JP2021517675A - 路面状態と天候に基づく環境影響を認識し評価するための方法及び装置 - Google Patents
路面状態と天候に基づく環境影響を認識し評価するための方法及び装置 Download PDFInfo
- Publication number
- JP2021517675A JP2021517675A JP2020519331A JP2020519331A JP2021517675A JP 2021517675 A JP2021517675 A JP 2021517675A JP 2020519331 A JP2020519331 A JP 2020519331A JP 2020519331 A JP2020519331 A JP 2020519331A JP 2021517675 A JP2021517675 A JP 2021517675A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- vehicle
- road
- camera
- obstacles
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000007613 environmental effect Effects 0.000 title claims description 5
- 238000005096 rolling process Methods 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims abstract 2
- 238000011157 data evaluation Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 23
- 238000012545 processing Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 240000004050 Pentaglottis sempervirens Species 0.000 description 3
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007429 general method Methods 0.000 description 2
- 230000000414 obstructive effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
- G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
Description
−乾燥した路面
−少量の水が残る湿った路面
−大量の水が溜まっている濡れた路面(ハイドロプレーニング・リスク)
−雪が積もった路面
−凍った路面
この分類は、以下の簡単な判断基準に基づいて実施される:
乾燥した路面:散乱的、タイヤによって障害は生じない
少量の水が残る湿った路面:多少障害のある鏡面的反射;
大量の水がたまっている濡れた路面(ハイドロプレーニング・リスク):多大な障害のある鏡面的反射;
雪が積もった路面:障害のある散乱的反射;並びに、
凍った路面:障害のない鏡面的反射
湿った路面上の、水飛沫による障害は、好ましくは、明度、及び/或いは、コントラスト、及び/或いは、色彩の差異のみならず、障害のない画像、乃至、画像の障害のない部分領域、乃至、障害のない画像シーケンスと比較した場合のストラクチャの差異から認識可能である。
乾燥した路面では、障害のない散乱的反射が特徴的である。
凍った路面(アイスバーン/「Black Ice」=路面と区別がつかない氷)は、障害のない鏡面的反射が、特徴的である。
−反射タイプの検出、及び/或いは、それを分級するステップ;並びに、
−障害レベルの検出、及び/或いは、その回帰。
概カメラは、車両外部の少なくとも一つの領域を描写できるように構成(特に、配置され、制御)されているが、概領域は、概車両が走行している道路を、少なくともその一部を包含し、そのデータを画像データ評価ユニットに提供する。概画像データ評価ユニットは、道路の少なくとも一点の見た目の違いを、カメラシステムの異なった撮影視点から撮影された少なくとも二枚の画像において評価することにより路面の散乱的反射と鏡面的反射を区別できるように構成されている。
概画像データ評価ユニットは更に、カメラシステムの少なくとも一枚の画像に、車両の一本のタイヤが、その上を転がる際に路面被覆物を巻き上げたことにより生じた障害があるか否かを割り出す様にコンフィグレーションされている。概画像データ評価ユニットは、更に、反射タイプと障害レベルの結果を考慮して路面状態を、以下の五つの路面状態クラスに分級することができるようにコンフィグレーションされている:
a)乾燥した路面:反射タイプ:散乱的、障害無し
b)普通に湿った路面:反射タイプ:鏡面的、障害有り
c)非常に濡れた路面、ハイドロプレーニングリスク有り:反射タイプ:鏡面的、障害大いに有り
d)雪が積もった路面:反射タイプ:散乱的、障害有り
e)凍結した路面(アイスバーン):反射タイプ:鏡面的、障害無し
特に、車載カメラシステムは、デジタル画像処理のアルゴリズムと機械的学習を用いて、乾燥した、濡れた、雪が積もった、凍った等と言った路面状態だけでなく、危険な状況、例えば、ハイドロプレーニングなどを堅牢に検知し、且つ、路面の反射タイプと障害レベルのクロス比較によって、堅牢に区別できるように設計されている。
よって、本発明は、デジタル・エレクトロニクス回路、コンピュータ・ハードウェア、ファームウェア乃至ソフトウェアとして実施されることができる。
摩擦係数を評価するための計算ユニットは、車載カメラシステム、乃至、画像データ評価ユニット内に組み込まれていることができる。
有利な実施形態では、路面反射と水や雪と言った路面被覆物の起こり得る巻き上げとの関連から、乾燥した、濡れた、雪が積もった、凍った等と言った路面状態だけでなく、ハイドロプレーニングなど危険な状況を堅牢に検出することを目的として、デジタル画像処理と機械的学習のアルゴリズムが採用されている。この方法は、モノ、ステレオだけで無くサラウンドビューカメラ、並びに、これらの組み合わせのいずれにも適応させることができる。
