CN111505690B - 实时检测应急车辆并规划行驶路径的方法及装置 - Google Patents

实时检测应急车辆并规划行驶路径的方法及装置 Download PDF

Info

Publication number
CN111505690B
CN111505690B CN202010069218.8A CN202010069218A CN111505690B CN 111505690 B CN111505690 B CN 111505690B CN 202010069218 A CN202010069218 A CN 202010069218A CN 111505690 B CN111505690 B CN 111505690B
Authority
CN
China
Prior art keywords
vehicle
specific
emergency
vehicles
emergency vehicle
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.)
Active
Application number
CN202010069218.8A
Other languages
English (en)
Other versions
CN111505690A (zh
Inventor
金桂贤
金镕重
金鹤京
南云铉
夫硕焄
成明哲
申东洙
吕东勋
柳宇宙
李明春
李炯树
张泰雄
郑景中
诸泓模
赵浩辰
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.)
Stradvision Inc
Original Assignee
Stradvision Inc
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 Stradvision Inc filed Critical Stradvision Inc
Publication of CN111505690A publication Critical patent/CN111505690A/zh
Application granted granted Critical
Publication of CN111505690B publication Critical patent/CN111505690B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0965—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages responding to signals from another vehicle, e.g. emergency vehicle
    • 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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
    • G01S17/875—Combinations of systems using electromagnetic waves other than radio waves for determining attitude
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/024—Guidance services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9316—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles combined with communication equipment with other vehicles or with base stations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9318—Controlling the steering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9322—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using additional data, e.g. driver condition, road state or weather data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9323—Alternative operation using light waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9325—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles for inter-vehicle distance regulation, e.g. navigating in platoons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Emergency Management (AREA)
  • General Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Molecular Biology (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Primary Health Care (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • Environmental & Geological Engineering (AREA)
  • Development Economics (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)

Abstract

本发明是一种实时检测应急车辆并规划行驶路径的方法及装置。本发明涉及一种实时检测一个以上应急车辆、参照关于所述应急车辆的检测信息来管理一个以上对象车辆以使所述应急车辆能够不受所述对象车辆干扰地行驶的方法，其特征在于，包括：(a)步骤，管理服务器如果通过包括所述对象车辆的一个以上联网车的至少一部分搭载的一个以上传感器中至少一部分，获得所述应急车辆中至少一个特定应急车辆的应急情况信息，则参照所述应急情况信息，生成关于所述特定应急车辆的元数据；(b)步骤，所述管理服务器(i)参照所述应急情况信息及所述元数据，生成至少一个情况场景矢量，(ii)将所述情况场景矢量与场景数据库包含的一个以上基准场景矢量比较。

