CN107533804A - 情形理解装置 - Google Patents

情形理解装置 Download PDF

Info

Publication number
CN107533804A
CN107533804A CN201580079070.3A CN201580079070A CN107533804A CN 107533804 A CN107533804 A CN 107533804A CN 201580079070 A CN201580079070 A CN 201580079070A CN 107533804 A CN107533804 A CN 107533804A
Authority
CN
China
Prior art keywords
frame
detection
barrier
obstacles
risk factor
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
Application number
CN201580079070.3A
Other languages
English (en)
Other versions
CN107533804B (zh
Inventor
义平真规
渡边省吾
岸则政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nissan Motor Co Ltd
Original Assignee
Nissan Motor Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nissan Motor Co Ltd filed Critical Nissan Motor Co Ltd
Publication of CN107533804A publication Critical patent/CN107533804A/zh
Application granted granted Critical
Publication of CN107533804B publication Critical patent/CN107533804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G08G1/165—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Abstract

一种情形理解装置，取得在道路上在车辆彼此或者车辆与人交错的特定地点预先设定有用于检测障碍物的一个或两个以上的、与道路结构相对应的形状的障碍物检测框(42)的地图数据。在处于本车辆的行驶预定路径(51)上的特定地点，判断在障碍物检测框(42)中是否具有障碍物，基于障碍物的有无的判断结果，计算出特定地点的危险度。

