JP2023135639A - 制御方法、車両、装置及び記憶媒体 - Google Patents
制御方法、車両、装置及び記憶媒体 Download PDFInfo
- Publication number
- JP2023135639A JP2023135639A JP2023038153A JP2023038153A JP2023135639A JP 2023135639 A JP2023135639 A JP 2023135639A JP 2023038153 A JP2023038153 A JP 2023038153A JP 2023038153 A JP2023038153 A JP 2023038153A JP 2023135639 A JP2023135639 A JP 2023135639A
- Authority
- JP
- Japan
- Prior art keywords
- lane
- information
- image
- vehicle
- probability
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004092 self-diagnosis Methods 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000007257 malfunction Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
- B60W60/00186—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/007—Emergency override
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/027—Parking aids, e.g. instruction means
- B62D15/0285—Parking performed automatically
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
- G06V10/471—Contour-based spatial representations, e.g. vector-coding using approximation functions
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- 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
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
- G06F11/0739—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function in a data processing system embedded in automotive or aircraft systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
- G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
- G06F11/076—Error or fault detection not based on redundancy by exceeding limits by exceeding a count or rate limit, e.g. word- or bit count limit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Radar, Positioning & Navigation (AREA)
- Artificial Intelligence (AREA)
- Aviation & Aerospace Engineering (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Electromagnetism (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
【課題】自動運転の故障時に安全に停車する。【解決手段】本発明は制御方法、車両、装置及び記憶媒体を開示する。当該方法は、画像情報又は地図情報に基づいて車線情報を決定することと、車線情報に基づいて駐車軌跡を決定することと、駐車軌跡に基づいて車両を制御することと、を含み、自動運転システムの故障時に安全に停車できないという問題を解決し、画像情報又は地図情報を安全に停車する支援情報として、画像情報又は地図情報に基づいて車両が位置する道路の車線情報を決定し、車線情報に基づいて停車を支援する。車線情報に基づいて駐車軌跡を決定し、駐車軌跡に基づいて車両を制御することにより、車両の安全な停車を実現し、車両及び運転者の安全を保証する。また、安全な停車を保証する前提下で安全停車システムの複雑さを低下させると共に、経済性を向上させる。【選択図】図1
Description
本発明は、車両制御技術分野に関し、特に制御方法、車両、装置及び記憶媒体に関する。
高度な自動運転(無人運転)車両では、自動運転システムの故障時に、自動運転車両は、安全な停車を保証できないため、危険が生じる。従来技術において、幾つかの自動運転車両は、2つの自動運転システムが独立して同じであり、互いに冗長であるが、コストが高い。幾つかの自動運転車両は、自動運転システムの故障時に直接制動し、停車を支援する如何なる感知情報がなく、このような設計は、停車の安全性及び信頼性を保証することができない。
本発明は、自動運転の故障時に安全に停車できないという問題を解決するために、車両制御方法、車両及び記憶媒体を提供する。
本発明の一態様によれば、
画像情報又は地図情報に基づいて車線情報を決定することと、
車線情報に基づいて駐車軌跡を決定することと、
駐車軌跡に基づいて車両を制御することと、を含む車両制御方法を提供する。
本発明の一態様によれば、
画像情報又は地図情報に基づいて車線情報を決定することと、
車線情報に基づいて駐車軌跡を決定することと、
駐車軌跡に基づいて車両を制御することと、を含む車両制御方法を提供する。
本発明の別の態様によれば、
画像情報を収集するための画像収集装置と、
少なくとも1つのプロセッサと、
少なくとも1つのプロセッサに通信可能に接続されたメモリと、を含み、
メモリには少なくとも1つのプロセッサによって実行可能なコンピュータプログラムが記憶されており、コンピュータプログラムは、少なくとも1つのプロセッサが本発明の何れか1つの実施例の車両制御方法を実行できるように、少なくとも1つのプロセッサによって実行される、車両を提供する。
画像情報を収集するための画像収集装置と、
少なくとも1つのプロセッサと、
少なくとも1つのプロセッサに通信可能に接続されたメモリと、を含み、
メモリには少なくとも1つのプロセッサによって実行可能なコンピュータプログラムが記憶されており、コンピュータプログラムは、少なくとも1つのプロセッサが本発明の何れか1つの実施例の車両制御方法を実行できるように、少なくとも1つのプロセッサによって実行される、車両を提供する。
本発明の別の態様によれば、プロセッサ及びメモリを含む装置であって、メモリにはコンピュータプログラムが記憶されており、プロセッサが当該ピュータプログラムを実行する時に本発明の何れか1つの実施例の車両制御方法を実現する、装置を提供する。
本発明の別の態様によれば、プロセッサが実行する時に本発明の何れか1つの実施例の車両制御方法を実現するためのコンピュータ命令が記憶された、コンピュータ読み取り可能な記憶媒体を提供する。
本発明の実施例の技術的解決手段は、画像情報又は地図情報に基づいて車線情報を決定し、上記車線情報に基づいて駐車軌跡を決定し、上記駐車軌跡に基づいて車両を制御することにより、自動運転システムの故障時に安全に停車できないという問題を解決し、画像情報又は地図情報を安全に停車できる支援情報として、画像情報又は地図情報に基づいて車両が位置する道路の車線情報を決定し、車線情報に基づいて停車を支援する。車線情報に基づいて駐車軌跡を決定し、駐車軌跡に基づいて車両を制御することにより、車両の安全な停車を実現し、車両及び運転者の安全を保証する。また、安全な停車を保証する前提下で安全停車システムの複雑さを低下させると共に、経済性を向上させる。
