特許 7526858 測定装置、測定方法およびプログラム

(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】

(24)【登録日】2024-07-24

(45)【発行日】2024-08-01

(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 20060101AFI20240725BHJP

   G01S 17/89 20200101ALN20240725BHJP

【ＦＩ】

G01C21/28

G01S17/89

【請求項の数】 7

(21)【出願番号】P 2023098356

(22)【出願日】2023-06-15

(62)【分割の表示】P 2021119424の分割

【原出願日】2018-05-17

(65)【公開番号】P2023118759

(43)【公開日】2023-08-25

【審査請求日】2023-06-15

(31)【優先権主張番号】P 2017100145

(32)【優先日】2017-05-19

(33)【優先権主張国・地域又は機関】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】西畑 智道

(56)【参考文献】

【文献】特開平０７－２２５８９３（ＪＰ，Ａ）

【文献】特開２０１７－００４１７６（ＪＰ，Ａ）

【文献】特開２０１６－０５７７５０（ＪＰ，Ａ）

【文献】特開平０４－１８４６０３（ＪＰ，Ａ）

【文献】特開２００６－０１８７５１（ＪＰ，Ａ）

【文献】特開２００６－１１９０２６（ＪＰ，Ａ）

【文献】堀地恒生、木下哲郎、吉田智哉、小林一行，ロボットの移動を考慮したＬＩＤＡＲの距離補正アルゴリズムの提案，第３２回ファジィシステムシンポジウム講演論文集，日本，2016年，pp649-654

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０８Ｇ １／００－９９／００

Ｇ０１Ｃ ２１／００－２１／３６

Ｇ０１Ｃ ２３／００－２５／００

Ｇ０１Ｓ １７／８９

(57)【特許請求の範囲】

【請求項1】

移動体に搭載される測定装置であって、
スキャン型の外界センサである第１のセンサから、前記移動体の周囲の路面線を含む出力データを取得する取得部と、
前記移動体に搭載された第２のセンサの出力に基づいて前記移動体の予測位置を算出する予測部と、
前記予測位置と、地図データに含まれる前記路面線の位置情報と、に基づき前記路面線の複数の予測範囲を算出し、前記移動体の移動速度と、前記第１のセンサのスキャン速度とに基づき、前記路面線の複数の予測範囲の各々を、前記複数の予測範囲のスキャン順序に応じたシフト量により前記移動体の移動方向に補正することにより前記路面線の予測範囲を決定する決定部と、
前記出力データのうち、前記予測範囲において検出されたデータを抽出する抽出部と、
抽出されたデータと、前記地図データに含まれる前記路面線の位置情報とに基づいて、前記移動体の現在位置を推定する推定部と、
を備える測定装置。

【請求項2】

前記決定部は、前記第１のセンサによるスキャン順序が後になる予測範囲ほど前記シフト量を大き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】

前記決定部は、前記第１のセンサによるスキャン速度が速いほど、前記シフト量を少なくす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】

前記決定部は、前記予測位置を基準として右前方、右後方、左前方、左後方の４か所に前記予測範囲を設定することを特徴とする請求項１乃至３のいずれか一項に記載の測定装置。

【請求項5】

移動体に搭載される測定装置により実行される測定方法であって、
スキャン型の外界センサである第１のセンサから、前記移動体の周囲の路面線を含む出力データを取得する取得工程と、
前記移動体に搭載された第２のセンサの出力に基づいて前記移動体の予測位置を算出する予測工程と、
前記予測位置と、地図データに含まれる前記路面線の位置情報と、に基づき前記路面線の複数の予測範囲を算出し、前記移動体の移動速度と、前記第１のセンサのスキャン速度とに基づき、前記路面線の複数の予測範囲の各々を、前記複数の予測範囲のスキャン順序に応じたシフト量により前記移動体の移動方向に補正することにより前記路面線の予測範囲を決定する決定工程と、
前記出力データのうち、前記予測範囲において検出されたデータを抽出する抽出工程と、
抽出されたデータと、前記地図データに含まれる前記路面線の位置情報とに基づいて、前記移動体の現在位置を推定する推定工程と、
を備える測定方法。

