CN110622226A - 行驶辅助装置的动作预测方法以及动作预测装置 - Google Patents

行驶辅助装置的动作预测方法以及动作预测装置 Download PDF

Info

Publication number
CN110622226A
CN110622226A CN201780090716.7A CN201780090716A CN110622226A CN 110622226 A CN110622226 A CN 110622226A CN 201780090716 A CN201780090716 A CN 201780090716A CN 110622226 A CN110622226 A CN 110622226A
Authority
CN
China
Prior art keywords
vehicle
trajectory
road surface
motion
information indicating
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.)
Pending
Application number
CN201780090716.7A
Other languages
English (en)
Inventor
南里卓也
方芳
武井翔一
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 CN110622226A publication Critical patent/CN110622226A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • 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
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • 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
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/35—Road bumpiness, e.g. potholes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

一种预测本车辆(51)周围的其它车辆(52)的动作的动作预测方法，获取表示其它车辆(52)周围的路面的状态(53，54a，54b)的信息，根据表示路面的状态(53，54a，54b)的信息预测其它车辆(52)的动作。

Description

行驶辅助装置的动作预测方法以及动作预测装置
技术领域
本发明涉及根据预测了本车辆的周围的其它车辆的动作的结果，辅助本车辆的行驶的行驶辅助装置的动作预测方法以及动作预测装置。
背景技术
以往，已知根据先行车的前方的弯道(corner)的信息和先行车向弯道的接近速度，估计先行车脱离弯道的可能性，根据估计结果控制本车辆的车辆用控制装置。
现有技术文献
专利文献
专利文献1:日本专利特开2006－240444号公报
发明内容
发明要解决的课题
但是，因为专利文献1的车辆用控制装置根据道路形状预测其它车辆的动作，所以难以正确预测根据路面的状态的其它车辆的动作。
本发明是为了解决这样的以往的课题而完成的，其目的是提供提高其它车辆的动作的预测精度的行驶辅助装置的动作预测方法以及动作预测装置。
用于解决课题的手段
与本发明的一个方式有关的行驶辅助装置的动作预测方法获取表示其它车辆周围的路面的状态的信息，根据表示路面的状态的信息预测其它车辆的动作。
发明的效果
按照本发明的一个方式，可以提高其它车辆的动作的预测精度。
附图说明
图1是表示实施方式的行驶辅助装置以及动作预测装置的结构的方框图。
图2是表示图1的行驶辅助装置以及动作预测装置的动作的一例的流程图。
图3是表示图2的步骤06的详细的步骤的一例的流程图。
图4是表示在二车道的一方通行道路中，本车辆51在右侧车道行驶，其它车辆52在本车辆51的斜前方的左侧车道并行的行驶情景中，水洼53附近的人行道上有步行者55的情况的顶视图。
图5是表示在二车道的一方通行道路中，本车辆51在右侧车道行驶，先行车辆52在本车辆51的斜前方的左侧车道并行的行驶情景中，在水洼53附近的相邻车道存在先行车56的情况的顶视图。
图6是表示在交叉路口内停车的其它车辆52以及在其周围的路面上形成的车辙54a以及车辙54b的顶视图。
图7A是表示在二车道的弯曲道路上行驶的其它车辆52的基本轨迹(直行)61以及有效轨迹(直行)71的顶视图。
图7B是表示在二车道的弯曲道路行驶的其它车辆52的基本轨迹(车道变更)62以及有效轨迹(车道变更)72的顶视图。
具体实施方式
接着，参照附图，详细地说明实施方式。
实施方式的行驶辅助装置例如在图4所示那样的行驶情景中有效地起作用。如图4所示，在二车道的一方通行路中，本车辆51在右侧车道行驶，其它车辆52在本车辆51的斜前方的左侧车道并行。在其它车辆52的行进方向前方的左侧车道上有水洼53，沿着左侧车道行驶的轨迹63和水洼53交叉。即，在其它车辆52沿着左侧车道行驶的情况下，通过水洼53上面。
但是，如图4的轨迹64所示，其它车辆52通过暂时地将前进路线变更至右侧，可以避开水洼53并且维持行进方向。由此，与轨迹63相比，其它车辆52有选择轨迹64的可能性(似然性)。
这样，例如通过考虑路面上的水洼53那样的路面的状态后预测其它车辆的轨迹，其它车辆的动作预测的精度提高。由此，本车辆51可以预测挤向本车道的其它车辆52的动作，所以不需要使自身的行为紧急变化，可以降低对本车辆51的乘员带来的不适感。
参照图1，说明实施方式的行驶辅助装置的结构。行驶辅助装置包括：物体检测装置1、本车位置估计装置3、地图获取装置4、以及微计算机100。
物体检测装置1具有被安装在本车辆51上的激光雷达或毫米波雷达、摄像机等检测本车辆51的周围的物体的多个不同种类的物体检测传感器。物体检测装置1使用多个物体检测传感器，检测本车辆51的周围的物体。物体检测装置1检测包含其它车辆、摩托车、自行车、步行者的移动物体，以及包含泊车车辆的静止物体。例如，移动物体以及静止物体相对于本车辆51的位置、姿态、大小，速度、加速度、减速度、偏摆率。而且，将物体的位置、姿态(偏摆角)、大小、速度、加速度、减速度、偏摆率统一称为物体的“行为”。作为检测结果，物体检测装置1例如输出从本车辆51的上方的空中眺望的顶视图(也称为平面图)中的2维的物体的行为。
本车位置估计装置3包括安装在本车辆51上的GPS(全球定位系统)或里程表等测量本车辆51的绝对位置的位置检测传感器。本车位置估计装置3使用位置检测传感器，测量本车辆51的绝对位置，即，本车辆51对于规定的基准点的位置、姿态以及速度。
