CN101275840A - 车辆行动学习设备及车辆行动学习程序 - Google Patents
车辆行动学习设备及车辆行动学习程序 Download PDFInfo
- Publication number
- CN101275840A CN101275840A CNA2008100836681A CN200810083668A CN101275840A CN 101275840 A CN101275840 A CN 101275840A CN A2008100836681 A CNA2008100836681 A CN A2008100836681A CN 200810083668 A CN200810083668 A CN 200810083668A CN 101275840 A CN101275840 A CN 101275840A
- Authority
- CN
- China
- Prior art keywords
- information
- action
- mentioned
- vehicle
- vehicle self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000006399 behavior Effects 0.000 title description 2
- 238000001514 detection method Methods 0.000 claims abstract description 121
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000009471 action Effects 0.000 claims description 414
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 168
- 230000033001 locomotion Effects 0.000 claims description 75
- 238000012360 testing method Methods 0.000 claims description 36
- 238000000605 extraction Methods 0.000 claims description 27
- 230000005055 memory storage Effects 0.000 claims description 26
- 238000003909 pattern recognition Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 abstract description 13
- 238000012545 processing Methods 0.000 description 20
- 238000012937 correction Methods 0.000 description 16
- 230000001133 acceleration Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 239000000725 suspension Substances 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 239000002912 waste gas Substances 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- XDDAORKBJWWYJS-UHFFFAOYSA-N glyphosate Chemical compound OC(=O)CNCP(O)(O)=O XDDAORKBJWWYJS-UHFFFAOYSA-N 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
一种车辆行动学习设备,能够以高位置精度来学习在道路的特定位置的高频率的车辆行动。取得车辆自身位置信息、车辆自身周围的图像信息及车辆自身周围的地物信息,进行包含在图像信息中的对象地物的识别处理。行动检测装置检测从图像识别成功的位置开始的规定范围内的车辆自身的行动。使表示检测结果的行动检测信息与检测位置的信息相关联,并存储到检测结果存储装置中。学习行动提取装置,根据通过车辆自身多次往返同一地点而被存储到检测结果存储装置中的,与同一车辆自身的行动相关的多个行动检测信息,作为学习行动提取反复检出的车辆自身的行动,将该学习行动的属性信息及位置信息作为与对象地物的地物信息相关的学习行动信息来输出。
Description
技术领域
本发明涉及一种能够学习车辆在特定车辆位置所进行的特定行动的车辆行动学习设备及车辆行动学习程序。
背景技术
家用车等,在特定的驾驶者沿同一路径频繁驾驶的情况下,有时可能会在特定的车辆自身位置以高频率进行特定的行动。所谓行动,例如是,驶向家或工作单位、商店等的特定场所时的左右转弯或减速、车窗的开闭、车灯的开关,在自动变速装置中的换抵挡等。近年来,虽然在很多车辆上搭载了进行路径导航的导航系统,但需要进一步提高导航系统的精度。另外,也在进行将导航系统所具有的各种功能扩大到路径导航以外的用途上的各种研讨。在下面所记载的专利文献1中公开了与搭载了导航系统的车辆的死角监视器的控制装置相关的发明。
在操作了启动死角监视器的手动开关时,该死角监视器控制装置将来自导航系统的与车辆所处的地点相关的数据,作为启动信息来存储。而且,对来自导航系统的输入信息,进行启动信息的检索、对照,并在车辆位于该地点时,发送死角监视器的启动信号。该导航系统通过连接交叉路口等坐标点的线(Link),管理道路信息。当操作手动开关的地点为带有道路链的编号的道路时,包括该道路链的编号、坐标、车辆的行驶方向的启动信息被存储。该地点为不带有道路链的编号的道路时,包括坐标、车辆的行驶方向的启动信息被存储。另外,车辆所处的地点是在利用GPS系统的同时,利用根据车速信号或角速度并通过自主导航(Autonomous Navigation)来推断的混合动态系统(Hybrid Dynamical Systems)来求得。
专利文献1:JP特开2002-286459号公报(参照第1~14、第24~28段落等)
专利文献1中所记载的死角监视器的控制装置,利用混合动态系统求得车辆自身的位置。但是,如专利文献1记载,不管是GPS的测位还是自主导航的测位,测位值中都含有误差,导致偏离实际的行驶位置。因此,通过所谓的地图匹配(Map Matching)处理来推断认为最准确的位置。
但是,不仅限于死角监视器的启动操作,车辆的种种特定的行动很多都是在特定的地点上被执行的。例如,从大道到小道的左右转弯或换抵挡的操作等在接近家、工作单位、商店等特定的场所时被执行。从大道路分出的小道路有很多,并且其中很多都是间隔很窄。在小道路的间隔比测位值的误差还小的情况下,很难根据测位结果预测车辆的行动。
发明内容
本发明是鉴于上述的问题而提出的,其目的在于提供一种能够在高位置精度的状态下学习在道路的特定位置的高频率的车辆行动的车辆行动学习设备及车辆行动学习程序。
为了达到上述的目的,本发明提供一种车辆行动学习设备,其特征在于,具有:车辆自身位置信息取得装置,取得表示车辆自身目前位置的车辆自身位置信息;图像信息取得装置,取得车辆自身周围的图像信息;地物信息存储装置,存储地物信息,上述地物信息包括关于多个对象地物的位置信息及属性信息;地物信息取得装置,根据上述车辆自身位置信息,从上述地物信息存储装置取得车辆自身周围的上述地物信息;图像识别装置,根据上述地物信息,进行包含在上述图像信息中的对象地物的识别处理;行动检测装置,从用上述图像识别装置产生的对象地物图像识别已成功的位置,检测规定范围内的车辆自身的行动;检测结果存储装置,根据上述车辆自身位置信息,将行动检测信息与检出上述行动的检测位置的信息相关联地存储,上述行动检测信息表示通过上述行动检测装置产生的车辆自身行动的检测结果;学习行动提取装置,基于通过车辆自身多次往来同一地点而被存储到上述检测结果存储装置中的,有关相同行动的多个上述行动检测信息,将反复检出的车辆自身的行动作为学习行动提取,作为上述学习行动的属性信息及位置信息与上述图像识别成功的对象地物的地物信息相关联的学习行动信息进行输出。
根据上述特征的结构,学习行动信息包括,检出从在对象地物的图像识别中成功的位置开始到规定范围内的车辆自身行动的行动检测信息,和检出行动的检测位置信息。即,将存在于特定位置的对象地物和车辆自身的行动相关联,并作为学习行动信息来输出。另外,因为学习行动信息包括在以存在于特定位置上的对象地物为基准的地点,反复被检出的车辆自身的行动,所以学习行动信息表示在特定位置中高频率出现的车辆自身的行动。与只依赖于GPS测位或自主导航的测位方法相比,通过一并使用识别对象地物的测位方法,能够实现更高的位置精度。因此,与对象地物相关联的本发明特征构成的学习行动信息也具有高位置精度。其结果,能够提供以高的位置精度,学习在道路的特定位置的高频率的车辆的行动的车辆行动学习设备。另外,通过使用从学习行动提取装置中输出的学习行动信息,能够以图像识别出的对象地物为基准来预测车辆的行动。
在此,通过上述行动检测装置所检出的车辆自身的行动,包括车辆自身的各部分所接受到的驾驶者的操作,及车辆自身的行动中的至少一种。
另外,本发明的车辆自身的行动包括如下行动,即,因驾驶者的操作而产生的车辆自身各部或车辆整体的行动、或者因从外部加到车辆自身上的外部因素而产生的车辆自身的各部或车辆整体的行动。
车辆自身的行动包括因驾驶者的自发性操作而发生的行动,因道路的状况或气候等被动性的原因而发生的行动。例如,所谓驾驶者的自发性操作包括转向操作、换档操作、油门或制动器的操作、空调装置的操作、车窗的开关操作、导航装备或音响的操作等。而且,作为这种因驾驶者自发性的操作而产生的车辆自身的行动,存在如下行动,例如,因转向操作而产生的车辆自身的前进方向的变化或横方向加速度的变化,因换档操作或油门操作而发生的变速器的变速段的变更(急速降档(kick-down)或换低速档(shift down)等),因制动器或油门操作而发生的前进方向的加速度的变化等。另一方面,作为因被动性原因而产生的车辆自身的行动,存在如下行动,例如,行驶弯道时所发生的横向加速度的变化,因通过高低不平的道路而产生的振动和冲击,行驶坡路时的前进方向的加速度的变化等。本发明的行动检测装置,将对这些驾驶者的自发性的操作的受理,以及通过驾驶者的操作或外部因素等产生车辆自身的行动中的至少其一,作为车辆自身的行动而检出,因此,能够大范围地检出车辆自身的行动。
