自身位置推断装置、配备其的自动驾驶系统以及自身生成地图共享装置的制作方法

1.本发明涉及一种自身位置推断装置、配备有自身位置推断装置的自动驾驶系统以及自身生成地图共享装置。


背景技术：

2.在自动驾驶系统中，为了从高精度地图获取对于自动驾驶的计划、判断而言比较重要的车道中心线、停止线、交通规则等信息，须提高该高精度地图上的自身车辆位置姿态的推断精度。通常而言，为了推断地图上的自身车辆位置姿态，广泛使用有gnss(global navigation satellite system，全球导航卫星系统)，但能够高精度地推断自身车辆位置姿态的gnss接收器价格高昂，此外，在隧道内或楼宇附近等来自人造卫星的电波被遮蔽或发生反射的环境下，存在推断精度降低这一问题。
3.针对该问题，例如在专利文献1的权利要求1中有如下记载：“一种尾随系统，其供后续车辆根据从先导车辆获得的信息来进行尾随行驶，其中，先导车辆具备：环境信息获取单元，其获取周边的环境信息；环境地图制作单元，其根据所述环境信息和自身位置及姿态来制作环境地图；以及通信单元，其发送所述环境地图，所述后续车辆具备：通信单元，其接收所述先导车辆制作出的所述环境地图；环境信息获取单元，其获取周边的环境信息；地图对照单元，其对所述环境信息获取单元获取到的环境信息和所述先导车辆制作出的环境地图进行对照，由此推断自身的位置及姿态；以及位置姿态决定单元，其参考所述地图对照单元推断出的自身的位置及姿态来决定最终的自身的位置及姿态”。再者，根据该文献的段落0002，制作环境地图的先导车辆是由驾驶员驾驶。现有技术文献专利文献
4.专利文献1：日本专利特开2009
‑
149194号公报


技术实现要素：

发明要解决的问题
5.在专利文献1中，后续车辆通过推断在先导车辆制作出的地图(环境地图)上的自身车辆位置姿态而在不使用昂贵的高精度gnss接收器的情况下通过尾随行驶来实现自动驾驶。
6.但是，先导车辆制作出的地图中不含车道中心线、停止线、交通规则等信息，因此后续车辆难以实现尾随行驶以外的自动驾驶。
7.因此，本发明的目的在于提供一种自身位置推断装置，其能够在不使用由驾驶员驾驶的先导车辆、昂贵的高精度gnss接收器的情况下提高在包含车道中心线、停止线、交通规则等信息的高精度地图上的自身车辆位置姿态的推断精度。解决问题的技术手段
8.本发明的代表性的自身位置推断装置之一具备：自身位置推断部，其根据对存在于车辆周围的物体进行测量的传感器的测量结果来推断在高精度地图上的自身位置姿态；低精度区间检测部，其根据该自身位置推断部所推断出的所述自身位置姿态来检测推断精度较低的低精度区间；以及自身地图生成部，其生成在该低精度区间检测部所检测到的所述低精度区间内的、保存有所述物体在所述高精度地图上的位置和种类的自身生成地图。发明的效果
9.根据本发明的自身位置推断装置，能够在不使用由驾驶员驾驶的先导车辆、昂贵的高精度gnss接收器的情况下提高在包含车道中心线、停止线、交通规则等信息的高精度地图上的自身车辆位置姿态的推断精度。
附图说明
10.图1为实施例1的自身位置推断装置的框图。图2为自身车辆的周边环境的一例。图3为高精度地图的一例。图4a为时刻t1下的自身车辆的前方的特征检测结果的一例。图4b为时刻t2下的自身车辆的前方的特征检测结果的一例。图5为过去特征数据的一例。图6为自身生成地图的一例。图7为与物体种类相应的使用期限的一例。图8为自身位置推断部推断出的高精度地图上的自身车辆位置的一例。图9为推断出的过去的自身车辆位置姿态的一例。图10为使用自身位置推断装置的实施例2的自动驾驶系统的框图。图11为实施例2的路径计划部的动作的一例。图12为实施例3的带通信功能自身位置推断装置和自身生成地图共享装置的框图。
具体实施方式
11.下面，使用附图，对本发明的实施例进行说明。实施例1
12.下面，参考图1～图9，对本发明的实施例1的自身位置推断装置1进行说明。(功能块构成)图1为表示本实施例的自身位置推断装置1的功能块构成的图。再者，自身位置推断装置1实际上是配备有cpu等运算装置、半导体存储器等主存储装置、辅助存储装置以及通信装置等硬件的计算机。并且，通过一边参考辅助存储装置中记录的数据库一边由运算装置执行加载到主存储装置中的程序来实现后文叙述的各功能，但下面将酌情省略这样的计算机领域内的周知技术来进行说明。