地图获取装置4获取表示本车辆51行驶的道路的构造的地图信息。地图获取装置4可以拥有存储了地图信息的地图数据库，也可以通过云计算从外部的地图数据服务器获取地图信息。在地图获取装置4获取的地图信息中，包含车道的绝对位置和车道的连接关系、相对位置关系等的道路构造的信息。
进而，地图获取装置4获取更新频率高的地图信息(例如，在动态地图中嵌入的信息)。具体地说，地图获取装置4通过无线通信从本车辆51的外部获取以1秒以下的频率更新的动态信息、以1分钟以下的频率更新的准动态信息、以1小时以下的频率更新的准静态信息。例如，在动态信息中包含周边车辆、步行者、信号机的信息，在准动态信息中包含事故信息、拥堵信息、小范围气象信息，在准静态信息中包含交通管制信息、道路施工信息、大范围气象信息。相对于此，上述的“表示道路的构造的地图信息”相当于以1小时以上的频率更新的静态信息。
微计算机100(控制单元的一例)根据物体检测装置1以及本车位置估计装置3的检测结果以及地图获取装置4的获取信息，预测其它车辆52的动作，从其它车辆52的动作生成本车辆51的路径，按照生成的路径控制本车辆51。
而且，在实施方式中，说明微计算机100作为控制本车辆51的行驶辅助装置的例子。但是，本发明不限于此。例如，微计算机100也能够作为预测其它车辆的动作的动作预测装置来实施。即，微计算机100也可以不进行本车辆51的路径生成以及沿着路径的行驶辅助，而最终输出预测的其它车辆的动作。
微计算机100是具有CPU(中央处理装置)、存储器、以及输入输出单元的通用的微计算机。在微计算机100中安装具有用于作为行驶辅助装置的功能的计算机程序(行驶辅助程序)。通过执行计算机程序，微计算机100具有作为行驶辅助装置所具有的多个信息处理电路(2a，2b，5，10，21，22)的功能。而且，这里示出通过软件实现行驶辅助装置所具有的多个信息处理电路(2a，2b，5，10，21，22)的例子，但是，也可以准备用于执行以下所示的各信息处理的专用的硬件，构成信息处理电路(2a，2b，5，10，21，22)。而且，也可以通过单独的硬件构成多个信息处理电路(2a，2b，5，10，21，22)。而且，信息处理电路(2a，2b，5，10，21，22)也可以与对车辆施加的其它控制中使用的电子控制单元(ECU)兼用。
作为多个信息处理电路(2a，2b，5，10，21，22)，微计算机100具有检测综合单元2a、物体追踪单元2b、地图内位置运算单元5、动作预测单元10、本车路径生成单元21、车辆控制单元22。进而，动作预测单元10包括：行为判定单元11、动作候选预测单元12、第1动作候选修正单元13、第2动作候选修正单元15、轨迹预测单元16、似然性估计单元17、路面状态获取单元18、前方物体判定单元19。而且，在作为预测其它车辆的动作的动作预测装置实施的情况下，不需要信息处理电路(本车路径生成单元21以及车辆控制单元22)。
检测综合单元2a综合从物体检测装置1具有的多个物体检测传感器的每一个得到的多个检测结果，对各物体输出一个检测结果。具体地说，根据从物体检测传感器的每一个得到的物体的行为，在考虑了各物体检测传感器的误差特性等后，计算误差最少的、最合理的物体的行为。具体地说，通过使用已知的传感器融合技术，综合地评价由多个种类的传感器获取的检测结果，得到更正确的检测结果。
物体追踪单元2b追踪由物体检测装置1检测到的物体。具体地说，从通过检测综合单元2a综合的检测结果，根据不同的时刻输出的物体的行为，进行不同的时刻间的物体的同一性的验证(相关联)，并且，基于该关联预测物体的行为。而且，在不同的时刻输出的物体的行为，存储在微计算机100内的存储器中，在后述的轨迹预测时被使用。
地图内位置运算单元5根据通过本车位置估计装置3得到的本车辆51的绝对位置、以及通过地图获取装置4获取的地图数据，估计地图上的本车辆51的位置以及姿态。例如，确定本车辆51在行驶的道路，进而确定该道路中本车辆51行驶的车道。
在动作预测单元10中，根据通过检测综合单元2a得到的检测结果、以及通过地图内位置运算单元5确定的本车辆51的位置，预测本车辆51周围的移动物体的动作。以下，说明动作预测单元10的具体结构。
行为判定单元11根据地图上的本车辆51的位置和通过检测综合单元2a得到的物体的行为，确定地图上的物体的位置以及行为。进而，当物体在地图上的位置随时间的经过变化的情况下，行为判定单元11判断为该物体为“移动物体”，由移动物体的大小以及速度判断该移动物体的属性(行驶中的其它车辆、步行者)。然后，在判定为移动物体是行驶中的“其它车辆”的情况下，行为判定单元11判定为该其它车辆行驶的道路以及车道。
而且，当物体在地图上的位置不随时间的经过变化的情况下，判断为静止物体，由静止物体的地图上的位置、姿态以及大小，判定静止物体的属性(停止中的其它车辆、泊车车辆、步行者等)。
动作候选预测单元12根据地图预测其它车辆的动作候选。动作候选预测单元12由地图信息中包含的道路构造以及其它车辆属于的车道信息，预测其它车辆接着如何行驶这样的动作意图，根据道路构造运算基于该动作意图的其它车辆的基本轨迹。所谓“动作候选”，是包含动作意图以及基本轨迹的上位概念。“基本轨迹”，不仅表示不同的时刻的其它车辆的位置的分布(profile)，还表示各位置中的其它车辆的速度的分布。
例如，在其它车辆在单车道的单路以及弯曲道路行驶情况下，动作候选预测单元12预测沿着车道的形状行驶的动作意图(直行)，作为基本轨迹，运算沿着地图上的车道的轨迹。而且，在其它车辆在多个车道的单路以及弯曲道路行驶的情况下，动作候选预测单元12预测动作意图(直行)、以及向右侧或者左侧变更车道的动作意图(车道变更)。动作意图(车道变更)中的其它车辆的基本轨迹是根据道路构造以及规定的车道变更时间进行车道变更的轨迹。进一步，在交叉路口行驶的情况下，动作候选预测单元12预测直行、右转弯以及左转弯的动作意图，根据地图上的交叉路口的道路构造运算直行轨迹、右转弯轨迹、左转弯轨迹作为基本轨迹。而且，在“基本轨迹”的运算中考虑道路构造，但是不考虑通过检测综合单元2a进行了综合的其它车辆的行为。
在图4所示的行驶情景中，动作候选预测单元12可以运算沿着左侧车道行驶的动作意图(直行)以及基本轨迹63。但是，动作候选预测单元12不运算避开水洼53并且维持行进方向的轨迹64。
第1动作候选修正单元13考虑通过物体检测装置1检测到的静止物体，修正通过动作候选预测单元12预测的动作候选。具体地说，第1动作候选修正单元13判断其它车辆的基本轨迹和静止物体的位置是否干扰。在干扰的情况下，新追加回避静止物体的其它车辆52的动作意图以及基本轨迹。
在其它移动物体与图4所示的其它车辆52同时被物体检测装置1检测到的情况下(图示省略)，第1动作候选修正单元13考虑其它移动物体，修正由动作候选预测单元12预测的动作候选。具体地说，第1动作候选修正单元13随时间经过判断是否有其它移动物体与其它车辆52的干扰。在有移动物体之间的干扰的情况下，新追加避免与其它移动物体的干扰的其它车辆52的动作意图以及基本轨迹。
路面状态获取单元18获取表示其它车辆52周围的路面的状态的信息。在表示路面的状态的信息中，包含表示摩擦阻力低的容易打滑的路面(低滑动摩擦系数道路)的状态的信息。例如，包含表示路面上的水洼53的信息、表示路面上的积雪位置的信息、以及路面的冻结位置的信息。
进而，在表示路面的状态的信息中包含表示路面上的车辙的信息。“路面上的车辙”表示在柏油、土或者雪上的车轮通过的痕迹，因为车轮多次通过了路面的相同位置，所以还包括柏油或者土被削减后路面上的凹陷和沟槽。在雪上的车轮通过的痕迹中，不仅包含雪面的凹陷和沟槽，还包含雪面的凹陷和沟槽的底面上柏油或土表露出的位置。还能够检测柏油或者土被削减后的路面上的凹陷和沟槽中积存的水，作为路面上的车辙。也能够检测在雨不下后因车轮多次通过而部分地干燥的位置，作为路面上的车辙。
路面状态获取单元18例如可以从本车辆51上安装的摄像机拍摄获取的图像数据，获取表示路面的状态的信息。通过对行进方向前方的图像数据施加图案识别处理，可以检测路面的状态。另一方面，也可以着眼于湿润时或者冻结时路面成为镜面状态，利用镜面时的偏光特性的变化来检测路面的状态。具体地说，可以通过兼用通常的摄像机和具有偏光镜头的偏光摄像机，检测通常图像和偏光图像的差异大的位置。或者，也可以作为从上述的动态地图等得到的信息，从本车辆51的外部获取表示路面的状态的信息。在实施方式中，获取路面状态的方法不特别限定，可以使用其它的已知的方法。
前方物体判定单元19判断在其它车辆52的行进方向前方是否存在物体。例如判断在通过物体检测装置1检测到的物体(静止物体以及移动物体)中是否包含在其它车辆52的行进方向前方存在的物体即可。其它车辆52的行进方向前方的区域是通过其它车辆52的中心并且与在车宽方向上延伸的直线相比在行进方向前方侧的区域。例如，前方物体判定单元19检测在其它车辆52行驶的本车道或者相邻车道行驶的先行车辆56(参照图5)、在本车道或者相邻车道上停车的车辆、路侧带或与车道相邻的人行道上的步行者55(图4参照)。
第2动作候选修正单元15至少根据路面状态获取单元18检测到的表示路面的状态的信息，修正由动作候选预测单元12预测出的动作候选。具体地说，首先，第2动作候选修正单元15在获取了表示低滑动摩擦系数路的状态的信息(例如，图4的水洼53、积雪位置、冻结位置)的情况下，新追加回避低滑动摩擦系数路的位置的其它车辆52的动作意图以及基本轨迹64。进而，第2动作候选修正单元15新追加以低速通过低滑动摩擦系数路的位置的其它车辆52的动作意图以及基本轨迹63。
进而，第2动作候选修正单元15在获取了表示路面上的车辙的信息的情况下，新追加沿着路面上的车辙行驶的其它车辆52的动作意图以及基本轨迹。例如，如图6所示，在交叉路口的紧跟前或者交叉路口内其它车辆52在停车。在其它车辆52周围的路面上存在车辙54a以及车辙54b。在获取了表示路面上的车辙54a以及车辙54b的信息的情况下，分别新追加沿着车辙54a以及车辙54b行驶的其它车辆52的动作意图以及基本轨迹。
第2动作候选修正单元15也可以根据前方物体判定单元19的判断结果，修正由第2动作候选修正单元15新追加的动作候选。具体地说，根据在其它车辆52的行进方向前方是否存在物体，估计对于由第2动作候选修正单元15新追加的动作候选的似然性。
例如，在图4所示的水洼53附近的人行道上有步行者55的情况、或在水洼53附近的相邻车道(右侧车道)上不存在先行车的情况下，第2动作候选修正单元15将其它车辆52比轨迹63更选择轨迹64的可能性(似然性)设定得高。
与此相反，如图5所示，在水洼53附近的人行道上没有步行者55的情况、或者在水洼53附近的相邻车道(右侧车道)上存在先行车辆56的情况下，与图4所示的行驶情景相比，第2动作候选修正单元15将选择轨迹64的可能性(似然性)设定得低，将选择轨迹63的可能性(似然性)设定得高。
在存在图4的步行者55以及图5的先行车辆56的双方的情况下，第2动作候选修正单元15可以根据前方物体判定单元19的判断结果，新追加以不溅起水洼53的水的程度慢行通过水洼53的其它车辆52的动作候选。
而且，若在图6所示的车辙54a或者车辙54b上不存在物体(障碍物)，则第2动作候选修正单元15将对于沿着车辙54a或者车辙54b行驶的其它车辆52的动作候选的似然性设定得高。另一方面，在车辙54a或者车辙54b上存在物体(障碍物)的情况下，第2动作候选修正单元15将对于沿着车辙54a或者车辙54b行驶的其它车辆52的动作候选的似然性设定得低，将对于回避物体(障碍物)的动作候选的似然性设定得高。
轨迹预测单元16根据行为判定单元11中检测到的行为，预测其它车辆52采取的轨迹(有效轨迹)。具体地说，轨迹预测单元16例如使用卡尔曼滤波器等已知的状态估计技术运算按照上述预测出的动作意图动作的情况下的其它车辆52的有效轨迹。“有效轨迹”与基本轨迹同样，不仅表示不同的时刻的其它车辆52的位置，还表示各位置中的其它车辆52的速度的分布。有效轨迹和基本轨迹在都是其它车辆52采取的轨迹这一点是共同的，但是在有效轨迹考虑其它车辆52的行为而被运算，但基本轨迹不考虑其它车辆的行为而被运算这一点上，两者不同。
图7A以及图7B所示的基本轨迹(61，62)是根据动作意图以及道路构造导出的其它车辆52的轨迹的例子，其它车辆52的行为未被考虑。因此，例如，由于其它车辆52的当前的姿态(偏摆角)未被考虑，所以从其它车辆52的当前位置向不同的方向，多个基本轨迹(61，62)在延伸。相对于此，轨迹预测单元16考虑其它车辆52的行为，运算沿着上述的动作意图的轨迹(有效轨迹)。换言之，运算采取了沿着上述的动作意图的动作的情况的其它车辆52的有效轨迹。
图4、图5所示的轨迹(63，64)也是根据其它车辆52的动作意图以及道路构造导出的其它车辆52的基本轨迹的一例。进而，图6所示的路面上的车辙(54a，54b)也称为沿着车辙(54a，54b)行驶的其它车辆52的基本轨迹的一例。
在图7A以及图7B中，其它车辆52的姿态(偏摆角)与沿着道路的形状行驶的基本轨迹61相比向左侧倾斜，其它车辆52的速度仅由行进方向的速度分量构成，车宽方向的速度分量为零。即，其它车辆52为直行状态。由此，在以该姿态以及速度为起点，其它车辆52按照沿着道路的形状行驶的动作意图行驶的情况下，如图7A所示，成为从基本轨迹61向左侧偏离后，接近基本轨迹61而一致的有效轨迹71。换言之，预测描绘修正从行驶车道的脱离那样的修正轨迹(过冲轨迹)。轨迹预测单元16以其它车辆52的姿态(偏摆角)以及速度作为起点，预测按照沿着道路的形状的行驶的动作意图(直行)行驶的有效轨迹71。
接着，在将相同的姿态以及速度作为起点，其它车辆52按照车道变更的动作意图行驶的情况下，如图7B所示，成为修正至开始向左方向的转弯，移动至左侧车道后，向右转弯而沿着左侧车道的轨迹的有效轨迹72。即，描绘转向角从中立位置的状态起开始左转弯的回旋曲线以及右转弯的回旋曲线构成的有效轨迹72。由此，有效轨迹72成为花费与运算车道变更轨迹62时的“规定的车道变更时间”大致相同的时间而完成车道变更的轨迹。而且，描绘执行轨迹时的曲线不一定需要是回旋曲线，也可以用其它的曲线描绘。如图7B所示，有效轨迹72是与车道变更中的基本轨迹62大致相同的轨迹。
与图7A以及图7B同样，对于图4、图5、图6所示的基本轨迹(63，64)以及视为基本轨迹的车辙(54a，54b)，轨迹预测单元16也考虑其它车辆52的行为，运算沿着动作意图的轨迹(有效轨迹)。
例如，在图4以及图5所示的行驶情景中，以其它车辆52的位置、姿态(偏摆角)以及速度作为起点，分别运算按照低速或者慢行通过水洼53的动作意图，或者回避水洼53的动作意图行驶的其它车辆52的有效轨迹。
在图6所示的行驶情景中，以其它车辆52的位置作为起点，按照在交叉路口右转弯的动作意图，分别运算沿着车辙54a行驶的其它车辆52的有效轨迹、以及按照在交叉路口直行的动作意图，沿车辙54b行驶的其它车辆52的有效轨迹。
这里，作为其它车辆52的行为的例子，考虑了位置、姿态以及速度，但是也可以考虑其它车辆52的加速度、减速度，运算有效轨迹。例如，与直行相比，可以预测车道变更时的减速度变大。
似然性估计单元17通过对比由动作候选预测单元12、第1动作候选修正单元13以及第2动作候选修正单元15预测的动作候选、与由检测综合单元2a综合的其它车辆52的行为，预测其它车辆52的动作。进而，似然性估计单元17考虑由第2动作候选修正单元15预测的似然性，预测其它车辆52的动作。
具体地说，似然性估计单元17对于由动作候选预测单元12、第1动作候选修正单元13以及第2动作候选修正单元15预测的动作候选的每一个，对比基本轨迹和有效轨迹。然后，由基本轨迹和有效轨迹的差异求各动作候选的似然性。基本轨迹和有效轨迹的差异越小，运算越高的似然性。
进而，似然性估计单元17根据由第2动作候选修正单元15预测出的似然性，对各动作候选的似然性进行加权。例如，将由第2动作候选修正单元15预测出的似然性作为系数，乘以各动作候选的似然性。由此，可以使由第2动作候选修正单元15预测出的似然性与似然性估计单元17估计的似然性结合。例如，在图4所示的情景中，与低速通过水洼53的动作候选63的似然性相比，似然性估计单元17对回避水洼53的动作候选64的似然性乘以更大的系数。
运算出的似然性最高的动作候选，可以判定为在考虑其它车辆52的行为以及路面的状态时似乎最可能的动作候选。由此，似然性估计单元17将评价出的似然性最高的动作候选决定作为其它车辆52的动作。基本轨迹和有效轨迹的差异例如根据两轨迹间的位置和速度的分布的差异的总和来计算。图7A以及图7B所示的面积S1、S2是将基本轨迹和有效轨迹的位置的差异积分后的总和的一例。面积越窄，可以判断为位置的差异越小，所以运算高的似然性。作为其它例子，即使位置的差异小，但在速度的分布大不相同的情况下，可以运算低的似然性。而且，似然性是表示该动作候选实际地发生的可能性的指标的一例，也可以是似然性以外的表现。
似然性估计单元17对于图4～图6所示的动作候选(63，64，54a，54b)的每一个，也通过比较基本轨迹和有效轨迹计算似然性，进而对该似然性乘以系数(由第2动作候选修正单元15预测出的似然性)。然后，将似然性最大的动作候选(63，64，54a，54b)决定作为其它车辆52的动作。
如以上说明的那样，在动作预测单元10中，根据由似然性估计单元17设想的各动作候选的似然性，预测其它车辆52的动作。而且，在“其它车辆的动作”中，包含其它车辆的轨迹以及速度的分布。其它车辆52的轨迹表示不同的时刻的其它车辆52的位置的分布。
本车路径生成单元21根据由动作预测单元10预测出的其它车辆52的动作，生成本车辆51的路径。例如，动作预测单元10预测了图4所示的动作64的情况下，可以生成预测了其它车辆52的车道脱离后的本车辆51的路径。本车辆51的路径是不对回避了水洼53的动作(意图)产生干扰的路径，具体地说，是以使其它车辆52先通过水洼53的两侧的方式减速的路径。或者，若行车道宽度(车道宽度)足够宽，则也可以是靠右侧车道内的右侧行驶的路径。进而，在右侧有相邻行车道的情况下，也可以是事先进行行车道变更的路径。
因此，可以生成不与其它车辆52接触，并且，本车辆51不因其它车辆52的行为而急减速或者急转弯的顺滑的本车辆51的路径。“本车辆51的路径”不仅表示不同的时刻的本车辆51的位置的分布，还表示各位置的本车辆51的速度的分布。
这里，根据地图上的其它车辆52的行为，预测包含其它车辆52的轨迹的其它车辆的动作。因此，以其它车辆52的轨迹为基础生成本车辆51的路径，成为根据与其它车辆52的相对距离的变化、加减速度或者姿态角的差生成本车辆51的路径。
例如，在图4所示的行驶情景中，表示其它车辆52减速后在水洼53的跟前停车的行为的情况下，其它车辆52的行为可以解释为表示使本车辆51先行，其它车辆52在之后希望选择轨迹64这样的动作意图。在该情况下，可以考虑其它车辆52的动作意图而形成本车辆51的路径，或者通过控制本车辆51，本车辆51不减速或者加速先通过水洼53的两侧。由此，可以避免其它车辆52和本车辆51的双方互让的状况，能够实现顺畅的交通流。
在车辆控制单元22中，根据由地图内位置运算单元5运算出的自身位置，驱动转向促动器、油门踏板促动器、以及刹车踏板促动器的至少一个,以使得本车辆51按照由本车路径生成单元21生成的路径行驶。而且，在实施方式中示出按照本车辆51的路径进行控制的情况，但是也可以不生成本车辆51的路径而控制本车辆51。在该情况下，也能够根据与其它车辆52的相对距离、或者其它车辆52与本车辆51的姿态角之差进行控制。
参照图2以及图3，说明使用了图1的行驶辅助装置的行驶辅助方法。而且，通过作为预测其它车辆52的动作的动作预测装置而使用图1的微计算机100，可以作为最终输出图2的步骤S06所示的处理动作的结果的动作预测方法来实施。
首先，在步骤S01中，物体检测装置1使用多个物体检测传感器检测本车辆51周围的物体的行为。进至步骤S02，检测综合单元2a综合从多个物体检测传感器各自得到的多个检测结果，对各物体输出一个检测结果。然后，物体追踪单元2b追踪被检测以及综合的各物体。