フィッシャー・ベクトル・エンコーディング(上述参照)用の方法も含む典型的な機械的学習は、互いに独立して実施される複数のステップから構成されている。第一段階として、直接的に用いられる、或いは、中間的表象に以降される特徴が画像から抽出される。続いて、概特徴乃至中間的表象に基づいて、クラス判断を下す分級手段に学習させる。
Claims (16)
- 以下のステップを包含することを特徴とする路面状態と天候に基づく環境影響を認識し評価するための方法:
−車両外部の少なくとも一つの領域を描写できるように構成されている車載カメラシステムによって、画像データを提供するステップ(S12)
但し、概領域は、少なくとも部分的に、概車両が走行している車線を包含している;
−道路の少なくとも一点の見た目の違いを、カメラシステムの少なくとも二枚の画像において評価することにより路面の散乱的反射と鏡面的反射を区別するステップ(S14);
但し、概画像は、異なった撮影視点から撮影されたものである;
−概カメラシステムの少なくとも一枚の画像に、車両の少なくとも一本のタイヤが、その上を転がる際に路面被覆物を巻き上げたことにより生じた障害があるか否かを割り出すステップ(S16);
−反射タイプと障害レベルの結果を考慮して以下の五つの路面状態クラスに、路面状態を分級するステップ(S18);
a)乾燥した路面:反射タイプ:散乱的、障害無し
b)普通に湿った路面:反射タイプ:鏡面的、障害有り
c)非常に濡れた路面、ハイドロプレーニングリスク有り:反射タイプ:鏡面的、障害大いに有り
d)雪が積もった路面:反射タイプ:散乱的、障害有り
e)凍結した路面(アイスバーン):反射タイプ:鏡面的、障害無し - 車両の車輪の周りの空間の少なくとも一部を捕捉し、少なくとも一枚の少なくとも一領域に、車両の一本のタイヤが、その上を転がる際に路面被覆物を巻き上げたことにより生じた障害があるか否かを割り出すことを特徴とする請求項1に記載の方法。
- 概車載カメラシステムが、第一側方カメラを包含していることを特徴とする請求項2に記載の方法。
- 概車載カメラシステムが、概第一側方カメラから見て車両の反対側に配置された第二側方カメラを包含していることを特徴とする請求項3に記載の方法。
- 概車載カメラシステムが、車載リアカメラを包含していることを特徴とする先行請求項のうち何れか一項に記載の方法。
- 概車載カメラシステムが、車載カフロントメラを包含していることを特徴とする先行請求項のうち何れか一項に記載の方法。
- 異なる視線方向、及び/或いは、視角を有する車載カメラシステムの異なる個別のカメラからの画像データが提供されることを特徴とする先行請求項のうち何れか一項に記載の方法。
- カメラ画像が、内容に応じて狙いを定めて様々に、反射タイプや障害を評価するために用いることができる複数の異なる特別な興味のある領域に、分類されることを特徴とする先行請求項のうち何れか一項に記載の方法。
- 反射タイプや障害を評価するために、各々のカメラが、狙いを定めて様々に使用されることを特徴とする先行請求項のうち何れか一項に記載の方法。
- 該車載カメラ・システムが、自車両(E)前方への捕捉領域(2,1a)を有しており、且つ、路面被覆物が、前方を走行している、前方を横切っている、或いは、前方から向かってくる車両のタイヤが、道路上を走る際に、巻き上げられたことにより生じた画像障害が、割り出されることを特徴とする先行請求項のうち何れか一項に記載の方法。
- 走行ダイナミクス、及び/或いは、他のセンサデータ、及び/或いは、車両のカメラベースではない他の周辺部センサの周辺情報、及び/或いは、天候情報が、路面状態の分級と天気に依存した環境影響を評価するための付加的な判断基準として用いられることを特徴とする請求項1から10の何れか一項に記載の方法。
- 路面状態を分類するために、以下のステップを包含するトレーニング用抜き取りサンプルに基づいた機械的学習システムに基づいてトレーニングされることを特徴とする先行請求項のうち何れか一項に記載の方法:
−反射タイプの検出、及び/或いは、それを分級するステップ;
−障害レベルの検出、及び/或いは、その回帰。 - 反射タイプと障害レベルの路面状態クラスへの写像が、トレーニング用抜き取りサンプルによる機械的学習方法を用いて学習されることを特徴とする請求項12に記載の方法。
- 少なくとも一枚のカメラ画像の少なくとも一つの領域から画像特徴を抽出し、回帰手段を用いて、障害レベルを、或いは、分級手段を用いて、反射タイプ、及び/或いは、路面状態を描写することを特徴とする請求項10或いは11の何れか一項に記載の方法。
- トレーニング用抜き取りサンプルによって、一枚乃至複数枚のカメラ画像の一つの或いは複数の画像部分から路面状態への写像を学習するニューラルネットワークがトレーニングされることを特徴とする請求項1から11の何れか一項に記載の方法。
- 少なくとも一台のカメラ、及び、一つの画像データ評価ユニットを包含する車載カメラシステムであって、以下を特徴とするシステム:
概カメラが、車両外部の少なくとも一つの領域を描写できるように構成されており、概領域が、概車両が走行している道路を、少なくともその一部を包含し、そのデータを画像データ評価ユニットに提供する;そして、
画像データ評価ユニットが、以下のようにコンフィグレーションされている:
路面の散乱的反射と鏡面的反射を、カメラシステムの少なくとも二枚の画像からなるシーケンスにおいて、道路の少なくとも一点の見た目の違いを評価することによって区別できる;
概カメラシステムの少なくとも一枚の画像に、車両の一本のタイヤが、その上を転がる際に路面被覆物を巻き上げたことにより生じた障害があるか否かを割り出す;そして、
反射タイプと障害レベルの結果を考慮して路面状態を、以下の五つの路面状態クラスに分級することができる:
a)乾燥した路面:反射タイプ:散乱的、障害無し
b)普通に湿った路面:反射タイプ:鏡面的、障害有り
c)非常に濡れた路面、ハイドロプレーニングリスク有り:反射タイプ:鏡面的、障害大いに有り
d)雪が積もった路面:反射タイプ:散乱的、障害有り
e)凍結した路面(アイスバーン):反射タイプ:鏡面的、障害無し
