JP2022160538A - 衝突検出方法、装置、電子機器、記憶媒体、自動運転車両及びコンピュータプログラム - Google Patents

Abstract

【課題】衝突検出方法、装置、電子機器、記憶媒体、自動運転車両及びコンピュータプログラムを提供する。【解決手段】本開示の衝突検出方法は、目標対象の計画走行軌跡と目標対象の履歴走行軌跡とに基づいて、目標対象の予測走行範囲を特定しＳ２１０、目標障害物が検出されたことに応じて、目標障害物の現在走行状態に基づいて、目標障害物の予測走行範囲を特定しＳ２２０、さらに目標対象の予測走行範囲と目標障害物の予測走行範囲とに基づいて、目標対象と目標障害物との衝突リスクを判定するＳ２３０。【選択図】図２

Description

本開示は、人工知能技術分野に関し、特にインテリジェント交通及び自動運転技術分野に関し、具体的に、衝突検出方法、装置、電子機器、記憶媒体、自動運転車両及びコンピュータプログラムに関する。

自動運転車両は、無人運転車両とも呼ばれる。人工知能技術の発展に伴い、自動運転車両は人間の運転者が対処できるすべての道路及び環境条件で、すべての運転操作を自律的に完了できることを求めている。これは、自動運転車両が環境知覚、行動決定、及び運動制御などの点でよりインテリジェントな体現を有することを要求する。

本開示は、衝突検出方法、装置、電子機器、記憶媒体、自動運転車両及びコンピュータプログラムを提供している。

本開示の一局面によれば、目標対象の計画走行軌跡と前記目標対象の履歴走行軌跡とに基づいて、前記目標対象の予測走行範囲を特定することと、目標障害物が検出されたことに応じて、前記目標障害物の現在走行状態に基づいて、前記目標障害物の予測走行範囲を特定することと、前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とに基づいて、前記目標対象と前記目標障害物との衝突リスクを判定することと、を含む衝突検出方法を提供している。

本開示の別の局面によれば、目標対象の計画走行軌跡と前記目標対象の履歴走行軌跡とに基づいて、前記目標対象の予測走行範囲を特定するための目標対象特定モジュールと、目標障害物が検出されたことに応じて、前記目標障害物の現在走行状態に基づいて、前記目標障害物の予測走行範囲を特定するための目標障害物特定モジュールと、前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とに基づいて、前記目標対象と前記目標障害物との衝突リスクを判定するための衝突予測モジュールと、を含む衝突検出装置を提供している。

本開示の別の局面によれば、少なくとも１つのプロセッサと、前記少なくとも１つのプロセッサと通信接続するメモリとを有する電子機器であって、前記メモリに、前記少なくとも１つのプロセッサによって実行され得るコマンドが記憶されており、前記コマンドが前記少なくとも１つのプロセッサによって実行されることで、前記少なくとも１つのプロセッサが上述したような方法を実行することができる電子機器を提供している。

本開示の別の局面によれば、コンピュータに上述したような方法を実行させるためのコンピュータコマンドを記憶している非一時的なコンピュータ読取可能な記憶媒体を提供している。

本開示の別の局面によれば、上述したような電子機器を含む自動運転車両を提供している。

本開示の別の局面によれば、プロセッサにより実行される場合に、上述したような方法を実現するコンピュータプログラムを提供している。

理解されるべきこととして、本部分に記載された内容は、本開示の実施例のキーポイント又は重要な特徴を示すことを意図するものではなく、本開示の範囲を限定するものでもない。本開示の他の特徴は、以下の説明により容易に理解される。

ここで、図面は、本技術案をよりよく理解するために用いられ、本開示を限定するものではない。
図１は、本開示の実施例による衝突検出方法及び装置を適用可能な例示的なシステムアーキテクチャを模式的に示している。 図２は、本開示の実施例による衝突検出方法のフローチャートを模式的に示している。 図３は、本開示の実施例による横方向ずれ量を特定する模式図を模式的に示している。 図４は、本開示の別の実施例による横方向ずれ量を特定する模式図を模式的に示している。 図５は、本開示の実施例による目標対象と目標障害物との間に衝突リスクがある模式図を模式的に示している。 図６は、本開示の実施例による衝突検出装置のブロック図を模式的に示している。 図７は、本開示の実施例による衝突検出方法を実現することに適す電子機器のブロック図を模式的に示している。

以下、図面を参照して本開示の例示的な実施例を説明する。ここで、より理解しやすいために本開示の実施例の様々な詳細は含まれ、それらが例示的なものであると考えられるべきである。したがって、当業者であれば、ここで記載される実施例に対して様々な変更・修正を行うことができ、本開示の範囲及び精神から逸脱することはないと分るべきである。同様に、明確かつ簡潔に説明するために、以下の記載において周知の機能や構成に対する説明を省略する。

自動運転車両の走行中に、自動運転車両は往復車両、歩行者、緑化地帯等の障害物を識別し、衝突リスクの早期警報を行う必要がある。実際の応用において、自動運転車両は、障害物識別、衝突リスクの早期警報、及びリスク回避などの点で、その識別、早期警報上の正確度及び処理効率を改善する必要がある。

本開示は、衝突検出方法、装置、電子機器、記憶媒体、自動運転車両及びプログラムを提供している。

本開示の実施例によれば、衝突検出方法は、目標対象の計画走行軌跡と目標対象の履歴走行軌跡とに基づいて、目標対象の予測走行範囲を特定することと、目標障害物が検出されたことに応じて、目標障害物の現在走行状態に基づいて、目標障害物の予測走行範囲を特定することと、目標対象の予測走行範囲と目標障害物の予測走行範囲とに基づいて、目標対象と目標障害物との衝突リスクを判定することとを含んでよい。

本開示の実施例が提供した衝突検出方法は、目標対象の予測走行範囲と目標障害物の予測走行範囲とを利用して、目標対象と目標障害物との間の衝突リスクを判定する。目標対象と目標障害物とに対して、それぞれ走行範囲の予測、即ち双方向計算を行い、衝突リスク予測の正確性を向上させるとともに、自動運転車両の衝突リスクの測定性を実現する。

本開示の技術案では、係られたユーザ個人情報の取得、記憶及び応用などは、いずれも関連法律や法規の規定に合致しており、公序良俗に反していない。

図１は、本開示の実施例による衝突検出方法及び装置を適用可能な例示的なシステムアーキテクチャを模式的に示している。

当業者が本開示の技術内容を理解することに役立つように、図１に示すのは単に本開示の実施例を適用可能なシステムアーキテクチャの例示であるが、本開示の実施例が他の機器、システム、環境又はシーンに適用できないことを意味しないことに注意すべきである。

図１に示すように、この実施例によるシステムアーキテクチャ１００は、自動運転車両１０１、１０２、１０３と、ネットワーク１０４と、サーバ１０５とを含んでもよい。ネットワーク１０４は、端末機器１０１、１０２、１０３とサーバ１０５との間に通信リンクの媒体を提供するためのものである。ネットワーク１０４は、各種の接続タイプ、例えば、有線及び／又は無線通信リンクなどを含んでもよい。

