戦略的イノベーション創造プログラム ( 自動走行システム ) 全天候型白線識別技術の開発及び実証 - 目次 - はじめに... 1 序章 事業全体の実施概要 開発目標... 6 第 Ⅰ 章センシングシステムの開発... 8 Ⅰ-1 車線維持制御用白線識別技術の要求仕様の策

平成 26 年度 成果報告書

平成 26 年度

戦略的イノベーション創造プログラム

（自動走行システム）：

全天候型白線識別技術の開発及び実証

平成 27 年 3 月

（委託先）

一般財団法人 日本自動車研究所

戦略的イノベーション創造プログラム（自動走行システム） 全天候型白線識別技術の開発及び実証

－ 目 次 －

はじめに ... 1 序 章 ... 2 1 事業全体の実施概要 ... 2 2 開発目標 ... 6 第Ⅰ章 センシングシステムの開発 ... 8 Ⅰ-1 車線維持制御用白線識別技術の要求仕様の策定 ... 8 Ⅰ-2 測距イメージ方式白線識別技術の開発 ... 15 Ⅰ-3 UWB ミリ波レーダ方式白線識別技術の開発 ... 44 第Ⅱ章 白線識別用高輝度白線材料の開発 ... 110 Ⅱ-1 高輝度白線材料の開発 ... 110 Ⅱ-2 白線識別用高輝度白線のリブ形状の最適化の検討 ... 117 Ⅱ-3 高輝度白線のリブ形成技術の開発 ... 127 第Ⅲ章 白線識別技術の実証 ... 147 Ⅲ-1 白線識別センシング性能評価用実験システムの開発 ... 147 Ⅲ-2 車線識別用白線識別センシングシステムの標準化案作成 ... 165 Ⅲ-3 まとめと今後の課題 ... 169 第Ⅳ章 委員会の実施 ... 170 おわりに ... 171

1

はじめに

ドライバの漫然運転や居眠り運転等による車線逸脱が原因と思われる交通死亡事故は、 平成25年の全交通死亡事故（4,278件）のうち、847 件と大きな割合（約20%）を占めてい る。市場では既に、車載カメラを用いて路上の白線を認識し、車線維持を支援するシステ ムが開発されている。しかし、車載カメラを用いて車輌前方の白線を検知する既存システ ムでは、降雪、濃霧、豪雨等の悪天候時や、トンネル出入り口付近等の照度が急激に変化 する環境下において、白線識別性能が大幅に低下し、車線維持支援が困難となるという課 題がある。 次世代高度運転支援システムについて想定すると、システム側に主権がある自動運転中 に何らかの原因で車線維持支援が困難となった場合には、システムから人間のドライバに 運転を交代する必要があるが、必ずしも短時間内に交代は出来るとは限らず、そのまま事 故につながる恐れがある。このため、次世代高度運転支援システムの実現にむけて、走行 環境の急変によって引き起こされる白線識別性能の急激な低下への対策が必要である。 これまでにも白線識別性能を向上させる研究がなされており、車線に磁気マーカを設置 し、車載磁気センサにて磁気マーカとの距離を検出して車線維持に活用する技術等が検討 されてきたが、整備コストや保守コストが高く、実用化には至っていない。また、エネル ギーITSプロジェクトにおいては直下白線画像及びレーザレーダを用いた白線識別技術の 開発が実施されたが、豪雨時や降雪時での検知に課題を残している。 そこで平成 26 年度「戦略的イノベーション創造プログラム（以下、SIP と称す）（自動 走行システム）：全天候型白線識別技術の開発及び実証」（以下 、本事業と称す）では、 車載センサと白線の工夫によりどこまで白線認識の性能向上が期待でき、次世代高度運転 支援システムへの活用が出来るのかを見極めることを目的として、 悪天候時や照度が急激 に変化する環境下においても正確に白線を識別でき、かつコスト面にも優れた技術を開発 する。

2

序 章

次世代高度運転支援システムにおいて、特に SAE インターナショナル(SAE：Society of Automotive Engineers）で定義されている自動運転レベル 3 以上では、ドライバに代わりシ ステムが走行環境認識を行う必要があるため、通常の自然環境に加えて様々な自然環境や 道路環境においてきわめて高い走行環境認識性能が必要である。この内白線識別情報は、 車線維持制御や、前方車のレーン判別、レーンチェンジのためのレーン番号の判別などに 利用出来る重要な情報であるため、高い白線識別性能が要求される。しかし、既存カメラ 画像を用いた白線画像認識技術には、耐環境性という点で課題を残している。このため現 行のままだと、たとえば自動運転中にトンネルを抜けた先に雪があった場合に白線を検知 できず、システム側からドライバに主権を渡すことが必要となるが、運転をしていない状 態の人間に主権を渡すまでには時間が必要となるため、事故につながる恐れがある。次世 代高度運転支援システムの実現に向けたステップとして、対象を雪寒地以外の高速道路上 に限定したとしても、環境による検出精度の低下は発生しており、大きな課題の一つとな っている。 そこで本事業では、車載センサと白線の工夫によりどこまで白線認識の性能向上が期待 でき、次世代高度運転支援システムへの活用が出来るのかを見極めることを目的として、 全天候型の白線識別技術を開発する。 1 事業全体の実施概要 1.1 従来技術の問題点 白線識別のためのセンサとして、車輌に設置したカメラで撮像された画像により白線 を検出する画像認識方式が広く開発され、現在市販されている車線維持支援システムに 採用されているが、既存の画像認識方式では路側構造物の影や夜間の降雨、西日等の逆 光時などの自然環境に加えて、トンネルの出入り口付近など照度が急変する区間等では、 取得される画像中の白線画像が劣化するため、白線認識性能や離隔距離検出精度が大幅 に低下する問題があり、さらに積雪時には白線識別が全くできなくなるという問題もあ る。太陽光の照度に影響されない白線識別技術として、レーザ光を用いて白線と排水性 アスファルトとの反射率の違いにより白線識別を行うレーザ方式が研究開発されたが、 レーザ方式では降雪時や降雨時に白線を検出するのが困難で実用化に至っていない。一 方、レーントレースを目的とした車線維持制御のレーンマーカとして、これまで永久磁 石 を 利 用 し た 磁 気 ネ イ ル 方 式 や 電 線 か ら の 交 流 電 界 を 利 用 し た 誘 導 ケ ー ブ ル 方 式 及 び 区画白線を利用した白線マーカが開発されている。磁気マーカ方式や誘導ケーブル方式 は様々な自然環境において確実に車輌とマーカ間の横偏差を検出できる一方、マーカの 設置費や保守費用が高価である点から研究段階にとどまり実用化に至っていない。

3 1.2 提案する白線識別技術 本事業では、小型で低コスト化が可能な白線識別センシングシステムとして、容易に 敷設可能なリブ形状を有する高輝度白線（以下、リブ式標示と称す）と白線識別センシ ングシステムを組み合わせた白線識別技術を開発する。 リブ式標示とは、雪寒地以外の 高速道路上一部区間の外側白線で実用化されている平坦部と凸部からなる白線であり、 雨天でも凸部が冠水しないことにより、通常の白線では視認性が低下する雨天（夜間） でも視認性を保つことが可能となる技術である。本事業では上記既存の用途に加えて白 線識別センシングシステムの検知性能の向上も図るためにリブ式標示の開発を行う。 白線識別センシングシステムとして、電波と光の 2 種類のメディアを用いて白線リブ か ら の 反 射 量 を 検 出 し て 車 輌 と 白 線 と の 離 隔 距 離 を 直 接 検 出 す る こ と に よ り 様 々 な 自 然 環 境 下 に お い て も 高 い 認 識 正 答 率 が 得 ら れ る ア ク テ ィ ブ 式 全 天 候 白 線 識 別 技 術 を 開 発する。 具体的には電波として、極めて高分解能な距離・方位検出が可能な 79GHz ミリ波レー ダ方式と、リブ式標示のリブ高さを検出することにより白線を認識する測距イメージ方 式を組み合わせて白線識別を行う。 79GHz ミリ波帯はレーザ光と比較して水分に対する減衰が少ないため、降雨や積雪時 におけるセンシングに有利である半面、白線周辺に存在する道路縁石等の道路構造物か らの反射も同時に検出するため認識正答率が低下する課題がある。 一方、測距イメージ方式は対象物までの距離情報に相当する信号を得られるイメージ センサであるため、積雪時や豪雨時以外において白線検出ができると同時に、白線と道 路構造物の識別が容易なため、測距イメージ方式からの情報とミリ波レーダを組み合わ せることによりミリ波レーダの白線識別正答率を向上することが期待出来る。また、積 雪時において、測距イメージ方式では白線が認識できない半面、縁石等の道路構造物は 識別することが可能であるため、積雪時のミリ波レーダの正答率向上に寄与できる。

4

1.2.1 UWB ミリ波レーダ方式白線識別技術の開発

ミリ波レーダは障害物検出用として 76GHz 帯を用いたミリ波レーダが開発され、約 150[m]前方の障害物までの距離が検出できる が、方位角度分解能が低く 、物体の形状認 識がほとんどできない。一方、検出距離は 10[m]であるが距離分解能と方位角度分解能 が極めて高く反射物体の形状認識が可能な 79GHzUWB ミリ波レーダ(UWB：Ultra Wide Band)が開発されている。本方式では 79GHzUWB ミリ波レーダを用いて、高輝度白線上 に一定間隔で配置されたリブをブラッグ反射現象を利用して検出する UWB ミリ波レー ダ方式白線識別技術を開発する。79GHz のミリ波はレーザ光と比較して水成分に吸収さ れにくいため、白線上のある程度の積雪に対しても白線面にて電波が反射することで白 線認識が可能となる。 ブ ラ ッ グ 反 射 は 一 定 間 隔 に 配 置 さ れ た 電 波 反 射 体 に 電 波 が 照 射 さ れ た 時 の 反 射 波 に 発生する電波の共振現象で、周辺の物体からの反射波強度より高くなるため検出が可能 と な る 。 ブ ラ ッ グ 反 射 で は 送 信 さ れ る 電 波 の 周 波 数 と 反 射 体 の 間 隔 長 さ の 間 に 図 A.1.2.1-1 に示す関係式が成立するため、79GHz のミリ波レーダの変調前の搬送周波数に 合 わ せ リ ブ 間 隔 を 設 定 す る 。 こ の ブ ラ ッ グ 反 射 現 象 を 利 用 し て 反 射 波 強 度 よ り FFT （ FFT：Fast Fourier Transform）にて白線を認識するとともに FMCW 変調（FMCW： Frequency Modulated Continuous Wave）を用いて白線までの距離を検出する。なお、白線 の周辺には全波反射物体として、ガードレールや道路縁石など様々な道路構造物がある ため、白線との誤認識が発生する可能性がある。そこで、後述する投光型距離検出方式 と組み合わせることで白線認識性能を向上する。 図 A.1.2.1-1: ミリ波レーダ式白線識別技術とブラッグ反射式 白線リブ ミリ波レーダ 白線リブ

5 1.2.2 測距イメージ方式白線識別技術 外 部 に 投 光 し た 光 源 の 反 射 光 に よ り 反 射 物 体 と 光 源 と の 距 離 を 検 出 す る 測 距 イ メ ー ジ素子を図 A.1.2.2-1 のように車輌のドアミラー部に設置し、イメージ上の高さ情報を用 いて白線を認識する。 イメージ上の距離情報には道路構造物及び路面平面と白線 のリブが含まれており、こ れらの情報から路面とリブを抽出し、白線を認識するとともに測距イメージ上の白線位 置より白線と車輌間の離隔距離を検出する。 また、イメージ上の距離情報により道路縁石等の道路構造物位置を認識することが可 能なため、この道路構造物位置情報により、ミリ波レーダによる白線識別の誤認識防止 を行う。 一方、測距イメージ方式白線識別技術では積雪時には、路面とリブ高さが判別できな いため、白線識別は困難であるが、ある程度の積雪までは路面（白線を含む）と縁石等 の切り分けは可能であるため、積雪時のミリ波レーダによる白線識別の誤認識防止に利 用可能である。図 A.1.2.2-2 に投光型距離検出装置の白線検出原理を示す。 図 A.1.2.2-1: 投光方式白線識別システムの構成 図 A.1.2.2-2: 投光方式白線識別システムの原理 測距イメージセンサ 検出距離 白線リブ 道路縁石

6 1.2.3 白線識別用高輝度白線の開発 UWB ミリ波レーダ方式白線識別技術及び測距イメージ方式白線識別技術の識別正答 率を向上するために、電波及び光を効率的に反射することが可能な白線識別用高輝度白 線の開発を行う。既存のリブ式標示はリブ高さが 6[mm]程度、主材料が炭酸カルシウム、 石油樹脂、ガラスビーズ等であるが、白線材料・リブ形状の開発を行うことで反射率の 向上を目指す。また、白線コストの内、敷設のためのコストが約 1/2 を占めるため、最 適な白線敷設技術も合わせて開発する。なお、既存のリブ形状を有する白線の機能と道 路インフラとしての要件である、白線上を走行した際の安全性や騒音、ドライバからの 視認性などの点も同時に満たすべき項目として開発を行う。 1.2.4 白線識別技術の実証 本事業では 5 年後を目処に、走行速度 100[km/h]の実走行にて白線識別システムの認識 性能の実証評価を行うことを目指している。そのため、白線識別技術の性能評価手法の 検討及び、開発する白線識別システムを搭載し、実証評価が可能な車線維持制御実験車 を構築する。 また、白線識別システムから得られた白線位置情報を用いて車線維持制御を行う場合、 白線認識性能は車線維持制御に大きく影響するため、白線認識性能と車線維持制御性能 の関係を明らかにするとともに白線識別技術に関する標準化案を策定する。 2 開発目標 2.1 事業全体の最終目標 本事業における最終開発目標は、以下の通りである。 雨天日中時、雨天夜間時、晴天時、逆光時（夕日または朝日）及び道路構造物による 照度変化時を含む環境下において、 ア．サンプリング周期 0.05 秒で 1 時間の累積作動した場合の認識正当率は 99[%]以上と する。 イ．連続未検出時間は 0.3 秒以内とする。 ウ．白線 ― センサ間離隔距離検出範囲は±0.4[m]（幅：0.8[m]）以上とする。 エ．白線 ― センサ間離隔距離検出分解能は 0.02[m]以下とする。 オ．白線 ― センサ間離隔距離精度：上記アの評価条件において以下とする。 １．平均誤差：0.02[m]以下 ２．最大検出誤差（3σ）：0.05[m]以下 また、雪の降り始めにおいて直ちに運転支援が継続できなくなる事態を防 ぐことで、 ドライバに主権を渡すまでの時間を稼ぐことを可能とするために、 上記環境に加えて積 雪においても検知をめざす。認識性能の確保が可能な範囲の 予測値から、目標として積 雪 10[mm]以下においての認識正当率 99[%]の検知も対象とする。

7 なお、上記開発目標の達成を 2 段階とし、3 年後を目処に台上・静止状態において上 記目標を達成、5 年後を目処に 100[km/h]の走行によって実証評価を行い、上記目標を達 成することを目指す。 2.2 平成 26 年度の開発目標 平成 26 年度の成果目標及び開発目標は、以下の通りである。 ＜センサ要求仕様＞ ・白線識別センシングシステムの要求仕様の策定 ＜測距イメージ方式白線識別技術＞ ・投光同期 3 次元測距イメージセンサの検証装置の開発と基本性能評価 ・プロトタイプ設計仕様の作成 ・基本認識アルゴリズムの開発 ・プロトタイプ装置の設計及び製作 ＜ミリ波レーダ方式白線識別技術＞ ・シミュレーションと実機によるミリ波レーダ方式の基礎データ解析 ・各レーダ方式の特徴、リブ形状の反射特性の基礎検討 ・レーダ方式を検討するための動作原理機の開発 ・レーダの小型化、方位計測の高精度化のためのアンテナ方式の調査 ・基本認識アルゴリズム開発のためのデータ取得及び解析 ＜高輝度白線＞ ・高輝度白線の材料・リブ形状・敷設技術の検討 ＜白線識別技術の実証＞ ・白線識別センシング性能評価用実験システムの開発 ・車線識別用白線識別センシングシステムの標準化案作成のための調査

8

第Ⅰ章 センシングシステムの開発

Ⅰ-1 車線維持制御用白線識別技術の要求仕様の策定 白線識別センシングシステムを開発するに当たり、性能要求仕様を策定する。白線識 別センシングシステムは車線維持制御や、前方車のレーン判別、レーンチェンジのため のレーン番号の判別などに利用出来る重要な情報であり、特に車線維持制御には高い白 線識別性能が要求される。しかし、車線維持制御に必要な白線識別性能は定められてお らず、白線識別性能、車両の制御性能や道路が複雑に関係している。そこで車線維持制 御シミュレーションモデルを用いて、白線識別センシングシステムにおける制御精度、 検出遅れ時間、未検出時間、検出周期を変化した場合の各パラメータと車線維持制御性 の関係を解析し、解析結果を基に白線識別センシングシステムの要求仕様 を策 定す る。 Ⅰ-1.1 車線維持制御シミュレーションモデルの製作 市販の車両運動シミュレーションソフトウェアである TruckSim を用いて車両運動モ デル、制御モデル、道路モデルから構成される車線維持制御シミュレーショ ンモデルを 製作した。車両モデルとしては、乗用車と比較して車線維持制御が困難である大型車両 とした。 今回はテストコースを想定したオーバルコース（図 1.1.1-1）でのシミュレーションを 行った。TruckSim は MATLAB/Simulink で製作した制御モデル（図 1.1.1-2）と結合され ており、車両運動モデル、道路モデルから車両挙動のシミュレートを行い、その結果か ら制御モデルを用いて操舵角度の算出を行い、その結果から車両挙動のシミュレートを 行うというループ処理を行う。なお、シミュレーション結果をアニメーシ ョン表示が可 能であり、上空からや車内からなど、自由に視点を変更することが可能である。 図 1.1.1-1: 走行イメージ（Trucksim） 図 1.1.1-2: シミュレーションモデル（Matlab/Simulink） 入力データ調整 更新周期・遅れ時間など 指示舵角演算 車両挙動の シミュレート

9 シミュレーション条件については、車両速度は 100[km/h]とし、道路モデルには設計速 度 90[km/h]以上の道路を想定して、直線のコース・最小曲線半径 1,000[m]（以下、1,000R と称す）のコース・最小曲線半径 300[m]（以下、300R と称す）のコースの 3 通りで実 施 し た 。 道 路 構 造 令 第 15 条 よ り 道 路 の 設 計 速 度 100[km/h]に お け る 最 小 曲 線 半 径 は 460[m]、80[km/h]では 280[m]とされていることから、今回は 300R を最小としてシミュ レーションを行った。 また、過去に国土交通省による技術開発指針において、操舵支援を行うことが出来る 走行路のカーブ径を 1,000R 以上とされていたことから、1,000R についてもシミュレー ションを行うこととした。 白線認識装置については下記の条件を変更してシミュレーションを行った。 ① 更新周期 （0.02 [s]～） ② 検出遅れ時間 ③ 白線 ― センサ間離隔距離検出分解能（0.010 [m]～） 「①更新周期」、「③分解能」については、既存の研究結果から実車にて走行に成功し た値を基準とし、制御が困難となる方向に値を変化させた。なお、誤認識及び未検出に ついては考慮に入れていない。 制御結果としては、目標走行ライン（車線中心＝車両中心）に対して、左右問わず何 [m]外れたか（以下、横偏差量と称す）を制御結果の判断基準とした。センサ間離隔距離 検出範囲は±0.40[m]（幅：0.80[m]）として、横偏差量が 0.40[m]を超えた場合を制御不 可と判定した。高速道路の車線幅が狭いもので 3.25[m]、車幅が広いもので 2.50[m]であ ること、及び 100[km/h]で 300R を走行中に 0.30 秒間の未検出による空走をした場合で 0.116[m]余分に目標走行ラインからはずれることから、横偏差量が 0.15[m]以内となった 場合を制御可能とする。シミュレーションした結果（図 1.1.1-3）を、条件ごとにまとめ た。 図 1.1.1-3: シミュレーション結果の例（横偏差量－時間）

10 Ⅰ-1.2 要求仕様の策定 前項Ⅰ-1.1 で製作した車線維持制御シミュレーションモデルを用いて、白線識別セン シングシステムにおける制御精度、検出遅れ時間、未検出時間、検出周期を変化した場 合の各パラメータと車線維持制御性の関係を解析し、解析結果を基に白線識別センシン グシステムの要求仕様を策定する。 Ⅰ-1.2.1 直線のコース 直線のコースを時速 100[km/h]で白線識別センシングシステムの分解能 0.010[m]、検出 周期 0.02[s]として走行した際の検出遅れ時間ごとの横偏差量（平均値・最大値）は表 1.1.2-1 のようになった。なお、検出遅れ時間 0.16[s]以上については制御不可となった。 検出遅れ時間以外の条件は今回設定する中で最も制御しやすい条件としているため、以 降のシミュレーションでは検出遅れ時間を 0～0.10[s]の範囲で行う。 表 1.1.2-1: 横偏差量一覧_100[km/h]_直線_分解能 0.01[m]_周期 0.02[s] ×：制御不可 Ⅰ-1.2.2 1,000R のコース 1,000R のコースを走行した場合について、分解能を 0.010[m]としてシミュレーション した結果を図 1.1.2-1 に、分解能を 0.015[m]としてシミュレーションした結果を図 1.1.2-2 に、分解能を 0.020[m]としてシミュレーションした結果を図 1.1.2-3 に示す。更新周期と 遅れ時間の増加に伴い、横偏差量が単調増加ではないものの増加傾向にあるのがわかる。 図 1.1.2-1: 時速 100[km]_1000R_分解能 0.010[m] 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2 平均 横偏差[m] 0.0038 0.0037 0.0039 0.0037 0.0037 0.0032 0.0034 0.0032 × × × 最大 横偏差[m] 0.0172 0.0219 0.0297 0.0313 0.0312 0.0337 0.0399 0.0594 × × × 遅れ時間[s] 0.000 0.020 0.040 0.060 0.080 0.100 0.120 0.140 0.160 0.00 0.02 0.04 0.06 0.08 0.10 最 大 横 偏 差量 [m] 遅れ時間[s] 更新周期： 0.10[s] 更新周期： 0.08[s] 更新周期： 0.06[s] 更新周期： 0.04[s] 更新周期： 0.02[s]

11 図 1.1.2-2: 時速 100[km]_1000R_分解能 0.015[m] 図 1.1.2-3: 時速 100[km]_1000R_分解能 0.020[m] 0.000 0.020 0.040 0.060 0.080 0.100 0.120 0.140 0.160 0.00 0.02 0.04 0.06 0.08 0.10 最 大 横 偏 差量 [m] 遅れ時間[s] 更新周期： 0.10[s] 更新周期： 0.08[s] 更新周期： 0.06[s] 更新周期： 0.04[s] 更新周期： 0.02[s] 0.000 0.020 0.040 0.060 0.080 0.100 0.120 0.140 0.160 0.00 0.02 0.04 0.06 0.08 0.10 最 大 横 偏 差量 [m] 遅れ時間[s] 更新周期： 0.10[s] 更新周期： 0.08[s] 更新周期： 0.06[s] 更新周期： 0.04[s] 更新周期： 0.02[s]

12 1,000R のコースを走行した場合について、分解能を 0.010、0.015、0.020、0.025、0.030[m] の 5 パターンでシミュレーションした結果をまとめたものを表 1.1.2-2、表 1.1.2-3 に示 す。 表 1.1.2-2: 時速 100[km]_1000R_平均横偏差量[m]一覧 表 1.1.2-3: 時速 100[km]_1000R_最大横偏差量[m]一覧 0.02 0.04 0.06 0.08 0.10 0.02 0.04 0.06 0.08 0.10 0.00 0.0071 0.0075 0.0086 0.0095 0.0110 0.00 0.0138 0.0121 0.0125 0.0149 0.0150 0.02 0.0073 0.0082 0.0092 0.0097 0.0103 0.02 0.0137 0.0133 0.0128 0.0156 0.0159 0.04 0.0079 0.0075 0.0089 0.0105 0.0118 0.04 0.0142 0.0148 0.0127 0.0178 0.0189 0.06 0.0074 0.0081 0.0095 0.0109 0.0132 0.06 0.0131 0.0151 0.0156 0.0198 0.0206 0.08 0.0078 0.0088 0.0114 0.0129 0.0155 0.08 0.0148 0.0164 0.0172 0.0236 0.0337 0.10 0.0081 0.0104 0.0121 0.0160 0.0224 0.10 0.0146 0.0212 0.0251 0.0293 × 0.02 0.04 0.06 0.08 0.10 0.02 0.04 0.06 0.08 0.10 0.00 0.0199 0.0163 0.0200 0.0194 0.0240 0.00 0.0258 0.0244 0.0265 0.0289 0.0321 0.02 0.0202 0.0178 0.0206 0.0196 0.0249 0.02 0.0259 0.0232 0.0250 × × 0.04 0.0195 0.0185 0.0217 0.0217 0.0274 0.04 0.0261 0.0251 0.0264 0.0312 × 0.06 0.0199 0.0196 0.0238 0.0258 0.0342 0.06 0.0257 0.0265 × × × 0.08 0.0210 0.0209 0.0259 0.0391 × 0.08 0.0265 0.0290 0.0343 × × 0.10 0.0239 0.0237 × × × 0.10 × × × × × 0.02 0.04 0.06 0.08 0.10 0.00 0.0292 0.0281 0.0287 × × 0.02 0.0284 0.0296 × 0.2061 × 0.04 0.0308 0.0311 × × × 0.06 0.0313 0.0345 × × × 0.08 0.0344 × × × × 0.10 × × × × × 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ] 分解能 0.030[m] 更新周期[s] 遅 れ 時 間 [ s ] 更新周期[s] 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ] 分解能 0.020[m] 更新周期[s] 分解能 0.025[m] 更新周期[s] 分解能 0.010[m] 更新周期[s] 分解能 0.015[m] 0.02 0.04 0.06 0.08 0.10 0.02 0.04 0.06 0.08 0.10 0.00 0.0275 0.0277 0.0444 0.0464 0.0443 0.00 0.0362 0.0451 0.0488 0.0501 0.0580 0.02 0.0303 0.0266 0.0361 0.0382 0.0409 0.02 0.0377 0.0522 0.0484 0.0620 0.0692 0.04 0.0310 0.0279 0.0455 0.0378 0.0531 0.04 0.0416 0.0478 0.0500 0.0644 0.0774 0.06 0.0260 0.0370 0.0462 0.0436 0.0577 0.06 0.0452 0.0566 0.0736 0.0817 0.0962 0.08 0.0279 0.0318 0.0412 0.0764 0.0791 0.08 0.0489 0.0626 0.0715 0.0784 0.1495 0.10 0.0310 0.0441 0.0510 0.0672 0.0891 0.10 0.0473 0.0757 0.1203 0.1149 × 0.02 0.04 0.06 0.08 0.10 0.02 0.04 0.06 0.08 0.10 0.00 0.0592 0.0629 0.0841 0.0752 0.0822 0.00 0.0667 0.0752 0.0891 0.1002 0.1109 0.02 0.0581 0.0702 0.0744 0.0803 0.0851 0.02 0.0645 0.0767 0.0849 × × 0.04 0.0558 0.0659 0.0925 0.0836 0.1025 0.04 0.0789 0.0816 0.0935 0.1529 × 0.06 0.0618 0.0732 0.0915 0.0959 0.1702 0.06 0.0807 0.0872 × × × 0.08 0.0765 0.0840 0.0984 0.1766 × 0.08 0.0967 0.0985 0.1545 × × 0.10 0.1144 0.0964 × × × 0.10 × × × × × 0.02 0.04 0.06 0.08 0.10 0.00 0.1048 0.1034 0.1131 × × 0.02 0.0990 0.1097 × × × 0.04 0.1173 0.0985 × × × 0.06 0.1001 0.1436 × × × 0.08 0.1247 × × × × 0.10 × × × × × 分解能 0.025[m] 更新周期[s] 分解能 0.010[m] 更新周期[s] 分解能 0.015[m] 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ] 分解能 0.030[m] 更新周期[s] 遅 れ 時 間 [ s ] 更新周期[s] 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ] 分解能 0.020[m] 更新周期[s]

13 Ⅰ-1.2.3 300R のコース 300R のコースを走行した場合について、分解能を 0.010、0.015、0.020、0.025、0.030[m] の 5 パターンでシミュレーションした結果をまとめたものを表 1.1.2-4、表 1.1.2-5 に示 す。 表 1.1.2-4: 時速 100[km]_300R_平均横偏差量[m]一覧 表 1.1.2-5: 時速 100[km]_300R_最大横偏差量[m]一覧 0.02 0.04 0.06 0.08 0.10 0.02 0.04 0.06 0.08 0.10 0.00 0.0161 0.0180 0.0182 0.0187 0.0201 0.00 0.0110 0.0129 0.0119 0.0135 0.0150 0.02 0.0168 0.0176 0.0195 0.0193 0.0204 0.02 0.0114 0.0140 0.0124 0.0162 0.0163 0.04 0.0166 0.0177 0.0194 0.0200 0.0191 0.04 0.0130 0.0158 0.0134 0.0187 0.0200 0.06 0.0174 0.0178 0.0186 0.0223 0.0229 0.06 0.0179 0.0211 0.0175 0.0241 0.0198 0.08 0.0178 0.0187 0.0205 0.0217 0.0240 0.08 0.0204 0.0254 0.0242 0.0308 × 0.10 0.0199 0.0203 0.0222 0.0243 0.0330 0.10 0.0270 0.0310 × × × 0.02 0.04 0.06 0.08 0.10 0.02 0.04 0.06 0.08 0.10 0.00 0.0219 0.0220 0.0253 0.0258 0.0341 0.00 0.0277 0.0278 0.0311 0.0343 × 0.02 0.0222 0.0231 0.0278 0.0275 0.0301 0.02 0.0300 0.0281 0.0297 0.0374 × 0.04 0.0231 0.0243 0.0315 0.0294 × 0.04 0.0302 0.0309 0.0370 × × 0.06 0.0228 0.0242 0.0298 0.0337 0.0393 0.06 0.0297 0.0297 0.0433 × × 0.08 0.0248 0.0262 0.0370 0.0362 × 0.08 0.0316 0.0363 × × × 0.10 0.0292 0.0315 × × × 0.10 × × × × × 0.02 0.04 0.06 0.08 0.10 0.00 0.0300 0.0291 0.0388 0.0420 0.0489 0.02 0.0319 0.0317 0.0387 0.0443 × 0.04 0.0298 0.0335 × × × 0.06 0.0312 0.0391 × × × 0.08 0.0359 × × × × 0.10 × × × × × 更新周期[s] 分解能 0.010[m] 更新周期[s] 分解能 0.015[m] 更新周期[s] 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ] 分解能 0.030[m] 更新周期[s] 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ] 分解能 0.020[m] 更新周期[s] 分解能 0.025[m] 0.02 0.04 0.06 0.08 0.10 0.02 0.04 0.06 0.08 0.10 0.00 0.0596 0.0721 0.0661 0.0679 0.0576 0.00 0.0416 0.0474 0.0520 0.0533 0.0657 0.02 0.0715 0.0622 0.0890 0.0632 0.0685 0.02 0.0395 0.0530 0.0513 0.0646 0.0715 0.04 0.0596 0.0699 0.0898 0.0826 0.0760 0.04 0.0480 0.0707 0.0565 0.0641 0.0991 0.06 0.0669 0.0595 0.0731 0.0864 0.0958 0.06 0.0643 0.0670 0.0586 0.0713 0.0792 0.08 0.0822 0.0801 0.1021 0.0736 0.1149 0.08 0.0629 0.0705 0.0719 0.1235 × 0.10 0.0802 0.0767 0.0781 0.0848 0.1133 0.10 0.0933 0.0918 × × × 0.02 0.04 0.06 0.08 0.10 0.02 0.04 0.06 0.08 0.10 0.00 0.1064 0.0823 0.1029 0.1020 0.1169 0.00 0.1397 0.1299 0.1190 0.2836 × 0.02 0.0918 0.0776 0.1458 0.1518 0.1298 0.02 0.1262 0.1466 0.1160 0.2086 × 0.04 0.1485 0.0820 0.1085 0.1204 × 0.04 0.1375 0.1298 0.2259 × × 0.06 0.0849 0.1027 0.1315 0.1459 0.1511 0.06 0.1374 0.1216 0.2473 × × 0.08 0.1022 0.0958 0.1321 0.1439 × 0.08 0.1531 0.1407 × × × 0.10 0.1048 0.1283 × × × 0.10 × × × × × 0.02 0.04 0.06 0.08 0.10 0.00 0.1727 0.1420 0.1912 0.1985 0.3047 0.02 0.1527 0.1643 0.1511 0.2014 × 0.04 0.1620 0.1512 × × × 0.06 0.1495 0.1791 × × × 0.08 0.1795 × × × × 0.10 × × × × × 分解能 0.030[m] 更新周期[s] 遅 れ 時 間 [ s ] 分解能 0.020[m] 更新周期[s] 分解能 0.025[m] 更新周期[s] 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ] 分解能 0.010[m] 更新周期[s] 分解能 0.015[m] 更新周期[s] 遅 れ 時 間 [ s ] 遅 れ 時 間 [ s ]

14 Ⅰ-1.3 まとめと今後の課題 前項Ⅰ-1.2 で行った 1,000R のコース、300R のコースのシミュレーション結果から、 横偏差量を 0.150[m]以内とするためには、下記の条件が必要という結果となった。 分解能 0.010[m]の場合は更新周期 0.10[s]以内、遅れ時間 0.10[s]以内 分解能 0.015[m]の場合は更新周期 0.08[s]以内、遅れ時間 0.08[s]以内 分解能 0.020[m]の場合は更新周期 0.06[s]以内、遅れ時間 0.08[s]以内 分解能 0.025[m]の場合は更新周期 0.04[s]以内、遅れ時間 0.06[s]以内 分解能 0.030[m]は不適 また、300R のコースで横偏差 0.150[m]以内となった条件は 1,000R のコースでも横偏 差 0.150[m]以内となった。 以 上 の 結 果 か ら 、 白 線 識 別 セ ン シ ン グ シ ス テ ム に 対 す る 基 本 性 能 要 求 仕 様 と し て は 「序章 2.1 事業全体の最終目標」に「カ」、「キ」の項を追加した下記となる。 100[km/h]以下の走行について、雨天日中時、雨天夜間時、晴天時、逆光時（夕日また は朝日）及び道路構造物による照度変化時を含む環境下において、 ア．サンプリング周期 0.05 秒で 1 時間の累積作動した場合の認識正当率は 99％以上と する。 イ．連続未検出時間は 0.30 秒以内とする。 ウ．白線 ― センサ間離隔距離検出範囲は±0.400[m]（幅：0.800[m]）以上とする。 エ．白線 ― センサ間離隔距離検出分解能は 0.020[m]以下とする。 オ．白線 ― センサ間離隔距離精度：上記アの評価条件において以下とする。 １．平均誤差 ：0.020[m]以下 ２．最大検出誤差（3σ）：0.050[m]以下 カ．センサ更新周期は、エ．白線 ― センサ間離隔距離検出分解能に応じて以下とする。 ・分解能 0.010[m]以内の場合：更新周期 0.10[s]以内 ・分解能 0.015[m]以内の場合：更新周期 0.08[s]以内 ・分解能 0.020[m]以内の場合：更新周期 0.06[s]以内 キ．センサ検出遅れ時間は 1 更新周期以内とする。 しかし、実車においては、シミュレーションのできない外乱要素（車両や路面の個体 差・経年劣化などの要素）が加わるため、上記条件は少なくとも満たす必要がある条件 としてみなければならず、今後実車による試験が必要である。

15 Ⅰ-2 測距イメージ方式白線識別技術の開発

測 距 イ メ ー ジ セ ン サ は 対 象 物 ま で の 距 離 情 報 に 相 当 す る 信 号 を 得 ら れ る イ メ ー ジ セ ン サ で あ る 。 計 測 方 式 は 、 計 時 回 路 に よ る 遅 れ る 時 間 の 計 測 に 基 づ く 直 接 TOF 方 式 （TOF：Time of Flight）及び、反射光の到達位相差の検出に基づく間接 TOF 方式がある。 本開発は、近距離の計測において、比較的に容易に 3 次元の距離検出のできる間接 TOF 方式を用いた測距イメージ方式の白線識別技術の確立を目的とする。開発は基本性能評 価・アルゴリズム設計・プロトタイプ装置製作という 3 つの内容で実施し、測距イメー ジ方式の可能性について検討した。 Ⅰ-2.1 投光同期 3 次元測距イメージセンサの信号処理技術の開発 本項目は、測距イメージ機能確認装置を用いて投光同期 3 次元測距イメージセンサの 基本原理の確認及び基本性能の評価を行ったうえ、評価結果を基に測距イメージ方式の 白線識別装置の設計仕様を策定した。 図1.2.1-1: 測距イメージセンサの間接TOF方式 図1.2.1-1に測距イメージセンサの間接TOF方式の基本原理を示すように、測距イメー ジセンサと光源はタイミング発生回路により時刻同期を取るとともに、光源から信号光 を発光し、対象物に到達してから、反射光は受光光学系を通して、受光される。発光パ ルスに対する位相差の0°と180°である反射光量光量を蓄積電荷として保存する。さら に、電荷電圧変化により受光量に反映する電圧として出力する。つまり、測距イメージ センサに到達するまでの遅れ時間に相当する情報を電圧値として取得する。これを用い、 対象物との距離を算出する。

16 図1.2.1-2: 間接TOF方式による距離計測の説明 図1.2.1-2は間接TOF方式による距離計測の説明図を示す。受光V１、V2は画素内の位相 差0°と180°の変調クロックパルスである。受光パルスと発光パルスはタイミング発生 回路による時刻同期のために、受光V１の反射光蓄積電荷をQ1とし、受光V１の反射光蓄 積電荷をQ2とすると、下記の関係式が成り立つ。 （式1.2.1-1） （式1.2.1-2） ここで、Q1、Q2は蓄積電荷、C1、C2はそれぞれの積分容量であり、V1、V2は蓄積電荷 から変換された電圧値である。Nは単位フレーム内の回数、Iphは光電流であり、T0はパ ルス幅、Tdは反射光の遅延時間である。式（式1.2.1-1）と（式1.2.1-2）において、C1＝ C2とした時に、Tdは下記の（式1.2.1-3）で解くことができる。 （式1.2.1-3） 従って、光速をcとすれば、対象物までの距離Dは下記の（式1.2.1-4）で算出すること ができる。 （式1.2.1-4） この方式は、V1、V2の比率から信号光の到達位相差を算出し、距離情報を演算する。 一方で、測定可能な距離範囲はパルス幅T0に依存する。つまり、測定範囲をLとすれば、 測定範囲は（式1.2.1-5）で表される。

17 （式1.2.1-5） 本項目の開発目的は上記の間接TOF方式を基本原理として、測距イメージセンサにお いて、到達する遅れ時間に相当する情報を電圧信号として取得し、それらを用いた距離 測定方式の確立であった。 Ⅰ-2.1.1 検証装置の製作 測距イメージセンサの基本性能を検証するために、市販の測距イメージセンサ用評価 キット1式及び制御装置1台を購入し、測距イメージ検証装置を製作した。 図1.2.1-3: 測距イメージ検証装置の構成 図1.2.1-3に示すように、測距イメージ検証装置は測距イメージセンサ用評価キットや 制御装置より構成されている。制御装置において、測距イメージセンサの駆動・制御す る各パラメータ（発光パルス幅・蓄積時間・遅延時間調整・計測周期・電圧オフセット・ 距離オフセット等）の設定をするとともに、データ処理を行う。測距イメージセンサ用 評価キットにおいて、デモ光源より信号光を発光し、カメラに受光する。図 1.2.1-2に示 した距離計測のための蓄積電圧V1、V2はA/D変換を通し、デジタル信号として、制御装 置へ転送する。

18 一方、測距イメージ検証装置の製作において、様々な調整信号を入力したり、出力を 確認したりするために、信号発生器（ファンクションジェネレータ）及びオシロスコー プ（デジタルストレージオシロスコープ）それぞれ１台を購入した。また、各入出力は アナログ／デジタルに互換性のために、市販のA/D変換装置1式を購入した。 図1.2.1-4: オシロスコープ・信号発生器・A/D変換装置

19 Ⅰ-2.1.2 測距イメージセンサの基本性能評価 製作した測距イメージセンサ検証装置を用い、基本性能評価実験を行った 。こ こで 、 発光パルス幅：30[ns]、駆動周期：1[μs]、最大光量（ピーク値）：10[W]、投光角度17° ×17°をデモ光源として使用した。表1.2.1-1に検証装置の主なパラメータを示す。 表1.2.1-1: 測距イメージセンサ検証装置の主なパラメータ No. パラメータ Mi n Max. Step 説明 １ Vr[mV] 0 5,000 100 画素リセット電位を設定する電圧 ２ Vpg[mV] 0 5,000 100 受光部に印加する電圧 3 Vref[mV] 0 5,000 100 出 力 電 圧 (Vout1,Vout2) の オ フ セ ッ ト レ ベルの基準電圧 4 pixels(H) ― ― ― 水平画素数 168（有効：160） 5 pixels(V) ― ― ― 垂直画素数 128（有効：120） 6 Tacc[μs] 200 1,000,000 100 蓄積時間 7 MCLK[MHz] 1 10 1 クロック 10MHz 8 Ext_res width [μs] 100 100000 100 画素リセットパルス幅

9 Light pluse width [ns]

10 1,000 10 発光パルス幅

10 Light pluse delay [ns]

0 10,000 5 光源の駆動回路による遅延時間

11 VTX1 Width [ns] 10 1,000 10 位相 0°の変調クロックパルス 12 VTX2 Width [ns] 10 1,000 10 位相 180°の変調クロックパルス 13 VTX3 Width [ns] 0 50,000 10 Light pluse width /(VTX1+ VTX2+ VTX3)=

発行パルス幅 14 Num. of MA

frame

1 100 1 移動平均のデータ数

15 Night ＝Tacc/Vtx=Tacc/( VTX1+ VTX2+ VTX3) 発光回数 16 Dofs 0 ― 0 距離計算オフセット 検証装置のパラメータを用いれば、測距イメージ方式における距離計測は（式 1.2.1-6） より求められる。 （式1.2.1-6）

20 上記の各パラメータと距離測定の関係を解析したうえ、測距イメージの検証装置を用 いた基本性能評価実験を行った。 被測対象：リブ式標示（リブ高さ10[mm]）・ブロック（高さ100[mm]） 図1.2.1-5: リブ式標示 測定対象のリブ式標示は図1.2.1-5に示す。リブ高さは10[mm]、幅20[mm]であり、リブ 間隔は100[mm]である。また、反射率向上のために、白線全体にアルミ粉は約5[%]が混 入している。 図1.2.1-6:テストコース（出典:Google Map）

21 評価実験は、産業総合技術研究所の北サイトにあるテストコース（図1.2.1-6 テスト コース（出典:Google Map））において、光源より白線へ垂直照射で行った。つまり、光 源は自動車のドアミラーに設置すると想定し、計測実験を行った。ここは周囲の場所が 広く、早朝・正午・西日等のすべての環境が反映される。 図1.2.1-7: 計測実験 計測時の天候：晴天 計測時刻：13:12 実験内容：評価実験の設置パターンは図1.2.1-7に示す。リブ式標示と測距イメージ検証 装置が1[m]のところに離れ、デモ光源から信号光を照射し、白線までの距離 像を保存する。 図1.2.1-8: 計測画像

22 図1.2.1-9: 計測結果 結果考察： ① 評価実験結果として、白線中心点までの距離はほぼ正確に計測できたが、それ以外 に、計測誤差のバラツキが生じた。これは、太陽光等の強い外乱光により、SNRが低 0 10 20 30 40 50 60 70 600 650 700 750 800 850 900 950 1000 1050 1100 画素中心点 925.59 データ数 距離計測値[ m m ] 画素上の中心ラインにおける計測結果 画素中心点 925.59 0 10 20 30 40 50 60 70 0 50 100 150 200 250 300 350 400 最大値 387.97 最小値 2.57 最小値 2.57 最大値 387.97 最小値 2.57 最小値 2.57 データ数 差分値[ m m ] 距離計測値の差分値 最大値 387.97 最小値 2.57 最小値 2.57 最大値 387.97 最小値 2.57 平均値 ave 最大値 387.97 最小値 2.57 平均値 122.992

23 下し、計測精度に影響を与えたと考えられる。また、発光パルス幅が狭い（ 3[%]）た めに、最大光量が10[W]であるデモ光源に光量不足というのも原因の一つだと考えら れる。 ② 距離計測の差分値は同じライン上における距離計測値の前後データの差分である。 計測誤差が大きいため、差分結果の誤差も 増大している。一方、画素上のリブが存 在する位置において、差分が大きくなっており、リブ形状を経過する際に、計測距 離が大きく変化したことを示している。 ③ 基本性能評価実験により、測距イメージ方式の距離計測に、蓄積時間・発光パルス 幅、遅延時間等のパラメータの関係の解析ができた。つまり、発光パルス幅の設定 により測定可能範囲の変更ができた。また、投光時刻同期の遅延時間や電荷の蓄積 時間の調整設定による、強光量による飽和状態を避けるとともに、測定精度が向上 することが検証できた。しかし、実車に搭載した際に、環境の変化に合わせて、随 時にパラメータの自動調整が要されると考えられる。つまり、シャッタータイム等 の自動制御は、今後、課題になると想定される。 ④ 基本性能評価実験をまとめると、デモ光源の用いた測距イメージ検証装置は、強い 外乱光の影響や光量不足等の原因で、白線認識に至らなかった。対策として、測距 イメージセンサのデータ処理に外乱光の除去の処理を加え、SNRの向上したデータを 用いることと、高光量発光光源を用いれば、より正確で安定な計測が可能になると 考えられる。 Ⅰ-2.1.3 LED 投光器（LED 発光器）の設計・試作 測距イメージ検証装置を用い、基本性能の評価の結果を踏まえて、より高精度かつ広 範囲での計測が可能となるように、LED投光器の設計・試作を実施した。 図1.2.1-10: 測距イメージセンサ分光感度特性（出典：浜松ホトニクス株式会社）

24 測距イメージセンサの分光感度特性（図1.2.1-10）に合わせ、感度最良の850[nm]波長 のLED（OSRAM：SFH4750）を選定し、LED発光器の基本仕様を策定した。 表1.2.1-2: LED発光器の主な仕様 No. 仕 様 説 明 1 LED 配置 4×4 2 LED 中心波長 850±20[nm] 3 最大周波数 200kHz 4 供給電源 +12[V] ,5[A]以下 5 LED 駆動 PWM トリガ駆動 6 点灯パルス トリガ入力、10[ns]以上 7 トリガレベル +1.5±0.2[V] 8 入力インピーダンス 1[kΩ] 9 入力パルス幅 10]ns]以上 10 遅延時間 100[ns]以下 11 照射角度 850 : 30°×60°850M: 45°×75° 12 出力パワー 200[W]（ パルス 点灯時発光全出 力,出 力可 変） 13 パルス幅パターン 30、45、60[ns] 表1.2.1-2にLED発光器の主要仕様を示している。測距イメージセンサの分光感度特性 に合わせ、中心波長の850±20[nm]のLEDを選定し、十分な光量を発光できるように、LED を縦4×横4に配置した。次に、送・受光時刻同期のために、タイミング発生回路による トリガ入力の点灯方式を用いた。また、高速な計測を図るために、トリガ入力の発光パ ルス幅は10[ns]以上とした。また、垂直照射や水平照射の計測パターンに応じて、発光 パルス幅は30[ns]、40[ns]、60[ns]に設定できるようにしている。つまり、計測パターン に対応して、それぞれの最大計測距離は 4.5[m]、6[m]、9[m]と設計した。それから、リ ブ式標示・縁石・障害物検出の含めた最適な照射角度を検証するため、照射角度の 30° × 60°（仕様番号：850）、と45°× 75°（仕様番号：850M）の2台の発光器を試作した。

25 図1.2.1-11: LED発光器 図1.2.1-11に示すように、光源の光量を絞るために、LED発光器本体の各LEDにレンズ をつけ、照射角度を設定する。コントローラーには、30[ns]、40[ns]、60[ns]の3パターン のパルス幅をスイッチで切り換える。また、出力パワーは 0[W]～200[W]で調整可能であ る。測距イメージセンサからのタイミング発生回路のトリガ発光パルスは BNC端子を通 して、本体に入力する。なお、コントローラーと本体の制御はRS232C通信方式を用いて いる。

26 図1.2.1-12: LED発光器のパルス幅特性 LED発光器の発光パルス幅特性についての検査結果を図1.2.1-12に示す。これは、パル スのカウンタ数を使用して、発光パルス幅の応答特性を計測したものである。この結果、 30[ns]、40[ns]、60[ns]の発光パルス幅は正確に応答することが確認できた。 製作したLED発光器と測距イメージ検証装置の組み合わせで、性能確認の計測試験を 行った。 計測場所：テストコース（図1.2.1-6に示した） 計測対象：リブ式標示と高さ100[mm]のブロック 計測内容：A.垂直照射の場合のリブ式標示の計測 B.垂直照射の場合の高さ100[mm]のブロックの計測

27 A：垂直照射の場合のリブ式標示の計測 図1.2.1-13: 計測結果A－① 0 5 10 15 20 25 30 850 900 950 1000 1050 1100 1150 計測距離[ m m ] リブ・白線の距離計測 リブ平均距離 1001.81 白線平均距離 986.29 リブ 白線

28 図1.2.1-12に示すのは、リブ式標示が測距イメージ検証装置より1,000[mm] 離れたとこ ろに配置して計測した時のリブ形状部分とその近隣部分の計測距離平均値の比較であ る。リブ形状部分の平均距離986.29[mm]に対し、近隣の白線部分の計測距離が 1,030.66[mm]であった。 図1.2.1-14: 計測結果A－② 0 5 10 15 20 25 30 35 40 0 50 100 150 最大値144.86 最小値5.29 平均値60.283 データ数 差分値[ m m ] 距離計測値の差分値(10フレームの平均計測)

29 距離画像における白線を縦断したラインの距離計測値の差分結果を図1.2.1-13に示す。 計測結果は、最大値が144.86[mm]、最小値が5.26[mm]、平均値が60.283[mm]であった。 以上により、測距イメージ検証装置では路面とリブの差10[mm]を判別することができな かった。 B：垂直照射の場合の高さ100[mm]のブロックの計測 次に、リブ式標示のかわりに、高さ100[mm]のブロックを被測対象として計測を行っ た。ブロックは道路の縁石の代替を考え、図1.2.1-14に示すように設置した。 図1.2.1-15: ブロックの設置様子と距離像 3つのブロックの中心部分（図1.2.1-15に図示する1，2，3のライン）の平均距離を比較 した（図1.2.1-16）。また、3つのブロックを縦断するライン（図1.2.1-15に図示する4の ライン）の上の画素点の偏差差分についても求めた（図 1.2.1-17）。

30 図1.2.1-16: 3つのブロックの距離計測結果 図1.2.1-17: 3つのブロックの距離及び差分結果 0 5 10 15 20 25 30 35 40 45 800 900 1000 1100 1200 1300 1400 データ数 計測距離[ m m ] 各ブロックの計測距離比較 1085.33 1049.61 1094.46 ①ブロック ②ブロック ③ブロック 0 20 40 60 80 100 120 0 50 100 150 200 250 最大値231.7 最小値0.02 平均値88.3954 データ数 差分値[ m m ] 距離計測値の差分値(10フレームの平均計測)

31 高光量発光器と測距イメージ検証装置を用いた評価実験結果により、製作した光源の 各パラメータの調整が可能なことを検証でき、時刻同期についても検証することができ た。また、光源の光量が増加したことから、デモ光源の場合と比較して計測精度が上が った。しかし、10[mm]のリブの認識には至らなかった。一方、高さ100[mm]のブロック の計測において、計測の平均距離を用いれば、認識が可能だったが、計測誤差のバラツ キが存在しているために、差分による認識は不可能だった。これは、太陽光等の強い外 乱光により、受光信号のSNRは低下し、測定が不安定になるためと思われる。SNRの向 上のために、外乱光除去手法の検討及び、高速な距離計算アルゴリズムの開発が必要と なる。外乱光除去の対策として、発光パルスがONの際に、光源の信号光と外乱光の混在 の受光信号を計測する以外に、発光パルスがOFFの際に外乱光のみの受光信号を取り、2 つの信号の差分演算により、外乱光を除去することが可能になると想定している。また、 高 速 な 距 離 計 算 に は 、 時 刻 同 期 の 高 精 度 性 が 要 求 さ れ 、 時 刻 同 期 に よ る 生 じ た 時 刻 遅 延・蓄積電荷の電圧換算の電圧オフセット・距離オフセット等のパラ メータ調整による キャリブレーションも要求される。

