JP7415853B2 - 自律走行車 - Google Patents

Description

本発明は、自律走行車に関するものである。

無人車両の状態（位置情報など）を推定する技術としてＳＬＡＭ（Simultaneous Localization and Mapping）がある。ＳＬＡＭは、移動体の自己位置推定と環境地図作成を同時に行う技術であり、移動体が未知の環境下で環境地図を作成できる。構築した地図情報を使って障害物などを回避しつつ特定のタスクを遂行する。

自律走行車の自己位置を推定する技術として路面画像を用いることが知られている（例えば、特許文献１参照）。この技術は、車体の下面に路面を撮影するカメラを設置し、予め撮影しておいた画像（地図画像）と、現時点での路面画像（実際の画像）のそれぞれから特徴を検出し、それらを比較して自己位置を推定するものである。

米国特許第８７２５４１３号明細書

ところが、例えば図８に示すように、カメラにより取得した路面画像Ｐ１０に存在する特徴（パターン）Ｆ１１～Ｆ１５を用いて自律走行車の自己位置推定を行う場合、例えば画像を取得する際の照明用の光源の照度によって、画像での特徴の位置が異なる。特に、例えば路面での暗い箇所を撮影した画像では、例えば図９に示すように、本来そこにあるべき物を特徴点としては取得することができず、ノイズＮ１０を特徴とする場合がある。その結果、自律走行車の自己位置推定を行う際にノイズＮ１０による特徴点を使用してしまい、自律走行車の正しい自己位置を推定できなくなる懸念がある。

本発明の目的は、自己位置推定精度を向上させることができる自律走行車を提供することにある。

上記課題を解決するための自律走行車は、車体の下面に設置され、前記車体の下方の路面を撮影するカメラと、前記車体の下面に設置され、前記路面における前記カメラの撮影領域に光を照射する光源と、予め前記路面を撮影しておいた地図画像を記憶する記憶部と、前記カメラにより撮影された前記路面の画像から抽出された特徴と、前記地図画像から抽出された特徴とを比較することにより自律走行車の自己位置を推定する自己位置推定部と、を備える自律走行車であって、地理的同一地点において前記カメラにより取得した複数の前記路面の画像における各画像での特徴点の位置を比較してノイズを検出する判定部と、前記地理的同一地点における前記カメラによる前記路面の画像について前記判定部において検出したノイズをマスクして前記自己位置推定部における前記路面の画像とするノイズマスク部と、を備えることを要旨とする。

これによれば、地理的同一地点においてカメラにより取得した複数の路面の画像における各画像での特徴点の位置を比較することでノイズを検出して路面の画像におけるノイズをマスクする。これにより、ノイズの少ない画像を得ることにより自律走行車の自己位置推定の際にノイズによる影響を受けにくくして自己位置推定精度を向上させることができる。

また、自律走行車において、前記判定部は、前記各画像での特徴点間の距離に基づいてノイズを検出するとよい。
また、自律走行車において、前記判定部は、前記カメラの画像を構成する平面における基準点から前記各画像での特徴点までの距離に基づいてノイズを検出するとよい。

本発明によれば、自己位置推定精度を向上させることができる。

実施形態における自律走行車の側面図。 図１におけるＡ部拡大図。 画像の一例を示す図。 自律走行車の電気的構成を示すブロック図。 作用を説明するためのフローチャート。 （ａ），（ｂ），（ｃ）は画像の一例を示す図。 別例を説明するための画像の一例を示す図。 課題を説明するための画像の一例を示す図。 課題を説明するための画像の一例を示す図。

以下、本発明を具体化した一実施形態を図面に従って説明する。
図１に示すように、自律走行車１０は、四輪車両であって、車体１１と、車体１１の下部に配置された駆動輪１０２と、車体１１の下部に配置された操舵輪１０５と、を備える。

