特開 2024-160569 車両方位角推定方法、プログラム、車両方位角推定装置、及び自律移動体

(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】P2024160569

(43)【公開日】2024-11-14

(54)【発明の名称】車両方位角推定方法、プログラム、車両方位角推定装置、及び自律移動体

(51)【国際特許分類】

   G01C 21/28 20060101AFI20241107BHJP

   G08G 1/16 20060101ALI20241107BHJP

   G06T 7/70 20170101ALI20241107BHJP

   G06T 7/00 20170101ALI20241107BHJP

【ＦＩ】

G01C21/28

G08G1/16 C

G06T7/70 B

G06T7/00 650A

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2023075709

(22)【出願日】2023-05-01

(71)【出願人】

【識別番号】504160781

【氏名又は名称】国立大学法人金沢大学

(74)【代理人】

【識別番号】100109210

【弁理士】

【氏名又は名称】新居 広守

(72)【発明者】

【氏名】柳瀬 龍

(72)【発明者】

【氏名】米陀 佳祐

(72)【発明者】

【氏名】菅沼 直樹

【テーマコード（参考）】

2F129

5H181

5L096

【Ｆターム（参考）】

2F129AA03

2F129BB03

2F129BB37

2F129BB50

2F129BB66

5H181AA01

5H181CC03

5H181CC04

5H181CC14

5H181FF05

5H181FF07

5L096AA09

5L096BA04

5L096CA02

5L096DA02

5L096FA24

5L096FA33

5L096FA34

5L096FA67

5L096FA68

5L096FA69

5L096GA30

(57)【要約】

【課題】精度良く車両の方位角を推定できる車両方位角推定方法などを提供する。
【解決手段】車両方位角推定方法は、自車両の前後方向の方位角を推定する方法であって、自車両が走行する道路の画像である観測画像をハフ変換することによって得られる第一ハフスペクトラムと、観測画像に対応する地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出ステップＳ２０と、相関分布に基づいて、観測画像の地図画像に対する方位角誤差の確率分布である観測確率分布を算出する確率分布算出ステップＳ３０とを含む。
【選択図】図１２

【特許請求の範囲】

【請求項1】

自車両の前後方向の方位角を推定する車両方位角推定方法であって、
前記自車両が走行する道路の画像である観測画像をハフ変換することによって得られる第一ハフスペクトラムと、前記観測画像に対応する地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出ステップと、
前記相関分布に基づいて、前記観測画像の前記地図画像に対する方位角誤差の確率分布である観測確率分布を算出する確率分布算出ステップとを含む
車両方位角推定方法。

【請求項2】

過去に算出された前記観測確率分布に基づいて算出された前記方位角誤差の確率分布である事前確率分布を、最新の前記観測確率分布に基づいて、事後確率分布に更新する更新ステップをさらに含む
請求項１に記載の車両方位角推定方法。

【請求項3】

前記更新ステップにおいて、ＢＢＦ（Binary Bayes Filter）を用いる
請求項２に記載の車両方位角推定方法。

【請求項4】

前記更新ステップにおいて、前記観測確率分布の分散が大きくなるにしたがって、前記観測確率分布の確率が０．５に近づくように、前記観測確率分布を変換する
請求項２又は３に記載の車両方位角推定方法。

【請求項5】

前記相関分布算出ステップにおいて、分割した前記観測画像をハフ変換する
請求項１～３のいずれか１項に記載の車両方位角推定方法。

【請求項6】

前記相関分布算出ステップにおいて、前記自車両が走行する道路の曲率半径に基づいて決定された寸法に前記観測画像を分割する
請求項５に記載の車両方位角推定方法。

【請求項7】

請求項１～３のいずれか１項に記載の車両方位角推定方法をコンピュータに実行させるための
プログラム。

【請求項8】

自車両の前後方向の方位角を推定する車両方位角推定装置であって、
前記自車両において取得した観測画像をハフ変換することによって得られる第一ハフスペクトラムと、地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出部と、
前記相関分布に基づいて、前記観測画像の前記地図画像に対する方位角誤差の確率分布である観測確率分布を算出する確率分布算出部とを備える
車両方位角推定装置。

【請求項9】

請求項８に記載の車両方位角推定装置と、
前記観測画像を取得する取得部とを備える
自律移動体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車両方位角推定方法、プログラム、車両方位角推定装置、及び自律移動体に関する。

【背景技術】

【0002】

現在、自動車等の移動体の自動運転に関する研究が活発に進められている（特許文献１等参照）。移動体の自動運転において、移動体の前後方向の方位角を推定する必要がある。例えば、特許文献１には、自車両の周辺の構造物を含む周辺環境に基づく周辺画像と、自車両の周辺の地図とに基づいて、自車両の位置情報、及び方位角情報を補正する発明が記載されている。特許文献１に記載された発明においては、周辺画像と地図とを重畳して表示し、当該表示に対する自車両のユーザの補正指示に基づいて、自車両の位置情報及び方位角情報を補正しようとしている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特許第６６６９０５９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、特許文献１に記載された発明においては、補正精度がユーザの指示内容に依存するため、十分な補正精度を得られるとは限らない。

【0005】

そこで、本発明は、精度良く車両の方位角を推定できる車両方位角推定方法などを提供することを目的とする。

【課題を解決するための手段】

【0006】

上記目的を達成するために、本発明の一態様に係る車両方位角推定方法は、自車両の前後方向の方位角を推定する方法であって、前記自車両が走行する道路の画像である観測画像をハフ変換することによって得られる第一ハフスペクトラムと、前記観測画像に対応する地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出ステップと、前記相関分布に基づいて、前記観測画像の前記地図画像に対する方位角誤差の確率分布である観測確率分布を算出する確率分布算出ステップとを含む。

