JP2018173511A - 車線情報生成装置及び車線情報生成方法並びに車線情報生成用プログラム - Google Patents

Abstract

【課題】道路に含まれる車線間の接続態様等を示す車線ネットワークデータを自動的に生成することが可能な新規な車線情報生成装置を提供する。【解決手段】車線を含む道路を撮像した実画像に映ったラインを示す情報を、当該実画像に対応するオルソ画像データから抽出する抽出部１と、抽出されたライン情報に基づいて、道路が延びる方向に対応して予め設定された方向におけるラインの連続性を検出する検出部２と、検出された連続性に基づいて車線ネットワークを生成する生成部３と、を備える。【選択図】図２

Description

本願は、車線情報生成装置及び車線情報生成方法並びに車線情報生成用プログラムの技術分野に属する。より詳細には、道路に含まれる車線（いわゆるレーン）を示す車線情報を生成する車線情報生成装置及び車線情報生成方法並びに当該車線情報生成装置用のプログラムの技術分野に属する。

近年、車両の移動を案内するナビゲーション装置について、いわゆる自動運転に関する研究が盛んに行われている。一方、従来のナビゲーション装置では、例えば目的地までの最短ルートを探索するためには、リンクデータ及びノードデータからなる道路データが使用されていた。そして、このような道路データを自動的に作成するための従来技術の一例としては、下記特許文献１に記載された技術がある。

この特許文献１に記載されている技術では、航空機から地面を撮影した航空写真に相当する画像データから道路に該当する道路エリアを抽出し、その抽出結果に基づいて、道路間の接続状態等を示す道路リンク（「道路ネットワーク」とも称される）のデータを生成して上記道路データとする構成とされている。また特許文献１に記載されている技術では、上記航空写真に相当する画像データ以外の補助データとして、各道路の幅員（道路幅）や車線数（レーン数）を予め取得／記録することで、上記道路エリアの確定や、上記画像データからの車線境界線の抽出に用いる構成とされている。

特開２００８−１７０６１１号公報

しかしながら、上記特許文献１には、道路間の接続態様等を示す道路リンクのデータを生成することは記載されているが、各道路に含まれる車線間の接続態様等を示す車線ネットワークのデータを生成する構成についての開示も示唆も見当たらない。これに対し、上記自動運転の実現のためには、道路ではなく、それに含まれる車線ごとに上記車線ネットワークのデータを用いることが求められている。

そこで本願は、上記の要請に鑑みて為されたもので、その課題の一例は、道路に含まれる車線間の接続態様等を示す車線ネットワークデータを自動的に生成することが可能な新規な車線情報生成装置及び車線情報生成方法並びに当該車線情報生成装置用のプログラムを提供することにある。

上記の課題を解決するために、請求項１に記載の発明は、車線を含む道路を撮像した実画像に映った線分を示す線分情報を、当該実画像に対応する実画像情報から抽出する抽出手段と、前記抽出された線分情報に基づいて、前記道路が延びる方向に対応して予め設定された方向における前記線分の連続性を検出する検出手段と、前記検出された連続性に基づいて、前記車線を示す車線情報を生成する生成手段と、を備える。

上記の課題を解決するために、請求項６に記載の発明は、道路に含まれる車線を示す車線情報を生成する車線情報生成装置において実行される車線情報生成方法であって、前記道路を撮像した実画像に映った線分を示す線分情報を、当該実画像に対応する実画像情報から抽出する抽出工程と、前記抽出された線分情報に基づいて、前記道路が延びる方向に対応して予め設定された方向における前記線分の連続性を検出する検出工程と、前記検出された連続性に基づいて前記車線情報を生成する生成工程と、を含む。

上記の課題を解決するために、請求項７に記載の発明は、コンピュータを、車線を含む道路を撮像した実画像に映った線分を示す線分情報を、当該実画像に対応する実画像情報から抽出する抽出手段、前記抽出された線分情報に基づいて、前記道路が延びる方向に対応して予め設定された方向における前記線分の連続性を検出する検出手段、及び、前記検出された連続性に基づいて、前記車線を示す車線情報を生成する生成手段、として機能させる。

実施形態に係る車線情報生成装置の概要構成を示すブロック図である。 実施例に係る車線ネットワーク生成装置の概要構成を示すブロック図である。 実施例に係る車線ネットワーク生成処理を示すフローチャートである。 実施例に係るオルソ画像データ等を例示する図であり、（ａ）は当該オルソ画像データを例示する図であり、（ｂ）は路面エリアについての当該オルソ画像データを例示する図であり、（ｃ）は実施例に係る骨格ラインのデータを例示する図であり、（ｄ）は実施例に係る道路標示の位置データを例示する図である。 実施例に係るオルソ画像データと道路リンクとの関係等を例示する図であり、（ａ）は当該関係を例示する図であり、（ｂ）は実施例に係る骨格ラインのデータを例示する図である。 実施例に係る上下線確率を説明するための図であり、（ａ）は一条道路の場合の上下線確率を説明するための図であり、（ｂ）は二条道路の場合の上下線確率を説明するための図である。 実施例に係る長線等を例示する図であり、（ａ）は実施例に係る骨格ラインのデータを例示する図であり、（ｂ）実施例に係る外側線を例示する図であり、（ｃ）は実施例に係る長線を例示する図であり、（ｄ）は実施例に係る短線を例示する図であり、（ｅ）は実施例に係る垂直線を例示する図である。 実施例に係る長線等の状況を例示する図である。 実施例に係る長線等の詳細を例示する図であり、（ａ）は当該詳細を例示する図であり、（ｂ）は対応する地点のオルソ画像データを例示する図である。 実施例に係る横断歩道のデータ等を例示する図であり、（ａ）は実施例に係る短線を例示する図であり、（ｂ）は実施例に係る横断歩道のデータを例示する図である。 実施例に係る車線ネットワーク等を例示する図であり、（ａ）は実施例に係る骨格ラインのデータを例示する図であり、（ｂ）は対応する車線ネットワークを例示する図である。 実施例に係る垂直ネットワーク等を示す図であり、（ａ）は対応する骨格ラインのデータを例示する図であり、（ｂ）は実施例に係る垂直ネットワークを例示する図であり、（ｃ）乃至（ｅ）は実施例に係る垂直ネットワークの生成を説明する図である。 実施例に係るラインスコアの算出等を例示する図であり、（ａ）は対応する垂直ネットワークを例示する図であり、（ｂ）乃至（ｆ）は当該ラインスコアの算出を例示する図である。 実施例に係る幅員スコアを説明する図であり、（ａ）は法定の幅員を示す図であり、（ｂ）は当該幅員スコアの具体例を示す図である。 実施例に係るラインスコア等を示す図であり、（ａ）は対応する垂直ネットワーク等を例示する図であり、（ｂ）は当該ラインスコアの具体例を示す図である。 実施例に係る垂直ネットワークスコア等を示す図であり、（ａ）は対応する垂直ネットワーク等を例示する図であり、（ｂ）は当該垂直ネットワークスコアの具体例を示す図である。 実施例に係るレーンラインの算出等を示す図であり、（ａ）は対応する垂直ネットワーク等を例示する図であり、（ｂ）及び（ｃ）は当該レーンラインの算出を例示する図であり、（ｄ）は算出後の当該レーンラインを例示する図である。 実施例に係るレーンスコアを例示する図であり、（ａ）は当該レーンスコアの第１例を示す図であり、（ｂ）は当該レーンスコアの第２例を示す図であり、 実施例に係る車線境界線の欠損等がある場合の車線ネットワークの生成を説明する図（Ｉ）であり、（ａ）は車線境界線の欠損等を例示するオルソ画像データの図であり、（ｂ）は当該欠損等がある場合のラインの状況を例示する図であり、（ｃ）は当該欠損等がある場合の実施例に係る垂直ネットワークの状況を例示する図であり、（ｄ）は当該欠損等がある場合の実施例に係る幅員スコアを例示する図である。 実施例に係る車線境界線の欠損等がある場合の車線ネットワークの生成を説明する図（II）であり、（ａ）は欠損等がある場合のグループ化を例示する図であり、（ｂ）は当該欠損等がある場合の実施例に係るレーンラインの状況を例示する図（Ｉ）であり、（ｃ）は当該欠損等がある場合の実施例に係る仮ラインの状況を例示する図であり、（ｄ）は当該欠損等がある場合の実施例に係るレーンラインの状況を例示する図（II）である。 実施例に係る車線境界線の欠損等がある場合のレーンスコア等を例示する図であり、（ａ）は当該例示する図（Ｉ）であり、（ｂ）は当該例示する図（II）である。 実施例に係る車線境界線の欠損等がある場合の車線ネットワークを例示する図であり、（ａ）は当該車線ネットワークの第１例を例示する図であり、（ｂ）は当該車線ネットワークの第２例を例示する図である。 実施例に係る交差点内の車線ネットワークを例示する図である。

次に、本願を実施するための形態について、図１を用いて説明する。なお図１は、実施形態に係る車線情報生成装置の概要構成を示すブロック図である。

図１に示すように、実施形態に係る車線情報生成装置Ｓは、抽出手段１と、検出手段２と、生成手段３と、を備えて構成されている。

この構成において抽出手段１は、車線を含む道路を撮像した実画像に映った線分を示す線分情報を、当該実画像に対応する実画像情報から抽出する。

これにより検出手段２は、抽出手段１により抽出された線分情報に基づいて、道路が延びる方向に対応して予め設定された方向における線分の連続性を検出する。

そして生成手段３は、検出手段２により検出された連続性に基づいて、上記車線を示す車線情報を生成する。

以上説明したように、実施形態に係る車線情報生成装置Ｓの動作によれば、車線を含む道路を撮像した実画像に対応する実画像情報から、当該実画像に映った線分を示す線分情報を抽出し、道路が延びる方向に対応した既定の方向における線分の連続性を線分情報に基づいて検出し、その連続性に基づいて車線情報を生成する。よって、車線を示す車線情報を、実画像情報に基づいて自動的に生成することができる。

次に、上述した実施形態に対応する具体的な実施例について、図２乃至図２３を用いて説明する。なお以下に説明する実施例は、道路に含まれる車線ごとの接続状態等を示す車線（レーン）ネットワーク情報の自動生成に本願を適用した場合の実施例である。

また、図２は実施例に係る車線ネットワーク生成装置の概要構成を示すブロック図であり、図３は実施例に係る車線ネットワーク生成処理を示すフローチャートであり、図４は実施例に係るオルソ画像データ等を例示する図であり、図５は実施例に係るオルソ画像データと道路リンクとの関係等を例示する図である。また、図６は実施例に係る上下線確率を説明するための図であり、図７は実施例に係る長線等を例示する図であり、図８は実施例に係る長線等の状況を例示する図であり、図９は実施例に係る長線等の詳細を例示する図であり、図１０は実施例に係る横断歩道のデータ等を例示する図である。更に、図１１は実施例に係る車線ネットワーク等を例示する図であり、図１２は実施例に係る垂直ネットワーク等を示す図であり、図１３は実施例に係るラインスコアの算出等を例示する図であり、図１４は実施例に係る幅員スコアを説明する図である。更にまた、図１５は実施例に係るラインスコア等を示す図であり、図１６は実施例に係る垂直ネットワークスコア等を示す図であり、図１７は実施例に係るレーンラインの算出等を示す図であり、図１８は実施例に係るレーンスコアを例示する図であり、図１９は実施例に係る車線境界線の欠損等がある場合の車線ネットワークの生成を説明する図（Ｉ）である。また、図２０は実施例に係る車線境界線の欠損等がある場合の車線ネットワークの生成を説明する図（II）であり、図２１は実施例に係る車線境界線の欠損等がある場合のレーンスコア等を例示する図であり、図２２は実施例に係る車線境界線の欠損等がある場合の車線ネットワークを例示する図であり、図２３は実施例に係る交差点内の車線ネットワークを例示する図である。このとき図２では、図１に示した実施形態に係る車線情報生成装置Ｓにおける各構成部材に対応する実施例の構成部材それぞれについて、当該車線情報生成装置Ｓにおける各構成部材と同一の部材番号を用いている。

図２に示すように、実施例に係る車線ネットワーク生成装置ＳＶは、ＣＰＵ、ＲＡＭ（Random Access Memory）及びＲＯＭ（Read Only Memory）等からなる処理部１０と、外部の例えばインターネット等のネットワーク等との間のデータの授受を制御するインターフェース１１と、キーボード及びマウス等からなる操作部１２と、液晶ディスプレイ等からなるディスプレイ１３と、ＨＤＤ（Hard Disc Drive）又はＳＳＤ（Solid State Drive）等からなる記録部１４と、を備えて構成されている。また処理部１０は、実施形態に係る抽出手段１の一例としての抽出部１と、実施形態に係る検出手段２の一例としての検出部２と、実施形態に係る生成手段３の一例としての生成部３と、を備えて構成されている。このとき、上記抽出部１、検出部２及び生成部３のそれぞれは、処理部１０を構成するＣＰＵ等のハードウェアロジック回路により実現されてもよいし、後述する実施例に係る車線ネットワーク生成処理に対応するプログラムを当該ＣＰＵ等が読み出して実行することにより、ソフトウェア的に実現されるものであってもよい。また図２に破線で示すように、抽出部１、検出部２及び生成部３により、実施形態に係る車線情報生成装置Ｓの一例を構成している。

以上の構成において、実施例に係る車線ネットワーク生成処理の対象となる航空写真のデータは、航空機により撮影された航空写真のデータから生成されたオルソ画像データとして、例えば記録部１４に予め記録されているか、又は、インターフェース１１を介して外部から取得される。一方操作部１２は、当該操作部１２において車線ネットワーク生成装置ＳＶに対する指示操作が行われると、当該指示操作に対応する操作信号を生成して処理部１０に出力する。これらにより処理部１０は、抽出部１、検出部２及び生成部３により、ディスプレイ１３上に必要な情報を表示しつつ、上記オルソ画像データを用いて実施例に係る車線ネットワーク生成処理を行う。ここで実施例に係る車線ネットワークとは、従来からの道路リンクにより示される道路に含まれる車線の状況を当該車線ごとに示すネットワークである。この場合の「車線の状況」とは、例えば、一つの道路にいくつ（何本）の車線が含まれているか、や、一つの道路における車線数の変更の状況、或いは、他の道路の車線とどのように接続されているか、等の状況をいう。そして実施例に係る車線ネットワークは、現在研究が進められている自動運転への活用等を目標の一つとしたものである。

次に、実施例に係る車線ネットワーク生成処理について、具体的に図２乃至図２３を用いて説明する。

実施例に係る車線ネットワーク生成処理は、例えば操作部１２における開始操作により開始される。そして図３に対応するフローチャートを示すように、実施例に係る車線ネットワーク生成処理が開始されると、当該車線ネットワーク生成処理の対象となる上記オルソ画像データが、例えば記録部１４から、又はインターフェース１１を介して取得される（ステップＳ１）。このとき当該オルソ画像データは、例えば図４（ａ）に例示するような航空写真の画像データであり、交差点ＣＲで交差する道路Ｒの画像と共に、道路を跨ぐ歩道橋のような構造物ＢＲが映っている。また、当該道路Ｒ上に存在する乗用車ＣやバスＢのほか、分離帯Ｐ等も映っている。このようなオルソ画像データが入力されると、次に処理部１０の抽出部１は、例えばセグメンテーション処理やマスク処理により、道路Ｒ及び交差点ＣＲに相当する路面エリアを当該オルソ画像データから抽出する（ステップＳ２）。このステップＳ２の結果としては、例えば図４（ｂ）に示すような路面エリアのみがオルソ画像データから抽出される。次に抽出部１は、路面エリアのみとなったオルソ画像データから、道路Ｒ及び交差点ＣＲの表面に描かれている道路標示を抽出する（ステップＳ３）。ステップＳ３で抽出される道路標示（いわゆる路面ペイント）とは、通常は各車線の中央に白色等のペイントを用いて描かれている標示であり、進行方向を示す矢印標示や、行先標示、横断歩道標示、又は「バス優先」といった文字標示等が含まれる。この場合の道路標示のデータは、例えば図４（ｄ）に白点で示す当該道路標示の位置データに加えて、向きのデータ、スケールのデータ、及び類似値のデータ等を含んでいる。

次に抽出部１は、いわゆるポリライン化等の処理により、路面エリアのみのオルソ画像データから道路Ｒ等を構成する線分からなる骨格ラインを抽出する（ステップＳ４）。ステップＳ４の処理は、路面エリアのみのオルソ画像データを細線化又は細分化する処理である。このステップＳ４の結果としては、例えば図４（ｂ）に示す路面エリアのみのオルソ画像データに対応した図４（ｃ）に示すような骨格ラインのデータが生成される。この骨格ラインのデータはいわゆるベクトルデータである。

次に抽出部１は、図５に例示するように、オルソ画像データに映っている道路Ｒに対応する道路リンクＲＬのデータ（図５（ａ）参照）と、ステップＳ４で抽出した骨格ラインに含まれる各ライン（線分。図５（ｂ）参照。）と、を比較し、骨格ラインにおいて道路リンクＲＬの周辺且つそのリンク方向に平行なライン及び垂直なラインをそれぞれ抽出し、その比較対象となった道路リンクＲＬのデータに紐付ける（ステップＳ５）。このとき図５（ｂ）に例示する場合は、例えば交差点手前の横断歩道を示す道路標示は道路リンクＲＬに平行な線分からなっており、道路リンクＲＬに垂直なラインとしては例えば一時停止線に相当するラインが挙げられる。次に抽出部１は、上り線及び下り線の道路リンクＲＬと各ラインを紐付ける（ステップＳ６）。このとき抽出部１は、相対距離に起因したいずれかの道路リンクへの振り分けの困難性を考慮して、全てのラインについて、道路リンクＲＬとの関係における上下線確率（上り線に対応するラインである確率又は下り線に対応するラインである確率）を算出する（ステップＳ６）。

ここで上記上下線確率とは、例えば図６（ａ）に示す一条道路（即ち原則として上り線と下り線からなる、一本の道路リンクＲＬに対応する道路）の場合は、道路ラインＲＬから遠ざかる位置にあるラインほど、上り線又は下り線である確率が高くなるが、道路リンクＲＬに相当する道路Ｒの中央部にいくほど、そのラインが上り線内に存在する確率と下り線内に存在する確率とは等しくなる（図６（ａ）参照）。一方、例えば図６（ｂ）に示す二条道路（即ち原則として複数の車線にそれぞれ対応し且つ相互にリンク方向が反対である二本の道路リンクＲＬに対応する道路）の場合は、二本の道路ラインＲＬの外側は上り線又は下り線である確率が百パーセントとなるが、二本の道路ラインＲＬの間の領域では距離に応じて上り線である確率又は下り線である確率が異なってくる（図６（ｂ）参照）。

次に抽出部１は、操作部１２における設定操作等に基づいて、骨格ライン化された道路Ｒ（図４（ｃ）、図５（ｂ）又は図７（ａ）参照）のうち、実施例に係る車線ネットワーク生成処理の対象となる区間を一又は複数設定する（ステップＳ７）。次に抽出部１は、操作部１２における操作に基づいて、設定した（ステップＳ７参照）区画のうちいずれか一の区画が選択されたか否かを判定する（ステップＳ８）。ステップＳ８の判定において、例えば交差点ＣＲ内以外の全ての区画についての車線ネットワーク生成処理が終了している等の理由によりいずれの区画も選択されない場合（ステップＳ８：ＮＯ）、処理部１０は後述するステップＳ１５に移行して交差点ＣＲ内の車線ネットワーク生成処理を行う。一方ステップＳ８の判定において、いずれか一の区画が選択された場合（ステップＳ８：ＹＥＳ）、次に抽出部１は、ステップＳ８で選択された区画に含まれている各ラインについて、それぞれの実際の長さに基づいた区分を行う。ここで、骨格ラインに含まれているラインの実際の（現実の）長さの検出は、例えばオルソ画像データの細線化（上記ステップＳ４参照）の後にベクトルデータ化することにより可能となる。またこれ以外の方法として、元のオルソ画像データ（航空写真）のスケール（縮尺）及び画像内のピクセル（画素）からメートルに変換してもよいし、当該変換をすることなくピクセル空間での距離を算出する方法でも可能である。但しこの場合も、単純にピクセル距離ではなく、サブピクセルで処理して精度を向上させる必要があると考えられる。より具体的に抽出部１は、図７（ａ）に示す骨格ラインとして抽出された各ラインを、各道路Ｒの外側線（道路以外の領域との境界線）を示す外側線ＯＬ（図７（ｂ）参照）と、道路に平行且つ実測８．５メートル以上の長さを有する長線ＬＬ（図７（ｃ）参照）と、道路に平行且つ実測８．５メートル未満の長さを有する短線ＳＬ（図７（ｄ）参照）と、道路に垂直な垂直線ＶＬ（図７（ｅ）参照）と、に区分する。このとき、長線ＬＬと短線ＳＬとを分けるための閾値である「８．５メートル」とは、道路構造令における高速道路の車線境界線（破線）の長さが８メートルとされていることから、それよりも少し長い閾値を設けたものである。そして、これら外側線ＯＬ、長線ＬＬ、短線ＳＬ及び垂直線ＶＬを骨格ライン化されたデータ上で見ると、例えば交差点ＣＲだと当該長線ＬＬ等が図８に例示するように分布していることになる。そして当該交差点ＣＲ部分を拡大し、オルソ画像データとしての実際の航空写真（図９（ｂ）参照）と比較すると、図９（ａ）に例示するように、構造物ＢＲに相当するライン５０、車線境界線に相当するライン５１、画像データ上の雑音に相当するライン５２、上記分離帯Ｐに相当するライン５３、一時停止線に相当するライン５４、自転車横断帯に相当するライン５５、バス等によるノイズに相当するライン５６、道路標示に相当するライン５７、車線境界線に相当するライン５８及び横断歩道に相当するライン５９等が含まれていることが判る。

次に抽出部１は、骨格ラインに上記ステップＳ９で区分した短線ＳＬとして含まれている各ライン（図１０（ａ）参照）から、平行且つ予め設定された密度以上の密度で等間隔で並んでいる短線ＳＬを、横断歩道を示すライン５９として検出する（ステップＳ１０）。これは、横断歩道を示すライン５９は、実施例に係る車線ネットワークには含まれないからである。

以上のステップＳ１０までの処理を前提として、以下に説明する処理が処理部１０の検出部２等において順次実行されることにより、実施例に係る車線ネットワーク生成処理が行われる。そして当該車線ネットワーク生成処理の結果としては、例えば図１１（ａ）に示す骨格ラインに含まれる各ラインのデータから、図１１（ｂ）に例示するような車線ネットワークＬＮＷが生成される（ステップＳ１１乃至ステップＳ１５）。なお以下の説明では、上記ステップＳ７において設定された車線ネットワーク生成処理の対象となる区間が図９（ａ）に示す破線楕円で囲まれた領域内の、図１２（ａ）に示す破線長方形で示された区間であるとする。

上述したステップＳ１乃至ステップＳ１０が終了したら、次に処理部１０の検出部２は、図１２（ａ）において破線長方形で示されている区間に相当するベクトルデータＶＤ（骨格ラインのデータ）を対象として、実施例に係る垂直ネットワークを用いた車線ネットワークの生成を行う（ステップＳ１１）。このとき検出部２及び生成部３は、上記垂直線ＶＬ及び横断歩道を構成する短線ＳＬ（図１０（ｂ）参照）は、処理の対象外とする。

ここで実施例に係る垂直ネットワークＮとは、図１２（ｂ）に例示するように、相隣接する二つのライン（骨格ラインのデータとしてのライン）Ｌ同士を結ぶ線分であって、その両端に、各ラインＬ上にあるノードＮＤを有する線分である。

ステップＳ１１として先ず初めに検出部２は、例えば図１２（ｃ）に示すように、対象となる区間内にある複数のラインＬＡ等の中から一つの対象ラインＬＸを選び、並行している道路リンクＲＬのリンク方向に垂直な方向に対象ラインＬＸを移動させたとき（図１２（ｃ）ハッチング部分参照）に接触する他のラインＬＡ、ラインＬＣ、ラインＬＤ及びラインＬＥそれぞれとの対象ラインＬＸと間に垂直ネットワークＮを設定する。このとき検出部２は、図１２（ｄ）又は図１２（ｅ）に例示するように、相隣接する二つのラインＬＡ及びラインＬＢを道路リンクＲＬの方向へ平行投影したときに交差する領域（図１２（ｄ）及び図１２（ｅ）におけるハッチング部分参照）の中心位置と各ラインＬＡ及びラインＬＢとの交点をノードＮＤの位置として、垂直ネットワークＮを設定する。なお検出部２は、対象ラインＬＸから見て他のラインＬＣにより遮蔽されているラインＬＦ（図１２（ｃ）参照）については、ベクトルデータＶＤとしてのノイズであるとして、垂直ネットワークＮの設定の対象外とする。そして、図１２（ａ）に破線長方形で示す対象区間に含まれる各ラインＬＡ乃至ラインＬＬについてそれぞれ垂直ネットワークＮを設定すると、図１３（ａ）に例示する垂直ネットワークＮ１乃至垂直ネットワークＮ１３が設定される。

次に検出部２は、相隣接するラインＬ自体の実際の長さから、各ラインＬが車線境界線に対応している状態（即ち車線境界線らしさ）を示すパラメータの一つである「ラインスコア」を、ラインＬごとに算出する。より具体的に検出部２は、各ラインＬについて、垂直ネットワークＮにノードＮＤを介して接続する二つのラインＬにおいて、±０．５メートルの範囲でそれぞれの長さが近い値である場合、それぞれのラインＬのラインスコアを１点加算する。この長さによる各ラインＬのラインスコアについては、同じ長さのラインＬが相隣接しているほど（即ち、当該二つのラインＬにおける車線境界線らしさが高いほど）高いスコアとなる。例えば図１３（ｂ）に示すラインＬＡとラインＬＢとに着目した場合、実際の長さが順に１．５メートルと１．０メートルであったとすると、これらラインＬＡとラインＬＢについて、それぞれラインスコアが１点加算される。また同様に、図１３（ｃ）に示すラインＬＢとラインＬＣとに着目した場合、実際の長さが順に１．０メートルと０．８メートルであったとすると、これらラインＬＢとラインＬＣについても、それぞれラインスコアが１点加算される。これらの結果、ラインＬＡについてはラインスコアが１点加算され、ラインＬＢについてはラインスコアが合計２点加算され、ラインＬＣについてはラインスコアが１点加算される。なお、各ラインＬそれぞれの長さによるラインスコアの値を、以下適宜「条件１」と称する。

次に検出部２は、相隣接するラインＬの間隔（幅員）からも、各ラインＬの車線境界線らしさを算出する。より具体的に検出部２は、図１４（ａ）に示す道路構造令第５条第４項に規定されている車線の幅員に基づいて定義された図１４（ｂ）に示す幅員クラスＷを用いて、各ラインＬの車線境界線らしさを算出する。なお図１４（ｂ）に例示する場合は、±１０パーセントの余裕を持たせて各幅員クラスＷの定義が規定されている。また図１４にそれぞれ記載されているデータは、例えば記録部１４に予め記録されているものを用いればよい。そして検出部２は、複数の垂直ネットワークＮに接続しているラインＬのそれぞれについて、幅員クラスＷ０と幅員クラスＷ９に該当するもの以外の垂直ネットワークＮの数を「ｎ」とし、同じ幅員クラスに属する垂直ネットワークＮの最大数をｍ（ｍ＞１）としたとき、「ｍ／ｎ」の値をラインスコアに加算する。この幅員スコアＷによる各ラインＬのラインスコアについては、同じ幅員クラスに属するラインＬが相隣接しているほど（即ち、当該二つのラインＬにおける車線境界線らしさが高いほど）高いスコアとなる。例えば図１３（ｄ）に示すラインＬＸに着目した場合、ラインＬＡに対する幅員スコアＷとラインＬＢに対する幅員スコアＷとが異なっており、有効な垂直ネットワークＮが二つであるので、幅員クラスＷによるラインスコアは０／２＝０．０が加算される。また、例えば図１３（ｅ）に示すラインＬＸに着目した場合、ラインＬＡに対する幅員スコアＷとラインＬＢに対する幅員スコアＷとが同じであり、有効な垂直ネットワークＮが二つであるので、幅員クラスＷによるラインスコアは２／２＝１．０が加算される。更に、例えば図１３（ｆ）に示すラインＬＸに着目した場合、三種類の幅員スコアＷが対応するが、幅員スコアＷ２の垂直ネットワークＮが三つで数が最も多く、有効な垂直ネットワークＮが（幅員スコアＷ０の垂直ネットワークＮを除いた）四つであるので、幅員クラスＷによるラインスコアは３／４＝０．７５が加算される。なお、各ラインＬそれぞれの幅員クラスＷによるラインスコアの値を、以下適宜「条件２」と称する。

そして検出部２は、上記条件１及び上記条件２によるラインスコアをラインＬごとに加算し、ラインスコアを集計する。このとき、図１３（ａ）及び図１５（ａ）に例示する各ラインＬＡ乃至ラインＬＬの場合、それぞれの集計結果は図１５（ｂ）に示すものとなる。

次に検出部２は、各ラインＬ間の幅員について、当該幅員らしさをしめすパラメータである垂直ネットワークスコアを各垂直ネットワークＮについて算出する。より具体的に当該垂直ネットワークスコアは、図１４（ｂ）に示す幅員スコアと上記集計された（図１５（ｂ）参照）ラインスコアを加算して垂直ネットワークＮごとに垂直ネットワークスコアを算出する。このとき、当該垂直ネットワークスコアが負数となる垂直ネットワークＮ（図１６に例示する場合は、垂直ネットワークＮ１、垂直ネットワークＮ６及び垂直ネットワークＮ７）は、以後の車線ネットワーク生成処理には用いられない。これにより、真に車線に対応している垂直ネットワークＮのみを車線ネットワーク生成処理の対象とすることができる。より具体的に例えば、図１６（ａ）に例示するラインＬＡ乃至ラインＬＬ及び垂直ネットワークＮ１乃至垂直ネットワークＮ１３において、ラインＬＤとラインＬＥを接続する垂直ネットワークＮ３に着目すると、幅員クラスＷ１でありラインＬＤのラインスコアが「２」でラインＬＥのラインスコアが「３」であるので、当該垂直ネットワークＮ３の垂直ネットワークスコアは「７」となる。以下同様にして、各垂直ネットワークＮについて算出された垂直ネットワークスコアが図１６（ｂ）に例示されている。

次に処理部１０の生成部３は、これまで検討してきた垂直ネットワークＮにおいて互いに接続されている垂直ネットワークＮを一つのグループとしてグループ化する。即ち図１７（ａ）に例示するグループＧ１乃至グループＧ３を形成する。これら各グループにおいては、それぞれの両端の垂直ネットワークＮ２、垂直ネットワークＮ５、垂直ネットワークＮ１０、垂直ネットワークＮ１１及び垂直ネットワークＮ１３が、道路における外側線ＯＬに対応するラインＬＡ、ラインＬＢ、ラインＬＣ及びラインＬＬにそれぞれ接続しており、更に垂直ネットワークスコアが負数であった垂直ネットワークＮ７を経由して垂直ネットワークＮ８がラインＬＢに接続している。そして各グループＧ１乃至グループＧ３にそれぞれ含まれている各垂直ネットワークＮは図１７（ａ）に例示するように道路を横断しており、当該各垂直ネットワークＮの数は、車線数そのものとなる。

次に生成部３は、上記各グループＧ１乃至グループＧ３に含まれる垂直ネットワークＮを用いて、各グループＧ１乃至グループＧ３を接続する車線に相当するレーンラインを算出する。より具体的に生成部３は、図１７（ｂ）及び図１７（ｃ）に例示するように、対象となる垂直ネットワークＮＸを一つ定め、その中心から隣接するグループＧに含まれる全ての垂直ネットワークＮへの方向を算出し、平行する道路リンクＲＬのリンク方向に最も近い当該方向を、その垂直ネットワークＮＸを始点とするレーンラインＬＬ（即ち一本の車線）とする。なお図１７（ｂ）及び図１７（ｃ）に例示する場合は、破線で示されている方向はレーンラインとしては採用されない。

以上の図１２乃至図１７を用いて説明した一連の処理により、実施例に係るレーンラインＬＬＡ乃至レーンラインＬＬＧが図１７（ｄ）に例示するように算出され、これらにより、実施例に係る車線ネットワークが生成される（ステップＳ１１）。

次に生成部３は、各ラインＬ及び各垂直ネットワークＮについて、上記車線境界線らしさ及び上記幅員らしさの総合評価に当たるレーンスコアを算出する。より具体的に図１８（ａ）に例示する場合において、各レーンラインＬＬＡ乃至レーンラインＬＬＧのそれぞれにつき、接続する垂直ネットワークＮの垂直ネットワークスコアの合計値を「Ｓ」とし、各車線に含まれるレーンラインＬＬの数を「ＬＬ」とし、各車線に含まれる垂直ネットワークＮの数を「ＬＮ」とし、各車線に含まれる同一の幅員クラスの最大数を「Ｗ」とし、上記レーンスコアを（Ｓ／ＬＬ）×（Ｗ／ＬＮ）として算出する。例えば、図１８（ａ）に例示するレーンラインＬＬＡ乃至レーンラインＬＬＣからなる車線のレーンスコアは、
｛（４＋７＋６＋６）／３｝×（４／４）＝７．６
となり、図１８（ａ）に例示するレーンラインＬＬＤ及びレーンラインＬＬＥからなる車線のレーンスコアは、
｛（７＋７＋７）／２｝×（３／３）＝１０．５
となり、図１８（ａ）に例示するレーンラインＬＬＦ及びレーンラインＬＬＧからなる車線のレーンスコアは、
｛（５＋５＋５）／２｝×（３／３）＝７．５
となる。なお生成部３は、図１８（ｂ）に示すように、上記ステップＳ３で抽出していた道路標示の位置ＲＰに基づき、道路標示の中心付近を通る車線ほど正しいであろうとの仮定のもと、道路標示スコアを算出してこれを上記レーンスコアに加算してもよい。即ち、道路標示の検出位置を中心とした半径５０センチメートル程度の円を道路標示円として仮定し、道路標示円とレーンラインＬＬとが交差又は接触している場合には、レーンラインＬＬと道路標示円の中心との最短距離が短いほど、道路標示スコアを高くしてレーンスコアに加算するのが好ましい。

次に生成部３は、ステップＳ１１までで生成されたレーンラインＬＬをそれぞれに含む車線について、元のオルソ画像データの段階で車線境界線が擦れる又は消失している等の理由により、例えば、その車線が含まれている道路の幅より狭く、且つ幅員クラスＷ７以上（例えば二車線分）の広い幅員があるか否かを判定する（ステップＳ１２）。

ステップＳ１２の判定において、当該広い幅員がない場合（ステップＳ１２：ＮＯ）、生成部３は後述するステップＳ１３に移行する。一方ステップＳ１２の判定において、上記のような広い幅員があった場合（ステップＳ１２：ＹＥＳ）、生成部３は次に、当該幅員に対応した仮想のライン（線分）を骨格ラインのベクトルデータＶＤに追加し、当該追加後のベクトルデータＶＤを用いて、上記ステップＳ１１と同様の車線ネットワーク生成処理（第２パターンの車線ネットワーク生成処理）を行う（ステップＳ１４）。

ここで、上述したような車線境界線の擦れ等が生じている場合、例えば図１９（ａ）に破線楕円で例示するように、対応するオルソ画像データにも対応するラインが表れないことになる。そしてこのようなオルソ画像データから抽出部１により上記ラインＬを抽出すると、その結果としては図１９（ｂ）に例示するようなラインＬＡ乃至ラインＬＩが抽出される。そしてこれらに対してステップＳ１１と同様の垂直ネットワークＮの設定を生成部３により行うと、結果としては図１９（ｃ）に例示する垂直ネットワークＮ１乃至垂直ネットワークＮ１４が設定される。このとき、これら垂直ネットワークＮ１乃至垂直ネットワークＮ１４についての幅員クラス及び幅員スコアは、それぞれ図１９（ｄ）に示すようになる（図１４も合わせて参照）。次に、図１９（ｃ）に例示する各ラインＬ及び各垂直ネットワークＮに対してステップＳ１１と同様のグループ化を生成部３により行うと、結果として図２０（ａ）に示すグループＧ１乃至グループＧ４が形成される。そして、当該グループ化の結果に対してステップＳ１１と同様のレーンラインＬＬの算出を行うと、結果としては図２０（ｂ）に例示するレーンラインＬＬＡ乃至レーンラインＬＬＧが算出される。

そこで上記ステップＳ１４では、図２０（ａ）の状態で幅員が広い垂直ネットワークＮ２、垂直ネットワークＮ３及び垂直ネットワークＮ５のそれぞれを、仮に長さ方向に二等分し、元の垂直ネットワークＮ２を垂直ネットワークＮ２−１と垂直ネットワークＮ２−２に分け、元の垂直ネットワークＮ３を垂直ネットワークＮ３−１と垂直ネットワークＮ３−２に分け、更に元の垂直ネットワークＮ５を垂直ネットワークＮ５−１と垂直ネットワークＮ５−２に分ける（図１４（ｂ）における「組み換え」欄参照）。そして図２０（ｃ）に例示するように、垂直ネットワークＮ２、垂直ネットワークＮ３及び垂直ネットワークＮ５それぞれの二等分点を通る仮ラインＬＢ’、仮ラインＬＣ’及び仮ラインＬＤ’を設定し、それらを含む各ラインＬ及び各垂直ネットワークＮを用いて改めてレーンラインＬＬを算出する。この場合は、図２０（ｄ）に例示するレーンラインＬＬＡ乃至レーンラインＬＬＩが改めて算出される。そして、これに基づいてステップＳ１１と同様のレーンスコアまでを算出すると、その結果は図２１に例示するものとなる（ステップＳ１４）。

次に生成部３は、上記ステップＳ１２の判定まで、又は上記ステップＳ１４までに生成された車線ネットワークについて、最終的な評価を行い、実施例に係る車線ネットワークとしてインターフェース１１を介して外部に出力するか、又は記録部１４に記録する（ステップＳ１３）。このステップＳ１３として具体的に生成部３は、上記ステップＳ１２の判定において上記広い幅員がない場合（ステップＳ１２：ＮＯ）、上記ステップＳ１１までの処理により生成された車線ネットワークをその区間の車線ネットワークとして出力等し、その後、次の区間についての車線ネットワークの生成を行うべく、上記ステップＳ８に戻る。一方ステップＳ１４を経た場合に生成部３は、ステップＳ１４で生成された上記レーンスコアを比較し、図２２（ａ）に示すように、その値が高い方（図２２（ａ）に例示する場合は、図２０（ｄ）に対応する車線ネットワーク）を出力等し、その後、次の区間についての車線ネットワークの生成を行うべく、上記ステップＳ８に戻る。なお、上記ステップＳ１３の判定に、使用者による目視判定を併用してもよい。

なお上述した実施例においては、広い幅員があった場合は、仮ラインＬＡ’等を生成してこれを補間し、当該補間の有無に応じて算出されたレーンラインＬＬＡ等についてのレーンスコアを比較して最終的な車線ネットワークを出力した。しかしながらこれ以外に、例えば図２２（ｂ）に例示するように、広い幅員がある状態で上記仮ラインＬＡ’等を生成することなく算出したレーンラインＬＬＡ等について、並行する道路リンクＲＬのリンク方向との角度α１乃至角度α４を算出し、これらの合計値を、仮ラインＬＡ’等による補間の有無により比較し、当該角度の合計値が小さい方（即ち、道路リンクＲＬのリンク方向との角度差が小さい方）を車線ネットワークとして出力等するように構成してもよい。

次に、上記ステップＳ８の判定においていずれの区画も選択されない場合（ステップＳ８：ＮＯ）、処理部１０は複数の道路Ｒが交差する交差点ＣＲ内における車線ネットワークを生成する（ステップＳ１５）。このステップＳ１５については後ほど詳述する。その後処理部１０は、例えば車線ネットワーク生成装置ＳＶの電源がオフとされる等の理由により、実施例に係る車線ネットワーク生成処理を終了するか否かを判定する（ステップＳ１６）。ステップＳ１６の判定において当該車線ネットワーク生成処理を終了する場合（ステップＳ１６：ＹＥＳ）、処理部１０はそのまま当該車線ネットワーク生成処理を終了する。一方ステップＳ１６の判定において当該車線ネットワーク生成処理を継続する場合（ステップＳ１６：ＮＯ）、処理部１０は上記ステップＳ１に戻って上述してきた一連の処理を繰り返す。

次に、上記ステップＳ１５における交差点内の車線ネットワーク生成処理について、具体的に説明する。当該車線ネットワーク生成処理としては、具体的には以下の四通りの方法が考えられる。

（Ｉ）道路リンクＲＬにおける接続関係を参照する方法
即ち処理部１０は、第１の方法として、図２３に例示する交差点ＣＲに接続される車線ネットワークのグループがグループＧ１乃至グループＧ４まであったとする。このとき、当該交差点ＣＲに接続する道路についての道路リンクＲＬがある場合は、グループＧ同士の大まかな接続関係（各グループＧ間の繋がり）を決定する。より具体的に例えば、図２３に例示するグループＧ１乃至グループＧ４が「交差点ＣＲで十字路を構成している」と決定する。また例えば、グループＧ１に含まれるレーンラインＬＬとグループＧ２に含まれるレーンラインＬＬとが交差点ＣＲで接続されており、それに対する立体交差又は地下道としてグループＧ３に含まれるレーンラインＬＬとグループＧ４に含まれるレーンラインＬＬとが接続されていると決定する。

（II）レーンラインにおける上り／下りの属性を利用する方法
即ち処理部１０は、図２３に例示する場合における第２の方法として、交差点ＣＲに接続する道路についての道路リンクＲＬがある場合は、当該道路リンクＲＬにおける二条道路（図６（ｂ）参照）における上り属性及び下り属性をレーンラインＬＬに転写し、上り車線同士及び下り車線同士が接続可能であると決定する。なお第２の方法としては、道路リンクＲＬを利用する以外の方法でレーンラインＬＬの上り属性及び下り属性が設定されている場合は、それに基づいて、上り車線同士及び下り車線同士が接続可能であると決定してもよい。

（III）道路標示を利用する方法
即ち処理部１０は、図２３に例示する場合における第３の方法として、交差点ＣＲに接続する道路についての道路リンクＲＬがある場合に、その道路リンクＲＬを参照して決定したグループＧ間の接続状態と、各レーンラインＬＬにおける上り属性又は下り属性と、道路標示としての方向標示（矢印マーク）で示される方向と、に基づいて、交差点ＣＲ内で接続可能なレーンラインＬＬを推測する。より具体的に例えば、図２３に例示するグループＧ２の一番左の車線に直進・左折を示す矢印標示がある場合は、グループＧ２の一番左のレーンラインＬＬがグループＧ１とグループＧ３に接続すると決定する。この場合は、結果的に一つのグループＧから複数のグループＧへの接続についての決定ができることになる。

（IV）プローブ情報の利用
即ち処理部１０は、図２３に例示する場合における第４の方法として、交差点ＣＲを通過する車両等の軌跡をいわゆるプローブ情報の収集により決定し、その中から規則性を検出して（又は、各軌跡を代表する軌跡を求めて）、各グループＧの接続関係の決定に用いる。この場合は、交差点ＣＲ内におけるより現実に近い車線（曲線の走行ライン）及びその形状を決定することができる。

以上それぞれ説明したように、実施例に係る車線ネットワーク生成処理によれば、車線を含む道路Ｒを撮像した実画像に対応するオルソ画像データから、当該実画像に映ったラインＬを抽出し、道路Ｒが延びる方向に対応した既定の方向（即ち垂直な方向）におけるラインＬの連続性を垂直ネットワークＮとして検出し、その連続性に基づいて車線ネットワークを生成する。よって、車線ネットワークを、オルソ画像データに基づいて自動的に生成することができる。

また、ラインＬと交差する方向の垂直ネットワークＮを用いるので、その道路Ｒに含まれる車線を正確に示す車線ネットワークを自動的に生成することができる。

更に、垂直ネットワークＮを生成し、それに基づいて車線ネットワークを生成するので、より正確に車線を示す車線ネットワークを自動的に生成することができる。

更にまた、道路Ｒが延びる方向のラインＬの長さと、並行するラインＬ同士の間隔と、に基づき、車線境界線としてのラインＬの連続性を検出するので（上記「条件１」及び「条件２参照」）、更に正確に車線を示す車線ネットワークを自動的に生成することができる。

また、道路リンクＲＬを参照して車線ネットワークを生成するので、より正確に車線を示す車線ネットワークを自動的に生成することができる。

なお、上述した実施例の他に実施例に係る車線ネットワーク生成処理に用い得る技術としては、例えば以下の技術が挙げられる。
・曲線補間や走行画像等に基づいて生成した仮想軌跡を利用して、交差点ＣＲ内や遮蔽部（高架下やトンネル等）内の車線ネットワークを生成することができる。
・いわゆるリアルタイム評価値変動法を用いることで、複数の車線ネットワークの中から実際の車線の状態に合っているものを残し、その道路に隣接する道路における車線ネットワークについて、当該残った車線ネットワークとの接続関係も考慮し評価値を変動させる。これにより、車線ネットワークの候補としての確度を向上させることができる。
・いわゆる機械学習法を導入する。即ち、複数の車線ネットワークの候補を入力し、使用者の目視による正しい車線ネットワークを決定して出力するか、又はその正しい編集を決定して出力するニューラルネットワーク学習を活用する。この場合、十分に学習されたならば、評価値による候補の優先順位ではなく、ニューラルネットワークの出力結果を最上位の結果としてもよい。

更にまた、図３に示したフローチャートに相当するプログラムを、光ディスク又はハードディスク等の記録媒体に記録しておき、或いはインターネット等のネットワークを介して取得しておき、これを汎用のマイクロコンピュータ等に読み出して実行することにより、当該マイクロコンピュータ等を実施例に係る処理部１０として機能させることも可能である。

１ 抽出手段（抽出部）
２ 検出手段（検出部）
３ 生成手段（生成部）
１０ 処理部
Ｓ 車線情報生成装置
ＳＶ 車線ネットワーク生成装置

Claims (7)

1. 車線を含む道路を撮像した実画像に映った線分を示す線分情報を、当該実画像に対応する実画像情報から抽出する抽出手段と、
   前記抽出された線分情報に基づいて、前記道路が延びる方向に対応して予め設定された方向における前記線分の連続性を検出する検出手段と、
   前記検出された連続性に基づいて、前記車線を示す車線情報を生成する生成手段と、
   を備えることを特徴とする車線情報生成装置。
2. 請求項１に記載の車線情報生成装置において、
   前記予め設定された方向は、前記道路が延びる前記方向に交差する方向であることを特徴とする車線情報生成装置。
3. 請求項１又は請求項２に記載の車線情報生成装置において、
   前記検出手段は、前記予め設定された方向に並んだ前記線分同士を接続した接続線に対応し且つ前記連続性を示す接続情報を、前記抽出された線分情報に基づいて生成し、
   前記生成手段は、前記生成された接続情報に基づいて前記車線情報を生成することを特徴とする車線情報生成装置。
4. 請求項３に記載の車線情報生成装置において、
   前記道路が延びる方向の前記線分の長さと、並行する前記線分同士の当該並行における間隔と、を検出する長さ／間隔検出手段を更に備え、
   前記検出手段は、前記検出された長さ及び間隔に基づいて、車線境界線としての前記線分の連続性を検出することを特徴とする車線情報生成装置。
5. 請求項３又は請求項４に記載の車線情報生成装置において、
   前記生成手段は、前記道路が延びる方向に並ぶ前記接続線をそれぞれ示す複数の前記接続情報と、当該道路が延びる方向を示す道路情報と、に基づいて前記車線情報を生成することを特徴とする車線情報生成装置。
6. 道路に含まれる車線を示す車線情報を生成する車線情報生成装置において実行される車線情報生成方法であって、
   前記道路を撮像した実画像に映った線分を示す線分情報を、当該実画像に対応する実画像情報から抽出する抽出工程と、
   前記抽出された線分情報に基づいて、前記道路が延びる方向に対応して予め設定された方向における前記線分の連続性を検出する検出工程と、
   前記検出された連続性に基づいて前記車線情報を生成する生成工程と、
   を含むことを特徴とする車線情報生成方法。
7. コンピュータを、
   車線を含む道路を撮像した実画像に映った線分を示す線分情報を、当該実画像に対応する実画像情報から抽出する抽出手段、
   前記抽出された線分情報に基づいて、前記道路が延びる方向に対応して予め設定された方向における前記線分の連続性を検出する検出手段、及び、
   前記検出された連続性に基づいて、前記車線を示す車線情報を生成する生成手段、
   として機能させることを特徴とする車線情報生成用プログラム。