FR3124149A1 - Procédé et dispositif d’aide à la conduite d’un véhicule autonome. - Google Patents
Procédé et dispositif d’aide à la conduite d’un véhicule autonome. Download PDFInfo
- Publication number
- FR3124149A1 FR3124149A1 FR2106406A FR2106406A FR3124149A1 FR 3124149 A1 FR3124149 A1 FR 3124149A1 FR 2106406 A FR2106406 A FR 2106406A FR 2106406 A FR2106406 A FR 2106406A FR 3124149 A1 FR3124149 A1 FR 3124149A1
- Authority
- FR
- France
- Prior art keywords
- autonomous vehicle
- driving
- options
- data
- candidate navigation
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 19
- 210000004027 cell Anatomy 0.000 description 18
- 230000006403 short-term memory Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000007787 long-term memory Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241000897276 Termes Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
- B60K35/10—Input arrangements, i.e. from user to vehicle, associated with vehicle functions or specially adapted therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
- B60K35/20—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor
- B60K35/28—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor characterised by the type of the output information, e.g. video entertainment or vehicle dynamics information; characterised by the purpose of the output information, e.g. for attracting the attention of the driver
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K2360/00—Indexing scheme associated with groups B60K35/00 or B60K37/00 relating to details of instruments or dashboards
- B60K2360/143—Touch sensitive instrument input devices
- B60K2360/1438—Touch screens
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K2360/00—Indexing scheme associated with groups B60K35/00 or B60K37/00 relating to details of instruments or dashboards
- B60K2360/16—Type of output information
- B60K2360/166—Navigation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K2360/00—Indexing scheme associated with groups B60K35/00 or B60K37/00 relating to details of instruments or dashboards
- B60K2360/16—Type of output information
- B60K2360/175—Autonomous driving
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/215—Selection or confirmation of options
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
- Navigation (AREA)
Abstract
La présente invention concerne un procédé et dispositif d’aide à la conduite d’un véhicule autonome. Le procédé comprend une étape (30) d’obtention (30) de données d’environnement du véhicule autonome à partir d’au moins un système de capteurs extérieurs embarqué du véhicule autonome ; une étape (31) de détermination d’au moins deux options de navigation ou de conduite candidates par analyse des données d’environnement obtenues ; une étape (32) d’affichage desdites au moins deux options de navigation ou de conduite candidates, lesdites au moins deux options de navigation ou de conduite candidates étant sélectionnables par un conducteur du véhicule autonome ; une étape (33) de sélection de l’une desdites au moins deux options de navigation ou de conduite candidates par le conducteur ; et une étape (34) d’adaptation d’un comportement du véhicule autonome en fonction de l’option de navigation ou de conduite candidate sélectionnée. Figure pour l’abrégé : Figure 4
Description
La présente invention concerne des procédé et dispositif d’aide à la conduite de véhicule autonome. La présente invention concerne également un programme d’ordinateur comportant des instructions pour la mise en œuvre du procédé, un support d’enregistrement lisible par un ordinateur sur lequel est enregistré un programme d’ordinateur comprenant des instructions pour l’exécution des étapes du procédé et un véhicule comprenant un dispositif d’aide à la conduite de véhicule autonome.
Arrière-plan technologique
Certains véhicules sont dits autonomes car ils sont équipés de système(s) d’aide à la conduite avancée, dit(s) ADAS (de l’anglais « Advanced Driver-Assistance System »). Les systèmes ADAS sont classés en fonction de différents niveaux d’autonomie d’un véhicule. Par exemple, le classement établi par la SAE (de l’anglaisSociety of Automotive Engineers) est composé de six différents niveaux, qui vont de la conduite qui nécessite l’intervention totale du conducteur à la conduite 100% automatisée.
- Le niveau 0 nécessite la surveillance totale de tous les aspects de la conduite ;
- Le niveau 1 offre une aide à la conduite qui permet un contrôle de direction ou d’accélération et décélération ;
- Le niveau 2 permet une automatisation partielle avec un ou plusieurs systèmes d’aide à la conduite qui contrôlent aussi bien les fonctions de direction que d’accélération et de décélération ;
- Le niveau 3 permet le contrôle de tous les aspects de la conduite dynamique, mais nécessite l’intervention du conducteur de manière appropriée lorsqu’il lui est demandé d’intervenir ;
- Le niveau 4 permet le contrôle de tous les aspects de la conduite dynamique, même quand le conducteur ne réagit pas de manière appropriée ; et
- Le niveau 5 permet le contrôle en tout temps de tous les aspects de la conduite dynamique par un être humain, et ce, pour toutes les conditions routières.
Les systèmes ADAS les plus communément mis en place dans les véhicules actuels permettent le maintien sur une voie de circulation (LKA, de l’anglais « Lane Keeping Assist »), le déclenchement d’alerte lors de changement de voie involontaire (LDW de l’anglais « Lane Departure Warning »), le déclenchement d’alerte de collision imminente (FCA de l’anglais « Forward Collision Assist »). On peut aussi citer les systèmes d’assistance de maintien du véhicule dans une voie de circulation (LPA de l’anglais « Lane Positioning Assist »), les systèmes semi-automatiques de changement de voie de circulation (SALC de l’anglais « Semi Automatic Lane Change »), les systèmes d’aide au freinage antiblocage (ABS de l’allemand « Antoblockiertsystem »), les systèmes d’assistance au freinage d’urgence (AEBC de l’anglais « Advances Emergency Braking »), les systèmes de correction électronique de trajectoire (ESP de l’anglais Electronic Stability Program en anglais) ou encore les régulateurs de vitesse adaptatifs (ACC de l’anglais « Adaptive Cruise Control »).
Un tel véhicule autonome comprend également un dispositif d’aide à la navigation chargé de déterminer un trajet de ce véhicule.
L’autonomie d’un véhicule peut introduire un certain malaise, voire de l’anxiété des conducteurs et passagers notamment lorsque le niveau d’autonomie du véhicule est élevé. Ce ressenti de malaise ou d’anxiété vient du fait de ne pas connaître les prochaines actions de navigation ou de conduite qui vont être effectuées par le véhicule autonome et/ou de ne pas pouvoir décider d’une prochaine action de navigation ou de conduite du véhicule autonome.
