CN101536058A - 障碍物行进道路预测方法、装置以及程序 - Google Patents
障碍物行进道路预测方法、装置以及程序 Download PDFInfo
- Publication number
- CN101536058A CN101536058A CNA2007800412692A CN200780041269A CN101536058A CN 101536058 A CN101536058 A CN 101536058A CN A2007800412692 A CNA2007800412692 A CN A2007800412692A CN 200780041269 A CN200780041269 A CN 200780041269A CN 101536058 A CN101536058 A CN 101536058A
- Authority
- CN
- China
- Prior art keywords
- road
- advancing
- mentioned
- probability
- prediction
- 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 89
- 230000002452 interceptive effect Effects 0.000 claims abstract description 8
- 230000004888 barrier function Effects 0.000 claims description 267
- 238000011156 evaluation Methods 0.000 claims description 49
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000003860 storage Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 description 41
- 238000010586 diagram Methods 0.000 description 25
- 238000009826 distribution Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 12
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 7
- 239000012467 final product Substances 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- B60W40/06—Road conditions
- B60W40/072—Curvature of the road
-
- 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
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- 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
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种障碍物行进道路预测方法、装置以及程序,即便在复杂交通环境下也能够适当地预测障碍物的行进道路。为了这一目的,基于障碍物的位置以及内部状态来预测该障碍物可能选取的行进道路,并在此预测之际对至少一个障碍物进行多条行进道路的概率上的预测,在障碍物存在多个的情况下,求解所预测到的多个障碍物可能选取的行进道路之中不同的障碍物彼此相互干涉的行进道路,并使此相互干涉的行进道路之中已进行概率预测的行进道路的预测概率降低,计算出包含此预测概率降低后的行进道路的多条行进道路的每个被实现的概率。
Description
技术领域
本发明涉及对存在于规定范围内的障碍物可能选取的行进道路进行预测的障碍物行进道路预测方法、装置以及程序。
背景技术
以往,作为提高四轮汽车等车辆的安令性的技术之一,已知有通过高精度地判定车辆与障碍物冲突的危险性来防止冲突的技术。例如,在下述专利文献1中公开了有关冲突防止装置的技术,该冲突防止装置具备:检测本车的横摆率的横摆率传感器;检测本车的速度的速度检测装置;以及检测周围障碍物的位置及速度的雷达装置。
在这一现有技术中,借助于横摆率传感器及速度传感器来求解本车的预测行驶轨迹,并将该预测行驶轨迹两侧的规定区域作为本车的预测行驶区而求得,另一方面,根据由雷达装置所检测出的障碍物的位置和速度来求解障碍物的预测行驶轨迹以及预测行驶区。之后,根据本车以及障碍物的各预测行驶区来计算两者的冲突点或者接近点。另外,通过计算目标减速加速度以及目标减速度来判别冲突危险性,在这一判别的结果是产生了冲突危险时,进行与目标减速加速度以及目标减速度相应的本车的速度控制。
专利文献1:日本专利特许第2799375号公报
发明内容
但是,在上述的现有技术中,由于对本车仅预测一个障碍物的行进道路,所以在诸如本车周围存在多个障碍物这样的复杂交通环境下就无法应用。
本发明就是鉴于上述课题而完成的,其目的是提供一种即便在复杂交通环境下也能够适当地预测障碍物的行进道路的障碍物行进道路预测方法、装置以及程序。
为了解决上述课题并达到目的,本发明所涉及的技术方案是一种障碍物行进道路预测方法,用具备至少存储存在于自移动体为规定范围内的障碍物的位置以及内部状态的存储单元的计算机对上述障碍物的行进道路进行预测,其特征在于,具有以下步骤:行进道路预测步骤,基于从上述存储单元所读出的上述障碍物的位置以及内部状态来预测上述障碍物可能选取的行进道路,并在进行此预测之际对至少一个上述障碍物进行该障碍物可能选取的多条行进道路的概率上的预测;行进道路干涉评价步骤,在上述障碍物存在多个的情况下,求解上述行进道路预测步骤中所预测到的多个上述障碍物可能选取的行进道路之中不同的上述障碍物彼此相互干涉的行进道路,并使此相互干涉的行进道路之中已进行上述概率上的预测的行进道路的预测概率降低;以及概率计算步骤,计算包含在上述行进道路干涉评价步骤中使上述预测概率降低后的行进道路的上述多条行进道路的每个被实现的概率。
另外,本发明所涉及的障碍物行进道路预测方法的特征是,在上述技术方案中,还具有特定障碍物选择步骤,在该特定障碍物选择步骤中选择满足规定条件的一个上述障碍物作为特定障碍物,其中,上述行进道路预测步骤包括:特定障碍物行进道路预测步骤,进行上述特定障碍物可能选取的多条行进道路的概率上的预测;和一般障碍物行进道路预测步骤,进行上述特定障碍物以外的上述障碍物可能选取的行进道路的预测,在上述行进道路干涉评价步骤中,在上述障碍物存在多个的情况下,使上述特定障碍物可能选取的多条行进道路之中的、与上述一般障碍物可能选取的行进道路之间在同一时间上的距离小于规定值的行进道路的预测概率降低,在上述概率计算步骤中,计算包含在上述行进道路干涉评价步骤中使上述预测概率降低后的行进道路的上述特定障碍物的多条行进道路的每个被实现的概率。
另外,本发明所涉及的障碍物行进道路预测方法的特征是,在上述技术方案中,上述特定障碍物行进道路预测步骤包括:轨迹生成步骤,基于上述障碍物的位置以及内部状态将上述特定障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;和预测运算步骤,通过利用上述轨迹生成步骤中所生成的轨迹来进行上述特定障碍物可能选取的行进道路的概率上的预测运算。
另外,本发明所涉及的障碍物行进道路预测方法的特征是,在上述技术方案中,在上述一般障碍物行进道路预测步骤中,设上述一般障碍物的内部状态被保持来预测上述一般障碍物的行进道路。
另外,本发明所涉及的障碍物行进道路预测方法的特征是,在上述技术方案中,还具有:行进道路生成步骤,基于上述移动体的位置以及内部状态而生成上述移动体的行进道路;和冲突概率计算步骤,计算上述行进道路生成步骤中所生成的上述移动体的行进道路与上述概率计算步骤中对每条行进道路计算出概率后的上述特定障碍物可能选取的多条行进道路的每个之间的冲突概率。
另外,本发明所涉及的障碍物行进道路预测方法的特征是,在上述技术方案中,在上述行进道路预测步骤中,进行上述障碍物可能选取的多条行进道路的概率上的预测,在上述行进道路干涉评价步骤中,在上述障碍物存在多个的情况下,在多个上述障碍物可能选取的行进道路之中,使选取与不同的上述障碍物的行进道路之间在同一时间上的距离小于规定值的行进道路的概率降低,在上述概率计算步骤中,计算包含在上述行进道路干涉评价步骤中上述预测概率降低后的行进道路的多个上述障碍物的所有行进道路的每个被实现的概率。
另外,本发明所涉及的障碍物行进道路预测方法的特征是,在上述技术方案中,上述行进道路预测步骤包括:轨迹生成步骤,基于上述障碍物的位置以及内部状态将上述障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;和预测运算步骤,通过利用上述轨迹生成步骤中所生成的轨迹来进行上述障碍物的行进道路的概率上的预测运算。
另外,本发明所涉及的障碍物行进道路预测方法的特征是,在上述技术方案中,还具有:行进道路生成步骤,基于上述移动体的位置以及内部状态生成上述移动体的行进道路;和冲突概率计算步骤,计算上述行进道路生成步骤中所生成的上述移动体的行进道路与上述概率计算步骤中对每条行进道路计算出概率后的上述障碍物可能选取的所有行进道路的每个之间的冲突概率。
本发明所涉及的另一技术方案是一种障碍物行进道路预测装置,预测存在于移动体周围的障碍物的行进道路,其特征在于,具备:存储单元,至少存储存在于自上述移动体为规定范围内的障碍物的位置以及内部状态;行进道路预测单元,基于从上述存储单元所读出的上述障碍物的位置以及内部状态来预测上述障碍物可能选取的行进道路,并在进行此预测之际对至少一个上述障碍物进行该障碍物可能选取的多条行进道路的概率上的预测;行进道路干涉评价单元,在上述障碍物存在多个的情况下,求解上述行进道路预测单元所预测到的多个上述障碍物可能选取的行进道路之中不同的上述障碍物彼此相互干涉的行进道路,并使此相互干涉的行进道路之中已进行上述概率上的预测的行进道路的预测概率降低;以及概率计算单元,计算包含由上述行进道路干涉评价单元使上述预测概率降低后的行进道路的上述多条行进道路的每个被实现的概率。
另外,本发明所涉及的障碍物行进道路预测装置的特征是,在上述技术方案中,还具备特定障碍物选择单元,用以选择满足规定条件的一个上述障碍物作为特定障碍物,其中,上述行进道路预测单元包括:特定障碍物行进道路预测单元,进行上述特定障碍物可能选取的多条行进道路的概率上的预测;和一般障碍物行进道路预测单元,进行上述特定障碍物以外的上述障碍物可能选取的行进道路的预测,上述行进道路干涉评价单元,在上述障碍物存在多个的情况下,使上述特定障碍物可能选取的多条行进道路之中的、与上述一般障碍物可能选取的行进道路之间在同一时间上的距离小于规定值的行进道路的预测概率降低,上述概率计算单元计算包含由上述行进道路干涉评价单元使上述预测概率降低后的行进道路的上述特定障碍物的多条行进道路的每个被实现的概率。
另外,本发明所涉及的障碍物行进道路预测装置的特征是,在上述技术方案中,上述特定障碍物行进道路预测单元包括:轨迹生成单元,基于上述障碍物的位置以及内部状态将上述特定障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;和预测运算单元,通过利用上述轨迹生成单元所生成的轨迹来进行上述特定障碍物可能选取的行进道路的概率上的预测运算。
另外,本发明所涉及的障碍物行进道路预测装置的特征是,在上述技术方案中,上述一般障碍物行进道路预测单元,设上述一般障碍物的内部状态被保持来预测上述一般障碍物的行进道路。
另外,本发明所涉及的障碍物行进道路预测装置的特征是,在上述技术方案中,还具备:行进道路生成单元,基于上述移动体的位置以及内部状态而生成上述移动体的行进道路;和冲突概率计算单元,计算上述行进道路生成单元所生成的上述移动体的行进道路与上述概率计算单元对每条行进道路计算出概率后的上述特定障碍物可能选取的多条行进道路的每个之间的冲突概率。
另外,本发明所涉及的障碍物行进道路预测装置的特征是,在上述技术方案中,上述行进道路预测单元进行上述障碍物可能选取的多条行进道路的概率上的预测,上述行进道路干涉评价单元,在上述障碍物存在多个的情况下,在多个上述障碍物可能选取的行进道路之中,使选取与不同的上述障碍物的行进道路之间在同一时间上的距离小于规定值的行进道路的概率降低,上述概率计算单元计算包含由上述行进道路干涉评价单元使上述预测概率降低后的行进道路的多个上述障碍物的所有行进道路的每个被实现的概率。
另外,本发明所涉及的障碍物行进道路预测装置的特征是,在上述技术方案中,上述行进道路预测单元包括:轨迹生成单元,基于上述障碍物的位置以及内部状态将上述障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;和预测运算单元,通过利用上述轨迹生成单元所生成的轨迹来进行上述障碍物的行进道路的概率上的预测运算。
另外,本发明所涉及的障碍物行进道路预测装置的特征是,在上述技术方案中,还具备:行进道路生成单元,基于上述移动体的位置以及内部状态而生成上述移动体的行进道路;和冲突概率计算单元,计算上述行进道路生成单元所生成的上述移动体的行进道路与上述概率计算单元对每条行进道路计算出概率后的上述障碍物可能选取的所有行进道路的每个之间的冲突概率。
本发明所涉及的又一技术方案是一种障碍物行进道路预测程序,其特征在于:使上述计算机执行上述技术方案所涉及的障碍物行进道路预测方法。
根据本发明,基于障碍物的位置以及内部状态来预测该障碍物可能选取的行进道路,并在此预测之际对至少一个障碍物进行多条行进道路的概率上的预测,在障碍物存在多个的情况下,求解所预测到的多个障碍物可能选取的行进道路之中不同的障碍物彼此相互干涉的行进道路,并使此相互干涉的行进道路之中的已进行概率上的预测的行进道路的预测概率降低,计算出包含此预测概率降低后的行进道路的多条行进道路的每个被实现的概率,由此,在以各个障碍物为单位来看的情况下,即使是可能以较高的概率选取的行进道路,如果存在与其他障碍物相干涉的情况则可以进行考虑了其影响的预测。从而,即便在复杂交通环境下也可以适当地预测障碍物的行进道路。
附图说明
图1是表示本发明实施方式1所涉及的障碍物行进道路预测装置之功能构成的框图。
图2是表示本发明实施方式1所涉及的障碍物行进道路预测方法之处理概要的流程图。
图3是表示障碍物抽取后的本车周边状况的图。
图4是表示对特定障碍物的行进道路赋予的概率分布之例的图。
图5是表示通过将特定障碍物在规定时间内要冲突一般障碍物的轨迹除去而获得的曲线的图。
图6是表示使图5的曲线标准化以后的概率分布曲线的图。
图7是表示显示部上的特定障碍物的行进道路预测结果之显示输出例的图。
图8是表示对一般障碍物赋予的概率分布之例的图。
图9是表示显示部上的特定障碍物的行进道路预测结果之其他显示输出例的图。
图10是表示本发明实施方式2所涉及的障碍物行进道路预测装置之功能构成的框图。
图11是表示本发明实施方式2所涉及的障碍物行进道路预测方法中的特定障碍物的行进道路预测处理之概要的流程图。
图12是表示特定障碍物的轨迹生成处理之细节的流程图。
图13是示意性地表示特定障碍物之轨迹的图。
图14是在三维时空上示意性地表示对特定障碍物所生成的轨迹集合的图。
图15是示意性地表示通过在特定障碍物的轨迹集合中加上一般障碍物的预测行进道路而形成的时空环境之构成例的图。
图16是表示本发明实施方式3所涉及的障碍物行进道路预测装置之功能构成的框图。
图17是表示本发明实施方式3所涉及的障碍物行进道路预测方法之处理概要的流程图。
图18是示意性地表示通过本发明实施方式3所涉及的障碍物行进道路预测方法中的轨迹生成处理所获得的时空环境之构成例的图。
图19是表示本发明实施方式4所涉及的障碍物行进道路预测装置之功能构成的框图。
图20是表示本发明实施方式4所涉及的障碍物行进道路预测方法之处理概要的流程图。
图21是表示本发明实施方式5所涉及的障碍物行进道路预测装置之功能构成的框图。
图22是表示本发明实施方式5所涉及的障碍物行进道路预测方法中的冲突概率计算处理之细节的流程图。
图23是示意性地表示本车轨迹和特定障碍物的非干涉轨迹之间在三维时空上的关系的图。
附图标记说明:1、11、21、31、41-障碍物行进道路预测装置;2、32-传感器部;3-障碍物抽取部;4-特定障碍物选择部;5、12-特定障碍物行进道路预测部;6-一般障碍物行进道路预测部;7-行进道路干涉评价部;8-标准化部;9-输出部;10-存储部;13、23-轨迹生成部;14、24-预测运算部;22-障碍物行进道路预测部;33-本车行进道路生成部;34-冲突概率计算部;35-输出部;91、351-图像生成部;92、352-显示部;131、231-操作选择部;132、232-物体操作部;133、233-判定部;353-警告音发生部。
具体实施方式
下面,参照附图来说明用于实施本发明的优选方式(以后,称之为“实施方式”)。
(实施方式1)
图1是表示本发明实施方式1所涉及的障碍物行进道路预测装置之功能构成的框图。该图所示的障碍物行进道路预测装置1是被搭载于作为移动体的四轮汽车等车辆的、对存在于本车周围的障碍物可能选取的行进道路进行预测的装置。
障碍物行进道路预测装置1具备:对存在于规定范围的物休的位置及内部状态进行探测的传感器部2;基于传感器部2探测到的结果来抽取规定范围所包含的障碍物的障碍物抽取部3;从障碍物抽取部3所抽取出的障碍物之中选择满足规定条件的一个障碍物(特定障碍物)的特定障碍物选择部4;进行特定障碍物选择部4所选择的特定障碍物的行进道路的概率上的预测的特定障碍物行进道路预测部5;对特定障碍物以外的一般障碍物的行进道路进行预测的一般障碍物行进道路预测部6;对特定障碍物的预测行进道路和一般障碍物的预测行进道路之间的干涉进行评价的行进道路干涉评价部7;利用行进道路干涉评价部7中的评价结果来计算特定障碍物可能选取的行进道路被实现的概率的作为概率计算单元的标准化部8;输出与标准化部8所计算出的特定障碍物的行进道路有关的信息的输出部9;以及存储传感器部2所探测到的物体的位置及内部状态和包含各种运算结果的信息的存储部10。
传感器部2通过使用毫米波雷达、激光雷达、图像传感器等而得以实现。另外,传感器部2具备速度传感器、横摆率传感器、加速度传感器、舵角传感器等各种传感器。此外,传感器部2探测的物休的内部状态是指能够用于物体的行进道路预测这样的有益状态,最好是物体的速度(具有速率与方向)和横摆率(具有大小与方向)等物理量,这些物理量的值还包含为0的情况(物体处于停止的状态)。
输出部9具有:基于与行进道路干涉评价部7所进行的处理结果相对应的信息来生成图像的图像生成部91;和为了显示输出包含图像生成部91所生成的图像的信息而采用液晶、等离子体或者有机EL(Electroluminescence)等显示器所实现的显示部92。另外,作为显示部92在驾驶席的后方上部设置有投影机,并能够通过此投影机来进行向汽车的挡风玻璃的重叠显示。
存储部10除传感器部2中的探测结果外还存储特定障碍物行进道路预测部5以及一般障碍物行进道路预测部6中的预测结果、行进道路干涉评价部7中的干涉评价结果等。存储部10采用预先存储了用于启动规定的OS(Operation System)的程序及本实施方式1所涉及的障碍物行进道路预测程序等的ROM、以及存储各处理的运算参数及数据等的RAM(Random Access Memory)而实现。另外,存储部10还能够通过对障碍物行进道路预测装置1设置可以搭载计算机可读取的记录介质的接口,并搭载与此接口相对应的记录介质而实现。
具有以上功能构成的障碍物行进道路预测装置1是具备具有运算以及控制功能的CPU(Central Processing Unit)的电子装置(计算机)。障碍物行进道路预测装置1所具备的CPU通过从存储部10中读出存储部10存储、保存的信息以及包含上述的障碍物行进道路预测程序的各种程序来执行与本实施方式1所涉及的障碍物行进道路预测方法有关的运算处理。
此外,还可以将本实施方式1所涉及的障碍物行进道路预测程序记录在硬盘、软盘、CD-ROM、DVD-ROM、闪速存储器、MO盘等计算机可读取的记录介质上而使之广泛地流通。
下面,就本实施方式1所涉及的障碍物行进道路预测方法进行说明。图2是表示本实施方式1所涉及的障碍物行进道路预测方法之处理概要的流程图。虽然在以下的说明中,将预测对象的物体全部假定为在二维平面上进行移动的物体来进行说明,但本实施方式1所涉及的障碍物行进道路预测方法对于在三维空间进行移动的物休也可以适用。另外,还能够适用于一个物体具有多个自由度的情况(例如具有6自由度的机器人手臂那样的物体)。
首先,传感器部2探测处于规定范围的物休相对于本车的位置以及内部状态,并将探测到的信息保存在存储部10中(步骤S1)。以后,设物体的位置为物体中心的值,物体的内部状态为根据速度(速率v,方向θ)而特定的状态。
接着,障碍物抽取部3基于用传感器部2所探测到的结果来抽取处于规定范围内的障碍物(步骤S2)。在此步骤S2中,从步骤S1中所探测到的物体之中抽取出能够看作将成为本车行驶之妨碍的障碍物的物体,其以外的物体被除外。图3是表示对于以速率v0直行的本车C0,将两台车辆C1以及C2作为障碍物而抽取出时的本车C0周边状况的图。在该图中表示本车C0行驶在具有3条行车道的道路R的左道L1上,两台先行车辆C1以及C2行驶在邻接于其右侧的中央道L2的情况。另外,在最右侧的右道L3上,至少在传感器部2可探测的区域内不存在物体。在图3中,设3台车辆全部直行,在中央道L2上后方的车辆C1的速率v1大于前方的车辆C2的速率v2。
接着,特定障碍物选择部4在障碍物抽取部3所抽取出的障碍物存在多个的情况下,从其中选择一个特定障碍物(步骤S3)。预先设定选择特定障碍物时的选择基准,能够将离本车C0的距离最近的物体、在本车C0的周围速率最快的物体或者速率最慢的物体之中任一条件设为选择基准。例如,在图3中将离本车C0最近的障碍物设为特定障碍物的情况下,车辆C1就成为特定障碍物。
之后,特定障碍物行进道路预测部5对步骤S3中所选择的特定障碍物可能选取的多条行进道路以概率方式进行预测(步骤S4)。在此步骤S4中能够应用以往所知的各种各样的方法。例如,可以通过依照现况对特定障碍物可能选取的多条行进道路赋予规定的概率分布来进行行进道路预测。另外,还可以将与特定障碍物的种类相应的模型预先存储在存储部10中,在使用模型的情况下,从存储部10中读出相应的模型,并利用这一读出的模型来进行概率上的行进道路预测。
图4是表示步骤S4中的对特定障碍物的行进道路赋予的概率分布之例的图。具体而言,图示出对特定障碍物赋予了将直行方向设为最大的概率分布曲线ρ1的情况。按此含义,图4中的x坐标是道路R的宽度方向的坐标,其原点表示特定障碍物的当前位置。此外,对特定障碍物赋予的概率分布若具有例如正态分布等为代表的那样的单峰性为最好,但是,至于其分布函数则不限定。
相对于此,一般障碍物行进道路预测部6对一般障碍物从现在位置起的行进道路进行预测(步骤S5)。此时,设一般障碍物是在传感器部2中探测到并保持存储部10所存储的内部状态不变进行移动的物体,对于一个一般障碍物预测一条行进道路。将此步骤S5与上述的步骤S4的特定障碍物行进道路预测处理并行进行。
接着,行进道路干涉评价部7对步骤S4中以概率方式预测出的特定障碍物的多条行进道路和在步骤S5中由一般障碍物行进道路预测部6所预测出的一般障碍物的行进道路之间的干涉进行评价(步骤S6)。更具休地讲就是,在特定障碍物的多条行进道路之中,使选取与一般障碍物的行进道路要冲突那样的行进道路的概率(预测概率)设为0并除去。此时的冲突是依照障碍物的种类而定义的量,例如在特定障碍物和一般障碍物均为汽车的情况下,当在同一时间中该两者小于规定距离(例如车辆的标准宽度及长度)时判定为将要冲突。
图5是表示在图3所示的道路环境中,特定障碍物即车辆C1的行进道路概率分布按图4所示的概率分布曲线ρ1而赋予的情况下,通过将车辆C1对于一般障碍物即车辆C2在规定时间内要冲突的线除去而获得的曲线的图。该图所示的曲线ρ1’由于概率的总和不是1所以原封不动并非赋予正确意义下的概率分布。因而,标准化部8求解在步骤S6中没有由行进道路干涉评价部7除去而剩余的车辆C1的行进道路预测概率(步骤S7)。即、标准化部8进行标准化以使得在步骤S6中未被除去而剩余的特定障碍物的行进道路的概率总和为1,并对所有预测行进道路赋予正确定义的概率。
图6是表示通过在步骤S7中使分布ρ1’标准化而获得的概率分布曲线ρ2的图。如根据此图6亦可明白那样,在图3所示的道路环境下由于存在先行的车辆C2,所以车辆C1直行追上被判定为危险而判定为没有直行的可能性。相对于此,在上述专利文献1所记载的现有技术中,即使在图3所示的道路环境下却无法进行针对多个障碍物的预测。在此现有技术中若假设仅仅预测了车辆C1的行进道路,就会判断为直行在概率上最高。但是不言而喻,此行进道路由于与车辆C2冲突的概率非常高所以是非现实性的行进道路。如根据此例亦可明白那样,根据本实施方式1所涉及的障碍物行进道路预测方法较之于现有技术能够适当地进行复杂交通环境下的行进道路预测。
然后,输出部9基于步骤S7中所求出的特定障碍物的预测行进道路概率输出规定的信息(步骤S8)。例如,最好是显示特定障碍物有可能以超过规定值的概率选取行进道路的区域。图7是表示显示部92上的预测结果之显示输出例的图,是示意性地表示在图3所示的道路环境中的针对作为特定障碍物的车辆C1的行进道路预测结果之显示输出例的图。在图7中图示出将表示车辆C1的预测行进道路之中概率大于等于规定值的行进道路的区域D半透明地重叠显示在本车C0的挡风玻璃F上的情况。
通过将图像生成部91所生成的图像从被设置在本车C0驾驶席的后方上部的投影机(未图示)向挡风玻璃F进行投影而实现上述的重叠显示。由此,本车C0的驾驶者就能够一边驾驶一边立即识别在最近的将来有可能发生危险的区域。从而,就可以通过使该识别结果反映到驾驶中而准确地回避危险。
此外,在障碍物抽取部3所抽取出的障碍物只有一个的情况下,还可以将这一障碍物看作特定障碍物,并用输出部9输出特定障碍物行进道路预测部5中的预测结果。
以规定的时间间隔反复进行本实施方式1所涉及的障碍物行进道路预测方法,时常输出切合最新道路环境的信息。因此,根据本实施方式1所涉及的障碍物行进道路预测方法,可以辅助本车的驾驶者对应于时刻变化的道路环境进行准确的操作。
根据以上所说明的本发明实施方式1,基于障碍物的位置以及内部状态来预测该障碍物可能选取的行进道路,并在此预测之际进行根据规定条件所选择的特定障碍物的多条行进道路的概率上的预测,并且进行其以外的一般障碍物的行进道路的预测,在障碍物存在多个的情况下,使特定障碍物可能选取的多条行进道路之中的、与一般障碍物可能选取的行进道路之间在同一时间上的距离小于规定值的行进道路的预测概率降低,并计算包含此预测概率降低后的行进道路的特定障碍物的多条行进道路的每个被实现的概率,由此在以各个障碍物为单位来看的情况下,即使是可能以较高的概率选取的行进道路,如果存在与其他障碍物相干涉的情况则能够进行考虑了其影响的预测。从而,即便在复杂交通环境下也可以适当地预测障碍物的行进道路。