另外,本发明的车辆行动学习设备,其特征在于,上述学习行动提取装置,与多个车辆可通信地连接,上述行动检测装置,在作为车辆自身的行动而检出由从外部施加到车辆自身上的外部因素所引起的车辆自身的动作的情况下,按以下的方式提取上述学习行动信息。
即,上述学习行动提取装置,基于通过多个车辆通行同一个地点而被存储到各车辆的检测结果存储装置中的,有关车辆的行动的多个行动检测信息,将具有再现性被检出的车辆自身的行动作为学习行动进行提取,将上述学习行动的属性信息及位置信息,作为与上述图像识别成功的对象地物的地物信息相关联的上述学习行动信息进行输出。
因外部因素而产生的车辆自身的行动,即使存在程度的差别,也是在多辆其他车中同样产生的行动。即,因为道路的状况或天气等因被动性的原因而发生,所以即使未在同一车辆中反复检出相同的行动,如果在多辆车上再现相同的行动的话,就能够作为学习行动信息。根据本特征,学习行动提取装置因为与多个车辆可通信地连接,所以即使在车辆自身中所检出的行动为一次,通过与其他车辆所检出的行动相结合,也能够作为具有再现性的行动。其结果,能够大范围地学习车辆的行动。
另外,本发明的车辆行动学习设备,优选具有:行动预测装置,其根据上述学习行动信息,预测与该对象地物相关联的上述行动。
根据上述结构,如上所述,利用以高位置精度学习到的,表示在道路的特定位置的高频率的车辆行动的学习行动信息,能够预测其行动。即,以图像识别出的对象地物为基准,能够高精度地预测车辆自身的行动。
在本发明的车辆行动学习设备具有上述行动预测装置的情况下,优选上述行动预测装置,上述行动预测装置向进行运算处理的导航用运算装置输出上述行动的预测结果,上述运算处理用于输出车辆自身的导航信息。
根据上述结构,根据行动预测装置的预测结果,导航用运算装置能够进行适当的导航信息的输出。例如,预测右转或左转等的车辆自身的行动,并能够以高精度进行车辆自身位置的显示或路径导航。
本发明的车辆行动学习设备具有上述行动预测装置时,优选上述行动预测装置,将上述行动的预测结果向再现上述驾驶者的操作的车辆自身内的控制装置输出。
根据上述结构,根据行动预测装置的预测结果,上述控制装置能够再现驾驶者的操作。即,辅助驾驶者的能动性的操作,或在能动性操作之前实施相同的操作。其结果,即使驾驶者的能动性操作延迟,或被忘记,也能够准确地再现车辆的行动。
在本发明的车辆行动学习设备具有上述行动预测装置的情况下,优选上述行动预测装置,将上述行动的预测结果向使车辆自身的动作最佳化的控制装置输出。
根据上述结构,根据行动预测装置的预测结果,上述控制装置能够使车辆自身的行动最佳化。例如,换档控制装置或发动机控制装置、混合动力车辆的电动机控制装置、主动悬挂装置(Active Suspension)的控制装置等,根据行动预测装置的预测结果,能够使车辆自身的行动最佳化。其结果,能够提高乘车的舒适性降低耗油量。
在此,上述对象地物最好是设置在道路路面上的路标。
路标通过法律规定了其尺寸等。因此,能够减轻通过图像识别装置所进行的识别处理的负荷,同时能够进行正确的位置判断。即,能够高精度地取得车辆自身的位置信息。其结果,能够提供一种车辆学习装置,该车辆学习装置能够以高的位置精度来学习车辆的行动。
另外,在上述地物信息存储装置中,作为上述地物信息,存储了预先存储的初始地物信息,及学习地物信息中的其一或两者,上述学习地物信息根据由与上述地物信息无关的上述图像识别装置产生的地物的图像识别结果,进行学习和存储。
根据上述结构,地物信息存储装置,在存储了初始地物信息的情况下,能够使用该初始地物信息进行车辆行动的学习,在存储了学习地物信息的情况下,能够进行使用该学习地物信息的车辆行动的学习。而且,在初始地物信息和学习地物信息的两者都被存储的情况下,能够根据情况使用上述的其一或两者进行车辆行动学习。另外,在存储学习地物信息的结构中,即使是不具备初始地物信息的道路,也能够对车辆自身行驶过的道路依次整理出地物信息。因此,能够扩大根据车辆自身的行驶路径而进行车辆行动学习的道路和区域,还能够减少为了整理初始地物信息所需的时间和费用。
另外,上述检出上述行动的检测位置的信息优选包括,表示上述行动的检测位置的坐标信息,及从上述图像识别成功的对象地物的上述图像识别成功的位置,到上述行动的检测位置的距离信息的其一或两者。
根据上述结构,利用单独表示上述检测位置的信息,及用表示该检测位置与在上述图像识别中成功的对象地物之间的关系的地物—行动之间的距离来表示的信息中的其一或两者,能够恰当地表示上述行动的检测位置信息。另外,在以包含上述距离信息的方式构成的情况下,利用该距离信息,作为上述学习行动的位置信息,通过学习行动提取装置能够容易地生成并输出包括距离信息的学习行动信息,上述距离信息是从上述图像识别中成功的对象地物的位置开始到上述学习行动的位置为止的距离信息。
另外,与上述学习行动信息相关的上述学习行动的位置信息,优选包括表示上述学习行动位置的坐标信息,及从上述图像识别成功的对象地物的位置到上述学习行动的位置的距离信息的其一或两者。
根据上述结构,使用单独表示该学习行动的位置信息,及用表示该学习行动的位置与在上述图像识别中成功的对象地物之间的关系的地物—学习行动之间的距离来表示的信息中的其一或两者,能够恰当地表示上述学习行动的位置信息。另外,在以包含上述距离信息的方式构成的情况下,上述学习行动信息中所显示的上述对象地物在图像识别中成功时,以该对象地物在图像识别中成功的位置为基准,能够更准确地预测学习行动的发生。
另外,本发明的导航装备的其特征在于,具有:具有上述特征结构的车辆行动学习设备;地图信息存储装置,存储地图信息;多个应用程序,参照通过上述车辆行动学习设备输出的上述学习行动信息及上述地图信息的其一或两者进行工作;导航信息输出装置,根据上述应用程序工作,输出导航信息。
根据上述的结构,应用程序能够利用在高精度状态下学习到的学习行动信息而进行行动。因此,能够输出具有更高精度的导航信息。例如,如果将与回家等频繁利用的支道相关的转弯行动作为行动而进行学习,就不会错误地匹配到支道旁边的大道上,而是能够正确地匹配到支道上。
另外,本发明的车辆行动学习程序,其特征在于,具有:车辆自身位置信息取得步骤,取得表示车辆自身的目前位置的车辆自身位置信息;图像信息取得步骤,取得车辆自身周围的图像信息;地物信息取得步骤,根据上述车辆自身位置信息,从存储具有关于多个对象地物的位置信息及属性信息的地物信息的地物信息存储装置中,取得车辆自身周围的上述地物信息;图像识别步骤,根据上述地物信息,进行包含在上述图像信息中的对象地物的识别处理;行动检测步骤,从由上述图像识别装置产生的对象地物的图像识别成功的位置,检出规定范围内的车辆自身的行动;检测结果存储步骤,根据上述车辆自身位置信息,将行动检测信息与检出上述行动的检测位置的信息相关联地存储到检测结果存储装置中,上述行动检测信息表示由上述行动检测装置产生的车辆自身的行动的检测结果;学习行动提取步骤,基于通过车辆自身多次来往同一地点而被存储到上述检测结果存储装置中的,有关相同车辆的行动的多个上述行动检测信息,将反复检出的车辆自身的行动作为学习行动提取,作为上述学习行动的属性信息及位置信息与上述图像识别成功的对象地物的地物信息相关联的学习行动检测信息进行输出。
根据上述特征的结构,学习行动信息包括,检出从在对象地物的图像识别中成功的位置开始到规定范围内的车辆自身行动的行动检测信息,和检出行动的检测位置的信息。即,将存在于特定位置的对象地物和车辆自身的行动相关联,并作为学习行动信息来输出。另外,因为学习行动信息包括在以存在于特定位置上的对象地物为基准的地点,反复被检出的车辆自身的行动,所以学习行动信息表示在特定位置中高频率出现的车辆自身的行动。与只依赖于GPS测位或自主导航的测位方法相比,通过一并使用识别对象地物的测位方法,能够实现更高的位置精度。因此,与对象地物相关联的本发明特征构成的学习行动信息也具有高位置精度。其结果,能够提供以高的位置精度,学习在道路的特定位置的高频率的车辆的行动的车辆行动学习程序。
附图说明
图1是示意性地表示具有本发明的实施方式的车辆行动学习设备的导航装备的结构例的框图。
图2是表示存储在地图数据库中及地物数据库中的信息的结构例的说明图。
图3表示图像信息的一个实例的图。
图4是表示车辆自身周围的地图信息的一个实例的图。
图5是示意性地表示学习行动数据库的结构的一个实例的框图。
图6是示意性地表示学习行动数据库的结构的另一个实例的框图。
图7是表示学习车辆行动的步骤的一个实例的流程图。
图8是表示预测车辆行动的步骤的一个实例的流程图。
图9是表示根据导航装备的路径导航来学习车辆行动的实例的说明图。
图10是表示在导航装备的路径导航中利用车辆行动的预测结果的实例的说明图。
具体实施方式
以下,基于图面说明本发明的实施方式。图1是示意性地表示具有本实施方式的车辆行动学习设备2的导航装备1的结构实例的框图。图2是表示显示在图1中的地图数据库13及地物数据库15中所存储的信息的结构实例的说明图。地图数据库13相当于本发明的地图信息存储装置,地物数据库15相当于本发明的地物信息存储装置。如图1所示,导航装备1具有车辆行动学习设备2、地图数据库13、应用程序16、导航信息输出部(导航信息输出装置)28的各功能部。车辆行动学习设备2具有车辆自身位置信息取得部3、图像信息取得部4、地物信息取得部5、图像识别部6、行动检测部7、检测结果存储部8、学习行动提取部9的各功能部。这些功能部以微处理器或DSP(digital signal processor:数字信号处理)等的运算处理装置作为核心部件,通过硬件及软件(程序)的其一或两者来构成。即,这些各功能部通过硬件及软件的协同工作,对所输入的种种数据执行处理。对于上述各功能部的详细内容在后面进行详细叙述。
地图数据库及地物数据库
地图数据库13是存储按每个规定的区域而划分的多个地图信息M和与该地图信息M相关联的多个地物信息F的数据库。在图2表示了存储在地图数据库13中的地图信息M及存储在地物数据库15中的地物信息F的结构实例。如图2所示,在地图数据库13中存储着道路网层m1、道路形状层m2、地物层m3。在本实施方式中,由存放在这些各层m1~m3中的信息,构成了地图数据库13的地图信息M,并通过存放在其中的地物层m3中的信息,构成了地物数据库15的地物信息F。
