CN114787892A - 控制系统以及控制方法 - Google Patents

Abstract

控制系统(10)具备：获得部(11)，获得传感器输出的感测数据，该传感器是对移动体的外部进行感测的传感器；检测部(12)，根据感测数据，检测移动体的外部的物体的位置；移动预测部(13)，根据感测数据，预测物体的移动；代价地图生成部(14)，根据被检测出的物体的位置，生成第1代价地图，根据被预测出的物体的移动，生成第2代价地图；路径生成部(15)，根据第1代价地图，生成移动体的路径；判断生成部(16)，根据第2代价地图以及被生成的路径，生成移动体的移动判断；以及控制部(17)，按照被生成的路径以及移动判断，对移动体的移动进行控制。

Description

控制系统以及控制方法

技术领域

本公开涉及对移动体的移动进行控制的控制系统以及控制方法。

背景技术

以往公开了一种驾驶支援装置(例如专利文献1)，该驾驶支援装置预测车辆的外部的障碍物等物体的移动，避开与车辆的外部的物体碰撞能够使车辆安全地行驶。

此外可以考虑使用将车辆的外部的物体表现为代价的代价地图，生成避开代价高的区域的车辆的路径，按照生成的路径使车辆安全地行驶(例如非专利文献1)。

(现有技术文献)

(专利文献)

专利文献1：日本专利第5617677号公报

非专利文献1：A novel navigation scheme in dynamic environment usinglayered costmap，https://ieeexplore.ieee.org/abstract/document/7978468

但是使用考虑了物体的移动的代价地图来生成的路径，有时会损害车辆等移动体的移动的安全性或者舒适性。

发明内容

于是，本公开提供一种能够提高使用代价地图的移动体的移动的安全性或者舒适性的控制系统等。

本公开涉及的控制系统，具备：获得部，获得传感器输出的感测数据，该传感器是对移动体的外部进行感测的传感器；检测部，根据所述感测数据，检测所述移动体的外部的物体的位置；移动预测部，根据所述感测数据，预测所述物体的移动；代价地图生成部，根据被检测出的所述物体的位置，生成第1代价地图，根据被预测出的所述物体的移动，生成第2代价地图；路径生成部，根据所述第1代价地图，生成所述移动体的路径；判断生成部，根据所述第2代价地图以及被生成的所述路径，生成所述移动体的移动判断；以及控制部，按照被生成的所述路径以及所述移动判断，对所述移动体的移动进行控制。

另外，这些概括或者具体的方案，可以通过系统、方法、集成电路、计算机程序或者计算机可读取的CD－ROM等记录介质来实现，也可以任意组合系统、方法、集成电路、计算机程序以及记录介质来实现。

通过本公开的一个方案涉及的控制系统等，能够提高使用代价地图的移动体的移动的安全性或者舒适性。

附图说明

图1A是用于说明将物体的动作预测反映到代价地图时的问题的图。

图1B是用于说明将物体的动作预测反映到代价地图时的问题的图。

图2是示出实施方式1的控制系统的一例的方框图。

图3是示出实施方式1的控制系统的动作的一例的流程图。

图4是示出第1代价地图以及第2代价地图的一例的图。

图5是示出根据第1代价地图来生成的路径的一例的图。

图6是示出根据第2代价地图以及被生成的路径来生成的移动判断的一例的图。

图7是示出还根据第2代价地图的一部分来生成的路径的一例的图。

图8是示出实施方式2的控制系统的一例的方框图。

具体实施方式

(获得本公开的一个方案的经过)

首先关于获得本公开的一个方案的经过，利用图1A以及图1B进行说明。

图1A以及图1B是用于说明将物体的动作预测反映到代价地图时的问题的图。

如上所述，代价地图很多时候是涉及静态的环境，在涉及动态的环境的情况下，可以考虑将移动体(例如车辆)的外部的障碍物等物体的动作预测反映到代价地图，来生成车辆的路径。例如可以考虑根据预测出的物体的动作使物体的移动目的地的区域的代价变高，以避开代价高的区域的方式生成车辆的路径。然而，在将物体的动作预测反映到代价地图的情况下，出现图1A以及图1B说明的问题。