另外,根据本实施方式1,由于将对于车辆而言最易于成为障碍的障碍物选择为特定障碍物,并就此特定障碍物的多条行进道路进行概率上的预测,另一方面,对于其他一般障碍物的行进道路选取保持了现状的行进道路,所以能够抑制处理所需要的计算量,实现针对装置的负荷较少且实用的障碍物行进道路预测处理。
进而,根据本实施方式1,能够通过输出针对特定障碍物进行预测后的结果来提示包含危险度的信息。因此,接受到信息提示的本车驾驶者就可以一边迅速且准确地回避在驾驶中最近的将来可能发生的危险一边进行驾驶。
虽然在本实施方式1中,设一般障碍物保持着现状状态,一般障碍物行进道路预测部6生成一条行进道路,但也可以设此一般障碍物还可能以规定的概率选取多条行进道路来进行行进道路预测。作为这一情况下的概率最好是采用具有单峰性、较之于特定障碍物空间上的扩展较少的概率分布。图8是表示在设特定障碍物的概率分布为图4所示的ρ1的情况下,对一般障碍物赋予的概率分布之例的图。图8所示的概率分布曲线ρG表示分散小于特定障碍物的概率分布曲线ρ1、选择向直行方向或其附近的行进道路的可能性非常高那样的分布。在采用这种概率分布曲线ρG的情况下,作为相当于图6所示的概率分布曲线ρ2的概率分布,还可以应用下式(1)所定义的概率密度函数ρ3(x)。
[数学公式1]
ρ3(x)=Cρ1(x){1-θ(ρG(x)-ε)} …(1)
这里,C是标准化常数,θ(x)是满足θ(x)=0(x<0),1(x≧0)的函数,ε是正的常数。
另外,例如还可以通过使本车C0上所搭载的汽车导航系统的显示画面CN(参照图7)具备显示部92的功能来显示特定障碍物的行进道路预测结果。图9是图示了在此情况下预测到特定障碍物即车辆C1以规定值以上的概率行驶的情况的区域D的画面。
此外,虽然在以上的说明中,将朝与本车相同方向行驶的先行车作为障碍物进行了说明,但例如还能够将朝与本车相同方向行驶着的后续车作为障碍物。另外,还能够朝与本车相反方向行驶着的对面车作为障碍物。进而,还能够将静止着的物体作为障碍物。
(实施方式2)
本发明实施方式2的特征是,将与上述实施方式1同样地特定的特定障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成,并利用此所生成的轨迹来进行行进道路预测。
图10是表示本实施方式2所涉及的障碍物行进道路预测装置之功能构成的框图。在该图所示的障碍物行进道路预测装置11中,除特定障碍物行进道路预测部12以外的构成与上述实施方式1所涉及的障碍物行进道路预测装置1相同。因此,就具有与障碍物行进道路预测装置1相同功能的部位分别附加相同的标记。
特定障碍物行进道路预测部12具有:轨迹生成部13,将特定障碍物选择部4所选择的特定障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;预测运算部14,通过利用从轨迹生成部13所输出的特定障碍物的轨迹来进行特定障碍物的行进道路的概率上的预测运算。
轨迹生成部13,对直到规定时间经过以前特定障碍物可能选取的轨迹进行预测生成,具有:操作选择部131,从多个操作中选择用于使特定障碍物在仿真上假想地进行动作的操作;物体操作部132,将操作选择部131所选择的操作进行规定时间;判定部133,判定在经过物体操作部132操作以后的特定障碍物的位置以及内部状态是否满足规定条件。
下面,对本发明实施方式2所涉及的障碍物行进道路预测方法进行说明。本实施方式2所涉及的障碍物行进道路预测方法除特定障碍物的行进道路的预测处理以外,与上述实施方式1所涉及的障碍物行进道路预测方法相同(参照图2的流程图)。因而,在以下的说明中,就特定障碍物的行进道路预测处理(对应于图2的步骤S4)详细地进行说明。
图11是表示特定障碍物的行进道路预测处理之概要的流程图。首先,轨迹生成部13生成特定障碍物的多条轨迹(步骤S41)。图12是表示轨迹生成部13中的轨迹生成处理之细节的流程图。在图12中,设对传感器部2所探测到的特定障碍物OS进行N次生成轨迹的运算(N为自然数)。另外,设生成轨迹的时间(轨迹生成时间)为T(>0)。通过适当地确定此轨迹生成时间T(以及后述的操作时间Δt),就可以用实际上的计算时间进行一系列行进道路预测处理。
轨迹生成部13,首先进行初始化,将表示针对特定障碍物OS的轨迹生成次数的计数器n的值设为1(步骤S401)。
然后,轨迹生成部13从存储部10中读出传感器部2所探测到的结果,并将此读出的探测结果设为初始状态(步骤S402)。具体而言,将时间t设为0,将特定障碍物OS的初始位置(x(0),y(0))以及初始内部状态(v(0),θ(0))分别设为来自传感器部2的输入信息(x0,y0)以及(v0,θ0)。
接着,操作选择部131对在之后的时间Δt的期间进行的操作u(t)从可选择的多个操作之中按照被预先赋予各操作的操作选择概率选择一个操作(步骤S403)。例如通过将作为u(t)可选择的操作集合{uc}的要素和规定的随机数对应起来来定义选择操作uc的操作选择概率p(uc)。据此含义,既可以对每个操作uc赋予不同的操作选择概率p(uc),也可以对操作集合{uc}的全部要素赋予相等的概率。在后者的情况下,则为p(uc)=1/(可选择的全部操作数)。此外,还可以将操作选择概率p(uc)定义为依赖于特定障碍物OS的位置、内部状态、周围的道路环境的函数。
一般而言,操作uc由多个要素构成,可选择的操作的内容因特定障碍物OS的种类而异。例如,在特定障碍物OS为四轮汽车的情况下,该四轮汽车的加速度及角速度取决于转向盘的切入状况及油门的踩踏状况等。鉴于这一点,对作为四轮汽车的特定障碍物OS所实施的操作uc决定于包含加速度及角速度的要素。与此相对,在特定障碍物OS为人的情况下则能够根据速度来指定操作uc。
列举更为具体的操作uc的设定例。在特定障碍物OS为汽车的情况下,在-10~+30(km/h/sec)的范围选取加速度,在-7~+7(deg/sec)的范围选取转向角(全都用符号来指定方向),在特定障碍物OS为人的情况下,在0~36(km/h)的范围选取速率,在0~360(deg)的范围选取方向。此外,这里所记载的量全部是连续量。在这种情况下,通过实施适当的离散化将各操作的要素数设为有限,并构成操作的集合{uc}即可。
之后,物体操作部132使在步骤S403中所选择的操作uc在时间Δt的期间进行动作(步骤S404)。虽然此时间Δt在精度上较小更为理想,但实际上取0.1~0.5(sec)左右的值即可。此外,虽然在以下的说明中设轨迹生成时间T为Δt的整数倍,但是T的值,既可以依照特定障碍物OS的速度而可变,也可以不是Δt的整数倍。
接着,判定部133判定在步骤S404中使操作uc进行动作以后的特定障碍物OS的内部状态是否满足规定的控制条件(步骤S405)。在此步骤S405中进行判定的控制条件,依照特定障碍物OS的种类而定,例如在特定障碍物OS为四轮汽车的情况下则取决于步骤S404动作后的速度范围及步骤S404动作后的加速度的最高车辆G等。
在步骤S405的判定结果是特定障碍物OS的内部状态满足规定的控制条件的情况下(步骤S405中为“是”),判定部133判定使操作uc进行动作以后的特定障碍物OS的位置是否处于可移动区域内(步骤S406)。在此步骤S406中进行判定的可移动区域是指道路(包含车道、人行道)等区域。以后,将物体位于可移动区域的情况表达为“满足移动条件”。
在步骤S406的判定结果是特定障碍物OS位于可移动区域内的情况下(步骤S406中为“是”),轨迹生成部13使时间前进Δt(t←t+Δt),并设步骤S404动作后的位置为(x(t),y(t))、内部状态为(v(t),θ(t))(步骤S407)。
此外,在步骤S405以及406中至少存在一个不满足的条件的情况下(步骤S405中为“否”或者步骤S406中为“否”),则返回到步骤S402。
反复进行以上所说明的步骤S402~S407的处理直到到达轨迹生成时间T为止。即、在步骤S407中重新经过定义的时间t未到达T的情况下(步骤S408中为“否”),则返回到步骤S403反复进行处理。另一方面,在步骤S407中重新经过定义的时间t已到达T的情况下(步骤S408中为“是”),输出针对特定障碍物OS的轨迹,并保存在存储部10中(步骤S409)。
图13是示意性地表示通过在时间t=0,Δt,2Δt,...,T反复进行从步骤S403至步骤S407的一系列处理而生成的特定障碍物OS的轨迹的图。该图所示的轨迹Ps(m)(1≦m≦N,m为自然数)通过空间二维(x,y)、时间一维(t)的三维时空(x,y,t)。若将此轨迹Ps(m)射影到x-y平面上,则能够获得二维空间(x,y)中的特定障碍物OS的预测行进道路。
如果在步骤S409之后,计数器n的值未达到N(步骤S410中为“否”),轨迹生成部13则将计数器n的值增1(步骤S411),并返回到步骤S402反复进行上述的步骤S402~S408的处理直到到达轨迹生成时间T为止。
当在步骤S410中计数器n已达到N的情况下(步骤S410中为“是”),完成针对特定障碍物OS的所有轨迹的生成。图14是在三维时空上示意性地表示由对特定障碍物OS所生成的N个轨迹P(1),P(2),...,P(N)组成的轨迹集合{PS(n)}的图。构成轨迹集合{PS(n)}的要素的各轨迹的起点即初始位置(x0,y0,0)相同(参照步骤S402),此外,图14始终是示意图,作为N的值,例如可以取数百~数万程度的值。
当在步骤S410中计数器n已达到N的情况下,成为轨迹生成已完成的情况,所以结束图11所示的步骤S41的轨迹生成处理。
在图14中,对时空的各区域中的轨迹集合{PS(n)}的每单位体积的密度赋予该时空的各区域中的特定障碍物OS的存在概率的密度(以后称之为“时空概率密度”)。从而,通过利用由步骤S41中的轨迹生成处理而构成的轨迹集合{PS(n)},就可以求解特定障碍物OS通过三维时空上的规定区域的概率。此外,时空概率密度始终是时空上的概率概念,并不限于对一个物体在时空上取其值的总和时为1。
然而,在将轨迹生成时间T的具体值预先设定为固定值的情况下,最好是设为若生成轨迹直到超过该值T则时空上的概率密度分布就会变得一样,即便计算也没有意义那样的值。例如,在物体为四轮汽车,该四轮汽车进行通常的行驶的情况下,至多设为T=5(sec)左右即可,在此情况下,若设步骤S404中的操作时间Δt为0.1~0.5(sec)左右,则为了生成一条轨迹PS(m),反复进行10~50次从步骤S403至步骤S407的一系列处理。
此外,最好是按高速道路、普通道路、双行车线道路等每个道路种类设定不同的轨迹生成时间T,并根据利用位置数据从地图数据读取当前行驶中的道路种类的方法、及借助于应用了图像识别等的道路识别装置来读取道路种类的方法等来进行切换。
另外,最好是进行如下那样的自适应控制,即通过利用直至轨迹生成时间T计算出的轨迹而统计性地评价时空上的概率密度分布,并在分布恒定的情况下减小轨迹生成时间T,而在分布不恒定的情况下增大生成时间。
在以上所说明的针对特定障碍物的轨迹生成处理之后,特定障碍物行进道路预测部12进行特定障碍物可能选取的行进道路的概率上的预测(步骤S42)。虽然对下面的情况进行说明、即作为预测运算部14中的具体预测运算处理,求解在对特定障碍物OS所生成的轨迹集合{PS(n)}之中特定的轨迹PS(m)被挑选的概率的情况进行说明,但不言而喻这一预测运算只不过是一例。
在特定障碍物OS的轨迹已经生成N条时,其中的一条轨迹PS(m)成为实际轨迹的概率p(PS(m))如下被计算出。首先,若设用于实现特定障碍物的轨迹PS(m)的操作列{um(t)}为{um(0),um(Δt),um(2Δt),...,um(T)}则在时间t操作um(t)被选择的概率就是p(um(t)),所以在t=0~T操作列{um(t)}被执行的概率就求解为:
[数学公式2]
从而,在对特定障碍物OS赋予N条轨迹集合{PS(n)}时,特定障碍物OS可能选取的一条轨迹PS(m)被挑选的概率p(PS(m))就成为:
[数学公式3]
这里,在所有的操作um(t)以等概率p0(其中,0<p0<1)被选择的情况下,式(2)就成为:
[数学公式4]
这里,自然数h是从t=0直到T的操作时间Δt的总数即操作次数。从而,特定障碍物OS可能选取的N条轨迹中所含的轨迹PS(m)的概率总和就为Np0 h,其中的一条轨迹PS(m)被挑选的概率p(PS(m))通过将式(4)代入式(3)就成为:
[数学公式5]
即、概率p(PS(m))不依赖于轨迹PS(m)。
之后,预测运算部14基于计算出的概率p(PS(m))来求解三维时空的各区域中的每单位体积的特定障碍物OS的存在概率。此存在概率与轨迹集合{PS(n)}的三维时空上的时空概率密度相对应,通过的轨迹的密度较高的区域存在概率基本上较大。预测运算部14中的运算结果被输出到行进道路干涉评价部7。
图15是示意性地表示通过将特定障碍物OS的轨迹集合{PS(n)}和一般障碍物的预测行进道路加起来而形成的时空环境之构成例的图。该图所示的时空环境Env(PS,PG)由特定障碍物OS的轨迹集合{PS(n)}(以实线显示)以及一般障碍物OG的一条轨迹PG(以虚线显示)组成。
更具体地讲就是时空环境Env(PS,PG)表示,除了特定障碍物OS以外还有一般障碍物OG朝+y轴方向在如高速道路那样的平坦且直线状道路R中进行移动时的时空环境(搭载有障碍物行进道路预测装置11的本车C0不包含于时空环境中)。在这里,由于对各个障碍物独立地进行轨迹生成而不考虑障碍物彼此的相关,所以还可能会有不同物休的轨迹彼此在时空上交叉的情形。
