CN114954509A - 判定装置、车辆控制装置、判定方法以及存储介质 - Google Patents
判定装置、车辆控制装置、判定方法以及存储介质 Download PDFInfo
- Publication number
- CN114954509A CN114954509A CN202210121734.XA CN202210121734A CN114954509A CN 114954509 A CN114954509 A CN 114954509A CN 202210121734 A CN202210121734 A CN 202210121734A CN 114954509 A CN114954509 A CN 114954509A
- Authority
- CN
- China
- Prior art keywords
- determination result
- vehicle
- determination
- primary
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000002093 peripheral effect Effects 0.000 claims abstract description 75
- 230000008859 change Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000000717 retained effect Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 description 33
- 230000006399 behavior Effects 0.000 description 30
- 238000000605 extraction Methods 0.000 description 21
- 239000000284 extract Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect 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
- 239000000446 fuel Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- 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
- B60W40/08—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 drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供判定装置、车辆控制装置、判定方法以及存储介质。实施方式的判定装置具备:取得部,其取得基于车辆的第一周边图像而判定的周边环境的一次判定结果和所述一次判定结果的可信度;以及判定部,其基于所述可信度与预先设定的阈值的比较结果、以及针对比所述第一周边图像更早拍摄到的所述车辆的周边图像的过去的一次判定结果这两方,进行针对所述一次判定结果的二次判定,对精度比所述一次判定结果高的二次判定结果进行输出。
Description
技术领域
本发明涉及判定装置、车辆控制装置、判定方法以及存储介质。
背景技术
以往,已知有一种技术:基于由本车辆的车载相机拍摄到的周边图像来检测其他车辆的行驶状态,进行本车辆的自动驾驶控制。
发明内容
发明要解决的课题
在现有技术中,在由于逆光等原因而导致拍摄到的周边图像的画质较差的情况下,无法准确地检测其他车辆的行驶状态,有时会发生过检测。当发生这样的过检测时,有时在自动驾驶控制中会产生问题,比如通过自动驾驶控制而使本车辆错误地进行紧急制动动作等。已知有为了提高其他车辆的检测精度而利用车车间通信的技术(例如参照日本特开2013-168019号公报),但在将这样的车车间通信作为前提的情况下,除了安装有车车间通信功能的车辆有限之外,还可能涉及到系统结构复杂化、成本增加。
本发明是考虑到这样的情况而完成的,其目的之一在于,提供一种能够通过准确且简单的方法来检测周边环境的判定装置、车辆控制装置、判定方法以及存储介质。
用于解决课题的方案
本发明的判定装置、车辆控制装置、判定方法以及存储介质采用了以下的结构。
(1)本发明的一方案的判定装置具备:取得部,其取得基于车辆的第一周边图像而判定的周边环境的一次判定结果和所述一次判定结果的可信度;以及判定部,其基于所述可信度与预先设定的阈值的比较结果、以及针对比所述第一周边图像更早拍摄到的所述车辆的周边图像的过去的一次判定结果这两方,进行针对所述一次判定结果的二次判定,对精度比所述一次判定结果高的二次判定结果进行输出。
方案(2)在上述方案(1)的判定装置的基础上,所述阈值包括第一阈值和比所述第一阈值低的第二阈值,所述判定部在所述可信度大于所述第一阈值的情况下,进行将所述一次判定结果作为所述二次判定结果而输出的第一处理,在所述可信度小于所述第二阈值的情况下,进行保留所述二次判定的第二处理,在所述可信度为所述第一阈值以下且所述第二阈值以上的情况下,进行基于所述过去的一次判定结果来判定是否将所述一次判定结果作为所述二次判定结果而采用的第三处理。
方案(3)在上述方案(2)的判定装置的基础上,所述判定部在所述第三处理中,在规定数量的所述过去的一次判定结果中的、表示与所述一次判定结果相同的判断结果的所述过去的一次判定结果的数量为规定值以上的情况下,将所述一次判定结果作为所述二次判定结果而输出,在所述规定数量的所述过去的一次判定结果中的、表示与所述一次判定结果相同的判断结果的所述过去的一次判定结果的数量小于所述规定值的情况下,保留所述二次判定。
方案(4)在上述方案(3)的判定装置的基础上,所述过去的一次判定结果的所述规定数量为2以上的整数N,所述规定值为N/2以上且N以下的值。
方案(5)在上述(2)至(4)中任一方案的判定装置的基础上,所述判定部在保留所述二次判定的情况下,输出表示不能进行所述二次判定这一意思的信息。
方案(6)在上述(1)至(5)中任一方案的判定装置的基础上,所述一次判定结果是基于所述第一周边图像所包含的周边车辆的灯体的动作信息的、所述周边车辆的行驶状态的判定结果。
方案(7)在上述方案(6)的判定装置的基础上,所述灯体包括制动灯和方向指示器中的至少一个。
(8)本发明的另一方案的车辆控制装置具备:第一方案至第七方案中任一方案的判定装置;以及控制部,其基于从所述判定装置输出的所述二次判定结果,判定是否需要对所述车辆的行为控制进行变更。
方案(9)在上述方案(8)的车辆控制装置的基础上,所述控制部在基于所述二次判定结果而判定为需要对所述车辆的行为控制进行变更的情况下,进行所述车辆的行为控制的变更。
方案(10)在上述方案(8)或(9)的车辆控制装置的基础上,所述控制部在基于所述二次判定结果而判定为不需要对所述车辆的行为控制进行变更的情况下,不进行所述车辆的行为控制的变更。