在图1A示出了按照左侧的图、中间的图、右侧的图的顺序，时刻例如分别往前经过0.1秒。在图1A的左侧的图的时刻，作为车辆200的动作预测，预测为直行，将预测结果反映到代价地图，根据反映了预测结果的代价地图，生成车辆100的为了避开直行的车辆200，行进方向向左侧偏转的路径。但是，动作预测在现实中不稳定，例如，在图1A的左侧的图的时刻，预测为车辆200直行，但是在0.1秒之后的中间的图的时刻，预测为车辆200的行进方向是向右侧偏转。因此，在图1A的中间的图的时刻，根据反映了预测结果的代价地图，生成车辆100的为了避开行进方向向右侧偏转的车辆200，行进方向向右侧偏转的路径。进而，例如图1A的中间的图的时刻，预测为车辆200的行进方向向右侧偏转，相对于此在其0.1秒之后的右侧的图的时刻，预测为车辆200的行进方向向左侧偏转。因此，在图1A的右侧的图的时刻，根据反映了预测结果的代价地图，生成车辆100的为了避开行进方向向左侧偏转的车辆200，行进方向向左侧偏转的路径。因此，生成时刻变动的路径，车辆100出现频繁地曲折行驶的举动，使车辆100的行驶安全性或者舒适性出现问题。

此外，图1B示出如下，预测车辆200直行，将预测结果反映到代价地图，根据反映了预测结果的代价地图，生成车辆100的为了避开直行车辆200从而将行进方向向右侧偏转的路径。在这样的情况下，车辆100停车更加安全，但是车辆100为了积极地避开车辆200，从而车辆100与车辆200接近，使车辆100的行驶安全性出现问题。

于是本公开的一个方案涉及的控制系统，具备：获得部，获得传感器输出的感测数据，该传感器是对移动体的外部进行感测的传感器；检测部，根据所述感测数据，检测所述移动体的外部的物体的位置；移动预测部，根据所述感测数据，预测所述物体的移动；代价地图生成部，根据被检测出的所述物体的位置，生成第1代价地图，根据被预测出的所述物体的移动，生成第2代价地图；路径生成部，根据所述第1代价地图，生成所述移动体的路径；判断生成部，根据所述第2代价地图以及被生成的所述路径，生成所述移动体的移动判断；以及控制部，按照被生成的所述路径以及所述移动判断，对所述移动体的移动进行控制。

通过上述，分别生成基于被检测出的物体的位置的第1代价地图、基于与被预测出的物体的移动的第2代价地图，在生成移动体的路径与生成移动体的移动判断中，分别使用各个代价地图。具体而言，在移动体的路径的生成中，使用没有反映物体的动作预测的第1代价地图，在移动体的移动判断的生成中，使用反应了物体的动作预测的第2代价地图。在移动体的路径的生成中，使用没有反映动作预测的第1代价地图，即使在动作预测不稳定的情况下，也难以生成时刻变动的路径，能够提高移动体的移动的安全性或者舒适性。此外，在生成移动体的移动判断中，使用反映了物体的动作预测的第2代价地图以及被生成的路径，从而避开静止的物体，并且对移动的物体不是强行避开，按照该物体的动作预测，例如能够使移动体停止或者减速，能够提高移动体的移动的安全性。这样，以动作预测不稳定作为前提之上，既生成稳定的路径，而且在需要时进行停止或者减速。因而，通过本方案，能够提高使用代价地图的车辆的行驶的安全性或者舒适性。

此外可以是当在所述第2代价地图中被赋予了规定的代价以上的代价的区域与被生成的所述路径重叠的情况下，所述移动判断包括使所述移动体停止或者使所述移动体减速的判断。

当在第2代价地图中被赋予了规定的代价以上的代价的区域，与被生成的路径重叠的情况下，移动体在被生成的路径移动时，有时有可能与移动的物体碰撞。因此，在这个情况下生成使移动体停止或者减速的移动判断，从而提高移动体的移动的安全性。

此外可以是所述路径生成部，还根据所述第2代价地图的一部分，生成所述移动体的路径。

例如，移动体的乘坐者，在移动体避开移动的物体来移动时，警惕移动的物体，优选的是比避开不移动的物体时更加远离移动的物体来移动。于是，在生成移动体的路径时，使用反映了物体的动作预测的第2代价地图的一部分，从而移动体在避开移动的物体时，比避开不移动的物体时更加远离物体来移动。

此外可以是所述第2代价地图的一部分，按照所述物体的属性而被决定。

例如，有时按照物体的属性，动作预测的精度变低。例如，人能够突然改变行进方向，所以在物体是人的情况下，人的动作预测的精度容易变低。因此，例如，在物体的属性为动作预测的精度低的属性的情况下，能够使第2代价地图的一部分变小，使动作预测对路径的生成的影响变小。

例如所述第2代价地图的一部分，可以按照所述移动体的路径上的道路中包括的区间的属性而被决定。例如所述区间的属性可以包括所述道路的宽度。例如在所述道路为移动体用道路的情况下，所述区间的属性可以包括所述道路附带的人行道的宽度。例如所述区间的属性可以包括所述移动体的路径上的交叉路口。例如所述区间的属性可以包括所述道路的种类。