与上述实施方式1同样地进行之后的处理。即、作为特定障碍物OS和一般障碍物OG之间的干涉评价处理,从特定障碍物OS的轨迹集合{PS(n)}中除去与一般障碍物OG的轨迹PG交叉的轨迹即特定障碍物OS和一般障碍物OG要冲突的轨迹(步骤S6)。与上述实施方式1同样地确定此时的冲突,除了两条轨迹单单具有交点的情况外还包含距离接近至小于与障碍物的种类相应的规定距离的情况。
之后,标准化部8进行标准化以使未被除去而剩余的轨迹集合(非干涉轨迹集合){PS’(n)}的各要素所取的概率总和为1并计算概率(步骤S7)。接着,输出部9输出基于步骤S7中所获得的概率分布的信息(步骤S8)。
根据以上所说明的本发明的实施方式2,基于障碍物的位置以及内部状态来预测该障碍物可能选取的行进道路,并在此预测之际进行根据规定条件所选择的特定障碍物的多条行进道路的概率上的预测,并且,进行其以外的一般障碍物的行进道路的预测,在障碍物存在多个的情况下使特定障碍物可能选取的多条行进道路之中的、与一般障碍物可能选取的行进道路在同一时间上的距离小于规定值的行进道路的预测概率降低,并计算包含这一预测概率降低后的行进道路的特定障碍物的多条行进道路的每个被实现的概率,由此在以各个障碍物为单位来看的情况下,即使是可能以较高的概率选取的行进道路,如果存在与其他障碍物相干涉的情况则能够进行考虑了其影响的预测。从而,与上述实施方式1同样即便在复杂交通环境下也可以适当地预测障碍物的行进道路。
另外,根据本实施方式2,将特定障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成,并通过利用此所生成的轨迹来进行特定障碍物的行进道路的概率上的预测,由此就能够高精度地进行动态物体的行进道路预测。
此外,在本实施方式2中,还可以在进行特定障碍物的时空上的轨迹生成处理之际,通过使可选择的所有操作进行动作来生成轨迹。实现这种轨迹生成处理的算法例如可以通过应用基于纵型搜索或者横型搜索的循环调用而实现。在此情况下,特定障碍物OS的轨迹集合{PS(n)}的要素数即轨迹条数,到针对特定障碍物OS的轨迹生成处理结束为止还不清楚。从而,在通过对可执行的操作进行全搜索而生成各物体可能选取的轨迹的情况下,依照操作时间Δt上的操作uC(t)的要素数(在操作uC(t)是连续量的情况下为离散化的程度)来选择具有最佳计算量的搜索方法即可。
另外,本实施方式2还可以如应用于在具有高低差的道路行驶中的汽车的情况那样应用于四维时空(空间三维、时间一维)。
(实施方式3)
本发明实施方式3不同于上述的两个实施方式,其特征是,对等地对待所有障碍物,将各障碍物随着时间经过而可能选取的位置的变化作为时空上的轨迹而生成,并利用此所生成的轨迹来进行障碍物的行进道路预测。
图16是表示本发明实施方式3所涉及的障碍物行进道路预测装置之功能构成的框图。该图所示的障碍物行进道路预测装置21具有:传感器部2;障碍物抽取部3;进行障碍物抽取部3所抽取出的障碍物的行进道路的概率预测的障碍物行进道路预测部22;对障碍物行进道路预测部22所预测的障碍物间的预测行进道路的干涉进行评价的行进道路干涉评价部7;标准化部8;输出部9;以及存储部10。其中输出部9具有图像生成部91以及显示部92。
障碍物行进道路预测部22具有:将障碍物抽取部3所抽取出的障碍物随着时间经过而可能选取的位置的变化作为时空上的轨迹进行生成的轨迹生成部23;和通过利用从轨迹生成部23所输出的多个障碍物的轨迹来进行各障碍物的行进道路的概率上的预测运算的预测运算部24。其中轨迹生成部23是对直到规定时间经过以前物体可能选取的轨迹进行预测生成,与上述实施方式2所说明的轨迹生成部13同样地具有操作选择部231、物体操作部232和判定部233。
障碍物行进道路预测部22对等地对待多个障碍物来进行障碍物全体的行进道路预测。另外,在行进道路干涉评价部7中,通过将在经过预测的行进道路之中要干涉的行进道路、即在规定时间距离接近到小于规定距离的轨迹彼此全部进行除去来进行干涉评价。
然后,参照图17所示的流程图来说明本实施方式3所涉及的障碍物行进道路预测方法。首先,在传感器部2中,探测处于规定范围的物休相对于本车的位置以及内部状态,并将探测到的信息保存在存储部10中(步骤S11)。在本实施方式3中也是设物体的位置为物体中心的值,物体的内部状态为根据速度(速率v,方向θ)而特定的状态。
之后,障碍物抽取部3基于传感器部2所探测到的结果来抽取处于规定范围内的障碍物(步骤S12)。
接着,障碍物行进道路预测部22对障碍物抽取部3所抽取出的多个障碍物可能选取的行进道路以概率方式进行预测(步骤S13)。此步骤S13中对各个障碍物所进行的具体行进道路预测处理与上述实施方式2中的特定障碍物的行进道路预测处理(参照图11以及图12)相同。在以后的说明中,设传感器部2所探测到的障碍物的总数为I,对于一个障碍物Oi(1≦i≦I,i为自然数)进行Ni次生成轨迹的运算(I以及Ni均为自然数)。
轨迹生成部23首先从存储部10中读出传感器部2所探测到的结果,并将此读出的探测结果设为初始状态。之后,操作选择部231选择对于初始状态在其后的时间Δt的期间进行的操作ui(t)。此时,操作选择部231从可选择的多个操作之中按照被预先赋予各操作的操作选择概率选择一个操作。此外,与上述实施方式2中的操作uC同样地设定具体的操作uiC。另外,也与上述的操作选择概率p(uC)同样地确定选择操作uiC的操作选择概率p(uiC)。
之后,物体操作部232使操作选择部231所选择的操作uic在时间Δt的期间进行动作,在判定部233中,判定使操作uic进行动作以后的物体Oi的内部状态是否已满足规定的控制条件,并且判定使操作uic进行动作以后的物体Oi的位置是否处于可移动区域内。轨迹生成部23仅在判定部233中的判定结果是操作uic结束后物体Oi的位置以及内部状态满足所有的条件的情况下,使时间前进Δt(t←t+Δt),并设动作后的位置为(xi(t),yi(t))、内部状态为(vi(t),θi(t))。通过将这一处理反复进行Ni次而结束针对一个障碍物Oi的处理。之后,对其他障碍物Oi也进行同样的处理。
通过轨迹生成部23对所有障碍物进行轨迹生成处理,形成由存在于三维时空的规定范围内的多个物体可能选取的轨迹集合组成的时空环境。图18是示意性地表示时空环境之构成例的图。该图所示的时空环境Env(P1,P2)由障碍物O1的轨迹集合{P1(n)}(在图18中以实线表示)以及障碍物O2的轨迹集合{P2(n)}(在图18中以虚线表示)组成。更具体地讲就是时空环境Env(P1,P2)表示两个障碍物O1以及O2朝+y轴方向在如高速道路那样的平坦且直线状道路R进行移动时的时空环境。在本实施方式3中由于对每个物体进行轨迹生成而不考虑物体彼此的相关,所以还有不同物休的轨迹彼此在时空上交叉的情形。
在图18中,对时空的各区域中的轨迹集合{Pi(n)}(i=1,2)的每单位体积的密度赋予该时空的各区域中的障碍物Oi的时空概率密度。从而,在本实施方式2中就可以求解障碍物Oi通过三维时空上的规定区域的概率。
然后,预测运算部24进行各障碍物可能选取的行进道路的概率上的预测。此时针对各个障碍物的预测运算与上述实施方式2中的步骤S42实质上相同。从而,在提供了轨迹集合{Pi(n)}时,属于此集合的一条轨迹Pi(m)被挑选的概率p(Pi(m))就为:
[数学公式6]
这里,在所有的操作uim(t)以等概率p0(其中,0<p0<1)被选择的情况下,一条轨迹Pi(m)被挑选的概率p(Pi(m))就为:
[数学公式7]
概率p(Pi(m))不依赖于轨迹Pi(m)。此外,在式(7)中,若设对于所有物体生成的轨迹数相同(N条),则由于N1=N2=...=NI=N(常数)故p(Pi(m))=1/N,与障碍物Oi无关而为恒定。从而,在此情况下,通过将概率p(Pi(m))的值标准化为1就可以简化预测运算部24中的预测运算,更为迅速执行规定的预测运算。
之后,预测运算部24基于对各障碍物Oi(i=1,2,...,I)计算出的概率p(Pi(m))来求解三维时空的各区域中的每单位体积的障碍物Oi的存在概率。此存在概率与轨迹集合{Pi(n)}的三维时空上的时空概率密度相对应,通过的轨迹的密度较高的区域存在概率基本上较大。
在以上所说明的步骤S13的障碍物行进道路预测处理之后,行进道路干涉评价部7进行障碍物彼此的干涉评价(步骤S14)。在进行此行进道路干涉评价之际,将针对所有障碍物的轨迹集合{P1(n)},{P2(n)},...,{PI(n)}之中相互交叉的轨迹除去。此外,在本实施方式3中关于轨迹彼此的交叉采用与上述实施方式2相同的定义。
之后,将未被除去而剩余的所有障碍物的行进道路作为时空环境下的全部障碍物的行进道路预测概率而计算出(步骤S15)。此时,在标准化部8中进行未被除去而剩余的所有行进道路的概率总和为1那样的标准化。
最后,输出部9基于在步骤S15中计算出的全部障碍物的预测行进道路概率而输出规定的信息(步骤S16)。例如,最好是显示行进道路以超过规定值的概率被选取的区域。此时的显示部92中的显示方法也可以是上述实施方式1中所说明的向挡风玻璃的重叠显示及向汽车导航的显示画面CN的显示等。
此外,本实施方式3所涉及的障碍物行进道路预测方法还可以与上述实施方式2相同地应用于四维时空(空间三维、时间一维)。
根据以上所说明的本发明实施方式3,基于障碍物的位置以及内部状态来预测该障碍物可能选取的行进道路,并在此预测之际对障碍物进行多条行进道路的概率预测,在障碍物存在多个的情况下,在多个障碍物可能选取的行进道路之中,使选取与不同障碍物的行进道路在同一时间上的距离小于规定值的行进道路的概率降低,并计算包含这一预测概率降低后的行进道路的多个障碍物的所有行进道路的每个被实现的概率,由此,在以各个障碍物为单位来看的情况下,即使是可能以较高的概率选取的行进道路,如果存在与其他障碍物相干涉的情况,则能够进行考虑了其影响的预测。从而,即便在复杂交通环境下也可以适当地预测障碍物的行进道路。
另外,根据本实施方式3,将障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的多条轨迹进行生成,并通过利用此所生成的多条轨迹来进行全体障碍物可能选取的行进道路的概率上的预测,由此就能够高精度地进行动态物体的行进道路预测。
此外,在本实施方式3中预测障碍物的行进道路之际,还可以应用以往所知的任意一种概率上的方法。
(实施方式4)
本发明实施方式4的特征是,除了与上述实施方式1同样地预测特定障碍物的行进道路之外,还生成本车的行进道路,并计算特定障碍物与本车的冲突概率。
图19是表示本实施方式4所涉及的障碍物行进道路预测装置之功能构成的框图。该图所示的障碍物行进道路预测装置31具备:探测存在于规定范围的物休的位置及内部状态,并且探测本车的位置及内部状态的传感器部32;生成本车从现在位置起的行进道路的本车行进道路生成部33;计算本车与特定障碍物的冲突概率的冲突概率计算部34;输出有关冲突概率计算部34所计算出的本车与特定障碍物的冲突概率的信息的输出部35。输出部35具有:基于冲突概率计算部34所计算出的冲突概率而生成图像的图像生成部351;对包含图像生成部351所生成的图像的信息进行显示输出的显示部352;在本车行进道路生成部33所生成的本车行进道路与特定障碍物的冲突概率超过规定阈值的情况下发出警告音(包含语音)的警告音发生部353。这里所说明的以外的障碍物行进道路预测装置31的构成与上述实施方式1所涉及的障碍物行进道路预测装置1的构成相同(参照图1)。
图20是表示本实施方式4所涉及的障碍物行进道路预测方法之处理概要的流程图。首先,在传感器部32中对处于规定范围的物休相对于本车C0的位置以及内部状态和本车的位置以及内部状态进行探测,并将探测到的信息保存在存储部10中(步骤S21)。
然后,障碍物抽取部3基于传感器部32所探测到的结果来抽取处于规定范围内的障碍物(步骤S22)。
接着,特定障碍物选择部4从障碍物抽取部3所抽取出的障碍物之中选择一个特定障碍物(步骤S23)。在本实施方式4中,由于传感器部32也可以探测本车C0的内部状态,所以还可以选择在本车C0保持现状不变行驶时直到与障碍物冲突为止的时间TTC(Time To Collision)最短的障碍物作为特定障碍物。
之后,对本车C0以外的特定障碍物OS及一般障碍物OG进行的步骤S24~S27的处理与上述实施方式1所说明的步骤S4~S7的处理相同。
另一方面,本车行进道路生成部33利用传感器部2探测到的本车信息而生成本车的行进道路(步骤S28)。具体而言,本车行进道路生成部33生成本车保持现状不变行驶时的轨迹。此外,如果传感器部32可以探测白线等路面环境的话,则还可以生成与可行驶的车道数相应的轨迹。此步骤S28与步骤S22~S27的处理并行进行。
之后,冲突概率计算部34计算本车行进道路生成部33所生成的本车行进道路和由行进道路干涉评价部7所获得的特定障碍物的行进道路冲突的概率(步骤S29)。在此步骤S29中,在本车的行进道路和特定障碍物的行进道路在同一时间变得比规定距离还近的情况下认为是已发生冲突,来进行冲突概率的计算。此时被认为是已发生冲突的距离依照特定障碍物的种类而定。
输出部35基于步骤S29所求出的冲突概率而输出规定的信息(步骤S30)。例如,在冲突概率超过规定阈值的情况下通过显示部352来进行显示,并且在冲突概率超过规定阈值的情况下警告音发生部353发出警告音。此外,在本车行进道路生成部33生成多条行进道路的情况下,还可以将冲突概率最低的行进道路(或者车道)作为推荐行进道路(或者推荐车道)来进行显示或者用语音来进行通知等。