【0007】

また、上記目的を達成するために、本発明の一態様に係るプログラムは、上記車両方位角推定方法をコンピュータに実行させるためのプログラムである。

【0008】

また、上記目的を達成するために、本発明の一態様に係る車両方位角推定装置は、自車両の前後方向の方位角を推定する装置であって、前記自車両において取得した観測画像をハフ変換することによって得られる第一ハフスペクトラムと、地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出部と、前記相関分布に基づいて、前記観測画像の前記地図画像に対する方位角誤差の確率分布である観測確率分布を算出する確率分布算出部とを備える。

【0009】

また、上記目的を達成するために、本発明の一態様に係る自律移動体は、上記車両方位角推定装置と、前記観測画像を取得する取得部とを備える。

【0010】

なお、これらの包括的又は具体的な態様は、システム、方法、集積回路、コンピュータプログラム又は非一時的なコンピュータで読み取り可能なＣＤ－ＲＯＭ等の記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

【発明の効果】

【0011】

本発明によれば、精度良く車両の方位角を推定できる車両方位角推定方法などを提供できる。

【図面の簡単な説明】

【0012】

【図1】実施の形態に係る車両方位角推定装置及び自律移動体の構成の一例を示すブロック図

【図2】実施の形態に係る観測画像の一例を示す図

【図3】実施の形態に係る第一ハフスペクトラムの一例を示すグラフ

【図4】実施の形態に係る観測画像に対応する地図画像の一例を示す図

【図5】実施の形態に係る第二ハフスペクトラムの一例を示すグラフ

【図6】実施の形態に係る第一ハフスペクトラムと第二ハフスペクトラムとの相関分布の一例を示すグラフ

【図7】実施の形態に係る観測確率分布を示す模式的なグラフ

【図8】実施の形態に係る事前確率分布を示す模式的なグラフ

【図9】実施の形態に係る事後確率分布を示す模式的なグラフ

【図10】実施の形態に係る観測確率分布の変換方法、及び、観測確率分布の確率の幅を説明する模式的なグラフ

【図11】実施の形態に係る観測確率分布の分散と観測確率分布の確率の幅との関係の一例を示すグラフ

【図12】実施の形態に係る車両方位角推定方法の流れを示すフローチャート

【図13】実施の形態に係る車両方位角推定装置の実験を行った道路を示す写真

【図14】比較例の車両方位角推定装置によって取得した観測画像の一例を示す図

【図15】実施の形態に係る車両方位角推定装置、及び比較例の車両方位角推定装置を用いた場合の自車両位置の推定結果を示す図

【図16】変形例に係る観測画像の分割態様の一例を示す図

【図17】変形例に係る分割後の観測画像の寸法と、自車両が走行する道路の曲率半径との関係を示す図

【発明を実施するための形態】

【0013】

以下、本発明の実施の形態について、図面を参照しながら具体的に説明する。

【0014】

なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序等は、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

【0015】

また、各図は、模式図であり、必ずしも厳密に図示されたものではない。また、各図において、同じ構成部材については同じ符号を付している。

【0016】

（実施の形態）
実施の形態に係る車両方位角推定方法、車両方位角推定装置、及び自律移動体について説明する。

【0017】

［１．車両方位角推定装置及び自律移動体の構成］
まず、本実施の形態に係る車両方位角推定装置及び自律移動体の構成について図１を用いて説明する。

【0018】

図１は、本実施の形態に係る車両方位角推定装置１００及び自律移動体Ｖ１０の構成の一例を示すブロック図である。

【0019】

自律移動体Ｖ１０は、車両方位角推定装置１００と、取得部１０とを備え、自動運転を行う移動体である。自律移動体Ｖ１０は、移動体であれば、特に限定されない。本実施の形態では、自律移動体Ｖ１０は、自動運転を行う車両である。

【0020】

取得部１０は、自車両が走行する道路の画像である観測画像を取得する。自車両とは、車両方位角推定装置１００によって、前後方向の方位角を推定する対象の車両である。本実施の形態では、自車両は、自律移動体Ｖ１０である。以下では、自律移動体Ｖ１０のことを自車両とも称する。また、本実施の形態では、自車両の周辺の物体の位置情報を取得する。取得部１０が位置情報を取得する物体には、自車両の周辺の移動体、及び静止物体が含まれる。例えば、移動体には、車両、歩行者等が含まれ、静止物体には、停止車両、建造物、標識等が含まれる。本実施の形態では、取得部１０は、取得部１０の設置位置を基準として、周辺の物体が位置する方向、物体の表面まで距離、及び高さの３次元情報を取得する。取得部１０として、例えば、ＬｉＤＡＲ（Light Detection and Ranging）、ステレオカメラ等の３次元情報取得装置を用いることができる。また、取得部１０として、単眼カメラとＡＩ（Artificial Intelligence）と組み合わせたシステムを用いることができる。このようなシステムでは、単眼カメラで撮影した画像からＡＩを用いて３次元情報を抽出することができる。本実施の形態では、取得部１０は、ＬｉＤＡＲを含む。

【0021】

ＬｉＤＡＲは、対象物体に対してレーザ光を照射し、対象物体から反射したレーザ光を取得することで、対象物体とＬｉＤＡＲを搭載した観測体との距離を計測する。取得部１０は、計測された距離、ＬｉＤＡＲの位置、及びレーザ光の照射の向きから、道路の路面の水平方向位置と高さとの関係を示す高さ情報として、３次元点群データを取得する。

【0022】

ＬｉＤＡＲは、例えば、１２８本のレーザ光を垂直方向（つまり、鉛直方向）に互いに異なる照射角度で照射する。ＬｉＤＡＲの垂直方向視野角は、水平方向（つまり、鉛直方向に対して垂直な方向）を０ｄｅｇとして、例えば、－２５ｄｅｇ以上、１５ｄｅｇ以下である。ＬｉＤＡＲは、これらのレーザ光の照射の向きを水平方向に３６０ｄｅｇ回転させることで全方位の３次元点群データを取得できる。レーザ光によるスキャンレートは、例えば、５Ｈｚ以上、２０Ｈｚ以下である。本実施の形態では、スキャンレートは、１０Ｈｚに設定される。つまり、本実施の形態では、ＬｉＤＡＲは、１秒間に１０フレームの３次元点群データを取得する。