32 Ⅰ-2.1.4 測距イメージ方式の白線認識装置の設計仕様の作成 上 記 の 評 価 結 果 を 踏 ま え 、 測 距 イ メ ー ジ 方 式 の 白 線 認 識 装 置 の 設 計 仕 様 は 下 記 の 表 1.2.1-3のように策定した。 表1.2.1-3: 測距イメージ方式の白線認識装置の設計仕様 構 成 詳 細 仕 様 光源 発光器 発光パワー200[W]、出力制御可能 照射角度 垂直設置：30°× 30° (3[m]) 前方設置：45°× 60° (10[m]) パルス駆動 10ns 駆動可能 パルス幅 20ns～70ns、パルス幅制御可能 測距イメージセ ンサ装置 時刻同期 パルス信号のタイミング発生回路（10n 以上） 受光光系 レンズ、受光フィルタ（赤外透過フィルタ） 読み出し回路 5 回以上 クロックパルス 周波数 10[MHz] 外乱光除去 光源の信号光の有り無しの差分による除去 A/D 変換 16 ビット以上の分解能 データ通信 CAN 通信 データ処理装置 距離計測 電荷蓄積時間（シャッタータイミング制御） 発光パルス幅制御 外乱光除去の差分演算 5 フレームの距離計測値の平均 白線認識 ハフ変換・微分処理によるエッジ検出 表1.2.1-3に測距イメージ方式の白線認識装置の設計仕様を示す。光源について、車体 のドアミラーに設置する場合に、自動車が車線内を走行する際にシフトする距離を考慮 し、随時に縁石の検出も可能となるように、最大測定距離3[m]、照射角度を30°× 30° とする。一方、車体の前方に設置した場合に、白線・縁石以外に、障害物も検知できる ようにするためには、最大測定距離10[m]、照射角度は45°×60°程度が必要となる。ま た、精密な計測のためには、 10[ns]で駆動可能な光源が必要となる。さらに、SNR向上 のため、最大出力200[W]で設計し、また、飽和状態を避けるために、出力を随時に制御 できるような仕様も要求される。 具体的に、発光パルスに対応し、10[ns]の時刻同期のタイミング発生回路は重要な条 件の一つである。次に、ノイズや外乱光を除去するために、受光フィルタを加えたうえ、 １フレームに「外乱光+光源の信号光」（以下、light dataと称す）と「外乱光のみ」（以

33 下、dark dataと称す）の2種類の受光データの差分演算回路を設ける。また、1フレーム の時間Tframeはクロックパルス周波数Fclk及び読み出し回数Nで（式1.2.1-7）で表される。 (式1.2.1-7) ここで、 は電荷の蓄積時間、 は水平タイミングクロック数、 は垂直画素数で ある。使用する測距イメージセンサの水平・垂直画素はそれぞれ168×128であり、水平タ イミングクロック数は208となる。仕様策定では、10[MHz]のクロックパルス周波数（Fclk） 及び5回の読み出し回数を設計することとする。以上の条件から、 1フレームの時間Tframe を計算すると、 (式1.2.1-8) ここで、Taccは電荷の蓄積時間であり、測定状況により変化するが、基本的に10[ms]～ 30[ms]の 範 囲に 収 ま る 。 つま り 、 ワ ンサイク ルの距 離測 定 に必要 な時 間は 30[ms]～ 40[ms] となる。 一方、蓄積した電荷は電圧に換算し、16ビット以上の高精度なA/D変換装置を用い、デ ジタルデータに変換して、CAN通信を通し、データ処理装置に転送する。また、データ処 理装置は距離測定装置及び白線認識装置から構成される。距離測定に必要な各パラメータ 間の関係を解析した距離計測アルゴリズムを搭載する。ここで、様々な天候状況に対応で きるように、蓄積時間や発光パルス幅のリアルタイム制御が必要となる。また、外乱光除 去のための差分演算アルゴリズムによる処理も必要となる。最後に、距離データを用い、 微分処理による白線のリブ形状のエッジの検出及び、ハフ変換による白線ラインの検出の 組み合わせで、白線を認識する仕様とした。

34 Ⅰ-2.2 測距イメージ方式の白線認識アルゴリズム開発 前項Ⅰ-2.1の測距イメージセンサ検証装置の製作及び基本性能評価結果を踏まえ、測 距イメージセンサを用いた距離測定アルゴリズム及び白線認識のアルゴリズムの設計 を実施した。 Ⅰ-2.2.1 距離測定アルゴリズムの提案 前項の（式1.2.1-4）に測距イメージセンサの距離測定基本原理式を示したが、実際に、 測距イメージセンサを用いたモジュール化をする際に、距離計測に重要な 180°位相差の 持つ二つの蓄積電荷（電圧）には様々なパラメータが関わっている。以下に測距イメー ジセンサに入射光量・蓄積電荷と各パラメータの関係について記す。 まず、対象物上のスポット光量をPspot[W/m2 ]とし、Lは対象物までの距離とする。また、 、 はそれぞれLED発光器の水平・垂直角度[°]とすれば、Pspotは下記の式で求められ る。 （式1.2.2-1） ここで、P:光源出力[W/sr]、Ep:投光 効 率[%]、[sr]：投光の立 体角。 はスポット面 積であり、aは半径Lの球面のうち、任意角度 がなす角度で切り取った面積である。 つまり、それぞれは下記の式で表される。 _{（式1.2.2-2）} （式1.2.2-3） 次に、受光レンズの直径をD[m]とすると、対象物上のある点と受光レンズの直径の端 がなす角度 とその立体角 は（式1.2.2-4）になる。 [sr] （式1.2.2-4） また、受光レンズを通して、対象物からの反射光を画像平面上に投影するため、画素 面積 とその投影面積 ′ とすると、両者の関係は下式で表される。

35 ′ （式1.2.2-5） ここで、fは受光レンズの焦点距離[m]とする。 最後に、光源の信号光と外乱光は対象物に照射して反射し、受光レンズ・受光フィル タを通して入射する光量を 、 とすると、それぞれは下式で求められる。 信号光の入射光量について ′ （式1.2.2-6） 外乱光の入射光量について ′ （式1.2.2-7） ここで、 と は光源の信号光と外乱光による対象物上のスポット光量であり、 ER[%]は 受 光 レ ン ズ 効率 で あ る 。 ま た 、 FFは 測 距 イ メ ー ジ セ ン サ の 開 口 率 [%]で あ り、 と はそれぞれ光源の信号光と外乱光に対するバンドパスフィルタの透過 率[%]である。 上記の信号光と外乱光の入射光量は測距イメージセンサにおいて、電荷として蓄積さ れる。そして、蓄積された電荷を電圧へ換算する。従って、測距イメージセンサ画素内 における電圧値として取り出される光源の信号光量 [V]と外乱光量 [V]は次 式で表すことができる。 （式1.2.2-8） （式1.2.2-9） 以 上 が 測 距 イ メ ー ジ 方 式 の 対 象 物 ま で の 距 離 計 測 の た め の 電 荷 蓄 積 の ア ル ゴ リ ズ ム である。蓄積した位相差180°の二つ電荷Vpix1とVpix2を第1項の式1.2.1-6のTOF間接方式 の距離測定基本原理に代入すれば、対象物までの距離を算出することができる。図 1.2.2-1 に、測距イメージ方式の距離測定アルゴリズムのフローチャートを示す。

36 図1.2.2-1: 距離測定のフローチャート 図1.2.2-1に示すように、光源と測距イメージセンサは時刻同期を通して、発光と受光 を同時にスタートする。設定されたデフォルト値のパラメータで、位相差が 180°を持つ 二つの受光光量を電荷として蓄積し、蓄積した電荷を電圧に変化し、 A/D変換を用いデ ジタル値に変換する。ここで、受光光量の内、位相0°に相当する蓄積電圧V1が0の時は、 対象物が測定範囲外（ ）にある場合に起きるため、光源のパルスを調整す ることにより、測定範囲を拡大する必要がある。また、 V1の蓄積電圧が0の時ではない 時に、位相が180°であるV2の蓄積電圧を判別する。V2が0の時、つまり、対象物が極め て近いもしくは電荷の蓄積時間が長すぎるため、受光光量が飽和状態になってしまう。 この場合に、飽和状態を解消するように、電荷の蓄積時間を減らす。一方、 V2が0でな い時は通常の計測になるため、V1、V2の蓄積電圧を用い、差分演算による外乱光を除去 し、距離を計測する。 しかし、実際に、V1とV2に電荷を蓄積する場合、光源からの信号光以外の外乱光（太 陽光等）も蓄積されてしまう。より正確に距離計測を行うためには、受光カメラの受光