例如，在车辆等的移动体的路径上的宽度(例如行驶车道的宽度)窄时，移动体，在避开移动的物体时，有时难以比避开不移动的物体时更加远离该移动的物体来移动。因此，例如，在移动体的路径上的宽度窄时，能够使第2代价地图的一部分变小，使动作预测对路径的生成的影响变小，在移动体避开移动的物体时，不让移动体很大地越出行驶车道。此外，例如在移动体的路径上的交叉路口上，移动体的周围的物体的动作变得复杂，所以物体的动作预测的精度容易变低。因此，例如在移动体位于交叉路口时，使第2代价地图的一部分变小，使动作预测对路径的生成的影响变小。

此外可以是，所述代价地图生成部，进一步根据被检测出的所述物体的属性，生成第3代价地图，所述判断生成部，还根据所述第3代价地图，生成所述移动体的移动判断。例如所述判断生成部，可以根据被生成的所述路径以及所述第3代价地图，将所述移动体的停止判断作为所述移动判断来生成。

移动判断，优选的是按照移动体的外部的物体的属性而被决定。例如，根据移动体的外部的物体的属性，有时优选的是移动体停止。例如，在人行横道的旁边有静止的人，想要穿过人行横道的情况。在这个情况下，根据第2代价地图生成的移动判断中，那个人没有移动，所以移动体有可能不停止。于是，根据物体的属性(例如物体的属性是否为人)生成第3代价地图，根据第3代价地图，进行移动体的停止判断，从而能够根据物体的属性使移动体停止，能够进一步提高移动体的移动的安全性。

此外可以是，例如所述控制系统还具备车道预测部，该车道预测部对所述移动体的移动预定的车道进行预测，所述代价地图生成部，进一步根据被预测的车道，生成第4代价地图，所述判断生成部，还根据所述第4代价地图，生成所述移动体的移动判断。例如所述判断生成部，可以根据被生成的所述路径以及所述第4代价地图，将所述移动体的减速判断作为所述移动判断来生成。

移动判断，优选的是按照移动体的移动预定车道而被决定。例如，根据移动体的移动预定的车道，有时优选的是移动体进行减速。例如，在车辆等移动体想要移动到旁边的车道的情况下，在移动预定的车道的后方存在后方车辆的情况。在这个情况下，在根据第2代价地图生成的移动判断中，例如，即使在能够足以进行车道的移动的程度的后方的位置上存在后方车辆的情况下，也有可能使车辆停止。于是，根据被预测的车道生成第4代价地图，根据第4代价地图进行减速判断，从而使车辆减速，能够顺畅地进行车道的移动，能够进一步提高车辆的行驶的安全性或者舒适性。

本公开的一个方案涉及的控制方法，是使计算机执行的控制方法，在所述控制方法中，获得传感器输出的感测数据，该传感器是对移动体的外部进行感测的传感器，根据所述感测数据，检测所述移动体的外部的物体的位置，预测被检测出的所述物体的移动，根据被检测出的所述物体的位置，生成第1代价地图，根据被预测出的所述物体的移动，生成第2代价地图，根据所述第1代价地图，生成所述移动体的路径，根据所述第2代价地图以及被生成的所述路径，生成所述移动体的移动判断，以及按照被生成的所述路径以及所述移动判断，对所述移动体的移动进行控制。

通过上述，能够提供一种控制方法，该控制方法能够提高使用代价地图的移动体的移动的安全性或者舒适性。

以下，针对实施方式等，参考附图进行说明。

另外，以下将要说明的实施方式均为概括的或具体的例子。以下的实施方式所示的数值、形状、材料、构成要素、构成要素的配置位置以及连接形态、步骤、步骤的顺序等均为一个例子，其主旨并不是对本公开进行限定。

(实施方式1)

利用图2至图7，对实施方式1进行说明。

图2是示出实施方式1的控制系统10的一例的方框图。

控制系统10是用于控制移动体的移动的计算机。控制系统10，例如是搭载在移动体(例如车辆100等)的车载装置。控制系统10是包括处理器、存储器以及通信接口等的计算机。存储器是ROM(Read Only Memory)以及RAM(Random Access Memory)等，能够存储由处理器执行的程序。控制系统10具备获得部11、检测部12、移动预测部13、代价地图生成部14、路径生成部15、判断生成部16以及控制部17。获得部11、检测部12、移动预测部13、代价地图生成部14、路径生成部15、判断生成部16以及控制部17，可以由执行存放在存储器中的程序的处理器等来实现。这里，将移动体说明为车辆，将控制系统10说明为用于控制车辆的行驶的计算机。另外，移动体除了车辆之外，也可以是无人机等飞行体、移动型机器人、或者船舶等。

