CN111766601A - 识别装置、车辆控制装置、识别方法及存储介质 - Google Patents
识别装置、车辆控制装置、识别方法及存储介质 Download PDFInfo
- Publication number
- CN111766601A CN111766601A CN202010164086.7A CN202010164086A CN111766601A CN 111766601 A CN111766601 A CN 111766601A CN 202010164086 A CN202010164086 A CN 202010164086A CN 111766601 A CN111766601 A CN 111766601A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- present
- road
- detection result
- snow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 56
- 230000001678 irradiating effect Effects 0.000 claims abstract description 3
- 238000010191 image analysis Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 239000013256 coordination polymer Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000007499 fusion processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供能够适当地判定有无积雪的识别装置、车辆控制装置、识别方法及存储介质。识别装置具备:取得部,其从照射光并检测反射光的强度的激光雷达取得检测结果,所述激光雷达搭载于车辆,且至少在上下方向上能够变更光的照射方向;物体目标确定部,其基于由所述取得部取得的检测结果来确定物体目标;以及判定部,其基于由所述取得部取得的、以比基准方向靠下方的照射方向照射了光时的检测结果,来判定是否在存在所述车辆的道路上存在积雪。
Description
技术领域
本发明涉及识别装置、车辆控制装置、识别方法及存储介质。
背景技术
以往,公开有与基于搭载于本车辆的激光雷达的检测点信息、来识别本车辆的周边的物体目标的物体目标识别装置相关的发明(例如,参照日本特开2018-115990号公报)。该装置基于激光雷达的检测点信息,来判定跟踪着的其他车辆的大小是否放大了,在判定为放大了的情况下,基于激光雷达的检测点信息,来判定是否丢失了其他车辆的附近的附近物体目标,在没有判定为丢失了时,将激光雷达所检测到的检测点中的、位于放大前的其他车辆的周围的检测点识别为可通过物体目标。作为可通过物体目标,例示出卷起了的冰雪。
发明要解决的课题
在以往的技术中,不能基于激光雷达的检测结果来适当地判定有无积雪。
发明内容
本发明的目的之一在于提供能够适当地判定有无积雪的识别装置、车辆控制装置、识别方法及存储介质。
用于解决课题的方案
本发明的识别装置、车辆控制装置、识别方法及存储介质采用了以下的结构。
(1):本发明的一方案的识别装置,其具备:取得部,其从照射光并检测反射光的强度的激光雷达取得检测结果,所述激光雷达搭载于车辆,且至少在上下方向上能够变更光的照射方向;物体目标确定部,其基于由所述取得部取得的检测结果来确定物体目标;以及判定部,其基于由所述取得部取得的、以比基准方向靠下方的照射方向照射了光时的检测结果,来判定是否在存在所述车辆的道路上存在积雪。
(2):在上述(1)的方案中,所述判定部在以比所述基准方向靠下方的照射方向照射了光时的检测结果所示的反射光的强度比基准高的情况下,判定为在存在所述车辆的道路上存在积雪。
(3):在上述(1)或(2)的方案中,所述判定部基于是否由所述物体目标确定部以规定的可靠度以上确定出所述物体目标中的道路划分线,来判定是否在存在所述车辆的道路上存在积雪。
(4):在上述(1)至(3)中任意的方案中,所述取得部还从外部气体温度传感器取得外部气体温度的信息,所述判定部在取得的所述外部气体温度比规定温度低的情况下,提高判定为在存在所述车辆的道路上存在积雪的概率。
(5):在上述(1)至(4)中任意的方案中,所述取得部还取得由搭载于所述车辆的相机拍摄到的图像,所述识别装置还具备图像解析部,所述图像解析部对由所述相机拍摄到的图像进行解析而检测道路划分线,所述判定部在由所述图像解析部以规定的可靠度以上检测到所述道路划分线的情况下,判定为在存在所述车辆的道路上不存在积雪。
(6):在上述(1)至(5)中任意的方案中,所述判定部基于在所述照射方向为比基准方向靠下方的第一照射方向的情况下的所述激光雷达的检测结果所示的反射光的强度与在所述照射方向为比所述第一照射方向靠上方的第二照射方向的情况下的所述激光雷达的检测结果所示的反射光的强度之间的差量,来判定是否在存在所述车辆的道路上存在积雪。
(7):本发明的另一方案的车辆控制装置,其具备:权利要求1至6中任一方案的识别装置;以及控制车辆的速度或转向的驾驶控制部,其在由所述识别装置判定为在存在所述车辆的道路上存在积雪的情况下抑制控制的程度。
(8):本发明的又一方案的识别方法,其使计算机进行如下处理:从照射光并检测反射光的强度的激光雷达取得检测结果,所述激光雷达搭载于车辆,且至少在上下方向上能够变更光的照射方向;基于取得的所述检测结果来确定物体目标;以及基于取得的、以比基准方向靠下方的照射方向照射了光时的所述检测结果,来判定是否在存在所述车辆的道路上存在积雪。