13.如图1所示，自身位置推断装置1具备特征检测部11、特征匹配部12、自身位置推断部13、低精度区间检测部14以及自身地图生成部15，保持有过去特征数据3和自身生成地图4。此外，传感器5的测量结果和来自未图示的上位系统的高精度地图2输入至自身位置推断
装置1。再者，以下是以从外部逐次获取数据量较大的高精度地图2中的自身车辆周围区域部这一构成为前提来进行说明，但也可为自身位置推断装置1保持整个高精度地图2的构成。
14.传感器5搭载于自身车辆v0上，测量自身车辆v0周围的环境。传感器5例如为单目摄像机、立体摄像机、lidar、毫米波雷达、声呐等，对存在于自身车辆v0周围的物体的三维位置进行测量。再者，在使用单目摄像机的情况下，所获取的数据为图像i，因此无法直接测量周围物体的三维位置，但可以借助公知的运动体视法等通过使用多个图像i来测量三维位置。立体摄像机除了检测三维信息以外，还能从图像i中检测到自动驾驶中的计划、判断所需的车道线、停止线等信息。
15.以下，只要未特别言明，传感器5就是朝前安装在车内的立体摄像机，测量结果就是图像i。但传感器5不限定于立体摄像机，也可为其他传感器或者单目摄像机与lidar等多种传感器的组合。此外，作为传感器5，除了测量自身车辆v0周围环境的传感器以外，还可使用测量自身车辆v0状态的传感器。例如，可使用能够测量高精度地图2中的自身车辆位置姿态x的gnss、罗盘、陀螺仪。此外，也可使用通过与道路上设置的信标等进行通信来获取自身车辆位置姿态x等信息的传感器。
16.特征检测部11根据传感器5的测量结果来检测未包含在高精度地图2中的特征性信息，并保存为过去特征数据3。特征匹配部12将特征检测部11检测到的特征与自身生成地图4中保存的特征加以关联。自身位置推断部13根据传感器5的测量结果和特征匹配部12得到的特征的匹配结果来推断自身车辆位置姿态x。低精度区间检测部14根据自身位置推断部13所推断出的自身车辆位置姿态x来检测自身车辆位置姿态x的推断精度较低的区间。自身地图生成部15根据过去特征数据3和自身位置推断部13所推断出的自身车辆位置姿态x来生成低精度区间检测部14所检测到的自身车辆位置姿态x的推断精度较低的区间的自身生成地图4。
17.图2为搭载有自身位置推断装置1的自身车辆v0的周边环境的一例。该图中，自身车辆v0正要进入路口，在其周围除了有车道线l1、停止线l2、交通信号灯l3、建筑物l4、电线杆l5、树木l6等地面标志以外，还存在其他车辆v1。自身车辆v0上搭载的自动驾驶系统使用自身车辆v0上搭载的传感器5得到的周围的测量结果和自身位置推断装置1所推断出的自身车辆位置姿态x、根据从高精度地图2获取到的自身车辆v0的周围信息和预先设定在自动驾驶系统中的目标地点的信息来计算到目标地点为止的路径r，使自身车辆v0沿路径r自动行驶。图2的例子中计算的是在路口右转的路径r。
18.图3为高精度地图2的一例，例示了图2所示的地点上的高精度地图2。该高精度地图2包含白线2a、停止线2b、交通信号灯2c、车道中心线2d的位置、限速2e(例如50km/h)等交通规则等的自动驾驶的计划、判断所需的信息。因而，自身位置推断装置1可以通过推断高精度地图2上的自身车辆位置姿态x而从高精度地图2获取自身车辆v0周围的地面标志信息、交通规则信息。(特征检测部11的动作)接着，使用图4a、图4b、图5，对特征检测部11中的处理的内容进行说明。
19.特征检测部11根据传感器5的测量结果来检测特征性信息并保存为过去特征数据
3，例如，通过对从传感器5获取到的数据运用公知的物体识别方法而检测到电线杆、建筑物、树木等物体，将物体的种类与三维位置的组合保存为过去特征数据3。
20.在传感器5为单目摄像机或立体摄像机的情况下，例如可以使用joseph redmon,santosh divvala,ross girshick,ali farhadi,you only look once:unified,real
‑
time object detection,ieee conference on computer vision and pattern recognition,2016,pp.779
‑
788从图像i中识别出物体。此外，在组合使用摄像机与能够直接测量三维信息的传感器作为传感器5的情况下，可使用根据图像i和三维信息来检测物体的公知方法代替该方法。
21.图4a、图4b为表示特征检测部11的特征检测结果的一例的图。图4a为在某一时刻t1拍摄到的图像i1，从该图像中检测到了建筑物b1、电线杆b2、汽车b3。此外，图4b为在自身车辆v0前进了规定距离的时刻t2拍摄到的图像i2，在该图像上除了上述的b1～b3以外还检测到了树木b4。