自動運転車両１０１、１０２、１０３は、運転操作を自動的に完了できる車両であってよく、自動車、三輪車、バスなどを含むが、これらに限られない。自動運転車両１０１、１０２、１０３には、自動運転制御ソフトウェア、高精度地図アプリケーションプログラムなどがインストールされていてもよい。自動運転車両１０１、１０２、１０３には、例えば、撮像装置、レーザレーダ、ミリ波レーダ、超音波レーダ、測位装置などの知覚センサが取り付けられていてもよい。自動運転車両１０１、１０２、１０３は、知覚センサで、例えば、現在位置、姿勢及び速度などの現在走行状態情報を収集してもよいが、これに限られず、知覚センサで周囲環境、障害物走行状態情報などを収集してもよい。

サーバ１０５は、各種のサービスを提供するサーバ、例えば、自動運転車両１０１、１０２、１０３が送信したリクエストをサポートするバックグラウンド管理サーバ（単に例示）であってよい。バックグラウンド管理サーバは、受信したリクエストなどのデータに対して解析などの処理を行い、処理結果（例えば、走行速度低減、操舵等）を自動運転車両１０１、１０２、１０３にフィードバックしてもよい。

なお、本開示の実施例が提供した衝突検出方法は、一般的に、自動運転車両１０１、１０２、又は１０３によって実行されてよい。それに応じて、本開示の実施例が提供した衝突検出装置が自動運転車両１０１、１０２、又は１０３に設けられてもよい。

例えば、自動運転車両は、撮像装置によって目標障害物が検出され、レーザレーダ等の知覚センサによって目標障害物の現在走行状態を特定する。自動運転車両は、目標障害物の現在走行状態に基づいて目標障害物の予測走行範囲を予測することができる。さらに、自動運転車両自体の計画走行軌跡と履歴走行軌跡とを用いて、予測走行範囲を特定する。それによって、自体の予測走行範囲と目標障害物の予測走行範囲とに基づいて、両者の間の衝突リスクを判定する。

或いは、本開示の実施例が提供した衝突検出方法は、一般的に、サーバ１０５によって実行されてもよい。それに応じて、本開示の実施例が提供した衝突検出装置は、一般的に、サーバ１０５に設けられてもよい。本開示の実施例が提供した衝突検出方法は、サーバ１０５と異なり、端末機器１０１、１０２、１０３及び／又はサーバ１０５と通信可能なサーバ又はサーバクラスタによって実行されてもよい。それに応じて、本開示の実施例が提供した衝突検出装置は、サーバ１０５と異なり、端末機器１０１、１０２、１０３及び／又はサーバ１０５と通信可能なサーバ又はサーバクラスタに設けられてもよい。

理解されるべきこととして、図１における自動運転車両、ネットワーク及びサーバの数は、単に例示的なものに過ぎない。実現の必要に応じて、任意の数の自動運転車両、ネットワーク及びサーバを有してもよい。

図２は、本開示の実施例による衝突検出方法のフローチャートを模式的に示している。

図２に示すように、この方法は、操作Ｓ２１０～Ｓ２３０を含む。

操作Ｓ２１０において、目標対象の計画走行軌跡と目標対象の履歴走行軌跡とに基づいて、目標対象の予測走行範囲を特定する。

操作Ｓ２２０において、目標障害物が検出されたことに応じて、目標障害物の現在走行状態に基づいて、目標障害物の予測走行範囲を特定する。

操作Ｓ２３０において、目標対象の予測走行範囲と目標障害物の予測走行範囲とに基づいて、目標対象と目標障害物との衝突リスクを判定する。

本開示の実施例によれば、目標対象は自動運転車両であってよい。本開示の実施例において、自動運転車両のタイプ、例えば、車種、サイズ及びブランドが限定されない。

本開示の実施例によれば、計画走行軌跡は予め計画された走行軌跡であってよく、実際の応用において、ナビゲーションとして目標対象の走行軌跡を明確にしてもよい。

本開示の実施例によれば、履歴走行軌跡は実際に発生した走行軌跡であってよい。実際の応用において、実際走行軌跡と計画走行軌跡との間に一定のずれが存在する。目標対象の計画走行軌跡と目標対象の履歴走行軌跡とに基づいて、目標対象の計画走行軌跡における軌跡点と、目標対象の計画走行軌跡における軌跡点とマッチする目標対象の履歴走行軌跡における軌跡点との間のずれを特定し、このずれと目標対象の計画走行軌跡とに基づいて、目標対象の予測走行範囲を特定する。

本開示の実施例によれば、目標対象の計画走行軌跡と目標対象の履歴走行軌跡とを採用して目標対象の予測走行範囲を特定し、実際の応用シーンと結合して、計画走行軌跡と実際走行軌跡との間のずれを考慮することで、目標対象の予測走行範囲がより正確になる。

本開示の実施例によれば、目標障害物のタイプが限定されない。例えば、固定した目標障害物であってもよく、移動可能な障害物であってもよい。

本開示の実施例によれば、障害物は撮像装置で収集された画像情報によって特定されてもよく、レーダセンサ装置で収集された障害物の知覚情報によって特定されてもよく、本開示の実施例はこれを限定しない。

本開示の実施例によれば、目標障害物の現在走行状態に基づいて、目標障害物のタイプを特定してもよい。目標障害物の現在走行状態に基づいて、目標障害物の予測走行範囲を特定してもよい。

例えば、目標障害物が所定時間帯内に移動が発生していない場合、固定した目標障害物であることを確定でき、さらに、目標障害物の予測走行範囲が現在位置であることも確定できる。さらに、例えば、目標障害物が所定時間帯内に一定の移動が発生した場合、現在走行状態、例えば、走行速度、走行方向等の情報に基づいて、目標障害物の予測走行範囲を特定してよい。しかし、これに限られない。現在走行状態と後続に監視された一定の時間帯内の走行状態とを利用して、目標障害物の予測走行範囲を総合的に確定してもよい。

本開示の実施例が提供した衝突検出方法を用いれば、移動可能な目標障害物の予測走行範囲を予測することができ、目標対象と固定した目標障害物との間の衝突リスクを判定することができるだけではなく、目標対象と移動可能な目標障害物との間の衝突リスクを判定することもでき、実際の応用シーンの適用範囲を拡大した。また、目標対象の予測走行範囲も、目標障害物の予測走行範囲も特定した。双方向データを計算することができ、異なる対象に対して、異なる計算データを採用し、指向性も測定性も備え、それにより衝突リスクの予測精度がより高くなる。