道路网层m1是表示道路间的连结信息的层。具体地讲,由多个节点n的信息和连接两个节点n并构成道路的多个道路链k的信息来构成,上述多个节点n具有以纬度及经度等的坐标来表示的地图上的位置信息。另外,各道路链k作为道路链信息具有道路种类(高速公路,收费道路,国道,省道等的种类)、道路链长度等的信息。另外,道路形状层m2是表示道路的形状的层,所存储的内容与道路网层m1相关联。具体地讲,由具有多个道路形状的补充点s的信息、道路宽度w的信息而构成,上述多个道路形状的补充点s设置在两个节点n之间(道路链k上)并具有用纬度及经度等的坐标来表示的在地图上的位置信息。
地物层m3与道路网层m1及道路形状层m2相关联,并存储了设置在道路上或道路周围上的各种地物的信息,即地物信息F。该地物层m3中存储了地物信息F的地物,包括设置在道路的路面上的路标(涂料标记)。作为这种道路标标识相关的地物,例如,包括沿着道路划分车道的车道边界线(包括实线、虚线、双线等的各种车道边界线)、指定各车道的前进方向的各前进方向的通行区分标线、人行横道、停止线、速度标记、斑马线等。另外,作为存储在地物信息F中的地物,除了这些路标之外,还可以包括信号灯、交通标志、桥梁、隧道等的各种的地物。
另外,地物信息F的内容包括各地物的位置信息及属性信息。在此,位置信息具有与道路链k或节点n等相关联的各地物的代表点在地图上的位置(纬度及经度等的坐标)及各地物的方向的信息。在本例中代表点设置在各地物的长度方向及宽度方向的中心上。属性信息具有表示各地物的形态的形态信息和表示各地物的种类的种类信息等。在此,形态信息具有各地物的形状、大小、色彩等的信息。更具体地讲,种类信息是表示“车道边界线(包括实线、虚线、双线等线的种类)”、“各前进方向的通行区分标志”、“人行横道”等的路标种类的信息。
车辆自身位置运算部
车辆自身位置信息取得部3,作为车辆自身位置信息取得装置,取得表示车辆自身位置,即车辆自身的目前位置,的车辆自身位置信息L。在本实施例中车辆自身位置信息取得部3与GPS接收器23、方向传感器24及距离传感器25相连接。
GPS接收器23是接收来自GPS(Global Positioning System:全球定位系统)卫星的GPS信号的装置。一般,该GPS信号每隔一秒接收一次,并向车辆自身位置信息取得部3发送。车辆自身位置信息取得部3解析接从GPS卫星接收到的信号,并取得车辆自身的目前位置(纬度及经度等的坐标),前进方向,移动速度等信息。
方向传感器24检出车辆自身的前进方向或该前进方向的变化,并向车辆自身位置信息取得部3输出其检测结果。该方向传感器24由例如,陀螺仪传感器、地磁传感器、安装在方向盘旋转部上的光学式旋转传感器或旋转式电阻电位器、安装在车轮部上的角度传感器等构成。
距离传感器25检出车辆自身的车速或移动距离,并向车辆自身位置信息取得部输出作为其检测结果的车速及移动距离的信息。该距离传感器25由例如,车辆的驱动轴或车轮等每旋转一定量就输出脉冲信号的车速脉冲传感器,检测车辆自身的加速度的偏航率/加速传感器(Yaw-Rate/G Sensor)及对检出的加速度进行积分的电路等构成。
车辆自身位置信息取得部3根据这些GPS接收器23、方向传感器24及距离传感器25的输出,通过公知的方法进行特定车辆自身位置的运算。另外,车辆自身位置信息取得部3根据从地图数据库13中所取得的车辆自身位置周围的地图信息M,进行公知的地图匹配,由此在显示在地图信息M中的道路上匹配车辆自身位置。
通过这种方法所取得的车辆自身位置的信息,有时包含因各传感器23~25的检测精度等而引起的误差。另外,在车辆自身正在行驶的道路具有多个车道时,通过这种方式所取得的车辆自身位置的信息有时无法正确确定车辆自身正在行驶的车道。因此,在本实施方式中,从后述的车道特定部17向车辆自身位置信息取得部3提供车道确定信息J,该车道确定信息J确定了车辆自身正在行驶的道路中车辆自身所在的车道。车辆自身位置信息取得部3根据上述的确定车辆自身的运算结果和车道特定部17所提供的车道确定信息J,取得车辆自身位置信息L,该车辆自身位置信息L包含由纬度及经度等的坐标所表示出的车辆自身目前位置的信息、车辆自身前进方向的信息,及包括与车辆自身正在行驶的车道相关的车道确定信息J。该车辆自身位置信息L被输出到车辆自身位置信息修改部11、地物信息取得部5、识别条件设定部14及导航用运算部12。
图像信息取得部
图像信息取得部4,作为图像信息取得装置,取得通过摄像装置21所拍摄到的车辆自身位置周围的图像信息G。在此,摄像装置21是具有摄像器件的摄像头等装置,在其所设置的位置至少能够拍摄车辆自身(车辆自身位置)的周围道路的路面。作为这种摄像装置21,可以使用例如,后摄像机等。图像信息取得部4以规定的时间间隔经由帧存储器(Frame Memory,未图示)等读取摄像装置21所拍摄到的摄像信息。这时,读取图像信息G的时间间隔,例如,可以设置为10~50ms的程度。由此,图像信息取得部4连续性地取得摄像装置21所拍摄到的多个帧的图像信息G。在此所取得的图像信息G被输出到图像识别部6中。
地物信息取得部
地物信息取得部5,作为地物信息取得装置,从地物数据库15中提取成为图像信息识别处理对象的对象地物ft的地物信息F。在本实施例中,为了执行修正车辆自身位置信息L的前进方向的位置的处理,地物信息取得部5从地物数据库15中取得一个地物信息F,该地物信息F是与后述的识别条件设定部14所设定的一个对象地物ft有关的信息。在此所取得的地物信息F中,如上所述,包括了对象地物ft的位置信息及形态信息。通过地上信息取得部5所提取的对象地物ft的地物信息F被输出到图像识别部6、车辆自身位置信息修正部11、检测结果存储部9、行动预测部10、识别条件设定部14。
另外,为了执行通过车道特定部17所进行的取得车道确定信息J的处理,地物信息取得部5根据车辆自身位置信息L,从地物数据库15中提取在车辆自身正在行驶的道路中车辆自身位置周围的车道边界线的地物信息F。通过地物信息取得部5所提取的车道边界线的地物信息F被输出到图像识别部6及车道特定部17中。
识别条件设定部
识别条件设定部14作为识别条件设定装置,设定图像识别部中的图像识别处理的识别条件。
识别条件设定部14设定作为图像识别处理的对象的对象地物ft。对象地物ft从地物信息F被存储在地上数据库15中的地物中,且进入到摄像装置21的拍摄范围的车辆自身位置周围的一个或两个以上地物中进行选择。在本实施例中,识别条件设定部14根据通过车辆自身位置信息取得部3所取得的车辆自身位置信息L和存储在地物数据库15中的地物信息F,将在车辆自身所行驶的车道中的前进方向离车辆最近的一个地物设定为对象地物ft。此外,在本实施例中,在车辆自身的前进方向上,搜索对象地物ft的范围被规定为在规定距离内。因此,在车辆自身的前进方向的规定距离内不存在地物时,不设定对象地物ft。
另外,识别条件设定部14设定图像识别范围,该图像识别范围是对与图像信息G相对应的各对象地物ft进行图像识别处理的范围。在本实施方式中,图像识别范围是在车辆自身(车辆自身位置)的前进方向上划出的范围。该范围是根据对象地物ft的车辆自身位置的前进方向的长度来设定,并从包含在地物信息F中的形态信息中求得。例如,与对象地物ft为停止线的情况相比,在速度表示等在车辆自身的前进方向上更长的情况下,设定为更长的范围。所设定的图像识别范围的信息被输出到图像识别部6。而且,图像识别部6对所设定的图像识别范围内的图像信息G进行对象地物ft的图像识别处理。
图像识别部
图像识别部6作为图像识别装置,对图像信息取得部4所取得的图像信息G进行图像识别处理。在本实施方式中,图像识别部6针对识别条件设定部14所设定的图像识别范围中所规定的范围内,对图像信息G进行图像识别处理。这时,图像识别部6使用在地物信息取得部5中所提取的对象地物ft的地物信息F,进行对象地物ft的图像识别处理。更具体地讲,图像识别部6从图像信息取得部F所取得的图像信息G中提取图像识别范围内的图形信息G。各图像信息G中的拍摄区域的信息,根据车辆自身位置和拍摄区域的位置关系和车辆自身位置信息L能够被求得,其中该车辆自身位置是根据预先取得的摄像装置21的校正信息而预先计算出的。在此,所谓摄像装置21的校正信息是指基于安装在车辆自身上的摄像装置21的安装位置、安装角度及拍摄角度等的信息(平移·旋转·摄像头内部参数)。
图像识别部6根据如上所述而取得的各图像信息G的拍摄区域的信息,提取图像识别范围内的图像信息G。更具体地讲,图像识别部6对所提取的图像信息G进行二值化处理或边缘(edge)检测处理,从而提取包含在该图像信息G中的地物(路标)的轮廓信息。之后,图像识别部6对提取的地物的轮廓信息和包含在对象地物ft的地物信息F中的形态信息进行比较,并判断其是否一致,其中该地物信息F通过地物信息取得部5而取得。在地物的轮廓信息与包含在对象地物ft的地物信息F中的形态信息一致的情况下,判断为地物ft的图像识别成功,并将其图像识别结果输出到车辆自身位置信息修正部11中。此外,在对象地物ft的图像识别中失败时,不向车辆自身位置信息修正部11输出图像识别结果,因此,也不通过车辆自身位置信息修正部11进行车辆自身位置信息L的修正。
另外,图像识别部6为了取得车道特定部17中的车道确定信息J,使用在车辆自身正在行驶的道路上的车辆自身位置周围的车道边界线的地物信息F,进行车辆自身周围的车道边界线的图像识别,其中该地物信息F通过在地物信息取得部5而提取。更具体地讲,图像识别部6对图像信息取得部4中所取得的图像信息G进行二值化处理或边缘(edge)检测处理等,提取包含在该图像信息G中的地物(路标)的轮廓信息。之后,图像识别部6根据所提取的地物轮廓信息和包含在车道边界线的地物信息F中的形态信息,进行车辆自身的周围的车道边界线位置及车道边界线种类的识别。而且,图像识别部6向车道特定部17输出该车道边界线的图像识别结果。
车辆自身位置信息修正部
