地图数据生成方法和装置、行驶计划制订方法及记录有数据生成程序的计算机可读记录介质与流程

1.本公开涉及生成自动驾驶用地图数据的方法及使用该方法制订行驶计划的方法、以及生成自动驾驶用地图数据的装置和程序。


背景技术：

2.专利文献1公开了一种地图信息系统。该地图信息系统中使用的地图信息与按绝对坐标系中的每个位置表示地图信息的似然性的评价值相关联。地图信息系统基于地图信息，按车辆行驶的目标范围内的每个点或每个区间取得评价值。而且，地图信息系统基于评价值和由驾驶员进行了介入操作的位置，按目标范围内的每个点或每个区间决定驾驶辅助控制的容许等级。
3.在上述的现有技术中，对地图信息一样地给予评价值而决定驾驶辅助控制的容许等级。然而，像传感器的状态等系统的内部状态、和包括天气及时刻的系统的外部状态这样的参数的条件会动态地变化。因此，难以基于事先给予的一样的评价值判断当前状态下的驾驶辅助控制的容许等级。这也适用于在自动驾驶中利用被给予了评价值的地图信息的情况。
4.此外，作为表示与本公开关联的技术领域的技术水平的文献，除了上述的专利文献1之外，还可以例示下列的专利文献2至专利文献4。
5.现有技术文献
6.专利文献1：日本特开2020-076726号公报
7.专利文献2：日本特开2021-076593号公报
8.专利文献3：日本特开2019-203823号公报
9.专利文献4：日本特开2020-038361号公报


技术实现要素：

10.发明所要解决的问题
11.本公开是鉴于如上所述的问题而做出的，目的在于提供能够在基于地图数据的自动驾驶时应对与自动驾驶关联的参数的条件的动态变化的技术。
12.用于解决问题的技术方案
13.本公开提供地图数据生成方法、地图数据生成装置以及地图数据生成程序作为用于达到上述目的的地图数据生成技术。
14.本公开的地图数据生成方法包括以下步骤。第1步骤是根据行驶日志数据组(log data group)生成多个数据集(data set)。上述多个数据集中的各个数据集由一个或多个行驶日志数据组成。行驶日志数据组所包含的各个行驶日志数据由一个或多个参数规定。第2步骤是根据上述多个数据集中的各个数据集生成评价用地图数据。第3步骤是对于根据上述多个数据集生成的多个评价用地图数据中的各个评价用地图数据计算评价值。第4步
骤是基于上述多个数据集中的各个数据集与上述多个评价用地图数据中的各个评价用地图数据的评价值的对应关系，确定上述一个或多个参数的条件的组合与评价值的关系。第5步骤是生成按上述一个或多个参数的条件的每个组合关联有评价值的自动驾驶用地图数据。
15.本公开的地图数据生成装置具有至少一个处理器以及与该至少一个处理器结合的程序存储器。程序存储器存储多个可执行指令(instruction)。上述多个可执行指令构成为使上述至少一个处理器执行以下处理。第1处理是根据行驶日志数据组生成多个数据集。上述多个数据集中的各个数据集由一个或多个行驶日志数据组成。行驶日志数据组所包含的各个行驶日志数据由一个或多个参数规定。第2处理是根据上述多个数据集中的各个数据集生成评价用地图数据。第3处理是对于根据上述多个数据集生成的多个评价用地图数据中的各个评价用地图数据计算评价值。第4处理是基于上述多个数据集中的各个数据集与上述多个评价用地图数据中的各个评价用地图数据的评价值的对应关系，确定上述一个或多个参数的条件的组合与评价值的关系。第5处理是生成按上述一个或多个参数的条件的每个组合关联有评价值的自动驾驶用地图数据。
16.本公开的地图数据生成程序构成为使计算机执行以下处理。第1处理是根据行驶日志数据组生成多个数据集。上述多个数据集中的各个数据集由一个或多个行驶日志数据组成。行驶日志数据组所包含的各个行驶日志数据由一个或多个参数规定。第2处理是根据上述多个数据集中的各个数据集生成评价用地图数据。第3处理是对于根据上述多个数据集生成的多个评价用地图数据中的各个评价用地图数据计算评价值。第4处理是基于上述多个数据集中的各个数据集与上述多个评价用地图数据中的各个评价用地图数据的评价值的对应关系，确定上述一个或多个参数的条件的组合与评价值的关系。第5处理是生成按上述一个或多个参数的条件的每个组合关联有评价值的自动驾驶用地图数据。此外，本公开的地图数据生成程序既可以记录于计算机可读记录介质，也可以经由网络提供。
17.根据本公开的地图数据生成技术，可生成关联有规定行驶日志数据的一个或多个参数的条件的每个组合的评价值的地图数据。通过将这种地图数据用于自动驾驶，自动驾驶车辆能够从地图数据中抽出与自动驾驶关联的当前的参数条件和与其对应的评价值来决定车辆行为。也即是说，根据本公开的地图数据生成技术，能够生成使得能够在基于地图数据的自动驾驶时应对与自动驾驶关联的参数的条件的动态变化的地图数据。
18.在本公开的地图数据生成技术中，上述一个或多个参数既可以包括表示自动驾驶车辆的内部状态的参数，也可以包括表示自动驾驶车辆的外部状态的参数。通过包括表示内部状态的参数，能够在使用地图数据的自动驾驶时，使车辆行为应对内部状态的变化。通过包括表示外部状态的参数，能够在使用地图数据的自动驾驶时，使车辆行为应对外部状态的变化。
19.在本公开的地图数据生成技术中，计算评价值也可以包括计算基于多个评价用地图数据间的相对评价的相对评价值。另外，计算评价值也可以包括计算基于所定义的绝对基准的绝对评价值。
20.另外，本公开提供利用由上述的地图数据生成技术所生成的地图数据的行驶计划制订技术、即行驶计划制订方法、行驶计划制订装置以及行驶计划制订程序。
21.本公开的行驶计划制订方法包括以下步骤。第1步骤是取得通过上述的地图数据
生成技术生成的自动驾驶用地图数据。第2步骤是取得自动驾驶车辆中的上述一个或多个参数的条件。第3步骤是从自动驾驶用地图数据取得与自动驾驶车辆中的上述一个或多个参数的条件对应的评价值。第4步骤是基于从自动驾驶用地图数据取得的评价值制订自动驾驶车辆的行驶计划。
22.本公开的行驶计划制订装置具备至少一个处理器以及与该至少一个处理器结合的程序存储器。程序存储器存储多个可执行指令。上述多个可执行指令构成为使上述至少一个处理器执行以下处理。第1处理是取得通过上述的地图数据生成技术生成的自动驾驶用地图数据。第2处理是取得自动驾驶车辆中的上述一个或多个参数的条件。第3处理是从自动驾驶用地图数据取得与自动驾驶车辆中的上述一个或多个参数的条件对应的评价值。第4处理是基于从自动驾驶用地图数据取得的评价值制订自动驾驶车辆的行驶计划。
23.本公开的行驶计划制订程序构成为使计算机执行以下处理。第1处理是取得通过上述的地图数据生成技术生成的自动驾驶用地图数据。第2处理是取得自动驾驶车辆中的上述一个或多个参数的条件。第3处理是从自动驾驶用地图数据取得与自动驾驶车辆中的上述一个或多个参数的条件对应的评价值。第4处理是基于从自动驾驶用地图数据取得的评价值制订自动驾驶车辆的行驶计划。此外，本公开的行驶计划制订程序既可以记录于计算机可读记录介质，也可以经由网络提供。
24.根据本公开的行驶计划制订技术，由于将通过上述的地图数据生成技术生成的地图数据用于制订行驶计划，因此能够制订应对与自动驾驶关联的参数的条件的动态变化的行驶计划。
25.在本公开的行驶计划制订技术中，制订行驶计划也可以包括根据评价值选择是继续还是中止自动驾驶。另外，制订行驶计划也可以包括选择适合于评价值的行驶模式。再者，制订行驶计划也可以包括选择适合于评价值的路径。
26.发明效果
27.如上所述，根据本公开的地图数据生成技术，能够生成使得能够在基于地图数据的自动驾驶时应对与自动驾驶关联的参数的条件的动态变化的地图数据。另外，根据本公开的行驶计划制订技术，通过使用由本公开的地图数据生成技术生成的地图数据，能够制订应对与自动驾驶关联的参数的条件的动态变化的行驶计划。
附图说明
28.图1是用于对基于地图数据的自动驾驶的问题进行说明的概念图。
29.图2是用于说明对于在图1中说明的问题的解决方案的概念图，是用于说明本发明的实施方式涉及的地图数据生成方法的概要的概念图。
30.图3是表示本发明的实施方式涉及的地图数据生成装置和自动驾驶ecu(电子控制单元)的各功能的框图。
31.图4是表示本发明的实施方式涉及的地图数据生成装置的硬件构成的例子的框图。
32.图5是表示本发明的实施方式涉及的自动驾驶ecu的硬件构成的例子的框图。
33.图6是用于说明由本发明的实施方式涉及的地图数据生成装置实施的地图数据生成方法的概念图，是表示行驶日志数据数据库的结构的例子的概念图。
34.图7是用于说明由本发明的实施方式涉及的地图数据生成装置实施的地图数据生成方法的概念图，是用于对日志数据组合生成处理进行说明的概念图。
35.图8是用于说明由本发明的实施方式涉及的地图数据生成装置实施的地图数据生成方法的概念图，是用于对地图数据生成处理进行说明的概念图。
