CN104584097B - 物体检测装置和驾驶辅助装置 - Google Patents
物体检测装置和驾驶辅助装置 Download PDFInfo
- Publication number
- CN104584097B CN104584097B CN201280075207.4A CN201280075207A CN104584097B CN 104584097 B CN104584097 B CN 104584097B CN 201280075207 A CN201280075207 A CN 201280075207A CN 104584097 B CN104584097 B CN 104584097B
- Authority
- CN
- China
- Prior art keywords
- datum mark
- target object
- mobile message
- mobile
- movement
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 123
- 238000012360 testing method Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 description 85
- 239000013598 vector Substances 0.000 description 80
- 238000012545 processing Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 15
- 238000013316 zoning Methods 0.000 description 15
- 230000003068 static effect Effects 0.000 description 11
- 230000004069 differentiation Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 230000000116 mitigating effect Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000005039 memory span Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 210000000162 simple eye Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/10—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of camera system used
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明的课题在于,提供一种能够得到对象物体的高精度的移动信息的物体检测装置和驾驶辅助装置。本发明是一种从预定的搭载位置(车辆等)检测对象物体的物体检测装置,从预定的搭载位置进行物体检测,在检测到对象物体的情况下取得该对象物体的位置,取得在对象物体的位置周边存在的固定物的特征量来检测固定物的位置,将该固定物的位置设定为基准点,以该基准点为基准,根据对象物体的位置算出对象物体的移动信息。
Description
技术领域
本发明涉及从自身车辆等检测对象物体的物体检测装置和基于该物体检测装置的检测结果来进行自身车辆与对象物体的防撞辅助的驾驶辅助装置。
背景技术
为了在自身车辆与对象物体(例如,步行者、其他车辆)的碰撞判定等中加以利用,需要从正在行驶的自身车辆高精度地检测对象物体。在这样的物体检测中,判别物体是步行者等移动物体还是电线杆等静止物体是重要的。为了进行这样的判别,利用由雷达传感器和/或图像传感器等检测到的物体的移动信息(例如,移动速度、移动矢量、移动量)。在专利文献1所记载的装置中,取得存在于自身车辆的行进道路的前方的物体的横向移动速度,将该横向移动速度与阈值进行比较来判断物体是否有可能侵入到自身车辆的行进道路。在专利文献2所记载的装置中,利用雷达检测自身车辆的行进道路上的物体,将从由雷达检测到的物体的表观上的移动速度减去自身车辆的移动速度而得到的速度作为物体的移动速度,将该移动速度与阈值进行比较来判断是否是移动物体。另外,在专利文献3所记载的装置中,以图像中的特征量显著的静止物体为基准,通过将该静止物体的基准轨迹与从图像检测到的物体的轨迹进行对比来判别物体是否是移动物体。
现有技术文献
专利文献1:日本特开平10-105891号公报
专利文献2:日本特开2000-247207号公报
专利文献3:日本特开2008-146185号公报
发明内容
发明要解决的问题
当检测到的物体存在于距自身车辆比较远的位置,而自身车辆产生了细微的偏向时,该细微的偏向量会掺入对象物体的移动量而求解,有时会将静止物体误判定为移动物体,或者将移动物体误判定为静止物体。例如,在物体存在于前方30m的情况下,该物体的横向的移动量20cm相当于车辆偏向大约0.4deg,但在作为车载而量产的横摆率传感器中难以检测出这样的细微的偏向,所以难以准确地抵消该细微的偏向量。距物体的距离越长,则相对于车辆的偏向量的物体的表观上的移动量越大,所以无法高精度地得到物体的移动量。其结果,无法高精度地判别对象物体是移动物体还是静止物体。在专利文献1所记载的装置的情况下,所检测到的物体越远离自身车辆,则越会在包含由自身车辆的细微的偏向引起的误差的状态下取得横向移动速度,越无法得到高精度的横向移动速度。另外,在专利文献2所记载的装置的情况下,所检测到的物体越远离自身车辆,则检测到的物体的表观上的移动速度越包含由自身车辆的细微的偏向引起的误差,物体的移动速度的精度越降低。另外,在专利文献3所记载的装置的情况下,由于将图像中的特征量显著的物体检测为静止物体,所以,在例如在周边存在以低微速移动的具有一定以上的大小的物体(车辆等)的情况下,有可能将该物体检测为静止物体,该以微低速移动的物体会成为基准,所以是否是移动物体的判别精度降低。
因此,本发明的课题在于,提供一种能够得到对象物体的高精度的移动信息的物体检测装置和驾驶辅助装置。
用于解决问题的手段
本发明的物体检测装置,从预定的搭载位置检测对象物体,其特征在于,具备:物体检测部,其从预定的搭载位置进行物体检测,在检测到对象物体的情况下取得该对象物体的位置;特征量取得部,其在由物体检测部检测到对象物体的情况下,从预定的搭载位置取得由物体检测部检测到的对象物体的位置周边的路面上的特征量;基准点设定部,其基于由特征量取得部取得的路面上的特征量,在路面上设定基准点;以及移动信息算出部,其在由物体检测部检测到对象物体的情况下,将由基准点设定部设定的基准点作为基准,根据由物体检测部取得的对象物体的位置算出对象物体的移动信息。
在该物体检测装置中,由物体检测部从预定的搭载位置进行物体检测,在检测到对象物体的情况下取得该对象物体的位置(相对于预定的搭载位置的相对位置)。作为预定的搭载位置,例如有车辆、车辆以外的移动体、构造物、道路上。在由物体检测部检测到对象物体的情况下,在物体检测装置中,由特征量取得部取得该对象物体的位置周边的路面上的特征量。然后,在物体检测装置中,由基准点设定部基于该路面上的特征量而在路面上设定基准点。该基准点是始终静止的点(不移动的点)。因此,以微低速移动的物体不会被误识别为固定物而成为基准点。在物体检测装置中,由移动信息算出部将该基准点作为基准,根据对象物体的位置算出对象物体的移动信息(例如,移动矢量、移动量、移动速度)。该对象物体的移动信息不是以预定的搭载位置为基准的信息,而是以始终静止的点为基准的信息。因此,该移动信息不会受到车辆等预定的搭载位置的移动的影响,即使该预定的搭载位置偏向,也不会受到该偏向的影响。这样,该物体检测装置通过将固定物的位置设定为基准点来算出对象物体的移动信息,能够得到对象物体的高精度的移动信息。通过使用该高精度的移动信息,能够高精度地判别物体是移动物体还是静止物体。
在本发明的上述物体检测装置中,优选,在由物体检测部检测到对象物体的情况下,移动信息算出部将由基准点设定部设定的基准点作为基准,根据由物体检测部在不同的定时取得的对象物体的位置的变化算出对象物体的移动信息。这样,能够将基准点(固定物的位置)作为基准,根据在不同的定时取得的对象物体的各位置的变化算出对象物体的移动信息,该移动信息不受预定的搭载位置的移动的影响。
在特征量取得部中,取得对象物体的位置周边的路面上的特征量。作为该特征量,例如有路面上的辉度斜度。然后,在基准点设定部中,基于该特征量在路面上设定基准点。该基准点是道路的路面上的点,所以是始终静止的点。这样,该物体检测装置通过基于路面上的特征量将路面上的点设定为基准点,能够将在道路上始终静止的点设定为基准点。
在本发明的上述物体检测装置中,可以构成为,特征量取得部在由物体检测部检测到的对象物体的位置周边,取得与在道路上或路边上设置的固定物的图案信息相匹配的图案,基准点设定部将具有由特征量取得部取得的图案的固定物的位置设定为基准点。
在特征量取得部中,在对象物体的位置周边,使用在道路上或路边上设置的固定物的图案信息进行图案匹配,取得与该图案信息相匹配的图案。作为在道路上或路边上设置的固定物,是具有在道路上和/或路边上能够识别的图案信息的固定物,例如有交通标识、信号机。作为该固定物的图案信息,例如有描绘在交通标识内的数字、符号、文字、图样等图案信息、交通标识的外形的图案信息。然后,在基准点设定部中,将具有该取得的图案的固定物的位置设定为基准点。该基准点是在道路上或路边上设置的固定物的位置,所以是始终静止的点。这样,该物体检测装置通过基于在道路上或路边上设置的固定物的图案信息而将在道路上或路边上设置的固定物的位置设定为基准点,能够将在道路上或路边上始终静止的点设定为基准点。
在本发明的上述物体检测装置中,可以构成为,特征量取得部在由物体检测部检测到的对象物体的位置周边,取得处于尺寸阈值范围内的固定物的尺寸,该尺寸阈值范围是根据在道路上或路边上设置的固定物的尺寸信息而设定的范围,基准点设定部将由特征量取得部取得的尺寸的固定物的位置设定为基准点。
在特征量取得部中,在对象物体的位置周边,基于根据在道路上或路边上设置的固定物的尺寸信息而设定的尺寸阈值范围来进行尺寸判定,取得处于该尺寸阈值范围内的物体的尺寸。作为在道路上或路边上设置的固定物,是具有与步行者、车辆等对象物体明显不同的尺寸信息的固定物,例如有电线杆、支柱。然后,在基准点设定部中,将该取得的尺寸的固定物的位置设定为基准点。该基准点是在道路上或路边上设置的固定物的位置,所以是始终静止的点。这样,该物体检测装置通过基于在道路上或路边上设置的固定物的尺寸信息而将在道路上或路边上设置的固定物的位置设定为基准点,能够将在道路上或路边上始终静止的点设定为基准点。
在本发明的上述物体检测装置中,移动信息算出部基于由基准点设定部设定的基准点与由物体检测部上次取得的对象物体的位置的相对信息、以及由基准点设定部设定的基准点与由物体检测部本次取得的对象物体的位置的相对信息,算出对象物体的移动信息。
在移动信息算出部中,算出基准点与对象物体的上次位置的相对信息(例如,相对于基准点的相对矢量和/或相对位置),并且算出基准点与对象物体的本次位置的相对信息。这些相对信息不是以预定的搭载位置为基准的相对信息,而是以固定物的位置为基准的相对信息,所以不包含预定的搭载位置的移动量。然后,在移动信息算出部中,基于这2个相对信息算出对象物体的从上次位置向本次位置的移动信息。这样,能够以基准点为基准而根据对象物体的各位置算出对象物体的移动信息,该移动信息不受预定的搭载位置的移动的影响。
在本发明的上述物体检测装置中,优选,基准点设定部从如下的横向的位置周边设定基准点,该横向的位置周边是从由物体检测部取得的对象物体的横向的位置向横向的移动方向侧加上由物体检测部检测到的对象物体的横向的移动量的0倍以上且1倍以下的移动量而得到的横向的位置周边。
当假定由物体检测部检测到的对象物体持续同样的移动时,能够使用检测到的信息来预测对象物体的下次的横向的移动量。因此,在基准点设定部中,利用该预测的横向的移动量,从如下的横向位置周边设定下次的基准点,该横向位置周边是从对象物体的横向的位置向横向移动方向侧加上该横向的移动量的0倍以上且1倍以下的移动量而得到的横向位置周边。由于向对象物体的本次的横向位置加上0倍以上且1倍以下的横向移动量,所以该设定的基准点的横向位置位于对象物体的本次的横向位置与下次的预测横向位置之间。通过这样预先决定下次的基准点(特别是横向位置),能够锁定用于设定基准点的处理区域,能够减小处理负荷和/或存储器量。
在本发明的上述物体检测装置中,优选,基准点设定部从如下的距离方向的位置周边设定基准点,该距离方向的位置周边是从由物体检测部取得的对象物体的距离方向的位置向距离方向的预定的搭载位置侧加上由物体检测部检测到的对象物体的距离方向的移动量的1倍以上且2倍以下的移动量而得到的距离方向的位置周边。
当假定由物体检测部检测到的对象物体持续同样的移动时,能够使用检测到的信息来预测对象物体的下次的距离方向(进深方向)的移动量。因此,在基准点设定部中,利用该预测的距离方向的移动量,从如下的距离位置周边设定下次的基准点,该距离方向的位置周边是从对象物体的距离方向的位置向预定的搭载位置侧(跟前侧)加上该距离方向的移动量的1倍以上且2倍以下的移动量而得到的距离位置周边。由于向对象物体的本次的距离位置加上1倍以上且2倍以下的距离移动量,所以该设定的基准点的距离位置位于比对象物体的下次的预测距离位置靠预定的搭载位置侧。通过这样预先决定下次的基准点(特别是距离位置),能够锁定用于设定基准点的处理区域,能够减小处理负荷和/或存储器量。进而,即使对象物体向预定的搭载位置侧移动,由于基准点比对象物体的下次的预测距离位置靠预定的搭载位置侧(跟前侧),所以基准点也不会隐藏于对象物体。
在本发明的上述物体检测装置中,优选,具备移动信息取得部,该移动信息取得部取得预定的搭载位置的移动信息,基准点设定部从基于由移动信息取得部取得的移动信息使设定的基准点移动后的位置周边设定新的基准点。
由物体检测部取得的对象物体的位置(表观上的位置)是向对象物体的移动量加上预定的搭载位置的移动量而得到的位置。在使用由移动信息算出部算出的对象物体的移动信息而设定了基准点的情况下,由于由移动信息算出部算出的移动物体的移动信息不包含预定的搭载位置的移动信息,所以该设定的基准点未掺入预定的搭载位置的移动量。因此,在算出由物体检测部新取得的对象物体的位置与基准点的相对信息的情况下,基准点也需要考虑预定的搭载位置的移动信息而移动。因此,基准点设定部从使设定的基准点基于预定的搭载位置的移动信息而移动后的位置周边设定新的基准点。这样,由于从自设定的基准点以预定的搭载位置的移动信息而移动后的位置周边设定新的基准点,所以能够锁定用于设定基准点的处理区域,能够减小处理负荷和/或存储器量。
在本发明的上述物体检测装置中,具备判别部,该判别部基于由移动信息算出部算出的移动信息,判别由物体检测部检测到的对象物体是移动物体还是静止物体。在物体检测装置中,通过在判别时使用高精度地算出的移动信息,能够高精度地判别对象物体是移动物体还是静止物体。
本发明的驾驶辅助装置,进行自身车辆与对象物体的防撞辅助,其特征在于,搭载有上述的任一物体检测装置,基于物体检测装置的检测结果来进行防撞辅助。
在上述物体检测装置中,能够取得对象物体的高精度的移动信息,通过使用该高精度的移动信息,能够高精度地判别对象物体是移动物体还是静止物体。因此,在驾驶辅助装置中,通过使用物体检测装置的检测结果(高精度的对象物体的移动信息、高精度的移动物体/静止物体的判别结果等),能够高精度地进行自身车辆与对象物体的防撞辅助。
发明效果
根据本发明,通过将固定物的位置设定为基准点来算出对象物体的移动信息,能够得到对象物体的高精度的移动信息。
附图说明
图1是本实施方式的碰撞预测装置的结构图。
图2是使用了路面上的基准点的移动量算出方法的说明图。
图3是利用了横向移动量的基准点的设定方法的说明图。
图4是利用了距离移动量的基准点的设定方法的说明图。
图5是在图1的系统ECU中进行的利用了移动量的基准点的设定处理的说明图。
图6是在图1的系统ECU中进行的基准点的移动处理的说明图。
图7是在图1的系统ECU中进行的碰撞判定处理的说明图。
图8是示出本实施方式的碰撞预测装置中的动作的流程的流程图。
图9是其他的基准点的设定方法的说明图,(a)是交通标识被设定为基准点的情况,(b)是电线杆被设定为基准点的情况。
具体实施方式
以下,参照附图,对本发明的物体检测装置和驾驶辅助装置的实施方式进行说明。此外,在各图中,对相同或相当的要素标注相同的标号,省略重复的说明。
在本实施方式中,将本发明的物体检测装置和驾驶辅助装置应用于车辆所搭载的碰撞预测装置。本实施方式的碰撞预测装置通过立体相机来检测对象物体,进行对象物体与自身车辆的碰撞判定,在有可能碰撞的情况下进行用于防撞和/或减轻碰撞受害的辅助。特别是,本实施方式的碰撞预测装置算出对象物体的移动量,基于对象物体的移动量来判定对象物体是移动物体还是静止物体,根据移动物体/静止物体来设定碰撞判定的阈值。此外,对象物体包括移动物体和静止物体。移动物体例如有步行者、自行车、车辆。静止物体例如有电线杆、交通标识。
参照图1~图7,对本实施方式的碰撞预测装置1进行说明。图1是本实施方式的碰撞预测装置的结构图。图2是使用了路面上的基准点的移动矢量算出方法的说明图。图3是利用了横向移动量的基准点的设定方法的说明图。图4是利用了距离移动量的基准点的设定方法的说明图。图5是在系统ECU中进行的利用了移动量的基准点的设定处理的说明图。图6是在系统ECU中进行的基准点的移动处理的说明图。图7是在系统ECU中进行的碰撞判定处理的说明图。
碰撞预测装置1为了高精度地算出对象物体的移动量(移动矢量),将对象物体的位置周边的路面上的特征量大的特征点设定为基准点,使用自基准点起的对象物体的上次和本次的相对矢量来算出移动矢量(移动矢量包括移动量和移动方向)。进而,碰撞预测装置1在算出上次的相对矢量的情况下,利用对象物体的移动量来设定基准点,根据该设定的基准点和对象物体的上次位置来算出相对矢量。另外,碰撞预测装置1在算出本次的相对矢量的情况下,根据自身车辆的移动信息使基准点从上次设定的基准点移动,根据该移动后的新的基准点和对象物体的本次位置来算出相对矢量。
在对碰撞预测装置1的结构进行具体说明之前,参照图2,对对象物体的移动矢量的算出方法进行说明。将图2中的位置Pt1设为在上次时间t1检测到的对象物体(步行者)的位置,将位置Pt2设为在本次时间(当前时刻)t2检测到的对象物体的位置。在该对象物体的位置Pt1、Pt2周边的路面上设定基准点S。设定基准点的位置Pt1、Pt2的周边,在横向上处于位置Pt1的横向的位置(横向位置)与位置Pt2的横向位置之间,在距离方向(进深方向)上比位置Pt1、Pt2中的跟前侧(自身车辆V侧)的位置靠跟前侧。对于基准点S,从自立体相机的拍摄图像抽出的路面上的特征点中选择特征量大的点,例如,选择通过针对对象物体周边图像的各像素的边缘处理得到的辉度斜度(特征量)大的点,是描绘在路面上的白线的交界和/或道路的连接处。然后,通过从基准点S观察到的上次时间t1的位置Pt1的相对矢量RVt1和从基准点S观察到的本次时间t2的位置Pt2的相对矢量RVt2,得到从位置Pt1向位置Pt2的移动矢量MV。也可以不是相对矢量而是自基准点S起的相对位置。移动矢量MV的大小是对象物体的一定时间内的移动量,方向是对象物体的一定时间内的移动方向。每一定时间算出的时间序列的移动矢量MV成为对象物体的轨迹。
这样,由于设定路面上的特征点作为基准点,所以基准点是始终静止的不动点。由于求出相对于该基准点(路面上的点)的对象物体的相对矢量,所以相对矢量不包含自身车辆的移动信息。因此,根据该相对矢量求出的移动矢量(移动量)不受自身车辆的移动的影响,即使自身车辆偏向,也不受该偏向的影响。
另外,参照图3,对利用了横向移动量的基准点的设定方法进行说明。在图3中,为了使得说明容易理解,示出了对象物体从自身车辆观察在正横向上移动的情况。将图3中的位置Pt1设为在上次时间t1检测到的对象物体的位置,将位置Pt2设为在本次时间t2检测到的对象物体的位置。假设对象物体下次也按照与上次位置Pt1和本次位置Pt2之间的移动矢量MV相同的移动矢量MV’移动。位置Pt3’是下次的预测位置。上次位置Pt1与本次位置Pt2的横向的差量(移动矢量MV的横向的大小)成为横向移动量MW。从自位置Pt2向对象物体的横向移动方向侧加上该横向移动量MW的一半(1/2倍)的横向移动量MW/2而得到的位置周边设定基准点Sp的横向的位置。通过这样将距位置Pt2横向移动量MW/2的横向位置周边优先设为基准点,该基准点的横向位置切实地处于位置Pt2的横向位置与下次的横向位置之间。
另外,参照图4,对利用了距离移动量的基准点的设定方法进行说明。在图4中,为了使得说明容易理解,示出了对象物体向跟前侧(自身车辆侧)移动的情况。将图4中的位置Pt1设为在上次时间t1检测到的对象物体的位置,将位置Pt2设为在本次时间t2检测到的对象物体的位置。假设对象物体下次也按照与上次位置Pt1和本次位置Pt2之间的移动矢量MV相同的移动矢量MV’移动。位置Pt3’是下次的预测位置。上次位置Pt1与本次位置Pt2的距离方向(进深方向)的差量(移动矢量MV的距离方向的大小)成为距离移动量MD。从自位置Pt2向跟前侧加上该距离移动量MD的2倍的距离移动量2×MD而得到的位置周边设定基准点Sp的距离方向的位置。通过这样将距位置Pt2距离移动量2×MD的距离位置周边优先设为基准点,该基准点的距离位置切实地位于位置Pt2和下次的位置的跟前侧。