図１、図２に示すように、自律走行車１０は、カメラ２０を備える。カメラ２０は、車体１１の下面中央部に設置され、車体１１の下方の路面Ｓｒを撮影することができる。図３には、カメラ２０による画像Ｐ１の一例を示す。画像Ｐ１は、円形をなしている。図３の画像Ｐ１は、自律走行車１０の進行方向をＸ方向とし、進行方向（Ｘ方向）に直交する方向（自律走行車１０の幅方向）をＹ方向としている。なお、図１、図２においては、水平方向のうちの自律走行車１０の進行方向をＸ方向とするとともにＸ方向に直交する方向をＹ方向として表わし、さらに、上下方向をＺ方向として表わしている。

図１、図２、図４に示すように、自律走行車１０は、照明用の光源３０を備える。光源３０は、車体１１の下面に設置されている。光源３０は、複数の発光ダイオード（以下、単にＬＥＤという）３１よりなる。光源３０は、路面Ｓｒにおけるカメラ２０の撮影領域に光を照射するためのものである。光源３０は、車体１１の下面においてカメラ２０の周囲を囲むように複数のＬＥＤ３１が配置されている。図２に示すように、各ＬＥＤ３１の光軸Ａｘは、ＬＥＤ３１から真下（鉛直方向）に延びている。

光源３０の各ＬＥＤ３１は、カメラ２０の撮影タイミングに同期して点灯してカメラ２０の撮影領域に光を照射する。
図４に示すように、自律走行車１０は、制御装置４０と、モータドライバ１００，１０３と、走行モータ１０１と操舵モータ１０４を備える。制御装置４０にはカメラ２０が接続されている。制御装置４０は、モータドライバ１００を介して走行モータ１０１を制御して駆動輪１０２を駆動することができるようになっている。制御装置４０は、モータドライバ１０３を介して操舵モータ１０４を制御して操舵輪１０５を駆動することができるようになっている。

図４に示すように、自律走行車１０は、ＬＥＤドライバ９０を備える。制御装置４０は、ＬＥＤドライバ９０を介して光源３０である各ＬＥＤ３１を制御することができる。
図４に示すように、制御装置４０は、処理部５０と、記憶部６０と、判定部７０と、ノイズマスク部８０を備える。処理部５０は、自己位置推定部５１を備える。自己位置推定部５１は、特徴抽出部５２とマッチング部５３を有する。判定部７０は、特徴点間距離測定部７１と比較部７２を有する。

記憶部６０には、自律走行車１０を制御するための種々のプログラムが記憶されている。制御装置４０は、各種処理のうち少なくとも一部の処理を実行する専用のハードウェア、例えば、特定用途向け集積回路：ＡＳＩＣを備えていてもよい。制御装置４０は、コンピュータプログラムに従って動作する１つ以上のプロセッサ、ＡＳＩＣ等の１つ以上の専用のハードウェア回路、あるいは、それらの組み合わせを含む回路として構成し得る。プロセッサは、ＣＰＵ、並びに、ＲＡＭ及びＲＯＭ等のメモリを含む。メモリは、処理をＣＰＵに実行させるように構成されたプログラムコードまたは指令を格納している。メモリ、即ち、コンピュータ可読媒体は、汎用または専用のコンピュータでアクセスできるあらゆるものを含む。

制御装置４０は、記憶部６０に記憶されたプログラムに従い、走行モータ１０１及び操舵モータ１０４を制御することで、自律走行車１０を動作させる。本実施形態の自律走行車１０は、搭乗者による操作が行われることなく、制御装置４０による制御によって自動で走行、操舵の動作を行う車両である。

記憶部６０には、予め路面Ｓｒを撮影しておいた地図画像６１が記憶されている。地図画像６１は、地理的位置情報が紐付けられた状態で作成されている。
自己位置推定部５１は、例えば図３に示すようにカメラ２０により撮影された路面Ｓｒの画像から抽出された特徴（点群）Ｆ１～Ｆ５と、記憶部６０の地図画像６１から抽出された特徴とを比較することにより自律走行車の自己位置を推定することができる。自己位置とは、車体１１の一点を示す座標であり、例えば、車体１１の水平方向の中央の座標である。

詳しくは、特徴抽出部５２において、図３に示すように、現時点での路面画像（実際の画像）である画像Ｐ１から特徴点を検出するとともに、その特徴点についての特徴量、即ち、特徴点のあるピクセルに対する周りのピクセルでの輝度の大きさの程度を表す特徴量を検出する。同様に、特徴抽出部５２において、予め撮影しておいた地図画像から特徴点を検出するとともに、その特徴点についての特徴量、即ち、特徴点のあるピクセルに対する周りのピクセルでの輝度の大きさの程度を表す特徴量を検出する。そして、マッチング部５３において、現時点での路面画像（実際の画像）における各特徴点の特徴量と、予め撮影しておいた地図画像における各特徴点の特徴量を比較することにより自律走行車の自己位置を推定する。

地図画像６１を予め記憶部６０に記憶する場合、路面の模様の座標を環境地図として記憶する。環境地図は、ＳＬＡＭ（Simultaneous Localization and Mapping）によるマッピングにより作成される。ＳＬＡＭは、移動体の自己位置推定と環境地図作成を同時に行うものであり、移動体が未知の環境下で環境地図を作成できる。構築した地図情報を使って特定のタスクを遂行する。自己位置推定の際、カメラで取得した路面画像と事前に取得した地図画像を比較することで自律走行車の自己位置を推定する。

制御装置４０は、地図上での自律走行車１０の位置を推定する自己位置推定を行いながら走行モータ１０１及び操舵モータ１０４を制御することで、所望の位置に自律走行車１０を移動させることが可能である。

次に、作用について説明する。
図５に、制御装置４０が実行する処理を示す。
制御装置４０は、図５のステップＳ１０において、カメラ２０で自律走行車１０の走行路における地理的同一地点（同じ箇所）の路面Ｓｒを撮影した、時刻の異なる画像を複数枚用意する。図５のフローチャートでは、複数枚の画像は、３枚の画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃとしている。

ステップＳ１０の処理の一例を図６（ａ）、図６（ｂ）、図６（ｃ）を用いて説明する。
時刻の異なる複数枚の画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃを、図６（ａ）、図６（ｂ）、図６（ｃ）に示す。図６（ａ）は、時刻ｔ１での画像Ｐ１ａである。図６（ｂ）は、時刻ｔ１から一定時間Ｔ１経過後の時刻ｔ２（＝ｔ１＋Ｔ１）での画像Ｐ１ｂである。図６（ｃ）は、時刻ｔ２から一定時間Ｔ２経過後の時刻ｔ３（＝ｔ２＋Ｔ２）での画像Ｐ１ｃである。

制御装置４０は、図５のステップＳ１１において、画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃそれぞれの特徴点を抽出し、各特徴点の画像での位置を記録する。
ステップＳ１１の処理の一例を図６（ａ）、図６（ｂ）、図６（ｃ）を用いて説明する。

図６（ａ）においては、特徴点Ｐｆ１～Ｐｆ８を有し、図６（ｂ）においては、特徴点Ｐｆ１１～Ｐｆ１８を有し、図６（ｃ）においては、特徴点Ｐｆ２１～Ｐｆ２８を有する。

制御装置４０は、図５のステップＳ１２において、画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃそれぞれの各特徴点毎の距離を算出する。
ステップＳ１２の処理の一例を図６（ａ）、図６（ｂ）、図６（ｃ）を用いて説明する。

図６（ａ）においては、特徴点毎の距離Ｌ１～Ｌ７を測定する。即ち、図中左下の特徴点Ｐｆ１を共通の基準とし、順に近い特徴点を測定対象として、特徴点Ｐｆ１と特徴点Ｐｆ２との間の距離Ｌ１、特徴点Ｐｆ２と特徴点Ｐｆ３との間の距離Ｌ２、特徴点Ｐｆ３と特徴点Ｐｆ４との間の距離Ｌ３、特徴点Ｐｆ４と特徴点Ｐｆ５との間の距離Ｌ４、特徴点Ｐｆ５と特徴点Ｐｆ６との間の距離Ｌ５、特徴点Ｐｆ６と特徴点Ｐｆ７との間の距離Ｌ６、特徴点Ｐｆ７と特徴点Ｐｆ８との間の距離Ｌ７を測定する。図６（ｂ）においては、特徴点毎の距離Ｌ１１～Ｌ１７を測定する。即ち、図中左下の特徴点Ｐｆ１１を共通の基準とし、順に近い特徴点を測定対象として、特徴点Ｐｆ１１と特徴点Ｐｆ１２との間の距離Ｌ１１、特徴点Ｐｆ１２と特徴点Ｐｆ１３との間の距離Ｌ１２、特徴点Ｐｆ１３と特徴点Ｐｆ１４との間の距離Ｌ１３、特徴点Ｐｆ１４と特徴点Ｐｆ１５との間の距離Ｌ１４、特徴点Ｐｆ１５と特徴点Ｐｆ１６との間の距離Ｌ１５、特徴点Ｐｆ１６と特徴点Ｐｆ１７との間の距離Ｌ１６、特徴点Ｐｆ１７と特徴点Ｐｆ１８との間の距離Ｌ１７を測定する。図６（ｃ）においては、特徴点毎の距離Ｌ２１～Ｌ２７を測定する。即ち、図中左下の特徴点Ｐｆ２１を共通の基準とし、順に近い特徴点を測定対象として、特徴点Ｐｆ２１と特徴点Ｐｆ２２との間の距離Ｌ２１、特徴点Ｐｆ２２と特徴点Ｐｆ２３との間の距離Ｌ２２、特徴点Ｐｆ２３と特徴点Ｐｆ２４との間の距離Ｌ２３、特徴点Ｐｆ２４と特徴点Ｐｆ２５との間の距離Ｌ２４、特徴点Ｐｆ２５と特徴点Ｐｆ２６との間の距離Ｌ２５、特徴点Ｐｆ２６と特徴点Ｐｆ２７との間の距離Ｌ２６、特徴点Ｐｆ２７と特徴点Ｐｆ２８との間の距離Ｌ２７を測定する。

制御装置４０の判定部７０は、図５のステップＳ１３において、特徴点間距離の差が一定以上の特徴点をノイズ特徴点とする。
ステップＳ１３の処理の一例を図６（ａ）、図６（ｂ）、図６（ｃ）を用いて説明する。

図６（ａ）、図６（ｂ）、図６（ｃ）においては、特徴点間距離Ｌ１と特徴点間距離Ｌ１１と特徴点間距離Ｌ２１とは、ほぼ等しい（Ｌ１≒Ｌ１１≒Ｌ２１）。特徴点間距離Ｌ２と特徴点間距離Ｌ１２と特徴点間距離Ｌ２２とは、ほぼ等しい（Ｌ２≒Ｌ１２≒Ｌ２２）。特徴点間距離Ｌ３と特徴点間距離Ｌ１３と特徴点間距離Ｌ２３とは、ほぼ等しい（Ｌ３≒Ｌ１３≒Ｌ２３）。特徴点間距離Ｌ４と特徴点間距離Ｌ１４と特徴点間距離Ｌ２４とは、ほぼ等しい（Ｌ４≒Ｌ１４≒Ｌ２４）。

一方、特徴点間距離Ｌ５と特徴点間距離Ｌ１５と特徴点間距離Ｌ２５とは、異なる（Ｌ５≠Ｌ１５≠Ｌ２５）。特徴点間距離Ｌ６と特徴点間距離Ｌ１６と特徴点間距離Ｌ２６とは、異なる（Ｌ６≠Ｌ１６≠Ｌ２６）。特徴点間距離Ｌ７と特徴点間距離Ｌ１７と特徴点間距離Ｌ２７とは、異なる（Ｌ７≠Ｌ１７≠Ｌ２７）。

よって、図６（ａ）においては、特徴点Ｐｆ１，Ｐｆ２，Ｐｆ３，Ｐｆ４，Ｐｆ５、図６（ｂ）においては、特徴点Ｐｆ１１，Ｐｆ１２，Ｐｆ１３，Ｐｆ１４，Ｐｆ１５、図６（ｃ）においては、特徴点Ｐｆ２１，Ｐｆ２２，Ｐｆ２３，Ｐｆ２４，Ｐｆ２５が、正規の特徴点である。即ち、画像において、路面の特徴は、どんなタイミングでも、ほとんど同じ位置に表れる。一方、図６（ａ）においては、特徴点Ｐｆ６，Ｐｆ７，Ｐｆ８、図６（ｂ）においては、特徴点Ｐｆ１６，Ｐｆ１７，Ｐｆ１８、図６（ｃ）においては、特徴点Ｐｆ２６，Ｐｆ２７，Ｐｆ２８がノイズによる特徴点である。即ち、画像において、ノイズによる特徴は、タイミング毎に、表れる位置が異なる。