方案(11)在上述方案(8)至(10)中任一方案的车辆控制装置的基础上,在由所述判定部保留了所述二次判定的情况下,所述控制部基于通过与拍摄到所述第一周边图像的相机不同的检测单元而取得的周边环境信息,判定是否需要对所述车辆的行为控制进行变更。
方案(12)在上述方案(8)至(11)中任一方案的车辆控制装置的基础上,所述控制部判定是否需要对所述车辆的速度控制、加速控制、转向控制以及停止控制中的至少一个控制进行变更。
(13)在本发明的另一方案的判定方法中,搭载于车辆的计算机执行如下处理:取得基于所述车辆的第一周边图像而判定的周边环境的一次判定结果和所述一次判定结果的可信度,基于所述可信度与预先设定的阈值的比较结果、以及针对比所述第一周边图像更早拍摄到的所述车辆的周边图像的过去的一次判定结果这两方,进行针对所述一次判定结果的二次判定,对精度比所述一次判定结果高的二次判定结果进行输出。
(14)本发明的另一方案的存储介质存储有程序,该程序使搭载于车辆的计算机执行如下处理:取得基于所述车辆的第一周边图像而判定的周边环境的一次判定结果和所述一次判定结果的可信度,基于所述可信度与预先设定的阈值的比较结果、以及针对比所述第一周边图像更早拍摄到的所述车辆的周边图像的过去的一次判定结果这两方,进行针对所述一次判定结果的二次判定,对精度比所述一次判定结果高的二次判定结果进行输出。
发明效果
根据上述方案(1)至(14),能够通过准确且简单的方法来检测周边环境,抑制周边环境的过检测的发生。
根据上述方案(6)和(7),能够提高周边车辆的行驶状态的检测率。
根据上述方案(8)至(12),通过基于二次判定结果来判定是否需要对本车辆的行为控制进行变更,从而能够进行稳定的自动驾驶控制。
附图说明
图1是利用了实施方式的判定装置的车辆系统的结构图。
图2是实施方式的第一控制部和第二控制部的功能结构图。
图3是示出实施方式的自动驾驶控制装置的识别部所进行的判定处理的一例的流程图。
图4A是示出拍摄到本车辆的前方的周边图像的一例的图。
图4B是示出拍摄到本车辆的前方的周边图像的另一例的图。
图5A是示出拍摄到本车辆的前方的周边图像的另一例的图。
图5B是示出拍摄到本车辆的前方的周边图像的另一例的图。
图6是示出拍摄到本车辆的前方的周边图像的另一例的图。
图7是示出拍摄到本车辆的前方的周边图像的另一例的图。
图8是说明实施方式的判定部所进行的判定处理的图。
图9是说明实施方式的判定部所进行的判定处理的图。
具体实施方式
以下,参照附图对本发明的判定装置、车辆控制装置、判定方法以及存储介质的实施方式进行说明。
[概要]
本发明的判定装置取得基于本车辆的周边图像而判定出的周边环境(例如,其他车辆的行驶状态)的一次判定结果和该一次判定结果的可信度,基于可信度与阈值的比较结果、以及针对比判定对象的周边图像更早拍摄到的周边图像的过去的一次判定结果这两方,进行针对一次判定结果的二次判定。由此,能够得到精度比一次判定结果高的二次判定结果,能够通过准确且简单的方法来检测周边环境。
[整体结构]
图1是利用了实施方式的判定装置的车辆系统1的结构图。搭载车辆系统1的车辆例如是二轮、三轮、四轮等的车辆,其驱动源为柴油发动机、汽油发动机等内燃机、电动机、或者它们的组合。电动机使用由与内燃机连结的发电机发出的发电电力、或者二次电池、燃料电池的放电电力来进行动作。
车辆系统1例如具备相机10、雷达装置12、LIDAR(Light Detection and Ranging)14、物体识别装置16、通信装置20、HMI(Human Machine Interface)30、车辆传感器40、导航装置50、MPU(Map Positioning Unit)60、驾驶操作件70、自动驾驶控制装置100、行驶驱动力输出装置200、制动装置210、以及转向装置220。这些装置、设备通过CAN(ControllerArea 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1所示的结构只不过是一例,可以省略结构的一部分,还可以追加其他结构。
相机10例如是利用了CCD(Charge Coupled Device)或CMOS(ComplementaryMetal Oxide Semiconductor)等固体摄像元件的数码相机。相机10安装在搭载车辆系统1的车辆(以下为本车辆M)的任意部位。在拍摄前方的情况下,相机10安装在前风窗玻璃上部或车室内后视镜背面等。在拍摄后方的情况下,相机10安装在后风窗玻璃上部或背门等。在拍摄侧方的情况下,相机10安装在车门上后视镜等。相机10例如周期地重复拍摄本车辆M的周边。相机10也可以是立体摄影机。
雷达装置12向本车辆M的周边辐射毫米波等电波,并且,检测被物体反射后的电波(反射波)而至少检测物体的位置(距离及方位)。雷达装置12安装在本车辆M的任意部位。雷达装置12也可以通过FM-CW(Frequency Modulated Continuous Wave)方式来检测物体的位置及速度。
LIDAR14向本车辆M的周边照射光(或者接近光的波长的电磁波),测定散射光。LIDAR14基于从发光到受光的时间,检测距对象的距离。所照射的光例如是脉冲状的激光。LIDAR14安装在本车辆M的任意部位。
物体识别装置16对相机10、雷达装置12及LIDAR14中的一部分或全部的检测结果进行传感器融合处理,识别物体的位置、种类、速度等。物体识别装置16向自动驾驶控制装置100输出识别结果。物体识别装置16可以将相机10、雷达装置12及LIDAR14的检测结果直接向自动驾驶控制装置100输出。也可以从车辆系统1省略物体识别装置16。
通信装置20例如利用蜂窝网、Wi-Fi网、Bluetooth(注册商标)、DSRC(DedicatedShort Range Communication)等,与存在于本车辆M的周边的其他车辆进行通信,或者经由无线基站而与各种服务器装置进行通信。
HMI30对本车辆M的乘客提示各种信息,并且,受理乘客所进行的输入操作。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40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、检测本车辆M的方向的方位传感器等。
导航装置50例如具备GNSS(Global Navigation Satellite System)接收器51、导航HMI52以及路径决定部53。导航装置50在HDD(Hard Disk Drive)或闪存器等存储装置中保持有第一地图信息54。
GNSS接收器51基于从GNSS卫星接收到的信号(从人造卫星到来的电波),确定本车辆M的位置。本车辆M的位置也可以通过利用了车辆传感器40的输出的INS(InertialNavigation System)确定或补充。导航HMI52包括显示装置、扬声器、触摸面板、按键等。导航HMI52的一部分或全部也可以与上述的HMI30共同化。路径决定部53例如参照第一地图信息54,来决定从由GNSS接收器51确定出的本车辆M的位置(或者输入的任意的位置)到由乘客使用导航HMI52输入的目的地为止的路径(以下为地图上路径)。
