DE102013113572A1 - Dynamische Sicherheitsabschirmungen für Situationsbewertung und Entscheidungsfindung bei Kollisionsvermeidungsaufgaben - Google Patents

Dynamische Sicherheitsabschirmungen für Situationsbewertung und Entscheidungsfindung bei Kollisionsvermeidungsaufgaben Download PDF

Info

Publication number
DE102013113572A1
DE102013113572A1 DE102013113572.2A DE102013113572A DE102013113572A1 DE 102013113572 A1 DE102013113572 A1 DE 102013113572A1 DE 102013113572 A DE102013113572 A DE 102013113572A DE 102013113572 A1 DE102013113572 A1 DE 102013113572A1
Authority
DE
Germany
Prior art keywords
vehicle
ego vehicle
grid
detected object
defining
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
DE102013113572.2A
Other languages
English (en)
Other versions
DE102013113572B4 (de
Inventor
Armin BIESS
Ido ZELMAN
Mario Jodorkovsky
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of DE102013113572A1 publication Critical patent/DE102013113572A1/de
Application granted granted Critical
Publication of DE102013113572B4 publication Critical patent/DE102013113572B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W30/00Purposes 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095Predicting travel path or likelihood of collision
    • B60W30/0956Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/161Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163Decentralised systems, e.g. inter-vehicle communication involving continuous checking

Abstract

Ein System und ein Verfahren, die an einem Ego-Fahrzeug zum Bewerten von potentiellen Gefahren in einem Fahrzeugkollisionsvermeidungssystem und/oder zum Planen von sicherheitszulässigen Fahrzeugbahnen für die Fahrzeugwegplanung vorgesehen sind. Das Verfahren umfasst das Detektieren von Objekten in einer vorbestimmten Umgebung um das Ego-Fahrzeug und das Bestimmen der relativen Geschwindigkeit oder eines anderen Maßes zwischen jedem detektierten Objekt und dem Ego-Fahrzeug. Das Verfahren definiert eine virtuelle dynamische Sicherheitsabschirmung um jedes detektierte Objekt, die eine Form, Größe und Orientierung aufweist, die durch vorbestimmte Eigenschaften in Bezug auf den aktuellen Zustand oder Verkehr um das Ego-Fahrzeug bestimmt sind. Das Verfahren definiert auch ein Handlungsraster um das Ego-Fahrzeug. Das Verfahren bewertet das Gefahrenniveau einer potentiellen Kollision zwischen jedem detektierten Objekt auf der Basis dessen, wie die Abschirmung für dieses Objekt und das Handlungsraster in Wechselwirkung treten. Die Wechselwirkung zwischen den Abschirmungen und dem Raster induziert Handlungen, die auf das Unterdrücken von Kollisionen gezielt sind, und ermöglicht eine Bahnplanung.

Description

  • HINTERGRUND DER ERFINDUNG
  • Gebiet der Erfindung
  • Diese Erfindung bezieht sich im Allgemeinen auf ein System und ein Verfahren zum Bewerten des Potentials für eine Kollision in einem Fahrzeug-Kollisionsvermeidungssystem und/oder zum Planen von sicherheitszulässigen Fahrzeugbahnen für die Fahrzeugwegplanung und insbesondere auf ein System und ein Verfahren zum Bewerten des Potentials für eine Kollision in einem Fahrzeug-Kollisionsvermeidungssystem und/oder zum Planen von sicherheitszulässigen Fahrzeugbahnen für die Fahrzeugwegplanung, die ganzheitliche Techniken verwendet, einschließlich des Definierens von virtuellen dynamischen Sicherheitsabschirmungen um Objekte in der Nähe eines Ego-Fahrzeugs und des Bestimmens, ob irgendeine dieser Abschirmungen mit einem Handlungsraster in Wechselwirkung tritt, das um das Ego-Fahrzeug definiert wird.
  • Erörterung des Standes der Technik
  • Fahrzeuge werden autonomer oder kognitiver, mit dem Ziel, dass sie ein vollständig autonom gefahrenes Fahrzeug sind, d. h. Fahrzeuge, die eine Fahrsteuerung mit minimalem oder keinem Fahrereingriff bereitstellen können. Adaptive Tempomatsysteme waren für eine Anzahl von Jahren verfügbar, wobei das System nicht nur eine eingestellte Geschwindigkeit aufrechterhält, sondern auch das Fahrzeug automatisch verlangsamt, falls ein langsamer fahrendes Fahrzeug vor dem betreffenden Fahrzeug detektiert wird. Fahrzeugsteuersysteme existieren derzeit, die autonomes Einparken umfassen, wobei das Fahrzeug automatisch die Lenksteuerung zum Einparken des Fahrzeugs vorsieht. Steuersysteme existieren auch, die eingreifen können, wenn der Fahrer scharfe Lenkänderungen durchführt, die sich auf die Fahrzeugstabilität und Fahrspurzentrierfähigkeiten auswirken können, wobei das Fahrzeugsystem versucht, das Fahrzeug nahe der Mitte der Fahrspur zu halten. Zukünftige Fahrzeuge verwenden wahrscheinlich autonome Systeme für den Spurwechsel, das Überholen, das Ausscheren aus dem Verkehr, das Einbiegen in den Verkehr, das Einfädeln in den Verkehr, das Durchfahren durch oder Abbiegen an Kreuzungen usw. Da diese Systeme in der Fahrzeugtechnologie verbreiteter werden, ist es erforderlich zu bestimmen, was die Rolle des Fahrers in Kombination mit diesen Systemen beim Steuern der Fahrzeuggeschwindigkeit, bei der Lenkung und beim Aufheben des autonomen Systems sein wird.
  • Da die Fahrzeugtechnologie zu kognitiveren Fahrzeugen tendiert, werden diese Fahrzeuge besser mit Algorithmen und Intelligenz ausgestattet, die ermöglicht, dass das Fahrzeug viele Sicherheits- und Komfortfunktionen durchführt. Da sich Sensoren und Algorithmen weiterentwickeln, nimmt die Menge an Daten, die zur Verarbeitung zur Verfügung stehen, zu und Algorithmen können entwickelt werden, um aktuelle Daten und historische Daten zu verwenden, um Entscheidungen hinsichtlich sicheren Manövern in vorgeplanten Bahnen und bei der Fahrzeugkollisionsvermeidung zu treffen. Das letztliche Ziel für solche kognitiven Fahrzeuge wäre ein Fahrzeug, das zum Betrieb und zur Entscheidungsfindung derart in der Lage ist, als ob es von einem Menschen gefahren werden würde.
  • Ein Teil der für die Fahrzeugfahrerautonomie erforderlichen Technologie ist die Fähigkeit, dass Fahrzeuge miteinander kommunizieren. Aktive Sicherheits- und Fahrerunterstützungssysteme auf der Basis von Fahrzeug-Ad-hoc-Netzen (VANET) wie z. B. ein zweckgebundenes Kurzstreckenkommunikationssystem (DSRC-System), die dem Fachmann auf dem Gebiet bekannt sind, ermöglichen, dass ein Fahrzeug Nachrichten zu andren Fahrzeugen in einem speziellen Gebiet mit Warnmeldungen über gefährliche Straßenbedingungen, Fahrereignisse, Unfälle usw. überträgt. In diesen Systemen werden entweder direkte Rundsendekommunikationen oder Multihop-Geocast-Leitweglenkungsprotokolle, die dem Fachmann auf dem Gebiet bekannt sind, üblicherweise verwendet, um Warnmeldungen zu übertragen, d. h. Meldungen zu Fahrzeugen zu liefern, die sich innerhalb der direkten Kommunikationsreichweite befinden oder sich innerhalb einiger Kilometer von der Straßenbedingung befinden. Mit anderen Worten, eine anfängliche Nachricht, die Fahrer über eine potentielle gefährliche Bedingung benachrichtigt, wird von Fahrzeug zu Fahrzeug entweder in direkter Rundsendeweise oder unter Verwendung eines Geocast-Leitweglenkungsprotokolls übertragen, so dass Fahrzeuge innerhalb der gewünschten Anwendungsreichweite die interessierenden Nachrichten empfangen.
  • Die Kommunikationssysteme, auf die vorstehend Bezug genommen wurde, umfassen Fahrzeug-Fahrzeug-(V2V) und Fahrzeug-Infrastruktur-(V21)Anwendungen, die ein Minimum von einer Entität zum Senden von Informationen zu einer anderen Entität erfordern. Viele Fahrzeug-Fahrzeug-Sicherheitsanwendungen können beispielsweise an einem Fahrzeug durch einfach Empfangen von Rundsendenachrichten von einem oder mehreren benachbarten Fahrzeugen ausgeführt werden. Diese Nachrichten sind nicht an irgendein spezifisches Fahrzeug gerichtet, sondern sollen mit einer Fahrzeugpopulation geteilt werden, um die Sicherheitsanwendung zu unterstützen. Bei diesen Typen von Anwendungen, bei denen eine Kollisionsvermeidung erwünscht ist, können, wenn zwei oder mehr Fahrzeuge miteinander sprechen und eine Kollision wahrscheinlich wird, die Fahrzeugsysteme die Fahrzeugfahrer warnen oder möglicherweise für den Fahrer tätig werden, wie z. B. Anwenden der Bremsen. Ebenso können Fahrbahninfrastrukturkomponenten wie z. B. Verkehrssteuereinheiten die Informationsrundsendungen beobachten oder anderweitig den Fahrzeugverkehr erfassen und eine Fahrerwarnung bereitstellen, wenn eine detektierte Gefahr besteht (z. B. wenn sich ein Fahrzeug einer Kurve mit einer unsicheren Geschwindigkeit nähert oder ein kreuzendes Fahrzeug vorhanden ist, das eine rote Ampelphase missachtet).
  • Die Fahrzeugfahrsteuerautonomie ist nur so gut wie die Fähigkeit von Sensoren am Fahrzeug, Objekte um das Fahrzeug zuverlässig zu detektieren und zu verfolgen. Viele moderne Fahrzeuge umfassen Objektdetektionssensoren, die verwendet werden, um eine Kollisionswarnung oder -vermeidung und andere aktive Sicherheitsanwendungen zu ermöglichen. Die Objektdetektionssensoren können irgendeine von einer Anzahl von Erfassungstechnologien wie z. B. Kurzstreckenradar, Kameras mit Bildverarbeitung, Laser oder LiDAR, Ultraschall usw. verwenden. Die Objektdetektionssensoren detektieren Fahrzeuge und andere Objekte im Weg eines betreffenden Fahrzeugs und die Anwendungssoftware verwendet die Objektdetektionsinformationen, um dementsprechend Warnungen vorzusehen oder Maßnahmen zu ergreifen. In vielen Fahrzeugen sind die Objektdetektionssensoren direkt in die Vorderseite oder eine andere Frontblende des Fahrzeugs integriert.
  • Derzeitige Fahrzeugspurerfassungssysteme verwenden typischerweise Sichtsysteme, um die Fahrzeugfahrspur zu erfassen und das Fahrzeug in der Fahrspurmitte zu fahren. Viele von diesen bekannten Fahrspurerfassungssystemen detektieren Fahrspurmarkierungen auf der Straße für verschiedene Anwendungen wie z. B. Spurabweichungswarnung (LDW), Fahrspurhalten (LK), Fahrspurzentrierung (LC) usw. und haben typischerweise eine einzelne Kamera entweder an der Vorderseite oder Rückseite des Fahrzeugs verwendet, um die Bilder bereitzustellen, die verwendet werden, um die Fahrspurmarkierungen zu detektieren.
  • ZUSAMMENFASSUNG DER ERFINDUNG
  • Gemäß den Lehren der vorliegenden Erfindung werden ein System und ein Verfahren, die an einem Ego-Fahrzeug bereitgestellt sind, zum Bewerten von potentiellen Gefahren und Entscheiden über erforderliche Handlungen zum Vermeiden von Kollisionen in einem Fahrzeugkollisionsvermeidungssystem und/oder zum Planen von sicherheitszulässigen Fahrzeugbahnen für die Fahrzeugwegplanung offenbart. Das Verfahren umfasst das Detektieren von Objekten in einer vorbestimmten Umgebung um das Ego-Fahrzeug und das Bestimmen der relativen Geschwindigkeit oder eines anderen Maßes zwischen jedem detektierten Objekt und dem Ego-Fahrzeug. Das Verfahren definiert eine virtuelle dynamische Sicherheitsabschirmung um jedes detektierte Objekt, die eine Form, Größe und Orientierung aufweist, die durch vorbestimmte Eigenschaften in Bezug auf den aktuellen Zustand des Verkehrs um das Ego-Fahrzeug bestimmt werden. Das Verfahren definiert auch ein Handlungsraster um das Ego-Fahrzeug. Das Verfahren bewertet das Gefahrenniveau einer potentiellen Kollision zwischen jedem detektierten Objekt auf der Basis dessen, wie die Abschirmung für dieses Objekt und das Handlungsraster in Wechselwirkung treten. Die Wechselwirkung zwischen den Abschirmungen und dem Raster induziert Handlungen, die auf das Unterdrücken von Kollisionen gezielt sind, und ermöglicht eine Bahnplanung.
  • Zusätzliche Merkmale der vorliegenden Erfindung werden aus der folgenden Beschreibung und den beigefügten Ansprüchen in Verbindung mit den begleitenden Zeichnungen ersichtlich.
  • KURZBESCHREIBUNG DER ZEICHNUNGEN
  • 1 ist eine einfache Darstellung eines Fahrzeugs mit einer Anzahl von Modulen zum Bewerten von potentiellen Gefahren um das Fahrzeug;
  • 2 ist eine Darstellung einer Fahrbahn, die ein Ego-Fahrzeug, das von einem Handlungsraster umgeben ist, und andere Fahrzeuge, die von dynamischen Sicherheitsabschirmungen umgeben sind, zeigt;
  • 3 ist ein diskretisiertes Raster eines Abschnitts der in 2 gezeigten Fahrbahn, das eine Situationsbewertung und potentielle Gefahren darstellt;
  • 4 ist eine Darstellung des in 3 gezeigten Rasters mit Straßengewichten;
  • 5 ist eine Darstellung des in 3 gezeigten Rasters mit Handlungsgewichten; und
  • 6 ist eine Darstellung des in 3 gezeigten Rasters mit kombinierten Straßengewichten und Handlungsgewichten.
  • AUSFÜHRLICHE BESCHREIBUNG DER AUSFÜHRUNGSFORMEN
  • Die folgende Erörterung der Ausführungsformen der Erfindung, die auf ein System und ein Verfahren zum Vorsehen von Gefahrenbewertung und Handlungen zum Vermeiden von Kollisionen in einem Kollisionsvermeidungssystem und zum Planen von sicherheitszulässigen Bahnen gerichtet ist, ist dem Wesen nach lediglich beispielhaft und soll die Erfindung oder ihre Anwendungen oder Verwendungen keineswegs begrenzen.
  • 1 ist eine einfache Darstellung eines Fahrzeugs 10, das mit einer Anordnung von Sensoren ausgestattet ist, die im Allgemeinen im Kasten 12 dargestellt ist. Der Kasten 12 soll alle der Sensoren darstellen, die am Fahrzeug 10 vorgesehen sind, einschließlich Kameras, LiDAR, Radar, Ultraschall usw., in irgendeiner geeigneten Konfiguration, zusammengestellten Kombination und Position für eine spezielle Anwendung konsistent mit der Erörterung hier, ohne jedoch darauf begrenzt zu sein. Das Fahrzeug 10 umfasst auch ein Kommunikationssystem 14 wie z. B. das vorstehend erwähnte DSRC-System, das ermöglicht, dass das Fahrzeug 10 mit anderen ähnlich ausgestatteten Fahrzeugen um das Fahrzeug 10 kommuniziert. Andere Fahrzeuge können beispielsweise von Fahrzeugen zu empfangende Informationen rundsenden, wie z. B. Hindernisse in der Straße, Positions- und Geschwindigkeitsdaten usw. Die von den Sensoren 12 empfangenen Daten und die vom System 14 empfangenen Kommunikationssignale werden zu einem Sinneswahrnehmungsmodul 16 geliefert, das die Daten verarbeitet und Sensordatenvereinigung, Objektdetektion, Objektverfolgung usw. bereitstellt. Der Fachmann auf dem Gebiet erkennt leicht Prozessoren und Algorithmen, die Daten, Bilder und Informationen von verschiedenen Typen von Sensoren und andere Signale verarbeiten und diese Informationen kombinieren, um Objekte zu detektieren und zu überwachen, die sowohl stationär sind als auch sich um das Fahrzeug 10 bewegen.
  • Die verarbeiteten Informationen vom Modul 16 werden zu einem Situationsbewertungsmodul 18 geliefert, das die Daten verwendet, um potentielle Kollisionsgefahren, die um das Fahrzeug 10 bestehen können, wenn es fährt, zur Kollisionsvermeidung und für aktive Sicherheitszwecke zu identifizieren. Es wird angemerkt, dass, obwohl die Kollisionsvermeidung eine der Fähigkeiten des hier erörterten Systems ist, andere Anwendungen auch bereitgestellt werden können, wie z. B. Fahrzeugwegplanung. Das System kann beispielsweise verwendet werden, um erforderliche optimale Handlungen zu unternehmen, wenn eine potentielle Gefahr detektiert wird, und kann auch bestimmen, welche Fahrzeugrouten zu nehmen sind, und alternative Routen vorschlagen.
  • Wie nachstehend im Einzelnen erörtert wird, schafft das Situationsbewertungsmodul 18 ganzheitliche Methoden und eine Analyse zum Bewerten der potentiellen Gefahren, wenn die Daten, die diese Gefahren betreffen, durch die Sensoren 12 und/oder das Kommunikationssystem 14 kontinuierlich empfangen und aktualisiert werden. Die bewerteten Informationen der potentiellen Gefahren vom Situationsbewertungsmodul 18 werden zu einem Verhaltensentscheidungsmodul 20 gesendet, das die Daten hinsichtlich der Bewegung und Position der potentiellen Gefahren um das Fahrzeug 10 und der Bewegung und Position des Fahrzeugs 10 verwendet, um festzustellen, ob Korrekturen an der Geschwindigkeit und Richtung des Fahrzeugs 10 durchgeführt werden müssen, um eine potentielle Kollision zu vermeiden. Diese Informationen werden zu einem Bewegungsplanungsmodul 22 gesendet, das bestimmt, welche diese Korrekturen an der Geschwindigkeit und Position des Fahrzeugs 10 für die Kollisionsvermeidung sein müssen, und diese Steuerung wird in einem Steuermodul 24 implementiert, um eine Fahrzeuglenkungs-, Drosselklappen- und/oder Bremssteuerung vorzusehen. Das Bewegungsplanungsmodul 22 kann auch Kurz- und Langzeitbahnen konstruieren, um zu ermöglichen, dass das Fahrzeug 10 sicher an vorbestimmten Zielen ankommt. Das Steuermodul 24 kann Warnungen und Empfehlungen für den Fahrzeugfahrer in Abhängigkeit von der Ernsthaftigkeit der potentiellen Gefahr für eine Kollision liefern, wie z. B. auf einer Anzeige 26, oder kann automatisch Geschwindigkeits- und Positionsänderungen des Fahrzeugs 10 unabhängig vom Fahrzeugfahrer durchführen. Jedes der Module 16, 18, 20, 22 und 24 umfasst die Prozessoren, Algorithmen und Schaltungen, die zum Durchführen des hier erörterten Betriebs erforderlich sind.
  • 2 ist eine Darstellung einer Fahrbahn 30 mit drei Fahrspuren 32, 34 und 36. Ein Ego-Fahrzeug 38 fährt innerhalb der mittleren Fahrspur 34 und ist das hier erörterte Fahrzeug, das mit den Modulen und Algorithmen ausgestattet ist, die erforderlich sind, um Daten hinsichtlich anderen Objekten in der Nähe des Fahrzeugs 38 zu empfangen, wie z. B. andere Fahrzeuge, Fußgänger, Fahrräder, Objekte usw., sowohl sich bewegende Objekte als auch stationäre Objekte, die eine potentielle Kollisionsgefahr mit dem Fahrzeug 38 darstellen können. Wenn sich das Ego-Fahrzeug 38 bewegt und sich die anderen Objekte um das Fahrzeug 38 bewegen, besteht eine sich kontinuierlich und dynamisch ändernde Wechselwirkung zwischen diesen Objekten.
  • Das Situationsbewertungsmodul 18 weist ein Handlungsraster 40 um das Ego-Fahrzeug 38 zu, das eine Anzahl von individuellen Zellen 42 umfasst. Die Größe des Rasters 40, die Größe der Zellen 42, die Anzahl der Zellen 42, die Form des Rasters 40 usw. sind alle insofern anpassbar und anwendungsspezifisch, als das Raster 40 sich in Abhängigkeit vom Ort des Fahrzeugs 38 ändern kann, d. h. Stadtfahren, Landfahren, Staufahren, Typ der Fahrbahn usw., die Geschwindigkeit des Fahrzeugs 38, die Position des Fahrzeugs 38, der Typ des Fahrzeugs 38 usw. Es wird angemerkt, dass die Auflösung des Rasters 40 anpassbar ist, beispielsweise kann jede der Fahrspuren 32, 34 und 36 drei der Zellen 42 umfassen, um auf die rechte, mittlere und linke Position in der speziellen Fahrspur Bezug zu nehmen. Ferner hängen die Größe und Auflösung des Rasters 40 vom Umfang und Detail ab, in dem die Bewertung und Bahnplanung erforderlich ist oder erwünscht sein kann. In dieser nicht begrenzenden Ausführungsform weist das Raster 40 einundzwanzig der Zellen 42 auf, wobei drei der Zellen 42 sich über die ganze Fahrbahn 30 erstrecken. In einer Ausführungsform wird die Größe der Zellen 42 im Raster 40 auf einen vorab festgelegten Wert gesetzt. Innerhalb eines Abtastzeitintervalls kann das Fahrzeug 38 in Abhängigkeit vom gegenwärtigen Gefahrenniveau entweder in der Mitte des Rasters 40 bleiben (Nullschritt) oder einen Übergang zu einer der benachbarten Zellen 42 im Raster 40 durchführen (endlicher Schritt). Der gesamte Übergang des Fahrzeugs 38 nach einem Abtastzeitintervall wird dann durch die Vektorsumme der Geschwindigkeit des Fahrzeugs 38 in Bezug auf die Fahrbahn 30 und den zusätzlichen (null oder endlichen) Schritt, der am Raster 40 durchgeführt wird, multipliziert mit dem Abtastzeitintervall erhalten. Nach jedem Abtastzeitintervall wird die Mitte des Rasters 40 zur neuen Position des Fahrzeugs 38 bewegt, um einen neuen Gefahrenbewertungszyklus zu starten.
  • Jedem statischen oder dynamischen Objekt, das vom Ego-Fahrzeug 38 unter Verwendung der Sensoren 12 und/oder des Kommunikationssystems 14 innerhalb einer vorbestimmten Reichweite detektiert wird, wird eine virtuelle dynamische Sicherheitsabschirmung (DSS) zugewiesen, wobei die DSS Informationen über das Objekt als potentielle Gefahr für das Ego-Fahrzeug 38 codiert. Es wird angemerkt, dass die Detektion eines Objekts und das Zuweisen einer Abschirmung zu diesem Objekt insofern eine ganzheitliche Methode ist, als der Typ von Objekt nicht spezifisch identifiziert wird, sondern nur, dass das Objekt existiert und eine Kollisionsgefahr für das Ego-Fahrzeug 38 darstellen kann. Es wird jedoch ferner angemerkt, dass, wenn der Typ von Objekt bekannt ist, dann diese Informationen verwendet werden könnten, um die Gefahr zu bewerten, wie z. B. Erhöhen der Abschirmungsgröße für einen Fußgänger. In dieser Darstellung fährt ein Fahrzeug 46 in der Fahrspur 32 vor dem Ego-Fahrzeug 38, ein Fahrzeug 48 fährt in der mittleren Fahrspur 36 vor dem Ego-Fahrzeug 38 und ein Fahrzeug 50 fährt in der Fahrspur 36 hinter dem Ego-Fahrzeug 38. Jedes der Fahrzeuge 46, 48 und 50 wird durch das Ego-Fahrzeug 38 detektiert und ihm wird eine DSS 52 zugewiesen. Ferner kann eine DSS 52 dem Ego-Fahrzeug 38 zugewiesen werden, um vorbestimmte Sicherheitsprobleme zu identifizieren, die auf allgemeine Faktoren wie z. B. Straßen- oder Wetterbedingungen bezogen sein können.
  • In dieser Ausführungsform wird jede DSS 52 als ovale Form lediglich für Erläuterungszwecke dargestellt. Die Form, Größe und Orientierung einer speziellen DSS 52 hängen von einem vorbestimmten Maß zwischen dem detektierten Objekt, dem sie zugewiesen wurde, und dem Ego-Fahrzeug 38 ab. Es wird angemerkt, dass die Form der DSS 52 nicht symmetrisch sein muss, und das spezielle Objekt, das detektiert wird, nicht in der Mitte der DSS 52 angeordnet sein muss. Das vorbestimmte Maß ist wahrscheinlich die relative Geschwindigkeit zwischen dem speziellen Objekt und dem Ego-Fahrzeug 38, obwohl andere Maße wie z. B. die Beschleunigung zwischen dem detektierten Objekt und dem Ego-Fahrzeug 38, der Abstand zwischen dem detektierten Objekt und dem Ego-Fahrzeug 38, nicht relative Maße wie z. B. Wetter- und Straßenbedingungen usw. auch verwendet werden können.
  • Es wird angemerkt, dass die Größe der DSS 52 nicht nur von der relativen Kinematik zwischen dem Ego-Fahrzeug 38 und den umgebenden Objekten, sondern auch von der absoluten Kinematik der Objekte in dem speziellen Bereich abhängen kann. Überdies kann die Größe der DSS 52 auch Niveaus von Verständnis- oder Messunsicherheit ähneln. Wenn beispielsweise das Sensorsystem über die Detektion oder die Kinematik eines verdächtigen Objekts nicht sicher ist, kann eine DSS mit größerer Größe diesem Objekt zugewiesen werden, um diese Unsicherheit anzudeuten. Die Größe der DSS 52 kann auch durch Hinweise von Verkehrsteilnehmern beeinflusst werden. Wenn beispielsweise ersichtlich ist, dass ein Fahrzeug, das in einer benachbarten Fahrspur vom Ego-Fahrzeug 38 fährt, beabsichtigt, einen Spurwechsel durchzuführen, kann das System die Größe der DSS 52, die diesem Fahrzeug zugewiesen ist, ändern, um diese Absicht widerzuspiegeln. Ferner kann mehr als ein Maß verwendet werden, wobei jedem Maß seine eigene DSS zugewiesen werden kann, wobei ein spezielles detektiertes Objekt mehrere Abschirmungen umfassen kann. Die Größe der Abschirmung 52 kann gewählt werden, um eine potentielle Zeit (z. B. 2 s) bis zum Zusammenstoß mit dem Objekt zu codieren. Die Größe und Auflösung des Handlungsrasters 40 und die Größe der einem speziellen Objekt zugewiesenen Abschirmung 52 können auch ein abstimmbarer Parameter sein, um dem Fahrer zu ermöglichen, die Wechselwirkung des Ego-Fahrzeugs 38 mit potentiellen Kollisionsgefahren selektiv zu steuern, so dass sie für verschiedene Niveaus von Fahreraggressivität selektiv ist. Es wird angemerkt, dass diese Eigenschaft mehr auf Gewichte bezogen ist, die den Rasterzellen 42 zugewiesen werden, was nachstehend erörtert wird. Da, wie erwähnt, die Detektion der Objekte häufig nicht präzise ist, kann ferner die einem speziellen Objekt zugewiesene DSS 52 auch mit einem Unsicherheitsfaktor codiert werden, der ein gewichteter Wert auf der Basis einer Anzahl von Parametern sein könnte, wie z. B. des geographischen Orts, des Wetters, der Temperatur usw. Da die Position der Abschirmung 52 sich von einer Abtastzeit zur nächsten ändern kann, kann auch ein vorhergesagtes Muster der Bewegung der Abschirmung 52 vorhergesehen werden, um die Entscheidungsfindungsfähigkeit eines potentiellen Kollisionsrisikos mit dem Objekt aufgrund der Fähigkeit, vorherzusagen, wo sich das Objekt in der Zukunft befinden wird, weiter zu verbessern.
  • In einer Ausführungsform nimmt, wenn die relative Geschwindigkeit zwischen einem speziellen Objekt und dem Ego-Fahrzeug 38 zunimmt, so dass das Objekt und das Fahrzeug 38 näher zueinander kommen, die Wahrscheinlichkeit, dass das Objekt eine potentielle Gefahr wird, zu, und die Größe der DSS 52 für dieses spezielle Objekt sollte erhöht werden. Da die Detektion der Objekte und die Zuweisung der Sicherheitsabschirmung zum Objekt auf einem relativen Maß zwischen dem Ego-Fahrzeug 38 und dem Objekt und nicht auf anderen Parametern in der Fahrbahn basieren können, kann eine Konsistenz der Gefahrenvermeidung implementiert werden, wenn mehrere Fahrzeuge, die umeinander fahren, alle dieselbe Implementierung auf der Basis dieser Vorstellung einer relativen Bewegung umfassen.
  • Das Handlungsraster 42 um das Ego-Fahrzeug 38 tritt mit jeder DSS 52 in Wechselwirkung oder überlagert sich mit dieser, wobei diese Wechselwirkung für die Kollisionsvermeidung im Bewertungsmodul 18 bewertet wird. In diesem Beispiel überlappen die DSS 52 für die Fahrzeuge 46, 48 und 50 mit dem Raster 40. Das Situationsbewertungsmodul 18 im Ego-Fahrzeug 38 kann bewirken, dass das Verhaltensentscheidungsmodul 20 aufgrund dieser Wechselwirkung eine Fahrzeughandlung konsistent mit der Erörterung hier einleitet. Mit anderen Worten, wenn die DSS 52, die einem speziellen Objekt zugewiesen ist, in das Handlungsraster 40 eintritt, identifiziert das Situationsbewertungsmodul 18 dies als potentielle Kollisionsgefahr, die verursacht, dass das Entscheidungsmodul 20 Korrekturen für die Fahrzeugposition und -geschwindigkeit berechnet, falls erforderlich, um eine Kollision zu vermeiden. Da die Größe und Form der Abschirmung 52 durch die relative Position und Geschwindigkeit sowohl des Objekts, dem die Abschirmung 52 zugewiesen wurde, als auch des Ego-Fahrzeugs 38 bestimmt sind, legt das Ausmaß der Wechselwirkung zwischen der Abschirmung 52 und dem Handlungsraster 40 das Gefahrenniveau fest. Wenn beispielsweise ein Fahrzeug, das vor dem Ego-Fahrzeug 38 fährt, plötzlich verlangsamt, nimmt die relative Position zwischen diesem Fahrzeug und dem Ego-Fahrzeug 38 schnell ab und die relative Geschwindigkeit zwischen diesem Fahrzeug und dem Ego-Fahrzeug 38 nimmt schnell zu, was verursacht, dass das Situationsbewertungsmodul 18 die Größe der Abschirmung 52 um dieses Fahrzeug vergrößert, was wahrscheinlich verursacht, dass die Abschirmung 52 und das Handlungsraster 40 in Wechselwirkung treten, was dazu führt, dass eine gewisse Handlung unternommen wird, um eine Kollision mit dem Fahrzeug zu vermeiden, wie z. B. Abbremsen oder Spurwechsel.
  • In einer Ausführungsform diskretisiert das Situationsbewertungsmodul 18 das Handlungsraster 40 und die Sicherheitsabschirmungen 52 in einem internen Rastermodell, um die potentiellen Kollisionsgefahren zu bewerten. 3 ist eine Darstellung eines solchen internen Rastermodells 60. In dem Modell 60 sind die Fahrspuren 32, 34 und 36 durch eine Reihe 62 von Zellen 64 dargestellt. Das Ego-Fahrzeug 38 ist durch den Kasten 66 dargestellt und das Handlungsraster 40 ist durch die Grenze 68 dargestellt, die sieben der Zellen 64 entlang der Fahrtrichtung des Fahrzeugs 38 und drei der Zellen 64 in der Querrichtung über die Fahrspuren 32, 34 und 36 abdeckt, wobei der Kasten 66 sich in der Mitte der Grenze 68 befindet. Flächen 70 und 72 im Modell 60 stellen abseits der Fahrbahn dar, und sind dunkel schattiert, um ein hohes Gefahrenniveau des Fahrzeugs 38, das von der Straße abkommt, darzustellen. Die Position der Fahrzeuge 46, 48 und 50 zu einem bestimmten Zeitpunkt ist durch Kästen 74, 76 bzw. 78 dargestellt, und sie sind auch dunkel schattiert, was das Gefahrenniveau des Ego-Fahrzeugs 38 andeutet, das sich in derselben Zelle 64 wie eines der Fahrzeuge 46, 48 und 50 befindet. Die DSS 52 um jedes der Fahrzeuge 46, 48 und 50 ist durch eine Anzahl von Kästen 80 mit verschiedenen Dunkelheitsschattierungen dargestellt, wobei die Kästen dunkler werden, je näher sich der spezielle Kasten 80 zu dem Kasten befindet, der das tatsächliche Fahrzeug darstellt.
  • Das Handlungsraster 40 in 2 und die Grenze 68 in 3 werden für die Situationsbewertung identifiziert, wie vorstehend erörtert. Sie werden auch verwendet, um Entscheidungen durch das Verhaltensentscheidungsmodul 20 vorzusehen und eine Bewegungsplanung im Modul 22 auf der Basis der Risikobewertung, die bestimmt wurde, durchzuführen. Wenn das Verhaltensentscheidungsmodul 20 bestimmt, dass eine bestimmte Handlung unternommen werden sollte, kann das Bewegungsplanungsmodul 22 dann bestimmen, wie das Ego-Fahrzeug 38 von Zelle zu Zelle bewegt wird. Irgendeine geeignete Technik kann verwendet werden, um die durch das Entscheidungsmodul 20 bestimmten Handlungen zu erzeugen. Nicht begrenzende Beispiele umfassen die Verwendung von zellularen Automaten oder Optimierungsprinzipien, die beide dem Fachmann auf dem Gebiet gut bekannt sind. Es wird angemerkt, dass Handlungen den kinematischen und dynamischen Begrenzungen des Ego-Fahrzeugs 38 unterliegen, die die erreichbare Fahrzeugquerbeschleunigung in Abhängigkeit von der Längsgeschwindigkeit und dynamischen Stabilität begrenzen. Andere Begrenzungen können von der Straßenform, lokalen Verkehrsregeln usw. stammen.
  • In der Optimierungsmethode für die Bewegungsplanung wird jeder der Zellen 64 ein Gewicht zugewiesen, wobei je negativer das Gewicht ist, desto höher eine Kostenfunktion dafür ist, dass sich das Ego-Fahrzeug 38 in dieser Zelle zu diesem speziellen Zeitpunkt befindet. In einem Wahrscheinlichkeitsrahmen impliziert das negative Gewicht, dass es weniger wahrscheinlich ist, einen Übergang zu dieser Zelle durchzuführen. 4 ist eine Darstellung eines Rasters 90, das Zellen 92 zeigt, die jede der Zellen 64 in der Grenze 68 darstellen. Straßengewichte, die Gefahren ausdrücken, sind jeder der Zellen 92 auf der Basis des Abschnitts einer Sicherheitsabschirmung gegeben, die in diesen Zellen existieren kann. Insbesondere ist eine Anzahl von Kästen 94 innerhalb einiger der Zellen 92 gezeigt, wobei jeder Kasten 94 einen der Kästen 80 in der Grenze 68 darstellt. Diese Zellen 92, die keinen Kasten 94 umfassen, weisen keine Abschirmung in diesem diskretisierten Abschnitt des Rasters auf. Jeder der Kästen 94, die im Raster 90 dargestellt sind, umfasst einen Zahlenwert, der die Gefahrenkostenfunktion identifiziert, die dafür identifiziert ist, dass sich das Ego-Fahrzeug 38 in dieser speziellen Zelle befindet. Die höchsten negativen Werte in den Kästen 94 stellen die am dunkelsten schattierten Kästen 76 und den wahrgenommenen exakten Ort des Objekts in dieser Abschirmung dar, und stellen folglich die höchste Gefahr dar. Es wird angemerkt, dass dies insofern als nicht begrenzendes Beispiel dient, als dies eine ungefähre Position des Objekts sein kann. Der Wert des Gewichts nimmt innerhalb der Abschirmung 52 ab (wird weniger negativ), wenn der Abstand von der Mitte der Abschirmung 52 zunimmt.
  • 5 ist eine Darstellung eines Rasters 100, die auch Zellen 102 zeigt, die jede der Zellen 64 in der Grenze 68 darstellen. Jeder der Zellen 102 ist ein Gewichtswert zugewiesen, der die für eine potentielle Handlung im nächsten Zeitintervall zu bezahlenden Kosten widerspiegelt. Diese Handlung ändert die zentrierte Position des Ego-Fahrzeugs 38 zur nachfolgenden Abtastzeit in eine andere Zelle innerhalb der Grenze 68 ohne Rücksicht auf andere Objekte, die detektiert werden können. In einem Wahrscheinlichkeitsrahmen sind die Handlungsgewichte äquivalent zu Übergangswahrscheinlichkeiten, dass sich das Ego-Fahrzeug 38 von der Mitte der Zelle zu allen anderen Zellen bewegt. Wie dargestellt, ist der mittleren Zelle des Rasters 100, wo das Ego-Fahrzeug 38 angeordnet ist, eine Nullkostenfunktion zugewiesen, was bedeutet, dass der sicherste Platz für das Ego Fahrzeug 38 sich in dieser Zelle befindet. Die mittlere Zelle stellt die natürliche und optimale Position für das Ego-Fahrzeug 38 gemäß der aktuellen Kinematik des Ego-Fahrzeugs 38 dar, aber ungeachtet der möglichen Hindernisse um das Fahrzeug 38. Je weiter die Zelle von der mittleren Zelle in der Fahrspur des Ego-Fahrzeugs 38 entfernt ist, nimmt die Kostenfunktion zu, d. h. wird negativer, da es im Allgemeinen weniger sicher wird, einen Übergang innerhalb eines Zeitschritts in diese Zelle durchzuführen, was folglich große Beschleunigungen erfordert. Eine weitere Entfernung von der mittleren Zelle in den benachbarten Fahrspuren erhöht ebenso auch das Handlungsgewicht. Das Wechseln von Fahrspuren ist auch mit einer erhöhten Kostenfunktion verbunden.
  • In der Optimierungsmethode werden die Straßengewichte im Raster 90 mit den Handlungsgewichten im Raster 100 kombiniert, um ein Raster 110, das in 6 gezeigt ist, bereitzustellen, aus dem die optimale Position des Ego-Fahrzeugs 38 im nächsten Zeitschritt bestimmt werden kann. Das Raster 110 zeigt auch Zellen 112, die jede der Zellen 64 in der Grenze 68 darstellen. Wie ersichtlich ist, werden die Gewichte der optimalen Position durch Addieren der entsprechenden Straßengewichte und Handlungsgewichte von den Rastern 90 bzw. 100 bestimmt, um die Kosten des Ego-Fahrzeugs 38, das sich von der mittleren Zelle zu einer anderen Zelle in einer Abtastzeitdauer bewegt, zu bewerten. Es wird angemerkt, dass die Gewichte der optimalen Position durch Anwenden einer gewichteten Summe der Straßengewichte und der Handlungsgewichte erreicht werden kann. Die Straßengewichte und die Handlungsgewichte können in Echtzeit angepasst werden, um Änderungen der Verkehrsbedingungen widerzuspiegeln.
  • Alternativ zur Optimierungsmethode, können das Verhaltensentscheidungsmodul 20 und das Bewegungsplanungsmodul 22 unter Verwendung eines zellularen Automaten implementiert werden. Ein zellularer Automat verwendet die folgenden Eingaben: (i) die Zustände der anderen Fahrzeuge, die innerhalb des Handlungsrasters 40 angeordnet sind, wobei die Zustände eine relative Position und eine relative Geschwindigkeit des Massenschwerpunkts sein können, und (ii) die Rasterzellen, die von den DSSs abgedeckt sind. Der zellulare Automat wendet dann einen Satz von vordefinierten Regeln an, um einen neuen Ausgangszustand des Ego-Fahrzeugs 38 zu erzeugen. Das Verhaltensentscheidungsmodul 20 kann beispielsweise bestimmen, dass das Ego-Fahrzeug 38 immer eine Zelle von der DSS 52 jedes Objekts bleiben sollte, und folglich ändert das Ego-Fahrzeug 38 seinen Zustand dementsprechend, um dieses Ziel zu erfüllen.
  • Wie für den Fachmann auf dem Gebiet gut verständlich ist, können sich die mehreren und verschiedenen Schritte und Prozesse, die zum Beschreiben der Erfindung hier erörtert wurden, auf Operationen beziehen, die von einem Computer, einem Prozessor oder einer anderen elektronischen Rechenvorrichtung durchgeführt werden, die Daten unter Verwendung eines elektrischen Phänomens bearbeiten und/oder umformen. Diese Computer und elektronischen Vorrichtungen können verschiedene flüchtige und/oder nichtflüchtige Speicher verwenden, einschließlich eines nichtflüchtigen computerlesbaren Mediums, wobei ein ausführbares Programm mit verschiedenen Code- oder ausführbaren Befehlen darauf gespeichert ist, die vom Computer oder Prozessor durchgeführt werden können, wobei der Speicher und/oder das computerlesbare Medium alle Formen und Typen von Speicher und anderen computerlesbaren Medien umfassen können.
  • Die vorangehende Erörterung offenbart und beschreibt lediglich beispielhafte Ausführungsformen der vorliegenden Erfindung. Ein Fachmann auf dem Gebiet erkennt leicht aus einer solchen Erörterung und aus den begleitenden Zeichnungen und Ansprüchen, dass verschiedene Änderungen, Modifikationen und Variationen darin vorgenommen werden können, ohne vom Gedanken und Schutzbereich der Erfindung, wie in den folgenden Ansprüchen definiert, abzuweichen.

Claims (10)

  1. Verfahren zum Identifizieren von potentiellen Gefahren, wobei das Verfahren umfasst: Detektieren von mehreren Objekten in einer vorbestimmten Umgebung um ein Ego-Fahrzeug; Bestimmen eines vorbestimmten Maßes zwischen jedem detektierten Objekt und dem Ego-Fahrzeug; Definieren einer virtuellen dynamischen Sicherheitsabschirmung um jedes detektierte Objekt mit einer Größe, die durch das Maß zwischen dem Objekt und dem Ego-Fahrzeug bestimmt ist; Definieren eines Handlungsrasters um das Ego-Fahrzeug; und Bewerten einer potentiellen Wechselwirkung zwischen jedem detektierten Objekt und dem Ego-Fahrzeug auf der Basis dessen, ob und wie viel die Abschirmung für dieses Objekt und das Handlungsraster überlappen.
  2. Verfahren nach Anspruch 1, wobei das Detektieren von mehreren Objekten die Verwendung von mehreren Sensoren am Ego-Fahrzeug umfasst.
  3. Verfahren nach Anspruch 1, wobei das Detektieren von mehreren Objekten die Verwendung von Kommunikationssignalen zwischen dem Ego-Fahrzeug und den Objekten umfasst.
  4. Verfahren nach Anspruch 1, wobei das Bestimmen eines vorbestimmten Maßes das Bestimmen einer relativen Geschwindigkeit zwischen jedem detektierten Objekt und dem Ego-Fahrzeug umfasst.
  5. Verfahren nach Anspruch 1, wobei das Bestimmen eines vorbestimmten Maßes das Bestimmen einer relativen Beschleunigung zwischen jedem detektierten Objekt und dem Ego-Fahrzeug umfasst.
  6. Verfahren nach Anspruch 1, wobei das Bestimmen eines vorbestimmten Maßes das Bestimmen eines relativen Abstandes zwischen jedem detektierten Objekt und dem Ego-Fahrzeug umfasst.
  7. Verfahren nach Anspruch 1, wobei das Definieren der Sicherheitsabschirmung das Zuweisen eines Unsicherheitsfaktors zur Sicherheitsabschirmung, der eine Unsicherheit über den Ort des Objekts definiert, umfasst.
  8. Verfahren nach Anspruch 1, wobei das Definieren der Sicherheitsabschirmung das Abstimmen der Sicherheitsabschirmung auf der Basis der Fahreraggressivität umfasst.
  9. Verfahren nach Anspruch 1, wobei das Definieren der Sicherheitsabschirmung das Vorhersehen der Position jedes detektierten Objekts in der Zukunft auf der Basis dessen, wo sich das Objekt in der Vergangenheit befunden hat, umfasst.
  10. Verfahren nach Anspruch 1, wobei das Definieren eines Handlungsrasters das Definieren eines Handlungsrasters mit einer vorbestimmten Anzahl und Größe von Zellen umfasst.
DE102013113572.2A 2013-08-06 2013-12-05 Verfahren zum Identifizieren von potentiellen Gefahren in der Umgebung eines Fahrzeugs Active DE102013113572B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/960,667 2013-08-06
US13/960,667 US9280899B2 (en) 2013-08-06 2013-08-06 Dynamic safety shields for situation assessment and decision making in collision avoidance tasks

Publications (2)

Publication Number Publication Date
DE102013113572A1 true DE102013113572A1 (de) 2015-02-12
DE102013113572B4 DE102013113572B4 (de) 2016-02-18

Family

ID=52388721

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102013113572.2A Active DE102013113572B4 (de) 2013-08-06 2013-12-05 Verfahren zum Identifizieren von potentiellen Gefahren in der Umgebung eines Fahrzeugs

Country Status (3)

Country Link
US (1) US9280899B2 (de)
CN (1) CN104340152B (de)
DE (1) DE102013113572B4 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10564647B2 (en) 2015-09-17 2020-02-18 Volkswagen Ag Method and apparatus for determining a desired trajectory for a vehicle
CN111024088A (zh) * 2019-12-27 2020-04-17 芜湖哈特机器人产业技术研究院有限公司 一种激光叉车路径规划方法
CN114228707A (zh) * 2021-12-22 2022-03-25 广西科技大学 一种无人驾驶车辆的防撞方法及系统
DE102020214347A1 (de) 2020-11-16 2022-05-19 Volkswagen Aktiengesellschaft Bahnplanung eines Fahrzeugs
DE102015223890B4 (de) 2015-08-27 2024-01-25 Hyundai Motor Company Vorrichtung und verfahren zum steuern autonomer navigation

Families Citing this family (74)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2950114B1 (de) * 2014-05-30 2020-03-04 Honda Research Institute Europe GmbH Fahrerassistenzverfahren zum Antreiben eines Fahrzeugs, ein Fahrerassistenzsystem, ein Computersoftwareprogrammprodukt und Fahrzeug
EP3265752B1 (de) * 2015-03-06 2021-09-15 Oceaneering International, Inc. Blasenlogik zur sattelfahrzeugsteuerung
JP6545507B2 (ja) * 2015-03-31 2019-07-17 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
US9959765B2 (en) * 2015-07-20 2018-05-01 Dura Operating Llc System and method for providing alert to a vehicle or an advanced driver assist system based on vehicle dynamics input
US9922565B2 (en) * 2015-07-20 2018-03-20 Dura Operating Llc Sensor fusion of camera and V2V data for vehicles
US10761196B2 (en) 2016-02-18 2020-09-01 Aeye, Inc. Adaptive ladar receiving method
US9933513B2 (en) 2016-02-18 2018-04-03 Aeye, Inc. Method and apparatus for an adaptive ladar receiver
EP3208786B1 (de) * 2016-02-22 2023-06-07 Volvo Car Corporation Verfahren und system zur beurteilung von verkehrslücken zwischen fahrzeugen und zeitinstanzen zur durchführung eines spurwechselmanövers
US9911345B2 (en) * 2016-02-24 2018-03-06 Honeywell International Inc. System and method for detecting misaligned stationary objects
CN105809130B (zh) * 2016-03-08 2020-03-10 武汉大学 一种基于双目深度感知的车辆可行驶区域计算方法
US10720051B2 (en) 2016-03-11 2020-07-21 Nec Corporation Abnormal travel detecting device, abnormal travel detecting method, storage medium storing program for same, and abnormal travel detecting system
US9896096B2 (en) 2016-04-11 2018-02-20 David E. Newman Systems and methods for hazard mitigation
KR101786352B1 (ko) * 2016-05-27 2017-11-15 현대자동차주식회사 우선순위 고려 차선 변경 제어 장치 및 방법
EP3449214B1 (de) 2016-06-10 2021-12-15 Duke University Bewegungsplanung für autonome fahrzeuge und rekonfigurierbare bewegungsplanungsprozessoren
US10579065B2 (en) * 2016-11-23 2020-03-03 Baidu Usa Llc Algorithm and infrastructure for robust and efficient vehicle localization
US11155260B1 (en) * 2016-12-09 2021-10-26 United Services Automobile Association (Usaa) Autonomous vehicle entity vector-based situational awareness scoring matrix
US10351129B2 (en) * 2017-01-13 2019-07-16 Ford Global Technologies, Llc Collision mitigation and avoidance
EP3360747A1 (de) * 2017-02-13 2018-08-15 Autoliv Development AB Verbesserungen an oder im zusammenhang mit fahrerassistenzsystemen
JP6611080B2 (ja) * 2017-02-24 2019-11-27 マツダ株式会社 車両運転支援システム及び方法
US10994729B2 (en) * 2017-03-29 2021-05-04 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling lateral motion of vehicle
CN108715164B (zh) * 2017-04-07 2021-10-01 奥迪股份公司 用于车辆的驾驶辅助设备和方法
DE102017206436A1 (de) * 2017-04-13 2018-10-18 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Erkennung und/oder Verfolgung von Objekten
US10901423B2 (en) 2017-09-01 2021-01-26 International Business Machines Corporation Generating driving behavior models
JP2019053503A (ja) * 2017-09-14 2019-04-04 本田技研工業株式会社 移動体情報取得システム、移動体情報取得方法、プログラム、及び、移動体
CA3075736A1 (en) 2017-09-15 2019-11-14 Aeye, Inc. Intelligent ladar system with low latency motion planning updates
US10157539B1 (en) * 2017-11-01 2018-12-18 Qualcomm Incorporated Techniques and apparatuses for prioritizing vehicle-to-everything (V2X) communication messages based on threat level estimation
US11068545B2 (en) * 2017-11-17 2021-07-20 Battelle Memorial Institute Spatial identification of assets using n-dimensional asset identifiers
US11077756B2 (en) * 2017-11-23 2021-08-03 Intel Corporation Area occupancy determining device
US10509410B2 (en) * 2017-12-06 2019-12-17 Zoox, Inc. External control of an autonomous vehicle
SE1751584A1 (en) * 2017-12-20 2019-06-21 Scania Cv Ab Method and control arrangement in a transportation surveillance system
WO2019139815A1 (en) * 2018-01-12 2019-07-18 Duke University Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects
TWI822729B (zh) 2018-02-06 2023-11-21 美商即時機器人股份有限公司 用於儲存一離散環境於一或多個處理器之一機器人之運動規劃及其改良操作之方法及設備
KR102507115B1 (ko) 2018-02-27 2023-03-07 삼성전자주식회사 차량의 주행 경로를 계획하는 방법 및 이를 위한 장치
US11738457B2 (en) 2018-03-21 2023-08-29 Realtime Robotics, Inc. Motion planning of a robot for various environments and tasks and improved operation of same
US10836346B2 (en) 2018-04-27 2020-11-17 Nio Usa, Inc. Methods and systems for providing a protect occupants mode with an autonomous vehicle
US10569773B2 (en) 2018-05-31 2020-02-25 Nissan North America, Inc. Predicting behaviors of oncoming vehicles
US10564643B2 (en) 2018-05-31 2020-02-18 Nissan North America, Inc. Time-warping for autonomous driving simulation
US10745011B2 (en) 2018-05-31 2020-08-18 Nissan North America, Inc. Predicting yield behaviors
RU2751382C1 (ru) * 2018-05-31 2021-07-13 Ниссан Норт Америка, Инк. Планирование траектории
JP7140849B2 (ja) 2018-05-31 2022-09-21 ニッサン ノース アメリカ,インク 確率的オブジェクト追跡及び予測フレームワーク
DE102018211240A1 (de) * 2018-07-07 2020-01-09 Robert Bosch Gmbh Verfahren zum Klassifizieren einer Relevanz eines Objekts
EP3614223B1 (de) * 2018-08-24 2020-06-17 The Boeing Company Verfahren, system und notsteuerungsvorrichtung zur verkehrsverwaltung von autonomen fahrzeugen in notsituationen
WO2020065524A1 (en) * 2018-09-24 2020-04-02 C.R.F. Societa' Consortile Per Azioni Automotive driver assistance
US10820349B2 (en) 2018-12-20 2020-10-27 Autonomous Roadway Intelligence, Llc Wireless message collision avoidance with high throughput
US10816635B1 (en) 2018-12-20 2020-10-27 Autonomous Roadway Intelligence, Llc Autonomous vehicle localization system
WO2020144170A1 (en) * 2019-01-07 2020-07-16 Zenuity Ab Method for controlling a vehicle
US11155258B2 (en) * 2019-03-25 2021-10-26 GM Global Technology Operations LLC System and method for radar cross traffic tracking and maneuver risk estimation
WO2020247207A1 (en) 2019-06-03 2020-12-10 Realtime Robotics, Inc. Apparatus, methods and articles to facilitate motion planning in environments having dynamic obstacles
KR20200139443A (ko) * 2019-06-04 2020-12-14 주식회사 만도 운전자 보조 시스템 및 그 제어 방법
US10939471B2 (en) 2019-06-13 2021-03-02 David E. Newman Managed transmission of wireless DAT messages
US10820182B1 (en) 2019-06-13 2020-10-27 David E. Newman Wireless protocols for emergency message transmission
US10713950B1 (en) 2019-06-13 2020-07-14 Autonomous Roadway Intelligence, Llc Rapid wireless communication for vehicle collision mitigation
CN112242069B (zh) * 2019-07-17 2021-10-01 华为技术有限公司 一种确定车速的方法和装置
US11292458B2 (en) 2019-07-31 2022-04-05 Toyota Research Institute, Inc. Autonomous vehicle user interface with predicted trajectories
US11292457B2 (en) * 2019-07-31 2022-04-05 Toyota Research Institute, Inc. Autonomous vehicle user interface with predicted trajectories
US11328593B2 (en) 2019-07-31 2022-05-10 Toyota Research Institute, Inc. Autonomous vehicle user interface with predicted trajectories
JP7368025B2 (ja) 2019-08-23 2023-10-24 リアルタイム ロボティクス, インコーポレーテッド 加速度とジャークの制限を維持しながら速度を最適化するロボットの動作計画
TW202146189A (zh) 2020-01-22 2021-12-16 美商即時機器人股份有限公司 於多機器人操作環境中之機器人之建置
US11346959B2 (en) * 2020-02-21 2022-05-31 Qualcomm Incorporated Method and apparatus to determine relative location using GNSS carrier phase
US11480691B2 (en) 2020-02-21 2022-10-25 Qualcomm Incorporated Method and apparatus to determine relative location using GNSS carrier phase
US11708071B2 (en) * 2020-03-30 2023-07-25 Denso Corporation Target-orientated navigation system for a vehicle using a generic navigation system and related method
CN111785023A (zh) * 2020-07-14 2020-10-16 山东派蒙机电技术有限公司 一种车辆碰撞风险预警方法及系统
US11912300B2 (en) * 2020-09-30 2024-02-27 GM Global Technology Operations LLC Behavioral planning in autonomus vehicle
US11206092B1 (en) 2020-11-13 2021-12-21 Ultralogic 5G, Llc Artificial intelligence for predicting 5G network performance
US11297643B1 (en) 2020-12-04 2022-04-05 Ultralogic SG, LLC Temporary QoS elevation for high-priority 5G messages
US11604264B2 (en) 2021-03-26 2023-03-14 Aeye, Inc. Switchable multi-lens Lidar receiver
US11635495B1 (en) 2021-03-26 2023-04-25 Aeye, Inc. Hyper temporal lidar with controllable tilt amplitude for a variable amplitude scan mirror
US11686845B2 (en) 2021-03-26 2023-06-27 Aeye, Inc. Hyper temporal lidar with controllable detection intervals based on regions of interest
US20220308187A1 (en) 2021-03-26 2022-09-29 Aeye, Inc. Hyper Temporal Lidar Using Multiple Matched Filters to Determine Target Retro-Reflectivity
US11493610B2 (en) 2021-03-26 2022-11-08 Aeye, Inc. Hyper temporal lidar with detection-based adaptive shot scheduling
US11630188B1 (en) 2021-03-26 2023-04-18 Aeye, Inc. Hyper temporal lidar with dynamic laser control using safety models
US11486977B2 (en) 2021-03-26 2022-11-01 Aeye, Inc. Hyper temporal lidar with pulse burst scheduling
CN113978457B (zh) * 2021-12-24 2022-05-03 深圳佑驾创新科技有限公司 一种碰撞风险预测方法及装置
CN114464013B (zh) * 2022-04-11 2022-07-12 青岛慧拓智能机器有限公司 多车辆协同避碰方法、装置、系统、存储介质及终端

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10359413A1 (de) * 2003-12-18 2005-07-14 Robert Bosch Gmbh Display-Einrichtung für Kraftfahrzeuge und Verfahren zur Kollisionswarnung
DE102008011228A1 (de) * 2008-02-26 2009-08-27 Robert Bosch Gmbh Verfahren zur Unterstützung eines Nutzers eines Fahrzeugs, Steuereinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs und Fahrzeug mit einer derartigen Steuereinrichtung
DE10326358B9 (de) * 2003-06-04 2013-05-29 Volkswagen Ag Vorrichtung zur Fahrerwarnung und zur Anhaltewegverkürzung

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2799375B2 (ja) 1993-09-30 1998-09-17 本田技研工業株式会社 衝突防止装置
US6393362B1 (en) 2000-03-07 2002-05-21 Modular Mining Systems, Inc. Dynamic safety envelope for autonomous-vehicle collision avoidance system
US6944543B2 (en) 2001-09-21 2005-09-13 Ford Global Technologies Llc Integrated collision prediction and safety systems control for improved vehicle safety
US8364366B2 (en) * 2005-06-24 2013-01-29 Deere & Company System and method for providing a safety zone associated with a vehicle
JP4416020B2 (ja) * 2007-08-03 2010-02-17 トヨタ自動車株式会社 走行計画生成装置
US9424468B2 (en) * 2010-09-08 2016-08-23 Toyota Jidosha Kabushiki Kaisha Moving object prediction device, hypothetical movable object prediction device, program, moving object prediction method and hypothetical movable object prediction method
DE102011115223A1 (de) * 2011-09-24 2013-03-28 Audi Ag Verfahren zum Betrieb eines Sicherheitssystems eines Kraftfahrzeugs und Kraftfahrzeug

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10326358B9 (de) * 2003-06-04 2013-05-29 Volkswagen Ag Vorrichtung zur Fahrerwarnung und zur Anhaltewegverkürzung
DE10359413A1 (de) * 2003-12-18 2005-07-14 Robert Bosch Gmbh Display-Einrichtung für Kraftfahrzeuge und Verfahren zur Kollisionswarnung
DE102008011228A1 (de) * 2008-02-26 2009-08-27 Robert Bosch Gmbh Verfahren zur Unterstützung eines Nutzers eines Fahrzeugs, Steuereinrichtung für ein Fahrerassistenzsystem eines Fahrzeugs und Fahrzeug mit einer derartigen Steuereinrichtung

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015223890B4 (de) 2015-08-27 2024-01-25 Hyundai Motor Company Vorrichtung und verfahren zum steuern autonomer navigation
US10564647B2 (en) 2015-09-17 2020-02-18 Volkswagen Ag Method and apparatus for determining a desired trajectory for a vehicle
CN111024088A (zh) * 2019-12-27 2020-04-17 芜湖哈特机器人产业技术研究院有限公司 一种激光叉车路径规划方法
CN111024088B (zh) * 2019-12-27 2023-04-07 芜湖哈特机器人产业技术研究院有限公司 一种激光叉车路径规划方法
DE102020214347A1 (de) 2020-11-16 2022-05-19 Volkswagen Aktiengesellschaft Bahnplanung eines Fahrzeugs
CN114228707A (zh) * 2021-12-22 2022-03-25 广西科技大学 一种无人驾驶车辆的防撞方法及系统
CN114228707B (zh) * 2021-12-22 2023-04-25 广西科技大学 一种无人驾驶车辆的防撞方法及系统

Also Published As

Publication number Publication date
CN104340152A (zh) 2015-02-11
CN104340152B (zh) 2017-11-07
DE102013113572B4 (de) 2016-02-18
US20150046078A1 (en) 2015-02-12
US9280899B2 (en) 2016-03-08

Similar Documents

Publication Publication Date Title
DE102013113572B4 (de) Verfahren zum Identifizieren von potentiellen Gefahren in der Umgebung eines Fahrzeugs
DE112020004336T5 (de) Proaktives Fahrzeugsicherheitssystem
DE112020001649T5 (de) Autonomes fahrzeugsystem
DE102020121865A1 (de) Potenzielle-kollision-warnsystem basierend auf verkehrsteilnehmerabsichtsvorhersage
DE102020100078A1 (de) Verbessern des autonomen fahrens mit empfehlung eines entfernten betrachters
DE112019000279T5 (de) Steuern autonomer fahrzeuge anhand sicherer ankunftszeiten
DE102020110458A1 (de) Fahrzeugpfadvorhersage
DE102019205607A1 (de) Systeme und Verfahren für vorausschauenden Spurwechsel
DE112019000065T5 (de) Sicherheitsprozeduranalyse zur hindernisvermeidung in einem autonomen fahrzeug
DE102016123878A1 (de) Fahrzeugblinksignaldetektion
DE102020129456A1 (de) Trajektorienvorhersage aus einer vorberechneten oder dynamisch generierten bank von trajektorien
DE102017100013A1 (de) Bestimmen der fahrerabsicht an strassenverkehrskreuzungen zum vermeiden der kollision von automobilen
DE102017100029A1 (de) Vorhersage einer fahrerabsicht an einer kreuzung
DE112019004554T5 (de) System und verfahren zur warnung vor vorhergesagten fahrzeugvorfällen und zum ausweichen
DE102018001968B9 (de) Verfahren und System zur Priorisierung von Ausweichmanövern bei der Steuerung eines Fahrzeugs
US9964952B1 (en) Adaptive vehicle motion control system
DE112021005104T5 (de) Systeme und verfahren zum evaluieren von domänenspezifischen fähigkeiten eines navigationssystems
DE102021133742A1 (de) Planung einer trajektorie eines autonomen fahrzeugs mit dynamischem zustand
DE102020128155A1 (de) Bedingte bewegungsvorhersagen
EP3024709B1 (de) Effizientes bereitstellen von belegungsinformationen für das umfeld eines fahrzeugs
DE112022002353T5 (de) Verfahren und Systeme zur Trajektorienerzeugung für ein autonomes Fahrzeug beim Überfahren einer Kreuzung
DE112022003364T5 (de) Komplementäres steuersystem für ein autonomes fahrzeug
EP3975154A1 (de) Verfahren, computerprogramm und vorrichtung zum bereitstellen von gefahreninformationen
DE102021205243A1 (de) Künstliche verfälschung von sensordaten zum auslösen einer sicherheitsmassnahme für ein autonomes fahrzeug
DE102020129802A1 (de) Fahrzeugbetriebskennzeichnung

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final