EP4402030A1 - Procédé d'évitement d'obstacles - Google Patents

Procédé d'évitement d'obstacles

Info

Publication number
EP4402030A1
EP4402030A1 EP22703397.4A EP22703397A EP4402030A1 EP 4402030 A1 EP4402030 A1 EP 4402030A1 EP 22703397 A EP22703397 A EP 22703397A EP 4402030 A1 EP4402030 A1 EP 4402030A1
Authority
EP
European Patent Office
Prior art keywords
objects
ego
vehicle
lateral
target
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
EP22703397.4A
Other languages
German (de)
English (en)
Inventor
Geoffrey BRUNO
Anh-Lam Do
Marouane LEHIM
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.)
Renault SAS
Original Assignee
Renault SAS
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 Renault SAS filed Critical Renault SAS
Publication of EP4402030A1 publication Critical patent/EP4402030A1/fr
Pending legal-status Critical Current

Links

Classifications

    • 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
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/406—Traffic density
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • B60Y2300/09—Taking automatic action to avoid collision, e.g. braking or steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • B60Y2300/095—Predicting travel path or likelihood of collision

Definitions

  • the present invention generally relates to motor vehicle driving aids.
  • the invention also relates to a motor vehicle equipped with a computer adapted to implement this method.
  • a parameter generally used for this purpose is called time before collision (or in English, “Time-to-collision TTC”).
  • a second parameter is formed by the gap to achieve to pass next to the detected obstacle without hitting it. Each potential obstacle is thus considered in isolation in order to determine the most dangerous of them and to deduce an optimal avoidance trajectory.
  • the AES obstacle avoidance function is activated in autonomous mode (without driver action) in dangerous situations in which it would be preferable to leave the driver achieve avoidance. It also happens that it does not activate due to too many obstacles to avoid in the same area, which makes the function not very available.
  • the present invention proposes to process the detected objects not independently, but by grouping them together when possible.
  • the invention proposes a method for avoiding objects by a motor vehicle, which objects are initially considered as potential obstacles. This process includes steps of:
  • the target grouping method has several advantages.
  • the main advantage is that it makes the AES function activatable in a greater number of situations than in general.
  • each group of targets defines an area to be avoided, the position of which does not depend on that of the traffic lanes. It is thus possible to restrict the margins of security to consider, allowing the AES function to be activated in a greater number of situations.
  • this method makes it possible to disregard the concept of traffic lanes in the calculation of the avoidance trajectory, preferring to manage the environment as a single space in which the objects move.
  • the proximity criterion relates to the lateral distance between the two objects (according to an axis orthogonal to the tangent to the road at the level of the objects);
  • one of the data is a lateral trajectory deviation that the motor vehicle must perform to avoid each object
  • the proximity criterion consists in verifying whether the difference between, on the one hand, the lateral trajectory deviation to be achieved in order to avoid a first of the two objects by the side oriented towards the second object, and on the other hand, the lateral trajectory deviation to be achieved in order to avoid the second object by the side oriented towards the first object, is greater than or equal to a predetermined threshold;
  • this threshold is greater than or equal to 0;
  • a relative lateral speed as a function of the difference between, on the one hand, the lateral speed of the motor vehicle with respect to the road on which the vehicle is traveling in a first frame oriented along a tangent to the road the level of motor vehicle, and, on the other hand, the lateral speed of the object relative to the road in a second frame oriented along a tangent to the road at the level of said object, then each lateral trajectory deviation is determined as a function of the relative lateral velocity;
  • Said proximity criterion relates to the longitudinal distance between the two objects
  • one of the data relates to the time remaining before the motor vehicle can strike each object
  • this threshold is greater than or equal to 0;
  • one of the data is a lateral trajectory deviation to be carried out to avoid each object by the same left or right side, and at the calculation stage, one of the data characterizing the group is chosen equal to the greatest of the lateral trajectory deviations to be made in order to avoid the objects of the group on the same side;
  • one of the data characterizing each object is a remaining time before the motor vehicle can hit each object
  • one of the data characterizing the group is chosen equal to the shortest of the times remaining before the motor vehicle can strike one of the objects in the group.
  • the invention also relates to a motor vehicle comprising at least one steered wheel, a steering system for each steered wheel adapted to be operated by an actuator controlled by a computer, which computer is adapted to implement a triggering method as aforementioned.
  • FIG. 1 is a schematic view of a motor vehicle according to the invention and of two target cars traveling on two separate traffic lanes;
  • FIG. 2 is a schematic view of the motor vehicle of Figure 1 and one of the two target cars;
  • FIG. 3 is a view homologous to that illustrated in FIG. 2, illustrating a second step in the process of determining the position of one of the target cars;
  • FIG. 4 is a view homologous to that illustrated in FIG. 2, illustrating four markers used in the context of the invention;
  • FIG. 5 is a representation of the four pins of Figure 4.
  • FIG. 6 is a schematic view of one of the target cars in Figure 1 and its lane;
  • FIG. 7 is a schematic view of an example configuration in which the motor vehicle according to the invention is located and four cars driving nearby;
  • FIG. 8 is a view similar to that of FIG. 7, in which the references of the cars have been reordered;
  • FIG. 9 is a view similar to that of FIG. 8, on which the cars have been grouped together for the first time;
  • FIG. 10 is a view similar to that of FIG. 8, on which the cars have been grouped a second time;
  • FIG. 11 is a schematic view of another example of a configuration in which the motor vehicle according to the invention is located and a group of three cars driving nearby;
  • FIG. 12 is a schematic view of another example of a configuration in which the motor vehicle according to the invention is located and three cars driving nearby.
  • FIG 1 there is shown a motor vehicle 10 driving on a road on which there are two "objects” forming potential obstacles for the motor vehicle 10.
  • these two objects are formed by cars C1, C2 .
  • cars C1, C2 Alternatively, it could be other types of objects (pedestrians, cyclists, etc.).
  • the objects considered are preferably mobile.
  • the motor vehicle 10 is the one that will implement the present invention, and it will be called “EGO vehicle 10”.
  • This EGO 10 vehicle conventionally comprises a chassis which delimits a passenger compartment, wheels of which at least two are steered, a powertrain, a braking system and a conventional steering system making it possible to act on the orientation of the steered wheels. .
  • the steering system is controlled by a power steering actuator which makes it possible to act on the orientation of the steered wheels according to the orientation of the steering wheel and/or, depending on the case, by function of a setpoint issued by a computer C10.
  • the C10 computer comprises at least one processor, at least one memory and different input and output interfaces.
  • the computer C10 is suitable for receiving input signals from different sensors.
  • a device such as a front camera, making it possible to identify the position of the EGO vehicle in relation to its traffic lane,
  • a device such as a RADAR or LIDAR remote sensor, making it possible to detect an obstacle in the path of the EGO 10 vehicle,
  • At least one lateral device such as a RADAR or LIDAR remote sensor, allowing observation of the environment on the sides of the EGO vehicle.
  • the computer C10 thus receives from several sensors data relating to the objects present in the environment of the vehicle EGO 10. Conventionally, these data are combined together so as to provide reliable merged data on each object.
  • the computer C10 is suitable for transmitting a setpoint to the power steering actuator.
  • the computer C10 stores data used in the context of the method described below.
  • These programs notably include an “AES system” which is designed to calculate an obstacle avoidance trajectory and to pilot the EGO vehicle 10 so that it follows this trajectory or to help the driver pilot the EGO vehicle. 10 so that it follows this trajectory.
  • the AES system has an autonomous mode in which trajectory tracking is done without the driver's help, and a manual mode in which the AES system helps the driver to avoid the obstacle and in which the driver remains in control of the maneuver. This AES system being well known to those skilled in the art, it will not be described here in detail.
  • the computer programs also include software for activating the AES system, which will make it possible to determine whether the AES system must be activated (taking into account the trajectory of the EGO vehicle and those of the objects present in its environment) and to wait for the best time to activate it. It is this activation software which is more specifically the subject of the present invention here.
  • This software is active as soon as the EGO 10 vehicle is in motion. It is implemented in a loop, at regular time intervals.
  • It comprises a preliminary step of acquiring data relating to the EGO 10 vehicle and its environment, followed by nine main steps. These successive steps can then be described one by one.
  • the computer C10 receives at least one image acquired by the front camera of the vehicle EGO 10. It also receives data from the remote sensors. These images and data are then merged.
  • the computer C10 therefore has an image of the road located in front of the EGO 10 vehicle and merged data which characterizes in particular each object detected and located in the environment of the EGO 10 vehicle.
  • environment is here considered to be the zone located around the EGO vehicle, in which the sensors of the vehicle are adapted to acquire data.
  • the vehicle EGO runs on a central traffic lane Vc, on either side of which are two other traffic lanes VR, V L.
  • the computer C10 then seeks to determine the positions and shapes of the separation lines NL, L, R, NR of these traffic lanes V C , V R , V L .
  • each of these lines is modeled by an equation of polynomial form.
  • the chosen polynomial is of order 3, so that we can write:
  • yLine represents the lateral coordinate of the lane separation line considered
  • a, b, c and d are the coefficients of the polynomial, determined according to the shape of the line seen by the front camera of the EGO vehicle (or acquired by the computer C10 in a navigation system comprising a detailed map of the places in which the EGO vehicle operates).
  • the computer C10 can implement the nine steps of the method which will make it possible to perceive to what extent the detected objects are dangerous for the EGO vehicle in order to trigger, if necessary, the AES obstacle avoidance system.
  • the first step consists in determining the distance which separates the vehicle EGO from the object considered (one of the cars C1, C2).
  • the distance calculated here is not a Euclidean distance. Indeed, we want to take into account the shape of the road to determine a distance that the EGO 10 vehicle and the object should travel before colliding.
  • the computer C10 therefore calculates here an arc distance LAB.
  • - LAB is the distance of an arc between two points A and B (corresponding to the positions of the EGO vehicle and the object considered),
  • - X B is the longitudinal position of the object considered, in the frame (X EGO , Y EGO ).
  • the second step consists in determining the position of each detected object with respect to the traffic lanes of the road, taking into account the equation of each lane separation line and the merged data.
  • the computer C10 knows the coordinates, in the reference frame (X EGO , Y EGO ) attached to the vehicle EGO, of a characteristic point of each detected object (hereinafter called “anchor point”).
  • This characteristic point is typically the center of the object seen by the front camera or by the RADAR remote sensor. We will consider here that it is the middle of the grille of the car C1, C2
  • the lateral coordinate Y_rel1 of the car C1 is here between the values Y_road_R_1 and Y_road_L_1, which means that this car is between the lane separation lines L and R.
  • the computer C10 can thus know in which traffic lane V L , V c , V R each detected object is located.
  • the third step aims to determine parameters characterizing the kinematics of each object with respect to the lane separation lines.
  • This step includes a first sub-step during which the computer C10 determines the position of the object relative to one of the lane separation lines.
  • the lane separation line considered is preferably that which separates the central traffic lane from the traffic lane on which the object considered is located.
  • the lane separation line considered could be another line, for example a lane edge line (see FIGS. 2 and 3), in particular if no line is detected between the traffic lane of the object and that of the vehicle EGO 10.
  • the idea consists in discretizing an interval of this lane separation line into a finite number N of points, then in selecting the one that is closest to the object under consideration. This operation is carried out several times by rediscretizing the lane separation line over an interval each time reduced and located on either side of the selected point in order, ultimately, to find a good estimate of the point of the traffic lane which is closest to the considered object.
  • the computer begins by discretizing the lane separation line R into N coordinate points (Xi, Y,) in the reference frame of the vehicle EGO 10. These points are regularly distributed along along this line (in practice, the interval between two consecutive points along the EGO X axis is always the same), a first of the points being located at the height of the EGO vehicle (with a zero abscissa) or at a first predetermined distance therefrom, and the last of the points being located at a second predetermined distance from the EGO vehicle.
  • the computer can deduce therefrom the Euclidean distance Bird Distance between each discretization point of the track separation line R and the anchor point of car C1 , using the equation:
  • the discretization point for which the Euclidean distance Bird Distance is the lowest is that which is closest to car C1. This point of coordinates (X s , Y s ) is therefore selected.
  • this discretization operation is repeated over a smaller interval and with finer discretization.
  • the limits of the interval are preferably formed by the coordinate points (X s-1 , Y s-1 ) and (X s+1 , Y s+1 ).
  • the number of discretization points is preferably still equal to N. This new operation then makes it possible to select a new point of coordinates (X s , Y s ).
  • the computer stops repeating these operations in a loop.
  • projection point F This is considered to be a good approximation of the point on the dividing line that is closest to car C1.
  • the value of the abscissa X s of this point is called Distance xproj .
  • a second sub-step consists for the computer C10 in determining the speed of the vehicle EGO in a marker attached to the road and located at the height of this vehicle EGO 10, and the speed of the car C1 in a marker attached to the road. road and located at the height of this C1 car.
  • the first mark is the mark (XE GO , YE GO ) already presented, which is attached to the vehicle EGO.
  • X lineEGO Y lineEGO
  • Y lineEGO Another mark is noted (X lineEGO , Y lineEGO ); it is attached to the lane separation line R, is oriented so that its abscissa is tangent to this line, and it is centered at the level of the RADAR of the EGO vehicle (the abscissa of this RADAR is zero in the second marker) .
  • Angleobj/EGo makes it possible to pass from the reference (X EGO , Y EGO ) to the reference (X obj , Y obj ),
  • Angleobj/Lineobj allows to pass from the reference (X lineObj, X lineObj ) to the reference (X obj , Y obj ).
  • Angle Line/EGO will be called the angle separating the abscissa of the reference (XE GO , YE GO ) and the tangent to the track separation line R, at the abscise point X (expressed in the reference (XE GO , YE GO )).
  • the computer can calculate the longitudinal Vx EGO/lineEGO and lateral V y EGo/LineEGo components of the speed of the vehicle EGO 10 in the frame (X lineEGO , Y lineEGO ) by means of the following formulas:
  • V EGo / abs is the speed of the vehicle EGO 10 in the absolute reference (X abs , Y abs ), measured for example by the sensors located at the axles of the vehicle;
  • Angle vEgo/Ego is the angle of the speed vector of the vehicle EGO 10 with respect to the abscissa of the reference (X EGO , Y EGO ). This angle is here assumed to be zero.
  • the computer can also calculate the longitudinal Vx obj/abs and lateral Vy obj/abs components of the speed V 0bj/abs of the car C1 in the absolute frame. It uses the following formulas for this:
  • Vx EGo/abs and Vy EGo/abs are the components of the speed of the vehicle EGO 10 along the abscissa and the ordinate of the absolute coordinate system (X abs , Y abs ), and
  • Vx obj/EGO and Vy obj/EGO are the components of the speed of the car C1 relative to the vehicle EGO 10 along the abscissa and the ordinate of the reference (X EGO , Y EGO ).
  • Angle vobj/Obj is the angle of the speed vector of the car C1 in the frame attached to this car
  • Angle vobj/Obj is the heading angle of the car in the frame (X EGO , Y EGO ).
  • the computer can calculate the longitudinal Ax EGO/LineGO and lateral Ax EGO/LineGO components of the acceleration of the vehicle EGO 10 in the frame (X LinEGo , Y LinEGo ) by means of the following formulas:
  • the computer can also calculate the longitudinal Ax Obj/LineObj and lateral Ax Obj/LineObj components of the acceleration of the car C1 in the frame (X LineObj Y LineObj) using the following formulas:
  • a EGO/abs is the absolute acceleration of the vehicle EGO 10 in the absolute frame
  • the longitudinal component VRelRoute Longi of the relative speed between the vehicle EGO and the car C1 is equal to the difference between, on the one hand, the longitudinal component of the speed of the vehicle EGO expressed in the marker (X lineEco , Y lineEco ) attached to the taxiway at the level of the vehicle EGO, and, on the other hand, the longitudinal component of the speed of the car C1 expressed in the marker (X LineObj, Y Lineobj) attached to the taxiway at the level of car C1.
  • the lateral component VRelRouteL at of the relative speed between the vehicle EGO and the car C1 is equal to the difference between, on the one hand, the lateral component of the speed of the vehicle EGO expressed in the frame (X LineEGO , Y LineEG o) attached to the taxiway at the level of the vehicle EGO, and, on the other hand, the lateral component of the speed of the car C1 expressed in the frame (O LineEGO, Y Lineobj) attached to the taxiway at car C1.
  • the computer C10 knows the value of the distance Dist ⁇ arget 2 Lane between the lane separation line (at the level of the projection point F) and the anchor point of the car C1 .
  • the computer C10 will determine the Lane distance DY between the projection point F and the point P prox of the car C1 closest to the lane separation line R (see figure 6).
  • the term Width corresponding to the width of the car C1.
  • the computer knows from the equation [Math. 2] the length LAB of the arc separating vehicle EGO 10 from car C1. He also knows of the equation [Math. 19] the longitudinal component VRelRoute Longi of the relative speed between the EGO vehicle 10 and the car C1 related to the shape of the road. He finally knows of the equation [Math. 21] the longitudinal component ARelRoute Longi of the corresponding acceleration.
  • the computer C10 determines the time before collision TTC sought using the following equation:
  • the time before collision TTC could have been calculated differently, for example by assuming the relative speed and/or the relative acceleration to be constant.
  • the computer has, thanks to the exploitation of the merged data, various parameters characterizing the various objects found in its environment and which are all potential obstacles found in its path. It has in particular, for each object:
  • step 2 the position of the object on the road (determined during step 2), and - information confirming the existence of the object (provided during the data merging step).
  • the computer C10 will carry out a first filtering of the various objects detected according to the parameters available to it so as to retain only those which are relevant for the implementation of the function AES (i.e. those that form potential obstacles).
  • the filtering operation thus consists in considering that the relevant objects (hereinafter called “targets”) are those whose existence was validated during the data fusion, whose position is potentially dangerous (in our example, this amounts to verifying that the objects are on one of the traffic lanes) and for which the time before collision TTC is less than a predetermined threshold.
  • targets are those whose existence was validated during the data fusion, whose position is potentially dangerous (in our example, this amounts to verifying that the objects are on one of the traffic lanes) and for which the time before collision TTC is less than a predetermined threshold.
  • the fifth step consists, for the computer C10, in identifying a lateral trajectory deviation (or, in English “overlap”) necessary to avoid each target or each group of targets to the right and to the left while avoiding the other objects on the road.
  • This step is implemented in five sub-steps.
  • the computer C10 identifies each target by a reference specific to this target.
  • FIG. 7 an example of a situation has been shown in which four targets are located in the environment of the EGO vehicle 10, in front of the latter.
  • each target is identified by the computer by a reference which is written here in the form Cn, with n a natural integer here equal to 1, 2, 3 or 4.
  • the number n of the targets Cn is here given randomly.
  • the first sub-step consists in considering each target Cn independently and in calculating the deviation ovLn necessary to avoid this target Cn from the right and the deviation ovRn necessary to avoid this target Cn from the left.
  • the determination of these right ovLn and left ovRn deviations is carried out taking into account the trajectory of the vehicle EGO 10 and the merged data.
  • the data fusion provides kinematic information of the targets relative to the EGO vehicle 10, which, together with the trajectory of the EGO vehicle, are used to calculate these deviations.
  • These deviations are therefore calculated dynamically according to the dynamics of the EGO 10 vehicle, the dynamics of the targets and the shape of the lane.
  • FIG. 7 corresponds to a case in which the EGO vehicle 10 and the targets move in a straight line.
  • the value of the deviation ovRn is greater than 0. Otherwise, it is less than or equal to 0. More precisely, if the vehicle EGO 10 does not have to modify its trajectory to avoid the target while passing as close as possible to the latter, the deviation ovRn is equal to 0. On the other hand, if the EGO vehicle 10 does not have to modify its trajectory to avoid the target but would have to modify it if he wanted to pass as close as possible to it, the deviation ovRn is strictly less than 0.
  • the first of these pieces of information makes it possible to take account of the actual lateral speed between the EGO vehicle 10 and the target, taking into account the shape of the traffic lane.
  • the lateral component VRelRoute Lat and the duration before collision TTC make it possible to weight the influence of the relative lateral and longitudinal speeds on the calculation of the right and left deviations ovLn, ovRn.
  • the Obj/LineOb Angle information makes it possible to determine a more precise value of the impact surface of the target considered, by weighting the length and width of the vehicle.
  • E left Y a + er + Long, cos ⁇ Angle obj/LinObj + VRelRoute Lat . tax included
  • er is a term making it possible to compensate for lateral measurement errors
  • Long is the length of the target.
  • E right Y a + er — Long cos ⁇ Angle obj/LinObj ) + VRelRoute Lat . tax included
  • the term er also takes into account the error resulting from data fusion. This term is predetermined and stored in a computer memory.
  • the second sub-step will consist in sorting the targets, in order to order them according to an order which depends on their positions on the road, and more precisely on their deviations from one of the edges of the road.
  • this operation is performed as a function of the left deviations ovL n calculated, in decreasing order.
  • the advantage of the method used here is that the calculation of the deviations takes into account the relative dynamics of the scene, based on the relative lateral speeds of the EGO 10 vehicle and the targets, but also on the times before Calculated collision TTCs which integrate a notion of prediction of the relative positions of the EGO vehicle and the targets.
  • This classification of the targets makes it possible to order them from left to right in relation to the EGO 10 vehicle.
  • TTC n will denote the time before collision calculated for the target C n .
  • the computer solves the following equations (for all n ranging from 1 to 4 in our example).
  • Gap Right n — (ovR n + ovL n+1 ) — dSafe
  • the parameter dSafe has a strictly positive value and corresponds to a safety distance that it is desired to maintain around the target to avoid passing too close to it. Its value may vary, for example depending on the speeds of the target and of the EGO vehicle or traffic conditions (weather, etc.). It is at least equal to the width of the EGO vehicle.
  • the Gapi_eft -n parameter hereinafter called space to the left, corresponds to the passage width to the left of the target, taking into account the other targets.
  • the Gap Right-n parameter hereinafter called space on the right, corresponds to the passage width to the right of the target, taking into account the other targets.
  • Gap Right _2, Gap ⁇ eft _3, Gap Right _3, Gap Left _4 are all strictly less than zero, so that it is not a priori possible to pass between the targets C2, C3 and C4.
  • Gap Right-4 and Gap Left-2 values are greater than or equal to zero, which means that it is possible to pass on either side of this group of targets C2, C3 and C4. It is also possible to pass to the right of target C1 because the term Gap Right-1 is greater than or equal to 0.
  • the computer can therefore group the targets when it is a priori not possible to pass between them.
  • At least one criterion of proximity between the targets is used.
  • a first proximity criterion relates to the lateral distance between the targets.
  • the computer C10 identifies whether the space Gap Right-n or Gapi_ eft -n+i between a target C n considered and the neighboring target C n+i (in the order of succession ) is strictly less than 0. If so, the two targets are grouped. In the example of FIG. 9, a group of three targets is thus obtained, hereinafter called the preliminary group G1.
  • This second proximity criterion relates to the longitudinal distance between the targets.
  • the computer C10 is here programmed to divide the preliminary group(s) G1 when they include targets that are longitudinally distant from each other.
  • This sorting of the targets within each group is carried out here by comparing the times before collision TTC n of each target C n .
  • this sorting could have been carried out using other parameters (in particular the arc distances LAB).
  • TTC n the time before collision
  • the computer C10 operates in the same way for each group of several targets.
  • the targets are then ordered in the following direction: C4, C2, C3.
  • the computer calculates the difference between each pair of successive targets (according to the determined order).
  • the computer compares each of these deviations D4-2, D2-3 with a threshold Sx.
  • This threshold could be invariable. However, preferably, it will be chosen according to at least the longitudinal speed of the vehicle EGO 10.
  • the computer divides the preliminary group into two groups.
  • the targets C 4 and C 2 then form a first group G2, while the target C 3 finds itself isolated.
  • the computer will therefore consider each group in the same way as an isolated target. It will therefore associate a left deviation ovL, a right deviation ovR, and a time before collision TTC, (i being the index of the group considered).
  • the time before collision TTC, of the group will be chosen equal to the time before collision TTC n the smallest among the times before collision TTC n of the targets Ci, C 2 , C 3 of the group.
  • the left deviation ovL i of the group will be chosen equal to the left deviation ovL n that is the greatest among the left deviations ovL n of the targets of the group.
  • the right deviation ovR i of the group will be chosen equal to the greatest right deviation ovR n among the straight deviations ovR n of the targets of the group.
  • target will be used to designate both a group of several targets and a single target that is not part of any group.
  • the sixth step consists, for the computer, in carrying out a second filtering among the targets, to distinguish those which are critical from the others.
  • a target will be qualified as critical if it requires the activation of the AES function to be avoided.
  • the most critical target (MCT target) is the one requiring the activation of the AES function the earliest.
  • a target will be qualified as "at moderate risk” if its position is such that it must be taken into account when determining the avoidance trajectory to follow. Thus, a moderate risk target is likely to prevent the activation of the AES function. The idea is to successively consider each target detected independently (and therefore independently of its environment).
  • the computer C10 considers that all the targets situated on the taxiway of the vehicle EGO 10 are critical.
  • the computer checks whether they comply with additional criteria.
  • the computer begins by calculating the distance Lane DY between the target and the lane separation line considered (equation [Math. 23]). This makes it possible to know whether the target is rather close or, on the contrary, far from the lane separation line considered.
  • the computer C10 deduces therefrom a minimum lateral speed threshold, denoted Vy S euiiMin. Then, if the component Vy obj/lineobj exceeds the minimum threshold Vy S euiiMin, then the first condition (to consider the target as critical) is validated. Otherwise, the target is simply considered to be at moderate risk.
  • the threshold used is therefore a variable which is a function of the distance between the target and the lane separation line considered, which makes it possible to take into account the fact that the lower this distance, the greater the risk of collision is important.
  • the threshold used may also depend on the way in which the target was characterized at the previous time step (critical or non-critical). The idea is indeed that the characterization of the target does not vary at each time step, due to noise in the measurements of the data to be merged. For this, the threshold used for the target to go from non-critical to critical is higher than the one used for the target to go from critical to non-critical (like a Hysteresis function).
  • the second condition ii) makes it possible not to take into account the targets resulting from possible errors of perception, as well as those having too high or aberrant lateral velocities.
  • the computer compares the absolute value of the lateral component Vy obj/iineobj with a predetermined maximum threshold Vy SeuiMax . If this component is greater than the maximum threshold, the second condition is not validated and the target is considered to be at moderate risk.
  • the maximum threshold must be restrictive so as not to consider false detections which sometimes have disproportionate values.
  • This maximum threshold is preferably greater than 2 m/s, preferably equal to 3 m/s.
  • Targets which do not fulfill one and/or the other of the conditions i) and ii) are considered as moderate risk targets. Other targets are considered critical.
  • the classification of the targets perceived as critical targets and as targets at moderate risk makes it possible to reduce the calculation times.
  • this classification of targets simplifies the decision whether or not to activate the AES system, and the decision made is justifiable to a human driver.
  • the seventh step consists, for the computer C10, in determining, for each critical target, a critical time Tcrit which integrates two distinct and relevant pieces of information to guarantee obstacle avoidance by minimizing the intrusive nature of the AES function for the driver.
  • Tcrit a critical time which integrates two distinct and relevant pieces of information to guarantee obstacle avoidance by minimizing the intrusive nature of the AES function for the driver.
  • the AES avoidance system can be operated entirely automatically (in which case the avoidance trajectory is followed by the power steering actuator, autonomously ) or semi-automatically (in which case the avoidance is performed manually by the driver, the power steering actuator being controlled to help the driver follow an avoidance path once the driver has triggered the avoidance) .
  • the avoidance is performed manually by the driver, the power steering actuator being controlled to help the driver follow an avoidance path once the driver has triggered the avoidance
  • Avoidance in manual mode is potentially less effective than avoidance in autonomous mode.
  • the avoidance trajectory calculated by the AES system will not be the same in manual mode and in autonomous mode. It will be noted that the calculation of this avoidance trajectory (in the form of a clothoid) is not the subject of the present invention. It can simply be recalled that the shape of this trajectory is calculated according to the dynamic performance of the vehicle and the capacities of the driver (in manual mode).
  • TTS maneuvering times will not be described here since it will depend on the dynamic characteristics of the motor vehicle EGO 10 and the performance of the driver. In practice, these TTS maneuvering times could be read in a database established using a battery of tests.
  • Tcrit TTC - TTS
  • This critical time therefore becomes zero at the last moment when it is still possible to activate the AES function and to avoid the collision with the critical target considered, in the manual or automatic mode considered, by avoiding it from the side considered.
  • this critical time Tcrit carries three essential pieces of information on the target considered: the side by which to avoid it, the performance of the system (and of the driver) and the duration before collision TTC n with the target.
  • the eighth step will then consist in using the calculated critical times Tcrit to classify the critical targets and find the most critical target MCT.
  • the computer selects the critical target for which the critical time is the lowest in the event of avoidance by the right and that for which the critical time is the lowest in the event of avoidance by the left.
  • the computer C10 detects that the driver is initiating an avoidance maneuver, it can decide to activate the AES system to help the driver in his maneuver according to the two critical times selected.
  • the computer determines the side towards which the driver turns the steering wheel when he begins his avoidance maneuver (from the right or from the left), then he elects, from among the two critical times selected, that corresponding on the side from which the driver begins his avoidance manoeuvre.
  • the most critical MCT target is that corresponding to this elected critical time.
  • the computer proceeds differently. It is indeed necessary to determine the side by which the EGO 10 vehicle must avoid the obstacle or obstacles.
  • the idea is then to determine, for each critical target, the best side to avoid it and then to determine the most critical target MCT.
  • the computer selects, for each critical target, the side for which the critical time Tcrit is the highest.
  • the computer then considers that the most critical target MCT is the one whose critical time Tcrit has been elected.
  • the ninth step consists of the computer C10 triggering the AES function if necessary and at the optimum time.
  • the AES function is triggered as soon as the elected critical time Tcrit falls below a predetermined threshold, for example equal to 0 seconds.
  • a predetermined threshold for example equal to 0 seconds.
  • This time interval will be delimited by two limits.
  • the first limit from which, if the driver initiates an avoidance manoeuvre, he will be helped, will correspond to a critical time Tcrit strictly greater than 0.
  • the second limit from which we will consider that it is too late to trigger the AES system, corresponds to a critical time Tcrit less than or equal to 0, and preferably strictly less than 0.
  • the computer determines whether the elected critical time Tcrit is between these two terminals, and it activates the AES function only if such is the case.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

L'invention concerne un procédé d'évitement d'objets (C1, C2, C3, C4) par un véhicule automobile (10), comportant des étapes de :- détection d'objets situés dans l'environnement du véhicule automobile,- acquisition de données caractérisant la position et/ou la dynamique de chaque objet puis, si plusieurs objets ont été détectés,- vérification si au moins un critère de proximité entre au moins deux des objets détectés est rempli et, si tel est le cas, - association des deux objets en un groupe (G2),- calcul des données caractérisant la position et/ou la dynamique dudit groupe, et- activation d'un système d'évitement d'obstacle et/ou détermination d'une trajectoire d'évitement, selon les données caractérisant la position et/ou la dynamique dudit groupe.

Description

DESCRIPTION
T ITRE DE L’INVENTION : PROCÉDÉ D’ÉVITEMENT D’OBSTACLES
DOMAINE TECHNIQUE DE L'INVENTION
[0001] La présente invention concerne de manière générale les aides à la conduite de véhicules automobiles.
[0002] Elle concerne plus particulièrement un procédé d’évitement d’obstacles.
[0003] L’invention concerne aussi un véhicule automobile équipé d’un calculateur adapté à mettre en œuvre ce procédé.
ETAT DE LA TECHNIQUE
[0004] Dans un souci de sécurisation des véhicules automobiles, on équipe actuellement ces derniers de systèmes d’aide à la conduite ou de systèmes de conduite autonome.
[0005] Parmi ces systèmes, on connaît notamment les systèmes de freinage d’urgence automatique (plus connu sous l’abréviation AEB, de l’anglais « Automatic Emergency Braking »), conçus pour éviter toute collision avec des obstacles situés dans la voie empruntée par le véhicule, en agissant simplement sur le système de freinage conventionnel du véhicule automobile.
[0006] Il existe toutefois des situations dans lesquelles ces systèmes de freinage d’urgence ne permettent pas d’éviter la collision ou ne sont pas utilisables (par exemple si un autre véhicule suit de trop près le véhicule automobile).
[0007] Pour ces situations, il a été développé des systèmes d’évitement automatique (plus connu sous l’abréviation AES, de l’anglais « Advanced Evasive Steering » ou « Automatic Emergency Steering ») qui permettent d’éviter l’obstacle en déviant le véhicule de sa trajectoire, en agissant sur la direction du véhicule.
[0008] Pour que cette fonction AES soit efficace, il convient de détecter de façon fiable la partie de l’environnement du véhicule automobile qui est pertinente pour le calcul d’une trajectoire d’évitement optimale.
[0009] Un paramètre généralement utilisé à cet effet est appelé temps avant collision (ou en anglais, « Time-to-collision TTC »). Un second paramètre est formé par l’écart à réaliser pour passer à côté de l’obstacle détecté sans venir le percuter. Chaque obstacle potentiel est ainsi considéré isolément afin de déterminer le plus dangereux d’entre eux et d’en déduire une trajectoire d’évitement optimale.
[0010] Il s’avère toutefois qu’en s’appuyant sur ces paramètres, la fonction AES d’évitement d’obstacles s’active en mode autonome (sans action du conducteur) dans des situations dangereuses dans lesquelles il serait préférable de laisser le conducteur réaliser l’évitement. Il arrive également qu’elle ne s’active pas du fait d’un trop grand nombre d’obstacles à éviter dans la même zone, ce qui rend la fonction peu disponible.
PRÉSENTATION DE L'INVENTION
[0011] Afin de remédier aux inconvénients précités de l’état de la technique, la présente invention propose de traiter les objets détectés non pas de manière indépendante, mais en les regroupant quand cela est possible.
[0012] Plus particulièrement, on propose selon l’invention un procédé d’évitement d’objets par un véhicule automobile, lesquels d’objets sont initialement considérés comme des obstacles potentiels. Ce procédé comporte des étapes de :
- détection d’objets situés dans l’environnement du véhicule automobile,
- acquisition de données caractérisant la position et/ou la dynamique de chaque objet détecté, puis, si plusieurs objets ont été détectés,
- vérification si au moins un critère de proximité entre au moins deux des objets détectés est rempli et, si tel est le cas,
- association des deux objets en un groupe,
- calcul des données caractérisant la position et/ou la dynamique dudit groupe, et
- activation d’un système d’évitement d’obstacle et/ou détermination d’une trajectoire d’évitement, selon les données caractérisant la position et/ou la dynamique dudit groupe. [0013] La méthode de groupement des cibles présente plusieurs avantages.
[0014] Le principal avantage est qu’elle rend la fonction AES activable dans un plus grand nombre de situations qu’en règle générale.
[0015] En effet, en présence d’un trop grand nombre d’objets à traiter, il est généralement prévu de laisser la fonction AES inactive alors qu’ici, les objets étant groupés, il est possible de traiter un grand nombre d’objets distincts.
[0016] De la même façon, lorsque le véhicule roule sur une route à deux voies et qu’un ou plusieurs objet(s) se trouve(nt) sur chaque voie, il est généralement prévu de ne pas permettre l’activation de la fonction AES. Au contraire, dans la présente invention, on considère seulement l’écart entre les différents objets ou groupes d’objets afin de vérifier s’il est possible d’activer la fonction AES.
[0017] Par ailleurs, il est généralement prévu de détecter sur quelle voie de circulation se trouve chaque objet avant d’activer la fonction AES. Lorsqu’un objet se trouve à cheval entre deux voies de circulation, l’espace pour passer à côté de cet objet est plus restreint que si l’objet était centré sur sa voie. De ce fait, on considère généralement une grande marge de sécurité avant d’activer la fonction AES. Au contraire, dans la présente invention, chaque groupe de cibles définit une zone à éviter, dont la position ne dépend pas de celle des voies de circulation. Il est ainsi possible de restreindre les marges de sécurité à considérer, ce qui permet d’activer la fonction AES dans un plus grand nombre de situations.
[0018] De façon plus générale, cette méthode permet de faire abstraction du concept de voies de circulation dans le calcul de la trajectoire d’évitement, préférant gérer l’environnement comme une espace unique dans lequel se déplacent les objets.
[0019] On notera par ailleurs que l’invention permet de simplifier les calculs.
[0020] Elle permet alors de gérer un plus grand nombre de cibles en même temps, ce qui s’avère particulièrement intéressant dans le cas où un peloton de cyclistes est détecté.
[0021] On notera aussi qu’elle fait abstraction de la classe des objets détectés (cyclistes, automobiles...), préférant regrouper les objets de n’importe quelle classe selon uniquement un ou des critère(s) de proximité.
[0022] D’autres caractéristiques avantageuses et non limitatives du procédé conforme à l’invention, prises individuellement ou selon toutes les combinaisons techniquement possibles, sont les suivantes :
- le calcul des données caractérisant la position et/ou la dynamique dudit groupe est réalisé en fonction des données caractérisant individuellement les objets du groupe ;
- ensuite, ces données caractérisant individuellement les objets du groupe ne sont plus considérées : l’activation du système d’évitement d’obstacle et/ou la détermination de la trajectoire d’évitement est en effet réalisée indépendamment des données caractérisant individuellement les objets du groupe ;
- le critère de proximité est relatif à la distance latérale entre les deux objets (selon un axe orthogonal à la tangente à la route au niveau des objets) ;
- à l’étape d’acquisition, l’une des données est un écart latéral de trajectoire que le véhicule automobile doit réaliser pour éviter chaque objet ;
- le critère de proximité consiste à vérifier si la différence entre, d’une part, l’écart latéral de trajectoire à réaliser pour éviter un premier des deux objets par le côté orienté vers le second objet, et d’autre part, l’écart latéral de trajectoire à réaliser pour éviter le second objet par le côté orienté vers le premier objet, est supérieur ou égal à un seuil prédéterminé ;
- ce seuil est supérieur ou égal à 0 ;
- si au moins trois objets ont été détectés, il est prévu d’ordonner les objets dans un ordre de succession allant d’un bord à l’autre de la route, puis on vérifie si le critère de proximité est rempli entre chaque paire d’objets successifs selon ledit ordre de succession ;
- il est prévu de calculer une vitesse latérale relative en fonction de l’écart entre, d’une part, la vitesse latérale du véhicule automobile par rapport à la route sur laquelle le véhicule roule dans un premier repère orienté selon une tangente à la route au niveau du véhicule automobile, et, d’autre part, la vitesse latérale de l’objet par rapport à la route dans un second repère orienté selon une tangente à la route au niveau dudit objet, puis chaque écart latéral de trajectoire est déterminé en fonction de la vitesse latérale relative ;
- ledit critère de proximité est relatif à la distance longitudinale entre les deux objets ;
- à l’étape d’acquisition, l’une des données est relative au temps restant avant que le véhicule automobile ne puisse percuter chaque objet ;
- pour vérifier que ledit critère de proximité est rempli, on contrôle si l’écart entre les temps avant collision des deux objets est inférieur à un seuil ;
- ce seuil est supérieur ou égal à 0 ;
- à l’étape d’acquisition, l’une des données est un écart latéral de trajectoire à réaliser pour éviter chaque objet par un même côté gauche ou droit, et à l’étape de calcul, l’une des données caractérisant le groupe est choisie égale au plus grand des écarts latéraux de trajectoire à réaliser pour éviter les objets du groupe d’un même côté ;
- à l’étape d’acquisition, l’une des données caractérisant chaque objet est un temps restant avant que le véhicule automobile ne puisse percuter chaque objet, et à l’étape de calcul, l’une des données caractérisant le groupe est choisie égale au plus petit des temps restant avant que le véhicule automobile ne puisse percuter l’un des objets du groupe.
[0023] L’invention concerne aussi un véhicule automobile comportant au moins une roue directrice, un système de direction de chaque roue directrice adapté à être manœuvré par un actionneur commandé par un calculateur, lequel calculateur est adapté à mettre en œuvre un procédé de déclenchement tel que précité.
[0024] Bien entendu, les différentes caractéristiques, variantes et formes de réalisation de l'invention peuvent être associées les unes avec les autres selon diverses combinaisons dans la mesure où elles ne sont pas incompatibles ou exclusives les unes des autres.
DESCRIPTION DÉTAILLÉE DE L'INVENTION
[0025] La description qui va suivre en regard des dessins annexés, donnés à titre d’exemples non limitatifs, fera bien comprendre en quoi consiste l’invention et comment elle peut être réalisée.
[0026] Sur les dessins annexés :
[0027] [Fig. 1] est une vue schématique d’un véhicule automobile conforme à l’invention et de deux voitures cibles circulant sur deux voies de circulation distinctes ;
[0028] [Fig. 2] est une vue schématique du véhicule automobile de la figure 1 et de l’une des deux voitures cibles ;
[0029] [Fig. 3] est une vue homologue de celle illustrée sur la figure 2, illustrant une seconde étape du processus de détermination de la position de l’une des voitures cibles ; [0030] [Fig. 4] est une vue homologue de celle illustrée sur la figure 2, illustrant quatre repères utilisés dans le cadre de l’invention ;
[0031] [Fig. 5] est une représentation des quatre repères de la figure 4 ;
[0032] [Fig. 6] est une vue schématique de l’une des voitures cibles de la figure 1 et de sa voie de circulation ;
[0033] [Fig. 7] est une vue schématique d’un exemple de configuration dans lequel se trouvent le véhicule automobile conforme à l’invention et quatre voitures circulant à proximité ;
[0034] [Fig. 8] est une vue homologue de celle de la figure 7, sur laquelle les références des voitures ont été réordonnées ;
[0035] [Fig. 9] est une vue homologue de celle de la figure 8, sur laquelle les voitures ont été groupées une première fois ;
[0036] [Fig. 10] est une vue homologue de celle de la figure 8, sur laquelle les voitures ont été groupées une seconde fois ;
[0037] [Fig. 11] est une vue schématique d’un autre exemple de configuration dans lequel se trouvent le véhicule automobile conforme à l’invention et un groupe de trois voitures circulant à proximité ;
[0038] [Fig. 12] est une vue schématique d’un autre exemple de configuration dans lequel se trouvent le véhicule automobile conforme à l’invention et trois voitures circulant à proximité.
[0039] Sur la figure 1, on a représenté un véhicule automobile 10 roulant sur une route sur laquelle se trouve deux « objets » formant des obstacles potentiels pour le véhicule automobile 10. Ici, ces deux objets sont formés par des voitures C1, C2. En variante, il pourrait s’agir d’autres types d’objets (piétons, cyclistes...). Les objets considérés sont de préférence mobiles.
[0040] Dans la suite de la description, le véhicule automobile 10 est celui qui mettra en œuvre la présente invention, et il sera appelé « véhicule EGO 10 ».
[0041] Ce véhicule EGO 10 comprend classiquement un châssis qui délimite un habitacle, des roues dont deux au moins sont directrices, un groupe motopropulseur, un système de freinage et un système de direction conventionnel permettant d’agir sur l’orientation des roues directrices.
[0042] Dans l’exemple considéré, le système de direction est commandé par un actionneur de direction assistée qui permet d’agir sur l’orientation des roues directrices en fonction de l’orientation du volant et/ou, selon les cas, en fonction d’une consigne émise par un calculateur C10.
[0043] Le calculateur C10 comporte au moins un processeur, au moins une mémoire et différentes interfaces d'entrée et de sortie.
[0044] Grâce à ses interfaces d'entrée, le calculateur C10 est adapté à recevoir des signaux d'entrée provenant de différents capteurs.
[0045] Parmi ces capteurs, il est par exemple prévu :
- un dispositif tel qu’une caméra frontale, permettant de repérer la position du véhicule EGO par rapport à sa voie de circulation,
- un dispositif tel qu’un télédétecteur RADAR ou LIDAR, permettant de détecter un obstacle se trouvant sur la trajectoire du véhicule EGO 10,
- au moins un dispositif latéral tel qu’un télédétecteur RADAR ou LIDAR, permettant d’observer l’environnement sur les côtés du véhicule EGO.
[0046] Le calculateur C10 reçoit ainsi de plusieurs capteurs des données relatives aux objets présents dans l’environnement du véhicule EGO 10. De manière classique, ces données sont combinées ensemble de façon à fournir des données fusionnées fiables sur chaque objet.
[0047] Grâce à ses interfaces de sortie, le calculateur C10 est adapté à transmettre une consigne à l’actionneur de direction assistée.
[0048] Il permet ainsi de faire en sorte que le véhicule suive au mieux, et si les conditions le justifient, une trajectoire d’évitement d’obstacle.
[0049] Grâce à sa mémoire, le calculateur C10 mémorise des données utilisées dans le cadre du procédé décrit ci-dessous.
[0050] Il mémorise notamment une application informatique, constituée de programmes d’ordinateur comprenant des instructions dont l’exécution par le processeur permet la mise en œuvre par le calculateur du procédé décrit ci-après.
[0051] Ces programmes comportent notamment un « système AES » qui est conçu pour calculer une trajectoire d’évitement d’obstacle et pour piloter le véhicule EGO 10 de manière qu’il suive cette trajectoire ou pour aider le conducteur à piloter le véhicule EGO 10 de manière qu’il suive cette trajectoire. Le système AES présente un mode autonome dans lequel le suivi de trajectoire se fait sans l’aide du conducteur, et un mode manuel dans lequel le système AES aide le conducteur à éviter l’obstacle et dans lequel le conducteur reste maître de la manœuvre. Ce système AES étant bien connu de l’Homme de l’art, il ne sera pas décrit ici en détail.
[0052] Les programmes informatiques comportent également un logiciel d’activation du système AES, qui va permettre de déterminer si le système AES doit être activé (compte tenu de la trajectoire du véhicule EGO et de celles des objets présents dans son environnement) et d’attendre le meilleur moment pour l’activer. C’est ce logiciel d’activation qui fait ici plus précisément l’objet de la présente invention.
[0053] Ce logiciel est actif dès que le véhicule EGO 10 est en mouvement. [0054] Il est mis en œuvre en boucle, à pas de temps réguliers.
[0055] Il comporte une étape préalable d’acquisition de données relatives au véhicule EGO 10 et à son environnement, suivie de neuf étapes principales. On peut alors décrire une à une ces étapes successives.
[0056] Au cours de l’étape préalable, le calculateur C10 reçoit au moins une image acquise par la caméra frontale du véhicule EGO 10. Il reçoit en outre des données des télédétecteurs. Ces images et données sont alors fusionnées.
[0057] A ce stade, le calculateur C10 dispose donc d’une image de la route située à l’avant du véhicule EGO 10 et de données fusionnées qui caractérisent notamment chaque objet détecté et situé dans l’environnement du véhicule EGO 10. Cet environnement est ici considéré comme étant la zone située autour du véhicule EGO, dans laquelle les capteurs du véhicule sont adaptés à acquérir des données.
[0058] Dans l’exemple de la figure 1, le véhicule EGO roule sur une voie de circulation centrale Vc, de part et d’autre de laquelle se trouvent deux autres voies de circulation VR, VL.
[0059] Le calculateur C10 cherche alors à déterminer les positions et formes des lignes de séparation NL, L, R, NR de ces voies de circulation VC, VR, VL.
[0060] Pour cela, ici, chacune de ces lignes est modélisée par une équation de forme polynomiale. Ici, le polynôme choisi est d’ordre 3, si bien que l’on peut écrire :
[0061] [Math. 1]
[0062] yLine = d. x3 + c. x2 + b. x + a
[0063] Dans cette équation :
- le terme yLine représente la coordonnée latérale de la ligne de séparation de voie considérée,
- le terme x représentée la coordonnée longitudinale de cette ligne, et
- les termes a, b, c et d sont les coefficients du polynôme, déterminés en fonction de la forme de la ligne vue par la caméra frontale du véhicule EGO (ou acquise par le calculateur C10 dans un système de navigation comportant une cartographie détaillée des lieux dans lesquels le véhicule EGO évolue).
[0064] En pratique, ces termes sont fournis par la fusion de données. Il permettent de modéliser la forme des lignes de séparation de voie jusqu’à une distance d’une centaine de mètres environ lorsque les conditions de visibilité sont bonnes.
[0065] A ce stade, on notera que dans la suite de cet exposé, un terme qualifié de « longitudinal » correspondra à la composante d’un vecteur selon l’abscisse du repère considéré, et un terme qualifié de « latéral » correspondra à la composante d’un vecteur selon l’ordonnée du repère considéré (les repères ici considérés étant toujours orthonormés). [0066] L’équation [Math. 1] s’exprime ici dans un repère (XEGO, YEGO) attaché au véhicule EGO 10 et représenté sur la figure 1. Ce repère est orienté de manière que son axe des abscisses s’étende selon l’axe longitudinal du véhicule EGO 10. Il est centré au niveau du RADAR avant du véhicule EGO 10.
[0067] En variante, d’autres modélisations plus simples ou plus complexes des géométries des lignes de séparation de voies pourraient être utilisées.
[0068] Une fois les coefficients a, b, c, d déterminés pour chaque ligne de séparation de voie, le calculateur C10 peut mettre en œuvre les neuf étapes du procédé qui vont permettre de percevoir dans quelle mesure les objets détectés sont dangereux pour le véhicule EGO afin de déclencher, au besoin, le système AES d’évitement d’obstacle. [0069] La première étape consiste à déterminer la distance qui sépare le véhicule EGO de l’objet considéré (l’une des voitures C1, C2).
[0070] La distance ici calculée n’est pas une distance euclidienne. En effet, on souhaite prendre en compte la forme de la route pour déterminer une distance que le véhicule EGO 10 et l’objet devraient parcourir avant de se percuter.
[0071] Le calculateur C10 calcule donc ici une distance d’arc LAB.
[0072] Pour cela, comme cela par exemple détaillé dans le document FR3077547, le calculateur peut utiliser l’équation suivante :
[0073] [Math. 2]
[0074] [0075] Où :
- LAB est la distance d’un arc entre deux points A et B (correspondant aux positions du véhicule EGO et de l’objet considéré),
- XA est la position longitudinale du véhicule EGO (au niveau du RADAR), et
- XB est la position longitudinale de l’objet considéré, dans le repère (XEGO, YEGO).
[0076] La seconde étape consiste à déterminer la position de chaque objet détecté par rapport aux voies de circulation de la route, compte tenu de l’équation de chaque ligne de séparation de voie et des données fusionnées.
[0077] Le calculateur C10 connaît les coordonnées, dans le repère (XEGO, YEGO) attaché au véhicule EGO, d’un point caractéristique de chaque objet détecté (ci-après appelé « point d’ancrage »). Ce point caractéristique est typiquement le centre de l’objet vu par la caméra frontale ou par le télédétecteur RADAR. On considérera ici qu’il s’agit du milieu de la calandre de la voiture C1, C2
[0078] Dans l’exemple de la figure 1 où deux objets ont été détectés (les deux voitures C1, C2), les coordonnées des points d’ancrage sont respectivement référencées (X_rel1, Y_rel1) et (X_rel2, Y_rel2). [0079] Sur cette figure 1 , on a également représenté sur l’axe des ordonnées du repère (XEGO, YEGO) les valeurs suivantes :
- Y_road_NL_1, qui est la valeur du terme yLine de l’équation [Math. 1] de la ligne de séparation de voie NL, au point d’abscisse X_rel1,
- Y_road_NL_2, qui est la valeur du terme yLine de l’équation [Math. 1] de la ligne de séparation de voie NL, au point d’abscisse X_rel2,
- Y_road_L_1, qui est la valeur du terme yLine de l’équation [Math. 1] de la ligne de séparation de voie L, au point d’abscisse X_rel1,
- Y_road_L_2, qui est la valeur du terme yLine de l’équation [Math. 1] de la ligne de séparation de voie L, au point d’abscisse X_rel2,
- Y_road_R_1, qui est la valeur du terme yLine de l’équation [Math. 1] de la ligne de séparation de voie R, au point d’abscisse X_rel1,
- Y_road_R_2, qui est la valeur du terme yLine de l’équation [Math. 1] de la ligne de séparation de voie R, au point d’abscisse X_rel2,
- Y_road_NR_1, qui est la valeur du terme yLine de l’équation [Math. 1] de la ligne de séparation de voie NR, au point d’abscisse X_rel1,
- Y_road_NR_2, qui est la valeur du terme yLine de l’équation [Math. 1] de la ligne de séparation de voie NR, au point d’abscisse X_rel2.
[0080] Alors, en comparant ces valeurs avec les coordonnées latérales Y_rel1, Y_rel2 des voitures C1, C2, il est possible de déterminer sur quelle voie de circulation se trouve chacune de ces deux voitures.
[0081] A titre d’exemple, la coordonnée latérale Y_rel1 de la voiture C1 se trouve ici comprise entre les valeurs Y_road_R_1 et Y_road_L_1, ce qui signifie que cette voiture se trouve entre les lignes de séparation de voies L et R.
[0082] A ce stade, le calculateur C10 peut ainsi savoir dans quelle voie de circulation VL, Vc, VR se trouve chaque objet détecté.
[0083] La troisième étape vise à déterminer des paramètres caractérisant la cinématique de chaque objet par rapport aux lignes de séparation de voies.
[0084] Dans la suite de la description de cette étape, on ne s’intéressera qu’à un seul de ces objets (la voiture C1), pour des raisons de clarté de l’exposé.
[0085] Cette étape comprend une première sous-étape au cours de laquelle le calculateur C10 détermine la position de l’objet par rapport à l’une des lignes de séparation de voies. La ligne de séparation de voie considérée est préférentiellement celle qui sépare la voie de circulation centrale de la voie de circulation sur laquelle se trouve l’objet considéré.
[0086] En variante, la ligne de séparation de voie considérée pourrait être une autre ligne, par exemple une ligne de bord de voie (voir figures 2 et 3), notamment si aucune ligne n’est détectée entre la voie de circulation de l’objet et celle du véhicule EGO 10. [0087] L’idée consiste à discrétiser un intervalle de cette ligne de séparation de voies en un nombre N fini de points, puis à sélectionner celui qui est le plus proche de l’objet considéré. Cette opération est réalisée plusieurs fois en rediscrétisant la ligne de séparation de voie sur un intervalle à chaque fois réduit et situé de part et d’autre du point sélectionné afin, à terme, de trouver une bonne estimation du point de la voie de circulation qui est le plus proche de l’objet considéré.
[0088] En pratique, comme le montre la figure 2, le calculateur commence par discrétiser la ligne de séparation de voie R en N points de coordonnées (Xi, Y,) dans le repère du véhicule EGO 10. Ces points sont régulièrement répartis le long de cette ligne (en pratique, l’intervalle entre deux points consécutifs le long de l’axe XEGO est toujours le même), un premier des points étant situé à la hauteur du véhicule EGO (avec une abscisse nulle) ou à une première distance prédéterminée de celui-ci, et le dernier des points étant situé à une seconde distance prédéterminée du véhicule EGO.
[0089] Puis, connaissant les coordonnées ici notées (Xrel ;Yrel) du point d’ancrage de la voiture C1, le calculateur peut en déduire la distance euclidienne BirdDistancentre chaque point de discrétisation de la ligne de séparation de voie R et le point d’ancrage de la voiture C1 , à l’aide de l’équation :
[0090] [Math. 3]
[0091 ]
[0092] Le point de discrétisation pour lequel la distance euclidienne BirdDistanceest la plus faible est celui qui est le plus proche de la voiture C1. Ce point de coordonnées (Xs, Ys) est donc sélectionné.
[0093] Puis, comme le montre la figure 3, cette opération de discrétisation est répétée sur un intervalle plus petit et avec une discrétisation plus fine. Les bornes de l’intervalle sont de préférence formées par les points de coordonnées (Xs-1, Ys-1) et (Xs+1, Ys+1). Le nombre de points de discrétisation est de préférence encore égal à N. Cette nouvelle opération permet alors de sélectionner un nouveau point de coordonnées (Xs, Ys).
[0094] Passé un certain nombre de boucles (par exemple 10) ou lorsque l’intervalle entre deux points de discrétisation est suffisamment faible (par exemple inférieur à 10 cm), le calculateur cesse de répéter ces opérations en boucle.
[0095] Le dernier point à avoir été sélectionné est appelé « point de projection F ». On considère que c’est une bonne approximation du point de la ligne de séparation qui est le plus proche de la voiture C1.
[0096] La valeur de l’abscisse Xs de ce point est appelée Distancexproj.
[0097] La valeur de la distance euclidienne Bird Distan ecentre le point de projection F et la VOiture C1 est appelée DiStTarget2Lane. [0098] Une seconde sous-étape consiste pour le calculateur C10 à déterminer la vitesse du véhicule EGO dans un repère attaché à la route et situé à hauteur de ce véhicule EGO 10, et la vitesse de la voiture C1 dans un repère attaché à la route et situé à hauteur de cette voiture C1.
[0099] Dans cette sous-étape, on va formuler l’hypothèse selon laquelle, à partir du point de projection F, la route suit la tangente en ce point. On la considère donc droite à partir de la voiture C1.
[0100] Pour bien comprendre les calculs, on a représenté sur la figure 4 quatre repères utilisés dans la suite de cet exposé.
[0101] Le premier repère est le repère (XEGO, YEGO) déjà présenté, qui est attaché au véhicule EGO.
[0102] On notera que ce repère avance en même temps que le véhicule EGO 10. On a donc également représenté un repère absolu (Xabs, Yabs) qui se confond, à l’instant des mesures, avec le premier repère mais qui est considéré comme fixe.
[0103] Un autre repère est noté (XlineEGO , YlineEGO) ; il est attaché à la ligne de séparation de voies R, est orienté de façon que son abscisse soit tangente à cette ligne, et il est centré au niveau du RADAR du véhicule EGO (l’abscisse de ce RADAR est nulle dans le second repère).
[0104] Encore un autre repère est noté (Xobj, Yobj) ; il est attaché à la voiture C1, est orienté de façon que son abscisse soit alignée avec la direction d’avancement de la voiture C1, et il est centré au niveau du point d’ancrage de cette voiture C1.
[0105] Un dernier repère est noté (XlineObj,XlineObj) ; il est attaché à la ligne de séparation de voies R, est orienté de façon que son abscisse soit tangente à cette ligne, et il est centré au niveau du point d’ancrage de la voiture C1.
[0106] Sur la figure 5, on a représenté les angles séparant ces repères :
- AngleiineEGo/EGo permet de passer du repère (XEGO, YEGO) au repère (XlineEco, YlineEco),
- Angleiineobj/EGo permet de passer du repère (XEGO, YEGO) au repère (XlineObj, YlineObj),
- Angleobj/EGo permet de passer du repère (XEGO, YEGO) au repère (Xobj, Yobj),
- Angleobj/Lineobj permet de passer du repère (XlineObj,XlineObj) au repère (Xobj, Yobj).
[0107] On appellera plus généralement AngleLine/EGO l’angle séparant l’abscisse du repère (XEGO, YEGO) et la tangente à la ligne de séparation de voie R, au point d’abscise X (exprimé dans le repère (XEGO, YEGO)).
[0108] On peut alors écrire :
[0109] [Math. 4]
[0110] Angle LineX/Ego = arctan(d(yLine(x))/dx )
[0111] Avec :
[0112] [Math. 5] [01 13]
[0114] Alors, pour x = 0, on peut écrire :
[0115] [Math. 6]
[0116] Angle LineX/Ego = Angle LineEgo/Ego = arctan(b)
[0117] Au point d’abscisse x = Distancexpr0j, on peut écrire :
[0118] [Math. 7]
[0119] Angle 0bj/Line0bj — Anglegbj/Ego — Angle L LineObj
[0120] Le calculateur peut calculer les composantes longitudinale VxEGO/lineEGO et latérale V y EGo/LineEGo de la vitesse du véhicule EGO 10 dans le repère (XlineEGO, YlineEGO) au moyen des formules suivantes :
[0121] [Math. 8]
[0122]
[0123] [Math. 9]
[0124]
[0125] Dans ces formules :
- VEGo/abs est la vitesse du véhicule EGO 10 dans le repère absolu (Xabs, Yabs), mesurée par exemple par les capteurs situés au niveau des essieux du véhicule ;
- AnglevEgo/Ego est l’angle du vecteur vitesse du véhicule EGO 10 par rapport à l’abscisse du repère (XEGO, YEGO). Cet angle est ici supposé nul.
[0126] Le calculateur peut aussi calculer les composantes longitudinale Vxobj/abs et latérale Vyobj/abs de la vitesse V0bj/abs de la voiture C1 dans le repère absolu. Il utilise pour cela les formules suivantes :
[0127] [Math. 10]
[0128]
[0129] [Math. 11]
[0130]
[0131] Dans ces formules :
- VxEGo/abs et VyEGo/abs sont les composantes de la vitesse du véhicule EGO 10 le long de l’abscisse et de l’ordonnée du repère absolu (Xabs, Yabs), et
- Vxobj/EGO et Vyobj/EGO sont les composantes de la vitesse de la voiture C1 par rapport au véhicule EGO 10 le long de l’abscisse et de l’ordonnée du repère (XEGO, YEGO).
[0132] On peut alors écrire :
[0133] [Math. 12]
[0134] [0135] Comme le montrent les deux équations suivantes, on peut, à partir des angles AngleLineOj/Ego et AngleLineOj/Ego, déterminer les composantes VxObj/lineObj, VyObj/iineObj de la vitesse relative « suivant la ligne de séparation de voie R » de la voiture C1 par rapport à cette ligne au point de projection F, ce qui permet une meilleure représentativité de l’information.
[0136] [Math. 13]
[0137]
[0138] [Math. 14]
[0139]
[0140] Dans ces deux équations, Anglevobj/Obj est l’angle du vecteur vitesse de la voiture C1 dans le repère attaché à cette voiture, et Anglevobj/Obj est l’angle de cap de la voiture dans le repère (XEGO, YEGO).
[0141] En pratique, on fait ici l’hypothèse que le vecteur vitesse de l’objet est colinéaire à son angle de cap, de sorte que l’angle Anglevobj/obj est nul.
[0142] On applique un processus similaire pour déterminer les accélérations relatives « suivant la ligne de séparation de voie R » entre le véhicule EGO et cette ligne au point d’abscisse nulle et entre la voiture C1 et cette ligne au point de projection F.
[0143] Ainsi, le calculateur peut calculer les composantes longitudinale AxEGO/LineGO et latérale AxEGO/LineGO de l’accélération du véhicule EGO 10 dans le repère (XLinEGo, YLinEGo) au moyen des formules suivantes :
[0144] [Math. 15]
[0145]
[0146] [Math. 16]
[0147]
[0148] Le calculateur peut aussi calculer les composantes longitudinale AxObj/LineObj et latérale AxObj/LineObj de l’accélération de la voiture C1 dans le repère (XLineObj YLineObj) au moyen des formules suivantes :
[0149] [Math. 17]
[0150]
[0151] [Math. 18]
[0152]
[0153] Dans ces formules :
- AEGO/abs est l’accélération absolue du véhicule EGO 10 dans le repère absolu ;
- Aobj/abs est l’accélération absolue de la voiture C1 dans le repère absolu.
[0154] On peut alors combiner les vitesses calculées et les accélérations calculées afin d’obtenir les composantes longitudinales VRelRouteLongi, ARelRouteLongi et latérales VReIRouteLat, ARelRouteLat de la vitesse relative et de l’accélération relative du véhicule EGO et de la voiture C1, relatives à la route empruntée, à l’aide des quatre équations définies ci-après.
[0155] En pratique, on considère que la composante longitudinale VRelRouteLongi de la vitesse relative entre le véhicule EGO et la voiture C1 est égal à l’écart entre, d’une part, la composante longitudinale de la vitesse du véhicule EGO exprimée dans le repère (XlineEco, YlineEco) attaché à la voie de circulation au niveau du véhicule EGO, et, d’autre part, la composante longitudinale de la vitesse de la voiture C1 exprimée dans le repère (XLineObj, Y Lineobj) attacé à la voie de circulation au niveau de la voiture C1.
[0156] De la même façon, on considère que la composante latérale VRelRouteLat de la vitesse relative entre le véhicule EGO et la voiture C1 est égal à l’écart entre, d’une part, la composante latérale de la vitesse du véhicule EGO exprimée dans le repère (XLineEGO, Y LineEGo) attaché à la voie de circulation au niveau du véhicule EGO, et, d’autre part, la composante latérale de la vitesse de la voiture C1 exprimée dans le repère (OLineEGO, Y Lineobj) ttaché à la voie de circulation au niveau de la voiture C1.
[0157] On peut donc écrire :
[0158] [Math. 19]
[0159]
[0160] [Math. 20]
[0161]
[0162] On peut calculer les composantes de l’accélération de façon similaire :
[0163] [Math. 21]
[0164]
[0165] [Math. 22]
[0166]
[0167] Comme cela apparaîtra en détail dans la suite de cet exposé, l’utilisation des vitesses relatives permet de fournir des indications sur les risques de collision qu’il serait difficile d’obtenir autrement.
[0168] A ce stade, on peut rappeler que le calculateur C10 connaît la valeur de la distance Distïarget2Lane entre la ligne de séparation de voie (au niveau du point de projection F) et le point d’ancrage de la voiture C1.
[0169] Au cours d’une troisième sous-étape, le calculateur C10 va déterminer la distance LaneDY entre le point de projection F et le point Pprox de la voiture C1 le plus proche de la ligne de séparation de voie R (voir figure 6).
[0170] Il calcule ici cette distance au moyen de l’équation suivante.
[0171] [Math. 23]
[0172]
[0173] Dans cette équation, le terme Width correspondant à la largeur de la voiture C1. [0174] L’ensemble des calculs permet alors de déterminer, au cours d’une quatrième sous-étape, un temps avant collision TTC avec l’objet considéré (la voiture C1), c’est-à- dire le temps nécessaire au véhicule EGO pour venir percuter la voiture C1 si ces derniers conservent leurs vitesses.
[0175] En effet, à ce stade, le calculateur connaît de l’équation [Math. 2] la longueur LAB de l’arc séparant le véhicule EGO 10 de la voiture C1. Il connaît également de l’équation [Math. 19] la composante longitudinale VRelRouteLongi de la vitesse relative entre le véhicule EGO 10 et la voiture C1 rapportée à la forme de la route. Il connaît enfin de l’équation [Math. 21] la composante longitudinale ARelRouteLongi de l’accélération correspondante.
[0176] L’utilisation de ces composantes longitudinales permet, lorsque la route est courbée et que les véhicules n’ont pas des trajectoires parallèles, d’obtenir une bonne approximation du temps avant collision TTC.
[0177] Ici, le calculateur C10 détermine alors le temps avant collision TTC recherché à l’aide de l’équation suivante :
[0178] [Math. 24]
[0179]
[0180] On notera que deux conditions de validité de cette équation doivent au préalable être vérifiées. Ces conditions sont les suivantes.
[0181] [Math. 25]
[0182]
[0183] En revanche, si la composante longitudinale ARelRouteLongi de l’accélération relative est nulle, on peut écrire :
[0184] [Math. 26] [0185]
[0186] En variante, on aurait pu calculer le temps avant collision TTC autrement, par exemple en supposant la vitesse relative et/ou l’accélération relative constante.
[0187] En résumé, à ce stade, le calculateur dispose, grâce à l’exploitation des données fusionnées, de différents paramètres caractérisant les différents objets se trouvant dans son environnement et qui sont autant d’obstacles potentiels se trouvant sur sa trajectoire. Il dispose notamment, pour chaque objet :
- du temps avant collision TTC (équation [Math. 24]),
- de la position de l’objet sur la route (déterminée au cours de l’étape 2), et - d’une information de confirmation d’existence de l’objet (fournie lors de l’étape de fusion des données).
[0188] Alors, au cours d’une quatrième étape, le calculateur C10 va effectuer un premier filtrage des différents objets détectés en fonction des paramètres dont il dispose de façon à ne conserver que ceux qui sont pertinents pour la mise en œuvre de la fonction AES (c’est-à-dire ceux qui forment des obstacles potentiels).
[0189] L’opération de filtrage consiste ainsi à considérer que les objets pertinents (ci- après appelés « cibles ») sont ceux dont l’existence a été validée lors de la fusion de données, dont la position est potentiellement dangereuse (dans notre exemple, cela revient à vérifier que les objets se trouvent sur l’une des voies de circulation) et pour lesquels le temps avant collision TTC est inférieur à un seuil prédéterminé.
[0190] Si plusieurs cibles sont détectées sur une même voie de circulation, il est aussi possible de ne considérer qu’un nombre restreint d’entre elles (par exemple 4), à savoir celles pour lesquelles les distances au véhicule EGO 10 sont les plus faibles.
[0191] La cinquième étape consiste, pour le calculateur C10, à identifier un écart latéral de trajectoire (ou, en anglais « overlap ») nécessaire pour éviter chaque cible ou chaque groupe de cibles par la droite et par la gauche tout en évitant les autres objets présents sur la route.
[0192] Cette étape est mise en œuvre en cinq sous-étapes.
[0193] Préalablement à la première sous-étape, le calculateur C10 identifie chaque cible par une référence propre à cette cible.
[0194] Sur la figure 7, on a représenté un exemple de situation dans laquelle quatre cibles se trouvent dans l’environnement du véhicule EGO 10, à l’avant de celui-ci.
[0195] A titre d’exemple, chaque cible est identifiée par le calculateur par une référence qui s’écrit ici sous la forme Cn, avec n un entier naturel ici égal à 1 , 2, 3 ou 4.
[0196] Le numéro n des cibles Cn est ici donné de façon aléatoire.
[0197] La première sous-étape consiste à considérer chaque cible Cn de façon indépendante et à calculer l’écart ovLn nécessaire pour éviter cette cible Cn par la droite et l’écart ovRn nécessaire pour éviter cette cible Cn par la gauche.
[0198] Les écarts ovL1, ovR1 à réaliser pour éviter la cible C1 ont été illustrés sur la figure 7.
[0199] La détermination de ces écarts droit ovLn et gauche ovRn est réalisée compte tenu de la trajectoire du véhicule EGO 10 et des données fusionnées. En effet, la fusion de données fournit des informations cinématiques des cibles par rapport au véhicule EGO 10, qui, avec la trajectoire du véhicule EGO, servent à calculer ces écarts. Ces écarts sont donc calculés dynamiquement en fonction de la dynamique du véhicule EGO 10, de la dynamique des cibles et de la forme de la voie [0200] L’exemple de la figure 7 correspond à un cas dans lequel le véhicule EGO 10 et les cibles se déplacent en ligne droite.
[0201] On y observe que si un écart doit être réalisé pour éviter la cible par la droite, la valeur de l’écart ovRn est supérieure à 0. Sinon, elle est inférieure ou égale à 0. Plus précisément, si le véhicule EGO 10 n’a pas à modifier sa trajectoire pour éviter la cible tout en passant au plus près de cette dernière, l’écart ovRn est égal à 0. En revanche, si le véhicule EGO 10 n’a pas à modifier sa trajectoire pour éviter la cible mais devrait la modifier s’il souhaitait passer au plus près de cette dernière, l’écart ovRn est strictement inférieur à 0.
[0202] De la même façon, si un écart doit être réalisé pour éviter la cible par la gauche, la valeur de l’écart ovLn est supérieure à 0. Sinon, elle est inférieure ou égale à 0.
[0203] Dans le cas où la route n’est pas droite, on propose d’affiner le calcul de ces écarts en prenant en compte les informations suivantes :
- la composante latérale VRelRouteLat de la vitesse relative entre le véhicule EGO et la cible considérée, le long de la route empruntée (équation [Math. 20]),
- l’angle Angleobj/uneobj, et
- le temps avant collision TTC.
[0204] La première de ces informations permet de tenir compte de la vitesse latérale réelle entre le véhicule EGO 10 et la cible, compte tenu de la forme de la voie de circulation.
[0205] Pour bien comprendre l’intérêt de ce paramètre, on peut considérer un exemple dans lequel le véhicule EGO et la cible circulent sur deux voies de circulation distinctes, en sens inverse, en suivant bien les courbures de ces deux voies de circulation. On comprend alors qu’en théorie, les risques d’accident sont nuis. Dans notre exemple, la composante latérale VRelRouteLat de la vitesse relative du véhicule EGO par rapport à la cible sera nulle, si bien que l’écart calculé sera inférieur ou égal à zéro, ce qui exprime bien l’idée d’un risque de collision théoriquement nul.
[0206] En d’autres termes, la composante latérale VRelRouteLat et la durée avant collision TTC permettent de pondérer l’influence des vitesses latérales et longitudinales relatives sur le calcul des écarts droit et gauche ovLn, ovRn.
[0207] De même, l’information Angleobj/LineOb permet de déterminer une valeur plus précise de la surface d’impact de la cible considérée, en pondérant les longueur et largeur du véhicule.
[0208] Le calcul de ces écarts droit et gauche Eright, Elef t ici réalisé d’une façon homologue à celle décrite dans le document FR1907351, à la différence près que ces calculs permettent de tenir compte des trois informations précitées.
[0209] Ainsi, le calcul de la demi-largeur de la cible sera effectué en fonction de l’information Angleobj/LinObj. Cette demi-largeur est alors utilisée pour calculer une valeur préalable pour chaque écart, qui ne prenne pas en compte de rayon de sécurité pour éviter la cible. La composante latérale VRelRouteLat est quant à elle multipliée par le temps avant collision TTC pour ensuite être ajouté à cet écart préalable afin d’obtenir les écarts souhaités.
[0210] En d’autres termes, si on considère le document FR1907351, pour calculer les écarts, il faudra utiliser dans le calcul de la coordonnée latérale dVy le produit de la composante latérale VRelRouteLat avec le temps avant collision TTC. La coordonnée Ya utilisée dans ce document (qui correspond ici à la coordonnée Yrel) sera quant à elle considérée égale à la somme de la coordonnée résultant de la fusion de données et d’un terme égal au produit de la longueur de la cible par le cosinus de l’angle Angleobj/uneobj. [0211] Ainsi, on peut alors écrire :
[0212] [Math. 27]
[0213] Eleft = Ya + er + Long, cos { Angleobj/LinObj + VRelRouteLat. TTC
[0214] Dans cette équation, er est un terme permettant de compenser des erreurs de mesure latérale, et Long est la longueur de la cible.
[0215] [Math. 28]
[0216] Eright = Ya + er — Long cos { Angleobj/LinObj ) + VRelRouteLat. TTC
[0217] Dans le cas où la fusion de données est utilisée, le terme er prend aussi en compte l’erreur provenant de la fusion de données. Ce terme est prédéterminé et mémorisé dans une mémoire du calculateur.
[0218]
[0219] La seconde sous-étape va consister à trier les cibles, afin de les ordonner selon un ordre qui dépend de leurs positions sur la route, et plus précisément de leurs écarts à l’un des bords de la route.
[0220] Ici, cette opération est réalisée en fonction des écarts gauche ovLn calculés, par ordre décroissant. En variante, il serait bien entendu possible d’appliquer une autre méthode de tri.
[0221] L’intérêt de la méthode ici utilisée est que le calcul des écarts prend en compte la dynamique relative de la scène, en s’appuyant sur les vitesse relatives latérales du véhicule EGO 10 et des cibles, mais également sur les temps avant collision TTC calculés qui intègrent une notion de prédiction des positions relatives du véhicule EGO et des cibles.
[0222] Ici, comme le montre la figure 8, les cibles qui étaient jusqu’alors référencées Cn sont désormais référencées Cn.
[0223] On observe sur les figures 7 et 8 que : - la cible C1 devient la cible C2,
- la cible C2 devient la cible C4,
- la cible C3 devient la cible C3,
- la cible C4 devient la cible Ci.
[0224] De la même façon, les écarts qui étaient référencées ovLn, ovRn sont désormais référencées ovLn, ovRn.
[0225] Ainsi :
- les écarts ovL1 , ovR1 deviennent 0VL2, 0VR2,
- les écarts ovL2, ovR2 deviennent 0VL4, 0VR4,
- les écarts ovL3, ovR3 deviennent ovl_3, 0VR3,
- les écarts ovL4, ovR4 deviennent ovL1, ovR1.
[0226] Ce classement des cibles permet de les ordonner de gauche à droite par rapport au véhicule EGO 10.
[0227] Dans la suite, on notera TTCn le temps avant collision calculé pour la cible Cn. [0228] En considérant successivement chaque cible selon l’ordre ainsi déterminé, le calculateur C10 peut alors déterminer s’il est possible de passer à droite ou à gauche de cette cible.
[0229] Pour cela, au cours d’une troisième sous-étape, le calculateur résout les équations suivantes (pour tout n allant de 1 à 4 dans notre exemple).
[0230] [Math. 29]
[0231] Ga Left_n = — (ovLn + ovRn-1) — dSafe [0232] [Math. 30]
[0233] GapRight n = — (ovRn + ovLn+1) — dSafe
[0234] Dans ces équations, le paramètre dSafe présente une valeur strictement positive et correspond à une distance de sécurité que l’on souhaite ménager autour de la cible pour éviter de passer trop proche de celle-ci. Sa valeur peut varier, par exemple en fonction des vitesses de la cible et du véhicule EGO ou des conditions de circulation (météo...). Elle est au moins égale à la largeur du véhicule EGO.
[0235] Le paramètre Gapi_eft-n, ci-après appelé espace à gauche, correspond à la largeur de passage à la gauche de la cible, compte tenu des autres cibles.
[0236] Le paramètre GapRight-n, ci-après appelé espace à droite, correspond à la largeur de passage à la droite de la cible, compte tenu des autres cibles.
[0237] On notera ici que le calcul de l’espace à gauche GapLeft-n n’est pas nécessairement réalisé pour n égal à 1, puisqu’on sait qu’il est possible de passer à gauche de la cible C1.
[0238] De la même façon, le calcul de l’espace à gauche GapRight-n n’est pas nécessairement réalisé pour n égal à 4, puisqu’on sait qu’il est possible de passer à droite de la cible C4.
[0239] A ce stade, on peut considérer qu’il est possible pour le véhicule EGO 10 de passer à gauche de la cible Cn considérée si et seulement si l’espace à gauche GapLeft_n est supérieur ou égal à zéro.
[0240] De la même façon, on peut considérer qu’il est possible pour le véhicule EGO 10 de passer à droite de la cible Cn considérée si et seulement si l’espace à droite GapRight-n est supérieur ou égal à zéro.
[0241] Dans l’exemple de la figure 8, on obtient ainsi :
- GapRight_1 > ou = 0,
- GapLeft_2 > ou = 0,
- GapRight_2 < 0,
- GapLeft_3 < 0,
- GapRight_3 < 0,
- GapLeft_4 < 0.
[0242] Sur la figure 9, on a représenté cette situation.
[0243] On observe que les valeurs GapRight_2, Gap§eft_3, GapRight_3, GapLeft_4 sont toutes strictement inférieures à zéro, si bien qu’il n’est a priori pas possible de passer entre les cibles C2, C3 et C4.
[0244] On observe également que les valeurs GapRight-4 et GapLeft-2 sont supérieures ou égales à zéro, ce qui signifie qu’il est possible de passer de part et d’autre de ce groupe de cibles C2, C3 et C4. Il est également possible de passer à droite de la cible C1 car le terme GapRight-1 est supérieur ou égal à 0.
[0245] A ce stade, le calculateur peut donc grouper les cibles lorsqu’il n’est a priori pas possible de passer entre elles.
[0246] Pour cela, on utilise au moins un critère de proximité entre les cibles.
[0247] Un premier critère de proximité est relatif à la distance latérale entre les cibles. [0248] Ainsi, pour former des groupes, le calculateur C10 identifie si l’espace GapRight-n ou Gapi_eft-n+i entre une cible Cn considérée et la cible voisine Cn+i (dans l’ordre de succession) est strictement inférieur à 0. Si c’est le cas, les deux cibles sont groupées. [0249] On obtient ainsi, dans l’exemple de la figure 9, un groupe de trois cibles, ci-après appelé groupe préliminaire G1.
[0250] L’association des cibles en groupes de plusieurs cibles pourrait s’arrêter là.
[0251] Toutefois, il est ici prévu de considérer un second critère de proximité pour former les groupes. Ce second critère de proximité est relatif à la distance longitudinale entre les cibles.
[0252] L’idée est en effet de ne former un groupe que s’il n’est pas possible pour le véhicule EGO 10 de se rabattre entre certaines des cibles du groupe préliminaire G1. [0253] Pour cela, le calculateur C10 est ici programmé pour diviser le ou les groupe(s) préliminaire(s) G1 lorsqu’ils comprennent des cibles éloignées longitudinalement les unes des autres.
[0254] Ce tri des cibles au sein de chaque groupe est ici réalisé en comparant les temps avant collision TTCn de chaque cible Cn. En variante, ce tri aurait pu être réalisé en utilisant d’autres paramètres (notamment les distances d’arc LAB). L’intérêt d’utiliser ici ce paramètre TTCn est qu’il tient compte des vitesses et accélérations relatives longitudinales des cibles Cn.
[0255] Le calculateur C10 opère de la même façon pour chaque groupe de plusieurs cibles.
[0256] Il ordonne les cibles de ce groupe en fonction de leurs temps avant collision TTCn, par exemple de manière croissante.
[0257] Dans l’exemple de la figure 10, les cibles sont alors ordonnées dans le sens suivant : C4, C2, C3.
[0258] Puis le calculateur calcule l’écart entre chaque paire de cibles successives (selon l’ordre déterminé).
[0259] Dans l’exemple de la figure 10, il calcule donc :
- l’écart D4-2 entre le temps avant collision TTC4 associé à la cible C4 et le temps avant collision TTC2 associé à la cible C2,
- l’écart D2-3 entre le temps avant collision TTC2 associé à la cible C2 et le temps avant collision TTC3 associé à la cible C3.
[0260] Puis le calculateur compare chacun de ces écarts D4-2, D2-3 avec un seuil Sx. [0261] Ce seuil pourrait être invariable. Toutefois, de façon préférentielle, il sera choisi en fonction au moins de la vitesse longitudinale du véhicule EGO 10.
[0262] Si l’écart entre les temps avant collision associés à deux cibles successives est supérieur à ce seuil, le calculateur divise le groupe préliminaire en deux groupes.
[0263] Dans l’exemple de la figure 10, à l’issue de cette opération, les cibles C4 et C2 forment alors un premier groupe G2, tandis que la cible C3 se retrouve isolée.
[0264] A ce stade, le calculateur va donc considérer chaque groupe de la même façon qu’une cible isolée. Il va donc lui associer un écart gauche ovL, un écart droit ovR,, et un temps avant collision TTC, (i étant l’indice du groupe considéré).
[0265] Ces paramètres sont alors calculés de la manière suivante.
[0266] Pour faciliter la compréhension, on pourra s’appuyer sur l’exemple de la figure 11 où le groupe G3 considéré comporte trois cibles Ci, C2, C3.
[0267] Le temps avant collision TTC, du groupe sera choisi égal au temps avant collision TTCn le plus petit parmi les temps avant collision TTCn des cibles Ci, C2, C3 du groupe. [0268] L’écart gauche ovLi du groupe sera choisi égal à l’écart gauche ovLn le plus grand parmi les écarts gauches ovLn des cibles du groupe.
[0269] L’écart droit ovR, du groupe sera choisi égal à l’écart droit ovRn le plus grand parmi les écarts droits ovRn des cibles du groupe.
[0270]
[0271] Dans la suite de cet exposé, par simplification, on utilisera le terme générique de « cible » pour désigner aussi bien un groupe de plusieurs cibles qu’une cible unique ne faisant partie d’aucun groupe.
[0272] La sixième étape consiste, pour le calculateur, à réaliser un second filtrage parmi les cibles, pour distinguer celles qui sont critiques des autres.
[0273] Une cible sera qualifiée de critique si elle nécessite l’activation de la fonction AES pour être évitée. La cible la plus critique (cible MCT) est celle nécessitant l’activation de la fonction AES le plus tôt.
[0274] Une cible sera qualifiée « à risque modéré » si sa position est telle qu’elle doit être prise en compte lors de la détermination de la trajectoire d’évitement à suivre. Ainsi, une cible à risque modéré est susceptible d’empêcher l’activation de la fonction AES. [0275] L’idée est de considérer successivement chaque cible détectée de façon indépendante (et donc indépendamment de son environnement).
[0276] Pour commencer, le calculateur C10 considère que toutes les cibles situées sur la voie de circulation du véhicule EGO 10 sont critiques.
[0277] S’agissant des cibles se trouvant sur les voies adjacentes à celle empruntée par le véhicule EGO 10, le calculateur contrôle si elles respectent des critères supplémentaires.
[0278] Ici, ces critères sont liés aux paramètres suivants :
- la distance d’arc LAB,
- la distance Laneov entre le point de projection F et le point de la cible qui est le plus proche de la ligne de séparation de voie (équation [Math. 23]), et
- la composante latérale Vyobj/lineobj de la vitesse de la cible par rapport à la ligne de séparation de voie au niveau du point de projection F (équation [Math. 14]).
[0279] Sur la figure 12, on a représenté trois cibles C4, C5, C6 se trouvant sur deux voies adjacentes à celle empruntée par le véhicule EGO 10.
[0280] Pour déterminer si chaque cible est critique ou non, le calculateur vérifie si les deux conditions i) et ii) suivantes sont réunies.
[0281] Pour vérifier la première condition i), le calculateur commence par calculer la distance LaneDY entre la cible et la ligne de séparation de voie considérée (équation [Math. 23]). Cela permet de savoir si la cible est plutôt proche ou au contraire éloignée de la ligne de séparation de voie considérée. [0282] Le calculateur C10 en déduit un seuil minimum de vitesse latérale, noté VySeuiiMin. [0283] Puis, si la composante Vyobj/lineobj dépasse le seuil minimum VySeuiiMin, alors la première condition (pour considérer la cible comme critique) est validée. Dans le cas contraire, la cible est simplement considérée comme étant à risque modéré.
[0284] On notera que le seuil utilisé est donc une variable qui est fonction de la distance entre la cible et la ligne de séparation de voie considérée, ce qui permet de tenir compte du fait que plus cette distance est faible, plus le risque de collision est important.
[0285] Le seuil utilisé pourra en outre dépendre de la manière selon laquelle la cible était caractérisée au pas de temps précédent (critique ou non critique). L’idée est en effet que la caractérisation de la cible ne varie pas à chaque pas de temps, du fait de bruits dans les mesures des données à fusionner. Pour cela, le seuil utilisé pour que la cible passe de non-critique à critique est plus haut que celui utilisé pour que la cible passe de critique à non-critique (à la manière d’une fonction d’Hystérésis).
[0286] La seconde condition ii) permet de ne pas prendre en compte les cibles issues de possibles erreurs de perception, ainsi que celles ayant des vitesses latérales trop importantes ou aberrantes. Pour cela, le calculateur compare la valeur absolue de la composante latérale Vyobj/iineobj avec un seuil maximum VySeuiMax prédéterminé. Si cette composante est supérieure au seuil maximum, la seconde condition n’est pas validée et la cible est considérée comme étant à risque modéré. Le seuil maximum doit être restrictif de façon à ne pas considérer les fausses détections qui ont parfois des valeurs démesurées.
[0287] Ce seuil maximum est de préférence supérieur à 2m/s, préférentiellement égal à 3 m/s.
[0288]
[0289] Les cibles qui ne remplissent pas l’une et/ou l’autre des conditions i) et ii) sont considérées comme des cibles à risque modéré. Les autres cibles sont considérées comme étant critiques.
[0290] La classification des cibles perçues en cibles critiques et en cibles à risque modéré permet de réduire les temps de calcul. En outre, cette classification des cibles simplifie la décision d’activation ou non du système AES, et la décision prise est justifiable à un conducteur humain.
[0291] Sur la figure 12, on peut considérer que seule la cible C4 remplit les deux conditions i) et ii), puisqu’aucune des deux autres cibles ne remplit la condition i).
[0292] La septième étape consiste, pour le calculateur C10, à déterminer, pour chaque cible critique, un temps critique Tcrit qui intègre deux informations distinctes et pertinentes pour garantir un évitement d’obstacle en minimisant le caractère intrusif de la fonction AES pour le conducteur. [0293] L’intérêt de calculer ce paramètre est notamment de permettre de trouver quelle est la cible la plus critique MCT parmi les cibles critiques.
[0294] Avant de décrire comment ce paramètre est obtenu, on pourra rappeler que le système AES d’évitement peut être opéré de façon entièrement automatique (auquel cas la trajectoire d’évitement est suivie par l’actionneur de direction assistée, de manière autonome) ou de façon semi-automatique (auquel cas l’évitement est réalisé manuellement par le conducteur, l’actionneur de direction assistée étant piloté pour aider le conducteur à suivre une trajectoire d’évitement une fois que le conducteur a déclenché l’évitement). Dans la suite de la description, on parlera d’un mode autonome et d’un mode manuel pour désigner respectivement ces deux méthodes.
[0295] L’évitement en mode manuel est potentiellement moins efficace que l’évitement en mode autonome. Ainsi, la trajectoire d’évitement calculée par le système AES ne sera pas la même en mode manuel et en mode autonome. On notera que le calcul de cette trajectoire d’évitement (en forme de clothoïde) ne fait pas l’objet de la présente invention. On pourra simplement rappeler que la forme de cette trajectoire est calculée en fonction des performances dynamiques du véhicule et des capacités du conducteur (en mode manuel).
[0296] Quoi qu’il en soit, compte tenu des écarts ovln, ovRn calculés, il est possible de construire quatre trajectoires d’évitements (quatre clothoïdes) pour éviter la cible critique par la droite et par la gauche, en mode manuel et en mode autonome.
[0297] Ces clothoïdes présentent des courbures qui dépendent des capacités dynamiques maximum du véhicule. La forme de ces clothoïdes est alors lue dans une base de données, en fonction de la vitesse du véhicule EGO 10.
[0298] Compte tenu de ces écarts et des trajectoires d’évitement déterminées, il est possible d’en déduire quatre temps de manœuvre TTS (voir figure 7) qui correspondent à la durée nécessitée, dans chaque mode, pour réaliser la manœuvre d’évitement par la gauche ou par la droite.
[0299] La manière d’obtenir ces temps de manœuvre TTS ne sera pas ici décrite puisqu’elle dépendra des caractéristiques dynamiques du véhicule automobile EGO 10 et des performances du conducteur. En pratique, ces temps de manœuvre TTS pourraient être lus dans une base de données établies à l’aide d’une batterie d’essais.
[0300] Connaissant le temps avant collision TTCn et le temps de manœuvre TTS pour chaque cible critique, le calculateur peut en déduire le temps critique Tcrit à l’aide de la formule :
[0301] [Math. 31]
[0302] Tcrit = TTC - TTS
[0303] Ce temps critique devient donc nul au dernier moment où il est encore possible d’activer la fonction AES et d’éviter la collision avec la cible critique considérée, dans le mode manuel ou automatique considéré, en l’évitant par le côté considéré.
[0304] Ainsi, ce temps critique Tcrit est porteur de trois informations capitales sur la cible considérée : le côté par lequel l’éviter, la performance du système (et du conducteur) et la durée avant collision TTCn avec la cible.
[0305] La huitième étape va alors consister à utiliser les temps critiques Tcrit calculés pour classer les cibles critiques et trouver la cible la plus critique MCT.
[0306] Dans le cas où le conducteur est maître de la manœuvre en mode manuel (par exemple parce que le mode autonome n’a pas pu s’activer), le calculateur sélectionne la cible critique pour laquelle le temps critique est le plus faible en cas d’évitement par la droite et celle pour laquelle le temps critique est le plus faible en cas d’évitement par la gauche.
[0307] Puis, dès que le calculateur C10 détecte que le conducteur initie une manœuvre d’évitement, il peut décider d’activer le système AES pour aider le conducteur dans sa manœuvre en fonction des deux temps critiques sélectionnés.
[0308] Pour cela, le calculateur détermine le côté vers lequel le conducteur tourne le volant lorsqu’il commence sa manœuvre d’évitement (par la droite ou par la gauche), puis il élit, parmi les deux temps critiques sélectionnés, celui correspondant au côté par lequel le conducteur commence sa manœuvre d’évitement.
[0309] La cible la plus critique MCT est celle correspondant à ce temps critique élu. [0310] En mode autonome, le calculateur procède autrement. Il est en effet nécessaire de déterminer le côté par lequel le véhicule EGO 10 doit éviter le ou les obstacles.
[0311] L’idée est alors de déterminer, pour chaque cible critique, le meilleur côté pour l’éviter puis de déterminer ensuite la cible la plus critique MCT.
[0312] En pratique, le calculateur sélectionne, pour chaque cible critique, le côté pour lequel le temps critique Tcrit est le plus élevé.
[0313] Puis il élit, parmi les temps critiques ainsi sélectionnés, celui qui est le plus faible. [0314] Alors, le calculateur considère que la cible la plus critique MCT est celle dont le temps critique Tcrit a été élu.
[0315] La neuvième étape consiste pour le calculateur C10 à déclencher la fonction AES si cela est nécessaire et au moment optimal.
[0316] En l’espèce, en mode autonome, la fonction AES est déclenchée dès que le temps critique Tcrit élu passe sous un seuil prédéterminé, par exemple égal à 0 seconde. [0317] En revanche, en mode manuel, le déclenchement de cette fonction AES s’opère de façon différente.
[0318] L’idée est de déclencher la fonction AES et l’accompagnement du conducteur dans l’évitement d’une manière qui s’adapte à la situation. [0319] En effet, si le conducteur initie trop tôt son coup de volant, sa manœuvre sera considérée comme non urgente car la situation ne requiert pas une action du conducteur de ce type à ce moment. Le système AES ne sera alors pas activé.
[0320] De même, si une collision est imminente et si le mode autonome n’a pas pu s’activer avant, alors on pourra considérer qu’il sera trop tard pour que le système AES puisse apporter une quelconque aide au conducteur. On laissera alors le soin à un autre système de sécurité de minimiser l’impact.
[0321] Ainsi, en mode manuel, il sera nécessaire de déterminer un intervalle de temps pendant lequel, si une action d’évitement effectuée par le conducteur est détectée, le système AES sera activé.
[0322] Cet intervalle de temps sera délimité par deux bornes.
[0323] La première borne, à partir de laquelle, si le conducteur initie une manœuvre d’évitement, il sera aidé, correspondra à un temps critique Tcrit strictement supérieur à 0. [0324] La seconde borne, à partir de laquelle on considérera qu’il est trop tard pour déclencher le système AES, correspond à un temps critique Tcrit inférieur ou égal à 0, et de préférence strictement inférieur à 0.
[0325] Ainsi, pour activer la fonction AES, le calculateur détermine si le temps critique Tcrit élu est compris entre ces deux bornes, et il active la fonction AES que si tel est le cas.
[0326] La présente invention n’est nullement limitée aux modes de réalisation décrits et représentés, mais l’homme du métier saura y apporter toute variante conforme à l’invention.
[0327] On aurait pu considérer un seul critère de proximité qui ne soit ni latéral ni longitudinal mais qui considère uniquement l’écart entre les cibles.
[0328] Encore en variante, on aurait pu commencer par grouper les véhicules en fonction de leurs écarts longitudinaux, puis de diviser au besoin chaque groupe ainsi obtenu en fonction des écarts latéraux entre les véhicules du groupe.

Claims

REVENDICATIONS
[Revendication 1] Procédé d’évitement d’objets (C1, C2, C3, C4) par un véhicule automobile (10), comportant des étapes de : - détection d’objets (C1, C2, C3, C4) situés dans l’environnement du véhicule automobile (10),
- acquisition de données caractérisant la position et/ou la dynamique de chaque objet (C1, C2, C3, C4) détecté, caractérisé en ce que, si plusieurs objets (C1, C2, C3, C4) ont été détectés, il est prévu des étapes de :
- vérification si au moins un critère de proximité entre au moins deux des objets (C1, C2, C3, C4) détectés est rempli et, si tel est le cas,
- association des deux objets (C1, C2, C3, C4) en un groupe (G1, G2, G3),
- calcul des données caractérisant la position et/ou la dynamique dudit groupe (G1, G2, G3), et
- activation d’un système d’évitement d’obstacle (AES) et/ou détermination d’une trajectoire d’évitement (T1), selon les données caractérisant la position et/ou la dynamique dudit groupe (G1, G2, G3).
[Revendication 2] Procédé d’évitement selon la revendication précédente, dans lequel ledit critère de proximité est relatif à la distance latérale entre les deux objets (C1,
C2, C3, C4).
[Revendication 3] Procédé d’évitement selon la revendication précédente, dans lequel, à l’étape d’acquisition, l’une des données est un écart latéral de trajectoire (Eleft, Eright) que le véhicule automobile (10) doit réaliser pour éviter chaque objet (C1, C2, C3, C4), et dans lequel le critère de proximité consiste à vérifier si la différence
(GapLeft- n, GapRight_n) entre, d’une part, l’écart latéral de trajectoire (Eleft) à réaliser pour éviter un premier des deux objets par le côté orienté vers le second objet, et d’autre part, l’écart latéral de trajectoire ( Eright) à réaliser pour éviter le second objet par le côté orienté vers le premier objet, est supérieur ou égal à un seuil (dsafe) prédéterminé.
[Revendication 4] Procédé d’évitement selon la revendication précédente, dans lequel, si au moins trois objets (C1, C2, C3, C4) ont été détectés, il est prévu d’ordonner les objets (C1, C2, C3, C4) dans un ordre de succession allant d’un bord à l’autre de la route, et dans lequel on vérifie si le critère de proximité est rempli entre chaque paire d’objets successifs selon ledit ordre de succession.
[Revendication 5] Procédé d’évitement selon l’une des deux revendications précédentes, dans lequel il est prévu de calculer une vitesse latérale relative (VRelRouteLat) en fonction de l’écart entre, d’une part, la vitesse latérale (VyEgo/Linego) du véhicule automobile (10) par rapport à la route sur laquelle il roule dans un premier repère (XLineEgo, YLineEgo) orienté selon une tangente à la route au niveau du véhicule automobile (10), et, d’autre part, la vitesse latérale (Vyobj/uneobj) de l’objet (C1, C2) par rapport à la route dans un second repère (XLineObj, YLineobj )orienté selon une tangente à la route au niveau dudit objet (C1, C2), et dans lequel chaque écart latéral de trajectoire (Eleft, Eright ) est déterminé en fonction de la vitesse latérale relative (VRelRouteLat).
[Revendication 6] Procédé d’évitement selon l’une des revendications précédentes, dans lequel ledit critère de proximité est relatif à la distance longitudinale entre les deux objets.
[Revendication 7] Procédé d’évitement selon la revendication précédente, dans lequel, à l’étape d’acquisition, l’une des données est relative au temps restant (TTC) avant que le véhicule automobile (10) ne puisse percuter chaque objet (C1, C2, C3, C4), et dans lequel, pour vérifier que ledit critère de proximité est rempli, on contrôle si l’écart (D2-3, D4-2) entre les temps avant collision (TTC) des deux objets est inférieur à un seuil.
[Revendication 8] Procédé d’évitement selon l’une des revendications précédentes, dans lequel, à l’étape d’acquisition, l’une des données est un écart latéral de trajectoire (Eleft, Eright) à réaliser pour éviter chaque objet (C1, C2, C3, C4) par un même côté gauche ou droit, et dans lequel, à l’étape de calcul, l’une des données caractérisant le groupe est choisie égale au plus grand des écarts latéraux de trajectoire (Eleft , Eright) à réaliser pour éviter chaque objet (C1, C2, C3, C4) du groupe (G1,G2,G3) d’un même côté.
[Revendication 9] Procédé d’évitement selon l’une des revendications précédentes, dans lequel, à l’étape d’acquisition, l’une des données caractérisant chaque objet est un temps restant (TTC) avant que le véhicule automobile (101) ne puisse percuter chaque objet (C1, C2, C3, C4), et dans lequel, à l’étape de calcul, l’une des données caractérisant le groupe est choisie égale au plus petit des temps restant (TTC) avant que le véhicule automobile (101) ne puisse percuter chaque objet (C1 , C2, C3, C4) du groupe (G1,G2,G3).
[Revendication 10] Véhicule automobile (10) comportant au moins une roue directrice, un système de direction de chaque roue directrice adapté à être manœuvré par un actionneur commandé par un calculateur (C10), caractérisé en ce que le calculateur (C10) est adapté à mettre en œuvre un procédé d’évitement conforme à l’une des revendications précédentes.
EP22703397.4A 2021-02-19 2022-02-03 Procédé d'évitement d'obstacles Pending EP4402030A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2101650A FR3120039B1 (fr) 2021-02-19 2021-02-19 Procédé d’évitement d’obstacles
PCT/EP2022/052617 WO2022175103A1 (fr) 2021-02-19 2022-02-03 Procédé d'évitement d'obstacles

Publications (1)

Publication Number Publication Date
EP4402030A1 true EP4402030A1 (fr) 2024-07-24

Family

ID=75278240

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22703397.4A Pending EP4402030A1 (fr) 2021-02-19 2022-02-03 Procédé d'évitement d'obstacles

Country Status (7)

Country Link
US (1) US12559094B2 (fr)
EP (1) EP4402030A1 (fr)
JP (1) JP2024506972A (fr)
KR (1) KR20230146642A (fr)
CN (1) CN117043033A (fr)
FR (1) FR3120039B1 (fr)
WO (1) WO2022175103A1 (fr)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3413082B1 (fr) * 2017-06-09 2020-01-01 Veoneer Sweden AB Système de véhicule pour la détection de véhicules en approche
EP4071024B1 (fr) * 2021-04-08 2025-07-02 Qualcomm Auto Ltd. Système de commande de véhicule
KR102888500B1 (ko) * 2024-12-26 2025-11-21 (주)뷰런테크놀로지 차량 경로 예측 방법 및 장치

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2787586B1 (fr) * 1998-12-16 2001-09-14 Renault Procede de regulation de vitesse pour vehicule automobile
JP5443930B2 (ja) * 2009-10-01 2014-03-19 本田技研工業株式会社 車両の走行安全装置
WO2012091637A1 (fr) * 2010-12-29 2012-07-05 Volvo Lastvagnar Ab Régulateur de vitesse adaptatif
BR112017003659B1 (pt) * 2014-08-28 2022-01-18 Nissan Motor Co., Ltd Dispositivo de controle de percurso e método de controle de percurso
JP6383376B2 (ja) * 2016-03-31 2018-08-29 株式会社Ｓｕｂａｒｕ 周辺リスク表示装置
FR3077547A1 (fr) 2018-02-08 2019-08-09 Renault S.A.S Systeme et procede de detection d'un risque de collision entre un vehicule automobile et un objet secondaire situe sur les voies de circulation adjacentes audit vehicule lors d'un changement de voie
CN109002041B (zh) * 2018-08-09 2021-03-19 北京智行者科技有限公司 一种车辆避障方法
US11208096B2 (en) * 2018-11-02 2021-12-28 Zoox, Inc. Cost scaling in trajectory generation
CN109960261B (zh) * 2019-03-22 2020-07-03 北京理工大学 一种基于碰撞检测的动态障碍物避让方法
FR3097820B1 (fr) * 2019-06-25 2021-08-20 Valeo Vision Procede de prevention d’une collision d’un vehicule automobile avec un objet mettant en œuvre un module lumineux
KR20210000994A (ko) * 2019-06-26 2021-01-06 현대자동차주식회사 차량 및 그 제어방법
FR3098172B1 (fr) * 2019-07-02 2022-08-12 Renault Sas Procédé de détermination d’une trajectoire d’évitement d’un véhicule automobile

Also Published As

Publication number Publication date
JP2024506972A (ja) 2024-02-15
CN117043033A (zh) 2023-11-10
US12559094B2 (en) 2026-02-24
FR3120039A1 (fr) 2022-08-26
US20240149871A1 (en) 2024-05-09
FR3120039B1 (fr) 2025-09-26
KR20230146642A (ko) 2023-10-19
WO2022175103A1 (fr) 2022-08-25

Similar Documents

Publication Publication Date Title
EP4294688B1 (fr) Procédé d&#39;activation d&#39;un système d&#39;évitement d&#39;obstacle pour véhicule automobile
EP3938260B1 (fr) Procédé d&#39;élaboration d&#39;une consigne de pilotage mixte d&#39;un système de braquage de roues et d&#39;un système de freinage différentiel d&#39;un véhicule automobile
EP3994042B1 (fr) Procédé de détermination d&#39;une trajectoire d&#39;évitement d&#39;un véhicule automobile
FR3096327A1 (fr) Appareil de contrôle de conduite pour véhicule
FR3049560B1 (fr) Procede et systeme d&#39;assistance au changement de voie de roulage pour vehicule automobile
EP3980308B1 (fr) Procédé de calcul de la position latérale d&#39;un véhicule automobile
EP4402030A1 (fr) Procédé d&#39;évitement d&#39;obstacles
FR3041590A1 (fr) Systeme de commande de la direction d&#39;un vehicule automobile en cas de collision imminente avec un obstacle
EP3630570B1 (fr) Assistance a la conduite d&#39;un vehicule automobile a l&#39;approche d&#39;une barriere de peage
WO2019162238A1 (fr) Dispositif et procédé d&#39;aide à la conduite d&#39;un véhicule automobile
FR3048113B1 (fr) Dispositif et procede d&#39;aide a la conduite d&#39;un vehicule automobile
EP4223604A1 (fr) Procédé de détection de danger dans l&#39;environnement d&#39;un véhicule automobile
EP4204266B1 (fr) Méthode de contrôle pour contrôler le mouvement latéral d&#39;un véhicule automobile
EP3847417B1 (fr) Procédé de détection de faux positifs d&#39;un dispositif de traitement d&#39;image d&#39;une caméra
EP3877821B1 (fr) Procédé de détermination d&#39;une trajectoire d&#39;un véhicule autonome
WO2017064330A1 (fr) Procédé et système d&#39;assistance au changement de voie de roulage pour véhicule automobile
EP4227912B1 (fr) Procédé de détection d&#39;une ligne centrale d&#39;une voie de circulation
FR3092914A1 (fr) Procédé de détermination de la trajectoire d&#39;un véhicule comprenant quatre roues directrices
EP3377386B1 (fr) Procédé d&#39;aide a la conduite d&#39;un véhicule automobile
EP4211009B1 (fr) Procédé et dispositif d&#39;aide au positionnement latéral d&#39;un véhicule
EP4430569B1 (fr) Procédé d&#39;estimation dynamique du tangage d&#39;un véhicule automobile au moyen d&#39;un capteur d&#39;acquisition d&#39;images
EP4263311B1 (fr) Méthode de contrôle pour contrôler le déplacement d&#39;un véhicule automobile autonome
FR3142151A1 (fr) Procédé de caractérisation de lignes de bord de voie en vue du pilotage d’un véhicule automobile
EP4630303A1 (fr) Procédé de détection d&#39;une ligne centrale d&#39;une voie de circulation et de pilotage d&#39;un véhicule automobile
FR3150002A1 (fr) Procédé de caractérisation d’une posture d’un objet mobile se déplaçant sur un axe de circulation

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20230816

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)