第一地图信息54例如是通过表示道路的线路和由线路连接的节点而表现出道路形状的信息。第一地图信息54也可以包括道路的曲率、POI(Point Of Interest)信息等。地图上路径被输出到MPU60。导航装置50也可以基于地图上路径,进行使用了导航HMI52的路径引导。导航装置50例如也可以通过乘客持有的智能手机或平板终端等终端装置的功能来实现。导航装置50也可以经由通信装置20向导航服务器发送当前位置和目的地,从导航服务器取得与地图上路径同等的路径。
MPU60例如包括推荐车道决定部61,在HDD或闪存器等存储装置中保持有第二地图信息62。推荐车道决定部61通过CPU(Central Processing Unit)等硬件处理器(计算机)执行程序(软件)来实现。另外,推荐车道决定部61也可以通过LSI(Large ScaleIntegration)、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、GPU(Graphics Processing Unit)等硬件(包括电路部(circuitry))来实现,还可以通过软件与硬件的协同配合来实现。程序也可以预先保存在MPU60的存储装置(具备非暂时性的存储介质的存储装置)中,还可以保存在DVD或CD-ROM等可装卸的存储介质中,通过将存储介质(非暂时性的存储介质)装配于驱动装置而被安装到MPU60的存储装置。
推荐车道决定部61将从导航装置50提供的地图上路径分割为多个区段(例如,在车辆行进方向上每隔100[m]进行分割),参照第二地图信息62并按照每个区段来决定推荐车道。推荐车道决定部61进行在从左起第几个车道中行驶这样的决定。在地图上路径中存在分支部位的情况下,推荐车道决定部61将推荐车道决定为,能够使本车辆M在用于向分支目的地行进的合理路径中行驶。
第二地图信息62是精度比第一地图信息54高的地图信息。第二地图信息62例如包括车道的中央的信息(道路中心线、中心线)或者车道的边界的信息(道路划分线、划分线)等。另外,在第二地图信息62中可以包括道路信息(道路标识、交通信号机等道路构造物)、交通限制信息、住所信息(住所/邮政编码)、设施信息、电话号码信息等。第二地图信息62可以通过通信装置20与其他装置进行通信而被随时更新。
驾驶操作件70例如除了包括转向盘72之外,还包括油门踏板、制动踏板、变速杆、其他的操作件。在驾驶操作件70安装有检测操作量或有无操作的传感器。该传感器的检测结果被输出到自动驾驶控制装置100,或者被输出到行驶驱动力输出装置200、制动装置210及转向装置220中的一部分或全部。转向盘72并非必须是环状,也可以为异形转向盘、操纵杆、按钮等形态。在转向盘72安装有转向把持传感器74。转向把持传感器74由静电电容传感器等实现,将能够检测驾驶员是否把持着转向盘72(是指在施加了力的状态下接触)的信号输出到自动驾驶控制装置100。
自动驾驶控制装置100例如具备第一控制部120和第二控制部160。第一控制部120和第二控制部160分别例如通过CPU等硬件处理器(计算机)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通过LSI、ASIC、FPGA、GPU等硬件(包括电路部(circuitry))来实现,还可以通过软件与硬件的协同配合来实现。程序也可以预先保存在自动驾驶控制装置100的HDD或闪存器等存储装置(具备非暂时性的存储介质的存储装置)中,还可以保存在DVD或CD-ROM等可装卸的存储介质中,通过将存储介质(非暂时性的存储介质)装配于驱动装置而被安装到自动驾驶控制装置100的HDD或闪存器。
图2是第一控制部120和第二控制部160的功能结构图。第一控制部120例如具备识别部130和行动计划生成部140。自动驾驶控制装置100、第一控制部120或识别部130是“判定装置”的一例。自动驾驶控制装置100是“车辆控制装置”的一例。
第一控制部120例如将基于AI(Artificial Intelligence;人工智能)的功能和基于预先赋予的模型的功能并行地实现。例如,“识别交叉路口”的功能可以通过如下方式实现:并行地执行基于深度学习等进行的交叉路口的识别与基于预先赋予的条件(具有图案可匹配的信号、道路标志等)进行的识别,针对双方进行评分并综合地进行评价。由此,确保了自动驾驶的可靠性。
识别部130基于从相机10、雷达装置12及LIDAR14输入的信息的至少一部分,来识别位于本车辆M的周边的物体的位置、速度及加速度等状态。物体的位置例如被识别为以本车辆M的代表点(重心或驱动轴中心等)为原点的绝对坐标上的位置,并用于控制。物体的位置也可以由该物体的重心或角部等代表点表示,还可以由区域表示。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将要进行车道变更)。
另外,识别部130例如对本车辆M行驶的车道(行驶车道)进行识别。例如,识别部130通过比较从第二地图信息62得到的道路划分线的图案(例如实线与虚线的排列)和根据由相机10拍摄到的图像而识别的本车辆M的周边的道路划分线的图案,来识别行驶车道。需要说明的是,不限于道路划分线,识别部130也可以通过识别包括道路划分线、路肩、路缘、中央隔离带、护栏等在内的行驶路边界(道路边界),来识别行驶车道。在该识别中,也可以加入从导航装置50取得的本车辆M的位置或基于INS的处理结果。另外,识别部130识别暂时停止线、障碍物、红灯、收费站、其他的道路事项。
识别部130在识别行驶车道时,对本车辆M相对于行驶车道的位置和姿态进行识别。识别部130例如也可以识别本车辆M的基准点从车道中央的偏离、以及本车辆M的行进方向相对于连接车道中央而得到的线所成的角度,作为本车辆M相对于行驶车道的相对位置和姿态。取而代之,识别部130也可以识别本车辆M的基准点相对于行驶车道的任意一个侧端部(道路划分线或道路边界)的位置等,作为本车辆M相对于行驶车道的相对位置。
识别部130例如具备一次判定部131和二次判定部135。一次判定部131基于从相机10输入的本车辆M的周边图像,进行本车辆M的周边环境的一次判定。周边环境例如包括周边车辆(其他车辆)的行驶状态。例如,一次判定部131基于本车辆M的周边图像所包含的其他车辆的灯体的图像信息,来判定其他车辆的行驶状态。灯体例如包括作为制动灯的刹车灯(停止灯)、作为方向指示器的方向指示灯(转向灯)、作为前照灯的前灯、作为后退灯的后灯等各种灯用的光源等。周边图像可以为黑白图像,也可以为彩色图像。例如,一次判定部131通过判定其他车辆的刹车灯的动作状态(刹车灯的点亮、熄灭)来判定其他车辆是否将要停止。另外,例如,一次判定部131通过判定其他车辆的方向指示灯的动作状态(方向指示灯的闪烁),来判定其他车辆是否将要进行路线变更、右左转等的行进方向的变更。一次判定部131通过进行这样的一次判定,能够判定其他车辆的驾驶员的操作意愿(灯体的操作意愿)。