La présente invention a notamment pour but de répondre aux inconvénients suscités.
Un objet de la présente invention est de déterminer au moins deux options de navigation et/ou de conduite d’un véhicule autonome.
Un autre objet de la présente invention est de permettre à un conducteur d’un véhicule autonome de choisir une option de navigation et/ou de conduite pour ajuster un comportement d’un véhicule autonome dans une situation routière particulière.
Un autre objet de la présente invention est de rassurer des usagers d’un véhicule autonome.
Selon un premier aspect, la présente invention concerne un procédé d’aide à la conduite d’un véhicule autonome. Le procédé comprend une étape d’obtention de données d’environnement du véhicule autonome à partir d’au moins un système de capteurs extérieurs embarqué du véhicule autonome ; une étape de détermination d’au moins deux options de navigation ou de conduite candidates par analyse des données d’environnement obtenues ; une étape d’affichage desdites au moins deux options de navigation ou de conduite candidates, lesdites au moins deux options de navigation ou de conduite candidates étant sélectionnables par un conducteur du véhicule autonome ; une étape de sélection de l’une desdites au moins deux options de navigation ou de conduite candidates par le conducteur ; et une étape d’adaptation d’un comportement du véhicule autonome en fonction de l’option de navigation ou de conduite candidate sélectionnée.
Selon un exemple de réalisation particulier et non limitatif, des données d’environnement obtenues ou l’une de leur combinaisons représentent l’une des informations suivantes ou l’une de leurs combinaisons :
- information représentant un état d’un feu de signalisation ;
- information représentant un état d’une chaussée ;
- information représentant un panneau de signalisation ;
- information représentant un état de lignes délimitant une voie de circulation ;
- information représentant une présence d’une ligne stop ou de céder le passage ;
- information représentant une présence de piéton, de cycliste, d’obstacle ou d’autre véhicule ;
- information représentant une estimation de trajectoires de véhicules détectés à proximité du véhicule autonome ;
- des données météorologiques le long d’un itinéraire suivi par le véhicule autonome ;
- des positions géographiques de travaux sur un itinéraire suivi par le véhicule autonome ;
- des positions d’accident ou de ralentissement sur un itinéraire suivi par le véhicule autonome ;
- des données de maintenance, de révision du véhicule autonome ;
- des données de coordination de déplacements de flotte de véhicules autonomes.
- information représentant un état d’un feu de signalisation ;
- information représentant un état d’une chaussée ;
- information représentant un panneau de signalisation ;
- information représentant un état de lignes délimitant une voie de circulation ;
- information représentant une présence d’une ligne stop ou de céder le passage ;
- information représentant une présence de piéton, de cycliste, d’obstacle ou d’autre véhicule ;
- information représentant une estimation de trajectoires de véhicules détectés à proximité du véhicule autonome ;
- des données météorologiques le long d’un itinéraire suivi par le véhicule autonome ;
- des positions géographiques de travaux sur un itinéraire suivi par le véhicule autonome ;
- des positions d’accident ou de ralentissement sur un itinéraire suivi par le véhicule autonome ;
- des données de maintenance, de révision du véhicule autonome ;
- des données de coordination de déplacements de flotte de véhicules autonomes.
Selon un exemple de réalisation particulier et non limitatif, l’une desdites au moins deux options de navigation ou de conduite déterminées est une des options suivantes ou l’une de leurs combinaisons :
- changement de direction du véhicule autonome ;
- changement de voie de circulation ;
- accélération/décélération du véhicule autonome ;
- arrêt prochain du véhicule autonome ;
- ajustement d’itinéraire du véhicule autonome.
- changement de direction du véhicule autonome ;
- changement de voie de circulation ;
- accélération/décélération du véhicule autonome ;
- arrêt prochain du véhicule autonome ;
- ajustement d’itinéraire du véhicule autonome.
Selon un exemple de réalisation particulier et non limitatif, lesdites au moins deux options de navigation ou de conduite candidates sont déterminées à partir d’un modèle de classification par apprentissage.
Selon un exemple de réalisation particulier et non limitatif, le modèle de classification par apprentissage est un réseau de neurones.
Selon un exemple de réalisation particulier et non limitatif, lesdites au moins deux options de navigation ou de conduite candidates sont affichées sur un écran tactile.
Selon un deuxième aspect, la présente invention concerne un dispositif d’aide à la conduite d’un véhicule autonome, le dispositif comprenant une mémoire associée à un processeur configuré pour la mise en œuvre des étapes du procédé selon le premier aspect de la présente invention.
Selon un troisième aspect, la présente invention concerne un véhicule autonome, par exemple de type automobile, comprenant un dispositif selon le deuxième aspect de la présente invention.
Selon un quatrième aspect, la présente invention concerne un programme d’ordinateur qui comporte des instructions adaptées pour l’exécution des étapes du procédé selon le premier aspect de la présente invention, ceci notamment lorsque le programme d’ordinateur est exécuté par au moins un processeur.
Un tel programme d’ordinateur peut utiliser n’importe quel langage de programmation, et être sous la forme d’un code source, d’un code objet, ou d’un code intermédiaire entre un code source et un code objet, tel que dans une forme partiellement compilée, ou dans n’importe quelle autre forme souhaitable.
Selon un cinquième aspect, la présente invention concerne un support d’enregistrement lisible par un ordinateur sur lequel est enregistré un programme d’ordinateur comprenant des instructions pour l’exécution des étapes du procédé selon le premier aspect de la présente invention.
D’une part, le support d’enregistrement peut être n'importe quel entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une mémoire ROM, un CD-ROM ou une mémoire ROM de type circuit microélectronique, ou encore un moyen d'enregistrement magnétique ou un disque dur.
D'autre part, ce support d’enregistrement peut également être un support transmissible tel qu'un signal électrique ou optique, un tel signal pouvant être acheminé via un câble électrique ou optique, par radio classique ou hertzienne ou par faisceau laser autodirigé ou par d'autres moyens. Le programme d’ordinateur selon la présente invention peut être en particulier téléchargé sur un réseau de type Internet.
Alternativement, le support d'enregistrement peut être un circuit intégré dans lequel le programme d’ordinateur est incorporé, le circuit intégré étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question.
Brève description des figures
D’autres caractéristiques et avantages de la présente invention ressortiront de la description des exemples de réalisation non limitatifs de la présente invention ci-après, en référence aux figures 1 à 4 annexées, sur lesquelles :
Description des exemples de réalisation
Un procédé et un dispositif d’aide à la conduite d’un véhicule autonome vont maintenant être décrits dans ce qui va suivre en référence conjointement aux figures 1 à 4. Des mêmes éléments sont identifiés avec des mêmes signes de référence tout au long de la description qui va suivre.
La présente invention porte sur un procédé et dispositif d’aide à la conduite d’un véhicule autonome. Des données d’environnement du véhicule autonome sont obtenues à partir d’au moins un système de capteurs extérieurs embarqué du véhicule autonome ; au moins deux options de navigation ou de conduite candidates sont obtenues par analyse des données d’environnement obtenues ; lesdites au moins deux options de navigation ou de conduite candidates sont affichées, lesdites au moins deux options de navigation ou de conduite candidates étant sélectionnables par un conducteur du véhicule autonome ; l’une desdites options de navigation ou de conduite candidates est sélectionnée par le conducteur ; et un comportement du véhicule autonome est adapté en fonction de l’option de navigation ou de conduite candidate sélectionnée.
Les options de navigation ou de conduite du véhicule autonome sont déterminées en fonction de données d’environnement obtenues à partir de capteurs extérieurs embarqués du véhicule autonome. Ces options sont donc déterminées en fonction d’une situation routière particulière et représentent des alternatives de navigation ou de conduite possibles pour le véhicule autonome. La possibilité donnée aux usagers d’un véhicule autonome de pouvoir sélectionner l’une de ces options de navigation ou de conduite selon leur propre analyse de la situation routière particulière, permet de rassurer ces usagers qui ont ainsi un contrôle sur le comportement du véhicule autonome.
L’environnement 1 comprend un véhicule autonome 10 circulant sur une route. Le véhicule 10 comprend un dispositif 2 configuré tel que décrit en relation avec la pour aider à la conduite du véhicule autonome 10. L’environnement 1 comprend également un dispositif 3 débarqué du véhicule autonome 10. Le dispositif 3 est un dispositif distinct du dispositif 2. Les dispositifs 2 et 3 sont configurés pour communiquer entre eux via un réseau de communication.
Dans une première opération, des données d’environnement D2 sont obtenues à partir d’au moins un système de capteurs extérieurs embarqué du véhicule autonome 10.
Selon un exemple de réalisation particulier et non limitatif, l’un de ces systèmes de capteurs extérieurs est un système de positionnement par satellite (GNSS de l’anglais « Global Navigation Satellite System »). Des données DE obtenues par le système de positionnement par satellite représentent des positions géographiques du véhicule autonome 10.
Selon un exemple de réalisation particulier et non limitatif, l’un de ces systèmes de capteurs extérieurs est un système de caméras et/ou un système de capteurs Lidar (de l’anglais « Light Detection And Ranging », ou « Détection et estimation de la distance par la lumière » en français). Les caméras et/ou les capteurs Lidar sont positionnés sur l’avant, l’arrière et les côtés du véhicule autonome 10. Le système de caméras et/ou le système de capteurs Lidar sont éventuellement combinés avec un système de détection de panneaux de signalisation et/ou un système de détection de marquage au sol. Des données DE obtenues par l’un de ces systèmes ou par l’une de leur combinaisons représentent l’une des informations suivantes ou l’une de leurs combinaisons:
- information représentant un état d’un feu de signalisation ;
- information représentant un état de la chaussée ;
- information représentant un panneau de signalisation ;
- information représentant un état (continu ou discontinue) de lignes délimitant une voie de circulation ;
- information représentant une présence d’une ligne stop ou de céder la passage ;
- information représentant une présence de piéton, de cycliste, d’obstacle ou d’autre véhicule sur la route ;
- information représentant une estimation des trajectoires de véhicules détectés à proximité du véhicule autonome 10.
- information représentant un état d’un feu de signalisation ;
- information représentant un état de la chaussée ;
- information représentant un panneau de signalisation ;
- information représentant un état (continu ou discontinue) de lignes délimitant une voie de circulation ;
- information représentant une présence d’une ligne stop ou de céder la passage ;
- information représentant une présence de piéton, de cycliste, d’obstacle ou d’autre véhicule sur la route ;
- information représentant une estimation des trajectoires de véhicules détectés à proximité du véhicule autonome 10.
Cette liste de données DE n’est pas exhaustive et toute donnée obtenue par un capteur extérieur et permettant d’obtenir une représentation d’une situation routière autour du véhicule autonome 10 peut être envisagée.
Selon un exemple de réalisation particulier et non limitatif, l’un de ces systèmes de capteurs extérieurs est un système d’acquisition de données DE mis en œuvre par le dispositif 3. Le dispositif 3 est alors configuré pour émettre les données DE acquises à destination du dispositif 2 et le dispositif 2 est configuré pour les recevoir.
Selon une variante, le dispositif 3 est un téléphone intelligent (« de l’anglais « smartphone ») ou un ordinateur portable embarqué (ou pas) dans le véhicule autonome 10.
Selon une variante, le dispositif 3 est un serveur de donnée communiquant avec le dispositif 2 via une infrastructure 11 d’une réseau de communication.
Par exemple, un système d’acquisition de données DE mis en œuvre par le dispositif 3 peut fournir des données DE représentant :
- des données météorologiques telles que des prévisions ou des alertes météo le long d’un itinéraire suivi par le véhicule autonome 10 ;
- des positions géographiques de travaux sur un itinéraire suivi par le véhicule autonome 10 ;
- des positions d’accident ou de ralentissement sur un itinéraire suivi par le véhicule autonome 10 ;
- des données de maintenance, de révision du véhicule autonome 10 ;
- des données de coordination de déplacements de flotte de véhicules autonomes.