另外，控制系统10可以不搭载在车辆上，也可以是以能够进行无线通信的方式与车辆连接的服务器。此外，构成控制系统10的构成要素，可以分散在多个服务器来配置。

获得部11，获得传感器输出的感测数据，该传感器对车辆的外部进行感测。例如，获得部11获得从在控制系统10的控制对象的车辆、该车辆周围的车辆或者该车辆的周围的路侧设备等搭载的传感器输出的感测数据。传感器，例如是相机或者LiDAR(LightDetection and Ranging)等传感器。

检测部12，根据由获得部11获得的感测数据，检测车辆的外部的物体的位置。例如，检测部12，利用学习模型等对感测数据进行分析，从而检测物体的位置。

移动预测部13，根据从获得部11获得的感测数据，预测车辆的外部的物体的移动。例如，移动预测部13，根据每时每刻获得的感测数据而检测出的物体的位置的变化，预测物体的移动(具体而言物体的移动方向以及速度等)。

代价地图生成部14，根据被检测出的物体的位置来生成第1代价地图，根据被预测出的物体的移动来生成第2代价地图。关于代价地图生成部14的详细，在稍后描述的图3以及图4中说明。

路径生成部15，根据第1代价地图生成车辆的路径。关于路径生成部15的详细，在稍后描述的图3以及图5中说明。

判断生成部16，根据第2代价地图以及被生成的路径来生成车辆的移动判断。关于判断生成部16的详细，在稍后描述的图3以及图6中说明。

控制部17，按照被生成的路径以及移动判断，控制车辆的移动。例如，控制部17，沿着被生成的路径使车辆移动，并且按照移动判断使车辆停止或者减速。

图3是示出实施方式1的控制系统10的动作的一例的流程图。

如上所述，获得部11，获得对车辆的外部进行感测的传感器输出的感测数据(步骤S11)，检测部12，根据感测数据来检测车辆的外部的物体的位置(步骤S12)，移动预测部13，根据感测数据来预测车辆的外部的物体的移动(步骤S13)。

接下来，代价地图生成部14，根据被检测出的物体的位置，生成第1代价地图(步骤S14)，根据被预测出的物体的移动来生成第2代价地图(步骤S15)。代价地图是为了生成最优的路径，将障碍物等的物体作为代价来表现的栅格地图。例如，能够对物体存在的区域赋予高的代价，生成避开该区域的路径。代价地图，典型的是各个栅格具有由上限值与下限值决定的范围内的值，但是不限于此，在各栅格中的值也可以是二值。此外，代价地图，也可以称为电势地图(Potential map)。这里，利用图4来说明由代价地图生成部14生成的第1代价地图以及第2代价地图。

图4是示出第1代价地图以及第2代价地图的一例的图。在图4以及以后的图中，作为车辆的外部的物体的一例示出车辆200。

第1代价地图是根据被检测出的物体(例如车辆200)的位置来生成的代价地图。在图4中表示越是车辆200的中心，则代价越高的方式，生成了第1代价地图。

第2代价地图是根据被预测出的物体(例如车辆200)的移动来生成的代价地图。例如，预测出车辆200的行进方向向左侧偏转，在图4中示出了如下，在被预测出的车辆200的移动方向(例如从车辆200伸出的箭头记号的方向)代价高的方式，生成了第2代价地图。此外代价高的区域，在被预测出的车辆200的速度越快，从车辆200越向移动方向延伸。

代价地图生成部14，生成如图4所示的第1代价地图以及第2代价地图。另外，在图4中，将代价地图模式性地用圆形来表示，将圆内的代价为固定的方式来表示，但是实际上代价地图中的代价并非固定，从圆形的中心向外侧代价越来越小。

回到图3的说明，路径生成部15，根据第1代价地图生成车辆的路径(步骤S16)。在此，利用图5来说明根据第1代价地图来生成的路径。

图5是示出根据第1代价地图来生成的路径的一例的图。在图5以及后述的图中，作为由控制系统10来控制的车辆的一例示出车辆100。

在第1代价地图中，如图5所示，以车辆200的位置为中心，代价高，路径生成部15，生成避开在第1代价地图中的代价高的区域的路径。在车辆100沿着路径移动的情况下，有时根据车辆200的动作，车辆100与车辆200会有碰撞的可能性，但是这里不考虑车辆200的动作预测，根据在某个瞬间的车辆200的位置而生成的第1代价地图来生成车辆100的路径。

回到图3的说明，判断生成部16，根据第2代价地图以及被生成的路径，生成车辆的移动判断(步骤S17)。在此，利用图6来说明根据第2代价地图以及被生成的路径来生成的路径。

图6是示出根据第2代价地图以及被生成的路径来生成的移动判断的一例的图。

如图6所示，在第2代价地图中被赋予了规定的代价以上的代价的区域，与被生成的路径重叠。规定的代价是表示物体的存在概率高或者将要变高的代价。换言之，车辆100沿着被生成的路径移动的情况下，车辆100与车辆200有可能碰撞。于是由判断生成部16生成的移动判断中包括如下的判断，当在第2代价地图中的被赋予了规定代价以上的代价的区域与被生成的路径重叠的情况下，使车辆100停止或减速的判断。从而，能够防止车辆100与车辆200碰撞，能够提高车辆行驶的安全性。

另外，判断生成部16，除了第2代价地图以及被生成的路径之外，还可以根据第1代价地图来生成移动判断。或者，代价地图生成部14，除了被预测出的物体的移动之外，还可以根据被检测出的物体的位置，来生成第2代价地图，判断生成部16，根据该第2代价地图以及被生成的路径，生成移动判断。换言之，还可以考虑物体的位置来生成车辆的移动判断。

回到图3的说明，控制部17，按照被生成的路径以及移动判断，对车辆的移动进行控制(步骤S18)。例如，控制部17，按照被生成的路径以及移动判断，算出轮胎角或踏板踏量等，经由CAN(Controller Area Network)等向车辆通知算出结果，从而对车辆的移动进行控制。

另外，路径生成部15，还可以根据第2代价地图的一部分，来生成车辆的路径。关于此利用图7来说明。

图7是示出还根据第2代价地图的一部分来生成的路径的一例的图。

第2代价地图的一部分例如是指，图6等示出的第2代价地图中的代价高的区域的一部分。另外，第2代价地图的一部分，可以是将第2代价地图中的代价高的部分进行缩小的部分，也可以是在第2代价地图的代价高的部分中，仅将物体侧的部分截取的部分。

例如，车辆100的乘坐者，在车辆100避开移动的车辆200而行驶时，警惕移动的车辆200，希望比避开没有移动的物体时的距离更加远离车辆200的方式行驶。于是，在车辆100的路径的生成中，利用反映了车辆200的动作预测的第2代价地图的一部分，从而车辆100在避开移动的车辆200时，能够比避开不移动的物体时的距离更加远离车辆200的方式行驶。例如，在图7的状况中，生成的路径除了第1代价地图之外，还避开第2代价地图的一部分中代价高的区域，所以车辆100能够从车辆200尽量向右侧远离的方式行驶。

接下来说明第2代价地图的一部分的决定方法。

例如，第2代价地图的一部分，按照车辆的外部的物体的属性而被决定。例如，控制系统10，可以具有稍后描述的属性检测部18的功能，针对车辆的外部的物体的属性，例如通过相机等传感器感测的感测数据来检测。例如，按照物体的属性，动作预测的精度有可能变低。例如，人会突然改变行进方向，所以物体是人的情况下，人的动作预测的精度容易变低。因此，例如在物体的属性为动作预测的精度低的属性的情况下，使第2代价地图的一部分变小(换言之代价高的区域的面积变小)，能够使动作预测对路径的生成的影响变小。在这个情况下，抑制车辆对物体的回避动作。此外，例如，物体的属性为动作预测的精度高的属性的情况下，使第2代价地图的一部分变大(换言之代价高的区域的面积变大)，能够使动作预测对路径的生成的影响变大。在这个情况下，推荐车辆对物体的回避动作。

此外，例如第2代价地图的一部分，按照车辆的路径上的道路中包括的区间的属性而被决定。例如，区间的属性可以包括车辆的路径上的道路的宽度、道路附带的人行道的宽度、车辆的路径上的交叉路口、或道路的种类。交叉路口是2个以上的道路相交的地点，典型的是十字路口，但是不限于此，也可以是三叉路口或者环岛等。此外人行道可以是与道路并排的人行道，也可以是横穿道路的人行横道。区间的属性，例如能够由相机等传感器的感测数据或者地图信息等来判断。此外道路的种类，可以是车道或者人行道等的规定的种类的道路，也可以是与规定的种类类似的道路。具体而言，可以根据由感测数据来判断的车辆的周围的物体的种类或者物体与车辆之间的距离等，来判断与规定的种类类似的道路。例如，在车辆的周围的人的密度为阈值以上的情况下，可以判断道路的种类是人行道(或者疑似人行道)。疑似人行道是指，例如商店街的通道、步行街中的车道等。