一次判定部131例如具备物标特征提取部132和意愿判定部133。物标特征提取部132通过对从相机10输入的周边图像进行图案匹配等基于规则的图像解析处理,来提取与周边图像所包含的其他车辆的灯体对应的图像的特征信息。例如,物标特征提取部132提取与周边图像所包含的其他车辆的刹车灯和方向指示灯对应的图像的特征信息。
意愿判定部133基于由物标特征提取部132提取出的特征信息,来判定其他车辆的驾驶员的操作意愿(灯体的操作意愿),输出意愿判定结果(一次判定结果)和该意愿判定结果的可信度。意愿判定结果例如是右方向指示灯闪烁、左方向指示灯闪烁、刹车灯点亮等表示其他车辆的灯体的动作状态的信息。即,意愿判定结果是基于周边图像所包含的周边车辆的灯体的动作信息的、周边车辆的行驶状态的判定结果。
意愿判定结果的可信度是指表示意愿判定结果的可靠性(可靠度)的指标值。例如,可信度可以为0至1之间的实数值,也可以为高、中、低这样的离散值。意愿判定部133例如使用通过机器学习而求出的学习完毕模型(例如,神经网络),导出针对特征信息的意愿判定结果和可信度。该学习完毕模型是以如下方式进行了学习的模型:将针对特征信息标注了意愿判定结果和可信度的数据集作为示教数据,在输入了特征信息时,输出意愿判定结果和可信度。
意愿判定部133基于从一张周边图像(单帧)提取出的特征信息或者从连续的多个周边图像(连续帧)提取出的特征信息,输出意愿判定结果和可信度。例如在判定有无刹车灯的点亮的情况下,意愿判定部133基于从一张周边图像(单帧)提取出的特征信息,输出意愿判定结果和可信度。另外,例如在判定有无方向指示灯的闪烁的情况下,意愿判定部133基于从连续的多个周边图像(连续帧)提取出的特征信息,计算意愿判定结果和可信度。
需要说明的是,上述的学习完毕模型也可以是以如下方式进行了学习的模型:将针对周边图像标注了意愿判定结果和可信度的数据集作为示教数据,在输入了周边图像时,输出意愿判定结果和可信度。在该情况下,也可以省略由上述的一次判定部131进行的图案匹配等基于规则的图像解析处理。
二次判定部135例如具备取得部136和判定部137。取得部136取得从一次判定部131输出的意愿判定结果和可信度。即,取得部136取得基于本车辆M(车辆)的周边图像(第一周边图像)而判定的周边环境的一次判定结果和该一次判定结果的可信度。取得部136是“取得部”的一例。判定部137是“判定部”的一例。
判定部137基于由取得部136取得的可信度与预先设定的阈值的比较结果、以及针对比成为意愿判定部133的判定对象的周边图像更早拍摄到的本车辆M的周边图像的过去的意愿判定结果这两方,来进行针对意愿判定结果的二次判定,输出精度比意愿判定结果高的二次判定结果。判定部137将二次判定结果输出到行动计划生成部140。之后详细叙述判定部137的处理。
行动计划生成部140生成本车辆M自动地(不依赖于驾驶员的操作)进行将来行驶的目标轨道,使得原则上在由推荐车道决定部61决定的推荐车道中行驶,并且能够应对本车辆M的周边状况。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应到达的地点(轨道点)依次并排而成的轨道。轨道点是在沿途距离中每隔规定的行驶距离(例如几[m]左右)的本车辆M应到达的地点,除此之外,将每隔规定的采样时间(例如零点几[sec]左右)的目标速度和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、本车辆M在该采样时刻应到达的位置。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140是“控制部”的一例。
行动计划生成部140在生成目标轨道时,可以设定自动驾驶的事件。自动驾驶的事件具有恒速行驶事件、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140生成与起动的事件相应的目标轨道。
行动计划生成部140基于由识别部130输出的二次判定结果,判定是否对本车辆M的行为控制进行变更。行动计划生成部140在基于二次判定结果而判定为需要对本车辆M的行为控制进行变更的情况下,进行本车辆M的行为控制的变更(目标轨道的变更等)。另外,行动计划生成部140在基于二次判定结果而判定为无需对本车辆M的行为控制进行变更的情况下,不进行本车辆M的行为控制的变更。之后详细叙述行动计划生成部140的处理。
第二控制部160对行驶驱动力输出装置200、制动装置210及转向装置220进行控制,使得本车辆M在预定的时刻通过由行动计划生成部140生成的目标轨道。
第二控制部160例如具备取得部162、速度控制部164以及转向控制部166。取得部162取得由行动计划生成部140生成的目标轨道(轨道点)的信息并存储于存储器(未图示)。速度控制部164基于随附于存储器所存储的目标轨道的速度要素,对行驶驱动力输出装置200或制动装置210进行控制。转向控制部166根据存储器所存储的目标轨道的弯曲程度,对转向装置220进行控制。速度控制部164和转向控制部166的处理例如通过前馈控制与反馈控制的组合来实现。作为一例,转向控制部166组合地执行与本车辆M的前方的道路的曲率相应的前馈控制和基于从目标轨道的偏离的反馈控制。
行驶驱动力输出装置200向驱动轮输出用于供车辆行驶的行驶驱动力(转矩)。行驶驱动力输出装置200例如具备内燃机、电动机及变速器等的组合、以及对它们进行控制的ECU(Electronic Control Unit)。ECU按照从第二控制部160输入的信息或者从驾驶操作件70输入的信息,来控制上述的结构。
制动装置210例如具备制动钳、向制动钳传递液压的气缸、使气缸产生液压的电动马达、以及制动ECU。制动ECU按照从第二控制部160输入的信息或者从驾驶操作件70输入的信息来控制电动马达,将与制动操作相应的制动转矩输出到各车轮。制动装置210可以具备将通过驾驶操作件70所包含的制动踏板的操作而产生的液压经由主液压缸向气缸传递的机构作为备用。需要说明的是,制动装置210不限于上述说明的结构,也可以是按照从第二控制部160输入的信息来控制致动器并将主液压缸的液压向气缸传递的电子控制式液压制动装置。
转向装置220例如具备转向ECU和电动马达。电动马达例如使力作用于齿轮齿条机构来变更转向轮的方向。转向ECU按照从第二控制部160输入的信息或者从驾驶操作件70输入的信息,对电动马达进行驱动来变更转向轮的方向。
[判定处理]
以下,使用流程图对实施方式的判定处理进行说明。图3是表示实施方式的自动驾驶控制装置100的识别部130所进行的判定处理的一例的流程图。在以下的说明中,以本车辆M在基于自动驾驶控制装置100的自动驾驶的控制下进行自动驾驶的情况为例来进行说明。图3所示的流程图的判定处理在本车辆M进行自动驾驶的期间反复被执行。
首先,一次判定部131的物标特征提取部132从由相机10输入的周边图像中提取物标特征信息(步骤S101)。例如,物标特征提取部132对周边图像进行图案匹配等基于规则的图像解析处理,由此,提取与周边图像所包含的其他车辆的灯体(刹车灯、方向指示灯等)对应的部位的图像。
