CN114586083A - 信息处理装置、信息处理系统、信息处理方法和信息处理程序 - Google Patents

信息处理装置、信息处理系统、信息处理方法和信息处理程序 Download PDF

Info

Publication number
CN114586083A
CN114586083A CN201980101463.8A CN201980101463A CN114586083A CN 114586083 A CN114586083 A CN 114586083A CN 201980101463 A CN201980101463 A CN 201980101463A CN 114586083 A CN114586083 A CN 114586083A
Authority
CN
China
Prior art keywords
obstacle
vehicle
movement path
potential map
position information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201980101463.8A
Other languages
English (en)
Other versions
CN114586083B (zh
Inventor
洲镰康
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN114586083A publication Critical patent/CN114586083A/zh
Application granted granted Critical
Publication of CN114586083B publication Critical patent/CN114586083B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W40/04—Traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—Static objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

得到一种提高了障碍物的移动路径的预测精度的信息处理装置。本发明的信息处理装置具有：物体位置信息取得部，其取得表示存在于车辆周围的障碍物的位置的障碍物位置信息；障碍物电势图生成部，其根据障碍物位置信息，生成表示对于障碍物而言的交通事故的风险的障碍物电势图；以及障碍物移动路径预测部，其根据障碍物电势图预测障碍物的移动路径，生成障碍物移动路径预测信息。

