的行车线检测处理中检测到的行车线的信息(行车线候补点)，在由X、Y、Z的各个轴定义的三维空间上形成行车线模型的处理。具体来说，如后述那样，在行车线检测处理中，对在按照每行(每条水平线)进行检测的的行车线的开始位置ds和终止位置de (分别以由(X、Y、Z)表示的三维位置信息而检出)中的至少开始位置ds以例如最小二乘法等，将其近似为直线，在三维空间上形成行车线模型。根据如此形成的行车线模型，还能够得到本车辆所行驶的路面的高度信息。
[0090]前行车辆检测处理部3D执行的前行车辆检测处理，是基于基准图像和三维位置信息来检测在本车辆的前方存在的前行车辆的处理。在该前行车辆检测处理中，首先，基于三维位置信息进行物体检测处理，对图像内存在的物体并包括到该物体为止的距离Z的信息进行检测。例如，在该物体检测处理中，将在上述的视差dp的计算过程中检测到的各对应点与其距离Z的值进行一一对应而生成在图像上表示的距离图像，将该距离图像在纵向上分割成区分开的多个纵区，并按照每个纵区制作表示图像纵向(j方向)的距离分布的距离柱状图，将频数最大的位置(对应点)的距离Z作为在纵区内存在的物体的代表距离。并且，对于得到代表距离的频数最大的各对应点，根据到相邻的各对应点的距离Z和/或方向等的关联性，对认为是同一物体的像素范围进行群组化，并确定存在于图像内的各个物体的范围。由此，对图像内存在的物体包括到该物体为止的距离Z的信息进行检测。
[0091]在此，上述的距离图像是按照每帧依次得到的。在前行车辆检测处理中，通过连续多帧对检测物体的距离Z的信息进行监测，对在本车辆的行驶路上所存在的物体且在与本车辆大致相同的方向上以预定的速度移动的物体作为前行车辆进行提取。这时，为了控制对车辆以外的物体的误检测，还同时利用基准图像进行图案匹配(例如根据制动灯部分等车辆的特征点进行图案匹配)。
[0092]当检测到前行车辆时，计算并保存前行车距离(=与本车辆的车间距)、前行车速度(=车间距的变化比例+本车车速)、前行车加速度(前行车速的微分值)作为前行车辆检测ig息。
[0093]其中，上述的前行车辆检测处理的方法，与日本特开2012-66759号公报公开的方法相同，具体内容可参考该文献。
[0094]并且，前行车辆检测处理部3D能够检测前行车辆的替换。前行车辆的替换是指，在检测过程中前行车辆从本车辆的前方脱离，并且与之相伴地，其前方的车辆作为新的前行车辆被检测的情况，和/或在检测过程中在前行车辆和本车辆之间插入其他车辆而该其他车辆重新作为前行车辆被检测等，在检测过程中的前行车辆改变而其他车辆重新作为前行车辆被检测的情况。
[0095](3、实施方式的行车线检测处理)
[0096]针对行车线检测处理部3B执行的行车线检测处理进行详细说明。
[0097]如图2所示，行车线检测处理部3B按照功能进行大致划分，能够表示为具有搜素范围设定处理部30、亮度重视模式处理部31、色差和亮度模式处理部32以及模式转换控制处理部33。
[0098]搜索范围设定处理部30执行的搜索范围设定处理是在基准图像内设定作为进行行车线搜索的范围的行车线搜索范围sa的处理。在本示例的情况下，作为行车线搜索范围sa，设定在图像内的配置于右侧的右侧行车线搜索范围saR和配置于左侧的左侧行车线搜索范围saL这两个。
[0099]在搜素范围设定处理中，当未检测到行车线时，设定如图3A所示的右侧行车线搜索范围saR以及左侧行车线搜索范围saL。在未检测到行车线的情况下，作为右侧行车线搜索范围saR、左侧行车线搜索范围saL，在基准图像内分别以包含预测拍摄到右侧的行车线的范围、预测拍摄到左侧的行车线的范围的方式设定为比较宽的范围。具体来说，作为右侧行车线搜索范围saR，设定为从搜索开始位置isR到搜索结束位置ieR为止的比较宽的宽度，作为左侧行车线搜索范围saL，设定为从搜索开始位置isL到搜索结束位置ieL为止的比较宽的宽度。
[0100]其中，针对右侧行车线搜索范围SaR将左边侧作为搜索开始位置isR、将右边侧作为搜索结束位置ieR，是由于在右侧行车线搜索范围saR是从左侧开始向右侧进行行车线的搜索(后述的峰值的搜索)。另一方面，针对左侧行车线搜索范围saL将右边侧作为搜索开始位置isL、将左边侧作为搜索结束位置ieL，是由于在左侧行车线搜索范围saL相反地从右侧开始向左侧进行行车线的搜索。其中，从该点也可以理解，各个行车线搜索范围sa的搜索方向都是从本车辆的中心侧开始向外侧的方向。
[0101]并且，在搜索范围设定处理中，当检测到行车线时，设定以行车线的开始位置ds和结束位置de为基准的行车线搜索范围sa。
[0102]图3B表示了根据检测到右侧和左侧两条行车线的情况而设定的右侧行车线搜索范围saR、左侧行车线搜索范围saL的示例。
[0103]该情况下的右侧行车线搜索范围saR设定为，以从在右侧检测到的行车线的开始位置dsR向左侧平移预定的像素数的位置作为搜索开始位置isR，以从该右侧检测到的行车线的结束位置deR向右侧平移预定的像素数的位置作为搜索结束位置ieR的范围。并且，该情况下的左侧行车线搜索范围saL设定为，以从在左侧检测到的行车线的开始位置dsL向右侧平移预定的像素数的位置作为搜索开始位置isL，以从该左侧检测到的行车线的结束位置deL向左侧平移预定的像素数的位置作为搜索结束位置ieL的范围。
[0104]其中，由于行车线搜索范围sa的宽度在实际空间上的宽度大致固定，如上所述，针对行车线的开始位置ds和/或结束位置de而施加的平移可根据距离Z而变化(越远越窄)。即，具有j的值越大的行(水平线)平移越小的倾向。
[0105]返回图2，亮度重视模式处理部31执行的亮度重视模式处理是，对于行车线搜索范围sa内半数以上的行，基于亮度图像进行行车线部分的检测，并且对于其他行，基于色差图像进行行车线部分的检测的处理。
[0106]在此，如前述，作为行车线不仅存在白色行车线，还存在例如橙色行车线(黄色行车线)等的彩色行车线。图4A以及图4B都是示例路面上的左侧形成白色行车线、右侧形成例如橙色行车线的彩色行车线的情况下的摄像图像，在例如图4A所示的示例中，白色行车线的亮度比路面亮度大，而彩色行车线的亮度与路面亮度为相同程度。并且，在图4B的示例中，同样地，白色行车线的亮度比路面亮度大，而彩色行车线的亮度比路面亮度小。
[0107]如此，对于彩色行车线，存在其亮度被摄像为相对于路面亮度为相同程度或比路面亮度小的情况。这些图4A和图4B的情况，例如行驶在混凝土地的道路等路面亮度比较高的情况，和彩色行车线的色彩比较重(例如刚涂饰完不久)、彩色行车线的亮度比较低的情况等，都是在实际行驶环境中很有可能发生的情况。
[0108]在例如图4A或图4B这样的彩色行车线的亮度相对于路面亮度为相同或比路面亮度低的行驶环境中，基于亮度图像进行行车线检测的情况下，能够检测到白色行车线，但对于彩色行车线的检测无法恰当地进行。
[0109]如前所述，对于彩色行车线，基于色差图像进行检测是有效的，但为了恰当地检测白色行车线和彩色行车线这两种车线，对于共用的图像部分执行基于亮度图像的检测和基于色差图像的检测这两种检测，会导致处理负担的增大，所以不优选。
[0110]并且，通常，由于彩色行车线的出现概率相对于白色行车线小，因此在基于亮度图像的行车线检测的同时经常进行基于色差图像的行车线检测同样会增大处理负担，所以不优选。
[0111]在此，在本实施方式中，作为行车线检测处理的初期模式，根据上述的亮度重视模式来进行行车线检测处理。
[0112]图5A为亮度重视模式的说明图。
[0113]首先，在亮度重视模式下，分别在右侧行车线搜索范围saR、左侧行车线搜索范围saL中，将基于亮度图像进行行车线部分检测的行设定为作为亮度重视时的亮度行Lbvb (图中以粗实线表示)，并且将基于色差图像进行行车线部分检测的行设定为作为亮度重视时的色差行Lbvc (图中以粗虚线表示)。
[0114]在本示例的情况下，亮度重视时的色差行Lbvc配置为其间隔相当于实际空间上的固定距离间隔(例如2m间隔)的间隔。S卩，亮度重视时的色差行Lbvc的间隔具有越在图像内的上方越窄的倾向。
[0115]另一方面，亮度重视时的亮度行Lbvb作为设定为亮度重视时的色差行Lbvc以外的行而设定。该情况下，亮度重视时的色差行Lbvc的间隔以至少使亮度重视时的亮度行Lbvb的数量比亮度重视时的色差行Lbvc的数量多的方式进行设定。
[0116]在此，在本示例的情况下，在针对亮度重视时的亮度行Lbvb进行的基于亮度图像的行车线部分的检测中，使用R图像、G图像、或者B图像的任意一个边缘图像。具体来说，在本示例中使用G图像的边缘图像。
[0117]在基于亮度图像的行车线部分的检测中，针对在G图像的边缘图像内的对象行，进行从搜索开始位置is开始到搜素结束位置ie为止的边缘值的峰检测。即，在以右侧行车线搜索范围saR为对象的情况下，在对象行从搜索开始位置isR到搜索结束位置ieR，在以左侧行车线搜索范围saL为对象的情况下，在对象行从搜索开始位置isL到搜索结束位置ieL，分别进行边缘值的峰位置的检测。
[0118]这时，如果在对象行的从搜索开始位置is到搜索结束位置ie的范围内拍摄到白色行车线的一部分(行车线部分)，则通过该峰位置的检测来检测行车线部分的开始位置ds和结束位置de。在基于亮度图像的行车线部分的检测中，将这些开始位置ds和结束位置de的信息作为三维位置信息进行计算。
[0119]在上述的行车线模型形成处理部3C中，使用这样算出的开始位置ds和结束位置de之中的至少开始位置ds的信息来形成行车线模型。
[0120]在基于色差图像的行车线部分的检测中，使用U(B-G)、V(R-G)的色差图像中的任何一种的边缘图像。本示例中，使用了 U图像(B-G)的边缘图像。
[0121]基于色差图像的行车线部分的检测方法与上述说明的基于亮度图像的行车线部分的检测方法相比较，除了进行边缘值的峰位置的检测的对象是在色差图像中的亮度重视时的色差行Lbvc以外，都是相同的，所以此处省略以避