【0023】

取得部１０は、３次元点群データから観測画像を取得する。以下、観測画像の一例について、図２を用いて説明する。図２は、本実施の形態に係る観測画像の一例を示す図である。なお、図２には、方位角方向の角度を表す角度θ１が示されている。図２に示されるように観測画像には、例えば、道路の路面標示、道路の横方向の端の位置、路側帯の位置などの情報が含まれる。これにより、観測画像から、自車両が走行する道路の方向（つまり、道路が延在する方向）に関する情報などを得られる。取得部１０の観測の方向と、自車両の前後方向との相対的な関係は、特定できるため、観測画像と、自車両の前後方向との相対的な関係を特定できる。

【0024】

取得部１０は、自車両の位置、姿勢、速度、加速度などを取得してもよい。取得部１０は、これらの情報を検出するために、例えば、ＧＮＳＳ／ＩＮＳ（Global Navigation Satellite System/Inertial Navigation System）を用いる。本実施の形態では、ＧＮＳＳ／ＩＮＳにより、人工衛星を観測することによって得られる位置情報と、ＩＭＵ（Inertial Measurement Unit）の計測情報とを統合することで、自車両の位置、姿勢、速度、加速度などの情報を例えば１００Ｈｚの周期で検出する。なお、ＩＭＵは、ジャイロセンサ、加速度センサなどの複合システムである。

【0025】

車両方位角推定装置１００は、自車両の前後方向の方位角を推定する装置である。車両方位角推定装置１００は、図１に示されるように、相関分布算出部２０と、確率分布算出部３０とを備える。本実施の形態では、車両方位角推定装置１００は、更新部４０と、走行制御部７０と、記憶部８０とをさらに備える。

【0026】

相関分布算出部２０は、自車両において取得した観測画像と、地図画像とを比較する処理部である。本実施の形態では、相関分布算出部２０は、取得部１０によって取得した観測画像をハフ（Ｈｏｕｇｈ）変換する。ハフ変換とは、画像の中から直線などの図形要素を抽出するための処理方法の一種である。本実施の形態では、相関分布算出部２０は、観測画像をハフ変換することによって第一ハフスペクトラムを得る。

【0027】

ここで、第一ハフスペクトラムについて、図３を用いて説明する。図３は、本実施の形態に係る第一ハフスペクトラムの一例を示すグラフである。第一ハフスペクトラムは、角度θ１と、観測画像内の角度θ１方向における直線成分の強度との関係を示すグラフである。図３の横軸は方位角方向の角度を表す角度θ１を示し、縦軸は、観測画像内の角度θ１方向における直線成分の強度を示す。このような第一ハフスペクトラムにより、道路の路面標示、道路の横方向の端、路側帯などに含まれる直線成分が多く含まれる角度θ１を検出できる。このような直線成分が多く含まれる角度θ１は、道路の方向に対応する場合が多い。したがって、第一ハフスペクトラムから、道路の方向を推定できる。

【0028】

また、本実施の形態では、相関分布算出部２０は、観測画像に対応する地図画像をハフ変換する。以下、地図画像の一例について、図４を用いて説明する。図４は、本実施の形態に係る観測画像に対応する地図画像の一例を示す図である。なお、図４には、方位角方向の角度を表す角度θ２が示されている。地図画像とは、自車両の位置及びその周辺における実際の地図を示す画像である。地図画像は、例えば、事前に取得された高精度３次元地図データ（ＨＤマップ）、ダイナミックマップなどから抽出される。高精度３次元地図データ、ダイナミックマップなどは、予め各位置で計測することによって取得される。高精度３次元地図データ、ダイナミックマップなどは、自車両の記憶部８０などに予め保存されていてもよいし、通信によって自車両へ送られてもよい。また、観測画像に対応する地図画像とは、観測画像が示す領域と同一の領域の地図を含む地図画像である。本実施の形態では、相関分布算出部２０は、取得部１０によって取得された自車両の位置情報などに基づいて、地図画像を記憶部８０から取得する。

【0029】

図４に示されるように、地図画像には、観測画像と同様に、道路の路面標示、道路の横方向の端の位置、路側帯の位置などの情報が含まれる。地図画像は、例えば、記憶部８０によって記憶されている。本実施の形態では、相関分布算出部２０は、地図画像をハフ変換することによって第二ハフスペクトラムを得る。

【0030】

ここで、第二ハフスペクトラムについて、図５を用いて説明する。図５は、本実施の形態に係る第二ハフスペクトラムの一例を示すグラフである。第二ハフスペクトラムは、角度θ２と、地図画像内の角度θ２方向における直線成分の強度との関係を示すグラフである。図５の横軸は方位角方向の角度を表す角度θ２を示し、縦軸は、地図画像内の角度θ２方向における直線成分の強度を示す。このような第二ハフスペクトラムにより、第一ハフスペクトラムと同様に、道路の方向を推定できる。

