DE112012006790B4 - Kollisionsvorhersagevorrichtung - Google Patents

Kollisionsvorhersagevorrichtung Download PDF

Info

Publication number
DE112012006790B4
DE112012006790B4 DE112012006790.8T DE112012006790T DE112012006790B4 DE 112012006790 B4 DE112012006790 B4 DE 112012006790B4 DE 112012006790 T DE112012006790 T DE 112012006790T DE 112012006790 B4 DE112012006790 B4 DE 112012006790B4
Authority
DE
Germany
Prior art keywords
target object
collision
host vehicle
calculated
position information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
DE112012006790.8T
Other languages
English (en)
Other versions
DE112012006790T5 (de
Inventor
c/o TOYOTA JIDOSHA KABUSHIK Nanami Takeshi
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.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of DE112012006790T5 publication Critical patent/DE112012006790T5/de
Application granted granted Critical
Publication of DE112012006790B4 publication Critical patent/DE112012006790B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095Predicting travel path or likelihood of collision
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60RVEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04Traffic conditions
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00Input parameters relating to objects
    • B60W2554/40Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404Characteristics
    • B60W2554/4041Position
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00Input parameters relating to objects
    • B60W2554/80Spatial relation or speed relative to objects
    • B60W2554/804Relative longitudinal speed

Abstract

Kollisionsvorhersagevorrichtung, mit:einem Sensor (20; 30; 40), der Positionsinformationen bezieht, die eine Position eines Zielobjekts bezüglich eines Ausgangsfahrzeugs repräsentieren; undeinem Prozessor (10), dadurch gekennzeichnet, dassder Prozessor (10) eine Bewegungstrajektorie des Zielobjekts bezüglich des Ausgangsfahrzeugs basierend auf den zu einer Vielzahl von Zeitpunkten durch den Sensor (20; 30; 40) bezogenen Positionsinformationen berechnet, wobei die Bewegungstrajektorie unter Verwendung einer linearen Annäherung berechnet wird, die Ausreißer ausschließt, wobei die Ausreißer Positionsinformationen außerhalb eines vorbestimmten Fehlerbereichs sind,der Prozessor (10) eine Wahrscheinlichkeit einer Kollision zwischen dem Zielobjekt und dem Ausgangsfahrzeug basierend auf der berechneten Bewegungstrajektorie und zumindest einem von drei Parametern vorhersagt, wobei die drei Parameter eine Anzahl von Bezugszeitpunkten der zum Berechnen der Bewegungstrajektorie verwendeten Positionsinformationen, eine Änderung von einer Seitenbreite des Zielobjekts zwischen den Zeitpunkten, und eine Änderung von den Positionsinformationen des Zielobjekts bezüglich des Ausgangsfahrzeugs in einer Längsrichtung des Ausgangsfahrzeugs umfassen,der zumindest eine von drei Parametern die Anzahl von Bezugszeitpunkten umfasst, so dass die vorhergesagte Wahrscheinlichkeit einer Kollision niedriger wird, wenn die Anzahl der Bezugszeitpunkte kleiner wird,der zumindest eine von drei Parametern die Änderung von der Seitenbreite des Zielobjekts zwischen den Zeitpunkten umfasst, so dass die vorhergesagte Wahrscheinlichkeit einer Kollision niedriger wird, wenn die Änderung von der Seitenbreite zwischen den Zeitpunkten größer wird, undder Prozessor (10) eine Anweisung zur Steuerung einer Steuerungszieleinrichtung basierend auf der vorhergesagten Wahrscheinlichkeit einer Kollision ausgibt.

Description

  • Technisches Gebiet
  • Die vorliegende Erfindung betrifft eine Kollisionsvorhersagevorrichtung, die eine Wahrscheinlichkeit einer Kollision zwischen einem Zielobjekt und einem Ausgangsfahrzeug vorhersagt.
  • Stand der Technik
  • Es ist eine Kollisionsvorhersagevorrichtung bekannt, die eine Relativbewegungstrajektorie eines Zielobjekts, das ein Hindernis bezüglich eines Ausgangsfahrzeugs sein kann, vorhersagt, und eine Wahrscheinlichkeit einer Kollision zwischen dem Zielobjekt und dem Ausgangsfahrzeug vorhersagt (siehe JP 2004 - 352176 A ). Gemäß dieser Kollisionsvorhersagevorrichtung werden Positionen des Zielobjekts konstant durch Radar erfasst, und eine angenäherte Linie (oder eine angenäherte Kurve) für die erfassten Positionen wird mit einem RANSAC-Algorithmus oder einem Verfahren der kleinsten Quadrate, etc. berechnet. Die Bewegungstrajektorie wird basierend auf der angenäherten Linie vorhergesagt.
  • Ferner offenbart die Druckschrift DE 698 29 946 T2 ein prädiktives Kollisionserfassungssystem, wobei bezüglich jedem der möglichen Ziele, die der prädiktive Kollisionssensor erkennt, Bahnen entwickelt werden. Eine Bahn ist definiert als ein geglätteter Zustandsvektor, der den Sensorausgaben entspricht. Dabei unterscheidet das System zwischen zwei Arten von Bahnen, nämlich feste und vorläufige Bahnen, wobei feste Bahnen solche sind, die vom Sensorprozessor „gesehen“ wurden und von ausreichender Qualität sind.
  • Die Druckschrift DE11 2008 004 067 T5 bezieht sich auf eine Vorrichtung und ein Verfahren zur Bestimmung der Zuverlässigkeit eines Fahrtrichtungsvektors, wobei ein Fahrtrichtungsvektor-Berechnungsabschnitt auf der Grundlage einer Bewegungshistorie der Positionskoordinatenpunkte den Fahrtrichtungsvektor des Ziels berechnet, und ein Zuverlässigkeitsberechnungsabschnitt in einem Fall, in dem die Positionskoordinatenpunkte mindestens einen normal erkannten Koordinatenpunkt, der normalerweise von der Radarvorrichtung erkannt wird, und mindestens einen geschätzten Koordinatenpunkt, der von der Radarvorrichtung geschätzt wird, umfassen, die Zuverlässigkeit des Fahrtrichtungsvektors auf der Grundlage von mindestens einer von Informationen über den mindestens einen normal erkannten Koordinatenpunkt und Informationen über den mindestens einen geschätzten Koordinatenpunkt berechnet.
  • Offenbarung der Erfindung
  • Durch die Erfindung zu lösendes Problem
  • Jedoch besteht gemäß der in der JP 2004-352176 A offenbarten Konfiguration aufgrund dessen, dass die durch Radar erfassten Positionen gleich gehandhabt werden, ein Problem, dass eine Vorhersagegenauigkeit aufgrund der Positionsinformationen (Erfassungspunkt), deren Zuverlässigkeitsniveau niedrig ist, reduziert ist.
  • Es ist eine Aufgabe der vorliegenden Erfindung, eine Kollisionsvorhersagevorrichtung bereitzustellen, die eine Wahrscheinlichkeit einer Kollision zwischen einem Zielobjekt und einem Ausgangsfahrzeug mit hoher Genauigkeit vorhersagen kann.
  • Die vorstehende Aufgabe wird erfindungsgemäß durch eine Kollisionsvorhersagevorrichtung nach Patentanspruch 1 gelöst. Weitere Merkmale und vorteilhafte Weiterbildungen sind in den abhängigen Patentansprüchen gezeigt.
  • Vorteil der Erfindung
  • Gemäß der vorliegenden Erfindung kann eine Kollisionsvorhersagevorrichtung erhalten werden, die eine Wahrscheinlichkeit einer Kollision zwischen einem Zielobjekt und einem Ausgangsfahrzeug mit hoher Genauigkeit vorhersagen kann.
  • Figurenliste
    • 1 ist eine Darstellung zum Veranschaulichen einer Hauptkonfiguration einer Kollisionsvorhersagevorrichtung 1 gemäß einem Ausführungsbeispiel.
    • 2 ist ein Beispiel (erstes Ausführungsbeispiel) eines Ablaufdiagramms eines Hauptprozesses, der durch die Kollisionsvorhersagevorrichtung 1 ausgeführt wird.
    • 3 ist eine Darstellung zum Erläutern eines RANSAC-Algorithmus im Gegensatz zu einem gewöhnlichen Verfahren der kleinsten Quadrate.
    • 4 ist eine Darstellung zum Erläutern eines Beispiels eines Bestimmungsalgorithmus einer unvermeidbaren Kollisionssituation zusammen mit einem Beispiel des Kollisionswahrscheinlichkeitsberechnungsalgorithmus.
    • 5 ist ein Beispiel (zweites Ausführungsbeispiel) eines Ablaufdiagramms eines Hauptprozesses, der durch die Kollisionsvorhersagevorrichtung 1 ausgeführt wird.
    • 6 ist eine Darstellung zum Veranschaulichen eines weiteren Beispiels eines Zuverlässigkeitsberechnungsalgorithmus in Verbindung mit dem in 5 veranschaulichten Prozess von Schritt S506.
    • 7 ist ein Beispiel (drittes Ausführungsbeispiel) eines Ablaufdiagramms eines Hauptprozesses, der durch die Kollisionsvorhersagevorrichtung 1 ausgeführt wird.
    • 8 ist eine Darstellung zum Veranschaulichen eines weiteren Beispiels eines Zuverlässigkeitsberechnungsalgorithmus basierend auf einer Änderungsweise der Seitenbreite in Verbindung mit dem in 7 veranschaulichten Prozess von Schritt S706.
    • 9 ist ein Beispiel (viertes Ausführungsbeispiel) eines Ablaufdiagramms eines Hauptprozesses, der durch die Kollisionsvorhersagevorrichtung 1 ausgeführt wird.
  • Bezugszeichenliste
  • 10
    Verarbeitungseinrichtung
    20
    Radarsensor
    30
    Bildsensor
    40
    Fahrzeugsensor
    50
    Drosselsteuerungseinrichtung
    52
    Bremssteuerungseinrichtung
    54
    Anzeigeeinrichtung
    56
    Summer
  • Beste Methode zum Ausführen der Erfindung
  • Im Folgenden wird die beste Methode zum Ausführen der vorliegenden Erfindung detailliert mit Bezugnahme auf die anhängenden Zeichnungen beschrieben.
  • 1 ist eine Darstellung zum Veranschaulichen einer Hauptkonfiguration einer Kollisionsvorhersagevorrichtung 1 gemäß einem Ausführungsbeispiel. Die Kollisionsvorhersagevorrichtung 1 ist an einem Fahrzeug installiert. Die Kollisionsvorhersagevorrichtung 1 umfasst eine Verarbeitungseinrichtung 10.
  • Die Verarbeitungseinrichtung 10 kann durch einen Prozessor mit einer CPU konfiguriert sein. Die entsprechenden Funktionen der Verarbeitungseinrichtung 10 (mit den nachstehend beschriebenen Funktionen) können durch beliebige Hardware, beliebige Software, beliebige Firmware oder eine beliebige Kombination von diesen implementiert sein. Beispielsweise können ein beliebiger Teil oder alle der Funktionen der Verarbeitungseinrichtung 10 durch eine ASIC (anwendungsspezifische integrierte Schaltung), ein FPGA (feldprogrammierbares Gate-Array) oder einen DSP (digitaler Signalprozessor) implementiert sein. Weiterhin kann die Verarbeitungseinrichtung 10 durch eine Vielzahl von Verarbeitungseinrichtungen implementiert sein. Es sei angemerkt, dass die Verarbeitungseinrichtung 10 gewöhnlich in Form einer ECU (elektronische Steuereinheit) implementiert ist.
  • Die Verarbeitungseinrichtung 10 ist mit einem Radarsensor 20 und einem Bildsensor 30 verbunden, die Beispiele eines Sensors sind, der Positionsinformationen eines Zielobjekts bezüglich des Ausgangsfahrzeugs bezieht. Es sei angemerkt, dass lediglich einer des Radarsensors 20 oder des Bildsensors 30 verwendet werden kann.
  • Der Radarsensor 20 erfasst einen Zustand (Informationen des vorausfahrenden Fahrzeugs) des Zielobjekts in Front eines Ausgangsfahrzeugs durch Verwenden einer elektrischen Welle (beispielsweise Millimeterwelle), einer Lichtwelle (beispielsweise Laser) oder einer Ultraschallwelle als eine Erfassungswelle. Das Zielobjekt ist ein beliebiges Objekt, das bezüglich des Ausgangsfahrzeugs ein Hindernis darstellen könnte, sozusagen ein beliebiges Objekt, bezüglich dessen die Kollision des Ausgangsfahrzeugs zu verhindern ist. Das Zielobjekt kann beispielsweise andere Fahrzeuge, Fußgänger, stationäre Objekte, etc. sein. Der Radarsensor 20 erfasst Informationen, die eine Beziehung zwischen dem Zielobjekt und dem Ausgangsfahrzeug darstellen, beispielsweise Positionsinformationen des Zielobjekts zu einem vorbestimmten Zyklus. Die Positionsinformationen (Erfassungsergebnis) des Zielobjekts können zu einem vorbestimmten Zyklus an die Verarbeitungseinrichtung 10 übertragen werden. Es sei angemerkt, dass beliebige Funktionen des Radarsensors 20 (beispielsweise eine Funktion des Berechnens der Position des Zielobjekts) durch die Verarbeitungseinrichtung 10 implementiert sein können.
  • Der Bildsensor 30 umfasst eine Kamera, die Abbildungselemente, wie etwa CCD (ladungsgekoppelte Einrichtung), CMOS (komplementärer Metalloxidhalbleiter), etc., umfasst, sowie einen Bildprozessor zum Erkennen des Zustands des Zielobjekts in Front des Ausgangsfahrzeugs. Der Bildsensor 30 kann vom Stereotyp sein, oder zwei oder mehr Kameras enthalten, die auf unterschiedliche Weisen bereitgestellt sind. Der Bildsensor 30 erfasst basierend auf einem Bilderkennungsergebnis die Informationen, die eine Beziehung zwischen dem Zielobjekt und dem Ausgangsfahrzeug darstellen, wie etwa beispielsweise Positionsinformationen des Zielobjekts bezüglich des Ausgangsfahrzeugs, zu einem vorbestimmten Zyklus. Die Positionsinformationen des Zielobjekts umfassen Informationen bezüglich der Position (Distanz) des Zielobjekts in der Zurück-und-VorwärtsRichtung des Ausgangsfahrzeugs und/oder Informationen bezüglich der Quer- bzw. Seitenposition des Zielobjekts in der Quer- bzw. Seitenrichtung (Breiterichtung) des Ausgangsfahrzeugs. Die laterale Position des Zielobjekts kann basierend auf einer Mittelposition einer Pixelgruppe bezüglich des Zielobjekts in der Quer- bzw. Lateralrichtung berechnet werden. Alternativ kann die Lateralposition des Zielobjekts als ein Bereich zwischen einer Lateralposition des linken Endes und einer Lateralposition des rechten Endes berechnet werden. Weiterhin bezieht der Bildsensor 30, wenn notwendig, Informationen bezüglich der Seitenbreite bzw. der lateralen Breite des Zielobjekts basierend auf dem Bilderkennungsergebnis. Die Informationen (Erfassungsergebnis), die durch den Bildsensor 30 bezogen werden, können zu einem vorbestimmten Rahmenzyklus an die Verarbeitungseinrichtung 10 übertragen werden. Es sei angemerkt, dass die Bildverarbeitungsfunktion des Bildprozessors (beispielsweise eine Funktion des Berechnens der Position und der Seitenbreite des Zielobjekts) durch die Verarbeitungseinrichtung 10 implementiert sein kann.
  • Wenn der Bildsensor 30 vom Stereotyp ist, werden Bilddaten (Stereobilddaten), die durch die beiden Kameras bezogen werden, nach einem Kantenerfassungsprozess einem Stereoübereinstimmungsprozess unterzogen. Gemäß dem Stereoübereinstimmungsprozess wird beispielsweise eine SAD-(Summe von Absolutdifferenzen) Berechnung unter Verwendung des Bildes von einer der Kameras als ein Referenzbild durchgeführt, um ein Parallaxenbild basierend auf einer SAD-Wellenform zu erzeugen. Anschließend können Pixel, die im Wesentlichen die gleiche Parallaxe aufweisen, als die gleiche Gruppe kategorisiert werden, und die kategorisierte Pixelgruppe kann als eine Pixelgruppe bezüglich des Zielobjekts erkannt werden. Alternativ kann die Musterübereinstimmung für jene Pixel durchgeführt werden, die im Wesentlichen die gleiche Parallaxe aufweisen, und jene Pixelgruppe, die mit einem Ur-Muster übereinstimmt, kann als eine Pixelgruppe bezüglich des Zielobjekts erkannt werden. In jedem Fall kann die Seitenbreite des Zielobjekts durch Konvertieren der lateralen bzw. Seitenbreite (in einer Links-und-Rechts-Richtung) der Bildgruppe bezüglich des Zielobjekts in eine Breite des realen Raums berechnet werden.
  • Wenn der Radarsensor 20 und der Bildsensor 30 verwendet werden, können, wenn nötig, die Positionsinformationen vom Radarsensor 20 sowie die Positionsinformationen vom Bildsensor 30 in Kombination verwendet werden. Beispielsweise können die Positionsinformationen sowie die Geschwindigkeitsinformationen des Zielobjekts bezüglich der Position (Distanz) in der Zurück-und-VorwärtsRichtung des Ausgangsfahrzeugs durch den Radarsensor 20 bezogen werden, während die Positions-(Querpositions-)Informationen bezüglich einer Lateral- bzw. Querrichtung des Ausgangsfahrzeugs und die Informationen (Seitenbreiteninformationen) bezüglich der Seitenbreite des Zielobjekts durch den Bildsensor bezogen werden können.
  • Die Verarbeitungseinrichtung 10 kann mit den Fahrzeugsensoren 40, die Fahrzeuginformationen beziehen, verbunden sein. Die Fahrzeugsensoren 40 können Fahrzeuggeschwindigkeitssensoren (Fahrzeugradgeschwindigkeitssensoren) zum Erfassen der Fahrzeuggeschwindigkeit umfassen.
  • Die Verarbeitungseinrichtung 10 ist, als Beispiele von Steuerungszieleinrichtungen, mit einer Drosselsteuerungseinrichtung (beispielsweise eine Maschinen-ECU) 50, einer Bremssteuerungseinrichtung (beispielsweise eine Brems-ECU) 52, einer Anzeigeeinrichtung 54, sowie einem Summer 56 verbunden.
  • Die Drosselsteuerungseinrichtung 50 passt eine Ausgabe der Maschine durch Steuern einer Drosselposition gemäß einer Anweisung von der Verarbeitungseinrichtung 10 an. Beispielsweise kann die Verarbeitungseinrichtung 10 die Ausgabe der Maschine über die Drosselsteuerungseinrichtung 50 reduzieren, wenn die Verarbeitungseinrichtung 10 bestimmt, dass die Kollision zwischen dem Ausgangsfahrzeug und dem Zielobjekt unausweichlich ist.
  • Die Bremssteuerungseinrichtung 52 passt eine Bremskraft (Radzylinderdrücke) durch Steuern eines Bremsaktors und/oder von Ventilen gemäß einer Anweisung von der Verarbeitungseinrichtung 10 an. Beispielsweise kann die Verarbeitungseinrichtung 10 automatisch die Bremskraft über die Bremssteuerungseinrichtung 52 erzeugen, wenn die Verarbeitungseinrichtung 10 bestimmt, dass die Kollision zwischen dem Ausgangsfahrzeug und dem Zielobjekt unausweichlich ist.
  • Die Anzeigeeinrichtung 54 zeigt einen Alarm gemäß einer Anweisung von der Verarbeitungseinrichtung an. Der Alarm kann sich auf eine Kollision zwischen dem Ausgangsfahrzeug und dem Zielobjekt beziehen. Es sei angemerkt, dass die Anzeigeeinrichtung 54 direkt durch die Verarbeitungseinrichtung 10 gesteuert werden kann, oder durch die Verarbeitungseinrichtung 10 über eine weitere Steuerung gesteuert werden kann.
  • Der Summer 56 spielt einen Alarmton gemäß einer Anweisung von der Verarbeitungseinrichtung 10 ab. Der Alarmton kann sich auf die Kollision zwischen dem Ausgangsfahrzeug und dem Zielobjekt beziehen. Es sei angemerkt, dass der Summer 56 direkt durch die Verarbeitungseinrichtung 10 gesteuert werden kann, oder durch die Verarbeitungseinrichtung 10 über eine weitere Steuerung gesteuert werden kann.
  • Es sei angemerkt, dass die Steuerzieleinrichtungen andere Sicherheitseinrichtungen umfassen können, wie etwa eine Einrichtung, die eine Position einer Stoßstange in einer Aufwärts- und Abwärtsrichtung sowie einer Front- und Heckrichtung ändert, einen Sicherheitsgurtvorspanner, der einen Sicherheitsgurt um ein vorbestimmtes Ausmaß aufwickelt wenn bestimmt wird, dass die Kollision zwischen dem Ausgangsfahrzeug und dem Zielobjekt unausweichlich ist.
  • 2 ist ein Beispiel (erstes Ausführungsbeispiel) eines Ablaufdiagramms eines Hauptprozesses, der durch die Kollisionsvorhersagevorrichtung 1 ausgeführt wird. Es sei angemerkt, dass der in 2 veranschaulichte Prozess durch die Verarbeitungseinrichtung 10 durchgeführt wird; jedoch kann ein Teil der Prozesse (beispielsweise ein Prozess von Schritt S202, etc.) durch Verarbeitungseinrichtungen in dem Radarsensor 20 und/oder dem Bildsensor 30 durchgeführt werden. In diesem Fall bilden Verarbeitungseinrichtungen in dem Radarsensor 20 und/oder dem Bildsensor 30 einen Teil der Verarbeitungseinrichtung 10. Die in 2 veranschaulichte Prozessroutine wird zu einem vorbestimmten Zyklus während einer Periode durchgeführt, in der beispielsweise das Fahrzeug fährt.
  • In Schritt S200 werden Sensorinformationen (Positionsinformationen des Zielobjekts) von dem Radarsensor 20 und/oder dem Bildsensor 30 gelesen.