Description

信息处理装置、信息处理系统、信息处理方法和信息处理程序
技术领域
本发明涉及预测车辆周边的障碍物的移动路径的信息处理装置、信息处理系统、信息处理方法和信息处理程序。
背景技术
作为用于避开车辆(特别是自动驾驶车辆)行驶的路径上的障碍物的技术，存在被称作电势法的技术(例如，专利文献1)。在电势法中，首先在被称作电势图的从上方俯视车辆的俯视图内，生成根据电势值的大小设定车辆应避开的区域而成的二维数据。此时，例如通过卡尔曼滤波器预测出障碍物的移动，根据障碍物的被预测出的移动路径生成车辆的电势图。此外，电势图内的电势值越大，则表示越需要可靠的避开。
而且，在电势法中，利用电势图进行车辆的行驶控制，以通过车辆能移动的路径中的电势值的总和最小的路径。
现有技术文献
专利文献
专利文献1：日本特愿2019-523880
发明内容
发明要解决的课题
在专利文献1的技术中，假设存在于车辆周围的对向车辆等障碍物进行匀加速直线运动而作出移动路径的预测。但是，由于实际的障碍物不限于进行匀加速直线运动，因此，在专利文献1的技术中，存在有可能作出不准确预测这样的课题。
本发明正是为了解决上述课题而完成的，其目的在于，得到一种提高了障碍物的移动路径的预测精度的信息处理装置。
用于解决课题的手段
本发明的信息处理装置具有：物体位置信息取得部，其取得表示存在于车辆周围的障碍物的位置的障碍物位置信息；障碍物电势图生成部，其根据障碍物位置信息，生成表示对于障碍物而言的交通事故的风险的障碍物电势图；以及障碍物移动路径预测部，其根据障碍物电势图预测障碍物的移动路径，生成障碍物移动路径预测信息。
发明效果
本发明的信息处理装置具有：障碍物电势图生成部，其根据障碍物位置信息，生成表示对于障碍物而言的交通事故的风险的障碍物电势图；以及障碍物移动路径预测部，其根据障碍物电势图预测障碍物的移动路径，生成障碍物移动路径预测信息。因此，通过考虑障碍物周围的环境，能够提高障碍物的移动路径的预测精度。
附图说明
图1是示出实施方式1的信息处理系统1000的结构的结构图。
图2是示出从上方观察车辆CA和车辆CA周围的障碍物的情形的俯视图。
图3是示出静电势图的具体例的示意图。
图4是示出从上方观察车辆CA和车辆CA周围的障碍物的情形的俯视图。
图5是示出障碍物电势图的具体例的示意图。
图6是示出障碍物移动路径预测信息所示的障碍物的移动路径的具体例的示意图。
图7是示出动电势图的具体例的示意图。
图8是示出实施方式1的信息处理装置100的硬件结构的例子的结构图。
图9是示出实施方式1的信息处理装置100的动作的流程图。
图10是示出从上方观察车辆CA和车辆CA周围的障碍物的情形的俯视图。
图11是示出障碍物电势图的具体例的示意图。
图12是示出障碍物移动路径预测信息所示的障碍物的移动路径的具体例的示意图。
图13是示出动电势图的具体例的示意图。
具体实施方式
实施方式1
图1是示出实施方式1的信息处理系统1000的结构的结构图。信息处理系统1000具有信息处理装置100、定位器200、摄像机300、雷达400、LiDAR(Light Detection andRanging：光探测及测距)500和车辆控制装置600。在实施方式1中，信息处理系统1000是搭载于1台车辆CA(未图示)的车载系统。
定位器200用于确定车辆CA的位置，例如使用GNSS(Global NavigationSatellite System：全球导航卫星系统)接收机、惯性导航装置、里程计等。在实施方式1中，定位器通过对从GNSS接收机、惯性导航装置和里程计得到的信息进行解码分析，确定车辆CA的位置，向信息处理装置100发送表示车辆CA的位置的车辆位置信息。
此外，定位器200也可以使用后述的各种传感器的信息来估计本车辆的位置。
摄像机300、雷达400和LiDAR 500是检测车辆CA周围的环境的传感器。
摄像机300拍摄车辆CA周围的环境，在实施方式1中，摄像机300向信息处理装置100发送通过拍摄而得到的图像数据。
雷达400通过电波(例如毫米波)对车辆CA周围的环境进行感测，测量存在于车辆CA周围的障碍物与车辆CA的距离、障碍物的速度和角度等。在实施方式1中，雷达400向信息处理装置100发送通过感测而得到的雷达数据。
LiDAR 500通过激光对车辆CA周围的环境进行感测，测量存在于车辆CA周围的障碍物与车辆CA的距离、障碍物的速度和角度等。一般来说，雷达400的环境鲁棒性优异，LiDAR 500能够以较高的空间分辨率测量距离和方位。在实施方式1中，LiDAR 500向信息处理装置100发送通过感测而得到的点组数据。以下，将由摄像机300得到的图像数据、由雷达400得到的雷达数据、由LiDAR 500得到的点组数据统称作传感器数据。
车辆控制装置600进行用于供车辆CA进行自动驾驶的各种控制，例如使用对方向盘、油门、制动器等进行控制的车辆控制ECU(Electronic Control Unit：电子控制单元)。在实施方式1中，车辆控制装置600在车辆CA进行自动驾驶时，根据信息处理装置100预测出的车辆CA的移动预测路径进行控制。
信息处理装置100预测存在于车辆CA周围的障碍物的移动路径，在实施方式1中，信息处理装置100是搭载于车辆CA的车载装置。
信息处理装置100具有物体位置信息取得部110、地图数据取得部120、车辆电势图生成部130、障碍物电势图生成部140、障碍物移动路径预测部150和车辆移动路径预测部160。
物体位置信息取得部110取得表示物体的位置的物体位置信息，在实施方式1中，物体位置信息取得部110取得表示车辆的位置的车辆位置信息和表示存在于车辆CA周围的障碍物的位置的障碍物位置信息。此外，物体位置信息取得部110取得的障碍物位置信息包含表示障碍物中的静止障碍物的位置的静止障碍物位置信息和表示障碍物中的移动障碍物的位置的移动障碍物位置信息。在此，静止障碍物是指护栏、建筑物等静止的障碍物，移动障碍物是指其他车辆、人等移动的障碍物。
此外，物体位置信息取得部110根据传感器数据，识别车辆周边的障碍物的属性，取得表示障碍物的属性的障碍物属性信息。以下，将障碍物位置信息和障碍物属性信息统称作障碍物信息。在此，障碍物的属性表示是静止障碍物还是移动障碍物的分类，行人、车辆、自行车这样的障碍物的类别，障碍物的被预测出的质量，从车辆CA观察时的面积等物理量。