以降、具体的な実施例に合わせて、図３～図６を参考して本開示の実施例による方法をさらに説明する。

本開示の実施例によれば、操作Ｓ２２０を実行する前に、目標障害物の検出操作を実行してよい。

例えば、目標対象の現在位置に基づいて、目標検出領域を特定し、目標検出領域内に障害物が検出された場合、障害物のタイプを特定する。

本開示の実施例によれば、目標対象の現在位置は、測位システムで測位されることで特定されてよい。

本開示の実施例によれば、目標検出領域は、目標対象の現在位置を中心とし、所定の長さを半径として、特定された円形領域であってよい。しかし、これに限られない。目標対象の現在位置及び走行方向に応じて目標検出領域を特定してもよい。例えば、目標対象の現在位置を中心とし、所定の長さを半径とし、走行方向に沿って放射して、一定の夾角を有するセクタ領域を得て、セクタ領域を目標検出領域とする。

本開示の実施例によれば、目標検出領域を予め区画することで、目標障害物の選別操作を簡素化し、目標障害物の選別効率を向上させることができる。

本開示の実施例によれば、障害物のタイプが限定されない。障害物は、例えば緑化地帯、建物、道路上のトラフィックポストなどの静止タイプの障害物、即ち、固定した障害物であってもよい。障害物は、移動可能なタイプの障害物であってもよい。移動可能なタイプの障害物は、時間の経過に伴い、一定の計画軌跡に沿って走行する障害物であってもよい。例えば、走行する車両、歩行者、走行する自転車等であってもよい。

本開示の実施例によれば、障害物が静止タイプの障害物である場合、目標対象の予測走行範囲及び障害物の位置を利用して目標対象と障害物との間の衝突リスクを判定しもよく、例えば、障害物の位置が目標対象の予測走行範囲内にある場合、目標対象と障害物とは衝突リスクがあると判定することができ、逆に、障害物の位置が目標対象の予測走行範囲内にない場合、目標対象と障害物とは衝突リスクがないと判定することができる。

本開示の実施例によれば、障害物が移動可能なタイプの障害物である場合、障害物が目標障害物であると判定する。それにより、障害物が目標障害物であると判定した場合、目標障害物が検出されたと判定し、さらに目標障害物が検出されたことに応じて、目標障害物の現在走行状態に基づいて、目標障害物の予測走行範囲を特定する。

本開示の実施例が提供した衝突検出方法を用いれば、多種のタイプの障害物を検出することでき、適用範囲が広い。

本開示の実施例によれば、操作Ｓ２１０は以下の操作によって実行されてもよい。

例えば、所定履歴時間帯内の目標対象の計画走行軌跡における軌跡点と目標対象の履歴走行軌跡における軌跡点との間の横方向ずれ量を算出して、横方向ずれ量セットを得る。横方向ずれ量セットに基づいて、第１の所定将来時間帯内の目標対象の予測走行軌跡と目標対象の計画走行軌跡との間の第１の最大ずれ量を特定する。さらに、第１の最大ずれ量と目標対象の計画走行軌跡とに基づいて、目標対象の予測走行範囲を特定する。

本開示の実施例によれば、横方向ずれ量とは、目標対象の計画走行軌跡における軌跡点と、同一縦方向にある目標対象の履歴走行軌跡における軌跡点との間の横方向ずれ量を意味してよい。

図３は、本開示の実施例による横方向ずれ量を特定する模式図を模式的に示している。

図３に示すように、円形軌跡点３１０からなる軌跡は目標対象の計画走行軌跡であり、ほぼ１つの直線になる。楕円形軌跡点３２０からなる軌跡は目標対象の履歴走行軌跡であり、目標対象の計画走行軌跡と一定のずれを有する。目標対象の計画走行軌跡における軌跡点とそれにマッチする目標対象の履歴走行軌跡における軌跡点とは、いずれも計画走行軌跡の走行方向に垂直な同一直線上に位置してよく、計画走行軌跡における軌跡点とそれにマッチする履歴走行軌跡における軌跡点とを軌跡点ペアと総称してもよい。例えば、図３に示すような軌跡点ペア３３０及び軌跡点ペア３４０。軌跡点ペア３３０間の距離は、横方向ずれ量になる。

本開示の実施例によれば、一定の時間間隔で所定履歴時間帯の目標対象の履歴走行軌跡における複数の軌跡点、及び目標対象の履歴走行軌跡における複数の軌跡点とそれぞれマッチする目標対象の計画走行軌跡における複数の軌跡点を選択し、複数の軌跡点ペアを形成してよい。複数の軌跡点ペアに基づいて複数の横方向ずれベクトルを算出し、複数の横方向ずれベクトルから横方向ずれベクトルセットを構成する。

本開示の実施例によれば、横方向ずれ量セットにおけるいずれか１つの横方向ずれ量結果を第１の最大ずれ量としてもよく、横方向ずれ量セットにおける最大横方向ずれ量を第１の最大ずれ量としてもよい。

本開示の実施例によれば、所定履歴時間帯とは、現時点に最も近い所定時間帯を意味してよい。所定履歴時間帯が現時点に近いほど、特定された横方向ずれ量セット内の結果が第１の所定将来時間帯内の目標対象の予測走行軌跡と目標対象の計画走行軌跡との間の横方向ずれ量に近づく。

本開示の例示的な実施例によれば、さらに横方向ずれ量セットにおける複数の横方向ずれ量結果に基づいて、フィッティングすることでガウス分布モデルを得る。ガウス分布モデルに基づいて第１の所定将来時間帯内の目標対象の予測走行軌跡と目標対象の計画走行軌跡との間の第１の最大ずれ量を特定する。

本開示の実施例によれば、第１の所定将来時間帯と所定履歴時間帯とは時間長さが同じであってもよいが、これに限られず、第１の所定将来時間帯の時間長さが所定履歴時間帯の時間長さよりも長くてもよいし、短くてもよい。

本開示の実施例によれば、所定履歴時間帯の時間長さよりも短い第１の所定将来時間帯の時間長さを設定してもよい。フィッティングすることで得られたガウス分布モデルを利用して第１の最大ずれ量を特定する場合、所定履歴時間帯の時間長さが長いほど、フィッティングガウス分布モデルのデータ量が多くなり、ガウス分布モデルのフィッティング精度に有利になる。第１の所定将来時間帯の時間長さが所定履歴時間帯の時間長さよりも短い場合、予測精度を向上させることにより有利である。

本開示の実施例によれば、フィッティングガウス分布モデルの方式で第１の最大ずれ量を特定することで、より追跡しやすく、かつ実際の応用シーンにフィットする。それにより、予測走行範囲の予測精度が高く、さらに衝突検出の精度を向上させる。

本開示の例示的な実施例によれば、横方向ずれベクトルは以下の操作によって特定されてよい。

例えば、目標対象の履歴走行軌跡点とマッチする目標対象の計画走行軌跡点を特定し、さらに目標対象の履歴走行軌跡点の位置、方向、及び目標対象の計画走行軌跡点の位置、方向に基づいて、目標対象の履歴走行軌跡点と目標対象の計画走行軌跡点との間の横方向ずれ量を算出する。