根据以上所说明的本发明的实施方式4,基于障碍物的位置以及内部状态来预测该障碍物可能选取的行进道路,并在此预测之际进行根据规定条件所选择的特定障碍物的多条行进道路的概率上的预测,并且,进行其以外的一般障碍物的行进道路的预测,在障碍物存在多个的情况下使特定障碍物可能选取的多条行进道路之中的、与一般障碍物可能选取的行进道路在同一时间上的距离小于规定值的行进道路的预测概率降低,并计算包含这一预测概率降低后的行进道路的特定障碍物的多条行进道路的每个被实现的概率,由此在以各个障碍物为单位来看的情况下,即使是可能以较高的概率选取的行进道路,如果存在与其他障碍物相干涉的情况,则能够进行考虑了其影响的预测。从而,即便在复杂交通环境下也可以适当地预测障碍物的行进道路。
另外,根据本实施方式4,通过计算本车行进道路和特定障碍物的预测行进道路之间的冲突概率,可以在实际的时间内准确地判定复杂交通环境下的本车行进道路的安全性。
此外,作为本实施方式4的变形例,还可以使上述实施方式3所涉及的障碍物行进道路预测装置进一步具备本车行进道路生成部以及冲突概率计算部。在此情况下,计算针对所有障碍物的行进道路的概率,并计算与本车行进道路之间的冲突概率。
(实施方式5)
本发明实施方式5的特征是,对特定障碍物的行进道路,除了与上述实施方式2同样地利用在三维时空上所生成的轨迹来进行生成以外,还生成本车的行进道路,并求解特定障碍物与本车之间的冲突概率。
图21是表示本发明实施方式5所涉及的障碍物行进道路预测装置之功能构成的框图。该图所示的障碍物行进道路预测装置41具备:探测存在于规定范围的物体的位置及内部状态,并且探测本车的位置及内部状态的传感器部32;生成本车从当前位置起的行进道路的本车行进道路生成部33;计算本车与特定障碍物之间的冲突概率的冲突概率计算部34;输出有关冲突概率计算部34所计算出的本车与特定障碍物之间的冲突概率的信息的输出部35。输出部35具有:基于冲突概率计算部34所计算出的冲突概率而生成图像的图像生成部351;对包含图像生成部351所生成的图像的信息进行显示输出的显示部352;在本车行进道路生成部33所生成的本车行进道路与特定障碍物之间的冲突概率超过规定阈值的情况下发出警告音(包含语声)的警告音发生部353。这里所说明的以外的障碍物行进道路预测装置41的构成与上述实施方式2所涉及的障碍物行进道路预测装置11的构成相同(参照图10)。
本实施方式5所涉及的障碍物行进道路预测方法除了特定障碍物的行进道路预测处理以及冲突概率计算处理的细节外与上述实施方式4所涉及的障碍物行进道路预测方法相同(参照图20的流程图)。另外,特定障碍物的行进道路预测处理与上述实施方式2所涉及的障碍物行进道路预测方法相同(参照图11以及图12)。因而,在以下的说明中,就冲突概率计算处理(对应于图20的步骤S29)详细地进行说明。此外,在以下的说明中,对与上述实施方式4所涉及的障碍物行进道路预测方法相同的处理使用相同的步骤编号。
图22是表示冲突概率计算处理之细节的流程图。该图所示的冲突概率计算处理由两个循环处理所构成,计算在步骤S28中所生成的本车C0的轨迹P0与步骤S26中未被除去而剩余的非干涉轨迹集合{Ps’(n)}之间的冲突概率。此时,冲突概率计算部34利用本车C0的轨迹P0、特定障碍物OS的非干涉轨迹集合{PS’(n)}、以及评价本车C0与特定障碍物OS的冲突概率的评价函数来进行冲突概率的计算。此外,虽然在本实施方式5中设冲突概率计算部34内置评价函数进行说明,但也可以是通过在障碍物行进道路预测装置41上设置输入部,而从外部输入该评价函数的构成。另外,还可以是根据道路的种类及本车C0的速度使评价函数相适应地进行变化的构成。
首先,冲突概率计算部34,对特定障碍物OS依次进行针对非干涉轨迹集合{PS’(n)}的全部要素PS’(nS)(nS=1,2,...,NS)的反复处理(Loop1)(步骤S501)。在此反复处理中,导入干涉度rS作为定量地赋予本车C0与特定障碍物OS相干涉的程度的量,并将此干涉度rS的初始值设为0(步骤S502)。
接着,冲突概率计算部34开始对本车C0的轨迹P0与特定障碍物OS的一个非干涉轨迹PS’(nS)之间的干涉进行评价的反复处理(Loop2)(步骤S503)。此Loop2中,在时间t=0,Δt,...,T中依次求解两条轨迹P0和轨迹PS’(nS)在同一时间上的距离。在本实施方式5中,在同一时间上的两条轨迹的空间上的距离小于规定值(例如车辆的标准宽度及长度)的情况下,认为本车C0和特定障碍物OS已发生冲突,并将能够认为两个车辆已发生冲突的距离的最大值(相互干涉的空间上的距离)称为干涉距离。
图23是示意性地表示本车C0的轨迹P0与特定障碍物OS的非干涉轨迹PS’(nS)之间在时空上的关系的图。在该图所示的情况下,轨迹P0和非干涉轨迹PS’(nS)在两点a1以及a2上交叉。从而,在这两点a1以及a2的附近存在两条轨迹间的在同一时间上的距离小于干涉距离的区域A1以及A2。即、在两条轨迹P0以及轨迹PS’(nS)被分别包含于区域A1以及A2内的时间,作出本车C0和特定障碍物OS已发生冲突之类的判定。换言之,在时间t=0,Δt,...,T之中,通过区域A1以及A2内的回数就是本车C0和特定障碍物OS之间的冲突次数。
如根据图23亦可明白那样,在本实施方式5中所形成的时空环境,即便两条轨迹一度冲突也生成之后的轨迹。这是因为独立地生成每个物体的轨迹的缘故。
之后,冲突概率计算部34,在求出本车C0与特定障碍物OS的距离的结果是在上述含义中判定为本车C0和特定障碍物OS已发生冲突的情况下(步骤S504为Yes),将干涉度rS的值设为:
[数学公式8]
rS←rS+p(PS′(nS)) …(8)
(步骤S505)。这里,第2项目p(PS’(nS))是轨迹PS’(nS)被挑选的概率(在这里,利用标准化部8已经将对每条轨迹所赋予的概率分布函数标准化)。此外,在步骤S504中在本车C0和特定障碍物OS不冲突的情况下直接进入后述的步骤S506。
冲突概率计算部34,在步骤S505之后,时间t未到达T的情况下不结束反复(步骤S506中为“否”),而使t的值增加Δt(步骤S507),并返回到步骤S503反复进行Loop2。另一方面,冲突概率计算部34在步骤S505之后、时间t已到达T的情况下结束Loop2(步骤S506中为“是”)。
通过以上所说明的Loop2的反复处理,冲突次数越多干涉度rS的值就为越大的值。在此Loop2结束后,冲突概率计算部34进行是否反复Loop1的判断处理。即、如果在对特定障碍物OS所生成的轨迹之中有未进行与本车C0的轨迹P0之间的干涉评价的轨迹,则不结束Loop1(步骤S508中为“否”),将nS设为nS+1(步骤S509)并返回到步骤S501反复进行Loop1。
相对于此,当在对特定障碍物OS所生成的轨迹PS’(nS)之中,全部进行了与本车C0的轨迹P0之间的干涉评价的情况下(步骤S508中为“是”),冲突概率计算部34赋予对本车C0的轨迹P0和特定障碍物OS的所有非干涉轨迹集合{PS’(nS)}之间的干涉进行评价的最终的干涉度rS(步骤S510),将此赋予的干涉度rS输出并保存到存储部10(步骤S511)。
这里,若设本车C0的轨迹P0和特定障碍物OS的轨迹PS’(nS)之间的冲突次数为M(nS),则干涉度rS的值就是将每条轨迹PS’(nS)的概率p(PS’(nS))乘以M(nS)倍后的值对所有轨迹集合{PS’(nS)}的要素取和后的结果。
[数学公式9]
式(9)的右边的和正是本车C0的轨迹P0与特定障碍物OS可能选取的轨迹冲突的冲突概率。即、根据式(9)求得本车C0与特定障碍物OS冲突的冲突概率。
之后,输出部35在本车C0与特定障碍物OS之间的冲突概率即干涉度rS超过规定阈值的情况下从显示部352显示信息、或者从警告音发生部353发出警告音(步骤S30)。
根据以上所说明的本发明实施方式5,基于障碍物的位置以及内部状态来预测该障碍物可能选取的行进道路,并在此预测之际进行根据规定条件所选择的特定障碍物的多条行进道路的概率上的预测,并且,进行其以外的一般障碍物的行进道路的预测,在障碍物存在多个的情况下,使特定障碍物可能选取的多条行进道路之中的、与一般障碍物可能选取的行进道路在同一时间上的距离小于规定值的行进道路的预测概率降低,并计算包含这一预测概率降低后的行进道路的特定障碍物的多条行进道路的每个被实现的概率,由此在以各个障碍物为单位来看的情况下,即使是可能以较高的概率选取的行进道路,如果存在与其他障碍物相干涉的情况,则能够进行考虑了其影响的预测。从而,即便在复杂交通环境下也可以适当地预测障碍物的行进道路。
另外,根据本实施方式5,将特定障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成,并通过利用此所生成的轨迹来进行特定障碍物的行进道路的概率上的预测,由此能够高精度地进行动态物体的行进道路预测。
进而,根据本实施方式5,通过计算定量地表示在时空上特定障碍物可能选取的轨迹与本车可能选取的轨迹之间的干涉程度的干涉度,并将此计算出的干涉度作为冲突概率来求解,就可以在实际的时间内准确地判定在现实上可能发生的状况下的本车行进道路的安全性。
此外,作为本实施方式5的变形例,还可以使上述实施方式3所涉及的障碍物行进道路预测装置进一步具备本车行进道路生成部以及冲突概率计算部。在此情况下,通过进一步对多个障碍物反复进行上述从步骤S501到步骤S511的处理而算出时空环境下的本车C0与全部障碍物之间的冲突概率即可。
(其他实施方式)
迄今为止,作为用于实施本发明的最佳形态,详细叙述了实施方式1~5,但本发明并非应当仅仅由这五个实施方式而限定。例如,还可以取代将选取相互干涉的行进道路的预测概率设为0进行除去,而采用使选取相互干涉的行进道路的预测概率降低那样的构成。
另外,还可以通过采用在上述实施方式1或者2中所说明的障碍物行进道路预测方法,对等地对待所有障碍物。在此情况下,在特定障碍物选择部中,基于任意规则(例如离本车较近的顺序等)依次选择用障碍物抽取部所抽取出的障碍物,并以循环方式反复进行针对各特定障碍物的行进道路预测处理即可。
进而,还可以将本发明应用于自动驾驶系统。在此情况下,与障碍物行进道路预测装置的输出(行进道路预测结果或者与本车之间的冲突概率)相对应而生成操作本车的操作信号,并将此操作信号发送给被设置在本车上的规定的致动装置即可。
另外,除了传感器部所探测到的实在障碍物以外,还可以配置虚构障碍物,并进行针对此虚构障碍物的行进道路预测。更具休地讲,还可以构成表示对本车而言不希望的举动那样的虚构模型,并将此模型配置在规定位置上进行行进道路预测。通过将这种虚构模型例如配置于从在存在遮盖物等而眼界较差的交叉路口附近行驶的本车无法探测的位置,可以预测与有可能从交叉路口突然出现的障碍物之间的冲突等危险。此外,还可以使虚构模型的信息预先用存储部存储起来,并依照来自另行设置的输入部的条件设定而配置于所希望的位置。
可是,在将本发明所涉及的障碍物行进道路预测装置应用在以仅仅是车辆行驶为前提的高速道路等区域的情况下,还可以通过使各车辆具备车车间通信用的通信单元,相互靠近行驶的车辆彼此通过车车间通信来相互交换彼此的行驶状况。在此情况下,还可以使各车辆用各自的存储部将操作履历存储起来,并基于其操作履历来赋予每个操作的操作选择概率,将其连同有关此操作选择概率的信息,发送到其他车辆。由此,就使行进道路预测的精度提高,并可以更加准确地回避行驶中的危险。
除此以外,还可以将GPS(Global Positioning System)作为位置检测单元而援用。在此情况下,能够通过参照GPS存储的三维地图信息来进行传感器部所探测到的物体的位置信息及移动信息的修正。进而,还可以通过将GPS的输出相互进行通信而使之作为传感器部发挥功能。在任一情况下都能够通过援用GPS而实现高精度的行进道路预测,并能够使预测结果的可靠性进一步改善。
此外,本发明所涉及的障碍物行进道路预测装置还可以搭载于四轮汽车以外的车辆、人、机器人等移动体。
另外,本发明所涉及的障碍物行进道路预测装置不需要被搭载在移动体上。例如,在本车可以利用车车间通信或路车间通信的情况下,能够由包含本车和本车周围的他车与基础设施的行进道路干涉评价系统而构成本发明所涉及的障碍物行进道路预测装置。在此情况下,还可以使障碍物的行进道路预测计算在基础设施侧进行,关于本车,则作为对基础设施侧请求并接收预测计算结果,并进行基于此接收到的预测计算结果的处理的预测计算请求车辆而进行特定。
如根据以上说明亦可明白那样,本发明可能包含在这里没有记载的各种各样的实施方式等,在不脱离由权利要求的范围所特定的技术思想的范围内可以实施种种设计变更等。
工业上的可利用性
如以上那样,本发明所涉及的障碍物行进道路预测方法、装置以及程序适合作为用于回避四轮汽车等移动体驾驶时的危险,并确保安全性的技术。
Claims (17)
1.一种障碍物行进道路预测方法,用具备至少存储存在于自移动体为规定范围内的障碍物的位置以及内部状态的存储单元的计算机对上述障碍物的行进道路进行预测,其特征在于,具有以下步骤:
行进道路预测步骤,基于从上述存储单元所读出的上述障碍物的位置以及内部状态来预测上述障碍物可能选取的行进道路,并在进行此预测之际对至少一个上述障碍物进行该障碍物可能选取的多条行进道路的概率上的预测;
行进道路干涉评价步骤,在上述障碍物存在多个的情况下,求解上述行进道路预测步骤中所预测到的多个上述障碍物可能选取的行进道路之中不同的上述障碍物彼此相互干涉的行进道路,并使此相互干涉的行进道路之中已进行上述概率上的预测的行进道路的预测概率降低;以及
概率计算步骤,计算包含在上述行进道路干涉评价步骤中使上述预测概率降低后的行进道路的上述多条行进道路的每个被实现的概率。