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018203807.4 | 2018-03-13 | ||
DE102018203807.4A DE102018203807A1 (de) | 2018-03-13 | 2018-03-13 | Verfahren und Vorrichtung zur Erkennung und Bewertung von Fahrbahnzuständen und witterungsbedingten Umwelteinflüssen |
PCT/DE2019/200016 WO2019174682A1 (de) | 2018-03-13 | 2019-02-26 | Verfahren und vorrichtung zur erkennung und bewertung von fahrbahnzuständen und witterungsbedingten umwelteinflüssen |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021517675A true JP2021517675A (ja) | 2021-07-26 |
JPWO2019174682A5 JPWO2019174682A5 (ja) | 2023-02-02 |
JP7291129B2 JP7291129B2 (ja) | 2023-06-14 |
Family
ID=66175116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020519331A Active JP7291129B2 (ja) | 2018-03-13 | 2019-02-26 | 路面状態と天候に基づく環境影響を認識し評価する方法及び装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200406897A1 (ja) |
JP (1) | JP7291129B2 (ja) |
CN (1) | CN111357012A (ja) |
DE (2) | DE102018203807A1 (ja) |
WO (1) | WO2019174682A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102449392B1 (ko) * | 2022-07-05 | 2022-10-07 | 전해석 | 노면 상태에 기반한 주행 안전 확보를 위한 차량용 ecu의 최적화 및 제어 시스템 및 이를 이용한 차량용 ecu의 최적화 및 제어 방법 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017214030A1 (de) * | 2017-08-11 | 2019-02-14 | Robert Bosch Gmbh | Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs |
DE102019209268B4 (de) * | 2019-06-26 | 2023-03-02 | Continental Automotive Technologies GmbH | Verfahren zur Bewertung eines Fahrbahnzustandes einer Fahrbahn, auf der sich ein Kraftfahrzeug bewegt, sowie Verfahren zum Reduzieren eines Gefährdungsgrades für ein sich auf einer Fahrbahn bewegendes Kraftfahrzeug in Bezug auf eine Gefahrenstelle |
KR102297683B1 (ko) * | 2019-07-01 | 2021-09-07 | (주)베이다스 | 복수의 카메라들을 캘리브레이션하는 방법 및 장치 |
DE102019210935A1 (de) * | 2019-07-24 | 2021-01-28 | Zf Friedrichshafen Ag | Erkennen und Bewerten einer Wasseransammlung auf einer Fahrbahn |
DE102019218461A1 (de) * | 2019-11-28 | 2021-06-02 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Ermitteln einer Aquaplaninggefahr für ein Fortbewegungsmittel |
DE102019135751A1 (de) * | 2019-12-23 | 2021-06-24 | Nira Dynamics Ab | Verfahren, Vorrichtungen, Systeme und Computerprogrammprodukte zum Schätzeneiner Fahrbahnoberflächentemperatur |
US11521127B2 (en) * | 2020-06-05 | 2022-12-06 | Waymo Llc | Road condition deep learning model |
CN112131963B (zh) * | 2020-08-31 | 2023-09-01 | 青岛秀山移动测量有限公司 | 一种基于行驶方向结构特征约束的道路标识线提取方法 |
AT524256B1 (de) * | 2020-10-08 | 2023-06-15 | Thomas Genitheim Ing Dipl Ing Fh | Verfahren zur Ermittlung eines Reibbeiwertes |
DE102021101788A1 (de) * | 2021-01-27 | 2022-07-28 | Zf Cv Systems Global Gmbh | Verfahren zum ortsaufgelösten Ermitteln einer Oberflächeneigenschaft eines Untergrundes, Verarbeitungseinheit und Fahrzeug |
JP2022152402A (ja) * | 2021-03-29 | 2022-10-12 | 本田技研工業株式会社 | 認識装置、車両システム、認識方法、およびプログラム |
DE102021110184A1 (de) | 2021-04-22 | 2022-10-27 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Computerimplementiertes Verfahren zur Abschätzung von Fahrbahneigenschaften |
US11878717B2 (en) | 2022-01-24 | 2024-01-23 | International Business Machines Corporation | Mirage detection by autonomous vehicles |
DE102022206625A1 (de) | 2022-06-29 | 2024-01-04 | Continental Autonomous Mobility Germany GmbH | Verfahren und System zur Straßenzustandsüberwachung durch ein maschinelles Lernsystem sowie Verfahren zum Trainieren des maschinellen Lernsystems |
DE102022211241A1 (de) * | 2022-10-24 | 2024-04-25 | Continental Autonomous Mobility Germany GmbH | Erkennen von Fahrbahnauflage auf einer Fahrbahn |
CN116229765B (zh) * | 2023-05-06 | 2023-07-21 | 贵州鹰驾交通科技有限公司 | 一种基于数字数据处理的车路协同方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014178843A (ja) * | 2013-03-14 | 2014-09-25 | Fujitsu Ltd | 道路管理支援方法、道路管理支援装置、及び道路管理支援プログラム |
JP2017503715A (ja) * | 2013-11-15 | 2017-02-02 | コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト | 車載カメラ・システムを用いた路面状態を割り出すための方法および装置 |
JP2017078972A (ja) * | 2015-10-20 | 2017-04-27 | トヨタ自動車株式会社 | 運転支援装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NZ542080A (en) * | 2003-03-14 | 2008-07-31 | Liwas Aps | A device for detection of road surface condition using a light detection and range sensing apparatus |
DE102005044486B4 (de) * | 2005-09-16 | 2009-02-05 | Daimler Ag | Verfahren zur Detektion des Oberflächenzustands einer Fahrbahn, sowie Detektionssystem und Fahrerassistenzsystem zur Umsetzung des Verfahrens |
DE102013101639A1 (de) | 2013-02-19 | 2014-09-04 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands |
DE102015208428A1 (de) * | 2015-05-06 | 2016-11-10 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Erkennung und Bewertung von Umwelteinflüssen und Fahrbahnzustandsinformationen im Fahrzeugumfeld |
DE102015208429A1 (de) | 2015-05-06 | 2016-11-10 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Erkennung und Bewertung von Fahrbahnreflexionen |
US10832426B2 (en) * | 2015-09-24 | 2020-11-10 | Apple Inc. | Systems and methods for surface monitoring |
DE102016009928A1 (de) * | 2016-08-16 | 2017-02-02 | Daimler Ag | Verfahren zum Erfassen von Nässe auf einer Fahrbahn |
US10082795B2 (en) * | 2016-08-24 | 2018-09-25 | GM Global Technology Operations LLC | Vision-based on-board real-time estimation of water film thickness |
-
2018
- 2018-03-13 DE DE102018203807.4A patent/DE102018203807A1/de not_active Withdrawn
-
2019
- 2019-02-26 JP JP2020519331A patent/JP7291129B2/ja active Active
- 2019-02-26 WO PCT/DE2019/200016 patent/WO2019174682A1/de active Application Filing
- 2019-02-26 CN CN201980005798.XA patent/CN111357012A/zh active Pending
- 2019-02-26 DE DE112019000092.6T patent/DE112019000092A5/de active Pending
-
2020
- 2020-09-14 US US17/019,824 patent/US20200406897A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014178843A (ja) * | 2013-03-14 | 2014-09-25 | Fujitsu Ltd | 道路管理支援方法、道路管理支援装置、及び道路管理支援プログラム |
JP2017503715A (ja) * | 2013-11-15 | 2017-02-02 | コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト | 車載カメラ・システムを用いた路面状態を割り出すための方法および装置 |
JP2017078972A (ja) * | 2015-10-20 | 2017-04-27 | トヨタ自動車株式会社 | 運転支援装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102449392B1 (ko) * | 2022-07-05 | 2022-10-07 | 전해석 | 노면 상태에 기반한 주행 안전 확보를 위한 차량용 ecu의 최적화 및 제어 시스템 및 이를 이용한 차량용 ecu의 최적화 및 제어 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP7291129B2 (ja) | 2023-06-14 |
DE102018203807A1 (de) | 2019-09-19 |
US20200406897A1 (en) | 2020-12-31 |
CN111357012A (zh) | 2020-06-30 |
WO2019174682A1 (de) | 2019-09-19 |
DE112019000092A5 (de) | 2020-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7291129B2 (ja) | 路面状態と天候に基づく環境影響を認識し評価する方法及び装置 | |
EP3807128B1 (en) | A rider assistance system and method | |
JP7332726B2 (ja) | ヒートマップを使用したドライバーの注目の検出 | |
US10147002B2 (en) | Method and apparatus for determining a road condition | |
US10289920B2 (en) | Method and device for determining a roadway state by means of a vehicle camera system | |
JP6174975B2 (ja) | 周囲環境認識装置 | |
CN107782727B (zh) | 基于融合的湿路面检测 | |
US10276040B2 (en) | Method for tracking a target vehicle approaching a motor vehicle by means of a camera system of the motor vehicle, camera system and motor vehicle | |
JP6453490B2 (ja) | 路面反射を認識し評価するための方法及び装置 | |
US9257045B2 (en) | Method for detecting a traffic lane by means of a camera | |
US20180060676A1 (en) | Method and device for detecting and evaluating environmental influences and road condition information in the vehicle surroundings | |
JP2018516799A5 (ja) | ||
JPWO2019174682A5 (ja) | ||
JP2021510227A (ja) | 衝突前アラートを提供するためのマルチスペクトルシステム | |
US20100045449A1 (en) | Method for detecting a traffic space | |
US10867397B2 (en) | Vehicle with a driving assistance system with a low power mode |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20200707 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220204 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221214 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20230124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230125 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230510 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230602 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7291129 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |