特許ウォッチ

公開番号2024154715
公報種別公開特許公報(A)
公開日2024-10-31
出願番号2023068694
出願日2023-04-19
発明の名称車両位置推定方法、プログラム、車両位置推定装置、自律移動体、及び機械学習モデルの学習方法
出願人国立大学法人金沢大学
代理人個人
主分類G01C 21/30 20060101AFI20241024BHJP(測定;試験)
要約【課題】観測画像において区画線などの路面標示を認識できる尤度を示す信頼度を容易かつ精度良く出力することができる車両位置推定方法などを提供する。
【解決手段】車両位置推定方法は、自車両の位置を推定する車両位置推定方法であって、自車両が走行する道路の画像を含む第一観測画像を取得する第一観測画像取得ステップS10と、第一観測画像に対応する地図画像を取得する地図画像取得ステップS30と、第一観測画像及び地図画像に基づいて、第一観測画像における道路の路面標示が認識できる尤度を示す信頼度を出力する信頼度出力ステップS40と、第一観測画像、地図画像、及び信頼度を用いて自車両の位置を推定する推定ステップS50とを含み、信頼度出力ステップS40において、第一観測画像及び地図画像が入力され、信頼度を推定する、学習済みの機械学習モデルを用いて信頼度を出力する。
【選択図】図7
特許請求の範囲【請求項１】
自車両の位置を推定する車両位置推定方法であって、
前記自車両が走行する道路の画像を含む第一観測画像を取得する第一観測画像取得ステップと、
前記第一観測画像に対応する地図画像を取得する地図画像取得ステップと、
前記第一観測画像及び前記地図画像に基づいて、前記第一観測画像における前記道路の路面標示が認識できる尤度を示す信頼度を出力する信頼度出力ステップと、
前記第一観測画像、前記地図画像、及び前記信頼度を用いて前記自車両の位置を推定する推定ステップとを含み、
前記信頼度出力ステップにおいて、前記第一観測画像及び前記地図画像が入力され、前記信頼度を推定する、学習済みの機械学習モデルを用いて前記信頼度を出力する
車両位置推定方法。
続きを表示（約 1,400 文字）【請求項２】
前記信頼度は、３段階以上のレベルで表される
請求項１に記載の車両位置推定方法。
【請求項３】
前記自車両が走行する前記道路の画像を含む第二観測画像を取得する第二観測画像取得ステップを含み、
前記第一観測画像取得ステップにおいて、ＬｉＤＡＲ（Light Detection and Ranging）によって前記第一観測画像を取得し、
前記第二観測画像取得ステップにおいて、ミリ波レーダによって前記第二観測画像を取得し、
前記推定ステップにおいて、前記第一観測画像、前記第二観測画像、及び前記信頼度を用いて前記自車両の位置を推定する
請求項１又は２に記載の車両位置推定方法。
【請求項４】
前記推定ステップにおいて、
前記第一観測画像に基づく前記自車両の推定位置である第一推定位置、及び、前記第二観測画像に基づく前記自車両の推定位置である第二推定位置に、前記信頼度に基づく重み付けを行うことで、前記自車両の位置を推定する
請求項３に記載の車両位置推定方法。
【請求項５】
前記機械学習モデルは、
前記第一観測画像の特徴点である第一特徴点を抽出する第一抽出部と、
前記地図画像の特徴点である第二特徴点を抽出する第二抽出部とを有する
請求項１又は２に記載の車両位置推定方法。
【請求項６】
前記機械学習モデルは、
前記第一特徴点と前記第二特徴点との一致度に基づいて前記信頼度を算出する算出部を有する
請求項５に記載の車両位置推定方法。
【請求項７】
請求項１又は２に記載の車両位置推定方法をコンピュータに実行させるための
プログラム。
【請求項８】
自車両の位置を推定する車両位置推定装置であって、
前記自車両が走行する道路の画像を含む第一観測画像を取得する第一取得部と、
前記第一観測画像に対応する地図画像を取得する地図画像取得部と、
前記第一観測画像及び前記地図画像に基づいて、前記第一観測画像における前記道路の路面標示が認識できる尤度を示す信頼度を出力する信頼度出力部と、
前記第一観測画像、前記地図画像及び前記信頼度を用いて前記自車両の位置を推定する推定部とを含み、
前記信頼度出力部は、前記第一観測画像及び前記地図画像が入力され、前記信頼度を推定する、学習済みの機械学習モデルを用いて前記信頼度を出力する
車両位置推定装置。
【請求項９】
請求項８に記載の車両位置推定装置と、
前記自車両の走行を制御する走行制御部とを備える
自律移動体。
【請求項１０】
機械学習モデルの学習方法であって、
前記機械学習モデルは、自車両が走行する道路の画像を含む第一観測画像、及び、前記第一観測画像に対応する地図画像が入力され、前記第一観測画像における前記道路の路面標示が認識できる尤度を示す信頼度を推定し、
前記機械学習モデルの学習方法は、
前記第一観測画像、前記地図画像、及び、前記信頼度の教師データを準備する準備ステップと、
前記教師データを用いて前記機械学習モデルに学習させる学習ステップとを含む
機械学習モデルの学習方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、車両位置推定方法、プログラム、車両位置推定装置、自律移動体、及び機械学習モデルの学習方法に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
現在、自動車等の移動体の自動運転に関する研究が活発に進められている（特許文献１等参照）。移動体の自動運転において、移動体の位置を推定する必要がある。例えば、特許文献１には、撮像装置によって取得された観測画像に基づいて自車両の位置を推定する技術が記載されている。特許文献１に記載された技術においては、観測画像に含まれる区画線と、当該観測画像に対応する地図画像に含まれる区画線とを検出し、それらの区画線の一致度に基づいて、推定した位置の信頼性を評価している。これにより、特許文献１に記載された技術では、信頼性の低い観測画像に基づく位置推定を回避しようとしている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－２６９８５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１に記載された発明においては、取得された観測画像及び地図画像から区画線を検出する必要がある。また、区画線の検出において、例えば、路面に線状に残った積雪などを区画線として誤検出するおそれがある。
【０００５】
そこで、本発明は、観測画像において区画線などの路面標示を認識できる尤度を示す信頼度を容易かつ精度良く出力することができる車両位置推定方法などを提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するために、本発明の一態様に係る車両位置推定方法は、自車両の位置を推定する車両位置推定方法であって、前記自車両が走行する道路の画像を含む第一観測画像を取得する第一観測画像取得ステップと、前記第一観測画像に対応する地図画像を取得する地図画像取得ステップと、前記第一観測画像及び前記地図画像に基づいて、前記第一観測画像における前記道路の路面標示が認識できる尤度を示す信頼度を出力する信頼度出力ステップと、前記第一観測画像、前記地図画像、及び前記信頼度を用いて前記自車両の位置を推定する推定ステップとを含み、前記信頼度出力ステップにおいて、前記第一観測画像及び前記地図画像が入力され、前記信頼度を推定する、学習済みの機械学習モデルを用いて前記信頼度を出力する。
【０００７】
また、上記目的を達成するために、本発明の一態様に係るプログラムは、上記車両位置推定方法をコンピュータに実行させるためのプログラムである。
【０００８】
また、上記目的を達成するために、本発明の一態様に係る車両位置推定装置は、自車両の位置を推定する車両位置推定装置であって、前記自車両が走行する道路の画像を含む第一観測画像を取得する第一取得部と、前記第一観測画像に対応する地図画像を取得する地図画像取得部と、前記第一観測画像及び前記地図画像に基づいて、前記第一観測画像における前記道路の路面標示が認識できる尤度を示す信頼度を出力する信頼度出力部と、前記第一観測画像、前記地図画像及び前記信頼度を用いて前記自車両の位置を推定する推定部とを含み、前記信頼度出力部は、前記第一観測画像及び前記地図画像が入力され、前記信頼度を推定する、学習済みの機械学習モデルを用いて前記信頼度を出力する。
【０００９】
また、上記目的を達成するために、本発明の一態様に係る自律移動体は、上記車両位置推定装置と、前記自車両の走行を制御する走行制御部とを備える。
【００１０】
また、上記目的を達成するために、本発明の一態様に係る機械学習モデルの学習方法は、機械学習モデルの学習方法であって、前記機械学習モデルは、自車両が走行する道路の画像を含む第一観測画像、及び、前記第一観測画像に対応する地図画像が入力され、前記第一観測画像における前記道路の路面標示が認識できる尤度を示す信頼度を推定し、前記機械学習モデルの学習方法は、前記第一観測画像、前記地図画像、及び、前記信頼度の教師データを準備する準備ステップと、前記教師データを用いて前記機械学習モデルに学習させる学習ステップとを含む。
（【００１１】以降は省略されています）

関連特許