将利用了该横向移动量的基准点的设定和利用了距离移动量的基准点的设定进行组合来设定下次的基准点。当设定下次的基准点后,算出从该设定的基准点观察到的位置Pt2(在下次处理中成为上次位置)的相对矢量。该相对矢量在下次处理中被用作上次位置的相对矢量,用于算出移动矢量。
由于自身车辆正在行驶,所以即使是路面上的相同特征点,在经过1步骤时间的期间,也会在自身车辆的处理中所使用的坐标系上根据自身车辆的移动而移动。因此,在如上所述在上次的处理中在自身车辆的处理中所使用的坐标系上设定了基准点的情况下,成为了该设定的基准点的路面上的特征点,在经过1步骤时间后的下次处理中,在自身车辆的处理中所使用的坐标系上移动。但是,在自身车辆处于停止的情况下,上述特征点在自身车辆的处理中所使用的坐标系上处于相同位置。因此,在该下次处理中,使在上次处理中设定的基准点根据经过1步骤时间的期间的自身车辆的移动信息(通过自身车速、横摆率等算出的移动量)而在自身车辆的处理中所使用的坐标系上移动。此时,在移动后的周边,使用成为了基准点的路面上的特征点的图像特征图案(例如,以特征点为中心的各像素的辉度值和/或特征量)来进行图案匹配,探索相匹配的图像图案,将匹配后的点决定为基准点。当这样决定基准点后,算出从该决定的基准点观察到的对象物体的位置的相对矢量。使用该相对矢量和在上次处理中算出的相对矢量,算出该1步骤时间内的对象物体的移动矢量(移动量)。
接着,对碰撞预测装置1的具体结构进行说明。碰撞预测装置1具备立体相机10、操舵角传感器11、横摆率传感器12、车轮速传感器13、警报装置20、防撞辅助装置21、安全带控制装置22、座椅控制装置23、制动器控制装置24、以及系统ECU[Electronic Control Unit:电子控制单元]30。
此外,在本实施方式中,立体相机10相当于权利要求书所记载的物体检测部,横摆率传感器12和车轮速传感器13相当于权利要求书所记载的移动信息取得部,系统ECU30中的各处理相当于权利要求书所记载的固定物检测部、特征量取得部、基准点设定部、移动信息算出部以及判别部。
立体相机10包括对自身车辆前方进行拍摄的左右一对的相机和图像处理装置。在立体相机10的左右一对的各相机中,每一定时间(例如,每1/30秒)分别进行拍摄,取得左图像和右图像。然后,在立体相机10的图像处理装置中,使用左右的图像(立体图像)进行物体检测处理,在检测到物体(目标)的情况下,取得物体的信息(例如,从立体相机10(自身车辆)到物体的相对的距离和/或方向(位置信息)、物体的形状和/或大小)。该使用了立体图像的物体检测处理中,应用以往的周知技术,例如,在立体图像间进行相关运算,使用从该运算结果得到的视差来算出距物体的距离等,检测物体。然后,在立体相机10中,每一定时间,将该物体的有无信息和/或在存在物体的情况下的每个物体(每个目标)的信息等作为立体相机信号发送给系统ECU30。
此外,成为由立体相机10检测的对象的物体是如上所述的步行者、自行车、车辆、电线杆、交通标识等具有某种程度的大小和/或高度的物体。另外,在立体相机10的图像处理中,在由相机拍摄的图像的水平方向/垂直方向的像素单位的坐标系中进行处理,物体的信息是像素单位(以像素为单位)的数据。另外,对检测到的目标赋予识别编号,在不同的时间检测到相同的目标的情况下赋予相同的识别编号,对检测次数进行计数。这些识别编号和/或检测次数的信息也作为每个目标的信息而以立体相机信号被发送。
操舵角传感器11是检测由驾驶员向方向盘输入的操舵角的传感器。在操舵角传感器11中,每一定时间检测操舵角,将该检测到的操舵角作为操舵角信号发送给系统ECU30。
横摆率传感器12是检测作用于自身车辆的横摆率(yaw rate)的传感器。在横摆率传感器12中,每一定时间检测横摆率,将该检测到的横摆率作为横摆率信号发送给系统ECU30。
车轮速传感器13是分别设置于车辆的4个车轮、检测车轮的旋转速度(与车轮的旋转相应的脉冲数)的传感器。在车轮速传感器13中,每一定时间检测车轮的旋转脉冲数,将该检测到的车轮旋转脉冲数作为车轮速信号发送给系统ECU30。此外,在系统ECU30中,根据各车轮的旋转脉冲数分别算出车轮速,根据各轮的车轮速算出车体速(车速)。
警报装置20是用于向自身车辆的驾驶员发出警报的装置。作为警报,有蜂鸣(警报音)输出、警报消息的声音输出和/或显示等。在警报装置20中,当从系统ECU30接收到警报控制信号时,基于该警报控制信号输出警报。
防撞辅助装置21是用于通过操舵控制(自动操舵、操舵辅助等)来进行防撞和/或缓和由碰撞引起的冲击的装置。在防撞辅助装置21中,当从系统ECU30接收到防撞控制信号时,基于该防撞控制信号进行操舵控制。
安全带控制装置22是用于控制安全带的束缚力来减轻碰撞受害的装置。安全带控制装置22在从系统ECU30接收到安全带控制信号时,基于该安全带控制信号控制安全带的束缚力。
座椅控制装置23是用于控制座椅的位置和/或姿势来减轻碰撞受害的装置。在座椅控制装置23中,当从系统ECU30接收到座椅控制信号时,基于该座椅控制信号控制座椅的位置和/或姿势。
制动器控制装置24是用于通过制动器控制(自动停止、自动减速、制动器辅助等)来进行防撞和/或缓和由碰撞引起的冲击的装置。在制动器控制装置24中,当从系统ECU30接收到制动器控制信号时,基于该制动器控制信号进行制动器控制。
系统ECU30是包括CPU[Central Processing Unit:中央处理单元]、ROM[ReadOnly Memory:只读存储器]、RAM[Random Access Memory:随机存取存储器]等、对碰撞预测装置1进行总括控制的电子控制单元。在系统ECU30中,每一定时间从立体相机10接收立体相机信号。另外,在系统ECU30中,从各传感器11、12、13接收检测信号。然后,在系统ECU30中,使用这些立体相机信号和各检测信号来进行以下说明的各处理(基准点设定处理、上次相对矢量算出处理、基准点移动处理、本次相对矢量算出处理、移动矢量算出处理、移动物体判别处理、阈值设定处理、碰撞位置预测处理、碰撞概率累计处理、碰撞判定处理、设备控制处理),在自身车辆有可能与物体碰撞的情况下,向防撞和/或减轻碰撞受害所需的装置(设备)发送控制信号。此外,系统ECU30中的基准点设定处理相当于权利要求书所记载的固定物检测部和特征量取得部,基准点设定处理和基准点移动处理相当于权利要求书所记载的基准点设定部,上次相对矢量算出处理、本次相对矢量算出处理以及移动矢量算出处理相当于权利要求书所记载的移动信息算出部,移动物体判别处理相当于权利要求书所记载的判别部。
此外,在系统ECU30中,在由立体相机10连续3次以上检测到相同目标的情况下,求出该目标的移动轨迹,进行该目标与自身车辆的碰撞判定。另外,在系统ECU30中,在由立体相机10检测到目标的情况下,对每个目标进行处理。另外,在系统ECU30中,在横向/距离方向的长度单位(例如,数10cm单位、数cm单位)的坐标系中进行处理,将从立体相机10得到的图像的水平方向/垂直方向的像素单位的数据变换为横向/距离方向的长度单位的数据。也可以不进行这样的变换,而在图像的水平方向/垂直方向的像素单位的坐标系中进行处理。
参照图5,对基准点设定处理进行说明。图5是从固定于地上的坐标系观察的情况的图。在系统ECU30中,使用目标的上次的位置Pt1和本次的位置Pt2,通过横向位置的差量算出横向移动量MW,通过距离位置的差量算出距离移动量MD。然后,在系统ECU30中,算出从本次的位置Pt2向横向移动方向侧加上横向移动量MW的1/2倍的MW/2、且向跟前侧加上距离移动量MD的2倍的2×MD而得到的移动预测位置PP。
然后,在系统ECU30中,以该移动预测位置PP为中心来设定候补区域PA。该候补区域PA的大小考虑坐标系的长度单位、系统ECU30的处理能力和/或存储器容量等来设定。进而,在系统ECU30中,使用该候补区域PA内的各坐标点的特征量数据和各坐标点的加权系数数据,对于对应的每个坐标点,将特征量和加权系数相乘来算出乘积。然后,在系统ECU30中,将具有候补区域PA内的各坐标点的乘积中最大的乘积的坐标点设定为下次的基准点Sp。
在图5所示的例子的情况下,候补区域PA成为横向/距离方向分别以坐标系单位划分为11单位的区域,横向/距离方向的指标(index)在移动预测位置PP的坐标点处为0,并以0为中心而处于-5~5的范围内。作为图像的特征量,使用通过边缘处理得到的辉度斜度的绝对值,示出了候补区域PA中的各坐标点的特征量数据PD的一例。在该特征量数据PD的情况下,以0~12的整数值表示特征量,在横向的指标-3、-2的位置存在白线(车道),特征量大。另外,示出了候补区域PA中的加权系数映射CM的一例。在该加权系数映射CM的情况下,以0~12的整数值表示加权系数,横向的指标为0且距离方向的指标为0的移动预测位置PP的坐标点是最大加权系数12,越远离该坐标点,则加权系数越小。并且,示出了通过该特征量数据PD和加权系数映射CM得到的计算结果CR。从该计算结果CR可知,横向的指标为-2且距离方向的指标为-1的坐标点的累计值为96(=12×8)且为最大,该坐标点被设定为下次的基准点Sp。
对上次相对矢量算出处理进行说明。当在基准点设定处理中设定基准点Sp后,在系统ECU30中,使用该基准点Sp和本次的位置Pt2,算出以基准点Sp为基准的本次的位置Pt2的相对矢量。该相对矢量在下次的移动矢量算出处理中被用作上次的位置的相对矢量。在图6中示出了以上次设定的基准点Sp为基准的上次的位置Pt2的相对矢量RVt2。
参照图6,对基准点移动处理进行说明。图6是从固定于自身车辆的坐标系观察的情况的图。在1步骤时间前的上次的基准点设定处理中设定了基准点Sp、且在上次的上次相对矢量算出处理中算出了上次的位置Pt2的相对矢量RVt2的情况下,在系统ECU30中,使用自身车速和/或横摆率算出1步骤时间内的自身车辆的移动信息(例如,移动矢量、移动量)。然后,在系统ECU30中,算出通过1步骤时间内的自身车辆的移动信息使在上次的基准点设定处理中设定的基准点Sp移动后的移动预测位置PP。在图6中,通过自身车辆的移动矢量VV使基准点Sp移动至移动预测位置PP。然后,在系统ECU30中,以该移动预测位置PP为中心来设定探索区域SA。该探索区域SA的大小考虑坐标系的长度单位、系统ECU30的处理能力和/或存储器容量等来设定。进而,在系统ECU30中,在探索区域SA内进行与基准点Sp的图像特征图案(例如,像素信息、特征量)的匹配处理,将与基准点Sp的图像特征图案相匹配的坐标点设为本次的基准点SM。在此,对于探索区域SA内的每个坐标点,取得与基准点Sp的图像特征图案的相关,将相关最高的坐标点设为本次的基准点SM。