Description

情形理解装置
技术领域
本发明涉及判断在道路上车辆彼此或者车辆与人交错的特定地点的危险度的情形理解装置(scene ascertainment device)。
背景技术
目前，提案有用于计算出本车辆周边的潜在的危险度的危险度计算出装置(参照专利文献1)。在专利文献1中，基于来自障碍物检测装置的信息，在本车辆周边使格子状区域的网格的设定变化，并计算出该网格的各交点或各个格子状区域中的潜在风险(riskpotential)。而且，根据该计算出的潜在风险，设定本车辆的目标路径。
现有技术文献
专利文献
专利文献1：国际公开第2012/032624号
由于在本车辆周边的整个格子状区域计算出潜在风险，因此，存在如下问题，在检测到多个障碍物的情况下，运算负荷增大，且直到计算出危险度的时间变长。
发明内容
本发明是鉴于上述课题而完成的，其目的在于，提供一种抑制运算负荷过度增大的情形理解装置(情形领会装置、情形确认装置scene ascertainment device)。
本发明的一方式的情形理解装置，在车辆彼此或者车辆与人交错的特定地点，判断预先设定的、与道路结构相对应的形状的障碍物检测框中是否具有障碍物，基于该判断结果，计算出特定地点的危险度。
附图说明
图1是表示包含第一实施方式的情形理解装置的驾驶辅助装置1a的整体结构的块图；
图2是表示由运算电路17a构成的多个运算处理部的块图；
图3是表示包含第一实施方式的情形理解方法(情形领会方法、情形确认方法)的驾驶辅助方法的一例的流程图；
图4(a)是表示三岔路中的表示路边缘石41的位置的路边缘石信息或道路网络信息的例子的平面图，图4(b)是表示在三岔路设定的障碍物检测框42的例子的平面图；
图5(a)及(b)是表示合流地点的一例及在合流地点设定的障碍物检测框42的例子的平面图，图5(c)及(d)是表示人行横道45的一例及在人行横道45设定的障碍物检测框42的例子的平面图；
图6(a)是表示在具有信号灯(信号机)的三岔路设定的注视框48的例子的平面图，图6(b)是表示在没有信号灯的三岔路设定的注视框48的例子的平面图，图6(c)是表示由障碍物49产生的死角与注视框48重叠的情况的平面图；
图7(a)是表示在合流地点设定的注视框48的例子的平面图，图7(b)是表示在人行横道设定的注视框48的例子的平面图；
图8(a)是表示设定有11个障碍物检测框(R01～R11)、2个的注视框(T01、T02)的三岔路的平面图，图8(b)～图8(e)是表示在图8(a)的三岔路具有障碍物的障碍物检测框(R01～R11)及与死角重叠的注视框(T01、T02)的组合的例子的平面图；
图9(a)～图9(d)是表示由检测框选择部25选择的障碍物检测框42’的例子的平面图，图9(e)及图9(f)是表示由检测框选择部25选择的注视框48’的例子的平面图；
图10是表示包含第二实施方式的情形理解装置的驾驶辅助装置1b的整体结构的块图；
图11是表示由运算电路17b构成的多个运算处理部的块图；
图12是表示包含第二实施方式的情形理解方法的驾驶辅助方法的一例的流程图；
图13是表示图12的步骤S33及步骤S23的详细顺序的流程图；
图14是表示图13的步骤S47所示的知识树(交叉点入口)的详细顺序的流程图；
图15是表示图13的步骤S49所示的知识树(交叉点内部)的详细顺序的流程图；
图16是表示图13的步骤S51所示的知识树(交叉点出口)的详细顺序的流程图。
具体实施方式
(第一实施方式)
接着，参照附图详细地说明本发明的实施方式。
(第一实施方式)
参照图1说明包含第一实施方式的情形理解装置的驾驶辅助装置1a的整体结构。驾驶辅助装置1a是在本车辆的行驶预定路径上的特定地点，基于与其它车辆或人交错的危险度(情形)决定本车辆的行动(驾驶辅助(辅助驾驶)方法)，并执行驾驶辅助(辅助驾驶)的装置。情形理解装置是计算出危险度即理解情形(了解情形、领会情形、确认情形sceneascertainment)的装置。特定地点是指在道路上车辆彼此或车辆与人交错的地点，例如包含3个以上的道路汇聚的交叉点、高速道路的合流地点、人行横道。因此，情形理解装置在本车辆在特定地点行驶时，检测在特定地点的周围具有的其它车辆或人，计算出与其它车辆或人交错的危险度。而且，驾驶辅助装置1a为了本车辆在特定地点安全地行驶，基于危险度决定本车辆的行动(驾驶辅助方法)，并执行驾驶辅助。
驾驶辅助装置1a具备：GPS11、地图数据库12、车载摄像机13及激光传感器14、操作部15、危险度数据库16、运算电路17a。GPS11是检测本车辆的当前位置的本车辆位置检测部的一例。地图数据库12是存储地图数据的地图存储部的一例。车载摄像机13及激光传感器14是检测存在于车辆周围的障碍物的位置的障碍物检测部的例子。操作部15是接收本车辆的乘客的指示的部件，包含话筒、配置于仪表盘的触摸面板、转向开关等。危险度数据库16存储具有障碍物的障碍物检测框的组合与危险度的关系。对于危险度数据库16及障碍物检测框后面叙述。
运算电路17a是执行使用障碍物信息及地图信息计算出危险度并执行驾驶辅助的一连串的运算处理的电路，例如是由CPU、RAM、ROM、存储器、输入输出控制电路构成的通用的微型计算机。微型计算机中预先安装记载了一连串的运算处理的计算机程序，通过微型计算机执行计算机程序，微型计算机构成用于执行上述的一连串的运算处理的多个运算处理部。对于由运算电路17a构成的多个运算处理部，参照图2后面进行叙述。
GPS11接收全球定位系统中的来自NAVSTAR卫星的电波，实时地测量本车辆的位置。存储于地图数据库12的地图数据中，在特定地点的各自分别预先设定有用于检测障碍物的1个或2个以上的、与道路结构相对应的形状的障碍物检测框。车载摄像机13搭载于本车辆，拍摄本车辆周围而取得周围图像。运算电路17a对周围图像进行解析，判断障碍物的有无及其位置。激光传感器14通过射出脉冲状的激光，检测来自障碍物的反射光，而检测从本车辆到障碍物的距离及方位。
参照图2说明由运算电路17a构成的多个运算处理部。运算电路17a作为多个运算处理部构成计算出危险度并决定驾驶辅助方法的情形理解部21、执行决定的驾驶辅助的驾驶辅助部22。情形理解部21具备：地图取得部23、路径运算部24、检测框选择部25、障碍物判断部26、危险度计算部27、死角重叠判断部28、编码处理部29、危险度数据取得部30。
驾驶辅助部22根据由情形理解部21决定的本车辆的行动(驾驶辅助方法)，执行驾驶辅助。具体而言，驾驶辅助装置1a也可以是通过驱动各种促动器，自身主动性地进行包含转向操作及踏板操作的全部的驾驶操作的自动驾驶控制。或，也可以通过驾驶员的听觉、视觉、触觉等的五官感觉，指示、唆使或暗示驾驶员应进行的驾驶操作。
路径运算部24运算从由GPS11测量的本车辆的当前位置到操作部15接收的目的地的行驶预定路径。此外，实施方式中，说明驾驶辅助装置1a或情形理解装置自身具有运算行驶预定路径的功能的情况。但是，驾驶辅助装置1a或情形理解装置也可以从外部取得由其它装置运算的行驶预定路径。
地图取得部23从地图数据库12取得行驶预定路径的地图数据。地图取得部23读入在行驶预定路径上具有的特定地点，还读入设定于各个特定地点的障碍物检测框。作为地图数据，能够使用数字地图。数字地图具备图4(a)所示的表示路边缘石41的位置的路边缘石信息或道路网络信息。路边缘石信息在计算出本车辆可能行驶的区域时被利用。道路网络信息用于求得本车辆在下一时刻能够行驶的区域。另外，数字地图还具备与道路结构相对应的形状的障碍物检测框的信息。
此外，实施方式中，表示地图数据库12搭载于车辆的情况，但不限于此，也可以存储于车辆外的服务器上。在该情况下，地图取得部23只要经由网络从车辆外取得地图数据即可。另外，危险度数据库16也同样。另外，障碍物检测框也可以最初设定在地图数据库12上。
如图4(b)所示，在一个特定地点(例如，三岔路)设定有与道路结构相对应的形状的多个障碍物检测框42。在交叉点的入口及出口、交叉点的内部、人行横道及与其邻接的人行道部分等设定有障碍物检测框42。在交叉点的内部，在交叉点进行直线前进或左右拐的每个前进路线上设定有障碍物检测框42。
