特表 2023-525906 車両の初期姿勢の確定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-06-19

(54)【発明の名称】車両の初期姿勢の確定方法

(51)【国際特許分類】

   G08G 1/16 20060101AFI20230612BHJP

【ＦＩ】

G08G1/16 C

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2022570498

(86)(22)【出願日】2021-05-04

(85)【翻訳文提出日】2023-01-17

(86)【国際出願番号】 EP2021061645

(87)【国際公開番号】W WO2021233674

(87)【国際公開日】2021-11-25

(31)【優先権主張番号】102020206356.7

(32)【優先日】2020-05-20

(33)【優先権主張国・地域又は機関】DE

(81)【指定国・地域】

(71)【出願人】

【識別番号】591245473

【氏名又は名称】ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング

【氏名又は名称原語表記】ＲＯＢＥＲＴ ＢＯＳＣＨ ＧＭＢＨ

(74)【代理人】

【識別番号】100118902

【弁理士】

【氏名又は名称】山本 修

(74)【代理人】

【識別番号】100196508

【弁理士】

【氏名又は名称】松尾 淳一

(74)【代理人】

【識別番号】100195408

【弁理士】

【氏名又は名称】武藤 陽子

(72)【発明者】

【氏名】ナハシュテット，ティモ

(72)【発明者】

【氏名】クラウゼ，ゲオルク

(72)【発明者】

【氏名】リ，レンリン

【テーマコード（参考）】

5H181

【Ｆターム（参考）】

5H181AA01

5H181CC03

5H181CC04

5H181CC14

5H181FF04

5H181FF27

5H181LL09

(57)【要約】

制御機器による車両の初期姿勢の確定方法であって、ＧＮＳＳセンサ機器および／またはオドメトリセンサ機器によって確定された測定データが受信され、かつ車両のおおよその姿勢を不確実性範囲と共に確定するために評価され、確定された不確実性範囲に対し、軌道地図から、道路使用者の少なくとも１つの軌道が抽出され、抽出された軌道に沿ってチェックポイントが配置され、かつ最適化アルゴリズムが各チェックポイントに対して軌道に沿って実行され、最適化アルゴリズムにより、対応しているコスト関数をもつ姿勢が確定され、最適化アルゴリズムによって確定された姿勢から、最大のコスト関数をもつ姿勢が、車両の初期姿勢として確定される、確定方法が開示されている。さらに、制御機器、コンピュータプログラム、および機械可読のメモリ媒体が開示されている。
【選択図】図２

【特許請求の範囲】

【請求項1】

制御機器（４）による車両（２）の初期姿勢（Ａ）の確定方法であって、
－ ＧＮＳＳセンサ機器および／またはオドメトリセンサ機器（６）によって確定された測定データが受信され、かつ前記車両（２）のおおよその姿勢（Ｐ）を不確実性範囲（Ｕ）と共に確定するために評価され、
－ 確定された前記不確実性範囲（Ｕ）に対し、軌道地図から、道路使用者の少なくとも１つの軌道（１０）が抽出され、
－ 抽出された前記軌道（１０）に沿ってチェックポイント（５）が配置され、かつ最適化アルゴリズムが各チェックポイント（５）に対して前記軌道（１０）に沿って実行され、
－ 前記最適化アルゴリズムにより、対応しているコスト関数をもつ姿勢が確定され、
－ 前記最適化アルゴリズムによって確定された前記姿勢から、最大のコスト関数をもつ姿勢が、前記車両（２）の初期姿勢（Ａ）として確定される、確定方法。

【請求項2】

前記車両（２）の確定されたおおよその前記姿勢（Ｐ）から前記車両（２）の向きが決定され、かつ抽出された前記軌道の走行方向（Ｆ）と比較され、走行方向（Ｆ）による軌道（１０）の排他的な考慮のためのフィルタ関数が実行され、前記車両（２）の前記向きと一致する少なくとも１つの軌道（１０）が考慮される、請求項１に記載の方法。

【請求項3】

最適化アルゴリズムとして山登り法のアルゴリズムが実行される、請求項１または２に記載の方法。

【請求項4】

前記最適化アルゴリズムが、確定された前記不確実性範囲（Ｕ）内の少なくとも１つの抽出された前記軌道（１０）に沿って実行される、請求項１から３のいずれか１項に記載の方法。

【請求項5】

前記車両（２）の前記初期姿勢（Ａ）の前記確定方法が、規定の時間間隔をあけて繰り返し実行される、請求項１から４のいずれか１項に記載の方法。

【請求項6】

異なる時点での前記車両（２）の複数の初期姿勢（Ａ）が確定され、確定された前記初期姿勢（Ａ）間の不一致を検出することにより、車線からの前記車両（２）の逸脱または車線変更が判定される、請求項５に記載の方法。

【請求項7】

少なくとも１つのＬＩＤＡＲセンサおよび／またはレーダセンサ（８）によって確定された測定データが受信および評価され、前記測定データに基づいて特徴が確定され、かつ特徴マップ内での少なくとも１つの抽出された軌道（１０）に沿った前記車両（２）の姿勢を決定するために前記特徴マップのデータと比較され、および前記車両（２）の姿勢の最大のコスト関数が、前記最適化アルゴリズムにより、確定された前記特徴と前記特徴マップに収められている前記特徴との最小差異に基づいて計算される、請求項１から６のいずれか１項に記載の方法。

【請求項8】

請求項１から７のいずれか１項に記載の方法を実行するために適応されている制御機器（４）。

【請求項9】

コンピュータまたは制御機器（４）によってコンピュータプログラムが実行される際に前記コンピュータまたは前記制御機器（４）に請求項１から７のいずれか１項に記載の方法を実行させる命令を含むコンピュータプログラム。

【請求項10】

請求項９に記載のコンピュータプログラムが保存されている機械可読のメモリ媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車両の初期姿勢の確定方法に関する。本発明はさらに、制御機器、コンピュータプログラム、および機械可読のメモリ媒体に関する。

【背景技術】

【0002】

自動走行機能の実現には、高精密デジタル地図の使用が不可欠である。このような地図は、自動動作可能な車両の、センサに基づく周辺環境知覚を補完することができる。例えば地理的な道路の延び具合および道路使用者の典型的な軌道を含む様々なデジタル地図が既に知られている。これに関し典型的な軌道は、多数の車両のいわゆるスウォーム軌道から抽出され得る。

【0003】

デジタル地図を利用するため、車両は、車両の位置および向きからなる自車自体の姿勢を精密に決定できなければならない。例えば、車両の姿勢は相応の衛星からのＧＮＳＳ信号を評価することで確定され得る。しかしながらＧＮＳＳに基づく位置特定は、可用性および精度が不十分である。

【0004】

姿勢を決定するために通常は反復位置特定法が使用され、これは精密な初期位置または開始位置を必要とする。開始位置または初期姿勢を確定するために、車両を近似的に位置特定し、続いて例えばレーダ測定データによる、特徴に基づく位置特定によって姿勢を精緻化することができる。特徴に基づく位置特定の場合、レーダ測定データから静的特徴が抽出され、かつ特徴マップに収められている特徴と比較される。これに関し、特徴の最適な向きを得るため、例えば複数次元の山登り法アルゴリズムが用いられる。しかしながら、このような複数の次元での特徴の向きは、高い計算能力を必要とする。

【発明の概要】

【発明が解決しようとする課題】

【0005】

本発明の基礎となる課題は、計算能力への要求が低下した、車両の初期姿勢の確定方法を提案することに見いだされ得る。

【課題を解決するための手段】

【0006】

この課題は独立請求項のそれぞれの対象によって解決される。本発明の有利な形態は、それぞれ従属する従属請求項の対象である。
本発明の一態様に基づき、制御機器による車両の初期姿勢または開始姿勢の確定方法が提供される。