【0031】

相関分布算出部２０は、第一ハフスペクトラムと第二ハフスペクトラムとの相関分布を算出する。このような相関分布について図６を用いて説明する。図６は、本実施の形態に係る第一ハフスペクトラムと第二ハフスペクトラムとの相関分布の一例を示すグラフである。相関分布は、観測画像の方向と地図画像の方向との角度のずれ量である方位角誤差Δθと、第一ハフスペクトラムと第二ハフスペクトラムとの相関値との関係を示す分布である。第一ハフスペクトラムと第二ハフスペクトラムとの相関値とは、第一ハフスペクトラムと第二ハフスペクトラムと一致度を示す値である。相関値が大きいほど、各スペクトラムを示すグラフの一致度が高くなる。つまり、相関値が最も大きくなる方位角誤差Δθだけ、観測画像を方位角方向に回転させた画像の方向が、地図画像の方向と一致する可能性が高いと推定される。つまり、相関値が最も大きくなる方位角誤差Δθは、地図画像の方向に対する観測画像の方向の真の方位角オフセット（観測画像の方向の地図画像の方向に対する方位角方向の正確なオフセット角度）である可能性が高いと推定される。

【0032】

上述したとおり、観測画像の方向と自車両の前後方向との関係は特定できるため、観測画像の方向と、地図画像の方向との関係を推定することで、自車両の前後方向と地図画像の方向との関係を推定できる。つまり、自車両の前後方向の方位角を精度良く推定できる。自動車など車両は高速で移動するため、方位角の推定精度が低下すると、自車両の位置の推定精度も大幅に低下する。このため、本実施の形態に係る車両方位角推定装置１００の効果は、特に自動車などの車両に適用する場合に顕著である。

【0033】

確率分布算出部３０は、相関分布算出部２０が算出した相関分布に基づいて、観測画像の地図画像に対する方位角誤差Δθの確率分布である観測確率分布を算出する処理部である。観測確率分布は、方位角誤差Δθの確からしさを示す確率の分布であり、相関分布に対応する。方位角誤差Δθにおける相関分布における相関値が大きいほど、確率は高くなる。観測確率分布について、図７を用いて説明する。図７は、本実施の形態に係る観測確率分布を示す模式的なグラフである。図７の横軸は方位角誤差Δθを示し、縦軸は時刻ｔにおける観測画像から得られる、各方位角誤差Δθの確率ｐ（Δθ｜ｚ_ｔ）を示す。図７に示されるｐ（Δθ｜ｚ_ｔ）が最大となる方位角誤差Δθが、地図画像の方向に対する観測画像の方向の真の方位角オフセットである確率が高いと推定される。

【0034】

更新部４０は、過去に算出された観測確率分布に基づいて算出された方位角誤差Δθの確率分布である事前確率分布を、最新の観測確率分布に基づいて、事後確率分布に更新する処理部である。以下、事前確率分布、及び事後確率分布について、図８及び図９を用いて説明する。図８及び図９は、それぞれ、本実施の形態に係る事前確率分布及び事後確率分布を示す模式的なグラフである。図８及び図９の横軸は方位角誤差Δθを示す。図８の縦軸は、時刻ｔ－１までの観測画像から得られる、各方位角誤差Δθの確率ｐ（Δθ｜ｚ_{１：ｔ－１}）を示す。図９の縦軸は、時刻ｔまでの観測画像から得られる、各方位角誤差Δθの確率ｐ（Δθ｜ｚ_１：ｔ）を示す。なお、更新部４０は、車両方位角推定装置１００の必須の構成要素ではない。車両方位角推定装置１００は、更新部４０を用いることなく、確率分布算出部３０によって求められた方位角オフセットに基づいて、方位角を推定してもよい。車両方位角推定装置１００が更新部４０を備えることにより、より一層精度良く方位角を推定することができる。

【0035】

本実施の形態では、取得部１０によって取得される観測画像が取得される毎に（つまり、０．１秒毎に）、相関分布算出部２０によって、相関分布が算出され、当該観測画像に基づいて観測確率分布が算出される。本実施の形態に係る更新部４０は、時刻ｔに算出された最新の観測確率分布が算出される直前の時刻ｔ－１（本実施の形態では、時刻ｔの０．１秒前）までに算出された観測確率分布に基づいて算出された事前確率分布を、最新の観測確率分布に基づいて、事後確率分布に更新する。

【0036】

本実施の形態では、更新部４０は、確率分布の更新において、ＢＢＦ（Binary Bayes Filter）を用いる。ＢＢＦから、以下の式（１）を導出できる。

【0037】

【数1】

【0038】

式（１）において、ｐ（Δθ_ｉ｜ｚ_ｔ）は、時刻ｔにおける観測確率分布における方位角誤差Δθ_ｉが真の方位角オフセットである確率を表す。ｐ（Δθ_ｉ｜ｚ_{１：ｔ－１}）は、時刻ｔ－１までの事前確率分布における方位角誤差Δθ_ｉが真の方位角オフセットである確率を表す。ｐ（Δθ_ｉ｜ｚ_１：ｔ）は、時刻ｔまでの事後確率分布における方位角誤差Δθ_ｉが真の方位角オフセットである確率を表す。ｐ（Δθ_ｉ）は、観測画像がない場合の方位角誤差Δθ_ｉが真の方位角オフセットである確率を表す。ここで、確率ｐ（Δθ_ｉ）は、通常、０．５とみなすことができることから、式（１）を用いて、事前確率分布（確率ｐ（Δθ_ｉ｜ｚ_{１：ｔ－１}））を、最新の観測確率分布（確率ｐ（Δθ_ｉ｜ｚ_ｔ））を用いて、事後確率分布（確率ｐ（Δθ_ｉ｜ｚ_１：ｔ））に更新することができる。

【0039】

このように、更新部４０によって、観測確率分布を用いて、事前確率分布を事後確率分布に更新することで、最新の観測確率分布に基づく方位角推定の精度が低い場合にも、事前確率分布の情報を用いて、精度が高い事後確率分布を得ることができる。つまり、方位角推定の精度のロバスト性を高めることができる。例えば、自車両が交差点付近に位置する場合、観測画像に含まれる道路の中央線が少なかったり、自車両が走行する道路の方向を示す直線成分の他に、当該道路に交差する他の道路の方向を示す直線成分が多く含まれたりする。このため、観測確率分布に基づく方位角推定の精度が低下し得る。しかしながら、本実施の形態では、更新部４０において、事前確率分布の情報を用いることで、方位角推定の精度の低下を抑制できる。