作为车辆彼此交错的特定地点的其它例子，如图5(a)及图5(b)所示，具有从合流车道43(包含分支车道)向主车道44的合流地点。另外，作为车辆与人交错的特定地点，如图5(c)及图5(d)所示，具有人行横道45。在这些特定地点，在交错之前(情形入口)、交错的部分(情形内部)、及交错之后(情形出口)各自均预先设定有多个障碍物检测框42。
障碍物判断部26在处于行驶预定路径上的特定地点，判断在障碍物检测框是否具有障碍物。障碍物判断部26判断由车载摄像机13及激光传感器14检测出的障碍物的位置是否在障碍物检测框的内部。
危险度计算部27基于障碍物的有无的判断结果计算出特定地点的危险度。危险度的具体的计算方法的例子后面叙述，但不限定于此，也可以适当使用已知的方法(例如，专利文献1记载的方法)。
情形理解部21根据路边缘石信息或道路网络信息求得本车辆从这里起行驶的行驶区域。在行驶区域中包含特定地点的情况下，读入在特定地点设定的障碍物检测框。使用搭载于本车辆的外界感测装置(车载摄像机13及激光传感器14)检测障碍物。判断在障碍物检测框中是否包含被检测的障碍物。在特定地点的规定的障碍物检测框中存在障碍物的情况下，判断为特定地点危险。危险度也可以对每个障碍物检测框设定，危险度也可以对每个障碍物检测框改变。即，也可以在计算出危险度时，对每个障碍物检测框附加不同的加权。
这样，情形理解部21基于在地图数据中预先设定的障碍物检测框42中的障碍物的有无，计算出特定地点的危险度。因此，能够从处理对象排除在与危险度的计算没有关系的位置被检测出的障碍物，因此，抑制运算负荷过度地增大。
在存储于地图数据库12的地图数据中，不仅是障碍物检测框，而且应注视是否与由障碍物产生的死角重叠的注视框也可以预先设定于各个特定地点。在该情况下，地图取得部23取得在特定地点预先设定有注视框的地图数据。如图2所示，情形理解部21还具备判断由障碍物产生的死角是否与注视框重叠的死角重叠判断部28。危险度计算部27基于是否重叠的判断结果，计算出特定地点的危险度。因此，能够假定在死角存在障碍物并计算出特定地点的危险度。
注视框48设于由于其它车辆、建筑物或墙壁的存在而容易成为死角的位置。注视框48还设于成为死角时具有其它车辆或人飞出的危险的位置。设置注视框48的位置根据本车辆46的路径及向特定地点的进入方向不同而各异。即使是特定地点相同，且本车辆的路径相同，有时注视框的位置和数量也不同。例如，根据特定地点的信号灯的有无，必要的注视框的数量进行变化。
图6(a)表示在具有信号灯的三岔路设定的注视框48的例子。当在对向车道的入口具有其它车辆时，处于其它车辆附近的摩托车道容易成为死角。当在交叉点内具有前行车时，人行横道及本车辆道的出口附近容易成为死角。因此，在容易成为死角的这些位置设置注视框48。
图6(b)表示在没有信号灯的三岔路设定的注视框48的例子。需要在危险度的运算中考虑其它车辆从与本车辆46行驶的道路交叉的其它道路驶入的情形。其它道路的对向车道入口由于前行车容易成为死角。因此，在其它道路的对向车道入口设置注视框48。
危险度计算部27根据由安装于本车辆46的传感器求得的死角50与注视框48重叠的状态量计算出危险度。例如，危险度计算部27根据死角与注视框重叠的面积相对于注视框48的面积占据的比例，来计算出危险度。或者，危险度计算部27也可以根据与死角重叠的注视框的长度48a相对于注视框48的外周占据的比例，来计算出危险度。危险度计算部27在这些状态量比基准值大的情况下，由于可见度差，因此，能够计算出较高的危险度。
如图7(a)所示，在合流地点，在合流车道43与主车道44之间具有墙壁的情况下，其背侧容易成为死角。另外，在具有从合流车道43向主车道44进行车道变更的前行车的情况下，合流后的主车道44附近容易成为死角。因此，在容易成为死角的这些位置设置注视框48。此外，本车辆46从合流车道43进入主车道44时，设置多个注视框48。但是，在本车辆46在比合流车道43更优先的主车道44仅进行直线前进的情况下，不设置注视框。
如图7(b)所示，在人行横道上，在具有前行车的情况下，人行横道的附近容易成为死角。另外，在人横穿人行横道的情况下，人行横道的进深侧容易成为死角。因此，在容易成为死角的这些位置设置注视框48。
第一实施方式中，危险度计算部27基于具有障碍物的障碍物检测框42的组合，计算出特定地点的危险度。由于不需要对障碍物检测框42各自计算出危险度，因此，能够抑制运算负荷过度的增大。另外，危险度计算部27也可以对上述的障碍物检测框42的组合追加与由障碍物产生的死角重叠的注视框48，计算出特定地点的危险度。
如上述，在一个特定地点设定有多个障碍物检测框42或注视框48。危险度计算部27根据检测有障碍物的多个障碍物检测框42及与死角重叠的注视框48的组合，判断是否能够解读预先确定的交通状况。只有在能够解读预先确定的交通状况的情况下，危险度计算部27基于交通状况计算出危险度。在本车辆行驶中解读预先确定的交通状况的情况下，将本车辆遭遇的环境理解为危险的情形。
在此，使用具有障碍物的障碍物检测框42及与死角重叠的注视框48的组合判断危险度，但对于障碍物检测框42及注视框48各自，也可以分别计算出危险度，并将它们合计，计算出特定地点的危险度。
图8(a)表示设定有11个障碍物检测框(R01～R11)、两个注视框(T01、T02)的三岔路。作为行驶预定路径51，本车辆46在三岔路进行右拐。图8(b)～图8(e)表示在图8(a)的三岔路具有障碍物的障碍物检测框42及与死角重叠的注视框48的组合的例子。在具有障碍物的障碍物检测框42及与死角重叠的注视框48标注阴影线。图8(b)的例子中，在对向车道的交叉点入口及出口附近的障碍物检测框(R04、R06)检测有障碍物。危险度计算部27根据障碍物检测框(R04、R06)的组合，能够读取对向车道拥堵的交通状况。图8(c)的例子中，在交叉点内部及本车辆的交叉点出口附近的障碍物检测框(R02、R05、R07)检测有障碍物。危险度计算部27根据障碍物检测框(R02、R05、R07)的组合，能够读取在右拐之前具有其它车辆，因此，在交叉点内滞留有其它车辆，产生等待右拐而拥堵的交通状况。
图8(d)的例子中，在处于人行横道跟前的交叉点内部的障碍物检测框(R05)检测有障碍物。而且，本车辆的交叉点出口的处于人行横道附近的注视框(T02)与死角重复。危险度计算部27根据障碍物检测框(R05)和注视框(T02)的组合，能够读取在人行横道具有行人(步行者)53，因此，其它车辆在人行横道跟前停止，或者，在人行横道跟前具有障碍物，因此，看不见人行横道的交通状况。
图8(e)的例子中，在处于对向车道的交叉点内部的障碍物检测框(R05)检测有障碍物。而且，处于对向车道的交叉点入口的注视框(T01)与死角重复。危险度计算部27根据障碍物检测框(R05)和注视框(T01)的组合，能够读取在对向车道的交叉点内具有其它车辆，因此，看不见对向车道入口的侧道的交通状况。由此，能够判断在对向车道入口的侧道可能具有摩托车52的危险性。
如图1所示，第一实施方式的情形理解装置具备危险度数据库16。危险度数据库16使具有障碍物的障碍物检测框42的组合进行编码，并存储有编码的组合与危险度的关系。情形理解部21具备对具有障碍物的障碍物检测框的组合进行编码的编码处理部29。危险度计算部27使用危险度数据库16，并根据由编码处理部29编码的组合，计算出特定地点的危险度。能够抑制由于编码而运算负荷的进一步增大。此外，也可以对编码的组合追加与死角重叠的注视框48。
编码是以通过计算机的位串的高速信息处理为参考的危险度中的信息表达的一个方法。编码中使用目前为止叙述的多个障碍物检测框和注视框的情形理解的结果。组合与危险度的相关联方式中，以过去的事故事例或过去的意外事例(虽然不至于导致重大的灾害或事故，但与此直接相连，不奇怪的前一步的事例)为参考。将使用本编码技术将过去事例进行数值化的数据存储在危险度数据库16中。