【請求項6】

移動体に搭載され、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、
スキャン型の外界センサである第１のセンサから、前記移動体の周囲の路面線を含む出力データを取得する取得部、
前記移動体に搭載された第２のセンサの出力に基づいて前記移動体の予測位置を算出する予測部、
前記予測位置と、地図データに含まれる前記路面線の位置情報と、に基づき前記路面線の複数の予測範囲を算出し、前記移動体の移動速度と、前記第１のセンサのスキャン速度とに基づき、前記路面線の複数の予測範囲の各々を、前記複数の予測範囲のスキャン順序に応じたシフト量により前記移動体の移動方向に補正することにより前記路面線の予測範囲を決定する決定部と、
前記出力データのうち、前記予測範囲において検出されたデータを抽出する抽出部と、
抽出されたデータと、前記地図データに含まれる前記路面線の位置情報とに基づいて、前記移動体の現在位置を推定する推定部と、
として前記コンピュータを機能させるプログラム。

【請求項7】

請求項６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】

【文献】特開２０１７－７２４２２号公報

【文献】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、状況に応じて白線を検出する範囲を適切に調整し、自車位置推定の精度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】

請求項に記載の発明は、移動体に搭載される測定装置であって、スキャン型の外界センサである第１のセンサから、前記移動体の周囲の路面線を含む出力データを取得する取得部と、前記移動体に搭載された第２のセンサの出力に基づいて前記移動体の予測位置を算出する予測部と、前記予測位置と、地図データに含まれる前記路面線の位置情報と、に基づき前記路面線の複数の予測範囲を算出し、前記移動体の移動速度と、前記第１のセンサのスキャン速度とに基づき、前記路面線の複数の予測範囲の各々を、前記複数の予測範囲のスキャン順序に応じたシフト量により前記移動体の移動方向に補正することにより前記路面線の予測範囲を決定する決定部と、前記出力データのうち、前記予測範囲において検出されたデータを抽出する抽出部と、抽出されたデータと、前記地図データに含まれる前記路面線の位置情報とに基づいて、前記移動体の現在位置を推定する推定部と、を備える。

【0007】

請求項に記載の発明は、移動体に搭載される測定装置により実行される測定方法であって、スキャン型の外界センサである第１のセンサから、前記移動体の周囲の路面線を含む出力データを取得する取得工程と、前記移動体に搭載された第２のセンサの出力に基づいて前記移動体の予測位置を算出する予測工程と、前記予測位置と、地図データに含まれる前記路面線の位置情報と、に基づき前記路面線の複数の予測範囲を算出し、前記移動体の移動速度と、前記第１のセンサのスキャン速度とに基づき、前記路面線の複数の予測範囲の各々を、前記複数の予測範囲のスキャン順序に応じたシフト量により前記移動体の移動方向に補正することにより前記路面線の予測範囲を決定する決定工程と、前記出力データのうち、前記予測範囲において検出されたデータを抽出する抽出工程と、抽出されたデータと、前記地図データに含まれる前記路面線の位置情報とに基づいて、前記移動体の現在位置を推定する推定工程と、を備える。

【0008】

請求項に記載の発明は、移動体に搭載され、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、スキャン型の外界センサである第１のセンサから、前記移動体の周囲の路面線を含む出力データを取得する取得部、前記移動体に搭載された第２のセンサの出力に基づいて前記移動体の予測位置を算出する予測部、前記予測位置と、地図データに含まれる前記路面線の位置情報と、に基づき前記路面線の複数の予測範囲を算出し、前記移動体の移動速度と、前記第１のセンサのスキャン速度とに基づき、前記路面線の複数の予測範囲の各々を、前記複数の予測範囲のスキャン順序に応じたシフト量により前記移動体の移動方向に補正することにより前記路面線の予測範囲を決定する決定部と、前記出力データのうち、前記予測範囲において検出されたデータを抽出する抽出部と、抽出されたデータと、前記地図データに含まれる前記路面線の位置情報とに基づいて、前記移動体の現在位置を推定する推定部と、として前記コンピュータを機能させる。

