JP2021051736A

JP2021051736A - 車両走行経路計画方法、装置、システム、媒体及びデバイス

Info

Publication number: JP2021051736A
Application number: JP2020149680A
Authority: JP
Inventors: 科 ▲チ▼; Ke Qi; 忠群蘇; Zhongqun Su
Original assignee: Guangzhou University
Current assignee: Guangzhou University
Priority date: 2019-09-24
Filing date: 2020-09-07
Publication date: 2021-04-01
Anticipated expiration: 2040-09-07
Also published as: CN110672111A; JP6900081B2; CN110672111B

Abstract

【課題】リアルタイムの道路状況情報に従って走行経路をリアルタイムで計画でき、ネットワークを備えていない道路状況下でも車両走行経路の計画を実現でき、走行経路計画における定焦カメラヘッドで撮影された遠端の物体がぼやけてサイズが小さいことによる誤った経路を選択するという問題を解決し、車両の通行効率と安全性を効果的に向上させる車両走行経路計画方法を提供する。【解決手段】短焦点カメラヘッドと長焦点カメラヘッドで同期的に撮影された近景画像と遠景画像を取得し、その後、同期的に撮影された近景画像と遠景画像をスプライスして、全体的な道路状況図を取得し、続いて、全体的な道路状況図に対して逆投影変換を行って、全体的な道路状況平面図を取得し、最後に、全体的な道路状況平面図上の各車道での車両と障害物の情報を認識して、走行経路を計画する。【選択図】図１

Description

本発明は、車両走行制御の技術分野に関し、特に車両走行経路計画方法、装置、システム、媒体及びデバイスに関する。

従来技術の車両は、経路計画モジュールを使用して走行経路を計画する。走行経路計画は、全体的な計画と局所的な計画に分けられる。ここで、全体的な計画は通常、地図データベースに従ってオフライン計画を行い、局所的な計画は、環境情報をリアルタイムで収集及び認識してから、環境情報に基づいて経路を計画する。

５Ｇなどの通信技術の開発に伴い、局所的な経路計画は、高精度地図とカメラヘッドなどのセンサーを組み合わせて、低遅延のリアルタイム経路計画を実現できる。ただし、該方法は、高精度地図と低遅延通信技術に重く依存しているため、交通インフラと低遅延通信でカバーされていない領域での実現は、困難である。

自車カメラヘッドにより環境情報を収集して局所的な経路計画を行うのは、現在の主流技術であるが、該技術は、以下の不足がある。車両カメラヘッドのほとんどは、一眼定焦カメラヘッド又は二眼定焦カメラヘッドを採用し、その最大有効可視距離は通常、１００メートル以内であり、撮影された画像上での有効な撮影範囲である１００メートルを超える遠端の物体は、ぼやけており、且つサイズが小さいため、画像認識アルゴリズムで正しく検出及び認識することは、困難であり、複雑で変化しやすい道路セクションシーンでは、誤検出を引き起こすのは簡単であり、誤った経路を選択したり、短距離の経路を選択したりする可能性がある。

中国特許出願公開第１１０３０９４３８号明細書

本発明は、データ処理の技術分野に関し、走行経路を推奨するための方法及び装置、コンピュータ記憶媒体、並びに電子デバイスを提供する。ここで、走行経路を推奨するための方法は、以下を含む。ユーザの走行経路集及び前記走行経路集に関連する少なくとも１つのユーザの特徴を取得し、前記走行経路集は、少なくとも２つの走行経路を含み、前記ユーザの特徴に関連するサンプルデータを収集し、前記サンプルデータに従って前記走行経路の使用確率を決定し、前記使用確率に従って前記ユーザに目標走行経路を推奨する。本発明が提供する走行経路の推奨方法は、推奨された経路がユーザの個性的需要を満たすことを可能にし、これは、ユーザのナビゲーション体験を改良するのに有利である。