例如，将具有障碍物的障碍物检测框42和与死角重叠的注视框48的组合作为一组连续的数值进行表达。图8(b)～图8(e)所示的组合进行编码，且与危险度相关联，并存储于危险度数据库16。将图8(b)的组合进行编码的结果为“0001010000000”，将图8(c)的组合进行编码的结果为“010010001000”，将图8(d)的组合进行编码的结果为“0000100100001”，图8(e)的组合为“0000100100010”。
危险度计算部27核对由编码处理部29编码的障碍物检测框及注视框的组合、与存储于危险度数据库16的编码的组合，计算出与障碍物检测框及注视框的组合对应的危险度。
另外，为了扩大编码中可表达的值，不仅障碍物和死角的有无，而且障碍物其本身的属性信息也可以作为数值进行表达。障碍物判断部26也可以在处于行驶预定路径51上的特定地点，检测障碍物检测框42中具有的障碍物的属性。编码处理部29对具有障碍物的障碍物检测框42及障碍物的属性的组合进行编码。通过考虑障碍物的属性信息，危险度的计算精度提高。当然，也可以对该组合追加与死角重叠的注视框48。
作为将障碍物的属性作为数值进行表达的方法，只要通过0和1的二位表达进行编码，并增加表达组合的位串即可。属性信息中包含物理信息和特性信息。作为物理信息，可举出包含车辆的重量及大小的车辆规格及障碍物的种类(行人、二轮车、四轮车)。作为特性信息，可举出是否停止或是否移动的信息，还举出要进行怎样的移动等的移动方式的信息。
第一实施方式中，如图4～图7所示，表示了使用在特定地点预先设定的全部障碍物检测框42及注视框48计算出危险度的例子。但是，实施方式不限于此。例如，也可以从在特定地点预先设定的障碍物检测框42中，选择一部分障碍物检测框42’，对选择的障碍物检测框42’判断是否具有障碍物。
如图2所示，情形理解部21还具备检测框选择部25，该检测框选择部25从在特定地点预先设定的障碍物检测框42中，选择根据行驶预定路径51确定的障碍物检测框42’。障碍物判断部26判断由检测框选择部25选择的障碍物检测框42中是否具有障碍物。由此，能够抑制障碍物判断部26的运算负荷的增大。
另外，检测框选择部25也可以从在特定地点预先设定的注视框48中，选择根据行驶预定路径51确定的一部分注视框48’。在该情况下，死角重叠判断部28只要判断由障碍物产生的死角是否与由检测框选择部25选择的注视框48’重叠即可。由此，能够抑制死角重叠判断部28的运算负荷的增大。
图9(a)～图9(d)表示由检测框选择部25选择的障碍物检测框42’的例子。图9(a)是具有信号灯的三岔路的例子，图9(b)是没有信号灯的三岔路的例子，图9(c)是合流地点的例子，图9(d)是人行横道的例子。图9(e)及图9(f)表示由检测框选择部25选择的注视框48’的例子。图9(e)是具有信号灯的四岔路口的例子，图9(f)是没有信号灯的四岔路口的例子。
以三岔路取例说明选择的方法。首先，选择处于本车辆46的行驶预定路径51上的障碍物检测框42’。选择处于与本车辆46的行驶预定路径51交叉的其它车辆道路上的障碍物检测框42’。然后，选择与选择的障碍物检测框42’相接的注视框48’。由此，能够选择与本车辆46的移动相关的障碍物检测框42’及注视框48’。上述的选择方法也能够适用于合流地点及人行横道等的其它特定地点。
参照图3说明使用了包含第一实施方式的情形理解装置的驾驶辅助装置1a的情形理解方法及驾驶辅助方法的一例。
步骤S01中，地图取得部23取得在特定地点预先设定有用于检测障碍物的1个或2个以上的障碍物检测框42的地图数据。此外，就读入障碍物检测框42的时刻而言，也可以在车辆接近特定地点时，每次读入接近的特定地点的障碍物检测框42。进入步骤S03，路径运算部24基于本车辆46的位置及目的地的信息，运算本车辆46的行驶预定路径51。步骤S05中，障碍物判断部26取得由车载摄像机13及激光传感器14检测的处于车辆周围的障碍物的信息。步骤S07中，障碍物判断部26取得由车载摄像机13及激光传感器14检测的障碍物的属性信息。
进入步骤S11，死角重叠判断部28运算由利用车载摄像机13及激光传感器14检测的障碍物产生的死角的范围。进入步骤S13，情形理解部21判断处于行驶预定路径51上的最近的特定地点是否为3个以上的道路汇聚的交叉点。说明在特定地点为交叉点时的顺序。其它特定地点也可以应用同样的顺序。
进入步骤S15，检测框选择部25从在交叉点预先设定的障碍物检测框42及注视框48中，选择根据行驶预定路径51确定的一部分障碍物检测框42’及一部分注视框48’。进入步骤S17，死角重叠判断部28判断由障碍物产生的死角是否与注视框48’重叠。进入步骤S19，编码处理部29对具有障碍物的障碍物检测框42的组合进行编码。而且，危险度计算部27从危险度数据库16，读出表示编码的组合与危险度的关系的数据。
进入步骤S21，危险度计算部27通过核对表示由编码处理部29编码的组合和编码的组合与危险度的关系的数据，计算出特定地点的危险度。危险度计算部27根据步骤S23中计算出的危险度决定驾驶辅助方法，并向驾驶辅助部22输出。进入步骤S25，驾驶辅助部22根据决定的辅助方法，执行驾驶辅助。
如以上说明，根据本发明的第一实施方式，得到以下的作用效果。
情形理解装置基于在地图数据中预先设定的、与道路结构相对应的形状的障碍物检测框42中的障碍物的有无，计算出特定地点的危险度。因此，能够从处理对象排除在与危险度的计算没有关系的位置检测的障碍物，因此，可抑制运算负荷过度地增大。
如图6所示，危险度计算部27基于本车辆46应注视的注视框48是否与由障碍物49产生的死角50重叠，计算出特定地点的危险度。因此，能够假定在死角50存在障碍物并计算出特定地点的危险度。
危险度计算部27基于具有障碍物的障碍物检测框的组合，计算出特定地点的危险度。由此，不需要对于各个障碍物计算出危险度，因此，能够抑制运算负荷的过度的增大。
危险度计算部27使用危险度数据库16，并根据编码的障碍物检测框的组合，计算出特定地点的危险度。能够抑制由于编码而运算负荷的进一步增大。
障碍物判断部26在处于行驶预定路径51上的特定地点，检测障碍物检测框42中具有的障碍物的属性，编码处理部29对具有障碍物的障碍物检测框及障碍物的属性的组合进行编码。通过考虑障碍物的属性(物理信息，特性信息)，提高危险度的计算精度。
如图9所示，检测框选择部25从在特定地点预先设定的障碍物检测框42中，选择根据行驶预定路径51确定的一部分障碍物检测框42’。障碍物判断部26判断由检测框选择部25选择的障碍物检测框42’中是否具有障碍物。障碍物判断部26只要仅将由检测框选择部25选择的障碍物检测框42’设为判断对象即可，因此，能够抑制运算负荷的进一步增大。
在特定地点为3个以上的道路汇聚的交叉点的情况下，障碍物检测框42设定在交叉点的入口、出口、交叉点的内部及人行横道。由此，在3个以上的道路汇聚的交叉点的危险度计算中，可抑制运算负荷过度地增大。
(第二实施方式)
参照图10及图11说明包含第一实施方式的情形理解装置的驾驶辅助装置1b的结构。与图1的不同的点是，驾驶辅助装置1b具备知识数据库17代替危险度数据库16。知识数据库17中存储有根据特定地点的本车辆的位置确定的障碍物检测框42、及表示应注意的障碍物检测框42的顺序的数据(知识树)。特定地点的本车辆的位置中包含例如特定地点的入口、内部及出口。对特定地点的入口、内部及出口的各自，分别确定障碍物检测框42及应注意的障碍物检测框42的顺序。当然，知识树中，也可以与本车辆的位置对应地确定有注视框48及应注意的注视框48的顺序。
参照图11说明由运算电路17b构成的多个运算处理部。运算电路17b与图2的运算电路17a相比，在具备知识树取得部31而代替编码处理部29及危险度数据取得部30的点上不同。其它结构相同。知识树取得部31从知识数据库17中取得与由GPS11检测出的本车辆的位置对应的障碍物检测框42、及表示应注意的障碍物检测框42的顺序的数据(知识树)。障碍物判断部26基于从知识数据库17取得的障碍物检测框42、及应注意的障碍物检测框42的顺序，依次判断障碍物检测框42中是否具有障碍物。由此，能够根据特定地点的本车辆的位置，计算出适当的危险度及驾驶辅助方法。
