-
Hintergrund
der Erfindung
-
Die
vorliegende Erfindung betrifft ein System zur Fahrspurerkennung
zur Erkennung einer Fahrspur eines Fahrzeugs durch Durchführen einer
Bildverarbeitung eines von einer Kamera aufgenommenen Bildes der
Straßenoberfläche und
insbesondere ein System zur Fahrspurerkennung zum Fahren auf einer
richtigen Fahrspur, entsprechend einer Vielzahl von Fahrbahnmarkierungsformen
(-arten).
-
Eine
Technologie zur Erkennung einer Fahrspur eines Fahrzeugs ist eine
Technologie, die für
ein Warnsystem für
ein Fahrzeug, wenn es von der Fahrspur abzukommen droht, für ein Unterstützungssystem
zum Beibehalten der Fahrspur bei einer Lenkhilfssteuerung, usw.,
notwendig ist. Hinsichtlich der Fahrspurerkennungs-Technologie gibt
es ein Verfahren, in dem magnetische Fahrbahnmarkierungen in eine
Straße
eingebaut sind, um eine Fahrspur aus den Positionen des magnetischen
Felds zu erkennen; ein Verfahren, in dem eine Position eines Fahrzeugs
unter Verwendung eines differentiellen GPS oder eines kinematischen
GPS mit hoher Genauigkeit gemessen wird, um eine Fahrspur aus sehr
genauen Straßenkarte-Daten
zu berechnen; usw. Jedoch erfordert jedes dieser Verfahren den Aufbau
einer Infrastruktur und dementsprechend ist der anwendbare Bereich
begrenzt.
-
Andererseits
hat ein Verfahren, das eine Bildverarbeitung durch Erfassen einer
Fahrspur aus einem Kamerabild verwendet, einen Vorteil darin, dass
der anwendbare Bereich groß ist,
da keine Infrastruktur aufgebaut werden muss.
-
Bei
der Fahrspurerkennung unter Verwendung der Bildverarbeitung ist
immer eine zuverlässige
Erkennung erforderlich, unter Berücksichtigung verschiedener
Zustände
einer Straßenoberfläche. In der
offengelegten japanischen Patentanmeldung Nr. 7-128059, die ein
Verfahren offenbart, in dem ein Parameter oder ein Schwellenwert
entsprechend einem Zustand einer Straßenoberfläche verändert wird, wird erläutert, dass
der Schwellenwert, der zum Gewinn einer Kante einer weißen Linie
einer Fahrbahnmarkierung verwendet wird, aus der Intensität der Kante
bestimmt wird. Ferner wird in der offengelegten japanischen Patentanmeldung
Nr. 6-341821 beschrieben, dass der Erkennungsbereich verändert wird,
indem unabhängig
von den Intensitäten
der Kanten von rechten und linken weißen Linien Schwellenwerte gesetzt
werden. Wie oben beschrieben, können,
durch Verändern
eines Schwellenwerts oder eines Parameters entsprechend dem Zustand einer
Straßenoberfläche, zuverlässige Erkennungsergebnisse
für verschiedene
Zustände
einer Straßenoberfläche erhalten
werden.
-
Obwohl
die herkömmlichen
Technologien mit den verschiedenen Zuständen einer Straßenoberfläche zurecht
kommen, indem sie den Schwellenwert oder den Parameter ändern, wird
die Erkennung unter Verwendung des Bildverarbeitungsalgorithmus durchgeführt, der
unter der Voraussetzung erstellt wird, dass es sich bei den Fahrbahnmarkierungen um
weiße
Linien handelt.
-
Die
meisten der Fahrbahnmarkierungen sind in Japan weiße Linien
(gelbe Linien), aber erhöhte Fahrbahnmarkierungen
und Pfosten werden zusätzlich
zu den weißen
Linien in verschiedenen anderen Ländern verwendet. Die Erfassung
einer Fahrspur wird durchgeführt,
um einen Versatz eines Fahrzeugs und eine Krümmung der Fahrspur zu erhalten. Wenn
verschiedene Arten der Fahrbahnmarkierungen, wie die weiße Linie,
erhöhte
Fahrbahnmarkierungen, Pfosten, usw. unter Verwendung eines herkömmlichen
Bildverarbeitungsalgorithmus einer Bildverarbeitung unterzogen werden,
besteht ein Problem darin, dass die Erkennungsgenauigkeit der resultierenden
Erkennungsrate schlechter ist.
-
US-A-5835028
betrifft einen Fahrbahnmarkierungs-Positionssensor und ein Warnsystem
zum Erfassen aufgemalter Fahrbahnmarkierungen und eine Signalisierung,
wenn sich ein Fahrzeug weiter als eine vorgegebene Schwellenentfernung
hinsichtlich der Fahrbahnmarkierung bewegt hat. Darin ist aber nicht
offenbart, dass einer aus einer Vielzahl verschiedener Arten von
Bildverarbeitungsalgorithmen ausgewählt werden soll, die einzeln
verschiedenen Fahrbahnmarkierungen entsprechen.
-
Zusammenfassung
der Erfindung
-
Die
vorliegende Erfindung soll das oben erwähnte Problem lösen, und
eine Aufgabe der vorliegenden Erfindung ist es, ein System zur Fahrspurerkennung
vorzusehen, das die Genauigkeit der Fahrspurerkennung durch zuverlässiges Erfassen
der verschiedenen Arten von Fahrbahnmarkierungen verbessern kann.
-
Ein
System zur Fahrspurerkennung gemäß der vorliegenden
Erfindung ist charakterisiert durch ein Bildverarbeitungsmittel
zur Bildverarbeitung eines Bilds der Straße mit einer Vielzahl verschiedener Arten
von Bildverarbeitungsalgorithmen. Eine Fahrspur kann durch Auswahl
eines Bildverarbeitungsalgorithmus erfasst werden, der für die Fahrspur
geeignet ist, aus der Vielzahl von Bildverarbeitungsalgorithmen,
die der Straße,
auf der das Fahrzeug fährt, entsprechen.
-
Genauer
gesagt, der Bildverarbeitungsalgorithmus wird ausgewählt durch
Identifizieren einer Art von Fahrbahnmarkierung auf der Stra ße, auf
der das Fahrzeug fährt,
und/oder ein zum Erfassen der Fahrspur des Fahrzeugs eingesetzter
Bildverarbeitungsalgorithmus wird zu einem Zeitpunkt ausgewählt auf Grundlage
eines Erkennungs-Zuverlässigkeitsmaßes durch
einen Bildverarbeitungsalgorithmus, der zum Erfassen der Fahrspur
des Fahrzeugs vorher eingesetzt wurde.