図４は、本開示の別の実施例による横方向ずれ量を特定する模式図を模式的に示している。

図４に示すように、目標対象の履歴走行軌跡点は軌跡点Ａであり、目標対象の計画走行軌跡における軌跡点Ｂは軌跡点Ａとマッチしており、軌跡点ペアである。軌跡点Ａの位置、方向、及び軌跡点Ｂの位置、方向に基づいて両者の間の横方向ずれ量を特定してよい。例えば、軌跡点Ａの位置と軌跡点Ｂの位置とに基づいて、両者の間の距離ｄを特定することでき、その後、距離ｄを２つの軌跡点の走行方向と組み合わせて、共同に横方向ずれ量を特定する。例えば、軌跡点Ａ及び計画走行軌跡をいずれも２次元座標系（横縦座標系）にマッピングする。そうすると、軌跡点Ｂの走行方向ｂと横縦座標系における横軸ｘとの間のベクトル角度はβであり、軌跡点Ａ及び軌跡点Ｂからなる直線と横軸ｘとの間の角度はαであり、距離ｄ、角度β、及び角度αに基づいて横方向ずれベクトルを得ることができる。

本開示の実施例によれば、横方向ずれ量の１つの実現方式は、以下の式（１）の通りである。

ｌａｔ_ｏｆｆｓｅｔ＝ｄ＊ｓｉｎ（α－β） 式（１）

ただし、ｌａｔ_ｏｆｆｓｅｔは横方向ずれ量であり、ｄは軌跡点Ａと軌跡点Ｂとの間の距離であり、αは軌跡点Ａ及び軌跡点Ｂからなる直線と横軸ｘとの間の角度であり、βは軌跡点Ｂの走行方向ｂと横軸ｘとの間の角度であり、ここで、軌跡点Ａは履歴走行軌跡点であり、軌跡点Ｂは軌跡点Ａとマッチする計画走行軌跡点である。

本開示の実施例によれば、操作Ｓ２２０は以下の操作によって実行されてよい。

例えば、目標障害物の現在走行状態に基づいて、目標障害物の計画走行軌跡を特定する。所定時間帯内の目標障害物の実際走行軌跡を監視する。目標障害物の実際走行軌跡と目標障害物の計画走行軌跡とに基づいて、第２の所定将来時間帯内の目標障害物の予測走行軌跡と目標障害物の計画走行軌跡との間の第２の最大ずれ量を特定する。さらに、第２の最大ずれ量と目標障害物の計画走行軌跡とに基づいて、目標障害物の予測走行範囲を特定する。

本開示の実施例によれば、現在走行状態は、走行方向、走行速度及び走行加速度等の情報を含んでよい。

本開示の実施例によれば、現在の走行方向を目標障害物の計画走行軌跡方向とし、現在位置を目標障害物の計画走行軌跡点とし、軌跡点と軌跡方向とに基づいて目標障害物の計画走行軌跡を特定してよい。

本開示の実施例によれば、目標障害物が所在する道路の延在方向を計画走行軌跡方向とし、目標障害物の現在位置を計画走行軌跡点とし、軌跡点と軌跡方向とに基づいて目標障害物の計画走行軌跡を特定してもよい。

本開示の例示的な実施例によれば、移動可能なタイプの目標障害物は、目標障害物の実際走行軌跡の軌跡点と目標障害物の計画走行軌跡の軌跡点との間の横方向ずれ量もガウス分布モデルに合致する。

本開示の実施例によれば、第１の最大ずれ量の特定方式で第２の最大ずれ量を特定してよい。例えば、目標障害物の実際走行軌跡における軌跡点と目標障害物の計画走行軌跡における軌跡点との間の横方向ずれ量に基づいて、ガウス分布モデルをフィッティングし、ガウス分布モデルに基づいて第２の最大ずれ量を特定してよい。

本開示の実施例によれば、目標障害物の実際走行軌跡における軌跡点と目標障害物の計画走行軌跡における軌跡点との間の横方向ずれ量を用いて、ガウス分布モデルをフィッティングし、ガウス分布モデルに基づいて第２の最大ずれ量を特定する方式を採用することで、目標障害物の予測走行範囲の予測が正確であり、さらに目標対象と目標障害物との間の衝突リスクを低減することができる。

本開示の別の実施例によれば、操作Ｓ２２０は以下の操作によって実行されてもよい。

例えば、目標障害物の現在走行状態に基づいて、目標障害物の計画走行軌跡を特定する。さらに目標障害物の計画走行軌跡と所定横方向ずれ量とに基づいて、目標障害物の予測走行範囲を特定する。

本開示の実施例によれば、現在走行状態は走行方向、走行速度及び走行加速度等の情報を含んでよい。

本開示の実施例によれば、現在の走行方向を目標障害物の計画走行軌跡方向とし、現在位置を目標障害物の計画走行軌跡点とし、軌跡点と軌跡方向とに基づいて目標障害物の計画走行軌跡を特定してもよい。

本開示の別の実施例によれば、目標障害物が所在する道路の延在方向を計画走行軌跡方向とし、目標障害物の現在位置を計画走行軌跡点とし、軌跡点と軌跡方向とに基づいて目標障害物の計画走行軌跡を特定してもよい。

本開示の実施例によれば、所定横方向ずれ量は、目標障害物に応じて予め設定された１つの固定値、または横方向ずれ量閾値であってよい。しかし、これに限られない。監視された目標障害物の走行速度から横方向走行速度を得て、所定時間と横方向走行速度とに基づいて横方向ずれ量を算出してもよい。

本開示の実施例によれば、かかる計画走行軌跡の予測方式は、目標障害物が歩行者又は走行中の自転車であるシーンに適用することができる。歩行者又は走行中の自転車のシーンは、基本的に固定道路に沿って走行し、横方向にずれる空間が比較的に限られており、かつ速度制限に応じて、その走行中に計画走行軌跡とのずれ量が大きくない。そのため、本開示の実施例の計画走行軌跡及び横方向ずれ量の予測方法を採用して得られた結果は実際の状況とずれが大きくない。

本開示の実施例が提供した目標障害物の予測走行範囲を利用することで、予測精度を保証するとともに、計算が簡単になり、処理効率がより高くなる。

本開示の実施例によれば、目標対象の予測走行範囲と目標障害物の予測走行範囲とに基づいて目標対象と目標障害物との衝突リスクを判定してよい。目標対象の予測走行範囲と目標障害物の予測走行範囲とは重なり合いが存在する限り、目標対象と目標障害物とは衝突リスクがあると判定してよい。

例えば、目標対象の予測走行範囲と目標障害物の予測走行範囲とは重なり合いが存在するか否かを判定する。目標対象の予測走行範囲と目標障害物の予測走行範囲とは重なり合いが存在すると判定した場合、目標対象と目標障害物との間に衝突リスクがあると判定する。目標対象の予測走行範囲と目標障害物の予測走行範囲とは重なり合いが存在しないと判定した場合、目標対象と目標障害物との間に衝突リスクがないと判定する。