【0040】

また、本実施の形態において、観測確率分布の分散に応じて、更新の仕方を変化させてもよい。このような更新の方法について、図１０及び図１１を用いて説明する。図１０は、本実施の形態に係る観測確率分布の変換方法、及び、観測確率分布の確率の幅Ｗｐを説明する模式的なグラフである。図１１は、本実施の形態に係る観測確率分布の分散Ｖと観測確率分布の確率の幅Ｗｐとの関係の一例を示すグラフである。

【0041】

例えば、上述したような自車両が交差点付近に位置する場合などに、観測画像に対応する観測確率分布の分散Ｖが大きくなる。つまり、観測画像の方位角誤差Δθの曖昧性が高くなる。このように曖昧性が高い、つまり、信頼性の低い観測確率分布を用いて事前確率分布を更新すると、事後確率分布の精度が低下するおそれがある。そこで、本実施の形態において、更新部４０は、観測確率分布の分散Ｖが大きくなるにしたがって、観測確率分布の確率が０．５に近づくように、観測確率分布を変換してもよい。例えば、図１０の破線で示されるような観測確率分布を、図１０の実線で示されるような観測確率分布に変換してもよい。これにより、観測確率分布の確率が０．５に近づき、確率の幅Ｗｐ（観測確率分布の確率の最大値と最小値との差）が縮小される。ここで、観測確率分布の確率が０．５より高い場合、事後確率分布の確率は、事前確率分布の確率より高くなる。観測確率分布の確率が０．５より低い場合、事後確率分布の確率は、事前確率分布の確率より低くなる。観測確率分布の確率が０．５である場合、事後確率分布の確率は、事前確率分布の確率に対して変化しない。このため、観測確率分布の変換によって、確率が０．５に近づくことで、観測確率分布の事後確率分布への影響を抑制できる。したがって、分散Ｖが大きく、曖昧性が高い観測確率分布によって、事後確率分布の精度が低下することを抑制できる。

【0042】

本実施の形態に係る観測確率分布の変換方法は、観測確率分布の分散Ｖが大きくなるにしたがって、観測確率分布の確率が０．５に近づく（つまり、確率の幅Ｗｐが低減される）変換方法であれば特に限定されない。例えば、図１１に示されるように、分散Ｖに応じて確率の幅Ｗｐが変換されてもよい。図１１に示される例では、分散Ｖが４．５未満の場合には、確率の幅Ｗｐは１であり、分散Ｖが４．５以上の場合には、確率の幅Ｗｐが（９／Ｖ）－１となるように確率分布が変換される。なお、観測確率分布の分散が大きくなるにしたがって、観測確率分布の確率が０．５に近づく変換方法において、図１１に示されるように、確率の幅Ｗｐが一定である分散Ｖの範囲（図１１に示される例では、分散Ｖが４．５未満の範囲）があってもよい。

【0043】

走行制御部７０は、自車両の走行を制御する処理部である。本実施の形態では、走行制御部７０は、更新部４０に基づいて推定された自車両の前後方向の方位角に基づいて、走行を制御する。走行制御部７０は、例えば、記憶部８０に記憶される地図情報、自車両の位置、及び、自車両の前後方向の方位角に基づいて、自車両の進行方向などを制御する。

【0044】

記憶部８０は、方位角推定のための情報を記憶する。例えば、記憶部８０は、自車両が運転する道路の情報を含む地図情報等を記憶する。また、記憶部８０は、自動運転のための情報を記憶してもよい。

【0045】

［２．車両方位角推定方法］
本実施の形態に係る車両方位角推定方法について図を用いて説明する。図１２は、本実施の形態に係る車両方位角推定方法の流れを示すフローチャートである。

【0046】

まず、図１２に示されるように、取得部１０が、観測画像を取得する（取得ステップＳ１０）。

【0047】

続いて、相関分布算出部２０が、自車両が走行する道路の画像である観測画像をハフ変換することによって得られる第一ハフスペクトラムと、観測画像に対応する地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する（相関分布算出ステップＳ２０）。

【0048】

続いて、確率分布算出部３０が、相関分布算出ステップＳ２０において算出した相関分布に基づいて、観測画像の地図画像に対する方位角誤差Δθの確率分布である観測確率分布を算出する（確率分布算出ステップＳ３０）。これにより得られた観測確率分布における確率が最大となる方位角誤差Δθに基づいて、観測画像の方向と、地図画像の方向との関係を精度良く推定できる。上述したとおり、観測画像の方向と自車両の前後方向との関係は特定できるため、観測画像の方向と、地図画像の方向との関係を推定することで、自車両の前後方向と地図画像の方向との関係を推定できる。つまり、自車両の前後方向の方位角を精度良く推定できる。

【0049】

続いて、更新部４０が、過去に算出された観測確率分布に基づいて算出された方位角誤差Δθの確率分布である事前確率分布を、最新の観測確率分布に基づいて、事後確率分布に更新する（更新ステップＳ４０）。このように、更新部４０によって、観測確率分布を用いて、事前確率分布を事後確率分布に更新することで、最新の観測確率分布に基づく方位角推定の精度が低い場合にも、事前確率分布の情報を用いて、精度が高い事後確率分布を得ることができる。つまり、方位角推定の精度のロバスト性を高めることができる。また、更新ステップＳ４０において、更新部４０は、上述したようにＢＢＦを用いてもよい。

【0050】

また、更新ステップＳ４０において、更新部４０は、上述したように、観測確率分布の分散Ｖが大きくなるにしたがって、観測確率分布の確率が０．５に近づくように、観測確率分布を変換してもよい。