Description

实时检测应急车辆并规划行驶路径的方法及装置
技术领域
本发明涉及一种实时检测应急车辆、规划用于应对预计因应急车辆而发生的情况的行驶路径的方法及装置。
背景技术
自动驾驶车辆是感知周边环境并能够几乎或完全无需使用者的输入而进行导航的车辆。自动驾驶车辆使用诸如雷达、激光雷达、图像传感器等的传感装置来感知环境。自动驾驶车辆系统还使用来自GPS(global positioning system：全球定位系统)技术、导航系统、车对车(vehicle-to-vehicle)通信、车对基础设施(vehicle-to-infrastructure)技术及/或线控驱动系统(drive-by-wire systems)的信息来导航自动驾驶车辆。
车辆自动化程度分成由人直接控制的0级至无需人的控制而完全属于自动化的5级的范围。诸如巡航控制、自适应巡航控制、停车辅助系统等多种自动驾驶辅助系统相当于低自动化级别，相反，真正的“无人”车辆相当于高自动化级别。
为了将车辆完全自动化，必须在环境中识别共同标识及信号并对其进行应对。例如，应急车辆为了告知有车辆在道路上翻车而发出警告音及/或视觉信号。
因此，本发明旨在提出一种在应急交通情况下规划行驶路径的方法及装置。
发明内容
本发明的目的在于解决上述全部问题。
本发明另一目的在于在应急交通情况下规划车辆的行驶路径。
另外，本发明又一目的在于，检测应急车辆，追踪、共享应急车辆的位置，在应急交通情况下规划车辆的行驶路径。
另外，本发明又一目的在于使得应急车辆和周边车辆可以在应急交通情况下实时应对。
本发明的目的是通过以下技术方案实现的：
根据本发明的一个方面，提供一种实时检测一个以上应急车辆、参照关于所述应急车辆的检测信息来管理一个以上对象车辆以使所述应急车辆能够不受所述对象车辆干扰地行驶的方法，其特征在于，包括：(a)步骤，管理服务器如果通过包括所述对象车辆的一个以上联网车(connected car)的至少一部分搭载的一个以上传感器中至少一部分，获得所述应急车辆中至少一个特定应急车辆的应急情况信息，则参照所述应急情况信息，生成关于所述特定应急车辆的元数据；(b)步骤，所述管理服务器(i)参照所述应急情况信息及所述元数据，生成至少一个情况场景矢量，(ii)将所述情况场景矢量与场景数据库中包含的一个以上基准场景矢量比较，从而查找与所述情况场景矢量的类似度分值为第一临界值以上的至少一个特定场景矢量，(iii)参照所述特定场景矢量，获得应急反应指令；及(c)步骤，所述管理服务器将所述应急反应指令传输给与所述特定应急车辆的关系满足特定条件的各个所述对象车辆，从而使得运行时控制所述特定应急车辆与所述对象车辆间的干扰度分值达到第二临界值以下。
一个实施例，提供一种方法，其特征在于，在所述(a)步骤中，所述管理服务器从所述联网车中选择为了生成所述元数据的至少一部分而使用的一个以上的基准车辆，参照表示所述基准车辆及所述特定应急车辆之间的相对位置的相对坐标，预测所述特定应急车辆的至少一个位置，从而生成所述元数据中至少一部分，且所述基准车辆与所述特定应急车辆的关系满足直接交互条件及间接交互条件中至少一者。
一个实施例，提供一种方法，其特征在于，在所述(c)步骤中，所述管理服务器参照所述特定应急车辆的预测的所述位置，选择所述联网车中距所述特定应急车辆的距离满足第三临界值以下的所述特定条件的所述对象车辆。
一个实施例，提供一种方法，其特征在于，在所述(a)步骤中，(i)所述基准车辆中满足所述直接交互条件的一个以上第一基准车辆，使用自身搭载的一个以上图像传感器、一个以上的雷达传感器及一个以上的激光雷达传感器中至少一部分，从所述第一基准车辆预测所述特定应急车辆的相对位置，从而生成所述相对坐标中一个以上的特定应急车辆相对坐标，(ii)所述基准车辆中满足所述间接交互条件的一个以上第二基准车辆，使用自身搭载的一个以上图像传感器、一个以上的雷达传感器及一个以上的激光雷达传感器中至少一部分，从所述第二基准车辆预测所述第一基准车辆的相对位置，从而生成所述相对坐标中一个以上的第一基准车辆相对坐标，(iii)所述第一基准车辆及所述第二基准车辆将所述相对坐标传输给所述管理服务器。
一个实施例，其特征在于，所述管理服务器(i)参照所述第一基准车辆的绝对坐标和与之对应的所述特定应急车辆相对坐标，生成以所述第一基准车辆为基础的一个以上的第一特定应急车辆绝对坐标，(ii)参照所述第二基准车辆的绝对坐标、与之对应的所述第一基准车辆相对坐标及与之对应的所述特定应急车辆相对坐标，生成以所述第二基准车辆为基础的一个以上的第二特定应急车辆绝对坐标，(iii)参照所述第一特定应急车辆绝对坐标及所述第二特定应急车辆绝对坐标中至少一部分，预测所述特定应急车辆的所述位置。
一个实施例，提供一种方法，其特征在于，在所述(a)步骤中，所述管理服务器向距所述特定应急车辆的距离比第四临界值更近的特定联网车及特定通信连接的步行者至少一部分传输通知。
一个实施例，提供一种方法，其特征在于，在所述(a)步骤中，借助于对包含所述特定应急车辆的特定图像进行处理的神经网络而生成所述应急情况信息中至少一部分，且(i)所述神经网络中第一神经网络对所述特定图像应用至少一个第一卷积神经网络CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的全局视觉特征，从而生成第一判断信息，(ii)所述神经网络中第二神经网络对所述特定图像上的预先设定的特定区域应用至少一个第二CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部视觉特征，从而生成第二判断信息，(iii)所述神经网络中第三神经网络对所述预先设定的特定区域应用至少一个第三CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部时间特征，从而生成第三判断信息，在这种状态下，参照所述第一至第三判断信息，生成所述应急情况信息的一部分。
一个实施例，提供一种方法，其特征在于，在所述(b)步骤中，所述管理服务器(i)参照所述元数据，将所述特定应急车辆及所述对象车辆的位置信息映射到虚拟平面上，从而生成所述情况场景矢量，(ii)计算所述情况场景矢量及所述各个基准场景矢量之间的类似度分值，从而选择一个以上的候选场景矢量，(iii)参照所述应急情况信息，选择所述候选场景矢量中的所述特定场景矢量。
一个实施例，提供一种方法，其特征在于，在所述(c)步骤中，所述对象车辆(i)参照(i-1)所述特定应急车辆与各个所述对象车辆之间的距离信息及关于所述距离信息的变化信息的组合及(i-2)所述应急反应指令与所述特定应急车辆的各个实际运行动作之间的差异信息中至少一部分，计算与所述特定应急车辆的所述干扰度分值后，(ii)向所述管理服务器传输所述干扰度分值。
一个实施例，提供一种方法，其特征在于，还包括：(d)步骤，所述管理服务器在所述干扰度分值的至少一部分保持大于所述第二临界值的时间为第五临界值以上的情况下，(i)生成相应时间点的所述特定应急车辆的另一元数据，(ii)参照所述另一元数据，生成针对相应时间点的另一应急反应指令，(iii)在相应时间点期间传输对另一对象车辆的所述另一应急反应指令，所述(d)步骤中的所述另一元数据、所述另一应急反应指令及所述另一对象车辆，与晚于所述(a)步骤至所述(c)步骤的时间点的时间点相应。
根据本发明的另一个方面，提供一种实时检测一个以上应急车辆、参照关于所述应急车辆的检测信息来管理一个以上对象车辆以使所述应急车辆能够不受所述对象车辆干扰地行驶的装置，其特征在于，包括：存储至少一个命令的至少一个存储器；及设置为执行所述命令的至少一个处理器；且所述处理器执行：(I)流程，如果通过包括所述对象车辆的一个以上联网车的至少一部分搭载的一个以上传感器中至少一部分，获得所述应急车辆中至少一个特定应急车辆的应急情况信息，则参照所述应急情况信息，生成关于所述特定应急车辆的元数据；及(II)流程，(i)参照所述应急情况信息及所述元数据，生成至少一个情况场景矢量，(ii)将所述情况场景矢量与场景数据库中包含的一个以上基准场景矢量比较，从而查找与所述情况场景矢量的类似度分值为第一临界值以上的至少一个特定场景矢量，(iii)参照所述特定场景矢量，获得应急反应指令；及(III)流程，将所述应急反应指令传输给与所述特定应急车辆的关系满足特定条件的各个所述对象车辆，从而使得运行时控制所述特定应急车辆与所述对象车辆间的干扰度分数达到第二临界值以下。