物体位置信息取得部110从定位器200取得车辆位置信息，并且从摄像机300、雷达400和LiDAR 500取得传感器数据，识别车辆CA周围的障碍物，由此取得障碍物信息。在上文中，物体位置信息取得部110通过从定位器200接收来取得车辆位置信息，但也可以通过物体位置信息取得部110自身使用各种传感器的信息计算车辆CA的位置，取得车辆位置信息。
在此，物体位置信息取得部110根据从各种传感器取得的传感器数据取得物体位置信息，但也可以通过与外部的服务器、其他车辆进行通信取得物体位置信息。例如，也可以通过与其他车辆进行通信并交换表示彼此的自身位置的信息而取得障碍物信息，或者，在后述的地图数据取得部120取得动态地图数据(Dynamic map data)的情况下，根据动态地图数据取得障碍物信息。
地图数据取得部120取得车辆CA周围的地图数据。在实施方式1中，地图数据取得部120根据从物体位置信息取得部110取得的车辆位置信息，取得车辆CA周边的地图数据。在实施方式1中，地图数据取得部120从外部的服务器取得地图数据，但也可以构成为信息处理装置100具有存储有地图数据的存储部，通过从该存储部读出来取得地图数据。
车辆电势图生成部130生成表示对于车辆CA而言的交通事故的风险的车辆电势图。在实施方式1中，车辆电势图生成部130根据车辆位置信息和后述的障碍物移动路径预测信息，生成障碍物沿着障碍物移动路径预测信息所示的所述障碍物的被预测出的移动路径移动的情况下的、作为车辆电势图的动电势图。
在此，电势图是指将交通事故的风险按照每个空间位置进行数值化而成的空间信息，交通事故包含车辆CA与障碍物的接触、从车道的脱离等。例如，由于当车辆CA接近对向车辆或道路的端部时交通事故的风险升高，因此，在以车辆CA为中心的电势图中，在对向车辆或道路的端部的位置设定较大的数值。此外，电势图一般生成为从上方俯视车辆时的水平面上的二维数据，但在仅通过加减速就能够避开障碍物的情况下，也可以由一维数据生成，在有高度限制的隧道等高度的信息较重要的情况下，也可以通过对水平面加上高度而成的三维数据来生成。
在实施方式1中，车辆电势图生成部130具有静电势图生成部131和动电势图生成部132。
静电势图生成部131根据车辆位置信息和至少静止障碍物位置信息，生成至少表示对于车辆CA而言由于静止障碍物引起的交通事故的风险的静电势图。在此，静电势图生成部131也可以还根据移动障碍物位置信息，以包含对于车辆CA而言由于当前时刻的移动障碍物引起的交通事故的风险的方式生成静电势图。以下，将由于当前时刻的移动障碍物引起的风险也包含于静电势而生成静电势图，作为表示由于存在于当前时刻的位置坐标的静止障碍物和移动障碍物引起的、对于车辆CA而言的交通时刻的风险的车辆电势图。
静电势图生成部131在生成车辆电势图时，首先根据车辆位置信息和地图数据，求出车辆CA的车道中心。静电势图生成部131根据表示如上所述得到的车道中心的信息和障碍物信息，生成以车辆CA为中心的电势图。关于车道中心的求出方法，当地图数据包含车道中心的数据的情况下，仅读出该数据即可，当地图数据不包含车道中心的数据的情况下，在存在于道路的端部的划分线与道路的中央线的中间生成曲线，作为车道中心求出即可。
静电势图生成部131利用物体位置信息取得部110取得的车辆位置信息和障碍物信息，生成当前时刻的二维的电势图R(x)。一般来说，电势图是通过在规定的范围内计算当前时刻T的每个二维坐标x的电势值而得到的。在此，规定的范围例如是通过信息处理装置100的设计者预先设定在车辆的周围半径为100m的区域等认为对车辆CA的控制较重要的区域而决定的。
静电势图例如能够使用以障碍物位置Xk为中心的正态分布，通过以下的式1来生成。在此，存在n+1个障碍物。
[式1]
Figure BDA0003603252280000061
其中，x是电势图的二维坐标，αk是根据对象的属性Kk决定的权重系数，正态分布的二维标准方差σk为与对象的宽度高度成比例的值。ω是相对于道路中心的电势值的权重系数，x1是电势图的二维坐标x的第1分量，Yr是车辆CA的车道中心，σr是预先设定的值，是表示离开车道中心的情况下的电势值的常数。
使用图2和图3，对静电势图的具体例进行说明。
图2是示出从上方观察车辆CA和车辆CA周围的障碍物的情形的俯视图，图3是示出与图2的状况对应的静电势图的具体例的示意图。为了容易理解位置关系，在图3中重叠示出图2的车辆CA。
物体位置信息取得部110和静电势图生成部131使用各种传感器的信息识别图2所示的车辆CA周围的障碍物、墙面和车道中心。然后，静电势图生成部131根据识别出的各种信息，通过式1生成静电势图。
在图2中，在车辆CA周围存在车辆MO21、车辆MO22和车辆MO23，作为移动障碍物。此外，在图2中，最左边的直线是划分线LE21，最右边的直线是划分线LE22，正中间的直线是中央线CL21，位于划分线LE21与中央线CL21之间的虚线是车道中心LA1。
而且，在图3中，风险电势RMO21是与图2中的车辆MO21对应的风险电势，风险电势RMO22是与图2中的车辆MO22对应的风险电势，风险电势RMO23是与图2中的车辆MO23对应的风险电势。此外，在车辆的左右两侧的区域存在由于离开图2中的车道中心LA22引起的风险电势RLA21。
动电势图生成部132根据静电势图和障碍物移动路径预测信息生成动电势图。在此，由于障碍物移动路径预测信息是障碍物移动路径预测部150生成的信息，因此，在先对障碍物电势图生成部140和障碍物移动路径预测部150的结构进行说明之后，对动电势图生成部132进行说明。
障碍物电势图生成部140根据障碍物位置信息，生成表示对于障碍物而言的交通事故的风险的障碍物电势图。在此，在存在多个障碍物的情况下，生成与每个障碍物分别对应的障碍物电势图。此外，障碍物电势图生成部140也可以根据移动障碍物位置信息，仅生成表示对于移动障碍物而言的交通事故的风险的移动障碍物电势图，作为障碍物电势图。这是由于障碍物电势图用于预测作为对象的障碍物的移动路径，静止障碍物根据其定义而不移动。以下，在仅记载为障碍物电势图的情况下，是指移动障碍物电势图。
此外，与静电势图生成部131求出车辆CA的车道中心同样地，障碍物电势图生成部140求出作为移动障碍物的其他车辆的车道中心。
障碍物电势图生成部140生成从各障碍物观察时的障碍物电势图Ui(x)。例如，以存在于位置Xi的障碍物为中心的障碍物电势图Ui(x)能够用以下的式2表示。