【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】車両の速度を考慮した白線予測位置の補正方法を説明する図である。

【図5】車両の速度を考慮した白線予測位置の例を示す。

【図6】測定装置の構成を示すブロック図である。

【図7】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、周囲の路面線を検出するためのセンサ部からの出力データを取得する取得部と、自己位置と、路面線の位置情報と、前記自己位置の移動速度とに基づいて、所定範囲を決定する決定部と、前記出力データのうち、前記所定範囲の検出結果に相当するデータを抽出する抽出部と、抽出されたデータに基づいて所定の処理を行う処理部と、を備える。

【0011】

上記の測定装置は、周囲の路面線を検出するためのセンサ部からの出力データを取得し、自己位置と、路面線の位置情報と、前記自己位置の移動速度とに基づいて、所定範囲を決定する。そして、出力データのうち、所定範囲の検出結果に相当するデータを抽出し、抽出されたデータに基づいて所定の処理を行う。これにより、自己位置の移動速度に応じて、データを抽出するための所定範囲を適切に設定することができる。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。

【0012】

上記の測定装置の一態様では、前記決定部は、前記自己位置と、前記路面線の実線部の位置情報とに基づいて前記所定範囲を決定し、当該所定範囲を前記移動速度に応じて前記自己位置の移動方向にシフトする。この態様では、所定範囲が移動速度に応じてシフトされる。

【0013】

上記の測定装置の他の一態様では、前記測定装置は、移動体に搭載され、前記決定部は、前記移動体の位置を基準として複数の所定範囲を決定し、前記センサ部による前記複数の所定範囲のスキャン順序に応じたシフト量だけ前記所定範囲の各々をシフトする。この態様では、複数の所定範囲がセンサ部によるスキャン順序に応じてシフトされる。好適には、前記決定部は、前記センサ部によるスキャン順序が後になる所定範囲ほど大きなシフト量でシフトする。また、好適には、前記決定部は、前記センサ部によるスキャン速度が速いほど、前記シフト量を少なくする。

【0014】

好適には、前記決定部は、前記移動体の位置を基準として右前方、右後方、左前方、左後方の４か所に前記所定範囲を設定する。また、好適には、前記処理部は、前記路面線の位置を検出し、当該路面線の位置に基づいて前記測定装置の位置を推定する処理を行う。

【0015】

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、周囲の路面線を検出するためのセンサ部からの出力データを取得する取得工程と、自己位置と、路面線の位置情報と、前記自己位置の移動速度とに基づいて、所定範囲を決定する決定工程と、前記出力データのうち、前記所定範囲の検出結果に相当するデータを抽出する抽出工程と、抽出されたデータに基づいて所定の処理を行う処理工程と、を備える。この方法により、自己位置の移動速度に応じて、データを抽出するための所定範囲を適切に設定することができる。

【0016】

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、周囲の路面線を検出するためのセンサ部からの出力データを取得する取得部、自己位置と、路面線の位置情報と、前記自己位置の移動速度とに基づいて、所定範囲を決定する決定部、前記出力データのうち、前記所定範囲の検出結果に相当するデータを抽出する抽出部、抽出されたデータに基づいて所定の処理を行う処理部、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】

【0017】

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。

【0018】

（白線予測位置の算出）
図示のように、地図座標系（Ｘ_ｍ，Ｙ_ｍ）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（Ｘ_ｖ，Ｙ_ｖ）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Ｘ_ｖ軸とし、それに垂直な方向を車両座標系のＹ_ｖ軸とする。