(9):本发明的再一方案的存储介质,其存储有程序,所述程序使计算机进行如下处理:从照射光并检测反射光的强度的激光雷达取得检测结果,所述激光雷达搭载于车辆,且至少在上下方向上能够变更光的照射方向;基于取得的所述检测结果来确定物体目标;以及基于取得的、以比基准方向靠下方的照射方向照射了光时的所述检测结果,来判定是否在存在所述车辆的道路上存在积雪。
发明效果
根据上述(1)~(9)的方案,能够适当地判定有无积雪。
附图说明
图1是表示激光雷达和识别装置的设置位置的一例的图。
图2是表示识别装置的内部构成等的图。
图3是表示设为在车辆搭载有相机的情况下的相机图像的图。
图4表示根据激光雷达的输出识别到的三维的反射点分布。
图5是表示设为在车辆搭载有相机的情况下的、拍摄到存在积雪的道路的相机图像的图。
图6是表示根据激光雷达的输出识别到的三维的反射点分布的图。
图7是表示由识别装置执行的处理的流程的一例的流程图。
图8是表示第二实施方式的识别装置的内部构成等的图。
图9是表示由第二实施方式的识别装置识别的处理的流程的一例的流程图。
图10是表示利用识别装置的自动驾驶控制装置的构成等的图。
附图标记说明:
10、314 激光雷达
20 外部气体温度传感器
30、310 相机
100、100A 识别装置
110 取得部
120 物体目标确定部
130、130A 判定部
140 图像解析部
316 物体识别装置
400 自动驾驶控制装置
430 识别部
440 行动计划生成部
具体实施方式
以下,参照附图来说明本发明的识别装置、车辆控制装置、识别方法及存储介质的实施方式。
<第一实施方式>
图1是表示激光雷达10和识别装置100的设置位置的一例的图。激光雷达(LightDetection and Ranging)安装于能够远望车辆M的任意的方向的位置。在图1的例子中,激光雷达10安装于车辆M的前端部中的距路面的高度为h的位置。高度h例如是几十[cm]程度。
激光雷达10照射光并检测反射光,通过测定从照射到检测的时间T来检测到物体目标的轮廓的距离。激光雷达10关于仰角或俯角(上下方向的照射方向)和方位角(水平方向的照射方向)这双方能够变更光的照射方向。激光雷达10例如反复进行如下动作:固定上下方向的照射方向而一边改变水平方向的照射方向一边进行扫描,接着变更上下方向的照射方向,并以变更了的角度固定上下方向的照射方向而一边改变水平方向的照射方向一边进行扫描。以下,将上下方向的照射方向称作“层”,将固定层而一边改变水平方向的照射方向一边进行一次的扫描称作“循环”,将水平方向的照射方向称作“方位”。层例如L1到Ln以有限数设定(n是自然数)。层的变更例如以在上次的循环中照射的光不干涉此次循环中的检查获知的方式如L0→L4→L2→L5→L1…这样关于角度不连续地进行。需要说明的是,不限定于此,层的变更也可以关于角度连续地进行。
激光雷达10例如将包括{层、方位、时间T、检测到的反射光的强度P}的数据集向识别装置100输出。识别装置100设置于车辆M的任意部位。
图2是表示识别装置100的内部构成等的图。识别装置100例如除了利用激光雷达10之外,也可以利用外部气体温度传感器20的输出进行处理。外部气体温度传感器20设置于车辆M的外装部,测定外部气体温度并将测定结果向识别装置100输出。外部气体温度传感器20也可以被根据发动机罩内的温度来推定外部气体温度的系统等置换。另外,也可以省略外部气体温度传感器20。
识别装置100将识别结果等向输出对象设备200输出。识别结果除了包括存在将根据从激光雷达10输入的数据集掌握的反射点相连而推定的物体目标的结果之外,还包括判定是否在车辆M所存在(行驶着、或停止着)的道路上存在积雪的结果。输出对象设备200是各种的驾驶支援装置、自动驾驶控制装置、显示装置、扬声器等。如后述的第三实施方式所示的那样,识别装置100和输出对象设备200也可以一体构成。
识别装置100例如具备取得部110、物体目标确定部120及判定部130。这些构成要素例如通过CPU(Central Processing Unit)等硬件处理器执行程序(软件)来实现。这些构成要素中的一部分或全部也可以通过LSI(Large Scale Integration)、ASIC(ApplicationSpecific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、GPU(GraphicsProcessing Unit)等硬件(包括电路部:circuitry)来实现,也可以通过软件与硬件的协同配合来实现。程序可以预先保存于HDD(Hard Disk Drive)、闪存器等存储装置(具备非暂时性的存储介质的存储装置),也可以保存于DVD、CD-ROM等能够装卸的存储介质(非暂时性的存储介质),并通过存储介质装配于驱动装置来进行安装。
取得部110从激光雷达10取得数据集,从外部气体温度传感器20取得测定结果,并将它们保存于未图示的存储器。
物体目标确定部120根据数据集中的层、方位、时间T算出反射点的位置,并且基于每个反射点的反射光的强度P,来确定在车辆M的周边(在图1的例子中是从斜前侧方到前方)存在的物体目标。例如,物体目标确定部120将强度P为阈值以上、且在水平方向及高度方向具有规定的尺寸(例如在水平方向上1~4[m]程度、在高度方向上几十[cm]到一百几十[cm]程度)的反射点组确定为是车辆。另外,物体目标确定部120基于强度P相对于路面的差异来确定在道路上绘制或埋设的道路标示。道路标示是以白线、黄线的实线或虚线的形态绘制于路面、或以道钉、猫眼的形态埋设于道路的道路划分线,或者绘制于路面的法定速度、人行横道预告等道路标示。