図５は、本開示の実施例による目標対象と目標障害物との間に衝突リスクがある模式図を模式的に示している。

図５に示すように、目標対象５１０は前方に目標障害物５２０があること検出した。目標障害物５２０が検出されたことに応じて、目標障害物５２０の現在走行状態に基づいて、目標障害物５２０の予測走行範囲５３０を特定する。目標対象５１０の計画走行軌跡と目標対象の履歴走行軌跡とに基づいて、目標対象５１０の予測走行範囲５４０を特定する。

目標障害物５２０の予測走行範囲５３０と目標対象５１０の予測走行範囲５４０とに基づいて、目標障害物５２０の予測走行範囲５３０と目標対象５１０の予測走行範囲５４０との間に重なり合いが存在すると判定することができる。この場合、目標対象５１０と目標障害物５２０とは衝突リスクがあると判定することができる。

本開示の実施例が提供した衝突検出方法を利用して、目標対象の予測走行範囲と目標障害物の予測走行範囲とは重なり合いが存在する限り、目標対象と目標障害物とは衝突リスクがあると判定する方式を採用することで、リスク早期警報の能力を向上させ、運転の安全性を向上させることができる。

本開示の実施例によれば、目標対象の予測走行範囲と目標障害物の予測走行範囲との間の重なり合い範囲面積が所定面積閾値よりも大きい場合、目標対象と目標障害物とは衝突リスクがあると判定してもよい。目標対象の予測走行範囲と目標障害物の予測走行範囲との間の重なり合い範囲面積が所定面積閾値以下である場合、目標対象と目標障害物との間に衝突リスクがないと判定する。

本開示の実施例によれば、所定面積閾値は実際の状況に応じて予め設定された１つの評価標準であってよい。所定面積閾値の大きさは限定されない。しかし、所定面積閾値を小さくするほど、安全早期警報の能力が強くなる。

本開示の実施例によれば、所定面積閾値を設定することで衝突リスクの有無を判定し、誤判の問題の発生を低減し、予測精度を向上させることができる。

本開示の例示的な実施例によれば、目標対象の予測走行範囲、目標障害物の予測走行範囲、及び目標障害物のサイズ、目標対象のサイズ等の属性情報に基づいて、共同で目標対象と目標障害物との間の衝突リスクを判定する。例えば、目標対象の予測走行範囲を基礎とし、目標対象のサイズを組み合わせて、目標対象の予測走行範囲を改めて特定し、更新された目標対象の予測走行範囲を得る。同様に、目標障害物の予測走行範囲を基礎とし、目標障害物のサイズを組み合わせて、更新された目標対象の予測走行範囲を得る。

更新された目標対象の予測走行範囲と更新された目標障害物の予測走行範囲とを利用して、目標対象と目標障害物との間の衝突リスクを判定することで、軌跡予測の時に、目標対象と目標障害物とを中心点に準じて計算を簡素化し、目標対象と目標障害物とのサイズを無視する問題を回避することができる。

本開示の実施例が提供した衝突リスクの判定方式を利用して、目標対象と目標障害物とのサイズを１つの評価要素として考慮することで、実際の応用シーンによりフィットし、比較的大型の車両に対する衝突リスク予測は、より正確になる。

本開示の実施例によれば、目標対象と目標障害物との間に衝突リスクがないと判定した場合、計画走行軌跡に沿って走行し続けてよい。目標対象と目標障害物との間に衝突リスクがあると判定した場合、目標障害物の予測走行範囲に基づいて、目標対象の計画走行軌跡を修正してよい。それにより、目標対象は、修正後の目標対象の計画走行軌跡に基づいて走行し、目標障害物との衝突リスクがない。

本開示の実施例によれば、目標対象と目標障害物との間に衝突リスクがあると判定した場合、目標対象の計画走行軌跡を修正してよい。衝突リスクに対する識別、安全早期警報、行動決定及び運動制御等の一連の自動運転操作を実現し、自動運転の安全性及び安定性を向上させる。

図６は、本開示の実施例による衝突検出装置のブロック図を模式的に示している。

図６に示すように、衝突検出装置６００は、目標対象特定モジュール６１０、目標障害物特定モジュール６２０、及び衝突予測モジュール６３０を含んでもよい。

目標対象特定モジュールは、目標対象の計画走行軌跡と目標対象の履歴走行軌跡とに基づいて、目標対象の予測走行範囲を特定するために用いられる。

目標障害物特定モジュールは、目標障害物が検出されたことに応じて、目標障害物の現在走行状態に基づいて、目標障害物の予測走行範囲を特定するために用いられる。

衝突予測モジュールは、目標対象の予測走行範囲と目標障害物の予測走行範囲とに基づいて、目標対象と目標障害物との衝突リスクを判定するために用いられる。

本開示の実施例によれば、目標対象特定モジュールは、算出手段、第１の特定手段、及び第２の特定手段を含んでよい。

算出手段は、所定履歴時間帯内の目標対象の計画走行軌跡における軌跡点と目標対象の履歴走行軌跡における軌跡点との間の横方向ずれ量を算出して、横方向ずれ量セットを得るために用いられる。

第１の特定手段は、横方向ずれ量セットに基づいて、第１の所定将来時間帯内の目標対象の予測走行軌跡と目標対象の計画走行軌跡との間の第１の最大ずれ量を特定するために用いられる。

第２の特定手段は、第１の最大ずれ量と目標対象の計画走行軌跡とに基づいて、目標対象の予測走行範囲を特定するために用いられる。

本開示の実施例によれば、算出手段は、軌跡点特定サブ手段と、横方向ずれ量特定サブ手段とを含んでよい。

軌跡点特定サブ手段は、目標対象の履歴走行軌跡点とマッチする目標対象の計画走行軌跡点を特定するために用いられる。

横方向ずれ量特定サブ手段は、目標対象の履歴走行軌跡点の位置、方向、及び目標対象の計画走行軌跡点の位置、方向に基づいて、目標対象の履歴走行軌跡点と目標対象の計画走行軌跡点との間の横方向ずれ量を算出するために用いられる。

本開示の実施例によれば、衝突検出装置は、検出モジュールと、タイプ特定モジュールと、障害物特定モジュールとをさらに含んでもよい。

検出モジュールは、目標対象の現在位置に基づいて、目標検出領域を特定するために用いられる。

タイプ特定モジュールは、目標検出領域内に障害物が検出された場合、障害物のタイプを特定するために用いられる。

障害物特定モジュールは、障害物のタイプが移動可能なタイプである場合、障害物を目標障害物として特定するために用いられる。

本開示の実施例によれば、目標障害物特定モジュールは、第３の特定手段、及び第４の特定手段を含む。

第３の特定手段は、目標障害物の現在走行状態に基づいて、目標障害物の計画走行軌跡を特定するために用いられる。

第４の特定手段は、目標障害物の計画走行軌跡と所定横方向ずれ量とに基づいて、目標障害物の予測走行範囲を特定するために用いられる。

本開示の実施例によれば、目標障害物特定モジュールは、第５の特定手段、監視手段、第６の特定手段、及び第７の特定手段を含んでよい。

第５の特定手段は、目標障害物の現在走行状態に基づいて、目標障害物の計画走行軌跡を特定するために用いられる。

監視手段は、所定時間帯内の目標障害物の実際走行軌跡を監視するために用いられる。

第６の特定手段は、目標障害物の実際走行軌跡と目標障害物の計画走行軌跡とに基づいて、第２の所定将来時間帯内の目標障害物の予測走行軌跡と目標障害物の計画走行軌跡との間の第２の最大ずれ量を特定するために用いられる。