图6示出了由立体相机10检测到的目标的上次的位置Pt2和本次的位置Pt3,并且示出了仅移动了目标的移动量的情况下的目标的本次的位置Pt3’。在坐标上,本次的位置Pt3成为从仅由目标的移动量实现的位置Pt3’加上1步骤时间内的自身车辆的移动量而得到的位置。因此,在坐标上,在算出目标的本次的位置Pt3的相对矢量的情况下,需要使用移动1步骤时间内的自身车辆的移动量而得到的基准点SM,而非上次设定的基准点Sp。
参照图6,对本次相对矢量算出处理进行说明。当在基准点移动处理中移动到基准点SM后,在系统ECU30中,使用基准点SM和本次的位置Pt3,算出以基准点SM为基准的本次的位置Pt3的相对矢量。图6示出了以移动后的基准点SM为基准的本次的位置Pt3的相对矢量RVt3。
对移动矢量算出处理进行说明。当在本次相对矢量算出处理算出本次的位置Pt3的相对矢量RVt3后,在系统ECU30中,使用在1步骤时间前的上次相对矢量算出处理中算出的上次的位置Pt2的相对矢量RVt2和本次的位置Pt3的相对矢量RVt3,算出从上次的位置Pt2向本次的位置Pt3的移动矢量(参照图2)。这样,以基准点S为基准,根据在不同的定时检测到的上次的位置Pt2和本次的位置Pt3的变化算出移动矢量。该移动矢量的大小是1步骤时间内的移动量,移动矢量的方向是1步骤时间内的移动方向。
对移动物体判别处理进行说明。当在移动矢量算出处理中算出移动矢量(移动量)后,在系统ECU30中,判定目标的移动量是否为移动物体判定阈值以上。移动物体判定阈值是用于根据移动量来判定是否是移动物体的阈值,通过由实验和/或模拟等实现的适配(適合)预先设定。在系统ECU30中,在目标的移动量为移动物体判定阈值以上的情况下,将该目标判别为移动物体,在低于移动物体判定阈值的情况下,将该目标判别为静止物体。
参照图7,对阈值设定处理进行说明。该设定的阈值是碰撞判定阈值,有通常用(特别是静止物体用)的碰撞判定阈值SS和移动物体用的碰撞判定阈值MS。该各碰撞判定阈值是用于通过每个碰撞预测位置的碰撞概率的累计值来判定自身车辆是否有可能与物体碰撞的阈值,通过由实验和/或模拟等实现的适配预先设定。在步行者等移动物体的情况下,从安全方面来看,为了尽可能地避免碰撞(为了使得辅助容易工作),作为移动物体用的碰撞判定阈值MS,设定比通常用的碰撞判定阈值SS缓和的值(容易判定为有可能碰撞的值)。另一方面,在电线杆等静止物体的情况下,为了使得不因不必要的辅助(车辆控制、警报等)而给驾驶者带来违和感,作为通常用的碰撞判定阈值SS,设定不容易判定为有可能碰撞的值。在系统ECU30中,设定通常用的碰撞判定阈值SS作为默认的阈值。另外,在系统ECU30中,在移动物体判定处理中将目标判别为移动物体的情况下,设定移动物体用的碰撞判定阈值MS,在移动物体判定处理中将目标判别为静止物体的情况下,设定通常用的碰撞判定阈值SS。
参照图7,对碰撞位置预测处理进行说明。在车辆的各面(前面、后面、右侧面、左侧面),以预定间隔划分为多个区划。该区划划分通过适配预先设定。在图7的例子中,仅示出了自身车辆V的前面的区划划分,分为5个区划CP1、CP2、CP3、CP4、CP5。在预测碰撞位置的情况下,对物体会与车辆的各面的哪个区划碰撞进行预测。在系统ECU30中,根据在移动矢量算出处理中算出的目标的移动矢量的时间序列数据来推定目标的移动轨迹,并且根据自身车辆的自身车速、横摆率以及操舵角的时间序列数据来推定自身车辆的移动轨迹。然后,在系统ECU30中,通过目标的移动轨迹和自身车辆的移动轨迹,在目标的移动轨迹与自身车辆的移动轨迹交叉的情况下,对目标与自身车辆碰撞的位置(自身车辆的哪个面的哪个区划)进行预测。在图7所示的例子的情况下,对于直行的自身车辆V,示出了逐渐靠近自身车辆V的目标的移动轨迹ML,根据该移动轨迹ML等,自身车辆V的前面的正中央的区划CP3和/或其左方相邻的区划CP2被预测为碰撞位置。
对碰撞概率累计处理进行说明。当在碰撞位置预测处理中预测出碰撞位置后,在系统ECU30中,算出该碰撞预测位置周边的各区划的碰撞概率。例如,以碰撞预测位置为中心而呈正态分布状地算出碰撞概率,或者仅对碰撞预测位置算出高的碰撞概率。进而,在系统ECU30中,对于碰撞预测位置的每个区划,将算出的碰撞概率与上次累计值相加,对碰撞概率进行累计。在图7所示的例子的情况下,相对于自身车辆V的前面的正中央的区划CP3的碰撞概率的累计值PD3最大,相对于其左方相邻的区划CP2的碰撞概率的累计值PD2次之。
对碰撞判定处理进行说明。在系统ECU30中,关于自身车辆的各面的各碰撞位置的区间(也可以仅是在碰撞概率累计处理中更新了累计值的区划),判定碰撞概率的累计值是否为所设定的碰撞判定阈值以上。然后,在系统ECU30中,在碰撞概率的累计值为碰撞判定阈值以上的情况下,判定为有可能碰撞(可能性高),在碰撞概率的累计值低于碰撞判定阈值的情况下,判定为不可能碰撞(可能性低)。在图7的例子的情况下,当目标被判别为移动物体而设定了移动物体用的碰撞判定阈值MS时,由于区划CP3的碰撞概率的累计值PD3为碰撞判定阈值MS以上,所以判定为有可能碰撞。
对设备控制处理进行说明。在碰撞判定处理中判定为有可能碰撞的情况下,在系统ECU30中,算出相对于该目标的碰撞余裕时间TTC[Time To Collision]=(相对距离/相对速度)。然后,在系统ECU30中,基于相对于该目标的TTC、碰撞预测位置以及碰撞概率的累计值,判断使警报、操舵、安全带、座椅、制动器中的哪个设备(1个以上)工作。然后,在系统ECU30中,对于使其工作的每个设备,基于TTC、碰撞预测位置以及碰撞概率的累计值来设定控制量或输出指令等,向警报装置20、防撞辅助装置21、安全带控制装置22、座椅控制装置23、制动器控制装置24中的对应的装置发送控制信号。
参照图1~图7,沿着图8的流程图对碰撞预测装置1的动作进行说明。图8是示出本实施方式的碰撞预测装置中的动作的流程的流程图。在碰撞预测装置1中,每一定时间反复进行以下的动作。
在立体相机10中,利用左右一对的各相机分别进行拍摄,使用该左右的各图像(立体图像)进行物体检测处理,在检测到对象物体(目标)的情况下取得对象物体的位置信息等(S1)。然后,在立体相机10中,向系统ECU30发送立体相机信号,该立体相机信号包括该对象物体的有无信息和/或存在对象物体的情况下的每个目标的位置信息等。在系统ECU30中,接收该立体相机信号,在存在目标的情况下对于每个目标取得位置信息等,并保持该位置信息等。此外,在不存在目标的情况下,本次的处理结束。
在操舵角传感器11中,检测操舵角,向系统ECU30发送操舵角信号。在系统ECU30中,接收该操舵角信号,取得操舵角。在横摆率传感器12中,检测横摆率,向系统ECU30发送横摆率信号。在系统ECU30中,接收该横摆率信号,取得横摆率。在各车轮的车轮速传感器13中,检测车轮的旋转脉冲数,向系统ECU30发送车轮速信号。在系统ECU30中,对于每个车轮接收车轮速信号,根据各车轮的旋转脉冲数分别算出车轮速,根据各轮的车轮速算出车身速度(自身车速)。
在存在目标的情况下,对于每个目标,在系统ECU30中判定检测次数(S2)。在系统ECU30中,在判定为目标的检测次数为第1次的情况下,将碰撞判定的阈值设定为通常用的碰撞判定阈值(S3)。
此外,在图8的流程图中,虽然S3之后是S4~S7的处理,但在检测次数为第1次的情况下,不进行该S4~S7的处理而结束处理。由于仅靠目标的1次的检测信息无法得到移动轨迹等,所以无法进行碰撞判定等。
在系统ECU30中,在判定为目标的检测次数为第2次的情况下,将碰撞判定的阈值设定为通常用的碰撞判定阈值(S8)。然后,在系统ECU30中,根据上次(第1次)的对象物体的检测位置和本次(第2次)的对象物体的检测位置的横向的差量算出横向移动量,从自本次的检测位置向横向移动方向侧加上横向移动量的1/2倍的移动量而得到的位置周边设定基准点的横向位置(S9)。另外,在系统ECU30中,根据上次的检测位置和本次的检测位置的距离方向的差量算出距离移动量,从自本次的检测位置向跟前侧加上距离移动量的2倍的移动量而得到的位置周边设定基准点的距离位置(S10)。通过该S9和S10的处理来设定下次的基准点(仅考虑了对象物体的移动量的基准点)。然后,在系统ECU30中,使用该设定的基准点和本次的检测位置,算出从基准点到本次的对象物体的位置的相对矢量(也可以是相对位置)(S11)。该相对矢量在下次的处理中使用。
此外,在图8的流程图中,虽然S11之后是S4~S7的处理,但在检测次数为第2次的情况下,不进行该S4~S7的处理而结束处理。由于算出移动矢量(相当于物体的移动轨迹)是在检测次数为第3次以后,所以在第2次时无法进行碰撞判定等。
在系统ECU30中,在判定为目标的检测次数为第3次以后的情况下,使用自身车速和/或横摆率,使在上次的S9和S10的处理中设定的基准点(仅由目标的移动量实现的基准点)移动,预测移动位置(S12)。在系统ECU30中,在该预测出的移动位置周边设定探索区域,在该探索区域内利用在上次的S9和S10的处理中设定的基准点的特征图案取得相关,决定基准点的位置(也考虑了自身车辆的移动量的基准点)(S13)。然后,在系统ECU30中,使用该决定的基准点和本次的检测位置,算出从基准点到本次的对象物体的位置的相对矢量(也可以是相对位置)(S14)。
进而,在系统ECU30中,根据在上次的S11中算出的相对矢量和本次算出的相对矢量,算出对象物体的移动矢量(移动量和移动方向)(S15)。然后,在系统ECU30中,根据该移动量是否为移动物体判定阈值以上来判定对象物体是否是移动物体(S16)。在S16中判定为移动量为移动物体判定阈值以上的情况下,在系统ECU30中,将对象物体判别为移动物体,设定移动物体用的阈值(缓和的阈值)作为碰撞判定用阈值(S17)。另一方面,在S16中判定为移动量低于移动物体判定阈值的情况下,在系统ECU30中,将对象物体判别为静止物体,设定通常用的阈值作为碰撞判定用阈值(S18)。
然后,移向S9,在系统ECU30中,进行上述说明的S9~S111的处理,设定下次的基准点,算出从该基准点到本次的对象物体的位置的相对矢量。
然后,移向S4,在系统ECU30中,通过对于该对象物体算出的时间序列的移动矢量来推定对象物体的移动轨迹,根据自身车辆的自身车速、横摆率以及操舵角的时间序列数据来推定自身车辆的移动轨迹,根据该对象物体的移动轨迹和自身车辆的移动轨迹来预测与自身车辆碰撞的位置(S4)。进而,在系统ECU30中,对该碰撞预测位置的对应区划的碰撞概率进行累计(S5)。此外,在对象物体的移动轨迹和自身车辆的移动轨迹不交叉的情况下,不预测碰撞位置,也不进行S5的处理。