【0051】

なお、更新ステップＳ４０は、本実施の形態に係る車両方位角推定方法の必須の構成要素ではない。車両方位角推定方法は、更新ステップＳ４０を含まず、確率分布算出ステップＳ３０によって求められた方位角オフセットに基づいて、方位角を推定してもよい。車両方位角推定方法が更新ステップＳ４０を含むことにより、より一層精度良く方位角を推定することができる。

【0052】

続いて、取得ステップＳ１０に戻り、上述の各ステップを繰り返す。

【0053】

以上のような、車両方位角推定方法により、精度良く自車両の前後方向の方位角を推定できる。

【0054】

［３．実験結果］
本実施の形態に係る車両方位角推定装置１００、及び車両方位角推定方法の実験結果について、比較例と比較しながら、図１３～図１５を用いて説明する。図１３は、本実施の形態に係る車両方位角推定装置１００の実験を行った道路を示す写真である。図１４は、比較例の車両方位角推定装置によって取得した観測画像の一例を示す図である。本比較例においては、観測画像などを用いた方位角推定を行わず、ＧＮＳＳ／ＩＮＳによって取得した方位角情報及び位置情報を用いる。また、本比較例では、ＬｉＤＡＲによって取得した観測画像と、地図画像との画像マッチングによって自車両の方位角情報及び位置情報を推定する。図１５は、本実施の形態に係る車両方位角推定装置１００、及び比較例の車両方位角推定装置を用いた場合の自車両位置の推定結果を示す図である。図１５に示される点線Ｌ１は、実際に自車両が走行した軌道、及び本実施の形態に係る車両方位角推定装置１００を用いて推定した自車両の軌道を示し、点線Ｌ２は、比較例の車両方位角推定装置を用いた場合の自車両推定軌道を示し、点線Ｌ３は、ＧＮＳＳ／ＩＮＳによって取得された位置情報に基づく自車両の軌道を示す。

【0055】

図１３に示されるように、実験は、高架（図１３の破線楕円部参照）の下方に位置する道路において行った。このような高架の下方に位置する道路においては、取得部１０がＧＮＳＳ／ＩＮＳによって取得する位置情報及び方位角情報の精度が低下する。具体的には、図１５の点線Ｌ３に示されるように、自車両の位置情報及び方位角情報が、正しい自車両位置及び方位角（図１５の点線Ｌ１参照）から大幅にずれる。このため、ＧＮＳＳ／ＩＮＳのみによって自車両の方位角を推定する比較例の車両方位角推定装置では、図１４に示されるように、観測画像において、白線（路面標示）のブレなどの問題が発生する（図１４の矢印部など参照）。

【0056】

また、比較例の車両方位角推定装置によれば、画像マッチングによって自車両の位置を推定することで、ＧＮＳＳ／ＩＮＳによって取得された自車両位置（図１５の点線Ｌ３参照）よりは、精度良く自車両の位置を推定できるが（図１５の点線Ｌ２参照）、実際の自車両の位置（図１５の点線Ｌ１参照）からの誤差がある。また、図１５に示されるように、その誤差は、高架の下方を走行する距離が長くなるにしたがって大きくなる。

【0057】

一方、本実施の形態に係る車両方位角推定装置１００及び車両方位角推定方法を用いた場合には、図１５に点線Ｌ１で示されるように、自車両の推定位置と、実際の自車両の位置とが一致している。このように、本実施の形態に係る車両方位角推定装置１００及び車両方位角推定方法によれば、自車両の前後方向の方位角を精度良く推定できるため、自車両の位置を正確に推定できる。

【0058】

［４．変形例］
本実施の形態に係る車両方位角推定装置１００及び車両方位角推定方法の変形例について説明する。本変形例は、相関分布算出部２０、及び相関分布算出ステップＳ２０の構成において、上記実施の形態と相違する。本変形例においては、相関分布算出部２０は、分割した観測画像をハフ変換する点において、上記実施の形態と相違する。以下、本変形例に係る相関分布算出部２０における相関分布算出方法について、図１６及び図１７を用いて説明する。図１６は、本変形例に係る観測画像の分割態様の一例を示す図である。図１７は、本変形例に係る分割後の観測画像の寸法Ｌと、自車両が走行する道路の曲率半径Ｒとの関係を示す図である。

【0059】

本実施の形態に係る車両方位角推定装置１００及び車両方位角推定方法においては、上述したとおり、観測画像の直線成分を抽出することで、観測画像の方向を推定している。そのため、例えば、道路の曲率半径が小さい（つまり、曲率が大きい）場合には、方位角推定精度が低下するおそれがある。そこで、本変形例では、自車両が走行する道路の曲率半径が小さい場合には、図１６に破線で示されるように、観測画像を分割する。図１６に示される例では、観測画像を８個に分割している。なお、図示しないが、地図画像も分割された観測画像と同程度の寸法とする。本変形例において、地図画像も観測画像と同様に分割してもよい。本変形例に係る相関分布算出ステップＳ２０において、相関分布算出部２０は、分割された複数の観測画像の各々をハフ変換することによって得られる第一ハフスペクトラムと、分割された観測画像に対応する地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する。これにより、分割された観測画像に含まれる道路の長さを低減できるため、道路の曲率半径に起因する第一ハフスペクトラムと第二ハフスペクトラムとの相関のあいまいさ（つまり、広がり）を抑制できる。したがって、道路の曲率半径に起因する方位角推定精度の低下を抑制できる。

【0060】

なお、道路の曲率半径は、例えば、取得部１０が有する加速度センサによって検出してもよいし、記憶部８０に記憶された地図情報に含まれていてもよい。また、自動運転においては、道路の画像だけでなく、各道路のつながりなどの情報を用いるため、このような情報の一部に道路の曲率に関する情報が含まれてもよい。

