FR3130958A1 - Procédé de modélisation d’un environnement tactique d’un véhicule automobile. - Google Patents

Procédé de modélisation d’un environnement tactique d’un véhicule automobile. Download PDF

Info

Publication number
FR3130958A1
FR3130958A1 FR2114213A FR2114213A FR3130958A1 FR 3130958 A1 FR3130958 A1 FR 3130958A1 FR 2114213 A FR2114213 A FR 2114213A FR 2114213 A FR2114213 A FR 2114213A FR 3130958 A1 FR3130958 A1 FR 3130958A1
Authority
FR
France
Prior art keywords
lane
motor vehicle
interest
modeling
autonomous vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
FR2114213A
Other languages
English (en)
Other versions
FR3130958B1 (fr
Inventor
Alexandre Armand
Philippe Bonnifait
Corentin SANCHEZ
Philippe XU
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.)
De Technologie De Compiegne Utc, University of
Centre National de la Recherche Scientifique CNRS
Universite de Technologie de Compiegne
Renault SAS
Original Assignee
De Technologie De Compiegne Utc, University of
Centre National de la Recherche Scientifique CNRS
Universite de Technologie de Compiegne
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 De Technologie De Compiegne Utc, University of, Centre National de la Recherche Scientifique CNRS, Universite de Technologie de Compiegne, Renault SAS filed Critical De Technologie De Compiegne Utc, University of
Priority to FR2114213A priority Critical patent/FR3130958B1/fr
Priority to PCT/EP2022/087602 priority patent/WO2023118501A1/fr
Publication of FR3130958A1 publication Critical patent/FR3130958A1/fr
Application granted granted Critical
Publication of FR3130958B1 publication Critical patent/FR3130958B1/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Navigation (AREA)

Abstract

Procédé de modélisation d’un environnement tactique d’un véhicule automobile. Procédé de modélisation d’un environnement tactique d’un véhicule automobile, caractérisé en ce qu’il comprend les étapes suivantes : Une première étape de détermination d’un ensemble de chemins possibles, Une deuxième étape comprenant une détermination, pour chaque chemin donné de l’ensemble de chemins possibles, d’un premier ensemble de voies de circulation interagissant directement avec le chemin donné, etune détermination d’un deuxième ensemble de voies de circulation interagissant directement selon un mode d’interaction défini dans l’ensemble prédéfini de modes d’interaction avec au moins une des voies du premier ensemble de voies de circulation,Une troisième étape de décomposition, en segments continus, jointifs et de pas fixe, des voies de circulation du premier ensemble et des voies de circulation du deuxième ensemble. Figure pour l’abrégé : 8

