CN101395649B - 障碍物探测方法以及障碍物探测装置 - Google Patents

障碍物探测方法以及障碍物探测装置 Download PDF

Info

Publication number
CN101395649B
CN101395649B CN200780007380XA CN200780007380A CN101395649B CN 101395649 B CN101395649 B CN 101395649B CN 200780007380X A CN200780007380X A CN 200780007380XA CN 200780007380 A CN200780007380 A CN 200780007380A CN 101395649 B CN101395649 B CN 101395649B
Authority
CN
China
Prior art keywords
barrier
mobile body
model
automobile
unconfirmed
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.)
Expired - Fee Related
Application number
CN200780007380XA
Other languages
English (en)
Other versions
CN101395649A (zh
Inventor
麻生和昭
金道敏树
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN101395649A publication Critical patent/CN101395649A/zh
Application granted granted Critical
Publication of CN101395649B publication Critical patent/CN101395649B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9329—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles cooperating with reflectors or transponders

Abstract

一种障碍物探测方法和一种障碍物探测装置。该方法用于使用安装在汽车上的传感器探测汽车的障碍物的存在，该方法包括：设定可移动区域，可移动区域为汽车的周围区域并且汽车能够在可移动区域中移动；在可移动区域的整个区域上设置作为初始状态的候选障碍物的多个未确认体，其中未确认体具有存储在模型数据库中的标准移动体模型的特性，标准移动体模型具有特有的行为特性，以便预测能够是汽车的障碍物的移动体的行为；以及从设置为初始状态的候选障碍物中排除依据传感器的探测结果而被确定为实际不存在的候选障碍物，并且保留其存在受到传感器探测的实际存在的障碍物以及被设置在遮挡区域中的候选障碍物，其中传感器不能对遮挡区域执行障碍物探测。