[式2]
Figure BDA0003603252280000071
其中，第1项表示从位于Xi的障碍物观察时的其他障碍物的电势值，第2项表示从位于Xi的障碍物观察时的本车辆的电势值，第3项是相对于位于Xi的障碍物的行驶车道的电势值。βki是在k＝i时为0，否则为1的系数，γk是相对于本车辆的电势值的权重值，C是图内的本车辆位置，正态分布的二维标准方差σc为与本车辆的宽度高度成比例的值。Yi表示障碍物的车道中心。图3示出生成的概要。
障碍物移动路径预测部150根据障碍物电势图预测障碍物的移动路径，生成障碍物移动路径预测信息。障碍物移动路径预测信息包含表示移动障碍物的被预测出的移动路径的移动障碍物移动路径预测信息。在此，障碍物移动路径预测部150也可以仅针对移动障碍物预测移动路径。这是由于静止障碍物定义为静止而不移动的障碍物。
在实施方式1中，障碍物移动路径预测部150根据障碍物电势图生成部140生成的障碍物电势图Ui(x)，预测对象障碍物的移动路径。例如，当将对象障碍物在时刻t的转向值设为ri(t)，加速度值设为ai(t)时，通过以下所示的成本函数决定移动路径。
[式3]
Figure BDA0003603252280000072
在此，Sit(r(t)，a(t))是应用转向值r(t)、加速度a(t)时的时刻t的二维坐标，wr、wa是预先设定的转向值r、相对于加速度a的变化的权重值。障碍物移动路径预测部150输出使成本函数最小的移动路径Sit(ri(t)，ai(t))、…、Sint(ri(nt)，ai(nt))。在此，由于移动路径Sit(r(t)，a(t))是转向值r(t)、加速度a(t)的函数，因此，独立变量是转向值r(t)和加速度a(t)，通过求出使成本函数最小的转向值r(t)和加速度a(t)，决定移动路径Sit(r(t)，a(t))。此外，T是当前时刻，u是预先设定的规定的时间宽度，m是正整数。根据u想要以何种程度细致地追踪障碍物的时间变化、m想要以何种程度追踪障碍物的移动直到未来的时刻为止，信息处理装置100的设计者根据经验法则或者进行实验等，基于实验数据进行设定即可。
在上文中，不仅可以将使成本函数最小的移动路径决定为预测路径，还可以将多个移动路径决定为预测路径，或者，也可以准备多个与上述成本函数不同的成本函数，根据各个成本函数预测移动路径。即，障碍物移动路径预测部150也可以在各时刻预测多个障碍物的移动路径。以下，障碍物移动路径预测部150将使由式3表示的成本函数最小的移动路径和第2小的移动路径决定为预测路径。
使用图4～图6，对预测障碍物的移动路径的动作的具体例进行说明。
图4是示出从上方观察车辆CA和车辆CA周围的障碍物的情形的俯视图，图5是示出障碍物电势图的具体例的示意图，图6是示出障碍物移动路径预测信息所示的障碍物的移动路径的具体例的示意图。
在图4中，在车辆CA周围存在车辆MO41，作为移动障碍物。在此，车辆MO41是车辆CA的对向车辆。图5是示出表示对于车辆MO41而言的交通事故的风险的障碍物电势图的示意图，但为了容易理解位置关系，重叠示出图4的车辆MO41。风险电势RCA是由于图4中的车辆CA引起的风险电势。此外，车辆MO41的左右两侧的灰色的区域表示由于车辆MO41离开车道中心引起的风险电势。
图6示出车辆MO41的被预测出的移动路径。虚线的箭头所示的移动路径AR61是车辆MO41直行的情况下的移动路径，单点划线的箭头所示的移动路径AR62是车辆MO2右转的情况下的移动路径。在此，例如，在如以往那样假设车辆MO41正进行匀加速运动的情况下，作为车辆MO41的移动路径仅能预测出移动路径AR61，但在如本实施方式的信息处理装置100那样使用障碍物电势图的情况下，除了直行的移动路径AR61以外，还能够预测右转的移动路径AR62，作为风险电势的值较低的路径。
接着，对动电势图生成部132进行说明。
如上所述，动电势图生成部132根据静电势图和障碍物移动路径预测信息，生成动电势图。在实施方式1中，动电势图生成部132通过将由于位于障碍物移动路径预测信息所示的移动路径时的障碍物引起的对于车辆CA而言的交通事故的风险与静电势图重叠，生成车辆电势图。
在实施方式1中，动电势图生成部132在预先设定的多个时刻，根据障碍物移动路径预测部150预测出的障碍物的移动路径，求出各时刻的障碍物存在的位置。然后，通过将各时刻的障碍物的风险电势与静电势图重叠，生成反映了障碍物的移动预测结果的动电势图。例如，能够通过以下的式4，生成动电势图。
[式4]
Figure BDA0003603252280000091
其中，如上所述，αi是根据对象的属性Ki决定的权重系数，正态分布的二维标准方差σi是与对象的宽度高度成比例的值。此外，δk是相对于在各时刻将障碍物的风险与静电势图重叠时的电势值的权重系数。例如，进行增大距当前时刻最近的时刻t＝T的权重δT且减小距当前时刻最远的时刻t＝mT的权重δmT等设定。
使用图7，对动电势图的具体例进行说明。
图7是示出动电势图的具体例的示意图，与图4～图6的状况对应。为了容易理解位置关系，重叠示出图4中的车辆CA、车辆MO41和各划分线。在图6中，风险电势RMO41是与当前时刻的车辆MO41对应的风险电势，风险电势RMO61(风险电势RMO611、风险电势RMO612和风险电势RMO613)是与车辆MO41直行的情况下的预测移动路径AR61对应的风险电势，风险电势RMO62(风险电势RMO621、风险电势RMO622和风险电势RMO623)是与车辆MO41右转的情况下的预测移动路径AR62对应的风险电势。在此，风险电势RAR611和风险电势RAR621是时刻T+u的车辆MO41的风险电势，风险电势RAR612和风险电势RAR622是时刻T+2u的车辆MO41的风险电势，风险电势RAR613和风险电势RAR623是时刻T+3u的车辆MO41的风险电势。此外，与其他图同样地，在车辆CA的左右两侧的区域存在由于车辆CA离开车道中心引起的风险电势。
车辆移动路径预测部160根据车辆电势图，预测车辆CA的移动路径，生成车辆移动路径预测信息，在实施方式1中，根据车辆电势图生成部130生成的动电势图，预测车辆CA的移动路径。与障碍物的移动路径的预测同样地，车辆CA的移动路径的预测能够如式3那样进行。在此，车辆移动路径预测部160可以构成为向车辆控制装置600仅发送表示移动路径的信息，车辆控制装置600重新计算车辆CA的转向角、速度，还可以构成为不仅发送移动路径，还将转向值、速度也包含于车辆移动路径预测信息中发送给车辆控制装置600。