【0019】

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。

【0020】

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（ｍｘ_ｍ１，ｍｙ_ｍ１）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（ｍｘ_ｍ２，ｍｙ_ｍ２）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。

【0021】

ここで、白線の予測位置を示す白線予測位置ＷＬＰＰ（ｌ’ｘ_ｖ，ｌ’ｙ_ｖ）は、白線地図位置ＷＬＭＰ（ｍｘ_ｍ，ｍｙ_ｍ）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。

【0022】

【数1】

よって、式（１）により、白線ＷＬ１について白線予測位置ＷＬＰＰ１（ｌ’ｘ_ｖ１，ｌ’ｙ_ｖ１）が得られ、白線ＷＬ２について白線予測位置ＷＬＰＰ２（ｌ’ｘ_ｖ２，ｌ’ｙ_ｖ２）が得られる。こうして、白線ＷＬ１、ＷＬ２のそれぞれについて、白線ＷＬ１、ＷＬ２に対応する複数の白線予測位置ＷＬＰＰ１、ＷＬＰＰ２が得られる。

【0023】

（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。

【0024】

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α_ｖ前方の位置）に前方基準点（α_ｖ，０_ｖ）を設定する。そして、前方基準点（α_ｖ，０_ｖ）と、白線予測位置ＷＬＰＰとに基づいて、前方基準点（α_ｖ，０_ｖ）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（α_ｖ，０_ｖ）と、白線ＷＬ１を構成する複数の白線予測位置ＷＬＰＰ１（ｌ’ｘ_ｖ１，ｌ’ｙ_ｖ１）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。

【数2】

【0025】

同様に、白線ＷＬ２については、前方基準点（α_ｖ，０_ｖ）と、白線ＷＬ２を構成する複数の白線予測位置ＷＬＰＰ２（ｌ’ｘ_ｖ２，ｌ’ｙ_ｖ２）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。

【数3】

【0026】

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Ｘ_ｖ軸方向に±ΔＸ、Ｙ_ｖ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。

【0027】

（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（ｓｘ_ｖ１，ｓｙ_ｖ１）の座標が得られる。

【数4】

また、図３（Ｂ）に示すように、白線が破線である場合も同様に白線中心位置ＷＬＣＰ２が算出される。

【0028】

（車両の速度に応じた白線予測範囲の補正）
次に、車両５の速度に応じて白線予測範囲ＷＬＰＲを補正する手法について説明する。図４（Ａ）は、車両５が停止している場合に車両５の前方に設定される白線予測範囲ＷＬＰＲ１、ＷＬＰＲ２を示す。ここで、ＬｉＤＡＲは、車両５の位置を中心として時計回りに１周（３６０°）のスキャンを行い、１周分のスキャンデータを蓄積するものとする。車両５が停止している場合、ＬｉＤＡＲによるスキャンライン２は車両５の位置を中心とする円となるので、白線予測範囲ＷＬＰＲ１とＷＬＰＲ２は車両５から等距離にあればよい。即ち、図示のように、白線予測範囲ＷＬＰＲ１と白線予測範囲ＷＬＰＲ２をＸ_ｖ軸に対して線対称の位置に配置すれば、ＬｉＤＡＲによるスキャンデータを効率的に抽出することができる。

【0029】

しかし、図４（Ｂ）に示すように、車両５の走行中、特に高速走行している場合には、ＬｉＤＡＲによるスキャン中に車両が移動する。この例では、ＬｉＤＡＲは時計回りにスキャンを行うので、ＬｉＤＡＲが車両５の左前方の白線ＷＬ１をスキャンしてから、右前方の白線ＷＬ２をスキャンするまでの間に、車両５は前方へ移動する。よって、図４（Ｂ）に示すように、ＬｉＤＡＲが白線ＷＬ２をスキャンする位置は、白線ＷＬ１をスキャンする位置よりも前方となる。このため、図４（Ａ）に示す車両の停止時と同じように、車両５の右前方の白線予測範囲ＷＬＰＲ２を左前方の白線予測範囲ＷＬＰＲ１と左右対称の位置に設定すると、白線予測範囲ＷＬＰＲ２に含まれるスキャンライン２の数が減少してしまう。