Description

障碍物探测方法以及障碍物探测装置
技术领域
本发明涉及一种障碍物探测方法、一种障碍物探测装置以及一种标准移动体模型，适合于环境预测的应用以便实现汽车碰撞避免、碰撞警报、自动驾驶等。
背景技术
通常，对于预先避免和警报行驶中车辆的事故以及进一步实现自动驾驶而言，重要的是对存在有例如其它车辆等障碍物的周围环境的识别以及对障碍物行为的预测。为此目的，已提出了各种障碍物探测系统。例如，专利文献1披露了一种技术，其用于使用例如基于雷达的传感器等载内传感器探测本车周围是否存在障碍物并且利用探测结果以进行用于碰撞警报、碰撞避免、自适应巡航控制等的预测。
专利文献1：PCT国际申请(Kohyo)No.2003-506785的已公布的日文译文
发明内容
本发明要解决的技术问题
但是，专利文献1中所述的系统仅基于车内传感器的探测结果探测作为障碍物实际存在的那些物体，而没有针对如何处理有可能存在于车内传感器的探测受到遮挡的区域中的障碍物这一问题必然地提供一种清楚的解决方案。要实现在例如被墙和栅栏包围的小巷中等具有许多遮挡区域的地方中进行自动驾驶，使环境识别正确地调整到具有遮挡区域的情形是非常重要的。
鉴于如上所述的情况而做出了本发明，并且本发明的目的是提供一种障碍物探测方法、障碍物探测装置以及标准移动体模型，即使当车内传感器不能探测到遮挡区域中的障碍物时，其也能够正确地对遮挡区域进行处理。
解决技术问题的手段
要解决上述的技术问题并且实现目的，根据本发明的障碍物探测方法是一种这样的障碍物探测方法，所述方法用于使用安装在汽车上的传感器探测所述汽车的障碍物的存在，所述方法包括：设定可移动区域，所述可移动区域为所述汽车的周围区域并且所述汽车能够在所述可移动区域中移动；在所述可移动区域的整个区域上设置作为初始状态的候选障碍物的多个未确认体，其中所述未确认体具有存储在模型数据库中的标准移动体模型的特性，所述标准移动体模型具有特有的行为特性，以便预测能够是所述汽车的障碍物的移动体的行为；以及从设置为所述初始状态的候选障碍物中排除依据所述传感器的探测结果而被确定为实际不存在的候选障碍物，并且保留其存在受到所述传感器探测的实际存在的障碍物以及被设置在遮挡区域中的候选障碍物，其中所述传感器不能对所述遮挡区域执行障碍物探测。
另外，对于上述方面，在根据本发明的障碍物探测方法中，所述排除从离所述移动体较近的候选障碍物开始按顺序进行。
另外，在本发明的上述方面中，根据本发明的障碍物探测方法是一种这样的障碍物探测方法，所述方法用于使用安装在汽车上的传感器探测所述汽车的障碍物的存在，所述方法包括：设定可移动区域，所述可移动区域为所述汽车的周围区域并且所述汽车能够在所述可移动区域中移动；探测空闲区域，所述空闲区域为所述汽车的周围区域并且根据所述传感器的探测结果所述障碍物实际并不存在于所述空闲区域中；设定互补区域，所述互补区域为所述可移动区域中除所述空闲区域以外的区域；以及在所述互补区域的整个区域上设置作为候选障碍物的未确认体，其中所述未确认体具有存储在模型数据库中的标准移动体模型的特性，所述标准移动体模型具有特有的行为特性，以便预测能够是所述汽车的障碍物的移动体的行为。
另外，对于本发明的上述方面，在根据本发明的障碍物探测方法中，设置为所述候选障碍物的所述未确认体具有用于预测所述未确认体的行为的移动体模型的特性。
另外，对于本发明的上述方面，在根据本发明的障碍物探测方法中，所述移动体模型是具有虚拟特性的虚拟的标准移动体模型，所述虚拟特性是具有不同特性的多个单移动体模型的特性的整合。
另外，对于本发明的上述方面，在根据本发明的障碍物探测方法中，所述单移动体模型的其中之一是用于预测汽车的行为的汽车模型。
另外，对于本发明的上述方面，在根据本发明的障碍物探测方法中，所述单移动体模型的其中之一是用于预测人体的行为的人体模型。
另外，对于本发明的上述方面，根据本发明的障碍物探测方法进一步包括用实际存在的障碍物替换已设置的候选障碍物中的基于所述传感器的探测结果而被确定为实际存在的候选障碍物。
另外，根据本发明的标准移动体模型是一种这样的标准移动体模型，其用于预测虚拟的未确认移动体的行为，所述标准移动体模型具有虚拟特性，所述虚拟特性是具有不同特性并且能够作为所述移动体而实际存在的多个单移动体模型的特性的整合。
另外，对于本发明的上述方面，在根据本发明的标准移动体模型中，所述单移动体模型的其中之一是用于预测汽车的行为的汽车模型。
另外，对于本发明的上述方面，在根据本发明的标准移动体模型中，所述单移动体模型的其中之一是用于预测人体的行为的人体模型。
另外，根据本发明的障碍物探测装置是一种这样的障碍物探测装置，所述装置用于使用安装在汽车上的传感器探测所述汽车的障碍物的存在，所述装置包括：区域设定单元，其设定可移动区域，所述可移动区域为所述汽车的周围区域并且所述汽车能够在所述可移动区域中移动；模型数据库，在所述模型数据库中存储有各种类型的标准移动体模型，每一标准移动体模型均具有特有的行为特性，以便预测能够是所述汽车的障碍物的移动体的行为；设置单元，其在所述可移动区域的整个区域上设置作为初始状态的候选障碍物的多个未确认体，其中所述未确认体具有存储在所述模型数据库中的所述标准移动体模型的行为特性；以及排除单元，其从设置为所述初始状态的候选障碍物中排除依据所述传感器的探测结果而被确定为实际不存在的候选障碍物，并且保留其存在受到所述传感器探测的实际存在的障碍物以及被设置在遮挡区域中的候选障碍物，其中所述传感器不能对所述遮挡区域执行障碍物探测。
另外，对于本发明的上述方面，根据本发明的障碍物探测装置是一种这样的障碍物探测装置，所述装置用于使用安装在汽车上的传感器探测所述汽车的障碍物的存在，所述装置包括：区域设定单元，其设定可移动区域，所述可移动区域为所述汽车的周围区域并且所述汽车能够在所述可移动区域中移动；空闲区域探测单元，其探测空闲区域，所述空闲区域为所述汽车的周围区域并且根据所述传感器的探测结果所述障碍物实际并不存在于所述空闲区域中；互补区域设定单元，其设定互补区域，所述互补区域为所述可移动区域中除所述空闲区域以外的区域；模型数据库，在所述模型数据库中存储有各种类型的标准移动体模型，每一标准移动体模型均具有特有的行为特性，以便预测能够是所述汽车的障碍物的移动体的行为；以及设置单元，其在所述互补区域的整个区域上设置作为候选障碍物的未确认体，其中所述未确认体具有存储在所述模型数据库中的所述标准移动体模型的行为特性。
另外，对于本发明的上述方面，在根据本发明的障碍物探测装置中，设置为所述候选障碍物的所述未确认体具有用于预测行为的移动体模型的特性。
另外，对于本发明的上述方面，在根据本发明的障碍物探测装置中，所述移动体模型是具有虚拟特性的标准移动体模型，所述虚拟特性是具有不同特性的多个单移动体模型的特性的整合。
另外，对于本发明的上述方面，在根据本发明的障碍物探测装置中，所述单移动体模型的其中之一是用于预测汽车的行为的汽车模型。
另外，对于本发明的上述方面，在根据本发明的障碍物探测装置中，所述单移动体模型的其中之一是用于预测人体的行为的人体模型。