【0061】

また、分割後の観測画像及び地図画像は、道路の曲率半径に基づいて決定されてもよい。これにより、道路の曲率半径に応じて適切な寸法に観測画像を分割できる。例えば、図１７に示されるように、分割後の観測画像において曲線を含む領域の幅ΔＲが画像の解像度以下となるように、観測画像を分割してもよい。ここで、図１７に示されるような、一辺の長さがＬである正方形である観測画像内において、曲率半径Ｒの曲線を含む領域の幅ΔＲは、以下の式（２）で表される。

【0062】

【数2】

【0063】

例えば、観測画像の解像度が、０．１２５ｍである場合、分割後の観測画像において曲率半径Ｒの曲線を含む領域の幅ΔＲが画像の解像度以下となるためには、分割された観測画像の一辺の長さＬ［ｍ］は以下の式（３）を満たせばよい。

【0064】

【数3】

【0065】

これにより、曲率半径Ｒの曲線を含む領域の幅ΔＲが、観測画像の解像度以下となるため、分割された観測画像における曲率半径Ｒ［ｍ］の曲線を実質的に直線とみなすことができる。したがって、観測画像の方向をハフ変換によって精度良く推定できるため、車両方位角の推定精度を高めることができる。

【0066】

［４．効果など］
以上のように、本実施の形態に係る車両方位角推定方法は、自車両の前後方向の方位角を推定する方法であって、自車両が走行する道路の画像である観測画像をハフ変換することによって得られる第一ハフスペクトラムと、観測画像に対応する地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出ステップＳ２０と、相関分布に基づいて、観測画像の地図画像に対する方位角誤差Δθの確率分布である観測確率分布を算出する確率分布算出ステップＳ３０とを含む。

【0067】

これにより得られた観測確率分布における確率が最大となる方位角誤差Δθに基づいて、観測画像の方向と、地図画像の方向との関係を精度良く推定できる。観測画像の方向と自車両の前後方向との関係は特定できるため、観測画像の方向と、地図画像の方向との関係を推定することで、自車両の前後方向と地図画像の方向との関係を推定できる。つまり、自車両の前後方向の方位角を精度良く推定できる。自動車など車両は高速で移動するため、方位角の推定精度が低下すると、自車両の位置の推定精度も大幅に低下する。このため、本実施の形態に係る車両方位角推定方法の効果は、特に自動車などの車両に適用する場合に顕著である。

【0068】

また、本実施の形態に係る車両方位角推定方法は、過去に算出された観測確率分布に基づいて算出された方位角誤差Δθの確率分布である事前確率分布を、最新の観測確率分布に基づいて、事後確率分布に更新する更新ステップＳ４０をさらに含んでもよい。

【0069】

このように、観測確率分布を用いて、事前確率分布を事後確率分布に更新することで、最新の観測確率分布に基づく方位角推定の精度が低い場合にも、事前確率分布の情報を用いて、精度が高い事後確率分布を得ることができる。つまり、方位角推定の精度のロバスト性を高めることができる。

【0070】

また、本実施の形態に係る車両方位角推定方法の更新ステップＳ４０において、ＢＢＦを用いてもよい。

【0071】

このようにＢＢＦを用いることで、上記式（１）を導出できるため、上記式（１）に基づいて、容易、かつ、正確に、観測確率分布を用いて事前確率分布を事後確率分布に更新できる。

【0072】

本実施の形態に係る車両方位角推定方法の更新ステップＳ４０において、観測確率分布の分散Ｖが大きくなるにしたがって、観測確率分布の確率が０．５に近づくように、観測確率分布を変換してもよい。

【0073】

これにより、分散Ｖが大きく、曖昧性が高い観測確率分布によって、事後確率分布の精度が低下することを抑制できる。

【0074】

本実施の形態に係る車両方位角推定方法の相関分布算出ステップＳ２０において、分割した観測画像をハフ変換してもよい。

【0075】

これにより、道路の曲率半径が、方位角推定精度に及ぼす影響を低減できる。

【0076】

本実施の形態に係る車両方位角推定方法の相関分布算出ステップＳ２０において、自車両が走行する道路の曲率半径に基づいて決定された寸法に観測画像を分割してもよい。

【0077】

これにより、道路の曲率半径に応じて適切な寸法に観測画像を分割できる。例えば、分割後の観測画像において曲線を含む領域の幅ΔＲが画像の解像度以下となるように、観測画像を分割してもよい。これにより、曲率半径Ｒの曲線を含む領域の幅ΔＲが、観測画像の解像度以下となるため、分割された観測画像における曲率半径Ｒ［ｍ］の曲線を実質的に直線とみなすことができる。したがって、観測画像の方向をハフ変換によって精度良く推定できるため、車両方位角の推定精度を高めることができる。

【0078】

本実施の形態に係るプログラムは、本実施の形態に係る車両方位角推定方法をコンピュータに実行させるためのプログラムである。

【0079】

これにより、本実施の形態に係る車両方位角推定方法と同様の効果が奏される。

【0080】

本実施の形態に係る車両方位角推定装置１００は、自車両の前後方向の方位角を推定する装置であって、自車両において取得した観測画像をハフ変換することによって得られる第一ハフスペクトラムと、地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出部２０と、相関分布に基づいて、観測画像の地図画像に対する方位角誤差Δθの確率分布である観測確率分布を算出する確率分布算出部３０とを備える。

【0081】

これにより、本実施の形態に係る車両方位角推定方法と同様の効果が奏される。

【0082】

本実施の形態に係る自律移動体Ｖ１０は、車両方位角推定装置１００と、観測画像を取得する取得部１０とを備える。

【0083】

これにより、本実施の形態に係る車両方位角推定方法と同様の効果が奏される。

【0084】

（変形例等）
以上、本発明の一態様に係る車両方位角推定方法等について、実施の形態に基づいて説明したが、本発明は、実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を実施の形態に施したものも、本発明の範囲内に含まれてもよい。