图3及图4是用于说明物体目标确定部120确定道路划分线的存在的构成的图。图3表示在设为在车辆M搭载有相机的情况下的相机图像,图4表示在与图3相同的位置存在车辆M的情况下根据激光雷达10的输出识别的三维的反射点分布。在图3的例子中,相机安装于前风窗玻璃的上部等。如图3所示,在路面RF被以比较暗的颜色视觉辨识,道路划分线SL是明显比路面RF明亮的颜色的情况下,由于颜色的不同是光的反射率不同,因此对于反射光的强度P产生不同。物体目标确定部120例如将强度P的绝对值为第一阈值以上、且在方位方向上与一个相邻的反射点的强度P的差量为第二阈值以上的反射点设为道路划分线SL的候补(候补点CP),在候补点CP在道路平面上呈直线状排列着的情况下,将该排列着的候补点CP的集合确定(推定)为是道路划分线SL。路面RF的颜色、道路划分线SL的反射率根据国家的不同而不同,因此不限于上述,也可以以适当的规则确定道路划分线SL。此时,物体目标确定部120也可以输出与道路划分线SL的确定相关的可靠度。与道路划分线SL的确定相关的可靠度例如基于呈直线状排列的候补点CP的数量、从直线脱离了的候补点CP的数量等,由物体目标确定部120算出。需要说明的是,物体目标确定部120不输出可靠度,并且物体目标确定部120确定为道路划分线SL这一情况也可以意味着是规定的可靠度以上。
判定部130基于由取得部110取得的数据集中的、以照射方向比基准方向靠下方的层照射光时的检测结果,来判定是否在车辆M所存在的道路存在积雪。更具体而言,判定部130并非在有少量积雪的情况下就判定为存在积雪,而是在存在成为道路划分线SL识别困难的程度的积雪的情况下,判定为存在积雪。
照射方向是比基准方向靠下方的层例如是指图1所示的层L0(层L0与层L1之间的方向(角度)为基准方向)。不限定于此,照射方向为比基准方向靠下方的层也可以如L0、L1、L2这样包含多个层。在以下的说明中,将“照射方向为比基准方向靠下方的层”记为层L0。
由判定部130进行的判定例如基于将以下的基准(1)~(3)以逻辑和或逻辑积进行结合的条件来进行。
(1)在层L0的检测结果所示的反射光的强度P比基准高的情况下,判定为在存在车辆M的道路上存在积雪。所谓比基准高表示作为整体较高,例如也可以是层L0的检测结果的平均值为第三阈值以上,也可以是层L0的检测结果中的规定比例以上为第四阈值以上。
(2)在道路划分线SL不能由物体目标确定部120以规定的可靠度以上确定出的情况下,判定为在存在车辆M的道路上存在积雪。在物体目标确定部120不算出并输出可靠度的情况下,判定部130可以基于由物体目标确定部120确定出道路划分线SL这一情况,判定为“能够由物体目标确定部120以规定的可靠度以上确定出道路划分线SL”。
(3)在由外部气体温度传感器20测定到的外部气体温度比规定温度低的情况下,提高判定为在存在车辆的道路上存在积雪的概率。
作为一例,也可以是,判定部130在以(1)和(2)的条件的基准判定为存在积雪的情况下,将“存在积雪”的意旨的判定输出,基于由外部气体温度传感器20测定到的外部气体温度,附加表示判定结果的可靠度的信息向输出对象设备200输出。另外,也可以是,在外部气体温度为难以认为是积雪的温度的情况(例如30[℃]以上等)下,将判定结果变更为“不存在积雪”。
图5及图6是用于说明因积雪而产生的现象的图。图5表示在设为在车辆M搭载有相机的情况下的、拍摄到存在积雪的道路的相机图像,图6表示在与图5相同的位置存在车辆M的情况下根据激光雷达10的输出识别的三维的反射点分布。如图所示,在车辆M在存在积雪的道路上行驶着的情况下,层L0的检测结果与其他相比成为明显强度P高的层。因此,(1)的条件有效。另外,在图6的检测结果中候补点CP并不是完全呈直线状而是分散着,因此设想物体目标确定部120的可靠度不高、或者不确定物体目标。因此,(2)的条件也有效。
图7是表示由识别装置100执行的处理的流程的一例的流程图。首先,取得部110从激光雷达10取得数据集(步骤S100)。接着,物体目标确定部120判定是否在存储器蓄积有处理所需的规定数量的数据集(步骤S102)。需要说明的是,在从激光雷达10汇总并取得规定数量的数据集的情况下,不需要步骤S102的判定。当规定数量的数据集蓄积于存储器时,物体目标确定部120确定物体目标(步骤S104)。
接着,判定部130提取层L0的数据集(步骤S106),并判定层L0的检测结果所示的反射光的强度P是否比基准高(步骤S108)。在步骤S108中得到了肯定的判定结果的情况下,判定部130判定是否由物体目标确定部120以规定的可靠度以上确定出道路划分线(步骤S110)。
在步骤SI10中得到了否定的判定结果的情况下,判定部130判定从外部气体温度传感器20输入的外部气体温度是否符合小于10[℃]、10[℃]以上且小于30[℃]、30[℃]以上中的任意情况(步骤S112)。
在步骤S112中判定为是小于10[℃]的情况下,判定部130判定为存在积雪,并将判定结果向输出对象设备200输出(步骤S114)。
在步骤S112中判定为是10[℃]以上且小于30[℃]的情况下,判定部130判定为存在积雪,但将可靠度偏低这样的附加信息附加于判定结果,而向输出对象设备200输出(步骤S116)。
在步骤S108中得到了否定的判定结果的情况、在步骤S1 10中得到了肯定的判定结果的情况、或在步骤S1 12中判定为是30[℃]以上的情况下,判定部130判定为不存在积雪,并将判定结果向输出对象设备200输出(步骤S118)。需要说明的是,在该情况下,也可以设为不输出判定结果。