以交叉点为例说明使用了知识树的危险度(驾驶辅助方法)的计算方法。知识树中，设定在交叉点内应注意的区域(障碍物检测框42及注视框48)、及相对于多个区域的应注意的顺序。知识树由例如“交叉点入口信息”、“交叉点出口信息”、“交叉点内部的其它车辆信息”及“死角信息”构成。
具体而言，“交叉点入口信息”是表示在交叉点的入口附近是否具有其它车辆的信息。“交叉点出口信息”是表示在交叉点的出口附近是否具有其它车辆的信息。“交叉点内部的其它车辆信息”是表示在交叉点内部是否具有其它车辆的信息。“死角信息”是表示交叉点内部的由于其它车辆的存在而产生的死角是否遮盖注视框48的信息。
通过根据规定的顺序取得这些信息，决定车辆的行动的种类即驾驶辅助方法。行动的种类具有：交叉点入口的“停止线停止”、“在右拐等待区域停止”、“在人行横道的跟前停止”、“慢行并行驶至可见度良好的位置后加速或暂时停止”、“在限制车速内通过交叉点”。通过使用知识树，能够决定任一速度控制的辅助方法。
知识树根据交叉点的本车辆的位置不同而各异。即，对在交叉点入口跟前的情况、在从交叉点入口到右拐等待区域之间的情况、从右拐等待区域到人行横道跟前之间的情况，分别预先准备不同的知识树，并存储到知识数据库17中。
参照图12说明使用了包含第二实施方式的情形理解装置的驾驶辅助装置1b的情形理解方法及驾驶辅助方法的一例。对与图3相同的步骤标注相同的符号并省略说明。
图12的流程图与图3相比，在具备步骤S31(知识树取得)、步骤S33(危险度计算)而代替步骤S19(编码、危险度数据取得)、步骤S21(危险度计算)的点上不同。其它步骤相同图3。
步骤S31中，知识树取得部31从知识数据库17，取得由GPS11的检测与本车辆的位置对应的、障碍物检测框42、注视框48及表示应注意的障碍物检测框42及注视框48的顺序的数据(知识树)。
进入步骤S33，障碍物判断部26基于从知识数据库17取得的知识树，依次判断障碍物检测框42中是否具有障碍物。危险度计算部27根据障碍物的有无计算出特定地点的危险度。进入步骤S23，危险度计算部27根据计算出的危险度决定驾驶辅助方法，并向驾驶辅助部22输出。
参照图13详细地说明步骤S33及步骤S23。步骤S41中，障碍物判断部26判断由GPS11检测的本车辆的位置是否为交叉点入口跟前。在为交叉点入口跟前的情况下(S41中是)，进入步骤S47，通过执行与交叉点入口对应的知识树(交叉点入口)，计算出危险度，决定驾驶辅助方法。知识树(交叉点入口)的详情参照图14后面叙述。
在不是交叉点入口跟前的情况下(S41中否)，进入步骤S43，并判断本车辆的位置是否在从交叉点入口到右拐等待区域之间。在肯定的判断的情况下(S43中是)，进入步骤S49，通过执行与交叉点内部对应的知识树(交叉点内部)，计算出危险度，并决定驾驶辅助方法。知识树(交叉点内部)的详情参照图15后面叙述。
在否定的判断的情况下(S43中否)，进入步骤S45，判断本车辆的位置是否在从右拐等待区域到人行横道跟前之间。在肯定的判断的情况下(S45中是)，进入步骤S51，通过执行与交叉点出口对应的知识树(交叉点出口)，计算出危险度，决定驾驶辅助方法。知识树(交叉点出口)的详情参照图16后面叙述。
参照图14，说明图12的步骤S47所示的知识树(交叉点入口)的详细的顺序。基于上述的“交叉点入口信息D01”，判断在交叉点的入口附近是否具有其它车辆。在具有其它车辆的情况下，作为本车辆的行动，决定在停止线停车(S71)。在没有其它车辆的情况下，基于“交叉点出口信息D03”，判断在交叉点的出口附近是否具有其它车辆。在具有其它车辆的情况下，作为本车辆的行动，决定在停止线停车(S73)。在没有其它车辆的情况下，基于“交叉点内停止车辆信息D05”，判断在交叉点内部是否具有停止的其它车辆。在没有其它车辆的情况下，作为本车辆的行动，决定移动至右拐等待区域(S75)。
在具有其它车辆的情况下，基于“停止车辆位置信息D07”，判断其它车辆是在右拐等待区域，还是在对向车道入口附近。在其它车辆在右拐等待区域的情况下，在对向车道入口形成其它车辆产生的死角时，作为本车辆的行动，决定移动至右拐等待区域(S81)。在其它车辆在右拐等待区域的情况下，在其它车辆的后方形成死角时，作为本车辆的行动，决定慢行并停止(S79)。在其它车辆在对向车道入口附近的情况下，在其它车辆的后方形成死角时，作为本车辆的行动，决定慢行并停止(S79)。在其它车辆在对向车道入口附近的情况下，在对向车道入口的侧道形成死角时，作为本车辆的行动，决定移动至右拐等待区域(S77)。
参照图15，说明图12的步骤S49所示的知识树(交叉点内部)的详细的顺序。基于上述的“交叉点出口信息D03”，判断在交叉点的出口附近是否具有其它车辆。在具有其它车辆的情况下，作为本车辆的行动，决定在右拐等待区域停车(S83)。在没有其它车辆的情况下，基于“对向车道入口信息D27”，判断在对向车道的入口附近是否具有其它车辆。在具有其它车辆的情况下，基于“死角信息D13”，判断在其它车辆的后方是否能看见。在其它车辆的后方能看见的情况下，作为本车辆的行动，决定进行用于避免碰撞的控制(S87)。在不能看见其它车辆的后方的情况下，作为本车辆的行动，决定在右拐等待区域停车(S85)。
在对向车道的入口附近没有其它车辆的情况下，参照“卷入信息D15”，判断是否具有从本车辆后方的内侧进行右拐的二轮车。在没有二轮车的情况下，作为本车辆的行动，决定移动至人行横道跟前(S89)。在具有二轮车的情况下，基于“死角信息D17”，判断是否能看见二轮车的跟前。在能看见二轮车的跟前的情况下，作为本车辆的行动，决定使二轮车先通过后，移动至人行横道跟前(S93)。在不能看见二轮车的跟前的情况下，作为本车辆的行动，决定在右拐等待区域停车(S91)。
参照图16，说明图12的步骤S51所示的知识树(交叉点出口)的详细的顺序。基于“对向车道左拐信息D19”或“交叉点卷入信息D21”，判断在对向车道上是否具有在交叉点进行左拐的其它车辆，或从本车辆后方的内侧在交叉点进行右拐的二轮车(其它车辆)。在具有其它车辆的情况下，作为本车辆的行动，决定一边慢行一边使其它车辆先通行(S95)。在没有其它车辆的情况下，基于“人行横道信息D23”，判断在人行横道是否具有人。在具有人的情况下，作为本车辆的行动，决定在人行横道的跟前停车(S97)。在没有人的情况下，基于“人行横道出入口信息D25”，判断在人行横道的周围是否具有人。在周围具有人的情况下，作为本车辆的行动，进行1秒长地停止后，如果人未动，则决定通过人行横道(S101)。在周围没有人的情况下，作为本车辆的行动，决定通过人行横道(S99)。
如以上说明，根据第二实施方式，得到以下的作用效果。
障碍物判断部26参照知识数据库17，使用与本车辆的位置对应的知识树(图14～图16)，依次判断在障碍物检测框42是否具有障碍物。由此，能够根据特定地点的本车辆的位置，计算出适当的危险度，并决定适当的车辆的行动。
如上所述，记载了本发明的实施方式，但不应理解为，构成本公开的一部分的论述及附图限定本发明。根据该公开，本领域技术人员会明确各种替代的实施方式、实施例及运用技术。
符号说明
1a、1b 驾驶辅助装置
2 障碍物检测框
12 地图数据库
16 危险度数据库
17 知识数据库
21 情形理解部(情形理解装置)
23 地图取得部
24 路径运算部(路径取得部)
25 检测框选择部
26 障碍物判断部
27 危险度计算部
28 死角重叠判断部
29 编码处理部
30 危险度数据取得部
31 知识树取得部
42，42’ 障碍物检测框
48，48’ 注视框
49 障碍物
50 死角
51 本车辆
51 行驶预定路径
52 摩托车(障碍物)
53 行人(障碍物)