2.按照权利要求1记载的障碍物行进道路预测方法,其特征在于,
还具有特定障碍物选择步骤,在该特定障碍物选择步骤中选择满足规定条件的一个上述障碍物作为特定障碍物,
其中,上述行进道路预测步骤包括:特定障碍物行进道路预测步骤,进行上述特定障碍物可能选取的多条行进道路的概率上的预测;和一般障碍物行进道路预测步骤,进行上述特定障碍物以外的上述障碍物可能选取的行进道路的预测,
在上述行进道路干涉评价步骤中,在上述障碍物存在多个的情况下,使上述特定障碍物可能选取的多条行进道路之中的、与上述一般障碍物可能选取的行进道路之间在同一时间上的距离小于规定值的行进道路的预测概率降低,
在上述概率计算步骤中,计算包含在上述行进道路干涉评价步骤中使上述预测概率降低后的行进道路的上述特定障碍物的多条行进道路的每个被实现的概率。
3.按照权利要求2记载的障碍物行进道路预测方法,其特征在于,
上述特定障碍物行进道路预测步骤包括:
轨迹生成步骤,基于上述障碍物的位置以及内部状态将上述特定障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;和
预测运算步骤,通过利用上述轨迹生成步骤中所生成的轨迹来进行上述特定障碍物可能选取的行进道路的概率上的预测运算。
4.按照权利要求2或者3记载的障碍物行进道路预测方法,其特征在于,
在上述一般障碍物行进道路预测步骤中,设上述一般障碍物的内部状态被保持来预测上述一般障碍物的行进道路。
5.按照权利要求2~4中任意一项记载的障碍物行进道路预测方法,其特征在于,还具有:
行进道路生成步骤,基于上述移动体的位置以及内部状态而生成上述移动体的行进道路;和
冲突概率计算步骤,计算上述行进道路生成步骤中所生成的上述移动体的行进道路与上述概率计算步骤中对每条行进道路计算出概率后的上述特定障碍物可能选取的多条行进道路的每个之间的冲突概率。
6.按照权利要求1记载的障碍物行进道路预测方法,其特征在于,
在上述行进道路预测步骤中,进行上述障碍物可能选取的多条行进道路的概率上的预测,
在上述行进道路干涉评价步骤中,在上述障碍物存在多个的情况下,在多个上述障碍物可能选取的行进道路之中,使选取与不同的上述障碍物的行进道路之间在同一时间上的距离小于规定值的行进道路的概率降低,
在上述概率计算步骤中,计算包含在上述行进道路干涉评价步骤中使上述预测概率降低后的行进道路的多个上述障碍物的所有行进道路的每个被实现的概率。
7.按照权利要求6记载的障碍物行进道路预测方法,其特征在于,
上述行进道路预测步骤包括:
轨迹生成步骤,基于上述障碍物的位置以及内部状态将上述障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;和
预测运算步骤,通过利用上述轨迹生成步骤中所生成的轨迹来进行上述障碍物的行进道路的概率上的预测运算。
8.按照权利要求6或者7记载的障碍物行进道路预测方法,其特征在于,还具有:
行进道路生成步骤,基于上述移动体的位置以及内部状态而生成上述移动体的行进道路;和
冲突概率计算步骤,计算上述行进道路生成步骤中所生成的上述移动体的行进道路与上述概率计算步骤中对每条行进道路计算出概率后的上述障碍物可能选取的所有行进道路的每个之间的冲突概率。
9.一种障碍物行进道路预测装置,预测存在于移动体周围的障碍物的行进道路,其特征在于,具备:
存储单元,至少存储存在于自上述移动体为规定范围内的障碍物的位置以及内部状态;
行进道路预测单元,基于从上述存储单元所读出的上述障碍物的位置以及内部状态来预测上述障碍物可能选取的行进道路,并在进行此预测之际对至少一个上述障碍物进行该障碍物可能选取的多条行进道路的概率上的预测;
行进道路干涉评价单元,在上述障碍物存在多个的情况下,求解上述行进道路预测单元所预测到的多个上述障碍物可能选取的行进道路之中不同的上述障碍物彼此相互干涉的行进道路,并使此相互干涉的行进道路之中已进行上述概率上的预测的行进道路的预测概率降低;以及
概率计算单元,计算包含由上述行进道路干涉评价单元使上述预测概率降低后的行进道路的上述多条行进道路的每个被实现的概率。
10.按照权利要求9记载的障碍物行进道路预测装置,其特征在于,还具备特定障碍物选择单元,用以选择满足规定条件的一个上述障碍物作为特定障碍物,
其中,上述行进道路预测单元包括:特定障碍物行进道路预测单元,进行上述特定障碍物可能选取的多条行进道路的概率上的预测;和一般障碍物行进道路预测单元,进行上述特定障碍物以外的上述障碍物可能选取的行进道路的预测,
上述行进道路干涉评价单元,在上述障碍物存在多个的情况下,使上述特定障碍物可能选取的多条行进道路之中的、与上述一般障碍物可能选取的行进道路之间在同一时间上的距离小于规定值的行进道路的预测概率降低,
上述概率计算单元,计算包含由上述行进道路干涉评价单元使上述预测概率降低后的行进道路的上述特定障碍物的多条行进道路的每个被实现的概率。
11.按照权利要求10记载的障碍物行进道路预测装置,其特征在于,
上述特定障碍物行进道路预测单元包括:
轨迹生成单元,基于上述障碍物的位置以及内部状态将上述特定障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;和
预测运算单元,通过利用上述轨迹生成单元所生成的轨迹来进行上述特定障碍物可能选取的行进道路的概率上的预测运算。
12.按照权利要求10或者11记载的障碍物行进道路预测装置,其特征在于,
上述一般障碍物行进道路预测单元,设上述一般障碍物的内部状态被保持来预测上述一般障碍物的行进道路。
13.按照权利要求10~12中任意一项记载的障碍物行进道路预测装置,其特征在于,还具备:
行进道路生成单元,基于上述移动体的位置以及内部状态而生成上述移动体的行进道路;和
冲突概率计算单元,计算上述行进道路生成单元所生成的上述移动体的行进道路与上述概率计算单元对每条行进道路计算出概率后的上述特定障碍物可能选取的多条行进道路的每个之间的冲突概率。
14.按照权利要求9记载的障碍物行进道路预测装置,其特征在于,
上述行进道路预测单元进行上述障碍物可能选取的多条行进道路的概率上的预测,
上述行进道路干涉评价单元,在上述障碍物存在多个的情况下,在多个上述障碍物可能选取的行进道路之中,使选取与不同的上述障碍物的行进道路之间在同一时间上的距离小于规定值的行进道路的概率降低,
上述概率计算单元计算包含由上述行进道路干涉评价单元使上述预测概率降低后的行进道路的多个上述障碍物的所有行进道路的每个被实现的概率。
15.按照权利要求14记载的障碍物行进道路预测装置,其特征在于,
上述行进道路预测单元包括:
轨迹生成单元,基于上述障碍物的位置以及内部状态将上述障碍物随着时间经过而可能选取的位置的变化作为由时间以及空间所构成的时空上的轨迹而生成;和
预测运算单元,通过利用上述轨迹生成单元所生成的轨迹来进行上述障碍物的行进道路的概率上的预测运算。
16.按照权利要求14或者15记载的障碍物行进道路预测装置,其特征在于,还具备:
行进道路生成单元,基于上述移动体的位置以及内部状态而生成上述移动体的行进道路;和
冲突概率计算单元,计算上述行进道路生成单元所生成的上述移动体的行进道路与上述概率计算单元对每条行进道路计算出概率后的上述障碍物可能选取的所有行进道路的每个之间的冲突概率。
17.一种障碍物行进道路预测程序,其特征在于,
使上述计算机执行权利要求1~8中任意一项记载的障碍物行进道路预测方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006305744A JP4062353B1 (ja) | 2006-11-10 | 2006-11-10 | 障害物進路予測方法、装置、およびプログラム |
JP305744/2006 | 2006-11-10 | ||
PCT/JP2007/071923 WO2008056806A1 (fr) | 2006-11-10 | 2007-11-12 | Procédé, dispositif et programme de prédiction de parcours d'obstacles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101536058A true CN101536058A (zh) | 2009-09-16 |
CN101536058B CN101536058B (zh) | 2011-02-02 |
Family
ID=39293988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007800412692A Active CN101536058B (zh) | 2006-11-10 | 2007-11-12 | 障碍物行进道路预测方法、装置以及程序 |
Country Status (5)
Country | Link |
---|---|
US (2) | US10065650B2 (zh) |
EP (1) | EP2093741B1 (zh) |
JP (1) | JP4062353B1 (zh) |
CN (1) | CN101536058B (zh) |
WO (1) | WO2008056806A1 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102598083A (zh) * | 2009-10-30 | 2012-07-18 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN106740475A (zh) * | 2016-12-26 | 2017-05-31 | 深圳市元征科技股份有限公司 | 车辆起步安全预警方法及装置 |
CN107851392A (zh) * | 2015-07-22 | 2018-03-27 | 本田技研工业株式会社 | 路径生成装置、路径生成方法及路径生成程序 |
CN108140316A (zh) * | 2015-09-30 | 2018-06-08 | 日产自动车株式会社 | 行驶控制方法及行驶控制装置 |
CN108592932A (zh) * | 2018-04-27 | 2018-09-28 | 平安科技(深圳)有限公司 | 一种无人车调度方法、系统、设备及存储介质 |
CN108657176A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 车辆控制方法、装置及相关计算机程序产品 |
CN108732588A (zh) * | 2017-04-21 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 一种雷达扫描装置、方法以及设备 |
CN109709961A (zh) * | 2018-12-28 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 道路障碍物检测方法、装置及自动驾驶汽车 |
CN110366744A (zh) * | 2017-03-31 | 2019-10-22 | 爱信艾达株式会社 | 驾驶支援系统 |
CN110389581A (zh) * | 2018-04-17 | 2019-10-29 | 百度(美国)有限责任公司 | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 |
CN110487288A (zh) * | 2018-05-14 | 2019-11-22 | 华为技术有限公司 | 一种行车道路的估计方法以及行车道路估计系统 |
CN110794823A (zh) * | 2018-07-17 | 2020-02-14 | 百度(美国)有限责任公司 | 预测自动驾驶车辆的对象移动的方法和系统 |
CN113661107A (zh) * | 2019-03-28 | 2021-11-16 | 日产自动车株式会社 | 行为预测方法、行为预测装置以及车辆控制装置 |
CN116691689A (zh) * | 2023-08-07 | 2023-09-05 | 山东海量信息技术研究院 | 一种车辆控制方法、系统、设备及计算机可读存储介质 |
Families Citing this family (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009271405A (ja) | 2008-05-09 | 2009-11-19 | Mitsumi Electric Co Ltd | カメラモジュール |
JP4623145B2 (ja) | 2008-06-16 | 2011-02-02 | トヨタ自動車株式会社 | 運転支援装置 |
JP5094658B2 (ja) * | 2008-09-19 | 2012-12-12 | 日立オートモティブシステムズ株式会社 | 走行環境認識装置 |
JP5077182B2 (ja) * | 2008-10-14 | 2012-11-21 | トヨタ自動車株式会社 | 車両進路予測装置 |
JP4614005B2 (ja) * | 2009-02-27 | 2011-01-19 | トヨタ自動車株式会社 | 移動軌跡生成装置 |
JP4939564B2 (ja) * | 2009-03-23 | 2012-05-30 | 本田技研工業株式会社 | 車両用情報提供装置 |
