JP7146713B2 - 障害物静止状態の決定方法、障害物静止状態の決定装置、コンピュータ機器、コンピュータ記憶媒体及び車両 - Google Patents

障害物静止状態の決定方法、障害物静止状態の決定装置、コンピュータ機器、コンピュータ記憶媒体及び車両 Download PDF

Info

Publication number
JP7146713B2
JP7146713B2 JP2019163316A JP2019163316A JP7146713B2 JP 7146713 B2 JP7146713 B2 JP 7146713B2 JP 2019163316 A JP2019163316 A JP 2019163316A JP 2019163316 A JP2019163316 A JP 2019163316A JP 7146713 B2 JP7146713 B2 JP 7146713B2
Authority
JP
Japan
Prior art keywords
obstacle
reliability function
state
stationary
real
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.)
Active
Application number
JP2019163316A
Other languages
English (en)
Other versions
JP2020042817A (ja
Inventor
カイ チェン，
Original Assignee
アポロ インテリジェント ドライビング テクノロジー（ペキン）カンパニー リミテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by アポロ インテリジェント ドライビング テクノロジー（ペキン）カンパニー リミテッド filed Critical アポロ インテリジェント ドライビング テクノロジー（ペキン）カンパニー リミテッド
Publication of JP2020042817A publication Critical patent/JP2020042817A/ja
Application granted granted Critical
Publication of JP7146713B2 publication Critical patent/JP7146713B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • 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
    • B60W2554/00—Input parameters relating to objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9322—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using additional data, e.g. driver condition, road state or weather data

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Traffic Control Systems (AREA)

Description

本発明の実施例は、データ処理技術に関し、特に、障害物静止状態の決定方法、障害物静止状態の決定装置、コンピュータ機器、コンピュータ記憶媒体及び車両に関する。
近年、センサ技術、制御システム、および人工知的技術の絶え間ない発展に伴い、無人走行車両（以下、無人車両と略する）、および地上移動ロボットが大きく発展した。無人車両の一例をとると、実際の動的環境において、無人車両は、環境感知により障害物を安定かつ正確に検出し、障害物の運動状態のタイプを認識することが必要である。これは、経路を計画して運動モデルを確立するのに大いに役立ち、無人車両の様々な知的決定行為を補助することができる。
現在、無人車両システムでは、障害物が静止状態にいるかどうかを判断することが一つの重要な問題であり、静止状態の判断結果は後続の予測および決定制御に重要な情報を提供する。従来の方式では、主に無人車両に設けられた様々な単一センサにより出力する速度情報に基づいて、障害物が静止状態にいるか否かを決定している。
発明者は、本発明を実現する過程において、従来技術に以下の欠点が存在することを見出した。すなわち、各々の単一センサ自身のハードウェアの制限の問題、および単一センサが冗長情報を含まない問題があるため、障害物の静止状態を安定かつ信頼的に判断することが困難であり、誤判断が起こしやすい。
本発明は、アルゴリズムモジュールの独立性、および整個統合システムの機能的完全性を同時に考慮するように、障害物静止状態の決定方法、障害物静止状態の決定装置、コンピュータ機器、コンピュータ記憶媒体及び車両を提供する。