Claims (8)

1.一种情形理解装置，判断在道路上车辆彼此或者车辆与人交错的特定地点的危险度，其特征在于，具备：
地图取得部，其取得在所述特定地点预先设定有用于检测障碍物的1个或两个以上的、与道路结构相对应的形状的障碍物检测框的地图数据；
路径取得部，其取得表示本车辆的行驶预定路径的路径数据；
障碍物判断部，其在处于所述行驶预定路径上的所述特定地点，判断在所述障碍物检测框中是否具有障碍物；
危险度计算部，其基于所述障碍物的有无的判断结果，计算出所述特定地点的危险度。
2.如权利要求1所述的情形理解装置，其特征在于，
所述地图取得部取得在所述特定地点预先设定有应注视是否与由所述障碍物产生的死角重叠的注视框的所述地图数据，
所述情形理解装置还具备死角重叠判断部，该死角重叠判断部判断由所述障碍物产生的死角是否与所述注视框重叠，
所述危险度计算部基于是否有所述重叠的判断结果，计算出所述特定地点的危险度。
3.如权利要求1或2所述的情形理解装置，其特征在于，
在所述特定地点设定多个所述障碍物检测框，
所述危险度计算部基于具有所述障碍物的所述障碍物检测框的组合，计算出所述特定地点的危险度。
4.如权利要求3所述的情形理解装置，其特征在于，具备：
危险度数据库，其将具有所述障碍物的所述障碍物检测框的组合进行编码，并存储所述编码的所述组合与所述危险度的关系；
编码处理部，其对具有所述障碍物的所述障碍物检测框的组合进行编码，
所述危险度计算部使用所述危险度数据库，并根据所述编码的组合计算出所述特定地点的危险度。
5.如权利要求4所述的情形理解装置，其特征在于，
所述障碍物判断部在处于所述行驶预定路径上的所述特定地点，检测所述障碍物检测框中具有的障碍物的属性，
所述编码处理部对具有所述障碍物的所述障碍物检测框及所述障碍物的属性的组合进行编码。
6.如权利要求1～5中任一项所述的情形理解装置，其特征在于，
还具备检测框选择部，该检测框选择部从在所述特定地点预先设定的所述障碍物检测框中，选择根据所述行驶预定路径而确定的障碍物检测框，
所述障碍物判断部判断由所述检测框选择部选择的所述障碍物检测框中是否具有障碍物。
7.如权利要求1、2及6中任一项所述的情形理解装置，其特征在于，还具备：
知识数据库，其存储所述特定地点的根据本车辆位置而确定的障碍物检测框、及应注意的所述障碍物检测框的顺序；
本车辆位置检测部，其检测本车辆的位置，
所述障碍物判断部参照所述知识数据库，基于本车辆的位置，依次判断所述障碍物检测框中是否具有障碍物。
8.如权利要求1～7中任一项所述的情形理解装置，其特征在于，
所述特定地点为3个以上的道路汇聚的交叉点，
所述障碍物检测框设定在所述交叉点的入口、出口、交叉点的内部及人行横道。
CN201580079070.3A 2015-04-23 2015-04-23 情形理解装置 Active CN107533804B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/062405 WO2016170646A1 (ja) 2015-04-23 2015-04-23 シーン理解装置