この部分で説明される内容は、本発明の実施例にかかる肝心又は重要な特徴を特定することを意図するものではなく、本発明の範囲を限定するものでもないことが理解されるべきである。本発明の他の特徴は、以下の明細書から容易に理解される。
本発明の実施例における技術的解決手段をより明らかに説明するために、以下、実施例の説明に使用される図面を簡単に紹介するが、無論、以下の説明における図面は本発明の幾つかの実施例に過ぎず、当業者にとっては、創造的労働を行うことなく、これらの図面に基づいて他の図面を更に得ることができる。
当業者が本発明の解決手段を詳しく理解できるように、以下、本発明の実施例の図面を参照して、本発明の実施例の技術的解決手段を明らか且つ全面的に説明するが、説明される実施例は、本発明の一部の実施例に過ぎず、全ての実施例ではないことが明らかである。当業者が本発明の実施例に基づいて創造的な工夫せずに得られたその他の全ての実施例は、本発明により保護される範囲に属する。
なお、本発明の明細書、特許請求の範囲及び上記図面における「第1」、「第2」などの用語は、類似する対象を区別するために使用され、必ず特定の順序又は優先順位を説明するために使用されるわけではない。このように使用されるデータは、ここで説明される本発明の実施例が、ここで図示又は説明されたもの以外の順序で実施できるように、適当な場合に互いに交換してもよいと理解すべきである。また、「含む」及び「有する」という用語及びそれらの任意の変形は、非排他的な包含をカバーすることを意図し、例えば、一連のステップやユニットを含むプロセス、方法、システム、製品又は機器は、必ずしも明らかに挙げられたステップやユニットに限定されず、明らかに挙げられていない、又は、これらのプロセス、方法、製品や機器に固有の他のステップやユニットを含むことができる。
実施例1
実施例1
図1は、本発明の実施例1により提供される車両制御方法のフローチャートであり、本実施例は、安全な停車のために車両を制御する状況に適用可能であり、当該方法は、コンピュータ機器によって実行可能であり、コンピュータ機器は、車両に取り付けることができる。図1に示すように、当該方法は、
S101、画像情報又は地図情報に基づいて車線情報を決定する、ことを含む。
S101、画像情報又は地図情報に基づいて車線情報を決定する、ことを含む。
本実施例において、画像情報は、具体的に車両走行中に収集された画像の情報として理解することができる。画像情報は、車両周辺環境の情報、車両が走行している道路の情報などを含むことができる。画像情報は、画像収集装置によって収集され、画像収集装置は、車両に取り付けることができる。画像収集装置は、カメラ、ビデオカメラなどであってもよい。地図情報は、車両が走行している道路の地図情報であり、通常、第三者地図提供業者によって自動運転システムに提供され、例えば、自動運転システムは、第三者地図提供業者から地図を取得し、全地球測位システムGPSから返信された測位情報と組み合わせ、車両位置付近の地図情報を取得する。車線情報は、具体的に車両が走行している道路における車線の関連情報として理解することができ、例えば、車線情報は、車線を説明する関数、パラメータであってもよい。
具体的には、画像収集装置により収集された画像情報を取得し、自動運転システムから地図情報を取得し、画像情報及び地図情報を判定し、画像情報及び地図情報が信頼できる情報であるか否かを判定し、信頼できる情報を選択して車両の安全な停車を支援する。画像情報及び地図情報の信頼性をそれぞれ判定し、画像情報及び地図情報から車線情報を決定するための情報を選択し、例えば、画像情報から車線を選別し、データ処理により、車線を示すことができる車線情報を決定する。
S102、車線情報に基づいて駐車軌跡を決定する。
本実施例において、駐車軌跡は、具体的に車両が走行を停止するように制御する時の軌跡として理解することができ、例えば、車両が道路上を走行している時、車両は、交通ルールに従って両側車線の中間を走行し、車両の自動運転システムの故障時、車両は、駐車軌跡に従って停車し、車両の安全を保証する必要がある。
具体的には、車線情報は、車両両側の車線情報であるが、画像収集装置により収集された車線情報は、情報が不正確であり、情報が欠落する(例えば、片側の車線のみがある)などの問題が存在する可能性があるため、車線情報を決定した後、車線情報が正確であり、信頼できるか否かを判定し、同時に、車線情報が片側の車線の情報であるか、両側の車線の情報であるかを判定し、車線情報に基づいて対応する経路を駐車軌跡として選択する。
S103、駐車軌跡に基づいて車両を制御する。
駐車軌跡を決定した後、駐車軌跡に基づいて車両が駐車軌跡に沿って停車し、車両の安全な停車を実現するように制御する対応の制御命令を直接生成することができ、制御命令は、ハンドル制御命令、減速度命令などであってもよく、又は、駐車軌跡に基づいて軌跡に対する車両の追跡誤差を決定し、追跡誤差に基づいて誤差遅延を補償し、補償後の情報に基づいて車両が小さい追跡誤差で駐車軌跡に沿って停車するように車両の安全な停車を制御する対応の制御命令を生成する。
駐車軌跡を決定した後、駐車軌跡に基づいて車両が駐車軌跡に沿って停車し、車両の安全な停車を実現するように制御する対応の制御命令を直接生成することができ、制御命令は、ハンドル制御命令、減速度命令などであってもよく、又は、駐車軌跡に基づいて軌跡に対する車両の追跡誤差を決定し、追跡誤差に基づいて誤差遅延を補償し、補償後の情報に基づいて車両が小さい追跡誤差で駐車軌跡に沿って停車するように車両の安全な停車を制御する対応の制御命令を生成する。
本発明の実施例は、画像情報又は地図情報に基づいて車線情報を決定し、車線情報に基づいて駐車軌跡を決定し、及び駐車軌跡に基づいて車両を制御することにより、自動運転システムの故障時に安全に停車できないという問題を解決し、画像情報又は地図情報を安全に停車できる支援情報として、画像情報又は地図情報に基づいて車両が位置する道路の車線情報を決定し、車線情報に基づいて停車を支援する車両制御方法を提供する。車線情報に基づいて駐車軌跡を決定し、駐車軌跡に基づいて車両を制御することにより、車両の安全な停車を実現し、車両及び運転者の安全を保証する。また、安全な停車を保証する前提下で安全停車システムの複雑さを低下させると共に、経済性を向上させる。
実施例2
実施例2
図2は、本発明の実施例2により提供される車両制御方法のフローチャートであり、本実施例は、上記実施例に基づいて細分化される。図2に示すように、当該方法は、
S201、画像情報及び地図情報を取得する、ことを含む。
S201、画像情報及び地図情報を取得する、ことを含む。
車両の自動運転システム(又はホストコンピュータと称される)が故障し、且つ車両を自律的に制御して緊急な停車を完成することができない場合、地図情報及び画像情報を取得すると共に画像情報又は地図情報に基づいて車両の停車を制御する。
S202、地図情報が利用可能であることに応答して、地図情報に基づいて車線情報を決定する。
地図情報が利用可能である否かを判定する。車両の自動運転システムは、一般的には地図モジュールの状態を監視する監視ノードがあり、地図モジュールの状態を転送し、地図モジュールの状態によって地図情報の状態を示すことを担当する。地図情報には精度が低く、欠落しているなどの利用不能な問題がある場合、この時の地図情報は、車両の安全な停車を制御するための信頼できる情報とすることができず、監視ノードは、エラーを直接報知し、地図情報が利用不能であるように指示し、車両制御方法を実行するスマート機器に配信する。
具体的には、自動運転システムの地図情報の転送ノードが以下の何れか1つのステップに失敗した場合、監視ノードは、何れもエラーを報知する:1、地図を読み取る(読み取りに失敗する);2、車両の位置を読み取る(読み取りに失敗する);3、地図から現在位置する車線を決定する(位置が地図範囲になく、車線を見つけることができない);4、車線をフィッティングする(車線の境界点の数が少な過ぎる);5、車線を送信する(送信に失敗する)。
又は、車両制御方法を実行するスマート機器は、高精度な地図情報に関連するメッセージの送受信状態を監視することで地図情報が利用可能であるか否かを決定することもできる。地図情報が利用可能である場合、この時の地図情報は、信頼できる情報であり、車両が安全な停車を完成するように支援するために使用することができ、そのため、地図情報に基づいて車線情報を決定することができる。地図情報に基づいて車線情報を決定する方法は以下の通りである:車両の位置付けに基づいて地図における車両の位置を決定し、地図に各道路の車線、及び車線情報を予め保存しておき、車両の位置に基づいて車線情報を決定する。又は、通信負荷を減少するために、車両の位置に基づいて車線を決定した後、車線のデータをフィッティングすることで、車線情報を決定し、例えば、3次曲線にフィッティングし、曲線パラメータを車線情報とする。
地図情報が利用可能である場合、地図情報に基づいて画像情報に対して信頼性検証を行い、画像情報が利用可能であるか否かを決定して保存し、地図情報及び画像情報が何れもリアルタイムで更新されるため、画像情報が利用可能であるか否かもリアルタイムで更新される。
S203、地図情報が利用不能であり、且つ画像情報が利用可能であることに応答して、画像情報に基づいて車線情報を決定する。
地図情報が利用不能である場合、この時の地図情報は、車両が安全に停車するように支援するために使用することができず、画像情報に基づいて車両が安全に停車するように支援する必要がある。地図情報が利用不能である場合、画像情報が利用可能であるか否かの前回の検証結果を取得し、画像情報が利用可能であるか否かを決定する。画像情報が利用可能である場合、画像情報から車線を選別し、車線のデータをフィッティングし、車線情報を決定する。画像情報から車線を選別するには、アルゴリズム、ニューラルネットワークモデルなどの方法によって車線を構成する画素点を選別し、画素点の座標に基づいてデータをフィッティングし、車線情報を得ることができる。
S202及びS203は並列ステップであり、実際の適用においてその中の一方を選択して実行することが理解されるべきである。
本実施例の選択可能な一実施例として、この選択可能な実施例の更なる最適化は以下を含む:車両は、画像情報を収集するための画像収集装置を含み、当該方法は、画像情報が利用可能であるか否かを判定することを更に含む。
ここで、画像情報が利用可能である否かを判定することは、具体的には、画像収集装置の状態が正常であることに応答して、画像情報が利用可能であることを決定することを含む。
本実施例において、画像収集装置は、車両の左前方、右前方、中間などの位置に取り付けられてもよく、画像収集装置は、車両のドライブレコーダなどであってもよい。画像収集装置を取り付ける時、できる限り車線の効果的な収集を保証し、画像情報の精度を保証する必要がある。画像収集装置は、車両における部品又は機器の一部の故障時に画像収集装置が依然として正常に動作することを保証し、安全な停車に信頼できる情報参照を提供するために、独立して給電されるように設置されてもよい。
具体的には、車両には、画像情報を収集する画像収集装置を設置し、車両の安全な停車を支援する。画像収集装置の状態を判定し、画像収集装置の状態は、正常及び異常に分けられてもよい。正常状態での画像収集装置により収集された画像情報は利用可能な情報であり、異常状態での画像収集装置により収集された画像情報は利用不能である。画像収集装置の状態は、地図情報及び画像情報に基づいて判定及び更新を行うことができる。画像収集装置の最新状態を取得し、画像収集装置の状態が正常である場合、画像情報が利用可能であることを決定する。
本実施例の選択可能な一実施例として、この選択可能な実施例の更なる最適化は以下を含む:車両は、画像収集装置を含み、当該方法は、地図情報が利用可能であることに応答して、地図情報及び画像情報に基づいて画像収集装置の状態を更新することを更に含む。
具体的には、画像収集装置の状態は、地図情報及び画像情報に基づいて判定することができる。地図情報が利用可能である場合、地図情報に基づいて画像情報が信頼できないことを決定すると、画像収集装置の状態が異常であることを決定し、画像収集装置の状態を異常として更新し、地図情報に基づいて画像情報が信頼できることを決定すると、画像収集装置の状態が正常であることを決定し、画像収集装置の状態を正常として更新する。地図情報に基づいて画像情報が信頼できるか否かを判定する方法は、地図情報と画像情報における車線情報の差が大きく、誤差許容範囲にないことであってもよい。
画像収集装置の状態をリアルタイムで更新することにより、画像収集装置に角度ずれや機能障害などの故障状況がある場合、依然として画像収集装置の画像情報を利用して停車する状況を回避することができる。
選択的に、図3は、本願の実施例により提供される画像収集装置の状態を更新する実現フローチャートであり、そのうち、画像情報は、画像車線パラメータを含み、地図情報は、地図車線パラメータを含み、前記地図情報及び前記画像情報に基づいて前記画像収集装置の状態を更新することは、
S301、地図車線パラメータに基づき、画像車線パラメータの車線偏差を決定する、ステップを含む。
S301、地図車線パラメータに基づき、画像車線パラメータの車線偏差を決定する、ステップを含む。
本実施例において、画像車線パラメータは、具体的には画像における車線のパラメータとして理解することができ、車線パラメータは、一意の車線を決定することができ、地図車線パラメータは、具体的には地図における車線のパラメータとして理解することができる。ここで、車線偏差は、具体的に地図における車線に対する画像収集装置により収集された画像における車線の偏差として理解することができる。
具体的には、地図情報が利用可能である場合、地図情報における地図車線パラメータを車線パラメータの対照基準として、画像車線パラメータが正確であるか否かを判定し、更に画像収集装置が信頼できるか否か、即ち画像収集装置の状態が正常であるか否かを決定する。地図情報における車線を処理することにより、地図車線パラメータを決定し、又は地図情報を予め処理することにより、地図車線パラメータを決定し、地図情報から地図車線パラメータを直接取得する。画像情報における車線を処理することにより、画像車線パラメータを決定し、又は、画像収集装置が画像情報を収集した後、画像情報における車線を認識して処理して画像車線パラメータが得られ、画像情報における画像車線パラメータを直接取得する。画像車線パラメータ及び地図車線パラメータに基づいて2本の車線の偏差を計算し、例えば、所定の距離における画像車線及び地図車線の平均偏差を計算する。
S302、車線偏差に基づいて確率パラメータを決定する。
本実施例において、確率パラメータは、具体的には地図車線と画像車線の偏差の大きさを判定するためのパラメータとして理解することができる。地図車線及び画像車線がパラメトリック分布タイプに該当すると仮定し、パラメトリック分布タイプに基づいて確率計算式を決定し、車線偏差及び確率計算式に基づいて計算し、確率パラメータを得る。
例示的には、本願は、3-Sigma基準に基づいて画像車線及び地図車線のデータを比較する確率パラメータの計算方法を提供する。地図の車線を基準とすると仮定し、この時、画像収集装置の車線と地図車線の偏差は、平均値が0であり且つ標準偏差がsigmaの正規分布に該当する。所定の距離における画像車線と地図車線の平均偏差eを計算し、eを車線偏差として、それによって数値が(-∞,-e)∪(e,∞)に分布する確率パラメータPを計算する。確率パラメータPは、画像車線の評価指標とされてもよく、確率Pが大きいほど、偏差eが小さくなる。そのうち、所定の距離は、任意の値であってもよく、車両走行中の安全距離に基づいて決定されてもよく、例えば、安全距離は30m~40mであり、所定の距離は50mである。所定の距離は、画像収集装置の有効認識範囲を考慮することもできる。
S303、現在の車両速度、確率パラメータ及び対応する確率閾値に基づいて画像収集装置の状態を示すための計数値を更新する。
本実施例において、現在の車両速度は、具体的には現在のデータ処理時刻における車両の走行速度として理解することができる。確率閾値は、具体的には確率パラメータが要求を満たすか否かを判定するための確率の限界値として理解することができる。
具体的には、現在の車両速度の取得は、自動運転システムから取得されてもよく、センサなどの機器から取得されてもよい。確率パラメータに対応する確率閾値を決定し、確率パラメータと確率閾値の大きさを比較することによって画像車線及び地図車線の一致度を決定する。確率パラメータが大きいほど、偏差が小さくなるため、確率パラメータが対応する確率閾値以上である場合、画像車線が地図車線に一致することを決定し、そうでない場合、一致していないことを決定するように設定することができる。現在の車両速度が一定の条件を満たす場合、画像車線が地図車線に一致すると、計数値を更新し、例えば、計数値の数値を減少させ、画像車線が地図車線に一致していないと、計数値の更新は、計数値の数値の増加であってもよい。
画像収集装置に内部アルゴリズムが一時的に故障したシーン、例えばカーブ路及び車線変更時に車線検出が不安定であり、及び現在の車道に車線が存在しないか又は車線が明瞭ではないなどの状況が存在する時、カメラによる車線の認識も困難である。この時、一時的に誤認識された車線が地図車線に一致していないというだけの理由で、カメラが故障したと判定することは不適切である。従って、画像収集装置の状態をリアルタイムで検出する場合、1つの計数値によって過去の一定時間内で画像収集装置により収集された画像車線が地図車線に一致していない回数を特徴付けることができ、計数値がある閾値に達する場合、画像収集装置の状態が異常であり、それにより提供された画像車線パラメータが利用不能であることを判定することができる。
本実施例の選択可能な一実施例として、この選択可能な実施例の更なる最適化は以下を含む:確率パラメータは、左車線の確率パラメータである第1の確率パラメータと、右車線の確率パラメータである第2の確率パラメータと、中間車線の確率パラメータである第3の確率パラメータとを含み、画像情報は画像車線パラメータの状態情報を含む自己診断信号を更に含む。
本実施例において、第1の確率パラメータ、第2の確率パラメータ及び第3の確率パラメータは、何れも異なる車線の確率パラメータを示すための確率パラメータである。左車線及び右車線は、車両走行中に車両の左側及び右側の車線である。そのうち、左側及び右側は、車両の車頭方向又は走行方向に応じて区分することができる。自己診断信号は、具体的には画像収集装置により収集された画像の有効性を判定する信号として理解することができ、自己診断信号は、両側車線の有効認識範囲、品質及びデータ有効性などを含むことができる。本願の実施例により提供された自己診断信号は、好ましくは画像車線パラメータの状態を示すための画像車線パラメータの状態情報を含み、正常状態の画像車線パラメータ情報は、画像収集装置の正常状態を示し、安全に停車するために使用することができる。
この選択可能な実施例は、更にA1~A2によって現在の車両速度、確率パラメータ及び対応する確率閾値に基づく計数値の更新を実現する。
A1、現在の車両速度が速度閾値より大きく、且つ第3の確率パラメータが第1の確率閾値よりも小さいことに応答して、計数値を所定のステップサイズごとにインクリメントする。
本実施例において、速度閾値は、具体的には速度を測定するための限界値として理解することができ、速度閾値は、実際の必要に応じて予め設定することができる。第1の確率閾値の大きさは、必要に応じて設定することができる。所定のステップサイズは、具体的には例えば1、2などの予め設定された数値として理解することができる。
現在の車両速度と速度閾値を比較し、現在の車両速度が速度閾値よりも大きいと、第3の確率パラメータ及びその対応する第1の確率閾値の大きさを更に比較する。現在の車両速度が速度閾値よりも大きく、且つ第3の確率パラメータが第1の確率閾値よりも小さいと、この時、画像車線が地図車線に一致せず、計数値を所定のステップサイズごとにインクリメントし、例えば、計数値に1を加える。
A2、現在の車両速度が速度閾値よりも大きく、且つ第3の確率パラメータが第1の確率閾値以上であることに応答して、画像車線パラメータ、自己診断信号、第1の確率パラメータ及び第2の確率パラメータに基づいて計数値を更新する。
現在の車両速度と速度閾値を比較し、現在の車両速度が速度閾値よりも大きい場合、第3の確率パラメータ及びその対応する第1の確率閾値の大きさを比較する。現在の車両速度が速度閾値よりも大きく、且つ第3の確率パラメータが第1の確率閾値以上であると、この時、画像車線が地図車線に一致し、計数値を更新し、この時の計数値の更新はデクリメントを含む。画像車線と地図車線の一致が中間車線の一致、左車線の一致、右車線の一致などの様々な状況を含むため、更に画像車線パラメータ、自己診断信号、第1の確率パラメータ及び第2の確率パラメータに基づいて計数値を更新する。例えば、左車線又は右車線が一致する場合、それぞれ計数値をデクリメントし、中間車線が一致し、且つ左右車線のデータが何れも正常である場合、計数値をデクリメントする。
本実施例の選択可能な一実施例として、この選択可能な実施例は、更にB1~B3によって画像車線パラメータ、自己診断信号、第1の確率パラメータ及び第2の確率パラメータに基づく計数値の更新を実現することができる。
B1、画像車線パラメータ及び自己診断信号が第1の所定の条件を満たすことに応答して、計数値を所定のステップサイズごとにデクリメントする。
本実施例において、第1の所定の条件は、具体的には例えばデータの有効範囲のような予め設定された条件として理解することができる。画像車線パラメータ及び自己診断信号が第1の所定の条件を満たすか否かを判定し、例えば、左車線パラメータ及び右車線パラメータなどの画像車線パラメータが設定された有効範囲にあるか否か、自己診断信号が設定された有効範囲にあるか否かをそれぞれ判定し、そうであると、第1の所定の条件を満たすことを決定する。第1の所定の条件を満たすことを決定した場合、計数値を所定のステップサイズごとにデクリメントする。
B2、画像車線パラメータ及び自己診断信号が第1の所定の条件を満たし、且つ第1の確率パラメータが第2の確率閾値以上であることに応答して、計数値を所定のステップサイズごとにデクリメントする。
画像車線パラメータ及び自己診断信号が第1の所定の条件を満たす場合、更に第1の確率パラメータと第2の確率閾値を比較し、第1の確率パラメータが第2の確率閾値以上である場合、この時、画像における左車線が地図における左車線に一致し、計数値を所定のステップサイズごとにデクリメントする。
B3、画像車線パラメータ及び自己診断信号が第1の所定の条件を満たし、且つ第2の確率パラメータが第3の確率閾値以上であることに応答して、計数値を所定のステップサイズごとにデクリメントする。
画像車線パラメータ及び自己診断信号が第1の所定の条件を満たす場合、第2の確率パラメータと第3の確率閾値を比較し、第2の確率パラメータが第3の確率閾値以上である場合、この時、画像における右車線が地図における右車線に一致し、計数値を所定のステップサイズごとにデクリメントする。
本実施例において、第2の確率閾値及び第3の確率閾値は、何れも予め設定されてもよく、第1の確率閾値、第2の確率閾値及び第3の確率閾値の役割は同じであり、何れも確率パラメータの大きさが条件を満たすか否かを評価するために使用される。
ステップB1~B3によって計数値のデクリメントを実現することができ、異なるステップにおける条件を満たす場合、それぞれデクリメントし、且つ上記の2つ又は3つのステップを同時に満たすことができる。例えば、画像車線パラメータ及び自己診断信号が第1の所定の条件を満たすと仮定し、第1の確率パラメータは第2の確率閾値以上であると共に第2の確率パラメータは第3の確率閾値以上であり、所定のステップサイズは1であり、画像車線パラメータ及び自己診断信号が第1の所定の条件を満たし(ステップB1を実行する)、計数値から1を減算し、その後、第1の確率パラメータが第2の確率閾値以上であることを決定し(ステップB2を実行する)、計数値から更に1を減算し、更に第2の確率パラメータが第3の確率閾値以上であることを決定し(ステップB3を実行する)、計数値を引き続き1を減算し、計数値から合計で3を減算する。
本願の実施例における第1の確率パラメータ、第2の確率パラメータ及び第3の確率パラメータの大きさは、同じであってもよく、異なってもよく、具体的には実際の必要に応じて設定することができる。
他の場合に対して、計数値は変更せず、例えば、現在の車両速度が速度閾値以下である場合、計数値を増減しない。
S304、更新後の計数値が計数閾値以下であることに応答して、画像収集装置の状態が正常であることを決定する。
本実施例において、計数閾値は、具体的には計数値が条件を満たすか否かを判定するための計数値の限界値として理解することができる。更新後の計数値が計数閾値以下である場合、画像収集装置の状態が正常であることを決定し、更新後の計数値が計数閾値以上である場合、画像収集装置の状態が異常であることを決定する。
車線情報を決定した後、車線情報に基づいて駐車軌跡を決定する。画像情報に基づいて、画像車線パラメータと、画像車線パラメータの状態情報を含む自己診断信号とを含む車線情報を決定する場合、この時、S204~S206を実行して駐車軌跡を決定し、車線情報が画像情報からのものである場合に、更に駐車軌跡を選択する。地図情報に基づいて、地図車線パラメータを含む車線情報を決定する場合、この時、S207を実行して駐車軌跡を決定する。S204~S206及びS207は並列方法であることが理解されるべきである。
S204、画像車線パラメータ及び自己診断信号が第1の所定の条件を満たすことに応答して、画像車線パラメータに基づいて第1の車線を決定し、第1の車線を駐車軌跡として決定する。
本実施例において、第1の車線は、具体的には画像車線パラメータに基づいて選択された車線として理解することができる。第1の所定の条件は、画像車線パラメータにおける左車線パラメータ及び右車線パラメータ、並びに自己診断信号が何れも設定された有効範囲にあることであってもよい。画像車線パラメータ及び自己診断信号が第1の所定の条件を満たす場合、画像車線パラメータに基づいて車両の左車線及び右車線を決定することができ、左車線及び右車線に基づいて左右両側の車線の中間にある何れ1本の車線を第1の車線として選択し、例えば、左車線及び右車線に基づいて中間車線を決定し、中間車線を第1の車線として、第1の車線を駐車軌跡として決定する。
S205、画像車線パラメータ及び自己診断信号が第2の所定の条件を満たすことに応答して、画像車線パラメータに基づいて第2の車線を決定し、第2の車線を駐車軌跡として決定する。
本実施例において、第2の所定の条件は、自己診断信号が有効範囲にあり、画像車線パラメータにおける左車線パラメータ及び右車線パラメータの片側のみのデータが正常であり、即ち片側のみの車線パラメータが有効範囲にあることであってもよい。画像車線パラメータ及び自己診断信号が第2の所定の条件を満たす場合、画像車線パラメータにおける正常な車線パラメータ及び異常な車線パラメータを決定し、正常な車線パラメータを第2の車線として選択し、又は、正常な車線パラメータに基づいて異常な車線パラメータを較正することもでき、較正後の両側の車線パラメータを何れも正常と見なし、左右両側の車線パラメータに基づいて第2の車線を決定し、方法は、S204を参照することができる。
具体的には、異常な車線パラメータを較正する方法は以下の通りである:異常な車線パラメータの方向(左又は右)を決定し、正常な車線の対応する方向(右又は左)に一定のルールに従って車線を生成し、生成された車線のパラメータを較正後の車線パラメータとする。例えば、車線の幅は予め既知であり、通常の場合、両側の車線が平行であるため、一定の幅に応じて正常な車線を異常な車線の方向に並進させ、較正後の車線を得ることができる。
S206、画像車線パラメータ及び自己診断信号が第3の所定の条件を満たすことに応答して、第1の所定のルールに基づいて第3の車線を生成し、第3の車線を駐車軌跡として決定する。
本実施例において、第3の所定の条件は、自己診断信号が有効範囲にあり、画像車線パラメータにおける左車線パラメータ及び右車線パラメータが何れも有効範囲にないことであってもよい。第1の所定のルールは、具体的には予め設定された車線生成ルールであってもよい。
画像車線パラメータ及び自己診断信号が第3の所定の条件を満たす場合、予め設定された第1の所定のルールを決定し、第1の所定のルールに基づいて第3の車線を生成し、第3の車線を駐車軌跡とする。第1の所定のルールは、車線の3次曲線パラメータc0、c1、c2及びc3の選択ルールであってもよく、例えば、c0、c1、c2及びc3は何れも0であり、即ち第3の車線は、車頭の中心点から始まり、車両の正面前方を常に指向する直線である。
S207、地図車線パラメータに基づいて第4の車線を決定し、第4の車線を駐車軌跡として決定する。
地図車線パラメータは、左右両側の車線パラメータを含んでもよく、地図車線パラメータに基づいて1本の車線を第4の車線として選択し、例えば、両側車線の中間にある何れか1本の車線を第4の車線として選択し、好ましくは、地図車線の中間車線を第4の車線として選択し、第4の車線を駐車軌跡とする。
本実施例の選択可能な一実施例として、この選択可能な実施例の更なる最適化は以下を含む:地図情報が利用不能であり、且つ画像情報が利用不能であることに応答して、第2の所定のルールに基づいて第5の車線を生成し、第5の車線を駐車軌跡として決定する。
本実施例において、第2の所定のルールは、第1の所定のルールと同じであってもよく、異なってもよい。地図情報が利用不能であり、且つ画像情報が利用不能である場合、この時、地図情報及び画像情報に基づいて車線情報を直接決定することができず、第2の所定のルールを取得し、第2の所定のルールに基づいて第5の車線を生成し、第5の車線を駐車軌跡として決定する。
S208、駐車軌跡に基づいて横方向誤差及び進行方向誤差を決定する。
本実施例において、横方向誤差は、具体的には車両水平方向の誤差として理解することができ、進行方向誤差は、具体的には車両進行角変化の誤差として理解することができる。
S209、車両走行情報に基づいて進行方向誤差を補償する。
本実施例において、車両走行情報は、具体的には例えばヨー角速度、ハンドル角度、車線曲率データなどの車両走行に関連する情報として理解することができ、そのうち、ヨー角速度は、ヨー角速度センサによって収集されてもよく、ハンドル角度は、ハンドル角度センサによって収集されてもよい。車線曲率は、画像収集装置又は地図に基づいて決定されてもよい。センサが故障した場合、補償しなくてもよく、即ち補償後の進行方向誤差は、元の進行方向誤差に等しい。
本願の実施例における制御命令は、好ましくはハンドル角度命令及び減速度命令を含み、それぞれ横方向制御システム(ハンドルによって横方向制御が行われてもよく、左右側の車輪に異なる制動力を加えることで転舵が行われてもよい)及び縦方向制御システム(例えば、空圧式及び機械式の制動システム)に送信する。減速度命令は、大きさ及び方向を予め決定する減速度であってもよく、例えば、車両が異なる路面に付着する場合に安全に停車できることを確保するために、減速度命令は、-3m/s2として選択される。補償後の進行方向誤差及び横方向誤差に基づき、所定の式と組み合わせ、元のハンドル角度命令を計算する。更に現在の車両速度に基づいて最大安全ハンドル角度を計算し、最大安全ハンドル角度によって元のハンドル角度命令をリミットし、リミットされたハンドル角度命令を得る。リミットされたハンドル角度命令と現在のハンドル角度との差が現在の車両速度で定義された安全距離値よりも大きいと、リミットを再度行い、最終的なハンドル角度命令を得る。車両横方向制御システムは、ハンドル角度命令に基づいてステアリングコラムに接続されたモータを操縦して、ハンドル角度を制御する。縦方向制御システムは、減速度命令に基づいて車両を停車まで減速させるように走行制動又は駐車制動を操縦する。
本願の実施例は、車線情報の決定プロセスを細分化し、地図情報及び画像情報が利用可能であるか否かを判定することで車線情報を決定する車両制御方法を提供する。画像情報が利用可能であるか否かは、画像収集装置の状態に基づいて決定され、画像収集装置に角度ずれや機能障害などの故障状況がある場合に依然として画像収集装置により収集された画像情報を収集して安全に停車することを回避し、データ信頼性を向上させる。本願は、更に画像収集装置の状態の更新を細分化し、計数値によって画像収集装置の状態を示す。地図情報及び画像情報に基づいて車線偏差を決定し、車線偏差に基づいて確率パラメータを決定し、更に現在の車両速度、確率パラメータ及び対応する確率閾値に基づいて計数値を更新する。計数値を設定することで画像収集装置の状態を示すことにより、車線検出の不安定による画像収集装置の状態の不合理な更新を回避することができる。また、駐車軌跡に基づいて横方向誤差及び進行方向誤差を決定し、進行方向誤差を補償し、誤差を減少させ、車両を正確に制御し、車両の安全な停車を保証する。
実施例3
実施例3
図4は、本発明の実施例による電子機器40を実施するために使用できる構成図である。電子機器は、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、ワークテーブル、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などの様々な形態のデジタルコンピュータを示すことが意図される。電子機器は、例えば、パーソナルデジタルアシスタント、セルラ電話、スマートフォン、ウェアラブルデバイス(例えば、ヘルメット、メガネ、時計など)及び他の類似するコンピューティング装置などの様々な形態の移動装置を更に示すことができる。本明細書に示されるコンポーネント、それらの接続及び関係、並びにそれらの機能は単なる例であり、本明細書に記載及び/又は要求される本発明の実現を限定することを意図するものではない。
図4に示すように、車両40は、画像収集装置400、少なくとも1つのプロセッサ401、及びリードオンリーメモリ(ROM)402、ランダムアクセスメモリ(RAM)403などの、少なくとも1つのプロセッサ401に通信可能に接続されたメモリを含み、そのうち、画像収集装置400は、画像情報を収集するために使用され、画像収集装置400の数は、1つ又は複数であってもよい。メモリには少なくとも1つのプロセッサによって実行可能なコンピュータプログラムが記憶されており、プロセッサ401は、リードオンリーメモリ(ROM)402に記憶されたコンピュータプログラム又は記憶ユニット408からランダムアクセスメモリ(RAM)403にロードされたコンピュータプログラムに基づき、様々な適切な動作及び処理を実行することができる。RAM403において、車両40の操作に必要な各種のプログラム及びデータを更に記憶することができる。プロセッサ401、ROM402及びRAM403は、バス404を介して互いに接続される。入力/出力(I/O)インタフェース405は、バス404に接続されてもよい。
車両40における複数のコンポーネントは、I/Oインタフェース405に接続され、例えばキーボード、マウスなどの入力ユニット406と、例えば様々なタイプのディスプレイ、スピーカなどの出力ユニット407と、例えば磁気ディスク、光ディスクなどの記憶ユニット408と、例えばネットワークカード、モデム、無線通信送受信機などの通信ユニット409とを含む。通信ユニット409は、車両40がインターネットのようなコンピュータネットワーク及び/又は様々な電気通信ネットワークを介して他の機器と情報/データを交換することを可能にする。
プロセッサ401は、処理及び計算能力を有する様々な汎用及び/又は専用処理コンポーネントであってもよい。プロセッサ401の幾つかの例は、中央処理ユニット(CPU)、画像処理ユニット(GPU)、様々な専用人工知能(AI)計算チップ、機械学習モデルアルゴリズムを実行する様々なプロセッサ、デジタルシグナルプロセッサ(DSP)、及び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などを含むが、これらに限定されない。プロセッサ401は、例えば車両制御方法などの以上に記載の各方法及び処理を実行する。
幾つかの実施例において、車両制御方法は、例えば記憶ユニット408などのコンピュータ読み取り可能な記憶媒体に有形に含まれるコンピュータプログラムとして実現されてもよい。幾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ては、ROM402及び/又は通信ユニット409を介して車両40にロード及び/又はインストールされる。コンピュータプログラムがRAM403にロードされ且つプロセッサ401によって実行される場合、以上に記載の車両制御方法の1つ又は複数のステップを実行することができる。代替的には、他の実施例において、プロセッサ401は、他の任意の適切な方法(例えば、ファームウェアによる)によって車両制御方法を実行するように配置されてもよい。
本明細書において以上に記載の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、以下を含むことができる: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、当該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つのプログラマブルプロセッサを含むプログラマブルシステムで実行及び/又は解釈されてもよく、当該プログラマブルプロセッサは、専用又は汎用のプログラ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、データ及び命令を当該記憶システム、当該少なくとも1つの入力装置、及び当該少なくとも1つの出力装置に送信することができる。
本発明の方法を実施するためのコンピュータプログラムは、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を用いて記述されてもよい。これらのコンピュータプログラムは、コンピュータプログラムがプロセッサによって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/操作が実施されるように、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に提供されてもよい。コンピュータプログラムは、完全にマシンで実行され、部分的にマシンで実行され、独立したソフトウェアパッケージとして部分的にマシンで実行され且つ部分的にリモートマシンで実行され又は完全にリモートマシン又はサーバで実行されてもよい。
本発明の文脈において、コンピュータ読み取り可能な記憶媒体は、命令実行システム、装置又は機器によって使用され、又は命令実行システム、装置又は機器と組み合わせて使用されたコンピュータプログラムを含むか又は記憶することができる有形媒体であってもよい。コンピュータ読み取り可能な記憶媒体は、電子的、磁気的、光学的、電磁気的、赤外の、又は半導体システム、装置又は機器、又は上記内容の任意の適切な組み合わせを含むが、これらに限定されない。代替的には、コンピュータ読み取り可能な記憶媒体は、機械読み取り可能な信号媒体であってもよい。機械読み取り可能な記憶媒体のより具体的な例は、1つ又は複数の線に基づく電気的接続、携帯式コンピュータディスケット、ハードディスク、ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)、消去可能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、携帯式コンパクトディスクリードオンリーメモリ(CD-ROM)、光学記憶機器、磁気記憶機器、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、電子機器でここで記載されたシステム及び技術を実施することができ、当該電子機器は、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)、及びキーボード及びポインティング装置(例えば、マウス又はトラックボール)を有し、ユーザは、当該キーボード及び当該ポインティング装置によって入力を電子機器に提供することができる。他の種類の装置は、ユーザとの対話を更に提供することができ、例えば、ユーザに提供されたフィードバックは、任意の形態の感覚フィードバック(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、且つ任意の形態(音響入力、音声入力又は触覚入力を含む)でユーザからの入力を受信することができる。
ここで記載されたシステム及び技術は、バックグラウンドコンポーネントを含むコンピューティングシステム(例えば、データサーバとして)、又はミドルウェアコンポーネント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コンポーネント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であり、ユーザは、当該グラフィカルユーザインタフェース又は当該ウェブブラウザによってここで記載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コンポーネント、ミドルウェアコンポーネント、又はフロントエンドコンポーネントの任意の組み合わせを含むコンピューティングシステムにおいて実施されてもよい。システムのコンポーネントは、任意の形態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)によって互いに接続されてもよい。通信ネットワークの例は、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)、ブロックチェーンネットワーク及びインターネットを含む。
コンピューティングシステムは、クライアント及びサーバを含むことができる。クライアント及びサーバは、一般的に互いに離れており、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、対応するコンピュータで実行されて互いにクライアント-サーバ関係を有するコンピュータプログラムによって生じる。サーバは、クラウドコンピューティングサーバ又はクラウドホストとも呼ばれるクラウドサーバであってもよく、クラウドコンピューティングサービスシステムにおけるホスト製品の1つであり、従来の物理ホストとVPSサービスにおいて、管理の難易度が高く、業務拡張性が弱いという欠点を解決する。
上記に示された様々な形態のフローを利用し、ステップを並べ替えたり、増加したり、又は削除したりすることができると理解すべきである。例えば、本発明に記載の各ステップは、並行に実行されてもよく、順に実行されてもよく、異なる順序で実行されてもよい。本発明の技術的解決手段の所望の結果を実現することができれば、本明細書はここで限定しない。
上記の発明を実施するための形態は、本発明の請求範囲に対する制限を構成するものではない。当業者にとっては、設計要件及び他の要因に応じて、各種の修正、組み合わせ、サブ組み合わせ及び置換を行うことができると理解すべきである。本発明の精神と原則内で行われた如何なる修正、同等の置換や改善などは、何れも本発明の請求範囲に含まれるべきである。
Claims (13)
- 車両用の制御方法であって、
画像情報又は地図情報に基づいて車線情報を決定することと、
前記車線情報に基づいて駐車軌跡を決定することと、
前記駐車軌跡に基づいて前記車両を制御することと、を含む、
方法。 - 前述の画像情報又は地図情報に基づいて車線情報を決定することは、
前記地図情報が利用可能であることに応答して、前記地図情報に基づいて車線情報を決定することと、
前記地図情報が利用不能であり、且つ前記画像情報が利用可能であることに応答して、前記画像情報に基づいて車線情報を決定することと、を含む、
請求項1に記載の方法。 - 前記車両は、前記画像情報を収集するための画像収集装置を含み、前記方法は、
前記画像収集装置の状態が正常であることに応答して、前記画像情報が利用可能であることを決定することを更に含む、
請求項2に記載の方法。 - 前記車両は、画像収集装置を含み、前記方法は、
前記地図情報が利用可能であることに応答して、前記地図情報及び前記画像情報に基づいて前記画像収集装置の状態を更新することを更に含む、
請求項1に記載の方法。 - 前記画像情報は、画像車線パラメータを含み、前記地図情報は、地図車線パラメータを含み、前記地図情報及び前記画像情報に基づいて前記画像収集装置の状態を更新することは、
前記地図車線パラメータ及び前記画像車線パラメータに基づき、車線偏差を決定することと、
前記車線偏差に基づいて確率パラメータを決定することと、
車両速度、前記確率パラメータ及び対応する確率閾値に基づき、前記画像収集装置の状態を示すための計数値を更新することと、
更新後の計数値が計数閾値以下であることに応答して、前記画像収集装置の状態が正常であることを決定することと、を含む、
請求項4に記載の方法。 - 前記確率パラメータは、左車線の確率パラメータである第1の確率パラメータと、右車線の確率パラメータである第2の確率パラメータと、中間車線の確率パラメータである第3の確率パラメータとを含み、前記画像情報は、前記画像車線パラメータの状態情報を含む自己診断信号を更に含み、
前述の車両速度、前記確率パラメータ及び対応する確率閾値に基づいて計数値を更新することは、
前記車両速度が速度閾値よりも大きく、且つ前記第3の確率パラメータが第1の確率閾値よりも小さいことに応答して、前記計数値を所定のステップサイズごとにインクリメントすること、又は、
前記車両速度が速度閾値よりも大きく、且つ前記第3の確率パラメータが第1の確率閾値以上であることに応答して、前記画像車線パラメータ、自己診断信号、第1の確率パラメータ及び第2の確率パラメータに基づいて前記計数値を更新することを含む、
請求項5に記載の方法。 - 前述の前記画像車線パラメータ、自己診断信号、第1の確率パラメータ及び第2の確率パラメータに基づいて前記計数値を更新することは、
前記画像車線パラメータ及び自己診断信号が第1の所定の条件を満たすことに応答して、前記計数値を所定のステップサイズごとにデクリメントすることと、
前記画像車線パラメータ及び自己診断信号が第1の所定の条件を満たし、且つ前記第1の確率パラメータが第2の確率閾値以上であることに応答して、前記計数値を所定のステップサイズごとにデクリメントすることと、
前記画像車線パラメータ及び自己診断信号が第1の所定の条件を満たし、且つ前記第2の確率パラメータが第3の確率閾値以上であることに応答して、前記計数値を所定のステップサイズごとにデクリメントすることとを含む、
請求項6に記載の方法。 - 前記車線情報は、画像車線パラメータと、前記画像車線パラメータの状態情報を含む自己診断信号とを含み、前述の前記車線情報に基づいて駐車軌跡を決定することは、
前記画像車線パラメータ及び自己診断信号が第1の所定の条件又は第2の所定の条件を満たすことに応答して、前記画像車線パラメータに基づいて第1の車線又は第2の車線を駐車軌跡として決定することと、
前記画像車線パラメータ及び自己診断信号が第3の所定の条件を満たすことに応答して、第1の所定のルールに基づいて第3の車線を駐車軌跡として生成することと、を含む、
請求項1に記載の方法。 - 前記車線情報は、地図車線パラメータを含み、前述の前記車線情報に基づいて駐車軌跡を決定することは、
前記地図車線パラメータに基づいて車線を決定し、前記車線を駐車軌跡として決定することを含む、
請求項1に記載の方法。 - 前述の前記駐車軌跡に基づいて車両を制御することは、
前記駐車軌跡に基づいて横方向誤差及び進行方向誤差を決定することと、
車両走行情報に基づいて前記進行方向誤差を補償することと、
補償後の進行方向誤差及び前記横方向誤差に基づいて制御命令を決定すると共に車両を制御することと、を含む、
請求項1に記載の方法。 - 車両であって、
画像情報を収集するための画像収集装置と、
少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサに通信可能に接続されたメモリとを含み、
前記メモリには前記少なくとも1つのプロセッサによって実行可能なコンピュータプログラムが記憶されており、前記コンピュータプログラムは、前記少なくとも1つのプロセッサが請求項1~10の何れか1項に記載の制御方法を実行できるように、前記少なくとも1つのプロセッサによって実行される、
車両。 - プロセッサ及びメモリを含む装置であって、
前記メモリにはコンピュータプログラムが記憶されており、前記プロセッサは、前記コンピュータプログラムを実行する時に請求項1~10の何れか1項に記載の制御方法を実現する、
装置。 - プロセッサが実行時に請求項1~10の何れか1項に記載の制御方法を実現するためのコンピュータ命令が記憶されている、
コンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210255816.3A CN116788276A (zh) | 2022-03-15 | 2022-03-15 | 一种车辆控制方法、车辆及存储介质 |
CN202210255816.3 | 2022-03-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023135639A true JP2023135639A (ja) | 2023-09-28 |
Family
ID=85511125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023038153A Pending JP2023135639A (ja) | 2022-03-15 | 2023-03-10 | 制御方法、車両、装置及び記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230294669A1 (ja) |
EP (1) | EP4246466A1 (ja) |
JP (1) | JP2023135639A (ja) |
CN (1) | CN116788276A (ja) |
AU (1) | AU2023201558A1 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6559194B2 (ja) * | 2017-08-25 | 2019-08-14 | 本田技研工業株式会社 | 運転支援装置、運転支援方法、およびプログラム |
EP3842303B1 (en) * | 2018-08-14 | 2024-05-15 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating with safe distances |
US20200302662A1 (en) * | 2019-03-23 | 2020-09-24 | Uatc, Llc | System and Methods for Generating High Definition Maps Using Machine-Learned Models to Analyze Topology Data Gathered From Sensors |
CN111516673B (zh) * | 2020-04-30 | 2022-08-09 | 重庆长安汽车股份有限公司 | 基于智能摄像头和高精地图定位的车道线融合系统及方法 |
US20230162508A1 (en) * | 2021-11-19 | 2023-05-25 | Waymo Llc | Vehicle light classification system |
-
2022
- 2022-03-15 CN CN202210255816.3A patent/CN116788276A/zh active Pending
-
2023
- 2023-03-07 EP EP23160609.6A patent/EP4246466A1/en active Pending
- 2023-03-09 US US18/181,399 patent/US20230294669A1/en active Pending
- 2023-03-10 JP JP2023038153A patent/JP2023135639A/ja active Pending
- 2023-03-14 AU AU2023201558A patent/AU2023201558A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
AU2023201558A1 (en) | 2023-10-05 |
CN116788276A (zh) | 2023-09-22 |
US20230294669A1 (en) | 2023-09-21 |
EP4246466A1 (en) | 2023-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110667576B (zh) | 自动驾驶车辆的弯道通行控制方法、装置、设备和介质 | |
JP6845874B2 (ja) | 自動運転車のための経路及び速度の最適化フォールバックメカニズム | |
CN113715814B (zh) | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 | |
JP6784794B2 (ja) | 自動運転車の経路計画用のドリフト補正の方法 | |
JP6667686B2 (ja) | 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体 | |
CN109444932B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
EP4030393B1 (en) | Method and apparatus for detecting bumpy region of road surface, electronic device, storage medium, computer program product, and vehicle | |
WO2020237890A1 (zh) | 一种速度规划方法、装置、电子设备及存储介质 | |
EP3842752A1 (en) | Vehicle positioning method, apparatus, electronic device, vehicle and storage medium | |
CN113734201B (zh) | 车辆冗余控制方法、装置、电子设备及介质 | |
US20220284619A1 (en) | Offline optimization of sensor data for agent trajectories | |
KR20220054755A (ko) | 운전 행위 습관 결정, 차량 주행 제어 방법, 장치 및 기기 | |
JP2019530608A (ja) | 物体レベル融合の自律走行車両 | |
CN111862604B (zh) | 无人车的控制方法及装置、计算机存储介质、电子设备 | |
CN113044042B (zh) | 车辆预测变道图像显示方法、装置、电子设备和可读介质 | |
CN113928340A (zh) | 应用于车辆中的避障方法、装置、电子设备和存储介质 | |
US20230294684A1 (en) | Method of controlling autonomous vehicle, electronic device, and storage medium | |
CN114194217A (zh) | 车辆自动驾驶方法、装置、电子设备以及存储介质 | |
CN114428504A (zh) | 无人驾驶车辆避障方法、系统、电子设备及存储介质 | |
CN115092130A (zh) | 车辆碰撞预测方法、装置、电子设备、介质和车辆 | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
WO2023241556A1 (zh) | 泊车控制方法、装置、设备和存储介质 | |
JP2023135639A (ja) | 制御方法、車両、装置及び記憶媒体 | |
CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
US20220227358A1 (en) | Map-based target heading disambiguation |