图4A是示出拍摄到本车辆M的前方的周边图像的一例的图。在图4A所示的周边图像F1中包括在本车辆M的前方行驶的其他车辆V1。在该情况下,物标特征提取部132从该周边图像F1中提取与其他车辆V1的刹车灯对应的部分的刹车灯图像BL作为物标特征信息。需要说明的是,除了刹车灯图像BL之外,物标特征提取部132也可以从该周边图像F1中提取与其他车辆V1的方向指示灯等刹车灯以外的灯体对应的部分的图像。
图4B是示出拍摄到本车辆M的前方的周边图像的另一例的图。图4B所示的周边图像F2是在与图4A所示的周边图像F1不同的时机拍摄到的图像。在该情况下,物标特征提取部132从该周边图像F2中提取与其他车辆V1的刹车灯对应的部分的刹车灯图像BL作为物标特征信息。需要说明的是,除了刹车灯图像BL之外,物标特征提取部132也可以从该周边图像F2中提取与其他车辆V1的方向指示灯等刹车灯以外的灯体对应的部分的图像。
图5A是示出拍摄到本车辆M的前方的周边图像的另一例的图。在图5A所示的周边图像F3中包括在本车辆M的左车道的前方行驶的其他车辆V2。在该情况下,物标特征提取部132从该周边图像F3中提取与其他车辆V2的方向指示灯对应的部分的方向指示灯图像TS作为物标特征信息。需要说明的是,除了方向指示灯图像TS之外,物标特征提取部132也可以从该周边图像F3中提取与其他车辆V2的刹车灯等方向指示灯以外的灯体对应的部分的图像。
图5B是示出拍摄到本车辆M的前方的周边图像的另一例的图。图5B所示的周边图像F4是在与图5A所示的周边图像F3不同的时机拍摄到的图像。在该情况下,物标特征提取部132从该周边图像F4中提取与其他车辆V2的方向指示灯对应的部分的方向指示灯图像TS作为物标特征信息。需要说明的是,除了方向指示灯图像TS之外,物标特征提取部132也可以从该周边图像F4中提取与其他车辆V2的刹车灯等方向指示灯以外的灯体对应的部分的图像。
接着,一次判定部131的意愿判定部133基于由物标特征提取部132提取出的物标特征信息,进行其他车辆的驾驶员的操作意愿(灯体的操作意愿)的判定(步骤S103)。意愿判定部133输出意愿判定结果和该意愿判定结果的可信度。例如,意愿判定部133输出表示有无刹车灯的点亮或有无方向指示灯的闪烁的意愿判定结果、以及该意愿判定结果的可信度。
在由物标特征提取部132从图4A所示的周边图像F1中提取出刹车灯图像BL的情况下,意愿判定部133基于刹车灯图像BL而判定为刹车灯关闭,输出表示刹车灯关闭的意愿判定结果。另外,在该情况下,能够判定为刹车灯图像BL的画质高且意愿判定结果的可信度高,因此,意愿判定部133输出作为高可信度的数值的“0.95”。
另一方面,在即便是拍摄到与图4A所示的周边图像F1相同的场景的图像、也如图6所示的周边图像F5那样刹车灯图像BL的画质低或者一部分图像缺失的情况等担心意愿判定结果的精度产生问题的情况下,输出低可信度的数值。即,在由物标特征提取部132从图6所示的周边图像F5中提取出画质低的刹车灯图像BL的情况下,意愿判定部133基于刹车灯图像BL,判定为刹车灯关闭,输出表示刹车灯关闭的意愿判定结果。然而,在该情况下,能够判定为刹车灯图像BL的画质低且意愿判定结果的可信度低,因此,意愿判定部133输出作为低可信度的数值的“0.40”。
另外,在由物标特征提取部132从图4B所示的周边图像F2中提取出刹车灯图像BL的情况下,意愿判定部133基于刹车灯图像BL,判定为刹车灯打开,输出表示刹车灯打开的意愿判定结果。另外,在该情况下,能够判定为刹车灯图像BL的画质高且意愿判定结果的可信度高,因此,意愿判定部133输出作为高可信度的数值的“0.92”。
另一方面,在即便是拍摄到与图4B所示的周边图像F2相同的场景的图像、也如图7所示的周边图像F20那样刹车灯图像BL的画质低或者一部分图像缺失的情况等担心意愿判定结果的精度产生问题的情况下,输出低可信度的数值。即,在由物标特征提取部132从图7所示的周边图像F20中提取出画质低的刹车灯图像BL的情况下,意愿判定部133基于刹车灯图像BL,判定为刹车灯打开,输出表示刹车灯打开的意愿判定结果。然而,在该情况下,能够判定为刹车灯图像BL的画质低且意愿判定结果的可信度低,因此,意愿判定部133输出作为低可信度的数值的“0.60”。
另外,在由物标特征提取部132从图5A所示的周边图像F3中提取出方向指示灯图像TS的情况下,意愿判定部133基于方向指示灯图像TS,判定为方向指示灯(右方向指示灯和左方向指示灯)关闭,输出表示方向指示灯关闭的意愿判定结果。另外,在该情况下,能够判定为方向指示灯图像TS的画质高且意愿判定结果的可信度高,因此,意愿判定部133输出作为高可信度的数值的“0.98”。另外,在由物标特征提取部132从图5B所示的周边图像F4中提取出方向指示灯图像TS的情况下,意愿判定部133基于方向指示灯图像TS,判定为方向指示灯(右方向指示灯)打开,输出表示右方向指示灯打开的意愿判定结果。另外,在该情况下,能够判定为方向指示灯图像TS的画质高且意愿判定结果的可信度高,因此,意愿判定部133输出作为高可信度的数值的“0.91”。
接着,二次判定部135的取得部136取得由意愿判定部133输出的意愿判定结果和可信度(步骤S105)。
接着,二次判定部135的判定部137判定所取得的可信度是否大于第一阈值(步骤S107)。该第一阈值作为判定可信度是否充分高的基准而被预先设定。例如,对该第一阈值设定了能够判定为能将对应的意愿判定结果用于自动驾驶控制的可信度的下限值。在可信度由0与1之间的实数值定义的情况下,对该第一阈值例如设定了0.9、0.8、0.7、0.6、0.5等0.5以上的数值。需要说明的是,判定部137也可以判定所取得的可信度是否为第一阈值以上。
判定部137在判定为所取得的可信度大于第一阈值的情况下(步骤S107,“是”),将所取得的意愿判定结果作为二次判定结果而向行动计划生成部140输出(步骤S113)。接着,行动计划生成部140基于由识别部130输出的二次判定结果,判定是否需要对本车辆M的行为控制进行变更(步骤S115)。例如,行动计划生成部140判定是否需要对本车辆M的速度控制、加速控制、转向控制以及停止控制中的至少一个控制进行变更。
在上述的步骤S115中,行动计划生成部140在判定为需要对本车辆M的行为控制进行变更的情况下(步骤S115,“是”),进行行为控制的变更(步骤S117)。例如,在如图4B的例子那样意愿判定结果表示其他车辆V1的刹车灯打开的情况下,为了避免与其他车辆V1发生碰撞,行动计划生成部140判定为需要对本车辆M的行为控制进行变更,进行使本车辆M的速度下降、进行车道变更等行为控制的变更,重新生成目标轨道。行动计划生成部140将生成的目标轨道向第二控制部160输出。
在上述的步骤S115中,行动计划生成部140在判定为无需对本车辆M的行为控制进行变更的情况下(步骤S115,“否”),不进行行为控制的变更。例如,在如图4A的例子那样二次判定结果表示其他车辆V1的刹车灯“关闭”的情况下,即便维持当前的行驶状态也没有问题,因此行动计划生成部140判定为无需对本车辆M的行为控制进行变更,不进行行为控制的变更。
