CN102132335A

CN102132335A - 行驶环境识别装置

Info

Publication number: CN102132335A
Application number: CN2009801323445A
Authority: CN
Inventors: 樋口未来; 太田亮; 中拓久哉; 坂野盛彦; 村松彰二; 门司龙彦
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2008-09-19
Filing date: 2009-06-24
Publication date: 2011-07-20
Anticipated expiration: 2029-06-24
Also published as: EP2325824A1; US20110222732A1; CN102132335B; JP2010072973A; WO2010032532A1; JP5094658B2; US8620025B2

Abstract

在适合转弯处等道路形状的速度调整或警报处理等中，对驾驶者而言，为了进行有谐调感的车辆控制或警报处理，不仅需要高精度地识别近处的道路形状，还需要高精度地识别远方的道路形状。为此，本发明的行驶环境识别装置包括：测量部，其测量对象物；立体物检测部，其基于所述测量部取得的信号来检测立体物；道路形状预测部，其预测自车行驶的道路的形状；立体物选择部，其在所述立体物检测部检测出的立体物之中，仅选择从所述道路形状预测部预测出的道路处起处于规定的范围内的立体物；和道路形状估计部，其基于所述立体物选择部已选择的立体物的位置信息来估计所述道路的形状。

Description

行驶环境识别装置

技术领域

本发明涉及一种识别道路形状的行驶环境识别装置。

背景技术

利用雷达等，配合前车的车速来控制自车的车速的自适应巡航控制(ACC：Adaptive Cruise Control)正逐渐产品化。特别是近年来，还开发了利用导航系统来检知自车前方的转弯处并在转弯处处自动减速的ACC。在这样不仅基于自车的行驶状态，还基于道路形状等信息来控制车辆或向驾驶者发出警报的系统中，有以下等问题：因道路形状的检知误差或施工带来的道路形状的改变、自车到转弯处等道路形状为止的距离的计算误差等影响，控制·警告时机会产生偏差。因此，实时且高精度地测量道路形状的技术变得重要起来。

在此，有这样的技术：利用毫米波雷达来检测静止物，从检测出的静止物中，利用前次的处理结果、或偏航率传感器(Yaw Rate Sensor)或方向角传感器，仅选择对道路形状的估计有效的静止物来估计转弯处(参照专利文献1)。在此，还有这样的手法：作为利用前次的处理结果的替代方法，假设多种道路形状，按每种道路形状来选择有效的静止物，并将在被选择的静止物最多的情况下的静止物作为对道路形状的估计有效的静止物来进行选择。

专利文献1：JP特开2007-66047号公报

但是，在专利文献1的手法中，存在这样的课题：由于仅基于前次的处理结果的道路形状来选择立体物，故在道路形状不连续的情况、或在前次处理中错误地估计了道路形状等情况下，高精度地估计道路形状会变得困难。另外，作为基于前次的道路形状来选择静止物的替代方法，进行相对于多种道路形状来选择静止物的处理，并使在被选择的静止物最多的情况下的静止物有效，故需要对应于多种道路形状来进行立体物选择处理。此外，存在这样的课题：在沿道路形状的立体物以外还包含多个立体物的行驶环境中，选择了错误的静止物。

发明内容

为此，本发明的目的在于，提供一种行驶环境识别装置，其即使在看不到行车线或路缘石(curb)等构成道路的物体的远方，也能够高精度地估计道路形状。

为了解决上述课题，本发明优选的一种形式如下。

一种行驶环境识别装置，其包括：测量部，其测量对象物；物体检测部，其基于所述测量部取得的信号来检测物体；道路形状预测部，其预测自车行驶的道路的形状；立体物选择部，其在所述物体检测部检测出的物体之中，仅选择从所述道路形状预测部预测出的道路处起处于规定的范围内的立体物；和道路形状估计部，其基于所述立体物选择部已选择的立体物的位置信息来估计所述道路的形状。

根据本发明，能够提供一种行驶环境识别装置，其即使在看不到行车线或路缘石(curb)等构成道路的物体的远方，也能够高精度地估计道路形状。

附图说明

图1是行驶环境识别装置1的功能模块图。

图2是表示包含行驶环境识别装置的车载系统的构成图。

图3是表示立体照相机(Stereo Camera)的原理的图。

图4是行驶环境识别功能的流程图。

图5是表示物体的三维位置的坐标系的图。

图6是表示在行驶环境识别功能的一系列处理中，估计转弯处(Curve)形状的处理的图。

图7是表示在行驶环境识别功能的一系列处理中，估计道路的坡度的处理的图。

图8是表示用两条直线的组合来表现转弯处的形状的例子的图。

图9是表示用曲线来表现转弯处的形状的例子的图。

图10是表示即使自车处于行驶中，也能够计算道路坡度的手法的图。

图11是控制单元(unit)的车辆控制功能、警报功能的流程图。

图12是表示控制单元的恰当速度的计算方法的图。

图13是表示控制单元的恰当速度的计算方法的图。

图14是表示控制单元的恰当速度的计算方法的图。

图15是表示控制单元的恰当速度的计算方法的图。

图16是表示控制单元的恰当速度的计算方法的图。

(附图标记说明)

1：行驶环境识别装置

2：控制单元

3：车载系统

4a、4b：照相机

6、12：CPU(中央处理器)

7、13：数据ROM(只读存储器)

9、11：RAM(随机存取存储器)

10、14：程序ROM

15：显示器

19：扬声器

20：点火开关

21：起动开关

30：测量部

31：物体检测部

32：道路形状预测部

33：立体物选择部

34：道路形状估计部

具体实施方式

以下，参照附图，关于实施例进行说明。

关于行驶环境识别装置1，图1所示的测量装置由2台照相机构成，应用于图2所示的行驶环境识别装置1中。

行驶环境识别装置1由照相机(摄像部)4a和照相机4b来实现识别车辆周围环境的功能。此时，照相机也可以装备3台以上。另外，也可以是这样的构成：独立于照相机的控制单元2或未图示的图像处理单元等从照相机4a以及照相机4b读入图像来进行处理。

在此，本行驶环境识别装置1成为这样的构成：如图3所示，在用多台照相机来对同一测量点进行摄像时，能够利用产生的视角差异(以后，称作视差)，用三角测量的原理来求距离。例如，若设到对象的距离为Z，照相机之间的距离为B，照相机的焦点距离为f，视差为б，则距离Z能够用下式1求出。

Z = \frac{B \times f}{δ}

…(式1)

行驶环境识别装置1搭载在车辆上，应用于图2所示的车载系统3中。此车载系统3是这样一种装置：用于使行驶环境识别装置1检测存在于此车辆(以下，称作自车)的前方的行车线以及立体物，向控制单元2进行发送，并基于检测结果来控制车辆，或者向乘车者报知危险。

在此行驶环境识别装置1的例子中，除了照相机4a以及照相机4b，还包括CPU6、RAM9、程序ROM10和数据ROM7而构成。另外，控制单元2由CPU12、RAM11、程序ROM14、数据ROM13构成。而且，在车载系统3中是这样的构成：此行驶环境识别装置1和控制单元2相连，进一步地，设置在车室内且用于显示各种图像以及各种信息的显示器15、在存在有自车冲撞障碍物的危险性时产生警告声音的扬声器19、在发动发动机(engine)时成为ON的点火开关20和起动系统的起动开关相连，控制单元2以显示器15的显示控制为起点，控制该车载系统整体的动作。

行驶环境识别装置1安装在诸如自车室内的后视镜部，以规定的俯角、安装位置来对自车前方的情况进行摄像。由照相机4a以及照相机4b摄像的自车前方的图像(以下，称作摄像图像)被读入行驶环境识别装置1内部的RAM9，检测自车前方的行车线以及立体物，并且，估计道路形状，在显示图像中描画检测结果，或者在控制单元2判断为相对于自车所估计的道路形状，自车的速度超速、有脱离道路的危险性等情况下，基于控制单元2的控制，由显示器15和扬声器19一起、或者显示器15和扬声器19的其中一个报知给驾驶者。或者也可以由控制单元2来控制车辆以避免、减轻危险。

显示器15由诸如LCD(Liquid Crystal Display：液晶显示器)等显示设备构成，基于控制单元2的显示控制，显示诸如未图示的导航系统取得的行驶路径引导的图像、或行驶环境识别装置1的图像等各种图像。另外，此显示器15在由行驶环境识别装置1识别出急转转弯处等时，基于此控制单元2进行的控制，显示报知存在急转转弯处等的内容的消息。

控制单元2是CPU12、RAM11、数据ROM13或程序ROM14经由总线进行连接的构成，CPU12通过执行存储在程序ROM14中的各种控制程序来控制系统整体的动作。

在行驶环境识别装置1中，在程序ROM10中存储有用于检知行车线或立体物等且用于估计道路形状的行驶环境识别程序，若起动发动机，则CPU6执行这些程序，从而执行行驶环境识别功能，如图1的功能模块图那样，作为物体检测部31、道路形状预测部32、立体物选择部33、道路形状估计部34产生功能。

物体检测部31具有以下功能：处理作为测量部30的照相机4a以及照相机4b的摄像图像，并检测行车线等的路面标记、路缘石或树木或建筑物等立体物。

道路形状预测部32具有以物体检测部31所检测出的行车线为基础来预测远方的道路形状的功能。此预测不仅可以用行车线，还可以用护栏(guardrail)或路缘石等构成道路的立体物来进行预测，没有必须是行车线这样的限制。

立体物选择部33具有对道路形状预测部32已预测的道路形状附近的立体物进行选择的功能。

道路形状估计部34具有这样的功能：利用已由立体物选择部33选择的立体物的三维位置信息、和在用道路形状预测部32预测道路形状时用到的行车线信息，来再次求取道路形状。

按以上构成的行驶环境识别装置1，通过CPU6执行行驶环境识别程序，即使是在行车线或路缘石等构成道路形状的物体看不到的远方，也能够正确地选择沿道路存在的树木或建筑物等立体物，利用已选择的立体物的位置信息从近距离到远方来高精度地估计道路形状。然后，将在输入图像中叠加了识别结果后的图像等输出到显示器15，并且，将识别结果发送给控制单元2，基于控制单元2的控制，在判断为有危险的情况下，进行减速的控制，或者使警报音产生，报知车辆的乘车者。在进行这种减速的控制时，在利用发动机制动器(brake)或修正制动器、行驶路径为上坡路或者行驶路径的前面为上坡路的情况下不进行减速控制，从而能够提高燃油效率。

在此，在以上那样的行驶环境识别装置1中，关于从对图像摄像起、估计道路形状并输出结果为止的一系列的处理的流程，一边参照流程图一边进行说明。

图4所示的一系列处理在点火开关20成为接通(ON)时开始，直到点火开关20成为断开(OFF)为止重复进行。且不管是自车处于行驶中还是处于停止中，另外，不管显示在显示器15中的图像是导航系统的行驶路径引导图像还是其他的视频图像，来进行实施。但是，也可以是这样的构成：根据自车处于行驶中还是停止中，另外，根据显示在显示器15中的图像是导航系统的行驶路径引导图像还是其他的视频图像，来决定处理的实施。

首先，若点火开关20成为接通，则由行驶环境识别装置1执行行驶环境识别程序，并执行初始化处理(步骤101)。在此初始化处理中，将初始化标志(flag)设定为ON。接下来，判定系统的起动开关21是否为ON(步骤102)。在系统的起动开关21成为ON时，判定处理区域初始化标志是否为ON(步骤103)，在初始化标志为ON的情况下，执行初始化处理(步骤104)。然后，将初始化标志设定为OFF(步骤105)。

其后，用物体检测部检测行车线、路缘石或护栏、建筑物或树木等物体，并且根据照相机a与照相机b的视角不同来计算距离，得到物体的三维位置(步骤106)。但是，此时的三维坐标系，如图5所示，用以照相机a和照相机b的中间点为原点，自车行进方向为Z，水平方向为X，垂直方向为Y的正交坐标系来表示。物体检测部，例如，关于行车线或立体物，解析通过处理照相机a以及照相机b的摄像图像而得到的三维数据，能够将垂直构造物作为立体物，水平且连续地存在的白线作为行车线检测出来。通过使用两台以上的照相机(以下，立体照相机)，能够得到分辨率高的三维数据，故除了远方的分辨率低的区域，能够高精度地检测行车线或路缘石等小的对象。另外，在立体照相机中，立体物的检测性能不像雷达等那样依赖对象物的反射特性，故能够检测草木或建筑物等多种多样的物体，针对沿道路形状的物体也能够检测更多的对象。

然后，在步骤106中，根据诸如检测出的行车线，生成N点的位置信息的列表LL＝{(X₁，Z₁)，(X₂，Z₂)，...，(X_N，Z_N)}，根据最小二乘法等来应用式2的二次函数

X＝a×Z²+b×Z+c (式2)

从而进行预测(步骤107)。此时，除了二次函数以外，还可以用直线或多项式、多个直线的组合、多项式的组合等来预测道路形状。另外，此时，若如图6所示，用从正上方看道路的X-Z坐标系来预测道路形状，则能够预测转弯处，若如图7所示，用从正侧方看道路的Y-Z坐标系来预测道路形状，则能够预测坡度。关于转弯处的道路形状，图8表示用两条直线预测道路形状的例子，图9表示用表现曲线的多项式来预测道路形状的例子。另外，道路形状预测部，代替行车线的位置信息，也可以根据路缘石、护栏、中央隔离带、沥青与道路端的边界等构成道路的形状的物体来预测道路形状。进一步地，关于道路形状的预测，除了步骤106的检测结果以外，还可以利用未图示的导航系统的地图数据库和GPS，从地图数据库中取得并预测自车行驶中的道路形状。此时，若利用立体照相机来预测道路形状，则与单眼的照相机等不同，由于会求出行车线或路缘石等的三维位置，故能够进行精度更高的道路形状的预测。

然后，设定相对于根据步骤107所预测的道路形状，设置了规定范围的立体物选择区域(第6图，第7图)，并选择此区域内的立体物，得到立体物的M点的位置信息的列表RL＝{(X₁′，Z₁′)，(X₂′，Z₂′)，...，(X_M′，Z_M′)}(步骤108)。此时，由于离得越远，预测精度越低，立体物的检测精度变得越低，故可以离得越远，就越宽泛地选取选择立体物的区域。另外，立体照相机在近距离，除了行车线或路缘石等构成道路形状的物体，还能够检测建筑物等的沿着道路的立体物，故能够求出在近距离的行车线或路缘石等的位置信息与沿道路的立体物的位置信息之间的差，并考虑此行车线与沿道路的立体物的位置信息之间的差来设定立体物选择区域。这样，即使是行车线数多且宽阔的道路，也能够正确地选择立体物。然后，基于根据行车线或路缘石等实际构成道路形状的物体所预测的道路形状来选择立体物，从而能够高精度地选择沿道路形状的立体物。

进一步地，在步骤109中，利用在步骤107的道路形状的预测中用到的行车线的位置信息的列表LL、和在步骤108中选择的立体物的位置信息的列表RL进行二次函数等的应用，来估计道路形状。另外，也可以仅利用在步骤108中选择的立体物的位置信息的列表RL来进行二次函数等的应用。此外，还可以是这样的构成：多次重复步骤108和109，以利用用到列表RL的二次函数等的应用的结果来再次选择立体物，再次应用二次函数等。在步骤107的道路形状的预测中，根据近距离的行车线等预测了到远方的道路形状，但通过加入远方的立体物的位置信息来估计道路形状，则即使是在远方，也能够得到误差少的估计结果。在立体照相机中，三维数据的分辨率高，能够检测多种多样的立体物，故能够利用更多的立体物。另外，即使是自车如图10那样在坡道上行驶的情况下，通过计算道路面与垂直立体物之间形成的角度θ，能够求得当前正行驶的坡道的坡度。特别是立体照相机，其分辨率高，从而能够高精度地计算道路面与垂直立体物之间形成的角度θ。

接下来，在步骤110中，将对于估计出的道路形状到转弯处的距离、转弯处半径、到坡道的距离、坡度的角度、道路端的立体物的高度等进行计算得到的结果、或立体物的类别、前车或对开车或静止车辆的位置或相对速度、行车线的类别等之中的至少一个进行输出。

基于根据以上步骤求得的道路形状估计结果，控制单元2决定控制·警报内容，进行控制车辆或向乘车者发出警报、或者控制车辆且向乘车者发出警报的处理。关于此处理，沿图11的流程图进行说明。在此，关于根据道路形状来求取适当车速，实施减速、警报处理的例子将进行说明，但也可以进行根据道路形状进行自动转弯等处理。

此图11所示的一系列处理在点火开关20成为接通时开始，直到点火开关20成为断开时为止重复进行。且不管是自车处于行驶中还是处于停止中，另外，不管显示在显示器15中的图像是导航系统的行驶路径引导图像还是其他的视频图像，均进行实施。但是，可以是这样的构成：根据自车处于行驶中还是停止中，另外，根据显示在显示器15中的图像是导航系统的行驶路径引导图像还是其他的视频图像，来决定处理的实施。

首先，若点火开关20成为接通，则由控制单元1执行驾驶支援程序，并执行初始化处理(步骤201)。此时，也可以同时地执行导航程序等的各种程序。接下来，判定系统的起动开关21是否为ON(步骤202)。然后，在系统的起动开关21已成为ON时，执行道路形状识别结果接收处理，并将道路形状的信息存储到RAM11(步骤203)。

接下来，由步骤204计算与道路形状相对应的恰当速度。例如，若是转弯处的情况，则如图12至图16所示，通过按照道路形状预先设定恰当车速，从而能够得到适合道路形状的恰当车速。在图12的例子中，在能见度好的情况下，相比能见度差的情况，将恰当车速设定得更高。在图13的例子中，在没有对开车的情况下，相比有对开车的情况，将恰当车速设定得更高。在图14的例子中，在存在前车的情况下，校正恰当车速以接近前车的车速。在图15的例子中，根据在道路旁侧的立体物之中最接近自车的立体物的类别是草或路缘石或护栏或墙壁还是倾斜转弯处(bank)，来决定恰当车速。在图16的例子中，根据道路的行车线数来决定恰当车速。除此以外，也可以根据行车线是实线或虚线或双重线还是没有行车线来决定恰当车速。根据所述的行驶环境识别装置，利用立体物的位置信息来高精度地估计到远方的道路形状，通过利用该估计结果，能够实时地求出适合道路形状的目标车速。进一步地，若使用立体照相机等，则除了道路形状，还能够识别道路旁侧的立体物的类别或行车线数等，故除了道路形状，还能够利用道路旁侧的立体物的类别或行车线数等信息，计算更适合行驶路径的目标车速。

然后，在步骤205中，比较由步骤204求出的恰当车速和自车的车速，若自车的车速大，则用刹车器、发动机刹车器、再生刹车器的其中至少一个来进行减速控制，或者向驾驶者发出警告超速的消息或声音的警告。此时，可以同时进行减速控制和警告。另外，关于警报，是利用显示器或扬声器的其中一个、或者显示器和扬声器的两者来向乘车者发出警报。在此，警报除了显示器、扬声器之外，还可以使安全带或、加速器、制动器踏板、方向盘(steering)、座椅等振动等来发出警报。

如以上说明所述，在行驶环境识别装置1中，处理通过照相机4a以及4b所摄像得到的图像，根据行车线或路缘石等构成道路的物体来预测道路形状，并以通过构成道路形状的行车线等进行预测的结果为基础来正确地选择包含沿道路存在的建筑物、树木等立体物，从而除了白线或路缘石等之外，还能够利用其他立体物的位置信息，故能够实现高精度的道路形状估计。特别是若利用立体照相机，则不仅能够检测行车线或路缘石，还能够取得其三维位置，故能够高精度地预测道路形状，并且，能够检测包含草、树的多种多样的立体物，故能够利用更多的立体物的位置信息。

另外，行驶环境识别装置1的道路形状估计部，其计算行车线等构成道路的物体与建筑物等沿道路存在的物体之间的距离，并进行校正道路形状的估计所用到的立体物的位置信息，从而能够吸收行车线等构成道路形状的物体与建筑物等沿道路存在的物体的位置误差，故能够进行精度更高的道路形状的估计。另外，作为计算行车线等构成道路的物体与建筑物等沿道路存在的物体之间的距离的替代方法，也可以是这样的构成：求在自车行驶行车线的左侧存在的行车线数、以及在右侧存在的行车线数，按照行车线数来校正在道路形状的估计中用到的立体物的位置信息。

此外，可以是这样的构成：具备车载导航系统和地图数据库，根据从车载导航系统得到的自车位置和从地图数据库得到的地图数据来判定行驶中的道路是高速道路还是一般道路等道路类别，并基于道路类别等来决定用二次函数表现道路还是用三次函数表现道路等。

另外，也可以是由控制单元2内或者未图示的其他的处理装置处理行驶环境识别装置1中的一系列的处理或者一部分的处理的构成，还可以是在行驶环境识别装置1内处理控制单元2的处理的构成。

以上，表示了用两个照相机作为测量部的例子，但也可以是利用仅1个照相机、激光雷达、毫米波雷达、超声波雷达等的构成，或者，可以是将照相机、激光雷达、毫米波雷达、超声波传感器等进行组合的构成。例如，通过将单眼照相机和雷达进行组合，用单眼照相机检测行车线，用雷达检测立体物，从而能够实现与上述同样的处理。

进一步地，不仅是X-Z平面或Y-Z平面等二维平面上的道路形状的应用，还在X-Y-Z空间中进行平面或曲面的应用，从而除了转弯处或坡度，还能够估计倾斜转弯处等的道路形状。

在本实施例中，可以是这样的构成：物体选择部选择包含停车车辆等的障碍物的立体物，从而在道路内存在停车车辆等的障碍物的情况下，将通到停车车辆的跟前的路径作为道路形状进行估计，也可以是这样的构成：在道路内存在停车车辆的情况下，立体物选择部识别道路内的立体物是否为停车车辆，并排除停车车辆来选择立体物，从而估计本来的道路形状。进一步地，立体物选择部排除前车等移动物来选择立体物，从而即使是在道路内存在前车等情况下，也能够正确地估计道路形状。

通过计算在根据本行驶环境识别装置输出的、到转弯处的距离和转弯处半径、曲率、转弯处切线角度、到坡道的距离、坡道的角度的至少一个而检测出的道路形状上进行行驶的恰当速度，从而能够进行适合道路形状的车辆控制或警报处理。

根据本实施例，即使是在行车线或路缘石等构成道路的物体看不到的远方，基于道路形状预测结果，通过根据包含树木或建筑物等的任意的立体物的立体物数据来选择在道路形状估计中用到的立体物，即使是在道路形状未知的情况下，前次的处理结果有误的情况下，在沿道路的立体物以外有许多立体物存在的行驶环境下，也能够仅选择道路形状附近的立体物，从而能够高精度地估计道路形状。

Claims

1.一种行驶环境识别装置，其包括：

测量部，其测量对象物；

物体检测部，其基于所述测量部取得的信号来检测物体；

道路形状预测部，其预测自车行驶的道路的形状；

立体物选择部，其在所述物体检测部检测出的物体之中，仅选择从所述道路形状预测部预测出的道路处起处于规定的范围内的立体物；和

道路形状估计部，其基于所述立体物选择部已选择的立体物的位置信息来估计所述道路的形状。

2.如权利要求1所述的行驶环境识别装置，其中，

所述测量部为摄像部、激光雷达、毫米波雷达、超声波传感器之中的至少一个。

3.如权利要求1所述的行驶环境识别装置，其中，

所述道路形状预测部，作为道路形状，预测转弯处、坡度、倾斜转弯处之中的至少一个，

所述道路形状估计部，作为道路形状，估计转弯处、坡度、倾斜转弯处之中的至少一个。

4.如权利要求1所述的行驶环境识别装置，其中，

所述物体为行车线、路缘石、护栏、中央隔离带、沥青与道路端的边界、树木、建筑物、标识、车等的移动物、墙壁之中的至少一个。

5.如权利要求1所述的行驶环境识别装置，其中，

所述道路形状估计部计算从自车行驶行车线至所述立体物的距离，校正所述立体物的位置，并基于校正过的该立体物的位置信息来预测道路形状。

6.如权利要求1所述的行驶环境识别装置，其中，

所述道路形状估计部检测位于自车行驶行车线的旁边的行车线数，按照检测出的行车线数来校正所述立体物的位置，并基于校正过的立体物的位置信息来预测道路形状。

7.如权利要求1所述的行驶环境识别装置，其中，

还包括地图数据库和自车位置检测部，

所述道路形状预测部基于由所述地图数据库和所述自车的位置信息所得到的道路形状来预测道路形状。

8.如权利要求1所述的行驶环境识别装置，其中，

所述道路形状预测部，基于行车线、路缘石、护栏、中央隔离带、沥青与道路端的边界、街道树、标识中的至少一个来预测从所述自车起处于规定的范围内的道路形状，并基于从所述自车起处于规定的范围内的道路形状的计算结果来预测从所述自车起处于规定的范围外的道路形状。

9.如权利要求1所述的行驶环境识别装置，其中，

所述道路形状估计部，在道路内存在有障碍物的情况下，将通过所述障碍物的跟前的路径作为道路形状进行估计。

10.如权利要求1所述的行驶环境识别装置，其中，

所述立体物选择部，在道路内存在有移动物的情况下，排除该移动物来选择立体物。

11.如权利要求1所述的行驶环境识别装置，其中，

所述立体物选择部，在道路内存在有停车车辆的情况下，识别位于道路内的立体物是否为停车车辆，并排除该停车车辆来选择立体物。

12.如权利要求1所述的行驶环境识别装置，其中，

将到转弯处的距离、转弯处半径、转弯处曲率、转弯处切线角度、到坡道的距离、坡道的角度、坡度的变化率之中的至少一个输出。

13.如权利要求1所述的行驶环境识别装置，其中，

将道路端的立体物的高度、类别、前车或对开车或静止车辆的位置或相对速度、行车线的类别、行车线数之中的至少一个输出。

14.如权利要求12所述的行驶环境识别装置，其中，

行驶环境识别装置、以及与该行驶环境识别装置连接的控制单元中的至少一方计算在根据到转弯处的距离、转弯处半径、曲率、转弯处切线角度、到坡道的距离、坡道的角度、坡度的变化率、道路端的立体物的高度、道路端的立体物的类别、前车或对开车或静止车辆的位置或相对速度、行车线的类别、行车线数之中的至少一个而检测出的道路形状上进行行驶的恰当速度。

15.如权利要求12所述的行驶环境识别装置，其中，

在行驶环境识别装置、以及与该行驶环境识别装置连接的控制单元中的至少一方根据到转弯处的距离、转弯处半径、曲率、转弯处切线角度、到坡道的距离、坡道的角度、坡度的变化率之中的至少一个而判断为存在有减速的必要性时，由制动器、发动机制动器、再生制动器之中的至少一个来进行减速。