本発明の第１目的は、従来技術の欠点と不足を克服し、車両走行経路計画方法を提供することであり、該方法は、ネットワークを備えていない道路状況下でも車両走行経路の計画を実現でき、且つ車両の走行プロセス中の潜在的な安全上のリスクを低減できる。

本発明の第２目的は、車両走行経路計画装置を提供することである。

本発明の第３目的は、車両走行経路計画システムを提供することである。

本発明の第４目的は、記憶媒体を提供することである。

本発明の第５目的は、計算デバイスを提供することである。

本発明の第１目的は、下記技術的解決手段により実現される。車両走行経路計画方法であって、その特徴は、そのステップが以下のとおりであることである。

ステップＳ１、短焦点カメラヘッドと長焦点カメラヘッドを使用して近景画像と遠景画像を同期的に撮影する。

ステップＳ２、同期的に撮影された近景画像と遠景画像をスプライスして、全体的な道路状況図を取得する。

ステップＳ３、全体的な道路状況図に対して逆投影変換を行って、全体的な道路状況平面図を取得する。

ステップＳ４、全体的な道路状況平面図上の各車道での車両と障害物の情報を認識する。

ステップＳ５、全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、走行経路を計画する。

好ましくは、ステップＳ５で走行経路を計画する具体的なプロセスは、以下のとおりである。

ステップＳ５１、全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、自車を開始点とし、車道を経路情報とし、経路検索アルゴリズムを使用して通行可能な経路を検索する。

ステップＳ５２、検索された通行可能な各経路について、経路長を取得し、且つ該経路を通行するときの車線変更の総回数を計算する。

ステップＳ５３、通行可能な各経路の総エネルギー効率を次の式で計算する。
Ｕｉ＝Ｔｉ＋Ｆｉ。
ここで、

ここで、Ｕｉはｉ番目の通行可能な経路の総エネルギー効率、Ｌｉはｉ番目の通行可能な経路の経路長、Ｎｉはｉ番目の通行可能な経路を通行するときの車線変更の総回数、ｎは通行可能な経路の総数、ｄｍａｘは道路の最大走行可能距離、ｗ１は通行の長さの重み係数、ｗ２は車線変更の重み係数である。

ステップＳ５４、各通行可能な経路の総エネルギー効率を比較し、走行経路の最終的な計画結果として、経路の総エネルギー効率が最も高い通行可能な経路を選択する。

さらに、ステップＳ５１では、使用された経路検索アルゴリズムは、アリコロニーアルゴリズム、遺伝的アルゴリズム、粒子群アルゴリズム、Ａ＊検索アルゴリズム、人工ポテンシャル法、量子粒子群アルゴリズム又はニューラルネットワークアルゴリズムである。

さらに、通行の長さの重み係数ｗ１を０．５に設定する。車線変更の重み係数ｗ２を０．５に設定する。

好ましくは、ステップＳ２で同期的に撮影された近景画像と遠景画像をスプライスする具体的なプロセスは、以下のとおりである。

ステップＳ２１、近景画像と遠景画像の重複領域を取得する。

ステップＳ２２、近景画像と遠景画像の重複領域で特徴点をそれぞれ抽出し、且つ近景画像と遠景画像の重複領域から抽出された特徴点に対して照合、変換及び位置合わせを順次行う。

ステップＳ２３、フェードイン・フェードアウト法を使用して近景画像と遠景画像の重複部分を融合して、スプライスが完了した画像を取得する。

さらに、ステップＳ２２では、ｓｕｒｆアルゴリズムを使用して近景画像と遠景画像の重複領域で特徴点をそれぞれ抽出する。

近景画像と遠景画像の重複領域から抽出された特徴点を照合する場合は、ＲＡＮＳＡＮアルゴリズムを使用して誤った照合を排除する。

近景画像と遠景画像の重複領域から抽出された特徴点に基づいて、最小二乗法を採用してホモグラフィー行列を解き、ホモグラフィー行列により近景画像と遠景画像の重複領域を変化及び位置合わせする。