【0085】

例えば、上記実施の形態では、車両方位角推定方法は、取得ステップＳ１０、及び、更新ステップＳ４０を含んだが、車両方位角推定方法は、これらのステップを含まなくてもよい。

【0086】

また、上記実施の形態では、車両方位角推定装置１００は、更新部４０、走行制御部７０、及び記憶部８０を備えたが、車両方位角推定装置１００は、これらの構成要素を備えなくてもよい。また、車両方位角推定装置１００は、取得部１０を備えてもよい。

【0087】

また、上記実施の形態では、移動体の一例として自律移動体Ｖ１０を用いる例を示したが、移動体は、自律移動体Ｖ１０に限定されない。道路上を移動し得る、車両方位角推定装置１００によって方位角を推定可能な物体であればよい。

【0088】

また、本実施の形態に係る車両方位角推定方法等において、取得部１０以外から取得した情報を用いてもよい。例えば、車両方位角推定装置１００は、外部との通信を用いて、情報を取得してもよい。

【0089】

また、以下に示す形態も、本発明の一つ又は複数の態様の範囲内に含まれてもよい。

【0090】

（１）上記の車両方位角推定装置１００に含まれる構成要素の一部は、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクユニット、ディスプレイユニット、キーボード、マウス等から構成されるコンピュータシステムであってもよい。前記ＲＡＭ又はハードディスクユニットには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

【0091】

（２）上記の車両方位角推定装置１００に含まれる構成要素の一部は、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ等を含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、システムＬＳＩは、その機能を達成する。

【0092】

（３）上記の車両方位角推定装置１００に含まれる構成要素の一部は、各装置に脱着可能なＩＣカード又は単体のモジュールから構成されているとしてもよい。前記ＩＣカード又は前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭ等から構成されるコンピュータシステムである。前記ＩＣカード又は前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、前記ＩＣカード又は前記モジュールは、その機能を達成する。このＩＣカード又はこのモジュールは、耐タンパ性を有するとしてもよい。

【0093】

（４）また、上記の車両方位角推定装置１００に含まれる構成要素の一部は、前記コンピュータプログラム又は前記デジタル信号をコンピュータで読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＢＤ（Ｂｌｕ－ｒａｙ（登録商標） Ｄｉｓｃ）、半導体メモリ等に記録したものとしてもよい。また、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。

【0094】

また、上記の車両方位角推定装置１００に含まれる構成要素の一部は、前記コンピュータプログラム又は前記デジタル信号を、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。

【0095】

（５）本発明は、上記に示す車両方位角推定方法であるとしてもよい。また、上記の車両方位角推定方法をコンピュータにより実現させるためのコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。さらに、本発明は、そのコンピュータプログラムを記録したＣＤ－ＲＯＭ等である非一時的なコンピュータ読み取り可能な記録媒体として実現してもよい。

【0096】

（６）また、本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムにしたがって動作するとしてもよい。

【0097】

（７）また、前記プログラム又は前記デジタル信号を前記記録媒体に記録して移送することにより、又は前記プログラム又は前記デジタル信号を、前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。

【0098】

（８）上記実施の形態及び上記変形例をそれぞれ組み合わせるとしてもよい。

【0099】

（付記）
また、以上の記載により、下記の技術が開示される。

【0100】

（技術１）自車両の前後方向の方位角を推定する車両方位角推定方法であって、前記自車両が走行する道路の画像である観測画像をハフ変換することによって得られる第一ハフスペクトラムと、前記観測画像に対応する地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出ステップと、前記相関分布に基づいて、前記観測画像の前記地図画像に対する方位角誤差の確率分布である観測確率分布を算出する確率分布算出ステップとを含む車両方位角推定方法。

【0101】

（技術２）過去に算出された前記観測確率分布に基づいて算出された前記方位角誤差の確率分布である事前確率分布を、最新の前記観測確率分布に基づいて、事後確率分布に更新する更新ステップをさらに含む技術１に記載の車両方位角推定方法。

【0102】

（技術３）前記更新ステップにおいて、ＢＢＦを用いる技術２に記載の車両方位角推定方法。

【0103】

（技術４）前記更新ステップにおいて、前記観測確率分布の分散が大きくなるにしたがって、前記観測確率分布の確率が０．５に近づくように、前記観測確率分布を変換する技術２又は３に記載の車両方位角推定方法。

【0104】

（技術５）前記相関分布算出ステップにおいて、分割した前記観測画像をハフ変換する技術１～４のいずれか１つに記載の車両方位角推定方法。

【0105】

（技術６）前記相関分布算出ステップにおいて、前記自車両が走行する道路の曲率半径に基づいて決定された寸法に前記観測画像を分割する技術５に記載の車両方位角推定方法。

【0106】

（技術７）技術１～６のいずれか１つに記載の車両方位角推定方法をコンピュータに実行させるためのプログラム。

【0107】

（技術８）自車両の前後方向の方位角を推定する車両方位角推定装置であって、前記自車両において取得した観測画像をハフ変換することによって得られる第一ハフスペクトラムと、地図画像をハフ変換することによって得られる第二ハフスペクトラムとの相関分布を算出する相関分布算出部と、前記相関分布に基づいて、前記観測画像の前記地図画像に対する方位角誤差の確率分布である観測確率分布を算出する確率分布算出部とを備える車両方位角推定装置。

【0108】

（技術９）技術８に記載の車両方位角推定装置と、前記観測画像を取得する取得部とを備える自律移動体。

【産業上の利用可能性】

【0109】

本発明の一態様に係る車両方位角推定方法等は、例えば、自動運転のために車両等に適用することができる。

【符号の説明】

【0110】

１０ 取得部
２０ 相関分布算出部
３０ 確率分布算出部
４０ 更新部
７０ 走行制御部
８０ 記憶部
１００ 車両方位角推定装置
Ｖ１０ 自律移動体

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】