另外，对于本发明的上述方面，根据本发明的障碍物探测装置进一步包括替换单元，其用实际存在的障碍物替换已设置的候选障碍物中的基于所述传感器的探测结果而被确定为实际存在的候选障碍物。
本发明的效果
根据本发明的障碍物探测方法和障碍物探测装置，即使当安装在移动体上的传感器不能执行移动体的可移动区域中的遮挡区域的探测时，也会假定在遮挡区域中有可能存在障碍物，并且当假定有可能存在障碍物时，未确认体虚拟地设置在遮挡区域中作为候选障碍物，因此能够通过使用由未确认体代表的候选障碍物来执行环境预测，从而有助于实现安全自动驾驶等。
另外，本发明的标准移动体模型用于未确认、虚拟移动体的行为预测，并且具有通过能够作为移动体实际存在的多个单移动体模型的不同特性的整合而获得的虚拟特性，因此在未确认、虚拟移动体的行为的预测和确定中，能够使安全性优先，并且例如能够将标准移动体模型适合地应用于由未确认体代表的候选障碍物的行为的预测。
附图说明
图1是根据本发明第一实施方式的障碍物探测装置的示意性框图；
图2是以类似平面图形式示出本车有可能处于其中的实际情形的示例的说明图；
图3是示出本车前方视图的说明图；
图4是由周围地图产生单元产生的周围区域地图的示例的说明图；
图5是可移动区域中多个未确认体的设置的初始状态的示例的说明图；
图6是示出传感器如何执行射束扫描以及作为扫描结果的被确定为不存在的未确认体的排除结果的说明图；
图7A是人体模型的基本行为特性的说明图；
图7B是汽车模型的基本行为特性的说明图；
图8是从表示为t＝0的当前时间点起以时空方式示出人体模型和汽车模型的可能存在域随时间t变化的示意性说明图；
图9是新近建立的标准移动体模型沿y坐标方向的时间-移动量的最差特性的示例的说明图；
图10是示出用实际存在障碍物替换被确定为实际存在的未确认体的设置的结果的说明图；
图11是根据本发明第二实施方式的物体探测装置的示意性框图；
图12是示出传感器如何执行射束扫描以及作为扫描结果的被确定为空闲区域的区域的说明图；
图13是所计算和设定的互补区域的示例和未确认体的设置的示例的说明图；
图14是用实际存在障碍物替换被确定为实际存在的未确认体的设置的结果的说明图。
附图标记说明
10障碍物探测装置
11传感器
12a周围地图产生单元
12b未确认障碍物设置单元
12c未确认障碍物存在确定单元
12d实际存在障碍物探测单元
12e障碍物整合单元
41L左侧行车道
42公路
43本车
44另一车辆
45遮蔽物
46未确认体
47遮挡区域
50障碍物探测装置
51传感器
52a周围地图产生单元
52b空闲区域探测单元
52c互补区域计算单元
52d未确认障碍物设置单元
52e实际存在障碍物探测单元
52f障碍物整合单元
81空闲区域
82a，82b互补区域
具体实施方式
下面将参照附图详细说明根据本发明的障碍物探测方法、障碍物探测装置以及标准移动体模型的示例性实施方式。但是应当注意，本发明并不受这些实施方式的限制，并且在不偏离本发明的范围的情况下可以对这些实施方式做出各种改型。
第一实施方式
图1是根据本发明第一实施方式的障碍物探测装置的示意性框图。障碍物探测装置用来探测能够阻碍本车移动的障碍物，所述本车是行驶在道路上的汽车并且被设定为目标移动体。第一实施方式的障碍物探测装置10安装在本车上和探测障碍物，并且包括传感器11、处理器12、地图数据库(DB)13、位置信息接收单元14以及模型数据库(DB)15。障碍物探测装置10的探测结果被传送到用来预测探测到的障碍物的行为的预测单元20，并且预测单元20的预测结果被传送到在获得碰撞预测时发出警报的警报单元30。
传感器11在例如前部位置等适当位置安装在本车上，并且用来探测本车周围是否存在障碍物。在第一实施方式中，传感器11例如是能够通过执行电子束扫描而沿每一方向探测是否存在障碍物的毫米波雷达。
地图DB 13是以可更新方式在其中存储有例如关于日本国家道路地图的信息等地图信息的数据库，并且能够采用用于地图DB 13的任何记录介质，例如光盘(CD)、多功能数码光盘(DVD)以及硬盘(HD)等。另外，可以配置地图DB 13以经由例如因特网和数据广播等通讯方式获得地图信息。位置信息接收单元14用来接收与本车的当前位置相关的信息，并且例如，其是利用卫星的全球定位卫星(GPS)系统的GPS接收器。简言之，地图DB 13和位置信息接收单元14能够通过使用近年来已变得非常普及的汽车导航系统来实现。
模型DB 15是在其中存储有各种类型的移动体模型的数据库，每一移动体模型均具有特有的行为特性，以便预测可能是本车障碍物的移动体的行为。除了为预测后面提到的未确认、虚拟移动体的行为而产生的标准移动体模型外，存储在模型DB 15中的移动体模型还包括用于预测汽车行为的汽车模型和用于预测人体行为的人体模型，并且根据需要还包括例如两轮摩托车模型和自行车模型等单移动体模型。
处理器12配置为微型计算机，其包括中央处理单元(CPU)、只读存储器(ROM)、随机存取存储器(RAM)等，并且用来实施第一实施方式的障碍物探测方法。处理器12包括周围地图产生单元12a、未确认障碍物设置单元12b、未确认障碍物存在确定单元12c、实际存在障碍物探测单元12d以及障碍物整合单元12e。
周围地图产生单元12a产生用于识别通过障碍物探测装置10为其确定障碍物存在/不存在的周围区域的周围区域地图。具体地，周围地图产生单元12a使用由位置信息接收单元14接收的本车当前位置信息、通过参照地图DB 13而产生本车周围的地图。周围区域的范围可以适当地设定，并且优选地取决于本车的速度而改变，使得由周围区域地图覆盖的区域随着速度的增加而扩大。另外，周围地图产生单元12a具有用于基于地图符号和标记识别可移动区域并且在周围区域地图上设定可移动区域的可移动区域设定功能，其中所述可移动区域是位于所产生的周围区域地图内的区域并且本车能够在其中移动，例如左侧行车道区域以及与车辆道路相交或合并的公路区域。
未确认障碍物设置单元12b用来在位于由周围地图产生单元12a产生的周围区域地图中的本车的整个可移动区域上设置作为候选障碍物的多个未确认体而作为初始状态。在第一实施方式中未确认障碍物设置单元12b指定具有移动体模型的特性的那些，具体是具有存储在模型DB 15中的标准移动体模型的特性的那些，作为由未确认体代表的候选障碍物。
通过将传感器11的探测结果应用在通过未确认障碍物设置单元12b而设置在整个可移动区域上的候选障碍物上，未确认障碍物存在确定单元12c用来针对依据传感器11的探测结果而被确定为实际不存在的候选障碍物执行排除过程。因此，在来自未确认障碍物存在确定单元12c的输出中，除根据传感器11的探测结果而被确定为实际不存在并被排除的那些之外的候选障碍物保留在可移动区域中。除其存在受到传感器11探测的实际存在的障碍物之外，在初始状态中作为未确认体而被设置在遮挡区域---传感器11不能对其执行障碍物探测---中的那些候选障碍物也保留在本车的可移动区域中。
实际存在障碍物探测单元12d用来基于传感器11的探测结果在可移动区域中探测实际存在的障碍物。实际存在障碍物探测单元12d具有基于所获得的作为传感器11的探测结果的例如关于障碍物的相对速度的差异和探测位置来识别实际存在的障碍物的类型的功能。然后，实际存在障碍物探测单元12d从模型DB 15中取出与实际存在的障碍物的类型相应的移动体模型。例如，当在车辆道路上探测到障碍物时，则将障碍物识别为汽车，而后从模型DB 15中取出汽车模型并且将其传送到障碍物整合单元12e。