36.图9是用于说明由本发明的实施方式涉及的地图数据生成装置实施的地图数据生成方法的概念图，是用于对地图数据评价处理和参数评价处理进行说明的概念图。
37.图10是表示通过地图数据生成处理计算地图数据的另一计算例的图。
38.图11是表示通过地图数据评价处理和参数评价处理计算地图数据评价值和参数评价值的另一计算例的图。
39.图12是用于说明由本发明的实施方式涉及的地图数据生成装置实施的地图数据生成方法的图，是用于对登记于地图数据数据库的自动驾驶用地图数据进行说明的概念图。
40.图13是用于对存储于行驶日志数据数据库的行驶日志数据的形式的一例进行说明的概念图。
41.图14是用于对日志数据组合生成处理中的行驶日志数据的组合的一例进行说明的概念图。
42.图15是用于对参数评价处理中的多个参数的条件的组合与评价值的对应关系的一例进行说明的概念图。
43.图16是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据评价处理的具体例的概念图，是用于说明基于slam的位姿(pose)下的自身位置推定的一例的概念图。
44.图17是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据评价处理的具体例的概念图，是用于说明基于slam的位姿下的自身位置推定的成功例的概念图。
45.图18是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据评价处理的具体例的概念图，是用于说明基于slam的位姿下的自身位置推定的失败例的概念图。
46.图19a和19b是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据评价处理的具体例的概念图，是用于对作为评价值的p值进行说明的概念图。
47.图20是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据评价处理的具体例的概念图，是用于对使用p值的评价值的一例进行说明的概念图。
48.图21是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据评价处理的具体例的概念图，是用于对使用p值的评价值的一例进行说明的概念图。
49.图22是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据评价处理的具体例的概念图，是用于对作为评价值的标准偏差进行说明的概念图。
50.图23a和23b是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据评价处理的具体例的概念图，是用于对路面形状的精度对于物体检测的影响进行说明的概念图。
51.图24是用于说明本发明的实施方式涉及的地图数据生成装置所进行的地图数据
评价处理的具体例的概念图，是用于对作为评价值的方差进行说明的概念图。
52.图25是用于说明本发明的实施方式涉及的自动驾驶ecu所进行的行驶计划制订处理的具体例的概念图，是表示行驶计划制订中的评价值的一个应用例的概念图。
53.图26是表示由本发明的实施方式涉及的自动驾驶ecu执行的处理的流程图，是表示用于实现图25所示的应用例的处理的流程图。
54.图27是用于说明本发明的实施方式涉及的自动驾驶ecu所进行的行驶计划制订处理的具体例的概念图，是表示行驶计划制订中的评价值的另一应用例的概念图。
55.图28是表示由本发明的实施方式涉及的自动驾驶ecu执行的处理的流程图，是表示用于实现图27所示的应用例的处理的流程图。
56.图29是用于说明本发明的实施方式涉及的自动驾驶ecu所进行的行驶计划制订处理的具体例的概念图，是表示行驶计划制订中的评价值的又一应用例的概念图。
57.图30是表示由本发明的实施方式涉及的自动驾驶ecu执行的处理的流程图，是表示用于实现图29所示的应用例的处理的流程图。
58.图31a和31b是表示基于与地图数据相关联的p值和在线(online)计算出的评价值的比较的车辆控制的一例的图。
59.图32a和32b是表示基于与地图数据相关联的p值和在线计算出的评价值的比较的车辆控制的一例的图。
60.图33a和33b是表示基于与地图数据相关联的p值和在线计算出的评价值的比较的车辆控制的一例的图。
61.标号说明
62.2自动驾驶车辆；20a、20b、20c数据集；30自动驾驶用地图数据；30a、30b、30c评价用地图数据；32关系数据；100地图数据生成装置；101处理器；102存储器(memory)；103地图数据生成程序；104储存器(storage)；110行驶日志数据数据库(db)；120日志数据组合生成部；130地图数据生成部；140地图数据评价部；150参数评价部；200自动驾驶ecu；201处理器；202程序存储器；203行驶计划生成程序；204db存储器；210参数判定部；220车辆状态/位置推定部；230障碍物检测部；240行驶计划生成部；250行驶控制部；260地图数据数据库(db)；310gps接收部；320内部传感器；330外部传感器；340致动器。
具体实施方式
63.以下，参照附图对本公开的实施方式进行说明。但是，在以下表示的实施方式中提及各要素的个数、数量、量、范围等数的情况下，除了特别明示的情况、原理上明显确定为该数的情况以外，本公开涉及的技术思想并不限定于该提及的数。另外，在以下表示的实施方式中说明的结构等，除了特别明示的情况、明显原理上被确定为其的情况以外，不一定是本公开涉及的技术思想所必须的。
64.1.地图数据生成方法的概要
65.本实施方式中的地图数据意味着构成特征量地图(feature map)、路面形状地图(terrain map)、路面亮度地图(intensity map)、静止障碍物地图(background knowledge)等、由自动驾驶车辆用于自动驾驶的地图的数据。特征量地图典型地被用于自动驾驶车辆的自身位置推定。路面形状地图是由单元(cell)记录有自动驾驶车辆所行驶的
周边区域的路面的形状(高度)的地图。路面亮度地图是由单元记录有自动驾驶车辆所行驶的周边区域的路面的亮度的地图。静止障碍物地图是由体素(voxel)记录有道路构造物等静止障碍物的地图。
66.在地图数据的制作中，使用使自带传感器的车辆实际行驶而取得的大量的行驶日志数据。将地图数据的制作中使用的行驶日志数据的整体集合称为行驶日志数据组。另外，有时也将行驶日志数据简略地称为日志数据。
67.利用使用行驶日志数据制作的地图数据的自动驾驶存在一个问题。图1是用于对基于地图数据的自动驾驶的问题进行说明的概念图。
68.一般而言，地图数据30使用庞大数量的行驶日志数据来生成以实现最高的精度。行驶日志数据使用多个参数来规定，多个参数包括与自动驾驶车辆2的内部状态有关的参数和与自动驾驶车辆2的外部状态有关的参数。与内部状态有关的参数例如是指车辆的差异、传感器结构的差异等。与外部状态有关的参数例如是指天气、时段、道路环境等。在此，将可获得最高精度的地图数据30的参数的条件的组合设为条件a。
69.如图1的左侧所示的例子那样，在自动驾驶车辆2的与自动驾驶关联的参数的条件的组合为条件a的情况下，自动驾驶车辆2的条件与地图数据30作为前提的条件一致。在该情况下，自动驾驶车辆2能够充分利用高精度地制作出的地图数据30进行自动驾驶。
70.可是，与自动驾驶关联的参数的条件会动态变化。因此，如图1的右侧所示的例子那样，也存在自动驾驶车辆2的与自动驾驶关联的参数的条件变为与条件a不同的条件a1的情况。在此，假设条件a1是作为多个参数的条件的组合的条件a的一部分没有满足的条件。在该情况下，自动驾驶车辆2的条件与地图数据30作为前提的条件不一致。因此，自动驾驶车辆2有可能无法充分利用高精度地制作出的地图数据30。然而，自动驾驶车辆2虽然能够自己检测到参数条件有变化，但却无法判断地图数据30作为前提的条件与当前自动驾驶车辆2的条件的不一致会带来多大程度的影响。
71.本实施方式涉及的地图数据生成方法提供对于上述问题的解决方案。图2是用于说明本实施方式涉及的地图数据生成方法的概要的概念图。
72.根据本实施方式涉及的地图数据生成方法，从行驶日志数据组生成多个数据集20a、20b、20c。构成数据集20a的日志数据是在条件a下取得的日志数据。构成数据集20b的日志数据是在条件a1下取得的日志数据。构成数据集20c的日志数据是在条件a2下取得的日志数据。条件a2与条件a1的不同之处在于参数的条件的组合不同，且与条件a1同样地，条件a2不满足条件a的一部分。此外，在图2中，仅生成了3组数据集20a、20b、20c，但实际上会生成更大量的数据集。构成各数据集的日志数据的数量优选为多个，但也可以为一个。另外，日志数据的数量在数据集间可以相同，也可以不同。
