JP4687563B2

JP4687563B2 - 車両用レーンマーク認識装置

Info

Publication number: JP4687563B2
Application number: JP2006143204A
Authority: JP
Inventors: 高志小川
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2006-05-23
Filing date: 2006-05-23
Publication date: 2011-05-25
Anticipated expiration: 2026-05-23
Also published as: DE102007020791B4; US7933433B2; US20070276599A1; JP2007316767A; DE102007020791A1

Description

本発明は、道路のレーンマークを認識する車両用レーンマーク認識装置に関する。

特許文献１に記載の技術によれば、例えば、レーザレーダにより収集した道路からの反射データを用いて、道路表面に平行な平面内におけるデータ位置から車両の車軸方向成分の度数分布を算出し、度数が局所的最大値となる区間に属するデータをレーンマークからの反射データとして抽出し、抽出したデータを用いて最小二乗法またはハフ変換により、レーンマークを規定するパラメータを算出する。
特開２００５−２２２５３８号公報

上記特許文献１に記載の技術は、レーンマークが略直線的な形状であることを前提としているため、例えば、道路の曲率が大きいカーブ道路ではレーンマークからの反射データを正確に抽出することが出来ず、結果的にレーンマークを正確に認識することができない。

本発明は、上記の問題を鑑みてなされたもので、特定の走行環境に限定されず、ロバストにレーンマークを認識することができる車両用レーンマーク認識装置を提供することを目的とする。

上記目的を達成するためになされた請求項１記載の車両用レーンマーク認識装置は、自車の前方又は後方の道路上のレーンマークの認識を一連のサイクル毎に繰り返し実行するものであって、
道路上の特徴物を検出する特徴物検出手段と、
パラメータ追跡処理手段による追跡処理の結果を用いて、特徴物検出手段の検出した特徴物のデータのうち、道路のレーンマークに対応するデータを抽出するレーンマークデータ抽出手段と、
レーンマークデータ抽出手段の抽出したデータから、道路の車線中心線の位置及び形状を算出する車線中心線算出手段と、
レーンマークデータ抽出手段の抽出したデータから、道路の車線幅を算出する車線幅算出手段と、
車線中心線算出手段の算出した車線中心線の位置及び形状と、車線幅算出手段の算出した車線幅から、車線中心線の位置及び形状と車線幅を規定するパラメータの追跡処理を行うパラメータ追跡処理手段と、を備え、
車線幅算出手段は、パラメータ追跡処理手段の追跡処理によって算出された、前回のサイクルにおける車線中心線の位置及び形状の推定結果、若しくは、今回のサイクルにおける車線中心線の位置及び形状の予測結果（予測値及び共分散値）を用いて、レーンマークデータ抽出手段の抽出したデータの車線中心線からの車軸方向の相対位置を算出する相対位置算出手段と、車線中心線からの車軸方向の相対位置を示す座標軸を複数の区間に分割し、相対位置算出手段の算出した相対位置を該当する区間に割り当てるとともに、各区間に対する度数を算出する度数算出手段と、度数算出手段の算出した度数の分布に対して、相対位置をシフトパラメータとする自己相関関数を演算する自己相関関数演算手段と、を備え、自己相関関数演算手段の演算結果から道路の車線幅を算出することを特徴とするものである。

このように、道路の車線中心線の位置や形状と車線幅を規定するパラメータの追跡処理を一連のサイクル毎に逐次行うことで、レーンマークの位置が予測可能となるため、道路の曲率が大きいカーブ道路であっても、この予測位置に基づいてレーンマークに対応する特徴物のデータを抽出することができるようになる。その結果、特定の走行環境に限定されず、ロバストにレーンマークが認識できるようになる。
また、車線中心線からの車軸方向の相対位置をシフトパラメータとする自己相関関数を演算するので、道路の車線幅を精度よく算出することができる。

請求項２に記載の車両用レーンマーク認識装置は、
特徴物検出手段の検出した特徴物のデータを記憶するデータ記憶手段と、
自車の走行情報から自車運動量を演算する自車運動量演算手段と、
自車運動量演算手段の演算した自車運動量を用いて、データ記憶手段の記憶した過去のサイクルにおける特徴物のデータを、今回のサイクルにおける自車の位置を基準とする基準座標系に変換する座標変換処理手段と、を備え、
レーンマークデータ抽出手段は、特徴物検出手段の検出した特徴物のデータと、座標変換処理手段によって変換された特徴物のデータを用いることを特徴とする。

これにより、今回のサイクルでの基準座標系に変換された過去のサイクルにおける特徴物のデータを含めて、レーンマークに対応するデータを抽出するようになる。その結果、例えば、レーンマークが点線や破線でペイントされているために、特徴物検出手段によって検出された特徴物が自車の進行方向に対して連続していない場合であっても、点線や破線でペイントされたレーンマークの見失いを減少させることができるようになる。

請求項３に記載の車両用レーンマーク認識装置によれば、
レーンマークデータ抽出手段は、
パラメータ追跡処理手段の追跡処理によって算出された、今回のサイクルにおける車線中心線の位置及び形状と車線幅の予測結果を用いて、今回のサイクルにおけるレーンマークの予測位置を算出するレーンマーク予測位置算出手段を備え、
レーンマーク予測位置算出手段の算出した予測位置に存在する特徴物のデータを、レーンマークに対応するデータとして抽出することを特徴とする。

これにより、特徴物検出手段の検出した特徴物のデータから、今回のサイクルにおけるレーンマークに対応するデータのみを抽出することができる。

請求項４に記載の車両用レーンマーク認識装置によれば、
車線中心線算出手段は、
パラメータ追跡処理手段の追跡処理によって算出された、前回のサイクルにおける車線幅の推定結果、若しくは、今回のサイクルにおける車線幅の予測結果を用いて、レーンマークデータ抽出手段の抽出したデータの車軸方向成分を車線中心方向へ補正して、道路の車線中心線に相当するデータを生成する車軸方向成分補正手段を備え、
車軸方向成分補正手段の補正したデータを用いてハフ変換処理を行うことで、道路の車線中心線の位置及び形状を算出することを特徴とする。

これにより、例えば、自車の進行方向に対する左右１組のレーンマークに対応するデータから、車線中心線に相当するデータが生成できるため、ハフ変換処理を行うことで算出される車線中心線の位置や形状の精度を高めることができる。

請求項５に記載の車両用レーンマーク認識装置によれば、車線中心線算出手段は、曲線モデルを用いて道路の車線中心線の位置及び形状を表すものであり、ハフ変換処理を行うことで曲線を規定するパラメータを算出することを特徴とする。

これにより、例えば、２次曲線で車線中心線をモデル化し、生成した車線中心線に相当するデータを用いてハフ変換処理を行うことで、２次曲線を規定する各パラメータを算出することができる。

なお、請求項６に記載のように、車線中心線算出手段は、ハフ変換処理において、パラメータ追跡処理手段の追跡処理によって算出された、今回のサイクルにおける車線中心線の位置及び形状の予測結果（予測値及び共分散値）を用いて、曲線を規定する複数のパラメータから構成されるパラメータ空間に対して注視範囲を設定し、当該注視範囲において投票数が最大で、かつ、その投票数が所定値を上回るパラメータ組を、曲線を規定するパラメータとして算出することが好ましい。

これにより、外乱（すなわち、レーンマークデータ抽出手段によって誤って抽出されたレーンマーク以外のデータ（車両、路側物等））に対するロバスト性を向上させることができるからである。また、パラメータ空間の注視範囲内のみ、投票数のカウント等を行えばよいため、曲線を規定するパラメータの算出時間を短縮することができるからである。

なお、請求項７に記載のように、車線幅算出手段は、パラメータ追跡処理手段の追跡処理によって算出された、今回のサイクルにおける車線幅の予測結果（予測値及び共分散値）を用いて、シフトパラメータに対して注視範囲を設定し、当該注視範囲において相関係数が最大で、かつ、その相関係数が所定値を上回るシフトパラメータ値を道路の車線幅として算出することが好ましい。これにより、レーンマーク以外の外乱に対するロバスト性を向上させる（言い換えれば、外乱による自己相関値のピークを無視する）ことができるからである。また、シフトパラメータに対して設定した注視範囲内の相関係数についてのみ、その値について判断すればよいため、道路の車線幅の算出時間を短縮することができるからである。

請求項８に記載の車両用レーンマーク認識装置によれば、特徴物検出手段は、道路表面に向かって放射したレーザ光の反射光を受光して、道路上の特徴物との距離と方向を測定するレーザレーダセンサを備え、レーザレーダセンサの測定結果を用いて、道路上の特徴物を検出することを特徴とする。

これにより、レーザレーダセンサの測定結果から、レーンマーク等の道路上の特徴物を検出することができる。

なお、請求項９に記載のように、特徴物検出手段は、道路表面の画像を撮像する撮像手段と、撮像手段の撮像した画像のエッジ強度を算出するエッジ強度算出手段と、を備え、エッジ強度算出手段の算出したエッジ強度を用いて、道路上の特徴物を検出するようにしてもよい。

道路のレーンマークは、一般に逆反射性材料等を用いてペイントされているため、道路表面を撮像した画像において、レーンマークのエッジ部分のエッジ強度は高い値を示す。従って、画像のエッジ強度を用いて、レーンマーク等の道路上の特徴物が検出可能となる。

以下、本発明の実施形態について図面を用いて説明する。図１に示す本実施形態の車両用レーンマーク認識装置は、道路上のレーンマークの認識を一連のサイクル毎に繰り返し実行するものであり、同図に示すように、レーザレーダ１０と信号処理装置２０によって構成される。

レーザレーダ１０は、車両に搭載される周知のレーザレーダセンサであり、自車の前方に延びる道路の表面へ複数のレーザ光を所定角度の範囲で放射（走査）するとともに、その反射光を受光し、レーザ光の放射から反射光の受光までの時間に基づいて、各レーザ光の放射方位における道路表面の反射物（道路上の特徴物）との距離を測定する。

レーザレーダ１０では、各方位における距離の測定値から、レーザレーダ１０の中心を原点とし、自車の車軸方向をｘ軸、自車の進行方向をｙ軸とするｘ−ｙ直交座標系における、道路上の特徴物の位置を算出し、その算出した測定値Ｐを信号処理装置２０へ出力する。このように、本実施形態は、レーザレーダ１０の測定結果から、レーンマーク等の道路上の特徴物を検出するものである。

図２（ａ）、（ｂ）に、自車１の前端部に搭載されたレーザレーダ１０の検出領域を示す。図２（ａ）は、レーザレーダ１０の水平方向の検出領域４、道路の車線２、自車１の左側にペイントされた左側レーンマーク３Ｌ、及び右側にペイントされた右側レーンマーク３Ｒの位置関係を示している。同図（ａ）に示すように、レーザレーダ１０は、水平角度５ｂ毎に、水平放射角度５ａの範囲にレーザ光を放射する。このように、レーザレーダ１０の水平方向の検出領域４は、左側レーンマーク３Ｌ、及び右側レーンマーク３Ｒの一部を含んだ範囲となっている。

図２（ｂ）は、レーザレーダ１０の垂直方向の検出領域６ａ〜６ｄを示している。同図（ｂ）に示すように、レーザレーダ１０は、垂直角度７ｂ毎に、垂直放射角度７ａの範囲にレーザ光を放射する。

このように、レーザレーダ１０は、１サイクルの間に、垂直方向の各検出領域６ａ、６ｂ、６ｃ、６ｄ毎に、水平角度５ｂ刻みで水平放射角度５ａの範囲に放射し、その反射光を受光して、上記測定値Ｐを信号処理装置２０に出力する。

図３に、信号処理装置２０の機能構成を示す。同図に示すように、信号処理装置２０は、レーンマークデータ抽出部２１、座標変換処理部２２、車線中心線検出部２３、車線幅検出部２４、及びパラメータ追跡処理部２５の各機能を有している。

座標変換処理部２２は、図４に示すように、データ記憶部２２ａ、自車運動量演算部２２ｂ、及び座標変換部２２ｃの各機能を備えている。データ記憶部２２ａは、レーザレーダ１０から出力される、１サイクル毎の測定値Ｐのデータを記憶する。

自車運動量演算部２２ｂは、例えば、車内ＬＡＮ（図示せず）を介して取得した自車の走行情報（車速Ｖｎ、ヨーレートｙａｗ等）から、自車運動量（ｄｘ、ｄｙ、ｄθ）を演算する。ここで、ｄｘは、所定サイクル間（例えば、１サイクル）における車軸方向の移動量を示し、ｄｙは、所定サイクル間における自車進行方向の移動量を示し、ｄθは、所定サイクル間における自車鉛直軸回りの回転角度（ヨー角）を示す。

座標変換部２２ｃは、自車運動量演算部２２ｂの演算した自車運動量（ｄｘ、ｄｙ、ｄθ）を用いて、データ記憶部２２ａに記憶された過去のサイクル（例えば、前回のサイクル）における測定値Ｐ^ｈのデータを、周知のヘルマート変換を用いて、今回のサイクルにおける自車の位置を基準とするｘ−ｙ基準座標系のデータに変換する。そして、座標変換部２２ｃは、座標変換後の測定値Ｐ^ｈ＊のデータをレーンマークデータ抽出部２１に出力する。

レーンマークデータ抽出部２１は、レーザレーダ１０から出力される、今回のサイクルでの測定値Ｐのデータ、及び座標変換部２２ｃから出力される、座標変換後の測定値Ｐ^ｈ＊のデータを取得し、この取得したデータのうち、自車１の前方に延びる道路のレーンマークに対応するデータを抽出する。

これにより、今回のサイクルでの基準座標系に変換された過去のサイクルにおける測定値Ｐ^ｈ＊のデータを含めて、レーンマークに対応するデータを抽出するようになる。その結果、例えば、レーンマークが点線や破線でペイントされているために、レーザレーダ１０によって測定された特徴物の位置が自車の進行方向に対して連続していない場合であっても、点線や破線でペイントされたレーンマークの見失いを減少させることができるようになる。

先ず、レーンマークデータ抽出部２１では、前回のサイクルにてパラメータ追跡処理部２５のパラメータ追跡処理（後述）によって算出された、今回のサイクルにおける車線中心線の位置及び形状（曲率、傾き）と車線幅の予測結果としての予測値（ｙ^ｐ，ｃ^ｐ，ψ^ｐ，ｗ^ｐ）及び共分散値を用いて、今回のサイクルにおけるレーンマークの予測位置と予測領域を算出する。なお、上記の各予測値に対する標準偏差（σ^ｙ，σ^ｃ，σ^ψ，σ^ｗ）は、各予測値の共分散値から算出する。

ここで、図６に示すｘ−ｙ基準座標系において、自車１の右側に位置する右側レーンマークの予測位置を中心とする右側レーンマーク予測領域は、次式によって算出することができる。なお、次式における添字Ｒは右側（Ｒ）を意味し、また、「・」は乗算を示す記号である。

（数１）
ｘ≧｛ｃ^ｐ _Ｒ−（３・σ^ｃ _Ｒ）｝・ｙ^２＋｛φ^ｐ _Ｒ−（３・σ^φ _Ｒ）｝・ｙ＋｛ｙ^ｐ _Ｒ−（３・σ^ｙ _Ｒ）｝＋｛（−ｗ^ｐ／２）−（３・σ^ｗ）｝
ｘ≦｛ｃ^ｐ _Ｒ＋（３・σ^ｃ _Ｒ）｝・ｙ^２＋｛φ^ｐ _Ｒ＋（３・σ^φ _Ｒ）｝・ｙ＋｛ｙ^ｐ _Ｒ＋（３・σ^ｙ _Ｒ）｝＋｛（ｗ^ｐ／２）＋（３・σ^ｗ）｝
また、同図に示すｘ−ｙ基準座標系において、自車１の左側に位置する左側レーンマークの予測位置を中心とする左側レーンマーク予測領域は、次式によって算出することができる。なお、次式における添字Ｌは左側（Ｌ）を意味する。

（数２）
ｘ≧｛ｃ^ｐ _Ｌ−（３・σ^ｃ _Ｌ）｝・ｙ^２＋｛φ^ｐ _Ｌ−（３・σ^φ _Ｌ）｝・ｙ＋｛ｙ^ｐ _Ｌ−（３・σ^ｙ _Ｌ）｝＋｛（−ｗ^ｐ／２）−（３・σ^ｗ）｝
ｘ≦｛ｃ^ｐ _Ｌ＋（３・σ^ｃ _Ｌ）｝・ｙ^２＋｛φ^ｐ _Ｌ＋（３・σ^φ _Ｌ）｝・ｙ＋｛ｙ^ｐ _Ｌ＋（３・σ^ｙ _Ｌ）｝＋｛（ｗ^ｐ／２）＋（３・σ^ｗ）｝
上記数式１及び数式２は、後述するハフ変換処理にて用いる下記数式３の車線中心線のモデルに対応するものである。なお、角度Ψが十分小さく無視できる場合には、下記数式４のように簡略化したモデルにしてもよく、この場合、上記数式１及び数式２におけるｙに関する１次の項を省略してもよい。

レーンマークデータ抽出部２１では、上記数式１及び２によって算出されたレーンマーク予測領域に含まれる（レーンマーク予測位置に存在する）測定値Ｐ、及び座標変換後の測定値Ｐ^ｈのデータをレーンマークに対応するデータとして抽出し、このレーンマークに対応するレーザレーダ１０の測定値のデータＰ^ｌ（以下、レーンマークデータと呼ぶ）を車線中心線検出部２３、及び車線幅検出部２４に出力する。

これにより、レーザレーダ１０から出力される、今回のサイクルでの測定値Ｐのデータ、及び座標変換部２２ｃから出力される座標変換後の測定値Ｐ^ｈ＊のデータから、今回のサイクルにおけるレーンマークに対応するデータ（レーンマークデータ）のみを抽出することができる。なお、本実施形態の信号処理装置２０は、レーザレーダ１０から出力される、今回のサイクルでの測定値Ｐのデータのみを用いて、レーンマークに対応するデータを抽出することが可能である。従って、座標変換処理部２２の機能は省略可能である。

車線中心線検出部２３は、前回のサイクルにてパラメータ追跡処理部２５のパラメータ追跡処理によって算出された、前回のサイクルにおける車線幅の推定値（ｗ^ｓ）、若しくは、今回のサイクルにおける車線幅の予測値（ｗ^ｐ）を用いて、図７に示すように、レーンマークデータ抽出部２１の抽出した、左右１組のレーンマークデータの車軸方向成分（ｘ軸の成分）を車線中心方向へ補正（オフセット）して、車線中心線に相当するデータを生成する。このときのオフセット量は、車線幅の推定値（ｗ^ｓ）、若しくは、予測値（ｗ^ｐ）の１／２とする。

車線中心線に相当するデータが生成されると、車線中心線検出部２３は、この生成されたデータ用いてハフ変換処理を行うことで、車線中心線の位置や形状を算出する。車線中心線検出部２３では、下記数式３又は数式４に示す２次曲線で車線中心線をモデル化しておき、ハフ変換処理を行って２次曲線を規定するパラメータを算出することで、車線中心線の位置の観測値（ｙ^ｄ）と車線中心線の形状の観測値（曲率ｃ^ｄ、傾きψ^ｄ）を算出する。なお、次式中のｘはｘ−ｙ基準座標系におけるｘ軸上の座標値[m]、ｙはｙ軸上の座標値[m]、ｃ_０は曲率［1/m］、Ψは角度[rad]、ｙ_ｏｆｆは位置[m]を示す。

（数３）
ｘ＝｛ｃ_０・ｙ^２｝＋｛Ψ・ｙ｝＋ｙ_ｏｆｆ
（数４）
ｘ＝｛ｃ_０・ｙ^２｝＋ｙ_ｏｆｆ
このように、左右１組のレーンマークデータから、車線中心線に相当するデータが生成できるため、ハフ変換処理を行うことで算出される車線中心線の位置や形状の精度を高めることができる。

車線中心線検出部２３の行うハフ変換処理では、前回のサイクルにてパラメータ追跡処理部２５のパラメータ追跡処理によって算出された、今回のサイクルにおける車線中心線の位置及び形状（曲率、傾き）と車線幅の予測結果としての予測値（ｙ^ｐ，ｃ^ｐ，ψ^ｐ，ｗ^ｐ）及び共分散値を用いて、２次曲線を規定するパラメータから構成されるパラメータ空間（図８参照）に対して注視範囲を設定し、当該注視範囲において投票数が最大で、かつ、その投票数が所定値を上回るパラメータ組を、２次曲線を規定するパラメータとして算出する。これにより、外乱（すなわち、レーンマークデータ抽出部２１によって誤って抽出されたレーンマーク以外のデータ（車両、路側物等））に対するロバスト性を向上させることができる。また、図８に示すパラメータ空間の注視範囲内のみ、投票数のカウント等を行えばよいため、２次曲線を規定するパラメータの算出時間を短縮することができる。

車線中心線検出部２３は、車線中心線の位置の観測値（ｙ^ｄ）と車線中心線の形状の観測値（曲率ｃ^ｄ、傾きψ^ｄ）が算出されると、これらの観測値をパラメータ追跡処理部２５へ出力する。

車線幅検出部２４は、前回のサイクルにてパラメータ追跡処理部２５のパラメータ追跡処理によって算出された、前回のサイクルにおける車線中心線の位置の推定値（ｙ^ｓ）と車線中心線の形状の推定値（曲率ｃ^ｓ、傾きψ^ｓ）、若しくは、今回のサイクルにおける車線中心線の位置の予測値（ｙ^ｐ）と車線中心線の形状の予測値（曲率ｃ^ｐ、傾きψ^ｐ）を用いて、図９に示すように、レーンマークデータ抽出部２１の抽出した、左右１組のレーンマークデータの車線中心線に対する車軸方向（ｘ軸）の相対位置を算出する。

続いて、車線幅検出部２４は、図９に示す車軸方向の座標軸を適当な幅の複数の区間（この区間は、統計学では「ビン」とも呼ばれる）に分割し、算出した相対位置を該当するビンに割り当てるとともに、各ビンに対する度数を算出する（図１０）。

次に、車線幅検出部２４は、図１０に示す度数分布に対して、次式に示すように、車線中心線に対する相対位置をシフトパラメータとする自己相関関数を演算し、この演算結果から道路の車線幅の観測値（ｗ^ｄ）を算出する。これにより、道路の車線幅を精度よく算出することができる。ここで、次式において、ｘ（ｎ）は、ｎ番目の相対位置における度数を示し、Ｎは相対位置のビンの総数を示している。
（数５）

なお、車線幅検出部２４は、前回のサイクルにてパラメータ追跡処理部２５のパラメータ追跡処理（後述）によって算出された、今回のサイクルにおける車線幅の予測結果としての予測値（ｗ^ｐ）及び共分散値を用いて、図１１に示すように、シフトパラメータに対して注視範囲を設定し、当該注視範囲において相関係数が最大で、かつ、その相関係数が所定値を上回るシフトパラメータ値を道路の車線幅として算出する。これにより、レーンマーク以外の外乱に対するロバスト性を向上させる（言い換えれば、外乱による自己相関値のピークを無視する）ことができるからである。また、シフトパラメータに対して設定した注視範囲内の相関係数についてのみ、その値について判断すればよいため、道路の車線幅の算出時間を短縮することができるからである。

このようにして車線幅の観測値（ｗ^ｄ）が算出されると、車線幅検出部２４は、この車線幅の観測値（ｗ^ｄ）をパラメータ追跡処理部２５へ出力する。

パラメータ追跡処理部２５は、車線中心線検出部２３から出力される車線中心線の位置の観測値（ｙ^ｄ）と車線中心線の形状の観測値（曲率ｃ^ｄ、傾きψ^ｄ）、及び車線幅検出部２４から出力される車線幅の観測値（ｗ^ｄ）を周知のカルマンフィルタに適用して、車線中心線の位置や形状と車線幅を規定するパラメータの追跡処理を行う。

すなわち、パラメータ追跡処理部２５では、カルマンフィルタを用いて、前回のサイクルにてパラメータ追跡処理部２５の算出した、今回のサイクルにおける車線中心線の位置の予測値（ｙ^ｐ）、車線中心線の形状の予測値（曲率ｃ^ｐ、傾きψ^ｐ）、車線幅の予測値（ｗ^ｐ）と、車線中心線の位置の観測値（ｙ^ｄ）、車線中心線の形状の観測値（曲率ｃ^ｄ、傾きψ^ｄ）、及び車線幅の観測値（ｗ^ｄ）を用いて、今回のサイクルにおける車線中心線の位置の推定値（ｙ^ｓ）、車線中心線の形状の推定値（曲率ｃ^ｓ、傾きψ^ｓ）、及び車線幅の推定値（ｗ^ｓ）を算出し、これらを今回のサイクルでのレーンマークの認識結果として、図示しない車内ネットワークや他の車載装置に出力する。

さらに、パラメータ追跡処理部２５では、カルマンフィルタを用いて、次回のサイクルにおける車線中心線の位置及び形状と車線幅の予測値、及び共分散値を算出し、この予測値と共分散値をレーンマークデータ抽出部２１へ出力する。レーンマークデータ抽出部２１では、この予測値と共分散値を次回のサイクルにて用いる。

次に、本実施形態の車両用レーンマーク認識装置の信号処理手順について、図５に示すフローチャートを用いて説明する。この図５に示す各ステップは、一連のサイクル毎に繰り返し実行される。

先ず、図５に示すステップＳ１では、レーザレーダ１０の中心を原点とし、車軸方向をｘ軸、自車進行方向をｙ軸とするｘ−ｙ直交座標系に変換された今回のサイクルでの測定値Ｐを取得する。

ステップＳ２では、自車運動量（ｄｘ、ｄｙ、ｄθ）を用いて、過去のサイクル（例えば前回のサイクルとする。このサイクル数は、自車の運動状態や走行環境に応じて適宜設定するとよい。）における測定値Ｐ^ｈのデータを、今回のサイクルにおける自車の位置を基準とする基準座標系のデータに変換する。この座標変換によって測定値Ｐ^ｈ＊のデータが得られる。なお、このステップＳ２の処理は省略してもよい。

ステップＳ３では、レーザレーダ１０の光軸の設定等に基づいて、道路表面を走査しない検出領域（例えば、図２（ｂ）に示した垂直方向の検出領域６ａ等）があれば、その検出領域にて測定した測定値Ｐのデータを除去する。また、自車からの距離（ｙ軸座標値）、車軸方向の位置（ｘ軸座標値）、反射光の反射強度等について予め設定値が設けられている場合には、これらの設定値から外れた測定値Ｐのデータはレーンマークに該当しないデータとして除去する。

ステップＳ４では、パラメータ追跡処理部２５のカルマンフィルタによる、今回のサイクルにおける車線中心線の位置及び形状（曲率、傾き）と車線幅の予測結果としての予測値（ｙ^ｐ，ｃ^ｐ，ψ^ｐ，ｗ^ｐ）及び共分散値を用いて、今回のサイクルにおけるレーンマークの予測位置と予測領域を算出し、このレーンマーク予測領域に含まれる測定値Ｐ、及び測定値Ｐ^ｈのデータをレーンマークに対応するデータＰ^ｌとして抽出する。なお、上記の各予測値に対する標準偏差（σ^ｙ，σ^ｃ，σ^ψ，σ^ｗ）は、各予測値の共分散値から算出する。

ステップＳ５では、ステップＳ４にて抽出した左右１組のレーンマークデータの車軸方向成分（ｘ軸成分）を、車線幅の推定値（ｗ^ｓ）、若しくは、予測値（ｗ^ｐ）の１／２だけ車線中心方向へ補正（オフセット）して、車線中心線に相当するデータを生成する。そして、ステップＳ６では、ステップＳ５にて生成した車線中心線に相当するデータを用いてハフ変換処理を行うことで、車線中心線の位置や形状を算出する。

続いて、ステップＳ７では、車線中心線に対する左右１組のレーンマークデータの相対位置を算出し、この算出した相対位置の度数分布を算出する。ステップＳ８では、この度数分布に対して、相対位置をシフトパラメータとする自己相関関数を演算することで、道路の車線幅を算出する。

ステップＳ９では、カルマンフィルタによって、今回のサイクルや数サイクル後における車線中心線の位置や形状と車線幅を規定するパラメータの追跡処理を行って、車線中心線の位置や形状、車線幅を推定／予測する。その後、ステップＳ１に処理を移行し、上述した処理を繰り返し実行する。

このように、本実施形態の車両用レーンマーク認識装置は、道路の車線中心線の位置や形状と車線幅を規定するパラメータの追跡処理を一連のサイクル毎に逐次行うため、所定サイクル後のレーンマークの位置が予測可能となる。従って、道路の曲率が大きいカーブ道路であっても、この予測位置に基づいてレーンマークに対応する特徴物のデータを抽出することができるようになる。その結果、特定の走行環境に限定されず、ロバストにレーンマークが認識できるようになる。

以上、本発明の好ましい実施形態について説明したが、本発明は上述した実施形態に何ら制限されることなく、本発明の主旨を逸脱しない範囲において、種々変形して実施することができる。

（変形例）
道路のレーンマークは、一般に逆反射性材料等を用いてペイントされているため、道路表面を撮像した画像において、レーンマークのエッジ部分のエッジ強度は高い値を示す。例えば、図１２は、車線２の左右に直線のレーンマーク３Ｌ、３Ｒがペイントされている道路表面の画像を示すものであるが、レーンマーク３Ｒのエッジ部分３ＲＬ、３ＲＲのエッジ強度は局所的に高い値を示すため、その中間の画素位置がレーンマークとして抽出すべきデータとなる。

そこで、レーザレーダ１０の測定値を用いる替わりに、カメラを自車に搭載して、このカメラによって道路表面の画像を撮像し、この撮像した画像から算出されるエッジ強度を用いて、道路上の特徴物の位置を測定し、その測定値Ｐを信号処理装置２０へ出力するようにしてもよい。

本発明の実施形態に係わる、車両用レーンマーク認識装置の構成を示すブロック図である。（ａ）、（ｂ）は、レーザレーダ１０の水平方向と垂直方向の検出領域を概略的に示した図である。信号処理装置２０の機能構成を示すブロック図である。座標変換処理部２２の機能構成を示すブロック図である。車両用レーンマーク認識装置の信号処理手順を説明するためのフローチャートである。自車１の右側に位置する右側レーンマークの予測位置を中心とする右側レーンマーク予測領域を示す図である。左右１組のレーンマークデータの車軸方向成分（ｘ軸成分）を車線中心方向へ補正（オフセット）して、車線中心線に相当するデータを生成する際のイメージ図である。２次曲線を規定するパラメータから構成されるパラメータ空間と注視範囲を示す図である。左右１組のレーンマークデータの車線中心線に対する車軸方向（ｘ軸方向）の相対位置を示す図である。車線中心線に対する相対位置の度数分布を示す図である。自己相関関数を算出する際のシフトパラメータに対して設定した注視範囲を示す図である。変形例に係わる、車線２の左右に直線のレーンマーク３Ｌ、３Ｒがペイントされている道路表面の画像を示す図である。

符号の説明

１自車
２車線
３Ｌ左側レーンマーク
３Ｒ右側レーンマーク
１０レーザレーダ
２０信号処理装置
２１レーンマークデータ抽出部
２２座標変換処理部
２３車線中心線検出部
２４車線幅検出部
２５パラメータ追跡処理部

Claims

自車の前方又は後方の道路上のレーンマークの認識を一連のサイクル毎に繰り返し実行する車両用レーンマーク認識装置であって、
前記道路上の特徴物を検出する特徴物検出手段と、
後記パラメータ追跡処理手段による追跡処理の結果を用いて、前記特徴物検出手段の検出した特徴物のデータのうち、前記道路のレーンマークに対応するデータを抽出するレーンマークデータ抽出手段と、
前記レーンマークデータ抽出手段の抽出したデータから、前記道路の車線中心線の位置及び形状を算出する車線中心線算出手段と、
前記レーンマークデータ抽出手段の抽出したデータから、前記道路の車線幅を算出する車線幅算出手段と、
前記車線中心線算出手段の算出した車線中心線の位置及び形状と、前記車線幅算出手段の算出した車線幅から、前記道路の車線中心線の位置及び形状と車線幅を規定するパラメータの追跡処理を行うパラメータ追跡処理手段と、を備え、
前記車線幅算出手段は、
前記パラメータ追跡処理手段の追跡処理によって算出された、前回のサイクルにおける車線中心線の位置及び形状の推定結果、若しくは、今回のサイクルにおける車線中心線の位置及び形状の予測結果を用いて、前記レーンマークデータ抽出手段の抽出したデータの車線中心線からの車軸方向の相対位置を算出する相対位置算出手段と、
前記車線中心線からの車軸方向の相対位置を示す座標軸を複数の区間に分割し、前記相対位置算出手段の算出した相対位置を該当する区間に割り当てるとともに、前記各区間に対する度数を算出する度数算出手段と、
前記度数算出手段の算出した度数の分布に対して、前記相対位置をシフトパラメータとする自己相関関数を演算する自己相関関数演算手段と、を備え、
前記自己相関関数演算手段の演算結果から前記道路の車線幅を算出することを特徴とする車両用レーンマーク認識装置。
前記特徴物検出手段の検出した特徴物のデータを記憶するデータ記憶手段と、
前記自車の走行情報から自車運動量を演算する自車運動量演算手段と、
前記自車運動量演算手段の演算した自車運動量を用いて、前記データ記憶手段の記憶した過去のサイクルにおける特徴物のデータを、今回のサイクルにおける前記自車の位置を基準とする基準座標系に変換する座標変換処理手段と、を備え、
前記レーンマークデータ抽出手段は、前記特徴物検出手段の検出した特徴物のデータと、前記座標変換処理手段によって変換された特徴物のデータを用いることを特徴とする請求項１記載の車両用レーンマーク認識装置。
前記レーンマークデータ抽出手段は、前記パラメータ追跡処理手段の追跡処理によって算出された、今回のサイクルにおける車線中心線の位置及び形状と車線幅の予測結果を用いて、今回のサイクルにおけるレーンマークの予測位置を算出するレーンマーク予測位置算出手段を備え、前記レーンマーク予測位置算出手段の算出した予測位置に存在する特徴物のデータを、前記レーンマークに対応するデータとして抽出することを特徴とする請求項１又は２記載の車両用レーンマーク認識装置。
前記車線中心線算出手段は、前記パラメータ追跡処理手段の追跡処理によって算出された、前回のサイクルにおける車線幅の推定結果、若しくは、今回のサイクルにおける車線幅の予測結果を用いて、前記レーンマークデータ抽出手段の抽出したデータの車軸方向成分を車線中心方向へ補正して、前記道路の車線中心線に相当するデータを生成する車軸方向成分補正手段を備え、前記車軸方向成分補正手段の補正したデータを用いてハフ変換処理を行うことで、前記道路の車線中心線の位置及び形状を算出することを特徴とする請求項１〜３の何れか１項に記載の車両用レーンマーク認識装置。
前記車線中心線算出手段は、曲線モデルを用いて前記道路の車線中心線の位置及び形状を表すものであり、前記ハフ変換処理を行うことで前記曲線を規定するパラメータを算出することを特徴とする請求項４記載の車両用レーンマーク認識装置。
前記車線中心線算出手段は、前記ハフ変換処理において、前記パラメータ追跡処理手段の追跡処理によって算出された、今回のサイクルにおける車線中心線の位置及び形状の予測結果を用いて、前記曲線を規定する複数のパラメータから構成されるパラメータ空間に対して注視範囲を設定し、当該注視範囲において投票数が最大で、かつ、その投票数が所定値を上回るパラメータ組を、前記曲線を規定するパラメータとして算出することを特徴とする請求項５記載の車両用レーンマーク認識装置。
前記車線幅算出手段は、前記パラメータ追跡処理手段の追跡処理によって算出された、今回のサイクルにおける車線幅の予測結果を用いて、前記シフトパラメータに対して注視範囲を設定し、当該注視範囲において相関係数が最大で、かつ、その相関係数が所定値を上回るシフトパラメータ値を前記道路の車線幅として算出することを特徴とする請求項１〜６の何れか１項に記載の車両用レーンマーク認識装置。
前記特徴物検出手段は、前記道路表面に向かって放射したレーザ光の反射光を受光して、前記道路上の特徴物との距離と方向を測定するレーザレーダセンサを備え、前記レーザレーダセンサの測定結果を用いて、前記道路上の特徴物を検出することを特徴とする請求項１〜７の何れか１項に記載の車両用レーンマーク認識装置。
前記特徴物検出手段は、前記道路表面の画像を撮像する撮像手段と、前記撮像手段の撮像した画像のエッジ強度を算出するエッジ強度算出手段と、を備え、前記エッジ強度算出手段の算出したエッジ強度を用いて、前記道路上の特徴物を検出することを特徴とする請求項１〜７の何れか１項に記載の車両用レーンマーク認識装置。