【0007】

本方法は、とりわけ、ハードウェアおよび／またはソフトウェアの形態での制御機器の初期化モジュールによって実行され得る。
１つのステップで、ＧＮＳＳセンサ機器および／またはオドメトリセンサ機器によって確定された測定データが受信され、かつ車両のおおよその姿勢を不確実性範囲と共に確定するために評価される。

【0008】

確定された不確実性範囲に対し、軌道地図から、道路使用者の少なくとも１つの軌道が抽出される。この少なくとも１つの抽出された軌道は、例えばヒストリカルデータからの、道路使用者の通常の軌道である。

【0009】

さらなるステップでは、抽出された軌道に沿ってチェックポイントが配置され、かつ最適化アルゴリズムが各チェックポイントに対して軌道に沿って実行される。最適化アルゴリズムの実行により、特徴に基づく位置特定またはおおよその姿勢の精緻化が実施され得る。このために、レーダセンサ機器、ＬＩＤＡＲセンサ機器、および／またはカメラセンサ機器の測定データを参照し、かつデジタル特徴マップのデータと比較することができる。これに関し最適化アルゴリズムは、各チェックポイントから連続的に軌道に沿って実施するかまたは定められた各チェックポイントに対して離散的に実行され得る。

【0010】

続いて最適化アルゴリズムにより、対応しているコスト関数をもつ姿勢が確定される。これらの姿勢は、例えばコスト関数の極大値であり得る。

【0011】

さらなるステップでは、最適化アルゴリズムによって確定された姿勢から、最大のコスト関数をもつ姿勢が、車両の初期姿勢として確定される。

【0012】

本方法により、最適化アルゴリズムが、より少ない必要な関数呼び出し回数でコスト関数を最適化し得るので、初期姿勢の確定に必要な計算能力を下げることができる。とりわけ、軌道地図からの情報に基づいて、二次元の最適化問題が、軌道地図の典型的な抽出された軌道に沿った一次元の最適化問題へと引き下げられる。

【0013】

最適化アルゴリズムは、とりわけ、周辺環境センサ機器の測定データから抽出された静的特徴を特徴マップからの特徴と比較するために、したがって車両の精密な初期姿勢を決定するために用いられる。このために前段階で、車両の周辺環境から静的特徴を抽出するため、例えばレーダセンサ機器、ＬＩＤＡＲセンサ機器、および／またはカメラセンサ機器のような周辺環境センサ機器の測定データが受信および評価され得る。軌道地図からの軌道のうち、近似的に確定された姿勢の不確実性範囲内で受信された区間をベースとして、静的特徴と、特徴マップに収められている特徴とが、軌道に沿って線形にまたは一次元で比較され得る。この措置により、初期姿勢がより高速に少ない計算能力必要量で確定され得る。

【0014】

本発明のさらなる一態様に基づき、制御機器が提供され、この制御機器は本方法を実行するために適応されている。この制御機器は、例えば車両側の制御機器、車両外部の制御機器、または車両外部のサーバユニット、例えばクラウドシステムであり得る。

【0015】

これに関し、予め規定された軌道への最適化問題の限定は、初期姿勢の確定に限られてはいない。むしろこの原理は、例えば車線維持支援のような他の方法でも適用され得る。

【0016】

とりわけ、制御機器は位置特定モジュールおよび／または初期化モジュールを有し得る。これにより制御機器は、車両の初期姿勢の確定方法および／または位置特定の実施方法を実行し得る。

【0017】

それだけでなく本発明の一態様に基づき、コンピュータまたは制御機器によってコンピュータプログラムが実行される際にコンピュータまたは制御機器に本発明による方法を実行させる命令を含むコンピュータプログラムが提供される。本発明のさらなる一態様に基づき、本発明によるコンピュータプログラムが保存されている機械可読のメモリ媒体が提供される。