このようにして、判定部７０は、地理的同一地点においてカメラ２０により取得した複数の路面Ｓｒの画像Ｐ１における各画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃでの特徴点の位置を比較してノイズを検出する。

詳しくは、図４の判定部７０の特徴点間距離測定部７１は、カメラ２０により取得した複数の路面Ｓｒの画像Ｐ１における各画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃでの特徴点間の距離を測定する。比較部７２は、各画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃにおける特徴点間の距離の差（例えば、｜Ｌ１－Ｌ１１｜、｜Ｌ１１－Ｌ２１｜）が閾値よりも大きいと、各画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃでの特徴点の位置を比較した結果としてノイズを検出したとする。

制御装置４０のノイズマスク部８０は、図５のステップＳ１４において、画像でのノイズ特徴点の多い領域（範囲）を判定し、当該領域に対し動的にマスクをかける。即ち、必要に応じて処理中にノイズをマスクする動作を行う。

ステップＳ１４の処理の一例を図６（ａ）、図６（ｂ）、図６（ｃ）を用いて説明する。
図６（ａ）においては、特徴点Ｐｆ６，Ｐｆ７，Ｐｆ８を含む楕円形の領域Ｚ１が、画像Ｐ１ａでのノイズ特徴点の多い領域（範囲）であると判定する。そして、画像Ｐ１ａでのノイズ特徴点の多い領域Ｚ１にマスクをかけることによりノイズを隠す。図６（ｂ）においては、特徴点Ｐｆ１６，Ｐｆ１７，Ｐｆ１８を含む楕円形の領域Ｚ２が、画像Ｐ１ｂでのノイズ特徴点の多い領域（範囲）であると判定する。そして、画像Ｐ１ｂでのノイズ特徴点の多い領域Ｚ２にマスクをかけることによりノイズを隠す。図６（ｃ）においては、特徴点Ｐｆ２６，Ｐｆ２７，Ｐｆ２８を含む楕円形の領域Ｚ３が、画像Ｐ１ｃでのノイズ特徴点の多い領域（範囲）であると判定する。そして、画像Ｐ１ｃでのノイズ特徴点の多い領域Ｚ３にマスクをかけることによりノイズを隠す。

領域Ｚ１，Ｚ２，Ｚ３は、照明用の光源３０（ＬＥＤ３１）の照度が低い箇所であり、ノイズ特徴点が表れやすい。
図５の処理を行うタイミングについて、基本はカメラ２０や光源３０（照明）の設定が変わったタイミングで１回行い、設定等が変わるまで、同じ場所（領域）にマスクをかける。ただし、図５の処理を起動時に行ったり、定期的に行いマスクをかける場所（領域）を変更してもよい。

そして、自己位置推定部５１において、カメラ２０により撮影された路面Ｓｒの画像でのノイズ特徴点の多い領域にマスクをかけることによりノイズを隠した画像から抽出された特徴と、記憶部６０の地図画像６１から抽出された特徴とを比較することにより自律走行車の自己位置の推定が行われる。

このようにして、ノイズマスク部８０は、地理的同一地点におけるカメラ２０による路面Ｓｒの画像について、検出したノイズをマスクして自己位置推定部５１における路面Ｓｒの画像とする。つまり、定点で撮影した画像を比較することで、ノイズを特徴としている領域（範囲）を特定し、ノイズをマスクする。即ち、ノイズを隠す処理を行う。これにより、定点箇所、即ち、地理的同一地点において得られた複数の画像を用いてノイズの多い領域（範囲）Ｚ１，Ｚ２，Ｚ３を特定し、動的にマスクを生成することで、自己位置推定精度を向上させる。

つまり、地理的同一地点でのカメラ画像を複数取得し、それらの特徴点の位置を比較することで、ノイズを判定する。これにより、ノイズの少ない画像を取得することで、ノイズによる自己位置推定精度低下を抑えることができる。

詳しく説明する。
カメラ画像でのノイズによる特徴点は、周期的に異なる位置に存在する。つまり、路面の模様による特徴であれば、地理的同一地点で複数カメラ画像を取得したときには各カメラ画像での同じ位置に存在しており、カメラ画像での同じ位置に特徴が存在する。

ところが、カメラ画像の明暗により存在するノイズによる特徴は地理的同一地点で複数カメラ画像を取得したときにカメラ画像での位置が異なる傾向にある。
そこで、地理的同一地点で複数カメラ画像を取得してカメラ画像での特徴点の位置を比較することで、特徴点の位置が変わる場所はノイズであると判定することができる。

これによって、ノイズの少ない画像を得るアルゴリズムを用いて自己位置推定の際にノイズによる影響を受けにくくして自己位置推定精度の向上を図ることができる。
上記実施形態によれば、以下のような効果を得ることができる。

（１）カメラ２０により撮影された路面Ｓｒの画像Ｐ１から抽出された特徴と、地図画像６１から抽出された特徴とを比較することにより自律走行車１０の自己位置を推定する自己位置推定部５１を備える自律走行車１０の構成として、次のようにした。地理的同一地点においてカメラ２０により取得した複数の路面Ｓｒの画像Ｐ１における各画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃでの特徴点Ｐｆ１～Ｐｆ８、Ｐｆ１１～Ｐｆ１８、Ｐｆ２１～Ｐｆ２８の位置を比較してノイズを検出する判定部７０を備える。また、地理的同一地点におけるカメラ２０による路面Ｓｒの画像について判定部７０において検出したノイズをマスクして自己位置推定部５１における路面Ｓｒの画像とするノイズマスク部８０を備える。

これによれば、地理的同一地点においてカメラにより取得した複数の路面の画像における各画像での特徴点の位置を比較することでノイズを検出して路面の画像におけるノイズをマスクする。これにより、ノイズの少ない画像を得ることにより自律走行車の自己位置推定の際にノイズによる影響を受けにくくして自己位置推定精度を向上させることができる。

（２）判定部７０は、各画像での特徴点間の距離に基づいてノイズを検出するので、容易にノイズを検出することができる。
（３）ノイズマスク部８０は、ノイズによる特徴点が多い領域をマスクするので、容易にノイズをマスクすることができる。

実施形態は前記に限定されるものではなく、例えば、次のように具体化してもよい。
〇図５において複数の画像は、３枚の画像Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃであったが、画像は、２枚以上であればよい。

○ノイズによる特徴を判別するために特徴点間の距離（例えば図６（ａ）の距離Ｌ１～Ｌ７、図６（ｂ）の距離Ｌ１１～Ｌ１７、図６（ｃ）の距離Ｌ２１～Ｌ２７）を用いたが、これに代わり次のようにしてもよい。図７に示すように、カメラの画像を構成する平面（直交するＸ軸及びＹ軸よりなるＸＹ平面）において基準点Ｐｒを設け、基準点Ｐｒと各特徴点Ｐｆ３１～Ｐｆ３８までの距離Ｌ３１～Ｌ３８でもよい。即ち、基準点Ｐｒと特徴点Ｐｆ３１との間の距離Ｌ３１、基準点Ｐｒと特徴点Ｐｆ３２との間の距離Ｌ３２、基準点Ｐｒと特徴点Ｐｆ３３との間の距離Ｌ３３、基準点Ｐｒと特徴点Ｐｆ３４との間の距離Ｌ３４、基準点Ｐｒと特徴点Ｐｆ３５との間の距離Ｌ３５、基準点Ｐｒと特徴点Ｐｆ３６との間の距離Ｌ３６、基準点Ｐｒと特徴点Ｐｆ３７との間の距離Ｌ３７、基準点Ｐｒと特徴点Ｐｆ３８との間の距離Ｌ３８を測定する。そして、各画像における基準点Ｐｒから特徴点までの距離の差が閾値よりも小さいと正規の特徴点であり、各画像における基準点Ｐｒから特徴点までの距離の差が閾値よりも大きいとノイズによる特徴点であると判定する。