进至步骤S03，本车位置估计装置3使用位置检测传感器，测量本车辆51相对规定的基准点的位置、姿态以及速度。进至步骤S04，地图获取装置4获取表示本车辆51行驶的道路的构造的地图信息。
进至步骤S05，地图内位置运算单元5由步骤S03中计测出的本车辆51的位置、以及步骤S04中获取的地图数据，估计地图上的本车辆51的位置以及姿态。进至步骤S06，动作预测单元10根据步骤S02中得到的检测结果(其它车辆52的行为)和步骤S05中确定的本车辆51的位置，预测本车辆51周围的其它车辆52的动作。
参照图3说明步骤S06的细节。首先，在步骤S611中，行为判定单元11由地图上的本车辆51的位置和步骤S02中得到的物体的行为，判定为其它车辆52行驶的道路以及车道。进至步骤S612，动作候选预测单元12根据地图预测其它车辆52的动作候选。例如，由道路构造预测动作意图。
进至步骤S613，微计算机100对在步骤S01中检测出的全部其它车辆52实施步骤S611以及S612。实施之后(S613中“是”)，进至步骤S614，第1动作候选修正单元13考虑步骤S01中同时检测出的静止物体，修正在步骤S612中预测出的动作候选。
进至步骤S615，在其它移动物体与其它车辆52同时在步骤S01中被检测出来的情况下，第1动作候选修正单元13考虑其它移动物体，修正步骤S612中预测出的动作候选。
进至步骤S616，路面状态获取单元18获取表示其它车辆52周围的路面的状态的信息。例如，获取表示图4以及图5所示的水洼53、以及图6所示的车辙54a、54b的信息。
进至步骤S617，前方物体判定单元19判断在由物体检测装置1检测出的物体(静止物体以及移动物体)中，是否包含在其它车辆52的行进方向前方存在的物体。例如，前方物体判定单元19检测在其它车辆52的前方行驶的先行车辆56(参照图5)、在与车道相邻的人行道上的步行者55(参照图4)。
进至步骤S618，第2动作候选修正单元15至少根据表示由路面状态获取单元18检测出的路面的状态的信息，修正由动作候选预测单元12预测出的动作候选。例如，在获取了表示低滑动摩擦系数路的状态的信息(例如，图4的水洼53、积雪位置、冻结位置)的情况下，新追加回避低滑动摩擦系数路的位置的其它车辆52的动作意图以及基本轨迹64、以及以低速通过低滑动摩擦系数路的位置的其它车辆52的动作意图以及基本轨迹63。如图6所示，在获取了表示路面上的车辙54a以及车辙54b的信息的情况下，分别新追加沿着车辙54a以及车辙54b行驶的其它车辆52的动作意图以及基本轨迹。
进而，第2动作候选修正单元15根据在其它车辆52的行进方向前方是否存在物体，估计对于由第2动作候选修正单元15新追加的动作候选的似然性。例如，第2动作候选修正单元15根据图4所示的步行者55、图5所示的先行车辆56，调整轨迹63以及轨迹64的似然性。
进至步骤S620，微计算机100对步骤S01中检测出的全部其它车辆实施步骤S614～S618。在实施之后(S620中“是”)，进至步骤S621，轨迹预测单元16例如可以使用卡尔曼滤波器等已知的状态估计技术运算其它车辆52维持行为并且按照预测出的动作意图动作的情况下的其它车辆52的有效轨迹(参照71、72、图7A以及图7B)。
进至步骤S622，似然性估计单元17对在S612、S614、S615以及S618中预测出的各个动作候选，对比基本轨迹(63，64，54a，54b)和有效轨迹。然后，由基本轨迹和有效轨迹的差异求出各动作候选的似然性。进而，似然性估计单元17根据在步骤S618中估计出的似然性，对各动作候选的似然性进行加权。似然性估计单元17决定似然性被评价得最高的动作候选作为其它车辆52的动作。
进至步骤S623，微计算机100对在步骤S01中检测出的全部其它车辆实施步骤S621～S622。由此，结束图2的步骤S06。
进至图2的步骤S07，本车路径生成单元21根据在步骤S06中预测出的其它车辆的动作，生成本车辆51的路径。进至步骤S08，车辆控制单元22控制本车辆51，以便本车辆51按照步骤S07中生成的路径行驶。
如以上说明的那样，按照实施方式，可得到以下的作用效果。
微计算机100(控制单元的一例)获取表示路面的状态的信息，并根据它预测其它车辆52的动作，所以可以高精度地预测其它车辆52的动作。由此，可以考虑对应于路面的状态的其它车辆52的动作来修正本车辆51的轨迹，可以抑制本车辆51的急转向或急减速发生的可能性。
微计算机100(控制单元的一例)除了路面的状态，还考虑在其它车辆52的行进方向前方是否存在物体来预测其它车辆52的动作。由此，可以更高精度地预测其它车辆52的动作。可以抑制本车辆51的急转向或急减速的发生。
通过获取表示路面上的水洼53的信息，可以正确地预测其它车辆52的动作。可以预测与水洼53对应的其它车辆52的动作来修正本车辆51的轨迹。例如，在其它车辆52的行进方向前方存在物体以及水洼53的情况下，可以分别正确预测避开水洼53的其它车辆52的动作或者不避开水洼53地通过的其它车辆52的动作。
如图6所示，在其它车辆52停止中，即其它车辆52为静止物体的情况下，由于检测其它车辆52的传感器结构，存在难以确定其它车辆52的姿态和行进方向的情况。例如，在使用摄像机或激光测距仪检测到停止中的其它车辆52的情况下，难以由其它车辆52的姿态确定其它车辆52的行进方向。因此，检测路面的状态(车辙54a、54b)，根据它预测其它车辆52的动作。由此，即使在其它车辆52的姿态或行进方向的确定困难的情况下，也可以高精度地预测其它车辆52的动作。
通过根据表示路面上的车辙54a、54b的信息预测其它车辆52的动作，可以正确地预测沿着车辙54a、54b行驶的其它车辆52的动作。
以上，按照实施方式说明了本发明的内容，但是本发明不限于这些记载，对本领域的技术人员来说，可能有各种变形以及改良是不言而喻的。
在实施方式中，例示了本车辆51是可自主行驶的自动驾驶模式的情况，但是本车辆51也可以是基于驾驶员的手动驾驶模式。在该情况下，作为本车辆51的控制(驾驶支持)，微计算机100控制用于使用声音或者图像等，对驾驶员引导转向、油门、刹车的操作的扬声器、显示器、以及这些的用户接口即可。
在实施方式中，例示了根据预测出的其它车辆52的轨迹，调整本车辆51的轨迹的情况，但是作为行驶辅助，不将本车辆中执行的内容限制于此，可以根据预测结果，执行自动驾驶控制或行驶辅助控制(还包含自动刹车等)中，例如加减速、事先减速、控制车道内的位置、靠路肩、通过车道的顺序等那样的控制。由此，本车辆51中可以抑制急刹车、急加减速，所以可以抑制对乘员带来的不适感。
标号说明
51 本车辆
52 其它车辆
53 水洼(路面的状态)
54a，54b 车辙(路面的状态)
55 步行者(其它车辆的行进方向前方的物体)
56 先行车辆(其它车辆的行进方向前方的物体)
100 微计算机(控制单元)

Claims (6)

1.一种行驶辅助装置的动作预测方法，根据预测了本车辆周围的其它车辆的动作的结果，辅助本车辆的行驶，其特征在于，
获取表示所述其它车辆周围的路面的状态的信息，
根据表示所述路面的状态的信息预测所述其它车辆的动作。
2.如权利要求1所述的行驶辅助装置的动作预测方法，其特征在于，
判断在所述其它车辆的行进方向的前方是否存在物体，
根据表示所述路面的状态的信息以及是否存在所述物体的判断结果，预测所述其它车辆的动作。
3.如权利要求1或2所述的行驶辅助装置的动作预测方法，其特征在于，
作为表示所述路面的状态的信息，获取表示所述路面上的水洼的信息。
4.如权利要求1所述的行驶辅助装置的动作预测方法，其特征在于，
所述其它车辆停车。
5.如权利要求1至4的任意一项所述的行驶辅助装置的动作预测方法，其特征在于，
作为表示所述路面的状态的信息，获取表示所述路面上的车辙的信息。
6.一种行驶辅助装置的动作预测装置，具有根据本车辆周围的其它车辆的位置预测所述其它车辆的动作的控制单元，其特征在于，
所述控制单元
获取表示所述其它车辆周围的路面的状态的信息，
根据表示所述路面的状态的信息，预测所述其它车辆的动作。
CN201780090716.7A 2017-05-16 2017-05-16 行驶辅助装置的动作预测方法以及动作预测装置 Pending CN110622226A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/018297 WO2018211582A1 (ja) 2017-05-16 2017-05-16 走行支援装置の動作予測方法及び動作予測装置

Publications (1)

Publication Number Publication Date
CN110622226A true CN110622226A (zh) 2019-12-27

Family

ID=64274390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780090716.7A Pending CN110622226A (zh) 2017-05-16 2017-05-16 行驶辅助装置的动作预测方法以及动作预测装置

Country Status (10)

Country Link
US (1) US20200164873A1 (zh)
EP (1) EP3627470A4 (zh)
JP (1) JP6874834B2 (zh)
KR (1) KR20190135051A (zh)
CN (1) CN110622226A (zh)
BR (1) BR112019024097A2 (zh)
CA (1) CA3063820A1 (zh)
MX (1) MX2019013555A (zh)
RU (1) RU2721387C1 (zh)
WO (1) WO2018211582A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111325980A (zh) * 2020-02-28 2020-06-23 浙江吉利汽车研究院有限公司 一种基于路况监测的驾驶方法、系统和装置
CN112550308A (zh) * 2020-12-17 2021-03-26 东风汽车有限公司 一种防止路面积水溅射行人的方法、车载终端及系统
WO2021134169A1 (zh) * 2019-12-30 2021-07-08 华为技术有限公司 一种轨迹预测方法及相关设备
CN114475656A (zh) * 2022-02-21 2022-05-13 中国第一汽车股份有限公司 行驶轨迹预测方法、装置、电子设备以及存储介质

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7113383B2 (ja) * 2018-03-26 2022-08-05 パナソニックＩｐマネジメント株式会社 運転支援システム、運転支援装置、運転支援方法
EP3754372A4 (en) * 2018-03-30 2021-02-24 Mitsubishi Electric Corporation OBJECT IDENTIFICATION DEVICE
CN111223319A (zh) * 2018-11-23 2020-06-02 宝沃汽车（中国）有限公司 行车策略规划方法、装置和车辆
US11390288B2 (en) * 2018-12-11 2022-07-19 Nissan Motor Co., Ltd. Other-vehicle action prediction method and other-vehicle action prediction device
CN109583151B (zh) * 2019-02-20 2023-07-21 阿波罗智能技术(北京)有限公司 车辆的行驶轨迹预测方法及装置
JP2020147139A (ja) * 2019-03-13 2020-09-17 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
JP7313298B2 (ja) * 2020-02-13 2023-07-24 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
JP7268629B2 (ja) * 2020-03-23 2023-05-08 トヨタ自動車株式会社 運転支援システム
RU2757037C1 (ru) * 2020-04-23 2021-10-11 Общество с ограниченной ответственностью «Яндекс Беспилотные Технологии» Способ и система для выявления наличия колеи на текущей местности
GB2599727A (en) * 2020-10-12 2022-04-13 Daimler Ag Predicting the behavior of a vehicle using agent-to-agent relations to control an autonomous vehicle

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008158598A (ja) * 2006-12-21 2008-07-10 Hitachi Software Eng Co Ltd 路面状況管理システム
JP2010033441A (ja) * 2008-07-30 2010-02-12 Fuji Heavy Ind Ltd 車両の運転支援装置
CN102060018A (zh) * 2009-11-18 2011-05-18 德国曼商用车辆股份公司 车辆特别是载货车的方向控制方法以及方向控制系统
CN102348592A (zh) * 2009-04-21 2012-02-08 丰田自动车株式会社 行驶辅助装置
US20130211720A1 (en) * 2012-02-09 2013-08-15 Volker NIEMZ Driver-assistance method and driver-assistance system for snow-covered roads
JP2014184747A (ja) * 2013-03-21 2014-10-02 Toyota Motor Corp 車両制御装置および車両制御方法
JP2014232508A (ja) * 2013-05-30 2014-12-11 トヨタ自動車株式会社 回避軌道予測装置
CN104380343A (zh) * 2012-06-01 2015-02-25 株式会社电装 检测车道的分界线的装置以及其方法
CN104661901A (zh) * 2012-09-26 2015-05-27 爱信精机株式会社 车辆驾驶支援装置
JP2015210609A (ja) * 2014-04-24 2015-11-24 本田技研工業株式会社 レーンマーク認識装置
EP2950114A1 (en) * 2014-05-30 2015-12-02 Honda Research Institute Europe GmbH Method for assisting a driver in driving a vehicle, a driver assistance system, a computer software program product and vehicle
CN105848981A (zh) * 2013-12-24 2016-08-10 沃尔沃卡车集团 用于车辆的驾驶员辅助方法和系统
CN105984461A (zh) * 2015-03-17 2016-10-05 富士重工业株式会社 车辆的行驶控制装置
CN106338988A (zh) * 2015-07-06 2017-01-18 丰田自动车株式会社 自动驾驶车辆的控制装置
CN106448260A (zh) * 2015-08-05 2017-02-22 Lg电子株式会社 驾驶员辅助设备和包括该驾驶员辅助设备的车辆