73.接着，根据生成的各个数据集20a、20b、20c，生成评价用地图数据30a、30b、30c。而且，进行对于评价用地图数据30a、30b、30c的地图数据评价。在地图数据评价中，对于评价用地图数据30a、30b、30c中的每一个，计算评价值。评价值是表示地图数据的精度的指数，例如基于地图数据间的相对评价来计算。在此，假设对于地图数据30a、30b、30c中的每一个，得到评价值x、y、z。稍后会对评价值的具体例子进行说明。
74.再者，进行基于制作地图数据30a、30b、30c所使用的数据集20a、20b、20c与地图数据30a、30b、30c的评价值的对应关系的参数评价。在参数评价中，确定规定日志数据的多个
参数的条件的组合与评价值的关系。在本例中，参数的条件的组合为条件a的情况下的评价值为x，参数的条件的组合为条件a1的情况下的评价值为y，参数的条件的组合为条件a2的情况下的评价值为z。通过参数评价，获得表示多个参数的条件的组合与评价值的关系的关系数据32。
75.关系数据32与地图数据30相关联。地图数据30是使用行驶日志数据组所包含的所有日志数据制作出的地图数据。但是，假设预先从行驶日志数据组中除掉了会使地图数据的精度产生异常的日志数据。在本实施方式涉及的地图数据生成方法中，生成关联有关系数据32的地图数据30作为自动驾驶用地图数据。通过将这种地图数据30用于自动驾驶，自动驾驶车辆2能够从与地图数据30相关联的关系数据32中抽出对应于与自动驾驶关联的当前的参数的条件的评价值。而且，能够基于与当前的参数的条件对应的评价值决定车辆行为。
76.具体而言，在自动驾驶车辆2进行自动驾驶时，自动驾驶车辆2取得自动驾驶车辆2中的当前的参数的条件，并从与地图数据30相关联的关系数据32中取得与当前的参数的条件对应的评价值。例如，在自动驾驶车辆2的当前的条件为条件a的情况下，自动驾驶车辆2通过从关系数据32中取得与条件a对应的评价值x，能够制订适合于评价值x的行驶计划。而且，在自动驾驶车辆2的当前的条件从条件a变化为条件a1的情况下，自动驾驶车辆2通过从关系数据32中取得与条件a1对应的评价值y，能够将行驶计划从适合于评价值x的行驶计划变更为适合于评价值y的行驶计划。
77.如上所述，根据本实施方式涉及的地图数据生成方法，能够生成能够应对与自动驾驶关联的参数的条件的动态变化的地图数据。
78.2.地图数据生成装置以及自动驾驶ecu
79.接着，对本实施方式涉及的用于实施地图数据生成方法的地图数据生成装置、和将由地图数据生成装置生成的地图数据用于自动驾驶的自动驾驶ecu进行说明。图3是表示本实施方式涉及的地图数据生成装置100和自动驾驶ecu200的各功能的框图。
80.地图数据生成装置100具备行驶日志数据数据库(以下，记作行驶日志数据db)110和处理部。构成地图数据生成装置100的处理部是日志数据组合生成部120、地图数据生成部130、地图数据评价部140以及参数评价部150。
81.行驶日志数据db110是保存有大量日志数据的数据库。通过实际使车辆行驶所取得的日志数据积蓄于行驶日志数据db110而构成行驶日志数据组。取得日志数据所使用的车辆可以是自动驾驶车辆，也可以是由驾驶员驾驶的车辆。但是，取得日志数据所使用的外部传感器(lidar、摄像头、深度传感器等)的种类、机型、个数和设置位置优选与在实际的自动驾驶中使用地图数据的自动驾驶车辆是共同的。
82.日志数据包含各种传感器的数据和自动驾驶的各过程的输出数据。各种传感器除了外部传感器之外例如还包括gps(全球定位系统)、imu(inertial measurement unit，惯性测量单元)。自动驾驶的过程例如包含自身位置推定结果、物体检测结果以及路径计划结果。
83.日志数据由多个参数规定。规定日志数据的参数及其条件的例子如下。这些参数中的一个或多个用于规定日志数据。此外，与传感器有关的参数按每个传感器设定。即使种类相同但是型号不同、设置地方不同的传感器也被当作不同的传感器处理。
84.车型名：“prius、e-palette、aqua等”“8a2b、300c、405d等”85.车辆名：“1号车、2号车、3号车等”“alice、belle、cindy等”86.日时：“2021年8月12日12:00、2021年8月12日14:00等”87.总行驶距离：“10km、5km等”88.时间：“1小时21分14秒、2小时3分43秒等”89.天气：“晴、雨、阴、雪、雾等”90.气温：“30℃、20℃等”“86
°
f、68
°
f等”91.日照量：“0mj/m2、1.0mj/m2等”92.降雨量：“0mm/h、1mm/h等”“0mm、2mm等”93.降雪量：“0mm/h、1mm/h等”“0mm、2mm等”94.操作员名：“田中太郎、山田花子等”“101号、203号等”95.乘车人数：“0人、1人、5人等”“空、有”96.车速：“最大车速20km/h、40km/h等”“平均车速10km/h、20km/h等”97.传感器的有无：“有、无、故障”98.传感器的版本：“ver.1、ver.2等”“试制品、质量检验合格产品、量产产品”99.自动驾驶软件的版本：“ver.1、ver.2等”“master、perception_test、planner_test等”100.驾驶方法：“手动、自动、部分自动”101.日志数据组合生成部120根据保存于行驶日志数据db110的日志数据，生成多个日志数据的组合、即数据集。构成数据集的日志数据的组合按每个数据集而不同。具体而言，在构成一个数据集的日志数据之间，规定日志数据的多个参数的条件的组合是一致的。而且，按每个数据集，规定日志数据的多个参数的条件的组合是不同的。
102.从行驶日志数据db110读出的日志数据能够由上述的参数限定其数据范围。作为限定日志数据的数据范围的例子，可列举空间、区间、时间、天气、气温、车辆、传感器类别等。例如，能够将数据范围限定于“在晴天的白天由车辆a的传感器d采集的数据”，并将这种数据范围的日志数据组合而生成数据集。另外，也能够将数据范围限定于“在雨天的白天由车辆a的传感器d采集的数据”，并将这种数据范围的日志数据组合而生成数据集。在如这些例子这样限定数据范围的情况下，能够对于参数“天气”，能够生成条件为“晴”的数据集和条件为“雨”的数据集。通过这样适当限定从行驶日志数据db110读出的日志数据的数据范围，日志数据组合生成部120生成参数的条件的组合不同的多个数据集。
103.地图数据生成部130使用由日志数据组合生成部120生成的数据集，生成评价用地图数据。地图数据生成部130针对一个数据集生成一个评价用地图数据。由此，在地图数据生成部130中，生成与由日志数据组合生成部120生成的数据集相同数量的多个评价用地图数据。
104.地图数据评价部140评价由地图数据生成部130生成的多个地图数据。因为地图基本上相对于实际环境是一对一的关系，所以不论日志数据的组合如何，地图数据都应该会唯一地收敛。然而，在由日志数据组合生成部120生成的日志数据的组合中，故意使规定日志数据的多个参数的条件的组合按每个数据集而不同。日志数据的内容取决于取得时的参数的条件。例如，在地图数据为特征量地图的情况下，日志数据所包含的特征量有时会根据
参数的条件而不同。在日志数据所包含的特征量有差异的情况下，该差异有可能表现为地图数据的精度的差异。也即是说，在由地图数据生成部130生成的多个地图数据之间，在精度上有可能存在差异。地图数据评价部140评价各地图数据的精度，计算评价值。作为评价值的计算方法，例如可列举根据地图数据间的相对评价来计算相对评价值的方法、和基于所定义的绝对基准来计算绝对评价值的方法。
105.参数评价部150基于地图数据的评价值，评价规定日志数据的多个参数。具体而言，参数评价部150基于从地图数据评价部140输出的各地图数据的评价值与制作地图数据所使用的数据集的对应关系，确定对地图数据的评价值有影响的参数。作为这种参数的例子，可列举天气、传感器的台数、传感器的组合等。另外，参数评价部150也确定不影响地图数据的评价值的参数。作为这种参数的例子，可列举风速、时段等。参数评价部150评价各参数的条件的组合如何影响地图数据的精度，并基于该评价结果，生成表示规定日志数据的多个参数的条件的组合与评价值的关系的关系数据。
106.由参数评价部150生成的关系数据与由地图数据生成部130生成的自动驾驶用地图数据相关联。自动驾驶用地图数据使用保存于行驶日志数据db110的所有日志数据生成。也即是说，自动驾驶用地图数据是信息量最多的地图数据，作为地图数据的精度最高。如前所述，由参数评价部150生成的关系数据表示规定日志数据的多个参数的条件的组合与评价值的关系。关联有该关系数据的自动驾驶用地图数据保存在设置于地图数据生成装置100的未图示的数据库中。
107.自动驾驶ecu200是设置于自动驾驶车辆的自动驾驶用ecu。自动驾驶ecu200具备地图数据数据库(以下，记作地图数据db)260和处理部。地图数据db260中保存有关联有关系数据的自动驾驶用地图数据。关联有关系数据的自动驾驶用地图数据经由网络或者经由计算机可读存储介质从地图数据生成装置100取得。构成自动驾驶ecu200的处理部是参数判定部210、车辆状态/位置推定部220、障碍物检测部230、行驶计划生成部240以及行驶控制部250。
108.参数判定部210判定自身车辆的与自动驾驶关联的参数的条件。由参数判定部210判定条件的参数与规定用于制作保存于地图数据db260的地图数据的日志数据的参数是同种(同型)的。参数判定部210使用从gps接收部310、内部传感器320以及外部传感器330取得的传感器数据，判定参数的条件。内部传感器320是检测自身车辆的行驶状态的传感器，包括车速传感器、加速度传感器和偏航率(yaw rate)传感器中的至少一个。外部传感器330是检测作为自身车辆的周边信息的外部状况的传感器，包括lidar、摄像头和雷达中的至少一个。由参数判定部210判定条件的参数包括时段、天气等表示自身车辆的外部状态的参数、和传感器结构、传感器故障状态、车辆名等表示自身车辆的内部状态的参数。
109.车辆状态/位置推定部220基于内部传感器320的传感器数据，识别自身车辆的行驶状态。内部传感器320的传感器数据例如是指车速传感器的车速信息、加速度传感器的加速度信息、偏航率传感器的偏航率信息等。另外，车辆状态/位置推定部220基于由gps接收部310接收到的与自身车辆的当前位置(例如经度和纬度)有关的信息以及保存于地图数据db260的地图数据，推定自身车辆在地图上的位置。
110.障碍物检测部230使用外部传感器330的传感器数据和保存于地图数据db260的地图数据，检测存在于自身车辆外部的障碍物(车辆、摩托车、行人、动物、坠物等)。
111.行驶计划生成部240生成自身车辆的行驶计划。行驶计划包含自身车辆的路径(前进路线)。在目标路线中是自身车辆行进的轨迹，由将来的目标位置和目标位置上的目标速度或目标加速度定义。生成行驶计划时，使用保存于地图数据db260的地图数据中的目标路线。另外，生成行驶计划时，使用由车辆状态/位置推定部220推定出的自身车辆的车辆状态和车辆位置、以及与由障碍物检测部230识别出的自身车辆外部的障碍物有关的信息。
112.再者，行驶计划生成部240将保存于地图数据db260的地图数据所关联的参数的每个组合的评价值、和由参数判定部210取得的自身车辆现状的参数的条件用于生成行驶计划。具体而言，行驶计划生成部240将由参数判定部210取得的自身车辆现状的参数的条件的组合与保存于地图数据db260的地图数据进行对照，取得与现状的参数的条件的组合对应的评价值。行驶计划生成部240基于与现状的参数的条件的组合对应的评价值，制订自身车辆的行驶计划。
113.行驶控制部250基于由行驶计划生成部240生成的行驶计划，自动控制自身车辆的行驶。行驶控制部250将与行驶计划相应的控制信号输出到致动器340。通过致动器340依照控制信号动作，自身车辆按照行驶计划自动行驶。此外，致动器340至少包括驱动致动器、制动致动器以及转向致动器。
114.接着，对用于实现上述功能的地图数据生成装置100和自动驾驶ecu200各自的硬件构成的例子进行说明。
115.图4是表示本实施方式涉及的地图数据生成装置100的硬件构成的例子的框图。在图4所示的例子中，地图数据生成装置100具备处理器101、存储器102、储存器104、通信模块105以及用户接口106。构成地图数据生成装置100的这些要素通过总线107结合。
116.处理器101进行用于生成地图数据的运算。可以对地图数据生成装置100设置一个处理器101，也可以设置多个(在此假设设置有一个处理器)。
117.存储器102是存储程序103的非瞬时性的程序存储器。程序103包含用于使处理器101执行处理的多个指令。程序103是用于实施本实施方式涉及的地图数据生成方法的可由计算机执行的程序(地图数据生成程序)。程序103通过由处理器101执行，使处理器101作为日志数据组合生成部120、地图数据生成部130、地图数据评价部140以及参数评价部150而发挥功能。
118.储存器104例如是闪速存储器、ssd和/或hdd。储存器104中构建有行驶日志数据db110。但是，行驶日志数据db110也可以设置于地图数据生成装置100的外部。另外，储存器104中也可以设置有用于登记由地图数据生成装置100生成的自动驾驶用地图数据的数据库。
119.通信模块105用于与外部装置的通信而设置。通信模块105的通信方法可以为无线通信，也可以为有线通信。使用通信模块105进行日志数据向行驶日志数据db110的保存、和自动驾驶用地图数据的读取。
120.用户接口106用于由地图数据生成装置100的操作者进行的操作的输入和向操作者的信息输出而设置。
121.图5是表示本实施方式涉及的自动驾驶ecu200的硬件构成的例子的框图。在图5所示的例子中，自动驾驶ecu200具备处理器201、程序存储器202、db存储器204以及接口206。
122.处理器201进行用于自动驾驶的运算和控制。处理器201与程序存储器202、db存储
器204以及接口206相结合。
123.程序存储器202是存储程序203的非瞬时性的存储器。程序203包含用于使处理器201执行处理的多个指令。程序203包括用于实施本实施方式涉及的行驶计划制订方法的可由计算机执行的程序(行驶计划制订程序)。程序203通过由处理器201执行，使处理器201作为参数判定部210、车辆状态/位置推定部220、障碍物检测部230、行驶计划生成部240以及行驶控制部250而发挥功能。
124.db存储器204是存储有地图数据db260的非瞬时性的存储器。db存储器204和程序存储器202可以是在物理上分别的存储器，也可以是一个存储器的不同的存储区域。
125.接口206用于在与gps接收部310、内部传感器320、外部传感器330和致动器340等装置之间的信号的输入输出而设置。接口206与这些装置通过can(controller area network，控制器域网)等车载网络连接。
126.3.地图数据生成方法的具体例
127.接着，对由本实施方式涉及的地图数据生成装置100实施的地图数据生成方法的具体例进行说明。
128.图6是表示地图数据生成方法中的行驶日志数据db110的结构的例子的概念图。在本例中，规定日志数据的参数是车辆名、日时、时间、传感器a的数据的有无以及传感器b的数据的有无。行驶日志数据db110中保存有6个日志数据。日志数据1a和日志数据1b是日志数据1的部分数据。相对于日志数据1包含传感器a和传感器b的各数据，日志数据1a仅包含传感器a的数据，日志数据1b仅包含传感器b的数据。同样地，日志数据2a和日志数据2b是日志数据2的部分数据。相对于日志数据2包含传感器a和传感器b的各数据，日志数据2a仅包含传感器a的数据，日志数据2b仅包含传感器b的数据。此外，日志数据的内容根据最终生成的地图数据的种类而不同。本实施方式涉及的地图数据生成方法只要是根据日志数据生成的地图数据则能够广泛应用，因此，在此对于日志数据的内容不作限定。
129.图7是用于对由日志数据组合生成部120实施的日志数据组合生成处理进行说明的概念图。日志数据组合生成部120将保存于行驶日志数据db110的6个日志数据组合而生成数据集。在本例中，按参数的每个条件进行日志数据的组合。被关注的参数是传感器a的数据的有无以及传感器b的数据的有无。数据集1是参数的条件为有传感器a的数据且有传感器b的数据的组合，由日志数据1和日志数据2构成。数据集2是参数的条件为有传感器a的数据且没有传感器b的数据的组合，由日志数据1a和日志数据2a构成。数据集3是参数的条件为没有传感器a的数据且有传感器b的数据的组合，由日志数据1b和日志数据2b构成。
130.接着，列举两个计算例，对由地图数据生成部130实施的地图数据生成处理、由地图数据评价部140实施的地图数据评价处理以及由参数评价部150实施的参数评价处理进行说明。
131.首先，使用图8和图9对第1计算例进行说明。图8是用于对由地图数据生成部130实施的地图数据生成处理进行说明的概念图。地图数据生成部130根据由日志数据组合生成部120生成的三个数据集中的各个数据集生成地图数据。根据日志数据1和日志数据2生成地图数据1。根据日志数据1a和日志数据2a生成地图数据2。而且，根据日志数据1b和日志数据2b生成地图数据3。这三个地图数据是评价用地图数据。
132.例如，在地图数据是特征量地图的数据的情况下，地图整体的特征量的分散(偏
离)程度由标准偏差和/或概率分布表示。在图8所示的例子中，作为地图数据的影像(image)，由概率分布表示了构成地图数据的要素数据的分散程度。在图8所示的地图数据的第1计算例中，地图数据1、地图数据2和地图数据3的概率分布表示正态分布，向平均值的收敛程度大体一致。
133.图9是用于对由地图数据评价部140实施的地图数据评价处理和由参数评价部150实施的参数评价处理进行说明的概念图。地图数据评价部140将由地图数据生成部130生成的地图数据相互比较，相对地进行评价。在图8所示的地图数据的第1计算例中，地图数据之间，收敛程度没有差别，均表示正态分布。由此，在第1计算例中，地图数据评价部140对各个地图数据给予评价值1。此外，在此评价值是0到1的数值，数值越大，则表示作为地图数据的精度越高。
134.参数评价部150基于从地图数据评价部140收取的各地图数据的评价值，评价参数的各条件。在本次说明的具体例中，由于地图数据与参数的条件一对一地关联，因此地图数据的评价值直接被用作参数的条件的评价值。即，在第1计算例中，参数评价部150对参数的条件的所有组合给予评价值1。这样，可获得表示多个参数的条件的组合与评价值的关系的关系数据。
135.接着，使用图10和图11对第2计算例进行说明。图10中表示了由地图数据生成部130生成地图数据的第2计算例。在图10所示的地图数据的第2计算例中，地图数据1和地图数据2的概率分布表示正态分布，向平均值的收敛程度大体一致。相对于此，地图数据3的收敛程度与地图数据1和地图数据2的收敛程度不同。根据使用的日志数据的精度的不同，地图数据的精度也会产生这样的不同。
136.图11中表示了由地图数据评价部140进行的地图数据评价值的第2计算例和由参数评价部150进行的参数评价值的第2计算例。根据图10所示的地图数据的第2计算例可知，由于收敛程度的不同，地图数据3与地图数据1和地图数据2相比，精度较低。由此，在第2计算例中，地图数据评价部140对地图数据1和地图数据2给予评价值1，而对地图数据3给予评价值0.6。但是，评价值的0.6这一数值不过是一个例子。稍后会对评价值的具体计算方法进行说明。
137.而且，在第2计算例中，参数评价部150对与地图数据1对应的参数的条件的组合以及与地图数据2对应的参数的条件的组合给予评价值1。另一方面，对于与地图数据3对应的参数的条件的组合，参数评价部150给予评价值0.6。这样，可获得表示多个参数的条件的组合与评价值的关系的关系数据。
138.图12是用于对登记于地图数据db260的自动驾驶用地图数据进行说明的概念图。如图12所示，在地图数据生成部130中，使用登记于行驶日志数据db110的所有日志数据来生成自动驾驶用地图数据。而且，将由参数评价部150得到的关系数据、即多个参数的条件的组合与评价值的关系关联于自动驾驶用地图数据。在地图数据db260中，登记关联有关系数据的自动驾驶用地图数据。
139.在此，对存储于行驶日志数据db110的日志数据的形式进行说明。图13是用于对存储于行驶日志数据db110的日志数据的形式的一例进行说明的概念图。
140.在图13所示的例子中，规定日志数据的参数是车辆名、日时、时间、天气、传感器a的数据的有无以及传感器b的数据的有无。行驶日志数据db110中保存有12个日志数据。前
六行的6个日志数据是在晴天取得的日志数据，包括：包含传感器a和传感器b的各数据的日志数据1、2；仅包含传感器a的数据的日志数据1a、2a；和仅包含传感器b的数据的日志数据1b、2b。后六行的6个日志数据是在雨天取得的日志数据，包括：包含传感器a和传感器b的各数据的日志数据3、4；仅包含传感器a的数据的日志数据3a、4a；和仅包含传感器b的数据的日志数据3b、4b。
141.在存储于行驶日志数据db110的日志数据是图13所示的例子的情况下，在日志数据组合生成处理中，如图14所示那样进行日志数据的组合。图14是用于对日志数据的组合的形式的一例进行说明的概念图。
142.在图14所示的例子中，日志数据组合生成部120将保存于行驶日志数据db110的12个日志数据组合而生成数据集。在本例中被关注的参数是传感器a的数据的有无、传感器b的数据的有无以及天气。数据集1和数据集4是参数的条件为有传感器a的数据且有传感器b的数据的日志数据的组合。数据集2和数据集5是参数的条件为有传感器a的数据且没有传感器b的数据的日志数据的组合。数据集3和数据集6是参数的条件为没有传感器a的数据且有传感器b的数据的日志数据的组合。而且，数据集1、数据集2和数据集3是参数的条件为晴的日志数据的组合，数据集4、数据集5和数据集6是参数的条件为雨的日志数据的组合。
143.在由日志数据组合生成部120得到图14所示的数据集的情况下，地图数据评价部140对从各数据集生成的每个地图数据计算评价值。参数评价部150基于由地图数据评价部140算出的每个地图数据的评价值，生成表示多个参数的条件的组合与评价值的关系的关系数据。图15是用于对参数评价处理中的多个参数的条件的组合与评价值的对应关系的一例进行说明的概念图。
144.在图15所示的例子中，如表所示，评价值由“天气”和“传感器a、b的数据的有无的组合”的矩阵表现。根据该表可知，评价值不仅取决于传感器a、b的数据的有无，还取决于天气。在此，假设能够继续自动驾驶的评价值为0.5以上。在该情况下，根据表，能够判断为，只要传感器a可用，不管传感器b是否可用，也不管天气如何，就能够继续自动驾驶。另外，能够判断为，在传感器a不可用而传感器b可用的情况下，在晴的情况下能够继续自动驾驶，但如果下雨则无法继续自动驾驶。
145.此外，在图15所示的例子中，二维地评价了参数的条件的组合，但根据参数的条件的组合数量，也能够扩充到三维以上。另外，参数评价不仅可对多个参数的条件的组合进行，也可以对单个参数的条件进行。例如，也可以仅将参数“天气”作为评价对象，在条件为晴的情况下和为雨的情况下分别求取评价值。
146.4.地图数据评价处理的具体例
147.4-1.对于特征量地图的地图数据评价处理
148.4-1-1.特征量地图的概要
149.在以上的说明中，在视觉上以概率分布表现了构成地图数据的要素数据的分散程度(地图数据的收敛程度)。然而，这是在确定存在异常的地图数据时的评价方法的一例，不一定需要只观察某个统计数值的收敛程度进行评价。以下，说明在自动驾驶系统中实际使用的地图的概要，并对与各个地图对应的地图数据评价处理的具体例进行说明。图16至图24是用于说明本实施方式涉及的地图数据生成装置100所进行的地图数据评价处理的具体例的图。
150.首先，对特征量地图进行说明。特征量地图是指自动驾驶车为了进行自身位置推定所使用的地图数据。特征量地图通过将从lidar(激光雷达)或者摄像头(camera)的传感器数据中取得的特有的特征量重叠并实施优化计算、具体而言是slam(simultaneous localization and mapping，同时定位与地图构建)来生成。作为特征量，例如检测白线、路缘石(台阶)、道路标识、支撑道路标识的杆、建筑物的凹角等。因为在自动驾驶中要求距离精度，所以lidar是优选的外部传感器的一例。在以下说明的例子中，由lidar取得特征量。
151.在生成特征量地图时，按照定位器(gps和imu)的输出将从各日志数据得到的特征量重叠。定位器的输出是坐标(x、y、z)和姿势(滚转、俯仰、偏航)。但是，若只是按照定位器的输出将所有日志数据的特征量简单重叠，则特征量仍会保持分散。于是，对将所有日志数据的特征量重叠得到的结果实施slam、即优化计算。通过实施优化计算而得到的特征量地图作为自动驾驶用地图数据保存于地图数据db260，用于自动驾驶车辆实际行驶时的自身位置推定。
152.4-1-2.基于自身位置推定的成功程度的地图数据的评价
153.在生成特征量地图时，使用表示车辆的自身位置和姿势的位姿。将车辆在各时刻的位姿连起来的线是车辆通过的路径。在slam中，特征量被优化，与此同时，各位姿也被使用在该位姿下检测出的特征量优化。基于slam的位姿下的自身位置推定的成功的程度能够根据以下说明的统计值求取。
154.图16是用于说明基于slam的位姿下的自身位置推定的一例的概念图。图16中表示了车辆在时刻ti的位姿xi以及在该位姿下观测到的特征量f1、f2和f3。特征量f1为白线，特征量f2为道路标识，特征量f3为杆。由lidar取得的各特征量f1、f2和f3的测量距离d1、d2和d3包含预定的测量误差σ1、σ2和σ3。在slam中，基于各特征量f1、f2和f3的位置、测量距离以及测量误差，进行对于位姿xi的自身位置推定。
