JP2020076580A - 軸ずれ推定装置 - Google Patents

Abstract

【課題】車両に搭載されるセンサの軸ずれ量の推定精度を向上させる。【解決手段】車両に搭載される第１センサと第２センサは、車両の周囲の状況を認識し、且つ、それぞれの視野は少なくとも部分的に重なっている。軸ずれ推定装置は、第１センサによる物体の認識結果と第２センサによる物体の認識結果とを対比することによって、第１センサと第２センサとの間の軸ずれ量を推定する。このとき、軸ずれ推定装置は、軸ずれ量の推定精度の低下を招く物体が存在する可能性が高い領域を、マスク領域として設定する。例えば、マスク領域は、車線内の領域を含む。そして、軸ずれ推定装置は、マスク領域以外の領域に存在する物体を抽出する。軸ずれ推定装置は、このようにして抽出した物体の認識結果に基づいて、軸ずれ量を推定する。【選択図】図８

Description

本発明は、車両に搭載されるセンサの軸ずれ量を推定する軸ずれ推定装置に関する。

特許文献１は、複数のセンサ情報を組み合わせて障害物の認識を行う障害物認識装置を開示している。より詳細には、障害物認識装置は、カメラ、レーダ、及び補正手段を備えている。カメラは、障害物を撮像し、撮像結果を示す第１パラメータ情報を取得する。レーダは、障害物を計測し、計測結果を示す第２パラメータ情報を取得する。補正手段は、第１パラメータ情報と第２パラメータ情報に基づいて、カメラ又はレーダの方位角の軸ずれ量を算出する。そして、補正手段は、算出された軸ずれ量に基づいて、カメラ又はレーダの軸ずれを補正する。

特開２０１０−２４９６１３号公報

特許文献１によれば、カメラ及びレーダのそれぞれによって障害物が認識される。しかしながら、障害物の認識精度が低いと、軸ずれ量の推定精度も低くなる。推定される軸ずれ量が安定しない場合、信頼度の高い軸ずれ量を決定するまでの時間が長くなる。

本発明の１つの目的は、車両に搭載されるセンサの軸ずれ量の推定精度を向上させることができる技術を提供することにある。

本発明の１つの観点は、軸ずれ推定装置に関する。
軸ずれ推定装置は、車両に搭載される第１センサと第２センサとの間の軸ずれ量を推定する。
第１センサと第２センサは、車両の周囲の状況を認識し、且つ、それぞれの視野は少なくとも部分的に重なっている。
軸ずれ推定装置は、
第１センサによる認識結果を示す第１認識情報と、第２センサによる認識結果を示す第２認識情報と、車両の周囲の車線の配置を示す車線情報と、が格納される記憶装置と、
第１センサと第２センサとの間の軸ずれ量を推定するプロセッサと
を備える。
プロセッサは、
車線情報に基づいて、車線内の領域と車線の方向から導き出される領域のうち少なくとも一方を、マスク領域として設定し、
第１認識情報及び第２認識情報に基づいて、マスク領域以外の領域に存在する物体を抽出し、
第１センサによる物体の認識結果と第２センサによる物体の認識結果とを対比することによって、軸ずれ量を推定する。

本発明によれば、第１センサによる物体の認識結果と第２センサによる物体の認識結果とを対比することによって、軸ずれ量が推定される。但し、全ての物体が無条件に用いられるわけではない。軸ずれ量の推定精度の低下を招く物体が存在する可能性が高い領域が、マスク領域として設定される。そして、マスク領域以外の領域に存在する物体が軸ずれ量の推定に用いられる。その結果、軸ずれ量の推定精度が向上する。推定される軸ずれ量が安定するため、信頼度の高い軸ずれ量を早期に決定することが可能となる。

本発明の実施の形態に係る車両に搭載されるセンサを説明するための概念図である。 比較例に係る軸ずれ推定処理の概要を説明するための概念図である。 比較例に係る軸ずれ推定処理の概要を説明するための概念図である。 比較例に係る軸ずれ推定処理の概要を説明するための概念図である。 本発明の実施の形態に係るマスク領域の第１の例を説明するための概念図である。 本発明の実施の形態に係るマスク領域の第２の例を説明するための概念図である。 本発明の実施の形態に係るマスク領域の第２の例を説明するための概念図である。 本発明の実施の形態に係る軸ずれ推定処理を説明するための概念図である。 本発明の実施の形態に係る軸ずれ推定処理を説明するための概念図である。 本発明の実施の形態に係る軸ずれ推定装置の構成例を示すブロック図である。 本発明の実施の形態に係る運転環境取得装置と運転環境情報の例を示すブロック図である。 本発明の実施の形態に係る軸ずれ推定装置のプロセッサによる処理を示すフローチャートである。