Description

Procédé de modélisation d’un environnement tactique d’un véhicule automobile.
L’invention concerne un procédé de modélisation d’un environnement tactique d’un véhicule automobile. L’invention porte encore sur un dispositif de modélisation d’un environnement tactique d’un véhicule automobile. L’invention porte également sur un programme d’ordinateur mettant en œuvre le procédé mentionné. L’invention porte enfin sur un support d’enregistrement sur lequel est enregistré un tel programme.
Un véhicule intelligent ou autonome est amené à prendre des décisions en permanence, par rapport à la situation dans laquelle il se trouve. Dans la littérature, on distingue trois niveaux de décisions prises par un véhicule autonome :
- un premier niveau de décision dit opérationnel portant sur des décisions à prendre dans une première fenêtre de temps très restreinte, de l’ordre de la milliseconde et à l’horizon d’une seconde par exemple,
- un deuxième niveau de décision dit tactique portant sur des décisions à moyen terme, par exemple des décisions à prendre dans un intervalle de temps supérieur à la seconde et limité à une dizaine de secondes,
- un troisième niveau de décision dit stratégique portant sur des décisions à long terme, par exemple des décisions à prendre dans plus de dix secondes par rapport à l'instant présent.
Les décisions opérationnelles sont prises à haute fréquence, à partir d’une représentation fine et précise de l’environnement proche dans lequel le véhicule se trouve. Les décisions stratégiques sont, quant à elles, prises à basse fréquence et ne nécessitent qu’une représentation à haute granularité de l’environnement du véhicule, sur une portée pouvant dépasser le kilomètre. Ces deux types de représentation de l’environnement, fine pour des décisions opérationnelles ou à haute granularité pour des décisions stratégiques, sont déjà largement répandues. En revanche, les représentations de l’environnement dédiées aux prises de décisions tactiques sont moins répandues.
On connait du document US2018/0322777A1 un procédé et un système qui permettent de générer, à partir d’un système de perception, une grille d’occupation de la voie de navigation d’un véhicule autonome. Toutefois cette solution présente des inconvénients. Notamment, la grille d’occupation n’est réalisée que pour la voie de navigation sur laquelle le véhicule autonome évolue, et ne représente que la partie de la voie située face au véhicule.
Le but de l’invention est de fournir un dispositif et procédé de modélisation d’un environnement tactique d’un véhicule automobile remédiant aux inconvénients ci-dessus et améliorant les dispositifs et procédés de modélisation d’un environnement tactique d’un véhicule automobile. En particulier, l’invention permet de réaliser un dispositif et un procédé qui soient simples et fiables et qui identifie toutes les voies de navigation devant être prises en compte dans la modélisation de l’environnement tactique du véhicule autonome.
A cet effet, l’invention porte sur un procédé de modélisation d’un environnement d’un véhicule automobile équipé d’un moyen de stockage de données pourvu d'une carte haute définition et d’un moyen de géolocalisation. Le procédé comprend les étapes suivantes :
- une première étape de détermination d’une position courante du véhicule automobile sur une voie de circulation à partir de données fournies par le moyen de géolocalisation et la carte haute définition, et de détermination d’un ensemble de chemins possibles, chaque chemin possible partant de la position courante et se situant dans un horizon de temps donné ou dans un horizon de distance donné à partir de la position courante,
- une deuxième étape comprenant une première sous-étape de détermination, pour chaque chemin donné de l’ensemble de chemins possibles, d’un premier ensemble de voies de circulation interagissant directement avec le chemin donné selon un mode d’interaction défini dans un ensemble prédéfini de modes d’interaction, et
une deuxième sous-étape de détermination d’un deuxième ensemble de voies de circulation interagissant directement selon un mode d’interaction défini dans l’ensemble prédéfini de modes d’interaction avec au moins une des voies du premier ensemble de voies de circulation,
- une troisième étape de décomposition, en segments continus, jointifs et de pas fixe, des voies de circulation du premier ensemble et des voies de circulation du deuxième ensemble.
Dans un mode de réalisation, le véhicule automobile comprend un module de navigation et se déplace sur un itinéraire planifié par le module de navigation et la détermination de l'ensemble des chemins possibles comprend une étape de sélection des chemins compatibles avec l’itinéraire planifié.
L’ensemble de modes d’interaction peut comprendre :
- un maintien du véhicule automobile sur sa voie de circulation, et/ou,
- un changement de voie du véhicule automobile sur une voie adjacente à sa voie de circulation, et/ou
- une fusion de la voie du véhicule automobile avec une autre voie de circulation, et/ou
- une traversée de la voie du véhicule automobile par au moins une autre voie de circulation.
Dans un mode de réalisation, le véhicule automobile comprend un ensemble de moyens de perception, et la valeur du pas fixe est déterminée en fonction de la précision de l’ensemble de moyens de perception et/ou de la précision du moyen de géolocalisation, notamment la valeur du pas fixe est comprise entre dix centimètres et cinq cents centimètres.
La troisième étape de décomposition peut comprendre, pour chaque voie d’intérêt du premier et/ou du second ordre, un découpage d’une ligne centrale de ladite voie d’intérêt en segments de ligne centrale jointifs dont la longueur est égale au pas fixe et une décomposition de la surface de ladite voie en cellules jointives en forme de quadrilatère ayant pour médiane un segment de ligne centrale.
L’invention porte également sur un dispositif de modélisation d’un environnement tactique d’un véhicule automobile, le véhicule automobile étant équipé d’un moyen de stockage de données pourvu d’une carte haute définition et d’un moyen de géolocalisation. Le dispositif comprend des éléments matériels et/ou logiciels mettant en œuvre le procédé tel que défini précédemment.
L’invention porte également sur un produit programme d’ordinateur comprenant des instructions de code de programme enregistrées sur un support lisible par ordinateur pour mettre en œuvre les étapes du procédé tel que défini précédemment lorsque ledit programme fonctionne sur un ordinateur. L’invention porte également sur un produit programme d’ordinateur téléchargeable depuis un réseau de communication et/ou enregistré sur un support de données lisible par un ordinateur et/ou exécutable par un ordinateur, comprenant des instructions qui, lorsque le programme est exécuté par l’ordinateur, conduisent celui-ci à mettre en œuvre le procédé tel que défini précédemment.
L’invention porte encore sur un support d’enregistrement de données, lisible par un ordinateur, sur lequel est enregistré un programme d’ordinateur comprenant des instructions de code de programme de mise en œuvre du procédé tel que défini précédemment. L’invention porte encore sur un support d'enregistrement lisible par ordinateur comprenant des instructions qui, lorsqu'elles sont exécutées par un ordinateur, conduisent celui-ci à mettre en œuvre le procédé tel que défini précédemment.
L’invention porte encore sur un signal d'un support de données, portant le produit programme d'ordinateur tel que défini précédemment.
Le dessin annexé représente, à titre d’exemple, un mode de réalisation d’un dispositif de modélisation d’un environnement tactique et un mode d’exécution d’un procédé de modélisation d’un environnement tactique selon l’invention.
La représente un véhicule automobile équipé d’un dispositif de modélisation d’un environnement tactique.
La est une représentation alternative d’un véhicule automobile équipé d’un dispositif de modélisation d’un environnement tactique.
La illustre un exemple de modélisation des voies de circulation à prendre en compte pour une décision tactique du véhicule automobile.
La est un ordinogramme d’un mode d’exécution d’un procédé de modélisation d’un environnement tactique selon l’invention.
La illustre un traitement de sélection de voies d’intérêt du premier et du second ordre.
La illustre un exemple de recherche de voies d’intérêt du premier et du second ordre à partir d‘une position donnée du véhicule automobile.
La décrit les voies d’intérêt relatives à un premier mode d’interaction du véhicule automobile partant de ladite position donnée.
La décrit les voies d’intérêt relatives à un deuxième mode d’interaction du véhicule automobile partant de ladite position donnée.
La illustre les voies d’intérêt du premier et du deuxième ordre relatives à différents types d’interactions auxquelles le véhicule automobile peut être confronté.
La décrit un lien entre une première représentation des voies d’intérêt, sous forme de graphe d’interaction entre les voies, et une deuxième représentation des voies d’intérêt, sous forme de représentation géométrique de chaque voie d’intérêt.
La fournit un exemple de voies d’intérêt du premier ordre et de voies d’intérêt du second ordre dans une situation d’entrée du véhicule automobile sur un rond-point.
La illustre un premier exemple de discrétisation d’une voie d’intérêt.
La illustre une première étape d’un deuxième exemple de discrétisation de voies d’intérêt.
La illustre une deuxième étape du deuxième exemple de discrétisation de voies d’intérêt.
La illustre une troisième étape du deuxième exemple de discrétisation de voies d’intérêt.
La illustre un troisième et un quatrième exemple de discrétisation de voies d’intérêt.
La illustre la discrétisation des voies d’intérêt relatives à une manœuvre d’entrée du véhicule automobile sur un rond-point.
Un exemple d’un véhicule automobile 100 équipé d’un mode de réalisation d’un dispositif de modélisation d’un environnement tactique d’un véhicule automobile est décrit ci-après en référence à la .
Le véhicule automobile 100 peut être un véhicule automobile de n’importe quel type, notamment un véhicule de tourisme, un véhicule utilitaire, un camion ou encore un véhicule de transport en commun tel qu’un bus ou une navette. Selon le mode de réalisation décrit, le véhicule automobile 100 est un véhicule autonome et sera désigné "véhicule autonome" dans la suite de la description.
Cette illustration est donc faite à titre non limitatif. Notamment le véhicule automobile pourrait être un véhicule non autonome, équipé d’un système d'aide à la conduite, notamment un système d'aide à la conduite correspondant à un niveau supérieur ou égal au niveau 2 d’autonomie, c’est-à-dire correspondant à une autonomie partielle du véhicule.
Dans la suite du document, le terme d’environnement tactique du véhicule autonome 100 désigne les données environnementales du véhicule autonome 100 qui peuvent impacter une prise de décision tactique. Il peut s’agir des données environnementales susceptibles d’impacter une décision à prendre dans un intervalle de temps supérieur à la seconde et limité à une minute, voire plusieurs minutes.
Le véhicule autonome 100 se déplace dans un environnement donné. Le véhicule autonome 100 comprend un système d’aide à la conduite 70 et un moyen de contrôle autonome 20 du véhicule autonome 100.
Le système d’aide à la conduite 70 transmet une commande de déplacement C au moyen de contrôle autonome 20. La commande de déplacement C peut comprendre une commande de déplacement longitudinal et/ou une commande de déplacement latéral. La commande de déplacement longitudinal peut comprendre une première consigne de couple destinée à un groupe motopropulseur du véhicule et/ou une deuxième consigne de couple destinée à un actionneur de freins du véhicule. La commande de déplacement latéral comprend un angle de rotation des roues directrices du véhicule autonome 100.
Le système d’aide à la conduite 70 comprend notamment un système 10 de modélisation de l’environnement tactique du véhicule autonome 100 et un module de décision 3. Le système 10 a pour rôle de construire une modélisation M_ENV_T de l’environnement tactique du véhicule autonome qui sera transmise au module de décision 3. La modélisation M_ENV_T permet au module de décision 3 de prendre une ou plusieurs décisions tactiques. Ces décisions seront ensuite traduites en commandes C de déplacement du véhicule autonome 100.
Le système 10 de modélisation de l’environnement tactique du véhicule autonome 100 comprend notamment les éléments suivants :
- un moyen de stockage de données dans lequel est enregistré une carte haute définition 1 comprenant une description du réseau routier sur lequel le véhicule autonome 100 évolue,
- un système de géolocalisation 2 permettant localiser le véhicule autonome 100 sur la carte 1,
- un module 4 de structuration des données environnementales nécessaires à la construction d’un modèle M_ENV_T de l’environnement tactique du véhicule autonome 100,
- des systèmes 5 de perception de l’environnement du véhicule autonome 100, fournissant des données au module 4 de structuration des données environnementales,
- une unité de calcul 6 comprenant un microprocesseur 61, une mémoire électronique locale 62 et des interfaces de communication 63 permettant au microprocesseur 61 de recevoir des données issues du système de géolocalisation 2 et de transmettre une modélisation LGM des voies d’intérêt au module 4 de structuration des données environnementales du véhicule autonome 100.
La carte 1 fournit une description géométrique, topologique et sémantique du réseau routier. En particulier, la carte 1 comprend les informations nécessaires pour déterminer, à partir d’une position du véhicule autonome 100 déterminée par le système de géolocalisation 2, tous les chemins possibles dont le point de départ est déterminé par ladite position.
Le réseau routier décrit par la carte 1 comprend des routes décomposées en voies de circulation. Les voies de circulation sont elles-mêmes décomposées en segments de voies ; la carte 1 associe un identifiant à chaque segment de voie.
Dans la suite du document, les termes « voie » ou « voie de circulation » font référence à un segment de voie associé à un identifiant unique défini par la carte 1.
La géolocalisation du véhicule autonome 100 par le système de géolocalisation 2 consiste à déterminer un identifiant d’une voie sur laquelle circule le véhicule autonome 100, et la position du véhicule sur ce segment de voie.
La carte 1 comprend en outre une définition d’une ligne centrale de chaque voie. La position du véhicule autonome 100 est ainsi déterminée par
- un identifiant de voie IdNet
- une position unidimensionnelle du véhicule autonome 100 (par exemple une abscisse curviligne) sur la ligne centrale de la voie VNdésignée par l’identifiant IdN.
La ligne centrale d’une voie peut être modélisée par une « polyligne » centrale, c’est-à-dire une ligne composée d'une succession de segments de droite, selon un traitement décrit plus loin dans ce document.
La fournit une description haut niveau des traitements mis en œuvre dans le système d’aide à la conduite 70, concernant une prise de décision de niveau tactique. Le traitement se décompose en une perception X1 de l’environnement du véhicule autonome 100, puis une structuration X2 de la perception, puis une prise de décision X3 à partir de la perception structurée.
Ainsi, à partir d’une perception X1 de l’environnement tactique du véhicule autonome 100, notamment sur réception de données D_ENV issues de l’ensemble de moyens de perception 5, le système d’aide à la conduite 70 crée un modèle structuré M_ENV_T de l’environnement tactique du véhicule autonome 100, et transmet le modèle structuré M_ENV_T au module de décision 3.
La construction du modèle structuré M_ENV_T s’effectue en deux étapes :
- une première étape de création, par le microprocesseur 61, d’une description géométrique LGM d’un ensemble de voies de navigation susceptibles de jouer un rôle dans une prise de décision tactique,
- une deuxième étape de structuration, par le module 4, des données environnementales D_ENV selon la description géométrique LGM.
Une description géométrique LGM (nommée ainsi en référence à l’acronyme anglais « Lane Grid Map ») est déterminée à un instant donné T à partir de la position instantanée du véhicule autonome 100. Dans la suite du document, une description géométrique LGM est nommée grille LGM. On verra dans la suite du document que la détermination de la grille LGM comprend, une détermination 61A de la position du véhicule autonome 100, puis une détermination 61B d’un ensemble de chemins possibles pour le véhicule autonome 100, puis une détermination 61C de voies de navigations à prendre en compte dans la construction de la grille LGM.
Une grille LGM est une représentation allocentrée et discrétisée (sous forme de grille constituée d’une succession de cellules jointives entre elles) des voies de navigation, dans le sens de la longueur et le long des voies de navigation.
Dans un mode de réalisation alternatif non décrit dans ce document, les voies pourraient également être décomposées en cellules dans le sens de la largeur. Dans ce cas, une grille LGM serait alors une représentation allocentrée et discrétisée (sous forme de grille constituée d’une succession de cellules jointives entre elles) des voies de navigation, dans le sens de la longueur et dans le sens de la largeur.
Une représentation allocentrée utilise un repère fixe dans le monde, contrairement à une représentation égocentrée qui utilise un repère se déplaçant avec le véhicule.
Chaque cellule s’étend sur une longueur égale à un pas de discrétisation fixe PDIS, et sur la largeur complète de la voie de navigation. Dans un mode de réalisation la valeur du pas fixe PDIS est déterminée en fonction de la précision de l’ensemble de moyens de perception 5 et/ou de la précision du moyen de géolocalisation 2, notamment la valeur du pas fixe est comprise entre dix centimètres et cinq cents centimètres. La valeur du pas fixe PDIS pourrait être compris dans d’autres plages de valeurs.
La fournit un exemple d’une grille LGM relative au véhicule autonome 100. La flèche dirigée vers la droite indique le trajet que le véhicule autonome 100 s’apprête à suivre. Dans ce contexte, la grille LGM inclut une modélisation des voies suivantes :
- la voie 151 sur laquelle circule le véhicule autonome 100 ainsi que la voie 152 qu’il s’apprête à suivre après avoir tourné à droite,
- la voie 153 adjacente à la voie de circulation du véhicule autonome 100 qui se trouve immédiatement à gauche et dans la même sens de circulation que la voie 151,
- la voie 154 venant de la gauche, qui va croiser le chemin du véhicule autonome 100.
Les autres voies de navigation ne sont pas modélisées dans la grille LGM car elles n’ont aucun impact sur les décisions à prendre par le véhicule autonome 100 à cet instant donné.
Le traitement effectué dans le module 4 consiste à structurer les données environnementales D_ENV selon la géométrie de la grille LGM. Ainsi, seules les informations relatives aux voies discrétisées dans la grille LGM seront prises en compte dans le modèle environnemental tactique M_ENV_T. De plus, les informations environnementales seront avantageusement structurées selon les cellules de la grille LGM.
A l’instant T, la position du véhicule autonome 100 détermine le point de départ d’un ensemble E de chemins possibles, susceptibles d’être empruntés par le véhicule autonome 100. A l’instant T, la grille LGM est une description géométrique de l’ensemble des voies de circulation susceptibles d’être prises en compte dans la décision d’effectuer ou non une manœuvre lorsque le véhicule autonome se déplace sur l’un quelconque des chemins de l’ensemble E.
Dans la suite du document, le terme « chemin » est utilisé pour désigner une succession continue de voies formant un itinéraire donné ayant pour point de départ la position courante du véhicule autonome 100, l’itinéraire étant compatible avec les données géométriques, topologiques et sémantiques du réseau routier.
Comme cela est décrit plus loin dans ce document, dans un mode de réalisation de l’invention, les données de navigation ne sont pas prises en compte dans la recherche de l’ensemble de chemins possibles. En d’autres termes, la modélisation de l’environnement du véhicule autonome 100, qui sera utilisée pour des prises de décision tactiques, peut être menée sans prendre en compte un itinéraire prédéterminé par un module de navigation du véhicule autonome 100. La recherche de tous les chemins possibles est alors simplement bornée par un horizon de distance ou de temps.
Par exemple, on peut déterminer tous les chemins possibles dans un rayon d’une distance donnée autour de la position courante du véhicule autonome 100, la distance donnée pouvant être par exemple d’un kilomètre. Alternativement, on peut déterminer tous les chemins que le véhicule autonome 100 peut parcourir dans un délai donné autour de sa position courante, le délai donné pouvant être par exemple de dix minutes.
Le système 10 de modélisation de l’environnement peut également comprendre un réseau de communication 7 du véhicule autonome 100 – par exemple un réseau CAN-. Le réseau de communication 7 peut notamment fournir au microprocesseur 61 des données cinématiques du véhicule autonome 100, comme la vitesse, l’accélération, le jerk.
Le microprocesseur 61 peut en outre avoir accès, via un réseau cellulaire, à une base de données partagée 8 comprenant des informations contextuelles, comme par exemple des mises à jour de carte, des notifications de zones de travaux, etc…
Dans le mode de réalisation de l’invention, le calculateur 61 permet d’exécuter un logiciel comprenant les modules suivants qui communiquent entre eux :
- un module 611 de détermination d’une voie de circulation du véhicule autonome 100, et de détermination d’un ensemble de chemins possibles, qui communique avec le moyen de géolocalisation et la carte HD,
- un module 612 détermination, à partir d’un ensemble prédéterminé de manœuvres d’un ensemble de voies d’intérêt du premier ordre et d’un ensemble de voies d’intérêt du second ordre,
- un module 613 de décomposition en segments continus, jointifs et de pas fixe des voies d’intérêt du premier ordre et des voies d’intérêt du second ordre,
- un module 614 de transmission d’une modélisation des voies d’intérêt du premier ordre et des voies d’intérêt du second ordre, qui collabore avec le module 4 de structuration des données environnementales.
Un mode d’exécution du procédé de commande d’un véhicule autonome est décrit ci-après en référence à la . Le procédé comprend quatre étapes E1 à E4.
Dans un première étape E1, on détermine une voie de circulation du véhicule autonome 100.
Grâce aux informations fournies par la carte 1 et par les moyens de géolocalisation 2, on détermine la position courante du véhicule sur la carte 1, permettant ainsi de déterminer un identifiant de voie IdNet une position unidimensionnelle sur la ligne centrale de la voie associée à l’identifiant IdN. On désigne par le terme « ligne centrale » une ligne virtuelle séparant une voie de circulation en deux demi-voies dans le sens longitudinal de la voie.
Dans la suite du document,
- la voie associée à un identifiant IdNest nommée « voie VIdN»,
- la ligne centrale de la voie IdNest nommée « ligne centrale LIdN»,
- la position du véhicule autonome 100 sur la ligne centrale LIdNest nommée « position PIdN».
A un instant donné T de modélisation de l’environnement tactique, le véhicule autonome 100 se situe à la position PIdN.
On recherche ensuite un ensemble E de chemins susceptibles d’être empruntés à l’instant T par le véhicule autonome 100 à partir de la position PIdN, dans un horizon de distance ou de temps donné. Pour cela on exploite l’information topologique fournie par la carte 1, pour envisager tous les chemins correspondant aux possibilités offertes par le réseau routier.
Dans un mode de réalisation de l’invention, on pourrait appliquer une sélection des chemins en fonction des données de navigation. Ainsi, certains chemins pourraient être rejetés car jugés incohérents par rapport à un itinéraire planifié.
Selon les cas, l’itinéraire planifié pourrait être un itinéraire déterminé par un module de planification de mission dans le cas d’un véhicule autonome de niveau 3 et plus. Alternativement, l’itinéraire planifié pourrait être défini par un système de navigation dans le cas d’un véhicule autonome de niveau 0, 1 ou 2. Le système de navigation devrait alors préférentiellement présenter des fonctionnalités de guidage selon un itinéraire défini, et éventuellement une actualisation de l’itinéraire en fonction des mises à jour des données de trafic sur l’itinéraire.
La illustre le déroulement de l’étape E2 à partir de l’ensemble E de chemins déterminés dans l’étape E1. Dans l’étape E2 on itère sur l’ensemble E de chemins possibles en appliquant, à chaque chemin possible Ckde l’ensemble E,
- une première sous-étape E21 de détermination d’un premier ensemble de voies de circulation V1k, dites voies d’intérêt du premier ordre associées au chemin donné Ck, interagissant directement avec le chemin donné Ckselon l’un des modes d’interaction d’un ensemble prédéfini MI de modes d’interaction, puis
- une deuxième sous-étape E22 de détermination d’un deuxième ensemble de voies de circulation V2k, dites voies d’intérêt du second ordre, interagissant directement avec au moins une des voies de l’ensemble de voies d’intérêt du premier ordre V1kselon l’un des modes d’interaction d’un ensemble prédéfini MI de modes d’interaction.
Les voies d’intérêt sont donc définies par rapport au point de vue subjectif du véhicule autonome 100, et relativement à un ensemble prédéfini de modes d’interaction MI, l’ensemble prédéfini de modes d’interaction étant décrit plus loin dans le document. En effet, les voies d’intérêt ne comprennent que les voies de navigation à prendre en compte pour décider d’effectuer une des quelconques manœuvres adaptées à l’ensemble prédéfini de modes d’interaction MI.
Les voies d’intérêt de premier ordre correspondent aux voies en interaction directe avec le chemin du véhicule (ils partagent donc un espace de navigation en commun). Il est primordial pour le véhicule autonome 100 d’évaluer l’information relative à ces zones, d’autant plus si le véhicule n’est pas prioritaire.
Les voies d’intérêt de second ordre comprennent les voies qui ont une interaction indirecte avec le véhicule autonome. Elles sont en interaction directes (de premier ordre) avec les voies d’intérêt de premier ordre définies précédemment pour le véhicule. Les informations relatives aux voies d’intérêt de second ordre sont d’importance moindre, mais peuvent être utiles pour fournir des données relatives aux voies de premier ordre.
Dans le mode de réalisation décrit, l’ensemble prédéfini de modes d’interactions MI définit quatre modes d’interactions possibles permettant de classer les situations de conduite nécessitant une prise de décision tactique :
- un premier mode MI1 dit de suivi de voie, dans lequel le véhicule autonome 100 demeure sur sa voie de circulation,
- un deuxième mode MI2 dit de changement de voie, dans lequel le véhicule autonome 100 rejoint une voie adjacente à sa voie de circulation,
- un troisième mode MI3 dit de fusion de voie, dans lequel la voie du véhicule autonome 100 fusionne avec une autre voie de circulation,
- un quatrième mode MI4 dit de croisement de voies, dans lequel la voie de circulation du véhicule autonome 100 croise au moins une autre voie de circulation.
Dans un exemple décrit par la , à l’instant T de modélisation de l’environnement tactique, le véhicule autonome 100 se trouve à la position POS(T) sur la voie 120 la plus à gauche d’une route à trois voies.
La position POS(T) a permis de déterminer dans l’étape E1 un ensemble E comprenant deux chemin possibles pour le véhicule autonome 100 :
- un premier chemin C1, illustré par la , correspondant au mode d’interaction de suivi de voie MI1, et
- un deuxième chemin C2, illustré par la , correspondant au mode d’interaction de changement de voie MI2, le changement de voie pouvant s’effectuer uniquement vers la voie 121 située à droite du véhicule autonome 100.
Dans l’étape E2, on applique une itération des sous-étapes E21 et E22 à chacun des chemins C1, C2 définis dans l’étape E1.
La illustre l’itération des sous-étapes E21 et E22 pour la détermination des voies d’intérêt, respectivement du premier et du deuxième ordre, associées au chemin C1. Le véhicule autonome 100 se maintient sur sa voie, de circulation. De ce fait,
- dans la sous-étape E21, on détermine la voie 120 comme étant la seule voie d’intérêt du premier ordre V11associée au chemin C1,
- dans la sous-étape E22, on détermine la voie 121 comme étant la seule voie d’intérêt du second ordre V21associée au chemin C1, puisque la voie 121 est la seule voie susceptible d’interagir avec la voie 120 selon l’un des modes d’interaction prédéterminés MI.
La illustre l’itération des sous-étapes E21 et E22 pour la détermination des voies d’intérêt, respectivement du premier et du deuxième ordre, associées au chemin C2. Le véhicule autonome 100 effectue un changement de voie vers la voie 121. De ce fait,
- dans la sous-étape E21, on détermine la voie 121 comme étant la seule voie d’intérêt du premier ordre V12associée au chemin C2,
- dans la sous-étape E22, on détermine les voies 120 et 122 comme étant les deux voies d’intérêt du second ordre V22associées au chemin C2, puisqu’elles sont susceptibles d’interagir avec la voie 121 selon l’un des modes d’interaction prédéterminés MI.
L’exemple illustré par les figures 6 à 8 porte sur une configuration routière simple qui cantonne le véhicule autonome sur un nombre très réduit de chemins possibles.
Selon un point de vue complémentaire présenté par la , on peut également décrire les voies d’intérêt du premier et du deuxième ordre selon le type d’interaction rencontré par le véhicule autonome 100. En remarque, les voies d’intérêt déterminées dans le tableau de la ne tiennent compte que d’un seul chemin pour le véhicule 100, représenté par une flèche épaisse. Dans la , les voies d'intérêt du premier ordre sont représentées hachurées sur les images correspondant au premier ordre, et les voies d'intérêt du deuxième ordre relatifs à la voie de premier ordre encadrée en noir sont représentées hachurées sur les images correspondant au deuxième ordre.
Les deux premières lignes LL1 et LL2 du tableau correspondent aux situations précédemment décrites en référence aux figures 5 à 7.
La première ligne LL1 du tableau décrit les voies d’intérêt du premier et du second ordre lors d’un maintien du véhicule autonome dans sa voie de circulation. La première colonne CC1 de cette ligne représente la voie d’intérêt de premier ordre, qui est le chemin suivi par le véhicule. La ou les voies adjacentes à la voie d’intérêt de premier ordre constituent des voies d’intérêt de second ordre (voir deuxième colonne CC2 de cette ligne).
La deuxième ligne LL2 du tableau décrit les voies d’intérêt du premier et du second ordre lors d’un changement de voie du véhicule autonome vers une voie adjacente à sa voie de circulation. La première colonne CC1 de cette ligne représente la voie d’intérêt de premier ordre, qui est la voie vers laquelle le changement de voie s’effectue. Les voies adjacentes à la voie d’intérêt de premier ordre constituent des voies d’intérêt de second ordre (voir deuxième colonne CC2 de cette ligne).
La troisième ligne LL3 du tableau décrit les voies d’intérêt du premier et du second ordre lors d’une fusion de voies. La première colonne CC1 de cette ligne représente la voie d’intérêt de premier ordre, qui est la voie qui fusionne avec le chemin du véhicule. Toutes les voies étant en interaction directe avec la voie d’intérêt de premier ordre sont des voies d’intérêt de second ordre (voir deuxième colonne CC2 de cette ligne).
La quatrième ligne LL4 du tableau décrit les voies d’intérêt du premier et du second ordre lors d’un croisement de voies. La première colonne CC1 de cette ligne représente les voies d’intérêt de premier ordre, qui sont les voies qui croisent le chemin du véhicule. Toutes les voies étant en interaction directe avec l’une des voies d’intérêt de premier ordre sont des voies d’intérêt de second ordre (voir deuxième colonne CC2 de cette ligne).
Finalement, après itération des étapes E21 et E22 sur tous les chemins Ckde l’ensemble E, on obtient un ensemble de graphes Gk d’interaction de voies de circulation du premier et du second ordre avec le véhicule autonome 100 à un instant T donné. A titre d’exemple, la représente un tel graphe Gk comprenant notamment une voie d’intérêt de premier niveau V1j et deux voies d’intérêt de second niveau V2m, V2p susceptibles d’interagir avec la voie d’’intérêt de premier niveau V1j. La illustre le fait que chaque voie d’intérêt du graphe Gk (c’est-à-dire chaque nœud du graphe Gk) est ensuite représentée géométriquement et de façon discrétisée dans la grille LGM.
A titre d’exemple, la illustre les notions de voies d’intérêt du premier ordre et de voie d’intérêt du second ordre dans une situation d’entrée du véhicule autonome 100 sur un rond-point. Le chemin suivi par le véhicule autonome met en œuvre une fusion de voie entre la voie de circulation empruntée par le chemin Ck, et une voie d’intérêt de premier niveau V1j (qui correspond à la voie extérieure du rond-point). La voie V2m de circulation adjacente au chemin Ck est une voie d’intérêt de second ordre, de même que la voie extérieure du rond-point V2p.
Dans une troisième étape E3, on crée une représentation discrétisée, sous forme de grille, de l’ensemble des voies de navigation déterminées dans l’étape E2. Dans la suite du document, cette représentation est nommée « Lane Grid Map » ou grille LGM.
Pour cela, on décompose les voies d’intérêt du premier ordre et les voies d’intérêt du second ordre en segments continus, jointifs et de pas fixe. Dans la suite du document, les segments continus, jointifs et de pas fixe sont nommés « cellules ».
Chaque voie est donc décomposée en cellules selon un pas de discrétisation fixe PDIS. Comme cela est illustré par la représentant une voie de circulation rectiligne V10, la ligne centrale L10 de la voie est découpée selon un pas fixe PDIS, et les cellules C1 à C8 sont délimitées par la largeur de la voie de circulation et par des segments de droites espacés entre eux de la distance PDIS et coupant perpendiculairement la ligne centrale L10. Sur la portion de voie V10 représentée, la ligne centrale L10 étant rectiligne, les cellules sont rectangulaires.
Les figures 12 à 15 illustrent un mode de réalisation de la décomposition en cellules jointives et de pas fixe d’une succession de plusieurs voies 201, 202, 203, 204 dont les lignes centrales ne sont pas alignées. Dans ce mode de réalisation, les cellules sont des quadrilatères et ne sont pas systématiquement rectangulaires.
Les polylignes des voies 201, 202, 203, 204 sont représentées dans la< :
- la polyligne P1 de la voie 201 relie un point 301 à un point 302,
- la polyligne P2 de la voie 202 relie le point 302 à un point 303,
- la polyligne P3 de la voie 203 relie le point 303 à un point 304, et
- la polyligne P4 de la voie 204 relie le point 304 à un point 305.
En remarque, cette description de la est basée sur une décomposition de la succession de voies 201 à 204 en plusieurs polylignes formées chacune d’un seul segment, chaque polyligne ne comprenant, dans cet exemple, que deux points (c’est-à-dire un point à chaque extrémité de la polyligne).
Alternativement, la pourrait être interprétée comme représentant une polyligne unique comportant plusieurs segments de polyligne P1, P2, P3, P4 et associée à une voie unique composée de segments de voies 201 à 204.
Dans ce cas, la méthode décrite ci-après s’appliquerait à chaque point 301, 302, 303, 304, 305 de la polyligne et pas uniquement aux points extrêmes de la polyligne.
Une problématique de décomposition de voies en cellules porte sur la définition des cellules avec un pas constant tout en faisant en sorte les cellules soient jointives entre elles à toute jonction de deux voies contiguës, notamment une jonction de deux voies contiguës dont les polylignes centrales se rejoignent en formant un angle différent de 180 degrés.
Dans l’exemple présenté, il s’agit de définir des cellules jointives lors de la transition entre la voie 201 et la voie 202, puis entre la voie 202 et la voie 203, puis entre la voie 203 et la voie 204.
A cet effet, dans un mode de réalisation, on peut utiliser une méthode d’interpolation des tangentes ou méthode dite des lanelets. Dans la suite du document, le terme « vecteur tangent » est utilisé pour nommer un vecteur, défini en un point donné de la polyligne, servant à définir une cellule dont un côté passe par ledit point donné.
Appliquée à la voie 202, la méthode d’interpolation consiste, comme c’est illustré par la , à définir un premier vecteur tangent 402 à la première extrémité de la voie 202 (c’est-à-dire au point 302), et un deuxième vecteur tangent 403 à la deuxième extrémité de la voie 202 (c’est-à-dire au point 303).
Dans un mode de réalisation, illustré par la , la direction du premier vecteur tangent 402 (au point 202) peut être définie comme étant la direction d’un vecteur V202 reliant les points 301 et 303 ; de même, la direction du deuxième vecteur tangent 403 (au point 203) peut être définie comme étant la direction d’un vecteur V203 reliant le point 302 au point 304.
Dans le cas (non illustré) où la décomposition des voies en cellules commence au point 302 (par exemple, si la voie 201 n’existe pas), alors la direction du vecteur tangent 402 est définie comme étant la direction de la polyligne P2.
Alternativement, dans le cas (non illustré) où deux voies se rejoignent au point 302, alors direction du vecteur tangent 402 est définie comme étant la direction de la polyligne P2.
Puis, comme cela est illustré par la , on peut définir un vecteur tangent pour chaque point intermédiaire de la polyligne P2, les points intermédiaires étant des points situés entre les points 302 et 303, et découpant la polyligne P2 en segments de longueur PDIS.
Dans ce mode de réalisation, chaque tangente en un point de la polyligne dépend de la tangente au point précédent de la polyligne et de la tangente au point suivant de la polyligne.
Les vecteurs tangent ainsi déterminés sont ensuite utilisés pour définir les cellules de la grille LGM. Comme cela est illustré par la , pour définir une cellule 310 de la voie 202, on sélectionne deux points consécutifs PA, PBde la polyligne P2.
On trace ensuite
- un premier segment SAperpendiculaire à la tangente définie au point PAet passant par le point PAet, le premier segment ayant pour milieu le point PAet pour longueur la largeur de la voie 202, et
- un deuxième segment SBperpendiculaire à la tangente définie au point PBet passant par le point PBet, le premier segment ayant pour milieu le point PBet pour longueur la largeur de la voie 202.
En remarque, la droite passant par les points PAet PBest une médiane du quadrilatère délimitant la cellule 310, et les tangentes aux point PAet PBsont respectivement des médiatrices des segments SAet SB.
Puis on relie une première extrémité du segment SAà une première extrémité du segment SB, ces deux extrémités étant situées du même côté par rapport à la polyligne P2. De même on relie la deuxième extrémité du SAà la deuxième extrémité du segment SB.
Les étapes de traitement précédemment décrites permettent ainsi de modéliser de proche en proche une succession de voies de circulation formant un chemin.
Il existe toutefois des configurations de voies dans lesquelles la méthode d’interpolation des tangentes ne peut pas s’appliquer. Cela concerne notamment des situations de divergence et de convergence de voies.
Un premier et un deuxième exemples de configurations de voies sont illustrées par la :
- un premier exemple de configuration où deux voies 501, 502 fusionnent en une seule voie 503,
- un deuxième exemple de configuration où une voie 504 se sépare en deux voies 505, 506.
Dans le premier exemple de configuration, la problématique porte sur la direction choisie pour la tangente au point de fusion ou des deux voies 501, 502. Les polylignes 601, 602 respectivement des voies 501 et 502 se rejoignent et rejoignent la polyligne 603 de la voie 503 un premier point commun 701. La direction de la tangente 801 au point 701 est alors confondue avec la direction de la polyligne 603.
Dans le deuxième exemple de configuration, la polyligne 604 de la voie 504 se sépare au point commun 702 en deux polylignes 605, 606 respectivement des voies 505, 505. La direction de la tangente 802 au point 702 est alors confondue avec la direction de la polyligne 604.
La illustre la discrétisation des voies d’intérêt V1j, V2m et V2p relatives à une manœuvre d’entrée du véhicule autonome 100 sur un rond-point (précédemment décrites en référence à la ).
Lorsque toutes les voies d’’intérêt du premier et du second ordre ont été discrétisés en cellules, on enchaîne sur l’étape E4 dans laquelle on transmet une modélisation des voies d’intérêt du premier ordre et des voies d’intérêt du second ordre au module 4 de structuration des données environnementales. Dans le module 4, les données environnementales issues des systèmes de perception 5 seront réparties dans la grille LGM. Par exemple, les données affectées à une cellule peuvent concerner la position de véhicules situés dans cette cellule et ayant la priorité sur le véhicule autonome 100, ou la présence de feux de circulation et leur état. Les données affectées à une cellule peuvent également concerner des informations spatiales, notamment l’occupation de l’espace sur chaque cellule. Dans un mode de réalisation, les cellules de la grille LGM peuvent en outre être utilisées pour contenir des données de prédiction.
Finalement, le procédé de modélisation de l’environnement tactique d’un véhicule autonome 100 sous forme de grille LGM permet de décrire la situation tactique du véhicule autonome 100 selon deux niveaux d’informations. Le premier niveau d’information est lié à la nature géométrique de la représentation. En effet, l’échantillonnage des voies de navigation en cellules permet de connaitre à tout moment la distance séparant le véhicule autonome 100 d’une cellule donnée. De plus, la précision de cette distance peut être calibrée par l’intermédiaire de la valeur attribuée au pas de discrétisation PDIS. Le second niveau d’information porte sur l’information associée à chaque cellule, qui permet de caractériser l’espace couvert par la cellule, c’est-à-dire la portion de voie couverte par la cellule.
Le procédé selon l’invention se différencie de l’art antérieur, et notamment du document US2018/0322777A1, dans lequel une grille d’occupation n’est définie que sur un espace d’intérêt simple correspondant à l’espace devant le véhicule autonome et la topologie de la route n’est pas prise en compte pour la construction de cette grille. En effet, en premier lieu, le procédé de modélisation selon l’invention prend en compte la forme géométrique des voies de navigation. De plus, la grille LGM comprend non seulement la voie de navigation sur laquelle le véhicule autonome évolue, mais également les voies susceptibles d’interagir avec la voie du véhicule autonome. Ainsi, contrairement à l’art antérieur, le procédé selon l’invention ne se limite pas à une modélisation de la voie située face au véhicule autonome.
La modélisation selon l’invention présente plusieurs avantages. Tout d’abord elle fournit une représentation compacte de l’environnement avec lequel le véhicule interagit, car seules les voies d’intérêt sont modélisées. Il s’agit d’une représentation dépendante du contexte, car elle est focalisée sur les zones conditionnant une prise de décision tactique.
En outre, la finesse de la modélisation est aisément modulable par modification du pas de discrétisation ou par agrégation de cellules.
De plus, la modélisation selon l’invention nécessite uniquement une base de données cartographique haute définition disposant d’une couche topologique.
Enfin, par sa nature géométrique, la modélisation selon l’invention simplifie le traitement ultérieurement effectué dans le module de décision, notamment en facilitant le calcul de métriques de risque comme par exemple le délai avant collision.

Claims (9)

  1. Procédé de modélisation d’un environnement tactique d’un véhicule automobile (100) équipé d’un moyen de stockage de données pourvu d'une carte haute définition (1) et d’un moyen de géolocalisation (2), caractérisé en ce qu’il comprend les étapes suivantes :
    • Une première étape (E1) de détermination d’une position courante du véhicule automobile (100) sur une voie de circulation à partir de données fournies par le moyen de géolocalisation (2) et la carte haute définition (1), et de détermination d’un ensemble (E) de chemins possibles, chaque chemin possible partant de la position courante et se situant dans un horizon de temps donné ou dans un horizon de distance donné à partir de la position courante,
    • Une deuxième étape (E2) comprenant une première sous-étape (E21) de détermination, pour chaque chemin donné (Ck) de l’ensemble de chemins possibles (E), d’un premier ensemble de voies de circulation (V1k) interagissant directement avec le chemin donné (Ck) selon un mode d’interaction défini dans un ensemble prédéfini de modes d’interaction (MI), et
      une deuxième sous-étape (E22) de détermination d’un deuxième ensemble de voies de circulation (V2k) interagissant directement selon un mode d’interaction défini dans l’ensemble prédéfini de modes d’interaction (MI) avec au moins une des voies du premier ensemble de voies de circulation (V1k),
    • Une troisième étape (E3) de décomposition, en segments continus, jointifs et de pas fixe (PDIS), des voies de circulation du premier ensemble et des voies de circulation du deuxième ensemble.
  2. Procédé de modélisation selon la revendication précédente, le véhicule automobile (100) comprenant un module de navigation (9) et se déplaçant sur un itinéraire planifié par le module de navigation (9), caractérisé en ce que la détermination de l'ensemble (E) des chemins possibles comprend une étape de sélection des chemins compatibles avec l’itinéraire planifié.
  3. Procédé de modélisation selon l’une des revendications précédentes, caractérisé en ce que l’ensemble de modes d’interaction comprend :
    - un maintien du véhicule automobile (100) sur sa voie de circulation, et/ou,
    - un changement de voie du véhicule automobile (100) sur une voie adjacente à sa voie de circulation, et/ou
    - une fusion de la voie du véhicule automobile (100) avec une autre voie de circulation, et/ou
    - une traversée de la voie du véhicule automobile (100) par au moins une autre voie de circulation.
  4. Procédé de modélisation selon l’une des revendications précédentes, le véhicule automobile (100) comprenant un ensemble de moyens de perception (5), caractérisé en ce que la valeur du pas fixe (PDIS) est déterminée en fonction de la précision de l’ensemble de moyens de perception (5) et/ou de la précision du moyen de géolocalisation (2), notamment la valeur du pas fixe est comprise entre dix centimètres et cinq cents centimètres.
  5. Procédé de modélisation selon l’une des revendications précédentes, caractérisé en ce que la troisième étape (E3) de décomposition comprend, pour chaque voie d’intérêt du premier et/ou du second ordre, un découpage d’une ligne centrale de ladite voie d’intérêt en segments de ligne centrale jointifs dont la longueur est égale au pas fixe (PDIS) et une décomposition de la surface de ladite voie en cellules jointives en forme de quadrilatère ayant pour médiane un segment de ligne centrale.
  6. Dispositif (10) de modélisation d’un environnement tactique d’un véhicule automobile (100), le véhicule automobile étant équipé d’un moyen de stockage de données pourvu d’une carte haute définition (1) et d’un moyen de géolocalisation (2), le dispositif comprenant des éléments (1, 2, 4, 5, 6, 7, 8, 9, 61, 62, 63, 611, 612, 613, 614) matériels et/ou logiciels mettant en œuvre le procédé selon l’une des revendications 1 à 5.
  7. Produit programme d’ordinateur comprenant des instructions de code de programme enregistrées sur un support lisible par ordinateur pour mettre en œuvre les étapes du procédé selon l’une quelconque des revendications 1 à 5 lorsque ledit programme fonctionne sur un ordinateur.
  8. Support d’enregistrement de données, lisible par un ordinateur, sur lequel est enregistré un programme d’ordinateur comprenant des instructions de code de programme de mise en œuvre du procédé selon l’une des revendications 1 à 5.
  9. Signal d'un support de données, portant le produit programme d'ordinateur selon la revendication 7.
FR2114213A 2021-12-22 2021-12-22 Procédé de modélisation d’un environnement tactique d’un véhicule automobile. Active FR3130958B1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
FR2114213A FR3130958B1 (fr) 2021-12-22 2021-12-22 Procédé de modélisation d’un environnement tactique d’un véhicule automobile.
PCT/EP2022/087602 WO2023118501A1 (fr) 2021-12-22 2022-12-22 Procédé de modélisation d'un environnement tactique d'un véhicule automobile

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2114213A FR3130958B1 (fr) 2021-12-22 2021-12-22 Procédé de modélisation d’un environnement tactique d’un véhicule automobile.
FR2114213 2021-12-22

Publications (2)

Publication Number Publication Date
FR3130958A1 true FR3130958A1 (fr) 2023-06-23
FR3130958B1 FR3130958B1 (fr) 2024-05-03

Family

ID=80999892

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2114213A Active FR3130958B1 (fr) 2021-12-22 2021-12-22 Procédé de modélisation d’un environnement tactique d’un véhicule automobile.

Country Status (2)

Country Link
FR (1) FR3130958B1 (fr)
WO (1) WO2023118501A1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180189323A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. High definition map and route storage management system for autonomous vehicles
US20180322777A1 (en) 2015-11-25 2018-11-08 Volkswagen Aktiengesellschaft Method and system for creating a lane-accurate occupancy grid map for lanes

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180322777A1 (en) 2015-11-25 2018-11-08 Volkswagen Aktiengesellschaft Method and system for creating a lane-accurate occupancy grid map for lanes
US20180189323A1 (en) * 2016-12-30 2018-07-05 DeepMap Inc. High definition map and route storage management system for autonomous vehicles

Also Published As

Publication number Publication date
FR3130958B1 (fr) 2024-05-03
WO2023118501A1 (fr) 2023-06-29

Similar Documents

Publication Publication Date Title
US11112237B2 (en) Using map information to smooth objects generated from sensor data
WO2018083200A1 (fr) Procédé d`élaboration d`une carte d`autonomie de navigation pour un véhicule
FR3096637A1 (fr) Procédé et dispositif de détermination d’un chemin pour un véhicule autonome
FR3094318A1 (fr) Procédé de commande du positionnement d’un véhicule automobile sur une voie de circulation
FR3130958A1 (fr) Procédé de modélisation d’un environnement tactique d’un véhicule automobile.
EP3931056A1 (fr) Régulation de la vitesse d&#39;un véhicule lors d&#39;un dépassement en virage
EP3270108B1 (fr) Procédé d&#39;assistance d&#39;un conducteur d&#39;un véhicule en fonction d&#39;informations fournies par un véhicule pilote, et dispositif associé
Wishart et al. Fundamentals of Connected and Automated Vehicles
EP4178842B1 (fr) Procédé de commande d&#39;un véhicule automobile muni de moyens de conduite autonome
EP3731207A1 (fr) Plateforme et procédé de supervision d&#39;une infrastructure pour véhicules de transport, véhicule, système de transport et programme d&#39;ordinateur associés
FR3099961A1 (fr) Estimation de la vitesse moyenne d’un trafic d’au moins un vehicule sur un troncon de route
FR3113638A1 (fr) Méthode de contrôle pour contrôler le mouvement latéral d’un véhicule automobile
WO2019155134A1 (fr) Procede de determination de la trajectoire d&#39;un vehicule automobile en absence de marquage au sol.
WO2023025490A1 (fr) Procédé de modélisation d&#39;un environnement de navigation d&#39;un véhicule automobile
FR3075949A1 (fr) Procede de determination sur une distance d’anticipation de la trajectoire d’un vehicule automobile.
EP3727974B1 (fr) Procédé de détection durant une phase de conduite automatisée d&#39;un vehicule de sa présence dans une voie d&#39;insertion vers une route à chaussée separée
FR3130957A1 (fr) Procédé de modélisation d’un environnement tactique d’un véhicule automobile.
FR3081142A1 (fr) Procede et dispositif d’assistance a la conduite automatisee d’un vehicule par determination de la surete d’une trajectoire proposee.
FR3097339A1 (fr) Procédé et système pour déterminer un parcours qu’un véhicule automobile doit accomplir au sein d’un espace pour circuler d’un lieu de départ à un lieu d’arrivée
FR3097317A1 (fr) Procédé et système pour déterminer un parcours à accomplir au sein d’un espace
FR3103891A1 (fr) Dispositif d’aide à la navigation à détermination de voie la plus probable pour un véhicule, et procédé d’assistance à la conduite associé
WO2023144470A1 (fr) Procédé et dispositif de contrôle de trajectoire d&#39;un véhicule autonome circulant dans un environnement comprenant au moins un objet mobile
Leisenring Evaluation of Automated Driving in a Virtual Environment
FR3125133A1 (fr) Dispositif et procédé d’estimation de la localisation d’un véhicule guidé le long d’un guide curviligne, système de navigation
WO2022129564A1 (fr) Méthode de contrôle pour contrôler le déplacement d&#39;un véhicule automobile autonome

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20230623

PLFP Fee payment

Year of fee payment: 3

CA Change of address

Effective date: 20240301