例如，在车辆的路径上的道路的宽度(例如行驶车道的宽度)窄的情况下，车辆在避开移动的物体时，有时难以比避开不移动的物体时更加远离物体地行驶。因此，例如在车辆的路径上的道路的宽度窄的情况下，使第2代价地图的一部分变小，从而使动作预测针对路径的生成的影响变小。在这个情况下，能够抑制车辆对物体的回避动作，使车辆在避开移动的物体时，不是很大地越出行驶车道。

此外，例如车辆的路径上的道路附带的人行道的宽度宽的情况下，车辆在避开移动的物体时，有可能越入到人行道或者很大地接近人行道。因此，例如在车辆的路径上的人行道的宽度广的情况下，使第2代价地图的一部分变小，从而使动作预测对路径的生成的影响变小。在这个情况下，车辆对物体的回避动作被抑制，车辆在避开移动的物体时，能够抑制越入到人行道或者非常接近人行道。

此外，例如，在车辆的路径上的交叉路口，车辆的周围的物体的动作变得复杂，物体的动作预测的精度容易变低。因此，例如车辆在交叉路口的情况下，使第2代价地图的一部分变小，能够使动作预测对路径的生成的影响变小。在这个情况下，车辆对物体的回避动作被抑制。

此外，例如在车辆的路径上的道路的种类是人行道的情况下，车辆的周围的物体(例如步行者)密度高(换句话说，车辆与物体近)，所以有可能屡次发生车辆的停止。另一方面，在人行道中车辆的移动速度受到限制，碰撞的危险性比车道低。因此，例如在道路的种类是人行道的情况下，比起道路的种类为车道的情况，使第2代价地图的一部分变得更大，使动作预测对路径的生成的影响变大。从而，既能够抑制车辆的停止，又能够使车辆避开物体继续移动。

另外，第2代价地图的一部分，可以按照车辆的外部的物体的属性以及车辆的路径上的道路中包括的区间的属性这双方，而被决定。

如上说明，通过控制系统10，分别生成基于被检测出的物体的位置的第1代价地图、以及基于被预测出的物体的移动的第2代价地图，在车辆的路径的生成与车辆的移动判断的生成中，区分地使用各个代价地图。具体而言，在车辆的路径的生成中，使用没有反映物体的动作预测的第1代价地图，在车辆的移动判断的生成中，使用反映了物体的动作预测的第2代价地图。在车辆的路径的生成中使用没有反映动作预测的第1代价地图，从而即使动作预测不稳定的情况下，也难以生成时刻变动的路径，能够提高车辆的行驶的安全性或者舒适性。此外，在车辆的移动判断的生成中，使用反映了物体的动作预测的第2代价地图以及被生成的路径，从而既避开静止的物体，又对移动的物体并非强行避开而是按照该物体的动作预测，例如能够使车辆停止或者减速，能够提高车辆的行驶的安全性。这样，以动作预测不稳定为前提之上，既能够生成稳定的路径，而且在需要时能够停止或者减速。因而，通过本方案，能够提高使用代价地图的车辆的行驶的安全性或者舒适性。

(实施方式2)

接下来利用图8来说明实施方式2。

图8是示出实施方式2的控制系统10a的一例的方框图。实施方式2涉及的控制系统10a，与实施方式1涉及控制系统10的不同之处是，还具备属性检测部18以及车道预测部19，以及代替代价地图生成部14以及判断生成部16，具备代价地图生成部14a和判断生成部16a。关于其他部分，与实施方式1相同，所以省略说明。另外，代价地图生成部14a、判断生成部16a、属性检测部18以及车道预测部19，由执行存放在存储器中的程序的处理器等来实现。

属性检测部18，根据由获得部11获得的相机等传感器的感测数据，检测车辆的外部的物体的属性。例如属性检测部18，使用学习模型等对感测数据进行分析，从而检测物体的属性。例如属性检测部18，对物体是否为人、或是否为路侧设备、或是否为汽车、或是否为自行车等进行检测。

车道预测部19，对车辆的行驶预定的车道进行预测。例如，车道预测部19，从汽车导航系统中获得表示车辆的行驶预定的信息，可以根据该信息来预测车辆行驶预定的车道。此外，例如，车道预测部19，获得针对方向指示器的操作信息，可以根据该信息来预测车辆行驶预定的车道。

代价地图生成部14a，根据被检测出的物体的属性，生成第3代价地图。例如，在物体是路侧设备一样的不移动的物体的情况下，以与该物体对应的区域周围的代价变小的方式生成第3代价地图。此外，例如，在物体是人的情况下，以与该物体对应的区域周围的代价变大的方式生成第3代价地图。

此外，代价地图生成部14a，根据被预测的车道，生成第4代价地图。例如，以与车辆行驶预定的车道对应的区域的代价变大的方式，生成第4代价地图。

判断生成部16a，还根据第3代价地图，生成车辆的移动判断。例如，判断生成部16a，根据被生成的路径以及第3代价地图，将车辆的停止判断作为移动判断来生成。例如，该移动判断包括如下的判断，在第3代价地图中被赋予了规定的代价以上的代价的区域与被生成的路径重叠的情况下，使车辆停止的判断。例如，根据车辆的外部的物体的属性，有时优选的是车辆停止。例如，在人行横道的一旁有人停止，这个人想要穿过人行横道的情况。在这个情况下，根据第2代价地图而生成的移动判断中，这个人没有移动，所以有可能不停止车辆。于是，根据物体的属性(例如物体的属性是否为人)生成第3代价地图，根据第3代价地图进行车辆的停止判断，从而按照物体的属性能够使车辆停止，能够进一步提高车辆的行驶的安全性。

此外，判断生成部16a，还根据第4代价地图，生成车辆的移动判断。例如，判断生成部16a，根据被生成的路径以及第4代价地图，将车辆的减速判断，作为移动判断来生成。例如，该移动判断包括如下的判断，在第4代价地图中被赋予了规定的代价以上的代价的区域与被生成的路径重叠的情况下，使车辆减速的判断。例如，按照车辆行驶预定的车道，有时优选的是使车辆减速。例如，在车辆想要移动到旁边的车道的情况下，在行驶预定的车道的后方，有后方车辆的情况。在这个情况下，在根据第2代价地图生成的移动判断中，例如，即使在能够足以进行车道的移动的程度的后方的位置上存在后方车辆的情况下，也有可能使车辆停止。于是，根据被预测的车道生成第4代价地图，根据第4代价地图进行减速判断，从而使车辆减速，能够顺畅地进行车道的移动，能够进一步提高车辆的行驶的安全性或者舒适性。

如上说明，除了基于物体的位置的第1代价地图以及基于物体的移动的第2代价地图之外，还生成基于物体的属性的第3代价地图以及基于行驶预定的车道的第4代价地图，根据第1代价地图、第2代价地图、第3代价地图以及第4代价地图，来生成车辆的移动判断，从而能够进一步提高车辆的行驶的安全性或者舒适性。

(其他实施方式)

以上基于实施方式对本公开的一个或多个形态涉及的控制系统进行了说明，不过本公开并非受这些实施方式所限定。在不脱离本公开的主旨的范围内，将本领域人员所能够想到的各种变形执行于各实施方式而得到的形态、对不同的实施方式中的构成要素进行组合而构成的形态也包括在本公开的一个或多个形态的范围内。

例如，在上述实施方式2中说明了代价地图生成部14a，生成第3代价地图以及第4代价地图的双方的例子，但是可以不生成第4代价地图。在这个情况下，控制系统10a可以不具备车道预测部19，判断生成部16a也可以不进一步根据第4代价地图生成车辆的移动判断。或者，代价地图生成部14a可以不生成第3代价地图。在这个情况下，控制系统10a，可以不具备属性检测部18，判断生成部16a也可以不进一步根据第3代价地图生成车辆的移动判断。

另外，本公开不仅能够作为控制系统来实现，还能作为控制方法来实现，该控制方法是包括构成控制系统的各构成要素进行的步骤(处理)的方法。

具体而言，控制方法是使计算机执行的控制方法，如图3所示包括：获得对移动体的外部进行感测的传感器输出的感测数据(步骤S11)，根据感测数据，检测移动体的外部的物体的位置(步骤S12)，预测被检测出的物体的移动(步骤S12)，根据被检测出的物体的位置，生成第1代价地图(步骤S14)，根据被预测出的物体的移动，生成第2代价地图(步骤S15)，根据第1代价地图，生成移动体的路径(步骤S16)，根据第2代价地图以及被生成的路径，生成移动体的移动判断(步骤S17)，以及按照被生成的路径以及移动判断，对移动体的移动进行控制(步骤S18)的处理。另外，在图3中将移动体设为车辆。

例如，本公开能够作为程序来实现，该程序用于使处理器来执行控制方法中包括的步骤。进而，本公开能够作为记录了该程序的CD-ROM等的非暂时的计算机可读取的记录介质来实现。

例如，本公开由程序(软件)来实现的情况下，利用计算机的CPU、存储器以及输入输出电路等硬件资源，来执行程序，从而执行各个步骤。换言之，通过CPU将数据从存储器或者输入输出电路等获得并进行运算，或者将运算结果输出给存储器或者输入输出电路等，从而执行各个步骤。