Publications (2)

Publication Number Publication Date
CN107533804A true CN107533804A (zh) 2018-01-02
CN107533804B CN107533804B (zh) 2018-11-06

Family

ID=57143065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580079070.3A Active CN107533804B (zh) 2015-04-23 2015-04-23 情形理解装置

Country Status (10)

Country Link
US (1) US10262215B2 (zh)
EP (1) EP3288004B1 (zh)
JP (1) JP6432677B2 (zh)
KR (2) KR20170134713A (zh)
CN (1) CN107533804B (zh)
BR (1) BR112017022816A2 (zh)
CA (1) CA2983680C (zh)
MX (1) MX369189B (zh)
RU (1) RU2675767C1 (zh)
WO (1) WO2016170646A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108829096A (zh) * 2018-05-23 2018-11-16 郑州思达科锐网络科技有限公司 一种控制无人驾驶汽车转向的方法及系统
CN113538893A (zh) * 2020-09-25 2021-10-22 腾讯科技（深圳）有限公司 车辆预警方法、控制方法、装置及电子设备
CN115257728A (zh) * 2022-10-08 2022-11-01 杭州速玛科技有限公司 一种用于自动驾驶的盲区风险区检测方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9470536B2 (en) * 2014-08-08 2016-10-18 Here Global B.V. Apparatus and associated methods for navigation of road intersections
US10188895B1 (en) 2015-08-20 2019-01-29 Matthew Stephen Wallace Weight exerciser with flexible perimeter grip band
JP2018173729A (ja) * 2017-03-31 2018-11-08 パナソニックＩｐマネジメント株式会社 自動運転制御方法およびそれを利用した自動運転制御装置、プログラム
US10195992B2 (en) * 2017-04-03 2019-02-05 Ford Global Technologies, Llc Obstacle detection systems and methods
WO2019004633A1 (ko) * 2017-06-30 2019-01-03 엘지전자 주식회사 이동 로봇의 동작 방법 및 이동 로봇
WO2019073554A1 (ja) * 2017-10-11 2019-04-18 本田技研工業株式会社 車両制御装置
JP6676025B2 (ja) 2017-10-23 2020-04-08 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
EP3779153B1 (en) * 2018-04-05 2023-11-22 Nissan Motor Co., Ltd. Vehicle control method and vehicle control device
JP7155975B2 (ja) * 2018-12-10 2022-10-19 トヨタ自動車株式会社 車両制御装置
CN109895767B (zh) * 2019-03-19 2020-11-10 奇瑞汽车股份有限公司 汽车的控制方法、装置及存储介质
JP7205799B2 (ja) * 2019-03-29 2023-01-17 マツダ株式会社 車両運転支援システム
RU2769921C2 (ru) 2019-11-21 2022-04-08 Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" Способы и системы для автоматизированного определения присутствия объектов
JP7365280B2 (ja) 2020-03-25 2023-10-19 ジオテクノロジーズ株式会社 情報処理装置
US11854400B2 (en) * 2022-05-03 2023-12-26 Here Global B.V. Apparatus and methods for predicting events in which drivers fail to see curbs