【0018】

車両は、ＢＡＳｔ（ドイツ道路交通研究所）規格に基づいて支援されて、部分自動化されて、高度自動化されて、および／または完全自動化されてもしくは無人で動作可能であり得る。

【0019】

車両は、例えば乗用車、トラック、ロボタクシー、およびその類似物として存在し得る。車両は、道路上での動作に限られてはいない。むしろ車両は、水上を走る乗り物、空を飛ぶ乗り物、例えば輸送用ドローン、およびその類似物として形成されていてもよい。

【0020】

一実施形態では、車両の確定されたおおよその姿勢から車両の向きが決定され、かつ抽出された軌道の走行方向と比較され、走行方向による軌道の排他的な考慮のためのフィルタ関数が実施され、車両の向きと一致する軌道が考慮される。

【0021】

この措置により、不確実性範囲内の軌道のうち、車両の走行方向とは一致しないすべての区間が排除され得る。これにより、例えば対向車の軌道に沿った特徴のマッチングが回避されるので、最適化アルゴリズムが追加的に加速され得る。

【0022】

さらなる一実施形態によれば、最適化アルゴリズムとして山登り法アルゴリズムが実行される。これにより、周辺環境センサ機器の測定データから抽出された静的特徴と、特徴マップからの特徴とのマッチングが、技術的に特に簡単かつ高速に実現され得る。コスト関数は、静的特徴と特徴マップからの特徴とが最もよく一致する際に最大であり得ることが好ましく、これにより最適化アルゴリズムの可能な１つの目標は、コスト関数の少なくとも１つの最大値の発見である。

【0023】

さらなる１つの例示的実施形態によれば、最適化アルゴリズムが、確定された不確実性範囲内の少なくとも１つの抽出された軌道に沿って実施される。確定された姿勢の不確実性範囲に軌道を限定することにより、軌道の区間の長さがさらに減らされ得る。

【0024】

軌道の区間の長さを限定することにより、最適化アルゴリズムの探索範囲または向き範囲をさらに減らすことができ、本方法が加速され得る。

【0025】

さらなる一実施形態によれば、車両の初期姿勢の確定方法が、規定の時間間隔をあけて繰り返し実施される。この措置により、初期姿勢を、規則的な時間間隔をあけて確定し、かつ例えば並行する位置特定関数の一貫性チェックまたはバリデーションのために参照することができる。

【0026】

さらなる１つの例示的実施形態によれば、異なる時点での車両の複数の初期姿勢が確定され、確定された初期姿勢間の不一致を検出することにより、車線からの車両の逸脱または車線変更が判定される。例えば、複数の確定された姿勢の１つが軌道からおよび／またはより古い姿勢から逸脱している場合に、矛盾または不一致が確定され得る。

【0027】

不一致があると判定される場合、不一致の原因として車両の車線変更が考慮され得る。この措置により、車線変更または車線からの意図しない逸脱が検出され得る。

【0028】

その代わりにまたはそれに加えて、確定された姿勢が、抽出された軌道から逸脱していることで不一致が判定され得る。これに関しては許容差が設けられていてもよく、不一致を決定するにはこの許容差が超えられなければならない。

【0029】

さらなる一実施形態によれば、少なくとも１つのＬＩＤＡＲセンサおよび／またはレーダセンサによって確定された測定データが受信および評価される。続いて測定データに基づいて特徴が確定され、かつ特徴マップ内での抽出された軌道に沿った車両の姿勢を決定するために特徴マップのデータと比較される。

【0030】

車両の１つの姿勢の最大のコスト関数が、最適化アルゴリズムにより、確定された特徴と特徴マップに収められている特徴との最小差異に基づいて計算される。とりわけ、複数のあり得る姿勢のうち、最高または最良のコスト関数をもつ、したがって特徴の最良の一致を有する１つが選択され得る。