另外，在所述各个实施方式中，控制系统所包括的各个构成要素，可以由专用的硬件构成，或者由执行适合各个构成要素的软件程序来实现。各个构成要素，可以由CPU或者处理器等的程序执行部，读出并执行在硬盘或者半导体存储器等记录介质中记录的软件程序来实现。

在所述实施方式涉及的控制系统的功能的一部分或者全部，典型的是作为集成电路即LSI来实现。这些可以分别单片化，或者包括一部分或包括全部的方式单片化。此外，集成电路化不限于LSI，可以用专用电路或者通用处理器来实现。也可以使用在LSI制造后可编程的FPGA(Field Programmable Gate Array：现场可编程门阵列)、或者可重构LSI内部的电路单元的连接以及设定的可重构处理器。

进一步，在不脱离本公开的主旨的范围内，针对本公开的各个实施方式在本领域技术人员能够想到的范围内进行变更的各种变形例也都包括在本公开中。

本公开能够适用于对车辆等的移动体的移动进行控制的系统。

符号说明

10，10a 控制系统

11 获得部

12 检测部

13 移动预测部

14，14a 代价地图生成部

15 路径生成部

16，16a 判断生成部

17 控制部

18 属性检测部

19 车道预测部

100，200 车辆

Claims (14)

1.一种控制系统，具备：

获得部，获得传感器输出的感测数据，该传感器是对移动体的外部进行感测的传感器；

检测部，根据所述感测数据，检测所述移动体的外部的物体的位置；

移动预测部，根据所述感测数据，预测所述物体的移动；

代价地图生成部，根据被检测出的所述物体的位置，生成第1代价地图，根据被预测出的所述物体的移动，生成第2代价地图；

路径生成部，根据所述第1代价地图，生成所述移动体的路径；

判断生成部，根据所述第2代价地图以及被生成的所述路径，生成所述移动体的移动判断；以及

控制部，按照被生成的所述路径以及所述移动判断，对所述移动体的移动进行控制。

2.如权利要求1所述的控制系统，

当在所述第2代价地图中被赋予了规定的代价以上的代价的区域与被生成的所述路径重叠的情况下，所述移动判断包括使所述移动体停止或者使所述移动体减速的判断。

3.如权利要求1或2所述的控制系统，

所述路径生成部，还根据所述第2代价地图的一部分，生成所述移动体的路径。

4.如权利要求3所述的控制系统，

所述第2代价地图的一部分，按照所述物体的属性而被决定。

5.如权利要求3或4所述的控制系统，

所述第2代价地图的一部分，按照所述移动体的路径上的道路中包括的区间的属性而被决定。

6.如权利要求5所述的控制系统，

所述区间的属性包括所述道路的宽度。

7.如权利要求5或6所述的控制系统，

在所述道路为移动体用道路的情况下，所述区间的属性包括所述道路附带的人行道的宽度。

8.如权利要求5至7的任一项所述的控制系统，

所述区间的属性包括所述移动体的路径上的交叉路口。

9.如权利要求5至8的任一项所述的控制系统，

所述区间的属性包括所述道路的种类。

10.如权利要求1至9的任一项所述的控制系统，

所述代价地图生成部，进一步根据被检测出的所述物体的属性，生成第3代价地图，

所述判断生成部，还根据所述第3代价地图，生成所述移动体的移动判断。

11.如权利要求10所述的控制系统，

所述判断生成部，根据被生成的所述路径以及所述第3代价地图，将所述移动体的停止判断作为所述移动判断来生成。

12.如权利要求1至11的任一项所述的控制系统，

所述控制系统还具备车道预测部，该车道预测部对所述移动体的移动预定的车道进行预测，

所述代价地图生成部，进一步根据被预测的车道，生成第4代价地图，

所述判断生成部，还根据所述第4代价地图，生成所述移动体的移动判断。

13.如权利要求12所述的控制系统，

所述判断生成部，根据被生成的所述路径以及所述第4代价地图，将所述移动体的减速判断作为所述移动判断来生成。

14.一种控制方法，是使计算机执行的控制方法，在所述控制方法中，

获得传感器输出的感测数据，该传感器是对移动体的外部进行感测的传感器，

根据所述感测数据，检测所述移动体的外部的物体的位置，

预测被检测出的所述物体的移动，

根据被检测出的所述物体的位置，生成第1代价地图，

根据被预测出的所述物体的移动，生成第2代价地图，

根据所述第1代价地图，生成所述移动体的路径，

根据所述第2代价地图以及被生成的所述路径，生成所述移动体的移动判断，以及

按照被生成的所述路径以及所述移动判断，对所述移动体的移动进行控制。

Images