【0030】

そこで、本実施例では、車両５の速度に応じて、白線予測範囲ＷＬＰＲの位置を補正する。具体的に、図４（Ｂ）の例では、まず図２に示す手法により、図４（Ａ）と同様に白線予測範囲ＷＬＰＲ１とＷＬＰＲ２を左右対称に設定した後、車両５の速度に応じたシフト量だけ白線予測範囲ＷＬＰＲ２を前方へシフトし、白線予測範囲ＷＬＰＲ２ｘの位置に設定する。これにより、図４（Ｂ）に示すように、車両５の移動により前方へ移動したスキャンライン２を適切に含むように白線予測範囲ＷＬＰＲ２ｘを設定することができる。

【0031】

図５は、車両５の位置を基準として、４つの白線予測範囲ＷＬＰＲ１～４を設定する場合の白線予測範囲の補正方法を示す。図５の例においても、ＬｉＤＡＲによるスキャンは時計回りとする。車両５の左前方の白線予測範囲ＷＬＰＲ１をＬｉＤＡＲによるスキャンの基準点と考え、そのスキャン時刻をｔ０とする。また、ＬｉＤＡＲが左前方の白線予測範囲ＷＬＰＲ１をスキャンしてから、右前方の白線予測範囲ＷＬＰＲ２をスキャンするまでの時間差をΔｔ１とし、右前方の白線予測範囲ＷＬＰＲ２をスキャンしてから右後方の白線予測範囲ＷＬＰＲ３をスキャンするまでの時間差をΔｔ２とし、右後方の白線予測範囲ＷＬＰＲ３をスキャンしてから左後方の白線予測範囲ＷＬＰＲ４をスキャンするまでの時間差をΔｔ３とする。

【0032】

いま、車両５が停止していると仮定する。この場合、右前方の白線予測範囲ＷＬＰＲ２は左前方の白線予測範囲ＷＬＰＲ１とＸ_ｖ軸に対して線対称に設定される。また、右後方の白線予測範囲ＷＬＰＲ３は、右前方の白線予測範囲ＷＬＰＲ２とＹ_ｖ軸に対して線対称に設定される。また、左後方の白線予測範囲ＷＬＰＲ４は、右後方の白線予測範囲ＷＬＰＲ３とＸ_ｖ軸に対して線対称に設定される。

【0033】

次に、車両５が高速走行していると仮定する。この場合、右前方の白線予測範囲ＷＬＰＲ２は、前方(車両の進行方向）へΔｄ１だけシフトされて白線予測範囲ＷＬＰＲ２ｘの位置に設定される。右後方の白線予測範囲ＷＬＰＲ３は、前方へΔｄ２だけシフトされて白線予測範囲ＷＬＰＲ３ｘの位置に設定される。左後方の白線予測範囲ＷＬＰＲ４は、前方へΔｄ３だけシフトされて白線予測範囲ＷＬＰＲ４ｘの位置に設定される。

【0034】

ここで、シフト量Δｄ１～Δｄ３は、車両５の速度に依存する。概略的には、車両５の速度が速いほどシフト量Δｄ１～Δｄ３は大きくなり、車両５の速度が遅いほどシフト量Δｄ１～Δｄ３は小さくなる。より具体的には、車両５の速度を「Ｖ」とすると、白線予測範囲ＷＬＰＲ２ｘのシフト量Δｄ１は、
Δｄ１＝Δｔ１×Ｖ （５）
となり、白線予測範囲ＷＬＰＲ３ｘのシフト量Δｄ２は、
Δｄ２＝（Δｔ１＋Δｔ２）×Ｖ （６）
となり、白線予測範囲ＷＬＰＲ４ｘのシフト量Δｄ３は、
Δｄ３＝（Δｔ１＋Δｔ２＋Δｔ３）×Ｖ （７）
となる。