根据以上说明的第一实施方式,具备:取得部110,其从照射光并检测反射光的强度的激光雷达10取得检测结果,所述激光雷达10搭载于车辆M,且至少在上下方向上能够变更光的照射方向;物体目标确定部120,其基于由取得部110取得的检测结果来确定物体目标;以及判定部130,其基于由取得部110取得的、在以比基准方向靠下方的照射方向照射了光时的检测结果(例如层L0的检测结果),来判定是否在存在车辆M的道路上存在积雪,由此能够适当地判定有无积雪。
<第一实施例的变形例>
如图6所示,层L0的检测结果与其他相比成为明显强度P高的结果,因此判定部130可以作为”且”条件而追加下述的(4)的条件,也可以代替(1)的条件而采用(4)的条件。即,判定部130也可以在满足了(1)、(2)及(4)的全部条件的情况下判定为存在积雪,也可以在满足了(2)及(4)的条件的情况下判定为存在积雪。
(4)在层L0的检测结果(照射方向是比基准方向靠下方的第一照射方向的情况下的激光雷达的检测结果的一例)所示的反射光的强度P与层L1(或者也可以是层L2、L3、…)的检测结果(在照射方向是第二照射方向的情况下的激光雷达的检测结果的一例)所示的反射光的强度P之间的差量为第五阈值以上的情况下,判定为在存在车辆的道路上存在积雪。
<第二实施方式>
以下,说明第二实施方式。图8是表示第二实施方式的识别装置100A的内部构成等的图。识别装置100A与第一实施方式的识别装置100相比,还取得由相机30拍摄到的图像并进行判定处理,且还具备图像解析部140。
相机30设置于能够对车辆M的周边(特别是前方或后方)进行拍摄的任意的位置。例如,相机30设置于前风窗玻璃的上部。相机30是具备CCD(Charge Coupled Device)、CMOS(Complementary Metal Oxide Semiconductor)等摄像元件的数码相机,并以规定周期反复对车辆M的周边进行拍摄。
图像解析部140解析相机30所拍摄到的图像,并确定道路划分线SL等物体目标。图像解析部140例如提取与相邻像素之间的亮度差为阈值以上的像素作为边缘,并将边缘相连而得到线确定为道路划分线SL的轮廓。此时,图像解析部140也可以与物体目标确定部120同样,输出与道路划分线SL的确定相关的可靠度。与道路划分线SL的确定相关的可靠度例如基于呈直线状排列的边缘的数量、从直线脱离了的边缘的数量等,而由图像解析部140算出。需要说明的是,图像解析部140不输出可靠度,并且图像解析部140确定为道路划分线SL这一情况也可以意味着是规定的可靠度以上。
识别装置100A对由图像解析部140确定出的道路划分线SL等物体目标、以及物体目标确定部120确定出的物体目标进行传感器融合处理,并将处理结果向输出对象设备200输出。传感器融合处理是指对相互的结果要求“且”条件,或者在一方丢失了物体目标的情况下用另一方的处理结果进行补充的处理。
并且,判定部130A在由图像解析部140以规定的可靠度以上确定出道路划分线SL的情况下,判定为在存在车辆M的道路上不存在积雪。
图9是表示由第二实施方式的识别装置100A识别的处理的流程的一例的流程图。需要说明的是,图像解析部140能够与物体目标确定部120非同步地进行处理,因此在图9的流程图中不包括图像解析部140的处理。
步骤S100~S106的处理与图7的流程图同样。在步骤S107中,判定部130判定是否由图像解析部140以规定的可靠度以上确定出道路划分线SL。在判定为由图像解析部140以规定的可靠度以上确定出道路划分线SL的情况下,判定部130判定为不存在积雪,并将判定结果向输出对象设备200输出(步骤S118)。
根据以上说明的第二实施方式,能够比第一实施方式精度良好地判定有无积雪。
<第三实施方式>
以下,说明第三实施方式。第三实施方式是识别装置(100或100A)连同输出对象设备200一起构成车辆控制装置的方案。在此,相当于输出对象设备200的设备是用于进行自动驾驶的控制装置。
图10是表示利用识别装置的自动驾驶控制装置400的构成等的图。本图所示的构成搭载于车辆。在车辆中例如具备相机310、雷达装置312、激光雷达314、物体识别装置316、通信装置320、HMI(Human Machine Interface)330、车辆传感器340、导航装置350、MPU(MapPositioning Unit)360、驾驶操作件380、自动驾驶控制装置400、行驶驱动力输出装置500、制动装置510及转向装置520。这些装置、设备通过CAN(Controller Area Network)通信线等多路通信线、串行通信线、无线通信网等相互连接。需要说明的是,图10所示的构成只不过是一例,可以省略构成的一部分,也可以还追加别的构成。图10所示的构成中的、物体识别装置316或识别部430具有与在第一实施方式或第二实施方式说明的识别装置同样的功能。
相机310与第二实施方式中的相机30同样。另外,激光雷达314与第一实施方式或第二实施方式中的激光雷达10同样。雷达装置312向本车辆M的周边放射毫米波等电波,并且检测由物体反射的电波(反射波)来至少检测物体的位置(距离及方位)。雷达装置312安装于本车辆M的任意部位。
物体识别装置316对由相机310、雷达装置312及激光雷达314中的一部分或全部检测的检测结果进行传感器融合处理,来识别物体目标的位置、种类、速度等。物体识别装置316将识别结果向自动驾驶控制装置400输出。物体识别装置316可以将相机310、雷达装置312及激光雷达314的检测结果直接向自动驾驶控制装置400输出。另外,也可以省略物体识别装置316。