本発明の第２目的は、下記技術的解決手段により実現される。車両走行経路計画装置であって、以下を含む。

画像取得モジュールであって、短焦点カメラヘッドと長焦点カメラヘッドで同期的に撮影された近景画像と遠景画像を取得するために使用される画像取得モジュール。

画像スプライスモジュールであって、同期的に撮影された近景画像と遠景画像をスプライスして、全体的な道路状況図を取得するために使用される画像スプライスモジュール。

画像変換モジュールであって、全体的な道路状況図に対して逆投影変換を行って、全体的な道路状況平面図を取得するために使用される画像変換モジュール。

画像認識モジュールであって、全体的な道路状況平面図上の各車道での車両と障害物の情報を認識するために使用される画像認識モジュール。

走行経路計画モジュールであって、全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、走行経路を計画するために使用される走行経路計画モジュール。

本発明の第３目的は、下記技術的解決手段により実現される。車両走行経路計画システムであって、撮像ユニットとデータプロセッサを含む。

前記撮像ユニットは、車両に設置され、短焦点カメラヘッドと長焦点カメラヘッドを含み、短焦点カメラヘッドと長焦点カメラヘッドで近景画像と遠景画像をそれぞれ取得する。

前記データプロセッサは、撮像ユニットに接続され、同期的に撮影するように撮像ユニットの短焦点カメラヘッドと長焦点カメラヘッドを制御するために使用されるとともに、本発明の第１目的で説明した車両走行経路計画方法を実現するために使用される。

本発明の第４目的は、下記技術的解決手段により実現される。記憶媒体であって、プログラムが記憶されており、前記プログラムがプロセッサによって実行されると、本発明の第１目的で説明した車両走行経路計画方法を実現する。

本発明の第５目的は、下記技術的解決手段により実現される。計算デバイスであって、プロセッサと、プロセッサ実行可能なプログラムを記憶するためのメモリとを含み、前記プロセッサは、メモリに記憶されたプログラムを実行すると、本発明の第１目的で説明した車両走行経路計画方法を実現する。

従来技術と比較して、本発明は、以下の利点と効果を有する。

（１）本発明の車両走行経路計画方法は、まず、短焦点カメラヘッドと長焦点カメラヘッドで同期的に撮影された近景画像と遠景画像を取得し、その後、同期的に撮影された近景画像と遠景画像をスプライスして、全体的な道路状況図を取得し、続いて、全体的な道路状況図に対して逆投影変換を行って、全体的な道路状況平面図を取得し、最後に、全体的な道路状況平面図上の各車道での車両と障害物の情報を認識して、走行経路を計画する。上記から分かるように、本発明の方法は、近景画像と遠景画像を介して道路状況情報を取得し、リアルタイムの道路状況情報に基づいてリアルタイムで走行経路を計画でき、ネットワークを備えていない道路状況下でも車両走行経路の計画を実現でき、且つ従来技術の走行経路計画における定焦カメラヘッドで撮影された遠端の物体はぼやけてサイズが小さいことによる誤った経路を選択するという問題を解決し、車両の通行効率と安全性を効果的に向上させる。

（２）本発明の車両走行経路計画方法は、まず、全体的な道路状況平面図上の各車道での車両と障害物の情報を認識した後、自車を開始点とし、車道を経路情報とし、経路検索アルゴリズムを使用して通行可能な経路を検索し、その後、通行可能な各経路について、経路長と該経路を通行するときの車線変更の総回数に基づいて各経路の総エネルギー効率を計算し、最後に、最終の計画経路として、経路の総エネルギー効率が最も高い通行可能な経路を選択し、ここで、経路の総エネルギー効率が最も高い通行可能な経路は、車線変更の総回数が比較的少なく、経路長が比較的長い。上記から分かるように、本発明は、走行経路計画において、車道変換の回数と経路長を共同最適化目標として採用して、従来技術における最短経路又は非渋滞経路を最適化目標として車道変換を考慮していないことによる潜在的な安全上のリスクを低減し、走行の安全性をさらに向上させる。