然后,在系统ECU30中,根据各碰撞预测位置处的碰撞概率的累计值是否为碰撞判定阈值以上,来判定自身车辆是否有可能与对象物体碰撞(S6)。在S6中判定为不可能碰撞的情况下,在系统ECU30中,结束本次处理。另一方面,在S6中判定为可能碰撞的情况下,在系统ECU30中,基于碰撞余裕时间(TTC)、碰撞预测位置以及碰撞概率的累计值,判断使警报、操舵、安全带、座椅、制动器中的哪个设备工作,设定判断为使其工作的设备的控制量等,向警报装置20、防撞辅助装置21、安全带控制装置22、座椅控制装置23、制动器控制装置24中的对应的装置发送控制信号(S7)。在警报装置20中,在从系统ECU30接收到警报控制信号的情况下,基于该警报控制信号输出警报。在防撞辅助装置21中,在从系统ECU30接收到防撞控制信号的情况下,基于该防撞控制信号进行操舵控制。在安全带控制装置22中,在从系统ECU30接收到安全带控制信号的情况下,基于该安全带控制信号控制安全带的束缚力。在座椅控制装置23中,在从系统ECU30接收到座椅控制信号的情况下,基于该座椅控制信号控制座椅的位置和/或姿势。在制动器控制装置24中,在从系统ECU30接收到制动器控制信号的情况下,基于该制动器控制信号进行制动器控制。
根据该碰撞预测装置1,通过将路面上的特征点(始终不动的点)设定为基准点而算出对象物体的移动信息(移动矢量(移动量、移动方向)),能够得到对象物体的高精度的移动量。由此,即使在自身车辆产生了传感器无法检测到的细微的偏向的情况下(特别是,即使在对象物体存在于远方的情况下),也能够不受该偏向的影响而得到对象物体的高精度的移动量。进而,能够使用该高精度的移动量来高精度地判别对象物体是移动物体还是静止物体。能够根据该判别而设定适于静止物体的阈值或适于移动物体的阈值作为碰撞判定用的阈值,能够根据静止物体或移动物体而高精度地进行碰撞判定。其结果,在静止物体的情况下,能够抑制不必要的辅助(不会因不必要的辅助而给驾驶员带来违和感),在移动物体的情况下,能够进行重视安全性的辅助。
另外,根据碰撞预测装置1,通过基于对象物体的从上次起的移动量(横向移动量、距离移动量)来设定下次的基准点,能够缩小用于设定基准点的处理区域,能够减小处理负荷和/或存储器量。特别是,通过使用距离移动量在跟前侧设定基准点,即使对象物体正在向自身车辆侧移动,基准点也不会隐藏于对象物体。
另外,根据碰撞预测装置1,通过对从上次设定的基准点移动自身车辆的移动量而得到的位置周边进行图案匹配来决定基准点,能够缩小用于设定基准点的处理区域,能够减小处理负荷/或存储器量,也能够减少误匹配。
在上述实施方式中,作为基准点,虽然将对象物体周边的路面上的特征量大的点设为基准点,但也可以通过其他方法来设定基准点,作为基准点,也可以将在道路上或路边上设置的固定物设为基准点。参照图9,对该由其他方法实现的基准点设定进行说明。图9是其他的基准点的设定方法的说明图,(a)是交通标识被设定为基准点的情况,(b)是电线杆被设定为基准点的情况。
相对于上述碰撞预测装置1,仅系统ECU30的基准点设定处理不同,所以仅对系统ECU30的基准点设定处理进行说明。在将道路上或路边上设置的固定物设为基准点的方法中,存在2种方法,存在通过图案匹配来识别固定物的方法和通过尺寸信息来识别固定物(形状识别)的方法。
对通过图案匹配来识别固定物的方法进行说明。在系统ECU30中,为了图案匹配而保持有与道路上和/或路边上设置的各种交通标识有关的模板(图案信息)。作为交通标识所具有的图案信息(特征量),例如有描绘在标识内的数字、符号、文字、图样等图案信息、交通标识的外形的图案信息,这些图案信息被设定为模板。这些交通标识的图案信息是步行者、车辆等移动物体所不具有的图案,能够通过图案匹配容易地识别。除了交通标识以外,也可以是信号机(除了通常的车辆用信号机以外,还可以是步行者用信号机等),也可以保持有与信号机有关的模板。在图9(a)所示的暂时停止的交通标识TS的例子的情况下,是“停”这一文字的模板和/或外形为倒三角形的模板。对于1个交通标识,既可以仅保持有1个模板,也可以保持有多个模板。
在系统ECU30中,使用目标的上次的位置Pt1和本次的位置Pt2(也可以仅使用本次的位置Pt2)设定探索区域。探索区域是目标(对象物体)的位置周边的区域,是不仅包括道路、还包括路边的区域。该探索区域的大小考虑坐标系的长度单位、系统ECU30的处理能力和/或存储器容量等来设定。在系统ECU30中,对于所保持的各固定物的每个模板,从探索区域依次切出与模板相同大小的范围,对该切出的范围的图像信息(辉度值等)依次进行使用了模板的图案匹配。然后,在系统ECU30中,在探索到与模板相匹配的图案的情况下,对具有该图案的道路上或路边上的固定物(交通标识等)进行识别,确定该固定物的坐标点(设置场所的坐标点),将该固定物的坐标点设定为基准点Sp。此外,在对于1个交通标识等存在多个模板的情况下,对该多个模板分别进行图案匹配,根据多个图案匹配的结果来识别交通标识等固定物。这样,通过基于道路上或路边上设置的交通标识等固定物的图案信息将道路上或路边上设置的固定物的位置设定为基准点,能够将在道路上或路边上始终静止的不动点设定为基准点。另外,通过利用图案匹配,能够简单且高精度地识别道路上或路边上设置的交通标识等固定物。
对通过尺寸信息来识别固定物(形状识别)的方法进行说明。在系统ECU30中,为了通过尺寸信息进行识别而保持有道路上或路边上设置的各种固定物的尺寸信息的阈值范围。作为道路上或路边上设置的固定物,是具有与步行者、车辆等移动物体明显不同的尺寸信息的固定物,例如有电线杆、支柱。作为该固定物的尺寸信息(特征量),例如有宽度、高度,设定这些尺寸信息的阈值范围。在图9(b)所示的电线杆UP的例子的情况下,宽度的上限阈值为90cm,高度的下限阈值为4.0m。此外,在该方法的情况下,在立体相机10中,对于检测到的每个物体(每个目标)算出宽度和/或高度的尺寸信息。
在系统ECU30中,与上述同样地设定探索区域。然后,在系统ECU30中,对于所保持的各固定物的每个尺寸阈值范围,对由立体相机10检测到的目标分别判定目标的各尺寸是否处于尺寸阈值范围内。在此,由于对1个固定物设定有多个尺寸阈值范围,所以使用多个尺寸阈值范围分别进行判定,判定是否处于所有的尺寸阈值范围内。例如,在电线杆的情况下,存在宽度的上限阈值(例如,90cm)和高度的下限阈值(例如,4.0m),所以判定目标的宽度W是否为宽度的上限阈值以内,且判定目标的高度H是否为高度的下限阈值以上。然后,在系统ECU30中,在探索到处于所有的尺寸阈值范围内的尺寸的目标的情况下,对该固定物(电线杆等)进行识别,确定该固定物的坐标点(设置场所的坐标点),将该固定物的坐标点设定为基准点Sp。这样,通过基于道路上或路边上设置的电线杆等固定物的尺寸信息将道路上或路边上设置的固定物的位置设定为基准点,能够将在道路上或路边上始终静止的不动点设定为基准点。另外,通过利用由与移动物体明显不同的尺寸信息实现的判定,能够简单且高精度地判别道路上或路边上设置的电线杆等固定物。
当在该基准点设定处理中将道路上或路面上设置的固定物的设置位置设定为基准点Sp后,在系统ECU30中,将该基准点Sp(固定物)的位置与特征量(图案信息、各尺寸信息等)一起存储到导航系统(未图示)的地图上。然后,在下次行驶时,在系统ECU30中,将存储在导航系统的地图上的固定物的位置(坐标点)设定为基准点Sp。或者,在下次行驶时,在系统ECU30中,以存储在导航系统的地图上的固定物的位置(坐标点)为中心来设定探索区域,使用该探索区域进行与上述同样的各处理。该探索区域可以是比还未探索到道路上或路面上设置的固定物的情况下的探索区域窄得多的范围。这样,通过将已经设定的在道路上或路面上设置的固定物的设置位置即基准点Sp存储到地图上,能够减小处理负荷和/或存储器量,能够在更早的定时确定道路上或路面上设置的固定物(进而确定基准点)。
在本实施方式中,如上所述,作为基准点设定处理,示出了由3个方法实现的处理。在系统ECU30中,既可以通过该3个方法中的1个方法来进行基准点设定处理,也可以将该3个方法中的2个或3个方法进行组合来进行基准点设定处理。
以上,虽然对本发明的实施方式进行了说明,但本发明不限定于上述实施方式,可以以各种形态来实施。
例如,在本实施方式中,虽然应用于检测对象物体、判定与对象物体碰撞的可能性、在存在可能性的情况下进行防撞和/或减轻碰撞受害的辅助的装置,但也可以应用于检测对象物体、使用该对象物体的移动信息进行其他辅助的其他驾驶辅助装置,或者还可以应用于仅进行对象物体(特别是移动信息)的检测的物体检测装置。
另外,在本实施方式中,虽然构成为物体检测装置搭载于车辆,但也可以搭载于车辆以外,例如也可以搭载于车辆以外的移动体、构造物、道路上。
另外,在本实施方式中,虽然应用立体相机作为检测物体的外界传感器,但也可以应用单眼图像传感器(能够利用单眼来检测对象物的距离·横向位置·尺寸信息的传感器)、激光雷达(密度高至能够识别路面的特征点的雷达)等其他的外界传感器。另外,作为外界传感器的立体相机,作为设备的工作条件,也可以与毫米波雷达、激光雷达等融合。
另外,在本实施方式中,作为在有可能碰撞的情况下使其工作的设备,虽然示出了警报、操舵、安全带、座椅、制动器的各设备,但只要有其中1个以上的设备即可。或者,也可以是其他设备(致动器)。
另外,在本实施方式中,虽然在使用上次的移动量设定基准点时,在横向上使得移动横向移动量的1/2倍的移动量,向跟前使得移动距离移动量的2倍的移动量,但这些各数值是适配值,所以在横向的情况下也可以是1/3倍等其他数值(0~1倍之间的倍率),在距离方向的情况下也可以是1.5倍等其他数值(1~2倍之间的倍率)。
另外,在本实施方式中,虽然构成为在检测到相同物体(目标)的次数为第3次以后的情况下算出移动矢量(移动量),进行移动物体判定和/或碰撞判定,但也可以构成为在检测到相同物体的次数为第2次的情况下算出移动矢量,进行移动物体判定和/或碰撞判定。
另外,在本实施方式中,虽然示出了使用了对象物体的轨迹和自身车辆的轨迹的碰撞位置预测、使用了各碰撞预测位置的碰撞概率的累计的碰撞判定的一例,但这些与碰撞有关的处理能够应用以往的公知技术。
另外,在本实施方式中,虽然求出移动矢量和/或移动量作为对象物体的移动信息,基于移动量来判定对象物体是否是移动物体,但也可以将移动速度等其他信息作为移动信息,基于该其他信息来判定是否是移动物体。
产业上的可利用性
本发明能够利用于从自身车辆等检测对象物体的物体检测装置、基于该检测结果来进行自身车辆与对象物体的防撞辅助的驾驶辅助装置。