22.图5为特征检测部11所保存的过去特征数据3的一例。如此处所示，过去特征数据3中保存有“时刻”、“相对于传感器的三维位置”、“物体种类”的各种信息。例如，作为对应于图4a、图4b的过去特征数据3，针对在时刻t1检测到的建筑物b1和电线杆b2而与传感器5所测量出的三维位置一起保存有各自的物体类别。同样地，针对在时刻t2检测到的建筑物b1和电线杆b2而保存有因自身车辆v0的前进而发生了变化的三维位置。此外，在时刻t2，由于自身车辆v0的前进而检测到了在时刻t1没有检测到的树木b4，因此过去特征数据3中还保存了树木b4相关的信息。再者，“相对于传感器的三维位置”例如是以传感器5的位置为基准点时的各物体的中心或重心的位置。
23.此处，过去特征数据3是在后文叙述的自身地图生成部15中的自身生成地图4的制作时使用的数据，因此较理想为排除掉运动物体。因此，即便在根据从传感器5获取到的数据检测到运动物体的情况下，特征检测部11也不会将该运动物体的三维位置保存到过去特征数据3中。再者，是否为运动物体的判断可以使用通过对不同时刻上获取到的物体数据进行比较来检测运动物体的公知方法。此外，也可根据物体的种类来判定是否为运动物体。例如，图4a、图4b中以汽车b3的形式检测到了对向车，而汽车为运动物体的可能性较高，因此图5中未将汽车b3保存为过去特征数据3。
24.以上说明过的图5展示了特征检测部11将通过物体识别方法检测到的物体保存为特征的情况的例子，但特征检测部11的动作并不限定于此。例如，特征检测部11也可将从传感器5获取到的三维位置全部作为三维点云保存到过去特征数据3中。此外，图5中是针对一个物体而保存一个三维位置，但是，例如也可针对一个物体而保存该物体上测量出的所有三维位置。此外，特征检测部11除了保存三维位置和物体种类以外，还可保存纹理信息等用于在后文叙述的特征匹配部12中使用的信息。(特征匹配部12的动作)接着，使用图6、图7，对特征匹配部12中的处理的内容进行说明。特征匹配部12将特征检测部11检测到的特征与自身生成地图4中保存的特征加以关联。
25.图6为表示自身生成地图4的一例的图。如此处所示，自身生成地图4中保存有“高精度地图的坐标系中的三维位置”、“物体种类”、“测量日期时间”的各种信息。该自身生成地图4是由自身地图生成部15制作出来的，其生成方法于后文叙述。
26.特征匹配部12例如可以使用如下方法：针对特征的每一种类，使用在一时刻前由自身位置推断部13推断出的自身车辆v0在高精度地图2上的位置将由特征检测部11检测到的特征的距传感器5的相对位置转换为高精度地图2上的位置，从记载在自身生成地图4中的特征当中将位置最近的作为对应特征。此外，在过去特征数据3中保存有纹理信息等关联用的信息的情况下，也可使用它来实施关联。
27.此外，特征匹配部12也可根据预先设定的与物体种类相应的使用期限来选择用于关联的特征。图7为表示与物体种类相应的使用期限的一例的图。此处，对应于建筑物、电线杆等认为时间变化较少的物体的使用期限设定得较长，对应于像树木那样认为时间变化较大的物体的使用期限设定得较短。由此，特征匹配部12仅将自身生成地图4中保存的各物体的测量日期时间与当前的日期时间的差在使用期限以内的物体用于关联。(自身位置推断部13的动作)接着，对自身位置推断部13中的处理的内容进行说明。自身位置推断部13根据传感器5的测量结果和特征匹配部12得到的特征的匹配结果来推断自身车辆位置姿态x。再者，在不存在自身生成地图4的区间内，也不存在特征的匹配结果，因此，在这样的区间内，自身位置推断部13仅根据传感器5的测量结果来推断自身车辆位置姿态x。
28.使用传感器5的测量结果的自身车辆位置姿态x的推断可以使用公知的各种方法。例如，可以根据传感器5的测量结果来检测高精度地图2中包含的白线2a、停止线2b、交通信号灯2c等地面标志并与高精度地图2上的地面标志加以关联，由此来推断高精度地图2上的自身车辆位置姿态x。例如，在使用单目摄像机或立体摄像机作为传感器5的情况下，地面标志的检测可以使用根据图像来检测地面标志的日本专利特开2009
‑
139306号公报中记载的方法。此外，地面标志的关联可以使用如下方法：针对地面标志的每一种类，使用在一时刻前由自身位置推断部13推断出的自身车辆v0在高精度地图2上的位置将检测到的地面标志距传感器的位置转换为高精度地图2上的位置，从高精度地图2上记载的地面标志当中将位置最近的作为对应地面标志。