本発明の第１態様として、少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得するステップと、前記センサに対応する前記リアルタイムな障害物速度に基づいて、各前記センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算するステップと、Ｄ－Ｓ証拠組合せ技術を使用して、各前記センサの各前記状態パラメータにおける前記信頼度関数の割当て値を融合し、各前記状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得するステップと、各前記状態パラメータにそれぞれ対応する前記融合された信頼度関数の割当て値に基づいて、前記障害物の静止状態を判断するステップとを含む障害物静止状態の決定方法を提供する。
本発明の第２態様として、少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得するリアルタイム障害物速度取得モジュールと、前記センサに対応する前記リアルタイムな障害物速度に基づいて、各前記センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する独立信頼度関数割当て値計算モジュールと、Ｄ－Ｓ証拠組合せ技術を使用して、各前記センサの各前記状態パラメータにおける前記信頼度関数の割当て値を融合し、各前記状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する融合信頼度関数割当て値計算モジュールと、各前記状態パラメータにそれぞれ対応する前記融合された信頼度関数の割当て値に基づいて、前記障害物の静止状態を判断する静止状態判断モジュールとを備える障害物静止状態の決定装置を提供する。
本発明の第３態様として、少なくとも一つのプロセッサと、少なくとも一つのプログラムを記憶する記憶装置とを備え、少なくとも一つの前記プログラムが少なくとも一つの前記プロセッサによって実行される場合に、少なくとも一つの前記プロセッサが、上記の障害物静止状態の決定方法を実現するコンピュータ機器を提供する。
本発明の第４態様として、コンピュータプログラムが記憶されているコンピュータ記憶媒体であって、前記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場合に、上記の障害物静止状態の決定方法が実現するコンピュータ記憶媒体を提供する。
本発明の第５態様として、車体を備える車両であって、上記のコンピュータ機器と、前記車体に設けられた少なくとも二つの前記センサをさらに備え、少なくとも二つの該センサは、周囲環境内の前記障害物の前記リアルタイムな障害物速度を検出する車両を提供する。
本発明によると、取得した少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。その後、Ｄ－Ｓ証拠組合せ技術を使用して各信頼度関数の割当て値を融合して、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する。最後に、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて障害物の静止状態を判断することによって、複数のセンサによって取得した障害物速度に基づいて障害物の静止状態を決定することを実現する。そして、従来の無人車両システムで障害物の静止状態を判断する際に存在する、判断結果が非安定かつ非信頼であり、また誤判断が起こし易い問題を解決して、無人車両システムで障害物静止状態を判断するためのアルゴリズムモジュールの独立性、および整個統合システムの機能的完全性を保証し、無人車両システムの障害物静止状態に対する判断の安定性、信頼性、および精度を向上させることができる。
本発明の実施例１によって提供される障害物静止状態の決定方法のフローチャートである。 本発明の実施例２によって提供される障害物静止状態の決定方法のフローチャートである。 本発明の実施例３によって提供される障害物静止状態の決定方法のフローチャートである。 本発明の実施例４によって提供される障害物静止状態の決定装置の模式図である。 本発明の実施例５によって提供されるコンピュータ機器の構成模式図である。
以下、図面および実施例を用いて本発明をさらに詳細に説明する。ここで記載する具体的な実施例は、ただ、本発明を理解するためのみに用いられ、本発明を限定するものではないことを理解することができる。
なお、説明を容易にするために、本発明に関連する構造の全部ではなく一部のみを図面に示した。例示的な実施形態をより詳細に論じる前に、いくつかの例示的な実施形態がフローチャートとして描かれたプロセスまたは方法として説明されていることに留意されたい。フローチャートではさまざまな動作（またはステップ）を順序がある処理として説明したが、動作の多くは、並行して、併発にまたは同時に実施することができる。なお、それぞれの動作の順序は、再度並べ替えてもよい。動作が完了する際に、処理が終了されてもよいが、図面に含まれていない別途のステップを含んでいてもよい。処理は、方法、関数、規程、サブルーチン及びサブプログラムなどに対応されてもよい。
実施例１