添付図面を参照して、本発明の実施の形態を説明する。

１．車両に搭載されるセンサ
図１は、本実施の形態に係る車両１に搭載されるセンサを説明するための概念図である。車両１は、自動運転を行う機能を有している。自動運転を行うためには、車両１の周囲の状況を認識する必要がある。そのために、車両１は、車両１の周囲の状況を認識（検出）するためのセンサを備えている。より詳細には、センサは、第１センサ１０と第２センサ２０を含んでいる。

第１センサ１０は、カメラ、ライダー（LIDAR: Laser Imaging Detection and Ranging）、及びレーダのうちのいずれかである。カメラは、車両１の周囲を撮像する。カメラは、例えばステレオカメラである。ライダー及びレーダは、電磁波（レーザ光、電波）を照射し、その反射波に基づいて物体を検出するアクティブセンサである。例えば、ライダーは、複数の方向に向けてレーザ光を順次出力（走査）し、反射光の受光状態に基づいて反射点の距離及び方向を算出することができる。

第２センサ２０も、カメラ、ライダー、及びレーダのうちいずれかである。但し、第１センサ１０と第２センサ２０は、一体ではなく、別々に設置されている。

第１センサ１０と第２センサ２０のそれぞれの視野は、少なくとも部分的に重なっている。従って、第１センサ１０と第２センサ２０によって同一の物体が認識される場合もある。第１センサ１０と第２センサ２０によって認識される２つの物体が所定の条件を満たす場合、それら２つの物体は同一物体として統合される。このような処理は、「フュージョン処理」と呼ばれる。フュージョン処理は、自動運転制御において利用される。

ここで、座標系について定義する。「第１座標系」は、第１センサ１０に固定されたセンサ座標系である。第１座標系は、互いに直交するＸ１軸、Ｙ１軸、及びＺ１軸で表される。例えば、Ｘ１軸は、車両１の前後方向と平行である。典型的には、Ｘ１軸は、カメラの場合はその光軸、ライダーやレーダの場合は走査範囲の中心軸と一致する。Ｙ１軸は、車両１の横方向と平行である。Ｚ１軸は、鉛直方向と平行である。

「第２座標系」は、第２センサ２０に固定されたセンサ座標系である。第２座標系は、互いに直交するＸ２軸、Ｙ２軸、及びＺ２軸で表される。例えば、Ｘ２軸は、車両１の前後方向と平行である。典型的には、Ｘ２軸は、カメラの場合はその光軸、ライダーやレーダの場合は走査範囲の中心軸と一致する。Ｙ２軸は、車両１の横方向と平行である。Ｚ２軸は、鉛直方向と平行である。

第１センサ１０の姿勢が変化すると、第１座標系の方向が変化する。第２センサ２０の姿勢が変化すると、第２座標系の方向が変化する。このような変化は、以下「軸ずれ」と呼ばれる。軸ずれは、経年変化、センサと物体との接触、等によって発生し得る。軸ずれ量は、軸ずれの大きさである。本実施の形態では、軸ずれ量は、第１座標系と第２座標系との間の方向のずれの大きさで表される。物体認識処理やフュージョン処理を精度良く実施するためには、軸ずれ量を把握しておく必要がある。

本実施の形態は、第１センサ１０（第１座標系）と第２センサ２０（第２座標系）との間の軸ずれ量を精度良く推定するための手法を提案する。軸ずれ量を推定する処理は、以下「軸ずれ推定処理」と呼ばれる。以下、軸ずれ推定処理について詳しく説明する。

２．軸ずれ推定処理
２−１．比較例
まず、比較例について説明する。図２は、比較例に係る軸ずれ推定処理の概要を説明するための概念図である。車両１は、車線ＬＡ内に存在している。車線ＬＡは、車両が走行する走路である。車線境界ＬＢは、車線ＬＡと路肩との間の境界である。車線ＬＡは、左側と右側の車線境界ＬＢに挟まれた領域である。