车辆自身位置信息修正部11作为车辆自身位置信息修正装置,根据图像识别部6的图像识别处理结果及对象地物ft的位置信息,来修正车辆自身位置信息L,其中该对象地物ft的位置信息包含在通过地物信息取得部5所取得的地物信息F中。在本实施方式中,车辆自身位置信息修正部11根据车辆的前进方向修正车辆自身位置信息L。更具体地讲,车辆自身位置信息修正部6,首先,根据图像识别部6的图像识别结果和摄像装置21的校正信息,计算出在取得图像信息G时的车辆自身与对象地物ft之间的位置关系,其中该图像信息G包括对象地物ft的图像。接着,车辆自身位置信息修正部11根据车辆自身位置和对象地物ft之间的位置关系的运算结果和包含在地物F中的对象地物ft的位置信息,计算出以车辆自身的前进方向的对象地物ft的位置信息(地物信息F)为基准的高精度的车辆自身的位置信息。车辆自身位置信息修正部11根据该高精度的车辆自身的位置信息,修正包含在车辆自身位置信息取得部3中的所取得的车辆自身位置信息L中的,车辆自身的前进方向的目前位置的信息。其结果,车辆自身位置信息取得部11取得修正后的高精度的自位置信息L。
车道特定部
车道特定部17取得车道确定信息J,该车道确定信息J确定在车辆自身正在行驶的道路上的车辆自身所在的车道。车道特定部17根据车辆自身正在行驶的道路上的车辆自身位置周围的车道边界线的地物信息F和对包含在图像信息G中的车道边界线的图像识别结果,进行确定车辆自身正在行驶的车道的运算,并取得车道确定信息J。更具体地讲,例如,车道特定部17,根据在图像识别部6的图像识别结果中所显示的车辆自身周围的车道边界线的种类(实线、虚线、双线等线的种类)及配置,还根据包含在车辆自身位置周围的车道边界线的地物信息F中的形态信息,确定车辆自身正在行驶的车道。
例如,在取得了如图3所示的图象信息G,和如图4所示的车辆自身周围的地图信息M的情况下,能够确定车辆自身所在的车道为三条车道中的中间车道。即,在图3中的图象信息G所显示的图像中,车辆自身所在位置,即图像的宽度方向的中间的两侧是虚线的车道边界线,再外边的两外侧分别都是实线的车道边界线。另一方面,根据图4所示的地图信息M能够知道,车辆自身所行驶的道路具有三条车道,在道路宽度方向的两侧存在实线的车道边界线的地物信息F,并在道路宽度方向的中间侧存在划出各车道的虚线的地物信息F。因此,车道特定部17通过对比这些信息,能够确定车辆自身所在的车道是三条车道中的中间车道。
另外,车道特定部17根据图像识别结果所显示的车道边界线的位置信息,判断车辆自身是否跨越了车道边界线,以此判断有无车道的变更,并确定车辆自身正在行驶的车道。此外,车道特定部17只在有必要确定车辆自身正在行驶的车道的情况下,即,车辆自身正在行驶的道路在其行驶方向(单方向)上具有多个车道的情况下,进行确定车道的运算。而且,车道特定部17向车辆自身位置信息取得部3提供车道确定信息J,该车道确定信息J是确定车辆自身正在行驶的车道的信息。由此,车辆自身位置运算部3,如上所述,生成车辆自身位置信息L,该车辆自身位置信息L包括与车辆自身正在行驶的车道有关的车道特定信息J。因此,在本实施方式中,车道特定部17与车辆自身位置信息取得部3共同作为车辆自身位置信息取得装置18来工作。
行动检测部
行动检测部7作为行动检测装置,检测规定范围内的车辆自身的行动,其中该规定范围从在图像识别部6中成功地进行了对象地物的图象识别的位置开始。如图1所示,行动检测部7接收来自作为行动输入装置而工作的,配备在车辆自身上的各种开关和各种传感器的输入,检测车辆自身的行动。所谓各种开关,例如,是空调开关31、车灯开关33、车窗开关35、音响操作开关(未图示)等。另外,所谓各种传感器,例如,是振动传感器37、亮度传感器39、加速度传感器(未图示)、油门传感器(未图示)、制动器传感器(未图示)等。
空调开关31是进行冷暖气的设定、外部空气的引进、室内循环等的切换的开关。车灯开关33是开关车辆的照明装置、设定高亮度低亮度等的开关。车窗开关35是指示开关车窗的开关。振动传感器37是检测传达到车辆自身的振动的传感器。例如,其检测结果被传达到主动悬挂装置的控制装置等,从而悬挂装置(Suspension)被调整到最合适的硬度。亮度传感器39是检出车辆自身外部的亮度的传感器。例如,其检测结果被传递到照明装置的控制装置中,从而自动控制照明装置的开或关。加速度传感器是检测车辆自身的加速和减速的加速度的传感器。油门传感器是检测驾驶者所进行的油门踏板的操作量(油门开度)的传感器。制动器传感器是检测驾驶者所进行的制动踏板的操作量或踩制动踏板的力量等的传感器。
在本实施方式中,通过行动检测部7所检出的车辆自身的行动包括车辆自身的各部所接受的驾驶者的操作及车辆自身的行动。另外,该车辆自身的行动包括通过驾驶者的操作所产生的车辆自身各部和车辆自身整体的行动,或者通过从外部的加到车辆自身上的外部因素所产生的车辆自身各部和车辆整体的行动。例如,空调开关31、车灯开关33、车窗开关35、音响的操作开关等的各种开关的操作,和通过油门传感器、制动器传感器等的各种传感器等检出的驾驶者的操作,作为与车辆自身的各部所接受的驾驶者的操作相关的行动,被行动检测部7检出。
另外,例如,因驾驶者的转向操作而方向传感器24所检出的车辆自身前进方向的变化、因驾驶者的油门踏板或制动器踏板的操作而加速度传感器所检出的车辆自身的加速度的变化、因驾驶者的换档操作或油门操作而产生的变速器的变速档的变更等,作为接收驾驶者操作的结果而由各种传感器等所检出的车辆自身的行动,作为与驾驶者的操作所产生的车辆自身的行动相关的行动而被行动检测部7检出。另外,例如,与导航装备1的显示器26设置成一体的触摸面板和基于远程控制器输入的导航装备1的行动,也作为与驾驶者所操作的车辆自身的行动相关的行动,被行动检测部7检出。作为这种导航装备1的行动,包括例如基于驾驶者的操作的交通阻塞信息的取得、地图表示缩小比例尺的变更、画面表示亮度的变更、导航路径的变更等。
另外,例如,因通过高低不平或皲裂路面而被振动传感器37检出的车辆自身的振动,因行驶坡路而被加速度传感器检出的车辆自身的加速度的变化,因行驶弯道而被方向传感器24检出的车辆自身的行驶方向的变化等,因外部因素而产生并通过各种传感器等检出的车辆自身的行动,作为外部因素的车辆自身的行动相关的行动,被行动检测部7检出。
行动检测部7检测规定范围内的车辆自身的行动,其中该规定范围根据在图象识别装置6所进行的图象识别中已成功的对象地物的车辆自身位置信息L而设定。例如,检出表示有人行横道的道路标志(菱形标志)后,如果在规定的范围内车辆自身右转或左转,则检测其行动。该行动是根据通过方向传感器24所检出的车辆自身的行驶方向的变化,来自作为各种开关的方向指示器的输入,来自作为各种传感器而工作的,检测方向盘的旋转的方向舵偏角(rudder angle)传感器的输入,而能够检出。行动检测部7使所检出的行动与车辆自身位置信息L相关联,并作为行动检测信息B来输出。
检测结果存储装置
检测结果存储部8作为检测结果存储装置,根据车辆自身位置信息L,使行动检测信息B与检出该行动的检测位置的信息相关联并进行存储,其中该行动检测信息B表示行动检测部7所检出的车辆自身的行动的检测结果。在本实施方式中,将检出该行动的检测位置的信息作为表示该行动的检测位置的坐标信息。这种表示行动检测位置的坐标信息根据检出该行动时的车辆自身位置信息L所表示的车辆自身的目前位置的坐标而计算出。此外,当在车辆自身上设置有确定驾驶者等个人的装置时,检测结果存储部8也可以分别按每个个人来存储行动检测信息。
学习行动提取部
学习行动提取部9作为学习行动提取装置29,将车辆自身的行动作为学习行动来提取,将该学习行动的属性信息及位置信息与图像认识中已成功对象地物的地物信息F相关联并作为学习行动信息R来输出。在本实施方式中,与该学习行动信息R相关的该学习行动的位置信息是表示该学习行动的位置的坐标信息。这种表示学习行动的位置的坐标信息根据与存储在检测结果存储部8中的行动检测信息B相关联的该行动的检测位置信息而被计算出,在此,是根据如上所述表示该行动的检测位置的坐标信息而被计算出的。而且,输出的学习行动信息R被存储到学习行动数据库19中。该学习行动数据库19也作为学习行动提取装置29来工作。
在此,学习行动可以是根据因车辆自身多次往返同一地点而被存储在检测结果存储部8中的,与同一车辆自身的行动相关的多个行动检测信息B,而多次检出的车辆自身的行动。例如,在某地点上将方向指示器向左转侧操作并使车辆自身左转的行动,在某地点将空调器从外循环切换到内循环的行动等。
这时,可以将学习行动数据库19看作是如图5所示的安装在每个车辆上的各车辆适用数据库200。如上所述,在配备了确定驾驶者等的个人的装置时,还可以构成为个人适用数据库。另一方面,将地图数据库13或地物数据库15可以看作是不依赖于各车辆而对道路设置的公用数据库100。如图5所示,公用数据库100可以构成为,与数据库管理中心300以无线或有线的方式进行通信。在数据库管理中心300的地图数据库13C和存储在地物数据库15C中的地图信息MC和地物信息FC随时被更新。车辆自身的地图数据库13和地物数据库15通过通信,能够将存储在地图信息M和地物信息F更新成最新的信息。
另外,学习行动提取部9与多个车辆可通信地连接,且在作为车辆自身的行动而检出由从外部加到车辆自身上的外部要因引起的车辆自身的动作的情况下,学习行动可以规定如下行动。图6表示车辆自身的学习行动提取部9A与其他车辆的学习行动提取部9B,以能够经由数据库管理中心300进行通信的方式相连接的实例。当然,学习行动提取部9彼此也可直接通信。在这种情况下,学习行动可以作为这样的行动,即基于通过多个车辆通行同一地点而被存储到各车辆的检测结果存储装置上的有关车辆行动的多个行动检测信息,具有再现性而被检出的车辆自身的行动。
例如,可以是在某地点上的多个车辆通过振动传感器37检出相同的振动这样的行动。这时,可以看作振动是由道路的高度差等引起的,而不是依赖于各车辆的行动。因此,即使每个车辆各自只检出一次的振动,只要是多辆车在大致同一的地点上检出相同的振动的情况,也能够认为是具有充分的再现性而被检出的行动。
这时,能够将学习行动数据库19看作是如下两个数据库,即,在如图6所示的安装在每辆车上的各车辆适用数据库200和不依赖于各车辆而被安装的公用数据库100。如图6所示,在学习行动数据库19中存储了按每辆车(按每个人)而整理的学习行动信息Ra和不依赖于各车辆(例如,对道路)而整理学习行动信息Rb。学习行动信息Ra属于各车辆适用数据库200,学习行动信息Rb属于公用数据库100。如图6所示,公用数据库100可以构成为用无线或有线可与数据库管理中心300通信的方式。
如上所述,数据库管理中心300的地图数据库13C和存储在地物数据库15C上的地图信息MC和地物信息FC,随时被更新。车辆自身的地图数据库13或地物数据库15能够通过通信,将存储在地图信息M或地物信息F的内容更新成最新的信息。另外,数据库管理中心300具有学习行动数据库19C,其中该学习行动数据库19C利用与多个车辆可通信地连接的学习行动提取部9而整理成。存储在学习行动数据库19C中的学习行动信息RC随时被更新。车辆自身的学习行动数据库19能够通过通信,更新存储在数据内且被整理成不依赖于各车的学习行动信息Rb。
行动预测部
行动预测部10作为行动预测装置,根据学习行动信息R,预测与该对象地物相关联的行动。而且,将预测结果输出到导航用运算部12等车辆自身的各种控制装置中。所谓各种控制装置是再现驾驶者操作的在车辆自身内的控制装置、或优化因驾驶者的操作或外部因素而产生的车辆自身行动的控制装置行动。关于具体的实例,在后面进行叙述。
学习车辆行动并进行预测的步骤
下面,利用图7及图8的流程图,说明学习车辆行动的步骤及预测车辆行动的步骤。以下所说明的处理步骤是通过构成上述各功能部的硬件或软件(程序)或通过上述两者来执行。在上述的各功能部由程序构成的情况下,导航装备1所具有的运算处理装置作为执行构成上述的各功能部的车辆行动学习程序的计算机来行动工作。
通过车辆自身位置信息取得部3,取得表示车辆自身的目前位置的车辆自身位置信息L(车辆自身位置信息取得步骤#1)。通过图像信息取得部4,取得车辆自身的周围的图像信息G(图像信息取得步骤#2)。通过地物信息取得部5,根据车辆自身位置信息L,从地物数据库15中取得车辆自身的周围的地物信息F(地物信息取得步骤#3),该地物数据库15存储了包含与多个对象地物相关的位置信息及属性信息的地物信息F。通过图像识别部6,根据地物信息F,进行包含在图像信息G中的对象地物的识别处理,并通过车辆自身位置信息修正部11修正车辆自身位置信息L(图像识别步骤#4)。通过以上的步骤,在车辆自身所通行的道路具有地物信息F,并且识别出了对象地物的情况下,车辆自身处于高精度的车辆自身位置识别状态。在车辆自身处于这种高精度的车辆自身位置识别状态的情况下,如上所述能够学习车辆自身的行动。由此,在适用条件判断步骤#5中执行判断是否处于高精度的车辆自身位置识别状态的处理。处于识别状态时,实施以下的步骤#11~#13,学习车辆自身的行动。
此外,在未能识别出对象地物的状态下行驶了规定以上的距离时,因为车辆自身位置信息L的误差有可能变大,所以不再是高精度的车辆自身位置识别状态。因此,通过行动检测部7检出可认为车辆自身位置信息L的误差比较小的小范围,即从在图像识别部6的对象地物的图像识别中已成功的位置开始到规定范围内的车辆自身行动(行动检测步骤#11)。在行动检测步骤#11中所检出的车辆自身的行动,至少包括对在车辆自身的各部中的驾驶者的操作的接受,或者通过驾驶者的操作或从外部加到车辆自身上外部因素所产生的车辆自身的行动中的一种。接着,根据车辆自身位置信息L,将表示行动检测部7的车辆自身的行动的检测结果的行动检测信息B,与检出该行动的检测位置信息相关联,存储到检测结果存储部8中(检测结果存储工程#12)。
而且,通过学习行动提取部9,根据行动检测信息B提取学习行动,并输出学习行动信息R(学习行动提取步骤#13)。如上所述,根据因车辆自身多次通行同一地点而被存储在检测结果存储部8中的,与同一车辆自身的行动有关的多个行动检测信息B,将重复被检出的车辆自身的行动作为学习行动来提取。而且,将该学习行动的属性信息及位置信息与在图像识别中成功的对象地物的地物信息相关联,并作为学习行动信息R来输出。学习行动信息R登记在学习行动数据库19中,并被车辆自身内的各种控制装置参照。
另外,在行动检测步骤#11检出作为车辆自身的行动的,由从外部加到车辆自身上的外部因素所产生的车辆自身的行动的情况下,行动学习行动提取步骤#13能够共享行动检测信息B来实施行动提取处理,其中该行动检测信息B是在多个车辆中被检出并与被检出的检测位置信息相关联的行动。在该情况下,根据因多辆车通行相同地点而被存储在各车辆的检测结果存储部8中的关于车辆行动的多个行动检测信息B,将具有再现性而被检出的车辆自身的行动作为学习行动而进行提取。而且,将该学习行动的属性信息及位置信息与在图像识别中成功的对象地物的地物信息相关联,并作为学习行动信息R来输出。
通过以上的步骤,学习车辆自身的行动。下面,说明利用已学习到的学习行动信息R预测车辆自身的行动的步骤。如图8所示,与学习车辆自身的行动时一样,实施车辆自身位置取得步骤#1、图像信息取得步骤#2、地物信息取得步骤#3、图像识别步骤#4。通过以上的步骤,在车辆自身所通行的道路具有地物信息F并识别出了对象地物的情况下,车辆自身处于高精度车辆自身位置识别状态。在车辆自身处于这种高精度车辆自身位置识别状态的情况下,能够如上所述地预测车辆自身的行动。因此,在适用条件判断步骤#5中判断是否处于高精度车辆自身位置识别状态。在处于识别状态的情况下,实行下面的步骤#21,预测车辆自身的行动。
通过行动预测部10,根据学习行动信息R,预测与该对象地物相关联的行动(行动预测步骤#21)。如上所述,在行动检测步骤#11中所检出的车辆自身的行动包括在车辆自身各部中的对驾驶者的操作的接收,及由驾驶者的操作或加到车辆自身上的外部因素产生的车辆自身的行动中的至少一种。因此,根据行动预测步骤#21中的预测结果,向再现操作者的操作的车辆自身内的控制装置输出学习行动信息R。另外,根据行动预测步骤#21中的预测结果,向控制装置输出学习行动信息R,其中该控制装置使因驾驶者的操作或外部因素而产生的车辆自身的行动最佳化。
应用例1
下面,对本发明的车辆行动学习设备2的具体的应用例进行说明。图9是表示根据车辆自身位置信息取得部3所取得的车辆自身位置信息L的轨迹,来学习车辆行动的实例的说明图。在本例中,车辆自身50行驶在干道K1上,在与别的干道K2之间的位于大的交叉路口N2之前在交叉路口N3向支道K3左转。在平行的干道K2和支道K3距离近的情况下,即,交叉路口N2和N3之间的距离短的情况下,有时车辆自身位置信息取得部3将显示在车辆自身位置信息L上的车辆自身50的目前位置匹配到错误的道路上。车辆自身50即使是按在图9中的实线行使,车辆自身位置信息L中所显示的车辆自身50的位置也可能如图9中的虚线所示被匹配到干道K2上,并以车辆自身位置标志60的形式显示在显示器26中。这种错误匹配是通过驾驶者手动被修改,或通过导航用运算部12自动被修改,但表示错误位置的车辆自身位置标志60即使时间很短还是显示在了显示器26上。通过使用本发明的车辆行动学习设备2,能够抑制这种错误匹配。
在图9所示的实例中,车辆自身50的驾驶者,在到达交叉路口N3之前操作方向指示器,还操作制动器并使车辆自身50减速,并在交叉路口N3中进行左转的操作。这种对方向指示器、制动器、转向器的驾驶者的操作,作为车辆的行动而被行动检测部9检出。另外,伴随着这种车辆自身50的左转行动,通过方向传感器24所检出的车辆自身50的前进方向的变化,也作为因驾驶者的操作结果而产生的车辆自身50的行动,被行动检测部9检出。另一方面,在车辆自身50接近交叉路口N3之前,通过交叉路口N1。在交叉路口N1的前后,存在有作为地物的人行横道C1及C2,这些作为对象地物被图像识别。在本例中,将车辆自身50的前进方向侧的边缘(图中的■部)设为位置信息并作为对象地物进行识别。以这些对象地物的其一或两者为基准,将交叉路口N3中的车辆自身50的弯曲行动(在本例中为左转)作为车辆行动存储到检测结果存储部8中。即,表示该车辆行动的检测结果的行动检测信息B,以作为对象地物的人行横道C1及C2的其一或两者为基准,与基于车辆自身位置信息L的该行动的检测位置信息相关联,存储到检测结果存储部8中,其中该车辆自身位置信息L已被车辆自身位置修正部11修正。
例如,要是向该支道K3的左转是回家的路径的话,车辆自身50多次往返从干道K1到支道K3的这一相同路径。因此,关于车辆自身50同一行动的多次的行动检测信息B存储到检测结果存储部8中。这种反复被检出的车辆自身50的行动,被学习行动提取部9作为学习行动而提取。而且,该学习行动的属性信息及位置信息,作为与在图像识别中成功的对象地物的地物信息相关联的学习行动信息R,被存储到学习行动数据库19中。在本例中,所谓属性信息是在交叉路口N3中左转或确定方向指示器的操作的信息。另外,所谓位置信息是表示该学习行动位置的坐标信息,根据与存储在检测结果存储部8中的行动检测信息8相关联的该行动的检测位置的信息而计算出。在本例中,显示在学习行动信息R的位置信息中的位置是交叉路口N3内的位置。
图10是表示在导航用运算部12的车辆自身位置显示中利用车辆行动的预测结果的实例的说明图。试想如上所述,在车辆自身50的学习行动信息R被存储在学习行动数据库19中的状态下,车辆自身50通行干道K1的情况。车辆自身50在通过交叉路口N1时,通过图像识别部6将人行横道C1及C2作为对象地物来识别。行动预测部10取得与人行横道C1及C2相关联的学习行动信息R,并预测在交叉路口N3中车辆自身50左转的可能性高。另外,行动预测部10将这种行动的预测结果,输出到导航运算部12中(导航用运算装置的一例)。而且,在预测位置上当车辆自身50左转时,导航用运算部12判断车辆自身50不是进入干道K2而是进入了支道K3,并将车辆自身位置标志60显示在显示器26中且位于支道K3上。另外,这时行动预测部10也合适向车辆自身位置信息取得部3输出这种行动的预测结果,并修正车辆自身位置信息L的结构。
如上所述,通过应用本发明的车辆行动学习设备2,能够提高导航装备1中的车辆自身位置显示的精度和路径导航的精度。
应用例2
在上述的应用例1中显示了作为车辆自身50的行动,行动检测部7行动检出在车辆自身50的各部中所接收到的驾驶者的操作,及该驾驶者的操作结果所产生的车辆自身50的行动的情况。在本应用例2中说明如下情况的实例,即,将从外部加到车辆自身50中的外部因素所产生的车辆自身的行动作为行动进而被检出的这种情况。
存在如下的系统,即,以来自导航装备1的道路信息为基础,控制车辆自身50的悬挂装置的衰减力,从而提高行驶弯路时的驾驶的安定性,或者将在高低不平的道路中振动的衰减力控制为最佳状态的系统。因为上述系统通过悬挂装置的控制和导航装备1相互协调而被实施,所以称为导航协调悬挂系统。一般,该导航协调悬挂系统主要是使用车辆自身位置信息L而被实施,其中导航装备1通过GPS接收器23或方向传感器24、距离传感器25等所取得上述车辆自身位置信息L。但是,如上所述,因为该车辆自身位置信息L含有误差,所以存在悬挂装置的控制偏离最佳位置的情况。
一旦应用本发明的行动学习装置2,通过悬挂装置的振动传感器37或方向传感器24、偏航率/加速传感器等,作为行动检测信息B检出行驶弯道或通过高低不平的道路的行动。如上所述,将该行动检测信息B与地物信息F相关联,作为学习行动信息R被存储到学习行动数据库19中。能够将该学习行动信息R是,根据针对同一车辆自身的举动的多个行动检测信息B,提取的被反复被检出的车辆自身50的行动的信息。
另一方面,该行动基于从外部加到车辆自身50上的外部因素所产生的车辆自身50的行动。因此,对驾驶者或车辆的依赖性低,但对道路本身的依赖性高。由此,根据图6的说明,能够根据因多辆车通过同一地点而被存储到各车辆的检测结果存储部8中的多个行动检测信息B,提取出具有再现性的被检出的车辆行动。
根据如上所述提取并存储的学习行动信息R,通过行动预测部10预测与该对象地物相关联的通过高低不平的道路或行驶弯道等的行动。而且,根据该预测结果执行导航协调悬挂系统的控制。因此,例如,在道路的特定地点高低不平的情况下,预测出通过该高低不平的道路时会受到振动和冲击,从而能够进行最佳的悬挂装置的控制。其结果,能够进行比以前更精密的控制。此外,悬挂装置的控制装置相当于使本发明的车辆自身50的行动最佳化的控制装置。
应用例3
在本应用例3中对如下实例进行说明,即以来自导航装备1的道路信息和对于驾驶者的操作的受理为基础,对车辆自身50的发动机或自动变速器等进行最佳控制。因为上述控制是通过协调自动变速器等的换档控制和导航装备1而被执行,所以称为导航协调换挡控制。例如,行驶在上坡路时,有时根据驾驶者的喜好,缓慢地爬行上坡车道或进行急速降档操作而以高速爬行。行动检测部7,例如,将该急速降档的行动作为行动检测信息B来检出。在该行动以相同的对象地物为基准反复被检出时,将该驾驶操作作为驾驶者的习惯来学习。即,将该行动检测信息B与地物信息F相关联,并作为学习行动信息而存储到学习行动数据库19中。
根据被存储的学习行动信息R,在通过图像识别部6识别相应的对象地物时,行动预测部10预测出需要换低档。导航协调换挡控制系统,根据该预测结果并考虑油耗等,进行最优化的换挡控制。此外,能够对发动机、变速器等所谓的动力传动系统(Power train)的各种机构实施上述控制。另外,能够在用发动机和电动机作为驱动力源的混合动力车辆中进行控制,使各驱动力源的行动状态达到最优化的状态。
应用例4
作为与接收驾驶者的操作相关的车辆自身50的行动,可以检出驾驶者对遮阳板的操作。这时,也可以取得来自GPS接收器23的时刻信息或日期信息。因此,能够配合驾驶者感到晃眼的时间带、地点、角度来提取并存储学习行动信息R。当行动预测部10根据该学习行动信息R预测出驾驶者会感到晃眼时,各装置的控制部控制将显示器26的亮度调亮、驱动电动遮阳板等。
应用例5
作为与所接收的驾驶者的操作相关的车辆自身50行动,也能够根据来自空调开关31的输入而检出驾驶者的空调装置的操作。例如,通常将空调装置设置为外循环而使用的驾驶者在某地点上多次切换到内循环上的行动,作为学习行动信息R来进行提取和存储。可以预测到这是由于驾驶者行驶在交通量多的干道时,为了防止其他车辆排放的废气侵入到车辆自身50中而操作空调装置的结果。空调装置的控制部根据该预测结果自动从外循环切换到内循环。因切换到内循环的行动延迟,即使极少量的废气侵入到车辆自身50中也会不舒服,但通过如上所述地进行自动切换,可确保车内的舒适性。
如上所述,通过本发明能够提供一种车辆行动学习设备,该车辆行动学习设备能够高精度地测量车辆自身的位置,并能够学习在道路的特定位置所实施的高频度的车辆的行动。
其他的应用例
(1)虽然在上述的实施中未进行特别的说明,但存储到地物数据库15中的地物信息F最好既包括预先存储的初始地物信息又包括根据与地物信息F无关的图象识别部6的地物图像识别结果,学习并存储的学习地物信息。在此,所谓初始地物信息是与预先整理并存储在地物数据库15中的与多个地物相关的地物信息F。为了对整理过地图信息M的所有区域进行这种初始地物信息的整理,需要花很多工夫和费用。因此,初始地物信息的整理大部分只针对于大都市周围和干道等的一部分区域。因此,在地物数据库15中存储初始地物信息和学习地物信息的情况下,在初始地物信息未被整理的区域等中,优选以使用学习地物信息进行车辆自身行动的学习的结构。
在此,学习地物信息是,例如,如下进行学习并存储到地物数据库15中。即、为了学习地物的信息,与地物信息F无关,图象识别部6进行包含在图像信息取得部4所取得的图像信息G中的地物的图像识别处理。而且,在地物的图象识别中成功时,求得该地物的识别位置,并将表示该识别位置的识别位置信息以能够识别该地物的状态存储到规定的地物学习数据库等中。由此,如果车辆反复行驶同一地点,相同的地物就被多次图象识别,并且在上述地物学习数据库中存储了关于相同地物的多个识别位置信息。因此,通过规定的推测位置判断装置,判断该地物的推测位置,并通过规定的学习地物信息生成装置,将表示地物的推测位置的位置信息与基于对该地物的图象识别结果的属性信息相关联的信息,作为学习地物信息而生成并存储到地物数据库15中。
此外,存储在地物数据库15中的地物信息F当然也可以只是初始地物信息或只是学习地物信息。
(2)在上述的实施方式中作为实例说明了如下情况,即,与上述行动检测信息B相关联的行动检测位置的信息,及与学习行动信息R相关的学习行动位置信息,是表示该行动的检测位置或该学习行动的位置的坐标信息的情况。但是,本发明的实施方式不仅限于此,也可以把行动的检测位置的信息及学习行动的位置信息作为通过其他方式来表示该行动位置的信息。因此,例如,通过将检出行动的检测位置信息及学习行动的位置信息中的其一或两者,与在检出该行动之前的图像识别中成功的对象地物之间关系,来表示该行动位置的信息,也是很合适本发明的实施方式中的一种。具体地讲,例如,将行动检测位置的信息设为,从在图象识别中成功的对象地物所对应的该图象识别成功时的位置,到该行动的检测位置为止的距离信息也很合适。通过如上述方式,通过使用表示与图象识别成功的对象地物之间的关系的地物-行动之间的距离,能够贴切地表示行动的检测位置。另外,与上述相同,将与学习行动信息R相关的学习行动的位置信息设为从在图像识别中成功的对象地物的位置到该学习行动位置为止的距离信息,也很合适。这样一来,能够使用表示与图像识别成功的对象地物之间的关系的地物-行动之间的距离,贴切地表示学习行动的位置。另外,如上所述,通过利用与对象地物之间的距离信息来表示学习行动的位置,在对学习行动信息R中所显示的对象地物进行的图象识别成功时,以该对象地物的图象识别中成功的位置作为基准,从而能够正确地预测学习行动的发生。
另外,以下这种结构也很适合,即,与上述行动检测信息B相关联的行动的检测位置信息,及学习行动信息R的学习行动的位置信息中的其一或两者,具有表示该检测位置或该学习行动位置的坐标信息,和与上述对象地物之间的距离信息的结构。
(3)在上述的实施方式中将包含车辆行动学习设备2的所有结构被搭载在车辆自身上的情况作为实例进行了说明。但是,本发明的实施方式不仅限于这种结构。即,例如,除摄像装置21以外的一部分构成,以经由因特网等的通信网络相连接的状态,设置在车辆自身的外部,经由网络进行信息或信号的收发,从而构成车辆行动学习设备2及导航装备1,这样的结构也是很合适本发明的实施方式之一。因此,例如,将地图数据库13或地物数据库15设置在经由无线通信线路等可与车辆自身通信的服务器装置中,根据车辆自身位置信息L和从服务器装置中取得的地物信息F和地图信息M,使包括车辆行动学习设备2的导航装备1行动工作。
(4)在上述的实施方式中,将车辆行动学习设备2具有行动预测部10,向车辆自身50的各控制部等输出车辆自身50的行动的预测结果的结构作为实例进行了说明。但是,本发明的车辆行动学习设备2的结构不仅限于此,不具备行动预测部10的结构也是很合适本发明的实施方式之一。例如,具有车辆自身位置信息补正装置的结构也很合适,该车辆自身位置信息补正装置的结构是:车辆行动学习设备2,根据与右转或左转等与车辆自身50的行驶路线变更相关的行动,和包含在地图信息M中的道路形状等,对车辆自身位置信息取得部3所取得的车辆自身位置L进行补正,使上述行驶路线变更的行动符合地图上的道路形状。这时,本发明的车辆行动学习设备2构成车辆自身位置识别装置的一部分。
本发明可适用于能学习特定车位的车辆特定行动的车辆行动学习设备及车辆行动学习程序中。
Claims (13)
1.一种车辆行动学习设备,其特征在于,具有:
车辆自身位置信息取得装置,取得表示车辆自身目前位置的车辆自身位置信息;
图像信息取得装置,取得车辆自身周围的图像信息;
地物信息存储装置,存储地物信息,上述地物信息包括关于多个对象地物的位置信息及属性信息;
地物信息取得装置,根据上述车辆自身位置信息,从上述地物信息存储装置取得车辆自身周围的上述地物信息;
图像识别装置,根据上述地物信息,进行包含在上述图像信息中的对象地物的识别处理;
行动检测装置,从用上述图像识别装置产生的对象地物图像识别已成功的位置,检测规定范围内的车辆自身的行动;
检测结果存储装置,根据上述车辆自身位置信息,将行动检测信息与检出上述行动的检测位置的信息相关联地存储,上述行动检测信息表示通过上述行动检测装置产生的车辆自身行动的检测结果;
学习行动提取装置,基于通过车辆自身多次往来同一地点而被存储到上述检测结果存储装置中的,有关相同行动的多个上述行动检测信息,将反复检出的车辆自身的行动作为学习行动提取,作为上述学习行动的属性信息及位置信息与上述图像识别成功的对象地物的地物信息相关联的学习行动信息进行输出。
2.如权利要求1所述的车辆行动学习设备,其特征在于,
通过上述行动检测装置检出的车辆自身的行动,包括车辆自身的各部分所接受到的驾驶者的操作,及车辆自身的行动中的至少一种。
3.如权利要求1或2所述的车辆行动学习设备,其特征在于,
上述学习行动提取装置与多个车辆可通信地连接,
上述行动检测装置,在检出作为车辆自身的行动,从外部施加到车辆自身上的外部要因所引起的车辆自身行动的情况下,基于通过多个车辆通行同一个地点而被存储到各车辆的检测结果存储装置中的,有关车辆的行动的多个行动检测信息,将具有再现性被检出的车辆自身的行动作为学习行动进行提取,将上述学习行动的属性信息及位置信息,作为与上述图像识别成功的对象地物的地物信息相关联的上述学习行动信息进行输出。
4.如权利要求1~3中任一项所述的车辆行动学习设备,其特征在于,
具有行动预测装置,其根据上述学习行动信息,预测与上述对象地物相关联的上述行动。
5.如权利要求4所述的车辆行动学习设备,其特征在于,
上述行动预测装置向进行运算处理的导航用运算装置输出上述行动的预测结果,上述运算处理用于输出车辆自身的导航信息。
6.如权利要求4所述的车辆行动学习设备,其特征在于,
上述行动预测装置,将上述行动的预测结果向再现上述驾驶者的操作的车辆自身内的控制装置输出。
7.如权利要求4所述的车辆行动学习设备,其特征在于,
上述行动预测装置,将上述行动的预测结果向使车辆自身的动作最佳化的控制装置输出。
8.如权利要求1~7中任一项所述的车辆行动学习设备,其特征在于,
上述对象地物是设置在道路路面上的路标。
9.如权利要求1~8中任一项所述的车辆行动学习设备,其特征在于,
在上述地物信息存储装置中,作为上述地物信息,存储了预先存储的初始地物信息,及学习地物信息中的其一或两者,上述学习地物信息根据由与上述地物信息无关的上述图像识别装置产生的地物的图像识别结果,进行学习和存储。
10.如权利要求1~9中任一项所述的车辆行动学习设备,其特征在于,
上述检出上述行动的检测位置的信息包括,表示上述行动的检测位置的坐标信息,及从上述图像识别成功的对象地物的上述图像识别成功的位置,到上述行动的检测位置的距离信息的其一或两者。
11.如权利要求1~10中任一项所述的车辆行动学习设备,其特征在于,
与上述学习行动信息相关的上述学习行动的位置信息,包括表示上述学习行动位置的坐标信息,及从上述图像识别成功的对象地物的位置到上述学习行动的位置的距离信息的其一或两者。
12.一种导航装备,其特征在于,具有:
如权利要求1~11中任一项所述的车辆行动学习设备;
地图信息存储装置,存储地图信息;
多个应用程序,参照通过上述车辆行动学习设备输出的上述学习行动信息及上述地图信息的其一或两者进行工作;
导航信息输出装置,根据上述应用程序工作,输出导航信息。
13.一种车辆行动学习程序,其特征在于,具有:
车辆自身位置信息取得步骤,取得表示车辆自身的目前位置的车辆自身位置信息;
图像信息取得步骤,取得车辆自身周围的图像信息;
地物信息取得步骤,根据上述车辆自身位置信息,从存储具有关于多个对象地物的位置信息及属性信息的地物信息的地物信息存储装置中,取得车辆自身周围的上述地物信息;
图像识别步骤,根据上述地物信息,进行包含在上述图像信息中的对象地物的识别处理;
行动检测步骤,从由上述图像识别装置产生的对象地物的图像识别成功的位置,检出规定范围内的车辆自身的行动;
检测结果存储步骤,根据上述车辆自身位置信息,将行动检测信息与检出上述行动的检测位置的信息相关联地存储到检测结果存储装置中,上述行动检测信息表示由上述行动检测装置产生的车辆自身的行动的检测结果;
学习行动提取步骤,基于通过车辆自身多次来往同一地点而被存储到上述检测结果存储装置中的,有关相同车辆的行动的多个上述行动检测信息,将反复检出的车辆自身的行动作为学习行动提取,作为上述学习行动的属性信息及位置信息与上述图像识别成功的对象地物的地物信息相关联的学习行动检测信息进行输出。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007091049 | 2007-03-30 | ||
JP2007-091049 | 2007-03-30 | ||
JP2007-171894 | 2007-06-29 | ||
JP2007171894A JP4453046B2 (ja) | 2007-03-30 | 2007-06-29 | 車両挙動学習装置及び車両挙動学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101275840A true CN101275840A (zh) | 2008-10-01 |
CN101275840B CN101275840B (zh) | 2012-11-07 |
Family
ID=39995503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100836681A Expired - Fee Related CN101275840B (zh) | 2007-03-30 | 2008-03-14 | 车辆行动学习设备及车辆行动学习方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP4453046B2 (zh) |
CN (1) | CN101275840B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937194A (zh) * | 2010-09-27 | 2011-01-05 | 鸿富锦精密工业(深圳)有限公司 | 具有学习功能的智能控制系统和方法 |
CN102044178A (zh) * | 2009-10-09 | 2011-05-04 | 罗伯特·博世有限公司 | 用于学习操作辅助功能的装置和方法 |
CN102506885A (zh) * | 2011-10-31 | 2012-06-20 | 武汉光庭科技有限公司 | 应用用户习惯数据进行路径规划的方法 |
CN103134489A (zh) * | 2013-01-29 | 2013-06-05 | 北京凯华信业科贸有限责任公司 | 基于移动终端进行目标定位的方法 |
CN103287434A (zh) * | 2012-02-22 | 2013-09-11 | 厦门金龙联合汽车工业有限公司 | 一种车辆运行工况发动机自适应系统 |
CN103596830A (zh) * | 2011-08-29 | 2014-02-19 | 丰田自动车株式会社 | 车辆用信息处理装置和车辆用信息处理方法 |
CN103718221A (zh) * | 2011-08-04 | 2014-04-09 | 丰田自动车株式会社 | 车辆用信息处理装置及车辆用信息处理方法 |
CN105702038A (zh) * | 2016-04-15 | 2016-06-22 | 北京信路威科技股份有限公司 | 一种基于gps定位的智能巡航方法 |
CN106323309A (zh) * | 2015-06-30 | 2017-01-11 | Lg电子株式会社 | 车辆驾驶辅助装置、车辆用显示装置以及车辆 |
CN106873441A (zh) * | 2015-10-29 | 2017-06-20 | 法拉第未来公司 | 电子辅助车道入口的方法和系统 |
CN107924195A (zh) * | 2015-09-08 | 2018-04-17 | 苹果公司 | 意图识别 |
CN109506664A (zh) * | 2015-05-22 | 2019-03-22 | 星克跃尔株式会社 | 利用人行横道识别结果的引导信息提供装置及方法 |
CN109685037A (zh) * | 2019-01-08 | 2019-04-26 | 北京汉王智远科技有限公司 | 一种实时动作识别方法、装置及电子设备 |
CN112602134A (zh) * | 2018-08-31 | 2021-04-02 | 株式会社电装 | 地图生成装置以及地图生成方法 |
CN113168738A (zh) * | 2019-03-27 | 2021-07-23 | Jvc建伍株式会社 | 记录控制装置、记录控制方法以及程序 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5195732B2 (ja) * | 2009-12-14 | 2013-05-15 | トヨタ自動車株式会社 | 運転学習システム及び運転支援システム |
JP5057184B2 (ja) * | 2010-03-31 | 2012-10-24 | アイシン・エィ・ダブリュ株式会社 | 画像処理システム及び車両制御システム |
EP2629275B1 (en) * | 2010-10-15 | 2016-08-03 | Toyota Jidosha Kabushiki Kaisha | Vehicle information processing system and driving assistance system |
WO2012160636A1 (ja) | 2011-05-23 | 2012-11-29 | トヨタ自動車株式会社 | 車両用情報処理システム |
JP6593240B2 (ja) * | 2016-03-30 | 2019-10-23 | アイシン・エィ・ダブリュ株式会社 | 推奨車線案内システムおよび推奨車線案内プログラム |
CN107323455A (zh) * | 2017-06-30 | 2017-11-07 | 成都志博科技有限公司 | 车辆的路障躲避并实时规划新线路系统 |
US11273836B2 (en) * | 2017-12-18 | 2022-03-15 | Plusai, Inc. | Method and system for human-like driving lane planning in autonomous driving vehicles |
US20190185012A1 (en) | 2017-12-18 | 2019-06-20 | PlusAI Corp | Method and system for personalized motion planning in autonomous driving vehicles |
US11130497B2 (en) | 2017-12-18 | 2021-09-28 | Plusai Limited | Method and system for ensemble vehicle control prediction in autonomous driving vehicles |
WO2022024232A1 (ja) * | 2020-07-28 | 2022-02-03 | 三菱電機株式会社 | ディスプレイ制御装置及びディスプレイ制御方法 |
JP7341971B2 (ja) * | 2020-10-15 | 2023-09-11 | 株式会社データ・テック | 移動経路提案システム |
CN112327800A (zh) * | 2020-10-27 | 2021-02-05 | 深圳市元征科技股份有限公司 | 车辆检测方法、装置及诊断设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6047234A (en) * | 1997-10-16 | 2000-04-04 | Navigation Technologies Corporation | System and method for updating, enhancing or refining a geographic database using feedback |
DE19842176A1 (de) * | 1998-09-15 | 2000-03-16 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Verkehrszeichenerkennung und Navigation |
-
2007
- 2007-06-29 JP JP2007171894A patent/JP4453046B2/ja not_active Expired - Fee Related
-
2008
- 2008-03-14 CN CN2008100836681A patent/CN101275840B/zh not_active Expired - Fee Related
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044178B (zh) * | 2009-10-09 | 2015-02-25 | 罗伯特·博世有限公司 | 用于学习操作辅助功能的装置和方法 |
CN102044178A (zh) * | 2009-10-09 | 2011-05-04 | 罗伯特·博世有限公司 | 用于学习操作辅助功能的装置和方法 |
CN101937194A (zh) * | 2010-09-27 | 2011-01-05 | 鸿富锦精密工业(深圳)有限公司 | 具有学习功能的智能控制系统和方法 |
US9573597B2 (en) | 2011-08-04 | 2017-02-21 | Toyota Jidosha Kabushiki Kaisha | Vehicle information processing apparatus and vehicle information processing method |
CN103718221B (zh) * | 2011-08-04 | 2016-08-17 | 丰田自动车株式会社 | 车辆用信息处理装置及车辆用信息处理方法 |
CN103718221A (zh) * | 2011-08-04 | 2014-04-09 | 丰田自动车株式会社 | 车辆用信息处理装置及车辆用信息处理方法 |
CN103596830B (zh) * | 2011-08-29 | 2016-11-23 | 丰田自动车株式会社 | 车辆用信息处理装置和车辆用信息处理方法 |
CN103596830A (zh) * | 2011-08-29 | 2014-02-19 | 丰田自动车株式会社 | 车辆用信息处理装置和车辆用信息处理方法 |
CN102506885B (zh) * | 2011-10-31 | 2014-02-26 | 武汉光庭科技有限公司 | 应用用户习惯数据进行路径规划的方法 |
CN102506885A (zh) * | 2011-10-31 | 2012-06-20 | 武汉光庭科技有限公司 | 应用用户习惯数据进行路径规划的方法 |
CN103287434A (zh) * | 2012-02-22 | 2013-09-11 | 厦门金龙联合汽车工业有限公司 | 一种车辆运行工况发动机自适应系统 |
CN103287434B (zh) * | 2012-02-22 | 2015-12-02 | 厦门金龙联合汽车工业有限公司 | 一种车辆运行工况发动机自适应系统 |
CN103134489B (zh) * | 2013-01-29 | 2015-12-23 | 北京凯华信业科贸有限责任公司 | 基于移动终端进行目标定位的方法 |
CN103134489A (zh) * | 2013-01-29 | 2013-06-05 | 北京凯华信业科贸有限责任公司 | 基于移动终端进行目标定位的方法 |
CN109506664A (zh) * | 2015-05-22 | 2019-03-22 | 星克跃尔株式会社 | 利用人行横道识别结果的引导信息提供装置及方法 |
CN106323309A (zh) * | 2015-06-30 | 2017-01-11 | Lg电子株式会社 | 车辆驾驶辅助装置、车辆用显示装置以及车辆 |
US11423665B2 (en) | 2015-09-08 | 2022-08-23 | Apple Inc. | Intention recognition |
CN107924195A (zh) * | 2015-09-08 | 2018-04-17 | 苹果公司 | 意图识别 |
CN106873441A (zh) * | 2015-10-29 | 2017-06-20 | 法拉第未来公司 | 电子辅助车道入口的方法和系统 |
CN105702038B (zh) * | 2016-04-15 | 2018-02-09 | 北京信路威科技股份有限公司 | 一种基于gps定位的智能巡航方法 |
CN105702038A (zh) * | 2016-04-15 | 2016-06-22 | 北京信路威科技股份有限公司 | 一种基于gps定位的智能巡航方法 |
CN112602134A (zh) * | 2018-08-31 | 2021-04-02 | 株式会社电装 | 地图生成装置以及地图生成方法 |
CN109685037A (zh) * | 2019-01-08 | 2019-04-26 | 北京汉王智远科技有限公司 | 一种实时动作识别方法、装置及电子设备 |
CN109685037B (zh) * | 2019-01-08 | 2021-03-05 | 北京汉王智远科技有限公司 | 一种实时动作识别方法、装置及电子设备 |
CN113168738A (zh) * | 2019-03-27 | 2021-07-23 | Jvc建伍株式会社 | 记录控制装置、记录控制方法以及程序 |
Also Published As
Publication number | Publication date |
---|---|
JP2008275575A (ja) | 2008-11-13 |
JP4453046B2 (ja) | 2010-04-21 |
CN101275840B (zh) | 2012-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101275840B (zh) | 车辆行动学习设备及车辆行动学习方法 | |
JP4427759B2 (ja) | 車両挙動学習装置及び車両挙動学習プログラム | |
US8155826B2 (en) | Vehicle behavior learning apparatuses, methods, and programs | |
CN105466440B (zh) | 利用天气预报信息优化路径的导航装置、系统及方法 | |
US20210270616A1 (en) | Destination changes in autonomous vehicles | |
US20190346845A1 (en) | Autonomous control of a motor vehicle on the basis of lane data; motor vehicle | |
CN110641480B (zh) | 基于交通流的自动驾驶功能推送方法、系统及车辆 | |
CN106611497B (zh) | 交通量预测系统及预测方法、车辆用显示装置以及车辆 | |
AU755096B2 (en) | Method of updating a traffic route network map and map- supported method for generating vehicle guidance information | |
JP2021157848A (ja) | 出力装置、地図情報記憶装置、自動運転制御装置、出力方法、プログラム及び記憶媒体 | |
US7353111B2 (en) | Navigation system performing route guidance for vehicle | |
JP4735195B2 (ja) | 車両制御システム | |
JP4568782B2 (ja) | 位置登録装置、ナビゲーション装置、経路探索装置、位置登録方法、位置登録プログラムおよび記録媒体 | |
CN102235879B (zh) | 路线搜索装置和路线引导系统 | |
JP6612708B2 (ja) | 車両制御装置 | |
CN106996793A (zh) | 地图更新判定系统 | |
CN104691549B (zh) | 用于车辆的控制换挡的方法和系统 | |
CN106114513A (zh) | 误识别判定装置 | |
CN101201255A (zh) | 基于智能导航算法的车辆组合导航系统 | |
CN101334286A (zh) | 自车位置识别装置以及自车位置识别程序 | |
JP4613898B2 (ja) | 情報システム、端末装置及び情報センタ装置 | |
CN113359171B (zh) | 基于多传感器融合的定位方法、装置和电子设备 | |
CN108351220A (zh) | 用于数字地图服务的车道信息的聚合方法 | |
CN108981723A (zh) | 用于验证道路曲率地图数据的系统和方法 | |
US20190227552A1 (en) | Vehicle control device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121107 |
|
CF01 | Termination of patent right due to non-payment of annual fee |