本発明の車両走行経路計画方法のフローチャートである。本発明の車両走行経路計画方法で得られた近景画像の概略図である。本発明の車両走行経路計画方法で得られた遠景画像の概略図である。本発明の車両走行経路計画方法で得られた全体的な道路状況の平面図である。本発明の車両走行経路計画装置の構造を示すブロック図である。本発明の車両走行経路計画システムにおける撮像ユニットの構造を示す概略図である。本発明の車両走行経路計画システムにおける撮像ユニットの構造を示す概略図である。

以下、実施例と図面を参照して本発明をさらに詳細に説明するが、本発明の実施形態は、それらに限定されるものではない。

実施例１
本実施例は、図１に示すように、車両の走行プロセス中の経路計画に適用される車両走行経路計画方法を開示し、該方法のステップは、以下のとおりである。

ステップＳ１、短焦点カメラヘッドと長焦点カメラヘッドで同期的に撮影された近景画像と遠景画像を取得する。ここで、短焦点カメラヘッドが撮影したのは、図２ａに示されている近景画像であり、長焦点カメラヘッドが撮影したのは、図２ｂに示されている遠景画像である。短焦点カメラヘッドと長焦点カメラヘッドは、車両前方の画像を撮影するために、車両にそれぞれ設置されている。ここで、短焦点カメラヘッドと長焦点カメラヘッドが撮影した近景画像と遠景画像に重複領域があるように、短焦点カメラヘッドと長焦点カメラヘッドの撮影画角と視野範囲を調整する必要がある。図２ａに示すように、４０１と４０２は、近景画像内の明瞭で大きな近景の物体であり、４０３と４０４は、近景画像内の不明瞭で小さな遠景の物体である。図２ｂに示すように、５０３と５０４は、遠景画像内の明瞭で大きな遠景の物体である。

ステップＳ２、同期的に撮影された近景画像と遠景画像をスプライスして、全体的な道路状況図を取得する。本実施例では、同期的に撮影された近景画像と遠景画像のスプライス方法の詳細は、以下のとおりである。

ステップＳ２１、近景画像と遠景画像の重複領域を取得する。ここで、図２ａ中の近景画像の上部領域４０５と遠景画像の下部領域５０５は、両者の重複領域である。

このステップでは、本実施例は、ｓｕｒｆアルゴリズムを使用して近景画像と遠景画像の重複領域で特徴点をそれぞれ抽出する。近景画像と遠景画像の重複領域から抽出された特徴点を照合する場合、ＲＡＮＳＡＮ（ランダムサンプリング性が一致している）アルゴリズムを使用して誤った照合を排除する。近景画像と遠景画像の重複領域から抽出された特徴点に基づいて、最小二乗法を採用してホモグラフィー行列を解き、ホモグラフィー行列により近景画像と遠景画像の重複領域を変化及び位置合わせする。

本実施例では、遠景画像の重複領域に基づいて、近景画像の重複領域を上下にスプライスし、すなわち、遠景画像は、上部にあり、近景画像は、下部にある。遠景画像と近景画像がスプライスされた後、そのうち、上部にある不明瞭で小さな遠景の物体は、遠景画像内の下部にある明瞭で大きな遠景の物体によって置き換えられる。本実施例では、他の従来の画像スプライス方法を採用して近景画像と遠景画像をスプライスすることもできる。

ステップＳ３、全体的な道路状況図に対して逆投影変換を行って、図３に示されている全体的な道路状況平面図を取得する。

ステップＳ５、全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、走行経路を計画する。その詳細は、以下のとおりである。

ステップＳ５１、図３に示すように、全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、自車を開始点とし、車道を経路情報とし、経路検索アルゴリズムを使用して通行可能な経路を検索する。本実施例では、使用された経路検索アルゴリズムは、アリコロニーアルゴリズム、遺伝的アルゴリズム、粒子群アルゴリズム、Ａ＊検索アルゴリズム、人工ポテンシャル法、量子粒子群アルゴリズム又はニューラルネットワークアルゴリズムなどを採用できる。

ステップＳ５２、検索された通行可能な各経路について、経路長を取得し、且つ該経路を通行するときの車線変更の総回数を計算する。ここで、車両が一方の車道から他方の車道に変換すると、車線変更の回数は、１増加する。

ここで、Ｕｉはｉ番目の通行可能な経路の総エネルギー効率、Ｌｉはｉ番目の通行可能な経路の経路長、Ｎｉはｉ番目の通行可能な経路を通行するときの車線変更の総回数、ｎは通行可能な経路の総数、ｄｍａｘは道路の最大走行可能距離（ｄｍａｘは特定の値、たとえば１０００メートル）、ｗ１は通行の長さの重み係数、ｗ２は車線変更の重み係数である。本実施例では、通行の長さの重み係数ｗ１を０．５に設定し、車線変更の重み係数ｗ２を０．５に設定できる。

実施例２
図４に示すように、本実施例は、車両走行経路計画装置を開示し、該車両走行経路計画装置は、以下を含む。

本実施例では、走行経路計画モジュールは、具体的には以下を含む。

通行可能経路検索モジュールであって、全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、自車を開始点とし、車道を経路情報とし、経路検索アルゴリズムを使用して通行可能な経路を検索するために使用される通行可能経路検索モジュール。

経路長計算モジュールであって、検索された通行可能な各経路の経路長を取得するために使用される経路長計算モジュール。

経路車線変更総回数計算モジュールであって、検索された通行可能な各経路について、該経路を通行するときの車線変更の総回数を計算するために使用される経路車線変更総回数計算モジュール。

経路総エネルギー効率計算モジュールであって、通行可能な各経路の総エネルギー効率を次の式で計算するために使用される経路総エネルギー効率計算モジュール。その詳細は、以下のとおりである。
Ｕｉ＝Ｔｉ＋Ｆｉ。
ここで、

ここで、Ｕｉはｉ番目の通行可能な経路の総エネルギー効率、Ｌｉはｉ番目の通行可能な経路の経路長、Ｎｉはｉ番目の通行可能な経路を通行するときの車線変更の総回数、ｎは通行可能な経路の総数、ｄｍａｘは道路の最大走行可能距離（ｄｍａｘは特定の値、たとえば１０００メートル）、ｗ１は通行の長さの重み係数、ｗ２は車線変更の重み係数である。

比較モジュールであって、各通行可能な経路の総エネルギー効率を比較するために使用される比較モジュール。

計画結果決定モジュールであって、走行経路の最終的な計画結果として、経路の総エネルギー効率が最も高い通行可能な経路を選択するために使用される計画結果決定モジュール。

本実施例の装置は、実施例１の車両走行経路計画に対応するので、各モジュールの具体的な実現は、上記実施例１を参照してもよく、ここで、いちいち説明しない。なお、本実施例が提供する装置は、上記各機能モジュールの分割のみを例に挙げて説明する。実際のアプリケーションでは、必要に応じて上記機能を異なる機能モジュールに割り当てて完了させることができる。すなわち、内部構造を異なる機能モジュールに分割して、上記機能のすべて又は一部を完了する。当業者は、本明細書に開示されている実施例を参照して説明した各例のユニット及びアルゴリズムステップは、電子ハードウェア、コンピュータソフトウェア又は両者の組み合わせにより実現され得ることを理解できる。ハードウェアとソフトウェアの互換性を明確に説明するために、上記説明では、機能に従って各例の構成とステップを一般的に説明している。これらの機能がハードウェアによって実行されるか、ソフトウェアによって実行されるかは、技術的解決手段の特定のアプリケーションと設計の制約条件に依存する。専門技術者は、特定のアプリケーションごとに異なる方法を使用して、説明した機能を実現できるが、この実現は、本発明の範囲を超えるものと見なされるべきではない。