軸ずれ推定処理には、第１センサ１０と第２センサ２０のそれぞれによる物体認識（物体検出）の結果が利用される。図２には、認識される物体として、他車両２と道路構造物３が例示されている。他車両２は、車線ＬＡ内を走行している。道路構造物３としては、ガードレールや壁が例示される。典型的には、道路構造物３は、車線ＬＡの外側の領域において車線ＬＡ（車線境界ＬＢ）に沿って配置されている。図３に示される例では、車両１の左側と右側に道路構造物３Ｌ、３Ｒがそれぞれ存在している。

図３は、第１センサ１０と第２センサ２０のそれぞれによる物体認識の結果の例を概念的に示している。第１点群ＰＣ１は、第１センサ１０によって検出される物体の表面上の点群である。第１点群ＰＣ１の位置は、第１座標系において定義される。第２点群ＰＣ２は、第２センサ２０によって検出される物体の表面上の点群である。第２点群ＰＣ２の位置は、第２座標系において定義される。そして、第１点群ＰＣ１と第２点群ＰＣ２との間の位置誤差が最小となるように、第１座標系と第２座標系の少なくとも一方の座標変換が行われる。位置誤差が最小となる場合の第１座標系と第２座標系との間の方向のずれは、角度δで表される。この角度δが軸ずれ量δとして推定される。

但し、軸ずれ推定処理に用いるには不適切な物体も存在する。例えば、図２で示された他車両２等の移動物体が用いられる場合、軸ずれ量δの推定精度が低下するおそれがある。何故なら、移動物体が移動すると、第１センサ１０と第２センサ２０との間の計測タイミングの差分だけ、移動物体の検出位置がずれるからである。

他の例として、第１センサ１０と第２センサ２０の少なくとも一方が、アクティブセンサ（ライダー、レーダ）である場合を考える。アクティブセンサの場合、反射波の強度が弱くなるほど、検出物体の位置精度は低下する。つまり、反射率の低い反射点の位置精度は低い。例えば、図２中の右側の道路構造物３Ｒ上の点ＰＸについて考える。アクティブセンサから照射された電磁波の点ＰＸに対する入射角は小さく、点ＰＸでの反射率は低い。そのため、点ＰＸの位置精度は低い。そのような点ＰＸが軸ずれ推定処理に用いられると、軸ずれ量δの推定精度が低下する。

このように、不適切な物体が軸ずれ推定処理に用いられると、軸ずれ量δの推定精度が低下する。推定される軸ずれ量δが安定しない場合、信頼度の高い軸ずれ量δを決定するまでの時間が長くなる。

図４は、軸ずれ量δの推定精度が低い場合を示している。横軸は、時間を表し、縦軸は、推定される軸ずれ量δを表している。信頼度の高い軸ずれ量δを決定するために、軸ずれ量δは、繰り返し推定され、蓄積される。図４には、一定期間において推定された複数の軸ずれ量δの平均値μ及び標準偏差σも示されている。

図４に示される例では、推定される軸ずれ量δは安定しておらず、そのばらつきは大きい。推定される軸ずれ量δが安定しない状況では、軸ずれ量δを１つに確定することもできない。例えば、軸ずれ量δを確定するための確定条件が、「一定期間における分散σ^２が閾値未満になること」であるとする。図４に示されるような状況では、確定条件が成立するまでの時間は長くなる。最悪の場合、確定条件がいつまでも成立せず、その結果、軸ずれ量δもいつまでも確定しない。軸ずれ量δが確定しないと、車両１の自動運転を開始することもできない。

２−２．本実施の形態に係る軸ずれ推定処理
そこで、本実施の形態によれば、推定精度の低下を招く物体が軸ずれ推定処理から除外される。そのために、「マスク領域ＭＳＫ」という概念が導入される。マスク領域ＭＳＫは、推定精度の低下を招く物体が存在する可能性が高い領域である。マスク領域ＭＳＫに含まれる物体を用いずに軸ずれ推定処理を実行することによって、軸ずれ量δの推定精度の低下が防止される。

図５は、マスク領域ＭＳＫの第１の例を説明するための概念図である。マスク領域ＭＳＫの第１の例は、車線ＬＡ内の領域である。車線ＬＡ内には、他車両２等の移動物体が存在する可能性が高い。従って、車線ＬＡ内の領域をマスク領域ＭＳＫとして設定することによって、移動物体をマスクすることが可能となる。その結果、移動物体に起因する推定精度の低下が防止される。車線ＬＡ内の領域を、以下、便宜上、「第１マスク領域ＭＳＫ１」と呼ぶ。

図６は、マスク領域ＭＳＫの第２の例を説明するための概念図である。マスク領域ＭＳＫの第２の例を、以下、便宜上、「第２マスク領域ＭＳＫ２」と呼ぶ。第２マスク領域ＭＳＫ２も、車線ＬＡに関連しており、特に車線ＬＡの方向から導き出される。

より詳細には、車線ＬＡの方向として、車線ＬＡと路肩との間の境界である車線境界ＬＢの方向を考える。図６に示されるように、車線境界ＬＢ上の点ＰＬ毎に角度θが定義される。角度θは、視線方向と接線方向とのなす角度である。視線方向は、第１センサ１０あるいは第２センサ２０から点ＰＬへの方向である。接線方向は、点ＰＬにおける車線境界ＬＢの接線の方向である。マスク区間ＭＳは、角度θが閾値θｔｈ未満である区間である。そして、第２マスク領域ＭＳＫ２は、マスク区間ＭＳの車線境界ＬＢに沿った領域であって、車線境界ＬＢからみて路肩側に位置する領域である。

図６から分かるように、上記のように定義された第２マスク領域ＭＳＫ２は、反射率の低い道路構造物３（例えば、図２中の点ＰＸを参照）をマスクすることができる可能性が高い。反射率の低い道路構造物３がマスクされると、推定精度の低下が防止される。

図７は、直線道路の場合の第２マスク領域ＭＳＫ２の設定例を示している。図７に示される例では、第２マスク領域ＭＳＫ２は、車両１から遠い位置の道路構造物３をマスクする。この場合も同様に、反射率の低い道路構造物３がマスクされ、推定精度の低下が防止される。

尚、第２マスク領域ＭＳＫ２は、第１センサ１０と第２センサ２０とで異なっていてもよい。例えば、第１センサ１０に関する第２マスク領域ＭＳＫ２は、第１センサ１０から点ＰＬへの方向を視線方向として用いることにより定義される。第２センサ２０に関する第２マスク領域ＭＳＫ２は、第２センサ２０から点ＰＬへの方向を視線方向として用いることにより定義される。また、第１センサ１０と第２センサ２０とで閾値θｔｈが異なっていてもよい。

図８は、図２で示された状況に第１マスク領域ＭＳＫ１及び第２マスク領域ＭＳＫ２が適用された場合を示している。第１マスク領域ＭＳＫ１によって、車線ＬＡ内の移動物体がマスクされる。また、第２マスク領域ＭＳＫ２によって、反射率の低い道路構造物３がマスクされる。すなわち、推定精度の低下を招く物体が軸ずれ推定処理から除外される。その結果、軸ずれ量δの推定精度が向上する。

本実施の形態によれば、第１マスク領域ＭＳＫ１と第２マスク領域ＭＳＫ２のうち少なくとも一方が、マスク領域ＭＳＫとして設定される。第１マスク領域ＭＳＫ１と第２マスク領域ＭＳＫ２のいずれか一方だけがマスク領域ＭＳＫとして設定される場合であっても、軸ずれ量δの推定精度が向上するという効果は得られる。

更に、第１センサ１０の視野外の領域及び第２センサ２０の視野外の領域が、マスク領域ＭＳＫとして設定されてもよい。

図９は、本実施の形態の効果を説明するための図であり、そのフォーマットは既出の図４と同じである。本実施の形態によれば、軸ずれ量δの推定精度が向上する。従って、推定される軸ずれ量δは安定し、そのばらつきは小さい。推定される軸ずれ量δが安定するため、信頼度の高い軸ずれ量δを早期に確定することが可能となる。その結果、車両１の自動運転を開始することができるまでの時間が短縮される。

以下、本実施の形態に係る軸ずれ推定処理を実現する軸ずれ推定装置について説明する。

３．軸ずれ推定装置
３−１．構成例
図１０は、本実施の形態に係る軸ずれ推定装置１００の構成例を示すブロック図である。軸ずれ推定装置１００は、例えば、車両１に搭載されている。軸ずれ推定装置１００は、第１センサ１０による認識結果を示す第１認識情報Ｄ１０を、第１センサ１０から受け取る。また、軸ずれ推定装置１００は、第２センサ２０による認識結果を示す第２認識情報Ｄ２０を、第２センサ２０から受け取る。

軸ずれ推定装置１００は、第１認識情報Ｄ１０及び第２認識情報Ｄ２０に基づいて、軸ずれ推定処理を行う。より詳細には、軸ずれ推定装置１００は、プロセッサ１１０、記憶装置１２０、及び運転環境取得装置１３０を備えている。