-
Das
System zur Fahrspurerkennung gemäß der vorliegenden
Erfindung weist die Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen in
dem Bildverarbeitungsmittel zur Bildverarbeitung eines Bilds einer
Straße
auf. Eine Fahrspur kann erfasst werden durch Auswahl eines für die Fahrspur geeigneten
Bildverarbeitungsalgorithmus aus der Vielzahl von Bildverarbeitungsalgorithmen,
die einer Straße
entsprechen, auf der das Fahrzeug fährt. Demgemäß kann die vorliegende Erfindung
die Genauigkeit der Erkennung einer Fahrspur durch zuverlässiges Erfassen
einer der vielen Arten von Fahrbahnmarkierungen verbessern.
-
Kurze Beschreibung
der Zeichnungen
-
1 ist
eine Blockdarstellung, die den Aufbau eines Ausführungsbeispiels gemäß der vorliegenden
Erfindung zeigt.
-
2 ist
ein Ablaufdiagramm für
die Verarbeitung, das den Betrieb der vorliegenden Erfindung darstellt.
-
3 ist
ein Ablaufdiagramm für
die Verarbeitung eines Erkennungsalgorithmus für eine weiße Linie.
-
4 ist
ein Ablaufdiagramm für
die Verarbeitung eines Erkennungsalgorithmus für eine erhöhte Fahrbahnmarkierung.
-
5 ist
ein Ablaufdiagramm für
die Verarbeitung eines Erkennungsalgorithmus für einen Pfosten.
-
6 ist
ein Ablaufdiagramm für
die Verarbeitung eines Erkennungsalgorithmus für Muster auf der Straßenoberfläche.
-
7 ist
ein Ablaufdiagramm für
die Verarbeitung eines Beispiels eines gängigen Erkennungsalgorithmus
für eine
Linienmarkierung.
-
8 ist
eine Blockdarstellung, die den Aufbau der vorliegenden Erfindung
zeigt.
-
9 ist
eine Blockdarstellung, die einen weiteren Aufbau der vorliegenden
Erfindung zeigt.
-
10 ist
ein Ablaufdiagramm für
die Verarbeitung, das den Betrieb gemäß 9 darstellt.
-
11 zeigt beispielhafte Darstellungen,
die verschiedene Formen von Fahrbahnmarkierungen darstellen.
-
12 zeigt Darstellungen, die eine in dem Erkennungsalgorithmus
für Straßenoberflächemuster
verwendete Densitäts-Projektion
darstellen.
-
Detaillierte
Beschreibung bevorzugter Ausführungsbeispiele
-
1 ist
eine Blockdarstellung eines Systems zur Fahrspur-Beibehaltung gemäß der vorliegenden Erfindung.
-
Das
System zur Fahrspurerkennung gemäß der vorliegenden
Erfindung bildet das System zur Fahrspur-Beibehaltung. Der gesamte Aufbau
des Systems zur Fahrspur-Beibehaltung wird im Folgenden zuerst beschrieben
und anschließend
wird die Erfindung detailliert beschrieben.
-
Unter
Bezugnahme auf 1 besteht das System zur Fahrspur-Beibehaltung aus
einem Fahrspurerkennungsteil 1 zum Erhalt von Fahrspur-Positionsinformation,
die zur Steuerung der Beibehaltung der Fahrspur erforderlich ist,
einem Fahrspur-Beibehaltung-Steuerungsteil 2 zum
Steuern eines Fahrzeugs und einem Fahrspur-Beibehaltung-Durchführungsteil 3, das
den Betrieb der Beibehaltung der Fahrspur betrifft.
-
Das
Fahrspurerkennungsteil 1 besteht aus einer Kamera 5 als
ein Abbildungsmittel zum Aufnehmen eines Bildes der Straße vor dem
Fahrzeug, einem Bildverarbeitungsmittel 6 mit Bildverarbeitungsalgorithmen,
die einzeln Formen (Arten) von Fahrbahnmarkierungen entsprechen
und einem Bildverarbeitungsalgorithmus-Auswahlmittel 4,
um einen auszuführenden
Bildverarbeitungsalgorithmus aus der Vielzahl von in dem Bildverarbeitungsmittel 6 gespeicherten
Bildverarbeitungsalgorithmen auszuwählen.
-
Das
von der Kamera 5 erhaltene Bild der Straße vor dem
Fahrzeug wird von dem Bildverarbeitungsmittel 6 verarbeitet,
um ein Ergebnis der Fahrspurerkennung zu bekommen. Das Ergebnis
der Fahrspurerkennung enthält
eine Versatzinformation des Fahrzeugs bezüglich der Fahrbahn und eine Krümmungsinformation
der Fahrbahn. Die Versatzinformation wird durch 0 ausgedrückt, wenn
das Fahrzeug in der Mitte der Fahrspur fährt, durch einen negativen
Wert, wenn das Fahrzeug bei der Fahrt zur linken Seite hin versetzt
ist, durch einen positiven Wert, wenn das Fahrzeug bei der Fahrt
zur rechten Seite hin versetzt ist, und der Wert ist umso größer, je größer der
Versatz ist.
-
Das
Ergebnis der Fahrspurerkennung des Bildverarbeitungsmittels 6 wird
von dem Fahrspur-Beibehaltung-Steuerungsteil 2 verarbeitet,
um eine Steuerung des Fahrspur-Beibehaltung-Durchführungsteils 3 durchzuführen. Konkret
unterstützt das
Fahrspur-Beibehaltung-Durchführungsteil 3 die Lenkung,
so dass das Fahrzeug entlang der Fahrspur durch Steuern eines Lenk-Aktuators 7 gefahren wird,
oder warnt den Fahrer, indem es ein Fahrspur-Abweichungs-Warnsystem 8 startet,
wenn das Fahrzeug von der Fahrspur abzukommen droht.
-
Das
System zur Fahrspurerkennung (das Teil zur Fahrspurerkennung) 1 weist
auf das Bildverarbeitungsmittel 6 mit der Vielzahl von
Bildverarbeitungsalgorithmen 9 bis 12 und das
Bildverarbeitungsalgorithmus-Auswahlmittel 4 zur Auswahl
eines Bildverarbeitungsalgorithmus, der einer Art einer Fahrbahnmarkierung
entspricht, aus der Vielzahl von Bildverarbeitungsalgorithmen.
-
Die
in dem Bildverarbeitungsmittel 6 gespeicherten Bildverarbeitungsalgorithmen 9 bis 12 werden
im Folgenden erläutert.
-
Das
Bildverarbeitungsmittel 6 weist vier Arten der Bildverarbeitungsalgorithmen
auf. Hinsichtlich der Bildverarbeitungsalgorithmen, die den Formen
der Fahrbahnmarkierungen entsprechen, sind vorgesehen ein Erkennungsalgorithmus 9 für eine weiße Linie,
um eine Position einer weißen
Linie (einschließlich
einer gelben Linie) zu erfassen, ein Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung,
um eine Position einer erhöhten
Fahrbahnmarkierung zu erfassen, ein Erkennungsalgorithmus 11 für einen
Pfosten, um eine Position eines Pfostens zu erfassen und ein Erkennungsalgorithmus 12 für Muster
auf der Straßenoberfläche, um
ein Straßenoberflächemuster
(zum Beispiel Radspuren, usw.) in einem Fall zu erfassen, wenn es
auf einer alten bedeckten Straße
schwierig ist, die Fahrbahnmar kierungen aufgrund von Störungen oder
Verunreinigungen zu sehen, wenn es auf einer unbedeckten Straße nicht
möglich
ist, Fahrbahnmarkierungen zu entdecken, oder wenn eine Straße in einem
schlechten Zustand ist, z. B. durch Schneeablagerungen.
-
In
dem Fall des Algorithmus zum Erfassen der Fahrbahnmarkierungen kann,
wenn eine Position einer Fahrbahnmarkierung erfasst wird, der Versatz des
Fahrzeugs auf der Fahrspur berechnet werden. Ferner kann, wenn mehrere
Positionen von Fahrbahnmarkierungen mit bestimmten Abständen in
Metern (zum Beispiel 10 m) vor dem Fahrzeug erhalten werden, eine
Krümmung
der Fahrspur berechnet werden. Andererseits können, in dem Fall des Erkennungsalgorithmus 12 für Muster
auf der Straßenoberfläche, Positionen
der Fahrbahnmarkierungen nicht bekannt sein. Durch Erfassen einer
Position eines Endes einer Seite der Straße oder einer Position des vorausfahrenden
Fahrzeugs wird ein Versatz des Fahrzeugs bezüglich der Fahrspur berechnet.
Die Krümmung
der Fahrspur kann durch Analysieren eines Musters der Straßenoberfläche vor
dem Fahrzeug berechnet werden.
-
Jeder
der Bildverarbeitungsalgorithmen 9 bis 12 führt die
folgende Verarbeitung durch.
-
Der
Erkennungsalgorithmus 9 für eine weiße Linie erfasst Positionen
von weißen
Linien 41, die auf der Straßenoberfläche gemalt (angeordnet) sind,
wie in 11(a) gezeigt wird. Der Verarbeitungsablauf des
Erkennungsalgorithmus 9 für eine weiße Linie wird in 3 gezeigt.
Da ein Densitätswert
des Teils der weißen
Linie 41 höher
ist als ein Densitätswert der
Straßenoberfläche, wird
die Position der weißen Linie
unter Verwendung dieser Charakteristik erfasst.
-
In
Schritt S21 wird zuerst eine Kantenerfassung durchgeführt, um
die Abgrenzung zwischen der weißen
Linie 41 und der Straßenoberfläche zu erfassen.
In Schritt S22 wird an den erfassten Punkten eine Hough-Transformation
durchgeführt,
um eine gerade Linienkomponente zu erfassen, die aus den Kantenpunkten
besteht. Wo die Fahrbahn eine Kurve aufweist, wird die weiße Linie 41 eine
gebogene Linie. Durch Durchführung
der Hough-Transformation kann jedoch durch Aufteilen der Kantenpunkte
in den Teil nahe dem eigenen Fahrzeug und den von dem eigenen Fahrzeug
entfernten Teil die gebogene Linie durch gerade Linien approximiert
werden.
-
Nach
dem Erfassen von Kandidaten für Komponenten
von geraden Linien für
die weiße
Linie 41 wird in Schritt S23 die Breite der Fahrspur überprüft, indem
bewertet wird, ob die erfasste gerade Linie die weiße Linie 41 ist
oder nicht. Die Breite der Fahrspur beträgt im Allgemeinen ungefähr 3.5 m
und eine tatsächliche
weiße
Linie 41 kann aus den Kandidaten für weiße Linien auf Grundlage dieser
Information ausgewählt
werden. Die Überprüfung der
Breite der Fahrspur kann nicht nur für den Erkennungsalgorithmus 9 für eine weiße Linie
verwendet werden, sondern auch für
den Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung und
den Erkennungsalgorithmus 11 für einen Pfosten.
-
Nach
der Erfassung der Position der weißen Linie 41 auf einem
Bild werden die Ergebnisse der Fahrspurerkennung aus Information über ein
Versatz des Fahrzeugs bezüglich
der Fahrspur und Information über
die Krümmung
der Fahrspur in Schritt S24 berechnet. Das Verfahren geht von Schritt
S24 zu Schritt S25, um ein Zuverlässigkeitsmaß der Fahrspurerkennung der
weißen
Linie 41 zu berechnen. Das Verfahren zum Berechnen des
Zuverlässigkeitsmaßes der
Fahrspurerkennung wird später
beschrieben.
-
Obwohl
die Kantenpunkte verwendet werden, die auf der Abgrenzungslinie
zwischen der weißen
Linie 41 und der Straßenoberfläche erscheinen, kann
eine Erfassung der weißen
Linie durchgeführt werden
durch Extrahieren eines Teils eines höheren Densitätswertes,
da der Teil der weißen
Linie einen hohen Densitätswert
aufweist. Folglich kann die Genauigkeit einer Erfassung weiter verbessert
werden, indem dieses Extraktions-Verfahren und das Kanten-Punkt-Verfahren kombiniert
werden.
-
Der
Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung ist
ein Algorithmus zum Erfassen der Positionen von erhöhten Fahrbahnmarkierungen 42,
die in die Straßenoberfläche eingelassen
sind, wie in 11(b) gezeigt wird. Der Verarbeitungsablauf
des Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung wird
in 4 gezeigt.
-
In
den meisten Fällen
der erhöhten
Fahrbahnmarkierung 42 ist der Densitätsunterschied zwischen der
erhöhten
Fahrbahnmarkierung und der Straßenoberfläche kleiner
als im Fall der weißen
Linie. Zuerst wird in Schritt S31 die Kantenerfassung durchgeführt und
in Schritt S32 wird die Verarbeitung eines Mustervergleichs der
erhöhten
Fahrbahnmarkierung in der Nähe
einer Position durchgeführt,
an der die Kante erfasst wird.
-
Die
Kantenerfassung von Schritt S31 wird verwendet, um einen Suchbereich
des Mustervergleichs (pattern matching) einzugrenzen. Der Mustervergleich
in Schritt S32 wird durchgeführt
durch vorheriges Registrieren von Mustern der erhöhten Fahrbahnmarkierungen 42 als
Vorlagen (templates) und Erfassen der Position des Musters durch
Vergleich mit den Vorlagen.
-
Danach
wird in Schritt S33 die Breite der Fahrspur überprüft, ähnlich zu dem Fall der weißen Linie 41,
um diejenigen Kandidaten von erhöhten Fahrbahnmarkierungen
auszuschließen,
welche die Bedingung nicht erfüllen.
Weiter wird, da die erhöhten
Fahrbahnmarkierungen mit gleichmäßigem Abstand
angeordnet sind, eine Überprüfung des
Abstands der Anordnung zwischen den erhöhten Fahrbahnmarkierungen in
Schritt S34 durchgeführt,
um die Kandidaten von erhöhten
Fahrbahnmarkierungen weiter zu identifizieren. Die in Schritt S35
durchgeführte
Berechnung des Ergebnisses der Fahrspurerkennung ist dieselbe wie
im Fall der weißen
Linie 41, und das Verfahren geht von Schritt S35 zu Schritt S36,
um ein Zuverlässigkeitsmaß der Fahrspurerkennung
zu berechnen. Das Verfahren zum Berechnen des Zuverlässigkeitsmaßes der
Fahrspurerkennung in Schritt S36 wird später beschrieben.
-
Der
Erkennungsalgorithmus 11 für einen Pfosten ist ein Algorithmus
zum Erfassen von Positionen von auf der Straßenoberfläche angeordneten Pfosten 43,
die ein Abkommen von der Fahrspur verhindern sollen, wie in 11(c) gezeigt wird. Der Verarbeitungsablauf des
Erkennungsalgorithmus 11 für einen Pfosten wird in 5 gezeigt.
-
Da
der Pfosten 43 ein zylinderförmiger Pfahl der Farbe rot
oder grün
ist, wird in Schritt S41 eine senkrechte Kante, ähnlich wie im Fall des Erkennungsalgorithmus 9 für eine weiße Linie,
erfasst. Da die Pfosten 43 ferner mit einem Abstand ähnlich wie die
erhöhten
Fahrbahnmarkierungen 42 angeordnet sind, wird in Schritt
S42 eine Überprüfung des
Abstands der Anordnung zwischen den Pfosten durchgeführt, um
die möglichen
Pfosten weiter zu identifizieren.
-
Danach
wird in Schritt S43 die Überprüfung der
Breite der Fahrspur ähnlich
wie die Fälle
der weißen
Linie 41 und der erhöhten
Fahrbahnmarkierung 42 durchgeführt, um diejenigen Kandidaten
für Pfosten
auszuschließen,
welche die Bedingung nicht erfüllen.
Da jedoch der Pfosten 43 hoch ist, wird die Überprüfung der
Breite der Fahrspur mit dem Abstand zwischen den Fußbereichen
der Pfosten 43 durchgeführt.
Die in Schritt S44 durchgeführte
Berechnung des Ergebnisses der Fahrspurerkennung ist dieselbe wie
im Fall der weißen
Linie 41 und das Verfahren zum Berechnen des Zuverlässigkeitsmaßes der
Fahrspurerkennung in Schritt S45 wird später erläutert.
-
Der
Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche ist
ein Algorithmus zum Durchführen
einer Erfassung der Fahrspur, indem ein Muster auf der Straßenoberfläche analysiert
wird, wenn die Erkennung der Fahrspur schwierig ist, da die Fahrbahnmarkierung 44 fast
verschwindet, wie in 11(d) gezeigt
wird. Der Verarbeitungsablauf des Erkennungsalgorithmus 12 für Muster
auf der Straßenoberfläche wird
in 6 gezeigt.
-
Der
Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche setzt
voraus, dass ein Densitätsmuster
auf der Straßenoberfläche in die Querrichtung,
das von einer Abgasspur oder einer Radspur auf einer alten bedeckten
Straßenoberfläche stammt,
auf ähnliche
Weise ohne Veränderung nach
vorne erscheint.
-
In
Schritt S51 wird eine Verarbeitung der Densität in der Querrichtung durchgeführt, um
Zonen 51 auf der in 12 gezeigten
Straßenoberfläche mit Streifen
zu versehen, um Densitätsmuster
auf der Straßenoberfläche in der
Querrichtung zu erfassen. 12(b) zeigt
die Densitäts-Projektionen
in der Querrichtung und die Ordinate zeigt den kumulativen Densitätswert und
die Abszisse zeigt die Abszisse von 12(a).
Indem das Muster von 12(b) auf ein
Referenz-Densitätsmuster
der Straßenoberfläche gesetzt
wird, wird eine Mustervergleich zwischen dem Referenz-Densitätsmuster
der Stra ßenoberfläche und
einem Densitätsmuster
der Straßenoberfläche des
nächsten
Rahmenbildes nur in der Querrichtung durchgeführt.
-
Das
Densitätsmuster
der Straßenoberfläche des
nächsten
Rahmenbildes stimmt mit dem Referenz-Densitätsmuster der Straßenoberfläche an einer
fast gleichen Position überein,
wenn sich das Fahrzeug auf einer Einzelspur bewegt. Jedoch stimmt
das Densitätsmuster
der Straßenoberfläche des
nächsten
Rahmenbildes mit dem Referenz-Densitätsmuster
der Straßenoberfläche mit
einer Position auf der rechten Seite überein, wenn das Fahrzeug auf
die linke Seite der Straße
versetzt wird, und das Densitätsmuster
der Straßenoberfläche des
nächsten
Rahmenbildes stimmt mit dem Referenz-Densitätsmuster der Straßenoberfläche mit
einer Position auf der linken Seite überein, wenn das Fahrzeug auf die
rechte Seite der Straße
versetzt wird.
-
Der
Erkennungsalgorithmus 12 für Muster auf der Straßenoberfläche kann
nur einen relativen Versatz zu dem vorhergehenden Rahmen erfassen (die
vorherige Fahrspurerkennung), da er die Fahrbahnmarkierungen (die
Abgrenzungslinie der Fahrspur) nicht erfassen kann. Um den absoluten
Versatz in Bezug zu der Fahrspur zu messen, ist es notwendig, zu
bewerten, welcher Teil des Densitätsmusters die Fahrbahnmarkierung
ist.
-
Deswegen
wird eine Fahrposition eines vorausfahrenden Fahrzeugs 52 unter
der Voraussetzung als Bezug genommen, dass das vorausfahrende Fahrzeug 52 entlang
der Mitte der Fahrspur fährt. Zuerst
wird das vorausfahrende Fahrzeug in Schritt S52 erfasst. Die Erfassung
des vorausfahrenden Fahrzeugs 52 wird durchgeführt, indem
ein rechteckiger Bereich mit vielen Kanten in der Querrichtung gewannen
wird, da das vorausfahrende Fahrzeug 52 viele Linien in
der Querrichtung hat.
-
Nach
dem Erfassen des vorausfahrenden Fahrzeugs 52 geht das
Verfahren zu Schritt S53, um eine Verarbeitung für die Schätzung der Position der Fahrbahnmarkierung
durchzuführen.
Das ist, wie in 12 gezeigt, ein Straßenoberflächemuster 61 in der
seitlichen Richtung in einem Abschnitt, in dem das vorausfahrende
Fahrzeug 52 fährt,
und dann wird eine Schätzung
für die
Positionen der Fahrbahnmarkierung an der Position des vorausfahrenden Fahrzeugs 52 durchgeführt. Eine
Schätzung
für die Positionen
der Fahrbahnmarkierung in der Nähe
des eigenen Fahrzeugs wird durchgeführt, indem ein Abschnitt gesucht
wird, der mit dem Densitätsmuster der
Straßenoberfläche übereinstimmt.
-
Deswegen
wird das vorausfahrende Fahrzeug 52 als klein betrachtet,
da es in der Entfernung zu dem eigenen Fahrzeug existiert. Das heißt, da der Zyklus
des Densitätsmusters
der Straßenoberfläche an der
Position des vorausfahrenden Fahrzeugs aufgrund der Entfernung kleiner
ist als der des Densitätsmusters
der Straßenoberfläche in der
Nähe des eigenen
Fahrzeugs auf dem Bildrahmen, wird der Vergleich durch Anpassen
des Zyklus durchgeführt. Durch
Durchführen
des Densitätsmustervergleichs der
Straßenoberfläche mit
der Position des vorausfahrenden Referenz-Fahrzeugs, wie oben beschrieben,
kann der Versatz von der Fahrspur berechnet werden.
-
In
einem Fall, in dem kein vorausfahrendes Fahrzeug existiert, wird
die Erkennung unmöglich,
indem in Schritt S56 das Zuverlässigkeitsmaß für die Fahrspurerkennung
auf 0 gesetzt wird, da nicht beurteilt werden kann, welcher Teil
in dem Densitätsmuster
der Straßenoberfläche in der
Querrichtung die Fahrbahnmarkierung ist.
-
Jeder
der oben beschriebenen Algorithmen (der Erkennungsalgorithmus 9 für eine weiße Linie, der
Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung, der
Erkennungsalgorithmus 11 für einen Pfosten und der Erkennungsalgorithmus 12 für Muster
auf der Straßenoberfläche) gibt
das Zuverlässigkeitsmaß für die Fahrspurerkennung
als das Ergebnis der Fahrspurerkennung aus.
-
Das
Zuverlässigkeitsmaß für die Fahrspurerkennung
stellt einen Index dar, der die Zuverlässigkeit des Ergebnisses der
Fahrspurerkennung ausdrückt.
Wenn der Wert klein ist, ist die Wahrscheinlichkeit der Erfassung
einer korrekten Position der Fahrspur niedrig, da es schwierig ist,
die Fahrbahnmarkierung visuell zu beobachten. Da das Verfahren zum
Setzen des Zuverlässigkeitsmaßes für die Fahrspurerkennung
je nach dem verwendeten Algorithmus unterschiedlich ist, kann es
willkürlich
gesetzt werden. Jedoch ist das Zuverlässigkeitsmaß für die Fahrspurerkennung ein
Index zur Beurteilung, ob die Fahrbahnmarkierungen erkannt werden
können
oder nicht, wobei der Wert normalisiert ist, damit er in dem Bereich
zwischen 0 und 1 variiert. Die Zuverlässigkeit des Ergebnisses der
Fahrspurerkennung ist höher, wenn
sich das Zuverlässigkeitsmaß nahe bei
1 befindet, und ist niedriger, wenn sich das Zuverlässigkeitsmaß nahe bei
0 befindet.
-
Das
Erkennungs-Zuverlässigkeitsmaß bei der
Erfassung von Kantenpunkten, die in dem Erkennungsalgorithmus 9 für eine weiße Linie
und in dem Erkennungsalgorithmus 11 für einen Pfosten durchgeführt wird,
ist definiert als „Erkennungs-Zuverlässigkeitsmaß = Anzahl
der Kantenpunkte der Fahrbahnmarkierung/Anzahl aller Kantenpunkte
der Straßenoberfläche".
-
Das
Erkennungs-Zuverlässigkeitsmaß des Mustervergleichs
in dem Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung und
dem Erkennungsalgorithmus 12 für Muster auf der Straßen- Oberfläche ist
definiert als „Erkennungs-Zuverlässigkeitsmaß = übereinstimmender
Korrelationswert".
-
Wie
oben erläutert,
kann die Fahrspur erkannt werden, auch wenn die Form der Fahrbahnmarkierung
anders ist, indem eine Vielzahl von Bildverarbeitungsalgorithmen
vorbereitet und verwendet werden.
-
Um
die vorliegende Erfindung zu erläutern, wird
ein Beispiel eines Ablaufs des Bildverarbeitungsalgorithmus zum
allgemeinen Erkennen der weißen
Linie, des Pfostens und der erhöhten
Fahrbahnmarkierung in 7 gezeigt, d. h. die Verarbeitung
geht von Schritt S61 bis Schritt S64.
-
Unter
Bezugnahme wiederum auf 1 wird das Bildverarbeitungsalgorithmus-Auswahlmittel 4 im Folgenden
beschrieben.
-
Eine
absolute Position des eigenen Fahrzeugs wird von dem GPS-Empfänger 14 unter
Verwendung einer elektromagnetischen Welle von einem Satelliten
(nicht gezeigt) identifiziert und eine Fahrstraße des eigenen Fahrzeugs wird
aus der Straßenkarte-Datendatei 16 erkannt.
Information über
die Formen der Fahrbahnmarkierungen (die weiße Linie, die erhöhte Fahrbahnmarkierung
und der Pfosten) werden für
jede Straße
zu der Straßenkarte-Datendatei 16 hinzugefügt.
-
Das
Fahrbahnmarkierungsart-Identifizierungsmittel 15 identifiziert
eine Art der Fahrbahnmarkierungsform auf der Straße des eigenen
Fahrzeugs und gibt die Art der Form der Fahrbahnmarkierung an das
Bildverarbeitungssystem 13 aus. Wenn die Information über die
Fahrbahnmarkierung (Bildverarbeitungsalgorithmus-Auswahlinformation) der Straße eingegeben
wird, wählt
das Bildverarbeitungssystem 13 einen der Bildverarbeitungsalgorithmen
aus.
-
Um
den Bildverarbeitungsalgorithmus auszuwählen, kann die Art des Bildverarbeitungsalgorithmus
zu den Straßenkarte-Daten 16 hinzugefügt werden.
Im Folgenden wird die, wie oben beschriebene, Auswahl des Bildverarbeitungsalgorithmus
als ein die Straßenkarte
betreffendes Verfahren bezeichnet.
-
2 zeigt
den Verarbeitungsablauf des Bildverarbeitungsmittels 6 in
dem die Straßenkarte betreffenden
Verfahren.
-
Zuerst
wird in Schritt S1 entweder der Erkennungsalgorithmus 9 für eine weiße Linie
(Schritt S2), der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung
(Schritt S3) oder der Erkennungsalgorithmus 11 für einen
Pfosten (Schritt S4) ausgewählt
gemäß der Art
der Fahrbahnmarkierung, die von dem Bildverarbeitungsalgorithmus-Auswahlmittel 4 erhalten
wird.
-
Die
Verarbeitung von Schritt S2 wird durchgeführt, wenn in Schritt S1 der
Erkennungsalgorithmus 9 für eine weiße Linie ausgewählt wird.
Die Fahrspur wird unter Verwendung der Kanteninformation der weißen Linie 41 oder
des hohen Densitätswerts des
Abschnitts der weißen
Linie erfasst. Die Ausgabe ist das Ergebnis der Fahrspurerkennung
und das Zuverlässigkeitsmaß für die Fahrspurerkennung.
-
Die
Verarbeitung von Schritt S3 wird durchgeführt, wenn in Schritt S1 der
Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung ausgewählt wird.
Das Muster der erhöhten
Fahrbahnmarkierung 42 ist als eine Vorlage vorher registriert
und Positionen der Muster werden erfasst. Der Schritt S3 wird ausgeführt, wenn
in Schritt S1 der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung ausgewählt wird.
-
Die
Verarbeitung von Schritt S4 wird durchgeführt, wenn in Schritt S1 der
Erkennungsalgorithmus 11 für einen Pfosten ausgewählt wird.
Die Fahrspur wird erfasst durch Verwendung von Kanteninformation
in der senkrechten Richtung und/oder Farbinformation oder unter
Verwendung einer Bildtechnologie für feste Körper, da der Pfosten eine Höhe aufweist.
In dem Fall der erhöhten
Fahrbahnmarkierung, die nachts Licht ausstrahlt, kann die erhöhte Fahrbahnmarkierung
dieser Art unter Verwendung von Densitätsinformation erfasst werden.
Der Schritt S3 wird ausgeführt,
wenn in Schritt S1 der Erkennungsalgorithmus 10 für eine erhöhte Fahrbahnmarkierung ausgewählt wird.
-
In
Schritt S5 wird aus dem in Schritt S2, Schritt S3 oder Schritt S4
erhaltenen Zuverlässigkeitsmaß für die Fahrspurerkennung
beurteilt, ob die Fahrspur erfasst werden konnte. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung
einen vorgegebenen Schwellenwert überschreitet, geht die Verarbeitung
zu Schritt S8 unter der Annahme, dass die Fahrspur erfasst wurde.
Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung
den vorgegebenen Schwellenwert nicht überschreitet, geht die Verarbeitung
zu Schritt S6 unter der Annahme, dass die Fahrspur nicht erfasst
wurde. Hier bedeutet der Schwellenwert einen Beurteilungsindex zur
Einschätzung, dass
die Fahrspur erkannt wurde, wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung den
Wert überschreitet.
Der Wert wird anfangs auf ungefähr 0.5
gesetzt und wird dann angepasst, indem er abhängig von der Erfassung erhöht oder
verringert wird.
-
Die
Verarbeitung von Schritt S6 wird durchgeführt, wenn die Fahrspur von
einem der in Schritt S1 ausgewählten
Bildverarbeitungsalgorithmen 9 bis 11 nicht erfasst
werden kann. In einem derartigen Fall wird, da die Fahrbahnmarkierungen
aufgrund einer Auswirkung einer Verschlechterung oder Verschmutzung
durch Abgas oder Schneefall visuell schwierig zu erfassen sein können, die
Erfassungsverarbeitung der Fahrspur wiederum durch den Erkennungsalgorithmus 12 für Muster
auf der Straßenoberfläche durchgeführt, der
die Fahrspur unter Verwendung einer von Fahrbahnmarkierungen unterschiedlichen
Information erkennen kann. Die Ausgabe des Verarbeitungsergebnisses
in Schritt S6 ist das Ergebnis der Fahrspurerkennung und das Zuverlässigkeitsmaß für die Fahrspurerkennung.
-
In
Schritt S7 wird aus dem in Schritt S6 erhaltenen Zuverlässigkeitsmaß für die Fahrspurerkennung
beurteilt, ob die Fahrspur erfasst werden kann oder nicht. Wenn
das Zuverlässigkeitsmaß für die Fahrspurerkennung
einen vorgegebenen Schwellenwert überschreitet, geht die Verarbeitung
zu Schritt S8 unter der Annahme, dass die Fahrspur erfasst wurde.
Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung
den vorgegebenen Schwellenwert nicht überschreitet, geht die Verarbeitung
zu Schritt S9 unter der Annahme, dass die Fahrspur nicht erfasst
wurde.
-
Die
Verarbeitung von Schritt S8 wird durchgeführt, wenn entschieden wurde,
dass die Fahrspur erfasst wurde. Das Ergebnis der Fahrspurerkennung wird
an den Fahrspur-Beibehaltung-Steuerungsteil 2 ausgegeben.
Die Verarbeitung von Schritt S9 wird durchgeführt, wenn entschieden wurde,
dass die Fahrspur nicht erfasst wurde. Information über die Unfähigkeit
einer Fahrspur-Erfassung wird an den Fahrspur-Beibehaltung-Steuerungsteil 2 ausgegeben.
-
Gemäß dem die
Straßenkarte
betreffenden Verfahren kann immer einer der optimalen. Bildverarbeitungsalgorithmen
ausgewählt
werden; wenn die Form der Fahrbahnmarkierung oder der optimale Bildverarbeitungsalgorithmus
in den Straßenkarte-Daten
gespeichert ist. Demgemäß können unnötige Versuche
verringert werden und ein sehr zuverlässiges System zur Fahrspurerkennung
kann bereitgestellt werden.
-
Ferner
kann, obwohl in 1 ein Beispiel der Verwendung
eines GPS und der Straßenkarte-Daten
beschrieben wird, um die Form der Fahrbahnmarkierung auf der Straßenoberfläche zu erkennen,
die Form der Fahrbahnmarkierung erkannt werden unter Verwendung
einer Straße-zu-Fahrzeug-Kommunikation
unter Verwendung einer Bake (beacon), wie in 8 gezeigt.
Dieselbe Funktion kann durch das Verfahren erreicht werden, in dem
ein Bakenempfänger 21 an
dem Fahrzeug befestigt ist und die Information über die Fahrbahnmarkierung
direkt von der in der Straße
installierten Bake empfangen wird.
-
9 zeigt
einen weiteren Aufbau der vorliegenden Erfindung. Die in 9 gezeigte
Erfindung ist derart aufgebaut, dass der Bildverarbeitungsalgorithmus
ohne Verwendung des die Straßenkarte
betreffenden Verfahrens ausgewählt
wird.
-
In 9 wird
der Teil, der dem von 1 entspricht, mit demselben
Bezugszeichen identifiziert. Das Bildverarbeitungsalgorithmus-Auswahlmittel 4 von 9 weist
eine Zuverlässigkeitsmaß-Ergebnis-Datei 32 des
in dem vorhergehenden Rahmen ausgewählten Bildverarbeitungsalgorithmus auf.
Die Zuverlässigkeitsmaß-Ergebnis-Datei 32 speichert
die Art des Fahrspurerkennungsalgorithmus und das Zuverlässigkeitsmaß für die Fahrspurerkennung
des vorhergehenden Rahmens.
-
Ein
Algorithmus-Auswahlmittel 31 betrifft den vorher ausgewählten Bildverarbeitungsalgorithmus, der
in der Zuverlässigkeitsmaß-Ergebnis-Datei 32 gespeichert
ist, und verwendet direkt den früheren Bildverarbeitungsalgorithmus,
wenn die Fahrspur vorher erkannt werden kann. Dies ist ein Verfahren unter
Verwendung der Kontinuität,
mit der Fahrbahnmarkierungen derselben Form normalerweise kontinuierlich
in Erscheinung treten. Im Folgenden wird die Auswahl des Bildverarbeitungsalgorithmus
dieses Typs als ein Verfahren zur kontinuierlichen Verwendung desselben
Algorithmus bezeichnet. Bei diesem Verfahren wird der andere Algorithmus
nur dann ausprobiert und verwendet, wenn die Fahrspur vorher nicht
erkannt werden kann.
-
10 zeigt
den Verarbeitungsablauf des Verfahren zur kontinuierlichen Verwendung
desselben Algorithmus.
-
In
Schritt S11 wird gemäß des Zuverlässigkeitsmaßes für die Fahrspurerkennung
des in dem vorherigen Rahmen ausgewählten Bildverarbeitungsalgorithmus
entschieden, welcher Bildverarbeitungsalgorithmus dieses Mal verwendet
werden soll. Wenn der Wert des Zuverlässigkeitsmaßes für die Fahrspurerkennung des
in dem vorherigen Rahmen ausgewählten
Bildverarbeitungsalgorithmus höher
ist als ein vorgegebener Schwellenwert, wird angenommen, dass die
Fahrspur-Erfassung durch den in dem vorherigen Rahmen ausgewählten Bildverarbeitungsalgorithmus
erfolgreich war, und die Verarbeitung geht zu Schritt S12. Wenn
nicht, geht die Verarbeitung zu Schritt S14. Da es jedoch in der
anfänglichen
Durchführung
kein Ergebnis für
die Durchführung
des vorherigen Rahmens gibt, geht die Verarbeitung beim ersten Mal
direkt zu Schritt S14.
-
In
Schritt S12 wird der Bildverarbeitungsalgorithmus, durch den beurteilt
wurde, dass die Fahrspur in dem vorherigen Rahmen erfasst wurde,
direkt verwendet. Die Arten des Bildverarbeitungsalgorithmus sind
der Erkennungsalgorithmus für
eine weiße Linie,
der Erkennungsalgorithmus für
eine erhöhte Fahrbahnmarkierung,
der Erkennungsalgorithmus für
einen Pfosten und der Erkennungsalgorithmus für Muster auf der Straßenoberfläche. Die
Ausgabe des Verarbeitungsergebnisses in Schritt S12 ist das Ergebnis
der Fahrspurerkennung und das Zuverlässigkeitsmaß für die Fahrspurerkennung.
-
In
Schritt S13 wird aus dem in Schritt S12 erhaltenen Zuverlässigkeitsmaß für die Fahrspurerkennung
beurteilt, ob die Fahrspur erfasst werden kann oder nicht. Wenn
das Zuverlässigkeitsmaß für die Fahrspurerkennung
einen vorgegebenen Wert übersteigt,
geht die Verarbeitung unter der Annahme zu Schritt S17, dass die
Fahrspur erfasst wurde. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung den
vorgegebenen Wert nicht übersteigt,
geht die Verarbeitung unter der Annahme zu Schritt S14, dass die
Fahrspur nicht erfasst wurde.