第７の特定手段は、第２の最大ずれ量と目標障害物の計画走行軌跡とに基づいて、目標障害物の予測走行範囲を特定するために用いられる。

本開示の実施例によれば、衝突予測モジュールは、重なり合い判定手段、第１のリスク判定手段、及び第２のリスク判定手段を含んでよい。

重なり合い判定手段は、目標対象の予測走行範囲と目標障害物の予測走行範囲とは重なり合いが存在するか否かを判定するために用いられる。

第１のリスク判定手段は、目標対象の予測走行範囲と目標障害物の予測走行範囲とは重なり合いが存在すると判定した場合、目標対象と目標障害物との間に衝突リスクがあると判定するために用いられる。

第２のリスク判定手段は、目標対象の予測走行範囲と目標障害物の予測走行範囲とは重なり合いが存在しないと判定した場合、目標対象と目標障害物との間に衝突リスクがないと判定するために用いられる。

本開示の実施例によれば、衝突検出装置は、修正モジュールをさらに含んでもよい。

修正モジュールは、目標対象と目標障害物との間に衝突リスクがあると判定した場合、目標障害物の予測走行範囲に基づいて、目標対象の計画走行軌跡を修正するために用いられる。

本開示の実施例によれば、本開示は、電子機器、読取可能な記憶媒体、自動運転車両及びコンピュータプログラムをさらに提供している。

本開示の実施例によれば、少なくとも１つのプロセッサと、前記少なくとも１つのプロセッサと通信接続するメモリとを有する電子機器であって、前記メモリに、前記少なくとも１つのプロセッサによって実行され得るコマンドが記憶されており、前記コマンドが前記少なくとも１つのプロセッサによって実行されることで、前記少なくとも１つのプロセッサが上述したような方法を実行することができる、電子機器を提供している。

本開示の実施例によれば、コンピュータに上述したような方法を実行させるためのコンピュータコマンドを記憶している、非一時的なコンピュータ読取可能な記憶媒体を提供している。

本開示の実施例によれば、プロセッサにより実行される場合に、上述したような方法を実現するコンピュータプログラムを提供している。

図７は、本開示の実施例を実施することが可能な例示的電子機器７００の模式的ブロック図を示している。電子機器は、様々な形式のデジタルコンピュータを示すことを目的とし、例えば、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、大型コンピュータ及び他の適切なコンピュータである。電子機器は、さらに様々な形式の移動装置を示してもよく、例えば、パーソナルデジタルアシスタント、携帯電話、スマートフォン、ウェアラブル機器及び他の類似の演算装置である。本明細書に示された部材、それらの接続及び関係、並びにそれらの機能は、例示に過ぎず、本明細書に記載された及び／又は要求された本開示の実現を限定しない。

図７に示すように、機器７００は、計算手段７０１を含み、計算手段７０１は、リードオンリーメモリ（ＲＯＭ）７０２に記憶されたコンピュータプログラム又は記憶手段７０８からランダムアクセスメモリ（ＲＡＭ）７０３にロードされたコンピュータプログラムに基づいて、様々な適切な動作及び処理を実行してもよい。ＲＡＭ７０３には、さらに機器７００の操作に必要な様々なプログラム及びデータを記憶してもよい。計算手段７０１、ＲＯＭ７０２、及びＲＡＭ７０３は、バス７０４を介して相互に接続される。入出力（Ｉ／Ｏ）インターフェース７０５も、バス７０４に接続される。

機器７００における複数の部品は、Ｉ／Ｏインターフェース７０５に接続され、例えばキーボード、マウス等の入力手段７０６と、例えば様々な種類のディスプレイ、スピーカ等の出力手段７０７と、例えば磁気ディスク、光ディスク等の記憶手段７０８と、例えばネットワークカード、モデム、無線通信トランシーバ等の通信手段７０９とを含む。通信手段７０９は、機器７００がインターネット等のコンピュータネットワーク及び／又は各種の電気ネットワークを介して他の機器と情報・データをやり取りすることを可能にする。

計算手段７０１は、処理及び演算能力を有する各種の汎用及び／又は専用の処理モジュールであってもよい。計算手段７０１の幾つかの例として、中央処理ユニット（ＣＰＵ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、各種専用の人工知能（ＡＩ）演算チップ、各種機械学習モデルアルゴリズムをランニングする演算ユニット、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、並びに任意の適切なプロセッサ、コントローラ、マイクロコントローラ等が挙げられるが、これらに限定されない。計算手段７０１は、前文で説明した各方法と処理、例えば、衝突検出方法を実行する。例えば、幾つかの実施例において、衝突検出方法は、例えば記憶手段７０８のような機械可読媒体に有形的に含まれるコンピュータソフトウェアプログラムとして実現されてもよい。いくつかの実施例において、コンピュータプログラムの一部又は全部は、ＲＯＭ７０２及び／又は通信手段７０９を介して機器７００にロード及び／又はインストールされてもよい。コンピュータプログラムがＲＡＭ７０３にロードされて計算手段７０１により実行される場合、前文で説明した衝突検出方法の１つ又は複数のステップを実行してもよい。代替的に、他の実施例において、計算手段７０１は、他の任意の適切な方式（例えば、ファームウェアを介する）により衝突検出方法を実行するように構成されてもよい。

前述した電子機器によれば、電子機器は目標対象の計画走行軌跡と目標対象の履歴走行軌跡とを取得し、目標対象の計画走行軌跡と目標対象の履歴走行軌跡とに基づいて目標対象の予測走行範囲を特定し、さらに目標障害物の現在走行状態に基づいて、目標障害物の予測走行範囲を特定してもよい。そして、目標対象の予測走行範囲と目標障害物の予測走行範囲とに基づいて、目標対象と目標障害物との衝突リスクを判定する。

前述した電子機器によれば、本開示は自動運転車両をさらに提供しており、それは電子機器を含んでもよく、通信部品、周囲環境情報を収集するための知覚センサ等を含んでもよく、通信部品、知覚センサと電子機器とは通信接続される。