通信装置320例如与存在于本车辆M的周边的其他车辆通信,或者经由无线基地站与各种服务器装置通信。HMI330对本车辆M的乘员提示各种信息,并且接受由乘员进行的输入操作。HMI30包括各种显示装置、扬声器、蜂鸣器、触摸面板、开关、按键等。车辆传感器340包括检测本车辆M的速度的车速传感器、检测加速度的加速度传感器、检测绕铅垂轴的角速度的横摆角速度传感器、检测本车辆M的朝向的方位传感器等。
导航装置350例如具备GNSS(Global Navigation Satellite System)接收机351、导航HMI352及路径决定部353。导航装置350在HDD、闪存器等存储装置保持有第一地图信息354。GNSS接收机351基于从GNSS卫星接收到的信号,来确定本车辆M的位置。本车辆M的位置也可以由利用了车辆传感器340的输出的INS(Inertial Navigation System)来确定或补充。导航HMI352包括显示装置、扬声器、触摸面板、按键等。路径决定部353例如参照第一地图信息354来决定从由GNSS接收机351确定的本车辆M的位置(或输入的任意的位置)到乘员使用导航HMI352输入的目的地的路径(以下称作地图上路径)。地图上路径向MPU360输出。导航装置350也可以基于地图上路径,来进行使用了导航HMI352的路径引导。导航装置350例如也可以由乘员所持有的智能手机、平板终端等终端装置的功能来实现。导航装置350也可以经由通信装置320向导航服务器发送当前位置和目的地,并从导航服务器取得与地图上路径同等的路径。
MPU360例如包括推荐车道决定部361,在HDD、闪存器等存储装置保持有第二地图信息362。推荐车道决定部361将从导航装置350提供的地图上路径分割为多个区段(例如在车辆行进方向上按每100[m]进行分割),并参照第二地图信息362按区段决定推荐车道。推荐车道决定部361以在地图上路径存在分支部位的情况下本车辆M能够在用于向分支目的地行进的合理路径上行驶的方式决定推荐车道。第二地图信息362是精度比第一地图信息、354高的地图信息。
驾驶操作件380例如包括油门踏板、制动踏板、换挡杆、转向盘、异形方向盘、操纵杆及其他操作件。在驾驶操作件380安装有对操作量或者有无操作进行检测的传感器,其检测结果向自动驾驶控制装置400、或者行驶驱动力输出装置500、制动装置510及转向装置520中的一部分或全部输出。
自动驾驶控制装置400例如具备第一控制部420和第二控制部460。第一控制部420和第二控制部460分别例如通过CPU等硬件处理器执行程序(软件)来实现。另外,这些构成要素中的一部分或全部也可以由LSI、ASIC、FPGA、GPU等硬件(包括电路部:circuitry)来实现,也可以通过软件与硬件的协同配合来实现。程序可以预先保存于自动驾驶控制装置400的HDD、闪存器等存储装置(具备非暂时性的存储介质的存储装置),也可以保存于DVD、CD-ROM等能够装卸的存储介质,并通过存储介质(非暂时性的存储介质)装配于驱动装置来安装于自动驾驶控制装置400的HDD、闪存器。
第一控制部420例如具备识别部430和行动计划生成部440。第一控制部420例如并行地实现基于AI(Artificial Intelligence:人工智能)的功能和基于预先赋予的模型的功能。例如,“识别交叉路口”的功能可以通过并行地执行基于深度学习等的交叉路口的识别、以及基于预先赋予的条件(存在能够图案匹配的信号、道路标示等)的识别,对双方评分并综合地评价来实现。由此,确保自动驾驶的可靠性。
识别部430基于从相机310、雷达装置312及激光雷达314经由物体识别装置316输入的信息,来识别处于本车辆M的周边的物体的位置、及速度、加速度等状态。物体的位置例如识别为以本车辆M的代表点(重心、驱动轴中心等)为原点的绝对坐标上的位置,并使用于控制。物体的位置可以由该物体的重心、角部等代表点表示,也可以由表现出的区域表示。所谓物体的“状态”也可以包括物体的加速度、加加速度、或者“行动状态”(例如是否正在进行车道变更、或者是否正要进行车道变更)。
另外,识别部430例如识别本车辆M行驶着的车道(行驶车道)。例如,识别部430通过将从第二地图信息362得到的道路划分线的图案(例如实线与虚线的排列)与根据由相机310拍摄到的图像识别的本车辆M的周边的道路划分线的图案进行比较,来识别行驶车道。需要说明的是,识别部430不限于道路划分线,也可以通过识别包括道路划分线、路肩、缘石、中央隔离带、护栏等的行驶路边界(道路边界),来识别行驶车道。在该识别中,也可以加进从导航装置350取得的本车辆M的位置、由INS进行的处理结果。另外,识别部430识别暂时停止线、障碍物、红灯、收费站及其他道路事物。
识别部430在识别行驶车道时,识别本车辆M相对于行驶车道的位置、姿态。识别部430例如也可以将本车辆M的基准点从车道中央的偏离、以及本车辆M的行进方向相对于将车道中央相连而得到的线所成的角度识别为本车辆M相对于行驶车道的相对位置及姿态。也可以代替于此,识别部430将本车辆M的基准点相对于行驶车道的任意侧端部(道路划分线或道路边界)的位置等识别为本车辆M相对于行驶车道的相对位置。
行动计划生成部440以原则上在由推荐车道决定部361决定出的推荐车道上行驶,并且能够应对本车辆M的周边状况的方式生成本车辆M将来自动地(不依赖于驾驶员的操作地)行驶的目标轨道。目标轨道例如包括速度要素。例如,目标轨道表现为将本车辆M应该到达的地点(轨道点)依次排列而成的轨道。轨道点是按沿途距离计每隔规定的行驶距离(例如几[m]程度)的本车辆M应该到达的地点,与此不同,每隔规定的采样时间(例如零点几[sec]程度)的目标速度及目标加速度作为目标轨道的一部分而生成。另外,轨道点也可以是每隔规定的采样时间的、在该采样时刻下的本车辆M应该到达的位置。在该情况下,目标速度、目标加速度的信息由轨道点的间隔表现。
行动计划生成部440可以在生成目标轨道时,设定自动驾驶的事件。在自动驾驶的事件中存在定速行驶事件、低速追随行驶事件、车道变更事件、分支事件、汇合事件、接管事件等。行动计划生成部440生成与起动了的事件相应的目标轨道。
第二控制部460以本车辆M按照预定的时刻通过由行动计划生成部440生成的目标轨道的方式控制行驶驱动力输出装置500、制动装置510及转向装置520。
这样,行动计划生成部440基于识别部430的识别结果,来控制车辆的速度或转向。并且,行动计划生成部440在由具有与第一实施方式或第二实施方式说明的识别装置同样的功能的物体识别装置316或识别部430判定为在车辆所存在的道路上存在积雪的情况下,抑制自动驾驶所涉及的控制的程度。例如,行动计划生成部440进行用于从自动驾驶向手动驾驶切换的处理,或者在自动驾驶中从控制程度高的状态(对驾驶员要求的注意义务低的状态)向控制程度低的状态(对驾驶员要求的注意义务高的状态)切换。由此,能够抑制产生在存在积雪的状态下进行勉强控制这样的事态。
上述说明的实施方式能够如以下这样表现。
一种识别装置,其构成为具备:
存储有程序的存储装置;以及
硬件处理器,
所述硬件处理器通过执行存储于所述存储装置的程序来进行如下处理:
从照射光并检测反射光的强度的激光雷达取得检测结果,所述激光雷达搭载于车辆,且至少在上下方向上能够变更光的照射方向;
基于所述取得的检测结果来确定物体目标;以及
基于所述取得的、以比基准方向靠下方的照射方向照射了光时的检测结果,来判定是否在所述车辆所存在的道路上存在积雪。
以上,使用实施方式说明了本发明的具体实施方式,但本发明丝毫不被这样的实施方式限定,在不脱离本发明的主旨的范围内能够施加各种变形及替换。
Claims (9)
1.一种识别装置,其中,
所述识别装置具备:
取得部,其从照射光并检测反射光的强度的激光雷达取得检测结果,所述激光雷达搭载于车辆,且至少在上下方向上能够变更光的照射方向;
物体目标确定部,其基于由所述取得部取得的检测结果来确定物体目标;以及
判定部,其基于由所述取得部取得的、以比基准方向靠下方的照射方向照射了光时的检测结果,来判定是否在存在所述车辆的道路上存在积雪。
2.根据权利要求1所述的识别装置,其中,
所述判定部在以比所述基准方向靠下方的照射方向照射了光时的检测结果所示的反射光的强度比基准高的情况下,判定为在存在所述车辆的道路上存在积雪。
3.根据权利要求1或2所述的识别装置,其中,
所述判定部基于是否由所述物体目标确定部以规定的可靠度以上确定出所述物体目标中的道路划分线,来判定是否在存在所述车辆的道路上存在积雪。
4.根据权利要求1至3中任一项所述的识别装置,其中,
所述取得部还从外部气体温度传感器取得外部气体温度的信息,
所述判定部在取得的所述外部气体温度比规定温度低的情况下,提高判定为在存在所述车辆的道路上存在积雪的概率。
5.根据权利要求1至4中任一项所述的识别装置,其中,
所述取得部还取得由搭载于所述车辆的相机拍摄到的图像,
所述识别装置还具备图像解析部,该图像解析部对由所述相机拍摄到的图像进行解析而检测道路划分线,
所述判定部在由所述图像解析部以规定的可靠度以上检测到所述道路划分线的情况下,判定为在存在所述车辆的道路上不存在积雪。
6.根据权利要求1至5中任一项所述的识别装置,其中,
所述判定部基于在所述照射方向为比基准方向靠下方的第一照射方向的情况下的所述激光雷达的检测结果所示的反射光的强度与在所述照射方向为比所述第一照射方向靠上方的第二照射方向的情况下的所述激光雷达的检测结果所示的反射光的强度之间的差量,来判定是否在存在所述车辆的道路上存在积雪。
7.一种车辆控制装置,其中,
所述车辆控制装置具备:
权利要求1至6中任一项所述的识别装置;以及
控制车辆的速度或转向的驾驶控制部,其在由所述识别装置判定为在存在所述车辆的道路上存在积雪的情况下抑制控制的程度。
8.一种识别方法,其中,
所述识别方法使计算机进行如下处理:
从照射光并检测反射光的强度的激光雷达取得检测结果,所述激光雷达搭载于车辆,且至少在上下方向上能够变更光的照射方向;
基于取得的所述检测结果来确定物体目标;以及
基于以比基准方向靠下方的照射方向照射了光时取得的所述检测结果,来判定是否在存在所述车辆的道路上存在积雪。
9.一种存储介质,其存储有程序,其中,
所述程序使计算机进行如下处理:
从照射光并检测反射光的强度的激光雷达取得检测结果,所述激光雷达搭载于车辆,且至少在上下方向上能够变更光的照射方向;
基于取得的所述检测结果来确定物体目标;以及
基于以比基准方向靠下方的照射方向照射了光时取得的所述检测结果,来判定是否在存在所述车辆的道路上存在积雪。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019045972A JP7083768B2 (ja) | 2019-03-13 | 2019-03-13 | 認識装置、車両制御装置、認識方法、およびプログラム |
JP2019-045972 | 2019-03-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111766601A true CN111766601A (zh) | 2020-10-13 |
