JP7739142B2 - 回避操舵制御が改善された駐車支援システムおよび方法 - Google Patents

Description

本発明は、自律駐車車両の回避操舵制御が大きく改善された駐車支援システムおよび方法に関する。

一般的に、駐車支援システム（ＲＳＰＡ：Ｒｅｍｏｔｅ Ｓｍａｒｔ Ｐａｒｋｉｎｇ Ａｓｓｉｓ）は、超音波センサを用いて、車両が自ら駐車空間を認識し、操舵、制動、速度、前進および後進変速などを制御して駐車を実行するように支援するシステムである。

このように、従来の駐車支援システム（ＲＳＰＡ）は、超音波センサに基づいて周辺の車両などの事物を認識した後、認識した事物を回避操舵しながら駐車を実行する。

しかし、超音波センサの場合、横方向への感知範囲に限界があるため、超音波センサに基づく従来の駐車支援システムの場合、外部（ｏｕｔｅｒ）超音波センサでは感知されるが、内部（ｉｎｎｅｒ）超音波センサでは感知されない距離に位置する障害物に対しては制御基準点の判断が難しいため、縦方向位置の把握が正確でないという問題があった。

このように、事物の縦方向位置に関する情報が不正確に算出されることによって、駐車支援システムでの自律駐車の際に回避操舵の制御が強く行われないという問題があった。

特開２０１９－２１１４８０号公報

本発明は、上記従来技術に鑑みてなされたものであって、本発明の目的は、センサモジュールのセンシングデータとＳＶＭカメラの映像データを融合し、車両の現在の位置を基準とする障害物の位置情報を算出するセンサフュージョン演算モジュールと、前記位置情報に基づいて障害物を回避し、自律駐車するための車両の操舵制御を行う駐車支援モジュールとを含むことで、センサモジュールの感知範囲から逸脱する位置にある障害物も明確に感知することができるようにして、自律駐車の際に、周辺障害物に対する強い回避操舵を可能とした回避操舵制御が改善された駐車支援システムおよび方法を提供することにある。

上記目的を達成するためになされた本発明の一態様による回避操舵制御が改善された駐車支援システムは、車両の周辺を探索して取得したセンシングデータによって車両から障害物までの距離を感知するセンサモジュールと、車両の周辺を撮影して障害物の位置と方向を感知することができる映像データを取得するＳＶＭ（Ｓｕｒｒｏｕｎｄ Ｖｉｅｗ Ｍｏｎｉｔｏｒ）カメラと、前記センサモジュールのセンシングデータと前記ＳＶＭカメラの映像データを融合して車両の現在の位置を基準とする障害物の位置情報を算出するセンサフュージョン演算モジュールと、前記位置情報に基づいて障害物を回避して自律駐車するための車両の操舵制御を行う駐車支援モジュールと、を含むことを特徴とする。

前記センサフュージョン演算モジュールは、前記ＳＶＭカメラで取得した映像データ上の車両の周辺領域を一定の間隔のセルに分割して、各セルにアドレスを付与するセル設定部と、前記映像データに基づいて障害物の存否を感知し、感知した障害物の種類を分類して駐車区域内に存在する障害物を認識する障害物認識部と、前記映像データ上で障害物が認識された位置のセルアドレスを障害物の分類情報とマッチさせて格納し、駐車区域に対する障害物分布現況を示す障害物マップを生成する障害物マップ生成部とを含み得る。

前記センサフュージョン演算モジュールは、前後方映像データと両側方映像データが重なる関心領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）で認識された境界障害物が、前記前後方映像データまたは側方映像データの少なくともいずれか一つの映像データで認識されている障害物の如何なる障害物と同一であるかを判断して障害物を特定する境界障害物特定部をさらに含むことが好ましい。

前記境界障害物特定部は、前記前後方映像データで認識された境界障害物イメージの第１図心と前記側方映像データで認識された境界障害物イメージの第２図心をそれぞれ算出し、同一の障害物分類コードがマッチしている境界障害物に対して算出された前記第１図心と前記第２図心との距離が最小である境界障害物を同一障害物として判断し得る。

前記センサモジュールは、超音波の飛行時間（ＴＯＦ：Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）によってセンシングデータを取得する超音波センサで構成され、前記センサフュージョン演算モジュールは、前記映像データによって認識されて前記障害物マップ上に格納されている障害物の位置を、前記超音波センサでのセンシングデータに基づいて補正して格納する障害物位置補正部をさらに含むことが好ましい。

前記障害物位置補正部は、前記超音波センサに最も近い位置にある障害物のポイントを基準座標として選定した後、前記超音波センサを中心とし、且つ前記基準座標に対するセンシングデータ（ＴＯＦ）の回帰経路を半径とする円に接するまで、前記基準座標を同一セル上で移動させて障害物の補正座標として設定し、前記障害物の残りのポイントの座標を前記基準座標が補正座標に移動した方向に沿って同様に平行移動させて障害物の位置を補正し得る。
また、前記障害物位置補正部は、１つの障害物に対してセンシングデータ（ＴＯＦ）を複数個受信した場合、それぞれのセンシングデータ（ＴＯＦ）を用いて障害物の位置を補正した後、補正した障害物の位置を示す座標の平均を算出し、算出した平均を障害物の最終位置として補正し得る。

前記駐車支援モジュールは、前記障害物マップに格納されている障害物のポイントを示す座標に基づいて駐車空間への進入時に回避すべき障害物のポイントを回避基準点として選択する回避基準点決定部と、駐車空間に進入する車両が障害物を回避して駐車を行うように車両が整列すべき整列角を演算する整列角算出部とを含むことが好ましい。

前記回避基準点決定部は、駐車空間への進入時に隣接した障害物との接触を回避すべき車両部位を車両基準点として設定し、車両の中心を基準とするローカル座標系上でｘ軸一側の＋ｙ軸方向と他側の－ｙ軸方向それぞれの所定領域を第１および第２基準点関心領域として設定した後、各基準点関心領域にある障害物ポイントのうち前記車両基準点との距離が最小であるポイントを各基準点関心領域での回避基準点として選択し得る。

前記駐車支援モジュールは、車両と障害物とのｘ軸距離が予め設定された基準距離よりも大きい場合には、前記車両基準点とのｘ軸距離が近い座標にあるポイントが高い重みを有して回避基準点として選択され、車両と障害物とのｘ軸距離が前記基準距離よりも小さい場合には、前記車両基準点とのｙ軸距離が近い座標にあるポイントが高い重みを有して回避基準点として選択されるように、車両から障害物に至る距離が減少するにつれてｙ軸方向への重みを増加させて適用する重み可変部をさらに含むことが好ましい。

前記整列角算出部は、車両の前面中心に設定されている車両基準点と前記回避基準点がなす角度の平均を駐車空間に進入する車両の初期整列角として算出し、駐車空間への車両の進入程度によって回避操舵のために増減させなければならない整列角変化量を算出し、車両の回避操舵制御のためのデータとして提供し得る。

前記整列角算出部は、現在の初期整列角を示す直線である中心基準線に平行して各回避基準点を通過する直線である第１回避基準線および第２回避基準線を用いて、前記第１回避基準線と中心基準線との間の領域を第１回避関心領域として設定し、前記第２回避基準線と中心基準線との間の領域を第２回避関心領域として設定し、前記第１回避関心領域内にある障害物のポイントと第１回避基準線との距離の和と、前記第２回避関心領域内にある障害物のポイントと第２回避基準線との距離の和を求めた後、２つの距離の和の差が最小になるように前記初期整列角を修正する整列角変化量を算出し得る。

上記目的を達成するためになされた本発明の一態様による回避操舵制御が改善された駐車支援方法は、ＳＶＭ（Ｓｕｒｒｏｕｎｄ Ｖｉｅｗ Ｍｏｎｉｔｏｒ）カメラで撮影される車両の前後方映像データと側方映像データによって駐車空間周辺の障害物イメージを取得する映像データ取得ステップと、センサモジュールで取得したセンシングデータによって障害物の位置と障害物までの距離を感知するセンシングデータ取得ステップと、前記前後方映像データと側方映像データによって認識され、前記センシングデータによって位置が補正された障害物の座標を障害物マップに格納する障害物マップ生成ステップと、前記障害物を構成するポイントの座標のうち車両の回避が求められる回避基準点を選択し、前記回避基準点に基づいて回避操舵のために求められる車両の整列角を算出する駐車支援ステップとを含むことを特徴とする。

前記前後方映像データと側方映像データおよび前記センシングデータ（ＴＯＦ：Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）を受信して前記障害物マップを生成するにあたり、前記前後方映像データと側方映像データが重なる関心領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）で認識された境界障害物が、前記前後方映像データまたは側方映像データの少なくともいずれか一つの映像データで認識されている障害物の如何なる障害物と同一であるかを判断して障害物を特定する境界障害物特定ステップをさらに含み得る。

前記境界障害物特定ステップは、前記前後方映像データと側方映像データのうち前記関心領域（ＲＯＩ）でイメージが認識される物体を境界障害物として選定する境界障害物選定過程と、前記前後方映像データと側方映像データのそれぞれで認識される境界障害物のポイント座標に対する平面中心である第１図心と第２図心を演算する図心算出過程と、同一の障害物分類コードがマッチしている境界算出物に対して算出された第１図心と第２図心との距離を比較し、最小の距離を有する２つの境界障害物を同一障害物として特定する境界障害物判断過程とを含み得る。