ただし、電子機器は、通信部品、知覚センサと一体に集積されてもよく、通信部品、知覚センサと別体に設けられてもよい。

本明細書で以上に説明されたシステム及び技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け標準製品（ＡＳＳＰ）、システムオンチップ（ＳＯＣ）、コンプレックスプログラムマブルロジックデバイス（ＣＰＬＤ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせにおいて実現されてもよい。これらの様々な実施形態は、１つ又は複数のコンピュータプログラムにおいて実施され、該１つ又は複数のコンピュータプログラムは、少なくとも１つのプログラムマブルプロセッサを含むプログラムマブルシステムで実行され及び／又は解釈されることが可能であり、該プログラムマブルプロセッサは、専用又は汎用のプログラムマブルプロセッサであってもよく、記憶システム、少なくとも１つの入力装置、及び少なくとも１つの出力装置からデータ及び命令を受信し、かつデータ及び命令を該記憶システム、該少なくとも１つの入力装置、及び該少なくとも１つの出力装置に伝送することができることを含んでもよい。

本開示の方法を実施するためのプログラムコードは、１つ又は複数のプログラミング言語の任意の組み合わせで作成されてもよい。これらのプログラムコードは、汎用コンピュータ、専用コンピュータ又は他のプログラマブルデータ処理装置のプロセッサ又はコントローラに提供されてもよく、それによって、プログラムコードがプロセッサ又はコントローラにより実行される時に、フローチャート及び／又はブロック図に規定された機能・操作が実施される。プログラムコードは、機器に完全に実行されてもよく、部分的に機器で実行されてもよく、独立したソフトウェアパッケージとして部分的に機器で実行され、かつ部分的に遠隔機器で実行されるか又は完全に遠隔機器又はサーバで実行されてもよい。

本開示のコンテキストにおいて、機械可読媒体は、有形の媒体であってもよく、命令実行システム、装置又は電子機器に使用され、又は命令実行システム、装置又は電子機器と組み合わせて使用されるプログラムを含んで又は記憶してもよい。機械可読媒体は、機械可読信号媒体又は機械可読記憶媒体であってもよい。機械可読媒体は、電子の、磁気的、光学的、電磁的、赤外線の、又は半導体システム、装置又は電子機器、又は上記内容の任意の適切な組み合わせを含んでもよいが、それらに限定されない。機械可読記憶媒体のより具体的な例としては、１つ以上の線による電気的接続、携帯式コンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能なプログラマブルリードオンリーメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ファイバ、コンパクトディスクリードオンリーメモリ（ＣＤ-ＲＯＭ）、光学記憶装置、磁気記憶装置、又は上記内容の任意の適切な組み合わせを含む。

ユーザとの対話を提供するために、コンピュータにここで説明されたシステム及び技術を実施させてもよく、該コンピュータは、ユーザに情報を表示するための表示装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを備え、ユーザは、該キーボード及び該ポインティングデバイスを介して入力をコンピュータに提供することができる。他の種類の装置は、さらにユーザとの対話を提供してもよく、例えば、ユーザに提供されたフィードバックは、いかなる形式のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、かついかなる形式（音声入力、語音入力又は、触覚入力を含む）でユーザからの入力を受信してもよい。

ここで説明されたシステム及び技術は、バックグラウンド部品を含むコンピューティングシステム（例えば、データサーバとする）、又はミドルウェア部品を含むコンピューティングシステム（例えば、アプリケーションサーバ）、又はフロントエンド部品を含むコンピューティングシステム（例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータ、ユーザが該グラフィカルユーザインタフェース又は該ネットワークブラウザを介してここで説明されたシステム及び技術の実施形態と対話することができる）、又はこのようなバックグラウンド部品、ミドルウェア部品、又はフロントエンド部品のいずれかの組み合わせを含むコンピューティングシステムに実施されることが可能である。任意の形式又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によりシステムの部品を互いに接続することができる。通信ネットワークの例としては、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）及びインターネットを例示的に含む。

コンピュータシステムは、クライアント及びサーバを含んでもよい。クライアントとサーバ同士は、一般的に離れており、通常、通信ネットワークを介して対話する。クライアントとサーバとの関係は、該当するコンピュータ上でランニングし、クライアント－サーバの関係を有するコンピュータプログラムによって生成される。サーバは、クラウドサーバであってもよく、分散型システムのサーバであってもよく、又はブロックチェーンを組合せたサーバであってもよい。

理解されるべきこととして、以上に示された様々な形式のフローを使用してもよく、操作を改めてソーティングしたり、追加したり又は削除してもよい。例えば、本開示に記載の各操作は、並列に実行されたり、順次に実行されたり、又は異なる順序で実行されてもよく、本開示に開示された技術案が所望する結果を実現することができれば、本明細書はここで限定されない。

上記具体的な実施形態は、本開示の保護範囲を限定するものではない。当業者であれば、設計要件及び他の要因に応じて、様々な修正、組み合わせ、サブコンビネーション及び代替を行うことが可能であると理解すべきである。本開示の精神と原則内で行われる任意の修正、均等置換及び改良などは、いずれも本開示の保護範囲内に含まれるべきである。

Claims (20)

1. 目標対象の計画走行軌跡と前記目標対象の履歴走行軌跡とに基づいて、前記目標対象の予測走行範囲を特定することと、
   目標障害物が検出されたことに応じて、前記目標障害物の現在走行状態に基づいて、前記目標障害物の予測走行範囲を特定することと、
   前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とに基づいて、前記目標対象と前記目標障害物との衝突リスクを判定することと、を含む、
   衝突検出方法。
2. 前記目標対象の計画走行軌跡と前記目標対象の履歴走行軌跡とに基づいて、前記目標対象の予測走行範囲を特定することは、
   所定履歴時間帯内の前記目標対象の計画走行軌跡における軌跡点と前記目標対象の履歴走行軌跡における軌跡点との間の横方向ずれ量を算出して、横方向ずれ量セットを得ることと、
   前記横方向ずれ量セットに基づいて、第１の所定将来時間帯内の前記目標対象の予測走行軌跡と前記目標対象の計画走行軌跡との間の第１の最大ずれ量を特定することと、
   前記第１の最大ずれ量と前記目標対象の計画走行軌跡とに基づいて、前記目標対象の予測走行範囲を特定することと、を含む、
   請求項１に記載の方法。
3. 前記所定履歴時間帯内の前記目標対象の計画走行軌跡における軌跡点と前記目標対象の履歴走行軌跡における軌跡点との間の横方向ずれ量を算出して、横方向ずれ量セットを得ることは、
   前記目標対象の履歴走行軌跡点とマッチする前記目標対象の計画走行軌跡点を特定することと、
   前記目標対象の履歴走行軌跡点の位置、方向、及び前記目標対象の計画走行軌跡点の位置、方向に基づいて、前記目標対象の履歴走行軌跡点と前記目標対象の計画走行軌跡点との間の横方向ずれ量を算出することと、を含む、
   請求項２に記載の方法。
4. 前記目標対象の現在位置に基づいて、目標検出領域を特定することと、
   前記目標検出領域内に障害物が検出された場合、前記障害物のタイプを特定することと、
   前記障害物のタイプが移動可能なタイプである場合、前記障害物を前記目標障害物として特定することと、をさらに含む、
   請求項１に記載の方法。
5. 前記目標障害物が検出されたことに応じて、前記目標障害物の現在走行状態に基づいて、前記目標障害物の予測走行範囲を特定することは、
   前記目標障害物の現在走行状態に基づいて、前記目標障害物の計画走行軌跡を特定することと、
   前記目標障害物の計画走行軌跡と所定横方向ずれ量とに基づいて、前記目標障害物の予測走行範囲を特定することと、を含む、
   請求項１に記載の方法。
6. 前記目標障害物が検出されたことに応じて、前記目標障害物の現在走行状態に基づいて、前記目標障害物の予測走行範囲を特定することは、
   前記目標障害物の現在走行状態に基づいて、前記目標障害物の計画走行軌跡を特定することと、
   所定時間帯内の前記目標障害物の実際走行軌跡を監視することと、
   前記目標障害物の実際走行軌跡と前記目標障害物の計画走行軌跡とに基づいて、第２の所定将来時間帯内の前記目標障害物の予測走行軌跡と前記目標障害物の計画走行軌跡との間の第２の最大ずれ量を特定することと、
   前記第２の最大ずれ量と前記目標障害物の計画走行軌跡とに基づいて、前記目標障害物の予測走行範囲を特定することと、を含む、
   請求項１に記載の方法。
7. 前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とに基づいて、前記目標対象と前記目標障害物との衝突リスクを判定することは、
   前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とは重なり合いが存在するか否かを判定することと、
   前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とは重なり合いが存在すると判定した場合、前記目標対象と前記目標障害物との間に衝突リスクがあると判定することと、
   前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とは重なり合いが存在しないと判定した場合、前記目標対象と前記目標障害物との間に衝突リスクがないと判定することと、を含む、
   請求項１に記載の方法。
8. 前記目標対象と前記目標障害物との間に衝突リスクがあると判定した場合、前記目標障害物の予測走行範囲に基づいて、前記目標対象の計画走行軌跡を修正することをさらに含む、
   請求項７記載の方法。
9. 目標対象の計画走行軌跡と前記目標対象の履歴走行軌跡とに基づいて、前記目標対象の予測走行範囲を特定するための目標対象特定モジュールと、
   目標障害物が検出されたことに応じて、前記目標障害物の現在走行状態に基づいて、前記目標障害物の予測走行範囲を特定するための目標障害物特定モジュールと、
   前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とに基づいて、前記目標対象と前記目標障害物との衝突リスクを判定するための衝突予測モジュールと、を含む、
   衝突検出装置。
10. 前記目標対象特定モジュールは、
    所定履歴時間帯内の前記目標対象の計画走行軌跡における軌跡点と前記目標対象の履歴走行軌跡における軌跡点との間の横方向ずれ量を算出して、横方向ずれ量セットを得るための算出手段と、
    前記横方向ずれ量セットに基づいて、第１の所定将来時間帯内の前記目標対象の予測走行軌跡と前記目標対象の計画走行軌跡との間の第１の最大ずれ量を特定するための第１の特定手段と、
    前記第１の最大ずれ量と前記目標対象の計画走行軌跡とに基づいて、前記目標対象の予測走行範囲を特定するための第２の特定手段と、を含む、
    請求項９に記載の装置。
11. 前記算出手段は、
    前記目標対象の履歴走行軌跡点とマッチする前記目標対象の計画走行軌跡点を特定するための軌跡点特定サブ手段と、
    前記目標対象の履歴走行軌跡点の位置、方向、及び前記目標対象の計画走行軌跡点の位置、方向に基づいて、前記目標対象の履歴走行軌跡点と前記目標対象の計画走行軌跡点との間の横方向ずれ量を算出するための横方向ずれ量特定サブ手段と、を含む、
    請求項１０に記載の装置。
12. 前記目標対象の現在位置に基づいて、目標検出領域を特定するための検出モジュールと、
    前記目標検出領域内に障害物が検出された場合、前記障害物のタイプを特定するためのタイプ特定モジュールと、
    前記障害物のタイプが移動可能なタイプである場合、前記障害物を前記目標障害物として特定するための障害物特定モジュールと、をさらに含む、
    請求項９に記載の装置。
13. 前記目標障害物特定モジュールは、
    前記目標障害物の現在走行状態に基づいて、前記目標障害物の計画走行軌跡を特定するための第３の特定手段と、
    前記目標障害物の計画走行軌跡と所定横方向ずれ量とに基づいて、前記目標障害物の予測走行範囲を特定するための第４の特定手段と、を含む、
    請求項９に記載の装置。
14. 前記目標障害物特定モジュールは、
    前記目標障害物の現在走行状態に基づいて、前記目標障害物の計画走行軌跡を特定するための第５の特定手段と、
    所定時間帯内の前記目標障害物の実際走行軌跡を特定するための監視手段と、
    前記目標障害物の実際走行軌跡と前記目標障害物の計画走行軌跡と基づいて、第２の所定将来時間帯内の前記目標障害物の予測走行軌跡と前記目標障害物の計画走行軌跡との間の第２の最大ずれ量を特定するための第６の特定手段と、
    前記第２の最大ずれ量と前記目標障害物の計画走行軌跡とに基づいて、前記目標障害物の予測走行範囲を特定するための第７の特定手段と、を含む、
    請求項９に記載の装置。
15. 前記衝突予測モジュールは、
    前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とは重なり合いが存在するか否かを判定するための重なり合い判定手段と、
    前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とは重なり合いが存在すると判定した場合、前記目標対象と前記目標障害物との間に衝突リスクがあると判定するための第１のリスク判定手段と、
    前記目標対象の予測走行範囲と前記目標障害物の予測走行範囲とは重なり合いが存在しないと判定した場合、前記目標対象と前記目標障害物との間に衝突リスクがないと判定するための第２のリスク判定手段と、を含む、
    請求項９に記載の装置。
16. 前記目標対象と前記目標障害物との間に衝突リスクがあると判定した場合、前記目標障害物の予測走行範囲に基づいて、前記目標対象の計画走行軌跡を修正するための修正モジュールをさらに含む、
    請求項１５に記載の装置。
17. 少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサと通信接続するメモリとを有する電子機器であって、
    前記メモリに、前記少なくとも１つのプロセッサによって実行され得るコマンドが記憶されており、前記コマンドが前記少なくとも１つのプロセッサによって実行されることで、前記少なくとも１つのプロセッサが請求項１～９のいずれか一項に記載の方法を実行することができる、
    電子機器。
18. コンピュータに請求項１～９のいずれか一項に記載の方法を実行させるためのコンピュータコマンドを記憶している、
    非一時的なコンピュータ読取可能な記憶媒体。
19. プロセッサにより実行される場合に、請求項１～９のいずれか一項に記載の方法を実現するコンピュータプログラム。
20. 請求項１７に記載の電子機器を含む自動運転車両。

Images