CN111766601B CN111766601B (zh) | 2023-11-28 |
Family
ID=72429567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010164086.7A Active CN111766601B (zh) | 2019-03-13 | 2020-03-10 | 识别装置、车辆控制装置、识别方法及存储介质 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7083768B2 (zh) |
CN (1) | CN111766601B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115147689A (zh) * | 2021-03-29 | 2022-10-04 | 本田技研工业株式会社 | 识别装置、车辆系统、识别方法以及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004038245A (ja) * | 2002-06-28 | 2004-02-05 | Nissan Motor Co Ltd | 車両用障害物検出装置 |
JP2009271908A (ja) * | 2008-04-09 | 2009-11-19 | Honda Motor Co Ltd | 車両走行支援装置、車両、車両走行支援プログラム |
JP2010164521A (ja) * | 2009-01-19 | 2010-07-29 | Sumitomo Electric Ind Ltd | 路面状況判別装置 |
US20110060478A1 (en) * | 2009-09-09 | 2011-03-10 | Gm Global Technology Operations, Inc. | Vehicular terrain detection system and method |
CN102902952A (zh) * | 2011-07-28 | 2013-01-30 | 株式会社日立制作所 | 车载用环境识别装置 |
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 |
CN106652490A (zh) * | 2016-12-28 | 2017-05-10 | 北京博研智通科技有限公司 | 基于积雪监测立体感知的信号灯控制的方法及系统 |
CN107272007A (zh) * | 2012-09-20 | 2017-10-20 | 伟摩有限责任公司 | 检测公路天气状况的方法和系统 |
CN107844796A (zh) * | 2016-09-20 | 2018-03-27 | 福特全球技术公司 | 冰和雪的检测系统和方法 |
CN108508372A (zh) * | 2018-04-24 | 2018-09-07 | 中南大学 | 一种基于环境视觉融合的无人驾驶电量计算和预警方法与系统 |
CN109409185A (zh) * | 2017-08-18 | 2019-03-01 | 通用汽车环球科技运作有限责任公司 | 检测积雪覆盖路面的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6106229B2 (ja) * | 2015-08-10 | 2017-03-29 | 富士重工業株式会社 | 車線認識装置 |
JP2017161363A (ja) * | 2016-03-09 | 2017-09-14 | 株式会社デンソー | 区画線認識装置 |
US10754035B2 (en) * | 2017-01-17 | 2020-08-25 | Aptiv Technologies Limited | Ground classifier system for automated vehicles |
-
2019
- 2019-03-13 JP JP2019045972A patent/JP7083768B2/ja active Active
-
2020
- 2020-03-10 CN CN202010164086.7A patent/CN111766601B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004038245A (ja) * | 2002-06-28 | 2004-02-05 | Nissan Motor Co Ltd | 車両用障害物検出装置 |
JP2009271908A (ja) * | 2008-04-09 | 2009-11-19 | Honda Motor Co Ltd | 車両走行支援装置、車両、車両走行支援プログラム |
JP2010164521A (ja) * | 2009-01-19 | 2010-07-29 | Sumitomo Electric Ind Ltd | 路面状況判別装置 |
US20110060478A1 (en) * | 2009-09-09 | 2011-03-10 | Gm Global Technology Operations, Inc. | Vehicular terrain detection system and method |
CN102902952A (zh) * | 2011-07-28 | 2013-01-30 | 株式会社日立制作所 | 车载用环境识别装置 |
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 |
CN107272007A (zh) * | 2012-09-20 | 2017-10-20 | 伟摩有限责任公司 | 检测公路天气状况的方法和系统 |
CN107844796A (zh) * | 2016-09-20 | 2018-03-27 | 福特全球技术公司 | 冰和雪的检测系统和方法 |
CN106652490A (zh) * | 2016-12-28 | 2017-05-10 | 北京博研智通科技有限公司 | 基于积雪监测立体感知的信号灯控制的方法及系统 |
CN109409185A (zh) * | 2017-08-18 | 2019-03-01 | 通用汽车环球科技运作有限责任公司 | 检测积雪覆盖路面的方法 |
CN108508372A (zh) * | 2018-04-24 | 2018-09-07 | 中南大学 | 一种基于环境视觉融合的无人驾驶电量计算和预警方法与系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115147689A (zh) * | 2021-03-29 | 2022-10-04 | 本田技研工业株式会社 | 识别装置、车辆系统、识别方法以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2020148601A (ja) | 2020-09-17 |
JP7083768B2 (ja) | 2022-06-13 |
CN111766601B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109624974B (zh) | 车辆控制装置、车辆控制方法以及存储介质 | |
US11157751B2 (en) | Traffic guide object recognition device, traffic guide object recognition method, and storage medium | |
CN109791408B (zh) | 自身位置推定方法及自身位置推定装置 | |
CN111273651B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US20220161794A1 (en) | Vehicle control device, vehicle control method, and non-transitory computer-readable recording medium recording program | |
JP2020160496A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN111766601B (zh) | 识别装置、车辆控制装置、识别方法及存储介质 | |
JP2021064056A (ja) | ゼブラゾーン認識装置、車両制御装置、ゼブラゾーン認識方法、およびプログラム | |
US11989950B2 (en) | Information processing apparatus, vehicle system, information processing method, and storage medium | |
CN113492844B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN115402308A (zh) | 移动体控制装置、移动体控制方法及存储介质 | |
JP7028838B2 (ja) | 周辺認識装置、周辺認識方法、およびプログラム | |
US12032066B2 (en) | Recognition device and method | |
US20210231811A1 (en) | Recognition device and method | |
CN115050205B (zh) | 地图生成装置以及位置识别装置 | |
CN113511220B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN111717201B (zh) | 车辆系统、车辆系统的控制方法及存储介质 | |
US20220254056A1 (en) | Distance calculation apparatus and vehicle position estimation apparatus | |
US20220306150A1 (en) | Control device, control method, and storage medium | |
US20220309804A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
US20240182024A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
JP2023149511A (ja) | 地図生成装置 | |
JP2021050927A (ja) | 認識装置、車両制御装置、認識方法、およびプログラム | |
CN117647818A (zh) | 外界识别装置 | |
CN117849826A (zh) | 外界识别装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |