DE102023120603A1 - Verfahren, Vorrichtung, und System zum Fahren durch Erfassen von Objekten um ein Fahrzeug herum - Google Patents

Verfahren, Vorrichtung, und System zum Fahren durch Erfassen von Objekten um ein Fahrzeug herum Download PDF

Info

Publication number
DE102023120603A1
DE102023120603A1 DE102023120603.6A DE102023120603A DE102023120603A1 DE 102023120603 A1 DE102023120603 A1 DE 102023120603A1 DE 102023120603 A DE102023120603 A DE 102023120603A DE 102023120603 A1 DE102023120603 A1 DE 102023120603A1
Authority
DE
Germany
Prior art keywords
vehicle
past
time
distribution
positions
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
Application number
DE102023120603.6A
Other languages
English (en)
Inventor
Kyu Hwan Yeon
Ha Young Kim
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.)
42Dot Inc
Original Assignee
42Dot Inc
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
Priority claimed from KR1020220123725A external-priority patent/KR20240018997A/ko
Priority claimed from KR1020220124595A external-priority patent/KR20240044955A/ko
Application filed by 42Dot Inc filed Critical 42Dot Inc
Publication of DE102023120603A1 publication Critical patent/DE102023120603A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0965—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages responding to signals from another vehicle, e.g. emergency vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

Ein Verfahren gemäß einer Ausführungsform der vorliegenden Offenbarung offenbart ein Verfahren zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge. Das Verfahren umfasst: Empfangen, durch einen Server, der Bewegungsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge in einer Referenzposition eines in der Vergangenheit gefahrenen Fahrzeugs; Erhalten, durch einen Server aus den Bewegungsinformationen, erster Zustandsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem ersten Zeitpunkt - der erste Zeitpunkt entspricht einem vergangen Zeitpunkt vor dem Referenzzeitpunkt; Erhalten, durch einen Server aus den Bewegungsinformationen, der Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem zweiten Zeitpunkt, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist; und probabilistisches Berechnen, durch einen Server, einer Verteilung der Bewegungspositionen anhand einer Clustering-Technik, wobei die Verteilung der Bewegungspositionen zum Vorhersagen einer zukünftigen Trajektorie für das aktuelle Zielfahrzeug verwendet wird.

Description

  • [Technisches Gebiet]
  • Die vorliegende Offenbarung betrifft ein Verfahren, eine Vorrichtung, und ein System zum Fahren durch Erfassen eines Objekts um ein Fahrzeug herum.
  • [Stand der Technik]
  • Aufgrund der Konvergenz von Informations- und Kommunikationstechnologie und der Fahrzeugindustrie schreitet die Smartisierung von Fahrzeugen rasant voran. Durch die Smartisierung entwickeln sich Fahrzeuge von einfachen mechanischen Vorrichtungen zu intelligenten Autos, und insbesondere das autonome Fahren rückt als Kerntechnologie intelligenter Autos in den Fokus der Aufmerksamkeit. Autonomes Fahren ist eine Technologie, die es einem Fahrzeug ermöglicht, sein Ziel selbstständig zu erreichen, ohne dass der Fahrer das Lenkrad, das Gaspedal oder die Bremse manipuliert.
  • Verschiedene Zusatzfunktionen im Zusammenhang mit dem autonomen Fahren werden kontinuierlich weiterentwickelt und es besteht weiterhin Bedarf an Forschung, wie sowohl Passagieren als auch Fußgängern ein sicheres autonomes Fahrerlebnis geboten werden kann, indem das Fahrzeug durch Erkennen und Bestimmen der Fahrumgebung anhand verschiedener Daten gesteuert wird
  • Insbesondere müssen autonome Fahrzeuge möglicherweise zukünftige Trajektorien oder Bewegungen umliegender Fahrzeuge vorhersagen, um einen sicheren Betrieb zu gewährleisten. Dementsprechend besteht Bedarf an einer Erfindung für ein Verfahren zur Vorhersage der Trajektorie umliegender Fahrzeuge.
  • Darüber hinaus besteht jedoch Bedarf an Informationen, mit denen sich die Bewegung umliegender Fahrzeuge vorhersagen lässt.
  • Bei dem vorstehenden Stand der Technik handelt es sich um technische Informationen, die der Erfinder für die Ableitung der vorliegenden Erfindung besaß oder die er während des Ableitungsprozesses der vorliegenden Erfindung erworben hat, und es kann nicht notwendigerweise gesagt werden, dass es sich um bekannte Technik handelt, die der breiten Öffentlichkeit vor der Einreichung der vorliegenden Erfindung offengelegt wurde.
  • [Beschreibung der Erfindung]
  • [Technische Aufgabe]
  • Einige Ausführungsformen gemäß der vorliegenden Offenbarung sollen ein Verfahren, eine Vorrichtung und ein System zum Fahren durch Erfassen von Objekten um das Fahrzeug bereitstellen. Das durch die vorliegende Erfindung zu lösende Aufgabe ist nicht auf die oben genannten Aufgaben beschränkt, und andere Aufgaben und Vorteile der vorliegenden Erfindung, die nicht erwähnt werden, können durch die folgende Beschreibung verstanden werden und durch die Ausführungsformen der vorliegenden Erfindung klarer verstanden werden. Darüber hinaus versteht es sich, dass die durch die vorliegende Erfindung zu lösenden Aufgaben und Vorteile durch die in den Ansprüchen angegebenen Mittel und Kombinationen realisiert werden können.
  • [Mittel zur Lösung der Aufgabe]
  • Als technisches Mittel zur Lösung der oben beschriebenen technischen Aufgabe kann ein erster Aspekt der vorliegenden Offenbarung in Bezug auf Verfahren zum Vorhersagen einer zukünftigen Trajektorie und zum probabilistischen Berechnen einer Verteilung von Zielpositionen unter Verwendung von vergangenheitsbezogene Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegenden Fahrzeuge bereitstellen, wobei das Verfahren umfasst: Empfangen, durch einen Server, der Bewegungsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge in der Referenzposition eines in der Vergangenheit gefahrenen Fahrzeugs; Erhalten, durch einen Server aus den Bewegungsinformationen, von ersten Zustandsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem ersten Zeitpunkt - der erste Zeitpunkt entspricht einem vergangenen Zeitpunkt vor einem Referenzzeitpunkt; Erhalten, durch einen Server aus den Bewegungsinformationen, von Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem zweiten Zeitpunkt, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist; und Probabilistisches Berechnen, durch einen Server, einer Verteilung der Bewegungspositionen unter Verwendung einer Clustering-Technik, wobei die Verteilung der Bewegungspositionen zum Vorhersagen einer zukünftigen Trajektorie für das aktuelle Zielfahrzeug verwendet wird.
  • Hier kann die vorliegende Offenbarung ferner Empfangen von zweiten Zustandsinformationen über das aktuelle Zielfahrzeug an der Referenzposition und zum Referenzzeitpunkt und Auswählen einer Verteilung von Bewegungspositionen, die mit den zweiten Zustandsinformationen über das aktuelle Zielfahrzeug übereinstimmen, aus den Verteilungen der Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge umfassen.
  • Hier kann die ausgewählte Verteilung der Bewegungspositionen verwendet werden, um eine Verteilung der Zielpositionen für das aktuelle Zielfahrzeug zu einem dritten Zeitpunkt abzuschätzen - der dritte Zeitpunkt entspricht einem zukünftigen Zeitpunkt, nachdem die bestimmte Zeit seit dem Referenzzeitpunkt verstrichen ist - und die Verteilung der Zielpositionen kann verwendet werden, um die zukünftige Trajektorie des aktuellen Zielfahrzeugs vorherzusagen.
  • Dabei können die ersten Zustandsinformationen über die in der Vergangenheit umliegenden Fahrzeugen und die zweiten Zustandsinformationen über das aktuelle Zielfahrzeug einen Positionswert und einen Geschwindigkeitswert des Fahrzeugs umfassen.
  • Hier kann das Auswählen der Verteilung der Bewegungsposition, die mit den zweiten Zustandsinformationen übereinstimmen, umfassen: Empfangen des Positionswerts und des Geschwindigkeitswerts des aktuellen Zielfahrzeugs; Extrahieren eines Positionswerts des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge, die innerhalb eines bestimmten Bereichs des Positionswerts liegen, aus den ersten Zustandsinformationen; Auswählen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge mit einem Geschwindigkeitswert, die innerhalb eines bestimmten Bereichs von dem Geschwindigkeitswert liegt, aus einem oder mehreren in der Vergangenheit umliegenden Fahrzeugen mit dem Positionswert; und Auswählen einer Verteilung der Bewegungspositionen des einen oder der mehreren ausgewählten in der Vergangenheit umliegenden Fahrzeuge zum zweiten Zeitpunkt.
  • Hierbei kann es sich bei der Bewegungsposition um eine Position handeln, die durch mindestens eines von einer Straße, auf der das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge am zweiten Zeitpunkt fuhren, und einer in der Straße enthaltenen Fahrspur angegeben wird.
  • Hier kann das probabilistische Berechnen der Verteilung der Bewegungspositionen umfassen: Erzeugen eines oder mehrerer Clusters für die Bewegungspositionen unter Verwendung einer Clustering-Technik; Annähern jeweiliges Clusters an eine Gaußsche Verteilung; und Erhalten einer Gaußschen Mischungsverteilung für die Bewegungspositionen durch Anwenden eines Gaußschen Mischungsmodells (GMM) auf den einen oder die mehreren Clusters, die der Gaußschen Verteilung angenähert wurden.
  • Hier kann die Clustering-Technik eine DBSCAN-Technik (Dichtebasierte räumliche Clusteranalyse mit Rauschen) sein.
  • Ein zweiter Aspekt der vorliegenden Offenbarung kann einen Server zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge bereitstellen, wobei der Server umfasst: einen Speicher, in dem mindestens ein Programm gespeichert ist; und mindestens einen Prozessor, der das mindestens eine Programm ausführt, wobei der mindestens eine Prozessor die Bewegungsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge an einer Referenzposition des in der Vergangenheit gefahrenen Fahrzeugs empfängt, aus den Bewegungsinformationen erste Zustandsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem ersten Zeitpunkt - der erste Zeitpunkt entspricht einem vergangenen Zeitpunkt vor dem Referenzzeitpunkt - erhält, aus den Bewegungsinformationen die Bewegungsinformationen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem zweiten Zeitpunkt, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist, erhält, und eine Verteilung der Bewegungspositionen mithilfe einer Clustering-Technik probabilistisch berechnet, wobei die Verteilung der Bewegungspositionen zum Vorhersagen einer zukünftigen Trajektorie für das aktuelle Zielfahrzeug verwendet wird.
  • Ein dritter Aspekt der vorliegenden Offenbarung kann ein System zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge bereitstellen, wobei das System umfasst: eine Vorrichtung in einem in der Vergangenheit gefahrenen Fahrzeug, die die Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge in einer Referenzposition des in der Vergangenheit gefahrenen Fahrzeugs erhält, einen Server, der mithilfe der Bewegungsinformationen eine Verteilung von Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge probabilistisch berechnet, und eine Vorrichtung in einem aktuell fahrenden Fahrzeug, die mithilfe der Verteilung der Bewegungspositionen eine zukünftige Trajektorie des aktuellen Zielfahrzeugs vorhersagt, wobei die Vorrichtung im aktuell fahrenden Fahrzeug zweite Zustandsinformationen über das aktuelle Zielfahrzeug an der Referenzposition und zum Referenzzeitpunkt erhält, eine Verteilung der Bewegungspositionen für die in der Vergangenheit umliegenden Fahrzeuge, die mit den zweiten Zustandsinformationen über das aktuelle Zielfahrzeug übereinstimmen, vom Server empfängt, unter Verwendung der Verteilung der Bewegungspositionen eine Verteilung von Zielpositionen für das aktuelle Zielfahrzeug zu einem dritten Zeitpunkt - der dritte Zeitpunkt entspricht einem zukünftigen Zeitpunkt, nachdem eine bestimmte Zeit seit dem Referenzzeitpunkt verstrichen ist - schätzt, und unter Verwendung der Verteilung der Zielpositionen eine zukünftige Trajektorie für das aktuelle Zielfahrzeug vorhersagt.
  • Hier kann die Vorrichtung im aktuell fahrenden Fahrzeug eine Gaußsche Mischungsverteilung für die Zielpositionen erhalten und einen Durchschnittspunkt der Gaußschen Mischungsverteilung und eine Wahrscheinlichkeit für jeweilige in der Gaußschen Mischungsverteilung enthaltene Clusters umfassen.
  • Ein vierter Aspekt der vorliegenden Offenbarung kann ein Verfahren zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs bereitstellen, das plant, nach rechts abzubiegen, um in eine Hauptstraße einzumünden, wobei das Verfahren umfasst: Erhalten einer Kollisionsfahrspur, die sich mit einer Fahrstrecke des autonomen Fahrzeugs überschneiden kann, unter den in der Hauptstraße enthaltenen Fahrspuren; Klassifizieren eines oder mehrerer Kandidatenfahrzeuge, die mit dem autonomen Fahrzeug kollidieren könnten, unter den auf der Kollisionsfahrspur fahrenden Fahrzeugen; Vorhersagen, ob das Kandidatenfahrzeug innerhalb einer bestimmten Zeit einen bereits festgelegten Kollisionsbereich belegt, durch Vorhersagen einer Fahrstrecke des Kandidatenfahrzeugs; und Bestimmen eines Verhaltens des autonomen Fahrzeugs, das plant, nach rechts abzubiegen, basierend auf dem Vorhersageergebnis der Belegung und dem aktuellen Fahrzustand des autonomen Fahrzeugs.
  • Hier kann das Verfahren ferner das Festlegen des Kollisionsbereichs basierend auf der Fahrstrecke des autonomen Fahrzeugs und der Kollisionsfahrspur umfassen.
  • Hierbei kann das Bestimmen des Verhaltens des autonomen Fahrzeugs umfassen: Wenn der aktuelle Fahrzustand ein erster Zustand ist, in einen verhaltensbestimmenden Bereich innerhalb einer bestimmten Entfernung vom Kollisionsbereich einzutreten, Bestimmen des Verhaltens des autonomen Fahreugs derart, dass das autonome Fahrzeug in dem verhaltensbestimmenden Bereich langsam fährt.
  • Hier kann das Bestimmen des Verhaltens des autonomen Fahrzeugs umfassen: Wenn der aktuelle Fahrzustand der erste Zustand ist und Fußgänger nicht identifiziert sind, Bestimmen des Verhaltens des autonomen Fahreugs derart, dass das autonome Fahrzeug in dem verhaltensbestimmenden Bereich mit einer ersten Schwellengeschwindigkeit oder weniger langsam fährt.
  • Hier kann das Bestimmen des Verhaltens des autonomen Fahrzeugs umfassen: Wenn der aktuelle Fahrzustand der erste Zustand ist und Fußgänger identifiziert werden, Bestimmen des Verhaltens des autonomen Fahreugs derart, dass das autonome Fahrzeug in dem verhaltensbestimmenden Bereich mit einer zweiten Schwellengeschwindigkeit oder weniger langsam fährt, wobei der Wert für die erste Schwellengeschwindigkeit größer sein kann als der Wert für die zweite Schwellengeschwindigkeit.
  • Hier kann das Bestimmen des Verhaltens des autonomen Fahrzeugs umfassen: Wenn der aktuelle Fahrzustand ein zweiter Zustand des langsamen Fahrens in dem verhaltensbestimmenden Bereich ist und das Kandidatenfahrzeug voraussichtlich den Kollisionsbereich belegen wird, Bestimmen des Verhaltens des autonomen Fahreugs derart, dass das autonome Fahrzeug für eine bestimmte Zeit den Kollisionsbereich nicht durchquert, indem es in dem verhaltensbestimmenden Bereich anhält.
  • Hier kann das Bestimmen des Verhaltens des autonomen Fahrzeugs umfassen: Wenn der aktuelle Fahrzustand der zweite Zustand des langsamen Fahrens in dem verhaltensbestimmenden Bereich ist und es vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich nicht belegen wird, Bestimmen des Verhaltens des autonomen Fahreugs derart, dass das autonome Fahrzeug den Kollisionsbereich durchquert, indem es rechts auf die Hauptstraße abbiegt.
  • Hier kann das Bestimmen des Verhaltens des autonomen Fahrzeugs umfassen: Wenn der aktuelle Fahrzustand ein dritter Zustand des Anhaltens in dem verhaltensbestimmenden Bereich ist und es vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich nicht belegen wird, Bestimmen des Verhaltens des autonomen Fahreugs derart, dass das autonome Fahrzeug in dem verhaltensbestimmenden Bereich langsam fährt.
  • Hier kann das Bestimmen des Verhaltens des autonomen Fahrzeugs umfassen: Wenn der aktuelle Fahrzustand der dritte Zustand des Anhaltens in dem verhaltensbestimmenden Bereich ist und es vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich belegen wird, Bestimmen des Verhaltens des autonomen Fahreugs derart, dass das autonome Fahrzeug aufrechterhält, in dem verhaltensbestimmenden Bereich anzuhalten.
  • Ein fünfter Aspekt der vorliegenden Offenbarung kann eine Vorrichtung zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs bereitstellen, das plant, nach rechts abzubiegen, um in eine Hauptstraße einzumünden, wobei die Vorrichtung umfasst: einen Speicher, in dem mindestens ein Programm gespeichert ist, mindestens einen Prozessor, der das mindestens eine Programm ausführt, wobei der mindestens eine Prozessor unter den in der Hauptstraße enthaltenen Fahrspuren eine Kollisionsfahrspur erhält, die sich mit einer Fahrstrecke des autonomen Fahrzeugs überschneiden kann, unter den in der Kollisionsfahrspur fahrenden Fahrzeugen ein oder mehrere Kandidatenfahrzeuge, die mit dem autonomen Fahrzeug kollidieren könnten, klassifiziert, durch Vorhersagen einer Fahrstrecke des Kandidatenfahrzeugs vorhersagt, ob das Kandidatenfahrzeug innerhalb einer bestimmten Zeit einen bereits festgelegten Kollisionsbereich belegt, und ein Verhalten des autonomen Fahrzeugs, das plant, nach rechts abzubiegen, bestimmt, basierend auf dem Vorhersageergebnis der Belegung und dem aktuellen Fahrzustand des autonomen Fahrzeugs.
  • Ein sechster Aspekt der vorliegenden Offenbarung kann ein computerlesbares Aufzeichnungsmedium bereitstellen, auf welchem ein Programm zum Ausführen des Verfahrens gemäß dem ersten Aspekt oder dem vierten Aspekt in einem Computer aufgezeichnet ist.
  • Darüber hinaus können ein weiteres Verfahren zur Implementierung der vorliegenden Erfindung, ein anderes System und ein computerlesbares Aufzeichnungsmedium ferner bereitgestellt werden, auf dem ein Computerprogramm zum Ausführen des Verfahrens gespeichert ist.
  • Neben den oben beschriebenen werden andere Aspekte, Merkmale und Vorteile durch die detaillierte Beschreibung der folgenden Zeichnungen, der Ansprüchen und der Erfindung deutlich.
  • [Wirkungen der Erfindung]
  • Gemäß den oben beschriebenen Aufgabenlösungsmitteln der vorliegenden Offenbarung können Informationen, die zum Vorhersagen einer Trajektorie umliegender Fahrzeuge verwendet werden können, erzeugt werden, indem die Verteilung von Bewegungspositionen unter Verwendung von Bewegungsinformationen in der Vergangenheit umliegender Fahrzeuge probabilistisch berechnet wird.
  • Gemäß den oben beschriebenen Aufgabenlösungsmitteln der vorliegenden Offenbarung kann eine genauere zukünftige Trajektorie umliegender Fahrzeuge vorhergesagt werden, indem die Verteilung der Zielpositionen umliegender Fahrzeuge unter Verwendung der Verteilung der Bewegungspositionen in der Vergangenheit umliegender Fahrzeuge geschätzt wird.
  • Gemäß den oben beschriebenen Aufgabenlösungsmitteln der vorliegenden Offenbarung ist es möglich, durch Beobachten der Bewegungen von Fahrzeugen um das autonome Fahrzeug ein sicheres und effizientes Verhalten für ein autonomes Fahrzeug zu bestimmen, das plant, nach rechts abzubiegen, um in die Hauptstraße einzumünden.
  • [Kurze Beschreibung der Zeichnungen]
    • 1 ist ein Diagramm zur Erläuterung eines Beispiels eines autonomen Fahrsystems gemäß einer Ausführungsform.
    • 2A ist ein Blockdiagramm zur Erläuterung einer internen Konfiguration einer Vorrichtung gemäß einer Ausführungsform.
    • 2B ist ein Blockdiagramm zur Erläuterung einer internen Konfiguration eines Servers gemäß einer Ausführungsform.
    • 3 bis 5 sind Diagramme zur Erläuterung eines autonomen Fahrverfahrens gemäß einer Ausführungsform.
    • 6 ist ein Diagramm zur Erläuterung eines Beispiels mehrerer Objekten, die in Bilddaten gemäß einer Ausführungsform enthalten sind.
    • 7 ist ein Diagramm zur Erläuterung eines Verfahrens zum Empfangen von Bewegungsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge gemäß einer Ausführungsform.
    • 8 ist ein Diagramm zur Erläuterung eines Verfahrens zum Erhalten erster Zustandsinformationen über in der Vergangenheit umliegende Fahrzeuge aus Bewegungsinformationen gemäß einer Ausführungsform.
    • 9 und 10 sind Diagramme zur Erläuterung eines Verfahrens zum Erhalten von Bewegungspositionen in der Vergangenheit umliegender Fahrzeuge aus Bewegungsinformationen gemäß einer Ausführungsform.
    • 11 und 12 sind Diagramme zur Erläuterung eines Verfahrens zum probabilistischen Berechnen einer Verteilung von Bewegungspositionen unter Verwendung einer Clustering-Technik gemäß einer Ausführungsform.
    • 13 ist ein Diagramm zur Erläuterung eines Verfahrens zum Schätzen einer Verteilung von Zielpositionen eines aktuellen Zielfahrzeugs unter Verwendung einer Verteilung von Bewegungspositionen gemäß einer Ausführungsform.
    • 14 ist ein Diagramm zur Erläuterung eines Verfahrens zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung einer Verteilung von Zielpositionen gemäß einer Ausführungsform.
    • 15 ist ein Flussdiagramm eines Verfahrens zum probabilistischen Berechnen einer Verteilung von Bewegungspositionen unter Verwendung von Bewegungsinformationen in der Vergangenheit umliegender Fahrzeuge gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 16 ist ein Flussdiagramm, eines Verfahrens zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung von Bewegungsinformationen in der Vergangenheit umliegender Fahrzeuge gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 17 ist ein Diagramm zur Erläuterung eines Verfahrens zum Erhalten einer Kollisionsfahrspur gemäß einer Ausführungsform der vorliegenden Offenbarung.
    • 18 und 19 sind Diagramme zur Erläuterung eines Verfahrens zum Klassifizieren von Kandidatenfahrzeugen unter Fahrzeugen, die auf einer Kollisionsfahrspur fahren, gemäß einer Ausführungsform der vorliegenden Offenbarung.
    • 20 ist ein Diagramm zur Erläuterung eines Verfahrens zum Vorhersagen, ob ein Kandidatenfahrzeug einen Kollisionsbereich belegt, gemäß einer Ausführungsform der vorliegenden Offenbarung.
    • 21 ist ein Diagramm zur Erläuterung eines Verfahrens zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs in einem verhaltensbestimmenden Bereich gemäß einer Ausführungsform der vorliegenden Offenbarung.
    • 22 ist ein Flussdiagramm eines Verfahrens zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs in einem verhaltensbestimmenden Bereich gemäß einer Ausführungsform der vorliegenden Offenbarung.
    • 23 ist ein Flussdiagramm eines Verfahrens zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • [Beschreibung der Ausführungsformen]
  • Vorteile und Merkmale der vorliegenden Erfindung sowie Verfahren zu deren Verwirklichung werden anhand der detaillierten Beschreibung von Ausführungsformen in Verbindung mit den beigefügten Zeichnungen deutlich. Es sollte jedoch verstanden werden, dass die vorliegende Erfindung nicht auf die unten dargestellten Ausführungsformen beschränkt ist, sondern in einer Vielzahl unterschiedlicher Formen implementiert werden kann und alle Umwandlungen, Äquivalente und Ersatzstoffe umfasst, die im Geist und Umfang der vorliegenden Erfindung enthalten sind. Die unten dargestellten Ausführungsformen werden bereitgestellt, um die Offenbarung der vorliegenden Erfindung zu vervollständigen und um normalen, Kenntnisse besitzenden Fachmann im Technikbereich, zu dem die vorliegende Erfindung gehört, über den Umfang der Erfindung vollständig zu informieren. Wenn bei der Beschreibung der vorliegenden Erfindung festgestellt wird, dass eine detaillierte Beschreibung betreffender bekannter Technologien den Kern der vorliegenden Erfindung verschleiern könnte, wird auf deren detaillierte Beschreibung verzichtet.
  • Die in dieser Anmeldung verwendeten Begriffe werden nur zur Beschreibung spezifischer Ausführungsformen verwendet und damit ist es nicht beabsichtigt, die vorliegende Erfindung einzuschränken. Singularausdrücke schließen Pluralausdrücke ein, es sei denn, dass damit kontextuell eindeutig etwas anderes gemeint ist. In dieser Anmeldung sollen die Begriffe wie „umfassen“ oder „haben“ so verstanden werden, dass sie auf das Präzisieren des Vorhandseins von Merkmalen, Anzahlen, Schritten, Operationen, Komponenten, Teilen oder deren Kombination, die in einer Spezifikation beschrieben werden, hinweisen, und dass sie das mögliche Vorhandensein oder Hinzufügen von einem oder mehreren anderen Merkmalen, Zahlen, Schritten, Operationen, Komponenten, Teilen oder Kombinationen nicht ausschließen.
  • Einige Ausführungsformen der vorliegenden Offenbarung können als funktionale Blockstrukturen und verschiedene Verarbeitungsschritte dargestellt werden. Einige oder alle dieser funktionalen Blöcke können als eine unterschiedliche Anzahl von Hardware- und/oder Softwarekomponenten implementiert werden, die bestimmte Funktionen ausführen. Beispielsweise können funktionale Blöcke der vorliegenden Offenbarung durch einen oder mehrere Mikroprozessoren oder durch Schaltungskomponenten für eine bestimmte Funktion implementiert werden. Außerdem können beispielsweise die funktionalen Blöcke der vorliegenden Offenbarung in verschiedenen Programmier- oder Skriptsprachen implementiert werden. Funktionale Blöcke können als Algorithmus implementiert werden, der auf einem oder mehreren Prozessoren ausgeführt wird. Darüber hinaus kann die vorliegende Offenbarung den Stand der Technik für die Einrichtung elektronischer Umgebungen, die Signalverarbeitung und/oder die Datenverarbeitung nutzen. Begriffe wie „Mechanismus“, „Element“, „Mittel“ und „Komponente“ können im weitesten Sinne verwendet werden, und sind jedoch nicht auf mechanische und physikalische Komponenten beschränkt.
  • Darüber hinaus sind Verbindungsleitungen bzw. Verbindungselemente zwischen den in den Zeichnungen dargestellten Komponenten lediglich Beispiele für funktionale Verbindungen und/oder physikalische bzw. schaltungstechnische Verbindungen. In einer tatsächlichen Vorrichtung können Verbindungen zwischen Komponenten durch verschiedene funktionale Verbindungen, physische Verbindungen oder Schaltkreisverbindungen dargestellt werden, die ersetzt oder hinzugefügt sind.
  • Im Folgenden kann sich „Fahrzeug“ auf alle Arten von Transportmitteln wie Autos, Busse, Motorräder, Kickboards oder Lastwagen beziehen, die zum Transport von Personen oder Gegenständen mit Motoren verwendet werden.
  • Im Folgenden wird die vorliegende Offenbarung unter Bezugnahme auf die beigefügten Zeichnungen ausführlich beschrieben.
  • 1 ist ein Diagramm zur Erläuterung eines Beispiels eines autonomen Fahrsystems gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 1 kann ein System 10 einen Server 20 und eine oder mehrere fahrzeuginterne Vorrichtungen 30 umfassen. Beispielsweise können der Server 20 und die fahrzeuginterne Vorrichtung 30 über ein drahtgebundenes oder drahtloses Kommunikationsverfahren verbunden sein, um Daten (z. B. Bilddaten usw.) miteinander zu übertragen und zu empfangen.
  • Zur Vereinfachung der Beschreibung zeigt 1, dass in dem System 10 der Server 20 und die fahrzeuginterne Vorrichtung 30 enthalten sind, aber es ist nicht darauf beschränkt. Beispielsweise können in dem System 10 andere externe Vorrichtungen (nicht gezeigt) enthalten sein und der Betrieb des Servers 20 und der fahrzeuginternen Vorrichtung 30, der unten beschrieben wird, kann von einer einzigen Vorrichtung (z. B. dem Server 20 bzw. der fahrzeuginternen Vorrichtung 30) oder mehreren Vorrichtungen implementiert werden.
  • Der Server 20 kann eine Vorrichtung sein, die mit einer externen Vorrichtung (nicht gezeigt) einschließlich der fahrzeuginternen Vorrichtung 30 kommuniziert. Beispielsweise kann der Server 20 eine Vorrichtung sein, die verschiedene Daten speichert, einschließlich Bilddaten, die von der fahrzeuginternen Vorrichtung 30 erfasst wurden. Außerdem kann der Server 20 eine Computing-Vorrichtung sein, die einen Speicher und einen Prozessor enthält und über eigene Rechenkapazitäten verfügt. Wenn der Server 20 eine Computing-Vorrichtung ist, kann der Server 20 zumindest einige der unten beschriebenen Betriebe der fahrzeuginternen Vorrichtung 30 ausführen. Beispielweise kann der Server 20 ein Cloud-Server sein, aber es ist nicht darauf beschränkt.
  • Im Übrigen kann die fahrzeuginterne Vorrichtung 30 beispielsweise eine elektronische Vorrichtung sein, die in einem Fahrzeug eingebettet ist. Beispielsweise kann die fahrzeuginterne Vorrichtung 30 eine elektronische Vorrichtung sein, die nach einem Produktionsprozess durch das Tunen in einem Fahrzeug eingebaut wird. Beispielsweise kann die fahrzeuginterne Vorrichtung 30 eine autonome Fahrvorrichtung sein, die an einem autonomen Fahrzeug montiert ist, um ein autonomes Fahrzeug zu implementieren.
  • Als weiteres Beispiel kann die fahrzeuginterne Vorrichtung 30 eine mobile elektronische Vorrichtung sein. Beispielsweise kann die fahrzeuginterne Vorrichtung 30 als Smartphone, Tablet-PC, PC, Smart-TV, persönlicher digitaler Assistent (PDA), Laptop, Mediaplayer, Navigationsgerät, mit einer Kamera ausgestattete Vorrichtung und andere mobile elektronische Vorrichtungen implementiert werden. Darüber hinaus kann die fahrzeuginterne Vorrichtung 30 als tragbare Vorrichtung wie Uhr, Brille, Haarband und Ring mit einer Kommunikations- und Datenverarbeitungsfunktion implementiert werden.
  • 2A ist ein Blockdiagramm zur Erläuterung einer internen Konfiguration einer Vorrichtung gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 2A kann eine fahrzeuginterne Vorrichtung 100 einen Prozessor 110, einen Speicher 120, eine Eingabe-/Ausgabeschnittstelle 130 und ein Kommunikationsmodul 140 umfassen. Zur Vereinfachung der Beschreibung sind in 2A lediglich Komponenten dargestellt, die sich auf die vorliegende Erfindung beziehen. Daher können neben den in 2A dargestellten Komponenten weitere Allzweckkomponenten in der fahrzeuginternen Vorrichtung 100 enthalten sein. Darüber hinaus können der Prozessor 110, der Speicher 120, die Eingabe-/Ausgabeschnittstelle 130 und das Kommunikationsmodul 140, die in 2A dargestellt sind, als unabhängige Vorrichtungen implementiert werden, was für normalen, Kenntnisse besitzenden Fachmann im Technikbereich im Zusammenhang mit der vorliegenden Erfindung offensichtlich ist.
  • Der Prozessor 110 kann Befehle eines Computerprogramms verarbeiten, indem er grundlegende arithmetische, logische und Eingabe-/Ausgabeoperationen durchführt. Hier können die Befehle vom Speicher 120 oder einer externen Vorrichtung (z. B. dem Server 20 usw.) bereitgestellt werden. Außerdem kann der Prozessor 110 den gesamten Betrieb anderer Komponenten steuern, die in der fahrzeuginternen Vorrichtung 100 enthalten sind.
  • Der Prozessor 110 kann als Array aus mehreren Logikgattern oder als Kombination aus einem Allzweck-Mikroprozessor und einem Speicher implementiert werden, in dem ein vom Mikroprozessor ausführbares Programm gespeichert ist. Beispielsweise kann der Prozessor 110 einen Allzweckprozessor, einen Hauptprozessor (CPU), einen Mikroprozessor, einen digitalen Signalprozessor (DSP), einen Kontroller, einen Mikrokontroller und eine Zustandsmaschine umfassen. Unter bestimmten Umständen kann der Prozessor 110 eine anwendungsspezifische integrierte Schaltung (ASIC), eine programmierbare logische Schaltung (PLD) und eine Feld-programmierbare Anordnung logischer Gatter (FPGA) umfassen. Beispielsweise kann der Prozessor 110 auf eine Kombination aus einem digitalen Signalprozessor (DSP) und einem Mikroprozessor, eine Kombination aus mehreren Mikroprozessoren, eine Kombination aus einem oder mehreren mit einem digitalen Signalprozessor (DSP)-Kern gekoppelten Mikroprozessoren oder eine Kombination von Verarbeitungsvorrichtungen wie eine Kombination jeder solchen anderen Konfigurationen hinweisen.
  • Der Speicher 120 kann jedes nichtflüchtige computerlesbare Aufzeichnungsmedium umfassen. Als Beispiel kann der Speicher 120 eine permanente Massenspeichervorrichtung wie einen Direktzugriffsspeicher (RAM), einen Festwertspeicher (ROM), ein Plattenlaufwerk, ein Solid-State-Laufwerk (SSD) und einen Flash-Speicher umfassen. Als weiteres Beispiel kann eine permanente Massenspeichervorrichtung wie ein ROM, ein SSD, ein Flash-Speicher und ein Diskettenlaufwerk eine vom Speicher getrennte permanente Speichervorrichtung sein. Darüber hinaus können in dem Speicher 120 ein Betriebssystem (OS) und mindestens ein Programmcode (z. B. ein Code für den Prozessor 110 zum Ausführen eines Betriebs, der wie unten beschrieben von der fahrzeuginternen Vorrichtung 100 ausgeführt wird) gespeichert werden.
  • Diese Softwarekomponenten können von einem computerlesbaren Aufzeichnungsmedium geladen werden, das vom Speicher 120 getrennt ist. Das von einem solchen separaten computerlesbare Aufzeichnungsmedium kann ein Aufzeichnungsmedium sein, das direkt an die Fahrzeugvorrichtung 100 angeschlossen werden kann, und ein Aufzeichnungsmedium umfassen, das vom Computer gelesen werden kann, wie ein Diskettenlaufwerk, eine Diskette, ein Band, ein DVD-/CD-ROM-Laufwerk und eine Speicherkarte. Außerdem können die Softwarekomponenten über das Kommunikationsmodul 140 statt über ein computerlesbares Aufzeichnungsmedium in den Speicher 120 geladen werden. Das mindestens eine Programm kann beispielsweise im Speicher 120 geladen werden, basierend auf einem Computerprogramm (z. B. ein Code für den Prozessor 110 zum Ausführen eines Betriebs, der wie unten beschrieben von der fahrzeuginternen Vorrichtung 100 ausführt wird), das von Dateien installiert wird, die ein Dateiverteilungssystem über das Kommunikationsmodul 140 bereitstellt, das Installationsdateien von Entwicklern oder Anwendungen verteilt.
  • Die Eingabe-/Ausgabeschnittstelle 130 kann ein Mittel für eine Schnittstelle mit einer Vorrichtung (z. B. Tastatur, Maus usw.) zur Eingabe oder Ausgabe sein, die mit der fahrzeuginternen Vorrichtung 100 verbunden oder in der fahrzeuginternen Vorrichtung 100 enthalten sein kann. In 2A ist die Eingabe-/Ausgabeschnittstelle 130 als ein vom Prozessor 110 getrennt konfiguriertes Element dargestellt, aber es ist jedoch nicht darauf beschränkt, und die Eingabe-/Ausgabeschnittstelle 130 kann so konfiguriert werden, dass sie im Prozessor 110 enthalten ist.
  • Das Kommunikationsmodul 140 kann eine Konfiguration oder Funktion für die Kommunikation zwischen einer externen Vorrichtung (z. B. dem Server 20) und der fahrzeuginternen Vorrichtung 100 über ein Netzwerk bereitstellen. Außerdem kann das Kommunikationsmodul 140 eine Konfiguration oder Funktion für die fahrzeuginterne Vorrichtung 100 bereitstellen, um mit anderen externen Vorrichtungen zu kommunizieren. Beispielsweise können Steuersignale, Befehle und Daten, die unter der Kontrolle des Prozessors 110 bereitgestellt werden, über das Kommunikationsmodul 140 und ein Netzwerk an den Server 20 und/oder eine externe Vorrichtung übertragen werden.
  • Im Übrigen kann die fahrzeuginterne Vorrichtung 100 - in 2A nicht dargestellt - eine Display-Vorrichtung ferner umfassen. Außerdem ist die Fahrzeugvorrichtung 100 durch ein drahtgebundenes oder drahtloses Kommunikationsverfahren mit einer unabhängigen Display-Vorrichtung verbunden, sodass Daten aneinander/voneinander übertragen/empfangen werden.
  • 2B ist ein Blockdiagramm zur Erläuterung einer internen Konfiguration eines Servers gemäß einer Ausführungsform.
  • Bezugnehmend auf 2B umfasst der Server 200 einen Prozessor 210, einen Speicher 220 und ein Kommunikationsmodul 230. Zur Vereinfachung der Beschreibung sind in 2B nur Komponenten dargestellt, die sich auf die vorliegende Erfindung beziehen. Daher können neben den in 2B dargestellten Komponenten weitere Allzweckkomponenten im Server 200 enthalten sein. Darüber hinaus können der Prozessor 210, der Speicher 220 und das Kommunikationsmodul 230, die in 2B dargestellt sind, als unabhängige Vorrichtungen implementiert werden, was für normalen, Kenntnisse besitzenden Fachmann im Technikbereich im Zusammenhang mit der vorliegenden Erfindung offensichtlich ist.
  • Gemäß einer Ausführungsform kann mindestens einer der unten beschriebenen Betriebe des Prozessors 110 der fahrzeuginternen Vorrichtung 100 vom Prozessor 210 des Servers 200 ausgeführt werden. In diesem Fall kann die fahrzeuginterne Vorrichtung 100 vom Server 200 übertragene Informationen über die Display-Vorrichtung ausgeben.
  • Im Übrigen ist ein Implementierungsbeispiel des Prozessors 210 gleich mit dem Implementierungsbeispiel des Prozessors 110, das bezugnehmend auf 2A oben beschrieben wurde, sodass auf deren detaillierte Beschreibung verzichtet wird.
  • Im Speicher 220 können verschiedene Daten gespeichert werden, beispielsweise Bilddaten, die von der fahrzeuginternen Vorrichtung 100 erfasst wurden. Außerdem können ein Betriebssystem (OS) und mindestens ein Programm (z. B. ein Programm, das für den Betrieb des Prozessors 210 erforderlich ist) im Speicher 220 gespeichert werden.
  • Da ein Implementierungsbeispiel des Speichers 220 gleich mit dem Implementierungsbeispiel des Speichers 120 ist, das bezugnehmend auf 2A oben beschrieben wurde, wird auf deren detaillierte Beschreibung verzichtet.
  • Das Kommunikationsmodul 230 kann eine Konfiguration oder Funktion für den Server 200 und eine oder mehrere fahrzeuginterne Vorrichtungen 100 bereitstellen, um über ein Netzwerk miteinander zu kommunizieren. Außerdem kann das Kommunikationsmodul 230 eine Konfiguration oder Funktion für den Server 200 bereitstellen, um mit anderen externen Vorrichtungen zu kommunizieren. Beispielsweise können Steuersignale, Befehle und Daten, die unter der Steuerung des Prozessors 210 bereitgestellt werden, über das Kommunikationsmodul 230 und ein Netzwerk an die fahrzeuginterne Vorrichtung 100 und/oder eine externe Vorrichtung übertragen werden.
  • 3 ist ein Diagramm zur Erläuterung eines autonomen Fahrverfahrens gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 3 kann eine fahrzeuginterne Vorrichtung 30 gemäß einer Ausführungsform der vorliegenden Erfindung an einem Fahrzeug montiert werden, um ein autonomes Fahrzeug 31 zu implementieren. Beispielsweise kann es sich bei der am autonomen Fahrzeug 31 montierten fahrzeuginternen Vorrichtung 30 um eine autonome Fahrvorrichtung handeln. Die am autonomen Fahrzeug 31 montierte autonome Fahrvorrichtung kann verschiedene Sensoren zum Sammeln von Umgebungssituationsinformationen umfassen. Beispielsweise kann die autonome Fahrvorrichtung über einen Bildsensor und/oder einen Ereignissensor, der an der Vorderseite des autonomen Fahrzeugs 310 montiert ist, eine Bewegung eines vorausfahrenden Fahrzeugs 32 erkennen. Die autonome Fahrvorrichtung kann außerdem Sensoren zum Erkennen der Vorderseite des autonomen Fahrzeugs 31, eines anderen fahrenden Fahrzeugs 33, das in einer Seitenstraße fährt, und von Fußgängern um das autonome Fahrzeug 31 umfassen.
  • Mindestens einer der Sensoren zum Sammeln von Situationsinformationen rund um das autonome Fahrzeug kann ein bestimmtes Sichtfeld (Field of View, FoV) haben, wie in 3 dargestellt. Wenn beispielsweise ein an der Vorderseite des autonomen Fahrzeugs 31 montierter Sensor ein Sichtfeld (FoV) hat, wie in 3 dargestellt, können in der Mitte des Sensors erfasste Informationen eine relativ hohe Bedeutung haben. Dies kann daran liegen, dass die meisten Informationen, die der Bewegung des vorausfahrenden Fahrzeugs 32 entsprechen, in den in der Mitte des Sensors erfassten Informationen enthalten sind.
  • Die autonome Fahrvorrichtung kann die Informationen, die von den Sensoren des autonomen Fahrzeugs 31 erfasst wurden, in Echtzeit verarbeiten und die Bewegung des autonomen Fahrzeugs 31 steuern, und kann andererseits mindestens einige der von den Sensoren gesammelten Informationen in einer Speichervorrichtung speichern.
  • 4 ist ein Blockdiagramm für eine in einer fahrzeuginternen Vorrichtung enthaltene Hardware gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 4 kann eine fahrzeuginterne Vorrichtung 40 eine Sensoreinheit 41, einen Prozessor 46, ein Speichersystem 47 und ein Karosseriesteuermodul 48 umfassen. Die Sensoreinheit 41 kann mehrere Sensoren 42-45 umfassen, und die mehreren Sensoren 42-45 können einen Bildsensor, einen Ereignissensor, einen Beleuchtungsstärkesensor, eine GPS-Vorrichtung und einen Beschleunigungssensor umfassen.
  • Von den Sensoren 42-45 erfasste Daten können an den Prozessor 46 weitergeleitet werden. Der Prozessor 46 kann die von den Sensoren 42-45 gesammelten Daten im Speichersystem 47 speichern und das Karosseriesteuermodul 48 basierend auf den von den Sensoren 42-45 gesammelten Daten steuern, um eine Fahrzeugbewegung zu bestimmen. Das Speichersystem 47 kann zwei oder mehrere Speichervorrichtungen und einen Systemkontroller zum Steuern der Speichervorrichtungen umfassen. Jede der Speichervorrichtungen kann als einzelner Halbleiterchip bereitgestellt werden.
  • Neben dem Systemkontroller des Speichersystems 47 kann jede der im Speichersystem 47 enthaltenen Speichervorrichtungen einen Speicherkontroller umfassen, und der Speicherkontroller kann eine Berechnungsschaltung der künstlichen Intelligenz (KI) wie ein neuronales Netzwerk umfassen. Der Speicherkontroller kann Berechnungsdaten erzeugen, indem er den von den Sensoren 42-45 oder dem Prozessor 46 empfangenen Daten eine bestimmte Gewichtung zuweist, und die Berechnungsdaten in einem Speicherchip speichert.
  • 5 ist ein Diagramm für ein Beispiel von Bilddaten, die von einem Sensor (einschließlich einer Kamera) eines autonomen Fahrzeugs erfasst wurden, das mit einer autonomen Fahrvorrichtung montiert ist, gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 5 können die Bilddaten 50 Daten sein, die von einem Sensor erfasst wurden, der an der Vorderseite eines autonomen Fahrzeugs montiert ist. Daher können die Bilddaten 50 den vorderen Teil 51 des autonomen Fahrzeugs, das vorausfahrende Fahrzeug 52 auf derselben Fahrspur wie das autonome Fahrzeug, das fahrende Fahrzeug 53 um das autonome Fahrzeug und den Hintergrund 54 umfassen.
  • In den Bilddaten 50 gemäß der in 5 dargestellten Ausführungsform sind die Daten des Bereichs, in dem der vordere Teil 51 und der Hintergrund 54 des autonomen Fahrzeugs erscheinen, Daten, die kaum die Möglichkeit haben, den Betrieb des autonomen Fahrzeugs zu beeinflussen. Mit anderen Worten: Der vordere Teil 51 und der Hintergrund 54 des autonomen Fahrzeugs können als Daten mit relativ geringer Bedeutung angesehen werden.
  • Andererseits können der Abstand zu dem vorausfahrenden Fahrzeug 52 und die Bewegung des fahrenden Fahrzeugs 53 zum Spurwechsel sehr wichtige Faktoren für den sicheren Betrieb des autonomen Fahrzeugs sein. Dementsprechend können Daten eines Bereichs einschließlich des vorausfahrenden Fahrzeugs 52 und des fahrenden Fahrzeugs 53 in den Bilddaten 50 eine relativ hohe Bedeutung beim Fahren des autonomen Fahrzeugs haben.
  • Eine Speichervorrichtung des autonomen Fahrvorrichtung kann die vom Sensor empfangenen Bilddaten 50 speichern, indem jeweiliger Bereich der Bilddaten 50 unterschiedliche Gewichtungen zugewiesen wird. Beispielsweise können Daten in einem Bereich, der das vorausfahrende Fahrzeug 52 und das fahrende Fahrzeug 53 umfasst, eine hohe Gewichtung erhalten, während Daten in einem Bereich, in dem der vordere Teil 51 des autonomen Fahrzeugs und der Hintergrund 54 erscheinen, eine niedrige Gewichtung erhalten können.
  • 6 ist ein Diagramm zur Erläuterung eines Beispiels mehrerer Objekten, die in Bilddaten gemäß einer Ausführungsform enthalten sind.
  • Mit einer oder mehreren monokularen Kameras gesammelte Bilddaten können verwendet werden, um ein tiefes neuronales Netzwerkmodell für die Tiefenschätzung zu trainieren. Gesammelte Bilddaten können mehrere Objekte umfassen.
  • Die Informationen über Objekte umfassen Objekttypinformationen und Objektattributinformationen. Hier handelt es sich bei den Objekttypinformationen um Indexinformationen, die den Objekttyp angeben, und sie bestehen aus einer Gruppe, bei der es sich um einen großen Bereich handelt, und einer Klasse, bei der es sich um einen detaillierten Bereich handelt. Und die Objektattributinformationen geben Attributinformationen über den aktuellen Zustand des Objekts an und umfassen Bewegungsinformationen, Rotationsinformationen, Verkehrsinformationen, Farbinformationen und Sichtbarkeitsinformationen.
  • In einer Ausführungsform können in den Objekttypinformationen enthaltene Gruppen und Klassen wie in Tabelle 1 unten gezeigt aussehen, aber sie sind nicht darauf beschränkt. [Tabelle 1]
    Gruppe Klasse
    Fläche Straße, Gehweg, Parkplatz, Boden, Fußgängerüberweg
    Mensch Fußgänger, Fahrer
    Fahrzeug Auto, LKW, Bus, Fahrrad, Mobilität
    Bauwerk Gebäude, Mauer, Leitplanke, Tunnel, Zaun, Schallschutzwand, Tankstelle, IC, Mast
    Objekt Pfosten, Verkehrsschild, Ampel, Farbmais
    Natur Vegetation, Gelände, Reisfeld, Feld, Fluss, See
    Leere stationär
    Fahrspur unterbrochene Linie, durchgehende Linie, unterbrochene und durchgehende Linie, durchgehende Doppellinie
    Himmel Himmel
    Tier Hund, Katze, Vogel, usw
  • In den Objektattributinformationen enthaltenen Informationen können außerdem Informationen zu Aktion, Rotation, Verkehrsinformationen, Farbe und Sichtbarkeit umfassen.
  • Aktionsinformationen stellen Bewegungsinformationen eines Objekts dar und können als Stopp, Parken, Bewegung und dergleichen definiert werden. Im Fall eines Fahrzeugs können Stopp, Parken und Bewegung als Objektattributinformationen bestimmt werden, und im Fall eines unbeweglichen Objekts wie einer Ampel kann Stopp, der ein Standardwert ist, als Objektattributinformationen bestimmt werden.
  • Rotationsinformationen stellen Informationen zu Rotation eines Objekts dar und können als vorne, hinten, horizontal, vertikal und seitlich definiert werden. Im Falle eines Fahrzeugs können Objektattributinformationen als vorne, hinten, seitlich bestimmt werden, und Objektattributinformationen für horizontale oder vertikale Ampeln können als horizontal bzw. vertikal bestimmt werden.
  • Verkehrsinformationen sind die Verkehrsinformationen zu einem Objekts und können als Wegschreibungen, Warnhinweise, Regulierungen und Hilfszeichen von Verkehrszeichen definiert werden. Farbeinformationen bezeichnen die Information zu Farben eines Objekts und können die Farbe eines Objekts, die Farbe von Ampeln und Verkehrsschildern ausdrücken.
  • Unter Bezugnahme auf 6 können Objekte, die in gesammelten Bilddaten enthalten sind, eine Ampel, ein Schild, eine aktuelle Fahrspur, Straßenmarkierungen, ein Fußgängerübergang, eine Unebenheit oder eine Kreuzung sein, aber sie sind jedoch darauf beschränkt.
  • Im Übrigen sollte das autonome Fahrzeug, wie oben beschrieben, möglicherweise für einen sicheren Betreib die Bewegung oder Trajektorie des vorausfahrenden Fahrzeugs 51 und des fahrenden Fahrzeugs 53 vorhersagen.
  • Um Bewegungen oder Trajektorien von umliegenden Fahrzeugen um das autonome Fahrzeug vorherzusagen, können früher angesammelte Fahrinformationen und Karteninformationen über das Fahren von umliegenden Fahrzeugen verwendet werden.
  • Nachfolgend wird in 7 ein Verfahren beschrieben, dass unter Verwendung von Bewegungsinformationen eines oder mehrerer umliegender Fahrzeuge eine Verteilung von Zielpositionen für ein aktuelles Zielfahrzeug probabilistisch berechnet und unter Verwendung der Verteilung der Zielpositionen eine Trajektorie für das aktuelle Zielfahrzeug vorhergesagt wird.
  • 7 ist ein Diagramm zur Erläuterung eines Verfahrens zum Empfangen von Bewegungsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 7 kann der Server 20 Bewegungsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge an der Referenzposition des in der Vergangenheit gefahrenen Fahrzeugs empfangen.
  • Ein in der Vergangenheit gefahrenes Fahrzeug 710 kann sich auf ein autonomes Fahrzeug beziehen, das zu einem vergangenen Zeitpunkt auf einer Straße gefahren ist. Wie oben beschrieben kann das in der Vergangenheit gefahrene Fahrzeug 710 mithilfe eines Sensors Bilddaten erhalten, indem es über eine fahrzeuginterne Vorrichtung 20 (z. B. eine autonome Fahrvorrichtung) verfügt.
  • Wie oben beschrieben können die Bilddaten Fahrdaten über in der Umgebung fahrende Fahrzeuge umfassen. Das heißt, die Bilddaten können Bewegungsinformationen über umliegende Fahrzeuge umfassen, basierend auf der Position des autonomen Fahrzeugs. Beispielsweise können die Bilddaten Daten darüber umfassen, wohin sich ein umliegendes Fahrzeug, das zu einem Zeitpunkt vor dem autonomen Fahrzeug fuhr, zu einem anderen Zeitpunkt bewegt hat.
  • Gemäß einer Ausführungsform kann eine Vorrichtung in einem autonomen Fahrzeug Bilddaten erhalten, während es die Fahrt für ein bestimmtes Abschnitt wiederholt. Das heißt, die oben beschriebene Vorrichtung in dem in der Vergangenheit gefahrenen Fahrzeug 710 kann Bilddaten ansammeln und speichern, während sie die Fahrt für ein bestimmtes Abschnitt wiederholt. Die angesammelten Bilddaten können beispielsweise Bewegungsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge umfassen.
  • Gemäß einer Ausführungsform kann der Server von einer Vorrichtung im in der Vergangenheit gefahrenen Fahrzeug Bewegungsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge in einer Referenzposition des in der Vergangenheit gefahrenen Fahrzeugs empfangen.
  • Unter Bezugnahme auf 7 sind Bewegungsinformationen 430 in der Vergangenheit umliegender Fahrzeuge basierend auf der Position des in der Vergangenheit gefahrenen Fahrzeugs 710 dargestellt. Die Bewegungsinformationen 430 können Informationen darüber umfassen, wohin sich vier in der Vergangenheit gefahrene, umliegende Fahrzeuge, die zu einem Zeitpunkt vor dem in der Vergangenheit gefahrenen Fahrzeug 710 fuhren, später bewegt haben.
  • Im Übrigen können die Bewegungsinformationen, wie oben beschrieben, Protokolldaten über Bewegungen der in der Vergangenheit umliegenden Fahrzeuge umfassen. Das heißt, es sich bei den Protokolldaten um Bewegungsinformationen über umliegende Fahrzeuge handeln kann, die wiederholt in einem bestimmten Abschnitt erfasst werden.
  • Gemäß einer Ausführungsform kann der Server die Protokolldaten in einem Raum aufzeichnen, in dem der oben beschriebene spezifische Abschnitt in ein Raster unterteilt ist. Beispielsweise können in einem Raster des Rasterraums Positionswerte oder Geschwindigkeitswerte in der Vergangenheit umliegender Fahrzeuge zu einem bestimmten Zeitpunkt aufgezeichnet werden und in einem anderen Raster des Rasterraums Positionswerte oder Geschwindigkeitswerte der oben beschriebenen in der Vergangenheit umliegenden Fahrzeuge zu einem anderen Zeitpunkt aufgezeichnet werden.
  • Gemäß einer anderen Ausführungsform kann der Server mithilfe von Protokolldaten eine kategoriale Verteilung erhalten. Mithilfe der kategorialen Verteilung ist es beispielsweise statistisch zu wissen, in welche Position sich ein Fahrzeug mit einer bestimmten Geschwindigkeit von einer bestimmten Position mehr oder weniger bewegt.
  • 8 ist ein Diagramm zur Erläuterung eines Verfahrens zum Erhalten erster Zustandsinformationen über in der Vergangenheit umliegende Fahrzeuge aus Bewegungsinformationen, gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 8 kann der Server aus Bewegungsinformationen erste Zustandsinformationen zu einem oder mehreren in der Vergangenheit umliegenden Fahrzeugen zu einem ersten Zeitpunkt erhalten. Dabei kann der erste Zeitpunkt einem vergangenen Zeitpunkt vor dem Referenzzeitpunkt entsprechen. Beispielsweise kann der erste Zeitpunkt einen bestimmten Zeitpunkt in der Vergangenheit oder einen kontinuierlichen Zeitabstand in der Vergangenheit bedeuten.
  • Wie oben beschrieben können die Bewegungsinformationen Informationen in Bezug auf das Fahren der in der Vergangenheit umliegenden Fahrzeuge umfassen, die in der Umgebung des in der Vergangenheit gefahrenen Fahrzeugs gefahren sind. Die fahrbezogenen Informationen können Standorte, Geschwindigkeiten, Fahrspuren, relative Entfernungen und Lenkradrichtungen von umliegenden Fahrzeugen umfassen. Dementsprechend können die ersten Zustandsinformationen die Positionswerte und Geschwindigkeitswerte der in der Vergangenheit umliegenden Fahrzeuge umfassen.
  • Gemäß einer Ausführungsform kann ein Positionswert des in der Vergangenheit umliegenden Fahrzeugs basierend auf einer Position des in der Vergangenheit gefahrenen Fahrzeugs bestimmt werden. Beispielsweise kann der Positionswert des in der Vergangenheit umliegenden Fahrzeugs anhand von Koordinaten bestimmt werden, deren Ursprung die Position des in der Vergangenheit gefahrenen Fahrzeugs ist. Als weiteres Beispiel kann der Positionswert des in der Vergangenheit umliegenden Fahrzeugs als relative Position basierend auf der Position des in der Vergangenheit gefahrenen Fahrzeugs bestimmt werden.
  • Im Übrigen kann der Geschwindigkeitswert des in der Vergangenheit umliegenden Fahrzeugs einen Geschwindigkeitswert zu einem Zeitpunkt bedeuten, zu dem das in der Vergangenheit umliegende Fahrzeug den oben beschriebenen Positionswert hatte.
  • Unter Bezugnahme auf 8 ist das Erhalten der ersten Zustandsinformationen über die in der Vergangenheit umliegenden Fahrzeuge 830 in einer Referenzposition eines in der Vergangenheit gefahrenen Fahrzeugs 810 dargestellt. Dabei erhält der Server Zustandsinformationen über in der Vergangenheit umliegende Fahrzeuge aus den angesammelten Bewegungsinformationen in der Vergangenheit umliegender Fahrzeuge, und in den Bewegungsinformationen können mehrere, in der Vergangenheit umliegende Fahrzeuge mit denselben Zustandsinformationen vorhanden sein. Beispielsweise wird in 8 ein in der Vergangenheit umliegendes Fahrzeug 850 aufgezeichnet, aber Fahrzeuge mit demselben Positionswert und derselben Geschwindigkeitswert können mehrere Fahrzeuge sein. Das heißt, wie oben geschrieben, können mehrere in der Vergangenheit umliegende Fahrzeuge denselben Positionswert und derselben Geschwindigkeitswert zum ersten Zeitpunkt, der zu einem bestimmten Zeitpunkt in der Vergangenheit ist, haben, jedoch zu anderen Zeitpunkten nach dem ersten Zeitpunkt jeweils unterschiedliche Positionswerte und Geschwindigkeitswerte.
  • Nachfolgend werden in 9 und 10 die Bewegungspositionen der mehreren in der Vergangenheit umliegenden Fahrzeuge 850 beschrieben, die denselben Positionswert wie in 8 haben.
  • 9 und 10 sind Diagramme zur Erläuterung eines Verfahrens zum Erhalten von Bewegungspositionen der in der Vergangenheit umliegenden Fahrzeugen aus Bewegungsinformationen gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 9 und 10 kann der Server aus Bewegungsinformationen Bewegungspositionen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge zu einem zweiten Zeitpunkt erhalten, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist. Dabei kann der zweite Zeitpunkt, wie der erste Zeitpunkt, einem vergangenen Zeitpunkt vor dem Referenzzeitpunkt entsprechen.
  • Im Übrigen können die Bewegungsinformationen, wie oben beschrieben, Informationen über das Fahren in der Vergangenheit überliegender Fahrzeuge umfassen, die in der Umgebung des in der Vergangenheit gefahrenen Fahrzeugs gefahren sind, und daher kann der Server aus den Bewegungsinformationen die Informationen darüber erhalten, wohin sich die in der Vergangenheit umliegenden Fahrzeuge bewegt haben.
  • Dabei können die Bewegungsinformationen nicht als die Bewegungsinformationen zu einem bestimmten in der Vergangenheit umliegenden Fahrzeug verstanden werden, sondern als die Bewegungsinformationen zu allen in der Vergangenheit umliegenden Fahrzeugen, die in den Bewegungsinformationen enthalten sind.
  • In 9 und 10 wird jedoch zur Verbindung mit dem in 8 beschriebenen Inhalt und Vereinfachung der Beschreibung das Erhalten der Bewegungspositionen mehrerer in der Vergangenheit umliegender Fahrzeuge 930 und 1030 mit einem spezifischen Positionswert zum ersten Zeitpunkt beschrieben.
  • Unter Bezugnahme auf 9 fährt beispielsweise das Fahrzeug 930 auf der rechten Fahrspur in der Referenzposition eines in der Vergangenheit gefahrenen Fahrzeugs 910 und vor dem Fahrzeug 910, und es kann ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge 930 mit ersten Zustandsinformationen zum ersten Zeitpunkt sein. Beispielsweise wird festgelegt, dass es sich bei den Fahrzeugen 930 mit den ersten Zustandsinformationen zum ersten Zeitpunkt um vier in der Vergangenheit umliegende Fahrzeuge handelt.
  • Danach können sich die vier in der Vergangenheit umliegenden Fahrzeuge zum zweiten Zeitpunkt, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist, in jeweilige andere Positionen bewegen. Unter Bezugnahme auf 9 ist beispielsweise das Erhalten von Bewegungspositionen 950 der jeweiligen in der Vergangenheit umliegenden Fahrzeuge am zweiten Zeitpunkt dargestellt.
  • Bezugnehmend auf 10 kann als weiteres Beispiel das Fahrzeug 1030, das auf der rechten Fahrspur in der Referenzposition eines in der Vergangenheit gefahrenen Fahrzeugs 1010 und vor dem Fahrzeug 1010 fährt, ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge 1030 sein, die erste Zustandsinformationen zum ersten Zeitpunkt haben, wie in dem oben beschriebenen 9. Wie in 9 wird es festgelegt, dass es sich bei dem Fahrzeug 1030 mit den ersten Zustandsinformationen zum ersten Zeitpunkt um vier in der Vergangenheit umliegende Fahrzeuge handelt.
  • Danach können sich die vier in der Vergangenheit umliegenden Fahrzeuge zu einem zweiten Zeitpunkt, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist, in jeweilige andere Positionen bewegen. Unter Bezugnahme auf 10 ist beispielsweise das Erhalten von Bewegungspositionen 1050 und 1070 der jeweiligen in der Vergangenheit umliegenden Fahrzeuge am zweiten Zeitpunkt gezeigt.
  • Es ist zu erkennen, dass die Bewegungspositionen 950 der vier in der Vergangenheit umliegenden Fahrzeuge in 9 nahe beieinander liegen. Andererseits ist es zu erkennen, dass die Bewegungspositionen 1050 und 1070 der vier in der Vergangenheit umliegenden Fahrzeuge in 10 voneinander unterschieden werden können, und zwar sind die Bewegungspositionen der drei Fahrzeuge 1050 und die Bewegungsposition des einen Fahrzeugs 1070 auf anderen Straßen.
  • Im Übrigen ist es unter Bezugnahme auf 9 und 10 zu erkennen, dass Bewegungspositionen eines oder mehrerer in der Vergangenheit mliegender Fahrzeuge zum zweiten Zeitpunkt je nach einer bestimmten Zeit unterschiedlich erfasst werden können. Beispielsweise ist es zu schätzen, dass die bestimmte Zeit in 9 kürzer ist als die bestimmte Zeit in 10.
  • Dabei kann eine bestimmte Zeit mit einem Zeitpunkt zusammenhängen, zu dem die Verteilung von Zielpositionen für ein aktuelles Zielfahrzeug probabilistisch berechnet wird. Beispielsweise wenn es erwünscht ist, die Verteilungen von Zielpositionen zu den Zeitpunkten nach dem Zeitraum tx zu berechnen, kann auch der Zeitabstand zwischen dem ersten Zeitpunkt und dem zweiten Zeitpunkt der Zeitraum tx sein. Dies wird unter Bezugnahme auf 13 und 14 ausführlich beschrieben.
  • Im Übrigen können gemäß einer Ausführungsform die Bewegungspositionen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge als Informationen zu Straßen und Fahrspuren, auf denen Fahrzeuge im Betrieb sind, spezifiziert werden. Beispielsweise kann die Bewegungsposition des in der Vergangenheit umliegenden Fahrzeugs eine Position sein, die mindestens durch eine Straße, auf der das in der Vergangenheit umliegende Fahrzeug zum zweiten Zeitpunkt fuhr, oder eine in der Straße enthaltene Fahrspur angegeben wird.
  • 11 und 12 sind Diagramme zur Erläuterung eines Verfahrens zum probabilistischen Berechnen der Verteilung von Bewegungspositionen durch eine Clustering-Technik gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 11 und 12 kann der Server die Verteilung von Bewegungsinformationen unter Verwendung einer Clustering-Technik probabilistisch berechnen.
  • Wie oben beschrieben, können die Bewegungspositionen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge wie in 9 relativ gruppiert werden. Andererseits können die jeweiligen Bewegungspositionen wie in 10 verstreut sein.
  • Gemäß einer Ausführungsform der vorliegenden Offenbarung kann die Verteilung von Bewegungspositionen mithilfe einer Clustering-Technik probabilistisch berechnet werden, um unter Verwendung der Bewegungspositionen eines oder mehrerer, in der Vergangenheit umliegender Fahrzeuge eine zukünftige Trajektorie für ein aktuelles Zielfahrzeug vorherzusagen. Das heißt, die Verteilung von Bewegungspositionen wird mithilfe einer Clustering-Technik berechnet, wodurch Daten, die zum Vorhersagen einer zukünftigen Trajektorie leicht verwendet werden können, generiert werden können.
  • Die Clustering-Technik kann sich auf eine Data-Mining-Technik beziehen, bei der zu gruppierende Objekte basierend auf Ähnlichkeiten oder Entfernungen in einzelne Cluster von Objekten mit ähnlichen Eigenschaften klassifiziert werden. Beispielsweise kann die Clustering-Technik mindestens eines von K-Means-Technik, Mean-Shift-Technik, DBSCAN-Technik (Dichtebasierte räumliche Clusteranalyse mit Rauschen) und GMM (Gaußsches Mischungsmodell) umfassen.
  • Gemäß einer Ausführungsform kann der Server mithilfe einer Clustering-Technik einen oder mehrere Cluster für Bewegungspositionen generieren. Beispielsweise kann der Server mithilfe der DBSCAN-Technik einen Cluster für die Bewegungsinformationen eines oder mehrere, in der Vergangenheit umliegende Fahrzeuge generieren, wenn innerhalb einem Radius mit einem bestimmten Wert Bewegungspositionen einer Anzahl, die gleich oder größer als eine Schwellenanzahl ist, enthalten sind.
  • Gemäß einer Ausführungsform kann der Server jeweiligen generierten Cluster an eine Gaußschen Verteilung annähern. Danach kann der Server durch das Anwenden der GMM-Technik auf ein oder mehrere Clusters, die an die Gaußsche Verteilung angenähert wurden, die Gaußsche Mischungsverteilung für die Bewegungspositionen erhalten. Gemäß einer Ausführungsform kann die Verteilung der Bewegungspositionen an die Gaußsche Verteilung angenähert werden, sodass das Berechnen der Verteilung der Bewegungspositionen einfach sein kann.
  • In 11 und 12 ist es wie oben geschrieben dargestellt, dass die Verteilung der Bewegungspositionen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge 1130 und 1230, die über denselben Positionswert verfügen, probabilistisch berechnet wird.
  • Im Beispiel von 11 sind vor einem in der Vergangenheit gefahrenen Fahrzeug 1110 ein Positionswert 1130 zum ersten Zeitpunkt und eine Verteilung der Bewegungspositionen zum zweiten Zeitpunkt 1150 für ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge dargestellt. Das heißt, vier in der Vergangenheit umliegende Fahrzeuge mit denselben Positionswert zum ersten Zeitpunkt bewegten sich zum zweiten Zeitpunkt in unterschiedliche Positionen und die Verteilung der Bewegungspositionen ist relativ konzentriert, was darauf hinweist, dass ein Cluster 1150 zu bilden ist.
  • Bezugnehmend auf das Beispiel von 12 sind vor dem in der Vergangenheit gefahrenen Fahrzeug 1210 ein Positionswert 1230 zum ersten Zeitpunkt und eine Verteilung der Bewegungspositionen 1250 und 1270 für ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge dargestellt. Das heißt, im Fall des Beispiels von 12 bewegten sich vier in der Vergangenheit umliegende Fahrzeuge mit denselben Positionswert zum ersten Zeitpunkt zum zweiten Zeitpunkt in unterschiedliche Positionen, und die Verteilung der Bewegungspositionen weist darauf hin, dass zwei Clusters 1250 und 1270 zu bilden sind.
  • In den Beispielen von 11 und 12 wurde es zur Vereinfachung der Erläuterung so festgelegt, dass die Referenzpositionen der in der Vergangenheit gefahrenen Fahrzeuge 1110 und 1210 dieselben sind und dass die Positionswerte, die in den Zustandsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge zum ersten Zeitpunkt enthalten sind, auch dieselben sind. Das heißt, durch die Beispiele von 11 und 12 ist es zu erkennen, dass die Verteilung der Bewegungspositionen unterschiedlich berechnet werden kann, wenn der bestimmte Zeitabstand zwischen dem ersten Zeitpunkt und dem zweiten Zeitpunkt geändert wird.
  • Darüber hinaus wurde in den oben beschriebenen 9 bis 12 dargestellt, dass in Bezug auf in der Vergangenheit umliegende Fahrzeuge mit einem spezifischen Positionswert als erste Zustandsinformationen zu einem ersten Zeitpunkt Bewegungspositionen erhalten werden und eine Verteilung der Bewegungspositionen berechnet wird. Gemäß einer Ausführungsform der vorliegenden Offenbarung ist es jedoch zu erkennen, dass der Server in Bezug auf jeweiliges von einem oder mehreren in der Vergangenheit umliegenden Fahrzeugen erste Zustandsinformationen zu einem ersten Zeitpunkt erfassen und eine Verteilung der Bewegungspositionen zu einem zweiten Zeitpunkt probabilistisch rechnen kann.
  • Im Übrigen kann die Verteilung der Bewegungspositionen, die so wie oben beschrieben berechnet wurde, zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs verwendet werden.
  • Beispielsweise kann der Server von einer Vorrichtung in einem aktuell fahrenden Fahrzeug Informationen zu einem aktuellen Zielfahrzeug empfangen und eine überstimmende Verteilung der Bewegungspositionen bereitstellen, damit die Vorrichtung im aktuell fahrenden Fahrzeug eine zukünftige Trajektorie vorhersagt.
  • Insbesondere kann der Server von der Vorrichtung im aktuell fahrenden Fahrzeug zweite Zustandsinformationen über das aktuelle Zielfahrzeug in der Referenzposition und zum Referenzzeitpunkt empfangen. Wie oben beschrieben, kann es sich bei dem aktuell fahrenden Fahrzeug um ein autonomes Fahrzeug handeln, das zu einem gegenwärtigen Zeitpunkt auf der Straße fährt. Dadurch, dass das aktuell fahrende Fahrzeug mit einer autonomen Fahrvorrichtung ausgestattet ist, können Bilddaten mithilfe eines Sensors erfasst werden und die Vorrichtung im aktuell fahrenden Fahrzeug kann eine zukünftige Trajektorie des aktuell fahrenden Zielfahrzeugs vorhersagen.
  • Dabei kann sich das aktuelle Zielfahrzeug auf ein Fahrzeug, beziehen, für das eine zukünftige Trajektorie vorhergesagt werden soll, unter den Fahrzeugen, die zu einem gegenwärtigen Zeitpunkt um das autonome Fahrzeug fahren. Das heißt, dass das aktuelle Zielfahrzeug mehrere umliegende Fahrzeuge bedeuten kann.
  • Darüber hinaus kann sich der Referenzpunkt auf einen Zeitpunkt beziehen, zu dem eine zukünftige Trajektorie des aktuellen Zielfahrzeugs vorhergesagt wird. Die Referenzposition kann sich auf einen Positionswert des aktuell fahrenden Fahrzeugs zum oben beschriebenen Referenzzeitpunkt beziehen. Dabei, gemäß einer Ausführungsform der vorliegenden Offenbarung, um die Trajektorie des Zielfahrzeugs vorherzusagen, das um das aktuell fahrende Fahrzeug fährt, unter Verwendung von Bilddaten, die von dem in der Vergangenheit gefahrenen Fahrzeug erhalten wurden, können die Referenzpositionen des in der Vergangenheit gefahrenen Fahrzeugs und des aktuell fahrenden Fahrzeugs denselben Positionswert bedeuten.
  • Im Übrigen können, wie oben beschrieben, die zweiten Zustandsinformationen über das aktuelle Zielfahrzeug den Positionswert und den Geschwindigkeitswert des aktuellen Zielfahrzeugs umfassen.
  • Danach kann der Server unter der berechneten Verteilung der Bewegungspositionen eine Verteilung der Bewegungspositionen auswählen, die mit den zweiten Zustandsinformationen über das aktuelle Zielfahrzeug übereinstimmen, und der Vorrichtung im aktuell fahrenden Fahrzeug die ausgewählte Verteilung zur Verfügung stellen.
  • Gemäß einer Ausführungsform kann der Server den Positionswert und den Geschwindigkeitswert des aktuellen Zielfahrzeugs empfangen und den Positionswert eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge, die vom empfangenen Positionswert des aktuellen Zielfahrzeugs innerhalb eines bestimmten Bereichs liegen, aus den ersten Zustandsinformationen extrahieren.
  • Dabei kann der bestimmte Bereich abhängig von der Genauigkeit variieren, die für die Berechnung der Verteilung der Zielposition für das aktuelle Zielfahrzeug erforderlich ist. Je geringer der Unterschied zwischen dem Positionswert des aktuellen Zielfahrzeugs und den Positionswerten der in der Vergangenheit umliegenden Fahrzeuge ist, desto genauer kann eine Zielpositionsverteilung berechnet werden. Wenn jedoch die Menge an Bewegungsinformationen begrenzt ist, kann der bestimmte Bereich auf einen Bereich erweitert werden, wo ein Positionswert extrahiert werden kann, der dem Positionswert des aktuellen Zielfahrzeugs ähnelt.
  • Danach kann der Server unter einem oder mehreren in der Vergangenheit umliegenden Fahrzeugen mit dem extrahierten Positionswert ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge mit einem Geschwindigkeitswert auswählen, der innerhalb eines bestimmten Bereichs vom empfangenen Geschwindigkeitswert des aktuellen Zielfahrzeugs liegt, und er kann die Verteilung der Bewegungspositionen eines oder mehrerer ausgewählter in der Vergangenheit umliegender Fahrzeuge zum zweiten Zeitpunkt als eine Verteilung der Bewegungspositionen auswählen, die mit den zweiten Zustandsinformationen über das aktuelle Zielfahrzeug übereinstimmen.
  • Anschließend überträgt der Server die ausgewählte Verteilung der Bewegungspositionen an die Vorrichtung im aktuell fahrenden Fahrzeug, sodass die Vorrichtung im aktuell fahrenden Fahrzeug eine zukünftige Trajektorie vorhersagen kann.
  • Das heißt, die ausgewählte Verteilung der Bewegungspositionen kann verwendet werden, um die Verteilung der Zielpositionen für das aktuelle Zielfahrzeug zum dritten Zeitpunkt zu schätzen. Außerdem kann die geschätzten Verteilung der Zielpositionen für das aktuelle Zielfahrzeug verwendet werden, um eine zukünftige Trajektorie für das aktuelle Zielfahrzeug vorherzusagen.
  • Dabei kann die Verteilung der Zielpositionen für das aktuelle Zielfahrzeug Informationen darüber bedeuten, an welchen Punkt das Zielfahrzeug gezielt fährt. Das heißt, die Verteilung von Zielpositionen kann die Schätzung einer Verteilung von Positionen, an denen das Zielfahrzeug gelangt, zu einem bestimmten zukünftigen Zeitpunkt bedeuten, nachdem eine bestimmte Zeit seit dem Referenzzeitpunkt verstrichen ist.
  • Wie oben beschrieben kann beim Vorhersagen der Trajektorie des umliegenden Fahrzeugs, das um das autonome Fahrzeug fährt, eine genauere Vorhersage für die Trajektorie möglich sein, indem Informationen über die Zielpositionen des umliegenden Zielfahrzeugs verwendet werden. Darüber hinaus kann durch das Vorhersagen der Trajektorie umliegender Fahrzeuge das Verhalten des autonomen Fahrzeugs bestimmt oder dessen Betrieb gesteuert werden.
  • Im Übrigen kann der dritte Zeitpunkt einem zukünftigen Zeitpunkt entsprechen, nachdem eine bestimmte Zeit seit dem Referenzzeitpunkt verstrichen ist. Wie oben beschrieben kann dabei die bestimmte Zeit einen gleichen Zeitabstand bedeuten wie der Zeitabstand zwischen dem ersten und zweiten Zeitpunkt. Wenn beispielsweise in Bezug auf das aktuelle Zielfahrzeug die Verteilung der Zielpositionen nach 5 Sekunden geschätzt wird, können die in den Bewegungsinformationen enthaltenen Informationen über das in der Vergangenheit umliegende Fahrzeug zwischen dem ersten und zweiten Zeitpunkt Informationen über einen Zeitabstand von 5 Sekunden sein.
  • Unter Bezugnahme auf 13 und 14 werden unter Verwendung der Verteilung der Bewegungspositionen ein Beispiel für die Schätzung der Verteilung der Zielpositionen für das aktuelle Zielfahrzeug und ein Beispiel für die Vorhersage der zukünftigen Trajektorie beschrieben.
  • 13 ist ein Diagramm zur Erläuterung eines Verfahrens zum Schätzen einer Verteilung von Zielpositionen eines aktuellen Zielfahrzeugs unter Verwendung einer Verteilung von Bewegungspositionen gemäß einer Ausführungsform.
  • Unter Bezugnahme auf 13 kann eine Vorrichtung 1310 in einem aktuell fahrenden Fahrzeug unter Verwendung der Verteilung von Bewegungspositionen für in der Vergangenheit umliegende Fahrzeuge eine Verteilung von Zielpositionen 1350 und 1370 für ein aktuelles Fahrzeug 1330 zum dritten Zeitpunkt.
  • Insbesondere kann die Vorrichtung 1310 im aktuell fahrenden Fahrzeug zweite Zustandsinformationen über das aktuelle Zielfahrzeug in einer Referenzposition und zu einem Referenzzeitpunkt erhalten und sie an den Server übertragen. Beispielsweise kann die Vorrichtung 1310 im aktuell fahrenden Fahrzeug durch erhaltene Bilddaten einen Positionswert und einen Geschwindigkeitswert des aktuellen Zielfahrzeugs 1330 erhalten und sie an den Server übertragen.
  • Danach kann die Vorrichtung 1310 im aktuell fahrenden Fahrzeug vom Server eine Verteilung der Bewegungspositionen für in der Vergangenheit umliegende Fahrzeuge empfangen, die mit den zweiten Zustandsinformationen zum aktuellen Zielfahrzeug übereinstimmen. Wenn beispielsweise die zweiten Zustandsinformationen zum aktuellen Zielfahrzeug den Positionswert A und den Geschwindigkeitswert B umfassen, kann der Server anhand der Bewegungsinformationen nach Informationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge suchen, die zum ersten Zeitpunkt den Positionswert A und den Geschwindigkeitswert B haben, und durch das Auswählen der Bewegungspositionen zum zweiten Zeitpunkt und deren Verteilung der Vorrichtung 1310 im aktuell fahrenden Fahrzeug die ausgewählten Informationen zur Verfügung stellen.
  • Danach kann die Vorrichtung 1310 im aktuell fahrenden Fahrzeug unter Verwendung der Verteilung von Bewegungspositionen eine Verteilung von Zielpositionen für das aktuelle Zielfahrzeug zum dritten Zeitpunkt schätzen.
  • Beispielsweise ist unter Bezugnahme auf 13 dargestellt, dass die Zielpositionen zum dritten Zeitpunkt für das aktuelle Zielfahrzeug 1330 zum Referenzzeitpunkt als zwei Clusters 1350 und 1370 geschätzt werden. Es ist zu erkennen, dass die Wahrscheinlichkeit, dass das aktuelle Zielfahrzeug 1330 zum dritten Zeitpunkt die erste Zielposition 1350 und die zweite Zielposition 1370 erreicht, auf 0,75 bzw. 0,25 geschätzt wird.
  • Gemäß einer Ausführungsform kann die Vorrichtung 1310 im aktuell fahrenden Fahrzeug eine Gaußsche Mischungsverteilung der Zielpositionen erhalten. Das heißt, wie bei der oben beschriebenen Verteilung der Bewegungspositionen kann eine Gaußsche Verteilung hinsichtlich der Verteilung der Zielpositionen für das aktuelle Zielfahrzeug erhalten werden.
  • Gemäß einer Ausführungsform kann die Vorrichtung 1310 im aktuell fahrenden Fahrzeug außerdem einen Durchschnittspunkt der Gaußschen Mischungsverteilung und eine Wahrscheinlichkeit für jeweiligen in der Gaußschen Mischungsverteilung enthaltenen Cluster berechnen. Unter Bezugnahme auf 13 erhält beispielsweise die Vorrichtung 1310 im aktuell fahrenden Fahrzeug eine Verteilung 1350 für die erste Zielposition und eine Verteilung 1370 für die zweite Zielposition sowie Durchschnittspunkte 1351 und 1371 für jeweilige der Verteilungen.
  • 14 ist ein Diagramm zur Erläuterung eines Verfahrens zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung einer Verteilung von Zielpositionen gemäß einer Ausführungsform.
  • Bezugnehmend auf 14 kann eine Vorrichtung 1410 im aktuell fahrenden Fahrzeug unter Verwendung der wie oben beschrieben geschätzten Verteilung der Zielpositionen eine zukünftige Trajektorie eines aktuellen Zielfahrzeugs 1430 vorhersagen.
  • Beispielsweise kann die Vorrichtung 1410 im aktuell fahrenden Fahrzeug eine Verteilung 1450 von Zielpositionen des aktuellen Zielfahrzeugs 1430 zum dritten Zeitpunkt schätzen. Die Verteilung 1450 der Zielpositionen zum dritten Zeitpunkt ist relativ konzentriert und kann sie als ein Cluster darstellen.
  • Gemäß der oben beschriebenen Ausführungsform kann die Vorrichtung 1410 im aktuell fahrenden Fahrzeug mithilfe der Verteilung der Bewegungspositionen die Verteilung 1470 der Zielpositionen für das aktuelle Zielfahrzeug zu einem vierten Zeitpunkt schätzen.
  • Dabei kann der vierte Zeitpunkt einem zukünftigen Zeitpunkt entsprechen, nachdem eine bestimmte Zeit vom Referenzzeitpunkt verstrichen ist, oder er kann einem zukünftigen Zeitpunkt nach dem dritten Zeitpunkt entsprechen. Die Verteilung 1470 der Zielpositionen zum vierten Zeitpunkt kann als zwei Clusters darstellen, die jeweils einen unterschiedlichen Durchschnittspunkt haben.
  • Danach kann die Vorrichtung 1410 im aktuell fahrenden Fahrzeug die Verteilung der Zielpositionen zum fünften und sechsten Zeitpunkt nach dem vierten Zeitpunkt weiderholt schätzen. Das heißt, die Vorrichtung 1410 im aktuell fahrenden Fahrzeug kann anhand der wiederholt geschätzten Verteilung der Zielpositionen für das aktuelle Zielfahrzeug eine zukünftige Trajektorie des aktuellen Zielfahrzeugs vorhersagen. Beispielsweise kann, wie in 14 dargestellt, die zukünftige Trajektorie des aktuellen Zielfahrzeugs vorhergesagt werden, indem die Durchschnittspunkte jeweiliges Clusters verbunden werden.
  • 15 ist ein Flussdiagramm für ein Verfahren zum probabilistischen Berechnes einer Verteilung von Bewegungspositionen unter Verwendung von Bewegungsinformationen in der Vergangenheit umliegender Fahrzeuge gemäß einer Ausführungsform der vorliegenden Erfindung.
  • Unter Bezugnahme auf 15 kann ein Verfahren zum probabilistischen Berechnen einer Verteilung von Bewegungspositionen in der Vergangenheit umliegender Fahrzeuge unter Verwendung von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge Schritte 1510 bis 1540 umfassen. Das ist jedoch nicht darauf beschränkt, und außer den in 15 dargestellten Schritten können noch weitere Allzweckschritte unter Verwendung von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge im Verfahren zum probabilistischen Berechnen der Verteilung von Bewegungspositionen für in der Vergangenheit umliegende Fahrzeuge enthalten sein.
  • Zunächst kann der Server im Schritt 1510 Bewegungsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge in einer Referenzposition eines in der Vergangenheit gefahrenen Fahrzeugs empfangen.
  • Danach kann der Server im Schritt 1520 aus den Bewegungsinformationen erste Zustandsinformationen über das eine oder die mehreren, in der Vergangenheit umliegenden Fahrzeuge zu einem ersten Zeitpunkt erhalten. Dabei kann der erste Zeitpunkt einem vergangenen Zeitpunkt vor dem Referenzzeitpunkt entsprechen.
  • Gemäß einer Ausführungsform können die ersten Zustandsinformationen Positionswerte und Geschwindigkeitswerte von in der Vergangenheit umliegenden Fahrzeugen umfassen.
  • Danach kann der Server im Schritt 1530 aus den Bewegungsinformationen Bewegungspositionen des einen oder der mehreren, in der Vergangenheit umliegenden Fahrzeuge zu einem zweiten Zeitpunkt erhalten, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist.
  • Gemäß einer Ausführungsform können die Bewegungspositionen des in der Vergangenheit umliegenden Fahrzeugs Positionen sein, die mindestens von einer der Straße, auf der das in der Vergangenheit umliegende Fahrzeug zum zweiten Zeitpunkt gefahren ist, oder der in der Straße enthaltenen Fahrspur angegeben werden.
  • Danach kann der Server im Schritt 1540 die Verteilung der Bewegungspositionen mithilfe einer Clustering-Technik probabilistisch berechnen.
  • Gemäß einer Ausführungsform kann die Clustering-Technik mindestens eine von einer K-Means-Technik, einer Mean-Shift-Technik, einer DBSCAN-Technik und einem GMM umfassen.
  • Gemäß einer Ausführungsform kann der Server mithilfe einer Clustering-Technik einen oder mehrere Clusters für Bewegungspositionen generieren. Gemäß einer Ausführungsform kann der Server jeweiligen generierten Cluster an eine Gaußsche Verteilung annähern. Anschließend kann der Server die GMM-Technik auf einen oder mehrere Clusters anwenden, die an eine Gaußsche Verteilung angenähert wurden, sodass eine Gaußsche Mischungsverteilung für Bewegungspositionen erhalten werden kann.
  • Im Übrigen kann die Verteilung der Bewegungspositionen verwendet werden, um eine zukünftige Trajektorie des aktuellen Zielfahrzeugs vorherzusagen. Die ausgewählte Verteilung der Bewegungspositionen kann verwendet werden, um die Verteilung der Zielpositionen für das aktuelle Zielfahrzeug zum dritten Zeitpunkt abzuschätzen. Außerdem kann die geschätzte Verteilung der Zielpositionen für das aktuelle Zielfahrzeug verwendet werden, um eine zukünftige Trajektorie für das aktuelle Zielfahrzeug vorherzusagen.
  • 16 ist ein Flussdiagramm für ein Verfahren zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung von Bewegungsinformationen in der Vergangenheit umliegender Fahrzeuge gemäß einer Ausführungsform der vorliegenden Erfindung.
  • Unter Bezugnahme auf 16 kann ein Verfahren zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge die Schritte 1601 bis 1608 umfassen. Das ist jedoch nicht darauf beschränkt, und außer den in 16 dargestellten Schritten können noch weitere Allzweckschritte in dem Verfahren zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge enthalten sein.
  • Im Schritt 1601 kann zunächst eine Vorrichtung 1610 in einem in der Vergangenheit gefahrenen Fahrzeug Bewegungsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge in einer Referenzposition des in der Vergangenheit gefahrenen Fahrzeugs erhalten und die erhaltenen Bewegungsinformationen an einen Server 1630 übertragen.
  • Dann kann der Server 1630 im Schritt 1602 aus den Bewegungsinformationen erste Zustandsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge zu einem ersten Zeitpunkt erhalten. Dabei kann der erste Zeitpunkt einem vergangenen Zeitpunkt vor dem Referenzzeitpunkt entsprechen.
  • Danach kann der Server 1630 im Schritt 1603 aus den Bewegungsinformationen Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem zweiten Zeitpunkt erhalten, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist.
  • Dann kann der Server 1630 im Schritt 1604 die Verteilung der Bewegungspositionen mithilfe einer Clustering-Technik probabilistisch berechnen.
  • Danach kann eine Vorrichtung 1650 in einem aktuell fahrenden Fahrzeug im Schritt 1605 zweite Zustandsinformationen über das aktuelle Zielfahrzeug in der Referenzposition und zum Referenzzeitpunkt erhalten und die zweiten Zustandsinformationen an den Server 1630 übertragen.
  • Gemäß einer Ausführungsform können die zweiten Zustandsinformationen zum aktuellen Zielfahrzeug, wie oben geschrieben, den Positionswert und den Geschwindigkeitswert des aktuellen Zielfahrzeugs umfassen.
  • Dann kann die Vorrichtung 1650 im aktuell fahrenden Fahrzeug im Schritt 1606 vom Server eine Verteilung der Bewegungspositionen in der Vergangenheit umliegender Fahrzeuge empfangen, die mit den zweiten Zustandsinformationen zum aktuellen Zielfahrzeug übereinstimmen.
  • Gemäß einer Ausführungsform kann der Server 1630 von der Vorrichtung 1650 im aktuell fahrenden Fahrzeug zweite Zustandsinformationen über das aktuelle Zielfahrzeug in der Referenzposition und zum Referenzzeitpunkt empfangen. Danach kann der Server 1630 aus den berechneten Verteilungen der Bewegungspositionen eine Verteilung der Bewegungspositionen auswählen, die mit den zweiten Zustandsinformationen zum aktuellen Zielfahrzeug übereinstimmen, und der Vorrichtung im aktuell fahrenden Fahrzeug die ausgewählte Verteilung zur Verfügung stellen.
  • Gemäß einer Ausführungsform kann der Server 1630 den Positionswert und den Geschwindigkeitswert des aktuellen Zielfahrzeugs empfangen und aus den ersten Zustandsinformationen die Positionswerte eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge extrahieren, die innerhalb eines bestimmten Bereichs vom empfangenen Positionswert des aktuellen Zielfahrzeugs liegen. Danach kann der Server 1630 aus einem oder mehreren in der Vergangenheit umliegenden Fahrzeugen mit dem extrahierten Positionswert ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge mit den Geschwindigkeitswert auswählen, der innerhalb eines bestimmten Bereichs vom empfangenen Geschwindigkeitswert des aktuellen Zielfahrzeugs liegt, und in Bezug auf das eine oder die mehreren ausgewählten in der Vergangenheit umliegenden Fahrzeuge eine Verteilung der Bewegungspositionen zum zweiten Zeitpunkt als eine Verteilung der Bewegungspositionen auswählen, die mit den zweiten Zustandsinformationen zum aktuellen Zielfahrzeug übereinstimmen.
  • Danach kann die Vorrichtung 1650 im aktuell fahrenden Fahrzeug im Schritt 1607 anhand der Verteilung der Bewegungspositionen eine Verteilung der Zielpositionen des aktuellen Zielfahrzeugs zu einem dritten Zeitpunkt schätzen. Hier kann der dritte Zeitpunkt einem zukünftigen Zeitpunkt entsprechen, nachdem eine bestimmte Zeit seit dem Referenzzeitpunkt verstrichen ist.
  • Gemäß einer Ausführungsform kann die Vorrichtung 1650 im aktuell fahrenden Fahrzeug eine Gaußsche Mischungsverteilung der Zielpositionen erhalten. Darüber hinaus kann die Vorrichtung 1650 im aktuell fahrenden Fahrzeug einen Durchschnittspunkt der Gaußschen Mischungsverteilung und eine Wahrscheinlichkeit für jeweiligen in der Gaußschen Mischungsverteilung enthaltenen Cluster berechnen.
  • Dann kann in Schritt 1608 die Vorrichtung1650 im aktuell fahrenden Fahrzeug mithilfe der Verteilung der Zielpositionen eine zukünftige Trajektorie des aktuellen Zielfahrzeugs vorhersagen.
  • Im Übrigen werden in 17 bis 23 ein Verfahren und eine Vorrichtung zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs beschrieben, basierend auf den in 2 und 5 beschriebenen Bilddaten, die vom autonomen Fahrzeug erfasst wurden.
  • 17 ist ein Diagramm zur Erläuterung eines Verfahrens zum Erhalten einer Kollisionsfahrspur gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Unter Bezugnahme auf 17 kann eine fahrzeuginterne Vorrichtung eine Kollisionsfahrspur erhalten. Gemäß einer Ausführungsform kann die fahrzeuginterne Vorrichtung in Bezug auf ein autonomes Fahrzeug, das plant, nach rechts abzubiegen, um in eine Hauptstraße einzudämmen, eine Reihe von Aktionen zum Rechtsabbiegen bestimmen.
  • Die Kollisionsfahrspur kann sich auf eine Fahrspur beziehen, die sich unter den in der Hauptstraße enthaltenen Fahrspuren mit einer Fahrstrecke eines autonomen Fahrzeugs überschneiden kann.
  • Unter Bezugnahme auf 17 kann die Hauptstraße mindestens zwei oder mehrere Fahrspuren umfassen, einschließlich einer Fahrspur in einer Richtung und einer Fahrspur in einer anderen Richtung. Beispielsweise umfassen eine Hauptstrecke 1701 in der 10-Uhr bis 4-Uhr-Richtung und eine Hauptstrecke 1702 in der 1-Uhr bis 7-Uhr-Richtung jeweils vier Fahrspuren.
  • Im Übrigen kann sich die Fahrstrecke des autonomen Fahrzeugs auf eine Strecke beziehen, die für das autonome Fahrzeug zum Rechtsabbiegen festgelegt wurde. Die Fahrstrecke kann sich auf eine Strecke beziehen, die von der oben beschriebenen autonomen Fahrvorrichtung festgelegt wurde. Außerdem kann die Fahrstrecke als eine von einem externen Server festgelegte Strecke eine von der autonomen Fahrvorrichtung empfangene Strecke bedeuten, aber das ist nicht darauf beschränkt.
  • Beispielsweise kann unter Bezugnahme auf 17 eine Fahrstrecke 1730 festgelegt werden, über die ein autonomes Fahrzeug 1720 nach rechts abbiegt, um in eine Hauptstraße einzumünden. Dabei können sich einige Fahrspuren 1711 und 1712, die in den Hauptstraßen 1701 und 1702 enthalten sind, mit der Fahrstrecke 1730 des autonomen Fahrzeugs überschneiden. Einige der oben beschriebenen Fahrspuren 1711 und 1712 können als Kollisionsfahrspuren festgelegt werden.
  • Gemäß einer Ausführungsform kann die fahrzeuginterne Vorrichtung eine Kollisionsfahrspur festlegen, basierend auf den Bilddaten, die von einem Sensor des autonomen Fahrzeugs erfasst wurden. Darüber hinaus kann die fahrzeuginterne Vorrichtung gemäß einer anderen Ausführungsform eine Kollisionsfahrspur erhalten, indem Informationen über Fahrspuren von einer externen Vorrichtung oder einem externen Server empfängt werden.
  • 18 und 19 sind Diagramme zur Erläuterung eines Verfahrens zum Klassifizieren von Kandidatenfahrzeugen unter Fahrzeugen, die auf einer Kollisionsfahrspur fahren, gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Unter Bezugnahme auf 18 als Beispiel der vorliegenden Offenbarung kann eine Vorrichtung in einem autonomen Fahrzeug 1820 Kollisionsfahrspuren 1811 bis 1813 erhalten, die sich mit einer Fahrstrecke des autonomen Fahrzeugs 1820 unter den in der Hauptstraße enthaltenen Fahrspuren überschneiden können.
  • Beispielsweise können ein oder mehrere Fahrzeuge auf den Kollisionsfahrspuren 1811 bis 1813 fahren. Dabei kann die fahrzeuginterne Vorrichtung zum Bestimmen eines Verhaltens des autonomen Fahrzeugs 1820 Informationen sammeln, indem sie sich unter einem oder mehreren Fahrzeugen auf ein Fahrzeug konzentriert, das mit dem Rechtsabbiegen des autonomen Fahrzeugs 1820 verbunden sein kann.
  • Unter Bezugnahme auf 19 kann die fahrzeuginterne Vorrichtung unter den auf einer Kollisionsfahrspur fahrenden Fahrzeugen ein oder mehrere Kandidatenfahrzeuge klassifizieren, die mit einem autonomen Fahrzeug 1920 kollidieren könnten.
  • Beispielsweise können zwei Fahrzeuge 1911 und 1912 auf der oben beschriebenen Kollisionsfahrspur 1811 von 18 fahren. Dabei könnten die beiden Fahrzeuge 1911 und 1912 auf der Hauptstraße mit dem autonomen Fahrzeug 1920 kollidieren, sodass sie als Kandidatenfahrzeuge klassifiziert werden können.
  • Ebenso kann ein Fahrzeug 1914 auf der oben beschreiben Kollisionsfahrspur 1813 von 18 fahren. Da erwartet wird, dass das Fahrzeug 1914 an der Kreuzung nach links abbiegt, besteht eine Kollisionsmöglichkeit mit dem autonomen Fahrzeug 1920 auf der Hauptstraße, das plant, nach rechts abzubiegen, sodass es als Kandidatenfahrzeug klassifiziert werden kann.
  • Als weiteres Beispiel könnte ein Fahrzeug 1913 auf der Kollisionsfahrspur 1812 der oben beschriebenen 18 fahren. Da jedoch erwartet wird, dass das Fahrzeug 1913 zwar an der Kreuzung nach links abbiegt, aber keine Kollisionsmöglichkeit mit dem autonomen Fahrzeug 1920 auf der Hauptstraße besteht, kann es nicht als Kandidatenfahrzeug klassifiziert werden.
  • Als weiteres Beispiel hat ein Fahrzeug, das zwar auf der Hauptstraße fährt, aber nicht auf der Kollisionsfahrspur fährt, keine Kollisionsmöglichkeit mit dem autonomen Fahrzeug 1920 auf der Hauptstraße, sodass es nicht als Kandidatenfahrzeug klassifiziert werden kann.
  • Im Folgenden wird beschrieben, wie Informationen über ein Kollisionsfahrzeug beim Bestimmen des Verhaltens des autonomen Fahrzeugs 1920 verwendet werden können.
  • 20 ist ein Diagramm zur Erläuterung eines Verfahrens zum Vorhersagen, ob ein Kandidatenfahrzeug einen Kollisionsbereich belegt, gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Unter Bezugnahme auf 20 kann eine fahrzeuginterne Vorrichtung vorhersagen, ob ein Kandidatenfahrzeug innerhalb einer bestimmten Zeit einen bereits festgelegten Kollisionsbereich belegt, indem sie eine Strecke für das Kandidatenfahrzeug vorhersagt, das mit dem oben beschriebenen Verfahren klassifiziert wurde.
  • Beispielsweise kann eine fahrzeuginterne Vorrichtung mithilfe von Bilddaten, die von einem in einem autonomen Fahrzeug bereitgestellten Sensor erfasst wurden, ein zukünftigen Trajektorie eines Kandidatenfahrzeugs vorhersagen. Beispielsweise kann eine fahrzeuginterne Vorrichtung Karteninformationen und vergangene Fahrinformationen eines Kandidatenfahrzeugs empfangen und unter Verwendung der Karteninformationen und der vergangenen Fahrinformationen eine zukünftige Strecke des Kandidatenfahrzeugs vorhersagen.
  • Gemäß einer Ausführungsform kann die fahrzeuginterne Vorrichtung durch das Schätzen einer Verteilung von Zielpositionen des Kandidatenfahrzeugs eine zukünftige Strecke des Kandidatenfahrzeugs anhand der geschätzten Verteilung der Zielpositionen vorhersagen. Dabei können die Zielpositionen des Kandidatenfahrzeugs Positionen bedeuten, die das Kandidatenfahrzeug nach einer bestimmten Zeit erreichen möchte. Gemäß der Ausführungsform kann eine zukünftige Trajektorie des Fahrzeugs genauer vorhergesagt werden, indem sowohl die vergangenen Fahrinformationen als auch die Verteilung der Zielpositionen verwendet werden.
  • Die fahrzeuginterne Vorrichtung kann eine Verteilung von Zielpositionen des Kandidatenfahrzeugs schätzen, indem sie frühere angesammelte Fahrinformationen über Fahrzeuge verwendet, die um das autonome Fahrzeug fahren. Beispielsweise kann ein autonomes Fahrzeug in Bezug auf frühere angesammelte Fahrinformationen mithilfe einer Clustering-Technik eine Verteilung von Zielpositionen des Kandidatenfahrzeugs schätzen. Beispielsweise kann die Clustering-Technik eine DBSCAN-Technik und eine GMM-Technik umfassen.
  • Im Übrigen kann die fahrzeuginterne Vorrichtung auf der Grundlage eines aktuellen Zeitpunkts vorhersagen, ob das Kandidatenfahrzeug innerhalb einer bestimmten Zeit einen Kollisionsbereich belegt. Beispielsweise kann die bestimmte Zeit basierend darauf festgelegt werden, nach wie vielen Sekunden die vorhergesagte Trajektorie des Kandidatenfahrzeugs entstanden ist. Als weiteres Beispiel kann die bestimmte Zeit basierend darauf festgelegt werden, wie viele Sekunden es dauert, bis das autonome Fahrzeug den Kollisionsbereich erreicht. Beispielsweise kann die bestimmte Zeit eine Zeit nach 5 Sekunden bedeuten.
  • Hier kann der Kollisionsbereich einen Bereich bedeuten, in dem ein autonomes Fahrzeug und ein Kandidatenfahrzeug nach einer bestimmten Zeit kollidieren können. Das heißt, der Kollisionsbereich kann sich auf einen Bereich beziehen, der unter den in einer Hauptstraße enthaltenen Fahrspuren einer Fahrspur entspricht, auf der es zu einer Kollision mit einem Kandidatenfahrzeug kommen kann, wenn das autonome Fahrzeug nach rechts abbiegt und in die Hauptstraße einmündet.
  • Gemäß einer Ausführungsform kann eine fahrzeuginterne Vorrichtung einen Kollisionsbereich basierend auf einer Kollisionsfahrspur und einer Fahrstrecke des autonomen Fahrzeugs festlegen. Die fahrzeuginterne Vorrichtung kann einen Bereich, in dem sich die Kollisionsfahrspur und die Fahrstrecke des autonomen Fahrzeugs überschneiden, als Kollisionsbereich festlegen.
  • Bezugnehmend auf 20 kann die fahrzeuginterne Vorrichtung beispielsweise, wie oben beschrieben, eine Strecke für Fahrzeuge 2011 bis 2013 vorhersagen, die unter den auf der Kollisionsfahrspur fahrenden Fahrzeugen als Kandidatenfahrzeuge klassifiziert wurden, sodass es kann vorhergesagt werden kann, ob die Kandidatenfahrzeuge innerhalb einer bestimmten Zeit einen bereits festgelegten Kollisionsbereich 2020 belegen. Die fahrzeuginterne Vorrichtung kann ein Verhalten des autonomen Fahrzeugs 2030 basierend auf dem vorhergesagten Ergebnis für die Belegung des Kollisionsbereichs 2020 durch die Kandidatenfahrzeuge 2011 bis 2013 bestimmen.
  • 21 ist ein Diagramm zur Erläuterung eines Verfahrens zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs in einem Verhaltensbestimmungsbereich gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Bezugnehmend auf 21 bestimmt die fahrzeuginterne Vorrichtung ein Verhalten eines autonomen Fahrzeugs 2120, das plant, nach rechts abzubiegen, basierend auf dem vorhergesagten Ergebnis der Belegung gemäß dem oben beschriebenen Verfahren und dem aktuellen Fahrzustand des autonomen Fahrzeugs 2120.
  • Dabei kann das vorhergesagte Ergebnis für die Kollisionsbereichsbelegung des Kandidatenfahrzeugs eine Vorhersage, dass das Kandidatenfahrzeug innerhalb einer bestimmten Zeit einen Teilbereich des Kollisionsbereichs belegen wird, und eine Vorhersage, dass es keinen Bereich davon belegen wird, umfassen.
  • Darüber hinaus kann der aktuelle Fahrzustand des autonomen Fahrzeugs 2120 basierend auf einem Verhaltensbestimmungsbereich festgelegt werden. Unter Bezugnahme auf 21 bedeutet beispielsweise ein Verhaltensbestimmungsbereich 2110 einen Bereich, der sich innerhalb einer bestimmten Entfernung von einem Kollisionsbereich befindet, und er kann einen Bereich bedeuten, in dem das autonome Fahrzeug 2120 ein Verhalten des autonomen Fahrzeugs 2120 bestimmt, bevor es in den Kollisionsbereich einmündet.
  • Der aktuelle Fahrzustand des autonomen Fahrzeugs 2120 kann beispielsweise einen Zustand umfassen, in dem es in einen Verhaltensbestimmungsbereich einzutreten. Als weiteres Beispiel kann der aktuelle Fahrzustand des autonomen Fahrzeugs 2120 einen Zustand umfassen, in dem es im Verhaltensbestimmungsbereich langsam zu fahren.
  • Als weiteres Beispiel kann der aktuelle Fahrzustand des autonomen Fahrzeugs 2120 einen Zustand umfassen, in dem es im Verhaltensbestimmungsbereich anhält.
  • Im Übrigen wird unter Bezugnahme auf 22 eine spezifische Ausführungsform der Bestimmung des Verhaltens des autonomen Fahrzeugs 2120 basierend auf dem vorhergesagten Ergebnis für die Belegung und dem aktuellen Fahrzustand des autonomen Fahrzeugs 2120 beschrieben.
  • 22 ist ein Flussdiagramm für ein Verfahren zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs in einem Verhaltensbestimmungsbereich gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Wie in 21 oben beschrieben, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs basierend auf dem vorhergesagten Ergebnis für die Belegung des Kollisionsbereichs des Kandidatenfahrzeugs und dem aktuellen Fahrzustand des autonomen Fahrzeugs bestimmen.
  • Gemäß einer Ausführungsform kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen 2220, dass sich das autonome Fahrzeug in einem Verhaltensbestimmungsbereich langsam bewegt, wenn der aktuelle Fahrzustand des autonomen Fahrzeugs ein erster Zustand ist, in dem es in den Verhaltensbestimmungsbereich eintritt 2210.
  • Im Übrigen kann gemäß einer Ausführungsform eine fahrzeuginterne Vorrichtung eine Geschwindigkeit bestimmen, mit der ein autonomes Fahrzeug langsam fährt. Beispielsweise kann die fahrzeuginterne Vorrichtung einen Fußgänger anhand der wie oben beschrieben erfassten Bilddaten identifizieren und anhand der Anwesenheit oder Abwesenheit eines Fußgängers die Geschwindigkeit bestimmen, mit der das autonome Fahrzeug langsam fährt.
  • Beispielsweise kann ein Fußgänger eine Person bedeuten, die auf einem Zebrastreifen läuft, der in einem Verhaltensbestimmungsbereich oder einem Kollisionsbereich enthalten ist, oder eine Person in der Nähe des oben geschriebenen Zebrastreifens. Wenn der Fußgänger nicht identifiziert wird, kann die fahrzeuginterne Vorrichtung ein Verhalten des autonomen Fahrzeugs bestimmen, sodass das autonome Fahrzeug im Verhaltensbestimmungsbereich mit einer ersten Schwellengeschwindigkeit oder weniger langsam fährt.
  • Wenn der Fußgänger identifiziert wird, kann aber die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass das autonome Fahrzeug im Verhaltensbestimmungsbereich mit einer zweiten Schwellengeschwindigkeit oder weniger langsam fährt. Dabei kann der Wert für die erste Schwellengeschwindigkeit größer sein als der Wert für die zweite Schwellengeschwindigkeit.
  • Gemäß einer anderen Ausführungsform kann die fahrzeuginterne Vorrichtung die Belegung des Kollisionsbereichs des Kandidatenfahrzeugs vorhersagen 2230, sodass das Verhalten des autonomen Fahrzeugs bestimmt werden kann, wenn der aktuelle Fahrzustand des autonomen Fahrzeugs der zweite Zustand des langsamen Fahrens im Verhaltensbestimmungsbereich ist 2220.
  • Wenn beispielsweise vorhergesagt wird, dass ein Kandidatenfahrzeug einen Kollisionsbereich belegen wird, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass das autonome Fahrzeug im Verhaltensbestimmungsbereich anhält 2250 und für eine bestimmte Zeit den Kollisionsbereich nicht durchfährt.
  • Als weiteres Beispiel: Wenn vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich nicht belegen wird, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass es rechts in die Hauptstraße abbiegt 2240 und dadurch den Kollisionsbereich durchfährt.
  • Gemäß einer anderen Ausführungsform kann die fahrzeuginterne Vorrichtung die Belegung des Kollisionsbereichs des Kandidatenfahrzeugs vorhersagen 2260 und dadurch das Verhalten des autonomen Fahrzeugs bestimmen, wenn der aktuelle Fahrzustand des autonomen Fahrzeugs der dritte Zustand des Anhaltens im Verhaltensbestimmungsbereich ist 2250.
  • Wenn beispielsweise vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich nicht belegen wird, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass es im Verhaltensbestimmungsbereich langsam fährt 2220.
  • Wenn vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich belegen wird, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass es im Verhaltensbestimmungsbereich stationär bleibt 2250.
  • 23 ist ein Flussdiagramm für ein Verfahren zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Unter Bezugnahme auf 23 kann das Verfahren zum Bestimmen eines Verhaltens eines autonomen Fahrzeugs, das plant, nach rechts abzubiegen, um in eine Hauptstraße einzumünden, die Schritte 2310 bis 2340 umfassen. Das ist jedoch nicht darauf beschränkt, und außer den in 23 dargestellten Schritten können noch weitere Allzweckschritte in dem Verfahren zum Bestimmen des Verhaltens des autonomen Fahrzeugs ferner enthalten sein, das plant, nach rechts abzubiegen, um in die Hauptstraße einzumünden.
  • Zunächst kann die fahrzeuginterne Vorrichtung im Schritt 2310 aus den in der Hauptstraße enthaltenen Fahrspuren eine Kollisionsfahrspur erhalten, die sich mit einer Fahrstrecke des autonomen Fahrzeugs überschneiden kann.
  • Dann kann die fahrzeuginterne Vorrichtung im Schritt 2320 unter den auf der Kollisionsfahrpur fahrenden Fahrzeugen ein oder mehrere Kandidatenfahrzeuge klassifizieren, die mit dem autonomen Fahrzeug kollidieren könnten.
  • Danach kann die fahrzeuginterne Vorrichtung im Schritt 2330 durch das Vorhersagen einer Strecke des Kandidatenfahrzeugs vorhersagen, ob das Kandidatenfahrzeug innerhalb einer bestimmten Zeit den bereits festgelegten Kollisionsbereich belegen wird.
  • Gemäß einer Ausführungsform kann die fahrzeuginterne Vorrichtung durch das Schätzen einer Verteilung von Zielpositionen des Kandidatenfahrzeugs die geschätzte Verteilung von Zielpositionen des Kandidatenfahrzeugs verwenden, sodass eine zukünftige Strecke des Kandidatenfahrzeugs vorhergesagt werden kann. Die fahrzeuginterne Vorrichtung kann eine Verteilung von Zielpositionen des Kandidatenfahrzeugs schätzen, indem sie frühere angesammelte Fahrinformationen über umliegende Fahrzeuge verwendet, die um das autonome Fahrzeug fahren. Beispielsweise kann ein autonomes Fahrzeug in Bezug auf die früheren angesammelten Fahrinformationen mithilfe einer Clustering-Technik eine Verteilung von Zielpositionen von Kandidatenfahrzeugen schätzen. Beispielsweise kann die Clustering-Technik eine DBSCAN-Technik und eine GMM-Technik umfassen.
  • Dann kann die fahrzeuginterne Vorrichtung im Schritt 2340 ein Verhalten des autonomen Fahrzeugs bestimmen, das plant, nach rechts abzubiegen, basierend auf dem vorhergesagten Ergebnis für die Belegung und dem aktuellen Fahrzustand des autonomen Fahrzeugs.
  • Gemäß einer Ausführungsform kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen 2220, dass das autonome Fahrzeug im Verhaltensbestimmungsbereich langsam fährt, wenn der aktuelle Fahrzustand des autonomen Fahrzeugs ein erster Zustand des Einmündens in einen Verhaltensbestimmungsbereich ist 2210.
  • Gemäß einer Ausführungsform kann die fahrzeuginterne Vorrichtung die Belegung des Kandidatenfahrzeugs für den Kollisionsbereich vorhersagen 2230, sodass sie das Verhalten des autonomen Fahrzeugs bestimmen kann, wenn der aktuelle Fahrzustand des autonomen Fahrzeugs ein zweiter Zustand des langsamen Fahrens im Verhaltensbestimmungsbereich 2220 ist.
  • Wenn beispielsweise vorhergesagt wird, dass ein Kandidatenfahrzeug einen Kollisionsbereich belegen wird, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass es im Verhaltensbestimmungsbereich anhält 2250 und dadurch für eine bestimmte Zeit den Kollisionsbereich nicht durchfährt.
  • Als weiteres Beispiel: Wenn vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich nicht belegen wird, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass es rechts in die die Hauptstraße abbiegt 2240 und dadurch den Kollisionsbereich durchfährt.
  • Gemäß einer anderen Ausführungsform kann die fahrzeuginterne Vorrichtung die Belegung des Kandidatenfahrzeugs für den Kollisionsbereich vorhersagen 2260, sodass das Verhalten des autonomen Fahrzeugs bestimmt werden kann, wenn der aktuelle Fahrzustand des autonomen Fahrzeugs ein dritter Zustand des Anhaltens im Verhaltensbestimmungsbereich ist 2250.
  • Wenn beispielsweise vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich nicht belegen wird, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass es im Verhaltensbestimmungsbereich langsame fährt 2220.
  • Wenn vorhergesagt wird, dass das Kandidatenfahrzeug den Kollisionsbereich belegen wird, kann die fahrzeuginterne Vorrichtung das Verhalten des autonomen Fahrzeugs so bestimmen, dass es im Verhaltensbestimmungsbereich stationär bleibt.
  • Ausführungsformen gemäß der vorliegenden Erfindung können in Form eines Computerprogramms implementiert werden, das über verschiedene Komponenten auf einem Computer ausgeführt werden kann, und ein solches Computerprogramm kann auf einem computerlesbaren Medium aufgezeichnet werden. Hier kann das Medium ein magnetisches Medium wie Festplatte, Diskette und Magnetband, ein optisches Aufzeichnungsmedium wie CD-ROM und DVD, ein magnetooptisches Medium wie Floppy-Disk, und ein Hardwaregerät wie ROM, RAM und Flash-Speicher, das speziell zum Speichern und Ausführen von Programmanweisungen konfiguriert ist, umfassen.
  • Das Computerprogramm wurde zwar speziell für die vorliegende Erfindung entworfen und konfiguriert, aber es wurde dem Fachmann im Bereich der Computersoftware bekannt, sodass es verwendbar ist. Ein Beispiel für ein Computerprogramm kann nicht nur von einem Compiler generierten Maschinensprachencode umfassen, sondern auch Hochsprachencode, der von einem Computer unter Verwendung eines Interpreters oder dergleichen durchgeführt werden kann.
  • Gemäß einer Ausführungsform kann das Verfahren gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung in einem Computerprogrammprodukt enthalten und bereitgestellt werden. Computerprogrammprodukte können als Waren zwischen Verkäufern und Käufern gehandelt werden. Computerprogrammprodukte werden in Form eines gerätelesbaren Speichermediums (z. B. CD-ROM (Compact Disc Read Only Memory)) oder über einen Anwendungsspeicher (z. B. Play Store™) verteilt oder zwischen zwei Benutzergeräten direkt oder online (z. B. heruntergeladen oder hochgeladen) verteilt. Bei der Online-Verbreitung kann zumindest ein Teil des Computerprogrammprodukts vorübergehend in einem gerätelesbaren Speichermedium wie einem Herstellerserver, einem Anwendungsspeicherserver oder dem Speicher eines Relay-Servers gespeichert oder erstellt werden.
  • Die Schritte, aus denen das Verfahren gemäß der vorliegenden Erfindung besteht, können in jeder geeigneten Reihenfolge durchgeführt werden, sofern nicht ausdrücklich eine Reihenfolge angegeben oder das Gegenteil angegeben wird. Die vorliegende Erfindung ist nicht unbedingt auf die Reihenfolge der Beschreibung der Schritte beschränkt. Die Verwendung aller Beispiele oder beispielhaften Begriffe (z. B. „wie zum Beispiel“) dient lediglich der besseren Veranschaulichung der vorliegenden Erfindung und stellt keine Einschränkung des Umfangs der vorliegenden Erfindung dar, sofern nichts anderes durch die Ansprüche angegeben ist. Darüber hinaus ist für den Fachmann ersichtlich, dass verschiedene Modifikationen, Kombinationen und Änderungen gemäß den Konstruktionsbedingungen und -faktoren im Rahmen der beigefügten Ansprüche oder deren Äquivalente vorgenommen werden können.
  • Daher sollte der Geist der vorliegenden Erfindung nicht auf die oben beschriebenen Ausführungsformen beschränkt bestimmt werden, und alle Schutzbereiche, die den Ansprüchen äquivalent sind oder von diesen geändert werden, sowie die unten beschriebenen Ansprüche liegen innerhalb des Schutzbereichs des Geistes von der vorliegenden Erfindung.

Claims (12)

  1. Verfahren zum Vorhersagen einer zukünftigen Trajektorie eines aktuellen Zielfahrzeugs unter Verwendung von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge, umfassend: Empfangen, durch einen Server, der Bewegungsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge in einer Referenzposition eines in der Vergangenheit gefahrenen Fahrzeugs; Erhalten, durch einen Server aus den Bewegungsinformationen, von ersten Zustandsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem ersten Zeitpunkt - der erste Zeitpunkt entspricht einem vergangenen Zeitpunkt vor einem Referenzzeitpunkt; Erhalten, durch einen Server aus den Bewegungsinformationen, von Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem zweiten Zeitpunkt, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist; und probabilistisches Berechnen, durch einen Server, einer Verteilung der Bewegungspositionen unter Verwendung einer Clustering-Technik, wobei die Verteilung der Bewegungspositionen zum Vorhersagen einer zukünftigen Trajektorie für das aktuelle Zielfahrzeug verwendet wird.
  2. Verfahren gemäß Anspruch 1, ferner umfassend: Empfangen zweiter Zustandsinformationen über das aktuelle Zielfahrzeug in der Referenzposition und zum Referenzzeitpunkt; und Auswählen einer Verteilung von Bewegungspositionen, die mit den zweiten Zustandsinformationen über das aktuelle Zielfahrzeug übereinstimmen, aus den Verteilungen von Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge.
  3. Verfahren gemäß Anspruch 2, wobei die ausgewählte Verteilung der Bewegungspositionen zum Schätzen einer Verteilung von Zielpositionen für das aktuelle Zielfahrzeug zu einem dritten Zeitpunkt - der dritte Zeitpunkt entspricht einem zukünftigen Zeitpunkt, nachdem die bestimmte Zeit seit dem Referenzzeitpunkt verstrichen ist - verwendet wird und die Verteilung von Zielpositionen zum Vorhersagen der zukünftigen Trajektorie für das aktuelle Zielfahrzeug verwendet wird.
  4. Verfahren gemäß Anspruch 1 oder Anspruch 2, wobei erste Zustandsinformationen über die in der Vergangenheit umliegenden Fahrzeuge und zweite Zustandsinformationen über das aktuelle Zielfahrzeug Positionswerte und Geschwindigkeitswerte der Fahrzeuge umfassen.
  5. Verfahren gemäß Anspruch 2, wobei das Auswählen der Verteilung der Bewegungspositionen, die mit den zweiten Zustandsinformationen übereinstimmen, umfasst: Empfangen des Positionswerts und des Geschwindigkeitswerts des aktuellen Zielfahrzeugs; Extrahieren von Positionswerten des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge, die innerhalb eines bestimmten Bereichs von den Positionswerten liegen, aus den ersten Zustandsinformationen; Auswählen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge mit Geschwindigkeitswerten, die innerhalb eines bestimmten Bereichs von den Geschwindigkeitswerten liegen, aus einem oder mehreren in der Vergangenheit umliegenden Fahrzeugen mit den Positionswerten; und Auswählen einer Verteilung von Bewegungspositionen für das eine oder die mehreren ausgewählten in der Vergangenheit umliegenden Fahrzeuge zum zweiten Zeitpunkt.
  6. Verfahren gemäß Anspruch 1, wobei die Bewegungspositionen Positionen sind, die mindestens von einer der Straße, auf der das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge zum zweiten Zeitpunkt gefahren sind, oder der in der Straße enthaltenen Fahrspur angegeben werden.
  7. Verfahren gemäß Anspruch 1, wobei das probabilistisches Berechnen der Verteilung der Bewegungspositionen umfasst: Erzeugen eines oder mehrerer Clusters für die Bewegungspositionen unter Verwendung einer Clustering-Technik; Annähern jeweiliges Clusters an eine Gaußsche Verteilung; und Erhalten einer Gaußschen Mischungsverteilung für die Bewegungspositionen durch Anwenden eines Models der Gaußschen Mischung (Gaussian Mixture Model (GMM)) auf den einen oder die mehreren Clusters, die an die Gaußsche Verteilung angenähert sind.
  8. Verfahren gemäß Anspruch 7, wobei die Clustering-Technik eine DBSCAN-Technik (Dichtebasierte räumliche Clusteranalyse mit Rauschen) umfasst.
  9. Server, der eine zukünftige Trajektorie für ein aktuelles Zielfahrzeug anhand von Bewegungsinformationen eines oder mehrerer in der Vergangenheit umliegender Fahrzeuge vorhersagt, umfassend: einen Speicher, in dem mindestens ein Programm gespeichert ist; und mindestens einen Prozessor, der das mindestens eine Programm ausführt, wobei der mindestens eine Prozessor die Bewegungsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge in einer Referenzposition eines in der Vergangenheit gefahrenen Fahrzeugs empfängt; erste Zustandsinformationen über das eine oder die mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem ersten Zeitpunkt - der erste Zeitpunkt entspricht einem vergangenen Zeitpunkt vor dem Referenzzeitpunkt - aus den Bewegungsinformationen erhält; Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge zu einem zweiten Zeitpunkt, nachdem eine bestimmte Zeit seit dem ersten Zeitpunkt verstrichen ist, aus den Bewegungsinformationen erhält; und eine Verteilung der Bewegungspositionen mithilfe einer Clustering-Technik probabilistisch berechnet, wobei die Verteilung der Bewegungspositionen zum Vorhersagen der zukünftigen Trajektorie für das aktuelle Zielfahrzeug verwendet wird.
  10. Computerlesbares Aufzeichnungsmedium, auf welchem ein Programm zum Ausführen des Verfahrens gemäß Anspruch 1 auf einem Computer aufgezeichnet ist.
  11. System zum Vorhersagen einer zukünftigen Trajektorie für ein aktuelles Zielfahrzeug unter Verwendung von Bewegungsinformationen eines oder mehrerer, in der Vergangenheit umliegender Fahrzeuge, umfassend: eine Vorrichtung in einem in der Vergangenheit gefahrenen Fahrzeug, die Bewegungsinformationen über ein oder mehrere, in der Vergangenheit umliegende Fahrzeuge in einer Referenzposition des in der Vergangenheit gefahrenen Fahrzeugs erhält; einen Server, der anhand der Bewegungsinformationen eine Verteilung von Bewegungspositionen des einen oder der mehreren in der Vergangenheit umliegenden Fahrzeuge probabilistisch berechnet; und eine Vorrichtung in einem aktuell fahrenden Fahrzeug, die mithilfe der Verteilung der Bewegungspositionen eine zukünftige Trajektorie des aktuellen Zielfahrzeugs vorhersagt, wobei die Vorrichtung im aktuell fahrenden Fahrzeug zweite Zustandsinformationen über das aktuelle Zielfahrzeug in der Referenzposition und zum Referenzzeitpunkt erhält; die Verteilung der Bewegungspositionen der in der Vergangenheit umliegenden Fahrzeuge, die mit den zweiten Zustandsinformationen des aktuellen Zielfahrzeugs übereinstimmen, vom Server empfängt; eine Verteilung von Zielpositionen für das aktuelle Zielfahrzeug zu einem dritten Zeitpunkt - der dritte Zeitpunkt entspricht einem zukünftigen Zeitpunkt, nachdem die bestimmte Zeit seit dem Referenzzeitpunkt verstrichen ist - unter Verwendung der Verteilung der Bewegungspositionen schätzt; und eine zukünftige Trajektorie für das aktuelle Zielfahrzeug unter Verwendung der Verteilung der Zielpositionen vorhersagt.
  12. System gemäß Anspruch 11, wobei die Vorrichtung im aktuell fahrenden Fahrzeug eine Gaußsche Mischungsverteilung für die Zielpositionen erhält, und einen Durchschnittspunkt der Gaußschen Mischungsverteilung und einer Wahrscheinlichkeit für jeweiligen Cluster berechnet, der in der Gaußschen Mischungsverteilung enthalten ist.
DE102023120603.6A 2022-08-03 2023-08-03 Verfahren, Vorrichtung, und System zum Fahren durch Erfassen von Objekten um ein Fahrzeug herum Pending DE102023120603A1 (de)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
KR20220096457 2022-08-03
KR10-2022-0096457 2022-08-03
KR10-2022-0123725 2022-09-28
KR1020220123725A KR20240018997A (ko) 2022-08-03 2022-09-28 하나 이상의 과거 주변 차량들의 이동 정보들을 이용하여 현재 타켓 차량에 대한 미래 궤적을 예측하는 방법, 장치 및 컴퓨터-판독가능 매체
KR1020220124595A KR20240044955A (ko) 2022-09-29 2022-09-29 본선 합류를 위해 우회전하는 것을 계획중인 자율 주행 차량의 행동 결정 방법, 장치 및 컴퓨터-판독가능 기록매체
KR10-2022-0124595 2022-09-29

Publications (1)

Publication Number Publication Date
DE102023120603A1 true DE102023120603A1 (de) 2024-02-08

Family

ID=89575270

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102023120603.6A Pending DE102023120603A1 (de) 2022-08-03 2023-08-03 Verfahren, Vorrichtung, und System zum Fahren durch Erfassen von Objekten um ein Fahrzeug herum

Country Status (3)

Country Link
US (1) US20240109536A1 (de)
JP (1) JP2024022570A (de)
DE (1) DE102023120603A1 (de)

Also Published As

Publication number Publication date
US20240109536A1 (en) 2024-04-04
JP2024022570A (ja) 2024-02-16

Similar Documents

Publication Publication Date Title
DE112020004931T5 (de) Systeme und verfahren zur bestimmung der verkehrssicherheit
DE102019205223A1 (de) Einfädelverhaltenssysteme und Verfahren zum Einfädeln von Fahrzeugen
DE102018115263A1 (de) Systeme und verfahren zur vorhersage von verkehrsmustern in einem autonomen fahrzeug
DE102019205228A1 (de) Einfädelverhaltenssysteme und Verfahren für Fahrzeuge auf einer Hauptspur
DE112018005340T5 (de) Informationsverarbeitungsvorrichtung, fahrzeug, mobiles objekt, informationsverarbeitungsverfahren und programm
DE102016222782A1 (de) Autonomes Steuern eines Kraftfahrzeugs anhand von Spurdaten; Kraftfahrzeug
DE112018000479T5 (de) Ereignisvorhersagesystem, Ereignisvorhersageverfahren, Aufzeichnungsmedium und sich bewegender Körper
DE102016212700A1 (de) Verfahren und System zur Steuerung eines Fahrzeugs
DE102019127229A1 (de) System und verfahren zum bestimmen einer vertrautheit eines fahrzeugdatensatzes
DE102017112024A1 (de) Übertragungsnotwendigkeits-Bestimmungsvorrichtung und Routenplanungssystem
DE102020210499A1 (de) Datengesteuerte regelwerke
EP3160813A2 (de) Verfahren zur erstellung eines umfeldmodells eines fahrzeugs
DE112020001106T5 (de) Ausrichten von Straßeninformationen zur Navigation
DE102016112492A1 (de) Minimierung inkorrekter Sensordatenassoziationen für autonome Fahrzeuge
DE102017201665A1 (de) Verfahren zur Einbindung eines dynamischen Objektes in eine digitale Karte eines hochautomatisierten Fahrzeugs (HAF)
DE112020004949T5 (de) Fahrzeugbordvorrichtung und fahrunterstzützungsverfahren
DE102019127190A1 (de) System und verfahren zum beurteilen des bekanntseins eines gelernten fahrzeugdatensatzes eines fahrerassistenzsystems
DE112017007600T5 (de) Fahrzeug-Steuervorrichtung und Verfahren zum Steuern eines automatisiert fahrenden Fahrzeugs
DE102015223656A1 (de) Fahrerassistenzsystem und -Verfahren zur Fahrspurempfehlung
DE102018100668A1 (de) Fahrzeugsteuervorrichtung
DE102020127855A1 (de) Sicherheitssystem, automatisiertes fahrsystem und verfahren dafür
DE112021006807T5 (de) Verfahren und Systeme für ein sicheres spurabweichendes Fahren
DE112020005275T5 (de) Systeme und verfahren zur selektiven verzögerung eines fahrzeugs
DE112022000380T5 (de) Systeme und verfahren zur einheitlichen geschwindigkeitskartierung und navigation
DE102018128563A1 (de) Verfahren und vorrichtung für eine autonome systemleistung und einen vergleich

Legal Events

Date Code Title Description
R012 Request for examination validly filed