- des données météorologiques telles que des prévisions ou des alertes météo le long d’un itinéraire suivi par le véhicule autonome 10 ;
- des positions géographiques de travaux sur un itinéraire suivi par le véhicule autonome 10 ;
- des positions d’accident ou de ralentissement sur un itinéraire suivi par le véhicule autonome 10 ;
- des données de maintenance, de révision du véhicule autonome 10 ;
- des données de coordination de déplacements de flotte de véhicules autonomes.
Cette liste de données DE n’est pas exhaustive et toute donnée obtenue par le dispositif 3 et relative au véhicule autonome 10 peut être envisagée.
Dans une deuxième opération, le véhicule autonome 10 comprend des moyens MD configurés pour déterminer au moins deux options de navigation ou de conduite candidates OC par analyse des données DE obtenues.
Selon un exemple de réalisation particulier et non limitatif, les moyens MD sont configurés pour déterminer l’une des options de navigation ou de conduite suivantes ou l’une de leurs combinaisons:
- changement de direction du véhicule autonome 10 ;
- degré d’un virage prochain ;
- changement de voie de circulation ;
- accélération/décélération du véhicule autonome 10 ;
- arrêt prochain du véhicule autonome 10 ;
- ajustement d’itinéraire du véhicule autonome 10 ainsi que l’affichage, éventuel, de la raison de ce changement.
- changement de direction du véhicule autonome 10 ;
- degré d’un virage prochain ;
- changement de voie de circulation ;
- accélération/décélération du véhicule autonome 10 ;
- arrêt prochain du véhicule autonome 10 ;
- ajustement d’itinéraire du véhicule autonome 10 ainsi que l’affichage, éventuel, de la raison de ce changement.
Cette liste d’option de navigation ou de conduite n’est pas exhaustive et toute autre d’option de navigation ou de conduite relative au véhicule autonome 10 peut être envisagée.
Selon un exemple de réalisation particulier et non limitatif, les moyens MD sont configurés pour déterminer un changement de direction du véhicule autonome 10 à partir de données DE. Par exemple, le véhicule autonome 10 peut circuler le long d’un itinéraire déterminé par un système d’aide à la navigation et recevoir des données de trafic routier (charge du trafic, accident, travaux) et/ou des conditions météorologiques le long de cet itinéraire. Les moyens MD peuvent alors déterminer un ajustement de l’itinéraire en fonction de ces données DE et proposer un changement de direction sous forme d’une option de navigation OC. Un ajustement d’itinéraire peut aussi être déterminé suite à un niveau de ressources du véhicule autonome, à des contraintes de maintenance/service et/ou à des contraintes de gestion d’une flotte de véhicules autonomes (par exemple ordre donné véhicule autonome 10 de se déplacer vers un lieu particulier).
Selon un exemple de réalisation particulier et non limitatif, les moyens MD sont configurés pour déterminer un changement de voie de circulation et une accélération du véhicule autonome 10 à partir, par exemple d’une donnée DE indiquant qu’un véhicule situé devant le véhicule autonome 10 roule à une vitesse inférieure de celle du véhicule autonome 10.
Selon un exemple de réalisation particulier et non limitatif, les moyens MD sont configurés pour déterminer une accélération/décélération du véhicule autonome 10, à partir de données DE indiquant un mauvais état de la chaussée, une collision imminente ou une congestion du trafic routier.
Selon un exemple de réalisation particulier et non limitatif, les moyens MD sont configurés pour déterminer un arrêt prochain du véhicule autonome 10 à partir d’une donnée DE indiquant, par exemple, une destination finale d’un itinéraire.
Dans une troisième opération, le véhicule autonome 10 comprend des moyens MA pour afficher lesdites au moins deux options de navigation ou de conduite candidates OC. Les moyens MA comprennent une interface utilisateur utilisée pour afficher lesdites au moins deux options de navigation ou de conduite candidates OC. Cette interface utilisateur est configurée pour qu’un usager du véhicule autonome 10 (par exemple le conducteur) puisse sélectionner l’une de ces options OC.
Selon un exemple de réalisation particulier et non limitatif, les moyens MA sont un écran tactile sur lequel est afficher un icône représentant une option de navigation et/ou de conduite OC. Cet icône est sélectionnable par appui avec un doigt sur la zone délimitant cet icône par exemple.
Dans une quatrième opération, l’une desdites au moins deux options de navigation ou de conduite candidates OC est sélectionnée par un usager à partir de l’interface utilisateur.
Dans une cinquième opération, le comportement du véhicule autonome 10 est adapté en fonction de l’option de navigation ou de conduite candidate sélectionnée.
Par exemple, suite à la pression d’un doigt d’un usager sur un icône représentant une option de navigation ou de conduite candidate OC, une commande est envoyée à un calculateur et/ou un organe et/ou un actionneur du véhicule autonome 10 pour ajuster le comportement du véhicule autonome 10 en fonction de l’option OC sélectionnée.
Selon un mode de réalisation particulier et non limitatif, les moyens MD mettent en œuvre un modèle de classification par apprentissage.
Selon une variante, le modèle de classification par apprentissage est un réseau de neurones.
Selon un exemple de réalisation particulier et non limitatif, le réseau de neurones est de type LSTM (Long Short Term Memory) (Sepp Hochreiter et Jürgen Schmidhuber, Long short-term memory". Neural Computation. 9 (8): 1735 1780.doi:10.1162/neco.1997.9.8. 1735. PMID 9377276).
Un réseau de neurones de type LSTM est constitué de cellules (neurones) interconnectées interagissant non-linéairement. La sortie d'une cellule est une combinaison non linéaire de ses entrées. Le réseau de neurones de type LSTM selon la présente invention est prévu pour déterminer au moins deux options de navigation ou de conduite candidates OC.
L'idée associée à un réseau de neurones à mémoire court terme et long terme est que chaque cellule est liée à deux états internes ; l’un dit état caché ( ) et l’autre dit état de la cellule ( ) qui joue le rôle de mémoire. Le passage d’un état d’entrée d’une cellule à un instant temporel (t-1) à un état de sortie à un instant temporel suivant t se fait par transfert à gain constant et égal à 1. De cette façon les erreurs se propagent aux pas antérieurs sans phénomène de disparition de gradient. L'état de la cellule peut être modifié à travers une porte qui autorise ou bloque la mise à jour (input gate ). De même une porte contrôle si l'état de cellule est communiqué en sortie de la cellule (output gate ). Les cellules peuvent aussi utiliser une porte permettant la remise à zéro de l'état de la cellule (forget gate ).
Selon un exemple, en considérant les valeurs initiales suivantes : et , et en considérant une fonction d’activation de ces cellules de type sigmoïde et tangente hyperbolique , les états des portes de remise à zéro, de sortie et de mise à jour ainsi que les états caché, de la cellule et de sortie sont donnés par :
dans lesquelles o est un opérateur symbolisant le produit matriciel de Hadamard (produit terme à terme) et , , , sont des poids (paramètres) et sont des valeurs de décalages (paramètres).
En variante, d’autres fonctions peuvent être utilisées.
Selon un exemple de réalisation particulier et non limitatif, le réseau de neurones est un réseau de type « séquence à séquence » (en anglais « sequence-to-sequence ») : l’entrée de ce réseau de neurones est alimentée par une séquence S représentative de données DE. Par ailleurs, la sortie de ce réseau de neurones est une séquence d’au moins deux options de navigation ou de conduite candidates OC déterminées par le réseau de neurones en fonction de la séquence S en entrée.
Lors de l’apprentissage, le réseau de neurones apprend à produire une prédiction temporelle d’au moins deux options de navigation ou de conduite candidates OC à partir de données DE. Ces données DE correspondent à des situations routières diverses et variées telles que des situations de circulation en ville, sur autoroute ou sur route nationales et départementales par exemples. Elles peuvent aussi correspondre à des situations où le véhicule autonome 10 doit se garer dans un emplacement de parking.
Un algorithme d’apprentissage classique de réseau de neurones est alors utilisé pour l’apprentissage. Le principe de cet algorithme d’apprentissage est que le réseau de neurones apprend les valeurs des paramètres des cellules par rétropropagation du gradient de l’erreur c’est-à-dire que l’algorithme calcule progressivement les valeurs des paramètres de manière à minimiser une fonction de coût pour chacune des cellules à mémoire court terme et long terme en partant des sorties du réseau de neurones.
Selon un exemple de réalisation particulier et non limitatif, la fonction de coût est une fonction de précision donnée par :
Selon un exemple de réalisation particulier et non limitatif, la fonction de coût est une fonction de type F1 donnée par :
Cette fonction de coût peut être minimisée en utilisant un algorithme classique de descente de gradient tel que l’algorithme supervisé ADAM de descente de gradient (Kingma & Ba (2015) Adam: A Method for Stochastic Optimization. Proceedings of the International Conference for Learning Representations, San Diego (ICLR)).
Lors de la phase d’inférence, le réseau de neurones est identique au réseau de neurones en phase d’apprentissage, excepté que l’entrée du réseau de neurones n’est plus alimentée par une séquence temporelle de données DE mais par une séquence de données DE obtenues à partir d’au moins un système de capteurs extérieurs embarqué du véhicule autonome 10. Le réseau de neurones est alors capable de reproduire une prédiction d’au moins deux options de navigation ou de conduite candidates OC à partir de ces données DE obtenues.
Selon une variante, le réseau de neurones de type LSTM comporte une seule cellule.
En variante, le réseau de neurones de type LSTM comporte plusieurs cellules.
Selon un exemple de réalisation particulier et non limitatif, le réseau de neurones est mémorisé dans une mémoire ou une base de données du véhicule autonome 10 et la deuxième opération est mise en œuvre par au moins un calculateur du véhicule autonome.
Selon un exemple de réalisation particulier et non limitatif, le réseau de neurones est mémorisé dans une mémoire ou une base de données du dispositif 3, le véhicule autonome 10 émet au moins une donnée DE à destination du dispositif 3, ledit dispositif 3 met en œuvre la deuxième opération et émet, à destination du véhicule autonome 10, une information représentative d’au moins deux options de navigation ou de conduite candidates OC.
Cet exemple de réalisation est avantageux car il permet de mutualiser les données DE obtenues suite à des itinéraires effectués par une flotte de véhicules autonomes, et d’utiliser ces données DE mutualisées pour mettre à jour un seul réseau de neurones accessible par l’ensemble des véhicules de la flotte. Le réseau de neurones apprend alors plus rapidement car il est confronté à un nombre plus important de données DE comparé au nombre de données DE obtenues par un seul véhicule autonome. La détermination d’au moins deux options de navigation ou de conduite candidates OC est aussi améliorée car la détermination de ces options est d’autant plus optimale que l’apprentissage du réseau de neurones est fait sur un nombre important de variations des données DE.
Bien entendu, la présente invention ne se limite pas aux exemples de réalisation décrits ci-avant mais s’étend à des procédés qui utilisent un autre modèle de classification que les réseaux de neurones de type LSTM, tels que par exemple les modèles XGBoost (Tianqi Chen and Carlos Guestrin. Xgboost. Proceedings of Conference on Knowledge Discovery and Data Mining, Aug URL http://dx.doi.org/10.1145/2939672.2939785.)ou GRU (en anglais Gated Recurrent Unit), ainsi qu’aux dispositifs configurés pour la mise en œuvre de tels procédés.
Le dispositif 2 est par exemple configuré pour la mise en œuvre les opérations de la ou 2 et/ou les étapes du procédé décrit en regard de la . Des exemples d’un tel dispositif 2 comprennent, sans y être limités, un équipement électronique embarqué tel qu’un ordinateur de bord d’un véhicule, un calculateur électronique tel qu’une UCE (« Unité de Commande Electronique »). Les éléments du dispositif 2, individuellement ou en combinaison, peuvent être intégrés dans un unique circuit intégré, dans plusieurs circuits intégrés, et/ou dans des composants discrets. Le dispositif 2 peut être réalisé sous la forme de circuits électroniques ou de modules logiciels (ou informatiques) ou encore d’une combinaison de circuits électroniques et de modules logiciels.
Le dispositif 2 comprend un (ou plusieurs) processeur(s) 20 configurés pour exécuter des instructions pour la réalisation des étapes du procédé d’aide à la conduite et/ou pour l’exécution des instructions du ou des logiciels embarqués dans le dispositif 2. Le processeur 20 peut inclure de la mémoire intégrée, une interface d’entrée/sortie, et différents circuits connus de l’homme du métier. Le dispositif 2 comprend en outre au moins une mémoire 21 correspondant par exemple à une mémoire volatile et/ou non volatile et/ou une base de données et/ou comprend un dispositif de stockage mémoire qui peut comprendre de la mémoire volatile et/ou non volatile, telle que EEPROM, ROM, PROM, RAM, DRAM, SRAM, flash, disque magnétique ou optique.
Le(s) processeur(s) 20 combiné(s) avec la mémoire 21 forment des moyens MD configurés pour déterminer au moins deux options de navigation ou de conduite candidates OC par analyse des données DE.
Selon un mode de réalisation particulier et non limitatif, les moyens MD mettent en œuvre le modèle de classification par apprentissage.
Selon un exemple de réalisation particulier et non limitatif, le réseau de neurones est mémorisé dans une mémoire ou une base de données du dispositif 3, le dispositif 2 comprend alors des moyens pour émettre au moins une donnée DE à destination du dispositif 3 et des moyens pour recevoir une information représentative d’au moins deux options de navigation ou de conduite candidates OC.
Le code informatique du ou des logiciels embarqués comprenant les instructions à charger et exécuter par le processeur est par exemple stocké sur la mémoire 21.
Selon différents exemples de réalisation particuliers et non limitatifs, le dispositif 2 est couplé en communication avec d’autres dispositifs ou systèmes similaires et/ou avec des dispositifs de communication, par exemple une TCU (de l’anglais « Telematic Control Unit » ou en français « Unité de Contrôle Télématique »), par exemple par l’intermédiaire d’un bus de communication ou au travers de ports d’entrée / sortie dédiés.
Selon un exemple de réalisation particulier et non limitatif, le dispositif 2 est en communication avec le dispositif 3 via un réseau de communication pour échanger des données DE et/ou au moins deux options de navigation ou de conduite candidates OC.
Selon un exemple de réalisation particulier et non limitatif, le dispositif 2 comprend un bloc 22 d’éléments d’interface pour communiquer avec des dispositifs externes, par exemple avec le dispositif 3. Les éléments d’interface du bloc 22 comprennent une ou plusieurs des interfaces suivantes :
- interface radiofréquence RF, par exemple de type Wi-Fi® (selon IEEE 802.11), par exemple dans les bandes de fréquence à 2,4 ou 5 GHz, ou de type Bluetooth® (selon IEEE 802.15.1), dans la bande de fréquence à 2,4 GHz, ou de type Sigfox utilisant une technologie radio UBN (de l’anglais Ultra Narrow Band, en français bande ultra étroite), ou LoRa dans la bande de fréquence 868 MHz, LTE (de l’anglais « Long-Term Evolution » ou en français « Evolution à long terme »), LTE-Advanced (ou en français LTE-avancé) ;
- interface USB (de l’anglais « Universal Serial Bus » ou « Bus Universel en Série » en français) ;
- interface HDMI (de l’anglais « High Definition Multimedia Interface », ou « Interface Multimedia Haute Definition » en français) ;
- interface LIN (de l’anglais « Local Interconnect Network », ou en français « Réseau interconnecté local »).
Des données sont par exemples reçues ou envoyées par le dispositif 2 via une interface du bloc 22 en utilisant un réseau Wi-Fi® tel que selon IEEE 802.11, un réseau ITS G5 basé sur IEEE 802.11p ou un réseau mobile tel qu’un réseau 4G (ou 5G) basé sur la norme LTE (de l’anglais Long Term Evolution) définie par le consortium 3GPP.
Les données reçues/envoyées sont par exemple des données DE et/ou au moins deux options de navigation ou de conduite candidates OC.
Selon un autre exemple de réalisation particulier et non limitatif, le dispositif 2 comprend une interface de communication 23 qui permet d’établir une communication avec d’autres dispositifs (tels que d’autres calculateurs ou système de capteurs extérieurs embarqués du véhicule autonome 10) via un canal de communication 230. L’interface de communication 23 correspond par exemple à un transmetteur configuré pour transmettre et recevoir des informations et/ou des données via le canal de communication 230. L’interface de communication 23 correspond par exemple à un réseau filaire de type CAN (de l’anglais « Controller Area Network » ou en français « Réseau de contrôleurs »), CAN FD (de l’anglais « Controller Area Network Flexible Data-Rate » ou en français « Réseau de contrôleurs à débit de données flexible »), FlexRay (standardisé par la norme ISO 17458) ou Ethernet (standardisé par la norme ISO/IEC 802-3).
L’interface de communication 23 peut également se comporter comme une interface d’un réseau sans fil ad hoc (aussi appelé WANET (de l’anglais « Wireless Ad Hoc Network ») ou MANET (de l’anglais « Mobile Ad Hoc Network »)) correspondant à un réseau sans fil décentralisé. Contrairement à un réseau centralisé qui s’appuie sur une infrastructure existante comprenant par exemple des routeurs ou des points d’accès reliés entre eux par une infrastructure filaire ou sans-fil, le réseau sans fil ad hoc est constitué de nœuds qui participent chacun au routage des données en retransmettant les données d’un nœud à l’autre, de l’émetteur vers le destinataire, en fonction de la connectivité du réseau et d’un algorithme de routage. Le réseau sans fil ad hoc correspond avantageusement à un réseau véhiculaire ad hoc (ou VANET, de l’anglais « Vehicular Ad hoc NETwork ») ou à un réseau véhiculaire ad hoc intelligent (ou InVANET, de l’anglais « Intelligent Vehicular Ad hoc NETwork »). Dans un tel réseau, deux véhicules ou plus embarquant chacun un nœud, c’est-à-dire une interface de communication 230 se comportant comme une interface WANET ou MANET, peuvent communiquer entre eux dans le cadre d’une communication véhicule à véhicule V2V (de l’anglais « vehicle-to-vehicle ») ; ou d’une communication véhicule à infrastructure V2I (de l’anglais « vehicle-to-infrastructure »). Chaque véhicule peut également communiquer avec un ou des piétons équipés de dispositifs mobiles (par exemple un téléphone intelligent (de l’anglais « Smartphone »)) dans le cadre d’une communication véhicule à piéton V2P (de l’anglais « vehicle-to-pedestrian »).
Les données chargées sont via l’interface de communication 23 sont par exemple des données DE et/ou au moins deux options de navigation ou de conduite candidates OC.
Selon un exemple de réalisation particulier et non limitatif, le dispositif 2 peut fournir des signaux de sortie à un ou plusieurs dispositifs externes, tels qu’un écran d’affichage 24, un ou des micros/haut-parleurs 25 et/ou d’autres périphériques 26 (système de projection) via respectivement des interfaces de sortie 27,28 et 29. Selon une variante, l’un ou l’autre des dispositifs externes est intégré au dispositif 2.
Selon un exemple de réalisation particulier et non limitatif, l’écran d’affichage 24 est tactile et est configuré pour afficher au moins une option de navigation et/ou de conduite du véhicule autonome 10 sous forme d’icône par exemple. Un usager peut alors sélectionner une icône représentant un option de navigation ou de conduite pour adapter un comportement du véhicule autonome 10.
Selon un exemple de réalisation particulier et non limitatif, l’un des périphériques 26 est un système AR (de l’anglais « Augmented Reality », en français « réalité augmentée ») tel qu’un système Vision Tête Haute (VTH, en l’anglais « Head Up Display »). Au moins un faisceau lumineux représentant une option de navigation ou de conduite du véhicule autonome 10 sous forme d’icône est projeté par exemple sur le parebrise du véhicule autonome 10 et perçu par les usagers du véhicule en superposition à la réalité d’une scène routière. Un usager peut alors sélectionner un icône représentant une option de navigation ou de conduite pour adapter un comportement du véhicule autonome 10.
Ce mode de réalisation est avantageux car il procure une immersion totale des usagers dans la réalité d’une situation routière pour choisir l’option de navigation ou de conduite qu’il préfère.
Selon un exemple de réalisation particulier et non limitatif, une option de navigation ou de conduite est sélectionnée par une commande vocale d’un usager du véhicule via un micro 25.
La présente invention ne se limite pas aux exemples de réalisation décrits ci-avant mais s’étend à un procédé d’aide à la conduite qui inclurait des étapes secondaires sans pour cela sortir de la portée de la présente invention. Il en serait de même d’un dispositif configuré pour la mise en œuvre d’un tel procédé.
La présente invention concerne également un véhicule autonome, par exemple automobile ou plus généralement un véhicule autonome à moteur terrestre, comprenant le dispositif 2 de la .
Claims (10)
- Procédé d’aide à la conduite d’un véhicule autonome, ledit procédé étant mis en œuvre par au moins un processeur et comprenant les étapes suivantes :
- obtention (30) de données d’environnement du véhicule autonome à partir d’au moins un système de capteurs extérieurs embarqué du véhicule autonome ;
- détermination (31) d’au moins deux options de navigation ou de conduite candidates par analyse des données d’environnement obtenues ;
- affichage (32) desdites au moins deux options de navigation ou de conduite candidates, lesdites au moins deux options de navigation ou de conduite candidates étant sélectionnables par un conducteur du véhicule autonome ;
- sélection (33) de l’une desdites au moins deux options de navigation ou de conduite candidates par le conducteur ; et
- adaptation (34) d’un comportement du véhicule autonome en fonction de l’option de navigation ou de conduite candidate sélectionnée. - Procédé selon la revendication 1, dans lequel des données d’environnement obtenues ou l’une de leur combinaisons représentent l’une des informations suivantes ou l’une de leurs combinaisons :
- information représentant un état d’un feu de signalisation ;
- information représentant un état d’une chaussée ;
- information représentant un panneau de signalisation ;
- information représentant un état de lignes délimitant une voie de circulation ;
- information représentant une présence d’une ligne stop ou de céder le passage ;
- information représentant une présence de piéton, de cycliste, d’obstacle ou d’autre véhicule ;
- information représentant une estimation de trajectoires de véhicules détectés à proximité du véhicule autonome ;
- des données météorologiques le long d’un itinéraire suivi par le véhicule autonome ;
- des positions géographiques de travaux sur un itinéraire suivi par le véhicule autonome ;
- des positions d’accident ou de ralentissement sur un itinéraire suivi par le véhicule autonome ;
- des données de maintenance, de révision du véhicule autonome ;
- des données de coordination de déplacements de flotte de véhicules autonomes. - Procédé selon l’une des revendications 1 ou 2, dans lequel l’une desdites au moins deux options de navigation ou de conduite déterminées est une des options suivantes ou l’une de leurs combinaisons :
- changement de direction du véhicule autonome ;
- changement de voie de circulation ;
- accélération/décélération du véhicule autonome ;
- arrêt prochain du véhicule autonome ;
- ajustement d’itinéraire du véhicule autonome. - Procédé selon l’une des revendications 1 à 3, dans lequel lesdites au moins deux options de navigation ou de conduite candidates sont déterminées à partir d’un modèle de classification par apprentissage.
- Procédé selon la revendication 4, dans lequel le modèle de classification par apprentissage est un réseau de neurones.
- Procédé selon l’une des revendications 1 à 4, dans lequel lesdites au moins deux options de navigation ou de conduite candidates sont affichées sur un écran tactile.
- Programme d’ordinateur comportant des instructions pour la mise en œuvre du procédé selon l’une quelconque des revendications précédentes, lorsque ces instructions sont exécutées par un processeur.
- Support d’enregistrement lisible par un ordinateur sur lequel est enregistré un programme d’ordinateur comprenant des instructions pour l’exécution des étapes du procédé selon l’une des revendications 1 à 6.
- Dispositif d’aide à la conduite d’un véhicule autonome, ledit dispositif comprenant une mémoire associée à au moins un processeur configuré pour la mise en œuvre des étapes du procédé selon l’une quelconque des revendications 1 à 6.
- Véhicule autonome comprenant le dispositif selon la revendication 9.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2106406A FR3124149A1 (fr) | 2021-06-17 | 2021-06-17 | Procédé et dispositif d’aide à la conduite d’un véhicule autonome. |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2106406 | 2021-06-17 | ||
| FR2106406A FR3124149A1 (fr) | 2021-06-17 | 2021-06-17 | Procédé et dispositif d’aide à la conduite d’un véhicule autonome. |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3124149A1 true FR3124149A1 (fr) | 2022-12-23 |
Family
ID=77821839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2106406A Withdrawn FR3124149A1 (fr) | 2021-06-17 | 2021-06-17 | Procédé et dispositif d’aide à la conduite d’un véhicule autonome. |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3124149A1 (fr) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170285647A1 (en) * | 2016-03-31 | 2017-10-05 | Subaru Corporation | Vehicle control device and vehicle |
| EP3407018A1 (fr) * | 2016-03-31 | 2018-11-28 | Baidu Online Network Technology (Beijing) Co., Ltd | Procédé et dispositif d'affichage d'itinéraire de navigation, et support d'informations |
| US20200117187A1 (en) * | 2016-04-19 | 2020-04-16 | Hemanki Kothari | Autonomous car decision override |
-
2021
- 2021-06-17 FR FR2106406A patent/FR3124149A1/fr not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170285647A1 (en) * | 2016-03-31 | 2017-10-05 | Subaru Corporation | Vehicle control device and vehicle |
| EP3407018A1 (fr) * | 2016-03-31 | 2018-11-28 | Baidu Online Network Technology (Beijing) Co., Ltd | Procédé et dispositif d'affichage d'itinéraire de navigation, et support d'informations |
| US20200117187A1 (en) * | 2016-04-19 | 2020-04-16 | Hemanki Kothari | Autonomous car decision override |
Non-Patent Citations (2)
| Title |
|---|
| KINGMABA: "Adam: A Methodfor Stochastic Optimization", PROCEEDINGS OF THE INTERNATIONAL CONFÉRENCE FOR LEARNING REPRESENTATIONS, SAN DIEGO(ICLR), 2015 |
| TIANQI CHENCARLOS GUESTRIN, XGBOOST. PROCEEDINGS OF CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING, Retrieved from the Internet <URL:http://dx.doi.org/10.1145/2939672.2939785> |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110349405B (zh) | 利用联网汽车的实时交通监视 | |
| FR3110998A1 (fr) | Procédé de régulation d’un trafic routier aux abords d’une zone de croisement de voies de circulation. | |
| FR3103437A1 (fr) | Procédé et dispositif de détermination de consigne pour véhicule | |
| FR3124149A1 (fr) | Procédé et dispositif d’aide à la conduite d’un véhicule autonome. | |
| EP4352305A1 (fr) | Procédé et dispositif de désactivation de système d'aide à la conduite | |
| FR3118669A1 (fr) | Procédé et dispositif de détermination d’une trajectoire d’un véhicule autonome | |
| FR3118929A1 (fr) | Procédé et dispositif de suivi de trajectoire d’un véhicule circulant sur une voie de circulation | |
| FR3118616A1 (fr) | Procédé et dispositif d’alerte anticollision et/ou de freinage d’urgence | |
| FR3125151A1 (fr) | Procédé et dispositif de contrôle d’un véhicule à partir d’une prédiction d’intention d’un piéton de traverser une route | |
| EP2489548B1 (fr) | Procédé et dispositif de commande de commutation du système d'éclairage avant adaptatif d'un véhicule automobile | |
| WO2023094739A1 (fr) | Procédé et dispositif de contrôle d'un système d'aide à la conduite d'un véhicule | |
| FR3128177A1 (fr) | Procédé et dispositif de prédiction d’un changement de voie de circulation pour véhicule | |
| FR3133814A1 (fr) | Procédé et dispositif de contrôle d’un véhicule autonome sur la base de la localisation d’un dispositif de communication mobile sur le chemin du véhicule autonome | |
| FR3124300A1 (fr) | Procédé et dispositif de détermination de zone d’attente de prise en charge de client par un véhicule taxi. | |
| FR3138401A1 (fr) | Procédé et dispositif de contrôle de système d’aide à la conduite d’un véhicule en fonction d’un niveau de performance des pneumatiques | |
| FR3138534A1 (fr) | Procédé et dispositif de contrôle de système d’aide à la conduite d’un véhicule en fonction d’un niveau d’usure des plaquettes de frein | |
| FR3103613A1 (fr) | Procédé et dispositif de transmission de consignes pour véhicule | |
| WO2023222960A1 (fr) | Procédé et dispositif de contrôle d'un système de régulation de vitesse d'un véhicule en approche d'un élément de signalisation routière | |
| FR3133357A1 (fr) | Procédé et dispositif de contrôle d’un véhicule autonome utilisant des informations de localisation d’au moins un dispositif de communication mobile | |
| FR3137642A1 (fr) | Procédé et dispositif de contrôle d’un système de changement semi-automatique de voie de circulation d’un véhicule en fonction d’une valeur maximale d’un paramètre dynamique | |
| FR3119480A1 (fr) | Procédé et dispositif de contrôle d’un véhicule à partir d’une prédiction de l’intention d’un piéton de traverser une chaussée sur laquelle circule ledit véhicule. | |
| FR3129347A1 (fr) | Procédé de régulation de vitesse d’un véhicule à partir d’un objet cible. | |
| FR3124998A1 (fr) | Procédé, dispositif et système de contrôle de système d’aide à la conduite embarqué d’un véhicule | |
| WO2024009015A1 (fr) | Procédé et dispositif de contrôle d'un système d'aide à la conduite d'un véhicule par sélection d'une portion de route d'une intersection | |
| WO2024003473A1 (fr) | Procédé et dispositif de contrôle d'un système d'aide à la conduite d'un véhicule circulant dans un environnement routier comprenant une intersection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20221223 |
|
| ST | Notification of lapse |
Effective date: 20240205 |