  • In Schritt S202 wird ein Bewegungsvektor des Zielobjekts bezüglich des Ausgangsfahrzeugs (nachstehend vereinfacht als „ein Bewegungsvektor“ bezeichnet) basierend auf den in Schritt S200 gelesenen Positionsinformationen des Zielobjekts berechnet. Dabei kann eine Kollisionsseitenposition basierend auf dem berechneten Bewegungsvektor berechnet werden. Die Kollisionsseitenposition stellt eine Position eines Frontabschnitts des Ausgangsfahrzeugs dar, das das Zielobjekt im Fall der Kollision zwischen dem Zielobjekt und dem Ausgangsfahrzeug trifft. Insbesondere entspricht die Kollisionsseitenposition einem Schnittpunkt zwischen einer erweiterten Linie des Bewegungsvektors mit einer horizontalen Tangentenlinie zu dem Frontabschnitt des Ausgangsfahrzeugs (d.h. ein Schnittpunkt, wenn der Bewegungsvektor und der Frontabschnitt des Ausgangsfahrzeugs sich schneiden, wenn der Bewegungsvektor erweitert wird). Um den Bewegungsvektor zu berechnen, umfassen hier die in Schritt S200 gelesenen Positionsinformationen des Zielobjekts Informationen zu einer Vielzahl von Zeitpunkten. Mit anderen Worten stellen die in Schritt S200 gelesenen Positionsinformationen des Zielobjekts eine Änderungsgeschichte der Position des Zielobjekts bezüglich des Ausgangsfahrzeugs dar. Eine Weise des Berechnens des Bewegungsvektors zu einer Vielzahl von Zeitpunkten kann beliebig erfolgen, umfassend ein Verfahren der kleinsten Quadrate; jedoch vorzugsweise ein robustes Abschätzverfahren, das nur einen Teil der Positionsinformationen zu einer Vielzahl von Zeitpunkten verwendet, die innerhalb eines vorbestimmten Fehlerbereichs liegen. Ein typisches Beispiel des robusten Abschätzverfahrens ist der RANSAC-(RANdom SAmple Consensus-)Algorithmus, der zufallsbedingt Abtastwerte der Positionsinformationselemente extrahiert und das Verfahren der kleinsten Quadrate an den extrahierten Abtastwerten anwendet. Hier wird als ein bevorzugtes Beispiel eine Erläuterung unter der Annahme bereitgestellt, dass der Bewegungsvektor mit dem RANSAC-Algorithmus berechnet wird.
  • In Schritt S204 wird ein Zuverlässigkeitsniveau bezüglich des in Schritt S202 berechneten Bewegungsvektors basierend auf der Anzahl (festgelegte Punktanzahl) der Positionsinformationselemente des Zielobjekts, die bei der Berechnung des Bewegungsvektors in Schritt S202 festgelegt wird, berechnet. Gemäß dem RANSAC-Algorithmus (und ebenso anderen robusten Abschätzverfahren) werden jene Positionsinformationselemente, die außerhalb des vorbestimmten Fehlerbereichs liegen, als Ausreißer nicht angewendet. Daher entspricht die festgelegte bzw. angewendete Punktanzahl der Anzahl der Positionsinformationselemente des Zielobjekts, d.h. die Anzahl der Zeitpunkte, die bei der Berechnung des Bewegungsvektors verwendet (festgesetzt) werden.
  • Das Zuverlässigkeitsniveau kann derart berechnet werden, dass je höher die festgelegte Punktanzahl wird, desto höher das Zuverlässigkeitsniveau wird. Mit anderen Worten kann das Zuverlässigkeitsniveau derart berechnet werden, dass je niedriger die festgelegte Punktanzahl wird, desto niedriger das Zuverlässigkeitsniveau wird. Beispielsweise beträgt das Zuverlässigkeitsniveau 100 (Maximalwert), wenn die festgelegte Punktanzahl einer maximalen Punktanzahl entspricht (oder größer oder gleich einer vorbestimmten Referenzanzahl ist), 40, wenn die festgesetzte Punktanzahl „2“ beträgt, usw. Dies liegt daran, dass ein Fall vorliegen kann, in dem selbst der RANSAC-Algorithmus keine lineare Annäherung (Linienanpassung) mit hoher Genauigkeit durchführen kann, wenn die festgelegte Punktanzahl klein ist. Das Zuverlässigkeitsniveau kann derart berechnet werden, dass dieses hinsichtlich der Abnahme der festgelegten Punktanzahl linear abfällt, oder derart, dass dieses hinsichtlich der Abnahme der festgelegten Punktanzahl nichtlinear (schrittweise) abfällt.
  • In Schritt S206 wird eine Kollisionswahrscheinlichkeit basierend auf dem in Schritt S202 berechneten Bewegungsvektor und dem in Schritt S204 berechneten Zuverlässigkeitsniveau berechnet. Eine Weise des Berechnens der Kollisionswahrscheinlichkeit kann beliebig sein. Wenn beispielsweise der in Schritt S202 berechnete Bewegungsvektor eine Richtung zu dem Ausgangsfahrzeug aufweist, kann die Kollisionswahrscheinlichkeit derart berechnet werden, dass je höher das in Schritt S204 berechnete Zuverlässigkeitsniveau ist (d.h. je höher die festgelegte bzw. angewendete Punktanzahl ist), desto höher die Kollisionswahrscheinlichkeit wird. Ein weiteres Beispiel der Weise des Berechnens der Kollisionswahrscheinlichkeit wird nachstehend beschrieben (siehe 4). Die so berechnete Kollisionswahrscheinlichkeit wird mit einem vorbestimmten Schwellenwert verglichen, und wenn die Kollisionswahrscheinlichkeit den vorbestimmten Schwellenwert übersteigt, kann die Bremssteuerungseinrichtung 52, etc. wie vorstehend beschrieben betätigt werden. Weiterhin kann die so berechnete Kollisionswahrscheinlichkeit mit Kollisionswahrscheinlichkeiten zu den letzten Zeitpunkten summiert werden, um den akkumulierten Wert der Kollisionswahrscheinlichkeiten abzuleiten (siehe 4). Wenn in diesem Fall der akkumulierte Wert der Kollisionswahrscheinlichkeiten einen vorbestimmten Schwellenwert übersteigt, kann die Bremssteuerungseinrichtung 52, etc. wie vorstehend beschrieben betätigt werden.
  • 3 ist eine Darstellung zum Erläutern des RANSAC-Algorithmus im Gegensatz zum gewöhnlichen Verfahren der kleinsten Quadrate in Verbindung mit dem Prozess von dem in 2 veranschaulichten Schritt S202. 3 (A) veranschaulicht schematisch den Bewegungsvektor 70, der durch die lineare Annäherung mit dem gewöhnlichen Verfahren der kleinsten Quadrate erhalten wird, und 3 (B) veranschaulicht schematisch den Bewegungsvektor 72, der durch die lineare Annäherung mit dem RANSAC-Algorithmus erhalten wird. In 3 bezeichnen die Markierungen „X“ erfasste Zielobjektpunkte zu den entsprechenden Zeitpunkten. Die erfassten Zielobjektpunkte stellen einen Punkt der Position des Zielobjekts dar, die durch die Distanz und die Querposition des Zielobjekts bezüglich des Ausgangsfahrzeugs ausgedrückt werden kann. Die erfassten Zielobjektpunkte (Positionsinformationen des Zielobjekts) zu einer Vielzahl von Zeitpunkten können Informationen von sequentiellen Punktdaten in Zeitreihen sein, wie in 3 veranschaulicht ist. Es sei angemerkt, dass in dem veranschaulichten Beispiel die erfassten Zielobjektpunkte in einem relativen Koordinatensystem (relative Positionen) bezüglich des Ausgangsfahrzeugs veranschaulicht sind; jedoch können die erfassten Zielobjektpunkte in einem absoluten Koordinatensystem erhalten und verarbeitet werden.
  • Im Fall der lineare Annäherung mit dem gewöhnlichen Verfahren der kleinsten Quadrate, wie schematisch in 3 (A) veranschaulicht ist, wird die lineare Annäherung durch den Ausreißer A beeinflusst. Im Gegensatz dazu kann im Fall der linearen Annäherung mit dem RANSAC-Algorithmus, wie schematisch in 3 (B) veranschaulicht ist, eine lineare Annäherung mit hoher Genauigkeit implementiert werden, ohne durch den Ausreißer A beeinflusst zu werden, weil die lineare Annäherung ohne den Ausreißer A durchgeführt wird. Andererseits gilt im Fall der linearen Annäherung mit dem RANSAC-Algorithmus, dass ein Fall vorliegen kann, in dem die lineare Annäherung nicht mit hoher Genauigkeit implementiert werden kann, wenn die festgelegte Punktanzahl beispielsweise aufgrund der großen Anzahl der Ausreißer klein ist. In einem solchen Fall besteht das Risiko, dass eine hohe Kollisionswahrscheinlichkeit basierend auf dem durch die lineare Annäherung mit dem RANSAC-Algorithmus erhaltenen Bewegungsvektor berechnet wird, ungeachtet der Tatsache, dass die tatsächliche Kollisionswahrscheinlichkeit niedrig ist.
  • Im Gegensatz dazu wird gemäß dem in 2 veranschaulichten Prozess die Kollisionswahrscheinlichkeit basierend nicht nur auf dem durch die lineare Annäherung mit dem RANSAC-Algorithmus erhaltenen Bewegungsvektor, sondern ebenso auf dem Zuverlässigkeitsniveau (d.h. dem Zuverlässigkeitsniveau basierend auf der festgelegten Punktanzahl) bezüglich des berechneten Bewegungsvektors berechnet, was ermöglicht, dass eine Kollisionswahrscheinlichkeit berechnet wird, die mehr an die tatsächliche Kollisionswahrscheinlichkeit angepasst ist.
  • Es sei angemerkt, dass im in 3 veranschaulichten Beispiel der erfasste Zielobjektpunkt zu jedem Zeitpunkt ein einzelner Punkt ist; jedoch kann dieser Punkt ein bestimmter Punkt aus einer Gruppe der erfassten Zielobjektpunkte (bezüglich des gleichen Zielobjekts) sein, der zu diesem Zeitpunkt erhalten wird. Beispielsweise kann der bestimmte Punkt eine Mitte bzw. ein Zentrum der Gruppe der erfassten Zielobjektpunkte sein (beispielsweise eine Mitte in einer Links-und-Rechts-Richtung). Weiterhin, um die laterale bzw. Seitenbreite des Zielobjekts zu berücksichtigen, können linke Enden der Gruppen der erfassten Zielobjektpunkte zu einer Vielzahl von Zeitpunkten mit dem RANSAC-Algorithmus linear angenähert werden, um den Bewegungsvektor zu erhalten, und rechte Enden von Gruppen der erfassten Zielobjektpunkte zu einer Vielzahl von Zeitpunkten können mit dem RANSAC-Algorithmus linear angenähert werden, um den Bewegungsvektor zu erhalten. In diesem Fall werden drei Bewegungsvektoren berechnet. In diesem Fall kann das Zuverlässigkeitsniveau basierend auf der festgelegten Punktanzahl ein Mittelwert der für jeden der Bewegungsvektoren erhaltenen Zuverlässigkeitsniveaus, oder ein kombinierter Wert sein, der durch Zuweisen von vorbestimmten Gewichtungen zu den Zuverlässigkeitsniveaus erhalten wird.
  • 4 ist eine Darstellung zum Erläutern eines Beispiels eines Bestimmungsalgorithmus einer Situation einer unausweichlichen Kollision zusammen mit einem Beispiel eines Kollisionswahrscheinlichkeitsberechnungsalgorithmus. In 4 ist der Bewegungsvektor 72, der mit Bezugnahme auf 3 erläutert wurde, zusammen mit dem Ausgangsfahrzeug veranschaulicht.
  • In 4 sind vier Auswahlkästen 101, 102, 103 und 104 schematisch in Front des Ausgangsfahrzeugs veranschaulicht. Die Auswahlkästen 101, 102, 103 und 104 sind imaginär gesetzt, um den entsprechenden Abschnitt (Sektionen) zu entsprechen, wenn der Frontabschnitt des Ausgangsfahrzeugs in der Lateral bzw. Querrichtung aufgeteilt wird. Die Anzahl der Auswahlkästen kann beliebig sein (in diesem Beispiel vier). Weiterhin kann die Seitenbreite der entsprechenden Abschnitte des Frontabschnitts des Ausgangsfahrzeugs (d.h. die Seitenbreite der entsprechenden Abschnitte entsprechend den Auswahlkästen) die gleiche sein, oder kann unter den Abschnitten unterschiedlich sein. Weiterhin können die Auswahlkästen in zwei Stufen in der Front- und Heckrichtung des Ausgangsfahrzeugs bereitgestellt sein.
  • Im in 4 veranschaulichten Beispiel wird die Kollisionswahrscheinlichkeit für jeden Abschnitt des Frontteils des Ausgangsfahrzeugs berechnet. In diesem Beispiel wird die Kollisionswahrscheinlichkeit für jeden Abschnitt des Frontteils des Ausgangsfahrzeugs derart berechnet, dass dessen Maximalwert 10% bei einem vorbestimmten Zyklus (beispielsweise bei einem Prozesszyklus des in 2 veranschaulichten Prozesses) liegt. Die für die Abschnitte des Frontteils des Ausgangsfahrzeugs berechneten Kollisionswahrscheinlichkeiten werden in den entsprechenden Auswahlkästen 101, 102, 103 und 104 bewertet, und die akkumulierten Werte der Kollisionswahrscheinlichkeiten werden für zehn Male bzw. Vorgänge (die letzten zehn Male) evaluiert. Mit anderen Worten werden die akkumulierten Werte der Kollisionswahrscheinlichkeiten der letzten zehn Zeitpunkte evaluiert. Die Kollisionswahrscheinlichkeit zu einem bestimmten Zeitpunkt kann basierend auf dem Bewegungsvektor und dem Zuverlässigkeitsniveau berechnet werden. Insbesondere wird ein Abschnitt unter den entsprechenden Abschnitten des Frontteils des Ausgangsfahrzeugs, in dem sich die basierend auf dem Bewegungsvektor wie vorstehend beschrieben berechnete Kollisionsseitenposition befindet, bestimmt, und die Wahrscheinlichkeit, maximal 10%, wird dem Auswahlkasten entsprechend dem Abschnitt zugewiesen, in dem sich die Kollisionsseitenposition befindet. Dabei kann das Zuverlässigkeitsniveau derart betrachtet werden, dass die Kollisionswahrscheinlichkeit zu diesem Zeitpunkt mit dem Zuverlässigkeitsniveau zu diesem Zeitpunkt multipliziert wird. Wenn beispielsweise das Zuverlässigkeitsniveau zu diesem Zeitpunkt der Maximalwert ist (beispielsweise 100), wird die maximale Wahrscheinlichkeit von 10% (10% x 1) dem Auswahlkasten entsprechend dem Abschnitt, in dem sich die Kollisionslateralposition befindet, zugewiesen. Wenn andererseits das Zuverlässigkeitsniveau zu diesem Zeitpunkt der Minimalwert ist (beispielsweise 0), kann die Wahrscheinlichkeit von 0% (10% x 0) anstatt der maximalen Wahrscheinlichkeit von 10% dem Auswahlkasten entsprechend dem Abschnitt zugewiesen werden, in dem sich die Kollisionsseitenposition befindet. Es sei angemerkt, dass die Zuverlässigkeitsniveaus zu den entsprechenden Zeitpunkten für die Kollisionswahrscheinlichkeiten zu den entsprechenden Zeitpunkten reflektiert werden können; jedoch kann ein Mittelwert der Zuverlässigkeitsniveaus zu den entsprechenden Zeitpunkten für den akkumulierten Wert der Kollisionswahrscheinlichkeiten reflektiert werden.
  • Es sei angemerkt, dass die Kollisionslateral- bzw. -seitenposition definiert sein kann, um einen solchen Bereich aufzuweisen, der der Seitenbreite des Zielobjekts entspricht, und beispielsweise basierend auf dem Bewegungsvektor zentriert ist. In diesem Fall kann die Seitenbreite des Zielobjekts auf den Seitenbreiteninformation zu diesem Zeitpunkt, oder einem Mittelwert der Seitenbreiten der Seitenbreiteninformationen zu den letzten Zeitpunkten basieren. In jedem Fall kann es eine Vielzahl von Auswahlkästen geben, in denen sich die Lateralposition befindet, die definiert ist, um den Bereich aufzuweisen. Weiterhin kann gleichermaßen, um die Seitenbreite des Zielobjekts zu berücksichtigen, wenn eine Vielzahl der Bewegungsvektoren wie vorstehend beschrieben berechnet wird, die Kollisionsseitenposition (Bereich) basierend auf den entsprechenden Bewegungsvektoren bestimmt werden.
  • Es sei angemerkt, dass in dem in 4 veranschaulichten Beispiel ein Zustand ausgewählt wurde, in dem die Kollisionswahrscheinlichkeiten zu vier Zeitpunkten berechnet wurden. Bezüglich des Auswahlkastens 101 wurden die Kollisionswahrscheinlichkeiten größer als 0 zu drei Zeitpunkten bewertet. Bezüglich des Auswahlkastens 102 wurden die Kollisionswahrscheinlichkeiten größer als 0 zu vier Zeitpunkten bewertet. Bezüglich des Auswahlkastens 103 wurden die Kollisionswahrscheinlichkeiten größer als 0 zu zwei Zeitpunkten bewertet. Bezüglich des Auswahlkastens 104 wurde keine Kollisionswahrscheinlichkeit größer als 0 bewertet. Beispielsweise gilt bezüglich des Auswahlkastens 102, wenn die Kollisionswahrscheinlichkeiten von 10% zu vier Zeitpunkten ausgewählt wurden (unter der Annahme, dass die Kollisionswahrscheinlichkeiten zu den vorhergehenden 6 Zeitpunkte unmittelbar vor diesen vier Zeitpunkten 0% betragen), dass der akkumulierte Wert der Kollisionswahrscheinlichkeiten für den Auswahlkasten 102 40% beträgt.
  • Eine Weise des Evaluierens des akkumulierten Werts der Kollisionswahrscheinlichkeiten (d.h. ein Bestimmungsverfahren einer Situation einer unvermeidbaren Kollision basierend auf dem akkumulierten Wert der Kollisionswahrscheinlichkeiten) kann beliebig sein. Beispielsweise kann der akkumulierte Wert der Kollisionswahrscheinlichkeiten mit einem vorbestimmten Schwellenwert auf einer Auswahlkästen-Basis für die Auswahlkästen 101, 102, 103 und 104 verglichen werden. Der vorbestimmte Schwellenwert kann auf einer Auswahlkästen-Basis für die Auswahlkästen 101, 102, 103 und 104 vorbereitet sein. Mit anderen Worten kann der vorbestimmte Schwellenwert für jeden Abschnitt des Frontteils des Ausgangsfahrzeugs eingestellt sein. In diesem Fall können die vorbestimmten Schwellenwerte derart eingestellt sein, dass der vorbestimmte Schwellenwert für den Abschnitt an einer zentralen Seite des Fahrzeugs in der Querrichtung niedriger ist jener für den Abschnitt an einem Seitenende des Fahrzeugs in der Querrichtung. Beispielsweise kann bezüglich der Auswahlkästen 101 und 104 am Seitenende des Fahrzeugs ein Schwellenwert eingestellt sein (beispielsweise 70%), der größer ist als jener (beispielsweise 45%) der Auswahlkästen 102 und 103 an der Zentrumsseite des Fahrzeugs. Die akkumulierten Werte der Kollisionswahrscheinlichkeiten können mit vorbestimmten Schwellenwerten auf einer Auswahlkästen-Basis für die Auswahlkästen 101, 102, 103 und 104 verglichen werden, und wenn der akkumulierte Wert der Kollisionswahrscheinlichkeiten in einer beliebigen der Auswahlkästen den vorbestimmten Schwellenwert übersteigt, kann bestimmt werden, dass die Kollision des Zielobjekts in dem diesen Auswahlkasten betreffenden Abschnitt unvermeidbar ist. Auf diese Weise wird es gemäß der Weise des Berechnens der Kollisionswahrscheinlichkeiten für die entsprechenden Abschnitte des Frontteils des Ausgangsfahrzeugs möglich, mit hoher Genauigkeit die Wahrscheinlichkeit der Kollision zwischen dem Zielobjekt und dem Ausgangsfahrzeug auf einer Abschnittsbasis für die entsprechenden Abschnitte des Frontteils des Ausgangsfahrzeugs zu evaluieren.
  • 5 ist ein Beispiel (zweites Ausführungsbeispiel) eines Ablaufdiagramms eines Hauptprozesses, der durch die Kollisionsvorhersagevorrichtung 1 ausgeführt wird. Es sei angemerkt, dass der in 5 veranschaulichte Prozess durch die Verarbeitungseinrichtung 10 durchgeführt wird; jedoch kann ein Teil der Prozesse (beispielsweise ein Prozess von Schritt S504, etc.) durch Verarbeitungseinrichtungen in dem Radarsensor 20 und/oder dem Bildsensor 30 durchgeführt werden. In diesem Fall bilden Verarbeitungseinrichtungen in dem Radarsensor 20 und/oder dem Bildsensor 30 einen Teil der Verarbeitungseinrichtung 10. Die in 5 veranschaulichte Prozessroutine wird zu einem vorbestimmten Zyklus während einer Periode durchgeführt, in der beispielsweise das Fahrzeug fährt. Der in 5 veranschaulichte Prozess ist insbesondere für einen Fall geeignet, in dem das Zielobjekt ein stationäres Objekt ist.
  • In Schritt S500 werden Sensorinformationen (Positionsinformationen des Zielobjekts) von dem Radarsensor 20 und/oder dem Bildsensor 30 gelesen. Weiterhin werden die Fahrzeuginformationen von dem Fahrzeugsensor 40 zusätzlich zu den Sensorinformationen von dem Radarsensor 20 und/oder dem Bildsensor 30 gelesen.
  • In Schritt S502 wird ein Differential der Position des Zielobjekts bezüglich des Ausgangsfahrzeugs basierend auf den Positionsinformationen des Zielobjekts in dem gegenwärtigen Zyklus und den Positionsinformationen des Zielobjekts in dem vorhergehenden Zyklus berechnet, und eine Änderungsrate der Position (Distanz) des Zielobjekts aus der Fahrzeuggeschwindigkeit des Ausgangsfahrzeugs wird basierend auf den Fahrzeugsinformationen (Fahrzeuggeschwindigkeitsinformationen über das Ausgangsfahrzeug) von dem Fahrzeugsensor 40 berechnet. Das Differential zwischen dem gegenwärtigen Wert und dem vorhergehenden Wert der Position (Distanz) des Zielobjekts bezüglich des Ausgangsfahrzeugs kann ein Differential (Änderungsrate der Distanz) bezüglich der Vorwärts-und-Rückwärts-Richtung des Ausgangsfahrzeugs sein. Die Änderungsrate der Position des Zielobjekts aus der Fahrzeuggeschwindigkeit des Ausgangsfahrzeugs kann durch Multiplizieren der Geschwindigkeit des Ausgangsfahrzeugs mit einem Berechnungszyklus (Bezugszyklus der Positionsinformationen des Zielobjekts) berechnet werden. Es sei angemerkt, dass in einem Fall, in dem das Zielobjekt ein stationäres Objekt ist (alternativ bewegt sich das Zielobjekt nur in der Querrichtung und ist daher in der Vorwärts-und-Rückwärts-Richtung stationär), von dem Differential zwischen dem gegenwärtigen Wert und dem vorhergehenden Wert der Position des Zielobjekts bezüglich des Ausgangsfahrzeugs erwartet wird, dass diese der Änderungsrate der Position des Zielobjekts aus der Fahrzeuggeschwindigkeit des Ausgangsfahrzeugs entspricht.
  • In Schritt S504 wird der Bewegungsvektor (und die Kollisionsseiten- bzw. querposition) basierend auf den in Schritt S500 gelesenen Positionsinformationen des Zielobjekts berechnet, wie dies in dem in 2 veranschaulichten Prozess von Schritt S202 der Fall ist.
  • In Schritt S506 wird ein Zuverlässigkeitsniveau des erfassten Zielobjekts basierend auf der Distanzänderungsweise berechnet (d.h. dem Differential zwischen dem gegenwärtigen Wert und dem vorhergehenden Wert der Position des Zielobjekts bezüglich des Ausgangsfahrzeugs), die in Schritt S502 berechnet wurde. Das Zuverlässigkeitsniveau kann derart berechnet werden, dass je kleiner der Unterschied zwischen dem Differential zwischen dem gegenwärtigen Wert und dem vorhergehenden Wert der Position des Zielobjekts bezüglich des Ausgangsfahrzeugs, sowie der Änderungsrate der Position des Zielobjekts aus der Fahrzeuggeschwindigkeit des Ausgangsfahrzeugs ist, desto höher das Zuverlässigkeitsniveau wird. Mit anderen Worten kann das Zuverlässigkeitsniveau derart berechnet werden, dass je größer die Distanzvariation wird, desto niedriger das Zuverlässigkeitsniveau wird. Dies liegt daran, dass wenn der Unterschied bzw. die Verfremdung zwischen dem Differential zwischen dem gegenwärtigen Wert und dem vorhergehenden Wert der Position des Zielobjekts bezüglich des Ausgangsfahrzeugs, sowie der Änderungsrate der Position des Zielobjekts aus der Fahrzeuggeschwindigkeit des Ausgangsfahrzeugs groß ist, ist die Wahrscheinlichkeit, dass das zu erfassende Objekt erfasst wird, hoch, und daher kann bestimmt werden, dass das Zuverlässigkeitsniveau der Positionsinformationen (Distanz) des Zielobjekts niedrig ist. Das Zuverlässigkeitsniveau kann derart berechnet werden, dass dieses bezüglich des Anstiegs des Unterschieds bzw. der Verfremdung linear abnimmt, oder derart, dass dieses bezüglich des Anstiegs des Unterschieds bzw. der Verfremdung nichtlinear (schrittweise) abnimmt.
  • Es sei angemerkt, dass das Vergleichsergebnis in Schritt S506 der vorhergehenden Zyklen berücksichtigt werden kann, um das Zuverlässigkeitsniveau zu berechnen. Beispielsweise kann der Unterschied bzw. die Verfremdung zwischen dem Differential zwischen dem vorhergehenden Wert und dem weiter vorhergehenden Wert der Position des Zielobjekts bezüglich des Ausgangsfahrzeugs, sowie der Änderungsrate der Position des Zielobjekts aus der Fahrzeuggeschwindigkeit des Ausgangsfahrzeugs zu dem vorhergehenden Zyklus, der Unterschied bzw. die Verfremdung zu einem weiter vorhergehenden Zyklus, etc. berücksichtigt werden. In diesem Fall kann das Zuverlässigkeitsniveau derart berechnet werden, dass je kleiner der Mittelwert der Unterschiede bzw. Verfremdungen wird, desto höher das Zuverlässigkeitsniveau wird.
  • In Schritt S508 wird die Kollisionswahrscheinlichkeit basierend auf dem in Schritt S504 berechneten Bewegungsvektor sowie dem in Schritt S506 berechneten Zuverlässigkeitsniveau berechnet. Die Weise des Berechnens der Kollisionswahrscheinlichkeit kann dieselbe wie vorstehend beschrieben sein. Wenn beispielsweise der in Schritt S504 berechnete Bewegungsvektor eine Richtung zu dem Ausgangsfahrzeug aufweist, kann die Kollisionswahrscheinlichkeit derart berechnet werden, dass je höher das in Schritt S506 berechnete Zuverlässigkeitsniveau ist, desto höher die Kollisionswahrscheinlichkeit wird. Weiterhin kann die Kollisionswahrscheinlichkeit abschnittsbasiert berechnet werden, wie vorstehend mit Bezugnahme auf 4 beschrieben wurde.
  • 6 ist eine Darstellung zum Veranschaulichen eines weiteren Beispiels des Zuverlässigkeitsberechnungsalgorithmus in Verbindung mit einem Prozess des in 5 veranschaulichten Schritts S506. In 6 stellen t1 bis t5 die Bezugszeitpunkte (Zyklen) der Positionsinformationen des Zielobjekts dar, und eine Richtung von t1 bis t5 entspricht einer Richtung des Verstreichens der Zeit. Durch Bezugszeichen 80 versehene Markierung stellen die erfassen Zielobjektpunkte zu den entsprechenden Zeitpunkten dar.
  • Das Zuverlässigkeitsniveau kann basierend auf der Änderungsweise der Position selbst des Zielobjekts bezüglich des Ausgangsfahrzeugs berechnet werden. Beispielsweise, wie schematisch in 6 (B) veranschaulicht ist, wenn die Position des Zielobjekts bezüglich des Ausgangsfahrzeugs bezüglich der vorhergehenden Zyklus weiter weg wird (d.h. die Distanz des Zielobjekts bezüglich des Ausgangsfahrzeugs länger wird), kann ein niedriges Zuverlässigkeitsniveau berechnet werden. Insbesondere wird in dem in 6 (A) veranschaulichten Beispiel die Position des Zielobjekts des Ausgangsfahrzeugs mit Verstreichen der Zeit näher. Im Gegensatz dazu wird in dem in 6 (B) veranschaulichten Beispiel die Position des Zielobjekts bezüglich des Ausgangsfahrzeugs zum Zeitpunkt t4 weiter weg, nachdem die Position des Zielobjekts bezüglich des Ausgangsfahrzeugs zum Zeitpunkt t3 am nächsten wird. Wenn sich die Distanz des Zielobjekts bezüglich des Ausgangsfahrzeugs instabil ändert, wird die Wahrscheinlichkeit, dass das Objekt, das nicht zu erfassen ist, erfasst wird, hoch. Beispielsweise besteht eine Wahrscheinlichkeit, dass ein Objekt ohne materielle Substanz, wie etwa Rauch, eine Seitenwand (die Seitenwand, wenn das Fahrzeug nicht in diese stoßen kann), etc., erfasst wird. Wenn sich daher die Distanz des Zielobjekts bezüglich des Ausgangsfahrzeugs instabil ändert (d.h. wenn die Distanzänderung groß ist), kann das Zuverlässigkeitsniveau derart berechnet werden, dass dieses kleiner als das in jenem Fall zu berechnende Zuverlässigkeitsniveau wird, in dem sich die Distanz stabil ändert, wie in dem in 6 (A) veranschaulichten Beispiel. Es sei angemerkt, dass die Positionsinformationen (Kollisionsseitenpositionen) des Zielobjekts, die zum Bestimmen einer solchen Stabilität der Distanz verwendet werden, nur jene Positionsinformationen sein können, die bei der Berechnung des Bewegungsvektors in Schritt S504 angewendet werden, oder die Positionsinformationen des Zielobjekts (d.h. Ausreißer) enthalten können, die nicht angewendet werden.
  • Gemäß dem in 5 und 6 veranschaulichten zweiten Ausführungsbeispiel wird die Kollisionswahrscheinlichkeit basierend auf dem gemäß der Distanzänderungsweise wie vorstehend beschrieben berechneten Zuverlässigkeitsniveau berechnet, was ein Berechnen der Kollisionswahrscheinlichkeit ermöglicht, das mehr an die tatsächliche Kollisionswahrscheinlichkeit angepasst ist. Mit anderen Worten gilt, dass wenn die Distanzänderungsweise groß ist (instabil), ein niedriges Zuverlässigkeitsniveau berechnet wird, und daher eine niedrige Kollisionswahrscheinlichkeit berechnet wird, was ermöglicht das Problem zu umgehen, dass eine hohe Kollisionswahrscheinlichkeit bezüglich eines Objekts berechnet wird, das nicht zu erfassen ist.
  • Es sei angemerkt, dass das vorstehend beschriebene zweite Ausführungsbeispiel mit dem vorstehend beschriebenen ersten Ausführungsbeispiel kombiniert werden kann. Insbesondere kann das Zuverlässigkeitsniveau basierend auf der vorstehend beschriebenen Distanzänderungsweise, ebenso wie auf der Anzahl (festgelegte Punktanzahl) der Positionsinformationselemente des Zielobjekts, die bei der der Berechnung des Bewegungsvektors in Schritt S504 festgesetzt wurden, berechnet werden. Beispielsweise kann ein resultierendes Zuverlässigkeitsniveau durch Zuweisen von vorbestimmten Gewichtungen zu dem Zuverlässigkeitsniveau basierend auf der Distanzänderungsweise und dem Zuverlässigkeitsniveau basierend auf der festgelegten Punktanzahl, und Summieren der gewichteten Zuverlässigkeitsniveaus erhalten werden. Alternativ kann das basierend auf der festgelegten Punktanzahl erhaltene Zuverlässigkeitsniveau basierend auf dem Zuverlässigkeitsniveau, das basierend auf der Distanzänderungsweise erhalten wird, korrigiert werden.
  • 7 ist ein Beispiel (drittes Ausführungsbeispiel) eines Ablaufdiagramms eines Hauptprozesses, der durch die Kollisionsvorhersagevorrichtung 1 ausgeführt wird. Es sei angemerkt, dass der in 7 veranschaulichte Prozess durch die Verarbeitungseinrichtung 10 durchgeführt wird; jedoch kann ein Teil der Prozesse (beispielsweise ein Prozess von Schritt S702, etc.) durch Verarbeitungseinrichtungen im Radarsensor 20 und/oder im Bildsensor 30 durchgeführt werden. In diesem Fall bilden Verarbeitungseinrichtungen in dem Radarsensor 20 und/oder dem Bildsensor 30 einen Teil der Verarbeitungseinrichtung 10. Die in 7 veranschaulichte Prozessroutine wird zu einem vorbestimmten Zyklus während einer Periode durchgeführt, in der beispielsweise das Fahrzeug fährt.
  • In Schritt S700 werden die Sensorinformationen (die Positionsinformationen und die Seitenbreiteninformationen des Zielobjekts) von dem Radarsensor 20 und/oder dem Bildsensor 30 gelesen.
  • In Schritt S504 wird der Bewegungsvektor (und die Kollisionsseitenposition) basierend auf den in Schritt S700 gelesenen Positionsinformationen des Zielobjekts berechnet, wie dies in dem in 2 veranschaulichten Prozess von Schritt S202 der Fall ist.
  • In Schritt S704 wird eine Änderungsweise der Seitenbreite basierend auf den in Schritt S700 gelesenen Seitenbreiteninformationen berechnet. Die Änderungsweise der Seitenbreite kann basierend auf den zu den vorhergehenden Zyklen erhaltenen Seitenbreiteinformationen berechnet werden. Beispielsweise kann ein statistischer Wert, wie etwa eine Varianz der Seitenbreite, basierend auf den zu den letzten zehn Zeitpunkten erhaltenen Seitenbreiteninformationen berechnet werden. Es sei angemerkt, dass die Seitenbreiteninformationen des Zielobjekts, die bei der Berechnung der Änderungsweise der Seitenbreite verwendet werden, nur jene Seitenbreiteninformationen zu den Zeitpunkten umfassen kann, für die die Positionsinformationen des Zielobjekts bei der Berechnung des Bewegungsvektors angenommen bzw. festgesetzt werden, oder können die Seitenbreiteninformationen des Zielobjekts zu jenen zehn Zeitpunkten umfassen, für die die Positionsinformationen des Zielobjekts nicht festgelegt wurden (d.h. die Seitenbreiteninformationen des Zielobjekts zu jenen zehn Zeitpunkten, für die die Positionsinformationselemente des Zielobjekts als Ausreißer bestimmt wurden).
  • In Schritt S706 wird das Zuverlässigkeitsniveau des erfassten Zielobjekts basierend auf der in Schritt S704 berechneten Änderungsweise der Seitenbreite berechnet. In diesem Fall kann das Zuverlässigkeitsniveau derart berechnet werden, dass je kleiner die Änderungsweise der Seitenbreite wird, desto höher das Zuverlässigkeitsniveau wird. Dies liegt daran, dass wenn die Änderungsweise der Seitenbreite groß ist, es bestimmt werden kann, dass das Zuverlässigkeitsniveau des Zielobjekts niedrig ist (es besteht eine Wahrscheinlichkeit, dass jenes Objekt, das zu erfassen ist, erfasst wird, oder ein Zuverlässigkeitsniveau bezüglich einer Konsistenz des Zielobjekts niedrig ist). Das Zuverlässigkeitsniveau kann derart berechnet werden, dass dieses bezüglich des Anstiegs der Änderungsweise der Seitenbreite linear abnimmt, oder derart, dass dieses bezüglich des Anstiegs der Änderungsweise der Seitenbreite nichtlinear (schrittweise) abnimmt.
  • In Schritt S708 wird die Kollisionswahrscheinlichkeit basierend auf dem in Schritt S702 berechneten Bewegungsvektor und dem in Schritt S706 berechneten Zuverlässigkeitsniveau berechnet. Die Weise des Berechnens der Kollisionswahrscheinlichkeit kann die gleiche wie vorstehend beschrieben sein. Wenn beispielsweise der in Schritt S702 berechnete Bewegungsvektor eine Richtung zu dem Ausgangsfahrzeugs aufweist, kann die Kollisionswahrscheinlichkeit derart berechnet werden, dass je höher das in Schritt S706 berechnete Zuverlässigkeitsniveau ist, desto höher die Kollisionswahrscheinlichkeit wird. Weiterhin kann die Kollisionswahrscheinlichkeit abschnittsbasiert wie vorstehend mit Bezugnahme auf 4 beschrieben berechnet werden.
  • 8 ist eine Darstellung zum Veranschaulichen eines weiteren Beispiels des Zuverlässigkeitsberechnungsalgorithmus basierend auf einer Seitenbreitenänderungsweise in Verbindung mit einem Prozess von Schritt S706, der in 7 veranschaulicht ist. In 6 stellen t1 bis t5 die Bezugszeitpunkte (Zyklen) der Positionsinformationen des Zielobjekts dar, und eine Richtung von t1 bis t5 entspricht einer Richtung des Verstreichens der Zeit. Durch Bezugszeichen 80 angegebene Markierungen stellen die Positionen der erfassten Zielobjektpunkte zu den entsprechenden Zeitpunkten dar. Die Breite der Markierung 80 entspricht der Seitenbreite des Zielobjekts basierend auf den Seitenbreiteninformationen (d.h. die Breite der Gruppe der erfassten Zielobjektpunkte).
  • In dem in 8 (A) veranschaulichten Beispiel ist die Änderungsweise der Seitenbreite zwischen den Zeitpunkten t1 bis t5 klein. Wenn die Änderungsweise der Seitenbreite wie vorstehend beschrieben klein ist, wird eine Wahrscheinlichkeit, dass das zu erfassende Zielobjekt mit hoher Genauigkeit erfasst wird, hoch. Im Gegensatz dazu ist in dem in 8 (B) veranschaulichten Beispiel die Änderungsweise der Seitenbreite zwischen den Zeitpunkten t1 bis t5 groß. Insbesondere ist die Breite der erfassten Zielobjektpunktgruppe, die zum Zeitpunkt t3 erfasst wird, wesentlich breiter als jene der erfassten Zielobjektpunktgruppen, die zu den Zeitpunkten t1 und t2 erfasst wurden. Weiterhin ist die Breite der erfassten Zielobjektpunktgruppe, die zum Zeitpunkt t4 erfasst wird, im Wesentlichen die gleichen wie jene der erfassten Zielobjektpunktgruppen, die zu den Zeitpunkten t1 und t2 erfasst wurden; jedoch ist die Breite der erfassten Zielobjektpunktgruppe, die zum Zeitpunkt t5 erfasst wird, wesentlich breiter als jene der erfassten Zielobjektpunktgruppe, die zum Zeitpunkt t4 erfasst wird. Wenn die Änderungsweise der Seitenbreite daher groß ist, ist eine Wahrscheinlichkeit, dass das Zielobjekt, das nicht zu erfassen ist, erfasst wird, hoch. Beispielsweise besteht eine Wahrscheinlichkeit, dass ein solches Objekt keine materielle Substanz aufweist, wie etwa Rauch. Wenn sich daher die Seitenbreite instabil ändert, kann das Zuverlässigkeitsniveau derart berechnet werden, dass dieses niedriger wird als das in jenem Fall zu berechnende Zuverlässigkeitsniveau, in dem sich die Seitenbreite stabil ändert, wie in dem in 6 (A) veranschaulichten Beispiel.
  • Gemäß dem in 7 und 8 veranschaulichten dritten Ausführungsbeispiel wird die Kollisionswahrscheinlichkeit basierend auf dem gemäß der Änderungsweise der Seitenbreite wie vorstehend beschrieben berechneten Zuverlässigkeitsniveau berechnet, was ermöglicht eine Kollisionswahrscheinlichkeit zu berechnen, die mehr an die tatsächliche Kollisionswahrscheinlichkeit angepasst ist. Wenn mit anderen Worten die Änderungsweise der Seitenbreite groß ist, wird ein niedriges Zuverlässigkeitsniveau berechnet, und daher eine niedrige Kollisionswahrscheinlichkeit berechnet, was ermöglicht, das Problem zu umgehen, dass eine hohe Kollisionswahrscheinlichkeit bezüglich jenem Objekt berechnet wird, das nicht zu erfassen ist.
  • Es sei angemerkt, dass in dem dritten Ausführungsbeispiel, um die Seitenbreite des Zielobjekts zu berücksichtigen, linke Enden von Gruppen der erfassten Zielobjektpunkte zu einer Vielzahl von Zeitpunkten linear mit dem RANSAC-Algorithmus angenähert werden können, um den Bewegungsvektor zu erhalten, und rechte Enden von Gruppen der erfassten Zielobjektpunkte zu einer Vielzahl von Zeitpunkten können linear mit dem RANSAC-Algorithmus angenähert werden, um den Bewegungsvektor zu erhalten. In diesem Fall kann die Änderung der Breite der erfassten Zielobjektpunktgruppen einen Einfluss auf die festgelegte Punktanzahl (oder die nicht festgelegte Punktanzahl) bei der Berechnung des Bewegungsvektors bezüglich der erfassten Zielobjektpunkte an dem linken Ende, und die festgelegte Punktanzahl (oder die nicht festgelegte Punktanzahl) bei der Berechnung des Bewegungsvektors bezüglich der erfassten Zielobjektgruppen an dem rechten Ende haben. Daher kann die Änderung der Breite der erfassten Zielobjektpunktgruppen basierend auf diesen festgelegten Punktanzahlen bestimmt werden. Weiterhin kann die Änderung der Breite der erfassten Zielobjektpunktgruppen einen Einfluss auf eine Parallelität zwischen dem Bewegungsvektor bezüglich der erfassten Zielobjektpunkte an der Mittelposition, dem Bewegungsvektor bezüglich der erfassten Zielobjektpunkte an dem linken Ende und dem Bewegungsvektor bezüglich der erfassten Zielobjektpunkte an dem rechten Ende haben. Daher kann die Änderung der Breite der erfassten Zielobjektpunktgruppen basierend auf einer solchen Parallelität zwischen diesen Bewegungsvektoren bestimmt werden.
  • Weiterhin kann das vorstehend beschriebene dritte Ausführungsbeispiel mit dem vorstehend beschriebenen ersten Ausführungsbeispiel kombiniert werden. Insbesondere kann das Zuverlässigkeitsniveau basierend auf der Änderungsweise der vorstehend beschriebenen Seitenbreite sowie der Anzahl (festgelegte Punktanzahl) der Positionsinformationselemente des Zielobjekts, das bei der Berechnung des Bewegungsvektors in Schritt S702 angepasst wird, berechnet werden. Beispielsweise kann ein resultierendes Zuverlässigkeitsniveau durch Zuweisen von vorbestimmten Gewichtungen zu dem Zuverlässigkeitsniveau basierend auf der Änderungsweise der Seitenbreite und dem Zuverlässigkeitsniveau basierend auf der festgelegten Punktanzahl, und Summieren der gewichteten Zuverlässigkeitsniveaus erhalten werden. Alternativ kann das basierend auf der festgelegten Punktanzahl erhaltene Zuverlässigkeitsniveau basierend auf dem Zuverlässigkeitsniveau, das basierend auf der Änderungsweise der Seitenbreite erhalten wird, korrigiert werden.
  • 9 ist ein Beispiel (viertes Ausführungsbeispiel) eines Ablaufdiagramms eines Hauptprozesses, der durch die Kollisionsvorhersagevorrichtung 1 ausgeführt wird. Es sei angemerkt, dass der in 9 veranschaulichte Prozess durch die Verarbeitungseinrichtung 10 durchgeführt wird; jedoch kann ein der Prozesse (beispielsweise ein Prozess von Schritt S904, etc.) durch Verarbeitungseinrichtungen in dem Radarsensor 20 und/oder dem Bildsensor 30 durchgeführt werden. In diesem Fall bilden Verarbeitungseinrichtungen in dem Radarsensor 20 und/oder dem Bildsensor 30 einen Teil der Verarbeitungseinrichtung 10. Die in 9 veranschaulichte Prozessroutine wird zu einem vorbestimmten Zyklus während einer Periode, in der beispielsweise das Fahrzeug fährt, durchgeführt.
  • Das vierte Ausführungsbeispiel entspricht einem Ausführungsbeispiel, das durch Kombinieren des ersten Ausführungsbeispiels, des zweiten Ausführungsbeispiels und des dritten Ausführungsbeispiels, die vorstehend beschrieben wurden, erhalten wird. Nachfolgend werden Erläuterungen betreffend vorstehend beschriebene Gegenstände bezüglich des ersten Ausführungsbeispiels, des zweiten Ausführungsbeispiels oder des dritten Ausführungsbeispiels, wenn angemessen, weggelassen.
  • In Schritt S900 werden Sensorinformationen, etc. von dem Radarsensor 20 und/oder dem Bildsensor 30 gelesen.
  • In Schritt S902 wird die Änderungsrate der Position (Distanz) des Zielobjekts aus der Fahrzeuggeschwindigkeit des Ausgangsfahrzeugs berechnet, wie dies in dem mit Bezugnahme auf 5 in dem zweiten Ausführungsbeispiel beschriebenen Schritt S502 der Fall ist.
  • In Schritt S902 wird der Bewegungsvektor (und die Kollisionsseitenposition) berechnet, wie dies in dem mit Bezugnahme auf 2 in dem ersten Ausführungsbeispiel vorstehend beschriebenen Schritt S502 der Fall ist.
  • In Schritt S906 wird das Zuverlässigkeitsniveau bezüglich des in Schritt S904 berechneten Bewegungsvektors basierend auf der Anzahl (festgelegte Punktanzahl) der Positionsinformationselemente des Zielobjekts, die bei der Berechnung des Bewegungsvektors in Schritt S904 festgelegt werden, berechnet, wie dies in dem vorstehend mit Bezugnahme auf 2 in dem ersten Ausführungsbeispiel beschriebenen Schritt S204 der Fall ist.
  • In Schritt S908 wird ein Zuverlässigkeitsniveausubtraktionswert bezüglich der Distanzänderung basierend auf der in Schritt S902 berechneten Distanzänderungsweise berechnet. Eine Weise des Berechnens des Zuverlässigkeitsniveausubtraktionswerts bezüglich der Distanzänderung ist im Wesentlichen die gleiche wie die Weise des Berechnens des Zuverlässigkeitsniveaus in dem vorstehend mit Bezugnahme auf 5 in dem zweiten Ausführungsbeispiel beschriebenen Schritt S506; jedoch wird der Zuverlässigkeitsniveausubtraktionswert als ein „Subtraktionswert“ verwendet, um das Zuverlässigkeitsniveau zu reduzieren, und daher wird der Zuverlässigkeitsniveausubtraktionswert derart berechnet, dass dieser größer wird, wenn die Distanzänderung größer wird.
  • In Schritt S910 wird die Änderungsweise der Seitenbreite basierend auf den in Schritt S900 gelesenen Seitenbreiteninformationen berechnet, wie dies in dem vorstehend mit Bezugnahme auf 7 in dem dritten Ausführungsbeispiel beschriebenen Schritt S704 der Fall ist.
  • In Schritt S912 wird ein Zuverlässigkeitsniveausubtraktionswert bezüglich der Änderungsweise der Seitenbreite basierend auf der in Schritt S910 berechneten Änderungsweise der Seitenbreite berechnet. Eine Weise des Berechnens des Zuverlässigkeitsniveausubtraktionswert bezüglich der Seitenbreitenänderung basiert im Wesentlichen auf der gleichen Idee, die in dem vorstehend mit Bezugnahme auf 7 in dem dritten Ausführungsbeispiel beschriebenen Schritt S706 verwendet wird; jedoch wird der Zuverlässigkeitsniveausubtraktionswert als ein „Subtraktionswert“ verwendet, um das Zuverlässigkeitsniveau zu reduzieren, und daher wird der Zuverlässigkeitsniveausubtraktionswert derart berechnet, dass dieser größer wird, wenn die Seitenbreitenänderung größer wird.
  • In Schritt S914 wird ein resultierendes Zuverlässigkeitsniveau basierend auf den Berechnungsergebnissen in Schritt S906, Schritt S908 und Schritt S912 berechnet. Beispielsweise kann ein resultierendes Zuverlässigkeitsniveau durch Subtrahieren der entsprechenden in Schritt S908 und Schritt S912 berechneten Zuverlässigkeitsniveausubtraktionswerte von dem in Schritt S906 berechneten Zuverlässigkeitsniveau abgeleitet werden.
  • In Schritt S916 wird die Kollisionswahrscheinlichkeit basierend auf dem in Schritt S904 berechneten Bewegungsvektor und dem in Schritt S914 berechneten Zuverlässigkeitsniveau berechnet. Die Weise des Berechnens der Kollisionswahrscheinlichkeit kann die gleiche wie die zuvor beschriebene sein. Wenn beispielsweise der in Schritt S904 berechnete Bewegungsvektor eine Richtung zu dem Ausgangsfahrzeug aufweist, kann die Kollisionswahrscheinlichkeit derart berechnet werden, dass je höher das in Schritt S914 berechnete Zuverlässigkeitsniveau ist, desto höher die Kollisionswahrscheinlichkeit wird. Weiterhin kann die Kollisionswahrscheinlichkeit abschnittsweise berechnet werden, wie vorstehend mit Bezugnahme auf 4 beschrieben ist.
  • Gemäß dem vierten Ausführungsbeispiel wird die Kollisionswahrscheinlichkeit basierend auf der festgelegten Punktanzahl bei der Berechnung des Bewegungsvektors mit der linearen Annäherung; der Distanzänderungsweise; und der Änderungsweise der Seitenbreite berechnet, was ein Berechnen der Kollisionswahrscheinlichkeit ermöglicht, die mehr an die tatsächliche Kollisionswahrscheinlichkeit angepasst ist.
  • Daher wird es möglich, das Problem zu beheben, dass eine hohe Kollisionswahrscheinlichkeit bezüglich des Objekts berechnet wird, das nicht zu erfassen ist.
  • Die vorliegende Erfindung wurde mit Bezugnahme auf die bevorzugten Ausführungsbeispiele beschrieben. Jedoch sollte verstanden sein, dass die vorliegende Erfindung nicht auf die vorstehend beschriebenen Ausführungsbeispiele beschränkt ist, und dass Variationen und Modifikationen durchgeführt werden können, ohne von dem Umfang der vorliegenden Erfindung abzuweichen.
  • Beispielsweise betreffen die vorstehend beschriebenen Ausführungsbeispiele eine Kollision zwischen dem Ausgangsfahrzeug und dem Zielfahrzeug in Front des Ausgangsfahrzeugs; jedoch ist die Kollisionsweise nicht auf eine solche Frontkollision beschränkt, und die Essenz der vorstehend beschriebenen Ausführungsbeispiele (insbesondere die Weisen des Vorhersagens der Kollisionswahrscheinlichkeit zwischen dem Zielobjekt und dem Ausgangsfahrzeug) kann bei beliebigen Kollisionsweisen angewendet werden. Beispielsweise kann bezüglich der Kollision in einen Heckteil des Ausgangsfahrzeugs ein Radarsensor und/oder ein Bildsensor zum Überwachen der rückwärtigen Szene des Ausgangsfahrzeugs verwendet werden.
  • Weiterhin wird der Bewegungsvektor (Linearbewegungstrajektorie) des Zielobjekts mit der linearen Annäherung als eine Bewegungstrajektorie des Zielobjekts berechnet; jedoch kann die Bewegungstrajektorie (Kurve) des Zielobjekts durch ein Kurvenanpassen bzw. Kurven-Fitting berechnet werden.
  • Weiterhin wird gemäß dem ersten Ausführungsbeispiel etc. die lineare Annäherung mit dem RANSAC-Algorithmus durchgeführt und das Zuverlässigkeitsniveau wird basierend auf der festgelegten Punktanzahl während der linearen Annäherung berechnet; jedoch kann die lineare Annäherung mit dem gewöhnlichen Verfahren der kleinsten Quadrate anstatt des RANSAC-Algorithmus durchgeführt werden. In diesem Fall kann das Zuverlässigkeitsniveau derart berechnet werden, dass je höher die Abtastpunktanzahl wird, desto höher das Zuverlässigkeitsniveau wird, unter Berücksichtigung einer solchen Tendenz, die das gewöhnliche Verfahren der kleinsten Quadrate generell aufweist.
  • Weiterhin wird gemäß dem ersten Ausführungsbeispiel etc. die lineare Annäherung mit dem RANSAC-Algorithmus durchgeführt und das Zuverlässigkeitsniveau wird basierend auf der festgelegten Punktanzahl während der linearen Annäherung berechnet; jedoch kann als ein äquivalentes Ausführungsbeispiel das Zuverlässigkeitsniveau basierend auf der nicht festgelegten Punktanzahl berechnet werden. In diesem Fall kann das Zuverlässigkeitsniveau derart berechnet werden, dass je weniger die nicht angepasste Punktanzahl wird, desto niedriger das Zuverlässigkeitsniveau wird. Es sei angemerkt, dass ein Berücksichtigen der nicht festgelegten Punktanzahl gleich einer Berücksichtigung der Anzahl ist, die durch Subtrahieren der festgelegten Punktanzahl von der gesamten Punktanzahl erhalten wird, und ist daher bei der Berücksichtigung der festgelegten Punktanzahl enthalten. Weiterhin umfasst eine Berücksichtigung der festgelegten Punktanzahl eine Berücksichtigung eines Verhältnisses der festgelegten Punktanzahl zu der Gesamtanzahl, ein Differential zwischen der festgelegten Punktanzahl und der Gesamtanzahl, etc.
  • Weiterhin wird gemäß den vorstehend beschriebenen Ausführungsbeispielen das Zuverlässigkeitsniveau basierend auf Parametern berechnet, wie etwa der festgelegten Punktanzahl, etc. Jedoch kann das Zuverlässigkeitsniveau basierend auf anderen Parametern zusätzlich zu den vorstehend beschriebenen Parametern berechnet werden. Beispielsweise kann das basierend auf den Parametern, wie etwa der festgelegten Punktanzahl, etc., berechnete Zuverlässigkeitsniveau gemäß einer Empfangsstärke des Radarsensors 20 oder einem Erkennungszuverlässigkeitsniveau des Bildsensors 30 (beispielsweise ein Zuverlässigkeitsniveau bei der Musterübereinstimmung) korrigiert werden.
  • Weiterhin wird gemäß den vorstehend beschriebenen Ausführungsbeispielen die Kollisionswahrscheinlichkeit (oder der akkumulierte Wert der Kollisionswahrscheinlichkeiten, wobei nachstehend dasselbe zutrifft), die basierend auf dem Zuverlässigkeitsniveau korrigiert wird, mit dem Schwellenwert verglichen, um zu bestimmen, ob die Kollision unausweichlich ist; jedoch können das Zuverlässigkeitsniveau und die Kollisionswahrscheinlichkeit unabhängig evaluiert werden. Wenn insbesondere das Zuverlässigkeitsniveau größer oder gleich einem vorbestimmten Präferenzwert ist, und die Kollisionswahrscheinlichkeit größer oder gleich einem vorbestimmten Schwellenwert ist, kann bestimmt werden, dass die Kollision unausweichlich ist (was eine Operation der Bremssteuerungseinrichtung 52, etc. bewirkt).
  • Weiterhin wird gemäß den vorstehend beschriebenen Ausführungsbeispielen das Zuverlässigkeitsniveau basierend auf den Parametern, wie etwa der festgelegten Punktanzahl, etc., berechnet, und die Kollisionswahrscheinlichkeit basierend auf dem Bewegungsvektor wird basierend auf dem berechneten Zuverlässigkeitsniveau geändert (korrigiert); jedoch kann die Kollisionswahrscheinlichkeit als ein äquivalentes Ausführungsbeispiel direkt basierend auf dem Bewegungsvektor und der festgelegten Punktanzahl, etc. berechnet werden. Weiterhin kann als ein äquivalentes Ausführungsbeispiel der mit der Kollisionswahrscheinlichkeit zu vergleichende Schwellenwert basierend auf dem berechneten Zuverlässigkeitsniveau korrigiert werden. In diesem Fall kann der Schwellenwert derart korrigiert werden, dass der Schwellenwert näher zu einem Nominalwert wird, wenn das berechnete Zuverlässigkeitsniveau höher wird, und der Schwellenwert bezüglich des Nominalwerts größer wird, wenn das berechnete Zuverlässigkeitsniveau kleiner wird.

Claims (5)

  1. Kollisionsvorhersagevorrichtung, mit: einem Sensor (20; 30; 40), der Positionsinformationen bezieht, die eine Position eines Zielobjekts bezüglich eines Ausgangsfahrzeugs repräsentieren; und einem Prozessor (10), dadurch gekennzeichnet, dass der Prozessor (10) eine Bewegungstrajektorie des Zielobjekts bezüglich des Ausgangsfahrzeugs basierend auf den zu einer Vielzahl von Zeitpunkten durch den Sensor (20; 30; 40) bezogenen Positionsinformationen berechnet, wobei die Bewegungstrajektorie unter Verwendung einer linearen Annäherung berechnet wird, die Ausreißer ausschließt, wobei die Ausreißer Positionsinformationen außerhalb eines vorbestimmten Fehlerbereichs sind, der Prozessor (10) eine Wahrscheinlichkeit einer Kollision zwischen dem Zielobjekt und dem Ausgangsfahrzeug basierend auf der berechneten Bewegungstrajektorie und zumindest einem von drei Parametern vorhersagt, wobei die drei Parameter eine Anzahl von Bezugszeitpunkten der zum Berechnen der Bewegungstrajektorie verwendeten Positionsinformationen, eine Änderung von einer Seitenbreite des Zielobjekts zwischen den Zeitpunkten, und eine Änderung von den Positionsinformationen des Zielobjekts bezüglich des Ausgangsfahrzeugs in einer Längsrichtung des Ausgangsfahrzeugs umfassen, der zumindest eine von drei Parametern die Anzahl von Bezugszeitpunkten umfasst, so dass die vorhergesagte Wahrscheinlichkeit einer Kollision niedriger wird, wenn die Anzahl der Bezugszeitpunkte kleiner wird, der zumindest eine von drei Parametern die Änderung von der Seitenbreite des Zielobjekts zwischen den Zeitpunkten umfasst, so dass die vorhergesagte Wahrscheinlichkeit einer Kollision niedriger wird, wenn die Änderung von der Seitenbreite zwischen den Zeitpunkten größer wird, und der Prozessor (10) eine Anweisung zur Steuerung einer Steuerungszieleinrichtung basierend auf der vorhergesagten Wahrscheinlichkeit einer Kollision ausgibt.
  2. Kollisionsvorhersagevorrichtung gemäß Anspruch 1, wobei der Prozessor (10) die Wahrscheinlichkeit einer Kollision basierend auf der berechneten Bewegungstrajektorie und der Änderung von der Positionsinformationen des Zielobjekts bezüglich des Ausgangsfahrzeugs in einer Längsrichtung des Ausgangsfahrzeugs derart vorhersagt, dass die vorhergesagte Wahrscheinlichkeit einer Kollision in einem Zustand niedriger wird, wenn ein Unterschied zwischen der Änderung von der Positionsinformationen und einer Änderungsweise der Position des Ausgangsfahrzeugs, die basierend auf einem Fahrzeuggeschwindigkeitssensor berechnet wird, vorliegt.
  3. Kollisionsvorhersagevorrichtung gemäß Anspruch 1, wobei der Prozessor (10) die Wahrscheinlichkeit einer Kollision basierend auf der berechneten Bewegungstrajektorie und der Änderung von der Positionsinformationen des Zielobjekts bezüglich des Ausgangsfahrzeugs in einer Längsrichtung des Ausgangsfahrzeugs derart vorhersagt, dass die vorhergesagte Wahrscheinlichkeit einer Kollision in einem Zustand niedriger wird, wenn sich die Position des Zielobjekts bezüglich des Ausgangsfahrzeugs bezüglich der vorhergehenden Position des Zielobjekts entfernt.
  4. Kollisionsvorhersagevorrichtung gemäß Anspruch 1, wobei der Prozessor (10) die Bewegungstrajektorie durch einen RANSAC-Algorithmus berechnet.
  5. Kollisionsvorhersagevorrichtung gemäß Anspruch 1, wobei der Prozessor (10) für entsprechende Abschnitte des Ausgangsfahrzeugs die Wahrscheinlichkeit einer Kollision zwischen dem Zielobjekt und dem Abschnitt des Ausgangsfahrzeugs vorhersagt.
DE112012006790.8T 2012-08-08 2012-08-08 Kollisionsvorhersagevorrichtung Active DE112012006790B4 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2012/070272 WO2014024284A1 (ja) 2012-08-08 2012-08-08 衝突予測装置

Publications (2)

Publication Number Publication Date
DE112012006790T5 DE112012006790T5 (de) 2015-04-23
DE112012006790B4 true DE112012006790B4 (de) 2022-09-29

Family

ID=50067565

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112012006790.8T Active DE112012006790B4 (de) 2012-08-08 2012-08-08 Kollisionsvorhersagevorrichtung

Country Status (4)

Country Link
US (1) US9440650B2 (de)
JP (1) JP5835490B2 (de)
DE (1) DE112012006790B4 (de)
WO (1) WO2014024284A1 (de)

Families Citing this family (56)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9975550B2 (en) * 2013-05-31 2018-05-22 Toyota Jidosha Kabushiki Kaisha Movement trajectory predicting device and movement trajectory predicting method
US9809219B2 (en) * 2014-01-29 2017-11-07 Continental Automotive Systems, Inc. System for accommodating a pedestrian during autonomous vehicle operation
JP5991332B2 (ja) * 2014-02-05 2016-09-14 トヨタ自動車株式会社 衝突回避制御装置
WO2015155833A1 (ja) * 2014-04-08 2015-10-15 三菱電機株式会社 衝突防止装置
WO2015174093A1 (ja) * 2014-05-16 2015-11-19 パナソニックIpマネジメント株式会社 車載用表示装置、車載用表示装置の制御方法、プログラム
KR102338554B1 (ko) * 2015-03-16 2021-12-15 주식회사 만도모빌리티솔루션즈 자동 긴급 제동장치 및 그 제어방법
GB2541354A (en) * 2015-05-27 2017-02-22 Cambridge Entpr Ltd Collision avoidance method, computer program product for said collision avoidance method and collision avoidance system
FR3039121B1 (fr) * 2015-07-20 2018-12-07 Psa Automobiles Sa. Procede d’aide a la conduite d’un premier vehicule sur le point de depasser un second vehicule
US9868393B2 (en) 2015-12-10 2018-01-16 International Business Machines Corporation Vehicle accident avoidance system
JP6504078B2 (ja) * 2016-02-24 2019-04-24 株式会社デンソー 衝突予測装置
JP6613982B2 (ja) * 2016-03-22 2019-12-04 株式会社デンソー 車両制御装置、車両制御方法
EP3452338A4 (de) * 2016-05-06 2020-01-01 Emiliano Miluzzo System und verfahren für smartphone-kommunikation zwischen fahrzeug und fussgänger
US10118610B2 (en) 2016-08-31 2018-11-06 Ford Global Technologies, Llc Autonomous vehicle using path prediction
US10338208B2 (en) * 2016-10-27 2019-07-02 GM Global Technology Operations LLC Object detection in multiple radars
DE102016225516B4 (de) * 2016-12-20 2019-11-14 Bayerische Motoren Werke Aktiengesellschaft Messsystem und Messverfahren für ein Fahrzeug
KR102199093B1 (ko) 2017-02-10 2021-01-06 닛산 노쓰 아메리카, 인크. 부분 관측가능한 마르코프 결정 프로세스 모델 인스턴스를 동작시키는 것을 포함하는 자율주행 차량 운용 관리
BR112019016278A2 (pt) 2017-02-10 2020-04-07 Nissan North America, Inc. monitoramento de bloqueio de gerenciamento operacional de veículo autônomo
EP3580620B1 (de) 2017-02-10 2023-09-06 Nissan North America, Inc. Steuerung der betriebsverwaltung eines autonomen fahrzeugs
EP3364211B1 (de) * 2017-02-21 2022-08-17 Continental Autonomous Mobility Germany GmbH Verfahren und vorrichtung zur erfassen einer möglichen kollision und fahrzeug
JP6666289B2 (ja) * 2017-03-15 2020-03-13 株式会社東芝 移動体用空間情報算出装置及び衝突回避システム
US11154442B1 (en) 2017-04-28 2021-10-26 Patroness, LLC Federated sensor array for use with a motorized mobile system and method of use
DE102017208245A1 (de) * 2017-05-16 2018-11-22 Continental Automotive Gmbh Verfahren und Vorrichtung zur zielbasierten Prädiktion dynamischer Objekte
US10913434B2 (en) * 2017-06-01 2021-02-09 Aptiv Technologies Limited Automatic braking system for slow moving objects
WO2019033025A1 (en) * 2017-08-10 2019-02-14 Patroness, LLC SYSTEMS AND METHODS FOR IMPROVED AUTONOMOUS OPERATIONS OF A MOTORIZED MOBILE SYSTEM
US10656652B2 (en) 2017-08-10 2020-05-19 Patroness, LLC System and methods for sensor integration in support of situational awareness for a motorized mobile system
US11075910B2 (en) * 2017-08-10 2021-07-27 Patroness, LLC Secure systems architecture for integrated motorized mobile systems
US10836405B2 (en) 2017-10-30 2020-11-17 Nissan North America, Inc. Continual planning and metareasoning for controlling an autonomous vehicle
WO2019088989A1 (en) 2017-10-31 2019-05-09 Nissan North America, Inc. Reinforcement and model learning for vehicle operation
US11702070B2 (en) 2017-10-31 2023-07-18 Nissan North America, Inc. Autonomous vehicle operation with explicit occlusion reasoning
EP3480624B1 (de) * 2017-11-07 2021-12-29 Veoneer Sweden AB Erkennung der parkreihenausrichtung
EP3483629B1 (de) * 2017-11-09 2021-12-29 Veoneer Sweden AB Detektion einer parkreihe mit einem fahrzeugradarsystem
US11084504B2 (en) 2017-11-30 2021-08-10 Nissan North America, Inc. Autonomous vehicle operational management scenarios
US11874120B2 (en) 2017-12-22 2024-01-16 Nissan North America, Inc. Shared autonomous vehicle operational management
WO2019164531A1 (en) 2018-02-26 2019-08-29 Nissan North America, Inc. Centralized shared autonomous vehicle operational management
JP7067175B2 (ja) 2018-03-23 2022-05-16 株式会社デンソー 運転支援装置、運転支援方法、およびコンピュータプログラム
JP7192229B2 (ja) * 2018-03-26 2022-12-20 株式会社デンソー 検知装置、検知方法、およびコンピュータプログラム
US10634777B2 (en) * 2018-05-30 2020-04-28 Ford Global Technologies, Llc Radar odometry for vehicle
US11120688B2 (en) 2018-06-29 2021-09-14 Nissan North America, Inc. Orientation-adjust actions for autonomous vehicle operational management
CN109188457B (zh) * 2018-09-07 2021-06-11 百度在线网络技术(北京)有限公司 物体检测框的生成方法、装置、设备、存储介质及车辆
JP7312608B2 (ja) * 2019-05-23 2023-07-21 豊田合成株式会社 車両用装飾部品
US11738746B2 (en) 2019-06-19 2023-08-29 Ted JEWELL Lifeform transmission system for collision avoidance
CN110444044B (zh) * 2019-08-27 2022-07-12 纵目科技(上海)股份有限公司 基于超声波传感器的车辆位姿检测系统、终端和存储介质
JP7221832B2 (ja) * 2019-08-29 2023-02-14 株式会社デンソー 車両衝突判定装置
JP7369783B2 (ja) * 2019-09-26 2023-10-26 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 情報処理方法、プログラム及び情報処理装置
DE102019216598A1 (de) * 2019-10-29 2021-04-29 Deere & Company Verfahren zum Überwachen einer Umgebung eines Fahrzeugs und System zum Überwachen einer Umgebung eines Fahrzeugs
US11635758B2 (en) 2019-11-26 2023-04-25 Nissan North America, Inc. Risk aware executor with action set recommendations
US11899454B2 (en) 2019-11-26 2024-02-13 Nissan North America, Inc. Objective-based reasoning in autonomous vehicle decision-making
US11613269B2 (en) 2019-12-23 2023-03-28 Nissan North America, Inc. Learning safety and human-centered constraints in autonomous vehicles
US11300957B2 (en) 2019-12-26 2022-04-12 Nissan North America, Inc. Multiple objective explanation and control interface design
US11714971B2 (en) 2020-01-31 2023-08-01 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11577746B2 (en) 2020-01-31 2023-02-14 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11782438B2 (en) 2020-03-17 2023-10-10 Nissan North America, Inc. Apparatus and method for post-processing a decision-making model of an autonomous vehicle using multivariate data
EP3886076A1 (de) * 2020-03-27 2021-09-29 Aptiv Technologies Limited Warnsystem für ein host-kraftfahrzeug
US20210403008A1 (en) * 2020-06-29 2021-12-30 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Method and system for predicting a trajectory of a target vehicle in an environment of a vehicle
CN111898835B (zh) * 2020-08-11 2022-02-22 腾讯科技(深圳)有限公司 一种智能交通管理方法、装置、计算机及可读存储介质
JP7420086B2 (ja) * 2021-01-13 2024-01-23 豊田合成株式会社 車両用外装品

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19841751A1 (de) 1998-09-11 2000-03-16 Bayerische Motoren Werke Ag Niveauregelvorrichtung
DE10323424A1 (de) 2002-05-27 2003-12-24 Denso Corp Fahrzeugradarvorrichtung mit verbesserter Messgenauigkeit beim Erfassen der seitlichen Position eines vorausfahrenden Fahrzeugs durch Verringern der Fehler, die durch Streuung der Positionswerte und durch die Positionsbeziehung zu dem vorausfahrenden Fahrzeug verursacht werden
JP2004052176A (ja) 2002-07-22 2004-02-19 Nisshinbo Ind Inc バナナ繊維及びその製法、それを用いた混紡糸、並びに繊維構造物
JP2004352176A (ja) 2003-05-30 2004-12-16 Suzuki Motor Corp 車両用警報システム及び車両用警報発生方法
DE69829946T2 (de) 1997-01-21 2006-05-04 Automotive Systems Laboratory Inc., Farmington Hills Prädikatives kollisionsentdeckungssystem
JP2008222164A (ja) 2007-03-15 2008-09-25 Toyota Motor Corp 進路予測装置及び衝突予測装置
DE112008004067T5 (de) 2008-12-05 2012-05-10 Toyota Jidosha Kabushiki Kaisha Fahrtrichtungsvektorzuverlässigkeits-Bestimmungsverfahren und Fahrtrichtungsvektorzuverlässigkeits-Bestimmungsvorrichtung

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4926171A (en) * 1988-11-21 1990-05-15 Kelley William L Collision predicting and avoidance device for moving vehicles
US6085151A (en) * 1998-01-20 2000-07-04 Automotive Systems Laboratory, Inc. Predictive collision sensing system
JP3595739B2 (ja) * 1999-09-09 2004-12-02 株式会社デンソー 車間制御装置、車間警報装置及び記録媒体
US6898528B2 (en) * 2002-07-23 2005-05-24 Ford Global Technologies, Llc Collision and injury mitigation system using fuzzy cluster tracking
US7243013B2 (en) * 2002-11-13 2007-07-10 Ford Global Technologies, Llc Vehicle radar-based side impact assessment method
US7660436B2 (en) * 2003-06-13 2010-02-09 Sarnoff Corporation Stereo-vision based imminent collision detection
JPWO2006013689A1 (ja) * 2004-08-06 2008-05-01 株式会社村田製作所 レーダ
US7409295B2 (en) * 2004-08-09 2008-08-05 M/A-Com, Inc. Imminent-collision detection system and process
JP4544987B2 (ja) * 2004-09-06 2010-09-15 ダイハツ工業株式会社 衝突予測方法及び衝突予測装置
JP4896482B2 (ja) 2005-10-06 2012-03-14 富士重工業株式会社 衝突判定装置
US7864032B2 (en) 2005-10-06 2011-01-04 Fuji Jukogyo Kabushiki Kaisha Collision determination device and vehicle behavior control device
JP2008008679A (ja) * 2006-06-27 2008-01-17 Toyota Motor Corp 物体検出装置、衝突予測装置、及び車両制御装置
JP2008195293A (ja) 2007-02-14 2008-08-28 Toyota Motor Corp 衝突予測装置
JP5098370B2 (ja) 2007-03-07 2012-12-12 トヨタ自動車株式会社 衝突予測装置
JP2008302904A (ja) 2007-06-11 2008-12-18 Toyota Motor Corp 衝突予測装置
JP5067091B2 (ja) * 2007-09-18 2012-11-07 トヨタ自動車株式会社 衝突判定装置
JP4949198B2 (ja) * 2007-10-29 2012-06-06 三菱ふそうトラック・バス株式会社 車両の衝突被害軽減装置における監視対象物の検出装置
JP2009157472A (ja) * 2007-12-25 2009-07-16 Mitsubishi Fuso Truck & Bus Corp 車両の衝突被害軽減装置
JP5078637B2 (ja) * 2008-01-29 2012-11-21 富士通テン株式会社 レーダ装置、及び物標検出方法
JP4924492B2 (ja) 2008-03-12 2012-04-25 トヨタ自動車株式会社 衝突予測装置
JP5083062B2 (ja) 2008-06-18 2012-11-28 トヨタ自動車株式会社 衝突予測装置
JP5083172B2 (ja) * 2008-10-29 2012-11-28 トヨタ自動車株式会社 衝突予測装置
WO2010070708A1 (ja) * 2008-12-18 2010-06-24 トヨタ自動車株式会社 レーダーシステム
JP5353660B2 (ja) 2009-11-26 2013-11-27 トヨタ自動車株式会社 衝突予測装置
CN102696060B (zh) * 2009-12-08 2015-01-07 丰田自动车株式会社 物体检测装置以及物体检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69829946T2 (de) 1997-01-21 2006-05-04 Automotive Systems Laboratory Inc., Farmington Hills Prädikatives kollisionsentdeckungssystem
DE19841751A1 (de) 1998-09-11 2000-03-16 Bayerische Motoren Werke Ag Niveauregelvorrichtung
DE10323424A1 (de) 2002-05-27 2003-12-24 Denso Corp Fahrzeugradarvorrichtung mit verbesserter Messgenauigkeit beim Erfassen der seitlichen Position eines vorausfahrenden Fahrzeugs durch Verringern der Fehler, die durch Streuung der Positionswerte und durch die Positionsbeziehung zu dem vorausfahrenden Fahrzeug verursacht werden
JP2004052176A (ja) 2002-07-22 2004-02-19 Nisshinbo Ind Inc バナナ繊維及びその製法、それを用いた混紡糸、並びに繊維構造物
JP2004352176A (ja) 2003-05-30 2004-12-16 Suzuki Motor Corp 車両用警報システム及び車両用警報発生方法
JP2008222164A (ja) 2007-03-15 2008-09-25 Toyota Motor Corp 進路予測装置及び衝突予測装置
DE112008004067T5 (de) 2008-12-05 2012-05-10 Toyota Jidosha Kabushiki Kaisha Fahrtrichtungsvektorzuverlässigkeits-Bestimmungsverfahren und Fahrtrichtungsvektorzuverlässigkeits-Bestimmungsvorrichtung

Also Published As

Publication number Publication date
US20150183431A1 (en) 2015-07-02
US9440650B2 (en) 2016-09-13
JPWO2014024284A1 (ja) 2016-07-21
DE112012006790T5 (de) 2015-04-23
JP5835490B2 (ja) 2015-12-24
WO2014024284A1 (ja) 2014-02-13

Similar Documents

Publication Publication Date Title
DE112012006790B4 (de) Kollisionsvorhersagevorrichtung
DE60316226T2 (de) Verfahren und Vorrichtung zur Bestimmung ob ein von mehreren Sensoren detektiertes Objekt identisch ist und Verfahren und Vorrichtung zur Positionskorrektur in einem Multisensor-System
DE102016003089B4 (de) Autonomes Notbremssystem und Verfahren zur Steuerung und Regelung desselben
DE102014103695B4 (de) Fahrzeuggestützte Kreuzungsbeurteilungsvorrichtung und -programm
DE112009005424B4 (de) Objektdetektionsvorrichtung und Objektdetektionsverfahren
DE102009005860B4 (de) Umgebungs-Erkennungssystem
DE602004003811T2 (de) Objektdetektionssystem und verfahren zum erkennen eines objekts
DE102018117561A1 (de) Verfahren zum automatisierten Vermeiden einer Kollision
DE102012216386A1 (de) Verfahren zum Betreiben eines Fahrerassistenzsystems eines Fahrzeugs
DE102017209772A1 (de) Objekterkennungsverarbeitungsvorrichtung, Objekterkennungsverarbeitungsverfahren und autonomes Fahrsystem
DE102015206231A1 (de) Kollisionsmöglichkeitsbestimmungsvorrichtung, Fahrunterstützungsvorrichtung, Kollisionsmöglichkeitsbestimmungsverfahren und Kollisionsmöglichkeitsbestimmungsprogramm
DE112014006071T5 (de) Fahrzeugumgebungssitutation-Abschätzvorrichtung
DE102015205685B4 (de) Fahrbahnmarkierungserkennungseinrichtung, fahrbahnmarkierungserkennungsverfahren sowie fahrzeug mit einer fahrbahnmarkierungserkennungseinrichtung
DE102017127972A1 (de) Mehrfachsensor-Wahrscheinlichkeitsobjekterkennung und automatisiertes Bremsen
DE102007027126A1 (de) Hinderniserfassungssystem für Fahrzeuge
DE112013007129T5 (de) Bewegungstrajektorienvorhersagevorrichtung und Bewegungstrajektorienvorhersageverfahren
DE112016002750T5 (de) Fahrzeugsteuerungsvorrichtung und fahrzeugsteuerungsverfahren
DE102009004626B4 (de) Vorrichtung zur Überwachung der Umgebung eines Fahrzeugs
EP1912844B1 (de) Verfahren zum erzeugen von umwelthypothesen für fahrerassistenzfunktionen
DE112017000865B4 (de) Abschätzungsvorrichtung
DE102018118456A1 (de) Fahrzeugsteuerungssystem
DE102017117593A1 (de) Fahrzeugfahrassistenzvorrichtung
WO2013178407A1 (de) Verfahren und vorrichtung zur verarbeitung stereoskopischer daten
EP2707862B1 (de) Abstandsbestimmung mittels eines kamerasensors
DE102012203909A1 (de) Filterverfahren und Filtervorrichtung für Sensordaten

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R083 Amendment of/additions to inventor(s)
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final
R084 Declaration of willingness to licence