JP4446201B2 - 画像認識装置及び画像認識方法 - Google Patents

Description

本発明は、車両に搭載した撮像装置等により取得した車両周辺の画像情報に含まれる対象地物の画像認識処理を行う画像認識装置及び画像認識方法に関する。

これまでに、車両に搭載した撮像装置等により取得した車両周辺の画像情報に含まれる対象地物の画像認識処理を行い、その画像認識結果に基づいて地物の情報を収集する装置が知られている（例えば、下記の特許文献１及び２参照）。これらの特許文献に記載された従来の装置は、いずれも、道路に設置された交通標識や道路交通情報表示板を対象地物とするものである。そして、これらの装置は、車両に搭載された撮像装置により取得した画像情報に含まれる対象地物の画像認識を行い、その認識結果から抽出された標識情報等の地物情報を、位置情報や区間情報と関連付けて地図データベースに記憶する。ここで、対象地物の画像認識処理に際しては、交通標識や道路交通情報表示板等の具体的な種別を、パターンマッチング等により認識する構成とされている。

特開２００６−０３８５５８号公報 特開２００６−２７５６９０号公報

しかし、上記のような従来の装置では、画像情報に含まれる可能性がある交通標識や道路交通情報表示板等の多数の地物種別を対象として、その地物種別を特定する画像認識処理を行うこととしている。そのため、一つの画像情報に対して、多数の地物種別のそれぞれに関して認識アルゴリズムを適用することが必要となり、画像認識処理のための処理負荷が大きくなる。したがって、画像認識処理を高速で行うことが困難になり、或いは高速で画像認識処理を行うことが可能な装置を実現するために製造コストが高くなるという問題が生じる。

一方、画像認識処理のための処理負荷を抑えるためには、画像認識の対象とする地物種別を限定することが考えられる。しかし、自車両の周辺状況等を考慮せずに一律に同じ地物種別の地物を対象として画像認識処理を行うこととすると、自車両の周辺にほとんど存在していない地物種別の地物を対象として画像認識処理を行うような場合も生じ得る。したがって、取得した画像情報に対して効率的に地物の画像認識処理を行うことができず、そのため効率的に地物の情報を収集することが困難であるという問題がある。

本発明は、上記の課題に鑑みてなされたものであり、その目的は、画像認識処理のための処理負荷を抑えることができるとともに、効率的に地物の画像認識処理を行うことが可能な画像認識装置及び画像認識方法を提供することにある。

上記目的を達成するための本発明に係る画像認識装置の特徴構成は、自車両の現在位置を表す自車位置情報を取得する自車位置情報取得手段と、自車両の周辺の画像情報を取得する画像情報取得手段と、前記自車位置情報に基づいて、自車両が走行中の道路についての道路属性情報を取得する道路属性情報取得手段と、前記画像情報に対する画像認識処理の対象とする一又は二以上の地物種別である対象種別を決定する対象種別決定手段と、前記対象種別決定手段により決定された前記対象種別の地物を対象地物とし、前記画像情報に含まれる対象地物の画像認識処理を行う画像認識手段と、を備え、前記対象種別決定手段は、前記道路属性情報取得手段により取得した前記道路属性情報と、画像認識処理に関して予め定められた地物種別毎の認識属性情報とに基づいて、前記対象種別を決定するとともに、前記自車位置情報に基づいて、所定の領域毎に、前記対象種別決定手段により決定された前記対象種別の対象地物の画像認識の成否を管理し、前記対象種別の対象地物の画像認識の成否の情報にも基づいて、前記対象種別を決定する点にある。

この特徴構成によれば、自車両が走行中の道路についての道路属性情報と、画像認識処理に関して予め定められた地物種別毎の認識属性情報とに基づいて、画像認識処理の対象とする対象種別を決定するため、道路属性と認識属性とに応じて画像認識処理の対象として最適な地物種別を対象種別とすることが可能となる。したがって、画像認識処理のための処理負荷を抑えるために画像認識処理の対象とする地物種別を限定した場合であっても、道路属性と認識属性とに応じて画像認識処理に最適な地物種別を対象とし、効率的に地物の画像認識処理を行うことが可能となる。
さらに、この構成によれば、特定の領域における過去の対象地物の画像認識の成否の情報に基づいて、対象種別を決定することができる。したがって、例えば、特定の領域において、ある地物種別の地物の画像認識に所定回数連続で失敗した場合には、当該特定の領域における対象種別を他の地物種別に変更することが可能となる。これにより、画像認識できない地物種別の地物の画像認識を何度も繰り返すことを防止でき、より効率的に地物の画像認識処理を行うことが可能となる。

ここで、前記対象種別決定手段は、前記道路属性情報に示される道路属性に応じた各地物種別の出現頻度と、前記認識属性情報に示される各地物種別の画像認識処理に際しての認識容易性の程度とに基づいて定まる認識頻度に応じて、前記対象種別となり得る全ての地物種別の中で前記認識頻度が上位の一又は二以上の地物種別を、前記対象種別として決定する構成とすると好適である。

この構成によれば、自車両が走行中の道路の道路属性に応じた各地物種別の出現頻度と、各地物種別の画像認識処理に際しての認識容易性の程度とに基づいて、最も画像認識に成功する可能性が高い一又は二以上の地物種別を対象種別とすることができる。したがって、画像認識処理のための処理負荷を抑えるために画像認識処理の対象とする地物種別を限定した場合であっても、単位走行距離あたりの画像認識に成功する対象地物の数を多くすることができ、効率的に地物の画像認識処理を行うことが可能となる。

また、前記道路属性情報は、道路種別情報及び地域種別情報のいずれか一つ以上を含む構成とすると好適である。
ここで、道路種別情報は、例えば、市街道路、細街路、山岳路等のように、道路を複数の種別に区分した際の道路種別の情報である。また、地域種別情報は、例えば、関東地方や関西地方等の地方、都道府県や市区町村等の行政区画等のように、道路が設けられている地域を複数に区分した際の地域種別の情報である。

この構成によれば、自車両が走行中の道路についての道路種別及び地域種別の少なくとも一方に応じて、画像認識処理の対象として最も適した地物種別を対象種別に決定することができる。

また、前記認識属性情報は、地物種別毎の形態、大きさ、色彩、及びかすれの生じ易さのいずれか一つ以上を含む各地物種別に固有の性質に基づいて定めた、画像認識処理に際しての認識率の予想値を表す認識率情報を含む構成とすると好適である。

この構成によれば、各地物種別の画像認識処理に際しての認識容易性の程度を、各地物種別に固有の性質に基づいて定めた画像認識処理に際しての認識率の予想値の情報として取得することができる。したがって、各地物種別の画像認識に成功する割合を比較的容易に求めることが可能となる。

また、前記対象種別決定手段は、各地物種別の地物の道路上での配置傾向を表す地物種別毎の配置傾向情報に基づいて、この配置傾向情報が表す配置傾向が、前記自車位置情報に基づく自車両の道路上での配置に合致する地物種別を優先して、前記対象種別を決定する構成とすると好適である。

この構成によれば、各地物種別の地物の道路上での配置傾向に応じて対象種別となる地物種別が異なるように決定することができる。したがって、自車両が同じ道路属性の道路を走行中の場合であっても、自車両の道路上での配置に応じて、適切に対象種別を変化させることが可能となる。これにより、単位走行距離あたりの画像認識に成功する対象地物の数を更に多くすることができ、より効率的に地物の画像認識処理を行うことが可能となる。

また、前記配置傾向情報は、各地物種別の地物が、交差点を基準として道路の長さ方向に区分された複数の道路区域のいずれに配置されている可能性が高いかを表す区域情報を含む構成とすると好適である。

この構成によれば、地物種別毎に、交差点を基準とする道路の長さ方向のいずれの道路区域に配置されている可能性が高いかを表す区域情報に応じて、道路区域毎に適切な対象種別を決定することができる。これにより、例えば横断歩道、停止線、最高速度標示、矢印標示等のように交差点に対する配置傾向が定まっている地物種別の地物を、その配置傾向に応じて適切に画像認識することが可能となる。したがって、単位走行距離あたりの画像認識に成功する対象地物の数を更に多くすることができ、より効率的に地物の画像認識処理を行うことが可能となる。

また、前記対象種別となり得る地物種別は、道路の路面に設けられた各種の道路標示の中から選択された地物種別である構成とすると好適である。

この構成によれば、道路標識、案内標識、信号機等の立体的な地物と比較して比較的画像認識が容易な道路標示の中から対象種別を選択することになるので、画像認識の成功率を高めることができ、より効率的に地物の画像認識処理を行うことが可能となる。

本発明に係る地物情報収集装置の特徴構成は、上記の各構成を備えた画像認識装置と、前記自車位置情報に基づいて求められる、前記画像認識手段による対象地物の認識位置を表す認識位置情報を、当該対象地物が識別可能な状態で記憶する認識結果記憶手段と、を備える点にある。

この特徴構成によれば、道路属性と認識属性とに応じて決定した最適な対象種別の地物を対象地物として画像認識処理を行い、その画像認識結果に係る対象地物の認識位置情報を認識結果記憶手段に記憶することになる。したがって、画像認識処理のための処理負荷を抑えるために画像認識処理の対象とする地物種別を限定しつつ、効率的に対象地物の画像認識処理を行い、その認識結果を認識結果記憶手段に蓄積することができる。

ここで、同じ対象地物が複数回画像認識されることにより前記認識結果記憶手段に記憶された、同じ対象地物についての複数の前記認識位置情報に基づいて、当該対象地物の推測位置を判定する推測位置判定手段を更に備える構成とすると好適である。

この構成によれば、認識結果記憶手段に記憶された複数の認識位置情報のそれぞれが示す対象地物の認識位置に誤差が含まれる場合であっても、複数の認識位置情報を用いて推測位置を判定することにより誤差を平均化し、対象地物の推測位置を実際の位置により近づけることが可能となる。これにより、対象地物の位置情報を高精度に取得することが可能となる。

また、前記推測位置判定手段により判定された各対象地物の推測位置を表す位置情報を、当該対象地物についての前記画像認識手段による画像認識結果に基づく属性情報と関連付けた地物情報として記憶する地物情報記憶手段を更に備える構成とすると好適である。

この構成によれば、道路属性と認識属性とに応じて決定した最適な対象種別の地物を対象地物とした画像認識処理の結果に基づいて、画像認識された対象地物の地物情報を生成し、地物情報記憶手段に記憶させることができる。したがって、地物情報が予め整備されていない道路を自車両が走行する場合であっても、新たに生成された地物情報を用いて、当該地物情報に示される地物の画像認識処理や、そのような地物の画像認識結果を用いた自車位置情報の補正等を行うことが可能となる。

また、前記認識結果記憶手段は、複数の車両と通信可能に接続され、複数の車両による前記認識位置情報を記憶する構成とすると好適である。

この構成によれば、複数の車両による対象地物の学習結果としての認識位置情報を、複数の車両と通信可能に接続された認識結果記憶手段に記憶することができ、したがって、多くの認識位置情報を認識結果記憶手段に集積することができる。これにより、多くの認識位置情報を用いて更に高精度な位置情報を有する対象地物の地物情報を生成することが可能となる。

本発明に係る画像認識方法の特徴構成は、自車両の現在位置を表す自車位置情報を取得する自車位置情報取得ステップと、自車両の周辺の画像情報を取得する画像情報取得ステップと、前記自車位置情報に基づいて、自車両が走行中の道路についての道路属性情報を取得する道路属性情報取得ステップと、前記画像情報に対する画像認識処理の対象とする一又は二以上の地物種別である対象種別を決定する対象種別決定ステップと、前記対象種別決定ステップにより決定された前記対象種別の地物を対象地物とし、前記画像情報に含まれる対象地物の画像認識処理を行う画像認識ステップと、を備え、前記対象種別決定ステップでは、前記道路属性情報取得ステップにより取得した前記道路属性情報と、画像認識処理に関して予め定められた地物種別毎の認識属性情報とに基づいて、前記対象種別を決定するとともに、前記自車位置情報に基づいて、所定の領域毎に、前記対象種別決定ステップにより決定された前記対象種別の対象地物の画像認識の成否を管理し、前記対象種別の対象地物の画像認識の成否の情報にも基づいて、前記対象種別を決定する点にある。

この特徴構成によれば、自車両が走行中の道路についての道路属性情報と、画像認識処理に関して予め定められた地物種別毎の認識属性情報とに基づいて、画像認識処理の対象とする対象種別を決定するため、道路属性と認識属性とに応じて画像認識処理の対象として最適な地物種別を対象種別とすることが可能となる。したがって、画像認識処理のための処理負荷を抑えるために画像認識処理の対象とする地物種別を限定した場合であっても、道路属性と認識属性とに応じて画像認識処理に最適な地物種別を対象とし、効率的に地物の画像認識処理を行うことが可能となる。
さらに、この構成によれば、特定の領域における過去の対象地物の画像認識の成否の情報に基づいて、対象種別を決定することができる。したがって、例えば、特定の領域において、ある地物種別の地物の画像認識に所定回数連続で失敗した場合には、当該特定の領域における対象種別を他の地物種別に変更することが可能となる。これにより、画像認識できない地物種別の地物の画像認識を何度も繰り返すことを防止でき、より効率的に地物の画像認識処理を行うことが可能となる。

ここで、前記対象種別決定ステップでは、前記道路属性情報に示される道路属性に応じた各地物種別の出現頻度と、前記認識属性情報に示される各地物種別の画像認識処理に際しての認識容易性の程度とに基づいて定まる認識頻度に応じて、前記対象種別となり得る全ての地物種別の中で前記認識頻度が上位の一又は二以上の地物種別を、前記対象種別として決定する構成とすると好適である。

この構成によれば、自車両が走行中の道路の道路属性に応じた各地物種別の出現頻度と、各地物種別の画像認識処理に際しての認識容易性の程度とに基づいて、最も画像認識に成功する可能性が高い一又は二以上の地物種別を対象種別とすることができる。したがって、画像認識処理のための処理負荷を抑えるために画像認識処理の対象とする地物種別を限定した場合であっても、単位走行距離あたりの画像認識に成功する対象地物の数を多くすることができ、効率的に地物の画像認識処理を行うことが可能となる。

また、前記対象種別決定ステップでは、各地物種別の地物の道路上での配置傾向を表す地物種別毎の配置傾向情報に基づいて、この配置傾向情報が表す配置傾向が、前記自車位置情報に基づく自車両の道路上での配置に合致する地物種別を優先して、前記対象種別を決定する構成とすると好適である。

この構成によれば、各地物種別の地物の道路上での配置傾向に応じて対象種別となる地物種別が異なるように決定することができる。したがって、自車両が同じ道路属性の道路を走行中の場合であっても、自車両の道路上での配置に応じて、適切に対象種別を変化させることが可能となる。これにより、単位走行距離あたりの画像認識に成功する対象地物の数を更に多くすることができ、より効率的に地物の画像認識処理を行うことが可能となる。

次に、本発明の実施形態について図面に基づいて説明する。図１は、本実施形態に係るナビゲーション装置１の概略構成を示すブロック図である。このナビゲーション装置１は、本発明の実施形態としての地物情報収集装置２、画像認識装置３、及び自車位置認識装置４を含んで構成されている。このナビゲーション装置１は、所定の地物種別の地物を対象地物とし、画像認識部１８による対象地物の画像認識結果を用いて当該対象地物の位置を学習する。そして、このような対象地物の学習結果を地物データベースＤＢ２に反映させることにより、地物情報Ｆが整備されていなかった道路においても、地物情報Ｆを用いた自車位置情報Ｐの補正を行うことを可能とする。また、このナビゲーション装置１は、地物データベースＤＢ２に記憶されている地物情報Ｆに基づく対象地物の画像認識に失敗した際に、そのことを学習し、それを地物データベースＤＢ２に反映させて地物情報Ｆを修正する。そして、ナビゲーション装置１は、補正された自車位置情報Ｐに基づいて経路案内等のナビゲーション処理を行う。

図１に示すナビゲーション装置１の各機能部、具体的には、画像情報取得部１２、自車位置情報取得部１６、地物情報取得部１７、画像認識部１８、自車位置情報補正部１９、ナビゲーション用演算部２０、認識情報処理部３１、推測位置判定部３４、地物情報管理部３５、道路情報管理部３９、道路属性情報取得部４１、及び対象種別決定部４２は、ＣＰＵ等の演算処理装置を中核部材として、入力されたデータに対して種々の処理を行うための機能部がハードウェア又はソフトウェア（プログラム）或いはその両方により実装されて構成されている。そして、これらの各機能部は、互いに情報の受け渡しを行うことができるように構成されている。また、ナビゲーション装置１の各データベースＤＢ１〜ＤＢ６は、例えば、ハードディスクドライブ、ＤＶＤ−ＲＯＭを備えたＤＶＤドライブ、ＣＤ−ＲＯＭを備えたＣＤドライブ等のように、情報を記憶可能な記録媒体とその駆動手段とを有する装置をハードウェア構成として備えている。以下、本実施形態に係るナビゲーション装置１の各部の構成について詳細に説明する。

１．地図データベース
地図データベースＤＢ１は、所定の区画毎に分けられた地図情報Ｍが記憶されたデータベースである。図２は、地図データベースＤＢ１に記憶されている地図情報Ｍの構成の例を示す図である。この図に示すように、地図情報Ｍは、交差点に対応する多数のノードｎと、各交差点間を結ぶ道路に対応するリンクｋとの接続関係により道路ネットワークを表す道路情報Ｒａを有している。各ノードｎは、緯度及び経度で表現された地図上の位置（座標）の情報を有している。各リンクｋは、ノードｎを介して接続されている。また、各リンクｋは、その属性情報として、道路種別、地域種別、リンク長、道路幅、リンク形状を表現するための形状補間点等の情報を有している。ここで、道路種別情報は、例えば、自動車専用道路、市街道路、細街路、山岳路等のように、道路を複数の種別に区分した際の道路種別の情報である。また、地域種別情報は、例えば、関東地方や関西地方等の地方、都道府県や市区町村等の行政区画等のように、リンクｋに対応する道路が設けられている地域を複数に区分した際の地域種別の情報である。これらのリンクｋの属性情報が、道路属性情報Ｒｂ（図１参照）に相当する。そして、本実施形態においては、この地図データベースＤＢ１が、本発明における道路情報記憶手段及び地図情報記憶手段に相当する。なお、図２においては、一つの区画の道路情報Ｒａのみを図示し、他の区画の道路情報Ｒａは省略して示している。

２．地物データベース
地物データベースＤＢ２は、道路上や道路周辺に設けられた各種の地物の情報、すなわち地物情報Ｆが記憶されたデータベースである。図１に示すように、本実施形態においては、地物データベースＤＢ２には、初期地物情報Ｆａ及び学習地物情報Ｆｂの２種類の情報が記憶される。ここで、初期地物情報Ｆａとは、地物データベースＤＢ２に予め整備されて記憶されている複数の地物についての地物情報Ｆである。このような初期地物情報Ｆａは、道路情報Ｒａを含む地図情報Ｍが整備されている全ての地域の中で、大都市周辺や幹線道路等の一部の地域についてのみ整備されている。一方、学習地物情報Ｆｂとは、後述するように、画像認識部１８による対象地物の画像認識結果を用いて学習した結果として地物データベースＤＢ２に記憶される地物情報Ｆである。なお、以下の説明において、単に「地物情報Ｆ」というときは、これら初期地物情報Ｆａ及び学習地物情報Ｆｂを総称するものとする。本実施形態においては、この地物データベースＤＢ２が、本発明における地物情報記憶手段に相当する。

この地物データベースＤＢ２に地物情報Ｆが記憶される地物には、道路の路面に設けられた道路標示（ペイント標示）が含まれている。図３は、地物データベースＤＢ２に記憶されている道路標示の地物情報Ｆの例を示す図である。このような道路標示に係る地物としては、例えば、横断歩道、停止線、最高速度等を表す速度標示、ゼブラゾーン、道路に沿って車線を分ける区画線（実線、破線、二重線等の各種区画線を含む。）、各車線の進行方向を指定する進行方向別通行区分標示（矢印標示、例えば、直進矢印、右折矢印等を含む）等が含まれる。なお、地物情報Ｆが記憶される地物としては、このような道路標示のほか、信号機、標識、陸橋、トンネル等の各種の地物も含めることができる。

また、地物情報Ｆは、その内容として各地物の位置情報と、それに関連付けられた地物属性情報とを有している。ここで、位置情報は、道路情報Ｒａを構成するリンクｋ又はノードｎ等と関連付けられた各地物の代表点の地図上の位置（座標）、及び各地物の向きの情報を有している。本例では、代表点は、各地物の長さ方向及び幅方向の中央部付近に設定される。また、地物属性情報は、地物種別情報や、地物の形状、大きさ、色彩等の地物形態情報等を含んでいる。ここで、地物種別は、具体的には、「横断歩道」、「停止線」、「速度標示（３０ｋｍ／時）」等のような、基本的に同じ形態を有する地物の種別を表す情報である。また、本実施形態においては、地物情報Ｆは、近接する他の地物との関係を表す関連付情報や、当該他の地物との間の地物間距離を表す地物間距離情報を有している。ここで、関連付情報は、自車両５０（図５等参照）が道路に沿って進行中に、一つの地物を画像認識することにより、前方に存在する他の地物を予測できるようにするための情報である。また、地物間距離情報は、そのような前方に存在する地物までの自車両５０からの距離を正確に予測するための情報である。

３．学習データベース
学習データベースＤＢ３は、認識位置導出部３２により導出された認識位置情報Ａａ、及び認識失敗処理部３３により導出された認識失敗情報Ａｃを、各認識位置情報Ａａ及び各認識失敗情報Ａｃに対応する対象地物が識別可能な状態で記憶するデータベースである。ここでは、各情報Ａａ、Ａｃに対応する対象地物を識別可能とするために、各情報Ａａ、Ａｃと、それに対応する対象地物の地物属性情報Ａｂとを関連付けて記憶している。この学習データベースＤＢ３に記憶される認識位置情報Ａａ、地物属性情報Ａｂ、及び認識失敗情報Ａｃの具体的な内容については、後で詳細に説明する。本実施形態においては、この学習データベースＤＢ３が、本発明における認識結果記憶手段に相当する。

４．画像情報取得部
画像情報取得部１２は、撮像装置１１により撮像した自車両の周辺の画像情報Ｇを取得する画像情報取得手段として機能する。ここで、撮像装置１１は、撮像素子を備えた車載カメラ等であって、少なくとも自車両５０の周辺の道路の路面を撮像可能な位置に設けられている。このような撮像装置１１としては、例えば、図４に示すような自車両５０の後方の路面を撮像するバックカメラを用いると好適である。画像情報取得部１２は、撮像装置１１により撮像した撮像情報をフレームメモリ（不図示）などを介して所定の時間間隔で取り込む。この際の画像情報Ｇの取り込みの時間間隔は、例えば、１０〜５０ｍｓ程度とすることができる。これにより、画像情報取得部１２は、撮像装置１１により撮像した複数フレームの画像情報Ｇを連続的に取得することができる。ここで取得された画像情報Ｇは、画像認識部１８へ出力される。

５．自車位置情報取得部
自車位置情報取得部１６は、自車両５０の現在位置を示す自車位置情報Ｐを取得する自車位置情報取得手段として機能する。ここでは、自車位置情報取得部１６は、ＧＰＳ受信機１３、方位センサ１４、及び距離センサ１５と接続されている。ここで、ＧＰＳ受信機１３は、ＧＰＳ（Global Positioning System）衛星からのＧＰＳ信号を受信する装置である。このＧＰＳ信号は、通常１秒おきに受信され、自車位置情報取得部１６へ出力される。自車位置情報取得部１６では、ＧＰＳ受信機１３で受信されたＧＰＳ衛星からの信号を解析し、自車両５０の現在位置（緯度及び経度）、進行方位、移動速度等の情報を取得することができる。方位センサ１４は、自車両５０の進行方位又はその進行方位の変化を検出するセンサである。この方位センサ１４は、例えば、ジャイロセンサ、地磁気センサ、ハンドルの回転部に取り付けた光学的な回転センサや回転型の抵抗ボリューム、車輪部に取り付ける角度センサ等により構成される。そして、方位センサ１４は、その検出結果を自車位置情報取得部１６へ出力する。距離センサ１５は、自車両５０の車速や移動距離を検出するセンサである。この距離センサ１５は、例えば、車両のドライブシャフトやホイール等が一定量回転する毎にパルス信号を出力する車速パルスセンサ、自車両５０の加速度を検知するヨー・Ｇセンサ及び検知された加速度を積分する回路等により構成される。そして、距離センサ１５は、その検出結果としての車速及び移動距離の情報を自車位置情報取得部１６へ出力する。

そして、自車位置情報取得部１６は、これらのＧＰＳ受信機１３、方位センサ１４及び距離センサ１５からの出力に基づいて、公知の方法により自車位置を特定する演算を行う。また、自車位置情報取得部１６は、地図データベースＤＢ１から抽出された自車位置周辺の道路情報Ｒａを取得し、それに基づいて公知のマップマッチングを行うことにより自車位置を道路情報Ｒａに示される道路上に合わせる補正も行う。このようにして、自車位置情報取得部１６は、緯度及び経度で表された自車両５０の現在位置の情報、及び自車両５０の進行方位の情報を含む自車位置情報Ｐを取得する。

６．地物情報取得部
地物情報取得部１７は、自車位置情報取得部１６で取得された自車位置情報Ｐ等に基づいて、地物データベースＤＢ２から自車両５０の周辺に存在する地物の地物情報Ｆを抽出して取得する。本実施形態においては、一例として、地物情報取得部１７は、自車位置情報Ｐに基づいて、自車位置情報Ｐに示される自車両５０の現在位置から、当該自車両５０が走行中の道路を表すリンクｋの終端までの間に存在する対象地物の地物情報Ｆを地物データベースＤＢ２から抽出する。そして、この地物情報取得部１７により取得された地物情報Ｆは、画像認識部１８及び自車位置情報補正部１９へ出力される。ここで、地物情報取得部１７により地物データベースＤＢ２から抽出される対象地物の地物情報Ｆには、初期地物情報Ｆａ及び学習地物情報Ｆｂの双方が含まれる。また、対象地物となる地物は、画像認識部５による画像認識処理の対象となる地物である。本実施形態においては、横断歩道、停止線、速度標示等のような、道路の路面に設けられた各種の道路標示の中から選択された地物種別の地物が対象地物となる。

７．画像認識部
画像認識部１８は、画像情報取得部１２で取得された画像情報Ｇに含まれる対象地物の画像認識処理を行う画像認識手段として機能する。本実施形態においては、画像認識部１８は、自車位置情報Ｐの補正に用いるための位置補正用画像認識処理と、対象地物の画像認識結果を学習して地物データベースＤＢ２に反映させるための情報収集用画像認識処理との２種類の画像認識処理を行う。本実施形態においては、画像認識部１８は、地物情報取得部１７により自車位置情報Ｐに基づいて地物データベースＤＢ２から取得された地物情報Ｆを参照する。そして、自車両５０の周辺に地物情報Ｆとして記憶された対象地物が存在すると判定された場合に位置補正用画像認識処理を行い、自車両５０の周辺に地物情報Ｆとして記憶された対象地物が存在しないと判定された場合に情報収集用画像認識処理を行う。これは、後述するように、地物情報Ｆが既に整備された道路上を自車両５０が走行中の場合には、位置補正用画像認識処理による画像認識結果と地物情報Ｆとに基づく自車位置情報Ｐの補正処理や、位置補正用画像認識処理に失敗した場合の地物情報Ｆの修正処理を行い、地物情報Ｆが整備されていない道路上を自車両５０が走行中の場合には、情報収集用画像認識処理により画像認識結果を用いて対象地物の存在する位置を学習する処理を行うためである。なお、本実施形態においては、自車両５０の周辺に地物情報Ｆとして記憶された対象地物が存在するか否かを、自車位置情報Ｐに示される自車両５０の現在位置（自車位置）から、当該自車両５０が走行中の道路を表すリンクｋの終端までの間に地物情報Ｆとして記憶された対象地物が存在するか否かにより判定することとしている。

そして、位置補正用画像認識処理では、画像認識部１８は、自車位置情報Ｐに基づいて地物データベースＤＢ２から取得した自車両５０の周辺に存在する対象地物の地物情報Ｆに基づいて、画像情報Ｇに含まれる当該地物情報Ｆが示す対象地物の画像認識処理を行う。この際、画像認識部１８は、当該地物情報Ｆが示す対象地物の認識要求を行う所定の認識領域Ｅ（図６参照）を設定し、この認識領域Ｅ内の画像情報Ｇに対して対象地物の画像認識処理を行う。この認識領域Ｅは、道路情報Ｒａが示すリンクｋ上における、当該対象地物が存在すると推測される位置範囲として設定される。ここで、各画像情報Ｇに含まれる現実の道路の撮像領域は、自車両５０への撮像装置１１の取付位置、取付角度、及び画角等に基づいて予め演算された自車位置と撮像領域との位置関係を用いることで、自車位置情報Ｐに基づいて求めることができる。よって、画像認識部１８は、このように求めた各画像情報Ｇの撮像領域の情報に基づいて、各対象地物について設定された認識領域Ｅに対応する画像情報Ｇを抽出し、画像認識処理を行う。そして、この位置補正用画像認識処理による対象地物の画像認識結果は、自車位置情報補正部１９による自車位置情報Ｐの補正に用いられる。また、位置補正用画像認識処理では、画像認識部１８は、各対象地物について設定された認識領域Ｅの外での対象地物の画像認識も行う。このような認識領域Ｅの外で認識された対象地物の画像認識結果は、自車位置情報Ｐの補正に用いられず、後述するように、地物情報Ｆの修正に用いられる。

また、情報収集用画像認識処理では、画像認識部１８は、後述する対象種別決定部４２により決定された対象種別の地物を対象地物とし、画像情報Ｇに含まれる対象地物の画像認識処理を行う。この画像認識処理は、地物データベースＤＢ２に記憶された地物情報Ｆを用いずに行うため、対象地物が存在する位置を推測することができない。したがって、この情報収集用画像認識処理では、画像認識部１８は、対象種別決定部４２により所定の道路区域Ｚ（図９及び図１０参照）毎に対象種別が決定されることに応じて、各道路区域Ｚ毎に、当該道路区域Ｚについて決定された対象種別の対象地物の画像認識処理を行う。この道路区域Ｚは、道路情報Ｒａが示すノードｎ及びリンクｋ上に設定される区域であり、各道路（リンクｋ）の道路属性に応じて、例えば、図９に示すリンク端部Ｚａ及びリンク中央部Ｚｂ、図１０に示すノード上Ｚｃ及びリンク上Ｚｄ等として設定される。ここで、各画像情報Ｇに含まれる現実の道路の撮像領域は、上記のとおり、自車両５０への撮像装置１１の取付位置、取付角度、及び画角等に基づいて予め演算された自車位置と撮像領域との位置関係を用いることで、自車位置情報Ｐに基づいて求めることができる。よって、画像認識部１８は、このように求めた各画像情報Ｇの撮像領域の情報に基づいて、各道路区域Ｚに対応する画像情報Ｇを抽出し、当該道路区域Ｚについて決定された対象種別の対象地物の画像認識処理を行う。そして、この情報収集用画像認識処理による対象地物の画像認識結果は、後述するように認識位置導出部３２により認識位置情報とされ、学習データベースＤＢ３に記憶される。

画像認識部１８は、対象地物の画像認識に際しては、画像情報Ｇに対して二値化処理やエッジ検出処理等を行い、当該画像情報Ｇに含まれている地物（道路標示）の輪郭情報を抽出する。その後、画像認識部１８は、抽出された地物の輪郭情報と、対象地物の形態の特徴量とのパターンマッチングを行うことにより、画像情報Ｇに含まれる対象地物の画像を抽出する。そして、画像認識部１８は、位置補正用画像認識処理に際しては、設定された認識領域Ｅ内の画像情報Ｇの中から対象地物の画像を抽出できた場合に対象地物の画像認識に成功したと判定する。また、画像認識部１８は、情報収集用画像認識処理に際しては、各道路区域Ｚの画像情報Ｇの中から対象地物の画像を抽出できた場合に対象地物の画像認識に成功したと判定する。一方、画像認識部１８は、認識領域Ｅ内又は各道路区域Ｚ内の全ての画像情報Ｇについて画像認識処理を行った結果、対象地物の画像を抽出できなかった場合には、対象地物の画像認識に失敗したと判定する。

８．自車位置情報補正部
自車位置情報補正部１９は、画像認識部１８による対象地物の画像認識処理の結果と、当該対象地物についての地物情報Ｆに含まれる当該対象地物の位置情報とに基づいて自車位置情報Ｐを補正する自車位置情報補正手段として機能する。本実施形態では、自車位置情報補正部１９は、画像認識部１８における地物情報Ｆに基づく位置補正用画像認識処理による対象地物の画像認識結果と、当該地物情報Ｆに含まれる当該対象地物の位置情報とを用いて、自車両５０の進行方向に沿って自車位置情報Ｐを補正する。具体的には、自車位置情報補正部１９は、まず、画像認識部１８による位置補正用画像認識処理の結果と、撮像装置１１の取付位置、取付角度、及び画角等とに基づいて、対象地物の画像を含む画像情報Ｇの取得時における自車両５０と対象地物との位置関係を演算する。次に、自車位置情報補正部１９は、この自車両５０と対象地物との位置関係の演算結果と、当該対象地物についての地物情報Ｆに含まれる当該対象地物の位置情報とに基づいて、自車両５０の進行方向における対象地物の位置情報（地物情報Ｆ）を基準とする高精度な自車両５０の位置情報を演算して取得する。そして、自車位置情報補正部１９は、このようにして取得した高精度な自車両５０の位置情報に基づいて、自車位置情報取得部１６で取得した自車位置情報Ｐに含まれる、自車両５０の進行方向の現在位置の情報を補正する。その結果、自車位置情報取得部１６は、このような補正後の高精度な自車位置情報Ｐを取得することになる。

９．ナビゲーション用演算部
ナビゲーション用演算部２０は、自車位置表示、出発地から目的地までの経路探索、目的地までの進路案内、目的地検索等のナビゲーション機能を実行するためにアプリケーションプログラム２３に従って動作する演算処理手段である。例えば、ナビゲーション用演算部２０は、自車位置情報Ｐに基づいて地図データベースＤＢ１から自車両５０周辺の地図情報Ｍを取得して表示入力装置２１に地図の画像を表示するとともに、当該地図の画像上に、自車位置情報Ｐに基づいて自車位置マークを重ね合わせて表示する処理を行う。また、ナビゲーション用演算部２０は、地図データベースＤＢ１に記憶された地図情報Ｍに基づいて、所定の出発地から目的地までの経路探索を行う。更に、ナビゲーション用演算部２０は、探索された出発地から目的地までの経路と自車位置情報Ｐとに基づいて、表示入力装置２１及び音声出力装置２２の一方又は双方を用いて、運転者に対する進路案内を行う。また、本実施形態においては、ナビゲーション用演算部２０は、表示入力装置２１及び音声出力装置２２に接続されている。表示入力装置２１は、液晶表示装置等の表示装置とタッチパネル等の入力装置が一体となったものである。音声出力装置は、スピーカ等を有して構成されている。本実施形態においては、ナビゲーション用演算部２０、表示入力装置２１、及び音声出力装置２２が、本発明における案内情報出力手段２４として機能する。

１０．認識情報処理部
認識情報処理部３１は、画像認識部１８による画像認識処理の結果を表す情報、具体的には、認識位置導出部３２により導出される認識位置情報及び認識失敗処理部３３により生成される認識失敗情報を、学習データベースＤＢ３に記憶させるための処理を行うための認識情報処理手段である。このため、本実施形態においては、認識情報処理部３１は、認識位置導出部３２、及び認識失敗処理部３３を備えている。そこで、以下に、これら認識位置導出部３２及び認識失敗処理部３３が行う処理の詳細について、図５〜図８を用いて説明する。

１０−１．認識位置導出部
認識位置導出部３２は、画像認識部１８による画像認識処理において対象地物の画像認識に成功した場合に、自車位置情報Ｐに基づいて当該対象地物の認識位置を導出する認識位置導出手段として機能する。そして、認識位置導出部３２は、導出された認識位置を表す認識位置情報Ａａを生成し、当該画像認識に成功した対象地物が識別可能な状態で学習データベースＤＢ３に記憶する。図５は、地物情報Ｆが整備されていない道路（リンクｋ）を自車両５０が走行する場合を例とし、情報収集用画像認識処理の結果を用いた地物情報Ｆの収集処理の概要を説明するための説明図である。そして、図５（ａ）は、自車両５０が走行する実際の道路に設けられた道路標示（地物）の一例である。図５（ｂ）は、学習データベースＤＢ３に記憶された認識位置情報Ａａの一例である。図５（ｃ）は、学習データベースＤＢ３に記憶された学習結果が反映された地物データベースＤＢ２の一例である。この図５では、説明の簡略化のため、図９及び図１０に示すように所定の道路区域Ｚ（Ｚａ〜Ｚｄ）毎に対象種別が異なるものとせず、図示された全ての領域において対象種別が同じ「横断歩道」である場合の例を示している。

そして、本実施形態においては、認識位置導出部３２は、図５（ｂ）に示すように、各対象地物について認識位置情報Ａａを、画像認識部１８による当該対象地物の認識位置が属する所定の位置範囲についての学習値として生成し、当該対象地物を認識する度に学習値を前記位置範囲毎に加算して記憶することとしている。以下に、認識位置導出部３２が行う処理の内容について、図５（ａ）及び（ｂ）を用いて順に説明する。

認識位置導出部３２は、まず、画像認識部１８による、対象種別決定部４２により決定された対象種別の地物を対象地物とする情報収集用画像認識処理に際して、対象地物の画像認識に成功したか否かを監視する。本例では、地物種別が「横断歩道」である全ての地物を対象地物として情報収集用画像認識処理を行う。よって、図５（ａ）に示される例では、自車両５０は、進行方向の４箇所において、対象地物としての横断歩道ｆ１〜ｆ４を画像認識するはずである。

そして、画像認識部１８により、一つの対象地物の画像認識に成功した場合には、認識位置導出部３２は、その画像認識結果に基づいて当該対象地物の認識位置を導出する。ここでは、認識位置導出部３２は、対象地物の認識位置を、自車位置情報Ｐを基準とする当該対象地物の道路上の位置を表す情報として導出する。したがって、認識位置導出部３２は、画像認識部１８による対象地物の画像認識結果と、撮像装置１１の取付位置、取付角度、及び画角等とに基づいて、対象地物の画像を含む画像情報Ｇの取得時における自車両５０と対象地物との位置関係を演算する。次に、自車位置情報補正部１９は、この自車両５０と対象地物との位置関係の演算結果と、当該画像情報Ｇの取得時における自車位置情報Ｐとに基づいて、自車位置情報Ｐを基準とする対象地物の位置を演算する。本例では、認識位置導出部３２は、対象地物の位置を、自車両５０が走行中の道路を表すリンクｋに沿った方向の対象地物の代表点の位置として求める。そして、認識位置導出部３２は、このように演算された対象地物の位置を、対象地物の認識位置として導出する。この対象地物の認識位置は、当該対象地物の画像を含む画像情報Ｇの取得時の自車位置情報Ｐを基準として導出されるため、自車位置情報Ｐが有する誤差を反映した位置の情報となる。

次に、認識位置導出部３２は、上記のようにして導出した対象地物の認識位置を、所定の位置範囲についての学習値とし、当該位置範囲についての学習値を認識位置情報Ａａとする。本例では、所定の位置範囲は、道路を表すリンクｋに沿った方向に一定距離毎に区分され設定された範囲であり、例えば、リンクｋに沿った方向に０．５〔ｍ〕毎に区分された範囲とする。また、学習値は、一つの対象地物の画像認識に成功する毎に、学習データベースＤＢ３における当該対象地物の認識位置が属する位置範囲に加算される値であり、例えば、一つの対象地物の画像認識に成功する毎に１点とする。すなわち、本例では、認識位置情報Ａａは、対象地物の認識位置が含まれる位置範囲を表す情報と、その学習値「１」の情報とにより構成される。

ここで、図７は、図５（ｂ）に示す学習データベースＤＢ３に記憶された学習値の横断歩道ｆ１に関する部分の拡大図である。例えば、図５（ａ）の例において、対象地物としての横断歩道ｆ１の画像認識に成功した場合であって、認識位置導出部３２により導出された横断歩道ｆ１の認識位置が、図７中に「ａ４」として示される位置範囲であった場合には、この図７中に破線で示すように、当該位置範囲ａ４の学習値に１が加算される。そして、自車両５０が同じ道路を複数回通行することにより、同じ対象地物（例えば横断歩道ｆ１）が複数回画像認識されると、学習データベースＤＢ３には、図５（ｂ）及び図７に示すように、当該対象地物が認識される毎に生成された複数の認識位置情報Ａａとしての学習値が、当該対象地物の認識位置を表す位置範囲毎に積算されて蓄積される。そして、後述するように、学習値が所定の学習しきい値Ｔ１以上になると、地物情報生成部３６により当該対象地物についての学習地物情報Ｆｂが生成され、地物データベースＤＢ２に記憶される。図５の例では、図５（ｃ）に示すように、横断歩道ｆ１〜ｆ４に対応する学習地物情報Ｆｂ１〜Ｆｂ４が、地物データベースＤＢ２に記憶されている。

また、認識位置導出部３２は、画像認識部１８による位置補正用画像認識処理に際して、各対象地物について設定された認識領域Ｅの外において対象地物が画像認識された場合には、上記の情報収集用画像認識処理の結果を用いた地物情報Ｆの収集処理と同様の処理を行う。すなわち、認識位置導出部３２は、位置補正用画像認識処理による対象地物の画像認識結果に基づいて、自車位置情報Ｐを基準とする当該対象地物の認識位置を導出する。そして、認識位置導出部３２は、導出された認識位置を表す認識位置情報Ａａを生成し、当該画像認識に成功した対象地物が識別可能な状態で学習データベースＤＢ３に記憶する。これにより、後述するように、位置補正用画像認識処理における対象地物の画像認識結果を用いて、地物データベースＤＢ２に記憶された地物情報Ｆの修正を行うことができる。なお、このような位置補正用画像認識処理において設定された認識領域Ｅの外で対象地物を画像認識した場合の認識位置導出部３２による処理の詳細については、後に図６に示す例を用いて詳細に説明する。

ところで、認識位置導出部３２は、当該画像認識に成功した対象地物を他の対象地物に対して識別可能な状態とするため、生成した認識位置情報Ａａを、当該対象地物の各種属性を表す地物属性情報Ａｂと関連付けて記憶している。ここで、地物属性情報Ａｂが含む対象地物の属性は、当該一つの対象地物を他の対象地物と識別できるものであればよい。したがって、例えば地物属性情報Ａｂは、当該対象地物の地物種別、当該対象地物の具体的形状や大きさ、当該対象地物が存在するリンクｋのリンクＩＤ、当該対象地物が存在する概略の位置等の中から選択される一又は二以上の情報を備えている。このような対象地物についての地物属性情報Ａｂを構成する情報は、画像認識部１８による当該対象地物の画像認識結果や、当該画像認識処理に係る画像情報Ｇの取得時の自車位置情報Ｐ等に基づいて生成される。

１０−２．認識失敗処理部
認識失敗処理部３３は、画像認識部１８による位置補正用画像認識処理において地物情報Ｆが示す対象地物の画像認識に失敗した場合に、当該地物情報Ｆが示す対象地物の画像認識に失敗したことを表す認識失敗情報Ａｃを生成し、当該画像認識に失敗した対象地物が識別可能な状態で学習データベースＤＢ３に記憶する。すなわち、認識失敗処理部３３は、このような認識失敗情報Ａｃの生成及びその学習データベースＤＢ３への記憶といった認識失敗処理を行う認識失敗処理手段として機能する。図６は、地物情報Ｆが既に整備されている道路（リンクｋ）を自車両５０が走行する場合を例とし、位置補正用画像認識処理の結果を用いた地物情報Ｆの修正処理の概要を説明するための説明図である。そして、図６（ａ）は、自車両５０が走行する実際の道路に設けられた道路標示（地物）の一例である。図６（ｂ）は、学習データベースＤＢ３に記憶された認識位置情報Ａａ及び認識失敗情報Ａｃの一例である。図６（ｃ）は、学習データベースＤＢ３に記憶された学習結果が反映された地物データベースＤＢ２の一例である。この図６では、図６（ｃ）の初期地物情報Ｆａ１１〜Ｆａ１４に示される４つの「横断歩道」を対象地物として位置補正用画像認識処理を行う場合の例を示している。

そして、本実施形態においては、認識失敗処理部３３は、図６（ｂ）に示すように、各対象地物について認識失敗情報Ａｃを当該対象地物についての学習値として生成し、当該対象地物の画像認識に失敗する度に当該対象地物についての学習値を減算して記憶することとしている。以下に、認識失敗処理部３３が行う処理の内容について、図６（ａ）〜（ｃ）を用いて順に説明する。

認識失敗処理部３３は、まず、画像認識部１８による、地物情報Ｆに示される対象地物の位置補正用画像認識処理に際して、当該対象地物について設定された所定の認識領域Ｅ内における対象地物の画像認識に成功したか否かを監視する。本例では、初期地物情報Ｆａが整備された道路（リンクｋ）を自車両５０が走行する際に、初期地物情報Ｆａ１１〜Ｆａ１４のそれぞれに示される４つの「横断歩道」を対象地物として、画像認識部１８において順に画像認識要求を行う。しかし、図６（ａ）に示すように、本例では、初期地物情報Ｆａ１２が示す横断歩道ｆ１２はかすれて消えかけており、初期地物情報Ｆａ１３が示す横断歩道は完全になくなっている。このため、ここでは、かすれている横断歩道ｆ１２については、所定の割合で画像認識に失敗し、完全になくなっている初期地物情報Ｆａ１３に示される横断歩道については、毎回画像認識に失敗する例について説明する。また、認識失敗処理部３３は、画像認識部１８による、地物情報Ｆに示される対象地物の位置補正用画像認識処理に際して、各対象地物について設定された認識領域Ｅの外において対象地物が画像認識されたか否かも監視する。本例では、初期地物情報Ｆａ１３が示す対象地物（横断歩道）について設定された認識領域Ｅ１３の外に、初期地物情報Ｆａとして整備されていない横断歩道ｆ５が設けられており、この横断歩道ｆ５が画像認識される。

また、本実施形態においては、学習データベースＤＢ３には、地物データベースＤＢ２に予め整備されて記憶されている初期地物情報Ｆａのそれぞれに対応して、各初期地物情報Ｆａが示す対象地物についての学習値の初期値Ｔｄが設定され記憶されている。図６（ｂ）に示す例では、学習値の初期値Ｔｄは、学習しきい値Ｔ１より低い値に設定している。そして、初期地物情報Ｆａが示す対象地物の画像認識に失敗した場合には、認識失敗処理部３３は、当該対象地物についての認識失敗情報Ａｃを当該対象地物についての学習値として生成し、当該対象地物の画像認識に失敗する毎に、学習データベースＤＢ３に記憶されている当該対象地物についての学習値の前記初期値Ｔｄから順に減算して記憶する。この際、例えば、対象地物の画像認識に一回失敗する毎に１点を減算する。すなわち、本例では、認識失敗情報Ａｃは、初期地物情報Ｆａが示す対象地物又は当該初期地物情報Ｆａそのものを特定できる情報と、その学習値「１」の情報とにより構成される。

ここで、学習データベースＤＢ３に記憶された学習値の初期値Ｔｄ及び認識失敗処理部３３により生成された認識失敗情報Ａｃは、当該画像認識に失敗した対象地物を他の対象地物に対して識別可能な状態とするため、当該対象地物の各種属性を表す地物属性情報Ａｂと関連付けて記憶される。この地物属性情報Ａｂは、認識位置情報Ａａと関連付けて記憶されるものと同様の情報である。

ここで、図８は、図６（ｂ）に示す学習データベースＤＢ３に記憶された学習値の横断歩道ｆ１２（初期地物情報Ｆａ１２）に関する部分の拡大図である。例えば、図６（ａ）の例において、初期地物情報Ｆａ１２が示す対象地物としての横断歩道ｆ１２の画像認識に失敗した場合には、この図８中に破線で示すように、当該対象地物についての学習値から１が減算される。そして、自車両５０が同じ道路を複数回通行することにより、同じ対象地物の画像認識に複数回失敗すると、例えば図６（ｂ）の初期地物情報Ｆａ１３が示す横断歩道ｆ１３の学習値のように、最終的には学習値がゼロになるまで減少する。そして、本実施形態においては、後述するように、削除しきい値Ｔ２をゼロに設定しているので、学習値がゼロになると、削除管理部３８により、当該対象地物を表す初期地物情報Ｆａは、地物データベースＤＢ２から削除される。図６の例では、初期地物情報Ｆａ１３が示す横断歩道ｆ１３の学習値がゼロになったことにより、地物データベースＤＢ２から初期地物情報Ｆａ１３が削除されている。

なお、本実施形態においては、認識失敗処理部３３は、位置補正用画像認識処理に際して、学習地物情報Ｆｂに示される対象地物の画像認識に失敗した場合であっても、当該対象地物についての認識失敗情報Ａｃを学習データベースＤＢ３に記憶する処理は行わないこととしている。ただし、新たに学習地物情報Ｆｂを生成して地物データベースＤＢ２に記憶する際に、当該学習地物情報Ｆｂについても、初期地物情報Ｆａと同様に学習値の初期値Ｔｄを設定し、これまでの認識位置情報Ａａとしての学習値に代えて、学習値の初期値Ｔｄを学習データベースＤＢ３に記憶する構成としても好適である。この場合、認識失敗処理部３３は、学習地物情報Ｆｂが示す対象地物の画像認識に失敗した場合には、当該対象地物についての認識失敗情報Ａｃを当該対象地物についての学習値として生成し、当該対象地物の画像認識に失敗する毎に、学習データベースＤＢ３に記憶されている当該対象地物についての学習値の前記初期値Ｔｄから順に減算して記憶する。これにより、学習地物情報Ｆｂについても、初期地物情報Ｆａと同様に取り扱うことが可能となる。

一方、認識失敗処理部３３は、画像認識部１８による位置補正用画像認識処理において、地物情報Ｆが示す対象地物の画像認識を、当該対象地物について設定された所定の認識領域Ｅ内において成功した場合には、認識失敗情報Ａｃとしての学習値の記憶は行わない。図６の例では、初期地物情報Ｆａ１１が示す横断歩道ｆ１１、及び初期地物情報Ｆａ１４が示す横断歩道ｆ１４については、画像認識に成功しているため、図６（ｂ）に示すように、学習データベースＤＢ３に記憶された横断歩道ｆ１１及びｆ１４についての学習値は初期値Ｔｄのまま維持されている。

また、認識失敗処理部３３は、位置補正用画像認識処理に際して、各対象地物について設定された認識領域Ｅの外において対象地物が画像認識されたか否かを判定する処理を行う。そして、各対象地物について設定された認識領域Ｅの外において対象地物が画像認識された場合には、上記のとおり、認識位置導出部３２により、情報収集用画像認識処理の結果を用いた地物情報Ｆの収集処理と同様の処理を行う。すなわち、認識位置導出部３２は、位置補正用画像認識処理による対象地物の画像認識結果に基づいて、自車位置情報Ｐを基準とする当該対象地物の認識位置を導出する。そして、認識位置導出部３２は、導出された認識位置を表す認識位置情報Ａａを生成し、当該画像認識に成功した対象地物が識別可能な状態で学習データベースＤＢ３に記憶する。

図６の例では、初期地物情報Ｆａ１３が示す対象地物（横断歩道）について設定された認識領域Ｅ１３に対して自車両５０の進行方向手前側に、初期地物情報Ｆａが整備されていない横断歩道ｆ５が設けられている。よって、本例では、この横断歩道ｆ５が、各対象地物について設定された認識領域Ｅの外において画像認識された対象地物となる。この場合には、認識失敗処理部３３に代えて、認識位置導出部３２により情報収集用画像認識処理の結果を用いた地物情報Ｆの収集処理と同様の処理を行う。すなわち、認識位置導出部３２は、横断歩道ｆ５の画像認識に成功する毎に、横断歩道ｆ５についての認識位置情報Ａａとしての学習値を、学習データベースＤＢ３における当該横断歩道ｆ５の認識位置が属する位置範囲に加算する。そして、自車両５０が同じ道路を複数回通行することにより、横断歩道ｆ５が複数回画像認識されると、学習データベースＤＢ３には、図６（ｂ）に示すように、当該横断歩道ｆ５が認識される毎に生成された複数の認識位置情報Ａａとしての学習値が積算されて蓄積される。そして、この横断歩道ｆ５についての学習値が所定の学習しきい値Ｔ１以上になると、推測位置判定部３４により推測位置ｐｇが判定される。そして、図６（ｃ）に示すように、地物情報生成部３６により学習地物情報Ｆｂ５が生成され、地物データベースＤＢ２に記憶される。本実施形態の構成によれば、地物データベースＤＢ２に対する、上記のような初期地物情報Ｆａの削除と、学習地物情報Ｆｂの追加とにより、地物データベースＤＢ２に記憶された地物情報Ｆを現状に合わせて適宜修正することが可能となる。

また、認識失敗処理部３３は、当該画像認識に失敗した対象地物を他の対象地物に対して識別可能な状態とするため、生成した認識失敗情報Ａｃを、当該対象地物の各種属性を表す地物属性情報Ａｂと関連付けて記憶している。この地物属性情報Ａｂは、認識位置情報Ａａと関連付けて記憶されるものと同様の情報である。

１１．推測位置判定部
推測位置判定部３４は、同じ対象地物が複数回画像認識されることにより学習データベースＤＢ３に記憶された、同じ対象地物についての複数の認識位置情報Ａａに基づいて、当該対象地物の推測位置ｐｇ（図５参照）を判定する推測位置判定手段として機能する。ここで、推測位置判定部３４は、同じ対象地物についての複数の認識位置情報Ａａの分布に基づいて、当該分布の代表値を当該対象地物の推測位置ｐｇとして判定する。本実施形態においては、分布の代表値として最頻値を用いる。すなわち、推測位置判定部３４は、各対象地物についての認識位置情報Ａａとしての学習値が、最初に所定の学習しきい値Ｔ１以上となった位置範囲を代表する位置を、当該対象地物の推測位置ｐｇと判定する。これにより、推測位置判定部３４は、一つの対象地物についての推測位置ｐｇを判定する場合に、学習データベースＤＢ３に記憶された当該対象地物についての認識位置情報Ａａとしての学習値の分布に基づいて、最頻値をとる位置範囲を代表する位置を、当該対象地物の推測位置ｐｇと判定することになる。一例として、図５の例における横断歩道ｆ１の推測位置ｐｇを判定する場合の判定方法について説明する。図７に示すように、横断歩道ｆ１についての認識位置情報Ａａとしての学習値は、位置範囲ａ４において最初に学習しきい値Ｔ１以上となっている。したがって、推測位置判定部３４は、位置範囲ａ４を代表する位置、例えば位置範囲ａ４の中央位置ｐｇ４を、横断歩道ｆ１の推測位置ｐｇと判定する。

１２．地物情報管理部
地物情報管理部３５は、学習データベースＤＢ３に記憶された対象地物の学習結果に基づいて、地物データベースＤＢ２に記憶された地物情報Ｆの管理を行う地物情報管理手段として機能する。本実施形態においては、この地物情報管理部３５は、地物情報生成部３６、地物間距離判定部３７、及び削除管理部３８を備えている。以下、個別に説明する。

１２−１．地物情報生成部
地物情報生成部３６は、学習データベースＤＢ３に記憶された対象地物の学習結果に基づいて、学習地物情報Ｆｂを生成する地物情報生成手段として機能する。すなわち、地物情報生成部３６は、推測位置判定部３４により判定された各対象地物の推測位置ｐｇを表す位置情報と、当該対象地物についての画像認識部１８による画像認識結果に基づく地物属性情報とを関連付けた学習地物情報Ｆｂを生成する。ここで、学習地物情報Ｆｂを構成する地物属性情報は、学習データベースＤＢ３において、当該対象地物についての認識位置情報Ａａと関連付けて記憶されている地物属性情報Ａｂの内容を用いて生成する。これにより、学習地物情報Ｆｂは、初期地物情報Ｆａと同様に、位置情報及びそれに関連付けられた地物属性情報を備えた情報として生成される。そして、この地物情報生成部３６で生成された学習地物情報Ｆｂは、地物データベースＤＢ２に記憶される。本実施形態においては、図５（ｃ）に示す学習地物情報Ｆｂ１〜Ｆｂ４、及び図６（ｃ）に示す学習地物情報Ｆｂ５が、地物情報生成部３６により生成され、地物データベースＤＢ２に記憶されている。なお、これらの図に表されている黒い四角形「■」は、各学習地物情報Ｆｂ１〜Ｆｂ５の位置情報が示す各対象地物の推測位置ｐｇを表している。

１２−２．地物間距離判定部
地物間距離判定部３７は、２つの対象地物についての複数の認識位置情報Ａａに基づいて、当該２つの対象地物間の距離を表す地物間距離Ｄを判定する地物間距離判定手段として機能する。本実施形態においては、地物間距離判定部３７は、推測位置判定部３４により判定された２つの対象地物についての推測位置ｐｇの情報を用いて、一つの対象地物の推測位置ｐｇと、他の対象地物の推測位置ｐｇとの間の距離を演算することにより、これら２つの対象地物の地物間距離Ｄを求める。図５（ｂ）に示す例では、地物間距離判定部３７は、互いに隣接する２つの対象地物間の距離を求めることしている。すなわち、この例では、地物間距離判定部３７は、横断歩道ｆ１と横断歩道ｆ２との間の地物間距離Ｄ１、横断歩道ｆ２と横断歩道ｆ３との間の地物間距離Ｄ２、横断歩道ｆ３と横断歩道ｆ４との間の地物間距離Ｄ３を判定して求めている。この地物間距離判定部３７により判定された地物間距離Ｄの情報は、上記地物情報生成部３６により生成される学習地物情報Ｆｂを構成する情報として利用される。すなわち、本実施形態においては、各対象地物についての学習地物情報Ｆｂは、当該対象地物と近接する他の対象地物との関係を表す関連付情報と、当該他の対象地物との間の地物間距離Ｄを表す地物間距離情報を有するものとして生成される。これらの情報も、初期地物情報Ｆａに含まれる関連付情報及び地物間距離情報と同じ内容のものとなる。

１２−３．削除管理部
削除管理部３８は、学習データベースＤＢ３に記憶された対象地物の学習結果に基づいて、地物データベースＤＢ２に記憶された地物情報Ｆを削除する処理を行う削除管理手段として機能する。すなわち、削除管理部３８は、同じ対象地物について複数回の画像認識処理が行われることにより学習データベースＤＢ３に記憶された、同じ対象地物についての複数の認識失敗情報Ａｃに基づいて、地物データベースＤＢ２に記憶された当該対象地物についての地物情報Ｆの削除を行う。具体的には、削除管理部３８は、各対象地物についての学習値が所定の削除しきい値Ｔ２以下となった場合に、当該対象地物についての地物情報Ｆの削除を行う。上記のとおり、本実施形態においては、削除しきい値Ｔ２をゼロに設定している。したがって、削除管理部３８は、学習データベースＤＢ３に記憶されている、一つの対象地物についての認識失敗情報Ａｃとしての学習値がゼロになった場合に、当該対象地物についての地物情報Ｆを地物データベースＤＢ２から削除する処理を行う。

また、本実施形態においては、学習地物情報Ｆｂについては認識失敗情報Ａｃを学習データベースＤＢ３に記憶しないこととしているので、削除管理部３８は、初期地物情報Ｆａについてのみ地物データベースＤＢ２から削除する処理を行う。図６に示す例では、削除管理部３８は、初期地物情報Ｆａ１３が示す横断歩道ｆ１３の学習値がゼロになった際に、地物データベースＤＢ２から初期地物情報Ｆａ１３を削除している。なお、上記のように、学習地物情報Ｆｂについても初期地物情報Ｆａと同様に認識失敗情報Ａｃを学習データベースＤＢ３に記憶する構成とした場合には、削除管理部３８は、学習地物情報Ｆｂについても地物データベースＤＢ２から削除する処理を行う。

１３．道路情報管理部
道路情報管理部３９は、地図データベースＤＢ１に記憶された道路情報Ｒａ及び道路属性情報Ｒｂの一方又は双方を修正する処理を行う道路情報管理手段として機能する。本実施形態においては、道路情報管理手段３９は、道路情報Ｒａに含まれるノードｎの位置情報及び２つのノードｎ間を結ぶリンクｋの長さの情報の一方又は双方を修正する。この際、道路情報管理手段３９は、ノードｎを挟んで当該ノードｎに対して略均等な間隔で配置される２つの対象地物についての推測位置判定部３４により判定された推測位置ｐｇを表す位置情報に基づいて、ノードｎの位置及びリンクｋの長さの一方又は双方の判定を行う。ここで、ノードｎを挟んで当該ノードｎに対して略均等な間隔で配置される対象地物としては、例えば横断歩道が該当する。

すなわち、横断歩道は、交差点と道路との境界部分に設けられることから、交差点の中心を表すノードｎの両側に略均等な間隔で配置されるのが一般的である。したがって、例えば図５（ｂ）に示すように、学習データベースＤＢ３に記憶された認識位置情報Ａａに基づいて、推測位置判定部３４により、ノードｎの近傍に存在する２つの横断歩道の推測位置ｐｇが求まれば、それら２つの横断歩道の推測位置ｐｇに対して均等な間隔ｄとなる中間位置をノードｎが位置するノード位置ｐｎと推測することができる。同様に、前記ノードｎとは反対側のリンクｋの端部に位置するノードｎについてもノード位置ｐｎを求めることができれば、それら２つのノード位置ｐｎ間の距離がリンク長さＬに相当するものと推測することができる。そして、道路情報管理手段３９は、このようにして求めたノード位置ｐｎ及びリンク長さＬが、地図データベースＤＢ１に記憶されている道路情報Ｒａに示されるものと異なる場合には、それに合わせて道路情報Ｒａを修正する処理を行う。これにより、対象地物の学習結果を用いて、地図データベースＤＢ１に記憶された道路情報Ｒａを現状に合わせて適宜修正することが可能となる。

１４．道路属性情報取得部
道路属性情報取得部４１は、自車位置情報Ｐに基づいて、自車両５０が走行中の道路（リンクｋ）についての道路属性情報Ｒｂを地図データベースＤＢ１から取得する道路属性情報取得手段として機能する。上記のとおり、地図データベースＤＢ１に記憶される道路属性情報Ｒｂには、道路種別、地域種別、リンク長、道路幅、リンク形状を表現するための形状補間点等の情報が含まれる。そして、道路属性情報取得部４１は、これらの中から後述する対象種別決定部４２による対象種別の決定のために必要な情報を道路属性情報Ｒｂとして地図データベースＤＢ１から取得する。本実施形態においては、道路属性情報取得部４１は、道路種別情報及び地域種別情報を道路属性情報Ｒｂとして取得する。上記のとおり、道路種別情報は、例えば、自動車専用道路、市街道路、細街路、山岳路等のように、道路を複数の種別に区分した際の道路種別の情報である。また、地域種別情報は、例えば、関東地方や関西地方等の地方、都道府県や市区町村等の行政区画等のように、リンクｋに対応する道路が設けられている地域を複数に区分した際の地域種別の情報である。したがって、道路属性情報取得部４１は、自車両５０が走行中の道路（リンクｋ）の道路属性情報Ｒｂとして、例えば、「道路種別：市街地道路、地域種別：愛知県」といった情報を取得する。

１５．認識属性データベース
認識属性データベースＤＢ４は、対象種別となり得る全ての地物種別についての認識属性情報としての認識率情報Ｓ１を記憶したデータベースであり、認識属性情報記憶手段として機能する。ここで、認識率情報Ｓ１は、各地物種別に固有の性質に基づいて定めた、画像認識部１８による情報収集用画像認識処理に際しての各地物種別の地物の認識率の予想値を表す情報である。すなわち、認識率情報Ｓ１は、各地物種別の対象地物の画像認識を行う際に、認識に成功する理論上の割合を表す情報となっている。ここで、各地物種別の認識率に影響を与える各地物種別に固有の性質としては、例えば、地物種別毎の形態、大きさ、色彩、及びかすれの生じ易さ等がある。例えば、地物の形態に関しては、他の地物種別と誤認識する可能性が低く、認識が容易な特徴的形態を有する地物種別では認識率が高くなる傾向がある。地物の大きさに関しては、特に道路幅方向に大きい地物ほど撮像装置１１により撮像される画像情報Ｇに含まれる可能性が高くなるため、認識率が高くなる傾向がある。地物の色彩に関しては、道路の路面の色彩とのコントラストが大きいほど認識率が高くなる傾向がある。また、地物のかすれの生じ易さに関しては、かすれが生じている可能性が高いほど、画像認識に失敗する可能性が高くなり、認識率が低くなる傾向がある。なお、地物種別毎のかすれの生じ易さは、各地物種別の地物がどの程度の割合でかすれているかに関する実地調査の結果に基づいて統計的に求められる。そして、認識属性データベースＤＢ４に記憶される各地物種別の認識率情報Ｓ１は、これらの各地物種別に固有の性質に基づいて、予め定めた認識率の予想値を表す情報となっている。

１６．出現頻度データベース
出現頻度データベースＤＢ５は、対象種別となり得る全ての地物種別について、道路属性情報Ｒｂに示される道路属性に応じた各地物種別の出現頻度を表す出現頻度情報Ｓ２を記憶したデータベースであり、出現頻度情報記憶手段として機能する。ここで、出現頻度情報Ｓ２は、道路属性情報Ｒｂに示される複数の道路属性のそれぞれの道路（リンクｋ）における、各地物種別の地物の出現頻度を表す情報である。本実施形態においては、上記のとおり、道路属性情報Ｒｂとして道路種別情報及び地域種別情報が用いられる。よって、出現頻度データベースＤＢ５には道路種別情報と地域種別情報との全ての組み合わせについての、各地物種別の出現頻度情報Ｓ２が規定されている。このような道路属性に応じた各地物種別の出現頻度は、各道路属性の道路に存在する地物の地物種別に関する実地調査の結果に基づいて統計的に求められる。この出現頻度情報Ｓ２は、本実施形態においては、道路の単位長さあたりの各地物種別の地物の出現個数で表される情報とし、より具体的には、道路長１〔ｋｍ〕あたりの出現個数で表される情報とする。したがって、例えば、道路属性が「道路種別：市街地道路、地域種別：愛知県」であって地物種別が「横断歩道」である出現頻度情報Ｓ２が「１０．３」の場合、当該出現頻度情報Ｓ２は、愛知県の市街地道路には、統計的に道路長１〔ｋｍ〕あたりに１０．３個の横断歩道が設けられていることを表している。

１７．配置傾向データベース
配置傾向データベースＤＢ６は、対象種別となり得る全ての地物種別の地物の道路上での配置傾向を表す配置傾向情報として、各地物種別についての区域情報Ｓ３を記憶したデータベースであり、配置傾向情報記憶手段として機能する。ここで、区域情報Ｓ３は、各地物種別の地物が、交差点（ノードｎ）を基準として、道路（リンクｋ）の長さ方向に区分された複数の道路区域Ｚのいずれに配置されている可能性が高いかを表す情報である。すなわち、区域情報Ｓ３は、各地物種別の地物が配置されている可能性が高い道路区域Ｚを表す情報となっている。本実施形態においては、図９及び図１０に示すように、区域情報Ｓ３は、道路属性情報Ｒｂに示される道路種別によって異なる道路区域Ｚに区分することとしている。すなわち、ここでは、市街地道路については、図９に示すように、道路（リンクｋ）を、その長さ方向に、道路端部領域に相当する「リンク端部Ｚａ」と、道路中央部領域に相当する「リンク中央部Ｚｂ」との２つの道路区域Ｚに区分している。また、細街路については、図１０に示すように、道路（リンクｋ）を、その長さ方向に、交差点中央領域に相当する「ノード上Ｚｃ」と、交差点以外の道路上の領域に相当する「リンク上Ｚｄ」との２つの道路区域Ｚに区分している。そして、配置傾向データベースＤＢ６に記憶される区域情報Ｓ３の具体例として、例えば、地物種別が「横断歩道」の区域情報Ｓ３が表す道路区域Ｚは、市街地道路については「リンク端部Ｚａ」であり、細街路については「リンク上Ｚｄ」である。

１８．対象種別決定部
対象種別決定部４２は、道路属性情報取得部４１により取得した道路属性情報Ｒｂと、画像認識処理に関して予め定められた地物種別毎の認識属性情報とに基づいて、対象種別を決定する対象種別決定手段として機能する。ここで、対象種別は、画像認識部１８による情報収集用画像認識処理の対象とする一又は二以上の地物種別である。本実施形態においては、対象種別決定部４２は、横断歩道、停止線、速度標示等のような、道路の路面に設けられた各種の道路標示に係る地物種別の中から対象種別を選択して決定する。そして、このような対象種別の決定を適切に行うために、本実施形態においては、対象種別決定部４２は、認識頻度導出部４３、対象種別決定演算部４４、及び認識成否管理部４５を備えている。そこで、以下に、これら各部が行う処理の詳細について、図９及び図１０を用いて説明する。図９は、道路種別が市街地道路である場合における、道路区域Ｚの区分と対象種別決定処理の具体例を示す図である。図１０は、道路種別が細街路である場合における、道路区域Ｚの区分と対象種別決定処理の具体例を示す図である。これらの図９及び図１０においては、いずれも（ａ）が道路区域Ｚの区分の具体例を示し、（ｂ）が対象種別決定処理の具体例を示している。

１８−１．認識頻度導出部
認識頻度導出部４３は、道路属性情報取得部４１により取得された道路属性情報Ｒｂに示される道路属性に応じた各地物種別の出現頻度と、認識属性情報に示される各地物種別の画像認識処理に際しての認識容易性の程度とに基づいて、各地物種別の認識頻度を導出する認識頻度導出手段として機能する。そのため、本実施形態においては、認識頻度導出部４３は、まず、道路属性情報取得部４１により取得された道路属性情報Ｒｂに基づいて出現頻度データベースＤＢ５を検索し、当該道路属性情報Ｒｂに示される道路属性に応じた各地物種別の出現頻度を表す出現頻度情報Ｓ２を取得する。ここでは、認識頻度導出部４３は、道路属性情報取得部４１により取得される、自車両５０が現在走行中の道路（リンクｋ）の道路種別情報及び地域種別情報を示す道路属性情報Ｒｂに基づいて、当該道路種別と地域種別との組み合わせに対応する出現頻度情報Ｓ２を、各地物種別について取得する。

具体的には、例えば自車両５０が走行中の道路（リンクｋ）の道路属性情報Ｒｂとして「道路種別：市街地道路、地域種別：愛知県」が取得された場合、図９（ｂ）に示すように、この道路種別と地域種別との組み合わせに対応する複数の地物種別についての出現頻度情報Ｓ２が、出現頻度データベースＤＢ５から取得される。図示の例では、各地物種別についての出現頻度情報Ｓ２として、「横断歩道：１０．３」、「停止線：８．７」、「矢印：１５．２」、「回転禁止：３．３」、「最高速度：３．１」という情報が取得されている。また、例えば自車両５０が走行中の道路（リンクｋ）の道路属性情報Ｒｂとして「道路種別：細街路、地域種別：東京都」が取得された場合、図１０（ｂ）に示すように、この道路種別と地域種別との組み合わせに対応する複数の地物種別についての出現頻度情報Ｓ２が、出現頻度データベースＤＢ５から取得される。図示の例では、各地物種別についての出現頻度情報Ｓ２として、「Ｔ字：９．８」、「十字：１０．５」、「停止線：１９．６」、「横断歩道：５．１」、「横断歩道あり：５．３」という情報が取得されている。なお、これらの図では、説明の簡略化のために、５種類の地物種別についての出現頻度情報Ｓ２が取得された例を示しているが、実際には、もっと多数の地物種別についての出現頻度情報Ｓ２が取得されることになる。

次に、認識頻度導出部４３は、各地物種別の認識属性情報としての認識率情報Ｓ１を、認識属性データベースＤＢ４から取得する。ここでは、認識頻度導出部４３は、上記のように出現頻度情報Ｓ２が取得された複数の地物種別のそれぞれについて、認識属性データベースＤＢ４を検索して認識率情報Ｓ１を取得する。具体的には、図９（ｂ）に示す例では、各地物種別についての認識率情報Ｓ１として、「横断歩道：８０％」、「停止線：５５％」、「矢印：７０％」、「回転禁止：９０％」、「最高速度：８０％」という情報が取得されている。また、図１０（ｂ）に示す例では、各地物種別についての認識率情報Ｓ１として、「Ｔ字：９０％」、「十字：８０％」、「停止線：５５％」、「横断歩道：８０％」、「横断歩道あり：６０％」という情報が取得されている。

その後、認識頻度導出部４３は、取得した出現頻度情報Ｓ２及び認識率情報Ｓ１に基づいて、各地物種別の認識頻度を導出する。本実施形態においては、認識頻度導出部４３は、下記の式（１）に示すように、出現頻度情報Ｓ２に示される各地物種別についての出現頻度と、認識率情報Ｓ１に示される各地物種別の地物の認識率の予想値とを乗算して得られる値を認識頻度として求める。
（認識頻度）＝（出現頻度）×（認識率の予測値）・・・（１）
すなわち、この認識頻度は、自車両５０が走行中の道路（リンクｋ）の道路属性に応じた各地物種別の地物の出現頻度に、各地物種別の地物の画像認識処理における認識率の予想値を重みとして乗算した重み付き出現頻度に相当する値として求められる。これにより、認識頻度は、自車両５０が道路属性情報Ｒｂに示される道路属性を有する道路（リンクｋ）を走行しながら地物の画像認識処理を行う際における、各地物種別の地物の総合的な認識率を表す情報となる。具体的には、例えば図９（ｂ）に示す例では、地物種別が「横断歩道」についての認識頻度は、「出現頻度：１０．３」に「認識率の予想値８０％」を乗算して「８．２」と求められている。同様に、各地物種別の認識頻度は、「停止線：４．８」、「矢印：１０．６」「回転禁止：３．０」、「最高速度：２．５」と求められている。また、図１０（ｂ）に示す例では、各地物種別の認識頻度は、「Ｔ字：８．８」、「十字：８．４」、「停止線：１０．８」、「横断歩道：４．１」、「横断歩道あり：３．２」と求められている。認識頻度導出部４３は、以上のようにして各地物種別の認識頻度を導出する。

１８−２．対象種別決定演算部
対象種別決定演算部４４は、認識頻度導出部４３により導出された各地物種別の認識頻度に基づいて、情報収集用画像認識処理の対象とする一又は二以上の地物種別である対象種別を決定する。本実施形態においては、対象種別決定演算部４４は、認識頻度導出部４３により導出された各地物種別の認識頻度に応じて、対象種別となり得る全ての地物種別の中で認識頻度が上位の一又は二以上の地物種別を、対象種別として決定する。但し、この際、対象種別決定演算部４４は、各地物種別の地物の配置傾向情報としての区域情報Ｓ３に基づいて、各地物種別の区域情報Ｓ３が表す配置傾向が、自車位置情報Ｐに基づく自車両５０の道路（リンクｋ）上での配置に合致する地物種別を優先して、対象種別を決定する。そのため、本実施形態においては、対象種別決定演算部４４は、配置傾向データベースＤＢ６に記憶された各地物種別についての区域情報Ｓ３を参照し、各区域情報Ｓ３に示される道路区域Ｚ毎に分けて、認識頻度の上位から順に各地物種別の優先順位を決定する。

図９に示す市街地道路の例では、認識頻度導出部４３により認識頻度が導出された複数の地物種別の中で、「横断歩道」及び「停止線」は、区域情報Ｓ３に示される道路区域Ｚが「リンク端部Ｚａ」であり、「矢印」、「回転禁止」、及び「最高速度」は、区域情報Ｓ３に示される道路区域Ｚが「リンク中央部Ｚｂ」となっている。そこで、対象種別決定演算部４４は、道路区域Ｚが「リンク端部Ｚａ」である各地物種別の優先順位を、当該道路区域Ｚの地物種別の中での認識頻度の上位から順に「横断歩道：１」、「停止線：２」と決定する。また、対象種別決定演算部４４は、道路区域Ｚが「リンク中央部Ｚｂ」である各地物種別の優先順位を、当該道路区域Ｚの地物種別の中での認識頻度の上位から順に「矢印：１」、「回転禁止：２」、「最高速度：３」と決定する。なお、図９（ａ）に示す例では、交差点（ノードｎ）の両側に配置された横断歩道及び停止線を含む交差点（ノードｎ）近傍の区域を「リンク端部Ｚａ」とし、その他の道路（リンクｋ）上の区域を「リンク中央部Ｚｂ」としている。

また、図１０に示す細街路の例では、認識頻度導出部４３により認識頻度が導出された複数の地物種別の中で、「Ｔ字」及び「十字」は、区域情報Ｓ３に示される道路区域Ｚが「ノード上Ｚｃ」であり、「停止線」、「横断歩道」、及び「横断歩道あり」は、区域情報Ｓ３に示される道路区域Ｚが「リンク上Ｚｄ」となっている。そこで、対象種別決定演算部４４は、道路区域Ｚが「ノード上Ｚｃ」である各地物種別の優先順位を、当該道路区域Ｚの地物種別の中での認識頻度の上位から順に「Ｔ字：１」、「十字：１」と決定する。なお、本例では、認識頻度の値が異なるにも関わらず、「Ｔ字」と「十字」の優先順位をともに「１」としている。これは、「Ｔ字」と「十字」が同じ場所に配置されることがないために位置的に競合せず、更に、これらの地物が、共通する形態を有するために、共通の画像認識処理を用いて、双方を同時に対象種別とする画像認識処理を行うことができるからである。また、対象種別決定演算部４４は、道路区域Ｚが「リンク上Ｚｄ」である各地物種別の優先順位を、当該道路区域Ｚの地物種別の中での認識頻度の上位から順に「停止線：１」、「横断歩道：２」、「横断歩道あり：３」と決定する。なお、図１０（ａ）に示す例では、交差点（ノードｎ）の両側に配置された横断歩道及び停止線を含む道路（リンクｋ）上の区域を「リンク上Ｚｄ」とし、その他の交差点（ノードｎ）近傍の区域を「ノード上Ｚｃ」としている。

そして、対象種別決定演算部４４は、道路区域Ｚ毎の各地物種別の優先順位に基づいて、道路区域Ｚ毎に対象種別を決定する。本実施形態においては、対象種別決定演算部４４は、道路区域Ｚ毎の優先順位が「１」である地物種別を対象種別として決定する。よって、図９に示す例では、道路区域Ｚが「リンク端部Ｚａ」での対象種別を「横断歩道」と決定し、道路区域Ｚが「リンク中央部Ｚｂ」での対象種別を「矢印」と決定する。また、図１０に示す例では、道路区域Ｚが「ノード上Ｚｃ」での対象種別を「Ｔ字」及び「十字」と決定し、道路区域Ｚが「リンク上Ｚｄ」での対象種別を「停止線」と決定する。

また、本実施形態においては、対象種別決定演算部４４は、上記のような対象種別の決定に際して、認識成否管理部４５に記憶されている種別失敗情報Ｓ４を参照し、過去における対象地物の画像認識の成否の情報に基づいて対象種別を決定する。この際、対象種別決定演算部４４は、まず、自車位置情報Ｐに基づいて、認識成否管理部４５を検索し、自車両５０が走行する道路区域Ｚについての種別失敗情報Ｓ４を抽出する。後述するように、本実施形態においては、種別失敗情報Ｓ４は、過去に道路区域Ｚ毎に決定された対象種別の地物についての画像認識に失敗したことを表す情報であって、当該画像認識に失敗した地物種別を表す情報と、当該画像認識に失敗した領域に相当する特定の道路区域Ｚを表す情報とを有している。

そして、自車両５０が走行する道路区域Ｚについての種別失敗情報Ｓ４が取得された場合には、対象種別決定演算部４４は、当該種別失敗情報Ｓ４に示されている地物種別の順位が下位になるように当該道路区域Ｚについての地物種別の優先順位を変更する調整を行う。具体的には、対象種別決定演算部４４は、種別失敗情報Ｓ４に示されている地物種別の順位が最下位となるように前記優先順位を変更する。またこの際、対象種別決定演算部４４は、他の地物種別の優先順位を順に繰り上げる。そして、対象種別決定演算部４４は、変更後の優先順位が「１」である地物種別を対象種別として決定する。例えば、図９に示す例において、自車両５０の進行方向のリンク中央部Ｚｂの特定の道路区域Ｚにおいて、過去に対象種別「矢印」の画像認識に失敗したことを表す種別失敗情報Ｓ４が取得されたとする。その場合、対象種別決定演算部４４は、「矢印」の優先順位を最下位とするように変更する。これにより、当該特定の道路区域Ｚでの優先順位は「回転禁止」が「１」に、「最高速度」が「２」にそれぞれ繰り上がる。よって、この場合には、対象種別決定演算部４４は、変更後の優先順位に従って対象種別を「回転禁止」と決定する。

１８−３．認識成否管理部
認識成否管理部４５は、情報収集用画像認識処理に関し、過去における対象地物の画像認識の成否の情報を管理する認識成否管理手段として機能する。このため、認識成否管理部４５は、自車位置情報Ｐに基づいて、道路区域Ｚ（所定の領域の一例）毎に、対象種別決定演算部４４により決定された対象種別の対象地物の画像認識の成否を表す認識成否情報としての種別失敗情報Ｓ４を生成し、生成された種別失敗情報Ｓ４を記憶する。本実施形態においては、種別失敗情報Ｓ４は、過去に対象種別決定演算部４４により道路区域Ｚ毎に決定された対象種別の対象地物の情報収集用画像認識処理に関して、各道路区域Ｚの全体において全く対象地物を画像認識できなかった場合に、当該画像認識に失敗した事実を表す情報である。そのため、本例では、種別失敗情報Ｓ４は、当該画像認識に失敗した地物種別を表す情報と、当該画像認識に失敗した領域に相当する特定の道路区域Ｚを表す情報とを有している。ここで、種別失敗情報Ｓ４に含まれる「特定の道路区域Ｚ」は、当該画像認識に失敗した一つの道路区域Ｚを特定可能な情報であって、配置傾向データベースＤＢ６に記憶された区域情報Ｓ３のように、単に「リンク端部Ｚａ」や「リンク中央部Ｚｂ」等の道路区域Ｚの種別のみを特定する情報とは異なる。そのため、この種別失敗情報Ｓ４に含まれる「特定の道路区域Ｚ」は、画像認識に失敗した特定の道路区域Ｚを通過した際の自車位置情報Ｐと道路情報Ｒａとに基づいて求められ、例えば、当該特定の道路区域Ｚが存在する特定のリンクｋと関連付けられた情報とされる。

そして、認識成否管理部４５は、特定の道路区域Ｚについての対象地物の画像認識処理に関して、当該画像認識に失敗した回数を計数し、所定回数（例えば、１回、５回、１０回等）連続で失敗した場合に、種別失敗情報Ｓ４を生成して記憶する。これにより、特定の道路区域Ｚについて、対象種別決定演算部４４により決定された対象種別の地物の画像認識に所定回数失敗した後は、当該特定の道路区域Ｚについての対象種別が変更されることになる。これにより、情報収集用画像認識処理に際して効率的に対象地物の画像認識を行うことが可能となり、対象地物の学習を効率的に行うことが可能となる。

１９．ナビゲーション装置の動作処理
次に、本実施形態に係るナビゲーション装置１において実行される、地物情報収集方法、地物情報修正方法、自車位置情報補正方法、及び地物情報収集方法を実行するための対象種別決定方法について説明する。図１１は、本実施形態に係るナビゲーション装置１の自車位置情報補正方法を含む全体の動作処理の順序を示すフローチャートである。図１２は、本実施形態に係る地物情報収集方法としての地物情報収集処理の詳細な処理順序を示すフローチャートである。図１３は、本実施形態に係る対象種別決定方法としての対象種別決定処理の詳細な処理順序を示すフローチャートである。図１４は、本実施形態に係る地物情報修正方法としての地物情報修正処理の詳細な処理順序を示すフローチャートである。以下では、まず、ナビゲーション装置１の全体の動作処理について説明する。

図１１に示すように、ナビゲーション装置１では、まず、自車位置情報取得部１６により自車位置情報Ｐを取得する（ステップ＃０１）。次に、画像情報取得部１２により、撮像装置１１により撮像した自車両５０の周辺の画像情報Ｇを取得する（ステップ＃０２）。その後、地物情報取得部１７により、自車位置情報Ｐに示される自車両５０の現在位置（自車位置）から、当該自車両５０が走行中の道路を表すリンクｋの終端までの間に存在する対象地物の地物情報Ｆを地物データベースＤＢ２から取得する（ステップ＃０３）。そして、ステップ＃０３において地物情報Ｆが取得されなかった場合には（ステップ＃０４：Ｎｏ）、ナビゲーション装置１は、地物情報収集処理を実行する（ステップ＃０７）。この地物情報収集処理については、後に図１２に示すフローチャートに基づいて詳細に説明する。

一方、ステップ＃０３において地物情報Ｆが取得された場合には（ステップ＃０４：Ｙｅｓ）、次に、画像認識部１８により、ステップ＃０３において取得された各地物情報Ｆが示す各対象地物について、認識領域Ｅを設定して画像認識処理を行う（ステップ＃０５）。このステップ＃０５の画像認識処理が、上述した画像認識部１８による位置補正用画像認識処理である。そして、ステップ＃０５により、認識領域Ｅ内で対象地物を画像認識した場合には（ステップ＃０６：Ｙｅｓ）、自車位置情報補正部１９により、当該対象地物の画像認識結果と、当該対象地物についての地物情報Ｆに含まれる当該対象地物の位置情報とに基づいて、自車位置情報Ｐの補正を行う（ステップ＃０８）。一方、認識領域Ｅ内で対象地物を画像認識できなかった場合には（ステップ＃０６：Ｎｏ）、ナビゲーション装置１は、地物情報修正処理を実行する（ステップ＃０９）。この地物情報修正処理については、後に図１４に示すフローチャートに基づいて詳細に説明する。以上で、ナビゲーション装置１の全体の動作処理を終了する。

１９−１．地物情報収集方法
次に、本実施形態に係る地物情報収集方法としての地物情報収集処理の処理順序について説明する。図１２に示すように、まず、対象種別決定部４２による対象種別決定処理を行う（ステップ＃２１）。この対象種別決定処理は、対象地物となり得る複数の地物種別の中から、情報収集用画像認識処理の対象とする地物種別を対象種別として決定する処理である。この際、対象種別は、所定の道路区域Ｚ（図９及び図１０参照）毎に決定される。この対象種別決定処理については、後に図１３に示すフローチャートに基づいて詳細に説明する。次に、画像認識部１８により、ステップ＃２１において道路区域Ｚ毎に決定された対象種別に応じて、道路区域Ｚ毎に対象地物の画像認識処理を行う（ステップ＃２２）。この際、画像認識部１８は、道路区域Ｚ毎に決定された対象種別の地物を対象地物として画像認識を行う。このステップ＃２２の画像認識処理が、上述した画像認識部１８による情報収集用画像認識処理である。そして、一つの道路区域Ｚにおいて、対象地物を画像認識できなかった場合には（ステップ＃２３：Ｎｏ）、当該道路区域Ｚにおいて、ステップ＃２１で決定された対象種別の画像認識に失敗したことを表す種別失敗情報Ｓ４（図１参照）を認識成否管理部４５に記憶する（ステップ＃３０）。

一方、画像認識部１８により、対象地物を画像認識した場合には（ステップ＃２３：Ｙｅｓ）、認識位置導出部３２により、ステップ＃０１で取得した自車位置情報Ｐに基づいて、当該対象地物の認識位置を導出する（ステップ＃２４）。次に、ステップ＃２４で導出した対象地物の認識位置を表す認識位置情報Ａａを、当該認識位置が属する所定の位置範囲についての学習値として生成し、図５（ｂ）及び図７に示すように、位置範囲毎に加算して学習データベースＤＢ３に記憶する（ステップ＃２５）。ここで、学習データベースＤＢ３に記憶された当該対象地物についての認識位置情報Ａａとしての学習値が、所定の学習しきい値Ｔ１未満である場合には（ステップ＃２６：Ｎｏ）、処理はそのまま終了する。

一方、学習データベースＤＢ３に記憶された当該対象地物についての認識位置情報Ａａとしての学習値が、所定の学習しきい値Ｔ１以上である場合には（ステップ＃２６：Ｙｅｓ）、推測位置判定部３４により、当該対象地物の推測位置ｐｇを判定する（ステップ＃２７）。その後、地物情報生成部３６により、当該対象地物についての、ステップ＃２７で判定された推測位置ｐｇと画像認識結果に基づく地物属性情報とを関連付けた学習地物情報Ｆｂを生成する（ステップ＃２８）。そして、生成した学習地物情報Ｆｂを地物データベースＤＢ２に記憶する（ステップ＃２９）。以上で、地物情報収集処理は終了する。

１９−２．対象種別決定方法
次に、本実施形態に係る対象種別決定方法としての対象種別決定処理の処理順序について説明する。図１３に示すように、まず、道路属性情報取得部４１により、ステップ＃０１で取得した自車位置情報Ｐに基づいて、自車両５０が走行中の道路（リンクｋ）についての道路属性情報Ｒｂ（図１参照）を地図データベースＤＢ１から取得する（ステップ＃４１）。次に、対象種別決定部４２の認識頻度導出部４３により、ステップ＃４１で取得した道路属性情報Ｒｂに応じた各地物種別の出現頻度情報Ｓ２（図１参照）を出現頻度データベースＤＢ５から取得する（ステップ＃４２）。また、認識頻度導出部４３により、各地物種別の認識率情報Ｓ１を認識属性データベースＤＢ４から取得する（ステップ＃４３）。そして、認識頻度導出部４３により、ステップ＃４１〜＃４３により取得した情報に基づいて各地物種別の認識頻度を導出する（ステップ＃４４）。この認識頻度導出部４３による各地物種別の認識頻度の導出方法は、既に説明したとおりである。

次に、対象種別決定部４２の対象種別決定演算部４４により、各地物種別の配置傾向情報としての区域情報Ｓ３を配置傾向データベースＤＢ６から取得する（ステップ＃４５）。そして、対象種別決定演算部４４により、区域情報Ｓ３に示される所定の道路区域Ｚ毎に、各地物種別の優先順位を決定する（ステップ＃４６）。具体的には、上記のとおり、区域情報Ｓ３に示される所定の道路区域Ｚ毎に、認識頻度が高い地物種別が上位となるように各地物種別の優先順位を決定する。その後、対象種別決定部４２により、認識成否管理部４５を参照する（ステップ＃４７）。そして、ステップ＃４６で優先順位を決定した道路区域Ｚについての種別失敗情報Ｓ４が認識成否管理部４５に記憶されているか否かを判定する（ステップ＃４８）。ここで、そのような種別失敗情報Ｓ４が認識成否管理部４５に記憶されていない場合には（ステップ＃４８：Ｎｏ）、処理はステップ＃５０へ進む。一方、ステップ＃４６で優先順位を決定した道路区域Ｚについての種別失敗情報Ｓ４が認識成否管理部４５に記憶されている場合には（ステップ＃４８：Ｙｅｓ）、当該種別失敗情報Ｓ４がある道路区域Ｚの優先順位を変更する。具体的には、上記のとおり、種別失敗情報Ｓ４に示されている地物種別の順位が下位になるように優先順位を変更する。そして、対象種別決定演算部４４により、ステップ＃４６及び＃４９により決定された各地物種別の優先順位に従って一又は二以上の対象種別を決定する（ステップ＃５０）。以上で対象種別決定処理は終了する。

１９−３．地物情報修正方法
次に、本実施形態に係る地物情報修正方法としての地物情報修正処理の処理順序について説明する。図１４に示すように、まず、ステップ＃０５の位置補正用画像認識処理において、認識領域Ｅ内での画像認識に失敗した（ステップ＃０６：Ｎｏ）対象地物について、認識失敗処理部３３により、当該対象地物についての認識失敗情報Ａｃとしての学習値を生成し、図６（ｂ）及び図８に示すように、当該対象地物についての学習値を減算して学習データベースＤＢ３に記憶する（ステップ＃６１）。ここで、学習値がゼロでない場合には（ステップ＃６２：Ｎｏ）、処理はステップ＃６４へ進む。そして、学習値がゼロである場合（ステップ＃６２：Ｙｅｓ）、すなわち学習値が削除しきい値Ｔ２以下となった場合には、削除管理部３８により、当該対象地物の地物情報Ｆを地物データベースＤＢ２から削除する（ステップ＃６３）。

その後、認識失敗処理部３３により、ステップ＃０５の位置補正用画像認識処理において、認識領域Ｅの外で対象地物が画像認識されたか否かを判定する（ステップ＃６４）。認識領域Ｅの外で対象地物が画像認識されなかった場合には（ステップ＃６４：Ｎｏ）、処理はそのまま終了する。一方、認識領域Ｅの外で対象地物が画像認識された場合には（ステップ＃６４：Ｙｅｓ）、認識位置導出部３２により、情報収集用画像認識処理において対象地物を画像認識した場合のステップ＃２４〜＃２９の処理と同様の処理を行う。すなわち、認識位置導出部３２により、ステップ＃０１で取得した自車位置情報Ｐに基づいて、当該対象地物の認識位置を導出する（ステップ＃６５）。次に、図６（ｂ）に横断歩道ｆ５の例として示すように、ステップ＃６５で導出した対象地物の認識位置を表す認識位置情報Ａａを、当該認識位置が属する所定の位置範囲についての学習値として生成し、位置範囲毎に加算して学習データベースＤＢ３に記憶する（ステップ＃６６）。ここで、学習データベースＤＢ３に記憶された当該対象地物についての認識位置情報Ａａとしての学習値が、所定の学習しきい値Ｔ１未満である場合には（ステップ＃６７：Ｎｏ）、処理はそのまま終了する。

一方、学習データベースＤＢ３に記憶された当該対象地物についての認識位置情報Ａａとしての学習値が、所定の学習しきい値Ｔ１以上である場合には（ステップ＃６７：Ｙｅｓ）、推測位置判定部３４により、当該対象地物の推測位置ｐｇを判定する（ステップ＃６８）。その後、地物情報生成部３６により、当該対象地物についての、ステップ＃６８で判定された推測位置ｐｇと画像認識結果に基づく地物属性情報とを関連付けた学習地物情報Ｆｂを生成する（ステップ＃６９）。そして、生成した学習地物情報Ｆｂを地物データベースＤＢ２に記憶する（ステップ＃７０）。以上で、地物情報修正処理は終了する。

２０．その他の実施形態
（１）上記の実施形態では、認識位置導出部３２は、認識位置情報Ａａが表す対象地物の認識位置を、自車位置情報Ｐを基準とする当該対象地物の道路上の位置を表す情報として導出する場合の例について説明した。しかし、本発明に係る認識位置情報Ａａは、このような位置の情報に限定されるものではない。したがって、例えば、認識位置情報Ａａが表す対象地物の認識位置を、当該対象地物の画像を含む画像情報Ｇを取得した際の自車位置情報Ｐが示す自車両５０の位置とすることも、本発明の好適な実施形態の一つである。この場合、認識位置導出部３２は、地物情報生成部３６により学習地物情報Ｆｂを生成する際に、撮像装置１１の取付位置、取付角度、及び画角等に基づいて、自車両５０の位置に対する画像情報Ｇ中の対象地物の道路上の位置を演算し、当該対象地物の道路上の位置を、対象地物の学習地物情報Ｆｂが含む位置情報とすると好適である。

（２）上記の実施形態では、推測位置判定部３４が、同じ対象地物についての複数の認識位置情報Ａａの分布に基づいて、当該分布の最頻値を当該対象地物の推測位置ｐｇとして判定する場合の例について説明した。しかし、推測位置判定部３４による推測位置ｐｇの判定方法はこれに限定されない。したがって、例えば、認識位置情報Ａａの分布に基づいて、当該分布の平均値や中央値等の他の代表値を当該対象地物の推測位置ｐｇとして判定する構成とすることも、本発明の好適な実施形態の一つである。

（３）上記の実施形態では、認識位置導出部３２が、一つの対象地物の画像認識に成功する毎に１点の学習値を加算する場合の例について説明した。しかし、本発明の実施形態はこれに限定されるものではない。したがって、例えば、画像認識部１８による対象地物の画像認識処理において、画像認識結果に基づいて対象種別決定部４２により決定された対象種別の対象地物であることの確からしさを表す認識自信度を判定し、当該認識自信度に応じて異なる学習値を加算する構成とすることも、本発明の好適な実施形態の一つである。すなわち、認識位置情報Ａａとしての学習値を位置範囲毎に加算して学習データベースＤＢ３に記憶するのに際して、当該地物種別の対象地物であることの自信度が高い場合には、大きい値を学習値として加算し、逆に自信度が低い場合には、小さい値を学習値として加算する構成とすると好適である。また、対象地物の画像認識に成功する毎に加算する学習値は正の数には限られず、負の数としても好適である。また、この学習値は、整数に限られず、小数としても好適である。

（４）上記の実施形態では、認識失敗処理部３３が、対象地物の画像認識に失敗する毎に、認識失敗情報Ａｃとしての当該対象地物についての学習値を所定の初期値Ｔｄに対して減算し、学習値がゼロになったときに当該対象地物の地物情報Ｆを地物データベースＤＢ２から削除する構成を例として説明した。しかし、認識失敗情報Ａｃとしての学習値の構成はこのようなものに限定されず、例えば、学習値の初期値Ｔｄをゼロとして画像認識に失敗する毎に学習値を減算し、負の値に設定された所定の削除しきい値Ｔ２以下となったときに当該対象地物の地物情報Ｆを地物データベースＤＢ２から削除する構成とすることも、本発明の好適な実施形態の一つである。また、対象地物の画像認識に失敗する毎に減算する学習値は正の数には限られず、負の数としても好適である。また、この学習値は、整数に限られず、小数や分数としても好適である。更に、学習データベースＤＢ３に記憶される認識失敗情報Ａｃの構成は、このような学習値を用いるものに限定されず、地物情報Ｆが示す対象地物の画像認識に失敗したことを記憶するために適した各種の形態の情報を用いることができる。

（５）上記の実施形態における各データベースＤＢ１〜ＤＢ６の分け方は単なる一例であり、各データベースＤＢ１〜ＤＢ６のハードウェア構成を限定するものではない。したがって、例えば、地物データベースＤＢ２と学習データベースＤＢ３とを一つのデータベースとし、或いは、地図データベースＤＢ１と地物データベースＤＢ２とを一つのデータベースとするなど、任意の構成を採用することができる。

（６）上記の実施形態では、地物情報Ｆとして記憶された対象地物が自車両５０の周辺に存在するか否かを判定するための自車両５０の周辺の範囲を、自車位置情報Ｐに示される自車両５０の現在位置（自車位置）から、当該自車両５０が走行中の道路を表すリンクｋの終端までの間の範囲とする場合の例について説明した。しかし、これは単なる一例であり、他の基準により定めた範囲を自車両５０の周辺の範囲とすることも可能である。したがって、例えば、自車両５０の周辺の範囲を、自車両５０の現在位置からリンクｋを単位としない所定距離内の範囲とすることも、本発明の好適な実施形態の一つである。

（７）上記の実施形態では、自車両５０の周辺に地物情報Ｆとして記憶された対象地物が存在しない場合に、所定の対象種別の地物を対象地物とする画像認識結果に基づいて対象地物の位置を学習し、地物情報Ｆを生成する地物情報収集処理と、自車両５０の周辺に地物情報Ｆとして記憶された対象地物が存在する場合に、地物情報Ｆが示す対象地物の画像認識に失敗したことを学習し、地物情報Ｆを削除或いは修正する地物情報修正処理と、の２つの処理を両方行うことが可能な構成の地物情報収集装置２の例について説明した。しかし、本発明に係る地物情報収集装置２の実施形態はこれに限定されるものではなく、例えば、前記地物情報収集処理と、前記地物情報修正処理或いは地物情報の削除処理とのいずれか一方のみを行うことが可能な構成とすることも、本発明の好適な実施形態の一つである。

（８）上記の実施形態では、認識頻度決定部４２の認識頻度導出部４３により、出現頻度情報Ｓ２及び認識率情報Ｓ１を取得し、出現頻度情報Ｓ２に示される道路属性に応じた各地物種別の出現頻度と、認識率情報Ｓ１に示される各地物種別の地物の認識率の予想値とを乗算して認識頻度として求める場合の例について説明した。しかし、本発明の実施形態はこれに限定されない。したがって、例えば、全ての道路属性と地物種別との組み合わせについて、認識頻度を規定した認識頻度テーブルを用い、道路属性情報取得部４１により取得した道路属性情報Ｒｂに基づいて、認識頻度テーブルを参照して各地物種別についての認識頻度を求める構成とすることも、本発明の好適な実施形態の一つである。

（９）上記の実施形態では、道路区域Ｚ毎の各地物種別の優先順位に基づいて、道路区域Ｚ毎に対象種別を決定するに際して、道路区域Ｚ毎の優先順位が「１」である地物種別を対象種別として決定する場合を例として説明した。これは、画像認識部１８による画像認識処理の負荷を小さくするために、対象種別の数を少なく抑えることが有効だからである。なお、画像認識部１８による演算処理能力に余裕がある場合には、道路区域Ｚ毎の優先順位が「１」である地物種別以外も対象種別とし、対象種別の数を多くすることも可能である。またこの際、異なる道路区域Ｚの地物種別を対象種別とすることも可能である。

（１０）上記の実施形態では、道路属性情報Ｒｂとして道路種別情報及び地域種別情報を取得し、これらの情報に基づいて自車両５０が走行中の道路における各地物種別の出現頻度を求める場合を例として説明した。しかし、本発明の実施形態はこれに限定されるものではなく、道路種別及び地域種別以外の道路属性であっても、地物種別の出現頻度に影響するものであれば、道路属性情報Ｒｂとして取得する構成とするのが好適である。したがって、例えば、リンク長、道路幅、リンク形状等の情報を道路属性情報Ｒｂとして取得する構成とすることも、本発明の好適な実施形態の一つである。

（１１）上記の実施形態では、対象種別の決定のために、各地物種別の認識属性情報として、各地物種別の地物の認識率の予想値を表す認識率情報Ｓ１を取得する場合を例として説明した。しかし、対象種別の決定のために用いる各地物種別の認識属性情報は、認識率の予測値の情報に限られるものではなく、各地物種別の地物の画像認識処理に影響を与える様々な情報を、認識属性情報として対象種別の決定に用いることが可能である。

（１２）上記の実施形態では、対象種別の決定に際して、配置傾向データベースＤＢ６に記憶された各地物種別についての区域情報Ｓ３を参照し、各区域情報Ｓ３に示される道路区域Ｚ毎に分けて、認識頻度の上位から順に各地物種別の優先順位を決定する場合を例として説明した。しかし、本発明の実施形態はこれに限定されるものではない。したがって、この区域情報Ｓ３のような各地物種別の地物の配置傾向情報を用いることなく対象種別の決定を行う構成とすることも、本発明の好適な実施形態の一つである。この場合、例えば、認識頻度導出部４３により導出された各地物種別の認識頻度に応じて、対象種別となり得る全ての地物種別の中で認識頻度が上位の一又は二以上の地物種別を対象種別として決定する構成とすることができる。

（１３）上記の実施形態では、対象種別の決定に際して、認識成否管理部４５に記憶されている種別失敗情報Ｓ４を参照し、過去における対象地物の画像認識の成否の情報に基づいて対象種別を決定する場合を例として説明した。しかし、本発明の実施形態はこれに限定されるものではない。したがって、例えば、認識成否管理部４５を備えない構成とし、過去における対象地物の画像認識の成否に関係なく、認識頻度導出部４３により導出された各地物種別の認識頻度等に基づいて、一律に各地物種別の優先順位を決定し、対象種別を決定する構成とすることも、本発明の好適な実施形態の一つである。

（１４）上記の実施形態では、道路の路面に設けられた各種の道路標示の中から選択された地物種別の地物を対象地物とする場合を例として説明した。しかし、本発明の実施形態はこれに限定されるものではなく、道路の周辺に設けられた様々な地物を対象地物とすることが可能である。したがって、例えば、道路標識、案内標識、看板、信号機、マンホール等の各種の地物を対象地物とすることが可能である。

（１５）上記の実施形態では、本発明に係る地物情報収集装置２の全ての構成が自車両５０に搭載される場合を例として説明した。しかし、本発明の実施形態はこれに限定されるものではない。すなわち、本発明の認識結果記憶手段としての学習データベースＤＢ３を含む地物情報収集装置２の一部の構成が、図１５に示すように、無線通信回線等を介して、複数の車両５０と通信可能に接続されたサーバ装置６０に設置された構成とすることも、本発明の好適な実施形態の一つである。地物情報収集装置２をこのような構成とすれば、複数の車両５０による対象地物の学習結果をサーバ装置６０に設置された学習データベースＤＢ３に集積することができる。したがって、より多くの認識位置情報Ａａや認識失敗情報Ａｃを用いて、更に高精度な位置情報を有する対象地物の地物情報Ｆを生成することが可能となる。なお、サーバ装置６０に設置する地物情報収集装置２の構成は、学習データベースＤＢ３に限られず、撮像装置１１や自車位置情報取得部１６等のような、自車両５０に搭載する必要がある構成以外の全ての構成を、サーバ装置６０に設置することが可能である。また、同様に、画像認識装置３、自車位置認識装置４、及びナビゲーション装置１の一部の構成を、サーバ装置６０に設置することも本発明の好適な実施形態の一つである。

（１６）上記の各実施形態では、本発明に係る画像認識装置３を地物情報収集装置２に利用し、本発明に係る地物情報収集装置２を自車位置認識装置４及びナビゲーション装置１に利用する場合の例について説明した。しかし、本発明の実施形態はこれに限定されるものではない。したがって、例えば、本発明に係る画像認識装置３及び地物情報収集装置２を含む自車位置認識装置４を、車両の走行制御装置に利用する等のように、各装置を上記の実施形態とは異なる他の用途に利用することも当然に可能である。

本発明は、車両に搭載した撮像装置等により取得した車両周辺の画像情報に含まれる対象地物の画像認識処理を行う画像認識装置及び画像認識方法に好適に利用することが可能である。

本発明の実施形態に係るナビゲーション装置の概略構成を示すブロック図 地図データベースに記憶されている地図情報の構成の例を示す図 地物データベースに記憶されている道路標示の地物情報の例を示す図 自車両への撮像装置の配置構成の一例を示す図 地物情報が整備されていない道路を自車両が走行する場合の地物情報の収集処理の概要を説明するための説明図 地物情報が既に整備されている道路を自車両が走行する場合の地物情報の修正処理の概要を説明するための説明図 図５（ｂ）に示す学習データベースに記憶された学習値の要部拡大図 図６（ｂ）に示す学習データベースに記憶された学習値の要部拡大図 道路種別が市街地道路である場合における、道路区域の区分と対象種別決定処理の具体例を示す図 道路種別が細街路である場合における、道路区域の区分と対象種別決定処理の具体例を示す図 本発明の実施形態に係るナビゲーション装置の自車位置情報補正方法を含む全体の動作処理の順序を示すフローチャート 本発明の実施形態に係る地物情報収集処理の詳細な処理順序を示すフローチャート 本発明の実施形態に係る対象種別決定処理の詳細な処理順序を示すフローチャート 本発明の実施形態に係る地物情報修正処理の詳細な処理順序を示すフローチャート 本発明の実施形態に係る地物情報収集装置の一部の構成がサーバ装置に設置された例を示す図

符号の説明

１：ナビゲーション装置
２：地物情報収集装置
３：画像認識装置
４：自車位置認識装置
１２：画像情報取得部（画像情報取得手段）
１６：自車位置情報取得部（自車位置情報取得手段）
１７：地物情報取得部
１８：画像認識部（画像認識手段）
１９：自車位置情報補正部（自車位置情報補正手段）
２３：アプリケーションプログラム
２４：案内情報出力手段
３２：認識位置導出部
３３：認識失敗処理部
３４：推測位置判定部（推測位置判定手段）
３５：地物情報管理部（地物情報管理手段）
３６：地物情報生成部（地物情報生成手段）
３７：地物間距離判定部（地物間距離判定手段）
３８：削除管理部
３９：道路情報管理部（道路情報管理手段）
４１：道路属性情報取得部（道路属性情報取得手段）
４２：対象種別決定部（対象種別決定手段）
４３：認識頻度導出部
４４：対象種別決定演算部
４５：認識成否管理部
５０：自車両
Ａａ：認識位置情報
Ａｂ：地物属性情報
Ａｃ：認識失敗情報
ＤＢ１：地図データベース（道路情報記憶手段）
ＤＢ２：地物データベース（地物情報記憶手段）
ＤＢ３：学習データベース（認識結果記憶手段）
Ｄ：地物間距離
Ｅ：認識領域
Ｆ：地物情報
Ｇ：画像情報
Ｌ：リンク長さ
Ｍ：地図情報
Ｐ：自車位置情報
Ｒａ：道路情報
Ｒｂ：道路属性情報
Ｓ１：認識率情報（認識属性情報）
Ｓ２：出現頻度情報
Ｓ３：区域情報（配置傾向情報）
Ｓ４：種別失敗情報
Ｔ１：学習しきい値
Ｔ２：削除しきい値
Ｚ：道路区域
ａ１〜ａ７：位置範囲
ｋ：リンク
ｎ：ノード
ｐｇ：推測位置
ｐｎ：ノード位置

Claims (14)

1. 自車両の現在位置を表す自車位置情報を取得する自車位置情報取得手段と、
   自車両の周辺の画像情報を取得する画像情報取得手段と、
   前記自車位置情報に基づいて、自車両が走行中の道路についての道路属性情報を取得する道路属性情報取得手段と、
   前記画像情報に対する画像認識処理の対象とする一又は二以上の地物種別である対象種別を決定する対象種別決定手段と、
   前記対象種別決定手段により決定された前記対象種別の地物を対象地物とし、前記画像情報に含まれる対象地物の画像認識処理を行う画像認識手段と、を備え、
   前記対象種別決定手段は、前記道路属性情報取得手段により取得した前記道路属性情報と、画像認識処理に関して予め定められた地物種別毎の認識属性情報とに基づいて、前記対象種別を決定するとともに、前記自車位置情報に基づいて、所定の領域毎に、前記対象種別決定手段により決定された前記対象種別の対象地物の画像認識の成否を管理し、前記対象種別の対象地物の画像認識の成否の情報にも基づいて、前記対象種別を決定する画像認識装置。
2. 前記対象種別決定手段は、前記道路属性情報に示される道路属性に応じた各地物種別の出現頻度と、前記認識属性情報に示される各地物種別の画像認識処理に際しての認識容易性の程度とに基づいて定まる認識頻度に応じて、前記対象種別となり得る全ての地物種別の中で前記認識頻度が上位の一又は二以上の地物種別を、前記対象種別として決定する請求項１に記載の画像認識装置。
3. 前記道路属性情報は、道路種別情報及び地域種別情報のいずれか一つ以上を含む請求項１又は２に記載の画像認識装置。
4. 前記認識属性情報は、地物種別毎の形態、大きさ、色彩、及びかすれの生じ易さのいずれか一つ以上を含む各地物種別に固有の性質に基づいて定めた、画像認識処理に際しての認識率の予想値を表す認識率情報を含む請求項１から３のいずれか一項に記載の画像認識装置。
5. 前記対象種別決定手段は、各地物種別の地物の道路上での配置傾向を表す地物種別毎の配置傾向情報に基づいて、この配置傾向情報が表す配置傾向が、前記自車位置情報に基づく自車両の道路上での配置に合致する地物種別を優先して、前記対象種別を決定する請求項１から４のいずれか一項に記載の画像認識装置。
6. 前記配置傾向情報は、各地物種別の地物が、交差点を基準として道路の長さ方向に区分された複数の道路区域のいずれに配置されている可能性が高いかを表す区域情報を含む請求項５に記載の画像認識装置。
7. 前記対象種別となり得る地物種別は、道路の路面に設けられた各種の道路標示の中から選択された地物種別である請求項１から６のいずれか一項に記載の画像認識装置。
8. 請求項１から７のいずれか一項に記載の画像認識装置と、
   前記自車位置情報に基づいて求められる、前記画像認識手段による対象地物の認識位置を表す認識位置情報を、当該対象地物が識別可能な状態で記憶する認識結果記憶手段と、を備える地物情報収集装置。
9. 同じ対象地物が複数回画像認識されることにより前記認識結果記憶手段に記憶された、同じ対象地物についての複数の前記認識位置情報に基づいて、当該対象地物の推測位置を判定する推測位置判定手段を更に備える請求項８に記載の地物情報収集装置。
10. 前記推測位置判定手段により判定された各対象地物の推測位置を表す位置情報を、当該対象地物についての前記画像認識手段による画像認識結果に基づく属性情報と関連付けた地物情報として記憶する地物情報記憶手段を更に備える請求項９に記載の地物情報収集装置。
11. 前記認識結果記憶手段は、複数の車両と通信可能に接続され、複数の車両による前記認識位置情報を記憶する請求項８から１０のいずれか一項に記載の地物情報収集装置。
12. 自車両の現在位置を表す自車位置情報を取得する自車位置情報取得ステップと、
    自車両の周辺の画像情報を取得する画像情報取得ステップと、
    前記自車位置情報に基づいて、自車両が走行中の道路についての道路属性情報を取得する道路属性情報取得ステップと、
    前記画像情報に対する画像認識処理の対象とする一又は二以上の地物種別である対象種別を決定する対象種別決定ステップと、
    前記対象種別決定ステップにより決定された前記対象種別の地物を対象地物とし、前記画像情報に含まれる対象地物の画像認識処理を行う画像認識ステップと、を備え、
    前記対象種別決定ステップでは、前記道路属性情報取得ステップにより取得した前記道路属性情報と、画像認識処理に関して予め定められた地物種別毎の認識属性情報とに基づいて、前記対象種別を決定するとともに、前記自車位置情報に基づいて、所定の領域毎に、前記対象種別決定ステップにより決定された前記対象種別の対象地物の画像認識の成否を管理し、前記対象種別の対象地物の画像認識の成否の情報にも基づいて、前記対象種別を決定する画像認識方法。
13. 前記対象種別決定ステップでは、前記道路属性情報に示される道路属性に応じた各地物種別の出現頻度と、前記認識属性情報に示される各地物種別の画像認識処理に際しての認識容易性の程度とに基づいて定まる認識頻度に応じて、前記対象種別となり得る全ての地物種別の中で前記認識頻度が上位の一又は二以上の地物種別を、前記対象種別として決定する請求項１２に記載の画像認識方法。
14. 前記対象種別決定ステップでは、各地物種別の地物の道路上での配置傾向を表す地物種別毎の配置傾向情報に基づいて、この配置傾向情報が表す配置傾向が、前記自車位置情報に基づく自車両の道路上での配置に合致する地物種別を優先して、前記対象種別を決定する請求項１２又は１３に記載の画像認識方法。

Images