一个实施例，提供一种装置，其特征在于，在所述(I)流程中，所述处理器在所述联网车中选择为了生成所述元数据的至少一部分而使用的一个以上的基准车辆，参照表示所述基准车辆及所述特定应急车辆之间的相对位置的相对坐标，预测所述特定应急车辆的至少一个位置，从而生成所述元数据中至少一部分，且所述基准车辆与所述特定应急车辆的关系满足直接交互条件及间接交互条件中至少一者。
一个实施例，提供一种装置，其特征在于，在所述(III)流程中，所述处理器参照所述特定应急车辆的预测的所述位置，选择所述联网车中距所述特定应急车辆的距离满足第三临界值以下的所述特定条件的所述对象车辆。
一个实施例，提供一种装置，其特征在于，在所述(I)流程中，(i)所述基准车辆中满足所述直接交互条件的一个以上第一基准车辆，使用自身搭载的一个以上图像传感器、一个以上的雷达传感器及一个以上的激光雷达传感器中至少一部分，从所述第一基准车辆预测所述特定应急车辆的相对位置，从而生成所述相对坐标中一个以上的特定应急车辆相对坐标，(ii)所述基准车辆中满足所述间接交互条件的一个以上第二基准车辆，使用自身搭载的一个以上图像传感器、一个以上的雷达传感器及一个以上的激光雷达传感器中至少一部分，从所述第二基准车辆预测所述第一基准车辆的相对位置，从而生成所述相对坐标中一个以上的第一基准车辆相对坐标，(iii)所述第一基准车辆及所述第二基准车辆将所述相对坐标传输给处理器。
一个实施例，提供一种装置，其特征在于，所述处理器(i)参照所述第一基准车辆的绝对坐标和与之对应的所述特定应急车辆相对坐标，生成以所述第一基准车辆为基础的一个以上的第一特定应急车辆绝对坐标，(ii)参照所述第二基准车辆的绝对坐标、与之对应的所述第一基准车辆相对坐标及与之对应的所述特定应急车辆相对坐标，生成以所述第二基准车辆为基础的一个以上的第二特定应急车辆绝对坐标，(iii)参照所述第一特定应急车辆绝对坐标及所述第二特定应急车辆绝对坐标中至少一部分，预测所述特定应急车辆的所述位置。
一个实施例，提供一种装置，其特征在于，在所述(I)流程中，所述处理器向距所述特定应急车辆的距离比第四临界值更近的特定联网车及特定通信连接的步行者至少一部分传输通知。
一个实施例，提供一种装置，其特征在于，在所述(I)流程中，借助于对包含所述特定应急车辆的特定图像进行处理的神经网络而生成所述应急情况信息中至少一部分，且(i)所述神经网络中第一神经网络对所述特定图像应用至少一个第一卷积神经网络CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的全局视觉特征，从而生成第一判断信息，(ii)所述神经网络中第二神经网络对所述特定图像上的预先设定的特定区域应用至少一个第二CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部视觉特征，从而生成第二判断信息，(iii)所述神经网络中第三神经网络对所述预先设定的特定区域应用至少一个第三CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部时间特征，从而生成第三判断信息，在这种状态下，参照所述第一至第三判断信息，生成所述应急情况信息的一部分。
一个实施例，提供一种装置，其特征在于，在所述(II)流程中而言，所述处理器(i)参照所述元数据，将所述特定应急车辆及所述对象车辆的位置信息映射到虚拟平面上，从而生成所述情况场景矢量，(ii)计算所述情况场景矢量及所述各个基准场景矢量之间的类似度分值，从而选择一个以上的候选场景矢量，(iii)参照所述应急情况信息，选择所述候选场景矢量中的所述特定场景矢量。
一个实施例，提供一种装置，其特征在于，在所述(III)流程中，所述对象车辆(i)参照(i-1)所述特定应急车辆与各个所述对象车辆之间的距离信息及关于所述距离信息的变化信息的组合及(i-2)所述应急反应指令与所述特定应急车辆的各个实际运行动作之间的差异信息中至少一部分，计算与所述特定应急车辆的所述干扰度分值后，(ii)向管理服务器传输所述干扰度分值。
一个实施例，提供一种装置，其特征在于，还执行：(IV)流程，所述处理器在所述干扰度分值的至少一部分保持大于所述第二临界值的时间为第五临界值以上的情况下，(i)生成相应时间点的所述特定应急车辆的另一元数据，(ii)参照所述另一元数据，生成针对相应时间点的另一应急反应指令，(iii)在相应时间点期间传输对另一对象车辆的所述另一应急反应指令，所述(IV)流程中的所述另一元数据、所述另一应急反应指令及所述另一对象车辆，与晚于所述(I)流程至所述(III)流程的时间点的时间点相应。
除此之外，还提供了一种计算机可读记录媒体，用于记录实现本发明方法的计算机程序。
与现有技术相比，本发明的优点在于：
本发明具有可以在应急交通情况下规划车辆的行驶路径的效果。
另外，本发明具有的效果是，检测应急车辆，追踪、共享应急车辆的位置，在应急交通情况下规划车辆的行驶路径，从而使得应急车辆和周边车辆可以实时应对。
附图说明
为了用于说明本发明实施例而附带的下面的图，只是本发明实施例中的一部分，本发明所属技术领域的普通技术人员(以下称为“普通技术人员”)可以不进行发明性作业，基于这些图获得其他图。
图1是示出根据本发明一个实施例的管理服务器的构成的图，所述管理服务器执行实时检测应急车辆、参照关于所述应急车辆的信息来管理对象车辆以便所述应急车辆能够快速行驶的方法。
图2是示出根据本发明一个实施例实时检测应急车辆、参照关于所述应急车辆的信息来管理对象车辆以便所述应急车辆能够快速行驶的方法的流程图。
图3是示出根据本发明一个实施例的基准车辆的一个示例的图，所述基准车辆是为了执行实时检测应急车辆、参照关于所述应急车辆的信息来管理对象车辆以便所述应急车辆能够快速行驶的方法而被选择的。
图4是示出根据本发明一个实施例为了执行实时检测应急车辆、参照关于所述应急车辆的信息来管理对象车辆以便所述应急车辆能够快速行驶的方法而使用情况场景矢量来生成应急反应指令的一个示例的图。
具体实施方式
后述有关本发明的详细说明，参照作为示例而图示本发明可实施的特定实施例的附图。对这些实施例进行了详细说明，以便普通技术人员足以能够实施本发明。本发明的多样实施例虽然互不相同，但应理解为不需要相互排他。例如，在此记载的特定形状、结构及特性，可以与一个实施例相关联，在不超出本发明的精神及范围的前提下体现为其他实施例。另外，各个公开的实施例内的个别构成要素的位置及配置，应理解为可以在不超出本发明的精神及范围的前提下进行变更。因此，后述的详细说明并非出于限定之意，本发明的范围，如能适当说明，仅由与其权利要求所主张的内容等同的所有范围和所附权利要求所限定。在附图中，类似的附图标记指称在多个方面相同或类似的功能。
另外，在本发明的详细说明及权利要求中，“包括”字样的术语及其变形，并非要将其他技术特征、附加物、构成要素或步骤排除在外。对于普通技术人员而言，本发明的其他目的、优点及特性，一部分从本说明书，而一部分则从本发明的实施中显现出来。以下的示例及附图是作为实例而提供的，并非意图限定本发明。
本发明中提及的各种图像可以包括铺装或非铺装道路相关图像，是可以假定此时会在道路环境中出现的物体(例如汽车、人、动物、植物、物品、建筑物、诸如飞机或无人机的飞行体、其他障碍物)的图像，但并非必须限定于此，本发明中提及的各种图像也可以是与道路无关的图像(例如与非铺设道路、小胡同、空地、海、湖、河、山、树林、沙漠、天空、室内相关的图像)，是可以推断此时会在非铺设道路、小胡同、空地、海、湖、河、山、树林、沙漠、天空、室内环境中出现的物体(例如汽车、人、动物、植物、物品、建筑物、诸如飞机或无人机的飞行体、其他障碍物)的图像，但并非必须限定于此。