即,行动计划生成部140在判定为需要对本车辆M的行为控制进行变更的情况下,进行本车辆M的行为控制的变更。另一方面,行动计划生成部140在判定为无需对本车辆M的行为控制进行变更的情况下,不进行本车辆的行为控制的变更。
在上述的步骤S107中,判定部137在判定为所取得的可信度不大于第一阈值的情况下(步骤S107,“否”),判定可信度是否小于第二阈值(步骤S109)。该第二阈值作为判定可信度是否充分低的基准而被预先设定。例如,对该第二阈值设定了能够立即判定为不能将对应的意愿判定结果用于自动驾驶控制的可信度的上限值。在可信度由0与1之间的实数值定义的情况下,对该第二阈值例如设定了0.1、0.2、0.3、0.4等小于0.5的数值。该第二阈值被设定为比第一阈值小的值。需要说明的是,判定部137也可以判定可信度是否为第二阈值以下。
在上述的步骤S109中,判定部137在判定为所取得的可信度没有小于第二阈值的情况下(步骤S109,“否”),判定规定数量的过去的意愿判定结果中的、表示与当前的判定对象的意愿判定结果相同的判断结果的过去的意愿判定结果的数量是否为规定值以上(步骤S111)。
例如,在第一阈值被设定为“0.9”且第二阈值被设定为“0.5”的情况下,针对图7所示的周边图像F20(可信度“0.60”),判定部137进行上述的步骤S111的判定处理。图8和图9是说明步骤S111的判定处理的图。在图8中,示出当前的判定对象的周边图像F20和比该周边图像F20更早拍摄到的八帧的量的周边图像F12至F19。这些过去的周边图像F12至F19中的、成为与针对周边图像F20的判定结果“刹车灯打开”相同的判定结果的过去的周边图像为周边图像F15至F19这五个周边图像。这里,例如在规定值被设定为“5”的情况下,判定部137判定为表示与所取得的意愿判定结果相同的判定结果的过去的意愿判定结果的数量为规定值以上。
另一方面,在图9的例子中,过去的周边图像F12至F19中的、成为与针对周边图像F20的判定结果“刹车灯打开”相同的判定结果的过去的周边图像为周边图像F12、F13及F15这三个周边图像。这里,例如在规定值被设定为“5”的情况下,判定部137判定为表示与所取得的意愿判定结果相同的判定结果的过去的意愿判定结果的数量不是规定值以上。需要说明的是,判定部137也可以判定表示与当前的判定对象的意愿判定结果相同的判断结果的过去的意愿判定结果的数量是否比规定值多。
即,判定部137在可信度大于第一阈值的情况下,进行将一次判定结果作为二次判定结果而输出的第一处理,在可信度小于第二阈值的情况下,进行保留二次判定的第二处理,在可信度为第一阈值以下且第二阈值以上的情况下,进行基于过去的一次判定结果来判定是否将一次判定结果作为二次判定结果而采用的第三处理。
另外,判定部137在上述的第三处理中,在规定数量的过去的一次判定结果中的表示与一次判定结果相同的判断结果的过去的一次判定结果的数量为规定值以上的情况下,将一次判定结果作为二次判定结果而输出,在规定数量的过去的一次判定结果中的表示与一次判定结果相同的判断结果的过去的一次判定结果的数量小于规定值的情况下,保留二次判定。过去的一次判定结果的规定数量为2以上的整数N,规定值为N/2以上且N以下的值。
在上述的步骤S111中,判定部137在判定为表示与所取得的意愿判定结果相同的判定结果的过去的意愿判定结果的数量为规定值以上的情况下(步骤S111,“是”),将所取得的意愿判定结果作为二次判定结果向行动计划生成部140输出(步骤S113)。这样,判定部137采用持续性高的意愿判定结果作为二次判定结果。接着,行动计划生成部140基于由识别部130输出的二次判定结果,判定是否需要对本车辆M的行为控制进行变更(步骤S115),行动计划生成部140在判定为需要对本车辆M的行为控制进行变更的情况下,进行行为控制的变更(步骤S117)。
另一方面,判定部137在上述的步骤S109中判定为所取得的可信度小于第二阈值的情况下(步骤S109,“是”),或者在上述的步骤111中判定为表示与所取得的意愿判定结果相同的判定结果的过去的意愿判定结果的数量不为规定值以上的情况下(步骤S111,“否”),不采用所取得的意愿判定结果,保留二次判定,将表示不能进行二次判定的信息(例如,未知(Unknown)信号)向行动计划生成部140输出(步骤S119)。在该情况下,判定部137可以将由意愿判定部133输出的意愿判定结果和可信度向行动计划生成部140输出。
接着,行动计划生成部140基于由识别部130输出的未知信号进行错误控制(步骤S121)。例如,作为错误控制,行动计划生成部140基于从与拍摄到周边图像的相机10不同的检测单元(雷达装置12、LIDAR14等)得到的周边环境信息(其他车辆的方向、速度、加速度等信息)来进行周边环境的判定,判定是否需要对本车辆M的行为控制进行变更。
或者,行动计划生成部140也可以进行维持当前的本车辆M的行驶状态并且待机至下一个二次判定结果的输出的控制处理。或者,作为错误控制,行动计划生成部140也可以进行根据当前的本车辆M的行驶状态而变更为行驶状态的安全侧的控制处理。例如,行动计划生成部140在当前的本车辆M的速度为规定的阈值以上的情况下,也可以进行使速度下降的控制等作为变更为行驶状态的安全方向的控制处理。由此,本流程图的处理结束。
根据以上说明的实施方式,具备:取得部136(取得部),其取得基于本车辆M的第一周边图像而判定的周边环境的一次判定结果和该一次判定结果的可信度;以及判定部137(判定部),其基于可信度与预先设定的阈值的比较结果、以及针对比第一周边图像更早拍摄到的本车辆M的周边图像的过去的一次判定结果这两方,进行针对一次判定结果的二次判定,输出精度比一次判定结果高的二次判定结果,由此,能够通过准确且简单的方法来检测本车辆M的周边环境,抑制周边环境的过检测的发生。另外,通过基于二次判定结果来判定是否需要对本车辆M的行为控制进行变更,能够进行稳定的自动驾驶控制。
上述说明的实施方式能够如以下那样表现。
一种判定装置,其中,
该判定装置具备存储有程序的存储装置和硬件处理器,
通过所述硬件处理器执行所述程序,
取得基于车辆的第一周边图像而判定的周边环境的一次判定结果和所述一次判定结果的可信度,
基于所述可信度与预先设定的阈值的比较结果、以及针对比所述第一周边图像更早拍摄到的所述车辆的周边图像的过去的一次判定结果这两方,进行针对所述一次判定结果的二次判定,输出精度比所述一次判定结果高的二次判定结果。
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 (14)
1.一种判定装置,其中,
所述判定装置具备:
取得部,其取得基于车辆的第一周边图像而判定的周边环境的一次判定结果、和所述一次判定结果的可信度;以及
判定部,其基于所述可信度与预先设定的阈值的比较结果、以及针对比所述第一周边图像更早拍摄到的所述车辆的周边图像的过去的一次判定结果这两方,进行针对所述一次判定结果的二次判定,对精度比所述一次判定结果高的二次判定结果进行输出。
2.根据权利要求1所述的判定装置,其中,
所述阈值包括第一阈值和比所述第一阈值低的第二阈值,
所述判定部在所述可信度大于所述第一阈值的情况下,进行将所述一次判定结果作为所述二次判定结果而输出的第一处理,
在所述可信度小于所述第二阈值的情况下,进行保留所述二次判定的第二处理,
在所述可信度为所述第一阈值以下且所述第二阈值以上的情况下,进行基于所述过去的一次判定结果来判定是否将所述一次判定结果作为所述二次判定结果而采用的第三处理。
3.根据权利要求2所述的判定装置,其中,
所述判定部在所述第三处理中,
在规定数量的所述过去的一次判定结果中的、表示与所述一次判定结果相同的判断结果的所述过去的一次判定结果的数量为规定值以上的情况下,将所述一次判定结果作为所述二次判定结果而输出,
在所述规定数量的所述过去的一次判定结果中的、表示与所述一次判定结果相同的判断结果的所述过去的一次判定结果的数量小于所述规定值的情况下,保留所述二次判定。
4.根据权利要求3所述的判定装置,其中,
所述过去的一次判定结果的所述规定数量为2以上的整数N,
所述规定值为N/2以上且N以下的值。
5.根据权利要求2至4中任一项所述的判定装置,其中,
所述判定部在保留所述二次判定的情况下,输出表示不能进行所述二次判定这一意思的信息。
6.根据权利要求1至5中任一项所述的判定装置,其中,
所述一次判定结果是基于所述第一周边图像所包含的周边车辆的灯体的动作信息的、所述周边车辆的行驶状态的判定结果。
7.根据权利要求6所述的判定装置,其中,
所述灯体包括制动灯和方向指示器中的至少一个。
8.一种车辆控制装置,其中,
所述车辆控制装置具备:
权利要求1至7中任一项所述的判定装置;以及
控制部,其基于从所述判定装置输出的所述二次判定结果,判定是否需要对所述车辆的行为控制进行变更。
9.根据权利要求8所述的车辆控制装置,其中,
所述控制部在基于所述二次判定结果而判定为需要对所述车辆的行为控制进行变更的情况下,进行所述车辆的行为控制的变更。
10.根据权利要求8或9所述的车辆控制装置,其中,
所述控制部在基于所述二次判定结果而判定为不需要对所述车辆的行为控制进行变更的情况下,不进行所述车辆的行为控制的变更。
11.根据权利要求8至10中任一项所述的车辆控制装置,其中,
在由所述判定部保留了所述二次判定的情况下,所述控制部基于通过与拍摄到所述第一周边图像的相机不同的检测单元而取得的周边环境信息,判定是否需要对所述车辆的行为控制进行变更。
12.根据权利要求8至11中任一项所述的车辆控制装置,其中,
所述控制部判定是否需要对所述车辆的速度控制、加速控制、转向控制以及停止控制中的至少一个控制进行变更。
13.一种判定方法,其中,
搭载于车辆的计算机执行如下处理:
取得基于所述车辆的第一周边图像而判定的周边环境的一次判定结果和所述一次判定结果的可信度,
基于所述可信度与预先设定的阈值的比较结果、以及针对比所述第一周边图像更早拍摄到的所述车辆的周边图像的过去的一次判定结果这两方,进行针对所述一次判定结果的二次判定,对精度比所述一次判定结果高的二次判定结果进行输出。
14.一种存储介质,其中,
所述存储介质存储有程序,该程序使搭载于车辆的计算机执行如下处理:
取得基于所述车辆的第一周边图像而判定的周边环境的一次判定结果和所述一次判定结果的可信度,
基于所述可信度与预先设定的阈值的比较结果、以及针对比所述第一周边图像更早拍摄到的所述车辆的周边图像的过去的一次判定结果这两方,进行针对所述一次判定结果的二次判定,对精度比所述一次判定结果高的二次判定结果进行输出。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021025556A JP7286691B2 (ja) | 2021-02-19 | 2021-02-19 | 判定装置、車両制御装置、判定方法、およびプログラム |
JP2021-025556 | 2021-02-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114954509A true CN114954509A (zh) | 2022-08-30 |
Family
ID=82900387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210121734.XA Pending CN114954509A (zh) | 2021-02-19 | 2022-02-09 | 判定装置、车辆控制装置、判定方法以及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US12084082B2 (zh) |
JP (1) | JP7286691B2 (zh) |
CN (1) | CN114954509A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11620522B2 (en) * | 2019-12-31 | 2023-04-04 | Magna Electronics Inc. | Vehicular system for testing performance of headlamp detection systems |
KR20220013203A (ko) * | 2020-07-24 | 2022-02-04 | 현대모비스 주식회사 | 차량의 차선 유지 보조 시스템 및 이를 이용한 차선 유지 방법 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10111136A (ja) * | 1996-10-04 | 1998-04-28 | Toyota Motor Corp | 車両姿勢検出装置 |
JP3598720B2 (ja) * | 1997-03-28 | 2004-12-08 | トヨタ自動車株式会社 | 車両の操舵制御装置 |
JP2006199242A (ja) | 2005-01-24 | 2006-08-03 | Toyota Motor Corp | 車両の挙動制御装置 |
JP4969359B2 (ja) | 2007-07-31 | 2012-07-04 | ダイハツ工業株式会社 | 移動物認識装置 |
JP5136314B2 (ja) | 2008-09-16 | 2013-02-06 | トヨタ自動車株式会社 | 車線認識装置 |
JP5664152B2 (ja) | 2009-12-25 | 2015-02-04 | 株式会社リコー | 撮像装置、車載用撮像システム及び物体識別装置 |
JP5786753B2 (ja) | 2012-02-15 | 2015-09-30 | 株式会社デンソー | 車両用装置、及び車両用システム |
JP2014006885A (ja) | 2012-05-31 | 2014-01-16 | Ricoh Co Ltd | 段差認識装置、段差認識方法及び段差認識用プログラム |
EP3026880B1 (en) * | 2014-11-25 | 2018-09-12 | Application Solutions (Electronics and Vision) Ltd. | Damage recognition assist system |
US11494514B1 (en) * | 2018-02-20 | 2022-11-08 | PRIVACY4CARS, Inc. | Data privacy and security in vehicles |
US11157648B1 (en) * | 2018-02-20 | 2021-10-26 | PRIVACY4CARS, Inc. | Data privacy and security in vehicles |
KR102584501B1 (ko) * | 2018-10-05 | 2023-10-04 | 삼성전자주식회사 | 자율 주행 장치의 객체 인식 방법 및 자율 주행 장치 |
JP7361466B2 (ja) * | 2018-11-21 | 2023-10-16 | 本田技研工業株式会社 | 評価方法、およびプログラム |
KR102506879B1 (ko) * | 2018-11-23 | 2023-03-08 | 현대자동차주식회사 | 차량의 자율주행 제어 장치 및 방법 |
US10789844B1 (en) * | 2019-05-07 | 2020-09-29 | Visteon Global Technologies, Inc. | System and method for automated parking availability search including vehicle characteristics |
US11235734B2 (en) * | 2020-02-07 | 2022-02-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | Proximity based vehicle security system |
-
2021
- 2021-02-19 JP JP2021025556A patent/JP7286691B2/ja active Active
-
2022
- 2022-02-09 CN CN202210121734.XA patent/CN114954509A/zh active Pending
- 2022-02-09 US US17/667,589 patent/US12084082B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US12084082B2 (en) | 2024-09-10 |
US20220266855A1 (en) | 2022-08-25 |
JP2022127413A (ja) | 2022-08-31 |
JP7286691B2 (ja) | 2023-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111771234B (zh) | 车辆控制系统、车辆控制方法及存储介质 | |
CN110341704B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN110001641B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
JP2019128612A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN110217231B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN111731256B (zh) | 驾驶支援装置、驾驶支援方法及存储介质 | |
CN112124311A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN112208532A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN110949376A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN114954509A (zh) | 判定装置、车辆控制装置、判定方法以及存储介质 | |
CN112462751A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN114506316B (zh) | 车辆控制装置、车辆控制方法以及存储介质 | |
CN111731281A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN115214711A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN115140082A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN113525378B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN110194153B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US20220292848A1 (en) | Object recognition device, object recognition method, and storage medium | |
US20220289025A1 (en) | Mobile object control device, mobile object control method, and storage medium | |
CN115195750A (zh) | 控制装置、控制方法及存储介质 | |
CN113899307A (zh) | 处理装置、处理方法及存储介质 | |
CN113511220B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US20240300524A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
US12024171B2 (en) | Moving object control device, moving object control method, and storage medium | |
CN112298171B (zh) | 车辆控制装置、车辆控制方法及存储介质 |
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 |