155.图17和图18是用于说明基于slam的位姿下的自身位置推定的结果的概念图。图17和图18中的带状区域b1、b2和b3根据各特征量f1、f2和f3的位置、测量距离以及测量误差定义。更详细而言，带状区域b1、b2和b3从特征量f1、f2和f3的位置离开测量距离d1～d3，且具有2σ1～2σ3的宽度。三个区域b1、b2和b3重叠的区域ei是自身位置的推定区域。自身位置的推定区域ei与位姿xi周边的区域ri重叠的区域越大，能够判定为位姿xi下的自身位置推定的成功程度越高。在图17中自身位置的推定区域ei与位姿xi周边的区域ri相重叠，因此这表示了位姿xi下的自身位置推定的成功例。另一方面，在图18中自身位置的推定区域ei与位姿xi周边的区域ri不重叠，因此这表示了位姿xi下的自身位置推定的失败例。
156.对于在某个位姿xi下观测到的特征量的一致性的判定，一般而言只要计算卡方值即可。卡方值例如使用特征量的测量距离的期待值和观测值来计算。关于位姿xi下的卡方值在统计学上可能会以多大概率发生，能够由p值表示。卡方值越大则p值变得越小，卡方值越小则p值变得越大。基于slam的位姿xi下的自身位置推定的成功程度由p值以0(失败的可能性高)到1(成功的可能性高)的范围的概率表示。
157.p值基本上依赖地点(位置相关)。在无法充分取得特征量的区间和/或能够取得的特征量存在偏差的区间，p值降低。另一方面，在能够充分检测特征量的区间，p值增高。例如，假设使用在图19a所示的从a地点到b地点的区间所取得的日志数据制作地图数据。通过将地图数据的p值标示(plot)在以从a地点起的距离为横轴的图表上，可获得如图19b所示
的位置与p值的关系。由于能够认为p值表示了该位置上的地图数据被准确生成的概率，因此能够直接将p值用作评价值。例如，如果作为地图数据，或者计算某个区间的评价值作为标量，那么也可以采用地图数据整体或者某个区间的p值的平均值作为评价值。
158.在将p值用作评价值的情况下，也可以将位置信息保留并保持p值。一个方法是在通过slam修正后的行驶日志数据的位姿的位置保存p值的方法。另一方法是准备p值用的二维单元并将从各单元相距一定距离内的位姿的p值平均化而保持于单元的方法。又一方法是将从基本路径(base path)的各航点(waypoint)相距一定距离内的位姿的p值平均化而保持于航点的方法。此外，基本路径是在自动驾驶中使用的地图数据的一种，在地图上以轨迹表现自身车辆在何处行驶。基本路径也被应用于预测其他车辆在何处行驶。在基本路径中，以隔开一定间隔的航点这一形式保持数据。
159.特征量地图中的p值是以概率表现自身位置推定的成功程度的值。然而，即使是p值低、自身位置推定失败的可能性高的地方，如果道路宽度极端地宽，那么也能够继续进行自动驾驶。例如，即使在自身位置推定中有推错1米的可能性，但在道路宽度有5米的情况下，也能够继续自动驾驶。然而，即使自身位置推定失败的可能性不高，但在自身车辆的整个宽度与道路宽度的间隙窄的情况下，由于自身车辆从道路偏离的可能性高，因此也无法继续自动驾驶。例如，即使在自身位置推定中出错的可能性为0.2米左右，但在间隙仅有0.1米的情况下，也不能继续自动驾驶。
160.如此，也可以不仅考虑位姿的p值还将与位姿周边的最近的特征量的距离考虑在内来计算评价值。另外，如果回到p值的定义，那么p值可以转换为位姿的距离的误差。因此，对于某个位姿，能够由从该位姿到最近的特征量的距离、和在该位姿下的自身位置推定中可能要失败的距离求取评价值。
161.例如，如图20所示，假设存在记录有某个p值的位姿x。在该情况下，设从p值计算出的距离的误差为r，从位姿x到最近的特征量f的距离为d，则评价值e能够由以下式子表示。
162.e＝d-r
163.在该情况下，与最近的特征量f的距离越有余裕，则评价值e变得越大，所以评价值e越大则越适于自动驾驶。另一方面，评价值e为0以下意味着自身车辆可能会与最近的特征量f碰撞。例如，假设通过对于从a地点到b地点的各位姿，根据记录于位姿的p值和从位姿到最近的特征量的距离d计算评价值e，得到图21所示的评价值e与距离的关系。在图21所示的例子中，从a地点起，评价值暂时为0以上，但在某个地点，评价值变得低于0。这意味着，以在该地点的自身位置推定的精度，自身车辆可能会与特征量碰撞。
164.4-1-3.基于地图整体的统计量的地图数据的评价
165.如上所述，在生成特征量地图时进行优化计算。虽然通过优化计算，特征量的一致度提高，但是在所有日志数据之间，特征量不一定完全一致。由于lidar本身的检测精度、lidar的校准(安装位置和姿势)的精度、特征量检测算法的精度、优化计算的精度等多种原因，优化计算后的特征量的位置会产生偏差。
166.例如，在将特征量设为白线的情况下，如图22所示，按每个地图数据，特征量的标准偏差产生差别。由于评价值不一定需要定义为0(最差)～1(最佳)，因此在该情况下，能够将标准偏差直接用作评价值。在图22所示的例子中，传感器a和传感器b的各数据都有的情况下的评价值为0.040，仅有传感器a的数据的情况下的评价值为0.042，仅有传感器b的数
据的情况下的评价值为0.1。在这样将标准偏差直接用作评价值的情况下，数值越小则精度越高，数值越大则精度越差。此外，在p值的情况下可以按位姿设定评价值，但使用标准偏差、方差等统计量算出的评价值成为对于地图数据整体的评价值。
167.4-2.对于路面形状地图的地图数据评价处理
168.路面形状地图是由保持在二维单元中的高度方向的信息表现路面形状的地图。在路面形状地图中，将图像数据在x方向和y方向上以既定的分辨率分解而得到的各个单元中存储有信息。在路面形状地图的各单元中，存储到达单元的lidar的点云的数量、和高度的平均值及方差。计算高度的平均值及方差时，使用到达单元的所有lidar的点云的值(z方向的高度的值)。
169.自动驾驶车中的路面形状地图的主要用途是生成基本路径时的道路坡度的计算和自动驾驶时的物体检测。特别是在后者的情况下，通过使用路面形状将从路面反射回来的大量的lidar的点云从后面的物体检测的处理中去除，能够降低用于物体检测的计算负荷。然而，为此需要确保路面形状相对于希望检测的物体高度的精度。
170.图23a和图23b是用于说明路面形状的精度如何影响物体检测的概念图。假设在各图中横线表示地面高度的平均值，其周边的带域表示高度方向的方差。而且，考虑使用这种路面形状地图检测由方形表示的检测对象的情况。
171.在图23a所示的例子中，检测对象的高度高于路面形状的方差。因而，即使在基于路面形状的方差去除了lidar的点云的情况下，对应于检测对象的点云会留下，因此也能够检测到检测对象。然而，在图23b所示的例子中，检测对象埋入路面形状的方差中。若基于路面形状的方差去除lidar的点云，则从检测对象反射的lidar的点云也会被去除。也即是说，在路面形状地图中，设想为路面形状的高度方向的方差比检测对象的高度小。
172.路面形状的高度方向的方差变大的主要原因被认为有以下两个。第1主要原因是因为在该处的单元的范围内实际存在凹凸(例如路缘石、沟渠、草丛等)。第2主要原因是因为该处的地图数据的生成中有错误。但是，不论主要原因是哪一个，其结果，自动驾驶中的识别性能有可能降低这一点不变。因而，在基于路面形状的地图数据的评价中，不管主要原因，只要将路面形状的高度方向的方差用作评价值即可。
173.例如，假设使用在从a地点到b地点的区间取得的日志数据制作了地图数据。通过将地图数据的路面形状的高度方向的方差σh标示在以从a地点起的距离为横轴的图表上，可获得如图24所示的方差σh与距离的关系。路面形状的高度方向的方差σh可以是位姿下、即车辆正下方的单元的高度方向的方差，也可以是车辆周边的多个单元的高度方向的方差的平均值，还可以是车辆周边的多个单元当中的最差值。
174.只要对各位姿关联路面形状地图的高度方向的方差，则能够例如将从a地点到b地点的所有位姿的高度方向的方差的平均值作为评价值。另外，也能够将从a地点到b地点的所有位姿的高度方向的方差的中央值作为评价值。再者，也可以将从a地点到b地点的所有位姿的高度方向的方差当中的最差值作为评价值。
175.5.行驶计划制订处理的具体例
176.5-1.第1具体例
177.如上所述进行的地图数据的评价的结果按参数的条件的每个组合而关联于自动驾驶用地图数据。自动驾驶ecu200使用按参数的条件的每个组合关联有评价值的地图数据
制定行驶计划。以下，对由自动驾驶ecu200实施的行驶计划制订处理的具体例进行说明。