プロセッサ１１０は、軸ずれ推定処理を含む各種処理を実行する。例えば、プロセッサ１１０は、車両１の自動運転を制御するコントローラ（ECU: Electronic Control Unit）に含まれている。プロセッサ１１０が記憶装置１２０に格納された制御プログラムを実行することにより、プロセッサ１１０による各種処理が実現される。

記憶装置１２０には、第１認識情報Ｄ１０、第２認識情報Ｄ２０、車線情報Ｄ３０、及び運転環境情報Ｄ１３０が格納される。第１認識情報Ｄ１０は、第１センサ１０による認識結果を示す。第２認識情報Ｄ２０は、第２センサ２０による認識結果を示す。車線情報Ｄ３０は、車両１の周囲の車線ＬＡの配置を示す。車線ＬＡの配置とは、車線ＬＡの位置、形状、幅、等を含む概念である。運転環境情報Ｄ１３０は、車両１の運転環境を示す。

運転環境取得装置１３０は、運転環境情報Ｄ１３０を取得する運転環境取得処理を行う。運転環境取得処理を行うプロセッサは、上記のプロセッサ１１０と同じであってもよいし、別であってもよい。

図１１は、運転環境取得装置１３０と運転環境情報Ｄ１３０の例を示している。運転環境取得装置１３０は、車両位置センサ１３１、周辺状況センサ１３２、地図データベース１３３、及び通信装置１３４を含んでいる。運転環境情報Ｄ１３０は、車両位置情報Ｄ１３１、周辺状況情報Ｄ１３２、及び地図情報Ｄ１３３を含んでいる。

車両位置センサ１３１は、車両１の位置及び方位を検出し、車両１の位置及び方位を示す車両位置情報Ｄ１３１を取得する。例えば、車両位置センサ１３１は、ＧＰＳ（Global Positioning System）センサを含む。ＧＰＳセンサは、複数のＧＰＳ衛星から送信される信号を受信し、受信信号に基づいて車両１の位置及び方位を算出する。

周辺状況センサ１３２は、車両１の周囲の状況を検出し、車両１の周囲の状況を示す周辺状況情報Ｄ１３２を取得する。例えば、周辺状況センサ１３２は、カメラ、ライダー、及びレーダのうち少なくとも１つを含んでいる。周辺状況センサ１３２は、第１センサ１０や第２センサ２０と同じであってもよい。周辺状況情報Ｄ１３２は、カメラによる撮像結果を示す撮像情報、ライダーやレーダによる計測結果を示す計測情報のうち少なくとも一方を含んでいる。

地図データベース１３３には、地図情報Ｄ１３３が記録されている。地図情報Ｄ１３３は、車線ＬＡの配置に関する情報を含んでいる。運転環境取得装置１３０は、必要な範囲の地図情報Ｄ１３３を地図データベース１３３から取得する。地図データベース１３３が車両１の外部の管理サーバに格納されている場合、運転環境取得装置１３０は、通信装置１３４を介して管理サーバと通信を行い、管理サーバから必要な範囲の地図情報Ｄ１３３を取得する。

尚、地図情報Ｄ１３３が道路上の特徴物（例：白線、看板、ポール）の位置を含んでいる場合、運転環境取得装置１３０は、運転環境情報Ｄ１３０に基づいて周知の自己位置推定処理（localization）を行ってもよい。自己位置推定処理により、車両位置情報Ｄ１３１の精度が向上する。

３−２．処理フロー
図１２は、本実施の形態に係る軸ずれ推定装置１００のプロセッサ１１０による処理を示すフローチャートである。図１２に示される処理は、一定サイクル毎に繰り返し実行される。

ステップＳ１０において、プロセッサ１１０は、第１センサ１０から第１認識情報Ｄ１０を取得する。また、プロセッサ１１０は、第２センサ２０から第２認識情報Ｄ２０を取得する。また、プロセッサ１１０は、運転環境取得装置１３０から運転環境情報Ｄ１３０を取得する。プロセッサ１１０は、取得した情報を記憶装置１２０に格納する。

ステップＳ２０において、プロセッサ１１０は、車両１の周囲の車線ＬＡの配置を示す車線情報Ｄ３０を取得する。より詳細には、プロセッサ１１０は、運転環境情報Ｄ１３０に基づいて車線情報Ｄ３０を取得する。

例えば、地図情報Ｄ１３３は、車線ＬＡの配置に関する情報を含んでいる。従って、プロセッサ１１０は、車両位置情報Ｄ１３１に基づいて車両１の周辺の地図情報Ｄ１３３を取得し、その地図情報Ｄ１３３から車線情報Ｄ３０を取得することができる。