通过将实际存在障碍物探测单元12d的探测结果应用于在来自未确认障碍物存在确定单元12c的输出中被设置为未确认体并保留在可移动区域中的候选障碍物上，整合单元12e用来执行替换过程以用实际存在的障碍物替换其实际存在得到确认的候选障碍物。因此，在从障碍物整合单元12e传送到预测单元20的移动体模型中，能够包括标准移动体模型和例如汽车模型等其它移动体模型。另外，障碍物整合单元12e具有以与所设定的移动体模型相应的模式写入候选障碍物或障碍物并与周围区域地图信息一起转换成BMP图像、以及将所形成的数据传送到预测单元20的功能。
下面将参照简单的假设示例说明通过如图1中所示的配置来执行的第一实施方式的障碍物探测方法。图2是以类似平面图形式示出本车的实际周围情形的示例的说明图，图3是示出本车的前方视图的说明图。如图2中所示，例如，假定具有由中心隔离带41C分开的每一方向各具有两条行车道的汽车专用四行车道车辆道路41以及两行车道公路42，后者是与四行车道车辆道路41相交的支路。另外，假定本车43行驶在左侧行车道41L上并且靠近公路42。在图2中，附图标记44表示在本车43前方行驶在左侧行车道41L上的另一实际存在的车辆。另外，如图3中所示，假定在左侧行车道41L上当前位置处的本车43的左侧上存在例如墙和栅栏等遮蔽物45，从而阻碍对公路42的观察。
首先，基于由位置信息接收单元14接收的地图信息，周围地图产生单元12a识别出本车43的当前位置并且通过参照地图DB 13产生本车43的周围区域地图。图4是由周围地图产生单元12a产生的周围区域地图的示例的说明图。虽然在此适当地设定了周围区域地图的范围，但是该周围区域地图是着重于行驶车辆以及相对于当前位置的汽车向前行进方向的地图。
周围地图产生单元12a还基于原始地图信息识别出相对于当前位置本车43下一步能够移动的区域，并且仅将此区域设定为所产生的周围区域地图中的可移动区域。具体地，例如，在图2中所示的情形中，车辆道路41的本车43当前行驶在其上的左侧行车道41L以及与左侧行车道41L相交的公路42被设定为本车43的可移动区域。车辆道路41中，由中心隔离带41C分开的沿另一方向的行车道41R÷和非道路区域被排除于本车43的可移动区域之外。
未确认障碍物设定单元12b通过在位于由周围地图产生单元12a产生的周围区域地图中的本车43周围的本车43的整个可移动区域上如图5中所示地设置作为候选障碍物的多个未确认体46来设定出初始状态。图5是可移动区域中多个未确认体46的设置的初始状态的示例的说明图。作为未确认体46的移动体模型，采用了存储于模型DB 15中的标准移动体模型。在此，另一实际存在的车辆44也被设置为标准移动体模型的未确认体46。在图5中所示的示例中，设置了未确认体46从而以相等间隔覆盖整个可移动区域。该设置并不限于图5中所示的示例，例如，未确认体46可以以更短间隔设置成彼此重叠。
通过参照传感器11的探测结果，未确认障碍物存在确定单元12c在设置在可移动区域中的多个未确认体46中排除明显实际不存在的未确认体46。具体地，从较接近于本车43的位置开始，通过从本车43的当前位置执行电子束扫描，实施为毫米波雷达的传感器11沿每一方向执行探测操作以探测障碍物是否存在。当传感器11在扫描区域内在离所述传感器11的某一特定距离上没有探测到返回射束时，未确认障碍物存在确定单元12c能够确定障碍物实际不存在于该区域中。图6是示出传感器11如何执行射束扫描以及作为扫描结果的被确定为实际不存在的未确认体46的排除结果的说明图。
例如，在图2和3所示的情形中，即使射束扫描执行于本车43和另一实际存在的车辆44(未确认体46a)之间的区域上，传感器11也不会接收到返回射束。然后，未确认体46b、46c和46d以该顺序被确定为实际不存在并且被当作排除物体。类似地，当射束扫描执行于左侧行车道41L中的相邻行车道的区域和本车43行驶于其上的行车道的后方区域时，传感器11也不会接收到返回射束。因此，相应区域上的未确认体46被确定为实际不存在并且被当作排除物体。另外，对于设置在公路42上的未确认体46，由于传感器11从对应于未确认物体46e的区域并未接收到返回射束，所以仅将设置在头端处的未确认体46e确定为实际不存在并且当作排除物体。另一方面，对应于未确认体46f、46g和46h的区域是遮挡区域47，其中对该区域47来说传感器11的扫描射束被遮蔽物45遮挡。因此，该区域在传感器11的射束扫描的范围之外，并且不能基于传感器11的探测结果确定相应的未确认体实际不存在并且将其从排除物体中排除。与设置在另一车辆44(未确认体46a)前方的位置处的未确认体46i、46j和46k相应的区域以相同的方式处理。
因此，在来自未确认障碍物存在确定单元12c的输出中，如图6所示，包括由传感器11探测的另一实际存在的车辆44在内，仅未确认体46a、46f、46g、46h、46i、46j和46k保留在可移动区域中。在第一实施方式中，未确认体46f、46g和46h作为候选障碍物而被设置在传感器11不能对其执行障碍物探测的遮挡区域47中，更具体地，被设置在公路42中位于本车43的可移动区域内的部分中。
例如，通过基于最终设置在本车43的可移动区域中的未确认体46a、46f、46g、46h、46i、46j和46k的行为以及本车43的行为(例如速度和转向方向)来预测可能的轨迹，预测单元20能够预测在驾驶期间本车43的碰撞可能性等。特别地，即使当在可移动区域中存在遮挡区域47并且安装在本车43上的传感器11不能在遮挡区域47上执行探测时，也会假定在遮挡区域47中有可能存在障碍物，并且当在遮挡区域47中会存在障碍物时，则未确认体46f、46g和46h作为候选障碍物而被虚拟地设置在遮挡区域47中。从而，通过在遮挡区域47中使用作为未确认体46f、46g和46h的候选障碍物，能够对本车43执行环境预测，从而有助于实现安全自动驾驶等。
在图6中所示的示例中，在本车43接近于公路42之前，通过基于根据所假定的未确认体46f、46g和46h的存在的预测的慢速驾驶请求、警报等而要求本车43小心。当本车43接近于公路42÷使得公路42进入传感器11的探测范围内(换言之，使得公路42不再是遮挡区域47)并且确定未确认体46f、46g和46h实际不存在时，程序将仅基于作为行为预测目标而被设置在相同行车道上的未确认体46a、46i、46j和46k而继续进行。
下面将说明移动体模型。采用移动体模型以预测作为候选障碍物而被设置在可移动区域上的未确认体46随后将如何行动。当预测到本车43的碰撞危险等时，难以决定为未确认的虚拟障碍物采用具有何种行为特性的何种移动体模型，特别是对于设置在遮挡区域47中的未确认体46。