JP4957747B2 (ja) * | 2009-05-18 | 2012-06-20 | トヨタ自動車株式会社 | 車両環境推定装置 |
JP4957752B2 (ja) | 2009-06-12 | 2012-06-20 | トヨタ自動車株式会社 | 進路評価装置 |
JP2011014037A (ja) * | 2009-07-03 | 2011-01-20 | Fuji Heavy Ind Ltd | リスク予測システム |
EP2306433A1 (en) * | 2009-10-05 | 2011-04-06 | Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO | Collision avoidance system and method for a road vehicle and respective computer program product |
US8868325B2 (en) * | 2010-04-05 | 2014-10-21 | Toyota Jidosha Kabushiki Kaisha | Collision judgment apparatus for vehicle |
JP5607409B2 (ja) * | 2010-04-06 | 2014-10-15 | トヨタ自動車株式会社 | 対象物リスク予測装置 |
JP5472477B2 (ja) | 2010-10-05 | 2014-04-16 | トヨタ自動車株式会社 | 衝突判定装置 |
JP5648420B2 (ja) * | 2010-10-26 | 2015-01-07 | トヨタ自動車株式会社 | 危険度予測装置 |
US8466807B2 (en) * | 2011-06-01 | 2013-06-18 | GM Global Technology Operations LLC | Fast collision detection technique for connected autonomous and manual vehicles |
US20140236462A1 (en) * | 2011-12-29 | 2014-08-21 | Jennifer Healey | Navigation systems that enhance driver awareness |
US8457827B1 (en) * | 2012-03-15 | 2013-06-04 | Google Inc. | Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles |
WO2014083649A1 (ja) * | 2012-11-29 | 2014-06-05 | トヨタ自動車 株式会社 | 運転支援装置及び運転支援方法 |
CA2814599A1 (en) * | 2013-04-29 | 2014-10-29 | Fieldstone Land Management Inc. | Method and apparatus for tangible effect calculation and compensation |
US10740703B2 (en) * | 2013-04-29 | 2020-08-11 | Verge Technologies Inc. | Method and system for determining optimized travel path for agricultural implement on land with obstacle |
US9250324B2 (en) * | 2013-05-23 | 2016-02-02 | GM Global Technology Operations LLC | Probabilistic target selection and threat assessment method and application to intersection collision alert system |
DE102013013865B3 (de) * | 2013-08-20 | 2015-02-26 | Audi Ag | Verfahren zum Betrieb eines Kraftfahrzeugs mit einem Sicherheitssystem und einem vollautomatischen Fahrerassistenzsystem und Kraftfahrzeug |
WO2017002258A1 (ja) * | 2015-07-02 | 2017-01-05 | 三菱電機株式会社 | 経路予測装置 |
US10493907B2 (en) | 2015-07-31 | 2019-12-03 | Hitachi Automotive Systems, Ltd. | Vehicle periphery information management device |
US9691151B1 (en) * | 2015-08-25 | 2017-06-27 | X Development Llc | Using observations from one or more robots to generate a spatio-temporal model that defines pose values for a plurality of objects in an environment |
DE102016009760A1 (de) * | 2016-08-11 | 2018-02-15 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum Führen eines Kraftfahrzeugs entlang eines Pfades |
US20180052470A1 (en) * | 2016-08-18 | 2018-02-22 | GM Global Technology Operations LLC | Obstacle Avoidance Co-Pilot For Autonomous Vehicles |
WO2018096644A1 (ja) * | 2016-11-25 | 2018-05-31 | 本田技研工業株式会社 | 車両用表示制御装置、車両用表示制御方法、および車両用表示制御プログラム |
US10627812B2 (en) * | 2017-02-14 | 2020-04-21 | Honda Research Institute Europe Gmbh | Risk based driver assistance for approaching intersections of limited visibility |
US11364899B2 (en) | 2017-06-02 | 2022-06-21 | Toyota Motor Europe | Driving assistance method and system |
US20180362047A1 (en) | 2017-06-19 | 2018-12-20 | Panasonic Intellectual Property Corporation Of America | Information processing device and recording medium |
US10754341B2 (en) * | 2018-02-07 | 2020-08-25 | Baidu Usa Llc | Systems and methods for accelerated curve projection |
JP2020024561A (ja) * | 2018-08-07 | 2020-02-13 | 本田技研工業株式会社 | 表示装置、表示制御方法、およびプログラム |
US11126186B2 (en) | 2018-09-15 | 2021-09-21 | Toyota Research Institute, Inc. | Systems and methods for predicting the trajectory of a road agent external to a vehicle |
JP7115184B2 (ja) | 2018-09-26 | 2022-08-09 | トヨタ自動車株式会社 | 自動運転システム |
US11195418B1 (en) | 2018-10-04 | 2021-12-07 | Zoox, Inc. | Trajectory prediction on top-down scenes and associated model |
US11169531B2 (en) * | 2018-10-04 | 2021-11-09 | Zoox, Inc. | Trajectory prediction on top-down scenes |
JP7205154B2 (ja) | 2018-10-16 | 2023-01-17 | トヨタ自動車株式会社 | 表示装置 |
US11194331B2 (en) * | 2018-10-30 | 2021-12-07 | The Regents Of The University Of Michigan | Unsupervised classification of encountering scenarios using connected vehicle datasets |
CN109544993A (zh) * | 2019-01-08 | 2019-03-29 | 吉林大学 | 一种智能车辆右转弯防碰撞三级预警系统及预警方法 |
CN109885943B (zh) * | 2019-02-26 | 2023-05-16 | 百度在线网络技术(北京)有限公司 | 行车决策的预测方法、装置、存储介质和终端设备 |
EP3761137B1 (en) * | 2019-07-01 | 2021-08-04 | Fujitsu Limited | Instructing autonomous objects |
CN114080634B (zh) * | 2019-07-03 | 2024-04-26 | 伟摩有限责任公司 | 使用锚定轨迹的代理轨迹预测 |
JP7205444B2 (ja) | 2019-11-13 | 2023-01-17 | トヨタ自動車株式会社 | 運転支援装置 |
CN111488419B (zh) * | 2020-03-30 | 2023-11-03 | 中移(杭州)信息技术有限公司 | 室内机器人地图的创建方法、装置、电子设备和存储介质 |
JP7264103B2 (ja) | 2020-04-21 | 2023-04-25 | トヨタ自動車株式会社 | 車両制御システム及び車両制御方法 |
CN111595352B (zh) * | 2020-05-14 | 2021-09-28 | 陕西重型汽车有限公司 | 一种基于环境感知和车辆行驶意图的轨迹预测方法 |
CN111951552B (zh) * | 2020-08-11 | 2021-10-15 | 腾讯科技(深圳)有限公司 | 一种自动驾驶中风险管理的方法以及相关装置 |
KR102490011B1 (ko) * | 2022-07-19 | 2023-01-19 | 주식회사 라이드플럭스 | 로드 유저 예측 기반 자율주행 차량의 주행 계획 결정방법, 장치 및 컴퓨터프로그램 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5111401A (en) * | 1990-05-19 | 1992-05-05 | The United States Of America As Represented By The Secretary Of The Navy | Navigational control system for an autonomous vehicle |
JP2799375B2 (ja) | 1993-09-30 | 1998-09-17 | 本田技研工業株式会社 | 衝突防止装置 |
US7202776B2 (en) * | 1997-10-22 | 2007-04-10 | Intelligent Technologies International, Inc. | Method and system for detecting objects external to a vehicle |
KR100208806B1 (ko) * | 1996-12-12 | 1999-07-15 | 윤종용 | 차량의 진행을 예측하여 안내하는 방법 |
JP4066573B2 (ja) * | 1999-09-22 | 2008-03-26 | 株式会社デンソー | 先行車選択装置、車間制御装置及び記録媒体 |
JP2001148098A (ja) | 1999-11-24 | 2001-05-29 | Oki Electric Ind Co Ltd | 車両の走行支援装置 |
JP2003081037A (ja) | 2001-09-14 | 2003-03-19 | Toshiba Corp | 交通事故防止装置 |
JP3896852B2 (ja) | 2002-01-16 | 2007-03-22 | 株式会社デンソー | 車両用衝突被害軽減装置 |
DE10257842A1 (de) * | 2002-05-07 | 2003-11-27 | Bosch Gmbh Robert | Verfahren zur Bestimmung einer Unfallgefahr eines ersten Objekts mit wenigstens einem zweiten Objekt |
US6820006B2 (en) * | 2002-07-30 | 2004-11-16 | The Aerospace Corporation | Vehicular trajectory collision conflict prediction method |
JP4055656B2 (ja) * | 2003-05-30 | 2008-03-05 | トヨタ自動車株式会社 | 衝突予測装置 |
JP4052650B2 (ja) * | 2004-01-23 | 2008-02-27 | 株式会社東芝 | 障害物検出装置、方法及びプログラム |
US7447593B2 (en) * | 2004-03-26 | 2008-11-04 | Raytheon Company | System and method for adaptive path planning |
DE102004038734A1 (de) * | 2004-08-10 | 2006-02-23 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Auslösung einer Notbremsung |
JP2006085285A (ja) * | 2004-09-14 | 2006-03-30 | Matsushita Electric Ind Co Ltd | 危険車両予測装置 |
JP2006248361A (ja) * | 2005-03-10 | 2006-09-21 | Advics:Kk | 車両用走行支援装置 |
JP4517972B2 (ja) * | 2005-08-02 | 2010-08-04 | 日産自動車株式会社 | 障害物判断装置及び方法 |
FR2889882B1 (fr) * | 2005-08-19 | 2009-09-25 | Renault Sas | Procede et systeme de prediction de choc entre un vehicule et un pieton. |
-
2006
- 2006-11-10 JP JP2006305744A patent/JP4062353B1/ja active Active
-
2007
- 2007-11-12 CN CN2007800412692A patent/CN101536058B/zh active Active
- 2007-11-12 US US12/312,195 patent/US10065650B2/en active Active
- 2007-11-12 WO PCT/JP2007/071923 patent/WO2008056806A1/ja active Application Filing
- 2007-11-12 EP EP07831653A patent/EP2093741B1/en active Active
-
2018
- 2018-07-31 US US16/050,716 patent/US10960891B2/en active Active
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102598083B (zh) * | 2009-10-30 | 2015-04-22 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN102598083A (zh) * | 2009-10-30 | 2012-07-18 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN107851392B (zh) * | 2015-07-22 | 2021-04-09 | 本田技研工业株式会社 | 路径生成装置、路径生成方法及存储路径生成程序的介质 |
CN107851392A (zh) * | 2015-07-22 | 2018-03-27 | 本田技研工业株式会社 | 路径生成装置、路径生成方法及路径生成程序 |
CN108140316A (zh) * | 2015-09-30 | 2018-06-08 | 日产自动车株式会社 | 行驶控制方法及行驶控制装置 |
CN106740475A (zh) * | 2016-12-26 | 2017-05-31 | 深圳市元征科技股份有限公司 | 车辆起步安全预警方法及装置 |
CN110366744A (zh) * | 2017-03-31 | 2019-10-22 | 爱信艾达株式会社 | 驾驶支援系统 |
CN108657176A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 车辆控制方法、装置及相关计算机程序产品 |
CN108732588A (zh) * | 2017-04-21 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 一种雷达扫描装置、方法以及设备 |
CN108732588B (zh) * | 2017-04-21 | 2020-12-18 | 百度在线网络技术(北京)有限公司 | 一种雷达扫描装置、方法以及设备 |
CN110389581B (zh) * | 2018-04-17 | 2022-07-19 | 百度(美国)有限责任公司 | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 |
CN110389581A (zh) * | 2018-04-17 | 2019-10-29 | 百度(美国)有限责任公司 | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 |
US11378961B2 (en) | 2018-04-17 | 2022-07-05 | Baidu Usa Llc | Method for generating prediction trajectories of obstacles for autonomous driving vehicles |
CN108592932A (zh) * | 2018-04-27 | 2018-09-28 | 平安科技(深圳)有限公司 | 一种无人车调度方法、系统、设备及存储介质 |
CN110487288A (zh) * | 2018-05-14 | 2019-11-22 | 华为技术有限公司 | 一种行车道路的估计方法以及行车道路估计系统 |
CN110487288B (zh) * | 2018-05-14 | 2024-03-01 | 华为技术有限公司 | 一种行车道路的估计方法以及行车道路估计系统 |
CN110794823A (zh) * | 2018-07-17 | 2020-02-14 | 百度(美国)有限责任公司 | 预测自动驾驶车辆的对象移动的方法和系统 |
CN109709961B (zh) * | 2018-12-28 | 2021-12-07 | 百度在线网络技术(北京)有限公司 | 道路障碍物检测方法、装置及自动驾驶汽车 |
CN109709961A (zh) * | 2018-12-28 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 道路障碍物检测方法、装置及自动驾驶汽车 |
CN113661107A (zh) * | 2019-03-28 | 2021-11-16 | 日产自动车株式会社 | 行为预测方法、行为预测装置以及车辆控制装置 |
CN113661107B (zh) * | 2019-03-28 | 2022-05-31 | 日产自动车株式会社 | 行为预测方法、行为预测装置以及车辆控制装置 |
CN116691689A (zh) * | 2023-08-07 | 2023-09-05 | 山东海量信息技术研究院 | 一种车辆控制方法、系统、设备及计算机可读存储介质 |
CN116691689B (zh) * | 2023-08-07 | 2024-01-12 | 山东海量信息技术研究院 | 一种车辆控制方法、系统、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2093741A4 (en) | 2011-01-12 |
US10960891B2 (en) | 2021-03-30 |
JP4062353B1 (ja) | 2008-03-19 |
EP2093741A1 (en) | 2009-08-26 |
JP2008123217A (ja) | 2008-05-29 |
CN101536058B (zh) | 2011-02-02 |
US20100063735A1 (en) | 2010-03-11 |
WO2008056806A1 (fr) | 2008-05-15 |
EP2093741B1 (en) | 2012-12-26 |
US20180334172A1 (en) | 2018-11-22 |
US10065650B2 (en) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101536058B (zh) | 障碍物行进道路预测方法、装置以及程序 | |
US11662733B2 (en) | Trajectory setting device and trajectory setting method | |
US10981564B2 (en) | Vehicle path planning | |
CN111670468B (zh) | 移动体行为预测装置以及移动体行为预测方法 | |
RU2681984C1 (ru) | Система и способ определения траектории для транспортного средства | |
EP3091370B1 (en) | Method and arrangement for determining safe vehicle trajectories | |
CN102576494B (zh) | 公路车辆的防撞系统与方法及相关计算机程序产品 | |
EP3064411A1 (en) | Travel control device | |
US20200341474A1 (en) | Method and device for generating an autonomous driving trajectory of a vehicle | |
CN107010053A (zh) | 用于选择优化轨迹的方法 | |
CN106608264A (zh) | 提高汽车交叉口转向辅助特征性能的方法 | |
RU2760046C1 (ru) | Способ помощи при вождении и устройство помощи при вождении | |
CN107339997A (zh) | 自主车辆的路径规划装置及方法 | |
US11731661B2 (en) | Systems and methods for imminent collision avoidance | |
Wei et al. | Game theoretic merging behavior control for autonomous vehicle at highway on-ramp | |
Tomar et al. | Neural network based lane change trajectory prediction in autonomous vehicles | |
EP3447449B1 (en) | Host vehicle position confidence degree calculation device | |
CN112512885A (zh) | 一种辅助驾驶方法、装置和汽车 | |
JP4900076B2 (ja) | 車両走行支援装置 | |
CN117413233A (zh) | 轨道计划装置 | |
EP4386448A1 (en) | Drivable path determination for a vehicle | |
WO2022064877A1 (ja) | 情報処理装置、情報処理システム、および方法、並びにプログラム | |
Lueke et al. | An Assistance System for Construction-Sites | |
Glasky | Critical Zone Calculation for Automated Vehicles Using Model Predictive Control | |
Obot | CRITICAL ZONE CALCULATION FOR AUTOMATED VEHICLES USING MODEL PREDICTIVE CONTROL |
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 |