実施例３
本実施例は、撮像ユニットとデータプロセッサを含む車両走行経路計画システムを開示する。

撮像ユニットは、車両に設置され、短焦点カメラヘッドと長焦点カメラヘッドを含み、短焦点カメラヘッドと長焦点カメラヘッドにより、近景画像と遠景画像をそれぞれ取得する。本実施例では、図５ａ及び５ｂに示すように、カメラヘッド１００は、一眼短焦点カメラヘッド１０４又は二眼短焦点カメラヘッド１０４、及び一眼長焦点カメラヘッド１０２を含み得る。

データプロセッサは、撮像ユニットに接続され、同期的に撮影するように撮像ユニット内の短焦点カメラヘッドと長焦点カメラヘッドを制御するために使用されるとともに、上記実施例１で説明した車両走行経路計画方法を実現するために使用される。その詳細は、以下のとおりである。

短焦点カメラヘッドと長焦点カメラヘッドで同期的に撮影された近景画像と遠景画像を取得する。

同期的に撮影された近景画像と遠景画像をスプライスして、全体的な道路状況図を取得する。

全体的な道路状況図に対して逆投影変換を行って、全体的な道路状況平面図を取得する。

全体的な道路状況平面図上の各車道での車両と障害物の情報を認識する。

全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、走行経路を計画する。その詳細は、以下のとおりである。

全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、自車を開始点とし、車道を経路情報とし、経路検索アルゴリズムを使用して通行可能な経路を検索する。

検索された通行可能な各経路について、経路長を取得し、且つ該経路を通行するときの車線変更の総回数を計算する。

通行可能な各経路の総エネルギー効率を次の式で計算する。
Ｕｉ＝Ｔｉ＋Ｆｉ。
ここで、

各通行可能な経路の総エネルギー効率を比較し、走行経路の最終的な計画結果として、経路の総エネルギー効率が最も高い通行可能な経路を選択する。

本実施例では、データプロセッサは、マイクロプロセッサ、マイクロコントローラ又はデジタル信号プロセッサなどであってもよい。通常、マイクロプロセッサ（ＭＰＵ）は、強い機能を持つＣＰＵを表し、本実施例は、Ｍｏｔｏｒｏｌａの６８ＫシリーズやＩｎｔｅｌのＸ８６シリーズなどの最も一般的なマイクロプロセッサの一部を直接選択できる。本実施例では、マイクロコントローラは、直接選択されたシングルチップマイクロコンピュータであってもよく、それは、構造がシンプルであり、コストが低いという利点を有する。デジタル信号プロセッサ（ＤＳＰ）のＣＰＵは、離散時間信号処理計算を非常に速く実行するように特別に設計されたものであり、機能が強いという利点を有する。本実施例では、ｔｉのＴＭＳ３２０ＣＸＸシリーズとＭｏｔｏｒｏｌａの５６００Ｘシリーズを選択できる。

本実施例では、データプロセッサは、撮像ユニットに接続され、同期的に撮影するように撮像ユニットの短焦点カメラヘッドと長焦点カメラヘッドをタイミングで制御することを設定でき、撮像ユニットの短焦点カメラヘッドと長焦点カメラヘッドが同期的に撮影するように外部トリガーモードに従って制御することもできる。データプロセッサは、画像処理ユニットと計算ユニットを含み、該画像処理ユニットと計算ユニットは、ハードウェア及び／又はソフトウェア方法で実現され得、画像処理ユニットにより近景画像と遠景画像のスプライス、画像の逆投影変換及び画像認識を実現する。全体的な道路状況平面図上の各車道での車両と障害物の情報の認識が完了すると、計算ユニットは、経路検索アルゴリズムを利用して通行可能な経路を検索し、検索された通行可能な経路について、経路の総エネルギー効率を計算し、最後に、経路の総エネルギー効率の大きさを比較し、経路の総エネルギー効率が最も高い通行可能な経路を最終的な計画結果とする。

本実施例で開示する車両走行経路計画システムに基づいて、データプロセッサと撮像ユニットの２つのハードウェアデバイスを車両に設置して、撮像ユニットとデータプロセッサに対して通信接続を行うだけで、経路の計画を実現できる。ここで、データプロセッサは、マイクロプロセッサ、マイクロコントローラ又はデジタル信号プロセッサなどの画像処理、制御及び計算機能を備えた車両の元のデバイスを直接使用することもできる。

実施例４
本実施例は、プログラムが記憶された記憶媒体を開示し、前記プログラムは、プロセッサによって実行されると、実施例１で説明した車両走行経路計画方法は、以下のように実現される。

短焦点カメラヘッドと長焦点カメラヘッドが同期的に撮影した近景画像と遠景画像を取得する。

本実施例では、記憶媒体は、コンピュータがアクセスできる任意の使用可能な媒体であってもよく、又は１つ又は複数の使用可能な媒体を含むサーバやデータセンターなどのデータ記憶装置であってもよい。使用可能な媒体は、磁気媒体（たとえば、フロッピーディスク、ハードディスク、テープ）、光メディア（たとえば、ＤＶＤ）、又は半導体メディア（たとえばＳＳＤ）などであってもよい。

実施例５

本実施例は、プロセッサと、プロセッサ実行可能なプログラムを記憶するためのメモリとを含む計算デバイスを開示する。

前記プロセッサは、メモリに記憶されたプログラムを実行することにより、実施例１で説明した車両走行経路計画方法を実現する。その詳細は、以下のとおりである。

本実施例で説明した計算デバイスは、デスクトップパソコン、ノートパソコン、スマートフォン、ＰＤＡ携帯端末又はタブレットなどの端末デバイスであってもよく、計算デバイスのプロセッサは、実施例３で説明したデータプロセッサであってもよい。

本実施例で得られた上記最終的な計画結果は、計算デバイスに接続された表示画面に直接表示でき、計算デバイスに接続された車両の表示画面に送信することもできる。

上記実施例は、本発明の好ましい実施形態であるが、本発明の実施形態は、上記実施例に制限されず、本発明の精神及び原理から逸脱することなく行われる他の変更、修正、置換、組み合わせ及び簡略化は、いずれも同等の置換方法であるべきであり、すべて本発明の特許請求の範囲内として保護されるべきものである。

Claims

短焦点カメラヘッドと長焦点カメラヘッドで同期的に撮影された近景画像と遠景画像を取得するステップＳ１と、
同期的に撮影された近景画像と遠景画像をスプライスして、全体的な道路状況図を取得するステップＳ２と、
全体的な道路状況図に対して逆投影変換を行って、全体的な道路状況平面図を取得するステップＳ３と、
全体的な道路状況平面図上の各車道での車両と障害物の情報を認識するステップＳ４と、
全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、走行経路を計画するステップＳ５と、を含むことを特徴とする車両走行経路計画方法。
ステップＳ５において、走行経路を計画する具体的なプロセスは、
全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、自車を開始点とし、車道を経路情報とし、経路検索アルゴリズムを使用して通行可能な経路を検索するステップＳ５１と、
検索された通行可能な各経路について、経路長を取得し、且つ該経路を通行するときの車線変更の総回数を計算するステップＳ５２と、
通行可能な各経路の総エネルギー効率をＵｉ＝Ｔｉ＋Ｆｉで計算する
（ここで、

ここで、Ｕｉはｉ番目の通行可能な経路の総エネルギー効率、Ｌｉはｉ番目の通行可能な経路の経路長、Ｎｉはｉ番目の通行可能な経路を通行するときの車線変更の総回数、ｎは通行可能な経路の総数、ｄｍａｘは道路の最大走行可能距離、ｗ１は通行の長さの重み係数、ｗ２は車線変更の重み係数である）ステップＳ５３と、
各通行可能な経路の総エネルギー効率を比較し、走行経路の最終的な計画結果として、経路の総エネルギー効率が最も高い通行可能な経路を選択するステップＳ５４と、を含むことを特徴とする請求項１に記載の車両走行経路計画方法。
ステップＳ５１において、使用された経路検索アルゴリズムは、アリコロニーアルゴリズム、遺伝的アルゴリズム、粒子群アルゴリズム、Ａ＊検索アルゴリズム、人工ポテンシャル法、量子粒子群アルゴリズム又はニューラルネットワークアルゴリズムであることを特徴とする請求項２に記載の車両走行経路計画方法。
通行の長さの重み係数ｗ１を０．５に設定し、車線変更の重み係数ｗ２を０．５に設定することを特徴とする請求項２に記載の車両走行経路計画方法。
ステップＳ２で同期的に撮影された近景画像と遠景画像をスプライスする具体的なプロセスは、
近景画像と遠景画像の重複領域を取得するステップＳ２１と、
近景画像と遠景画像の重複領域で特徴点をそれぞれ抽出し、且つ近景画像と遠景画像の重複領域から抽出された特徴点に対して照合、変換及び位置合わせを順次行うステップＳ２２と、
フェードイン・フェードアウト法を使用して近景画像と遠景画像の重複部分を融合して、スプライスが完了した画像を取得するステップＳ２３と、を含むことを特徴とする請求項１に記載の車両走行経路計画方法。
ステップＳ２２では、ｓｕｒｆアルゴリズムを使用して近景画像と遠景画像の重複領域で特徴点をそれぞれ抽出し、
近景画像と遠景画像の重複領域から抽出された特徴点を照合する場合は、ＲＡＮＳＡＮアルゴリズムを使用して誤った照合を排除し、
近景画像と遠景画像の重複領域から抽出された特徴点に基づいて、最小二乗法を採用してホモグラフィー行列を解き、ホモグラフィー行列により近景画像と遠景画像の重複領域を変化及び位置合わせすることを特徴とする請求項５に記載の車両走行経路計画方法。
短焦点カメラヘッドと長焦点カメラヘッドで同期的に撮影された近景画像と遠景画像を取得するために使用される画像取得モジュールと、
同期的に撮影された近景画像と遠景画像をスプライスして、全体的な道路状況図を取得するために使用される画像スプライスモジュールと、
全体的な道路状況図に対して逆投影変換を行って、全体的な道路状況平面図を取得するために使用される画像変換モジュールと、
全体的な道路状況平面図上の各車道での車両と障害物の情報を認識するために使用される画像認識モジュールと、
全体的な道路状況平面図上の各車道での車両と障害物の情報に従って、走行経路を計画するために使用される走行経路計画モジュールと、を含むことを特徴とする車両走行経路計画装置。
車両に設置され、短焦点カメラヘッドと長焦点カメラヘッドを含み、短焦点カメラヘッドと長焦点カメラヘッドにより近景画像と遠景画像をそれぞれ取得する撮像ユニットと、
前記撮像ユニットに接続され、同期的に撮影するように前記撮像ユニットの短焦点カメラヘッドと長焦点カメラヘッドを制御するために使用されるとともに、請求項１〜６のいずれか１項に記載の車両走行経路計画方法を実現するために使用されるデータプロセッサと、を含むことを特徴とする車両走行経路計画システム。
プログラムが記憶された記憶媒体であって、
前記プログラムをプロセッサで実行すると、請求項１〜６のいずれか１項に記載の車両走行経路計画方法を実現することを特徴とする記憶媒体。
プロセッサと、プロセッサ実行可能なプログラムを記憶するためのメモリとを含む計算デバイスであって、
メモリに記憶されたプログラムを前記プロセッサで実行すると、請求項１〜６のいずれか１項に記載の車両走行経路計画方法を実現することを特徴とする計算デバイス。