JP7751353B2 - 駐車支援装置、駐車支援方法および駐車支援プログラム - Google Patents

Description

本開示は、駐車支援装置、駐車支援方法および駐車支援プログラムに関する。

従来、車両が自動駐車を行う際に、撮像環境を考慮しつつ、位置推定を行う技術がある。例えば、特許文献１には、位置推定処理において、地図の特徴量群に含まれる特徴量の数量が閾値以下である場合に位置推定を行わない位置推定システムが開示されている。この位置推定システムでは、推定精度が比較的悪い位置に基づいて、自動駐車機能により車両１が駐車されることを防止することができる。

特開２０１９－１３３３１８号公報

しかしながら、たとえ地図の特徴量群に含まれる特徴量の数量が閾値よりも多いとしても、依然として車両の周囲にある物体を誤認識する可能性がある。特許文献１の技術では、このような場合について考慮していないため、誤認識の可能性があるまま自動駐車を行うことになる。

本開示は、上記課題を解決するものであり、自動駐車における危険性をより低減させる駐車支援装置、駐車支援方法および駐車支援プログラムを提供することを目的とする。

上記課題を解決するために、本開示に係る駐車支援装置の一態様は、車両の自動駐車時に自動駐車の開始位置において撮影されたカメラ画像から抽出された、物体の角および端に位置する点として定義される複数の特徴点の第１の数が、前記開始位置において学習走行時に撮影されたカメラ画像から抽出された、前記物体の角および端に位置する点として定義される複数の特徴点の第２の数よりも大きい第３の数以上であるか否かを判定する特徴点検出部と、前記第１の数が前記第３の数以上である場合、前記自動駐車を実施しないように前記車両を制御する走行制御部と、を備える。

また、本開示に係る駐車支援方法の一態様は、車両の自動駐車時に自動駐車の開始位置において撮影されたカメラ画像から抽出された、物体の角および端に位置する点として定義される複数の特徴点の第１の数が、前記開始位置において学習走行時に撮影されたカメラ画像から抽出された、前記物体の角および端に位置する点として定義される複数の特徴点の第２の数よりも大きい第３の数以上であるか否かを判定する特徴点検出ステップと、前記第１の数が前記第３の数以上である場合、前記自動駐車を実施しないように前記車両を制御する走行制御ステップと、を含む。

また、本開示に係る駐車支援プログラムの一態様は、車両の自動駐車時に自動駐車の開始位置において撮影されたカメラ画像から抽出された、物体の角および端に位置する点として定義される複数の特徴点の第１の数が、前記開始位置において学習走行時に撮影されたカメラ画像から抽出された、前記物体の角および端に位置する点として定義される複数の特徴点の第２の数よりも大きい第３の数以上であるか否かを判定する特徴点検出ステップと、前記第１の数が前記第３の数以上である場合、前記自動駐車を実施しないように前記車両を制御する走行制御ステップと、をコンピュータに実行させる。

本開示によれば、自動駐車における危険性を低減させることができる。

本実施の形態における駐車支援装置を適用可能な車両を示す図である。 本実施の形態における駐車支援装置を示すブロック図である。 本実施の形態における駐車支援装置のハードウェア構成を示す図である。 本実施の形態における学習走行のフローチャートである。 本実施の形態における駐車スペースの特徴点を示す図である。 本実施の形態における自動駐車のフローチャートである。 本実施の形態における特徴点の比較を示す図である。 本実施の形態における駐車スペースの特徴点を示す図である。 本実施の形態における特徴点の比較を示す図である。 本実施の形態における駐車スペースの特徴点を示す図である。 本実施の形態における特徴点の比較を示す図である。 本実施の形態における駐車スペースの特徴点を示す図である。 本実施の形態における特徴点の比較を示す図である。

以下、本開示の実施の形態について、図面を参照しながら説明する。なお、以下に説明する実施の形態は、いずれも本開示の一具体例を示すものである。したがって、以下の実施の形態で示される各構成要素、各構成要素の配置位置及び接続形態、並びに、各ステップ及び各ステップの順序等は、一例であって本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

また、各図は模式図であり、必ずしも厳密に図示されたものではない。なお、各図において、実質的に同一の構成に対しては同一の符号を付しており、重複する説明は省略又は簡略化する。