他の例として、プロセッサ１１０は、周辺状況情報Ｄ１３２（撮像情報や計測情報）に基づいて、車両１の周囲の白線を認識してもよい。この場合、プロセッサ１１０は、認識された白線の位置から車線ＬＡの配置を推定し、車線情報Ｄ３０を取得する。

ステップＳ３０において、プロセッサ１１０は、車線情報Ｄ３０に基づいて、車線ＬＡに関連するマスク領域ＭＳＫの設定を行う。マスク領域ＭＳＫは、第１マスク領域ＭＳＫ１（図５参照）と第２マスク領域ＭＳＫ２（図６、図７参照）のうち少なくとも一方を含む。

ステップＳ４０において、プロセッサ１１０は、マスク領域ＭＳＫ以外の第１認識情報Ｄ１０及び第２認識情報Ｄ２０に基づいて、軸ずれ量δを推定する。

より詳細には、プロセッサ１１０は、第１認識情報Ｄ１０及び第２認識情報Ｄ２０に基づいて、マスク領域ＭＳＫ以外の領域に存在する物体を抽出する。つまり、プロセッサ１１０は、物体抽出範囲からマスク領域ＭＳＫを除外することによって、物体抽出範囲を限定する。

そして、プロセッサ１１０は、第１センサ１０による物体認識結果と第２センサ２０による物体認識結果とを対比することによって、軸ずれ量δを推定する。例えば、図３で示されたように、第１点群ＰＣ１と第２点群ＰＣ２との間の位置誤差が最小となるように、第１座標系と第２座標系の少なくとも一方の座標変換が行われる。位置誤差が最小となる場合の第１座標系と第２座標系との間の角度が、軸ずれ量δとして推定される。

ステップＳ５０において、プロセッサ１１０は、所定の確定条件が成立するか否かを判定する。例えば、確定条件は、一定期間において推定された複数の軸ずれ量δの分散σ^２が閾値未満になることである。確定条件が成立しない場合（ステップＳ５０；Ｎｏ）、今回のサイクルにおける処理は終了する。確定条件が成立する場合（ステップＳ５０；Ｙｅｓ）、処理はステップＳ６０に進む。

ステップＳ６０において、プロセッサ１１０は、軸ずれ量δを決定する。例えば、プロセッサ１１０は、一定期間において推定された複数の軸ずれ量δの平均値μを、軸ずれ量δとして決定する。

１ 車両
２ 他車両
３、３Ｌ、３Ｒ 道路構造物
１０ 第１センサ
２０ 第２センサ
１００ 軸ずれ推定装置
１１０ プロセッサ
１２０ 記憶装置
１３０ 運転環境取得装置
１３１ 車両位置センサ
１３２ 周辺状況センサ
１３３ 地図データベース
１３４ 通信装置
Ｄ１０ 第１認識情報
Ｄ２０ 第２認識情報
Ｄ３０ 車線情報
Ｄ１３０ 運転環境情報
Ｄ１３１ 車両位置情報
Ｄ１３２ 周辺状況情報
Ｄ１３３ 地図情報
ＬＡ 車線（走路）
ＬＢ 車線境界
ＭＳＫ マスク領域
ＭＳＫ１ 第１マスク領域
ＭＳＫ２ 第２マスク領域

Claims (1)

1. 車両に搭載される第１センサと第２センサとの間の軸ずれ量を推定する軸ずれ推定装置であって、
   前記第１センサと前記第２センサは、前記車両の周囲の状況を認識し、且つ、それぞれの視野は少なくとも部分的に重なっており、
   前記軸ずれ推定装置は、
   前記第１センサによる認識結果を示す第１認識情報と、前記第２センサによる認識結果を示す第２認識情報と、前記車両の周囲の車線の配置を示す車線情報と、が格納される記憶装置と、
   前記軸ずれ量を推定するプロセッサと
   を備え、
   前記プロセッサは、
   前記車線情報に基づいて、前記車線内の領域と前記車線の方向から導き出される領域のうち少なくとも一方を、マスク領域として設定し、
   前記第１認識情報及び前記第２認識情報に基づいて、前記マスク領域以外の領域に存在する物体を抽出し、
   前記第１センサによる前記物体の認識結果と前記第２センサによる前記物体の認識結果とを対比することによって、前記軸ずれ量を推定する
   軸ずれ推定装置。

Images