例如，在速度v是0km/h的当前时间点t＝0之后t秒的时间点处，检查是单移动体模型的人体模型和汽车模型---与作为移动体的实际可能存在的人体和汽车相关---的行为特性。基本上，在当前时间点t＝0之后人体模型能够即时地沿任意四个方向移动。因此人体模型的行为特性能够表示为如图7A中所示的位于两维x-y坐标上的圆，这意味着在任意方向上具有相等的存在可能性。另一方面，在汽车模型中，汽车在当前时间点t＝0之后的移动受汽车在当前时间点时的方向(汽车的行进方向)的限制，并且汽车难以即时地沿横向方向移动。在二维x-y坐标轴上，汽车模型呈现以图7B中的长形椭圆表示的行为特性，这意味着在特定方向(在该示例中是在代表行进方向的y坐标方向上)上具有更大的存在可能性。
另外，当考虑时间的经过时，人体模型具有这样的行为特性，即虽然其在始于当前时间点t＝0的移动的开始时具有高的瞬时加速度，但是之后其最大速度较低。因此，如果在始于当前时间点t＝0的时间t上按时空方式示意性地示出可能存在域，则其能够表示为图8中的部分(a)至(c)。另一方面，汽车模型具有这样的行为特性，即虽然其在始于当前时间点t＝0的移动的开始时具有低的瞬时加速度，但是之后其具有较高的最大速度。因此，如果在始于当前时间点t＝0的时间上按时空方式示意性地示出可能存在域，则其能够表示为图8中的部分(a)至(c)。另外，汽车模型具有其尺寸大于人体模型的特性。
在此，设置在遮挡区域47中并且有可能实际存在的未确认体46可以是例如汽车或人体(或两轮自动车或自行车)。为了在考虑时间的经过的同时在时空环境中处理本车43的作为未确认障碍物的未确认体46，优选地使过程基于具有在时空上分散性最大的最差特性的移动体模型以确保安全。
在第一实施方式中，作为用于预测未确认体47的行为的移动体模型，采用了具有例如最差特性等的虚拟特性的虚拟标准移动体模型。该虚拟标准移动体模型是属于具有不同特性的单移动体模型的人体模型和汽车模型的行为特性的整合。如图8中部分(a)至(c)所示的能够迅速和即时地沿任意方向移动的人体模型的行为特性和如图8中部分(a)至(c)所示的能够移动远距离的汽车模型的行为特性被视为各个单移动体的最差特性，并且所述最差特性被整合以建立具有最差整合特性的虚拟标准移动体模型。
图9是新近建立的标准移动体模型的相对于y坐标方向的时间-移动量的最差特性的示例的说明图。具体地，人体模型的特性和汽车模型的特性如上所述地被考虑并整合，使得采用人体模型的最差特性直到从当前时间点t＝0经过数秒，之后再采用汽车模型的最差特性。另外，由于随着模型尺寸的增大在碰撞时本车43承受更大更严重的冲击，所以汽车模型的尺寸被采纳为标准移动体模型的尺寸。因此，如图5和6中所示的未确认体46以与汽车模型相同的尺寸表示。
因此，具有整合了能够作为移动体而实际存在的多个单移动体模型的不同特性的虚拟特性的虚拟标准移动体模型，例如具有最差特性的虚拟标准移动体模型被用作用于预测例如未确认体46等的未确认的虚拟移动体的行为的移动体模型。因此，在时空环境中对未确认的虚拟移动体的行为进行预测和确定中，可以使安全性优先。另外，由于假定作为候选障碍物而被设置的所有未确认体46均具有标准移动体模型的特性，所以仅基于一类单移动体模型即能够做出预测。因此，计算大多是相同或平行的，因此能够简化预测计算过程。
如上所述的标准移动体模型对于有可能存在于通常交通流中不可预测区域中的未确认体的行为的预测是有效的，并且标准移动体模型的利用有助于交通控制系统的正确运行。
实际存在障碍物探测单元12d基于传感器11的探测结果在本车43的可移动区域中探测实际存在的障碍物。在图2和3中所示的示例中，实际存在障碍物探测单元12d探测到另一在前面的车辆44。实际存在障碍物探测单元12d然后将该障碍物识别为汽车，并且从模型DB 15中取出汽车模型，并且将所取出的模型输出到障碍物整合单元12e。
障碍物整合单元12e将实际存在障碍物探测单元12d的探测结果应用于在来自未确认障碍物存在确定单元12c的输出中作为未确认体46而被设置并保留在可移动区域中的候选障碍物，并因此执行用实际存在的障碍物替换所设置的候选障碍物中其实际存在得到确认的候选障碍物的过程。在该示例中，如图10中所示，用实际存在的障碍物即另一车辆44替换未确认体46a，从而设置了另一车辆44。汽车模型被应用于所述另一车辆44。当障碍物明显实际存在时，则相应的单移动体模型被应用于该障碍物，并且因此能够提高估算精度并且能够实现更实际和更精确的预测。
第二实施方式
图11是根据本发明第二实施方式的障碍物探测装置的示意性框图。障碍物探测装置用来探测能够阻碍本车移动的障碍物，所述本车是行使在道路上并且被设定为目标移动体的汽车。第二实施方式的障碍物探测装置50安装在本车上和探测障碍物，并且包括传感器51、处理器52、地图数据库(DB)53、位置信息接收单元54以及模型数据库(DB)55。障碍物探测装置50的探测结果被传送到用来预测探测到的障碍物的行为的预测单元60，并且预测单元60的预测结果被供送到在获得碰撞预测时发出警报的警报单元70。
传感器51在适当的位置安装在本车上，例如在前部位置处，并且用来探测在本车周围是否存在障碍物。在第二实施方式中，例如，传感器51是毫米波雷达，其能够通过执行电子束扫描而沿每一方向探测障碍物是否存在。
地图DB 53是以可更新方式在其中存储例如关于日本国家道路地图的信息等地图信息的数据库，并且能够采用用于地图DB 53的任何记录介质，例如光盘(CD)、多功能数码光盘(DVD)以及硬盘(HD)等。另外，可以配置地图DB 53以经由例如因特网和数据广播等通讯方式获得地图信息。位置信息接收单元54用来接收与本车的当前位置相关的信息，并且例如，其是利用卫星的全球定位卫星(GPS)系统的GPS接收器。简言之，地图DB 53和位置信息接收单元54能够通过使用近年来已变得非常普及的汽车导航系统来实现。
模型DB 55是在其中存储有各种类型的移动体模型的数据库，每一移动体模型均具有特有的行为特性，以便预测可能是本车障碍物的移动体的行为。除了为预测未确认、虚拟移动体的行为而产生的标准移动体模型外(参见第一实施方式的说明)，存储在模型DB 55中的移动体模型还包括用于预测汽车行为的汽车模型以及用于预测人体行为的人体模型，并且根据需要还包括例如两轮摩托车模型和自行车模型等单移动体模型。
处理器52被配置成微型计算机，其包括中央处理单元(CPU)、只读存储器(ROM)、随机存取存储器(RAM)等，并且用来实施第二实施方式的障碍物探测方法。处理器52包括周围地图产生单元52a、空闲区域探测单元52b、互补区域计算单元52c、未确认障碍物设置单元52d、实际存在障碍物探测单元52e和障碍物整合单元52f。
周围地图产生单元52a产生用于识别通过障碍物探测装置50为其确定障碍物存在/不存在的周围区域的周围区域地图。具体地，周围地图产生单元52a使用由位置信息接收单元54接收的本车当前位置信息、通过参照地图DB 53产生本车周围的地图。周围区域的范围可以适当地设定，并且优选地取决于本车的速度而改变，使得随着速度的增加，由周围区域地图覆盖的区域扩大。另外，周围地图产生单元52a具有用于基于地图符号和标记识别可移动区域并且在周围区域地图上设定可移动区域的功能，其中所述可移动区域是位于所产生的周围区域地图内的区域并且本车能够在其中移动，例如左侧行车道区域以及与车辆道路相交或合并的公路区域。
空闲区域探测单元52b用来探测空闲区域，所述空闲区域是根据传感器51的探测结果障碍物实际并不存在的位于由周围地图产生单元52a产生的周围区域地图内的区域。没有从其中接收到对应于由传感器51发射的扫描射束的返回射束的区域被探测为空闲区域。互补区域计算单元52c通过从位于由周围地图产生单元52a产生的周围区域地图中的可移动区域中去除由空闲区域探测单元52b探测的空闲区域来计算互补区域。在此，“互补区域”意味着可移动区域中的障碍物实际存在或者可以实际存在的区域，而不论其是否为遮挡区域。
未确认障碍物设置单元52d用来在位于由周围地图产生单元52a产生的周围区域地图中的由互补区域计算单元52c计算和设定的整个互补区域上设置未确认体作为候选障碍物。未确认障碍物设置单元52d指定具有移动体模型特性的那些，具体是具有存储在模型DB 55中的标准移动体模型的特性的那些，作为在第二实施方式中由未确认体代表的候选障碍物。
实际存在障碍物探测单元52e用来基于传感器51的探测结果在可移动区域中探测实际存在的障碍物。实际存在障碍物探测单元52e具有基于所获得的作为传感器51的探测结果的例如关于障碍物的相对速度的差异和探测位置来识别实际存在的障碍物的类型的功能。然后，实际存在障碍物探测单元52e从模型DB 55中取出与实际存在的障碍物的类型相应的移动体模型。例如，当在车辆道路上探测到障碍物时，则将障碍物识别为汽车，而后从模型DB 55中取出汽车模型并且将其传送到障碍物整合单元52f。
通过将实际存在障碍物探测单元52e的探测结果应用在从未确认障碍物设置单元52d获得的位于可移动区域的互补区域中的作为未确认体而被设置的候选障碍物上，障碍物整合单元52f用来执行替换过程以用实际存在的障碍物替换其实际存在得到确认的候选障碍物。因此，在从障碍物整合单元52f传送到预测单元60的移动体模型中，能够包括标准移动体模型和例如汽车模型等其它移动体模型。另外，障碍物整合单元52f具有以与所设定的移动体模型相应的模式写入候选障碍物或障碍物并与周围区域地图信息一起转换成BMP图像、以及将所形成的数据传送到预测单元60的功能。
参照类似于与第一实施方式有关的图2和3中所示的简单的假设示例，下面将说明由图11中所示的配置执行的第二实施方式的障碍物探测方法。
首先，基于位置信息接收单元54接收的位置信息，周围地图产生单元52a识别出本车43的当前位置并且通过参照地图DB 53产生本车43的周围区域地图。另外，周围地图产生单元52a还基于原始地图信息识别出相对于当前位置本车43下一步能够移动的区域，并且仅将此区域设定为所产生的周围区域地图中的如图4中所示的可移动区域。
通过参照传感器51的探测结果，空闲区域探测单元52b在由周围地图产生单元52a产生的周围区域地图中探测出根据传感器51的探测结果障碍物显然不存在的空闲区域。具体地，由毫米波雷达实现的传感器51通过在本车43的当前位置处执行电子束扫描来执行探测操作以沿每一方向探测是否存在障碍物。在位于扫描区域内的某一特定区域上，对于扫描射束当没有接收到返回射束时，则该区域被确定为障碍物实际不存在的空闲区域。图12是示出在图2和3所示的情形中传感器51如何执行射束扫描以及作为扫描结果的被确定为空闲区域81的区域(以阴影线标示)的说明图。
互补区域计算单元52c通过从位于由周围地图产生单元52a产生的周围区域地图中的可移动区域(左侧行车道41L的区域和公路42的区域)中去除由空闲区域探测单元52b探测的空闲区域81来计算出互补区域，并且在周围区域地图中设定所计算出的互补区域。图13是示出未确认体46的设置的示例以及所计算和设定的互补区域82a和82b的示例的说明图。在两个互补区域82a和82b中，朝向互补区域82b的扫描射束会被遮蔽物45遮挡。因此，互补区域82b是遮挡区域，不能对其执行障碍物探测。
多个未确认体46A至46G在位于可移动区域中的所计算和设定的整个互补区域82a和82b上被设置为候选障碍物，如图13中所示。根据第二实施方式，未确认体46E、46F和46G被设定为位于公路42的一部分中的候选障碍物，换言之，被设定为位于本车43的可移动区域中不能对其执行障碍物探测的、对应于遮挡区域的互补区域82b中的候选障碍物。在此，采用存储于模型DB 55中的标准移动体模型作为用于未确认体46A至46G的移动体模型。在此，实际存在的另一车辆44也设置为对应于未确认体46的标准移动体模型。
在图13所示的示例中，多个未确认体46以相等间隔设置，从而覆盖整个互补区域82a和82b。但是，本发明并不限于这种示例，并且可以将多个未确认体46设置成彼此重叠，或者替代地，可以为互补区域82a和82b中的每一个设置一个未确认体46。当为互补区域82a和82b中的每一个设置一个未确认体时，特别地，优选为将其位置最接近于互补区域82a和82b与空闲区域81之间的虚拟边界的未确认体设置为候选障碍物(在图13的示例中，未确认体46A和46E即为这样的未确认体)。
因此，通过预测被设置在本车43的可移动区域的互补区域82a和82b中的未确认体46A至46G的行为，预测单元60能够预测驾驶期间本车43的碰撞可能性等。特别地，即使当在可移动区域中存在对应于遮挡区域的互补区域82b并且安装在本车43上的传感器51不能在互补区域82b上执行探测时，也会假定在互补区域82b中有可能存在障碍物，并且当在互补区域82b中会存在障碍物时，则未确认体46E至46G作为候选障碍物而被虚拟地设置在互补区域82b中。因此，通过在互补区域82b中使用作为未确认体46A至46G的候选障碍物，能够对本车43执行环境预测，从而有助于实现安全自动驾驶等。标准移动体模型与第一实施方式中所述的相同。
实际存在障碍物探测单元52e基于传感器51的探测结果在本车43的可移动区域中探测实际存在的障碍物。在图2和3中所示的示例中，实际存在障碍物探测单元52e探测到另一在前面的车辆44。然后实际存在障碍物探测单元52e将该障碍物识别为汽车，并且从模型DB 55中取出汽车模型，并且将所取出的模型输出到障碍物整合单元52f。
障碍物整合单元52f将实际存在障碍物探测单元52e的探测结果应用于从未确认障碍物设置单元52d获得的位于可移动区域中的互补区域82a和82b中的作为未确认体46而被设置的候选障碍物，并因此执行用实际存在的障碍物替换所设置的候选障碍物中其实际存在得到确认的候选障碍物的过程。在该示例中，如图14中所示，用实际存在的障碍物即另一车辆44替换未确认体46A，从而设置了另一车辆44。汽车模型被应用于所述另一车辆44。当障碍物明显实际存在时，则相应的单运动体模型被应用于该障碍物，因此能够实现更实际和更精确的预测。
在第一和第二实施方式中，假定被设置为候选障碍物的未确认体46具有标准移动体模型的特性。但是，根据情况可以假定未确认体具有单移动体模型的特性。例如，当在高速路上时，如果能够假定可能存在的障碍物为汽车，则被设置为候选障碍物的未确认体可以从一开始就被当作具有汽车模型的特性。
工业应用性
如从前述中可以看出，根据本发明的障碍物探测方法、障碍物探测装置以及标准移动体模型有益于汽车的碰撞避免、碰撞警报等，并且特别适合于汽车的自动驾驶。