【0035】

このように、車両５の周囲の４か所に白線予測範囲を設ける場合、基準となる白線予測範囲からのスキャン順序が後になる白線予測範囲ほどシフト量Δｄが大きくなる。図５の例のように、ＬｉＤＡＲのスキャン方向が時計回りである場合、シフト量はΔｄ１＜Δｄ２＜Δｄ３となる。即ち、シフト量は、白線予測範囲ＷＬＰＲ２ｘ＜白線予測範囲ＷＬＰＲ３ｘ＜白線予測範囲ＷＬＰＲ４ｘの関係となる。なお、ＬｉＤＡＲのスキャン方向が反時計回りである場合、シフト量は、白線予測範囲ＷＬＰＲ４ｘ＜白線予測範囲ＷＬＰＲ３ｘ＜白線予測範囲ＷＬＰＲ２ｘの関係となる。

【0036】

また、シフト量Δｄ１～Δｄ３は、車両５に搭載されたＬｉＤＡＲのスキャン速度にも依存する。概略的には、ＬｉＤＡＲのスキャン速度が速いほどシフト量Δｄ１～Δｄ３は小さくなり、スキャン速度が遅いほどシフト量Δｄ１～Δｄ３は大きくなる。これは、スキャン速度が速いほど、上記の式（５）～（７）におけるΔｔ１～Δｔ３の値が小さくなるためである。

【0037】

なお、白線予測範囲のスキャン時刻の時間差Δｔ１～Δｔ３は、各白線予測範囲間の距離とＬｉＤＡＲのスキャン速度、又は、各白線予測範囲間の角度とＬｉＤＡＲのスキャン角速度に基づいて算出することができる。

【0038】

［装置構成］
図６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を含む白線地図情報を記憶している。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。

【0039】

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。

【0040】

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。

【0041】

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。

【0042】

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。

【0043】

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を決定する。さらに、白線位置予測部１６は、車両の速度及びＬｉＤＡＲのスキャン速度、スキャン方向（時計回り又は反時計回り）に応じて、上記のように各白線予測位置ＷＬＰＲ１～ＷＬＰＲ４を補正する。そして、白線位置予測部１６は、補正後の白線予測範囲ＷＬＰＲをスキャンデータ抽出部１７へ供給する。

【0044】

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、白線中心位置算出部１８へ供給する。

【0045】

白線中心位置算出部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。そして、白線中心位置算出部１８は、算出された白線中心位置ＷＬＣＰを自車位置推定部１９へ供給する。

【0046】

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。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。

【0047】

上記の構成において、外界センサ１２は本発明のセンサ部の一例であり、スキャンデータ抽出部１７は本発明の取得部及び抽出部の一例であり、白線位置予測部１６は本発明の決定部の一例であり、自車位置推定部１９は本発明の処理部の一例である。

【0048】

［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７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６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。なお、自車位置推定装置１０は、車速センサなどにより車両５の速度を常に検出しているものとする。また、ＬｉＤＡＲのスキャン速度及びスキャン方向は予め決められているものとする。

【0049】

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。

【0050】

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を決定する。この際、白線位置予測部１６は、上記のように車両５の速度、ＬｉＤＡＲのスキャン速度及びスキャン方向に基づいて、各白線予測範囲ＷＬＰＲ１～ＷＬＰＲ４の位置を補正する。そして、白線位置予測部１６は、白線予測範囲ＷＬＰＲをスキャンデータ抽出部１７へ供給する（ステップＳ１４）。

【0051】

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、白線中心位置算出部１８へ供給する（ステップＳ１５）。

【0052】

次に、白線中心位置算出部１８は、白線予測範囲ＷＬＰＲと白線スキャンデータＷＬＳＤに基づいて白線中心位置ＷＬＣＰ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。

【0053】

［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】

【0054】

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 白線中心位置算出部
１９ 自車位置推定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】