29.在使用传感器5的测量结果的自身车辆位置姿态x的推断中使用上述的基于地面标志的检测和关联的方法的情况下，自身位置推断部13利用下式1来推断当前的自身车辆位置姿态x。
30.[式1]
[0031]
此处，l为关联后的地面标志的集合，l
i
为高精度地图2上的地面标志的位置，l'
i
(x)为根据自身车辆位置姿态x转换为高精度地图2上的位置后的检测到的地面标志的位置，f为由特征匹配部12关联后的特征的集合，f
i
为自身生成地图4上的特征的位置，f'
i
(x)为根据自身车辆位置姿态x转换为自身生成地图4上的位置后的由特征检测部11检测到的特征的位置。此外，ω
li
、ω
fi
表示权重，d(a,a')表示a与a'之间的距离。此处，在a及a'表示为三维空间中的点的情况下，d(a,a')为2点间的距离。此外，在a及a'表示为三维空间中的线的情况下，例如将从以一定间隔配置在一条线上的采样点下划到另一条线的垂线的长度的平均作为距离。
[0032]
此处，在式1的优化中也可使用公知的误对应去除方法将地面标志的关联、特征匹
配部12中的特征的关联中包含的误对应去除掉。例如，可以使用根据随机采样来去除误对应的m.a.fischler and r.c.bolles,random sample consensus:a paradigm for model fitting with applications to image analysis and automated cartography,communications of the acm,vol.24,no.6,pp.381
‑
395,1981.。
[0033]
此外，也可使用gnss、道路上设置的信标等能够测量自身车辆位置姿态x的传感器作为传感器5。在该情况下，自身位置推断部13利用下式2来推断当前的自身车辆位置姿态x。
[0034]
[式2]
[0035]
此处，x
s
表示利用gnss或信标测量出的高精度地图2上的自身车辆位置姿态，ω
x
表示权重。(低精度区间检测部14的动作)接着，使用图8，对低精度区间检测部14中的处理的内容进行说明。低精度区间检测部14根据自身位置推断部13所推断出的自身车辆位置姿态x来检测自身车辆位置姿态x的推断精度较低的区间。
[0036]
图8为表示自身位置推断部13所推断出的高精度地图2上的自身车辆位置p的一例的图。该例展示了如下状况：在图2所示的环境下，根据地面标志与图3所示的高精度地图2的关联来推断自身车辆位置p，结果，时刻t1的自身车辆位置p1与紧随其后的时刻t2的自身车辆位置p2之间的距离δ异常地大，推断出的自身车辆位置p发生了不连续。发生该不连续的原因在于，停止线2b的检测失败，结果，时刻t1之前无法修正自身车辆位置p的误差，相对于此，时刻t2之后，可以通过与右转后检测到的白线2a的关联来修正自身车辆位置p，其推断精度有了提高。
[0037]
如此，在时刻t1、t2的自身车辆位置p1、p2之间的距离δ为预先设定的阈值以上时，低精度区间检测部14可以将时刻t1之前的区间检测为低精度区间。(自身地图生成部15的动作)接着，使用图9，对自身地图生成部15中的处理的内容进行说明。自身地图生成部15根据过去特征数据3和自身位置推断部13所推断出的自身车辆位置姿态x来生成低精度区间检测部14所检测到的推断精度较低的区间内的自身生成地图4。再者，自身地图生成部15无须实时生成自身生成地图4，可在计算机的处理负荷较少的时刻实施地图生成处理。此外，在本实施例中，所谓自身地图生成部15中的自身生成地图4的生成这一概念，不仅包括新生成自身生成地图4的处理，还包括现有的自身生成地图4及高精度地图2的内容的修正处理。
[0038]
自身地图生成部15的处理由过去的自身车辆位置姿态x'的推断处理和特征数据在地图上的配置处理构成。
[0039]
首先，在过去的自身车辆位置姿态x'的推断处理中，自身地图生成部15根据过去特征数据3和自身位置推断部13所推断出的自身车辆位置姿态x来推断在测量出过去特征数据3时的自身车辆位置姿态x'。图9为表示根据自身地图生成部15所推断出的过去的自身车辆位置姿态x'而确定的过去的自身车辆位置p'的一例的图。过去的自身车辆位置姿态x'
的推断可以利用各种方法，例如可利用下式3来推断时刻t1之前的任意时刻t的自身车辆位置姿态x'。