図７においては、基準点Ｐｒと各特徴点Ｐｆ３１～Ｐｆ３８までの距離Ｌ３１～Ｌ３８について、特徴点Ｐｆ３６～Ｐｆ３８が、各画像における基準点Ｐｒから特徴点までの距離の差が閾値よりも大きいノイズによる特徴点であり、特徴点Ｐｆ３６～Ｐｆ３８を含む楕円形の領域Ｚ１０が、画像でのノイズ特徴点の多い領域（範囲）である。そして、画像でのノイズ特徴点の多い領域Ｚ１０にマスクをかけることによりノイズを隠す。

このようにして、図４に仮想線で示す判定部２００は、カメラ２０の画像を構成する平面（ＸＹ平面）における基準点Ｐｒからカメラ２０により取得した複数の路面Ｓｒの画像における各画像での特徴点までの距離を測定する基準点・特徴点間距離測定部２０１を有する。また、図４に仮想線で示す判定部２００は、基準点Ｐｒから各画像における特徴点までの距離の差が閾値よりも大きいと、各画像での特徴点の位置を比較した結果としてノイズを検出したとする比較部２０２を有する。

このように判定部２００は、カメラ２０の画像を構成する平面における基準点Ｐｒから各画像での特徴点までの距離に基づいてノイズを検出することにより、容易にノイズを検出することができる。このとき、ノイズマスク部８０は、ノイズによる特徴点が多い領域をマスクするので、容易にノイズをマスクすることができる。

○光源としてＬＥＤを用いたが、これに限ることなく例えばハロゲンランプ等であってもよい。また、光源の色は何色でもよく、例えば、赤、青、白等であってもよい。
〇自律走行車の種類は問わない。例えば、空港で機体を移動させるトーイングカー等であってもよい。

１０…自律走行車、１１…車体、２０…カメラ、３０…光源、５１…自己位置推定部、６０…記憶部、６１…地図画像、７０…判定部、８０…ノイズマスク部、２００…判定部、Ｌ１～Ｌ７…距離、Ｌ１１～Ｌ１７…距離、Ｌ２１～Ｌ２７…距離、Ｌ３１～Ｌ３８…距離、Ｐ１…画像、Ｐ１ａ，Ｐ１ｂ，Ｐ１ｃ…画像、Ｐｆ１～Ｐｆ８…特徴点、Ｐｆ１１～Ｐｆ１８…特徴点、Ｐｆ２１～Ｐｆ２８…特徴点、Ｐｆ３１～Ｐｆ３８…特徴点、Ｐｒ…基準点、Ｓｒ…路面。

Claims (3)

1. 車体の下面に設置され、前記車体の下方の路面を撮影するカメラと、
   前記車体の下面に設置され、前記路面における前記カメラの撮影領域に光を照射する光源と、
   予め前記路面を撮影しておいた地図画像を記憶する記憶部と、
   前記カメラにより撮影された前記路面の画像から抽出された特徴と、前記地図画像から抽出された特徴とを比較することにより自律走行車の自己位置を推定する自己位置推定部と、を備える自律走行車であって、
   地理的同一地点において同一の前記カメラにより取得した時刻の異なる複数の前記路面の画像における各画像での特徴点の位置を比較してノイズを検出する判定部と、
   前記地理的同一地点における同一の前記カメラによる前記路面の画像について前記判定部において検出したノイズをマスクして前記自己位置推定部における前記路面の画像とするノイズマスク部と、を備えることを特徴とする自律走行車。
2. 前記判定部は、前記各画像での特徴点間の距離に基づいてノイズを検出することを特徴とする請求項１に記載の自律走行車。
3. 前記判定部は、前記カメラの画像を構成する平面における基準点から前記各画像での特徴点までの距離に基づいてノイズを検出することを特徴とする請求項１に記載の自律走行車。