PDF用自動車研究テンプレート

Transcription

1 研究活動紹介 JARI Research Journal 全天候型白線識別技術の開発及び実証 - 第 2 報 : 高精度ミリ波レーダを用いたリブ式高輝度白線の検知性能検証 - Development and Verification of a Lane Marker Detection System in All-weather Conditions -Second Report : Verification of the detection of raised profile line markings by millimeter-wave radar- 中村英夫 *1 Hideo NAKAMURA 後呂考亮 *1 Kosuke USHIRO 1. はじめに ヒューマンエラーに起因した交通事故の低減, 移動手段としての利便性向上, 周辺車両との協調制御による渋滞緩和などの大きな期待を受け, 国内外の自動車メーカのみならず, 様々なプレーヤが自動運転の実用化に向けた研究開発を進めている. 自動運転は, 周辺監視の役割を含む運転権限の所在によってレベルが定義されている. NHTSA ( National Highway Traffic Safety Administration ) とSAE ( Society of Automotive Engineers ) のレベル定義 1),2) をTable 1に示す. レベル1,2では, 運転権限をドライバが有しており, 高速道路での定速走行 車間距離制御 (Adaptive Cruise Control), 車線逸脱防止 (Lane Keep Assist System), それら組合せなど既に個社での製品化が進んでいる. 一方, 将来的に想定される自動運転 ( レベル3 以上 ) は, 少なくとも平常時 ( 故障や性能限界などの緊急事象が生じていない状態 ) は運転権限と周辺監視の役割をが有しており, 大きな技術革新と社会ルール整備 ( 法規や保険など ) が必要となる. 自動運転には, 自車位置を推定する機能が必須であり, 例えば, 白線識別により自車と白線標示の相対位置を把握して白線追従制御などを行う. 特に, レベル3 以上の自動運転では, 夜間, 日照影響, 雨, 雪, 霧など自然環境に対する高いロバスト性を有することが基本性能とともに重要であり, 原理的に全天候性に優れるミリ波レーダの白線識別への活用が期待される. 一方, 現在実用化されているレベル1,2の自動運転 ( 運転支援レベル ) では, 白線識別の主流はビジョンセンサ ( 以下, カメラ ) である. しかし, ダイナミクスレンジの狭さに起因して, 明暗差が *1 一般財団法人日本自動車研究所 ITS 研究部 大きい場合 ( 西日や照返しなど ) や, 照度が急変する場合 ( トンネル出入口など ) の識別性能に難があり課題である. これら課題への性能改善 ( ダイナミクスレンジ拡大 ) が近年民間にて行われており, その実力評価と課題把握は, 今後の自動運転研究開発においても必要である. Table 1 自動運転レベル定義 (2016/9 NHTSAはSAE 定義への移行を表明 ) NHTSA レベル SAE レベル SAE 名称 Non- Automated 非自動化 Assisted 支援 Partial 一部自動化 Conditional 条件付自動化 High 高度自動化 Full 完全自動化 操舵 / 加速 / 減速の実行主体 走行環境監視 バックアップ主体 ( 緊急時 ) 能力 ドライバドライバドライバ制約あり ドライバ + ( 加減速 or ドライバドライバ制約あり ドライバドライバ制約あり ドライバ制約あり 制約あり 制約なし ( ドライバ必要なし ) 以上の背景より, ミリ波レーダを活用した全天候型白線識別技術の開発や, ハイダイナミクスレンジカメラ ( 以下,HDRカメラ) の性能評価などを, 内閣府が統括するSIP( 戦略的イノベーション創造プログラム ) における経済産業省からの委託事業 ( 全天候型白線識別技術の開発及び実証 ) として産官学が連携して実施した. 一般財団法人日本自動車研究所 (JARI) は, 中立公平な立場を生かし, 産官学連携の中核として研究事業を推進した. 平成 26 年度事業成果を紹介した第一報 3) を引き継いで, 平成 27 年度事業成果 4),5) を紹介する

2 2. 研究開発方針 2. 1 全天候型白線識別技術 Table 2に示すようにカメラやLIDARに比べて, ミリ波レーダは自然環境に対してロバスト性が高い. ミリ波は, カメラやLIDARが利用する可視光や近赤外線に比べて波長が長いため, 霧や雨や雪など水滴が分散する空中での減衰が比較的小さいことに起因する. ミリ波レーダを用いて白線検知ができれば, 自然環境にロバストな自車位置推定が実現できる. 高精度ミリ波レーダ (79 GHz 帯 UWBミリ波レーダ+アクティブフェイズドアレイなど ) は, 距離分解能, 方位角分解能が高く, 反射物体の形状認識が可能である.Fig. 3に示すように, 車両前端部に高精度ミリ波レーダ方式のセンサを搭載し, 車両斜め前方のリブ式高輝度白線を検知, 斜め前方の白線までの距離 Lと車両進行方向に対する方位角 θより, 車両から白線までの距離 Xを検知する使い方を想定する. X = L sin(θ) (1) Table 2 各種センサの特徴比較 ミリ波レーダ LIDAR カメラ 波長 1~10mm 830~905nm 400~ 780nm 最大検知距離 ( 単眼 ) 距離精度 分解能 基本性能 ( 複眼 ) 方位精度 分解能 色の識別 ( 白黒 ) 雨 霧 耐自然 雪 環境性 西日 薄暮 夜間 照度変化 視認性を向上させる目的でリブ式高輝度白線 (Fig. 1) と呼ばれる凹凸を有する白線が高速道路などで普及している.Fig. 2のようにミリ波は直進性が高いため, 平らな白線では反射信号がレーダに再帰しないが, リブが存在するとリブ側面でミリ波信号が反射して白線を検知可能となる. 入射波 白線 Fig. 1 リブ式高輝度白線 反射波 入射波 反射波 高輝度白線 Fig. 2 各白線の信号反射 ( 左 : フラットな白線, 右 : リブ式高輝度白線 ) 白線 縁石 ガードレール等 Fig. 3 白線識別による自車位置検知 2. 2 ハイダイナミクスレンジカメラの性能評価最新 HDRカメラの白線識別における自然環境ロバスト性を見極めることを目的とする. 従来カメラが苦手とする環境でも,HDR 機能により改善が期待できる夜間降雨時や西日などでHDRカメラを評価した. 国内メーカのご協力を頂き, 最新 HDR 機能付きのカメラ評価キットを借用評価した. 自動運転研究開発の一助とするために, 実力と課題の把握に努めた. 3. 主な研究内容 3. 1 ミリ波レーダの反射特性評価 1) リブ識別性能評価 ( 代替リブ ) アスファルト路面に等間隔に並べたリブにミリ波レーダ信号を照射してリブの反射強度を評価した. リブは実物と形状が異なる代替品であり, 奥行き20 mm, 幅 200 mm, 高さ10 mmである. 実験環境をFig. 4に示す. リブの有無で反射強度を測定して比較した.3.0 m 先のリブへ向けて信号を照射したが, これはFig. 5のように, 車線幅が 3.5 m, 車幅が1.6 mの環境において, 車両が車線内にある時にリブへの入射角が0~40 となる距離である. 変調方式はFMCW, 基本周波数は79 GHz, 帯域幅は2 GHz, 変調周期は5 msとした. リブ反射の利得を向上させるため, 複数回取得し - 2 -

3 たデータを平均化する積分処理を実施した. 評価 結果を Fig. 6 に示す. 距離 3.0 m に存在するリブと 路面クラッタ ( ノイズ要因となる不要な反射波 ), の反射強度の差分が約 20 db となりリブ反射を検 出していることが確認できた. 反射断面積 ( 以下,RCS) を算出した. なお, ミリ波レーダの仕様は前述の実験と同じである. レーダ [mm] 250 [mm] 300 [mm] リブ Fig. 7 評価した一般的なリブ式高輝度白線 10 [mm] Fig. 4 実験環境 3.5 [m] 3.5 [m] 3.0 [m] 0 [ ] 40 [ ] Fig. 8 実験環境 1.6 [m] 1.6 [m] Fig. 5 リブ式高輝度白線識別のユースケース 反射強度 [db] リブ有りリブ無し リブの反射 距離 [m] Fig. 6 リブと路面クラッタの反射強度 2) 入射角依存性評価 ( 実物リブ ) 現在, 日本の一部の高速道路や幹線道路において採用実績のあるリブ式高輝度白線を対象に評価した.Fig. 7 に示すように, 奥行き 50 mm, 幅 80 mm, 高さ 6 mm のリブが 2 個並んでいる. 本稿ではこのように二つの凸から成るリブを Twin Rib( 実物 ) と呼ぶ. 前項で評価した Single Rib ( 代替品 ) と比べて奥行きが長く高さも低い.Fig. 8 に実験環境図を示す. 高輝度白線の周りを角度 0~180 の範囲で 5 づつ移動させ, レーダから 3.0 m 先に存在するリブの反射強度を測定した. 10 dbsm のコーナーリフレクタの反射を基準として, リブの反射を比較することでリブのレーダ Fig. 9 に Twin Rib の反射特性を示す. 横軸は Fig. 8 左図に示す角度, 縦軸は RCS を示す. レーダの設置高を 3 仕様として各計測値をプロットした.RCS のパターンが非対称であることが確認できる. これは Fig. 7 に示すように, 高輝度白線施工機の施工方向によりリブの形状が異なるためである. 施工機は流動性材料を流し出す開口部をシャッタで調節することでリブ式高輝度白線をアスファルト路面上に敷設する. また 0~40 程度までは RCS が高い事も分かる. これは Twin Rib の奥行きが 50 mm であり, 角度が変化した場合でも照射面積が急激に低下せず, 反射波が返ったためと考えられる. さらに Twin Rib の側面は僅かに湾曲しているので, この湾曲部で信号が反射して斜め方向からの信号が強く返ったと考えられる. 以上より,Twin Rib は広い入射角でミリ波信号を反射することができるので白線検知に有用である. Fig. 9 高輝度白線 RCS の入射角依存性 - 3 -

4 3) 積雪減衰特性評価 ( 代替リブ ) 積雪量を変化させた場合のリブの反射強度を取 得し, シミュレーション予測結果と比較を行うことで, ミリ波レーダにおける積雪減衰量を明らかにした. 但し, 通常の材質のリブでは積雪による減衰により信号が再帰しない恐れがあるため, 金属製の代替リブ ( 四角錐台 ) を用いて積雪減衰量を測定した. 実験環境をFig. 10に示す. ミリ波レーダの仕様は, 前述の実験と同じである. Fig. 11に評価結果を示す. 実線は実環境における評価結果を表し, 破線は雪の密度毎のシミュレーション結果を表す. 横軸は積雪量, 縦軸は減衰量を表す. 積雪量が増加するにつれて減衰量が増加している. 実環境における評価結果はシミュレーション結果と異なり, 線形増加とはならなかった. これは, 金属リブ上に人工的に積雪させた際, 雪が固まり積雪の密度が不均一に分布したためと考えられる. そのため, 積雪 3 cmまでは雪の密度が0.76 g/cm 3 程度となり, 積雪 3~10 cmでは雪の密度が0.08 g/cm 3 程度となったと考えられる. 一般的に新雪の表層の雪の密度は0.1 g/cm 3 程度である. そのため, 雪の降り始めの数 cmの積雪であれば, ミリ波帯の電波の減衰は小さく, 悪天候時にも白線検知が可能であると考えられる. 4) 積雪反射特性評価 ( 実物リブ ) 実際に使用される施工機を用いて,5 列のTwin Rib 白線を敷設した排水ブロック (30 cm 30 cm 5 cm,fig. 12) を電波暗室内に10 個 10 個ほど敷詰め, ミリ波レーダを照射して積雪時の受信特性を計測した. 周波数帯域は77.5~80.5 GHz, 帯域幅は3 GHzに設定した. 雪の密度は0.3~0.4 g/cm 3 と比較的水分量が多い雪質であった. 測定結果をFig. 13に示す. 積雪の有無で比較すると,1 番目,4 番目,5 番目のリブからの反射波ピークの位置は, 積雪の有無に関わらず殆ど差異がなくリブを正確に捉えている. しかし,2 番目, 3 番目のリブからの反射波レベルは積雪の有無に関わらず低い. これはアンテナとリブの幾何学的配置の影響と考えられる.1 番目のリブからの反射波ピークの位置が少しずれているのは積雪表面からのクラッタ, つまり雪表面のラフネスの影響と思われる. 車両走行中は, 等間隔に配置されたリブからの反射波を周期的に受信できる. 従って, 時間空間的な信号処理により, 数 cm 程度の積雪, 降雪直後の雪質ならば, リブ式高輝度白線の相対位置を十分把握できると思われる. [ 上面図 ] 現在 高速道に敷設されるリブと同じ形状 ( 但し継ぎ目あり ) 2 個リブ白線 (5 列 ) 金属リブ 積雪 [ 側面図 ] レーダ 500 [mm] 3000 [mm] 9.6 金属リブ 積雪 高速道と同じ排水性アスファルト道路 排水性ブロック ミリ波レーダ装置 レーダ 6 [mm] Fig. 12 実験環境 ( 実物リブ ) Fig. 10 実験環境 減衰量 [db] 実測シミュレーション (0.08 [g/cm3]) シミュレーション (0.43 [g/cm3]) シミュレーション (0.76 [g/cm3]) 受信電力 [db] リブ 雪なし 雪 3cm 積雪量 [cm] 距離 [m] Fig. 11 積雪減衰量評価 ( 実験値とSim 予測値の比較 ) Fig. 13 積雪時の 79GHz 帯ミリ波受信信号特性 - 4 -

5 5) 積雪反射特性の時間推移評価 ( 代替リブ ) 降雪時間と共に下部は圧雪され雪質も変わって いく. 白線のある高速道路上で自動走行中に雪が積もり始め, が性能限界を迎えるシナリオを想定すると, 白線検知に用いるミリ波レーダの性能限界はより高い方が望ましい. 屋外で降雪機を使って雪を降らせ, 受信信号が降雪時間と共にどのように推移していくのか代替リブ (Single Rib) で評価した. 同データの3D 表示をFig. 14,2D 表示をFig. 15に示す.200 秒後の積雪の深さは約 3cmであった. Fig. 14 において, 降り始めは降雪の密度が低い ( 水分量が少ない ) ためリブからの反射波の変化が少ないが, リブが見えなくなり始めた約 120 秒後からリブからの反射波の減衰が大きくなっていることが分かる.Fig. 15 において, リブの位置での信号は 90 秒後以降大きく減衰している. 一方, 90 秒以降に見られる信号の位置はリブの位置と一致しておらず, 積雪表面からのクラッタ, つまり雪表面のラフネス ( 凹凸 ) の影響と思われる. したがって, 積雪後に時間が経過した環境下での白線検知には課題も残されている ハイダイナミクスレンジカメラの性能評価ダイナミクスレンジとは, カメラの撮像素子に入る光のうち, 最も明るい部分と最も暗い部分の差のことである. この明度差を広くする加工技術がハイダイナミクスレンジ合成 (HDR) と呼ばれるものである. 一般に明るい部分の多い写真では, 白飛びという現象が発生し, 暗い部分が多い写真では, 黒つぶれという現象が起きる. このような現象を低減するために, 露光の違う映像を合成することでハイダイナミクスレンジ合成ができる. 国内メーカのご協力により借用した最新 HDR 機能付きのカメラ評価キット (HD 及びFull HD の二種 ) を使った評価結果を以下に紹介する. なお, 今回は厳密な調整をしない状態で撮像検証した. まず HDR 機能の画像差を Fig. 16 に示す. 左が HDR 無しで, 右が HDR 有りでの画像である. HDR 機能がある場合には, 街灯の影響で明度差が大きなシーンにおいても, 白飛びが抑えられ, 道路の白線を明瞭にとらえることができている. Fig. 16 HDR 機能の有無による画像差 ( 左 :HDR 機能無 右 :HDR 機能有 ) Fig. 14 降雪時間に対する反射信号の推移 (3D 表示 ) Fig. 15 降雪時間に対する反射信号の推移 (2D 表示 ) 西日やトンネルの出口などでは, 同じように白飛びや黒つぶれの現象が抑制されることで, 路面の白線を従来よりも遠くの距離まで鮮明に識別することができる画像が他にも得られている. 借用カメラ評価キットでは,10 万ルクスの光を受けた状態でも撮像が可能とのことで, 実際,2 万ルクス以上の西日でも, 白飛びが抑えられ, 全体に明るさが均一的になり, 路面も遠方まで識別可能な映像が撮影できた. このように, 従来のカメラに HDR 機能が付くことにより, 対応可能な状況や環境状態が拡大する. しかし,HDR 機能や自動露光機能も完全に万能ではなく, 夜間の降雨時など, 路面に若干の水幕ができるような場面では, 白線部分の明度差が減少してしまうため, 白線認識は困難となる状況が - 5 -

6 あった. これは肉眼でも認識しにくい状況であり, 画像処理で白線識別を強化することでの対応が必要な場面といえる. 同じ夜間の降雨時で対向車や看板の照明が路面に反射する場合, 中央線等の認識が困難となる状況もあった. これはFig. 17に示すような状況である. また,Fig. 18に示すようにフロントガラスを通した西日の拡散光と影では HDR 機能でも限界が見られた. 4. まとめ 4. 1 ミリ波レーダを用いたリブ式白線識別技術等間隔に敷設された凹凸構造を有するリブ式高輝度白線は, 高速道路などの一部に既に敷設されている. 高精度ミリ波レーダ (79 GHz 帯 UWB) を用いて, リブ式高輝度白線との相対位置を精度良く把握できることを原理確認した. さらに, 雪の降り始めを想定した数 cm 程度の積雪であれば, 良天候下と同様にリブ式高輝度白線の識別が可能であることを検証した. 悪天候下でもロバストな自車位置推定が実現可能と思われる. Fig. 17 夜間小雨時の路面反射 4. 2 ハイダイナミクスレンジカメラ性能評価 HDR 機能を搭載したカメラを用いることで, 従来のカメラでは白線識別や遠方までの識別が困難であった環境条件において, 白飛びや黒つぶれを抑制することができ, 対応環境を拡大することができることが分かった. しかし, 対応できる環境条件は広がるものの, 撮像物に水幕ができ反射現象が起きるような場合は, ダイナミクスレンジの拡大で対応できる問題ではないため, カメラでの識別が困難な状況は残る. 参考文献 1) National Highway Traffic Safety Administration Fig. 18 フロントガラスを通した西日の拡散光と影 Table 3 に, 白線識別における従来カメラと HDR 機能カメラの性能比較を示す. かなり適合環境は広がっているが, で示すような場合もある. Table 3 各種センサの特徴比較 自然環境従来カメラ ( 中距離 <40m) HDR 機能カメラ ( 中距離 <40m) 通常環境 : 降雨量によって悪化 : 降雨量によって悪化雨 ( 路面水幕下は困難 ) ( 路面水幕下は困難 ) 霧 : 視程距離により悪化 : 視程距離により悪化 雪 夜間 : 照度により悪化 : 照明距離に依存 西日 : ダイナミックレンジ不足 : 拡散光は 照度変化 ( トンネル出口等 ) : ダイナミックレンジ不足 : 高速時は (NHTSA, US) : Preliminary Statement of Policy Concerning Automated Vehicles (2013) 2) Society of Automotive Engineers (SAE) International : Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems,J3016 (2014) 3) JARI Resarch Journal, 研究活動紹介 全天候型白線識別技術の開発及び実証 (2015,10) 4) 平成 27 年度戦略的イノベーション創造プログラム ( 自動走行 ): 全天候型白線識別技術の開発及び実証事業報告書, 一般財団法人日本自動車研究所 (2016) 5) Kotaro Ishimoto, Masayuki Kishida, Yuuichi Sugiyama, Hideo Nakamura : Verification of the detection of raised profile line markings by millimeter-wave radar, ITS-WC (2016) - 6 -