此外，在通过式3计算的成本函数的最小值为规定的阈值以上的情况下，车辆移动路径预测部160也可以向车辆控制装置600发送用于以暂时停止的方式控制车辆CA的信号。
接着，对实施方式1的信息处理装置100的硬件结构进行说明。信息处理装置100的各功能通过计算机来实现。图5是示出实现信息处理装置100的计算机的硬件结构的例子的结构图。
在图5所示的硬件中，设置有CPU(Central Processing Unit：中央处理单元)等处理装置10000和ROM(Read Only Memory：只读存储器)、硬盘等存储装置10001。
图1所示的物体位置信息取得部110、地图数据取得部120、车辆电势图生成部130、障碍物电势图生成部140、障碍物移动路径预测部150和车辆移动路径预测部160通过由处理装置10000执行存储装置10001中存储的程序来实现。
此外，实现信息处理装置100的各功能的方法不限于上述的硬件和程序的组合，也可以通过如在处理装置中嵌入程序而成的LSI(Large Scale Integrated Circuit：大规模集成电路)那样的硬件单体来实现，还可以通过专用的硬件来实现一部分功能，通过处理装置和程序的组合来实现一部分功能。
信息处理装置100如上所述构成。
接着，对实施方式1的信息处理装置100的动作进行说明。
图6是示出实施方式1的信息处理装置100的动作的流程图。
在此，信息处理装置100的动作与信息处理方法对应，使计算机执行信息处理方法的程序与信息处理程序对应。
首先，在步骤S1的物体位置信息取得步骤中，物体位置信息取得部110取得来自各种传感器的信息，取得物体的位置信息。更具体而言，物体位置信息取得部110从定位器200取得表示车辆CA的位置的车辆位置信息，根据从摄像机300、雷达400和LiDAR 500取得的传感器数据，确定存在于车辆CA周边的障碍物的位置，取得表示障碍物的位置的障碍物位置信息。此外，物体位置信息取得部110根据传感器数据识别障碍物的属性。
接着，在步骤S2中，地图数据取得部120根据物体位置信息取得部110取得的车辆CA的车辆位置信息，取得车辆CA周边的地图数据。在已经从外部取得地图数据并保存到信息处理装置100的内部的情况下，也可以仅读出该数据。
接着，在步骤S3中，静电势图生成部131生成表示当前时刻的对于车辆CA而言的交通事故的风险的静电势图。更具体而言，首先，静电势图生成部131根据车辆位置信息和地图数据，求出车辆CA的车道中心。此外，同样地，根据障碍物信息和地图数据，求出障碍物的车道中心。静电势图生成部131根据表示如上所述得到的车道中心的信息和障碍物信息，生成式1所示的以车辆CA为中心的电势图。
接着，在步骤S4的障碍物电势图生成步骤中，障碍物电势图生成部140生成表示对于障碍物而言的交通事故的风险的障碍物电势图。此外，从该步骤S4到步骤S6为止反复循环，直到对全部障碍物进行处理为止。以怎样的顺序处理障碍物是由设计者预先设定的。设定的方法是任意的，但例如使得从与车辆CA的距离较近的障碍物起依次进行处理或者从在风险电势中权重较大的属性的障碍物起依次进行处理即可。
接着，在步骤S5的障碍物移动路径预测步骤中，障碍物移动路径预测部150进行障碍物的移动路径的预测，在步骤S6中，动电势图生成部132根据静电势图和由障碍物移动路径预测部150预测出的障碍物的移动路径，生成动电势图。
如上所述，使从步骤S4到步骤S6的处理循环，直到对全部障碍物进行为止。关于是否对全部障碍物结束处理的判定，只要仅使得在物体位置信息取得部110取得了障碍物的位置信息时，对障碍物的数量进行计数，每当结束从步骤S4到步骤S6的处理时，对处理完毕的障碍物进行计数，判定是否达到预先计数出的障碍物的数量即可。此外，在上文中，在循环的内部生成动电势图，即，按照每1个障碍物对车辆电势图进行预测移动路径的反映，但也可以在对全部障碍物结束移动路径的预测之后进行汇总，将预测移动路径的信息反映到静电势图而生成静电势图。
在针对全部障碍物结束上述循环处理之后，在步骤S7中，车辆移动路径预测部160根据动电势图预测车辆CA的移动路径，向车辆控制装置600发送车辆移动路径预测信息。
通过以上的动作，实施方式1的信息处理装置100通过生成以障碍物为中心的电势图即障碍物电势图，根据该障碍物电势图预测障碍物的移动路径，能够提高障碍物的移动路径的预测精度。
此外，实施方式1的信息处理装置100生成障碍物沿着通过上述的方法预测出的移动路径移动的情况下的、表示对于车辆而言的交通事故的风险的动电势图，因此，能够根据更适当地预测出的障碍物的移动路径，计算车辆CA的交通事故的风险。此外，实施方式1的信息处理装置100根据上述的动电势图预测车辆的移动路径，因此，通过根据基于障碍物电势图预测出的障碍物的移动路径预测车辆CA的移动路径，也能够提高车辆CA的移动路径的预测精度。
例如，在图4的状况下，假设匀加速运动的情况下，预测为车辆MO4直行，但实施方式1的信息处理装置100通过使用障碍物电势图预测障碍物的移动路径，还能够预测右转的情况下的移动路径。而且，如图7所示，通过使用基于障碍物电势图预测出的障碍物的预测移动路径信息生成表示对于车辆CA而言的交通事故的风险的动电势图，不仅能够考虑车辆MO41直行的情况，还能够考虑右转的情况而高精度地预测车辆CA的移动路径。
此外，使用图10～图13，对另一具体状况下的信息处理装置100的效果进行说明。图10是示出从上方观察车辆CA和车辆CA周围的障碍物的情形的俯视图，图11是示出与图10的状况对应的对于车辆MO101而言的障碍物电势图的具体例的示意图，图12是示出基于图11所示的障碍物电势图预测出的车辆MO101的移动路径的具体例的示意图，图13是示出基于图12所示的车辆MO101的预测移动路径生成的动电势图的具体例的示意图。
在图10中，在车辆CA周围存在车辆MO101和车辆MO102。在此，车辆MO102在道路上停车且静止。在车辆MO101减速的情况下，当假设匀加速运动时，预测为车辆MO101在车辆MO102的近前停车，但实际上，车辆MO101有可能避开车辆MO102而暂时进入车辆CA的车道。而且，如图11所示，实施方式1的信息处理装置100根据障碍物电势图进行车辆MO102的移动预测，因此，能够预测如图12所示直行后停车的情况和向右转弯而进入车辆CA的车道的情况双方，作为根据风险电势值计算的成本函数的值较小的路径，其结果是，如图13所示，能够将更适当地预测出车辆MO101的移动的结果反映到车辆电势图。
在图11中，风险电势RMO102是与图10的车辆MO102对应的风险电势，风险电势RCA是与图10的车辆CA对应的风险电势，车辆MO101的两侧的灰色区域表示由于车辆MO101离开车道中心引起的风险电势。此外，在图12中，车辆MO101直行的情况下的预测移动路径AR121由虚线的箭头表示，向右转弯的情况下的预测移动路径AR122由单点划线的箭头表示。
而且，在图13中，风险电势RMO102是与图10的车辆MO102对应的风险电势，风险电势RMO101是图10的当前时刻的车辆MO101的风险电势，风险电势RAR121(风险电势RAR1211和风险电势MO1212)是与预测移动路径AR121对应的风险电势，风险电势RAR122(风险电势RAR1221和风险电势RAR1222)是与预测移动路径AR122对应的风险电势。在此，风险电势RAR1211和风险电势RAR1221是时刻T+u的车辆MO101的风险电势，风险电势RAR1212和风险电势RAR1222是时刻T+2u的车辆MO101的风险电势。此外，与其他图同样地，在车辆CA的左右两侧的区域存在由于车辆CA离开车道中心引起的风险电势。
如图10～图13所示，实施方式1的信息处理装置100不仅能够预测车辆MO101直行后停止的情况，还能够预测向右转弯而进入车辆CA的车道的情况，进而能够生成考虑到这些情况的车辆电势图即动电势图。此外，通过根据该动电势图预测移动路径，能够还包含车辆MO101进入车辆CA的车道的情况在内，适当地预测车辆CA的移动路径。
以下，对实施方式1的信息处理装置100的变形例进行说明。
在上文中，车辆电势图生成部130和障碍物电势图生成部140使用地图数据取得部120取得的地图数据生成电势图，但也可以在山里的山道、新建成的道路等没有地图数据的场所，仅使用物体位置信息和从各种传感器得到的信息而不使用地图数据生成电势图。
车辆电势图生成部130通过在生成静电势图之后，将障碍物移动路径预测信息反映到静电势图而生成动电势图，但也可以直接生成动电势图。例如，也可以通过式5生成动电势图。
[式5]
Figure BDA0003603252280000141
此外，车辆电势图生成部130将与障碍物的被预测出的移动路径对应的多个时刻的风险电势与当前时刻的车辆电势图重叠，但也可以生成多个时刻的车辆电势图，重叠在各时刻与障碍物的被预测出的移动路径对应的风险电势。例如，也可以如以下的式6那样对车辆电势图进行更新。此外，在上文中，多个时刻可以是离散的，也可以是连续的。
[式6]
Figure BDA0003603252280000142
即使在通过式6生成车辆电势图的情况下，与上述的方法同样地，车辆移动路径预测部160也能够以成本函数为最小的方式求出车辆CA的移动路径。此外，在该情况下，由于使用依赖于时间的电势图预测车辆CA的移动路径，因此，能够忽略在其他时刻存在于相同空间位置的障碍物的影响，能够更高精度地预测车辆的移动路径。
此外，在障碍物移动路径预测部150预测障碍物的移动路径的处理中，设除了作为对象的障碍物以外静止而预测出障碍物的移动路径，但也可以设不作为对象的障碍物使用现有的移动预测方法即卡尔曼滤波器等预测移动路径，不作为对象的障碍物的位置Xk(t)(k≠i)沿着通过现有的预测方法预测出的移动路径移动，如式7所示生成作为对象的障碍物(k＝i)的障碍物电势图。
[式7]
Figure BDA0003603252280000143
或者，也可以针对已经预测出移动路径的障碍物(k＝0～i-1)，假设按照通过式3预测出的移动路径移动，针对尚未预测出移动路径的障碍物(k＝i+1～n)，假设按照使用卡尔曼滤波器等预测出的移动路径移动，如式8所示生成作为对象的障碍物(k＝i)的障碍物电势图。
[式8]
Figure BDA0003603252280000144
此外，在图6所示的信息处理装置100的动作中，步骤S4和步骤S5的处理针对全部障碍物进行，但也可以仅针对一部分的障碍物(例如最接近车辆CA的障碍物)进行步骤S5和步骤S6的处理，针对剩余的障碍物视为静止的障碍物，或者视为按照通过现有技术预测出的移动路径移动的障碍物，进行步骤S6的处理而生成动电势图。在针对全部障碍物进行基于障碍物电势图的移动预测的情况下，能够进行更适当的移动预测，在仅针对特定的障碍物进行上述的移动预测的情况下，能够在抑制计算成本的同时，针对重要的障碍物进行适当的移动预测。
实施方式1中的信息处理装置100设为搭载于车辆CA的车载装置，因此，即使在通信环境较差的状况下，也能够预测障碍物和车辆CA的移动路径。此外，由于利用1台信息处理装置100预测1台车辆CA的移动路径，因此，能够减轻对1台信息处理装置100施加的计算负荷。但是，在仅在通信环境较好的场所行驶并且使用计算能力较高的计算机的情况下，信息处理装置100也可以构成为通过设置于车辆CA外部的计算机来实现，向车辆CA发送障碍物和车辆CA的移动预测结果。
在上文中，车辆CA、障碍物的电势以正态分布表现，但也可以使用其他的分布函数，例如，也可以使用箱型函数，在静止物体中使用正态分布，关于移动物体使用正态分布在行进方向上多普勒频移后的形状的分布函数等。
此外，障碍物移动路径预测部150向车辆电势图生成部130发送表示障碍物的被预测出的移动路径的障碍物移动路径预测信息，但也可以将障碍物的被预测出的转向值和速度包含于障碍物移动路径信息中发送。此时，车辆电势图生成部130也可以在障碍物的电势值中，不仅根据障碍物的位置，还根据转向值、速度来设定。
产业上的可利用性
本发明的信息处理装置适合用于自动驾驶系统。
标号说明
100：信息处理装置；1000：信息处理系统；200：定位器；300：摄像机；400：雷达；500：LiDAR；600：车辆控制装置；110：物体位置信息取得部；120：地图数据取得部；130：车辆电势图生成部；131：静电势图生成部；132：动电势图生成部；140：障碍物电势图生成部；150：障碍物移动路径预测部；160：车辆移动路径预测部。

Claims (8)

1.一种信息处理装置，该信息处理装置具有：
物体位置信息取得部，其取得表示存在于车辆周围的障碍物的位置的障碍物位置信息；
障碍物电势图生成部，其根据所述障碍物位置信息，生成表示对于所述障碍物而言的交通事故的风险的障碍物电势图；以及
障碍物移动路径预测部，其根据所述障碍物电势图预测所述障碍物的移动路径，生成障碍物移动路径预测信息。
2.根据权利要求1所述的信息处理装置，其特征在于，
所述物体位置信息取得部除了取得所述障碍物位置信息之外，还取得表示所述车辆的位置的车辆位置信息，
所述信息处理装置还具有车辆电势图生成部，该车辆电势图生成部根据所述车辆位置信息和所述障碍物移动路径预测信息，生成所述障碍物沿着所述障碍物移动路径预测信息所示的所述障碍物的被预测出的移动路径移动的情况下的、表示对于所述车辆而言的交通事故的风险的动电势图。
3.根据权利要求2所述的信息处理装置，其特征在于，
所述车辆电势图生成部生成多个时刻的所述动电势图。
4.根据权利要求2或3所述的信息处理装置，其特征在于，
所述物体位置信息取得部取得包含表示所述障碍物中的静止障碍物的位置的静止障碍物位置信息和表示所述障碍物中的移动障碍物的位置的移动障碍物位置信息在内的位置信息，作为所述障碍物位置信息，
所述障碍物电势图生成部根据所述移动障碍物位置信息，生成表示对于所述移动障碍物而言的交通事故的风险的移动障碍物电势图，作为所述障碍物电势图，
所述障碍物移动路径预测部根据所述移动障碍物电势图，生成预测出所述移动障碍物的移动路径的移动障碍物移动路径预测信息，作为所述障碍物移动路径预测信息，
所述车辆电势图生成部具有：
静电势图生成部，其根据所述车辆位置信息和至少所述静止障碍物位置信息，生成至少表示对于所述车辆而言由于所述静止障碍物引起的交通事故的风险的静电势图；以及
动电势图生成部，其根据所述静电势图和所述移动障碍物移动路径预测信息，生成所述动电势图。
5.根据权利要求1～4中的任意一项所述的信息处理装置，其特征在于，
所述障碍物移动路径预测部在各时刻预测所述障碍物的多个移动路径。
6.一种信息处理系统，该信息处理系统具有：
定位器，其确定车辆的位置；
传感器，其检测所述车辆周围的环境；
物体位置信息取得部，其从所述定位器取得表示所述车辆的位置的车辆位置信息，根据从所述传感器取得的传感器数据，取得表示存在于所述车辆周围的障碍物的位置的障碍物位置信息；
障碍物电势图生成部，其根据所述障碍物位置信息，生成表示对于所述障碍物而言的交通事故的风险的障碍物电势图；
障碍物移动路径预测部，其根据所述障碍物电势图预测所述障碍物的移动路径，生成障碍物移动路径预测信息；
车辆电势图生成部，其根据所述车辆位置信息和所述障碍物移动路径预测信息，生成所述障碍物沿着所述障碍物移动路径预测信息所示的所述障碍物的被预测出的移动路径移动的情况下的、表示对于所述车辆而言的交通事故的风险的动电势图；
车辆移动路径预测部，其根据所述动电势图预测所述车辆的移动路径；以及
车辆控制装置，其根据由所述车辆移动路径预测部预测出的移动路径，对所述车辆进行控制。
7.一种信息处理方法，该信息处理方法包含以下步骤：
物体位置信息取得步骤，取得表示存在于车辆周围的障碍物的位置的障碍物位置信息；
障碍物电势图生成步骤，根据所述障碍物位置信息，生成表示对于所述障碍物而言的交通事故的风险的障碍物电势图；以及
障碍物移动路径预测步骤，根据所述障碍物电势图预测所述障碍物的移动路径，生成障碍物移动路径预测信息。
8.一种信息处理程序，该信息处理程序使计算机执行权利要求7所述的全部步骤。
CN201980101463.8A 2019-11-01 2019-11-01 信息处理装置、信息处理系统、信息处理方法和存储介质 Active CN114586083B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/042982 WO2021084731A1 (ja) 2019-11-01 2019-11-01 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム

Publications (2)

Publication Number Publication Date
CN114586083A true CN114586083A (zh) 2022-06-03
CN114586083B CN114586083B (zh) 2024-06-14

Family

ID=75715913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980101463.8A Active CN114586083B (zh) 2019-11-01 2019-11-01 信息处理装置、信息处理系统、信息处理方法和存储介质

Country Status (5)

Country Link
US (1) US20220194430A1 (zh)
JP (1) JP6992936B2 (zh)
CN (1) CN114586083B (zh)
DE (1) DE112019007757T5 (zh)
WO (1) WO2021084731A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7444680B2 (ja) * 2020-03-31 2024-03-06 本田技研工業株式会社 移動体制御装置、移動体制御方法、およびプログラム
US11807267B2 (en) * 2020-12-31 2023-11-07 Toyota Research Institute, Inc. Systems and methods for risk-sensitive sequential action control for robotic devices

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009116790A (ja) * 2007-11-09 2009-05-28 Nissan Motor Co Ltd 車両用運転支援装置および運転支援方法
JP2011186878A (ja) * 2010-03-10 2011-09-22 Nissan Motor Co Ltd 移動体走行経路生成装置
CN102792349A (zh) * 2010-03-16 2012-11-21 丰田自动车株式会社 驾驶辅助装置
CN105163972A (zh) * 2013-09-13 2015-12-16 日立麦克赛尔株式会社 信息显示系统以及信息显示装置
CN107004361A (zh) * 2014-12-09 2017-08-01 三菱电机株式会社 碰撞风险计算装置、碰撞风险显示装置以及车体控制装置
WO2019098216A1 (ja) * 2017-11-17 2019-05-23 アイシン・エィ・ダブリュ株式会社 車両運転補助システム、車両運転補助方法、及び車両運転補助プログラム
JP6571904B1 (ja) * 2018-08-30 2019-09-04 三菱電機株式会社 車載装置、情報処理方法及び情報処理プログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6688656B2 (ja) * 2016-03-31 2020-04-28 株式会社Ｓｕｂａｒｕ 周辺リスク表示装置
NZ749916A (en) 2016-06-14 2020-07-31 Rodney Herring Software-defined radio earth atmosphere imager
JP6708535B2 (ja) * 2016-11-24 2020-06-10 株式会社デンソー 車両軌道用グラフ生成装置
IT201800006594A1 (it) * 2018-06-22 2019-12-22 "Procedimento per la mappatura dell’ambiente di un veicolo, corrispondenti sistema, veicolo e prodotto informatico"
CN109443369A (zh) * 2018-08-20 2019-03-08 北京主线科技有限公司 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法
CN109829386B (zh) * 2019-01-04 2020-12-11 清华大学 基于多源信息融合的智能车辆可通行区域检测方法
CN109901194A (zh) * 2019-03-18 2019-06-18 爱驰汽车有限公司 防碰撞的车载系统、方法、设备及存储介质
US11250576B2 (en) * 2019-08-19 2022-02-15 Toyota Research Institute, Inc. Systems and methods for estimating dynamics of objects using temporal changes encoded in a difference map

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009116790A (ja) * 2007-11-09 2009-05-28 Nissan Motor Co Ltd 車両用運転支援装置および運転支援方法
JP2011186878A (ja) * 2010-03-10 2011-09-22 Nissan Motor Co Ltd 移動体走行経路生成装置
CN102792349A (zh) * 2010-03-16 2012-11-21 丰田自动车株式会社 驾驶辅助装置
CN105163972A (zh) * 2013-09-13 2015-12-16 日立麦克赛尔株式会社 信息显示系统以及信息显示装置
CN107004361A (zh) * 2014-12-09 2017-08-01 三菱电机株式会社 碰撞风险计算装置、碰撞风险显示装置以及车体控制装置
WO2019098216A1 (ja) * 2017-11-17 2019-05-23 アイシン・エィ・ダブリュ株式会社 車両運転補助システム、車両運転補助方法、及び車両運転補助プログラム
JP6571904B1 (ja) * 2018-08-30 2019-09-04 三菱電機株式会社 車載装置、情報処理方法及び情報処理プログラム

Also Published As

Publication number Publication date
US20220194430A1 (en) 2022-06-23
WO2021084731A1 (ja) 2021-05-06
JP6992936B2 (ja) 2022-01-13
CN114586083B (zh) 2024-06-14
JPWO2021084731A1 (zh) 2021-05-06
DE112019007757T5 (de) 2022-07-14

Similar Documents

Publication Publication Date Title
JP6601696B2 (ja) 予測装置、予測方法、およびプログラム
KR102086270B1 (ko) 주행 제어 장치의 제어 방법 및 주행 제어 장치
CN112106065A (zh) 使用车轮旋转的光学跟踪预测被观察车辆的状态和位置
US11243080B2 (en) Self-position estimation method and self-position estimation device
KR20190008292A (ko) 물체 검출 방법 및 물체 검출 장치
US20160224027A1 (en) Autonomous Mobile System
KR20190045308A (ko) 차량 판정 방법, 주행 경로 보정 방법, 차량 판정 장치, 및 주행 경로 보정 장치
US11042160B2 (en) Autonomous driving trajectory determination device
US10095238B2 (en) Autonomous vehicle object detection
CN112498347A (zh) 用于实时横向控制和转向致动评估的方法和装置
US20220194430A1 (en) Information processing device, information processing system, and information processing method
US20220205804A1 (en) Vehicle localisation
EP3912877B1 (en) Driving assistance method and driving assistance device
KR101980509B1 (ko) 차간 거리 추정 방법 및 차간 거리 추정 장치
CN113795726B (zh) 自身位置修正方法及自身位置修正装置
US11932283B2 (en) Vehicle control device, vehicle control method, and storage medium
JP7031748B2 (ja) 自己位置推定方法及び自己位置推定装置
JP2022016027A (ja) 車両制御装置
CN112172826B (zh) 车辆控制装置、车辆控制方法及存储介质
US20230168363A1 (en) Method to detect radar installation error for pitch angle on autonomous vehicles
RU2781373C1 (ru) Способ коррекции собственного местоположения и устройство коррекции собственного местоположения
CN117622204A (zh) 车辆控制装置、车辆控制方法以及车辆控制用计算机程序
CN116222587A (zh) 位置精度判定装置、存储介质以及判定方法
JP2023019804A (ja) 衝突回避支援制御を行う制御装置、衝突回避の支援の方法
CN117622201A (zh) 车辆控制装置、车辆控制方法以及车辆控制用计算机程序

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