下面为了让本发明所属技术领域的普通技术人员能够容易地实施本发明，参照附图，就本发明优选实施例进行详细说明。
图1是示出根据本发明一个实施例的管理服务器的构成的图，该管理服务器执行实时检测应急车辆、参照关于所述应急车辆的信息来管理对象车辆以便所述应急车辆能够快速行驶的方法。
如图1所示，管理服务器100包括作为构成要素的场景DB(数据库，DataBase)130，对其稍后将详细说明。场景DB 130的输入输出及运算过程分别借助于通信部110及处理器120而实现。在图1中，省略了通信部110及处理器120的具体连接关系。此时，存储器115可以是存储有后述各种指令的状态，处理器120设置为执行存储器115中存储的指令，且处理器120执行稍后将说明的流程，从而执行本发明。如上所述描述了管理服务器100，但并非排除管理服务器100包括由实施本发明所需的介质(medium)、处理器及存储器集成而成的形态的集成处理器的情形。
这种管理服务器100可以与多个联网车联动运转。其中，多个车辆可以通过管理服务器100的支持而执行自动驾驶。作为一个示例，可以是通过集群驾驶来执行自动驾驶。这种联网车可以搭载为了执行自动驾驶而使用的传感器。作为一个示例，联网车可以包括图像传感器(照相机)、雷达传感器及激光雷达传感器中至少一部分。另外，联网车可以包括声音传感器。虽然稍后将说明，图像传感器及声音传感器也可以用于检测应急车辆。
下面参照图2，对根据本发明一个实施例的支持应急车辆使其可以快速行驶的方法进行说明。
图2是示出根据本发明一个实施例实时检测应急车辆、参照关于所述应急车辆的信息来管理对象车辆以便所述应急车辆能够快速行驶的方法的流程图。
如图2所示，管理服务器100如果通过包括所述对象车辆的一个以上联网车的至少一部分搭载的一个以上传感器中至少一部分，获得关于所述应急车辆中至少一个特定应急车辆的应急情况信息，则可以参照所述应急情况信息，生成关于所述特定应急车辆的元数据(S01)。然后，所述管理服务器100可以参照所述应急情况信息及所述元数据，生成至少一个情况场景矢量(S02)。另外，管理服务器100可以将所述情况场景矢量与场景数据库130中包含的一个以上基准场景矢量比较，从而查找与所述情况场景矢量的类似度分值(Score)为第一临界值以上的至少一个特定场景矢量S03。然后，管理服务器100可以参照所述特定场景矢量，获得应急反应指令(S04)。最后，所述管理服务器可以将所述应急反应指令传输给与所述特定应急车辆的关系满足特定条件的各个所述对象车辆，从而使得所述特定应急车辆和所述对象车辆运行时，控制所述特定应急车辆与所述对象车辆间的干扰度分值达到第二临界值以下(S05)。
下面对所述各个步骤进行更详细说明。
首先，管理服务器100为了在与联网车通信的同时管理联网车的自动驾驶，可以从所述对象车辆中至少一部分获得示表对象车辆中至少一部分检测到特定应急车辆的事实的一个以上信号。例如，作为基于图像传感器的实施例，联网车各自的神经网络可以分别处理由与之对应的各个图像传感器拍摄的特定图像，判断特定图像中是否包含特定应急车辆。作为基于传感器的另一实施例，乘坐联网车的乘客的智能手机中的声音传感器或麦克风可以分析输入的声音，判断特定应急车辆是否在其周边鸣呼警笛。作为又一实施例，在特定应急车辆只与管理服务器100联动运转的情况下，特定应急车辆向管理服务器100传输自身的位置，从而管理服务器100可以判断特定应急车辆正在应急状态运行中。普通技术人员可以适当地组合所述实施例来检测特定应急车辆。例如，可以三个示例都使用而并列地检测特定应急车辆，或使用三个示例中的一部分来检测特定应急车辆。
其中，对使用图像传感器来检测特定应急车辆的实施例进行更具体说明。
即，各个联网车可以包括一部分神经网络，作为一个示例，可以包括第一至第三神经网络。其中，第一及第二神经网络可以体现为普通的CNN
(Convolutional Neural Network：卷积神经网络)的形态。即，第一及第二神经网络可以包括至少一个卷积层、至少一个池化层(Pooling Layer)及至少一个FC(Fully-Connected：全连接)层。就第三神经网络而言，可以体现为RNN(Recurrent NeuralNetwork：递归神经网络)或可称为其一个种类的LSTM(Long-Short Term Memory：长短期记忆)网络的形态。因此，第三神经网络可以包括为了处理输入的图像而使用的状态矢量。其中，在输入的图像被进行处理的期间，可以更新状态矢量。
在这种情况下，如果输入特定图像之一，则其可以并列传递给第一至第三神经网络。首先，第一神经网络可以处理所述特定图像中的一整个图像。具体而言，第一神经网络对所述特定图像中某一者应用至少一个第一CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的全局视觉特征(global visional feature)，从而可以生成第一判断信息。不同于此，第二及第三神经网络不像第一神经网络一样对整个特定图像进行处理，而是可以部分地处理特定图像上的预先设定的特定区域。其中，作为一个示例，特定区域可以是在图像的上端，预想为设置有急救车或警车的警灯的区域，但并非限定于此。从而，第二神经网络对所述特定图像上的预先设定的特定区域应用至少一个第二CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部视觉特征(local visional feature)，从而生成第二判断信息。另外，第三神经网络对所述预先设定的特定区域应用至少一个RNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部时间特征(localtemporal feature)，从而生成第三判断信息。这种第一至第三判断信息可以输出为几率值。
生成第一至第三判断信息后，参照所述第一至第三判断信息，可以生成所述应急情况信息的一部分。作为一个示例，求出第一至第三判断信息的加权平均，从而用于决定特定图像之一是否与特定应急车辆对应。
由特定联网车识别了特定应急车辆后，特定联网车可以将包括关于特定应急车辆的存在、特征及类的信息的应急情况信息传输给管理服务器100。应急情况信息可以追加地包括特定应急车辆的初始位置信息。这可以根据实施例而通过其他方式获得。作为一个示例，在特定应急车辆与管理服务器100直接进行通信连接的情况下，可以从特定应急车辆的GPS获得。在其他情况下，特定联网车可以执行基于图像的运算，从而在计算特定应急车辆的相对位置后，使用所述相对位置及通过自身GPS获得的自身的位置信息，预测特定应急车辆的绝对位置。然后，管理服务器100可以生成包括特定应急车辆的更准确位置信息的元数据。下面对此进行更具体的说明。
即，管理服务器100从所述联网车中选择为了生成所述元数据的至少一部分而使用的一个以上基准车辆，其中，其特征在于，所述基准车辆与所述特定应急车辆的关系满足直接交互条件及间接交互条件中至少一者。其中，直接交互条件可以是关于联网车中的一个是否能够利用自身的图像传感器直接拍摄特定应急车辆的条件。另一方面，间接交互条件可以意味着关于联网车中的一个是否可以利用自身的图像传感器拍摄既定联网车中的一部分的条件，其中，所述既定联网车可以拍摄特定应急车辆。例如，如果将满足直接交互条件的基准车辆中的一部分称为第一基准车辆，那么，能够拍摄这种第一基准车辆的基准车辆中的另一部分，满足间接交互条件而可以被选为第二基准车辆。各个联网车是否满足这种直接条件及间接条件中某一者，可以参照前述特定应急车辆的初始位置信息、位于其周边的一部分联网车的图像传感器方向而进行判断。参照图3，来考查对此的一个示例。
图3是示出根据本发明一个实施例的基准车辆的一个示例的图，所述基准车辆是为了执行实时检测应急车辆并使用关于所述应急车辆的信息来管理对象车辆以便所述应急车辆能够快速行驶的方法而选择的。
如图3所示，可以确认在联网车搭载的图像传感器朝向正面方向的情况下，位于特定应急车辆紧后方的车辆A被选择为第一基准车辆，位于第一基准车辆后方的车辆B被选择为第二基准车辆。
然后，各个基准车辆可以分别传输表示各个基准车辆与特定应急车辆之间的相对位置或各个基准车辆之间的相对位置的相对坐标。具体而言，第一基准车辆可以使用自身搭载的图像传感器、雷达传感器及激光雷达传感器中至少一部分，预测从所述第一基准车辆到特定应急车辆的相对位置，从而生成相对坐标中一个以上的特定应急车辆相对坐标。在使用图像传感器的情况下，可以使用广为所知的图像处理技术，计算特定应急车辆与各个第一基准车辆之间的纵向及横向距离。在使用雷达传感器或激光雷达传感器的情况下，为了确定纵向及横向距离，管理服务器100可以使借助于雷达及激光雷达传感器而检测的客体，与预先设定的车辆位置图(鸟瞰图)上的客体匹配。另外，第二基准车辆可以使用自身搭载的图像传感器、雷达传感器及激光雷达传感器中至少一部分，预测从所述第二基准车辆到第一基准车辆的相对位置，从而生成相对坐标中一个以上的第一基准车辆相对坐标。获得第一基准车辆相对坐标的特定流程可以与获得特定应急车辆相对坐标的流程类似。
然后，管理服务器100可以参照所述第一基准车辆的绝对坐标和与之对应的所述特定应急车辆相对坐标，生成以所述第一基准车辆为基础的一个以上的第一特定应急车辆绝对坐标。另外，管理服务器100可以参照所述第二基准车辆的绝对坐标、与之对应的所述第一基准车辆相对坐标及与之对应的所述特定应急车辆相对坐标，生成以所述第二基准车辆为基础的一个以上的第二特定应急车辆绝对坐标。
其中，第一特定应急车辆绝对坐标是将所述特定应急车辆相对坐标(即，使用图像传感器或雷达/激光雷达传感器计算的距离)，相加于与之对应的第一基准车辆的绝对坐标(从自身GPS获得)而计算的，因而第一特定应急车辆绝对坐标会比反映有特定应急车辆GPS误差的、特定应急车辆的初始位置信息更准确。类似地，第二特定应急车辆绝对坐标也一样，将第一基准车辆相对坐标相加于第二基准车辆的绝对坐标而生成特定和后，将与之对应的特定应急车辆相对坐标相加于所述特定和而计算，第二特定应急车辆绝对坐标会比特定应急车辆的初始位置信息更准确。
因此，管理服务器100可以参照第一特定应急车辆绝对坐标及第二特定应急车辆绝对坐标中至少一部分，预测比初始位置更准确的特定应急车辆的至少一个最终位置，从而生成前述元数据的至少一部分。作为一个示例，第一特定应急车辆绝对坐标及第二特定应急车辆绝对坐标的加权和可以用于生成所述元数据的至少一部分。
在前述说明中，将第二基准车辆假定为可以拍摄第一基准车辆的车辆。但是，但也可以是将第二基准车辆假定为被第一基准车辆拍摄的车辆的其他实施例。在这种情况下，第二特定应急车辆绝对坐标可以是(s1)将以第一基准车辆为基准的第二基准车辆的相对坐标，从(s2)第二基准车辆绝对坐标减去后，加上特定应急车辆相对坐标，从而计算第二特定应急车辆绝对坐标。当然，也可以是两个实施例的结合。
然后，管理服务器100可以参照包括关于特定应急车辆的预测位置的信息的元数据，在联网车中选择满足特定条件的对象车辆。其中，满足特定条件的各个对象车辆与特定应急车辆之间的距离可以为第三临界值以下。然后，管理服务器100可以参照所述元数据，将所述特定应急车辆及所述对象车辆的位置信息映射到虚拟平面上，从而生成所述情况场景矢量。即，生成包括关于特定应急车辆及对象车辆如何排列的信息的情况场景矢量。然后，管理服务器100可以比较从场景DB130获得的基准场景矢量与情况场景矢量中包含的要素的排列，计算所述情况场景矢量及所述各个基准场景矢量之间的类似度分值，从而选择一个以上的候选场景矢量。其中，候选场景矢量可以是类似度分值最大的N个场景矢量中的一部分。然后，管理服务器100可以参照所述应急情况信息中包含的关于特定应急车辆的类及特征的信息，在所述候选场景矢量中选择所述特定场景矢量。然后，管理服务器100可以从场景DB130获得与特定场景矢量对应的应急反应指令，将应急反应指令传输给对象车辆，从而使得所述特定应急车辆与所述对象车辆运行时，控制使得特定应急车辆与对象车辆间的干扰度分值达到第二临界值以下。参照图4来考查对此的一个示例。
图4是示出根据本发明一个实施例为了执行实时检测应急车辆、使用关于所述应急车辆的检测信息来管理对象车辆以便所述应急车辆能够不受所述对象车辆干扰地行驶的方法而使用情况场景矢量来生成应急反应指令的一个示例的图。
如果参照图4，可以确认选择了基准场景矢量中与情况场景矢量更类似的候选场景矢量210、220。另外可以确认，在与急救车及警车分别对应的各个候选场景矢量210、220中，选择了与对应于急救车的情况场景矢量更类似的候选场景矢量210之一。在这种情况下，由于急救车需迅速通过相应区间，因而应急反应指令230如图4所示，可以是使对象车辆移动到道路侧面的指令。图4所示的内容只是一个示例。即，追加地根据特定应急车辆是位于道路的左侧、右侧或道路的中心，应急反应指令可以决定为是向右侧、左侧或侧面避开等。
通过这种过程，可以使得所述特定应急车辆与所述对象车辆运行时，控制所述特定应急车辆与所述对象车辆间的干扰度分值达到第二临界值以下。但是，在实际行驶中会发生问题，下面考查用于防止这种问题的反馈过程。
即，管理服务器100可以将应急反应指令发送给对象车辆，从对象车辆持续接收干扰度分值。其中，所述特定应急车辆与各个所述对象车辆间的干扰度分值，可以参照(i)所述特定应急车辆与各个所述对象车辆之间的距离信息及关于所述距离信息的变化信息的组合及(ii)所述应急反应指令与所述特定应急车辆的各个实际运行动作之间的差异信息中至少一部分来计算。所述变化信息可以显示出所述特定应急车辆与各个所述对象车辆之间的距离变化。所述距离为第六临界值以上且急剧变化的情况，可以视为特定应急车辆与各个对象车辆至少一部分之间出现干扰的情况，因而这种距离信息及变化信息的组合可以用于生成干扰度分值。另外，应急反应指令与特定应急车辆的各个实际运行动作之间的差异信息，会在对象车辆的一部分根据应急反应指令行驶后与特定应急车辆彼此干扰而发生事故的危险高的情况下增大。
基于此，在所述干扰度分值的至少一部分保持大于所述第二临界值的时间为第五临界值以上的情况下，管理服务器100可以取消之前传输的应急反应指令，生成相应时间点的所述特定应急车辆的另一元数据，参照所述另一元数据，生成关于相应时间点的另一应急反应指令，在相应时间点期间传输对另一对象车辆的所述另一应急反应指令。其中，所述另一元数据、所述另一应急反应指令及所述另一对象车辆，与晚于所述S01步骤至所述S05步骤的时间点的时间点相应。利用这种方法，使得特定应急车辆可以正确行驶，而无事故危险。
与所述过程并行，管理服务器100向距所述特定应急车辆的距离比第四临界值更近的特定联网车及特定通信连接的步行者中至少一部分传输通知。就特定联网车而言，可以通过他们的平视显示器提供通知，就特定通信连接的步行者而言，可以通过他们的智能手机提供通知。
以上说明的本发明的实施例可以体现为可通过多样计算机构成要素而执行的程序命令的形态，记录于计算机可读记录介质。所述计算机可读记录介质可以单独或组合包括程序命令、数据文件、数据结构等。所述计算机可读记录介质中记录的程序命令可以是为本发明而特别设计、构成的，或者也可以是计算机软件领域从业人员公知并可使用的。在计算机可读记录介质的示例中，包括诸如硬盘、软盘及磁带的磁介质，诸如CD-ROM(只读光盘驱动器)、DVD(数字化视频光盘)的光记录介质，诸如软式光盘(floptical disk)的磁-光介质(magneto-optical media)，及诸如只读存储器(ROM)、随机存储器(RAM)、快闪存储器等的为了存储及执行程序命令而特殊构成的硬件装置。在程序命令的示例中，不仅有借助于编译程序而制成的机器语言代码，还包括使用解释器等而能够借助于计算机运行的高级语言代码。所述硬件装置为了执行本发明的处理，可以构成为一个以上的软件模块而运转，反之亦然。
以上根据诸如具体构成要素等的特定事项和限定的实施例及附图，对本发明进行了说明，但这只是为了帮助更全面理解本发明而提供的，并非本发明限定于所述实施例，只要是本发明所属技术领域的技术人员，便可以从这种记载导出多样的修订及变形。
因此，本发明的思想不局限于所述说明的实施例确定，后述权利要求书以及与该权利要求书等同地或等效地变形的所有内容均属于本发明的思想范围。

Claims (18)

1.一种实时检测一个以上应急车辆、参照关于所述应急车辆的检测信息来管理一个以上对象车辆以使所述应急车辆能够不受所述对象车辆干扰地行驶的方法，其特征在于，包括：
(a)步骤，管理服务器如果通过包括所述对象车辆的一个以上联网车的至少一部分搭载的一个以上传感器中至少一部分，获得所述应急车辆中至少一个特定应急车辆的应急情况信息，则参照所述应急情况信息，生成关于所述特定应急车辆的元数据；
(b)步骤，所述管理服务器(i)参照所述应急情况信息及所述元数据，生成至少一个情况场景矢量，(ii)将所述情况场景矢量与场景数据库中包含的一个以上基准场景矢量比较，从而查找与所述情况场景矢量的类似度分值为第一临界值以上的至少一个特定场景矢量，(iii)参照所述特定场景矢量，获得应急反应指令；及
(c)步骤，所述管理服务器将所述应急反应指令传输给与所述特定应急车辆的关系满足特定条件的各个所述对象车辆，从而使得运行时控制所述特定应急车辆与所述对象车辆间的干扰度分值达到第二临界值以下，其中，
在所述(b)步骤中，
所述管理服务器(i)参照所述元数据，将所述特定应急车辆及所述对象车辆的位置信息映射到虚拟平面上，从而生成所述情况场景矢量，(ii)计算所述情况场景矢量及各个所述基准场景矢量之间的类似度分值，从而选择一个以上的候选场景矢量，(iii)参照所述应急情况信息，选择所述候选场景矢量中的所述特定场景矢量。
2.根据权利要求1所述的方法，其特征在于，
在所述(a)步骤中，
所述管理服务器从所述联网车中选择为了生成所述元数据的至少一部分而使用的一个以上的基准车辆，参照表示所述基准车辆及所述特定应急车辆之间的相对位置的相对坐标，预测所述特定应急车辆的至少一个位置，从而生成所述元数据中至少一部分，且所述基准车辆与所述特定应急车辆的关系满足直接交互条件及间接交互条件中至少一者。
3.根据权利要求2所述的方法，其特征在于，
在所述(c)步骤中，
所述管理服务器参照所述特定应急车辆的预测的所述位置，选择所述联网车中距所述特定应急车辆的距离满足第三临界值以下的所述特定条件的所述对象车辆。
4.根据权利要求2所述的方法，其特征在于，
在所述(a)步骤中，
(i)所述基准车辆中满足所述直接交互条件的一个以上第一基准车辆，使用自身搭载的一个以上图像传感器、一个以上的雷达Radar传感器及一个以上的激光雷达LiDAR传感器中至少一部分，从所述第一基准车辆预测所述特定应急车辆的相对位置，从而生成所述相对坐标中一个以上的特定应急车辆相对坐标，(ii)所述基准车辆中满足所述间接交互条件的一个以上第二基准车辆，使用自身搭载的一个以上图像传感器、一个以上的雷达传感器及一个以上的激光雷达传感器中至少一部分，从所述第二基准车辆预测所述第一基准车辆的相对位置，从而生成所述相对坐标中一个以上的第一基准车辆相对坐标，(iii)所述第一基准车辆及所述第二基准车辆将所述相对坐标传输给所述管理服务器。
5.根据权利要求4所述的方法，其特征在于，
所述管理服务器(i)参照所述第一基准车辆的绝对坐标和与之对应的所述特定应急车辆相对坐标，生成以所述第一基准车辆为基础的一个以上的第一特定应急车辆绝对坐标，(ii)参照所述第二基准车辆的绝对坐标、与之对应的所述第一基准车辆相对坐标及与之对应的所述特定应急车辆相对坐标，生成以所述第二基准车辆为基础的一个以上的第二特定应急车辆绝对坐标，(iii)参照所述第一特定应急车辆绝对坐标及所述第二特定应急车辆绝对坐标中至少一部分，预测所述特定应急车辆的所述位置。
6.根据权利要求1所述的方法，其特征在于，
在所述(a)步骤中，
所述管理服务器向距所述特定应急车辆的距离比第四临界值更近的特定联网车及特定通信连接的步行者至少一部分传输通知。
7.根据权利要求1所述的方法，其特征在于，
在所述(a)步骤中，
借助于对包含所述特定应急车辆的特定图像进行处理的神经网络而生成所述应急情况信息中至少一部分，且
(i)所述神经网络中第一神经网络对所述特定图像应用至少一个第一卷积神经网络CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的全局视觉特征，从而生成第一判断信息，(ii)所述神经网络中第二神经网络对所述特定图像上的预先设定的特定区域应用至少一个第二CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部视觉特征，从而生成第二判断信息，(iii)所述神经网络中第三神经网络对所述预先设定的特定区域应用至少一个第三CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部时间特征，从而生成第三判断信息，在这种状态下，参照所述第一至第三判断信息，生成所述应急情况信息的一部分。
8.根据权利要求1所述的方法，其特征在于，
在所述(c)步骤中，
所述对象车辆(i)参照(i-1)所述特定应急车辆与各个所述对象车辆之间的距离信息及关于所述距离信息的变化信息的组合及(i-2)所述应急反应指令与所述特定应急车辆的各个实际运行动作之间的差异信息中至少一部分，计算与所述特定应急车辆的所述干扰度分值后，(ii)向所述管理服务器传输所述干扰度分值。
9.根据权利要求1所述的方法，其特征在于，
还包括：(d)步骤，所述管理服务器在所述干扰度分值的至少一部分保持大于所述第二临界值的时间为第五临界值以上的情况下，(i)生成相应时间点的所述特定应急车辆的另一元数据，(ii)参照所述另一元数据，生成针对相应时间点的另一应急反应指令，(iii)在相应时间点期间传输对另一对象车辆的所述另一应急反应指令，
所述(d)步骤中的所述另一元数据、所述另一应急反应指令及所述另一对象车辆，与晚于所述(a)步骤至所述(c)步骤的时间点的时间点相应。
10.一种实时检测一个以上应急车辆、参照关于所述应急车辆的检测信息来管理一个以上对象车辆以使所述应急车辆能够不受所述对象车辆干扰地行驶的装置，其特征在于，包括：
存储至少一个命令的至少一个存储器；及
设置为执行所述命令的至少一个处理器；且
所述处理器执行：(I)流程，如果通过包括所述对象车辆的一个以上联网车的至少一部分搭载的一个以上传感器中至少一部分，获得所述应急车辆中至少一个特定应急车辆的应急情况信息，则参照所述应急情况信息，生成关于所述特定应急车辆的元数据；及(II)流程，(i)参照所述应急情况信息及所述元数据，生成至少一个情况场景矢量，(ii)将所述情况场景矢量与场景数据库中包含的一个以上基准场景矢量比较，从而查找与所述情况场景矢量的类似度分值为第一临界值以上的至少一个特定场景矢量，(iii)参照所述特定场景矢量，获得应急反应指令；及(III)流程，将所述应急反应指令传输给与所述特定应急车辆的关系满足特定条件的各个所述对象车辆，从而使得运行时控制所述特定应急车辆与所述对象车辆间的干扰度分值达到第二临界值以下，其中，在所述(II)流程中，所述处理器(i)参照所述元数据，将所述特定应急车辆及所述对象车辆的位置信息映射到虚拟平面上，从而生成所述情况场景矢量，(ii)计算所述情况场景矢量及各个所述基准场景矢量之间的类似度分值，从而选择一个以上的候选场景矢量，(iii)参照所述应急情况信息，选择所述候选场景矢量中的所述特定场景矢量。
11.根据权利要求10所述的装置，其特征在于，
在所述(I)流程中，
所述处理器在所述联网车中选择为了生成所述元数据的至少一部分而使用的一个以上的基准车辆，参照表示所述基准车辆及所述特定应急车辆之间的相对位置的相对坐标，预测所述特定应急车辆的至少一个位置，从而生成所述元数据中至少一部分，且所述基准车辆与所述特定应急车辆的关系满足直接交互条件及间接交互条件中至少一者。
12.根据权利要求11所述的装置，其特征在于，
在所述(III)流程中，
所述处理器参照所述特定应急车辆的预测的所述位置，选择所述联网车中距所述特定应急车辆的距离满足第三临界值以下的所述特定条件的所述对象车辆。
13.根据权利要求11所述的装置，其特征在于，
在所述(I)流程中，
(i)所述基准车辆中满足所述直接交互条件的一个以上第一基准车辆，使用自身搭载的一个以上图像传感器、一个以上的雷达Rader传感器及一个以上的激光雷达LiDAR传感器中至少一部分，从所述第一基准车辆预测所述特定应急车辆的相对位置，从而生成所述相对坐标中一个以上的特定应急车辆相对坐标，(ii)所述基准车辆中满足所述间接交互条件的一个以上第二基准车辆，使用自身搭载的一个以上图像传感器、一个以上的雷达传感器及一个以上的激光雷达传感器中至少一部分，从所述第二基准车辆预测所述第一基准车辆的相对位置，从而生成所述相对坐标中一个以上的第一基准车辆相对坐标，(iii)所述第一基准车辆及所述第二基准车辆将所述相对坐标传输给处理器。
14.根据权利要求13所述的装置，其特征在于，
所述处理器(i)参照所述第一基准车辆的绝对坐标和与之对应的所述特定应急车辆相对坐标，生成以所述第一基准车辆为基础的一个以上的第一特定应急车辆绝对坐标，(ii)参照所述第二基准车辆的绝对坐标、与之对应的所述第一基准车辆相对坐标及与之对应的所述特定应急车辆相对坐标，生成以所述第二基准车辆为基础的一个以上的第二特定应急车辆绝对坐标，(iii)参照所述第一特定应急车辆绝对坐标及所述第二特定应急车辆绝对坐标中至少一部分，预测所述特定应急车辆的所述位置。
15.根据权利要求10所述的装置，其特征在于，
在所述(I)流程中，
所述处理器向距所述特定应急车辆的距离比第四临界值更近的特定联网车及特定通信连接的步行者至少一部分传输通知。
16.根据权利要求10所述的装置，其特征在于，
在所述(I)流程中，
借助于对包含所述特定应急车辆的特定图像进行处理的神经网络而生成所述应急情况信息中至少一部分，且
(i)所述神经网络中第一神经网络对所述特定图像应用至少一个第一卷积神经网络CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的全局视觉特征，从而生成第一判断信息，(ii)所述神经网络中第二神经网络对所述特定图像上的预先设定的特定区域应用至少一个第二CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部视觉特征，从而生成第二判断信息，(iii)所述神经网络中第三神经网络对所述预先设定的特定区域应用至少一个第三CNN运算，判断所述特定图像是否包含与所述特定应急车辆对应的局部时间特征，从而生成第三判断信息，在这种状态下，参照所述第一至第三判断信息，生成所述应急情况信息的一部分。
17.根据权利要求10所述的装置，其特征在于，
在所述(III)流程中，
所述对象车辆(i)参照(i-1)所述特定应急车辆与各个所述对象车辆之间的距离信息及关于所述距离信息的变化信息的组合及(i-2)所述应急反应指令与所述特定应急车辆的各个实际运行动作之间的差异信息中至少一部分，计算与所述特定应急车辆的所述干扰度分值后，(ii)向管理服务器传输所述干扰度分值。
18.根据权利要求10所述的装置，其特征在于，
还执行：(IV)流程，所述处理器在所述干扰度分值的至少一部分保持大于所述第二临界值的时间为第五临界值以上的情况下，(i)生成相应时间点的所述特定应急车辆的另一元数据，(ii)参照所述另一元数据，生成针对相应时间点的另一应急反应指令，(iii)在相应时间点期间传输对另一对象车辆的所述另一应急反应指令，
所述(IV)流程中的所述另一元数据、所述另一应急反应指令及所述另一对象车辆，与晚于所述(I)流程至所述(III)流程的时间点的时间点相应。
CN202010069218.8A 2019-01-31 2020-01-21 实时检测应急车辆并规划行驶路径的方法及装置 Active CN111505690B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962799532P 2019-01-31 2019-01-31
US62/799532 2019-01-31
US16/739,349 US10796571B2 (en) 2019-01-31 2020-01-10 Method and device for detecting emergency vehicles in real time and planning driving routes to cope with situations to be expected to be occurred by the emergency vehicles
US16/739349 2020-01-10

Publications (2)

Publication Number Publication Date
CN111505690A CN111505690A (zh) 2020-08-07
CN111505690B true CN111505690B (zh) 2023-07-25

Family

ID=69190639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010069218.8A Active CN111505690B (zh) 2019-01-31 2020-01-21 实时检测应急车辆并规划行驶路径的方法及装置

Country Status (5)

Country Link
US (1) US10796571B2 (zh)
EP (1) EP3690849A1 (zh)
JP (1) JP7194130B2 (zh)
KR (1) KR102241584B1 (zh)
CN (1) CN111505690B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180913A (zh) * 2020-09-01 2021-01-05 芜湖酷哇机器人产业技术研究院有限公司 特种车辆识别方法
CN113484871B (zh) * 2021-06-16 2023-09-08 国能榆林能源有限责任公司 激光雷达融合探测方法和计算机存储介质
KR102640491B1 (ko) * 2021-09-24 2024-02-27 (주) 오토노머스에이투지 고정된 라이다를 이용하여 교차로에서의 상태를 검지하는 방법 및 이를 이용한 서버
US11952014B2 (en) 2021-10-29 2024-04-09 Waymo Llc Behavior predictions for active emergency vehicles
CN115311880B (zh) * 2022-08-03 2024-03-19 九识(苏州)智能科技有限公司 一种低速自动驾驶车辆分布式视野增强方法

Family Cites Families (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63301399A (ja) * 1987-05-31 1988-12-08 Katsutoshi Kitagawa 緊急車の道路走行方法とその装置
US4764978A (en) * 1987-08-20 1988-08-16 Argo Eckert H Emergency vehicle radio transmission system
JP3232724B2 (ja) * 1992-12-08 2001-11-26 株式会社デンソー 車間距離制御装置
JP3899562B2 (ja) * 1996-09-25 2007-03-28 マツダ株式会社 ナビゲーション装置
US6690291B1 (en) * 2000-04-21 2004-02-10 Prodesign Technology, Inc. Vehicle hazard warning system
JP3846335B2 (ja) * 2002-03-06 2006-11-15 株式会社デンソー 車両用通信システム
JP2004355272A (ja) * 2003-05-28 2004-12-16 Toyota Motor Corp 緊急車両の接近通知システム
JP4187669B2 (ja) * 2004-02-13 2008-11-26 トヨタ自動車株式会社 車両退避指示装置、車両退避指示システム及び車両退避指示方法
JP2005332263A (ja) * 2004-05-20 2005-12-02 Sony Ericsson Mobilecommunications Japan Inc 緊急車両通知方法及び緊急車両通知システム
US20060227008A1 (en) * 2005-03-31 2006-10-12 Bryant Jason D Emergency vehicle proximity warning system
US20070159354A1 (en) * 2006-01-09 2007-07-12 Outland Research, Llc Intelligent emergency vehicle alert system and user interface
JP2008116298A (ja) * 2006-11-02 2008-05-22 Denso Corp 車載緊急通報装置及び車載緊急通報システム
JP2009015498A (ja) * 2007-07-03 2009-01-22 Denso Corp 緊急車両接近報知システム、一般車用装置および緊急車用装置
EP2186076A2 (de) * 2007-08-29 2010-05-19 Continental Teves AG & Co. oHG Verfahren und vorrichtung zur warnung vor einsatzfahrzeugen im notfalleinsatz
JP5397735B2 (ja) * 2008-09-12 2014-01-22 株式会社デンソー 車両用緊急車両接近検出システム
KR20100068831A (ko) * 2008-12-15 2010-06-24 김현진 긴급차량의 이동경로 알림이 가능한 네비게이션 시스템 및 그 방법
US20140227991A1 (en) * 2012-03-31 2014-08-14 Michael S. Breton Method and system for location-based notifications relating to an emergency event
US8793046B2 (en) * 2012-06-01 2014-07-29 Google Inc. Inferring state of traffic signal and other aspects of a vehicle's environment based on surrogate data
US10127810B2 (en) * 2012-06-07 2018-11-13 Zoll Medical Corporation Vehicle safety and driver condition monitoring, and geographic information based road safety systems
EP3114574A4 (en) * 2014-03-03 2018-03-07 Inrix, Inc. Traffic obstruction detection
US9766628B1 (en) * 2014-04-04 2017-09-19 Waymo Llc Vision-based object detection using a polar grid
JP2015230237A (ja) * 2014-06-05 2015-12-21 セイコーエプソン株式会社 物理量センサー、高度計、電子機器および移動体
JP2015230287A (ja) * 2014-06-06 2015-12-21 株式会社オートネットワーク技術研究所 報知システム及び報知装置
US9659494B2 (en) * 2014-09-26 2017-05-23 Intel Corporation Technologies for reporting and predicting emergency vehicle routes
US20160231746A1 (en) * 2015-02-06 2016-08-11 Delphi Technologies, Inc. System And Method To Operate An Automated Vehicle
US11482100B2 (en) * 2015-03-28 2022-10-25 Intel Corporation Technologies for detection of anomalies in vehicle traffic patterns
EP3272611B1 (en) * 2015-04-21 2019-07-24 Panasonic Intellectual Property Management Co., Ltd. Information processing system, information processing method, and program
US9844981B2 (en) * 2015-06-02 2017-12-19 Karma Automotive Llc Systems and methods for use in a vehicle for detecting external events
KR20170031942A (ko) * 2015-09-14 2017-03-22 권형석 긴급 차량의 이동경로 확보를 위한 시스템 및 제어 방법.
KR20170034542A (ko) * 2015-09-21 2017-03-29 권형석 긴급차량이 이동할 경로 확보를 위한 시스템 및 제어 방법.
US10841379B2 (en) * 2015-09-22 2020-11-17 Veniam, Inc. Systems and methods for environmental management in a network of moving things
US9547986B1 (en) * 2015-11-19 2017-01-17 Amazon Technologies, Inc. Lane assignments for autonomous vehicles
US10074274B2 (en) * 2016-02-29 2018-09-11 Faraday & Future Inc. Emergency signal detection and response
US20170291543A1 (en) * 2016-04-11 2017-10-12 GM Global Technology Operations LLC Context-aware alert systems and algorithms used therein
US20170364069A1 (en) * 2016-06-16 2017-12-21 Ford Global Technologies, Llc Autonomous behavioral override utilizing an emergency corridor
US10712746B2 (en) * 2016-08-29 2020-07-14 Baidu Usa Llc Method and system to construct surrounding environment for autonomous vehicles to make driving decisions
JP6895634B2 (ja) * 2016-12-16 2021-06-30 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
CN108241822B (zh) * 2016-12-23 2020-11-27 杭州海康威视数字技术股份有限公司 一种车辆类型的识别方法及装置
CN108280990A (zh) * 2016-12-30 2018-07-13 纵目科技（上海）股份有限公司 基于车顶信号灯检测的急救车辆检测与避让方法与系统
CN110383008B (zh) * 2017-01-12 2024-01-23 御眼视觉技术有限公司 基于车辆活动的导航
JP6805836B2 (ja) * 2017-01-17 2020-12-23 株式会社デンソー 緊急車両通行支援装置、緊急車両通行支援プログラム、及び緊急車両通行支援システム
US10431082B2 (en) * 2017-06-19 2019-10-01 GM Global Technology Operations LLC Systems and methods for emergency vehicle response in an autonomous vehicle
US10319228B2 (en) * 2017-06-27 2019-06-11 Waymo Llc Detecting and responding to sirens
CA3026666C (en) * 2017-06-30 2021-10-12 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for switching driving mode of vehicle
US10210756B2 (en) * 2017-07-24 2019-02-19 Harman International Industries, Incorporated Emergency vehicle alert system
US10565873B1 (en) * 2017-08-18 2020-02-18 State Farm Mutual Automobile Insurance Company Emergency vehicle detection and avoidance systems for autonomous vehicles
KR101956689B1 (ko) * 2017-10-16 2019-07-04 주식회사 만도 긴급차량 운행경로 생성기능을 갖는 자동 순항 제어장치 및 제어방법
CN107993487B (zh) * 2017-12-11 2021-06-25 东软集团股份有限公司 避让紧急车辆的方法及装置
US10628686B2 (en) * 2018-03-12 2020-04-21 Waymo Llc Neural networks for object detection and characterization
JP2020050109A (ja) * 2018-09-26 2020-04-02 本田技研工業株式会社 車両制御装置、車両制御方法、及びプログラム

Also Published As

Publication number Publication date
US10796571B2 (en) 2020-10-06
US20200250974A1 (en) 2020-08-06
JP7194130B2 (ja) 2022-12-21
JP2020126634A (ja) 2020-08-20
KR102241584B1 (ko) 2021-04-19
CN111505690A (zh) 2020-08-07
KR20200095388A (ko) 2020-08-10
EP3690849A1 (en) 2020-08-05

Similar Documents

Publication Publication Date Title
CN111505690B (zh) 实时检测应急车辆并规划行驶路径的方法及装置
EP3602220B1 (en) Dynamic sensor selection for self-driving vehicles
EP3299921B1 (en) Location specific assistance for an autonomous vehicle control system
US10338594B2 (en) Navigation of autonomous vehicles to enhance safety under one or more fault conditions
US9915951B2 (en) Detection of overhanging objects
JP6418574B2 (ja) 危険度推定装置、危険度推定方法及び危険度推定用コンピュータプログラム
US11755917B2 (en) Generating depth from camera images and known depth data using neural networks
JP6935947B2 (ja) スマートフォンを利用する歩行者を保護するための先端歩行者補助システムを提供する方法及び装置
RU2750243C2 (ru) Способ и система для формирования траектории для беспилотного автомобиля (sdc)
KR20220020804A (ko) 정보 처리 장치 및 정보 처리 방법, 그리고 프로그램
CN111508253B (zh) 提供自动行驶服务平台的方法及利用其的服务器
JP2024014875A (ja) 視覚追跡および画像再投影による自律運転のための物体位置特定
CN113753040A (zh) 预测弱势道路用户乱穿马路行为
KR20200133856A (ko) 자율 주행 장치 및 방법
CN115806053A (zh) 在稠密深度和着陆质量热图中定位安全区的系统和方法
JP7147464B2 (ja) 画像選択装置及び画像選択方法
CN113183988A (zh) 一种车辆自动驾驶的监督方法、装置、设备及存储介质
KR20200128469A (ko) 자율주행차량을 위한 충돌 예방 장치
JP7294476B2 (ja) カメラ制御システム、カメラ制御方法、及び非一時的コンピュータ可読媒体
US20230024799A1 (en) Method, system and computer program product for the automated locating of a vehicle
JP7371679B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US20240144696A1 (en) Road User Information Determination Based on Image and Lidar Data
JP2022079954A (ja) 物体検出装置
JP2022146384A (ja) 物体検出装置
JP2021138338A (ja) 車両制御システム

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