Claims (21)

1.一种障碍物探测方法，所述方法用于使用安装在汽车上的传感器探测所述汽车的障碍物的存在，所述方法包括：
设定可移动区域，所述可移动区域为所述汽车的周围区域并且所述汽车能够在所述可移动区域中移动；
在所述可移动区域的整个区域上设置作为初始状态的候选障碍物的多个未确认体，其中所述未确认体具有存储在模型数据库中的标准移动体模型的特性，所述标准移动体模型具有特有的行为特性，以便预测能够是所述汽车的障碍物的移动体的行为；以及
从设置为所述初始状态的候选障碍物中排除依据所述传感器的探测结果而被确定为实际不存在的候选障碍物，并且保留其存在受到所述传感器探测的实际存在的障碍物以及被设置在遮挡区域中的候选障碍物，其中所述传感器不能对所述遮挡区域执行障碍物探测。
2.如权利要求1所述的障碍物探测方法，其中
所述排除从离所述汽车较近的候选障碍物开始按顺序进行。
3.如权利要求1所述的障碍物探测方法，其中
所述标准移动体模型是具有虚拟特性的虚拟的标准移动体模型，所述虚拟特性是具有不同特性的多个单移动体模型的特性的整合。
4.如权利要求3所述的障碍物探测方法，其中
所述单移动体模型的其中之一是用于预测汽车的行为的汽车模型。
5.如权利要求3所述的障碍物探测方法，其中
所述单移动体模型的其中之一是用于预测人体的行为的人体模型。
6.如权利要求1所述的障碍物探测方法，进一步包括
用实际存在的障碍物替换已设置的候选障碍物中的基于所述传感器的探测结果而被确定为实际存在的候选障碍物。
7.一种障碍物探测方法，所述方法用于使用安装在汽车上的传感器探测所述汽车的障碍物的存在，所述方法包括：
设定可移动区域，所述可移动区域为所述汽车的周围区域并且所述汽车能够在所述可移动区域中移动；
探测空闲区域，所述空闲区域为所述汽车的周围区域并且根据所述传感器的探测结果所述障碍物实际并不存在于所述空闲区域中；
设定互补区域，所述互补区域为所述可移动区域中除所述空闲区域以外的区域；以及
在所述互补区域的整个区域上设置作为候选障碍物的未确认体，其中所述未确认体具有存储在模型数据库中的标准移动体模型的特性，所述标准移动体模型具有特有的行为特性，以便预测能够是所述汽车的障碍物的移动体的行为。
8.如权利要求7所述的障碍物探测方法，其中
所述标准移动体模型是具有虚拟特性的虚拟的标准移动体模型，所述虚拟特性是具有不同特性的多个单移动体模型的特性的整合。
9.如权利要求8所述的障碍物探测方法，其中
所述单移动体模型的其中之一是用于预测汽车的行为的汽车模型。
10.如权利要求8所述的障碍物探测方法，其中
所述单移动体模型的其中之一是用于预测人体的行为的人体模型。
11.如权利要求7所述的障碍物探测方法，进一步包括
用实际存在的障碍物替换已设置的候选障碍物中的基于所述传感器的探测结果而被确定为实际存在的候选障碍物。
12.一种障碍物探测装置，所述装置用于使用安装在汽车上的传感器探测所述汽车的障碍物的存在，所述装置包括：
区域设定单元，其设定可移动区域，所述可移动区域为所述汽车的周围区域并且所述汽车能够在所述可移动区域中移动；
模型数据库，在所述模型数据库中存储有各种类型的标准移动体模型，每一标准移动体模型均具有特有的行为特性，以便预测能够是所述汽车的障碍物的移动体的行为；
设置单元，其在所述可移动区域的整个区域上设置作为初始状态的候选障碍物的多个未确认体，其中所述未确认体具有存储在所述模型数据库中的所述标准移动体模型的行为特性；以及
排除单元，其从设置为所述初始状态的候选障碍物中排除依据所述传感器的探测结果而被确定为实际不存在的候选障碍物，并且保留其存在受到所述传感器探测的实际存在的障碍物以及被设置在遮挡区域中的候选障碍物，其中所述传感器不能对所述遮挡区域执行障碍物探测。
13.如权利要求12所述的障碍物探测装置，其中
所述标准移动体模型是具有虚拟特性的虚拟的标准移动体模型，所述虚拟特性是具有不同特性的多个单移动体模型的特性的整合。
14.如权利要求13所述的障碍物探测装置，其中
所述单移动体模型的其中之一是用于预测汽车的行为的汽车模型。
15.如权利要求13所述的障碍物探测装置，其中
所述单移动体模型的其中之一是用于预测人体的行为的人体模型。
16.如权利要求12所述的障碍物探测装置，进一步包括
替换单元，其用实际存在的障碍物替换已设置的候选障碍物中的基于所述传感器的探测结果而被确定为实际存在的候选障碍物。
17.一种障碍物探测装置，所述装置用于使用安装在汽车上的传感器探测所述汽车的障碍物的存在，所述装置包括：
区域设定单元，其设定可移动区域，所述可移动区域为所述汽车的周围区域并且所述汽车能够在所述可移动区域中移动；
空闲区域探测单元，其探测空闲区域，所述空闲区域为所述汽车的周围区域并且根据所述传感器的探测结果所述障碍物实际并不存在于所述空闲区域中；
互补区域设定单元，其设定互补区域，所述互补区域为所述可移动区域中除所述空闲区域以外的区域；
模型数据库，在所述模型数据库中存储有各种类型的标准移动体模型，每一标准移动体模型均具有特有的行为特性，以便预测能够是所述汽车的障碍物的移动体的行为；以及
设置单元，其在所述互补区域的整个区域上设置作为候选障碍物的未确认体，其中所述未确认体具有存储在所述模型数据库中的所述标准移动体模型的行为特性。
18.如权利要求17所述的障碍物探测装置，其中
所述标准移动体模型是具有虚拟特性的虚拟的标准移动体模型，所述虚拟特性是具有不同特性的多个单移动体模型的特性的整合。
19.如权利要求18所述的障碍物探测装置，其中
所述单移动体模型的其中之一是用于预测汽车的行为的汽车模型。
20.如权利要求18所述的障碍物探测装置，其中
所述单移动体模型的其中之一是用于预测人体的行为的人体模型。
21.如权利要求17所述的障碍物探测装置，进一步包括
替换单元，其用实际存在的障碍物替换已设置的候选障碍物中的基于所述传感器的探测结果而被确定为实际存在的候选障碍物。
CN200780007380XA 2006-03-01 2007-02-28 障碍物探测方法以及障碍物探测装置 Expired - Fee Related CN101395649B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2006055440A JP4400584B2 (ja) 2006-03-01 2006-03-01 障害物検出方法及び障害物検出装置
JP055440/2006 2006-03-01
PCT/JP2007/053761 WO2007100000A1 (ja) 2006-03-01 2007-02-28 障害物検出方法、障害物検出装置及び標準移動体モデル