[0040]
[式3]x
′
t
＝x
t
(x
t2
‑
x
t1
)
ꢀꢀꢀ…
(式3)
[0041]
此处，x'
t
为自身地图生成部15要推断的时刻t上的自身车辆位置姿态，x
t
、x
t1
、x
t2
为自身位置推断部13所推断出的时刻t、t1、t2的自身车辆位置姿态。
[0042]
此外，过去的自身车辆位置姿态x'的推断处理可根据过去特征数据3而通过公知方法来推断相对于时刻t2的自身车辆位置姿态x的时刻t1之前的时刻的相对的自身车辆位置姿态x'，并用于过去的自身车辆位置姿态x'的推断。例如，可以使用根据图像来推断拍摄到图像时的摄像机的相对位置姿态的structure
‑
from
‑
motion法。根据推断出的相对自身车辆位置姿态，利用下式4来推断过去的自身车辆位置姿态x'。
[0043]
[式4]x
′
t
＝y
t2，t
x
t2
ꢀꢀꢀ…
(式4)
[0044]
此处，y
t2,t
表示根据过去特征数据3推断出的相对于时刻t2的自身车辆位置姿态x的任意时刻t的相对自身车辆位置姿态。由此，相较于自身位置推断部13中使用的自身车辆位置姿态推断方法而言，通过使用虽需要计算时间但能高精度地推断相对的自身车辆位置姿态的方法，可以更高精度地推断过去的自身车辆位置姿态x'。
[0045]
接着，在特征数据向地图上的配置处理中，自身地图生成部15根据推断出的过去的自身车辆位置姿态x'和过去特征数据3将特征数据配置到与高精度地图2相同的坐标系中，生成或更新自身生成地图4。图6为表示自身生成地图4的一例的图。如此，根据推断出的过去的自身车辆位置姿态x'将过去特征数据3中保存的相对于传感器5的三维位置转换为高精度地图2上的三维位置，并与物体种类一并保存。此处，像图5中例示过的那样，在过去特征数据3中，在多个时刻测量到相同物体，因此，相同物体种类而且是高精度地图2上的位置较近的数据例如可通过保存多个三维位置的平均而归纳为一个物体。此外，自身生成地图4中还保存测量出各物体的日期时间。(效果)根据上述实施例1的自身位置推断装置1，获得以下效果。
[0046]
(1)自身位置推断装置1具备特征检测部11、特征匹配部12、自身位置推断部13、低精度区间检测部14以及自身地图生成部15。特征检测部11根据对自身车辆v0周围环境进行测量的传感器5的测量结果来检测特征性信息，并保存为过去特征数据3。特征匹配部12将特征检测部11检测到的特征与自身生成地图4中保存的特征加以关联。自身位置推断部13根据传感器5的测量结果和特征匹配部12得到的特征的匹配结果来推断自身车辆位置姿态。低精度区间检测部14根据自身位置推断部13所推断出的自身车辆位置姿态来检测自身车辆位置姿态的推断精度较低的区间。自身地图生成部15根据过去特征数据3和自身位置推断部13所推断出的自身车辆位置姿态来生成低精度区间检测部14所检测到的自身车辆位置姿态的推断精度较低的区间的自身生成地图4(图1)。因此，通过使用自身生成地图4，能够在不使用由驾驶员驾驶的先导车辆和昂贵的高精度gnss接收器的情况下高精度地推断在包含车道中心线、停止线、交通规则等信息的高精度地图上的自身车辆位置姿态。
[0047]
(2)低精度区间检测部14根据自身位置推断部13所推断出的自身车辆位置姿态，在高精度地图2上的自身车辆位置的时间变化较大时，将时间变化较大的点之前检测为自身车辆位置姿态的推断精度较低的区间(图8)。因此，能够通过简易处理来检测自身车辆位置姿态的推断精度较低的区间。
[0048]
(3)自身地图生成部15仅针对低精度区间检测部14所检测到的自身车辆位置姿态的推断低精度较低的区间来生成自身生成地图4(图9)。因此，能够削减处理负荷以及存储区域的使用量。
[0049]
(4)自身地图生成部15在处理负荷较少的时刻进行动作来生成自身生成地图4。因此，能够通过处理比执行实时处理的情况下多的数据而高精度地推断过去的自身车辆位置姿态，使得自身生成地图4的精度提高，由此，能够高精度地推断自身车辆位置姿态。
[0050]
(5)特征检测部11检测未包含在高精度地图2中物体(图4a、图4b、图5)。自身地图生成部15根据推断出的过去的自身车辆位置p'将特征检测部11所检测到的物体保存为自身生成地图4。特征匹配部12将特征检测部11所检测到的特征与自身生成地图4中包含的特征加以关联。自身位置推断部13根据传感器5的测量结果和特征匹配部12得到的特征的匹配结果来推断自身车辆位置姿态。因此，通过使用未包含在高精度地图2中的物体的信息，能以精度比仅基于与高精度地图的匹配的自身车辆位置推断方法高的方式推断自身车辆位置姿态。
[0051]
(6)特征匹配部12根据特征检测部11所检测到的物体的种类和制作出自身生成地图4的日期时间，针对物体的每一种类而决定是否用于关联(图7)。因此，即便是树木等时间变化较大的物体，在制作出自身生成地图4起的时间经过较小的情况下也会用于自身车辆位置姿态的推断，由此，能用于自身车辆位置姿态的推断的信息增多，从而能更高精度地推断自身车辆位置姿态。实施例2
[0052]
接着，参考图10、图11，对本发明的实施例2的自动驾驶系统进行说明。再者，在以下的说明中，对与实施例1相同的构成要素标注相同符号而主要对不同点进行说明。不特别说明的内容则与实施例1相同。在本实施例中，以使用自身位置推断装置1的自动驾驶系统7为对象。(功能块构成)图10为自身车辆v0上搭载的本实施例的自动驾驶系统7的框图。如此处所示，自动驾驶系统7具备实施例1中说明过的自身位置推断装置1、路径计划部71、显示部72以及车辆控制部73。再者，自身位置推断装置1、路径计划部71以及车辆控制部73可由车辆上搭载的称为ecu(electronic control unit，电子控制单元)的一个计算机来实现。
[0053]
像实施例1中也说明过的那样，自身位置推断装置1在不使用昂贵的高精度gnss接收器的情况下推断在高精度地图2上的自身车辆位置姿态x。另一方面，路径计划部71根据自身位置推断装置1的输出、高精度地图2以及从用户输入的目的位置g来计划当前位置起到目的位置g为止的路径r。显示部72将路径计划部71计划出的路径r显示给用户。传感器5测量自身车辆v0周围和内部的状态并输出至自身位置推断装置1和车辆控制部73。车辆控制部73根据自身位置推断装置1所推断出的自身车辆位置姿态、路径计划部71计划出的路径r以及传感器5的测量结果来决定自身车辆v0的速度和操舵量，并输出至自身车辆v0的执
行器。由此实现自身车辆v0的自动驾驶。(路径计划部的动作)接着，使用图11，对路径计划部71中的处理的内容进行说明。路径计划部71根据自身位置推断装置1的输出、高精度地图2以及从用户输入的目的位置g来计划当前位置起到目的位置g为止的路径r。
[0054]
图11为表示路径计划部71的动作的一例的图。在路径计划部71中，需要参考大范围的信息，因此以节点n和边缘e来简易表现高精度地图2。节点n表示路口等道路的分岔。边缘e表示连接节点n彼此的道路，除了设定有基于高精度地图2中包含的信息的通过成本c2(图11中方框内的数字)以外，还设定有基于自身位置推断装置1的输出的通过成本c1(图11中三角框内的数字)。此外，当前位置p由自身位置推断装置1加以推断，目的位置g由用户输入。
[0055]
例如，就基于自身位置推断装置1的输出的通过成本c1而言，可对低精度区间检测部14所检测到的低精度区间设定高的通过成本c1。具体而言，用于低精度区间的检测的时刻t2与时刻t1之间的自身车辆位置p的差(图8中例示过的距离δ)越大，便设定越大的通过成本c1。此外，基于自身位置推断装置1的输出的通过成本c1例如也可根据过去行驶时的自身位置推断部13的结果来决定。具体而言，在上述式1或式2的残差较大的情况下，判断自身车辆位置姿态x的精度较低，从而增大通过成本c1。此外，在式1或式2的残差较小的情况下，判断自身车辆位置姿态x的精度较高，从而减小通过成本c1。此外，对于过去未行驶过的边缘e，不设定通过成本c1。
[0056]
路径计划部71根据高精度地图2的信息、当前位置s以及目的位置g而通过戴克斯特拉法等公知的路径计划法来计划合计通过成本达到最小的路径r。此处，在以往的路径计划方法中，只考虑基于高精度地图2中包含的信息的通过成本c2，因此，在图11的例子中选择合计通过成本更小的通过节点n1、n3、n4的路径r2。另一方面，在本实施例的路径计划部71中，除了基于高精度地图2中包含的信息的通过成本c2以外还考虑基于自身位置推断装置1的输出的通过成本c1，因此选择合计通过成本更小的通过节点n1、n2、n4的路径r1。(显示部的动作)显示部72将路径计划部71计划出的路径r显示给用户。显示部72与普通的汽车导航系统一样将路径计划部71计划出的路径r通过画面等显示给用户。此处，在路径计划部71所算出的路径r与仅根据基于高精度地图2中包含的信息的通过成本c2算出的路径r2不一样的情况下，使用颜色、文字、其他呈现手段向用户显示通过考虑基于自身位置推断装置1的输出的通过成本c1而计划出了路径r1这一内容。(车辆控制部73的动作)车辆控制部73根据自身位置推断装置1推断出的自身车辆位置姿态x、路径计划部71计划出的路径r以及传感器5的测量结果来决定自身车辆v0的速度和操舵量，并输出至用于控制速度和操舵量的执行器。
[0057]
此处，可以通过公知的控制方法而根据路径r和传感器5的测量结果来决定自身车辆v0的速度和操舵量。在车辆控制部73中，除了公知方法还根据自身位置推断装置1的输出来决定速度和操舵量。具体而言，在低精度区间检测部14所检测到的低精度区间内行驶的情况下，相较于平常行驶时而言减小速度和操舵量。此外，在不存在自身生成地图4的区间
内行驶的情况下，有自身车辆位置姿态的精度降低之虞，因此相较于平常行驶时而言减小速度和操舵量。(效果)根据上述实施例2，获得以下效果。(1)路径计划部71考虑基于高精度地图2中包含的信息的通过成本c2和基于自身位置推断装置1的输出的通过成本c1两方来计划路径(图10)。关于通过成本c1，对低精度区间检测部14检测到的低精度区间或者自身位置推断部13推断出的自身车辆位置姿态的精度较低的区间设定较大的值。因此，通过选择自身位置推断装置1对自身车辆位置姿态x的推断精度较高的路径r，能够实现更顺畅的自动驾驶。(2)在路径计划部71所算出的路径r与仅根据基于高精度地图2中包含的信息的通过成本c2算出的路径r2不一样的情况下，显示部72使用颜色、文字、其他呈现手段向用户显示通过考虑基于自身位置推断装置1的输出的通过成本c1而计划出了路径r这一内容。因此，通过在通过与普通的汽车导航系统不一样的路径的情况下向用户呈现理由，能够消除用户的不安。(3)车辆控制部73根据自身位置推断装置1的输出来决定速度和操舵量，在低精度区间检测部14所检测到的低精度区间或者不存在自身生成地图4的区间内行驶的情况下，相较于平常行驶时而言减小速度和操舵量。因此，即便在自身车辆位置姿态推断的精度降低的情况下，由于速度和操舵量较小，因此能实现顺畅的自动驾驶。此外，由于速度和操舵量较小，因此自身地图生成部15中的利用过去特征数据3的相对位置姿态的推断精度变得更高，可以制作高精度的自身生成地图4。实施例3
[0058]
接着，参考图12，对本发明的实施例3的自身生成地图共享装置和自身生成地图共享系统进行说明。再者，在以下的说明中，对与上述实施例相同的构成要素标注相同符号而主要对不同点进行说明。不特别说明的内容则与上述实施例相同。在本实施例中，以如下自身生成地图共享系统为对象：在多个车辆各方上搭载在自身位置推断装置1中加入了收发自身生成地图4的功能的带通信功能自身位置推断装置8，而且配备有自身生成地图共享装置9，所述自身生成地图共享装置9将从各车辆上搭载的带通信功能自身位置推断装置8发送的自身生成地图4进行统合而作为共享自身生成地图4a进行管理。(功能块构成)图12为本实施例的自身生成地图共享系统的框图。如此处所示，自身生成地图共享系统是经由网络85将多个带通信功能自身位置推断装置8与自身生成地图共享装置9连接而成的系统。
[0059]
带通信功能自身位置推断装置8是配备有实施例1中说明过的自身位置推断装置1和收发部81的装置，搭载于每一车辆上。
[0060]
此外，自身生成地图共享装置9具备收发部91、共享自身生成地图管理部92以及高精度地图维护信息生成部93，进而保持有后文叙述的共享自身生成地图4a。该自身生成地图共享装置9例如设置在服务器内。
[0061]
在这样的构成的自身生成地图共享系统中，带通信功能自身位置推断装置8将自身位置推断装置1所生成的自身生成地图4经由网络85发送至自身生成地图共享装置9。此
外，带通信功能自身位置推断装置8将经由网络85从自身生成地图共享装置9接收到的共享自身生成地图4a作为自身生成地图4保存至自身位置推断装置1。
[0062]
另一方面，自身生成地图共享装置9的收发部91将经由网络85从带通信功能自身位置推断装置8接收到的自身生成地图4输出至共享自身生成地图管理部92和高精度地图维护信息生成部93。此外，将共享自身生成地图4a经由网络85发送至带通信功能自身位置推断装置8。
[0063]
共享自身生成地图管理部92将从多个带通信功能自身位置推断装置8接收到的自身生成地图4进行统合来生成共享自身生成地图4a。处理的详情于后文叙述。
[0064]
高精度地图维护信息生成部93根据经由网络85接收到的多个自身生成地图4来生成用于高精度地图2的维护的信息。处理的详情于后文叙述。(共享自身生成地图管理部92的动作)共享自身生成地图管理部92将接收到的多个自身生成地图4进行统合来生成共享自身生成地图4a。具体而言，在多个自身生成地图4中存在距离为阈值以下且种类相同的物体的情况下，共享自身生成地图管理部92将其作为以这些三维位置的平均为三维位置的1个物体保存至共享自身生成地图4a。此外，也可仅将与某一区域相对应的多个自身生成地图4中包含的物体当中测量日期时间最新的自身生成地图4中包含的信息保存至共享自身生成地图4a。(高精度地图维护信息生成部的动作)高精度地图维护信息生成部93根据接收到的多个自身生成地图4来生成用于高精度地图2的维护的信息。具体而言，在与某一区域相对应的多个自身生成地图4中包含物体的情况下，多个车辆在自身位置推断中发生了不连续，因此判断高精度地图2中信息不足或者高精度地图2中包含的信息发生了变化，从而判断需要该区域的再测量等维护。(效果)根据上述实施例3，获得以下效果。(1)带通信功能自身位置推断装置8具备收发部81，自身生成地图共享装置9具备收发部91和共享自身生成地图管理部92。共享自身生成地图管理部92将接收到的多个自身生成地图4进行统合来生成共享自身生成地图4a。因此，通过使用共享自身生成地图4a，带通信功能自身位置推断装置8能够高精度地推断自身车辆位置姿态。此外，通过接收共享自身生成地图4a，即便在自身车辆v0过去没有行驶过的地方也能参考自身生成地图4，从而能高精度地推断自身车辆位置姿态。(2)在多个自身生成地图4中存在距离为阈值以下且种类相同的物体的情况下，共享自身生成地图管理部92将其作为以这些三维位置的平均为三维位置的1个物体保存至共享自身生成地图4a。因此，自身生成地图4的精度提高，由此能高精度地推断自身车辆位置姿态。(3)共享自身生成地图管理部92针对高精度地图2上的某一区域将多个自身生成地图4中包含的物体当中测量日期时间最新的自身生成地图4中包含的物体保存至共享自身生成地图4a。因此，通过使用最新的自身生成地图4，即便在环境出现变化的情况下也能高精度地推断自身车辆位置姿态。(4)高精度地图维护信息生成部93根据从多个带通信功能自身位置推断装置8接
收到的自身生成地图4来检测高精度地图2中信息不足或者高精度地图2中包含的信息发生了变化的区域。因此，能高效地实施高精度地图2的维护。(实施例3的变形例)在上述自身生成地图共享系统中，经由网络85来收发自身生成地图4。但带通信功能自身位置推断装置8与自身生成地图共享装置9之间收发的数据并不限定于此。
[0065]
例如，也可为带通信功能自身位置推断装置8发送低精度区间检测部14所检测到的低精度区间，自身生成地图共享装置9对其进行接收。在该情况下，高精度地图维护信息生成部93在针对高精度地图2上的某一区域而从多个带通信功能自身位置推断装置8接收到相应区间为低精度区间这一信息时，判断高精度地图2中信息不足或者高精度地图2中包含的信息发生了变化，从而判断需要该区域的再测量等维护。
[0066]
根据该变形例，获得以下作用效果。即，带通信功能自身位置推断装置8以及自身生成地图共享装置9仅收发低精度区间检测部14检测到的低精度区间，因此能以低通信量高效地实施高精度地图2的维护。
[0067]
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。在本发明的技术思想的范围内思索的其他形态也包含在本发明的范围内。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。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。符号说明
[0068]1…
自身位置推断装置、11
…
特征检测部、12
…
特征匹配部、13
…
自身位置推断部、14
…
低精度区间检测部、15
…
自身地图生成部、2
…
高精度地图、3
…
过去特征数据、4
…
自身生成地图、5
…
传感器、4a
…
共享自身生成地图、7
…
自动驾驶系统、71
…
路径计划部、72
…
显示部、73
…
车辆控制部、8
…
带通信功能自身位置推断装置、81
…
收发部、9
…
自身生成地图共享装置、91
…
收发部、92
…
共享自身生成地图管理部、93
…
高精度地图维护信息生成部。