178.图25是表示行驶计划制订中的评价值的第1应用例的概念图。在第1应用例中，针对自动驾驶车辆(以下，简称为车辆)行驶的区间1，按参数的条件的每个组合而对地图数据设定有评价值。车辆具备传感器a和传感器b，传感器a的数据的有无和传感器b的数据的有无分别是决定评价值的参数。有传感器a的数据且有传感器b的数据的情况下的评价值为1.0。有传感器a的数据且没有传感器b的数据的情况下的评价值为0.4。没有传感器a的数据且有传感器b的数据的情况下的评价值为0.4。
179.在第1应用例中，评价值被用于选择是继续还是中止自动驾驶。例如，假设能够继续自动驾驶的评价值为0.5以上。在该情况下，在传感器a和传感器b双方正常的情况下，车辆的参数的评价值为1.0，因此，自动驾驶ecu200能够使车辆通过自动驾驶在区间1内行驶。可是，在车辆行驶于区间1期间由于某些原因传感器b发生故障的情况下，车辆的参数的评价值从1.0降低到0.4。由于评价值降低到小于0.5，变得无法继续自动驾驶，自动驾驶ecu200当场使车辆停止。
180.作为中止自动驾驶并使车辆停止后的应对，如果车内乘坐有能够驾驶的人，那么切换为手动驾驶。另外，也能够从停车的状态使用通信向远程操作员请求辅助(支援)。作为由远程操作员进行辅助的方法，可列举向现场派遣能够修理车辆的工程师、向现场派遣能够驾驶车辆的驾驶员、向现场派遣能够牵引车辆的拖车来将车辆回收等。另外，在车辆具备远程操作功能(包括远程驾驶功能)的情况下，也可以通过由远程操作员进行的远程操作来操作车辆。
181.图26是表示用于实现上述的第1应用例的处理、也即是说行驶计划制订处理的第1具体例的流程图。该处理是通过由处理器201执行行驶计划制订程序而有自动驾驶ecu200执行的处理。
182.在步骤s101中，基于内部传感器320的传感器数据，更新车辆状态。另外，基于由gps接收部310接收到的车辆的位置信息、和保存于地图数据db260的地图数据，更新车辆位置。
183.在步骤s102中，基于由gps接收部310接收到的车辆的位置信息、和内部传感器320以及外部传感器330的各传感器数据，更新与车辆的自动驾驶关联的参数。
184.在步骤s103中，从地图数据db260取得与在步骤s102中更新后的参数对应的地图数据的评价值。在评价值与位置相关联的情况下，取得与在步骤s101中更新后的车辆位置对应的评价值。
185.在步骤s104中，判定在步骤s103中取得的评价值是否在能够继续自动驾驶的值以上。在判定结果为肯定的情况下，处理进入步骤s105。在判定结果为否定的情况下，处理进入步骤s106。
186.在步骤s105中，判定车辆是否到达了目的地。在判定结果为肯定的情况下，处理结束。在判定结果为否定的情况下，处理回到步骤s101。
187.在步骤s106中，使车辆当场停车。而且，在使车辆停车后，处理结束。
188.5-2.第2具体例
189.图27是表示行驶计划制订中的评价值的第2应用例的概念图。在第2应用例中，针对车辆行驶的区间1，按参数的条件的每个组合而对地图数据设定有评价值。设定于地图数
据的评价值与第1应用例相同。
190.在第2应用例中，评价值被用于选择行驶模式。行驶模式的一例是自动驾驶时的速度。例如，假设能够以40km/h继续自动驾驶的评价值为0.6以上，能够以20km/h继续自动驾驶的评价值为0.4以上。在该情况下，在传感器a和传感器b双方正常的情况下，车辆的参数的评价值为1.0，因此，自动驾驶ecu200能够使车辆通过40km/h的自动驾驶在区间1内行驶。可是，在车辆行驶于区间1期间由于某些原因传感器b发生故障的情况下，车辆的参数的评价值降低到小于0.6，因而若保持40km/h不变则无法继续自动驾驶。
191.然而，传感器b发生故障的状态下的车辆的参数的评价值为0.4。如果评价值为0.4以上，则只要使速度降至20km/h，就能够继续自动驾驶。自动驾驶ecu200通过将车辆的速度降至20km/h而使得能够继续自动驾驶，使车辆通过自动驾驶通过区间1。
192.图28是表示用于实现上述的第2应用例的处理、也即是说行驶计划制订处理的第2具体例的流程图。该处理是通过由处理器201执行行驶计划制订程序而有自动驾驶ecu200执行的处理。
193.在步骤s201中，基于内部传感器320的传感器数据，更新车辆状态。另外，基于由gps接收部310接收到的车辆的位置信息、和保存于地图数据db260的地图数据，更新车辆位置。
194.在步骤s202中，基于由gps接收部310接收到的车辆的位置信息、和内部传感器320以及外部传感器330的各传感器数据，更新与车辆的自动驾驶关联的参数。
195.在步骤s203中，从地图数据db260取得与在步骤s202中更新后的参数对应的地图数据的评价值。在评价值与位置相关联的情况下，取得与在步骤s201中更新后的车辆位置对应的评价值。
196.在步骤s204中，判定在步骤s203中取得的评价值是否在能够以40km/h继续自动驾驶的值以上。在判定结果为肯定的情况下，处理进入步骤s205。在判定结果为否定的情况下，处理进入步骤s207。
197.在步骤s205中，将车速设定为40km/h。设定车速后，处理进入步骤s206。
198.在步骤s207中，判定在步骤s203中取得的评价值是否在能够以20km/h继续自动驾驶的值以上。在判定结果为肯定的情况下，处理进入步骤s208。在判定结果为否定的情况下，处理进入步骤s209。
199.在步骤s208中，将车速设定为20km/h。设定车速后，处理进入步骤s206。
200.在步骤s206中，判定车辆是否到达了目的地。在判定结果为肯定的情况下，处理结束。在判定结果为否定的情况下，处理回到步骤s201。
201.在步骤s209中，使车辆当场停车。而且，在使车辆停车后，处理结束。
202.5-3.第3具体例
203.图29是表示行驶计划制订中的评价值的第3应用例的概念图。在第3应用例中，车辆行驶的区间划分为4个区间1～4，针对各区间，按参数的条件的每个组合而对地图数据设定有评价值。有传感器a的数据且有传感器b的数据的情况下的评价值在区间1～4中的任一个中都为1.0。有传感器a的数据且没有传感器b的数据的情况下的评价值在区间1、2、4中为0.7，而仅在区间3中为0.4。没有传感器a的数据且有传感器b的数据的情况下的评价值在区间1、2、4中为0.7，而仅在区间3中为0.4。在此，假设能够继续自动驾驶的评价值为0.5以上。
204.在第3应用例中，评价值被用于选择路径。例如，假设车辆打算以最短路径从区间1行驶到区间4。在传感器a和传感器b双方正常的情况下，车辆的参数的评价值为1.0，因此，自动驾驶ecu200能够使车辆通过自动驾驶以最短路径从区间1经过区间3行驶到区间4。可是，假设在车辆行驶于区间1期间由于某些原因传感器b发生了故障。即使传感器b发生了故障，由于区间1的评价值为0.7，因此在行驶于区间1期间，自动驾驶ecu200也能够使车辆继续自动驾驶。
205.然而，在作为最短路径的区间3，传感器b发生故障的情况下的评价值为0.4，比能够继续自动驾驶的0.5低。也即是说，在传感器b发生故障的状态下，无法使车辆通过自动驾驶通过区间3。另一方面，在选择了虽然绕远路但是绕过区间3的区间2的情况下，评价值维持在能够继续自动驾驶的0.5以上。在该情况下，自动驾驶ecu200选择区间2作为路径，使车辆经由区间2前往区间4。
206.图30是表示用于实现上述的第3应用例的处理、也即是说行驶计划制订处理的第3具体例的流程图。该处理是通过由处理器201执行行驶计划制订程序而有自动驾驶ecu200执行的处理。
207.在步骤s301中，基于内部传感器320的传感器数据，更新车辆状态。另外，基于由gps接收部310接收到的车辆的位置信息、和保存于地图数据db260的地图数据，更新车辆位置。
208.在步骤s302中，基于由gps接收部310接收到的车辆的位置信息、和内部传感器320以及外部传感器330的各传感器数据，更新与车辆的自动驾驶关联的参数。
209.在步骤s303中，从地图数据db260取得与在步骤s302中更新后的参数对应的地图数据的评价值。在评价值与位置相关联的情况下，取得与在步骤s301中更新后的车辆位置对应的评价值。
210.在步骤s304中，判定在步骤s303中取得的评价值是否在能够继续自动驾驶的值以上。在判定结果为肯定的情况下，处理进入步骤s305。在判定结果为否定的情况下，处理进入步骤s311。
211.在步骤s305中，基于与在步骤s302中更新后的参数对应的前方路径的评价值，判定此后是否也继续是能够继续自动驾驶的路径。在判定结果为肯定的情况下，处理进入步骤s306。在判定结果为否定的情况下，处理进入步骤s307。
212.在步骤s307中，基于与在步骤s302中更新后的参数对应的别的路径的评价值，判定是否如果选择别的路径就继续是能够继续自动驾驶的路径。在判定结果为肯定的情况下，处理进入步骤s308。在判定结果为否定的情况下，处理进入步骤s309。
213.在步骤s308中，将使车辆行驶的路径从起初的路径更新为在步骤s307中选择的路径。路径更新后，处理进入步骤s306。
214.在步骤s309中，判定能够继续自动驾驶的路径上是否存在能够使车辆疏散(退避)的疏散区域。在判定结果为肯定的情况下，处理进入步骤s310。在判定结果为否定的情况下，处理进入步骤s311。
215.在步骤s310中，将车辆的目的地从起初的地点变更为疏散区域。目的地变更后，处理进入步骤s306。
216.在步骤s306中，判定车辆是否到达了目的地。在判定结果为肯定的情况下，处理结
束。在判定结果为否定的情况下，处理回到步骤s301。
217.在步骤s311中，使车辆当场停车。而且，在使车辆停车后，处理结束。
218.6.利用评价值的在线计算的车辆控制
219.6-1.评价值的在线计算
220.如前所述，在制作地图数据时进行基于slam的自身位置推定。由于slam需要大的计算资源，因此离线进行计算。然而，如果使用粒子滤波代替slam，就能够在线进行自身位置推定。而且，基于自身位置推定的结果，能够计算可以说推定成功的概率、即作为评价值的p值。
221.首先，作为步骤1，取得从lidar获得的点云。通过将从lidar得到的三维点云映射在平面上，可得到点云图像。
222.在步骤2中，从lidar的点云检测特征量。通过由特征量检测器处理点云图像，检测特征量，可得到特征量图像。在此使用的特征量检测的算法优选是与生成特征量地图时所使用的算法相同的算法。
223.在步骤3中，进行在步骤2中检测出的特征量与特征量地图的匹配。使用定位器(imu和gps)推定从上一次推定出的自身位置的移动量。而且，进行当前自身车辆所在的推定出的位置周边的特征量地图的特征量与在步骤2中取得的特征量的匹配。在在线处理中，在该用于自身位置推定的匹配中使用粒子滤波。
224.在步骤4中，根据步骤3中的匹配的结果，更新地图上的自身位置。步骤4结束后，根据更新后的自身位置(位姿)和用于推定该自身位置的特征量，统计性地求取在结果上该自身位置多大程度地可以说是推定成功了。在此求取的统计概率是在线计算的p值，是与离线计算的p值、即基于slam的位姿下的自身位置推定的成功的程度具有相同意义的数值。
225.6-2.基于在线计算出的评价值的车辆控制的具体例
226.现在，假设在写入了作为评价值的p值的地图数据上，如图31a所示那样，车辆通过自动驾驶从a地点向b地点行驶。自动驾驶ecu200每次进行自身位置推定时，就在线计算该位置上的p值。在图31b中，在同一图表上表示了通过离线计算(在此为slam)计算出的地图数据上的p值、和通过在线计算(在此为粒子滤波)计算出的当前位置的p值。
227.一般而言，在线计算相比于离线计算，精度较差，因此，通过在线计算得到的p值低于通过离线计算得到的p值。但是，在相对于通过离线计算得到的p值，通过在线计算得到的p值太低的状态持续出现的情况下，能够判断为发生了某些异常。例如也可以，在通过在线计算得到的p值比通过离线计算得到的p值低0.2以上的状态连续出现1秒以上的情况下，判定为车辆发生了异常。
228.在此，在图32a所示的车辆的位置处，如图32b所示，通过在线计算得到的p值降低，比通过离线计算的p值低0.2以上的状态就这样连续出现了1秒以上。在该情况下，自动驾驶ecu200判断为自身位置推定失败，如图33a所示，使车辆当场停车并中止自动驾驶。在图33b中通过在线计算获得的p值变为零是由自动驾驶中止引起的。
229.使车辆停车后，自动驾驶ecu200使匹配的范围扩大等，重新进行自身位置推定，并调查p值是否恢复到可自动驾驶的值。如果车内乘坐有能够驾驶的人，那么也可以从自动驾驶切换为手动驾驶。另外，也能够从停车的状态使用通信向远程操作员请求辅助。
230.7.其他
231.由地图数据生成装置100进行的地图数据评价处理也能够应用于路面亮度地图。在路面亮度地图的各单元中，存储到达单元的lidar的点云的数量、和路面亮度的平均值及方差。计算路面亮度的平均值及方差时，使用到达单元的所有lidar的点云的值(反射强度)。在路面形状地图的评价值的计算方法中，通过将路面形状地图中的高度的方差替换为路面亮度地图中的路面亮度的方差，从而可以用作路面亮度地图的评价值的计算方法。

技术特征：
1.一种地图数据生成方法，其特征在于，包括：根据行驶日志数据组生成多个数据集，所述多个数据集中的各个数据集由一个或多个行驶日志数据组成，所述行驶日志数据组所包含的各个行驶日志数据由一个或多个参数规定，根据所述多个数据集中的各个数据集生成评价用地图数据，对于根据所述多个数据集生成的多个评价用地图数据中的各个评价用地图数据计算评价值，基于所述多个数据集中的各个数据集与所述多个评价用地图数据中的各个评价用地图数据的评价值的对应关系，确定所述一个或多个参数的条件的组合与所述评价值的关系，生成按所述一个或多个参数的条件的每个组合关联有所述评价值的自动驾驶用地图数据。2.根据权利要求1所述的地图数据生成方法，其特征在于，所述一个或多个参数包括表示自动驾驶车辆的内部状态的参数。3.根据权利要求1或2所述的地图数据生成方法，其特征在于，所述一个或多个参数包括表示自动驾驶车辆的外部状态的参数。4.根据权利要求1至3中任一项所述的地图数据生成方法，其特征在于，计算所述评价值包括计算基于所述多个评价用地图数据间的相对评价的相对评价值。5.一种行驶计划制订方法，其特征在于，包括：取得通过权利要求1至4中任一项所述的地图数据生成方法生成的所述自动驾驶用地图数据，取得自动驾驶车辆中的所述一个或多个参数的条件，从所述自动驾驶用地图数据取得与所述自动驾驶车辆中的所述一个或多个参数的条件对应的评价值，基于从所述自动驾驶用地图数据取得的评价值，制订所述自动驾驶车辆的行驶计划。6.根据权利要求5所述的行驶计划制订方法，其特征在于，制订所述行驶计划包括根据所述评价值选择是继续还是中止所述自动驾驶。7.根据权利要求5或6所述的行驶计划制订方法，其特征在于，制订所述行驶计划包括选择适合于所述评价值的行驶模式。8.根据权利要求5至7中任一项所述的行驶计划制订方法，其特征在于，制订所述行驶计划包括选择适合于所述评价值的路径。9.一种地图数据生成装置，其特征在于，具备：至少一个处理器；以及程序存储器，其与所述至少一个处理器结合，存储有多个可执行指令，所述多个可执行指令构成为，使所述至少一个处理器：根据行驶日志数据组生成多个数据集，所述多个数据集中的各个数据集由一个或多个行驶日志数据组成，所述行驶日志数据组所包含的各个行驶日志数据由一个或多个参数规定，根据所述多个数据集中的各个数据集生成评价用地图数据，
对于根据所述多个数据集生成的多个评价用地图数据中的各个评价用地图数据计算评价值，基于所述多个数据集中的各个数据集与所述多个评价用地图数据中的各个评价用地图数据的评价值的对应关系，确定所述一个或多个参数的条件的组合与所述评价值的关系，生成按所述一个或多个参数的条件的每个组合关联有所述评价值的自动驾驶用地图数据。10.一种计算机可读记录介质，其记录有使计算机执行用于生成地图数据的处理的程序，其特征在于，所述处理包括：根据行驶日志数据组生成多个数据集，所述多个数据集中的各个数据集由一个或多个行驶日志数据组成，所述行驶日志数据组所包含的各个行驶日志数据由一个或多个参数规定，根据所述多个数据集中的各个数据集生成评价用地图数据，对于根据所述多个数据集生成的多个评价用地图数据中的各个评价用地图数据计算评价值，基于所述多个数据集中的各个数据集与所述多个评价用地图数据中的各个评价用地图数据的评价值的对应关系，确定所述一个或多个参数的条件的组合与所述评价值的关系，生成按所述一个或多个参数的条件的每个组合关联有所述评价值的自动驾驶用地图数据。

技术总结
本公开涉及地图数据生成方法、行驶计划制订方法、地图数据生成装置以及记录有地图数据生成程序的计算机可读记录介质。在本公开的方法中，根据行驶日志数据组，生成多个数据集(20A、20B、20C)。数据集由多个行驶日志数据组成。行驶日志数据由多个参数规定。根据各个数据集，生成评价用地图数据(30A、30B、30C)。对于评价用地图数据(30A、30B、30C)中的每一个，计算评价值。基于各个数据集与评价值的对应关系，确定多个参数的条件的组合与评价值的关系。生成按参数的条件的每个组合关联有评价值的自动驾驶用地图数据(30)。由此，能够在基于地图数据的自动驾驶时，应对与自动驾驶关联的参数的条件的动态变化。参数的条件的动态变化。参数的条件的动态变化。


技术研发人员：保海佳佑 河内太一
受保护的技术使用者：丰田自动车株式会社
技术研发日：2023.03.13
技术公布日：2023/9/20