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4577046B2 (ja) 2005-03-02 2010-11-10 トヨタ自動車株式会社 車両用制御装置
JP5413516B2 (ja) * 2010-08-19 2014-02-12 日産自動車株式会社 立体物検出装置及び立体物検出方法
JP5338801B2 (ja) * 2010-12-23 2013-11-13 株式会社デンソー 車載障害物情報報知装置
US9248834B1 (en) * 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
US10921810B2 (en) * 2016-08-02 2021-02-16 Pcms Holdings, Inc. System and method for optimizing autonomous vehicle capabilities in route planning
US11161512B2 (en) * 2016-12-28 2021-11-02 Honda Motor Co., Ltd. Vehicle control system, vehicle control method, and vehicle control program
US10627818B2 (en) * 2018-03-28 2020-04-21 Zoox, Inc. Temporal prediction model for semantic intent understanding
US20190367019A1 (en) * 2018-05-31 2019-12-05 TuSimple System and method for proximate vehicle intention prediction for autonomous vehicles
US11048253B2 (en) * 2018-11-21 2021-06-29 Waymo Llc Agent prioritization for autonomous vehicles
US11409285B2 (en) * 2018-12-27 2022-08-09 Continental Automotive Systems, Inc. Method for maneuver prediction of traffic participant

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008158598A (ja) * 2006-12-21 2008-07-10 Hitachi Software Eng Co Ltd 路面状況管理システム
JP2010033441A (ja) * 2008-07-30 2010-02-12 Fuji Heavy Ind Ltd 車両の運転支援装置
CN102348592A (zh) * 2009-04-21 2012-02-08 丰田自动车株式会社 行驶辅助装置
CN102060018A (zh) * 2009-11-18 2011-05-18 德国曼商用车辆股份公司 车辆特别是载货车的方向控制方法以及方向控制系统
US20130211720A1 (en) * 2012-02-09 2013-08-15 Volker NIEMZ Driver-assistance method and driver-assistance system for snow-covered roads
CN104380343A (zh) * 2012-06-01 2015-02-25 株式会社电装 检测车道的分界线的装置以及其方法
CN104661901A (zh) * 2012-09-26 2015-05-27 爱信精机株式会社 车辆驾驶支援装置
JP2014184747A (ja) * 2013-03-21 2014-10-02 Toyota Motor Corp 車両制御装置および車両制御方法
JP2014232508A (ja) * 2013-05-30 2014-12-11 トヨタ自動車株式会社 回避軌道予測装置
CN105848981A (zh) * 2013-12-24 2016-08-10 沃尔沃卡车集团 用于车辆的驾驶员辅助方法和系统
JP2015210609A (ja) * 2014-04-24 2015-11-24 本田技研工業株式会社 レーンマーク認識装置
EP2950114A1 (en) * 2014-05-30 2015-12-02 Honda Research Institute Europe GmbH Method for assisting a driver in driving a vehicle, a driver assistance system, a computer software program product and vehicle
CN105984461A (zh) * 2015-03-17 2016-10-05 富士重工业株式会社 车辆的行驶控制装置
CN106338988A (zh) * 2015-07-06 2017-01-18 丰田自动车株式会社 自动驾驶车辆的控制装置
CN106448260A (zh) * 2015-08-05 2017-02-22 Lg电子株式会社 驾驶员辅助设备和包括该驾驶员辅助设备的车辆

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021134169A1 (zh) * 2019-12-30 2021-07-08 华为技术有限公司 一种轨迹预测方法及相关设备
CN111325980A (zh) * 2020-02-28 2020-06-23 浙江吉利汽车研究院有限公司 一种基于路况监测的驾驶方法、系统和装置
CN111325980B (zh) * 2020-02-28 2022-01-14 浙江吉利汽车研究院有限公司 一种基于路况监测的驾驶方法、系统和装置
CN112550308A (zh) * 2020-12-17 2021-03-26 东风汽车有限公司 一种防止路面积水溅射行人的方法、车载终端及系统
CN112550308B (zh) * 2020-12-17 2022-07-08 东风汽车有限公司 一种防止路面积水溅射行人的方法、车载终端及系统
CN114475656A (zh) * 2022-02-21 2022-05-13 中国第一汽车股份有限公司 行驶轨迹预测方法、装置、电子设备以及存储介质
CN114475656B (zh) * 2022-02-21 2024-06-14 中国第一汽车股份有限公司 行驶轨迹预测方法、装置、电子设备以及存储介质

Also Published As

Publication number Publication date
BR112019024097A2 (pt) 2020-06-02
EP3627470A4 (en) 2020-05-27
EP3627470A1 (en) 2020-03-25
MX2019013555A (es) 2019-12-18
KR20190135051A (ko) 2019-12-05
WO2018211582A1 (ja) 2018-11-22
CA3063820A1 (en) 2019-12-09
JPWO2018211582A1 (ja) 2020-04-02
US20200164873A1 (en) 2020-05-28
RU2721387C1 (ru) 2020-05-19
JP6874834B2 (ja) 2021-05-19

Similar Documents

Publication Publication Date Title
JP6874834B2 (ja) 走行支援装置の動作予測方法及び動作予測装置
CN110352450B (zh) 驾驶辅助方法及驾驶辅助装置
JP6798611B2 (ja) 走行支援方法及び走行支援装置
CN110709911B (zh) 行驶辅助装置的行驶辅助方法以及行驶辅助装置
CN112703541B (zh) 车辆行为预测方法以及车辆行为预测装置
CN111989727A (zh) 车辆行驶辅助方法及车辆行驶辅助装置
JP7037956B2 (ja) 車両進路予測方法、車両走行支援方法及び車両進路予測装置
JP7206048B2 (ja) 運転特性推定方法及び運転特性推定装置
WO2018198186A1 (ja) 走行支援方法及び走行支援装置
WO2020053612A1 (ja) 車両挙動予測方法及び車両挙動予測装置
US20240174240A1 (en) Method for Predicting Behavior of Other Vehicle, Device for Predicting Behavior of Other Vehicle, and Driving Assistance Method
WO2018198163A1 (ja) 周囲状況予測方法及び周囲状況予測装置
JP2023151308A (ja) 先行車両判定方法及び先行車両判定装置
JP2022083093A (ja) 走行支援方法及び走行支援装置
JP2020161062A (ja) 走行車線推薦方法、走行車線推薦装置、走行制御方法及び走行制御装置

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191227

WD01 Invention patent application deemed withdrawn after publication