行驶道路识别装置的制作方法

1.本发明涉及对车辆行驶环境中的可行驶区域进行识别的行驶道路装置。


背景技术：

2.作为本技术领域的背景技术，在专利文献1中揭示有一种道路区划线识别装置的技术，该道路区划线识别装置具备拍摄车辆周边的摄像单元，通过对该摄像单元的拍摄图像进行解析来识别道路区划线，该道路区划线识别装置具备确定道路上敷设的第1物标的位置的第1物标位置确定单元，在由所述第1物标以及不同于所述第1物标的第2物标加以区划的道路上根据所述摄像单元的拍摄图像中的所述第2物标的位置来识别道路区划线时，在相当于所述第1物标位置确定单元确定的所述第1物标的位置的所述摄像单元的拍摄图像上的位置的近前侧及/或纵深侧设定识别所述第2物标用的第2物标识别用图像解析区域。现有技术文献专利文献
3.专利文献1：日本专利特开2008
‑
165610号公报


技术实现要素：

发明要解决的问题
4.在自动驾驶车辆的自动驾驶中，要求可运用于车道变更、车道保持的高精度的车道识别。专利文献1中揭示了一种使用摄像机的区划线识别装置，记载有如下内容：通过使用区划线识别装置的识别结果，可以实现车道保持、车道变更等驾驶辅助功能。
5.但是，在使用摄像机作为识别手段的情况下，有摄像机的识别性能依赖于周边的亮度或天气等环境而大幅变化这一弱点。在某些环境下，有无法准确地识别自身车辆所行驶的行驶道路的行驶路端而对自身车辆的自动驾驶控制产生影响之虞。
6.本发明是鉴于上述问题而成，其目的在于提供一种能够准确地识别自身车辆所行驶的行驶道路的行驶路端的行驶道路识别装置。解决问题的技术手段
7.解决上述问题的本发明的行驶道路识别装置识别自身车辆所行驶的行驶道路的行驶路端，其特征在于，具有：激光雷达，其从所述自身车辆朝所述行驶道路照射激光；路面判定部，其根据该激光雷达获得的点群的坐标值来求出所述行驶道路的横向坡度；以及道路端判定部，其求出该路面判定部求出的所述行驶道路的横向坡度中坡度角度发生变化的变化点，根据该变化点的坐标值来求出所述行驶道路的横向两侧中的至少一侧的行驶路端的坐标值。发明的效果
8.根据本发明，能够准确地识别自身车辆所行驶的行驶道路的行驶路端。因而，能够实现自动驾驶车辆的安全的行驶。根据本说明书的记述、附图，将明确本发明相关的更多特
征。此外，上述以外的课题、构成及效果将通过以下实施方式的说明来加以明确。
附图说明
9.图1为表示本发明的实施方式的行驶道路识别装置的硬件的构成例的图。图2为表示本发明的实施方式的行驶道路识别装置的软件的构成例的图。图3为说明本实施方式中使用的坐标系的例子的图。图4为本发明的实施方式的行驶道路识别装置的整体处理的流程图。图5为更新点群数据的坐标值的处理的流程图。图6为根据横向坡度的变化点来求出行驶路端的处理的流程图。图7为表示点群数据和横向坡度的例子的yz平面图。图8为表示使用区划线的情况下的行驶道路识别装置的软件的构成例的图。图9为求出区划线的处理的流程图。图10为说明点群的探索方法的流程图。图11为表示点群的探索范围和横向坡度的一例的yz平面图。图12为求出路面涂绘物的特征点候选的处理的流程图。图13为表示提取特征点候选的范围的一例的yz平面图。图14为说明横向坡度的变化点与反射强度的关系的一例的图。图15为说明使用区划线特征点来识别区划线的处理的图。图16为说明点群数据的数据结构的图。图17为说明hough变换中使用的投票空间及其数据结构的图。图18为表示本发明的实施方式的行驶道路识别装置中使用地图数据的情况下的软件的构成例的图。图19为使用地图数据的情况下的行驶道路识别装置的处理的流程图。
具体实施方式
10.接着，对运用本发明的行驶道路识别装置的实施方式的行驶道路识别装置进行说明。本实施方式的行驶道路识别装置识别自身车辆所行驶的行驶道路的行驶路端，搭载于进行自动驾驶的自身车辆上。行驶道路识别装置识别出的行驶路端的信息供给至自身车辆的车辆控制单元，用于自动驾驶的控制。
11.图1为表示本发明的实施方式的行驶道路识别装置的硬件的构成例的图。
12.本实施方式的行驶道路识别装置100具备用于监视车辆周边的激光雷达101、用于存储地图信息等的存储装置103、cpu 104以及存储器105。在本实施方式中，行驶道路识别装置100是以将激光雷达101也包含在构成中的情况为例来进行说明，但也可设为不包含激光雷达101而从激光雷达101获取数据的构成。
13.激光雷达101搭载于自身车辆上，具有从自身车辆照射激光而利用反射波来获取数据的构成，例如使用lidar。激光雷达101沿垂直方向呈层状重叠多束激光而使它们一边转动一边照射，使用其反射波来获得激光发生反射的位置的三维坐标、反射强度等数据。该数据通常称为点群数据。
14.激光雷达101在离开自身车辆的方向上空出规定间隔而针对多层中的每一层获取点群数据。激光雷达101不同于摄像机，能在不依赖于周边的亮度的情况下获得点群数据，可以不论昼夜地检测物体。激光雷达101得到的点群数据从cpu 104送至存储器105，例如存放至具有图16所示的点群数据的数据结构的缓冲器。激光雷达101从自身车辆呈层状照射激光，可以在各层获取多个点群数据。
15.cpu 104对激光雷达101得到的点群数据进行处理，在这个过程中，使必要的数据、处理结果存储至存储器105。继而，进行将处理结果的信息从can_i/f 106送至can总线107、并通过can总线107送至车辆控制单元102的处理。车辆控制单元102控制车辆的行进方向和速度，是通过导入cpu 104的行驶道路识别处理的处理结果来实现的。此外，cpu 104也可以通过can_i/f 106获取车辆控制单元102制作、存放的车辆的行进方向和速度等位置推算信息。
16.图2为表示本发明的实施方式的行驶道路识别装置的软件的构成例的图。
17.行驶道路识别装置100具有点群存放部201、点群db 202、路面判定部203以及道路端判定部204。点群存放部201、点群db 202、路面判定部203以及道路端判定部204是通过在cpu 104等硬件中执行行驶道路识别用的软件而以cpu 104的内部功能的形式实现的。
18.点群存放部201将激光雷达101获取到的点群数据存放至点群db 202。路面判定部203使用点群db 202中存放的点群数据来求出行驶道路的横向坡度。所谓行驶道路的横向坡度，是自身车辆所行驶的行驶道路的横向的坡度也就是与行驶道路的预先设定的行驶方向正交的方向即路宽方向的坡度。通常，道路等行驶道路的路面沿横向带有徐缓的倾斜，以提高排水性。该倾斜为行驶道路的横向坡度，可由路面判定部203使用点群数据求出。
19.道路端判定部204求出行驶道路的横向坡度中坡度角度发生变化的变化点，根据变化点的坐标值来求出行驶道路的横向两侧中的至少一侧的行驶路端的坐标值。此处，在得到了行驶道路的横向两侧的行驶路端的坐标值的情况下，横向两侧的行驶路端之间即为自身车辆能够行驶的行驶道路。行驶路端的概念中例如包括行驶道路的横向坡度的变化点、路缘石或路肩等结构物、以及区划线中的至少一方。道路端判定部204的判定方法将于后文叙述。
20.图3为说明本实施方式中使用的坐标系的例子的图。本实施方式中使用的是以自身车辆301的位置为原点的坐标系，以自身车辆301的行进方向为x轴，以与x轴垂直的方向而且是沿着车宽方向的方向为y轴，以与路面垂直的方向为z轴。再者，y轴是以朝向自身车辆301的行进方向而从右往左的方向为正。
21.图4为本发明的实施方式的行驶道路识别装置的整体处理的流程图。首先，在步骤s401中，从激光雷达101获取点群数据，在步骤s402中，将获取到的点群数据存放至点群db 202。接着，在步骤s403中更新现有的点群数据的坐标值。步骤s402中存放至点群db 202的点群数据是以自身车辆301的位置为原点的坐标系，因此现有的点群数据的坐标值也需要更正为以移动后的自身车辆301的位置为中心的坐标值。这一内容将使用图5于后文叙述。在这些处理结束后，在步骤s404中对各层中的点群数据进行处理而求出各层中的行驶路端。步骤s404的处理也将在后面加以叙述。
22.图5为步骤s403的更新点群数据的坐标值的处理的流程图。
首先，在步骤s501中获得位置推算的信息。位置推算是根据自身车辆的行进方向和行驶距离来求出自身车辆位置的处理。位置推算的信息从can 107通过can_i/f 106提供给cpu 104。在步骤s501中，获得从测量出上一次的自身车辆位置的时间点起的行驶距离和行进方向的差分。
23.接着，在步骤s502中，使用得到的位置推算的数据来求出旋转矩阵和平移矩阵。继而，对点群db 202的所有现有数据运用这些矩阵来进行坐标变换。在步骤s503中，从点群数据获得坐标值的信息，在步骤s504中判定坐标值是否处于规定范围。具体而言，例如以上一次的自身车辆位置为基准而预先决定好半径60m以内这样的范围。若坐标值在规定范围内，则前进至步骤s505，运用步骤s502中求出的矩阵来变换坐标值。若在规定范围外，则前进至步骤s506，将该坐标值从点群db 202中消去。通过像这样将规定范围外的坐标值从点群db 202中消去，可以节约存储至点群db 202的数据量。此外，通过做到仅参考最近得到的点群数据，只会使用自身车辆的当前位置周边的点群数据。
24.图6为步骤s404中求出行驶路端的处理的流程的一例，是根据行驶道路的横向坡度的变化点来求出行驶路端的处理的流程图。求出行驶路端的处理是在道路端判定部204中进行。在求出行驶路端的处理中，如图6的流程所示，首先进入层数程度的循环。继而，在其中进一步进入点群数据数程度的循环。在步骤s601中，判定点群数据的z坐标是否处于规定范围。这是粗略地判断点群的位置是否在路面上，关于规定范围，是事先决定好预测为路面上的数据的范围。
25.若在规定范围内，则前进至步骤s602，执行hough变换。hough变换中使用的投票空间例如具有图17所示的构成。图17为说明hough变换中使用的投票空间及其数据结构的图。再者，hough变换由于处理成本较高，因此须以控制在所期望的处理时间内的方式预先精简要投票的角度范围或者设定角度的单位值。此处省略其详情。
26.接着，前进至步骤s603，将z坐标处于规定范围内的点群的点群数据即坐标值存放至缓冲器。该缓冲器是用于存放行驶道路的路面上的点群数据的缓冲器。
27.当针对所有坐标点完成了上述处理时，进入通过hough变换得到的线段的数量程度的循环。要通过hough变换获得线段，就要预先决定投票数的阈值或者判定投票给该线段的点的密度。该判定为步骤s604。
28.若投票数或者点的密度满足条件，则前进至步骤s605，将该线段信息存放至缓冲器。该缓冲器用于存放线段信息，例如具有与图17的单元信息1700同样的数据结构。当结束了针对所有线段的处理时，求出缓冲器中存放的线段彼此的交点。该交点相当于行驶道路的横向坡度的变化点，成为行驶路端。
29.若针对所有层执行该处理，则与层数相应地求出交点721、722(参考图7)。通过将它们相连，最终能求出行驶路端。再者，通过以时间序列来进行保存，可以获得密度更高的行驶路端的数据。
30.此外，在道路端判定部204中进行如下处理：根据点群的坐标值来检测行驶道路的路面和设置在行驶道路的至少一侧的行驶路端的结构物，求出行驶道路的路面与结构物之间的高度的变化点的坐标值，根据变化点的坐标值来求出行驶路端的位置。通过该处理，可以对行驶道路的路面与设置在行驶路端的结构物之间进行检测来作为行驶路端。
31.使用图7，对图6的处理进一步进行说明。图7为表示点群数据和横向坡度的例子的
yz平面图，是将步骤s601中判定z坐标处于规定范围的点群703表示在yz平面上的例子。针对点群703的点群数据而通过到步骤s605为止的处理得到的是线段711、712、713。
32.线段711是因配置在自身车辆301左侧方的路缘石等结构物而得到的线段。线段712是因自身车辆车道(行驶道路)的路面而得到的线段。线段713是因对向车道的路面而得到的线段。交点721为行驶道路的路面与结构物之间的高度的变化点，交点722为行驶道路的横向坡度中坡度角度发生变化的变化点。交点721、722表示行驶道路的横向两侧的行驶路端的坐标值，交点721与722之间成为自身车辆能够行驶的宽度。因而，可以识别出自身车辆能够行驶的最低限度的行驶道路。
33.通常，道路为了排放雨水等而具有从行驶道路的横向一侧的行驶路端朝行驶道路的横向另一侧的行驶路端徐缓地下降的倾斜。例如，在单侧一车道道路上，以随着从自身车辆车道与对向车道之间的道路中央朝道路端转移而逐渐降低高度的方式带有1
°
左右的倾斜。通过利用激光雷达101来检测该倾斜，可以判断自身车辆车道和对向车道。在图7的例子中，线段712为自身车辆车道，线段713为对向车道。于是，线段712与713的交点722为道路中央。
34.接着，对求出行驶路端的其他处理的例子进行说明。图6中对根据行驶道路的横向坡度的变化点来求出行驶路端的处理的一例进行了说明，而要更高精度地求出行驶路端，可以加入区划线的判断。区划线例如包括自身车辆车道与对向车道之间的车道交界线(所谓的中心线)、隔着自身车辆车道位于与车道交界线相反那一侧的车道外侧线。
35.图8为表示使用区划线的情况下的行驶道路识别装置的软件的构成例的图。如图8所示，道路端判定部204具备道路端算出部801、特征点候选提取部802、特征点判定部803以及区划线识别部804作为使用区划线的情况下的处理模块。
36.道路端算出部801求出行驶道路的横向坡度及其变化点，根据变化点的坐标位置来求出行驶路端。特征点候选提取部802根据向路面上照射激光而获得的点群数据的坐标值和反射强度来求出构成区划线的特征点候选。特征点候选提取部802进行如下处理：从激光雷达101获得的点群数据中提取反射强度高于阈值的点群数据作为路面上显示的区划线的特征点候选。特征点判定部803根据道路端算出部801求出的行驶路端的坐标值而从特征点候选中求出区划线的特征点。
37.例如，特征点判定部803从特征点候选提取部802得到的特征点候选中精简出存在于道路端算出部801得到的行驶路端的附近的特征点候选，将该精简后的特征点候选决定为特征点。通过该精简，例如可以将存在于行驶道路的中央位置的箭头等路面涂绘物从行驶路端的候选中排除。区划线识别部804进行如下处理：使用特征点判定部803得到的特征点来识别区划线，将该区划线作为行驶路端。
38.接着，对道路端判定部204的处理进行说明。
39.图9为求出成为行驶路端的区划线的处理的流程图，相当于步骤s404的处理。在路面上存在区划线的情况下，较理想为将区划线的位置作为行驶路端。并且，在路面上不存在区划线的情况下，可以将通过图6的处理求出的交点721、722作为行驶路端。
40.首先，在步骤s901中，求出行驶道路的横向坡度。关于该处理，将使用图12、图13再次于后文进行叙述。
41.其后，进入层数程度的循环，在步骤s902中提取路面涂绘物的特征点候选。路面涂
绘物中混有反射材料，在由激光雷达101照射激光的情况下，可以获得高反射强度。使用该高反射强度来提取特征点候选。这将使用图12再次于后文进行叙述。
42.接着，在步骤s903中，将步骤s902中提取到的特征点候选精简到交点721、722附近。附近意指朝相较于交点721、722而言靠近自身车辆那一侧取边界而预先设定的规定范围内。
43.经过层数的循环后，在步骤s904中使用hough变换来提取线段。这是针对步骤s903中得到的特征点候选的处理。再者，hough变换为处理的一例，提取线段的算法不限于此。
44.图10为步骤s901中的求横向坡度的处理流程，是说明点群的探索方法的流程图。首先，在步骤s1001中，将层1的z轴方向的探索坐标范围(探索z坐标范围)设定为
±
10cm。此处，层的编号是从靠近自身车辆301那一侧朝远离那一侧以升序方式设定的，层1是最靠近自身车辆301那一层。此外，在步骤s1002中，将所有层的y轴方向的探索坐标范围(探索y坐标范围)设定为
±
1.5m。这是指自身车辆的旁边各1.5m，相当于自身车辆车道的宽度。再者，该值不限于1.5m，可根据状况任意设定。
45.接着，进入层数的循环，求各层中的行驶道路的横向坡度。在层数的循环中，按照层数从小到大的顺序进行处理。首先，在步骤s1003中，检查该层中提取到的点群的数量(坐标点数量)。在点群的数量为1以下的情况下(否)，无法计算行驶道路的横向坡度，因此不执行该层中的处理。若点群的数量为2以上，则前进至步骤s1004之后，以计算行驶道路的横向坡度。
46.在步骤s1004中，将包含在探索yz坐标范围内的点群的点群数据存放至缓冲器。这可以通过全部探索各层中检测到的点群来加以实施。缓冲器具有图16那样的数据结构，但较佳为确保区别于点群db 202的另一存储器区域。
47.接着，在步骤s1005中，在yz平面上执行最小平方法，保存z＝ay b的参数。具体为a和b的值。与层数相应地加以保持。接着，在步骤s1006中，以b为基准设定下一层的探索yz坐标范围。在本实施方式中，设定为b
±
10cm。这是为了应对上坡和下坡的情况。也就是说，较佳的探索yz坐标范围根据层而不同，因此需要以b为基准来设定下一层的探索yz坐标范围的步骤s1006的处理。再者，关于针对b的边界的值，可以根据状况任意设定，并不限于10cm。
48.一边参考图11，一边对图10的处理进一步进行叙述。图11为某一层中的yz平面的例子，是表示点群的探索坐标范围和横向坡度的一例的yz平面图。1101为点群，区域1102是y设定成
±
1.5m、z设定成
±
10cm得到的探索yz坐标范围的区域。在步骤s1004中，求存在于所述区域1102的点群1101，在步骤s1005中，根据存在于区域1102的点群1101来求近似直线1103。由此，可以算出特征点候选的近似直线。
49.图12为求路面涂绘物的特征点候选的处理的流程图。图12所示的处理相当于步骤s902的处理。步骤s902是针对各层的处理，图12也一样。首先，在步骤s1201中，检查层的路面上的点群的数量(坐标点数量)。若路面点数量为1以下，则无法计算行驶道路的横向坡度，因此不执行之后的处理。
50.在能够计算行驶道路的横向坡度的情况下，进入该层的点群的数量(坐标点数量)程度的循环。在步骤s1202中，判定点群是否进入了规定的z坐标的范围。此处，进行根据行驶道路的横向坡度将特征点候选精简到距行驶路端的规定范围内的处理。具体而言，使用步骤s1205中求出的该层中的a和b的值来判定z坐标是否进入了ay b
±
5cm这一范围。ay b
是该层中的路面的横向坡度的方程。在本实施方式中，通过对该路面的横向坡度的方程考虑上下5cm的边界来判定是否在路面上。再者，关于边界的5cm，可以任意设定，并不限于该值。
51.若进入了该边界的范围，则视为路面上的点，前进至步骤s1203。在步骤s1203中，判定该坐标点上的反射强度。如前文所述，路面涂绘物中含有反射材料，因此，若从激光雷达101照射的激光碰到该材料，就会获得比周围路面高的反射强度。在步骤s1203中，判定该反射强度是否高于阈值。若高于阈值，则视为路面涂绘物，在步骤s1204中存放至缓冲器。关于阈值，只要是能区分是路面和路面涂绘物中的哪一方的值，就能任意设定。
52.一边参考图13，一边对图12的处理进一步进行叙述。图13为与图11所示相同的yz平面。在步骤s1202中，对各y坐标上的近似直线1103的z坐标的值ay b设定
±
5cm的区域，由此来定义区域1301。进入了该区域1301而且在步骤s1203中反射强度高于阈值的点群被识别为特征点。
53.接着，使用图14、图15，对步骤s903的处理进一步进行说明。图14为表示反射强度与坡度变化的关系的一例的图。图14上方展示点群在yz平面上的位置，图14下方展示点群的y坐标与反射强度的关系。
54.在该关系图中，在交点721的y坐标附近出现了反射强度高于阈值的点群1401。此外，在交点722附近也同样出现了反射强度高于阈值的点群1402。因而，这些点群1401、1402成为区划线的特征点候选，须判定他们是否真的为区划线。
55.对此，从各交点721、722沿y方向朝靠近自身车辆那一侧取预先设定的距离(本实施方式中为10cm)的边界1410，并判定反射强度高于阈值的点群是否进入了预先设定在比边界更靠近自身车辆那一侧的宽度范围(本实施方式中为30cm的宽度范围)1411内。继而，若反射强度高于阈值的点群进入了宽度范围1411，则将该点群视为构成区划线，若未进入宽度范围1411，则视为非区划线。在图14的例子中，反射强度高于阈值的点群1401没有进入宽度范围1411，被判断为非区划线，反射强度高于阈值的点群1402进入了宽度范围1411，被视为构成区划线。再者，上述边界1410的值可根据状况任意设定，并不限于这些值。
56.通过像上述那样判定坡度变化点与反射强度的关系，可以区分结构物与路面涂绘物。继而，在路面涂绘物的情况下，为白线的可能性较高，因此执行区划线识别的处理。这相当于步骤s904的处理。
57.图15为说明使用区划线特征点来识别区划线的处理的图。图15上方展示每一层的点群的y坐标与反射强度的关系，图15下方是针对所有层将图15上方中反射强度高于阈值的点群1402展开到xy平面上得到的图。
58.被判定为区划线的点群1402具有三维坐标，但在区划线的识别时处理为路面上的点，因此仅使用xy坐标。该情形即为图15下方的图。再者，图15下方处理的点群是该时间点上在所有层上得到的最新的特征点和过去获取到的特征点。由此，即便是数据比较稀疏的激光雷达，也能处理区划线识别所需的量的特征点。继而，对这些特征点实施步骤s904的处理，由此获得线段1501，将其作为行驶道路的行驶路端。
59.图16展示点群db 202的数据结构。数据为层信息1600的罗列，按每一层具有层信息1600。层信息1600包含层编号1601、点数1602、点群信息1610。点群信息1610为点数1602数量的罗列。
60.点群信息1610包含x坐标1611、y坐标1612、z坐标1613、反射强度1614。x坐标1611、y坐标1612、z坐标1613遵循图3的坐标系。
61.图17展示hough变换中使用的投票空间及其数据结构。投票空间1750保持有线的提取所需程度的ρθ单元1751。单元1751保持有单元信息1700。
62.单元信息1700由投票数1701、端点1坐标1710、端点2坐标1720、投票点群1730构成。投票点群1730为投票数1701数量的罗列。端点1坐标1710保持x坐标1711、y坐标1712。同样地，端点2坐标1720保持x坐标1721、y坐标1722，投票点群1730保持x坐标1731、y坐标1732。
63.接着，对通过使用自动驾驶中使用的高精度地图来判断是否需要行驶路端识别的实施例进行说明。
64.图18展示软件构成的例子。这是在图2的构成中追加了地图数据1801。地图数据1801保持能够实现自动驾驶下的路径引导的高精度地图。例如较佳为以iso国际标准的地图格式的一种即gdf(geographic data files)的形态加以保持。
65.图19是使用地图数据1801的情况下的处理流程。该流程中，判定自身车辆位置是路口还是普通的直线道路，仅在直线道路的情况下执行行驶道路识别。此处，以地图数据1801以gdf5.0格式加以存放这一情况为前提来进行说明。
66.首先，在步骤s1901中获得自身车辆位置。自身车辆的位置是通过gnss(global navigation satellite system)或位置推算等来获取。接着，在步骤s1902中执行地图匹配。由此获知步骤s1901中得到的自身车辆位置在地图数据1801上的位置。
67.当获知了地图数据1801上的自身车辆位置时，在步骤s1903中获得地图数据1801上的自身车辆位置的feature。在gdf5.0格式下，地图上的对象都称为feature。对道路定义的feature是road，对路口定义的feature是intersection等。因而，通过判定该feature来获知自身车辆的行驶位置的属性。
68.因此，在步骤s1904中判定feature。若feature为intersection，则判断自身车辆位置为路口，不作任何处理而结束。若feature为road，则判断自身车辆位置为直线道路上，前进至步骤s404(参考图4)，执行求行驶路端的处理。因而，可以进行仅在自身车辆301正行驶在直线道路上时求行驶路端的处理，路口处则可以省略求行驶路端的处理。因而，可以减轻装置的运算负担、以更低规格的构成来实现。
69.本实施方式的行驶道路识别装置根据激光雷达101获得的点群数据来求行驶道路的横向坡度、根据坡度的角度发生变化的变化点的坐标值来求行驶路端的坐标值。根据本实施方式的行驶道路识别装置，能够准确地识别自身车辆正在行驶的行驶道路的行驶路端，从而能实现自动驾驶车辆的安全的行驶。
70.在以往的摄像机中，若是像结构物那样以人眼来观察都能明确知晓形状的对象物，则能识别大小，但要识别道路的横向坡度等一眼看去是平坦的面这样的小坡度则几乎是不可能的。此外，摄像机有识别性能依赖于周边的亮度或天气而大幅变化这一弱点。
71.相对于此，在本实施方式的行驶道路识别装置中，通过使用激光雷达来求出以往的摄像机无法识别的行驶道路的横向坡度、根据横向坡度来求出行驶路端的坐标值。因而，能够容易地测量检测对象的三维坐标及反射强度而不会像以往的摄像机那样依赖于周边的亮度或天气，能够期待更为鲁棒的识别性能。
72.此外，本实施方式的行驶道路识别装置使用反射强度来识别路面涂绘物、根据与变化点的位置的关系来判定该路面涂绘物是否为区划线。在识别路面上的道路标示和区划线的情况下，由于它们是使用相同涂料描绘的，因此仅靠反射强度无法区分区划线与路面标示，也难以与车辆等区划线以外的物体区分开来。还存在因飞白等而检测不到区划线的情况，这时将难以识别道路端。
73.相对于此，在本实施方式的行驶道路识别装置中，可以根据反射强度与变化点的位置关系来区分区划线与路面标示，从而能防止行驶路端的误检测。此外，即便在因涂绘物的飞白等而检测不到区划线等未检出时，也能识别行驶路端而准确地掌握自动驾驶下的行驶道路，从而能避免车辆跑偏到道路外这一状况。
74.再者，本发明包含各种变形例，并不限定于上述实施例。例如，上述实施例是为了以易于理解的方式说明本发明所作的详细说明，并非一定限定于具备说明过的所有构成。
75.此外，可以将某一实施例的构成的一部分替换为其他实施例的构成，此外，也可以对某一实施例的构成加入其他实施例的构成。此外，可以对各实施例的构成的一部分进行其他构成的追加、删除、替换。
76.此外，上述各构成、功能、处理部、处理手段等例如可通过利用集成电路进行设计等而以硬件来实现它们的一部分或全部。此外，上述各构成、功能等也可通过由处理器解释并执行实现各功能的程序而以软件来实现。实现各功能的程序、表格、文件等信息可以放在存储器、硬盘、ssd(solid state drive)等记录装置或者ic卡、sd卡、dvd等记录介质中。
77.此外，控制线和信息线展示的是认为说明上需要的部分，在产品上未必展示了所有控制线和信息线。实际上，可认为几乎所有构成都相互连接在一起。
78.以上，对本发明的实施方式进行了详细叙述，但本发明并不限定于所述实施方式，可以在不脱离权利要求书记载的本发明的精神的范围内进行各种设计变更。例如，所述实施方式是为了以易于理解的方式说明本发明所作的详细说明，并非一定限定于具备说明过的所有构成。此外，可以将某一实施方式的构成的一部分替换为其他实施方式的构成，此外，也可以对某一实施方式的构成加入其他实施方式的构成。进而，可以对各实施方式的构成的一部分进行其他构成的追加、删除、替换。符号说明
79.101
…
激光雷达、201
…
点群存放部、202
…
点群db、203
…
路面判定部、204
…
道路端判定部、801
…
道路端算出部、802
…
特征点候选提取部、803
…
特征点判定部、804
…
区划线识别部。