Publications (2)

Publication Number Publication Date
CN101395649A CN101395649A (zh) 2009-03-25
CN101395649B true CN101395649B (zh) 2011-08-17

Family

ID=38459101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200780007380XA Expired - Fee Related CN101395649B (zh) 2006-03-01 2007-02-28 障碍物探测方法以及障碍物探测装置

Country Status (5)

Country Link
US (1) US7903021B2 (zh)
EP (1) EP1990787B1 (zh)
JP (1) JP4400584B2 (zh)
CN (1) CN101395649B (zh)
WO (1) WO2007100000A1 (zh)

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008062916A1 (de) * 2008-12-23 2010-06-24 Continental Safety Engineering International Gmbh Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen
JP4853525B2 (ja) 2009-02-09 2012-01-11 トヨタ自動車株式会社 移動領域予測装置
EP2487906B1 (en) * 2009-10-07 2020-05-27 Panasonic Intellectual Property Management Co., Ltd. Control device and vehicle surrounding monitoring device
JP5429380B2 (ja) * 2010-07-27 2014-02-26 トヨタ自動車株式会社 運転支援装置
US8589014B2 (en) * 2011-06-01 2013-11-19 Google Inc. Sensor field selection
CN103930937B (zh) * 2011-11-14 2016-03-16 丰田自动车株式会社 驾驶支援装置
US9381916B1 (en) 2012-02-06 2016-07-05 Google Inc. System and method for predicting behaviors of detected objects through environment representation
JP5926069B2 (ja) * 2012-02-20 2016-05-25 トヨタ自動車株式会社 障害物判定装置
DE102012004396A1 (de) * 2012-03-03 2013-09-05 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Erfassen von Objekten in einer Umgebung eines Fahrzeugs
US9495874B1 (en) 2012-04-13 2016-11-15 Google Inc. Automated system and method for modeling the behavior of vehicles and other agents
US8793046B2 (en) * 2012-06-01 2014-07-29 Google Inc. Inferring state of traffic signal and other aspects of a vehicle's environment based on surrogate data
JP6024229B2 (ja) * 2012-06-14 2016-11-09 富士通株式会社 監視装置、監視方法、及びプログラム
DE102012214547A1 (de) * 2012-08-16 2014-02-20 Robert Bosch Gmbh Verfahren zur Überwachung eines toten Winkels und Fahrassistenzsystem
DE102013210928A1 (de) * 2013-06-12 2014-12-18 Robert Bosch Gmbh Verfahren zur Unterscheidung zwischen echten Hindernissen und Scheinhindernissen in einem Fahrerassistenzsystem für Kraftfahrzeuge
JP6441610B2 (ja) * 2013-10-30 2018-12-19 株式会社デンソー 走行制御装置及びサーバ
JP6476828B2 (ja) * 2014-12-18 2019-03-06 日産自動車株式会社 対象物検出装置および対象物検出方法
JP6428926B2 (ja) * 2015-04-13 2018-11-28 日産自動車株式会社 車両周辺情報検証装置及び方法
EP3091370B1 (en) 2015-05-05 2021-01-06 Volvo Car Corporation Method and arrangement for determining safe vehicle trajectories
CN105261224B (zh) * 2015-09-02 2017-09-12 奇瑞汽车股份有限公司 智能车辆控制方法和装置
DE102016000723A1 (de) 2016-01-23 2017-07-27 Audi Ag Erfassung einer Gefahrensituation im Straßenverkehr
US10309792B2 (en) 2016-06-14 2019-06-04 nuTonomy Inc. Route planning for an autonomous vehicle
US10126136B2 (en) 2016-06-14 2018-11-13 nuTonomy Inc. Route planning for an autonomous vehicle
US11092446B2 (en) 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
US10829116B2 (en) 2016-07-01 2020-11-10 nuTonomy Inc. Affecting functions of a vehicle based on function-related information about its environment
EP3267419B1 (en) * 2016-07-08 2021-11-10 Volvo Car Corporation Method and system for maintaining a database comprising reported traffic-affecting events
CN106125076A (zh) * 2016-07-13 2016-11-16 南京慧尔视智能科技有限公司 一种应用于城市交通的防撞雷达预警方法与装置
CN106183981B (zh) * 2016-07-19 2018-08-07 乐视汽车（北京）有限公司 基于汽车的路障检测方法、装置及汽车
US10331129B2 (en) 2016-10-20 2019-06-25 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10473470B2 (en) 2016-10-20 2019-11-12 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10681513B2 (en) 2016-10-20 2020-06-09 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10857994B2 (en) 2016-10-20 2020-12-08 Motional Ad Llc Identifying a stopping place for an autonomous vehicle
WO2018132614A2 (en) * 2017-01-12 2018-07-19 Mobileye Vision Technologies Ltd. Rules-based navigation
JP6312944B1 (ja) * 2017-02-22 2018-04-18 三菱電機株式会社 運転支援装置、マップ提供装置、運転支援プログラム、マップ提供プログラム及び運転支援システム
EP3593337A4 (en) * 2017-03-07 2021-01-06 Motional AD LLC PLANNING OF UNKNOWN OBJECTS BY AN AUTONOMOUS VEHICLE
US10234864B2 (en) * 2017-03-07 2019-03-19 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10095234B2 (en) 2017-03-07 2018-10-09 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10281920B2 (en) 2017-03-07 2019-05-07 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
WO2018168513A1 (ja) * 2017-03-15 2018-09-20 日立オートモティブシステムズ株式会社 車両制御装置及び車両制御方法
WO2019016968A1 (ja) 2017-07-21 2019-01-24 学校法人玉川学園 画像処理装置及び方法、並びに、プログラム
CN107238838B (zh) * 2017-07-26 2019-11-05 北京经纬恒润科技有限公司 一种道路障碍物检测方法和车载设备
KR20190014871A (ko) * 2017-08-04 2019-02-13 삼성전자주식회사 차량의 후방에 위치한 응급 차량에 기초하여 상기 차량의 주행 경로를 변경하는 장치 및 방법
EP3693825B1 (en) 2017-10-02 2022-03-23 Sony Group Corporation Environment information update apparatus, environment information update method, and program
CN108281040A (zh) * 2017-12-28 2018-07-13 东南大学 一种多车协同避障系统及方法
CN108416257A (zh) * 2018-01-19 2018-08-17 北京交通大学 融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法
JP7135808B2 (ja) 2018-12-07 2022-09-13 トヨタ自動車株式会社 衝突回避支援装置
CN111522350B (zh) * 2020-07-06 2020-10-09 深圳裹动智驾科技有限公司 感知方法、智能控制设备及自动驾驶车辆
US11733054B2 (en) 2020-12-11 2023-08-22 Motional Ad Llc Systems and methods for implementing occlusion representations over road features
JP2022147924A (ja) * 2021-03-24 2022-10-06 株式会社Subaru 運転支援装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1570669A (zh) * 2003-07-18 2005-01-26 李世雄 倒车雷达的距离侦测方法及其装置
CN1676375A (zh) * 2004-07-08 2005-10-05 汕头大学 一种汽车智能防撞系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09178848A (ja) * 1995-12-25 1997-07-11 Denso Corp 車両用障害物認識装置
JPH09249083A (ja) * 1996-03-15 1997-09-22 Toshiba Corp 移動体識別装置および方法
JP2998692B2 (ja) * 1997-04-18 2000-01-11 日本電気株式会社 レーザーレーダー測定方法及び装置
JP3986671B2 (ja) * 1998-07-15 2007-10-03 本田技研工業株式会社 物体検知装置
JP2001034898A (ja) * 1999-07-21 2001-02-09 Toyota Central Res & Dev Lab Inc 探査不能領域推定装置及び運転支援システム
EP1206710A1 (en) 1999-08-06 2002-05-22 Roadrisk Technologies, Llc Method and apparatus for stationary object detection
JP3621005B2 (ja) * 1999-09-10 2005-02-16 株式会社デンソー 車両用障害物認識装置、車間制御装置、車間警報装置及び記録媒体
US6708099B2 (en) * 2002-01-17 2004-03-16 Ford Global Technologies, Llc Stop and go adaptive cruise control system
US7386385B2 (en) * 2002-11-21 2008-06-10 Lucas Automotive Gmbh System for recognising the lane-change manoeuver of a motor vehicle
DE10255797A1 (de) * 2002-11-28 2004-06-17 Daimlerchrysler Ag Verfahren zur Erfassung der vorausliegenden Umgebung eines Strassenfahrzeugs mittels eines Umgebungserfassungssystems
JP3757936B2 (ja) * 2002-11-29 2006-03-22 株式会社デンソー 車両用障害物認識装置
JP4086298B2 (ja) * 2003-06-17 2008-05-14 アルパイン株式会社 物体検出方法及び装置
DE102004003870A1 (de) * 2004-01-26 2005-08-11 Ibeo Automobile Sensor Gmbh Verfahren zur Klassifizierung von Objekten
US7403268B2 (en) * 2005-02-11 2008-07-22 Deltasphere, Inc. Method and apparatus for determining the geometric correspondence between multiple 3D rangefinder data sets
JP2006284293A (ja) * 2005-03-31 2006-10-19 Daihatsu Motor Co Ltd 車両の物標検出装置及び物標検出方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1570669A (zh) * 2003-07-18 2005-01-26 李世雄 倒车雷达的距离侦测方法及其装置
CN1676375A (zh) * 2004-07-08 2005-10-05 汕头大学 一种汽车智能防撞系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JP特开2001-80437A 2001.03.27
JP特开平10-293178A 1998.11.04
JP特开平9-249083A 1997.09.22

Also Published As

Publication number Publication date
EP1990787B1 (en) 2016-01-27
JP2007233764A (ja) 2007-09-13
CN101395649A (zh) 2009-03-25
US20080266168A1 (en) 2008-10-30
WO2007100000A1 (ja) 2007-09-07
US7903021B2 (en) 2011-03-08
EP1990787A4 (en) 2012-05-23
EP1990787A1 (en) 2008-11-12
JP4400584B2 (ja) 2010-01-20

Similar Documents

Publication Publication Date Title
CN101395649B (zh) 障碍物探测方法以及障碍物探测装置
US11235767B2 (en) Vehicle control device, vehicle control method, and storage medium
US20170329332A1 (en) Control system to adjust operation of an autonomous vehicle based on a probability of interference by a dynamic object
JP5206752B2 (ja) 走行環境認識装置
CN1916991A (zh) 一种检测车辆碰撞并预测行驶路线的系统和方法
JP2021160530A (ja) 車両制御装置、車両制御方法、及びプログラム
US11562556B1 (en) Prediction error scenario mining for machine learning models
JP2019128614A (ja) 予測装置、予測方法、およびプログラム
JPWO2019064490A1 (ja) 車両制御装置、車両制御方法、およびプログラム
CN113997950A (zh) 车辆控制装置和车辆控制方法
CN111383456A (zh) 一种用于智能道路基础设施系统的本地化人工智能系统
JP2020147139A (ja) 車両制御装置、車両制御方法、およびプログラム
US20230118619A1 (en) Parking-stopping point management device, parking-stopping point management method, and vehicle device
US20230252084A1 (en) Vehicle scenario mining for machine learning models
JP7369078B2 (ja) 車両制御装置、車両制御方法、及びプログラム
JP2021160531A (ja) 車両制御装置、車両制御方法、及びプログラム
JP7042167B2 (ja) 車両制御装置、車両制御方法、およびプログラム
CN112141097B (zh) 车辆控制装置、车辆控制方法及存储介质
Fuerstenberg et al. Advanced intersection safety-The EC project INTERSAFE
JP2021160533A (ja) 車両制御装置、車両制御方法、及びプログラム
JP2021160494A (ja) 車両制御装置、車両制御方法、及びプログラム
WO2022137681A1 (ja) 運転支援システム、走行制御装置
US11780455B2 (en) Vehicle control device, vehicle control method, and recording medium
CN113492844B (zh) 车辆控制装置、车辆控制方法及存储介质
US20230360375A1 (en) Prediction error scenario mining for machine learning models

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: 20110817

CF01 Termination of patent right due to non-payment of annual fee