-
Die
Verarbeitung von Schritt S14 wird durchgeführt, wenn entschieden ist,
dass die Fahrspur als Ergebnis der Durchführung des Bildverarbeitungsalgorithmus
nicht erfasst wurde oder wenn die Fahrspur von dem vorher ausgewählten Bildverarbeitungsalgorithmus
nicht erfasst werden kann. In diesem Fall werden die bisher noch
nicht durchgeführten
Bildverarbeitungsalgorithmen einer nach dem anderen ausgeführt. Die
Ausgabe des Verarbeitungsergebnisses in Schritt S14 ist das Ergebnis
der Fahrspurerkennung und das Zuverlässigkeitsmaß für die Fahrspurerkennung.
-
In
Schritt S15 wird aus dem in Schritt S14 erhaltenen Zuverlässigkeitsmaß für die Fahrspurerkennung
beurteilt, ob die Fahrspur erfasst werden kann oder nicht. Wenn
das Zuverlässigkeitsmaß für die Fahrspurerkennung
einen vorgegebenen Wert übersteigt,
geht die Verarbeitung unter der Annahme zu Schritt S17, dass die
Fahrspur erfasst wurde. Wenn das Zuverlässigkeitsmaß für die Fahrspurerkennung den
vorgegebenen Wert nicht übersteigt,
geht die Verarbei tung unter der Annahme zu Schritt S16, dass die
Fahrspur nicht erfasst wurde.
-
Schritt
S16 ist eine Verzweigung, die für
die Versuche der bisher noch nicht durchgeführten Algorithmen vorgesehen
ist, wenn die Erfassung der Fahrspur nicht gelingt. Wenn bisher
noch nicht durchgeführte
Bildverarbeitungsalgorithmen verbleiben, geht die Verarbeitung zu
Schritt S14 zurück.
Wenn alle Bildverarbeitungsalgorithmen durchgeführt wurden, geht die Verarbeitung
zu Schritt S18.
-
Da
es jedoch lange dauert, alle Algorithmen durchzuführen, kann
eine Störung
in der Steuerung des Fahrspur-Beibehaltung-Steuerungsteils 2 während der
Fahrt des Fahrzeugs mit hoher Geschwindigkeit auftreten. In einem
derartigen Fall kann, unter Verwendung von Fahrtgeschwindigkeitsinformation des
Fahrzeugs, das Erkennungsergebnis innerhalb einer zulässigen Verarbeitungszeit
ausgegeben werden, indem die Anzahl der Verarbeitungen bei einer Fahrt
mit hoher Geschwindigkeit begrenzt wird, und die Genauigkeit der
Erkennung kann verbessert werden, indem die Anzahl der Verarbeitungen
bei einer Fahrt mit geringer Geschwindigkeit erhöht wird.
-
Die
Verarbeitung von Schritt S17 wird durchgeführt, wenn entschieden wird,
dass die Fahrspur erfasst wurde. Das Ergebnis der Fahrspurerkennung wird
an den Fahrspur-Beibehaltung-Steuerungsteil 2 ausgegeben.
Die Verarbeitung von Schritt S18 wird durchgeführt, wenn entschieden wird,
dass die Fahrspur nicht erfasst wurde. Information über die
Unfähigkeit
einer Fahrspur-Erfassung wird an den Fahrspur-Beibehaltung-Steuerungsteil 2 ausgegeben.
-
Wie
oben erläutert,
kann man in dem Verfahren zur kontinuierlichen Verwendung desselben
Algorithmus, da die tatsächlichen
Fahrbahnmarkierungen einer Straße
nicht bekannt sind, nicht immer sicher sein, dass der für die Form
der Fahrbahnmarkierung der Straße
geeignete Bildverarbeitungsalgorithmus durchgeführt wird. Deswegen kann dies,
obwohl die Zuverlässigkeit
des Ergebnisses der Erkennung im Vergleich zu der Zuverlässigkeit
des die Straßenkarte
betreffenden Verfahrens geringer ist, genauso sicher sein wie in
dem Fall, in dem alle Bildverarbeitungsalgorithmen durchgeführt werden.
-
Jedoch
kann das Verfahren zur kontinuierlichen Verwendung desselben Algorithmus
eine Verarbeitung mit hoher Geschwindigkeit durchführen im Vergleich
zu dem Fall, in dem alle Bildverarbeitungsalgorithmen durchgeführt werden.
Ferner erfordert das Bildverarbeitungsalgorithmus-Auswahlmittel 4 nur
die Bildverarbeitungs-Datendatei 11 und
nicht den GPS-Empfänger 14 und
die Straßenkarte-Daten 16.
Deswegen kann das Verfahren zur kontinuierlichen Verwendung desselben
Algorithmus ein System zur Fahrspurerkennung liefern, das einfacher
als die Struktur des die Straßenkarte
betreffenden Verfahrens ist.
-
Die
Fahrspur wird erfasst, wie oben beschrieben wird. In dem Verfahren
zur kontinuierlichen Verwendung desselben Algorithmus weist das
Bildverarbeitungsmittel zur Bildverarbeitung eines Straßenbilds
die Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen
auf, und die Fahrspur wird durch die Auswahl eines Bildverarbeitungsalgorithmus,
der für
die Fahrspur geeignet ist, aus der Vielzahl verschiedener Arten
von Bildverarbeitungsalgorithmen erfasst. Somit kann die Genauigkeit
der Fahrspurerkennung verbessert werden, indem die Vielzahl von
Fahrbahnmarkierungsarten zuverlässig erfasst
wird.
-
Wie
oben erläutert,
wird die Fahrspur erfasst durch Auswahl des Bildverarbeitungsalgorithmus durch
das System zur Fahrspurerkennung selbst. Jedoch kann offensichtlich
derselbe Effekt erreicht wer den, indem der Fahrer des Fahrzeugs
die Fahrbahnmarkierung visuell identifiziert und manuell einen der Bildverarbeitungsalgorithmen
auswählt.
-
Gemäß der vorliegenden
Erfindung weist das Bildverarbeitungsmittel zur Bildverarbeitung
eines Straßenbilds
die Vielzahl verschiedener Arten von Bildverarbeitungsalgorithmen
auf, und die Fahrspur wird durch die Auswahl eines Bildverarbeitungsalgorithmus,
der für
die Fahrspur geeignet ist, aus der Vielzahl verschiedener Arten
von Bildverarbeitungsalgorithmen erfasst. Somit kann die Genauigkeit
der Fahrspurerkennung verbessert werden, indem die Vielzahl von
Fahrbahnmarkierungsarten zuverlässig erfasst
wird.