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4604683B2 (ja) * 2004-11-25 2011-01-05 日産自動車株式会社 危険状況警報装置
CN102884564A (zh) * 2010-05-10 2013-01-16 丰田自动车株式会社 危险度计算装置
JP5407898B2 (ja) * 2010-01-25 2014-02-05 株式会社豊田中央研究所 対象物検出装置及びプログラム
JP2015072650A (ja) * 2013-10-04 2015-04-16 株式会社デンソーアイティーラボラトリ 経路算出装置、車両制御装置、車両運転支援装置、車両、経路算出プログラム、及び経路算出方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE332552T1 (de) * 2000-02-28 2006-07-15 Veridian Engineering Inc Einrichtung und vorrichtung zur vermeidung von unfällen an kreuzungen
JP4125569B2 (ja) * 2001-09-21 2008-07-30 株式会社 三英技研 運転支援システム、運転支援方法及び運転支援プログラム
DE60208616T2 (de) 2001-09-21 2006-07-13 Sanei Co., Ltd. System, Verfahren und Programm zur Unterstützung von Fahrzeugen
DE10339645A1 (de) * 2003-08-28 2005-04-14 Robert Bosch Gmbh Verfahren und Vorrichtung zur Bestimmung von Größe und Position einer Parklücke
JP4335651B2 (ja) * 2003-12-03 2009-09-30 富士通テン株式会社 周辺監視装置
JP4760562B2 (ja) 2006-06-19 2011-08-31 日産自動車株式会社 車両用周辺情報提示装置及び車両用周辺情報提示方法
US7859432B2 (en) 2007-05-23 2010-12-28 Che Il Electric Wireing Devices Co., Ltd. Collision avoidance system based on detection of obstacles in blind spots of vehicle
US9672736B2 (en) 2008-10-22 2017-06-06 Toyota Motor Engineering & Manufacturing North America, Inc. Site map interface for vehicular application
WO2011101988A1 (ja) * 2010-02-22 2011-08-25 トヨタ自動車株式会社 危険度算出装置
JP5601930B2 (ja) 2010-08-09 2014-10-08 本田技研工業株式会社 車両用表示装置
CN103155015B (zh) 2010-09-08 2014-12-31 丰田自动车株式会社 移动物预测装置、假想活动物预测装置、程序模块、移动物预测方法以及假想活动物预测方法
WO2012032624A1 (ja) 2010-09-08 2012-03-15 トヨタ自動車株式会社 危険度算出装置
GB201101237D0 (en) 2011-01-25 2011-03-09 Trw Ltd Method of processing images and apparatus
US20130020451A1 (en) * 2011-07-21 2013-01-24 Level 2 Industries, LLC Interactive Visual Display System
JPWO2014119196A1 (ja) * 2013-01-31 2017-01-26 日本電気株式会社 移動体通信装置、基地局、サーバ装置、移動体通信システム、移動体通信方法及びプログラム
DK177696B1 (en) * 2013-02-25 2014-03-17 Aquaporin As Systems for water extraction
US9779621B1 (en) * 2013-03-15 2017-10-03 Waymo Llc Intersection phase map
MX345733B (es) * 2013-07-19 2017-02-14 Nissan Motor Dispositivo de asistencia a la conduccion para vehiculo y metodo de asistencia a la conduccion para vehiculo.
US9534910B2 (en) * 2014-12-09 2017-01-03 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle detection of and response to yield scenarios
KR20170121933A (ko) * 2016-04-26 2017-11-03 삼성에스디에스 주식회사 깊이 센서를 이용한 충돌 회피 방법 및 그 장치
US11308391B2 (en) * 2017-03-06 2022-04-19 Baidu Usa Llc Offline combination of convolutional/deconvolutional and batch-norm layers of convolutional neural network models for autonomous driving vehicles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4604683B2 (ja) * 2004-11-25 2011-01-05 日産自動車株式会社 危険状況警報装置
JP5407898B2 (ja) * 2010-01-25 2014-02-05 株式会社豊田中央研究所 対象物検出装置及びプログラム
CN102884564A (zh) * 2010-05-10 2013-01-16 丰田自动车株式会社 危险度计算装置
JP2015072650A (ja) * 2013-10-04 2015-04-16 株式会社デンソーアイティーラボラトリ 経路算出装置、車両制御装置、車両運転支援装置、車両、経路算出プログラム、及び経路算出方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108829096A (zh) * 2018-05-23 2018-11-16 郑州思达科锐网络科技有限公司 一种控制无人驾驶汽车转向的方法及系统
CN113538893A (zh) * 2020-09-25 2021-10-22 腾讯科技（深圳）有限公司 车辆预警方法、控制方法、装置及电子设备
CN115257728A (zh) * 2022-10-08 2022-11-01 杭州速玛科技有限公司 一种用于自动驾驶的盲区风险区检测方法
CN115257728B (zh) * 2022-10-08 2022-12-23 杭州速玛科技有限公司 一种用于自动驾驶的盲区风险区检测方法

Also Published As

Publication number Publication date
EP3288004A4 (en) 2018-05-16
BR112017022816A2 (pt) 2018-07-17
WO2016170646A1 (ja) 2016-10-27
CN107533804B (zh) 2018-11-06
MX369189B (es) 2019-10-31
US10262215B2 (en) 2019-04-16
JP6432677B2 (ja) 2018-12-12
CA2983680A1 (en) 2016-10-27
KR20170134713A (ko) 2017-12-06
EP3288004A1 (en) 2018-02-28
MX2017013367A (es) 2017-12-07
RU2675767C1 (ru) 2018-12-24
CA2983680C (en) 2020-03-31
EP3288004B1 (en) 2021-09-15
KR20190034360A (ko) 2019-04-01
US20180144201A1 (en) 2018-05-24
JPWO2016170646A1 (ja) 2018-04-05

Similar Documents

Publication Publication Date Title
CN107533804B (zh) 情形理解装置
US11022450B2 (en) Route planning for an autonomous vehicle
CN113486531B (zh) 一种车辆行驶路径规划方法、设备及系统
CN110562258B (zh) 一种车辆自动换道决策的方法、车载设备和存储介质
CN103026396B (zh) 驾驶辅助装置
JP6901555B2 (ja) 自動運転車の制御のための車両制御装置及び方法
RU2742213C1 (ru) Способ управления информацией о полосах движения, способ управления движением и устройство управления информацией о полосах движения
CN107408343A (zh) 自动驾驶辅助系统、自动驾驶辅助方法以及计算机程序
JP2023513425A (ja) 車両挙動予測方法及び装置、電子機器、記憶媒体
CN102235879A (zh) 路线搜索装置和路线引导系统
KR20200049869A (ko) 운전 지원 방법 및 운전 지원 장치
CN114299712B (zh) 一种数据处理方法、装置、设备以及可读存储介质
CN110673636B (zh) 无人驾驶仿真测试系统及方法、存储介质
JP2006226817A (ja) ナビゲーション装置およびプログラム
CN113340318A (zh) 车辆导航方法、装置、电子设备及存储介质
CN113692373A (zh) 自动驾驶车辆服务的滞留和范围分析
CN110174116A (zh) 生成导航播报内容的方法、装置、设备和计算机存储介质
CN117130298A (zh) 用于评估自动驾驶系统的方法、装置及存储介质
JP2012118028A (ja) 道路ノード位置管理システム
CN110175218A (zh) 生成导航播报内容的方法、装置、设备和计算机存储介质
US11254326B2 (en) Automatic comfort score system based on human driving reference data
CN113753040A (zh) 预测弱势道路用户乱穿马路行为
CN112985825B (zh) 用于确定自动驾驶系统的乘坐稳定性的方法
Twaddle et al. Integration of an external bicycle model in SUMO
CN114509077A (zh) 导航引导线的生成方法、装置、系统和计算机程序产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant