地图生成装置以及位置识别装置的制作方法

1.本发明涉及生成用于推定本车辆的位置的地图的地图生成装置和识别地图上的本车辆的位置的位置识别装置。

背景技术：

2.作为这种装置，以往已知有如下构成的装置：使用从由搭载于行驶中的车辆的相机取得的拍摄图像中提取出的特征点制作地图(例如参见专利文献1)。
3.然而，根据车载相机的视场角中所包含的物体的数量、背景不同，从拍摄图像中提取出的特征点的数量变多，随之地图的数据大小变大。因此，如上述专利文献1记载的装置那样，仅使用从拍摄图像中提取出的特征点制作地图的话，存储装置的容量有可能被大幅地占用。
4.现有技术文献
5.专利文献
6.专利文献1：日本特开2019-174910号公报(jp2019-174910a)。

技术实现要素：

7.本发明的一技术方案的地图生成装置，具备：车载检测器，其检测本车辆周围的状况；特征点提取部，其从由车载检测器取得的检测数据中提取特征点；地图生成部，其使用由特征点提取部提取出的特征点生成地图；区域分割部，其对由地图生成部生成的地图上的区域在本车辆的行进方向上进行分割，并且基于关于道路的划分线的划分线信息在车宽方向上进行分割而形成多个分割区域；以及修正部，其针对由区域分割部形成的每一分割区域，修正由特征点提取部提取出的特征点的数量。修正部基于分割区域中所包含的特征点的分布削减特征点的数量。
8.本发明的另一技术方案的位置识别装置，具备：上述地图生成装置；和本车位置识别部，其基于由上述地图生成装置生成且由上述地图生成装置削减了特征点的数量的地图推定本车辆在行进方向上的位置，并且基于由检测本车辆周围的状况的车载检测器取得的检测数据和关于道路的划分线的划分线信息推定本车辆在车宽方向上的位置。
附图说明
9.本发明的目的、特征以及优点，通过与附图相关的以下实施方式的说明进一步阐明。
10.图1是概略地示出本发明的实施方式的车辆控制系统的整体结构的框图。
11.图2是示出本发明的实施方式的位置识别装置的主要部分结构的框图。
12.图3是示意性地示出构成环境地图的一部分的区域的特征点云的图。
13.图4a是以二维方式示意性地表示图3的区域的图。
14.图4b是以二维方式示意性地表示对图3的区域进行分割而形成的分割区域的图。
15.图4c是示意性地示出特征点的数量被修正了的分割区域的图。
16.图5是由图2的控制器执行的处理的一例。
17.图6是由图2的控制器执行的另一处理的一例。
具体实施方式
18.以下参照图1～图6对本发明的实施方式进行说明。本发明的实施方式的位置识别装置能够应用在具有自动驾驶功能的车辆，即自动驾驶车辆。需要说明的是，有时区别于其他车辆，将应用本实施方式的位置识别装置的车辆称为本车辆。本车辆可以是具有内燃机(发动机)作为行驶驱动源的发动机车辆、具有行驶马达作为行驶驱动源的电动汽车、具有发动机和行驶马达作为行驶驱动源的混合动力车辆中的任一种。本车辆不仅能够以不需要驾驶员进行驾驶操作的自动驾驶模式行驶，也能够以由驾驶员进行驾驶操作的手动驾驶模式行驶。
19.首先对与自动驾驶相关的概略结构进行说明。图1是概略地示出具有本发明的实施方式的位置识别装置的车辆控制系统100的整体结构的框图。如图1所示，车辆控制系统100主要具有控制器10以及分别与控制器10可通信地连接的外部传感器组1、内部传感器组2、输入输出装置3、定位单元4、地图数据库5、导航装置6、通信单元7、行驶用的执行器ac。
20.外部传感器组1是检测本车辆的周边信息，即外部状况的多个传感器(外部传感器)的总称。例如外部传感器组1包括：测定本车辆的与全方位的照射光相对的散射光从而测定从本车辆到周边的障碍物的距离的激光雷达、通过照射电磁波并检测反射波来检测本车辆周边的其他车辆或障碍物等的雷达、以及搭载于本车辆并具有ccd、cmos等摄像元件来拍摄本车辆的周边(前方、后方以及侧方)的相机等。
21.内部传感器组2是检测本车辆的行驶状态的多个传感器(内部传感器)的总称。例如内部传感器组2包括：检测本车辆的车速的车速传感器、分别检测本车辆的前后方向的加速度和左右方向的加速度(横向加速度)的加速度传感器、检测行驶驱动源的转速的转速传感器、检测本车辆的重心绕铅垂轴旋转的旋转角速度的横摆率传感器等。检测手动驾驶模式下的驾驶员的驾驶操作，例如对加速踏板的操作、对制动踏板的操作、对方向盘的操作等的传感器也包括在内部传感器组2中。
22.输入输出装置3是从驾驶员输入指令、向驾驶员输出信息的装置的总称。例如输入输出装置3包括：供驾驶员通过对操作构件的操作来输入各种指令的各种开关、供驾驶员通过语音输入指令的麦克、借助显示图像向驾驶员提供信息的显示器、通过语音向驾驶员提供信息的扬声器等。
23.定位单元(gnss单元)4具有接收从定位卫星发送的定位用信号的定位传感器。定位卫星是gps卫星、准天顶卫星等人造卫星。定位单元4利用定位传感器接收到的定位信息，测定本车辆的当前位置(纬度、经度、高度)。
24.地图数据库5是存储在导航装置6中使用的一般性地图信息的装置，例如由硬盘、半导体元件构成。地图信息包括：道路的位置信息、道路形状(曲率等)的信息、交叉路口、岔路口的位置信息。需要说明的是，存储于地图数据库5中的地图信息与存储于控制器10的存储部12中的高精度地图信息不同。
25.导航装置6是搜索到达由驾驶员输入的目的地的道路上的目标路径并进行沿目标
路径的引导的装置。通过输入输出装置3进行目的地的输入和沿目标路径的引导。基于由定位单元4测定出的本车辆的当前位置和存储于地图数据库5中的地图信息来运算目标路径。也能够使用外部传感器组1的检测值测定本车辆的当前位置，也可以基于该当前位置和存储于存储部12中的高精度的地图信息来运算目标路径。
26.通信单元7利用包含以互联网、移动电话网等为代表的无线通信网的网络与未图示的各种服务器进行通信，定期或者在任意时机从服务器取得地图信息、行驶记录信息以及交通信息等。网络不仅包括公用无线通信网，还包括针对每一规定的管理区域设置的封闭式通信网，例如无线局域网、wi-fi(注册商标)、bluetooth(注册商标)等。所取得的地图信息被输出到地图数据库5、存储部12，地图信息被更新。
27.执行器ac是用于控制本车辆的行驶的行驶用执行器。在行驶驱动源为发动机的情况下，执行器ac包括调整发动机的节气门阀的开度(节气门开度)的节气门用执行器。在行驶驱动源为行驶马达的情况下，执行器ac包括行驶马达。使本车辆的制动装置工作的制动用执行器和驱动转向装置的转向用执行器也包含在执行器ac中。
28.控制器10由电子控制单元(ecu)构成。更具体而言，控制器10包含具有cpu(微处理器)等运算部11、rom(只读存储器)、ram(随机存取存储器)等存储部12、i/o(输入/输出)接口等未图示的其他外围电路的计算机而构成。需要说明的是，能够将发动机控制用ecu、行驶马达控制用ecu、制动装置用ecu等功能不同的多个ecu分开设置，但方便起见，在图1中示出控制器10作为这些ecu的集合。
29.在存储部12中存储高精度的详细的地图信息(称为高精度地图信息)。高精度地图信息包括：道路的位置信息、道路形状(曲率等)的信息、道路的坡度的信息、交叉路口、岔路口的位置信息、车道数的信息、车道的宽度以及每一车道的位置信息(车道的中央位置、车道位置的边界线的信息)、作为地图上的标记的地标(信号机、标识、建筑物等)的位置信息、路面的凹凸等路面概况的信息。存储于存储部12的高精度地图信息包括：通过通信单元7从本车辆的外部取得的地图信息，例如通过云服务器取得的地图(称为云地图)的信息和使用外部传感器组1的检测值由本车辆自己制作的地图例如由使用slam(simultaneous localization and mapping：同步定位与地图构建)等技术通过映射生成的点云数据构成的地图(称为环境地图)的信息。在存储部12中还存储各种控制程序、关于在程序中使用的阈值等信息的信息。
30.运算部11具有本车位置识别部13、外界识别部14、行动计划生成部15、行驶控制部16、地图生成部17作为功能性结构。
31.本车位置识别部13基于由定位单元4获取的本车辆的位置信息和地图数据库5的地图信息来识别地图上的本车辆的位置(本车位置)。还可以使用存储于存储部12的地图信息和由外部传感器组1检测出的本车辆的周边信息来识别本车位置，由此能够高精度地识别本车位置。需要说明的是，在能够用设置在道路上、道路旁边这些外部的传感器测定本车位置时，也能够通过借助通信单元7与该传感器进行通信来识别本车位置。
32.外界识别部14基于来自激光雷达、雷达、相机等外部传感器组1的信号识别本车辆周围的外部状况。例如识别在本车辆的周边行驶的周边车辆(前方车辆、后方车辆)的位置、速度、加速度、在本车辆的周围停车或驻车着的周边车辆的位置以及其他物体的位置、状态等。其他物体包括：标识、信号机、道路的划分线或停止线等标示、建筑物、护栏、电线杆、广
告牌、行人、自行车等。其他物体的状态包括：信号机的颜(红、绿、黄)、行人、自行车的移动速度、朝向等。其他物体中的静止的物体的一部分构成成为地图上的位置的标志的地标，外界识别部14还识别地标的位置和类别。
33.行动计划生成部15例如基于由导航装置6运算出的目标路径、由本车位置识别部13识别出的本车位置、由外界识别部14识别出的外部状况，生成从当前时间点开始经过规定时间为止的本车辆的行驶轨迹(目标轨迹)。当目标路径上存在作为目标轨迹的候补的多个轨迹时，行动计划生成部15从其中选择遵守法律且满足高效、安全地行驶等基准的最佳轨迹，并将所选择的轨迹作为目标轨迹。然后，行动计划生成部15生成与所生成的目标轨迹相应的行动计划。行动计划生成部15生成与用于超越先行车辆的超车行驶、变更行驶车道的车道变更行驶、跟随先行车辆的跟随行驶、不偏离行驶车道而保持车道的车道保持行驶、减速行驶或加速行驶等行使方式相对应的各种行动计划。行动计划生成部15在生成目标轨迹时首先决定行驶方式，基于行驶方式生成目标轨迹。
34.在自动驾驶模式下，行驶控制部16对各执行器ac进行控制，以使本车辆沿着由行动计划生成部15生成的目标轨迹行驶。更具体而言，行驶控制部16在自动驾驶模式下考虑由道路坡度等决定的行驶阻力，计算用于得到由行动计划生成部15计算出的每单位时间的目标加速度的要求驱动力。然后，例如对执行器ac进行反馈控制，以使由内部传感器组2检测出的实际加速度成为目标加速度。即，对执行器ac进行控制，以使本车辆以目标车速和目标加速度行驶。需要说明的是，在手动驾驶模式下，行驶控制部16根据由内部传感器组2取得的来自驾驶员的行驶指令(转向操作等)对各执行器ac进行控制。
35.地图生成部17在以手动驾驶模式行驶的同时，使用由外部传感器组1检测出的检测值生成由三维点云数据构成的环境地图。具体而言，从由相机取得的拍摄图像中，基于每一像素的亮度、颜的信息提取示出物体的轮廓的边缘，并且使用该边缘信息提取特征点。特征点例如是边缘的交点，与建筑物的角、道路标识的角等相对应。地图生成部17将所提取出的特征点依次绘制在环境地图上，由此生成本车辆行驶过的道路周边的环境地图。还可以代替相机，使用由雷达、激光雷达取得的数据提取本车辆周围的物体的特征点，生成环境地图。还有，地图生成部17在生成环境地图时，通过例如模板匹配的处理来判定作为地图上的标记的信号机、标识、建筑物等地标是否包含在由相机取得的拍摄图像中。然后，当判定为包含地标时，基于拍摄图像，识别环境地图上的地标的位置和类别。这些地标信息包含在环境地图中，并被存储于存储部12。
36.本车位置识别部13与地图生成部17的地图制作处理并行地进行本车辆的位置推定处理。即，基于特征点的位置随着时间经过的变化，推定本车辆的位置。还有，本车位置识别部13基于与本车辆周围的地标的相对位置关系推定本车位置。地图制作处理和位置推定处理是按照例如slam算法同时进行的。地图生成部17不仅在以手动驾驶模式行驶时，在以自动驾驶模式行驶时也能够同样地生成环境地图。在已经生成环境地图并存储在存储部12中的情况下，地图生成部17还可以根据新得到的特征点更新环境地图。
37.然而，识别(推定)本车位置时，本车位置识别部13首先从由相机1a取得的、视场角内包含地标的拍摄图像中提取特征点。然后，对提取出的特征点和环境地图(点云数据)进行对照(匹配)，从而识别环境地图上的地标(与地标相对应的特征点)。接下来，本车位置识别部13基于拍摄图像上的地标的位置计算本车辆与该地标之间的距离，基于计算出的距离
和环境地图上的地标的位置，推定环境地图上的本车辆的位置。此时，构成环境地图的特征点的数量越多匹配的精度越提高，能够更精确地推定本车位置。另一方面，当构成环境地图的特征点的数量增加时，环境地图的数据量变大，存储装置的容量被大幅地占用。因此，为抑制本车位置的推定精度的降低的同时，使环境地图的数据量减小，在本实施方式中，如下构成地图生成装置和具备地图生成装置的位置识别装置。
38.图2是示出本发明的实施方式的位置识别装置60的主要部分结构的框图。该位置识别装置60控制本车辆的行驶动作，构成图1的车辆控制系统100的一部分。如图2所示，位置识别装置60具有控制器10、相机1a、雷达1b、激光雷达1c、执行器ac。位置识别装置60还具有构成位置识别装置60的一部分的地图生成装置50。
39.相机1a是具有ccd(电荷耦合器件)、cmos(互补金属氧化物半导体)等摄像元件(图像传感器)的单眼相机，构成图1的外部传感器组1的一部分。相机1a也可以是立体相机。相机1a拍摄本车辆的周围。相机1a安装在例如本车辆的前部的规定位置，连续地拍摄本车辆的前方空间，取得对象物的图像数据(以下称为拍摄图像数据或简称为拍摄图像)。相机1a将拍摄图像向控制器10输出。雷达1b搭载于本车辆，通过照射电磁波并检测反射波来检测本车辆周边的其他车辆、障碍物等。雷达1b将检测值(检测数据)向控制器10输出。激光雷达1c搭载于本车辆，测定本车辆的与全方位的照射光相对的散射光从而检测从本车辆到周边障碍物的距离。激光雷达1c将检测值(检测数据)向控制器10输出。
40.控制器10具有本车位置识别部13、信息取得部141、区域分割部142、修正部143、地图生成部17，作为运算部11(图1)所承担的功能性结构。需要说明的是，信息取得部141、区域分割部142、修正部143、地图生成部17包含在地图生成装置50中。信息取得部141、区域分割部142、修正部143由例如图1的外界识别部14构成。
41.信息取得部141取得关于道路的划分线的划分线信息。更详细而言，信息取得部141从存储部12读出环境地图中所包含的地标信息，进一步地，从地标信息中取得表示本车辆行驶的道路的划分线、边界线(道路与缘石之间的边界线等)的位置和那些划分线、边界线的延伸方向的信息(以下称为划分线信息)。需要说明的是，在划分线信息中不包括表示划分线、边界线的延伸方向的信息时，信息取得部141还可以基于划分线、边界线的位置，计算那些划分线、边界线的延伸方向。还有，还可以从存储于存储部12的道路地图信息、白线地图(表示中央线、车道外侧线等白线的位置的信息)等中，取得表示本车辆行驶的道路的划分线、边界线的位置以及延伸方向的信息。图3是示意性地将构成环境地图的一部分(左侧通行的单侧一车道的道路上的某一区间)的区域的特征点云与该区域的拍摄图像重叠的图。图中的黑圆点表示特征点。在图3的区域中包括路面标示rm、中央线cl、车道外侧线ol、边界线(道路与缘石等之间的边界线)bd。
42.区域分割部142对环境地图上的区域在本车辆的行进方向上进行分割，并且基于由信息取得部141取得的划分线信息在车宽方向上进行分割而形成多个分割区域。图4a是以二维方式示意性地表示图3的区域的图。图4b是以二维方式示意性地表示将图3的区域进行分割而形成的分割区域的图。需要说明的是，分割区域da的行进方向(图4b中的上下方向)的长度是根据推定本车位置所要求的精度，即对本车位置的推定结果所容许的位置偏移量而设定的。分割区域da的车宽方向(图4b的左右方向)的长度是基于试验等结果预先设定的。以下，为了简化说明，以对以二维方式表示的区域进行分割的情况为例，但是对于如
图3所示的三维的区域，也同样地在本车辆的行进方向和道路的车宽方向上对区域进行分割而形成分割区域即可。
43.修正部143针对由区域分割部142形成的每一分割区域，进行对构成环境地图的特征点的数量进行修正的处理(以下称为特征点修正处理)。具体而言，修正部143基于分割区域中所包含的特征点的分布，削减分割区域内的特征点的数量。更详细而言，修正部143基于分割区域内的特征点的分布计算特征点的重心，通过间隔剔除最接近该重心的特征点以外的特征点来削减分割区域内的特征点的数量。图4c是示意性地示出实施了特征点修正处理的分割区域的图。图4c所示的分割区域da内的特征点是最接近分割区域da中所包含的特征点的重心的特征点。需要说明的是，图4c中示出除最接近重心的特征点以外的特征点全部被间隔剔除的例子，但还可以间隔剔除最接近重心的特征点以外的特征点中的一部分特征点。
44.本车位置识别部13基于由修正部143修正了特征点的数量的环境地图识别环境地图上的本车辆的位置。更具体而言，首先，本车位置识别部13推定本车辆在车宽方向上的位置。详细而言，本车位置识别部13使用机械学习(dnn(deep neural network)等)识别由相机1a取得的拍摄图像中所包含的道路的划分线、边界线。本车位置识别部13从存储于存储部12的环境地图中所包含的地标信息中提取划分线信息。本车位置识别部13基于划分线信息，识别拍摄图像中所包含的划分线、边界线在环境地图上的位置、延伸方向。然后，本车位置识别部13基于划分线、边界线在环境地图上的位置、延伸方向，推定本车辆与划分线或边界线在车宽方向上的相对位置关系(环境地图上的位置关系)。这样一来能够推定出本车辆在车宽方向上的位置。
45.接下来，本车位置识别部13推定本车辆在行进方向上的位置。详细而言，本车位置识别部13从相机1a的拍摄图像中提取特征点。本车位置识别部13通过模板匹配等处理从相机1a的拍摄图像中识别地标(例如图3的路面标示rm)，并且从拍摄图像中提取出的特征点中识别与该地标相对应的特征点。还有，本车位置识别部13基于地标在拍摄图像上的位置，计算本车辆与地标之间在行进方向上的距离。需要说明的是，还可以基于雷达1b、激光雷达1c的检测值计算本车辆与地标之间的距离。本车位置识别部13从存储部12中读出环境地图，将从拍摄图像中识别出的地标的特征点与环境地图进行匹配，从构成环境地图的特征点中识别与地标相对应的特征点。需要说明的是，此时读出的环境地图是由修正部143修正了特征点的数量的环境地图。本车位置识别部13基于与环境地图上的地标相对应的特征点的位置和本车辆与地标之间在行进方向上的距离，推定环境地图上的本车辆在行进方向上的位置。本车位置识别部13基于这样推定出的环境地图上的本车辆在车宽方向上和在行进方向上的位置，识别由修正部143修正了特征点的数量的环境地图(修正后环境地图)上的本车辆的位置。
46.图5是示出按照预先决定的程序由图2的控制器10执行的处理的一例，尤其是关于地图生成的处理的一例的流程图。该流程图所示的处理例如在以手动驾驶模式行驶时开始，在持续以手动驾驶模式行驶的期间，以规定周期反复进行。
47.首先，在步骤s11中，从存储于存储部12的环境地图中读出与作为处理对象的区域(以下称为处理对象区域)相对应的特征点云(点云数据)。在步骤s12中，从存储于存储部12的环境地图中读出地标信息，进一步地，取得地标信息中所包含的划分线信息。在步骤s13
中，对处理对象区域在本车辆的行进方向上以规定间隔进行分割，并且基于在步骤s12中取得的划分线信息在车宽方向上以规定间隔进行分割，从而形成多个分割区域。在步骤s14中，修正分割区域的特征点的数量。详细而言，基于分割区域中所包含的特征点的分布计算特征点的重心，间隔剔除最接近该重心的特征点以外的特征点。由此，分割区域内的特征点的数量被削减。在步骤s15中判定是否存在未处理的分割区域。直到否定(s15：否)为止反复进行步骤s15。当步骤s15为否定(s15：否)时结束处理。
48.图6是示出按照预先决定的程序由图2的控制器10执行的处理的一例，尤其是关于位置推定的处理的一例的流程图。该流程图所示的处理当例如以自动驾驶模式行驶时开始，在持续以自动驾驶模式行驶的期间，以规定周期反复进行。
49.首先在步骤s21，判定是否由相机1a取得了拍摄图像。当步骤s21为否定(s21：否)时结束处理。当步骤s21为肯定(s21：是)时，在步骤s22中，使用机械学习识别在步骤s21中取得的拍摄图像中所包含的道路的划分线、边界线。在步骤s23中，从存储于存储部12的环境地图中读出地标信息，进一步地，取得地标信息中所包含的划分线信息。在步骤s24中，基于在步骤s23中取得的划分线信息，识别在步骤s22中识别出的划分线、边界线在环境地图上的位置、延伸方向。进一步地，基于划分线、边界线在环境地图上的位置、延伸方向，推定本车辆与划分线、边界线在车宽方向上的相对位置关系(环境地图上的位置关系)。由此，推定出本车辆在车宽方向上的位置。
50.在步骤s25中，从在步骤s21中取得的拍摄图像中提取特征点。在步骤s26中，基于在步骤s21中取得的拍摄图像，通过模板匹配等处理识别地标，并且计算本车辆与地标之间的距离。在步骤s27中，从存储部12中读出环境地图(点云数据)。此时读出的环境地图是通过图5所示的处理被削减了特征点的数量的环境地图，即修正后环境地图。在步骤s28中，基于与环境地图上的地标相对应的特征点的位置和在步骤s26中计算出的距离，推定环境地图上的本车辆在行进方向上的位置。基于如上推定出的本车辆在车宽方向上的位置和在行进方向上的位置，推定出环境地图上的本车辆的位置。
51.采用本发明的实施方式能够起到如下的作用效果。
52.(1)地图生成装置50具备：相机1a，其检测本车辆周围的状况；本车位置识别部13，其从由相机1a取得的检测数据(拍摄图像)中提取特征点；地图生成部17，其使用由本车位置识别部13提取出的特征点生成地图；区域分割部142，其对由地图生成部17生成的地图上的区域在本车辆的行进方向上进行分割，并且基于关于道路的划分线的划分线信息在车宽方向上进行分割而形成多个分割区域；以及修正部143，其针对由区域分割部142形成的每一分割区域，修正由本车位置识别部13提取出的特征点的数量。修正部143基于分割区域中所包含的特征点的分布，削减特征点的数量。由此，能够抑制地图信息的精度降低的同时，使地图信息的数据量减小。
53.(2)修正部143针对每一分割区域，基于分割区域中所包含的特征点的分布计算特征点的重心，间隔剔除最接近该重心的特征点以外的特征点。由此，能够抑制因特征点的削减带来的地图精度的降低。
54.(3)区域分割部142基于划分线信息，在车宽方向上分割由地图生成部17生成的地图上的区域，以使分割区域沿着划分线配置。由此，能够进一步抑制因特征点的削减带来的地图精度的降低。
55.(4)位置识别装置60具备：地图生成装置50和本车位置识别部13，本车位置识别部13基于由地图生成装置50生成且由地图生成装置50削减了特征点的数量的地图推定本车辆在行进方向上的位置，并且基于由相机1a取得的检测数据(拍摄图像)和关于道路的划分线的划分线信息推定本车辆在车宽方向上的位置。区域分割部142基于推定本车辆的位置所要求的精度来决定分割区域在行进方向上的长度，基于所决定的行进方向的长度，分割由地图生成部17生成的地图上的区域。由此，在基于由地图生成装置50削减了特征点的数量的地图以自动驾驶模式行驶时，能够精确地识别本车辆的位置。
56.上述实施方式能够变形成各种方式。以下对若干变形例进行说明。在上述实施方式中，由相机1a检测本车辆周围的状况，但只要是检测本车辆周围的状况，车载检测器的构成就可以是任何形式。例如车载检测器还可以是雷达1b、激光雷达1c。还有，在上述实施方式中，本车位置识别部13从由相机1a取得的拍摄图像中提取特征点，但特征点提取部的构成并不局限于此。还有，在上述实施方式中，本车位置识别部13基于由地图生成装置50削减了特征点的数量的地图推定本车辆在行进方向上的位置，并且基于由检测本车辆周围的状况的相机1a取得的检测数据(拍摄图像)和关于道路的划分线的划分线信息推定本车辆在车宽方向上的位置，但推定部的构成并不局限于此。还有，在上述实施方式中，在手动驾驶模式下行驶的同时执行图5所示的处理，但还可以在自动驾驶模式下行驶的同时执行图5所示的处理。
57.还有，在上述实施方式中，地图生成装置50和位置识别装置60应用在了自动驾驶车辆上，但位置识别装置60也能够应用在自动驾驶车辆以外的车辆。例如也能够在具有adas(advanced driver-assistance systems：高级驾驶辅助系统)的手动驾驶车辆上应用地图生成装置50和位置识别装置60。
58.本发明也能够作为地图生成方法使用，包括：从由检测本车辆周围的状况的相机1a取得的检测数据(拍摄图像)提取特征点的步骤；使用所提取出的特征点生成地图的步骤；在本车辆的行进方向上分割所生成的地图上的区域，并且基于关于道路的划分线的划分线信息在车宽方向上进行分割而形成多个分割区域的步骤(s13)；以及针对所形成的每一分割区域，基于分割区域中所包含的特征点的分布来削减特征点的数量的步骤(s14)。
59.既能够任意组合上述实施方式和变形例的一个或者多个，也能够将各变形例彼此进行组合。
60.采用本发明，能够抑制地图信息的精度的下降的同时，使地图信息的数据量减小。
61.以上，结合本发明的优选实施方式说明了本发明，但本领域技术人员应该理解，在不脱离后述的权利要求书的公开范围的情况下能够进行各种修改和变更。

技术特征：

1.一种地图生成装置，其特征在于，具备：车载检测器(1a)，其检测本车辆周围的状况；特征点提取部(13)，其从由所述车载检测器(1a)取得的检测数据中提取特征点；地图生成部(17)，其使用由所述特征点提取部(13)提取出的特征点生成地图；区域分割部(142)，其对由所述地图生成部(17)生成的地图上的区域在本车辆的行进方向上进行分割，并基于关于道路的划分线的划分线信息在车宽方向上进行分割而形成多个分割区域；以及修正部(143)，其针对由所述区域分割部(142)形成的每一分割区域，修正由所述特征点提取部(13)提取出的特征点的数量，所述修正部(143)基于所述分割区域中所包含的特征点的分布削减特征点的数量。2.根据权利要求1所述的地图生成装置，其特征在于，所述修正部(143)针对每一所述分割区域，基于所述分割区域中所包含的特征点的分布计算特征点的重心，通过间隔剔除最接近该重心的特征点以外的特征点来削减特征点的数量。3.根据权利要求1或2所述的地图生成装置，其特征在于，所述修正部(143)基于所述划分线信息，在车宽方向上对由所述地图生成部(17)生成的地图上的区域进行分割，以使所述分割区域沿着划分线配置。4.一种位置识别装置，其特征在于，具备：车载检测器(1a)，其检测本车辆周围的状况；特征点提取部(13)，其从由所述车载检测器(1a)取得的检测数据中提取特征点；地图生成部(17)，其使用由所述特征点提取部(13)提取出的特征点生成地图；区域分割部(142)，其对由所述地图生成部(17)生成的地图上的区域在本车辆的行进方向上进行分割，并且基于关于道路的划分线的划分线信息在车宽方向上进行分割而形成多个分割区域；修正部(143)，其针对由所述区域分割部(142)形成的每一分割区域，基于所述分割区域中所包含的特征点的分布削减特征点的数量；以及推定部(13)，其基于削减了特征点的数量的所述地图，推定本车辆在行进方向上的位置，并且基于由检测本车辆周围的状况的车载检测器(1a)取得的检测数据和关于道路的划分线的划分线信息，推定本车辆在车宽方向上的位置。5.根据权利要求4所述的位置识别装置，其特征在于，所述区域分割部(142)基于推定本车辆的位置所要求的精度决定所述分割区域在行进方向上的长度，基于所决定的所述行进方向上的长度分割由所述地图生成部(17)生成的地图上的区域。6.一种地图生成方法，其特征在于，包括如下步骤：从由检测本车辆周围的状况的车载检测器(1a)取得的检测数据中提取特征点；使用所述提取出的特征点生成地图；对所述生成的地图上的区域在本车辆的行进方向上进行分割，并且基于关于道路的划分线的划分线信息在车宽方向上进行分割而形成多个分割区域；以及针对形成的每一分割区域，基于所述分割区域中所包含的特征点的分布，削减所述特
征点的数量。

技术总结

本发明提供一种地图生成装置(50)，具备：车载检测器(1a)，其检测本车辆周围的状况；特征点提取部(13)，其从由车载检测器(1a)取得的检测数据中提取特征点；地图生成部(17)，其使用由特征点提取部提取出的特征点生成地图；区域分割部(142)，其对由地图生成部(17)生成的地图上的区域在本车辆的行进方向上进行分割，并且基于关于道路的划分线的划分线信息在车宽方向上进行分割而生成多个分割区域；修正部(143)，其针对由区域分割部(142)形成的每一分割区域，修正由特征点提取部(13)提取出的特征点的数量。修正部(143)基于分割区域中所包含的特征点的分布削减特征点的数量。的特征点的分布削减特征点的数量。的特征点的分布削减特征点的数量。