标号说明
1…碰撞预测装置,10…立体相机,11…操舵角传感器,12…横摆率传感器,13…车轮速传感器,20…警报装置,21…防撞辅助装置,22…安全带控制装置,23…座椅控制装置,24…制动器控制装置,30…系统ECU。
Claims (11)
1.一种物体检测装置,从预定的搭载位置检测对象物体,其特征在于,具备:
物体检测部,其从所述预定的搭载位置进行物体检测,在检测到对象物体的情况下取得该对象物体的位置;
特征量取得部,其在由所述物体检测部检测到对象物体的情况下,从所述预定的搭载位置取得由所述物体检测部检测到的对象物体的位置周边的路面上的特征量;
基准点设定部,其基于由所述特征量取得部取得的路面上的特征量,在路面上设定基准点;以及
移动信息算出部,其在由所述物体检测部检测到对象物体的情况下,将由所述基准点设定部设定的基准点作为基准,根据由所述物体检测部取得的对象物体的位置算出对象物体的移动信息,
所述基准点设定部,基于所述特征量和根据由所述物体检测部取得的所述对象物体的所述位置算出的所述对象物体的移动量,在所述路面上设定所述基准点。
2.根据权利要求1所述的物体检测装置,其特征在于,
所述移动信息算出部,在由所述物体检测部检测到对象物体的情况下,将由所述基准点设定部设定的基准点作为基准,根据由所述物体检测部在不同的定时取得的对象物体的位置的变化算出对象物体的移动信息。
3.根据权利要求1所述的物体检测装置,其特征在于,
所述特征量取得部,在由所述物体检测部检测到的对象物体的位置周边,取得与在道路上设置的固定物的图案信息相匹配的图案,
所述基准点设定部,将具有由所述特征量取得部取得的图案的固定物的位置设定为基准点。
4.根据权利要求1所述的物体检测装置,其特征在于,
所述特征量取得部,在由所述物体检测部检测到的对象物体的位置周边,取得处于尺寸阈值范围内的固定物的尺寸,所述尺寸阈值范围是根据在道路上设置的固定物的尺寸信息而设定的范围,
所述基准点设定部,将由所述特征量取得部取得的尺寸的固定物的位置设定为基准点。
5.根据权利要求1所述的物体检测装置,其特征在于,
所述移动信息算出部,基于由所述基准点设定部设定的基准点与由所述物体检测部上次取得的对象物体的位置的相对信息、以及由所述基准点设定部设定的基准点与由所述物体检测部本次取得的对象物体的位置的相对信息,算出对象物体的移动信息。
6.根据权利要求1所述的物体检测装置,其特征在于,
所述基准点设定部,从如下的横向的位置周边设定基准点,该横向的位置周边是从由所述物体检测部取得的对象物体的横向的位置向横向的移动方向侧加上由所述物体检测部检测到的对象物体的横向的移动量的0倍以上且1倍以下的移动量而得到的横向的位置周边。
7.根据权利要求1所述的物体检测装置,其特征在于,
所述基准点设定部,从如下的距离方向的位置周边设定基准点,该距离方向的位置周边是从由所述物体检测部取得的对象物体的距离方向的位置向距离方向的所述预定的搭载位置侧加上由所述物体检测部检测到的对象物体的距离方向的移动量的1倍以上且2倍以下的移动量而得到的距离方向的位置周边。
8.根据权利要求6所述的物体检测装置,其特征在于,
具备移动信息取得部,该移动信息取得部取得所述预定的搭载位置的移动信息,
所述基准点设定部,从基于由所述移动信息取得部取得的移动信息使所述设定的基准点移动后的位置周边设定新的基准点。
9.根据权利要求7所述的物体检测装置,其特征在于,
具备移动信息取得部,该移动信息取得部取得所述预定的搭载位置的移动信息,
所述基准点设定部,从基于由所述移动信息取得部取得的移动信息使所述设定的基准点移动后的位置周边设定新的基准点。
10.根据权利要求1~9中任一项所述的物体检测装置,其特征在于,
具备判别部,该判别部基于由所述移动信息算出部算出的移动信息,判别由所述物体检测部检测到的对象物体是移动物体还是静止物体。
11.一种驾驶辅助装置,进行自身车辆与对象物体的防撞辅助,其特征在于,
搭载有权利要求1~10中任一项所述的物体检测装置,
基于所述物体检测装置的检测结果来进行防撞辅助。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012-177254 | 2012-08-09 | ||
JP2012177254 | 2012-08-09 | ||
PCT/JP2012/082531 WO2014024336A1 (ja) | 2012-08-09 | 2012-12-14 | 物体検出装置及び運転支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104584097A CN104584097A (zh) | 2015-04-29 |
CN104584097B true CN104584097B (zh) | 2017-04-05 |
Family
ID=50067609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280075207.4A Expired - Fee Related CN104584097B (zh) | 2012-08-09 | 2012-12-14 | 物体检测装置和驾驶辅助装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10246030B2 (zh) |
EP (1) | EP2884476A4 (zh) |
JP (1) | JP5971341B2 (zh) |
CN (1) | CN104584097B (zh) |
WO (1) | WO2014024336A1 (zh) |
Families Citing this family (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013209729A1 (de) * | 2013-05-24 | 2014-11-27 | Robert Bosch Gmbh | Fahrerassistenzsystem mit zusätzlichen Informationen zu einer Straßenkarte |
JP6174514B2 (ja) * | 2014-04-14 | 2017-08-02 | 本田技研工業株式会社 | 衝突可能性判定装置、運転支援装置、衝突可能性判定方法、及び衝突可能性判定プログラム |
EP2942251B1 (en) * | 2014-05-08 | 2017-04-05 | Volvo Car Corporation | Method for providing an object prediction representation |
EP2942250B1 (en) | 2014-05-08 | 2017-02-01 | Volvo Car Corporation | Method for determining an evasive path for a host vehicle |
JP6518951B2 (ja) * | 2014-05-16 | 2019-05-29 | パナソニックIpマネジメント株式会社 | 車載用表示装置、車載用表示装置の制御方法、プログラム |
WO2015030240A1 (ja) * | 2014-09-01 | 2015-03-05 | 株式会社小松製作所 | 運搬車両、ダンプトラック、及び運搬車両の制御方法 |
EP3018010B1 (en) * | 2014-11-06 | 2018-01-10 | Volvo Car Corporation | Method for controlling a time of activation of a reversible restraint system in a vehicle |
DE102014226187A1 (de) * | 2014-12-17 | 2016-06-23 | Bayerische Motoren Werke Aktiengesellschaft | Kommunikation mittels eines Luftstoßes |
CN107111317B (zh) * | 2014-12-25 | 2020-07-17 | 株式会社爱考斯研究 | 移动体 |
US9644972B2 (en) * | 2015-03-06 | 2017-05-09 | Tallysman Wireless Inc. | Method for tracking a path taken by a vehicle |
JP2016197018A (ja) * | 2015-04-02 | 2016-11-24 | 株式会社デンソー | 衝突回避支援装置 |
KR101714145B1 (ko) * | 2015-04-09 | 2017-03-08 | 현대자동차주식회사 | 주변차량 식별 장치 및 그 방법 |
US9898671B2 (en) * | 2015-05-11 | 2018-02-20 | Magna Electronics Inc. | Vehicle vision system with structure and motion estimation |
KR102384175B1 (ko) * | 2015-07-29 | 2022-04-08 | 주식회사 만도모빌리티솔루션즈 | 차량의 카메라 장치 |
US10019805B1 (en) | 2015-09-29 | 2018-07-10 | Waymo Llc | Detecting vehicle movement through wheel movement |
EP3378222A4 (en) * | 2015-11-16 | 2019-07-03 | Orbital Insight, Inc. | MOVING VEHICLE DETECTION AND ANALYSIS USING LOW RESOLUTION REMOTE DETECTION IMAGING |
JP6563798B2 (ja) * | 2015-12-17 | 2019-08-21 | 大学共同利用機関法人自然科学研究機構 | 視覚認知支援システムおよび視認対象物の検出システム |
US11010910B2 (en) * | 2015-12-18 | 2021-05-18 | Iris Automation, Inc. | Systems and methods for dynamic object tracking using a single camera mounted on a moving object |
CN108475470B (zh) * | 2016-01-28 | 2021-06-01 | 三菱电机株式会社 | 事故概率计算装置、事故概率计算方法及存储有事故概率计算程序的介质 |
JP6563849B2 (ja) * | 2016-05-06 | 2019-08-21 | 株式会社Soken | 推定装置 |
US20190155293A1 (en) * | 2016-05-16 | 2019-05-23 | Honda Motor Co., Ltd. | Vehicle control system, vehicle control method and vehicle control program |
JP6663622B2 (ja) * | 2016-08-05 | 2020-03-13 | 日立オートモティブシステムズ株式会社 | 撮像装置 |
JP6954522B2 (ja) * | 2016-08-15 | 2021-10-27 | 株式会社木村技研 | セキュリティ管理システム |
KR20180045745A (ko) * | 2016-10-26 | 2018-05-04 | 삼성에스디에스 주식회사 | 이동체에서의 객체 검출 장치 및 방법 |
US10628960B2 (en) * | 2016-11-24 | 2020-04-21 | Ricoh Company, Ltd. | Information processing apparatus, imaging apparatus, device control system, moving object, information processing method, and recording medium |
JP6972797B2 (ja) * | 2016-11-24 | 2021-11-24 | 株式会社リコー | 情報処理装置、撮像装置、機器制御システム、移動体、情報処理方法、及びプログラム |
JP2018092596A (ja) | 2016-11-30 | 2018-06-14 | 株式会社リコー | 情報処理装置、撮像装置、機器制御システム、移動体、情報処理方法、およびプログラム |
WO2018100971A1 (en) | 2016-11-30 | 2018-06-07 | Ricoh Company, Ltd. | Information processing device, imaging device, apparatus control system, movable body, information processing method, and computer program product |
JP6558380B2 (ja) * | 2017-01-23 | 2019-08-14 | トヨタ自動車株式会社 | 車両用入力装置、入力装置、及び、車両用入力装置の制御方法 |
JP6969756B2 (ja) | 2017-02-10 | 2021-11-24 | ニッサン ノース アメリカ,インク | 自律走行車の動作管理制御 |
CN110418743B (zh) * | 2017-02-10 | 2022-10-04 | 日产北美公司 | 自主车辆运行管理阻碍监测 |
RU2734744C1 (ru) | 2017-02-10 | 2020-10-22 | Ниссан Норт Америка, Инк. | Оперативное управление автономным транспортным средством, включающее в себя работу экземпляра модели частично наблюдаемого марковского процесса принятия решений |
JP6666289B2 (ja) * | 2017-03-15 | 2020-03-13 | 株式会社東芝 | 移動体用空間情報算出装置及び衝突回避システム |
CN110418937A (zh) * | 2017-03-23 | 2019-11-05 | 日立汽车系统株式会社 | 车辆控制装置 |
WO2019088977A1 (en) | 2017-10-30 | 2019-05-09 | Nissan North America, Inc. | Continual planning and metareasoning for controlling an autonomous vehicle |
WO2019089015A1 (en) | 2017-10-31 | 2019-05-09 | Nissan North America, Inc. | Autonomous vehicle operation with explicit occlusion reasoning |
WO2019088989A1 (en) | 2017-10-31 | 2019-05-09 | Nissan North America, Inc. | Reinforcement and model learning for vehicle operation |
US11748974B2 (en) | 2017-11-28 | 2023-09-05 | Bayerische Motoren Werke Aktiengesellschaft | Method and apparatus for assisting driving |
CN111629945B (zh) | 2017-11-30 | 2022-04-26 | 日产北美公司 | 自主车辆运行管理场景 |
KR102441244B1 (ko) * | 2017-11-30 | 2022-09-06 | 현대오토에버 주식회사 | 정밀 지도 구축 장치 및 방법 |
PL3495202T3 (pl) * | 2017-12-05 | 2021-02-08 | Guima Palfinger S.A.S. | System detekcji montowany na ciężarówce |
EP3495220B1 (en) * | 2017-12-11 | 2024-04-03 | Volvo Car Corporation | Path prediction for a vehicle |
US11874120B2 (en) | 2017-12-22 | 2024-01-16 | Nissan North America, Inc. | Shared autonomous vehicle operational management |
EP3759563B1 (en) | 2018-02-26 | 2023-11-22 | Nissan North America, Inc. | Centralized shared autonomous vehicle operational management |
US11120688B2 (en) | 2018-06-29 | 2021-09-14 | Nissan North America, Inc. | Orientation-adjust actions for autonomous vehicle operational management |
US11205076B2 (en) * | 2018-08-01 | 2021-12-21 | Rakuten Group, Inc. | Apparatus for alerting based on detecting objects approaching each other in images, alerting method, program, and non-transitory computer-readable information recording medium |
US11021148B2 (en) * | 2019-03-25 | 2021-06-01 | Zoox, Inc. | Pedestrian prediction based on attributes |
US11351991B2 (en) * | 2019-03-25 | 2022-06-07 | Zoox, Inc. | Prediction based on attributes |
KR20200131640A (ko) * | 2019-05-14 | 2020-11-24 | 현대자동차주식회사 | 차량 및 그 제어방법 |
US11635758B2 (en) | 2019-11-26 | 2023-04-25 | Nissan North America, Inc. | Risk aware executor with action set recommendations |
US11899454B2 (en) | 2019-11-26 | 2024-02-13 | Nissan North America, Inc. | Objective-based reasoning in autonomous vehicle decision-making |
US11613269B2 (en) | 2019-12-23 | 2023-03-28 | Nissan North America, Inc. | Learning safety and human-centered constraints in autonomous vehicles |
US11300957B2 (en) | 2019-12-26 | 2022-04-12 | Nissan North America, Inc. | Multiple objective explanation and control interface design |
US11577746B2 (en) | 2020-01-31 | 2023-02-14 | Nissan North America, Inc. | Explainability of autonomous vehicle decision making |
US11782438B2 (en) | 2020-03-17 | 2023-10-10 | Nissan North America, Inc. | Apparatus and method for post-processing a decision-making model of an autonomous vehicle using multivariate data |
US11762060B2 (en) * | 2020-08-27 | 2023-09-19 | Aptiv Technologies Limited | Height-estimation of objects using radar |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102007521A (zh) * | 2008-04-24 | 2011-04-06 | 本田技研工业株式会社 | 车辆周围监测装置 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0973529A (ja) | 1995-07-05 | 1997-03-18 | Suzuki Motor Corp | 二輪車監視装置 |
JP3864465B2 (ja) | 1996-09-30 | 2006-12-27 | マツダ株式会社 | 車両用の動体認識装置 |
JPH10143659A (ja) * | 1996-11-06 | 1998-05-29 | Komatsu Ltd | 物体検出装置 |
JP3054685B2 (ja) * | 1997-06-05 | 2000-06-19 | 運輸省船舶技術研究所長 | 地形表示機能を備えた搭載用航法装置 |
JP4253901B2 (ja) | 1999-03-02 | 2009-04-15 | マツダ株式会社 | 車両の障害物検出装置 |
JP3352655B2 (ja) * | 1999-09-22 | 2002-12-03 | 富士重工業株式会社 | 車線認識装置 |
US7266220B2 (en) * | 2002-05-09 | 2007-09-04 | Matsushita Electric Industrial Co., Ltd. | Monitoring device, monitoring method and program for monitoring |
JP3997885B2 (ja) * | 2002-10-17 | 2007-10-24 | 日産自動車株式会社 | レーンマーカ認識装置 |
US7446798B2 (en) * | 2003-02-05 | 2008-11-04 | Siemens Corporate Research, Inc. | Real-time obstacle detection with a calibrated camera and known ego-motion |
US7587081B2 (en) * | 2005-09-28 | 2009-09-08 | Deere & Company | Method for processing stereo vision data using image density |
JP2008026991A (ja) * | 2006-07-18 | 2008-02-07 | Tokai Rika Co Ltd | 信号機識別装置 |
JP2008027124A (ja) * | 2006-07-20 | 2008-02-07 | Denso Corp | 歩行者情報通知装置および歩行者情報通知装置に用いられるプログラム |
DE102006049246B4 (de) | 2006-10-19 | 2021-04-15 | Robert Bosch Gmbh | Vorrichtung zur Erkennung von Ein- und Ausscherern in einem Fahrerassistenzsystem |
JP4817384B2 (ja) | 2006-12-06 | 2011-11-16 | 学校法人早稲田大学 | 移動物体検出装置及び移動物体検出装置用プログラム |
JP4862774B2 (ja) * | 2006-12-20 | 2012-01-25 | アイシン・エィ・ダブリュ株式会社 | 運転支援方法及び運転支援装置 |
JP4930187B2 (ja) | 2007-05-22 | 2012-05-16 | 株式会社デンソー | 運転支援システム |
JP4863951B2 (ja) * | 2007-08-09 | 2012-01-25 | 本田技研工業株式会社 | 信号機認識装置 |
JP2009180536A (ja) * | 2008-01-29 | 2009-08-13 | Omron Corp | 画像処理装置、画像処理方法、およびプログラム |
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
DE102009038078A1 (de) | 2009-08-19 | 2011-03-10 | Audi Ag | Verfahren zur Ermittlung eines Ein- oder Ausschervorgangs eines dem eigenen Kraftfahrzeug vorausfahrenden Fahrzeugs |
JP5554579B2 (ja) | 2010-01-26 | 2014-07-23 | 富士通株式会社 | 車線検出プログラム及び車線検出装置 |
JP5276032B2 (ja) * | 2010-03-01 | 2013-08-28 | 本田技研工業株式会社 | 対象物の位置を算出するための装置 |
JP5218458B2 (ja) | 2010-03-23 | 2013-06-26 | 株式会社デンソー | 車両接近報知システム |
DE102010012954A1 (de) * | 2010-03-25 | 2011-09-29 | Daimler Ag | Verfahren zum Betrieb einer Fahrerassistenzvorrichtung und Fahrerassistenzvorrichtung |
-
2012
- 2012-12-14 JP JP2014529239A patent/JP5971341B2/ja active Active
- 2012-12-14 CN CN201280075207.4A patent/CN104584097B/zh not_active Expired - Fee Related
- 2012-12-14 WO PCT/JP2012/082531 patent/WO2014024336A1/ja active Application Filing
- 2012-12-14 EP EP12882792.0A patent/EP2884476A4/en active Pending
- 2012-12-14 US US14/418,590 patent/US10246030B2/en not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102007521A (zh) * | 2008-04-24 | 2011-04-06 | 本田技研工业株式会社 | 车辆周围监测装置 |
Also Published As
Publication number | Publication date |
---|---|
US20150298621A1 (en) | 2015-10-22 |
CN104584097A (zh) | 2015-04-29 |
JP5971341B2 (ja) | 2016-08-17 |
EP2884476A4 (en) | 2016-04-27 |
WO2014024336A1 (ja) | 2014-02-13 |
JPWO2014024336A1 (ja) | 2016-07-25 |
EP2884476A1 (en) | 2015-06-17 |
US10246030B2 (en) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104584097B (zh) | 物体检测装置和驾驶辅助装置 | |
CN105324275B (zh) | 移动轨迹预测装置和移动轨迹预测方法 | |
CN104554261B (zh) | 驾驶辅助装置 | |
CN107000745B (zh) | 车辆的行驶控制装置以及行驶控制方法 | |
CN106476800B (zh) | 碰撞避免辅助装置 | |
EP2645126B1 (en) | Railroad crossing barrier estimating apparatus and vehicle | |
JP4906398B2 (ja) | 車載道路形状識別装置、車載システム、道路形状識別方法及び周辺監視方法 | |
CN104118382B (zh) | 碰撞确定设备、碰撞减轻设备和碰撞确定方法 | |
JP5407764B2 (ja) | 運転支援装置 | |
CN102132335B (zh) | 行驶环境识别装置 | |
CN103847667B (zh) | 车辆的驾驶辅助控制装置 | |
CN102416953B (zh) | 振动施加结构检测装置以及车辆控制装置 | |
CN107563256A (zh) | 辅助驾驶信息产生方法及装置、辅助驾驶系统 | |
CN105182364A (zh) | 狭窄空间中的与静态目标的碰撞避免 | |
CN106240458A (zh) | 一种基于车载双目相机的车辆前方碰撞预警方法 | |
CN105936276A (zh) | 行驶控制装置 | |
CN107000749A (zh) | 车辆的行驶控制装置以及行驶控制方法 | |
CN106364480A (zh) | 车辆控制装置 | |
CN101681562A (zh) | 车辆行驶轨迹推定装置 | |
CN105518758A (zh) | 用于核查机动车错误方向行驶的方法以及控制和检测装置 | |
CN106585631A (zh) | 车辆碰撞系统及其使用方法 | |
CN109204136A (zh) | 周边图像显示控制装置 | |
CN108137007A (zh) | 车辆控制装置以及车辆控制方法 | |
CN109318894A (zh) | 车辆驾驶辅助系统、车辆驾驶辅助方法及车辆 | |
CN104635731B (zh) | 目标的运动特性判断装置及具备此的行驶路径控制装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170405 |
|
CF01 | Termination of patent right due to non-payment of annual fee |