかの判定手法は、他の手法を用いてもよい。
なお、点群データが路面のデータに対応するか、立体物等に対応するかの判定手法は、他の手法を用いてもよい。
【0063】
ステップＳ２２０において、演算部１１は、処理対象のデータが路面のデータか否かを判定する。演算部１１は、データが路面のデータとして分離されたグリッドのデータである場合に、ステップＳ２２０を肯定判定してステップＳ２３０へ進む。一方、演算部１１は、データが立体物等のデータとして分離されたグリッドのデータである場合に、ステップＳ２２０を否定判定してステップＳ２５０へ進む。
【0064】
ステップＳ２５０へ進む場合、演算部１１の認識部１１１は、そのグリッドの点群データに基づく立体物等の相対位置を自車両１０１の位置を中心に座標変換して２次元マップ上に記録する。そして図１０による処理を終了して図９のステップＳ３０へ進む。
【0065】
ステップＳ２３０へ進む場合、演算部１１の予測部１１４は、道路ＲＤの路面勾配を算出する。路面勾配の算出処理の一例は、図３Ａ～図３Ｄを参照して説明したとおりである。
なお、路面勾配の算出手法は、他の手法を用いてもよい。
なお、路面勾配の算出手法は、他の手法を用いてもよい。
【0066】
ステップＳ２４０において、演算部１１の予測部１１４は、最大奥行距離Ｌを取得し、図１０による処理を終了して図９のステップＳ３０へ進む。
上述したように、最大奥行距離Ｌはライダ５で検出可能な最遠の奥行距離である。演算部１１の予測部１１４は、路面勾配の算出処理時に抽出したグリッドのうち自車両１０１の位置から最遠のグリッドのデータに対応する奥行距離を最大奥行距離Ｌとして取得する。
上述したように、最大奥行距離Ｌはライダ５で検出可能な最遠の奥行距離である。演算部１１の予測部１１４は、路面勾配の算出処理時に抽出したグリッドのうち自車両１０１の位置から最遠のグリッドのデータに対応する奥行距離を最大奥行距離Ｌとして取得する。
【0067】
以上説明した実施の形態によれば、以下のような作用効果を奏する。
（１）外界認識装置５０は、第１方向としての水平方向および第１方向と交差する第２方向としての鉛直方向に電磁波としての照射光を走査照射して自車両１０１の周囲の外界状況を検出する車載検出器としてのライダ５と、ライダ５の検出データに基づいて自車両１０１が走行する道路ＲＤの路面情報を取得する路面情報取得部としての演算部１１と、を備える。ライダ５は、マトリクス状の複数の検出点毎の距離情報を含む３次元点群データを１フレームずつ取得し、演算部１１は、３次元点群データに基づいて、フレーム毎の道路ＲＤの路面および路上の立体物を路面情報として認識する認識部１１１と、認識対象としてあらかじめ定めた所定の立体物の大きさおよび自車両１０１から上記立体物までの距離に基づいて、認識部１１１で認識に用いる次フレームの３次元点群データの検出点の間隔を、照射光の走査角度分解能として決定する決定部１１３と、を含む。
一般に、奥行距離Ｘが短いほど、検出対象に対する視角が大きくなるので、角度分解能が低くても検出対象を検出することが可能となる。反対に、奥行距離Ｘが長いほど、検出対象に対する視角が小さくなるので、検出対象の検出には高い角度分解能が必要となる。実施の形態では、ライダ５により進行方向の道路ＲＤの路面までの奥行距離Ｘを検出点毎に取得し、決定部１１３が、その奥行距離Ｘにおいて認識部１１１で上記立体物を認識するために必要な検出点の間隔に対応させた照射光の走査角度分解能を決定する。
このように構成したので、決定部１１３で決定した走査角度分解能により、認識部１１１で認識処理に用いる３次元点群データの検出点の間隔が適切に制御されることで、認識処理に用いる検出データの総数を抑制することが可能になる。すなわち、外界認識装置５０の検出対象とする物体等の位置や大きさの認識精度を低下させることなく、演算部１１の処理負荷を低減することができる。
また、実施の形態では、高精度地図情報に載っていない道路ＲＤ、高精度地図情報が備えられていない状態で初めて走行する道路ＲＤ、および工事等により高精度地図情報と異なる態様に変化している道路ＲＤを自車両１０１で走行する場合にも、ライダ５を用いて進行方向の道路ＲＤの路面までの奥行距離Ｘを検出点毎に取得しながら、各奥行距離Ｘにおいて認識部１１１で上記立体物を認識するために必要な検出点の間隔に対応させた照射光の走査角度分解能を決定することが可能である。
（１）外界認識装置５０は、第１方向としての水平方向および第１方向と交差する第２方向としての鉛直方向に電磁波としての照射光を走査照射して自車両１０１の周囲の外界状況を検出する車載検出器としてのライダ５と、ライダ５の検出データに基づいて自車両１０１が走行する道路ＲＤの路面情報を取得する路面情報取得部としての演算部１１と、を備える。ライダ５は、マトリクス状の複数の検出点毎の距離情報を含む３次元点群データを１フレームずつ取得し、演算部１１は、３次元点群データに基づいて、フレーム毎の道路ＲＤの路面および路上の立体物を路面情報として認識する認識部１１１と、認識対象としてあらかじめ定めた所定の立体物の大きさおよび自車両１０１から上記立体物までの距離に基づいて、認識部１１１で認識に用いる次フレームの３次元点群データの検出点の間隔を、照射光の走査角度分解能として決定する決定部１１３と、を含む。
一般に、奥行距離Ｘが短いほど、検出対象に対する視角が大きくなるので、角度分解能が低くても検出対象を検出することが可能となる。反対に、奥行距離Ｘが長いほど、検出対象に対する視角が小さくなるので、検出対象の検出には高い角度分解能が必要となる。実施の形態では、ライダ５により進行方向の道路ＲＤの路面までの奥行距離Ｘを検出点毎に取得し、決定部１１３が、その奥行距離Ｘにおいて認識部１１１で上記立体物を認識するために必要な検出点の間隔に対応させた照射光の走査角度分解能を決定する。
このように構成したので、決定部１１３で決定した走査角度分解能により、認識部１１１で認識処理に用いる３次元点群データの検出点の間隔が適切に制御されることで、認識処理に用いる検出データの総数を抑制することが可能になる。すなわち、外界認識装置５０の検出対象とする物体等の位置や大きさの認識精度を低下させることなく、演算部１１の処理負荷を低減することができる。
また、実施の形態では、高精度地図情報に載っていない道路ＲＤ、高精度地図情報が備えられていない状態で初めて走行する道路ＲＤ、および工事等により高精度地図情報と異なる態様に変化している道路ＲＤを自車両１０１で走行する場合にも、ライダ５を用いて進行方向の道路ＲＤの路面までの奥行距離Ｘを検出点毎に取得しながら、各奥行距離Ｘにおいて認識部１１１で上記立体物を認識するために必要な検出点の間隔に対応させた照射光の走査角度分解能を決定することが可能である。
【0068】
（２）上記（１）の外界認識装置５０において、ライダ５は、水平方向および鉛直方向に照射光を走査照射して水平方向および鉛直方向に並ぶ複数の検出点毎の距離情報を含む３次元点群データを１フレームずつ取得し、決定部１１３は、認識部１１１で認識に用いる次フレームの３次元点群データの鉛直方向の検出点の間隔に対応する照射光の鉛直方向の走査角度分解能を、上記立体物の鉛直方向の長さおよび自車両１０１から上記立体物までの距離に基づいて決定する。
このように構成したので、決定部１１３で決定した鉛直方向の走査角度分解能により、認識部１１１で認識処理に用いる３次元点群データの検出点の鉛直方向の間隔が適切に制御されることで、認識処理に用いる検出データの総数を抑制することが可能になる。すなわち、外界認識装置５０の検出対象とする物体等の鉛直方向の位置や大きさの認識精度を低下させることなく、演算部１１の処理負荷を低減することができる。
このように構成したので、決定部１１３で決定した鉛直方向の走査角度分解能により、認識部１１１で認識処理に用いる３次元点群データの検出点の鉛直方向の間隔が適切に制御されることで、認識処理に用いる検出データの総数を抑制することが可能になる。すなわち、外界認識装置５０の検出対象とする物体等の鉛直方向の位置や大きさの認識精度を低下させることなく、演算部１１の処理負荷を低減することができる。
【0069】
（３）上記（２）の外界認識装置５０において、決定部１１３はさらに、自車両１０１の車速に基づく必要奥行距離Ｎにおける道路ＲＤの路面および路上の上記立体物に対応する次フレームの３次元点群データの鉛直方向の検出点の間隔を、照射光の鉛直方向の第１の走査角度分解能（例えば０．０５ degに対応する間隔）として決定するとともに、自車両１０１からの奥行距離Ｘが必要奥行距離Ｎよりも短い位置における道路ＲＤの路面および路上の上記立体物に対応する次フレームの３次元点群データの鉛直方向の検出点の間隔を、第１の走査角度分解能よりも粗い第２の走査角度分解能（例えば０．１ degに対応する間隔）として決定する。
このように構成したので、例えば、自車両１０１から遠い領域ではより高い認識精度を確保しつつ、自車両１０１に近い領域では遠い領域と比べて認識精度を下げて、認識部１１１で認識処理に用いる検出データの総数を抑制することが可能になる。
このように構成したので、例えば、自車両１０１から遠い領域ではより高い認識精度を確保しつつ、自車両１０１に近い領域では遠い領域と比べて認識精度を下げて、認識部１１１で認識処理に用いる検出データの総数を抑制することが可能になる。
【0070】
（４）上記（３）の外界認識装置５０において、決定部１１３はさらに、必要奥行距離Ｎにおける道路ＲＤの路面よりも上側に対応する次フレームの３次元点群データの鉛直方向の検出点の間隔を、第１の走査角度分解能（例えば０．０５ degに対応する間隔）よりも粗い第３の走査角度分解能（例えば０．１ degに対応する間隔）として決定する。
このように構成したので、例えば、必要奥行距離Ｎに対応する領域ではより高い認識精度を確保しつつ、それよりも上方の空の領域では認識精度を下げて、認識部１１１で認識処理に用いる検出データの総数を抑制することが可能になる。
このように構成したので、例えば、必要奥行距離Ｎに対応する領域ではより高い認識精度を確保しつつ、それよりも上方の空の領域では認識精度を下げて、認識部１１１で認識処理に用いる検出データの総数を抑制することが可能になる。
【0071】
（５）上記（２）から（４）の外界認識装置５０において、決定部１１３は、認識部１１１で認識に用いる次フレームの３次元点群データの鉛直方向の検出点の間隔が水平方向に並ぶ複数の検出点の間で一致するように、鉛直方向の第１の走査角度分解能、第２の走査角度分解能、または第３の走査角度分解能を決定する。
このように構成したので、例えば、ＦＯＶ内に格子状に配列される検出点の位置について、鉛直方向および水平方向の間隔をそれぞれ鉛直方向および水平方向の角度分解能に対応させることが可能になる。
このように構成したので、例えば、ＦＯＶ内に格子状に配列される検出点の位置について、鉛直方向および水平方向の間隔をそれぞれ鉛直方向および水平方向の角度分解能に対応させることが可能になる。
【0072】
（６）上記（２）の外界認識装置５０において、決定部１１３は、認識部１１１で認識に用いる次フレームの３次元点群データの水平方向の検出点の間隔に対応する照射光の水平方向の走査角度分解能を、上記立体物の水平方向の長さおよび自車両１０１から上記立体物までの奥行距離Ｘに基づいて決定する。
このように構成したので、決定部１１３で決定した水平方向の走査角度分解能により、認識部１１１で認識処理に用いる３次元点群データの検出点の水平方向の間隔が適切に制御されることで、認識処理に用いる検出データの総数を抑制することが可能になる。すなわち、外界認識装置５０の検出対象とする物体等の水平方向の位置や大きさの認識精度を低下させることなく、演算部１１の処理負荷を低減することができる。
このように構成したので、決定部１１３で決定した水平方向の走査角度分解能により、認識部１１１で認識処理に用いる３次元点群データの検出点の水平方向の間隔が適切に制御されることで、認識処理に用いる検出データの総数を抑制することが可能になる。すなわち、外界認識装置５０の検出対象とする物体等の水平方向の位置や大きさの認識精度を低下させることなく、演算部１１の処理負荷を低減することができる。
【0073】
（７）上記（１）の外界認識装置５０において、演算部１１はさらに、認識部１１１で認識された自車両１０１の進行方向の路面の最遠距離としての最大奥行距離Ｌが、自車両１０１の車速に基づく必要奥行距離Ｎよりも短い場合に、最大奥行距離Ｌから必要奥行距離Ｎまでの道路ＲＤの勾配を予測する予測部１１４と、予測部１１４で勾配が予測された道路ＲＤの自車両１０１から必要奥行距離Ｎ離れた路面および路上の上記立体物に照射光が走査照射されるように、照射光の鉛直方向の照射角を設定する設定部１１２と、を含む。
このように構成したので、道路ＲＤの勾配を検出可能な最大奥行距離Ｌよりも遠方の必要奥行距離Ｎまでの路上の物体等を検出する必要がある場合においても、ライダ５で実際に取得された最大奥行距離Ｌまでの計測データを用いて、最大奥行距離Ｌよりも先の道路ＲＤの勾配を統計的に予測することができる。そのため、必要奥行距離Ｎまでの全域に亘って鉛直方向の投光角度と角度分解能を計算し、物体等の検出を可能にすることができる。
このように構成したので、道路ＲＤの勾配を検出可能な最大奥行距離Ｌよりも遠方の必要奥行距離Ｎまでの路上の物体等を検出する必要がある場合においても、ライダ５で実際に取得された最大奥行距離Ｌまでの計測データを用いて、最大奥行距離Ｌよりも先の道路ＲＤの勾配を統計的に予測することができる。そのため、必要奥行距離Ｎまでの全域に亘って鉛直方向の投光角度と角度分解能を計算し、物体等の検出を可能にすることができる。
【0074】
（８）上記（７）の外界認識装置５０において、決定部１１３はさらに、予測部１１４で勾配が予測された道路ＲＤの最大奥行距離Ｌから必要奥行距離Ｎまでの路面および路上の上記立体物に対応する次フレームの３次元点群データの検出点の間隔を、上記立体物の大きさおよび自車両１０１から上記立体物までの距離に基づいて、照射光の走査角度分解能として決定する。
このように構成したので、予測部１１４で勾配が予測された道路ＲＤについても、決定部１１３で決定した走査角度分解能により、認識部１１１で認識処理に用いる３次元点群データの検出点の間隔が適切に制御されることで、認識処理に用いる検出データの総数を抑制することが可能になる。すなわち、外界認識装置５０の検出対象とする物体等の位置や大きさの認識精度を低下させることなく、演算部１１の処理負荷を低減することができる。
このように構成したので、予測部１１４で勾配が予測された道路ＲＤについても、決定部１１３で決定した走査角度分解能により、認識部１１１で認識処理に用いる３次元点群データの検出点の間隔が適切に制御されることで、認識処理に用いる検出データの総数を抑制することが可能になる。すなわち、外界認識装置５０の検出対象とする物体等の位置や大きさの認識精度を低下させることなく、演算部１１の処理負荷を低減することができる。
【0075】
上記実施の形態は、種々の形態に変形することができる。以下、変形例について説明する。
（変形例１）
自車両１０１から離れた遠方の路面においてライダ５による照射光の反射強度が弱く、十分な強さの反射光を検出できない場合がある。このような、路面による反射強度が検出可能なぎりぎりのレベルまで低下したときの奥行距離Ｘも、最大奥行距離Ｌに該当する。
（変形例１）
自車両１０１から離れた遠方の路面においてライダ５による照射光の反射強度が弱く、十分な強さの反射光を検出できない場合がある。このような、路面による反射強度が検出可能なぎりぎりのレベルまで低下したときの奥行距離Ｘも、最大奥行距離Ｌに該当する。
【0076】
変形例１において、自車両１０１の車速から計算される必要奥行距離Ｎが、最大奥行距離Ｌを超えてしまう場合（例えば必要奥行距離Ｎが１５０ｍのところ、最大奥行距離Ｌ＝１１０ｍである場合）は、上述した予測部１１４により、ＦＯＶ下端（第１の所定距離）から最大奥行距離Ｌまでのライダ５で実際に取得された計測データを用いて、最大奥行距離Ｌから必要奥行距離Ｎまでの路面の高さＺ（勾配）を予測してもよい。勾配の予測には、上述したＡＲＩＭＡモデル等を用いることができる。
変形例１によれば、路面の状態により路面そのものの検出が困難な状況でも、反射光のレベルが路面の反射光よりも高い路面の凹凸、立体物等を、次フレームの３次元点群データを取得する際に適切に検出することが可能になる。
変形例１によれば、路面の状態により路面そのものの検出が困難な状況でも、反射光のレベルが路面の反射光よりも高い路面の凹凸、立体物等を、次フレームの３次元点群データを取得する際に適切に検出することが可能になる。
【0077】
（変形例２）
上述した実施の形態では、外界認識装置５０が、自車両１０１の進行方向の路面状況をライダ５に検出させる例を説明した。この代わりに、例えば自車両１０１の周囲を３６０ deg検出可能なＦＯＶを有するライダ５を備え、自車両１０１の全周囲の路面状況をライダ５に検出させる構成にしてもよい。
上述した実施の形態では、外界認識装置５０が、自車両１０１の進行方向の路面状況をライダ５に検出させる例を説明した。この代わりに、例えば自車両１０１の周囲を３６０ deg検出可能なＦＯＶを有するライダ５を備え、自車両１０１の全周囲の路面状況をライダ５に検出させる構成にしてもよい。
【0078】
以上の説明はあくまで一例であり、本発明の特徴を損なわない限り、上述した実施の形態および変形例により本発明が限定されるものではない。上記実施の形態と変形例の一つあるいは複数を任意に組み合わせることも可能である。
【符号の説明】
【0079】
１ 通信ユニット、２ 測位ユニット、３ 内部センサ群、４ カメラ、５ ライダ、１０ コントローラ、１１ 演算部、１２ 記憶部、５０ 外界認識装置、１００ 車両制御装置、１０１ 自車両、１１１ 認識部、１１２ 設定部、１１３ 決定部、１１４ 予測部、１１５ 走行制御部、ＡＣ アクチュエータ
【図1A】
【図1B】
【図2】
【図3A】
【図3B】
【図3C】
【図3D】
【図4A】
【図4B】
【図5A】
【図5B】
【図6A】
【図6B】
【図7】
【図8】
【図9】
【図10】