【0031】

この措置により、近似的なまたは大まかな範囲が決定でき、この範囲が、特徴に基づく位置特定によってさらに精緻化される。これにより、特徴に基づく位置特定のために参照される範囲が、車両の近似的に確定された姿勢の不確実性範囲によって限定されるので、より高速に少ない算術演算で初期姿勢がもたらされ得る。

【0032】

以下に、非常に簡略化した概略図に基づいて本発明の好ましい例示的実施形態をより詳しく解説する。

【図面の簡単な説明】

【0033】

【図1】車道をおおよその姿勢の不確実性範囲および最適化アルゴリズムを実行するための多数のポイントと共に上から見た概略図である。

【図2】車道を姿勢の不確実性範囲および軌道に沿って最適化アルゴリズムを実行するための多数のポイントと共に上から見た概略図である。

【発明を実施するための形態】

【0034】

図１および図２は、車両２の初期姿勢Ａの確定方法を図解するための概略図を示し、初期姿勢Ａは、車両２のさらには説明しない位置特定の際に使用可能である。初期姿勢Ａは、例えば、本方法を実行する車両側の制御機器４によって確定され得る。

【0035】

図１は、車道１をおおよその姿勢の不確実性範囲Ｕおよび最適化アルゴリズムを実行するための多数のチェックポイント５と共に上から見た概略図を示す。車道１は、車両２によって走行方向Ｆに走行される。

【0036】

車両２は、オドメトリセンサ機器および／またはＧＮＳＳセンサ機器６ならびに特徴に基づく位置特定のための追加的なセンサ機器８を有する。追加的なセンサ機器８は、例えばＬＩＤＡＲセンサ機器、レーダセンサ機器、および／またはカメラセンサ機器として形成されていてもよい。

【0037】

図示した例示的実施形態では、走行中に、オドメトリセンサ機器およびＧＮＳＳセンサ機器６によって測定データが収集される。オドメトリセンサ機器およびＧＮＳＳセンサ機器６の測定データから、おおよその姿勢Ｐが決定される。おおよその姿勢Ｐは不確かなので、おおよその姿勢Ｐの不確実性範囲Ｕは概略的に図示されている。

【0038】

これに関し、不確実性範囲Ｕ全体にチェックポイント５が分散され得る。これらのチェックポイント５の位置を出発点として、最適化アルゴリズムが実行され得る。ただし、最適化アルゴリズムを加速するため、不確実性範囲Ｕを通る軌道１０が軌道地図から抽出される。

【0039】

続いて、抽出された軌道１０に沿ってチェックポイント５が配置され、これにより最適化アルゴリズムは、各チェックポイント５に対し、および軌道１０に沿って実行される。よって最適化アルゴリズムの計算作業量が、二次元問題から一次元問題へと引き下げられ得る。このステップは図２に示されている。

【0040】

図２は、車道１を姿勢の不確実性範囲Ｕおよび軌道１０に沿って最適化アルゴリズムを実行するための多数のチェックポイント５と共に上から見た概略図を示す。

【0041】

軌道地図のヒストリカルデータに基づき、抽出された軌道１０の１つに沿った車両２の蓋然性が最も高い。したがって最適化アルゴリズムが、これらの抽出された軌道１０に沿って実行される。

【0042】

最適化アルゴリズムを実行する際に、周辺環境センサ機器８によって確定された測定データが受信および評価されることが好ましい。

【0043】

測定データに基づいて静的特徴が確定され、かつ特徴マップのデータと比較される。最適化アルゴリズムは、とりわけ、静的特徴を特徴マップの特徴とマッチングし、かつコスト関数を最大化するために用いられる。

【0044】

抽出された静的特徴が特徴マップの特徴と最適に一致する場合にコスト関数が最大になる。

【0045】

車両２の複数の可能な姿勢のうち最大のコスト関数をもつ１つが、初期姿勢Ａとして確定され、かつ車両２のさらなる位置特定のために用いられる。

【図1】

【図2】

【国際調査報告】