図１は、本実施の形態における駐車支援装置を適用可能な車両を示す図である。学習型自動駐車は、学習走行時、手動で駐車して駐車開始位置と駐車経路とを車両１に記憶させておき、自動駐車時、車両１を当該駐車開始位置から当該駐車経路に沿って自動走行させ、車両１を駐車させるものである。

より具体的には、駐車支援装置１００を備える車両１は、手動で駐車を行う学習走行時に、カメラ２で撮影したカメラ画像に含まれる特徴点の抽出と、その特徴点の情報および駐車経路の情報を含む地図の生成を行い、自動駐車する際は、当該地図を利用して車両１の位置と姿勢を推定しつつ走行する。

車両１の車体の前後左右の４箇所には、カメラ２が設けられている。各カメラ２は、魚眼レンズを備えており、水平方向に１８０度以上の視野範囲（破線参照）を有する。駐車支援装置１００は、抽出した特徴点から、カメラ画像に映った物体の位置や車両１からみた方向を特定する。

図２は、本実施の形態における駐車支援装置１００を示すブロック図である。駐車支援装置１００は、状態管理部１１０、地図生成部１２０、画像処理部１３０、特徴点検出部１４０、位置推定部１５０、走行制御部１６０、記憶部１７０、および報知部１８０を備える。また、駐車支援装置１００には、カメラ２、操作装置１０、ＨＭＩ（Human Machine Interface）装置２０、車両制御装置３０が接続されている。

カメラ２は車両１の周囲を撮影したカメラ画像を出力する。画像処理部１３０は、そのカメラ画像を受信してＨＭＩ装置２０に表示させる表示画像の生成等を行う。表示画像は、報知部１８０からＨＭＩ装置２０に出力される。

報知部１８０は、ＨＭＩ装置２０にメッセージを表示させたり、図示しないスピーカから音声メッセージを出力したりする。状態管理部１１０は、操作装置１０によるユーザの操作を受付け、ユーザの操作に応じて、駐車支援装置１００の機能を制御する。操作装置１０とは、例えば、ナビゲーション装置４０のタッチパネルなどである。

状態管理部１１０はナビゲーション装置４０の本体(不図示)から位置情報を受取る。そして、状態管理部１１０は、学習走行を行う時、地図に位置情報を追加して記憶部１７０に記録させ、自動駐車を行う時には、ナビゲーション装置４０の位置（ＧＰＳ）情報と、地図に追加された位置情報とを比較して、使用する地図を選択する。

画像処理部１３０は、表示画像の他、検知用画像を生成する。検知用画像は、例えば、輝度や色の変化を強調した画像である。特徴点検出部１４０は、検知用画像から、特徴点の情報を抽出する。特徴点は、例えば、カメラ画像に映った物体の面や辺にある点ではなく、角や端に位置する点である。特徴点の情報は、カメラ画像に映った物体の色や形の情報と、カメラ画像上の特徴点の位置の情報とを含む。

学習走行を開始する時、地図生成部１２０は、学習走行の開始位置で検出された特徴点を記憶部１７０に記憶させる。この開始位置での特徴点の情報は、自動駐車を開始する時の車両１の位置と姿勢を特定するために必要である。

車両１が走行を開始した場合、地図生成部１２０は、特徴点のカメラ画像上での位置を追跡する。例えば、図１に示すように、地図生成部１２０は、時刻Ａのカメラ画像に映っている特徴点と、それより後の時刻Ｂのカメラ画像に映っている特徴点とを比較し、特徴点の位置や色や形の情報が符合する特徴点の対を検出する。これをトラッキングと呼ぶ。

対を成す特徴点のカメラ画像上での位置の変化は、時刻Ａと時刻Ｂとの間の車両１の移動量や姿勢変化によって発生しているので、三角測量の原理により、特徴点の三次元座標を特定できる。

地図生成部１２０は更に、特徴点の情報および駐車経路の情報を含む地図の生成を行う。記憶部１７０は、その地図の情報を記憶する。

自動駐車を行う時は、特徴点検出部１４０は、特徴点検出部１４０が検出した特徴点の情報（カメラ画像に映った物体の色、形の情報やカメラ画像上の特徴点の位置の情報）を、地図に登録された特徴点の情報と照合して、地図と符合する特徴点を検出する。

カメラ画像上の特徴点の位置は、車両１からその特徴点が見える角度を示すので、位置推定部１５０は、地図上の特徴点と、それと符合するカメラ画像上の特徴点の角度とから車両１の位置と姿勢とを推定できる。この処理を自己位置推定と呼び、符合する特徴点を特定する処理をマッチング処理と呼ぶ。自己位置推定、及び、マッチング処理については、既存の手法を用いて処理すれば良く、詳しい説明は省略する。

走行制御部１６０は、学習走行する時に車両制御装置３０と通信し、車輪の回転数や舵角の情報を取得して、車両の移動量と移動方向とを算出する。車輪の回転数や舵角、または、車両の移動量と移動方向は、駐車経路の情報として地図に登録される。

走行制御部１６０は、自動駐車する時、学習走行した時の舵角を再現するように、車両制御装置３０に指示信号を出力する。つまり、自動駐車する時の駐車経路は、学習走行した時の駐車経路を再現したものである。

走行制御部１６０は、車両の位置や姿勢が、学習走行した時とずれている場合、先ず舵角を制御して、進路が学習走行した時の経路と交差する方向に進路を変え、車両が学習走行した時の経路に重なった時、車両の姿勢が学習走行した時の姿勢と一致するように舵角を制御する。つまり、走行制御部１６０は、車両の位置と姿勢を推定し、車両の進路が学習走行の経路を辿るように、舵角をフィードバック制御する。

図３は、本実施の形態における駐車支援装置１００のハードウェア構成を示す図である。駐車支援装置１００の機能は、図３に示すハードウェアに実装されても良い。駐車支援装置１００は、ＣＰＵ１０１、ＲＯＭ１０２、ＲＡＭ１０３、Ｉ／Ｏ（入出力インターフェース）１０４、ＩＭＰ（Image Processor）１０５を備え、各要素をバスで接続するコンピュータでも良い。

駐車支援装置１００は、複数の要素を一つのチップに収容しても良いし、一つの要素を複数のチップで構成しても良い。バスは単独でなく、複数の種類のバスを組み合わせても良い。例えば、ＣＰＵ１０１、ＲＯＭ１０２、ＲＡＭ１０３、ＩＭＰ１０５は、一つのチップに収容してパラレルバスで接続し、Ｉ／Ｏ１０４は複数のチップで構成して、ＣＰＵ１０１を収めるチップとシリアルバスと接続するようにしても良い。

ＣＰＵ１０１は、駐車支援装置１００の全体を制御する。駐車支援装置１００の各部の機能は、ＣＰＵ１０１が実行するプログラムの形で実装されても良い。ＲＯＭ１０２とＲＡＭ１０３は記憶部１７０に相当する。ＲＯＭ１０２は不揮発メモリであり、ＲＡＭ１０３は、ＣＰＵ１０１の作業領域として一時記憶に用いられる揮発性メモリである。例えば、表示画像や検知用画像などのカメラ画像、検出された特徴点の情報などは、ＲＡＭ１０３が一時的に記憶する。

また、ＩＭＰ１０５は、画像処理や並列処理に特化して処理性能を上げたプロセッサであり、画像処理部１３０や特徴点検出部１４０、位置推定部１５０などの処理は、ＩＭＰ１０５に実行させても良い。

図４は、本実施の形態における学習走行のフローチャートである。ドライバが走行した自動駐車経路の情報は、経路の登録開始位置のＧＰＳ情報および特徴点とに対応付けられて地図情報として記憶部１７０に登録される。

学習走行では、地図生成部１２０は、記憶部１７０に開始位置のＧＰＳ座標を登録し（ステップＳ１）、さらに検出した特徴点の情報を登録する（ステップＳ２）。

ステップＳ１，Ｓ２の学習走行の開始位置では、自動駐車の際に、ＧＰＳ座標から利用する地図を特定できるように、地図生成部１２０は、開始位置におけるＧＰＳ座標をナビゲーション装置４０から取得して、その情報を地図情報に追加し、記憶部１７０に登録する。また、自動駐車の最初の自己位置推定に利用するため、地図生成部１２０は、開始位置で検出した特徴点の情報を記憶部１７０に登録する。

地図生成部１２０は、特徴点の追跡と座標の特定を行い、それらの情報と舵角や移動量などの経路情報とを地図情報として登録する（ステップＳ３）。

ステップＳ３では、開始位置と駐車位置との間で、地図生成部１２０は、特徴点のトラッキングを行い、トラッキングができた特徴点については、その座標を収集し、その情報を地図に追加して記憶部１７０に登録する。また、地図生成部１２０は、舵角や車速、ギヤ位置、移動方向、移動距離などの経路情報と、障害物の検知情報を記憶部１７０に登録する。

その後、地図生成部１２０は、学習走行が完了したか否かを判定する（ステップＳ４）。学習走行が完了していない場合（ステップＳ４、ＮＯ）、ステップＳ３以降の処理がなされる。学習走行が完了した場合（ステップＳ４、ＹＥＳ）、車両１の電源はオフにされ（ステップＳ５）、この学習走行は終了する。

図５は、カメラ画像から抽出される駐車スペース２０１の特徴点２０２，２１２を示す図である。左側の図は、夜の学習走行時に撮影されたカメラ画像２００から抽出された特徴点２０２の一例を示す図であり、右側の図は、昼の自動駐車時に撮影されたカメラ画像２１０から抽出された特徴点２１２の一例を示す図である。

カメラ画像２００，２１０には、自宅前の駐車スペース２０１が写っており、自動駐車の経路で登録された特徴点２０２が示されている。夜に撮影されたカメラ画像２００からは、特徴点２０２は合計４個抽出されている。また、昼に撮影されたカメラ画像２１０からは、特徴点２１２は合計１３個表示されている。なお、線２０３は、特徴点２０２，２１２の位置を把握するための仮想的な線である。

夜から昼になり、照度が大きくなったことで特徴点２１２の数は、特徴点２０２の数より多くなっている。

次に、登録した地図と経路情報を利用して、経路を再生する自動駐車について説明する。図６は、本実施の形態における自動駐車のフローチャートである。

まず、状態管理部１１０は、ＧＰＳ情報を用いて、学習走行の開始位置として登録された登録位置に車両１が到着したかを判定する（ステップＳ１１）。

なお、この判定において、状態管理部１１０は、学習走行時の走行方向と車両１の走行方向が一致するか否か、または、学習走行時の走行経路の領域以外の領域から学習走行時の走行経路の領域に近づいたか否かに基づいて、車両１が自宅に戻ってきたか否かを判定し、車両１が自宅に戻ってきた場合に、ステップＳ１１の処理を実行してもよい。

車両１が登録位置に到着していない場合（ステップＳ１１，ＮＯ）、ステップＳ１１の処理が繰り返される。

車両１が登録位置に到着した場合（ステップＳ１１、ＹＥＳ）、状態管理部１１０は、学習走行による地図情報の登録が成功していたか否かを判定する（ステップＳ１２）。

自動駐車を行う時に使用される地図情報は、自動駐車の開始位置において学習走行時に撮影されたカメラ画像から複数の特徴点を抽出し、抽出された特徴点を記憶部１７０に登録するまでの一連の処理を実行することにより生成されるが、このような地図情報の生成処理は車両１のイグニッションオフ後に完了することもあるため、何らかの原因で地図情報が生成されず、失敗してしまうこともあり得る。

状態管理部１１０は、このような地図情報の生成処理が最後まで完了した場合に地図情報の登録が成功したと判定し、完了フラグをオンにする。また、状態管理部１１０は、当該生成処理が最後まで完了しなかった場合に地図情報の登録が失敗したと判定し、完了フラグをオフにする。

後に説明するように、学習走行時に地図情報の登録が失敗した場合、自動駐車が失敗する可能性が高いため、自動駐車の実行が中止される。

学習走行で地図情報の登録が成功している場合（ステップＳ１２、ＹＥＳ）、特徴点検出部１４０は車両１の周囲を撮影したカメラ画像における特徴点を検出する（ステップＳ１３）。これに併せて、報知部１８０は、学習走行で地図情報の登録が成功していることをドライバに報知してもよい。

次に、特徴点検出部１４０は、ステップＳ１３の処理で検出した車両１の周囲の特徴点と地図情報として登録された特徴点とを比較し、ステップＳ１３の処理で検出した車両１の周囲の特徴点の第１の数が、地図情報として登録された特徴点の第２の数より大きい第３の数以上であるか否かを判定する（ステップＳ１４）。

第３の数とは、例えば、第２の数の２倍の数である。なお、ここでは第３の数を第２の数の２倍の数としたが、これに限定されず、第２の数に１より大きい値を乗算して得られる数でもよい。また、第３の数は、第２の数に所定の数を加算して得られる数であってもよい。

そして、第１の数が第３の数以上である場合（ステップＳ１５，ＹＥＳ）、走行制御部１６０は、自動駐車を実施しないように車両１を制御する（ステップＳ１６）。

図７は、本実施の形態における特徴点２０２，２１２の比較を示す図である。左側の図は画像２００に対応し、夜の学習走行時に登録された特徴点２０２が示されている。右側の図は画像２１０に対応し、昼の自動駐車時に得られた特徴点２１２が示されている。

この場合、特徴点２１２の数は、特徴点２０２の数の２倍以上であるため、走行制御部１６０は、自動駐車を実施しないように車両１を制御する（ステップＳ１６）。その際、報知部１８０は、ＨＭＩ装置２０に「自動駐車はできません」といったメッセージを表示させたり、図示しないスピーカから音声メッセージを出力したりして、自動駐車ができないことをドライバに報知してもよい。

ステップＳ１３の処理で検出した車両１の周囲の特徴点の数が、地図情報として登録された特徴点の数よりも大きくなると、対応しない特徴点同士が誤って対応付けられる可能性が生じ、車両１の周囲にある物体を誤認識するリスクがあるため、自動駐車を実施しないようにすることにより、誤認識による事故を防ぐことができる。

ステップＳ１５において、第１の数が第３の数以上でない場合（ステップＳ１５、ＮＯ）、走行制御部１６０は、自動駐車を実施するように車両１を制御する（ステップＳ１７）。

ステップＳ１２において、学習走行による地図情報の登録が失敗していた場合（ステップＳ１２、ＮＯ）、報知部１８０は、ＨＭＩ装置２０に「前回の登録処理は失敗」というメッセージを表示させたり、図示しないスピーカから音声メッセージを出力したりしてドライバに報知する（ステップＳ１８）。

その後、状態管理部１１０は、車両１に再び、図４に示したような学習走行による地図情報の登録処理を実行させる（ステップＳ１９）。

図８は、本実施の形態における駐車スペース２０１の特徴点２４２，２５２を示す図である。左側の図は、昼の学習走行時に撮影されたカメラ画像２４０から抽出された特徴点２４２の一例を示す図であり、右側の図は、夜の自動駐車時に撮影されたカメラ画像２５０から抽出された特徴点２５２の一例を示す図である。

昼に撮影されたカメラ画像２４０からは、特徴点２４２は合計１３個抽出されている。また、夜に撮影されたカメラ画像２５０からは、特徴点２５２は合計４個抽出されている。

図９は、本実施の形態における特徴点２４２，２５２の比較を示す図である。左側の図は画像２４０に対応し、昼の学習走行時に登録された特徴点２４２が示されている。右側の図は画像２５０に対応し、夜の自動運転時に得られた特徴点２５２が示されている。

この場合、特徴点２５２の３０％以上が特徴点２４２と一致するので、自動駐車は可能とされる。なお、一致の基準値は３０％に限定されず、それ以外の値に設定してもよい。

図１０は、本実施の形態における駐車スペース２０１の特徴点２８２，２９２を示す図である。左側の図は、昼の学習走行時に撮影されたカメラ画像２８０から抽出された特徴点２８２を示す図であり、右側の図は、昼の自動駐車時に撮影されたカメラ画像２９０から抽出された特徴点２９２を示す図である。

カメラ画像２８０からは、特徴点２８２は合計１３個抽出されている。また、カメラ画像２９０からも、特徴点２９２は合計１３個抽出されている。

図１１は、本実施の形態における特徴点２８２，２９２の比較を示す図である。左側の図は画像２８０に対応し、昼の学習走行時に登録された特徴点２８２が示されている。右側の図は画像２９０に対応し、昼の自動駐車時に得られた特徴点２９２が示されている。

この場合も、特徴点２９２の３０％以上が特徴点２８２と一致するので、自動駐車は可能とされる。

図１２は、本実施の形態における駐車スペース２０１の特徴点３２２を示す図である。左側の図は、昼の学習走行時に撮影されたカメラ画像３２０から抽出された特徴点３２２を示す図であり、右側の図は、夜の真っ暗な状態での自動駐車時に撮影されたカメラ画像３３０を示す図である。

カメラ画像３２０からは、特徴点３２２は合計１３個抽出されている。カメラ画像３３０からは、特徴点の抽出はできていない。

図１３は、本実施の形態における特徴点３２２の比較を示す図である。左側の図は画像３２０に対応し、昼の学習走行時に登録された特徴点３２２が示されている。右側の図は画像３３０に対応し、夜の自動駐車時に得られた特徴点はない。

この場合、夜の自動駐車時に得られた特徴点は特徴点３２２と３０％以上一致しているとはいえないので、自動駐車は不可能とされる。

以上、実施の形態について説明したが、本開示は、上記実施の形態に限定されるものではない。

例えば、上記実施の形態において、各構成要素は、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。

また、本発明の全般的または具体的な態様は、装置、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよい。また、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

その他、各実施の形態に対して当業者が思いつく各種変形を施して得られる形態、または、本開示の趣旨を逸脱しない範囲で各実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本開示に含まれる。

本開示は、駐車支援装置、駐車支援方法および駐車支援プログラムに利用することができる。

１ 車両
２ カメラ
１０ 操作装置
２０ ＨＭＩ装置
３０ 車両制御装置
４０ ナビゲーション装置
１００ 駐車支援装置
１０１ ＣＰＵ
１０２ ＲＯＭ
１０３ ＲＡＭ
１０４ Ｉ／Ｏ
１０５ ＩＭＰ
１１０ 状態管理部
１２０ 地図生成部
１３０ 画像処理部
１４０ 特徴点検出部
１５０ 位置推定部
１６０ 走行制御部
１７０ 記憶部
１８０ 報知部
２００ 画像
２０１ 駐車スペース
２０２，２１２，２４２，２５２，２８２，２９２，３２２ 特徴点

Claims (5)

1. 車両の自動駐車時に自動駐車の開始位置において撮影されたカメラ画像から抽出された、物体の角および端に位置する点として定義される複数の特徴点の第１の数が、前記開始位置において学習走行時に撮影されたカメラ画像から抽出された、前記物体の角および端に位置する点として定義される複数の特徴点の第２の数よりも大きい第３の数以上であるか否かを判定する特徴点検出部と、
   前記第１の数が前記第３の数以上である場合、前記自動駐車を実施しないように前記車両を制御する走行制御部と、
   を備える駐車支援装置。
2. 前記開始位置において学習走行時に撮影されたカメラ画像から複数の特徴点を抽出し、抽出された特徴点を登録するまでの一連の処理が失敗した場合に、失敗したことを報知する報知部をさらに備える請求項１に記載の駐車支援装置。
3. 車両の自動駐車時に自動駐車の開始位置において撮影されたカメラ画像から抽出された、物体の角および端に位置する点として定義される複数の特徴点の第１の数が、前記開始位置において学習走行時に撮影されたカメラ画像から抽出された、前記物体の角および端に位置する点として定義される複数の特徴点の第２の数よりも大きい第３の数以上であるか否かを判定する特徴点検出ステップと、
   前記第１の数が前記第３の数以上である場合、前記自動駐車を実施しないように前記車両を制御する走行制御ステップと、
   を含む駐車支援方法。
4. 前記開始位置において学習走行時に撮影されたカメラ画像から複数の特徴点を抽出し、抽出された特徴点を登録するまでの一連の処理が失敗した場合に、失敗したことを報知する報知ステップをさらに含む請求項３に記載の駐車支援方法。
5. 車両の自動駐車時に自動駐車の開始位置において撮影されたカメラ画像から抽出された、物体の角および端に位置する点として定義される複数の特徴点の第１の数が、前記開始位置において学習走行時に撮影されたカメラ画像から抽出された、前記物体の角および端に位置する点として定義される複数の特徴点の第２の数よりも大きい第３の数以上であるか否かを判定する特徴点検出ステップと、
   前記第１の数が前記第３の数以上である場合、前記自動駐車を実施しないように前記車両を制御する走行制御ステップと、
   をコンピュータに実行させる駐車支援プログラム。