前記障害物マップを生成するにあたり、前記センサモジュールに最も近い位置にある障害物のポイントを基準座標として選定し、前記センサモジュールを中心とし、且つ前記基準座標に対するセンシングデータの回帰経路を半径とする円に接するまで前記基準座標を前記ＳＶＭカメラの設置位置に向かう方向に移動させて障害物の補正座標を生成する基準座標補正過程と、前記障害物の残りのポイントの座標を前記基準座標が補正座標に移動した方向に沿って同様に平行移動させる障害物ポイント補正過程とを含み得る。

前記駐車支援ステップは、前記障害物マップに格納されている障害物のポイント座標と駐車空間に進入する車両で障害物との接触を回避すべき車両部位として設定された車両基準点との距離関係に基づいて、車両が回避すべき障害物のポイントを回避基準点として選択する回避基準点決定ステップと、前記車両基準点が回避基準点を回避して駐車空間に進入するように車両を操舵制御するために求められる整列角を演算する整列角算出ステップとを含み得る。

前記回避基準点決定ステップは、車両の中心を基準とするローカル座標系上のｘ軸一側の＋ｙ軸方向と他側の－ｙ軸方向それぞれの所定領域を第１基準点関心領域と第２基準点関心領域として設定する基準点関心領域設定過程と、前記第１基準点関心領域と第２基準点関心領域にある障害物のポイントのうち前記車両基準点との距離が最小である障害物の座標を回避基準点として選択する回避基準点選択過程とを含み得る。

前記回避基準点決定ステップは、前記基準点関心領域にある多数の障害物ポイントのうち前記車両基準点との距離が最小であるポイントを選択するにあたり、駐車空間に進入中の車両と障害物との距離が減少することにつれてｙ軸方向への重みを増加させて適用する重み可変過程をさらに含み得る。

前記整列角算出ステップは、車両の前面中心に設定されている車両基準点と回避基準点がなす角度の平均を車両が障害物を回避して駐車空間に進入するために求められる初期整列角として算出する初期整列角算出過程と、前記初期整列角を示す直線である中心基準線と平行して各回避基準点を通過する直線である第１回避基準線および第２回避基準線を用いて、前記第１回避基準線と中心基準線との領域を第１回避関心領域として設定し、前記第２回避基準線と中心基準線との領域を第２回避関心領域として設定する回避関心領域設定過程と、前記第１回避関心領域内にある障害物のポイントと第１回避基準線との距離の和と、前記第２回避関心領域内にある障害物のポイントと第２回避基準線との距離の和を求めた後、二つの距離の和の差が最小になるように前記初期整列角を修正する整列角変化量を算出する整列角変化量算出過程とを含み得る。

本発明によれば、感知範囲が広いＳＶＭカメラで生成された映像データで認識された障害物の位置を、正確な距離測定が可能なセンサモジュールで取得したセンシングデータ（ＴＯＦ）によって補正することで、自律駐車の際に、周辺障害物に対する認知正確性を向上させ、これにより、安定した回避操舵が可能であるという効果がある。

その他、本明細書により直接または間接に把握される様々な効果を提供することができる。

本発明の一実施形態による回避操舵制御が改善された駐車支援システムのブロック構成図である。 本発明による回避操舵制御の際に、感知範囲が増加することを示す例示図である。 本発明によってＳＶＭカメラにより撮影される前後方および側方映像データの感知範囲を示す例示図である。 本発明によって映像データに示されたイメージを用いて障害物を認識し、クラスタリングする過程を示すフローチャートである。 本発明によって車両の前後方および側方映像データにあるイメージを用いて障害物を認識することを示す例示図である。 本発明によって関心領域に示された境界障害物イメージが前後方および側方映像データで認識されることを示す例示図である。 本発明によって第１図心と第２図心の距離を比較して境界障害物を特定することを示す例示図である。 本発明によって障害物の座標を車両中心のローカル座標系上にマッチさせて格納する例示図である。 本発明によってセンシングデータ（ＴＯＦ）により障害物の位置を補正することを示す例示図である。 本発明によって一つの障害物に対するセンシングデータを複数個受信した場合の障害物位置補正を示す例示図である。 本発明によって基準点関心領域と回避基準点を選択することを示す例示図である。 本発明によって車両と障害物とのｘ軸距離の変化に伴う重み係数の変化を示す例示図である。 本発明によってコスト（ｃｏｓｔ）算出のためのチューニングパラメータの設定例を示すグラフである。 本発明によって整列角算出のための演算過程を示すフローチャートである。 本発明によって整列角算出のための初期整列角と回避関心領域を設定し、整列角変化量が算出されることを示す例示図である。 本発明によって駐車空間に進入した車両の周辺の目標障害物を選定することを示す例示図である。 本発明によって空間進入回避基準点以降のポイントに対する分布を示す回避基準線を算出し、それによる整列角に沿って駐車が行われることを示す例示図である。 本発明によって駐車空間で車両の進入を誘導する整列目標点を示す例示図である。 本発明の一実施形態による回避操舵制御が改善された駐車支援方法の構成図である。

以下、本発明を実施するための形態の具体例を図面を参照しながら詳細に説明する。各図面の構成要素に参照符号を付加するにあたり、同一の構成要素に対しては仮に異なる図面上に示されていても、できるだけ同一の符号を付するようにしている。また、本発明の実施形態を説明するにあたり、関連する公知の構成または機能に関する具体的な説明が本発明の実施形態に関する理解を邪魔すると判断される場合には、その詳細な説明は省略する。

本発明の実施形態の構成要素を説明するにあたり、第１、第２、Ａ、Ｂ、（ａ）、（ｂ）などの用語を使用するが、このような用語は、その構成要素を他の構成要素と区別するためのものであって、その用語によって当該構成要素の本質や順番または順序などは限定されない。また、特に定義しない限り、技術的もしくは科学的な用語をはじめ、本明細書で使用するすべての用語は、本発明が属する技術分野において通常の知識を有する者によって一般的に理解されるものと同じ意味を有する。一般的に使用される辞書に定義されているような用語は、関連技術の文脈上有する意味と一致する意味を有するものと解釈され、本明細書で明らかに定義しない限り、理想的もしくは過剰に形式的な意味に解釈されない。

以下、図１～図１９を参照しながら、本発明の実施形態を具体的に説明する。

図１は、本発明の一実施形態による回避操舵制御が改善された駐車支援システムのブロック構成図である。

図１を参照すると、本発明の一実施形態による回避操舵制御が改善された駐車支援システムは、車両の周辺を探索して取得したセンシングデータによって車両から障害物までの距離を感知するセンサモジュール１００と、車両の周辺を撮影して障害物の位置と方向を感知することができる映像データを取得するＳＶＭ（Ｓｕｒｒｏｕｎｄ Ｖｉｅｗ Ｍｏｎｉｔｏｒ）カメラ２００と、センサモジュールのセンシングデータとＳＶＭカメラの映像データを融合して車両の現在の位置を基準とする障害物の位置情報を算出するセンサフュージョン演算モジュール３００と、算出された位置情報に基づいて障害物を回避して自律駐車するために車両の操舵制御を行う駐車支援モジュール４００とを含む。

また、本発明の一実施形態による回避操舵制御が改善された駐車支援システムは、センサフュージョン演算モジュール３００で算出された障害物の位置情報を車両の周辺を区切っているセルにマッチさせ、障害物の外側を示す各ポイントに対する座標を付与して格納する障害物マップ３６０をさらに含むことができる。

この際、センサモジュール１００は、車両周辺の障害物の存否と、障害物の位置および障害物までの距離を把握することができる様々なセンサで構成される。以下では、センサモジュール１００が一般的な駐車支援システムに広く使用されている超音波センサで構成されることを一実施形態として説明するが、超音波センサ以外の様々なセンサによって具現されることは言うまでもない。したがって、超音波センサにもセンサモジュールと同一の図面符号を併記して説明する。

超音波センサ１００は、車両の周辺に放出された超音波が停車している周辺車両をはじめ、障害物に反射して戻る飛行時間（ＴＯＦ：Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）と方向を受信し、車両を基準として障害物が位置している方向と当該障害物までの距離を感知する。

超音波センサ１００は、通常の駐車支援システムにおいても、駐車空間を探索し、回避操舵のための障害物を感知するために使用される。しかし、超音波センサは、感知範囲が限定的であるため、感知範囲を超えて存在する障害物の場合、制御基準点の判断が難しい場合がある。

すなわち、通常の駐車支援システムでは、車両の前方の中央部分を感知するための内部（ｉｎｎｅｒ）センサと、車両の前方の両側部分を感知するための外部（ｏｕｔｅｒ）センサをともに備える。また、これらの内部センサと外部センサの両方から感知された交点を通じて制御基準点を判断する。

これにより、図２の（ａ）に示すように、車両の左側方向では、障害物が内部センサと外部センサの両方で感知されることから制御基準点を導出することができるが、車両の右側方向では障害物が外部センサでのみ感知され、内部センサでは感知されないため、交点を導き出すことができず、そのため、制御基準点を判断できなくなる。

したがって、本発明では、図２の（ｂ）に示すように、超音波センサ１００で感知されるセンシングデータに、ＳＶＭカメラ２００で取得した映像データを融合することで、内部センサの感知範囲から逸脱した位置にある障害物も明確に感知できるようにした。

すなわち、超音波センサに比べて距離正確度は多少劣っているが、広い感知範囲を有し、障害物が存在する方向情報を正確に提供するＳＶＭカメラの映像データによって障害物を感知できるようにすることで、超音波センサの限界を補完する。

このために、ＳＶＭ（Ｓｕｒｒｏｕｎｄ Ｖｉｅｗ Ｍｏｎｉｔｏｒ）カメラ２００は、車両の前後方および両側方の映像を撮影し、障害物の存否と障害物が位置する方向情報を把握できる映像データを取得する。

これにより、図２の（ｂ）に示すように、仮に内部センサの感知範囲から逸脱した位置にある障害物の場合にも、ＳＶＭカメラで取得した映像データ上の障害物の位置と、超音波センサで取得したセンシングデータ上の障害物の位置および距離情報によって車両の回避操舵のための制御基準点を導き出すことができる。

また、センサフュージョン演算モジュール３００は、ＳＶＭカメラで取得した映像データ上の車両の周辺領域を一定の間隔のセルに分割し、各セルにアドレスを付与するセル設定部３１０と、映像データに基づいて障害物の存否を感知し、感知した障害物の種類を分類して、駐車区域内に存在する障害物を認識する障害物認識部３２０と、映像データ上で障害物が認識された位置のセルアドレスを障害物の分類情報とマッチさせて格納し、駐車区域に対する障害物分布現況を示す障害物マップを生成する障害物マップ生成部３４０とを含む。

この際、セル設定部３１０は、図３の（ａ）に示すように、ＳＶＭカメラ２００で撮影された映像データに示される車両の前方領域と後方領域のそれぞれを均等な間隔で分けられた多数のセルに分割し、各セルにセル１～セル３０のように、アドレスを付与する。この際、ＳＶＭカメラ２００で撮影された車両の前方領域と後方領域のそれぞれに対してアドレスを区分して付与する。

また、セル設定部３１０は、図３の（ｂ）に示すように、ＳＶＭカメラで撮影された車両の両側方領域の場合にも、均等な間隔で分けられた多数のセルに分割した後、セル１～セル６０のように、アドレスを付与する。

この際、図３では、前方と後方領域に対してはそれぞれ３０個のセルに分割し、両側方領域に対してはそれぞれ６０個のセルに分割することを示しているが、各領域を分割するセルの個数をこれとは異なる個数に設定できることは言うまでもない。

また、障害物認識部３２０は、ＳＶＭカメラ２００で取得した映像データに示される駐車している車両をはじめ、障害物の存否を把握し、認識した障害物の種類を予め格納されている障害物分類テーブル３２１上の障害物の外形と比較して障害物を認識する。

このために、障害物分類テーブル３２１では、障害物が感知されない自由空間（Ｆｒｅｅ Ｓｐａｃｅ）と、背景（Ｂａｃｋｇｒｏｕｎｄ）と、車両（Ｃａｒ）と、柱（Ｐｉｌｌａｒ）と、縁石（Ｃｕｒｂ）と、歩行者（Ｐｅｄｅｓｔｒｉａｎ）をはじめ、駐車区域で映像データとして撮影可能な物品とを分類した後、分類した各物品に一定の障害物分類コード（ｉｎｄｅｘ）を付与して格納する。

障害物認識部３２０では、映像データに示された障害物のイメージを障害物分類テーブル３２１に格納されている物品情報と比較した後、障害物分類コードをマッチさせて格納する。

この際、障害物認識部３２０は、セル設定部３１０で分割された各セルごとに障害物として認知されるイメージが存在するか否かと、存在するイメージが如何なる障害物であるかを認識した後、車両を基準とするローカル座標系上で障害物が認識される各ポイントの座標を位置情報として格納する。また、各セルごとに認識された障害物のイメージに付与されている障害物分類コードを各障害物のポイントにマッチさせて格納する。

これにより、障害物認識部３２０は、障害物分類コードがマッチしているセルをクラスタ化（Ｃｌｕｓｔｅｒｉｎｇ）して障害物が占める領域を認識する。このために、障害物認識部３２０は、隣接したセルに同一の障害物分類コードがマッチしている場合、同一の障害物として認識する。

すなわち、図４に示すように、ｉ番目のセルにマッチしている障害物分類コードが存在するか否かを判断した後、現在セルにマッチしている障害物分類コードが、前のセルにマッチしていた障害物分類コードと一致するか否かを比較し、２つのセルの障害物分類コードが同一である場合には、同一障害物のイメージとして判断し、障害物分類コードがないかまたは相違する場合には、同一障害物判断を終了する。これにより、各セルで認識された障害物イメージのうち同一障害物を示すポイントのクラスタを形成する。

また、ｉ番目のセルに対する判断が終了した後、次のセルであるｉ＋１番目のセルに対して同一の過程を繰り返して、映像データをなす全てのセルに対する分析を行って、映像データ上で認識される障害物が存在するか否かを判断する。

この際、次のセルであるｉ＋１番目のセルに障害物分類コードが存在するか否かを判断する過程は、ｉ番目のセルにマッチしている障害物分類コードが存在しない場合にも繰り返して実行されることは言うまでもない。

このように、障害物認識部３２０は、ＳＶＭカメラで撮影された映像データを分析して、各セルに障害物分類コードがマッチしているか否かと、障害物分類コードが同一であるかまたは相違するかを判断することで、車両の周辺に存在する障害物を認識する。

これにより、図５の（ａ）に示すように、車両の前後方映像データから車両の前方に位置している障害物１（Ｏｂｊ１）と車両の前方右側に位置している障害物２（Ｏｂｊ２）を認識する。また、図５の（ｂ）に示すように、車両の両側方映像データから車両の左側方に位置している障害物３（Ｏｂｊ３）と、車両の右側前方に位置している障害物２（Ｏｂｊ２）を認識する。

この際、障害物２（Ｏｂｊ２）の場合、前方映像データと側方映像データの両方から認識されるため、これらの認識結果が同一の障害物を示すのかそれとも別の障害物を示すのかを判断しなければならない。

このために、センサフュージョン演算モジュール３００は、前後方映像データと両側方映像データが重なる関心領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）で認識される境界障害物が、前後方映像データまたは側方映像データの少なくともいずれか１つの映像データで認識されている障害物のうちの如何なる障害物と同一であるかを判断し、障害物を特定する境界障害物特定部３３０をさらに含む。

すなわち、境界障害物特定部３３０は、前後方映像データと側方映像データで重複して認識された障害物のうち同一の障害物を１つの障害物として特定するためのものである。

このように、関心領域で認識された障害物を前後方映像データまたは側方映像データで認識された障害物と区別して説明するために、特定前に関心領域にある障害物を「境界障害物」と表現し、特定後には、他の障害物と同様に「障害物」と表現する。

境界障害物特定部３３０は、前後方映像データで認識された境界障害物イメージの第１図心（ｃｅｎｔｒｏｉｄ）と、側方映像データで認識された境界障害物イメージの第２図心（ｃｅｎｔｒｏｉｄ）をそれぞれ算出して、同一の障害物分類コードがマッチしている境界障害物に対して算出された第１図心と第２図心相互との距離が最小である境界障害物を同一障害物として判断する。

このために、境界障害物特定部３３０は、図６の（ａ）および（ｂ）に示すように、車両前方の右側と左側領域、そして車両後方の右側および左側領域を関心領域（ＲＯＩ）として設定（図６では点線の四角形で表示する）し、関心領域（ＲＯＩ）で認識された障害物を境界障害物として選定する。図６では、円形イメージの境界障害物が第１境界障害物として選定され、長方形イメージの境界障害物が第２境界障害物として選定されたことを示している。

境界障害物特定部３３０は、関心領域にある境界障害物が選定された後、前後方映像データで認識された境界障害物のポイント座標を用いて第１図心（ｃｅｎｔｒｏｉｄ）を算出し、側方映像データで認識された境界対象物のポイント座標を用いて第２図心（ｃｅｎｔｒｏｉｄ）を算出する。これにより、境界対象物の一部だけ認識された場合には、認識されたポイントだけの図心を算出する。

これにより、前後方映像データに関心領域（ＲＯＩ）が重畳表示されている図６の（ａ）に示すように、前後方映像データで第１境界障害物が認識されたポイント（円形の点で表示する）の位置情報に対する第１図心（ｘ_ｃ、ｙ_ｃ）を下記の数式１のように算出する。

［数式１］

図６の（ａ）では、第１境界障害物に対する第１図心の位置を英文字Ｘで示した後、Ｐ_１，ｆで表記している。また、第２境界障害物に対する第１図心も英文字Ｘで示した後、Ｐ_２，ｆで表記している。

また、側方映像データに関心領域（ＲＯＩ）が重畳表示されている図６の（ｂ）に示すように、両側方映像データで第１境界障害物が認識されたポイント（菱形状の点で表示する）の位置情報に対する第２図心（ｘ_ｃ、ｙ_ｃ）を上記の数式１によって算出する。

図６の（ｂ）では、第１境界障害物に対する第２図心の位置を英文字Ｘで示した後、Ｐ_１，sで表記している。また、第２境界障害物に対する第２図心も英文字Ｘで示した後、Ｐ_２，sで表記している。

このように、各境界対象物に対する第１図心（Ｐ_１，ｆ、Ｐ_２，ｆ）と第２図心（Ｐ_１，s、Ｐ_２，s）をそれぞれ算出した後、境界障害物特定部３３０は、各関心領域内で前後方映像データ上の境界障害物と両側方映像データ上の境界障害物のうち互いに同一の障害物分類コードがマッチしている境界障害物を比較対象として選定する。

次に、境界障害物特定部３３０は、下記の数式２のように、比較対象として選定された各境界障害物に対して算出された第１図心と第２図心との相互間の距離をユークリッドノルム（Ｅｕｃｌｉｄｅａｎ ｎｏｒｍ）によって演算した後、最小の距離を有する２つの境界障害物を同一障害物として判断する。

［数式２］

これにより、図７に示すように、第１境界障害物に対して前後方映像データから算出された第１図心Ｐ_１，ｆと側方映像データから算出された第２図心Ｐ_１，sの距離が最小であるため、同一の障害物を示すものと判断する。また、第２境界障害物に対しても第１図心Ｐ_２，ｆと第２図心Ｐ_２，sの距離が最小であるため、同一の障害物を示すものと判断する。

また、障害物マップ生成部３４０は、車両の位置を基準として、ＳＶＭカメラの映像データから取得した障害物認識情報を各障害物が認識された位置情報の座標とともにマッピングして格納することで、自律駐車を行おうとする駐車区域に対する障害物分布現況を示す障害物マップ３６０を生成する。

これにより、障害物マップ生成部３４０は、図８の（ａ）および（ｂ）に示すように、前後方映像データと側方映像データに基づいて障害物認識部３２０で認識された障害物情報（障害物分類コードと外形イメージを含む）を車両の現在の位置を基準とする障害物マップ３６０上に格納する。

この際、前後方映像データと両側方映像データの両方で認識される関心領域（ＲＯＩ）にある障害物２（Ｏｂｊ２）の場合、境界障害物特定部３３０によって図８の（ａ）で認識された境界障害物と図８の（ｂ）で認識された境界障害物とが同一の物体である障害物２（Ｏｂｊ２）であることを特定する。

その結果、図８の（ｃ）に示すように前後方映像データからのみ取得された障害物１（Ｏｂｊ１）が車両の前方に位置し、両側方映像データからのみ取得された障害物３（Ｏｂｊ３）が車両の左側に位置し、関心領域で認識された障害物２（Ｏｂｊ２）が車両の右側前方に位置することを障害物マップ３６０上に格納する。

この際、図８の（ｃ）では、車両の前後方映像データから取得された障害物認識情報は、円形の点で表示し、車両の両側方映像データから取得された障害物認識情報は、菱形状の点で表示して、視覚的な区別の便宜を図った。

また、センサフュージョン演算モジュール３００は、超音波センサでのセンシングデータに基づいて、障害物マップ上に設定されている障害物の位置を補正して格納する障害物位置補正部３５０をさらに含む。

障害物位置補正部３５０は、超音波センサに最も近い位置にある障害物のポイントを基準座標として選定した後、超音波センサを中心とし、基準座標に対するセンシングデータ（ＴＯＦ）の回帰経路を半径とする円に接するまで基準座標を平行移動させて障害物の補正座標として設定し、障害物の残りのポイントの座標を基準座標が補正座標に移動した方向に沿って同様に平行移動させて障害物の位置を補正する。

この際、超音波センサに最も近い位置にある障害物の座標としては、図９および数式３に示すように、超音波センサでセンシングデータ（ＴＯＦ）が最も短く測定された障害物のポイントにマッチしている座標Ｐ_{ｊ，oｂｊ}を基準座標として設定する。また、このような基準座標は、超音波センサの感知範囲（ＦＯＶ：Ｆｉｅｌｄ ｏｆ Ｖｉｅｗ）から逸脱しない領域として設定する。

［数式３］

この際、Ｐ_ＵＳＳは、車両に備えられている超音波センサ（ＵＳＳ：Ｕｌｔｒａｓｏｎｉｃ Ｓｅｎｓｏｒ）１００の位置を示し、Ｐ_{ｊ，oｂｊ}は、映像データで認識された障害物のイメージのうちｊ番目のセルで認識された障害物の座標として、基準座標を示し、ＴＯＦは、超音波センサから放出された後、障害物にぶつかって反射する超音波センサの飛行時間を示す。

障害物位置補正部３５０は、基準座標Ｐ_{ｊ，oｂｊ}を超音波センサによってセンシングされた位置まで平行移動させて補正座標として設定する。このために、障害物位置補正部３５０は、超音波センサの設置位置Ｐ_ＵＳＳからセンシングデータ（ＴＯＦ）が反射した障害物の位置に至る距離を半径とする円を設定した後、基準座標を現在の座標Ｐ_{ｊ，oｂｊ}からＳＶＭカメラ２００の設置位置Ｐ_ＣＡＭに向かう
に沿って平行移動させることで、補正座標Ｐ’_{ｊ，oｂｊ}を設定する。

以降、障害物位置補正部３５０は、障害物マップに格納されている障害物を示す座標を、基準座標Ｐ_{ｊ，oｂｊ}が補正座標Ｐ’_{ｊ，oｂｊ}に移動した
に沿って同様に平行移動させることで、障害物の位置を補正する。

これにより、映像データに基づいて取得した障害物の座標のうち超音波センサ１００に最も近い位置にある障害物の基準座標は、車両に備えられたＳＶＭカメラ２００に向かう方向に移動させ、障害物の残りの座標は、基準座標の移動方向に沿って平行に移動させることで、補正過程で障害物のイメージが歪むことを防止する。

この際、図９に示すように、１つの障害物に対して、センシングデータ（ＴＯＦ）を１つのみ受信した場合（すなわち、外部（ｏｕｔｅｒ）超音波センサでは感知されるが、内部（ｉｎｎｅｒ）超音波センサでは感知されない場合）には、上述のように、センシングデータの値が最も短い飛行時間（ＴＯＦ）を有するポイントの座標を基準座標として設定する。

しかし、図１０に示すように、１つの障害物に対してセンシングデータ（ＴＯＦ）を複数個受信した場合（すなわち、外部（ｏｕｔｅｒ）超音波センサと内部（ｉｎｎｅｒ）超音波センサの両方でセンシングデータを受信した場合）には、それぞれのセンシングデータ（ＴＯＦ）を用いて障害物の位置を補正した後、下記の数式４のように、補正された障害物の位置を示す座標の平均を算出し、算出した平均を障害物の最終位置として補正する。この際、Ｎは、１つの障害物に対して受信したセンシングデータ（ＴＯＦ）の総個数である。

［数式４］

図１０では、外部（ｏｕｔｅｒ）超音波センサＰ_ＵＳＳ１により受信したセンシングデータ（ＴＯＦ）によって設定される基準座標をＰ_{ｊ，oｂｊ１}で示し、内部（ｉｎｎｅｒ）超音波センサＰ_ＵＳＳ２により受信したセンシングデータ（ＴＯＦ）によって設定される基準座標をＰ_{ｊ，oｂｊ２}で示している。

また、２つの基準座標（Ｐ_{ｊ，oｂｊ１}、Ｐ_{ｊ，oｂｊ２}）からＳＶＭカメラの設置位置Ｐ_ＣＡＭに向かうベクトル方向にそれぞれ平行移動させた補正座標を設定することを示している。このように、各基準座標から各補正座標に向かうベクトル方向に沿って障害物の他の座標を平行移動させた後、その結果の平均を障害物の最終補正位置として設定することは上述のとおりである。

また、駐車支援モジュール４００は、障害物マップに格納されている障害物のポイントを示す座標に基づいて駐車空間への進入時に回避すべき障害物のポイントを回避基準点として選択する回避基準点決定部４１０と、駐車空間に進入する車両が、障害物を回避して駐車を行うように車両が整列すべき整列角を演算する整列角算出部４３０とを含む。

回避基準点決定部４１０は、駐車空間への進入時に隣接した障害物との接触を回避すべき車両部位を車両基準点として設定し、障害物マップ上に格納されている障害物ポイントのうち車両基準点との距離が最小である障害物の座標を回避基準点として選択する。

このために、回避基準点決定部４１０は、図１１に示すように、車両のバンパーの左側端部を第１車両基準点Ｐ１として設定し、車両のバンパーの中央端部を第２車両基準点Ｐ２として設定し、車両のバンパーの右側端部を第３車両基準点Ｐ３として設定する。この際、前面駐車をする場合には、車両の前面バンパーを基準に車両基準点が設定されるが、後面駐車をする場合には、車両の後面バンパーを基準に車両基準点が設定される。

また、回避基準点決定部４１０は、車両の中心を基準とするローカル座標系上のｘ軸を中心に一側の＋ｙ軸方向と他側の－ｙ軸方向のそれぞれを第１および第２基準点関心領域（ＲＯＩ）として区分して設定する。第１および第２基準点関心領域（ＲＯＩ）は、車両の左側と右側にある障害物との接触を回避しなければならない回避基準点を各障害物の座標から選択するための領域になる。

回避基準点決定部４１０は、各基準点関心領域にある障害物ポイントのうち車両基準点との距離が最小であるポイントを各基準点関心領域での回避基準点として選択する。

このために、回避基準点決定部４１０は、下記の数式５のように、費用関数（ｃｏｓｔ ｆｕｎｃｔｉｏｎ）によって、車両基準点と各基準点関心領域にある障害物ポイントとの距離を演算し、その距離が最小であるポイントを回避基準点として選択する。

［数式５］

数式５中、αは、重み係数（ｗｅｉｇｈｔｉｎｇ ｆａｃｔｏｒ）であり、αが０に近いほどｘ軸座標の項目が小さくなるため、ｙ軸方向に重みが付与され、αが１に近いほどｙ軸座標の項目が小さくなるため、ｘ軸方向に重みが付与される。この際、ｘ_{Ｐｂａｓｅ}、ｙ_{Ｐｂａｓｅ}は、車両の中心を基準とするローカル座標系上にある車両基準点の座標であり、ｘ_Ｐｉ、ｙ_Ｐｉは、障害物マップ上に格納されている障害物に対する各ポイントの座標である。

これにより、Ｐ_ｂａｓｅが第１車両基準点であるＰ_１の場合、数式５によって選択される回避基準点は、第１基準点関心領域にある＋ｙ軸方向での第１回避基準点Ｐ_ｙ＋となり、Ｐ_ｂａｓｅが第３車両基準点であるＰ３の場合、数式５によって選択される回避基準点は、第２基準点関心領域にある－ｙ軸方向での第２回避基準点Ｐ_ｙ－になる。図１１では、このように選択された回避基準点を中空の円で表示して、車両の現在の位置で回避基準点にならない障害物の他のポイントの座標と区別がつくようにした。

また、駐車支援モジュール４００は、回避基準点決定部４１０で回避基準点を選択するにあたり適用された重み係数を車両から障害物に至る距離が減少することに伴い、ｙ軸方向への重みを増加させて適用する重み可変部４２０をさらに含む。

これにより、図１２の（ｄ）に示すように、車両と障害物とのｘ軸距離が一定の基準距離ｄ_ｃよりも遠い場合には、重み係数αを最大値であるα_ｃとして適用し、基準距離ｄ_ｃよりも近い場合には、重み係数αを最小値であるα_０として適用し、数式５のような費用関数によって回避基準点を決定する。この際、図１２の（ｄ）のグラフに示す基準距離ｄ_ｃと、重み係数の最小値α_０と、重み係数の最大値α_ｃは、調整可能なパラメータである。

これにより、図１２の（ａ）～（ｃ）に示すように、車両と障害物とのｘ軸距離ｄが基準距離ｄ_ｃよりも大きい場合には、車両基準点とのｘ軸距離が近い座標にあるポイントがより高い重みを有して回避基準点として選択されるが、車両と障害物とのｘ軸距離ｄが基準距離ｄ_ｃよりも小さい場合には、ｘ軸距離よりもｙ軸距離が近い座標にあるポイントがより高い重みを有して回避基準点として選択される。

このように、重み可変部４２０は、車両と障害物との距離が減少するのにつれて障害物間の駐車空間に進入する車両の整列と離隔制御のためにｙ軸方向の重みを増加させることで、障害物への衝突回避性能を向上させる。

また、整列角算出部４３０は、車両の前面中心に設定されている第２車両基準点と回避基準点とがなす角度の平均を車両が障害物を回避して駐車空間に進入するための初期整列角として算出し、駐車空間への車両進入程度に応じて回避操舵のために増減させなければならない整列角変化量を算出し、車両の回避操舵制御のためのデータとして提供する。

整列角算出部４３０は、駐車空間への進入の前に、図１５の（ａ）に示すように、車両の前面中心に設定された第２車両基準点が車両の左側に位置する障害物から選択された第１回避基準点（中空の円で表示する）および車両の右側に位置する障害物から選択された第２回避基準点（中空の円で表示する）となす角度の平均を初期整列角δ_ｋとして算出する。

このように算出された初期整列角は、図１５の（ａ）に示すように、車両の中心を基準とするローカル座標系上のｘ軸からの回転角度であり、駐車空間に進入する車両の現在の操舵角である。

また、整列角算出部４３０は、図１５の（ｂ）に示すように、現在の初期整列角δ_ｋを示す直線である中心基準線に平行して各回避基準点を通過する直線ｌ_１、ｌ_３である第１回避基準線および第２回避基準線によって回避関心領域（Ａｖｏｉｄａｎｃｅ Ｄｉｒｅｃｔｉｏｎ ＲＯＩ）を設定する。

これにより、第１回避基準点を通過する第１回避基準線と中心基準線との間の領域を第１回避関心領域として設定し、第２回避基準点を通過する第２回避基準線と中心基準線との間の領域を第２回避関心領域として設定する。

また、整列角算出部４３０は、下記の数式６のように、ユークリッドノルム（Ｅｕｃｌｉｄｅａｎ ｎｏｒｍ）によって、第１回避関心領域内にある障害物のポイントと第１回避基準線との距離の和と、第２回避関心領域内にある障害物のポイントと第２回避基準線との距離の和を求めた後、２つの距離の和の差をコスト（ｃｏｓｔ）として算出し、このようなコストが最小になるように初期整列角を修正する整列角変化量を算出する。

［数式６］

この際、数式６中、Ｐ_１，iは、第１回帰基準線と中心基準線との間の第１回避関心領域内にある障害物ポイントの座標であり、Ｐ_３，jは、第２回帰基準線と中心基準線との間の第２回避関心領域内にある障害物ポイントの座標である。

また、整列角算出部４３０は、数式６によって算出されるコスト（ｃｏｓｔ）が収束される速度を速くするために、図１３のグラフに示された比例関係を用いて、整列角変化量Δδ_ｋを算出する。

したがって、車両が駐車空間に進入するにつれて第１回避基準点と第２回避基準点が変化し、これにより、第１回避関心領域と第２回避関心領域が変化し、各回避関心領域内にある障害物のポイントも変化する。このように、各回避関心領域内にある障害物のポイントが変化するのに伴い、数式６によって算出される整列角変化量が変化するため、変更される位置で障害物の回避制御のために求められる整列角による操舵制御を行う。

この際、図１３のグラフに示すａとｂは、チューニングパラメータ（ｔｕｎｉｎｇ ｐａｒａｍｅｔｅｒ）であり、整列角算出部４３０で整列角変化量を算出する際に具現しようとする収束速度と収束程度に応じて異なるように設定される。すなわち、収束速度を迅速に具現しようとする場合には、ｂの値を増加させてコスト（ｃｏｓｔ）の小さな変化にも整列角変化量が大きく算出されるようにし、収束程度を精密に制御しようとする場合には、ａの値を増加させてコスト（ｃｏｓｔ）の変化に応じて精密な整列角変化量を算出する。

整列角算出部４３０は、上述のように整列角変化量を算出した後、下記の数式７のように、従来の整列角に整列角変化量を反映させて現在の整列角を算出する。これにより、駐車空間への進入を開始する最初に算出された初期整列角から、車両の駐車空間への進入が行われる間に算出される整列角変化量が反映された現在の整列角を算出し続ける。

［数式７］

また、整列角算出部４３０は、コスト（ｃｏｓｔ）算出と整列角変化量Δδ_ｋ算出の正確性を向上させるために、現在の整列角δ_ｋで整列角変化量を演算し、新たな整列角を算出する過程を、予め設定された所定の回数（図１４では繰り返し演算回収Ｋを１０回に設定する）繰り返した後、その結果を出力する。

また、整列角算出部４３０は、車両に備えられた側方超音波センサからセンシングデータ（ＴＯＦ）を所定の回数以上（例えば、５回以上）連続して受信した場合、車両が障害物（駐車中の車両や駐車場の柱または壁面）の間の駐車空間に進入したと判断する。

このように駐車空間に進入したと判断した後、整列角算出部４３０は、＋ｙ軸方向の領域（すなわち、図１６では車両の左側）にある回避基準点と、－ｙ軸方向の領域（すなわち、図１６では車両の右側）にある回避基準点が属している障害物を目標障害物（Ｔａｒｇｅｔ Ｏｂｊｅｃｔ）として選定する。

この際、目標障害物は、第１および第２回避関心領域のそれぞれに存在する障害物のうちｙ軸方向の距離が最も近い障害物として選定される。

また、整列角算出部４３０は、車両が駐車空間に進入した後には、安全な駐車のために、障害物との間の駐車空間に車両を整列しなければならないため、駐車空間への進入時に判断した回避基準点を空間進入回避基準点（Ｐ_{ｔａｒｇｅｔ１}、Ｐ_{ｔａｒｇｅｔ３}）として選定する。

この際、整列角算出部４３０は、目標障害物のポイントのうち空間進入回避基準点（Ｐ_{ｔａｒｇｅｔ１}、Ｐ_{ｔａｒｇｅｔ３}）のｘ座標よりもｘ軸座標値がより大きいポイントの座標を表現する新たな回避基準線（ｌ_１、ｌ_３）を下記の数式８のように最小自乗法（Ｌｅａｓｔ Ｓｑｕａｒｅ）によって算出する。

［数式８］

これにより、図１７に示すように、回避基準線ｌ_１（ｙ＝ａ_１ｘ＋ｂ_１）とｌ_３（ｙ＝ａ_３ｘ＋ｂ_３）を数式８によって算出する。次に、整列角算出部４３０は、２つの直線の勾配の平均を用いて、下記の数式９のように、空間進入回避基準点をはじめ、障害物のポイントに接しないように誘導する新たな整列角δを算出し、このような整列角にしたがって車両を操舵制御することで、障害物を回避操舵して自律駐車を行う。

また、駐車支援モジュール４００は、駐車完了のために駐車空間に進入する車両を誘導するための整列目標点を下記の数式９によって算出した後、駐車完了のための誘導ポイントとして提供する整列目標点算出部４４０をさらに含む。

［数式９］

このために、整列目標点算出部４４０は、図１８および数式９のように、整列角算出部４３０で車両の駐車空間への進入後に選定された第１回避基準点Ｐ_ｙ＋と第２回避基準点Ｐ_ｙ－のｘ座標とｙ座標値の平均に相当する位置の座標を車両が停車すべき整列目標点として算出して提示する。

次に、図１９を参照して、本発明の一実施形態による回避操舵制御が改善された駐車支援方法について説明する。

図１９は本発明の一実施形態による回避操舵制御が改善された駐車支援方法の構成図である。

図１９を参照すると、本発明の一実施形態による回避操舵制御が改善された駐車支援方法は、ＳＶＭカメラで撮影された車両の前後方と側方映像データによって駐車空間周辺の障害物イメージを取得する映像データ取得ステップ（Ｓ１００）と、センサモジュールで取得されたセンシングデータによって障害物の位置と障害物までの距離を感知するセンシングデータ取得ステップ（Ｓ２００）と、映像データによって認識され、センシングデータによって位置が補正された障害物の座標を障害物マップに格納する障害物マップ生成ステップ（Ｓ３００）と、障害物を構成するポイントの座標のうち車両の回避が求められる回避基準点を選択し、回避基準点に基づいて回避操舵のために求められる車両の整列角を算出する駐車支援ステップ（図示せず）とを含む。

映像データ取得ステップ（Ｓ１００）では、車両に備えられたＳＶＭ（Ｓｕｒｒｏｕｎｄ Ｖｉｅｗ Ｍｏｎｉｔｏｒ）カメラを用いて車両の前後方および両側方映像を撮影し、車両が進入しようとする駐車空間の周辺にある障害物の存否と、車両を基準として障害物が位置する方向情報を把握することができる映像データを取得する。

すなわち、映像データ取得ステップ（Ｓ１００）では、車両の前後および左右両側にそれぞれ設置されている４個の広角カメラからなるＳＶＭカメラによって映像データを取得することで、より広い感知範囲に及ぶ映像データを取得する。

また、センシングデータ取得ステップ（Ｓ２００）では、センサモジュールが超音波センサで構成される場合、車両に備えられた超音波センサから放出された後、周辺障害物に反射して戻る超音波信号の飛行時間（ＴＯＦ）と方向を認知し、障害物の存否と当該障害物までの距離を感知する。

また、障害物マップ生成ステップ（Ｓ３００）は、映像データに基づいて駐車空間の周辺にある障害物の存否とその位置を認識した後、車両の現在の位置を基準とするローカル座標系上で障害物が存在するポイントの座標を当該障害物の分類情報とマッチさせて格納し、駐車空間に対する障害物分布現況を示す障害物マップを生成する。

このために、障害物マップ生成ステップ（Ｓ３００）では、ＳＶＭカメラで撮影された映像データに示される車両の前後方領域と両側方領域を均等な間隔で分けられた多数のセルに分割し、各セルにアドレスを付与する。

また、障害物マップ生成ステップ（Ｓ３００）では、映像データに示されたイメージによって車両の周辺にある障害物の存否を把握し、認識した障害物のイメージを予め格納されている障害物分類テーブル上の障害物イメージと比較し、障害物の種類を認識する。

この際、障害物を認識するにあたり、セルごとに障害物イメージを示すポイントの存在有無を判断し、各セルで認識される障害物の分類コードが隣接した他のセルで認識される障害物の分類コードと同一である場合、同一障害物のイメージが複数のセルでともに認識されていると判断する。

このように、障害物マップ生成ステップ（Ｓ３００）では、分割されているセルごとに障害物のイメージが認識されるか否かと、そのイメージが複数のセルで連続して認識されるか否かを判断し、障害物の外形を把握する。

また、各セルで障害物が認識される外側部のポイントを把握し、車両の現在の位置を基準とするローカル座標系上で障害物が認識された各ポイントの座標を位置情報としてともに格納し、障害物マップを生成する。

このように障害物マップを生成するために、映像データから障害物を認識する時に、前後方映像データと側方映像データで重畳して撮影される領域である関心領域（ＲＯＩ）にある障害物は、２つの映像データでいずれも認識される。

これにより、前後方映像データと側方映像データが重なる関心領域（ＲＯＩ）で認識された境界障害物が、前後方映像データまたは側方映像データの少なくともいずれか１つの映像データで認識されている障害物の如何なる障害物と同一であるかを判断し、障害物を特定する境界障害物特定ステップ（Ｓ４００）をさらに含む。

境界障害物特定ステップ（Ｓ４００）は、前後方映像データと側方映像データのうち、関心領域（ＲＯＩ）でイメージが認識される物体を境界障害物として選定する境界障害物選定過程（Ｓ４１０）と、前後方映像データと側方映像データのそれぞれで認識される境界障害物のポイント座標に対する平面中心である第１図心と第２図心を演算する図心算出過程（Ｓ４２０）と、境界算出物に対して算出された第１図心と第２図心との距離を比較し、最小の距離を有する２つの境界障害物を同一障害物として特定する境界障害物判断過程（Ｓ４３０）とを含む。

この際、境界障害物選定過程（Ｓ４１０）では、車両の前方右側と左側領域、および車両の後方右側と左側領域をそれぞれ関心領域（ＲＯＩ）として設定し、前後方映像データと側方映像データのうち、関心領域（ＲＯＩ）に相当する位置やセルで認識される障害物を境界障害物として選定する。

また、図心算出過程（Ｓ４２０）では、前後方映像データのうち関心領域に相当する位置やセルで認識される境界障害物のポイント座標を用いて第１図心（ｃｅｎｔｒｏｉｄ）を算出し、側方映像データのうち関心領域に相当する位置やセルで認識される境界障害物のポイント座標を用いて第２図心（ｃｅｎｔｒｏｉｄ）を算出する。

この際、前後方映像データまたは側方映像データで障害物の一部のみが認識される場合には、認識されるポイントのみの図心を算出することは言うまでもない。

また、境界障害物判断過程（Ｓ４３０）では、各関心領域内で前後方映像データ上の境界障害物と側方映像データ上の境界障害物とのうち互いに同一の障害物分類コードがマッチしている境界障害物を図心の距離比較のための対象として選定する。

次に、境界障害物判断過程（Ｓ４３０）では、比較対象として選定された各境界障害物に対して算出された第１図心と第２図心相互との距離をユークリッドノルム（Ｅｕｃｌｉｄｅａｎ ｎｏｒｍ）によって演算した後、最小の距離を有する２つの境界障害物を同一障害物として判断する。

このように、前後方映像データと側方映像データによって認識される障害物が特定されると、センサモジュールが超音波センサで構成された場合、超音波センサから放出された後、障害物に反射して戻る超音波信号の飛行時間（ＴＯＦ）からなるセンシングデータに基づいて障害物の位置を補正し障害物マップに格納する障害物位置補正ステップをさらに含む。

このために、障害物位置補正ステップ（Ｓ５００）は、超音波センサに最も近い位置にある障害物のポイントを基準座標として選定し、超音波センサを中心とし、且つ基準座標に対するセンシングデータ（ＴＯＦ）の回帰経路を半径にする円に接するまで基準座標を平行移動させて障害物の補正座標を生成する基準座標補正過程（Ｓ５１０）と、障害物の残りのポイントの座標を基準座標が補正座標に移動した方向に沿って同様に平行移動させる障害物ポイント補正過程（Ｓ５２０）とを含む。

この際、基準座標補正過程（Ｓ５１０）では、超音波センサでセンシングデータ（ＴＯＦ）が最も短く測定された障害物のポイントにマッチしている座標を基準座標として設定する。

基準座標補正過程（Ｓ５１０）では、基準座標を超音波センサによって感知された位置まで移動させるために、基準座標を現在の座標（映像データに基づいて算出された障害物マップ上の座標）からＳＶＭカメラの設置位置に向かう方向に移動させることで、補正座標を算出する。

また、障害物ポイント補正過程（Ｓ５２０）では、障害物マップに格納されている障害物の残りの座標を基準座標が補正座標に移動したベクトル方向に沿って平行移動させることで、障害物の位置を補正する。

これにより、映像データに基づいて広い範囲にわたり障害物の存否と位置を確認した後、超音波センサのセンシングデータ（ＴＯＦ）によって最も近いポイントの座標位置を特定し、障害物の残りのポイントを平行移動させて障害物の最終位置を補正し障害物マップに格納することで、駐車空間の周辺にある障害物の存否と各障害物との距離に関する正確な情報を取得する。

また、駐車支援ステップは、障害物マップに格納されている障害物のポイント座標と駐車空間に進入する車両基準点相互との距離関係に基づいて車両が回避すべき障害物のポイントを回避基準点として選択する回避基準点決定ステップ（Ｓ６００）と、車両基準点が回避基準点を回避して駐車空間に進入するように車両を操舵制御するために求められる整列角を演算する整列角算出ステップ（Ｓ７００）とを含む。

この際、回避基準点決定ステップ（Ｓ６００）は、車両の中心を基準とするローカル座標系上のｘ軸を中心に一側の＋ｙ軸方向と他側の－ｙ軸方向それぞれの所定の領域を第１基準点関心領域と第２基準点関心領域として設定する基準点関心領域設定過程（Ｓ６１０）と、駐車空間への進入時に隣接した障害物との接触を回避すべき車両部位を車両基準点として設定し、第１基準点関心領域と第２基準点関心領域にある障害物のポイントのうち車両基準点との距離が最小である障害物の座標を回避基準点として選択する回避基準点選択過程（Ｓ６２０）とを含む。

基準点関心領域設定過程（Ｓ６１０）で設定される第１基準点関心領域と第２基準点関心領域は、車両の中心をｘ軸とする任意のローカル座標系上で＋ｙ軸方向と－ｙ軸方向の所定の領域として設定する。すなわち、障害物間の駐車空間に進入する場合、車両の両側端部に設定された車両基準点の衝突が予想される所定の範囲の領域として設定される。

このように設定される第１基準点関心領域と第２基準点関心領域は、回避基準点として選択される予備ポイントを決定するための領域になる。

また、回避基準点選択過程（Ｓ６２０）では、車両のバンパーの左側端部を第１車両基準点として設定し、車両のバンパーの中央端部を第２車両基準点として設定し、車両のバンパーの右側端部を第３車両基準点として設定する。このように設定された第１～第３車両基準点に対して、車両の中心を基準とするローカル座標系上の座標が付与される。

以降、回避基準点選択過程（Ｓ６２０）では、車両基準点と各基準点関心領域にある障害物ポイントとの距離を演算し、その距離が最小であるポイントを回避基準点として選択する。

この際、基準点関心領域にある多数の障害物ポイントのうち車両基準点との距離が最小であるポイントを選択するにあたり、駐車空間に進入中の車両と障害物との距離が減少するにつれて、ｙ軸方向への重みを増加させて適用する重み可変過程（Ｓ６３０）をさらに含む。

これにより、車両と障害物とのｘ軸距離が予め設定されている基準距離よりも大きい場合には、車両基準点とのｘ軸距離が近い座標にあるポイントが高い重みを有して回避基準点として選択され、車両と障害物とのｘ軸距離が基準距離よりも小さい場合には、車両基準点とのｙ軸距離が近い座標にあるポイントが高い重みを有して回避基準点として選択される。

また、整列角算出ステップ（Ｓ７００）は、車両の前面中心に設定されている車両基準点と回避基準点がなす角度の平均を車両が障害物を回避して駐車空間に進入するために求められる初期整列角として算出する初期整列角算出過程（Ｓ７１０）と、初期整列角を示す直線である中心基準線に平行して各回避基準点を通過する直線である回避基準線によって回避関心領域を設定する回避関心領域設定過程（Ｓ７２０）と、駐車空間への車両の進入程度に応じて障害物の回避操舵のために増減させなければならない整列角変化量を算出して車両の回避操舵制御のためのデータとして提供する整列角変化量算出過程（Ｓ７３０）とを含む。

この際、初期整列角算出過程（Ｓ７１０）では、車両の前面中心に設定されている第２車両基準点が、車両の左側に位置する障害物から選択された第１回避基準点および車両の右側に位置する障害物から選択された第２回避基準点となす角度の平均を初期整列角として算出する。このように算出された初期整列角に沿って車両が駐車空間に進入するように操舵制御が行われる。

また、回避関心領域設定過程（Ｓ７２０）では、現在の初期整列角を示す直線である中心基準線と平行して、第１回避基準点を通過する直線である第１回避基準線と、中心基準線と平行して、第２回避基準点を通過する直線である第２回避基準線によって回避関心領域を設定する。

これにより、第１回避基準点を通過する第１回避基準線と中心基準線との間の領域を第１回避関心領域として設定し、第２回避基準点を通過する第２回避基準線と中心基準線との間の領域を第２回避関心領域として設定する。

このような第１回避関心領域と第２回避関心領域は、車両の整列角変化量の算出のための障害物ポイントが選択される領域を提供する。すなわち、第１回避関心領域と第２回避関心領域にあるポイントのみが整列角変化量算出のためのコスト（ｃｏｓｔ）演算に使用される。

また、整列角変化量算出過程（Ｓ７３０）では、ユークリッドノルム（Ｅｕｃｌｉｄｅａｎ ｎｏｒｍ）によって第１回避関心領域内にある障害物のポイントと第１回避基準線との距離の和と、第２回避関心領域内にある障害物のポイントと第２回避基準線との距離の和をそれぞれ求めた後、２つの距離の和の差であるコスト（ｃｏｓｔ）が最小になるように初期整列角を修正する整列角変化量を算出する。

すなわち、車両が駐車空間に進入するにつれて第１回避基準点と第２回避基準点が変化し、これにより、第１回避基準線と第２回避基準線が変化して、第１回避関心領域と第２回避関心領域も変化する。

これにより、各回避関心領域内にある障害物のポイントが変化し、このような障害物のポイントと各回避基準線との距離に基づいて算出される整列角変化量も変化する。

このように算出される整列角変化量が車両の現在整列角に反映されるように操舵制御することで、車両が駐車空間に進入する間に回避基準点として選択されたポイントを有している障害物に衝突しない。また、両回避基準点または両回避基準線からの距離の差を比較的均等に維持する状態（すなわち、数式６によって算出されたコスト（ｃｏｓｔ）が最小である状態）で安全に駐車する。

この際、整列角変化量算出過程（Ｓ７３０）では、図１４に示すように、車両の現在整列角で回避関心領域を設定した後、各回避関心領域内にあるポイントの座標を用いてコストを計算し、コストが最小になる整列角変化量を算出して現在の整列角を更新する過程を、予め設定された所定の回数（図１４では繰り返し演算回数Ｋを１０回と設定したが、このような特定回数に制限されず、その回数を増減させる）繰り返した後、その結果を更新された整列角として出力する。

また、整列角算出ステップ（Ｓ７００）は、車両が障害物の間の駐車空間に進入したと判断した場合、各回避基準点をポイントとして有している各障害物を最終回避対象である目標障害物（Ｔａｒｇｅｔ Ｏｂｊｅｃｔ）として選定し、２つの回避基準点の座標値の平均に相当する位置を２つの障害物の間に車両が停車すべき整列目標点として算出する整列目標点算出過程（Ｓ７４０）をさらに含む。

このために、整列目標点算出過程（Ｓ７４０）では、車両が障害物の間の駐車空間に進入したと判断した場合、車両の中心を基準としたときに、＋ｙ軸方向の領域にある回避基準点と、－ｙ軸方向の領域にある回避基準点をポイントとして有している各障害物を最終回避対象である目標障害物（Ｔａｒｇｅｔ Ｏｂｊｅｃｔ）として選定する。

この際、整列目標点算出過程（Ｓ７４０）では、車両が駐車空間への進入時に判断された回避基準点を空間進入回避基準点として選定し、目標障害物のポイントのうち空間進入回避基準点のｘ座標よりもｘ軸座標値がより大きいポイントの座標を表現する新たな回避基準線を最小自乗法によって算出する。

また、整列目標点算出過程（Ｓ７４０）では、新たに算出された回避基準線によって車両の整列角を操舵制御しながら、整列目標点に至るように車両を誘導して駐車を行う。

また、駐車支援ステップ（Ｓ７００）は、整列角算出ステップで算出される整列角変化量が反映されて更新された整列角によって障害物を回避して駐車空間に車両を誘導する回避経路を生成して提供する回避経路生成ステップ（図示せず）と、回避経路に沿って走行するために求められる操舵制御命令を生成して操舵装置に伝送する操舵制御命令生成ステップ（図示せず）とをさらに含むことで、障害物への衝突を安定的に回避しながら駐車空間への自律駐車を行う。

以上の説明は、本発明の技術思想を例示的に説明したものに過ぎず、本発明が属する技術分野において通常の知識を有する者であれば、本発明の本質的な特性から逸脱しない範囲で様々な修正および変形が可能である。

したがって、本明細書に開示されている実施形態は、本発明の技術思想を限定するためのものではなく、説明するためのものであって、このような実施形態によって本発明の技術思想の範囲が限定されるものではない。

１００ センサモジュール
２００ ＳＶＭカメラ
３００ センサフュージョン演算モジュール
３１０ セル設定部
３２０ 障害物認識部
３２１ 障害物分類テーブル
３３０ 境界障害物特定部
３４０ 障害物マップ生成部
３５０ 障害物位置補正部
３６０ 障害物マップ
４００ 駐車支援モジュール
４１０ 回避基準点決定部
４２０ 重み可変部
４３０ 整列角算出部
４４０ 整列目標点算出部

Claims (16)

1. 車両の周辺を探索して取得したセンシングデータによって車両から障害物までの距離を感知するセンサモジュールと、
   車両の周辺を撮影して障害物の位置と方向を感知することができる映像データを取得するＳＶＭ（Ｓｕｒｒｏｕｎｄ Ｖｉｅｗ Ｍｏｎｉｔｏｒ）カメラと、
   前記センサモジュールのセンシングデータと前記ＳＶＭカメラの映像データを融合して車両の現在の位置を基準とする障害物の位置情報を算出するセンサフュージョン演算モジュールと、
   前記位置情報に基づいて障害物を回避して自律駐車するための車両の操舵制御を行う駐車支援モジュールと、を含み、
   前記センサフュージョン演算モジュールは、
   前後方映像データと両側方映像データが重なる関心領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）で認識された境界障害物が、前記前後方映像データまたは側方映像データの少なくともいずれか一つの映像データで認識されている障害物の如何なる障害物と同一であるかを判断して障害物を特定する境界障害物特定部をさらに含み、
   前記境界障害物特定部は、
   前記前後方映像データで認識された境界障害物イメージの第１図心と前記側方映像データで認識された境界障害物イメージの第２図心をそれぞれ算出し、同一の障害物分類コードがマッチしている境界障害物に対して算出された前記第１図心と前記第２図心との距離が最小である境界障害物を同一障害物として判断することを特徴とする回避操舵制御が改善された駐車支援システム。
2. 前記センサフュージョン演算モジュールは、
   前記ＳＶＭカメラで取得した映像データ上の車両の周辺領域を一定の間隔のセルに分割して、各セルにアドレスを付与するセル設定部と、
   前記映像データに基づいて障害物の存否を感知し、感知した障害物の種類を分類して駐車区域内に存在する障害物を認識する障害物認識部と、
   前記映像データ上で障害物が認識された位置のセルアドレスを障害物の分類情報とマッチさせて格納し、駐車区域に対する障害物分布現況を示す障害物マップを生成する障害物マップ生成部とを含むことを特徴とする請求項１に記載の回避操舵制御が改善された駐車支援システム。
3. 前記センサモジュールは、
   超音波の飛行時間（ＴＯＦ：Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）によってセンシングデータを取得する超音波センサで構成され、
   前記センサフュージョン演算モジュールは、
   前記映像データによって認識されて前記障害物マップ上に格納されている障害物の位置を、前記超音波センサでのセンシングデータに基づいて補正して格納する障害物位置補正部をさらに含むことを特徴とする請求項２に記載の回避操舵制御が改善された駐車支援システム。
4. 前記障害物位置補正部は、
   前記超音波センサに最も近い位置にある障害物のポイントを基準座標として選定した後、前記超音波センサを中心とし、且つ前記基準座標に対するセンシングデータ（ＴＯＦ）の回帰経路を半径とする円に接するまで、前記基準座標を同一セル上で移動させて障害物の補正座標として設定し、前記障害物の残りのポイントの座標を前記基準座標が補正座標に移動した方向に沿って同様に平行移動させて障害物の位置を補正することを特徴とする請求項３に記載の回避操舵制御が改善された駐車支援システム。
5. 前記障害物位置補正部は、
   １つの障害物に対してセンシングデータ（ＴＯＦ）を複数個受信した場合、それぞれのセンシングデータ（ＴＯＦ）を用いて障害物の位置を補正した後、補正した障害物の位置を示す座標の平均を算出し、算出した平均を障害物の最終位置として補正することを特徴とする請求項３に記載の回避操舵制御が改善された駐車支援システム。
6. 前記駐車支援モジュールは、
   前記障害物マップに格納されている障害物のポイントを示す座標に基づいて駐車空間への進入時に回避すべき障害物のポイントを回避基準点として選択する回避基準点決定部と、
   駐車空間に進入する車両が障害物を回避して駐車を行うように車両が整列すべき整列角を演算する整列角算出部と、を含むことを特徴とする請求項３に記載の回避操舵制御が改善された駐車支援システム。
7. 前記回避基準点決定部は、
   駐車空間への進入時に隣接した障害物との接触を回避すべき車両部位を車両基準点として設定し、車両の中心を基準とするローカル座標系上でｘ軸一側の＋ｙ軸方向と他側の－ｙ軸方向それぞれの所定領域を第１および第２基準点関心領域として設定した後、各基準点関心領域にある障害物ポイントのうち前記車両基準点との距離が最小であるポイントを各基準点関心領域での回避基準点として選択することを特徴とする請求項６に記載の回避操舵制御が改善された駐車支援システム。
8. 前記駐車支援モジュールは、
   車両と障害物とのｘ軸距離が予め設定された基準距離よりも大きい場合には、前記車両基準点とのｘ軸距離が近い座標にあるポイントが高い重みを有して回避基準点として選択され、車両と障害物とのｘ軸距離が前記基準距離よりも小さい場合には、前記車両基準点とのｙ軸距離が近い座標にあるポイントが高い重みを有して回避基準点として選択されるように、車両から障害物に至る距離が減少するにつれてｙ軸方向への重みを増加させて適用する重み可変部をさらに含むことを特徴とする請求項７に記載の回避操舵制御が改善された駐車支援システム。
9. 前記整列角算出部は、
   車両の前面中心に設定されている車両基準点と前記回避基準点がなす角度の平均を駐車空間に進入する車両の初期整列角として算出し、駐車空間への車両の進入程度によって回避操舵のために増減させなければならない整列角変化量を算出し、車両の回避操舵制御のためのデータとして提供することを特徴とする請求項６に記載の回避操舵制御が改善された駐車支援システム。
10. 前記整列角算出部は、
    現在の初期整列角を示す直線である中心基準線に平行して各回避基準点を通過する直線である第１回避基準線および第２回避基準線を用いて、前記第１回避基準線と中心基準線との間の領域を第１回避関心領域として設定し、前記第２回避基準線と中心基準線との間の領域を第２回避関心領域として設定し、前記第１回避関心領域内にある障害物のポイントと第１回避基準線との距離の和と、前記第２回避関心領域内にある障害物のポイントと第２回避基準線との距離の和を求めた後、２つの距離の和の差が最小になるように前記初期整列角を修正する整列角変化量を算出することを特徴とする請求項６に記載の回避操舵制御が改善された駐車支援システム。
11. ＳＶＭ（Ｓｕｒｒｏｕｎｄ Ｖｉｅｗ Ｍｏｎｉｔｏｒ）カメラで撮影される車両の前後方映像データと側方映像データによって駐車空間周辺の障害物イメージを取得する映像データ取得ステップと、
    センサモジュールで取得したセンシングデータによって障害物の位置と障害物までの距離を感知するセンシングデータ取得ステップと、
    前記前後方映像データと側方映像データによって認識され、前記センシングデータによって位置が補正された障害物の座標を障害物マップに格納する障害物マップ生成ステップと、
    前記障害物を構成するポイントの座標のうち車両の回避が求められる回避基準点を選択し、前記回避基準点に基づいて回避操舵のために求められる車両の整列角を算出する駐車支援ステップと、を含み、
    前記前後方映像データと側方映像データおよび前記センシングデータ（ＴＯＦ：Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）を受信して前記障害物マップを生成するにあたり、前記前後方映像データと側方映像データが重なる関心領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）で認識された境界障害物が、前記前後方映像データまたは側方映像データの少なくともいずれか一つの映像データで認識されている障害物の如何なる障害物と同一であるかを判断して障害物を特定する境界障害物特定ステップをさらに含み、
    前記境界障害物特定ステップは、
    前記前後方映像データと側方映像データのうち前記関心領域（ＲＯＩ）でイメージが認識される物体を境界障害物として選定する境界障害物選定過程と、
    前記前後方映像データと側方映像データのそれぞれで認識される境界障害物のポイント座標に対する平面中心である第１図心と第２図心を演算する図心算出過程と、
    同一の障害物分類コードがマッチしている境界算出物に対して算出された第１図心と第２図心との距離を比較し、最小の距離を有する２つの境界障害物を同一障害物として特定する境界障害物判断過程と、を含むことを特徴とする回避操舵制御が改善された駐車支援方法。
12. 前記障害物マップを生成するにあたり、前記センサモジュールに最も近い位置にある障害物のポイントを基準座標として選定し、前記センサモジュールを中心とし、且つ前記基準座標に対するセンシングデータの回帰経路を半径とする円に接するまで前記基準座標を前記ＳＶＭカメラの設置位置に向かう方向に移動させて障害物の補正座標を生成する基準座標補正過程と、
    前記障害物の残りのポイントの座標を前記基準座標が補正座標に移動した方向に沿って同様に平行移動させる障害物ポイント補正過程と、を含むことを特徴とする請求項１１に記載の回避操舵制御が改善された駐車支援方法。
13. 前記駐車支援ステップは、
    前記障害物マップに格納されている障害物のポイント座標と駐車空間に進入する車両で障害物との接触を回避すべき車両部位として設定された車両基準点との距離関係に基づいて、車両が回避すべき障害物のポイントを回避基準点として選択する回避基準点決定ステップと、
    前記車両基準点が回避基準点を回避して駐車空間に進入するように車両を操舵制御するために求められる整列角を演算する整列角算出ステップと、を含むことを特徴とする請求項１１に記載の回避操舵制御が改善された駐車支援方法。
14. 前記回避基準点決定ステップは、
    車両の中心を基準とするローカル座標系上のｘ軸一側の＋ｙ軸方向と他側の－ｙ軸方向それぞれの所定領域を第１基準点関心領域と第２基準点関心領域として設定する基準点関心領域設定過程と、
    前記第１基準点関心領域と第２基準点関心領域にある障害物のポイントのうち前記車両基準点との距離が最小である障害物の座標を回避基準点として選択する回避基準点選択過程とを含むことを特徴とする請求項１３に記載の回避操舵制御が改善された駐車支援方法。
15. 前記回避基準点決定ステップは、
    基準点関心領域にある多数の障害物ポイントのうち前記車両基準点との距離が最小であるポイントを選択するにあたり、駐車空間に進入中の車両と障害物との距離が減少することにつれてｙ軸方向への重みを増加させて適用する重み可変過程をさらに含むことを特徴とする請求項１３に記載の回避操舵制御が改善された駐車支援方法。
16. 前記整列角算出ステップは、
    車両の前面中心に設定されている車両基準点と回避基準点がなす角度の平均を車両が障害物を回避して駐車空間に進入するために求められる初期整列角として算出する初期整列角算出過程と、
    前記初期整列角を示す直線である中心基準線と平行して各回避基準点を通過する直線である第１回避基準線および第２回避基準線を用いて、前記第１回避基準線と中心基準線との領域を第１回避関心領域として設定し、前記第２回避基準線と中心基準線との領域を第２回避関心領域として設定する回避関心領域設定過程と、
    前記第１回避関心領域内にある障害物のポイントと第１回避基準線との距離の和と、前記第２回避関心領域内にある障害物のポイントと第２回避基準線との距離の和を求めた後、二つの距離の和の差が最小になるように前記初期整列角を修正する整列角変化量を算出する整列角変化量算出過程とを含むことを特徴とする請求項１３に記載の回避操舵制御が改善された駐車支援方法。