37

系にバンドパスフィルタを付けたうえ、外乱光を除去するアルゴリズムが必要とされる。 これについては、今年度での実施は至らなかったが、今後の課題として下記のように検 討した。

図1.2.2-2に示すように、1フレームの受光データ構成に、light dataとdark dataの2種類の データが含まれている。light dataは信号光（光源）の受光データと外乱光の受光データ より構成される。一方、dark dataは信号光が発光しない時の外乱光のみ構成されるデー タである。図1.2.2-2に示すように、1フレームに受光したこの２種類のデータの差分演算 により、外乱光の除去が可能と想定している。 図1.2.2-2: 外乱光除去 Ⅰ-2.2.2 白線認識アルゴリズムの提案 測距イメージセンサによる距離測定を踏まえ、測距イメージ方式白線認識アルゴリズ ムの設計を検討した。計測した二次元距離データを基に、リブ形状部分とリブ形状部分 以外の境界は、画素の距離値の変化が大きいため、画素値の変化に対して、微分演算を 行うことにより、リブ形状部分のエッジを検出することができる。但し、微分演算によ るリブ形状部分のエッジ検出を行う際に、計測データに含まれるノイズ成分も反応して しまう。その影響を除去するために、アルゴリズムにSobel（ゾーベル）フィルタを入れ て、処理を行う。 リブ形状部分が認識された後、ハフ変換を用い、白線のエッジラインを認識する。図 1.2.2-3にハフ変換式白線認識アルゴリズムの基本原理を示している。画素空間 X－Yにお いて、白線のエッジの上にあるd11、d12、d13…点が同一ラインに存在する場合、そのラ インは（式1.2.2-10）で表される。

38 （式1.2.2-10） ここで、 、 は画素上の計測点の画素平面X-Yに対する座標であり、 は画素空間の 頂点からそのラインの垂線の長さであり、 はその垂線とX軸に交わる角度である。 図1.2.2-3: ハフ変換式白線認識アルゴリズム基本原理 一方、（式1.2.2-10）で表したラインは、ハフ平面 －Rにおいては共有点の存在する 多数の曲線になる。つまり、白線のサイドライン（白線のエッジに沿ったライン）はハ フ平面における多数の曲線に共有点（ ）が存在する。言い換えれば、ハフ平面にお ける複数の曲線に共有点が存在することから、これらの点は画素平面においての直線に なる。これを基本原理として、ハフ変換により、白線のエッジラインが検出されると想 定される。 図1.2.2-4に提案する測距イメージ方式の白線認識アルゴリズムのフローチャートを示 す。まず、計測した距離画像を読み込み、フィルタリングした後に、微分処理を用い、 リブ形状の境界の変化率から判断することにより、白線リブ形状部分を検出する。ここ で、認識不可となった場合は、その回数Nをカウントする。もし連続的に認識不可とな った回数が閾値Nthを超えた場合に、エラーメッセージを告知する。一方、白線リブ形状 部分が検出された場合は、リブ形状の認識不可の連続回数Nをリセットするとともに、 ハフ変換による白線のエッジラインを検出する。これは、パラメータ R、 を用いたハフ 変換空間における、R、 に通過する曲線を投票（M）する。精度向上のために、通過票 数の閾値Mthを設定し、閾値Mthより多い場合に、それを白線のエッジラインとして検出 する。一方、閾値Mthより少ない場合に、リブ形状の検出と同様に、連続認識不可の回数

39

Kをカウントし、設定された回数閾値 Kthより超えた場合に、エラーメッセージを告知す る。閾値Kthより超えない場合に、次のデータを検出する。検出が可能となった時に、出 力すると共に、回数Kをリセットする。

40 Ⅰ-2.3 車載型白線識別装置の開発 測距イメージ検証装置の評価結果及び測距イメージ方式の白線認識アルゴリズムの 検討を踏まえて、車載型白線識別装置の設計に向けて、リアルタイムに白線識別を行い、 性能を検証するために、測距イメージ方式白線識別性能検証用プロトタイプを試作した。 Ⅰ-2.3.1 高速 3D データ処理装置の購入 車載用白線識別装置製作するにあたり、データ処理・解析・制御アルゴリズム等の組 みこむための高速 3D データ処理装置を購入した。 図 1.2.3-1: 高速 3D データ処理装置（dSPACE 社） 測 距 イ メ ー ジ セ ン サ と 外 部 発 光 器 で 構 成 さ れ る 測 距 イ メ ー ジ 方 式 白 線 識 別 装 置 は 高 速かつ高精度なデータ処理・通信等仕様要求により、高性能で、豊富な自動車用入出力 インタフェースが搭載され、車載型データ処理システムのデファクトスタンダードとし ての地位を確立している dSPACE 社の車載用処理システムである AutoBox を選定した。 測距イメージセンサよりの受光データは A/D 変換ボードによる入力し、40[MHz]の高速 デジタル通信ボードで通信をする。また、アルゴリズム及び制御プログラム等の入出力 はシリアル通信や CAN 通信を通して行い、ホスト PC との通信は LAN で行う。 Ⅰ-2.3.2 プロトタイプ装置の試作 上記のデータ処理システムを用い、プロトタイプの車載型測距イメージセンサ方式の 白線識別装置を試作した。製作した装置の模様は図 1.2.3-2 に示す。光源の LED 発光器 と受光カメラは自動車に付けるため、プロタイプ装置と別体として、時刻同期信号は通 信ケーブルを用いて行う。プロトタイプ装置の主体は AutoBox と測距イメージ検証装置

41 から構成される。AutoBox において、制御プログラムで測距イメージ検証装置の制御パ ラメータを調整すると同時に、受光データを処理し、距離計算アルゴリズムを用いて、 距離を測定する。また、認識した白線データを自動車制御システムへ出力という仕組み である。 図 1.2.3-2: プロトタイプ装置

42 Ⅰ-2.4 まとめと今後の課題 本報告は「測距イメージ方式白線識別技術の開発」プロジェクトの実施内容について 述べた。まず、提案する測距イメージ方式の基本原理である測距イメージの TOF 間接方 式について、原理調査をするとともに、市販の測距イメージ用評価キットを購入した。 次に、評価キットを用い、測距イメージの TOF 間接方式の計測可能性を検証したうえ、 測定精度・測定範囲等の基本性能を評価するとともに、測距イメージ方式の各制御パラ メータと測定対象の関係を解析し、信号処理技術を確立した。そして、基本性能評価結 果を踏まえ、光源としての必要なスペックを調査したうえ、測距イメージセンサに対応 するレーダ方式の発光器を設計し、製作した。それから、製作した LED は発光器と測距 イメージセンサを合わせて、検証装置を製作し、評価実験により、LED 発光器照射角度・ 発光パワー・時刻同期等の性能を評価するとともに、測距イメージ方式の白線認識装置 の設計仕様を策定した。また、測距イメージセンサの用いた信号処理技術を確立し、距 離測定アルゴリズムの開発と同時に、微分処理及びハフ変換による測距イメージ方式の 白線認識アルゴリズムを提案した。以上の調査・検討・技術の確立等を踏まえ、最後に、 車載型の測距イメージ方式の白線識別装置のプロトタイプ装置の試作を実施した。 一方、実施過程で、いくつかの問題点が抽出された。まず、評価試験では、垂直 照射 した場合でも白線と白線リブ形状の識別には至らなかった。これは、光源との時刻同期 によって生じた遅れ時間・光量不足及び外乱光の影響と考えられる。他にも、光源の最 大光量に応じて、測距イメージセンサで計測可能な距離が制限される問題がある。光量 不足については、計測周期の高速化のために、発光パルス幅を狭くしていることが原因 で、実効光量が不足するためであり、対策として考えられる光量を増やす方法は、光源 装置が過度に大きくなり、非現実的である。また、太陽による外乱光が強すぎるため、 測定精度が低下し、白線までの距離を正確に 測定できなくなる可能性があることが分か った。また、測距イメージ方式は受信した反射光量を用いて距離計測を行う方式のため、 検知対象以外の物との区別をするために、受光光量が飽和しないよう蓄積時間を制御す ることが要求される。 今後の課題として、抽出された問題点に対して、対策を立て、問題を解決するととも に、測距イメージ方式白線識別技術の実用化に伴う課題を進める。詳細は 以下 に記 す。 ア．問題解決対策について 光源について、最良な必要光量を確定し、光源の中心に測距イメージセンサを搭載 することにより、センサの小型化を図る。 外乱光の影響の除去手法として、前項Ⅰ-2.2.1 で述べたように、イメージセンサで 2 種類の信号を受信する。一つは発光パルス ON の時に、光源の信号光及び外乱光の混 在する信号を受信し、もう一つは発光パルス OFF の時に、外乱光のみ信号を受信する。 2 種類受信信号の差分演算された信号を受光信号として、距離を計測する。