図１は、本発明の実施例１によって提供される障害物静止状態の決定方法のフローチャートである。本実施例は、無人車両システムで障害物静止状態を決定する情況に適用されることができ、障害物静止状態の決定方法は、障害物静止状態の決定装置によって実行される。
障害物静止状態の決定方法に用いられる障害物静止状態の決定装置は、ソフトウェア、及び／又は、ハードウェアの方式によって実現され、一般的には、車両に設けられたコンピュータ機器中に統合される。
これに応じて、図１に示されるように、障害物静止状態の決定方法は、以下のステップＳ１１０からステップＳ１４０を含む。
ステップＳ１１０は、少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得する。
リアルタイムな障害物速度は、センサが特定の時点で検出した障害物の速度であってもよい。
本実施例において、障害物の静止状態を正確に決定するために、障害物の速度情報を測定して障害物が静止状態にいるか否かを、別個のセンサを使用して決定するのではなく、複数のセンサを使用して測定する。具体的には、少なくとも二つのセンサで、同一の障害物に対して、少なくとも二つのリアルタイムな障害物速度を検出することができる。
ステップＳ１２０は、センサに対応するリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。
信頼度関数は、主観的な不確定現象を記述するために使用される数学的ツールである。状態パラメータは、信頼度関数における障害物状態を評価するための利用可能なパラメータである。これに応じて、信頼度関数の割当て値は、各状態パラメータに対応する数値であってもよい。なお、すべての信頼度関数の割当て値の合計は１である。
本実施例の変形例として、状態パラメータは、静止、非静止、および未知を含んでいてもよい。
本実施例の変形例として、状態パラメータは、静止、非静止、および未知のような三つのタイプを含んでいてもよい。
この場合、センサの信頼度関数に対応する状態パラメータは、静止、非静止、および未知の三つのタイプの中の少なくとも二つを含む必要がある。そして、静止は、障害物の静止状態を示し、非静止は、障害物の非静止状態を示し、その他に、センサ自身の干渉または誤差等の要因を考慮して、未知状態パラメータをさらに設定することによって、他の未知タイプの状態が発生される確率を反映することができる。すなわち、未知状態パラメータは、静止状態パラメータと非静止状態パラメータとの全体集合であり、三つの状態パラメータの設定は、センサの検出精度を効率的に向上させることができる。
ステップＳ１３０は、Ｄ－Ｓ証拠組合せ技術を使用して、各センサの各状態パラメータにおける信頼度関数の割当て値を融合し、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する。
融合された信頼度関数の割当て値は、各センサの各状態パラメータを特定の組合せ規則（例えば、Ｄｅｍｐｓｔｅｒ組合せ規則である）に従って融合して取得した新たな信頼度関数の割当て値であってもよい。
本実施例において、複数のセンサの各状態パラメータにおける信頼度関数の割当て値を取得した後、Ｄ－Ｓ証拠組合せ技術を利用して、取得された各状態パラメータにおける信頼度関数の割当て値を融合することによって、各状態パラメータにおいて最終的に利用可能の融合された信頼度関数の割当て値を取得することができる。
ステップＳ１４０は、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて、障害物の静止状態を判断する。
これに応じて、本実施例において、Ｄ－Ｓ証拠組合せ技術によって、各センサの各状態パラメータにおける信頼度関数の割当て値を融合して、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得した後に、各状態パラメータそれぞれに対応する融合された信頼度関数の割当て値に基づいて障害物の静止状態を判断することができる。例示的に、静止と、非静止と、未知との三つの状態パラメータそれぞれに対応する融合された信頼度関数の割当て値が（０．８，０．１，０．１）であると想定した場合に、障害物の静止状態が静止であると判断することができる。
本実施例によると、取得した少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。その後、Ｄ－Ｓ証拠組合せ技術を使用して各信頼度関数の割当て値を融合して、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する。最後に、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて障害物の静止状態を判断することによって、複数のセンサによって取得した障害物速度に基づいて障害物の静止状態を決定することを実現する。そして、従来の無人車両システムで障害物の静止状態を判断する際に存在する、判断結果が非安定かつ非信頼であり、また誤判断が起こし易い問題を解決して、無人車両システムで障害物静止状態を判断するためのアルゴリズムモジュールの独立性、および整個統合システムの機能的完全性を保証し、無人車両システムの障害物静止状態に対する判断の安定性、信頼性、および精度を向上させることができる。
実施例２
図２は、本発明の実施例２によって提供される障害物静止状態の決定方法のフローチャートである。本実施例は、上述した実施例を基礎として具体化されたものである。本実施例において、センサに対応するリアルタイムな障害物速度に基づいて、各センサの各状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する具体的な実現形態を提供する。これに応じて、図２に示されるように、本実施例に係る障害物静止状態の決定方法は、以下のステップＳ２１０からステップＳ２４０を含んでいる。
ステップＳ２１０は、少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得する。
ステップＳ２２０は、センサに対応するリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。
また、ステップＳ２２０は、具体的には、以下のステップＳ２２１及びステップＳ２２２を含んでいてもよい。
ステップＳ２２１は、速度係数と静止確率との間のマッピング関係、およびセンサに対応するリアルタイムな障害物速度に基づいて、各センサにそれぞれ対応するリアルタイムな静止確率を計算する。
速度係数は、リアルタイムな障害物速度に対応する係数であってもよく、リアルタイムな静止確率は、障害物の特定の時点に対応される静止確率である。
本実施例において、速度係数と静止確率との間のマッピング関係に基づいて各センサの各状態パラメータにおける信頼度関数の割当て値を計算することができる。具体的には、まず、センサに対応するリアルタイムな障害物速度に対応する速度係数を、速度係数と静止確率との間のマッピング関係中に代入することによって、各センサそれぞれに対応するリアルタイムな静止確率を取得することができる。
本実施例の変形例として、速度係数と静止確率との間のマッピング関係は、以下の式（１）を含んでいてもよい。
Figure 0007146713000001
 ただし、ｖは、速度係数であり、
ｆ（ｖ）は、静止確率であり、
ｔ及びｓは、予め設定されたマッピングパラメータである。
異なるセンサは、異なる値の範囲のマッピングパラメータに対応される。
本実施例において、ｖは、センサの速度係数である独立変数であり、ｔは、速度係数の閾値であり、ｖがｔより小さい場合に、戻る静止確率が１であり、静止状態であると完全に信頼することを説明し、ｖがｔ以上である場合に、静止確率の値がｖの増加につれて次第に減少し、静止状態の確率が次第に減少されることを説明する。ｓは、制御確率が速度につれて下落する比例値であり、ｓの値が大きいほど、速度値の下落につれて確率値が減少する速度が遅い。ｔ及びｓは、いずれも、予め設定されたマッピングパラメータであり、定数であってもよく、その具体的な数値は、実際の必要によって設定してもよく、本発明の実施例は、ｔ及びｓの具体的な数値に対して限定しない。また、センサの性質と種類が異なる場合、異なる値の範囲のマッピングパラメータに対応させる必要がある。
本実施例の変形例として、センサは、ミリ波レーダ、または、レーザレーダを含んでいてもよい。
センサがミリ波レーダである場合、ｔの値の範囲は（０．５，１．０）であり、ｓの値の範囲は（０．１，０．３）であり、センサがレーザレーダである場合、ｔの値の範囲は（０．２，０．５）であり、ｓの値の範囲は（０．１，０．２）である。
ミリ波レーダは、ミリ波バンドで作業して探測するレーダであり、レーザレーダは、レーザビームを発射して目標の位置、速度等の特徴量を探測するレーダシステムである。本質的には、レーザレーダとミリ波レーダとは、いずれも、エコーイメージングを利用して被探測物体を構築する。しかし、レーザレーダは、自然光または熱放射の影響をより受けやすく、自然光が強い場合や放射領域の場合に、レーザレーダははるかに弱くなる。また、レーザレーダの製造コストが高く、プロセスレベルに対する要求もより高い。これに対し、ミリ波レーダは、耐干渉能力はより強いが、距離と精度の問題が厳しいし、且つ、車両走行環境において、複数の帯域が混在する環境にいるため、ミリ波への影響が非常に大きい。ミリ波は、より遠いところに対する探測能力の極めて制限されている。このように、レーザレーダは、ミリ波レーダよりも精度と安定性が高い。
本実施例において、異なるセンサに異なる値の範囲のマッピングパラメータが対応されることを考慮して、選択可能に、センサがミリ波レーダである場合、ｔの値の範囲は（０．５，１．０）であり、ｓの値の範囲は（０．１，０．３）であってもよい。
センサがレーザレーダである場合、ｔの値の範囲は（０．２，０．５）であり、ｓの値の範囲は（０．１，０．２）であってもよい。当然ながら、センサが他のタイプのセンサである場合、ｔ及びｓの値の範囲は、事前に適応的に設定することができる。
ステップＳ２２２は、各センサにそれぞれ対応するリアルタイムな静止確率、およびセンサに対応する信頼度関数の割当て規則に基づいて、各センサの各状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。
信頼度関数の割当て規則は、リアルタイムな静止確率に基づいて各センサの各状態パラメータにおける信頼度関数の割当て値を計算するために制定した規則であってもよい。なお、各センサの各状態パラメータにおける信頼度関数の割当て値を合理的に計算することができる任意の規則は、いずれも、信頼度関数の割当て規則として利用でき、本発明の実施例は情報関数割の当て規則の具体的な内容に対して限定しない。
本実施例において、センサに対応する予め制定した信頼度関数の割当て規則を利用して、計算して取得された各センサそれぞれに対応するリアルタイムな静止確率に基づいて、各センサの各状態パラメータにおける信頼度関数の割当て値をそれぞれ計算することができる。
本実施例の変形例として、各センサにそれぞれ対応するリアルタイムな静止確率、およびセンサに対応する信頼度関数の割当て規則に基づいて、各センサの各状態パラメータにおける信頼度関数の割当て値をそれぞれ計算するステップは、ミリ波レーダに対応する第１のリアルタイムな静止確率ｆ１（ｖ）に基づいて、ミリ波レーダタイプの静止状態における信頼度関数の割当て値を０に設定し、ミリ波レーダタイプの非静止状態における信頼度関数の割当て値を１－ｆ１（ｖ）に設定し、ミリ波レーダの未知状態における信頼度関数の割当て値をｆ１（ｖ）に設定するステップ、及び／又は、レーザレーダに対応する第２のリアルタイムな静止確率ｆ２（ｖ）に基づいて、レーザレーダの静止状態における信頼度関数割当て値をｆ２（ｖ）に設定し、レーザレーダの非静止状態における信頼度関数の割当て値を１－ｆ２（ｖ）に設定し、レーザレーダの未知状態における信頼度関数の割当て値を０に設定するステップを含んでいてもよい。
第１のリアルタイムな静止確率は、ミリ波レーダにより計算して取得されたリアルタイムな静止確率であり、第２のリアルタイムな静止確率は、レーザレーダにより計算して取得されたリアルタイムな静止確率である。
本実施例において、ミリ波レーダの精度と安定性がより低いことを考慮すると、ミリ波レーダにより計算して取得されたリアルタイムな静止確率の信頼性も相対的に低い。このため、ミリ波レーダに対して制定した信頼度関数の割当て規則は、ミリ波レーダにより計算して取得された第１のリアルタイムな静止確率ｆ１（ｖ）をミリ波レーダの未知状態パラメータに対応する信頼度関数の割当て値とし、１－ｆ１（ｖ）をミリ波レーダの非静止状態パラメータに対応する信頼度関数の割当て値とすることであってもよい。これに応じて、ミリ波レーダの静止状態パラメータに対応する信頼度関数の割当て値を０に設定する。レーザレーダの精度と安定性がより高いことを考慮すると、レーザレーダにより計算して取得されたリアルタイムな静止確率の信頼性も相対的に高い。このため、レーザレーダに対して制定した信頼度関数の割当て規則は、計算して取得された第２のリアルタイムな静止確率ｆ２（ｖ）を直接レーザレーダの静止状態パラメータに対応する信頼度関数の割当て値とし、１－ｆ２（ｖ）をレーザレーダの非静止状態パラメータに対応する信頼度関数の割当て値とする。これに応じて、レーザレーダの未知状態パラメータに対応する信頼度関数の割当て値は、０である。
すなわち、ミリ波レーダのリアルタイムな障害物速度に対してマッピングすることによって取得した第１のリアルタイムな静止確率を、未知状態および非静止状態の二つの状態パラメータに割当てしてもよい。レーザレーダのリアルタイムな障害物速度に対してマッピングによって取得した第２のリアルタイムな静止確率を、静止状態および非静止状態の二つの状態パラメータに割当てしてもよい。例示的に、ミリ波レーダの場合、計算して取得された第１のリアルタイムな静止確率ｆ１（ｖ）が０.２である場合、対応する静止状態パラメータに対応する信頼度関数の割当て値は０であり、非静止状態パラメータに対応する信頼度関数の割当て値は０.８であり、未知状態パラメータに対応する信頼度関数の割当て値は０.２である。レーザレーダの場合、計算して取得された第２のリアルタイムな静止確率ｆ２（ｖ）が０.２である場合、対応する静止状態パラメータに対応する信頼度関数の割当て値は０.２であり、非静止状態パラメータに対応する信頼度関数の割当て値は０.８であり、未知状態パラメータに対応する信頼度関数の割当て値は０である。
ステップＳ２３０は、Ｄ－Ｓ証拠組合せ技術を使用して、各センサの各状態パラメータにおける信頼度関数の割当て値を融合し、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する。
具体的には、従来のＤ－Ｓ証拠融合技術における様々な融合アルゴリズムによって、各センサの各状態パラメータにおける信頼度関数の割当て値を融合することによって、最終的に取得された融合された信頼度関数の割当て値が複数のセンサによって検出された複数のリアルタイムな障害物速度を同時に参照するようにしてもよい。
ステップＳ２４０は、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて、障害物の静止状態を判断する。
上述した技術案を使用すると、速度係数と静止確率との間のマッピング関係、およびセンサに対応する信頼度関数の割当て規則を利用して、センサに対応するリアルタイムな障害物速度に基づいて、各センサの各状態パラメータにおける信頼度関数の割当て値をそれぞれ計算することができ、さらに、Ｄ－Ｓ証拠組合せ技術を使用して各センサの各状態パラメータにおける信頼度関数の割当て値を融合し、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得し、最終的に各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて障害物の静止状態を判断することによって、無人車両システムで障害物静止状態を判断するためのアルゴリズムモジュールの独立性、および整個統合システムの機能的完全性を保証し、無人車両システムの障害物静止状態に対する判断の安定性、信頼性、および精度を向上させることができる。
実施例３
図３は、本発明の実施例３によって提供される障害物静止状態の決定方法のフローチャートである。本実施例は、上述した実施例を基礎として具体化されたものである。本実施例において、センサに対応するリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算した後の具体的な実現形態を提供する。これに応じて、図３に示されるように、本実施例に係る障害物静止状態の決定方法は、以下のステップＳ３１０からステップＳ３５０を含んでいる。
ステップＳ３１０は、少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得する。
ステップＳ３２０は、センサに対応するリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。
ステップＳ３３０は、センサによって検出して取得されたリアルタイムな障害物速度、および歴史的な障害物速度に基づいて、センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値を更新する。
また、歴史的な障害物速度は、現在リアルタイムな障害物速度の時点の前に測定した障害物速度であってもよい。
本実施例において、障害物の速度変化が通常には連続されていることを考慮し、すなわち、障害物の速度が急に変わらなく、通常にはリアルタイムな障害物速度と歴史的な障害物速度との間に関連関係が存在する。このため、障害物の歴史的な障害物速度を利用して、計算して取得されたセンサの各状態パラメータにおける信頼度関数の割当て値を校正更新することによって、センサの各状態パラメータにおける信頼度関数の割当て値の精度を保証する。
これに応じて、ステップＳ３３０は、具体的には、以下のステップＳ３３１からステップＳ３３３を含んでいてもよい。
ステップＳ３３１は、レーザレーダを目標センサとして取得する。
なお、ミリ波レーダの精度と安定性がよくないため、検出された歴史的な障害物速度の正確度の信頼性も高くないので、ミリ波レーダの歴史的な障害物速度を利用して更新した各状態パラメータにおける信頼度関数の割当て値も信頼的ではない。このため、本実施例は、レーザレーダのみを目標センサとし、歴史的な障害物速度を利用して各状態パラメータにおける信頼度関数の割当て値を更新する。
ステップＳ３３２は、目標センサのリアルタイムな障害物速度、および少なくとも一つの歴史的な時点で検出された少なくとも一つの歴史的な障害物速度に基づいて、目標センサに対応する速度信頼性のメトリック値を計算する。
速度信頼性のメトリック値は、各状態パラメータにおける信頼度関数の割当て値に対する校正更新に用いられることができる。
本実施例において、リアルタイムな障害物速度と少なくとも一つの歴史的な障害物速度との間の関係を利用して、目標センサに対応する速度信頼性のメトリック値を計算することができる。また、歴史的な障害物速度は、五つ選択してもよく、具体的な数は、実際の必要性によって選択することができ、本発明の実施例これに対して限制しない。
本実施例の変形例として、目標センサのリアルタイムな障害物速度、および少なくとも一つの歴史的な時点で検出された少なくとも一つの歴史的な障害物速度に基づいて、目標センサに対応する速度信頼性のメトリック値を計算するステップは、以下の式（２）によって目標センサに対応する速度信頼性のメトリック値αを計算するステップを含んでいてもよい。
Figure 0007146713000002
 ただし、
ｓｍａｘは、予め設定された最大許容速度誤差であり、
ｖｔは、現在の時点ｔで検出されたリアルタイムな障害物速度であり、
ｖ（ｔ‐ｉ）は、現在の時点ｔのｉ個前の歴史的な時点で検出された歴史的な障害物速度であり、
ｆａｂｓ（）は、絶対値を取得する関数であり、
ｍａｘ（）は、最大値を取得する関数であり、
ｍｅａｎ（）は、平均値を取得する関数である。
また、ｓｍａｘは、予め設定された最大許容速度誤差であってもよい。選択可能に、ｓｍａｘは０.４に設定されてもよく、その具体的な数値は、目標センサの検出の感度と精度に基づいて適当に設定してもよく、本実施例はこれに対して限定しない。ｗは、歴史的な時間ウィンドウの長さである。
具体的な一例において、ｗを２に設定すると、目標センサが現在の時点ｔで検出したリアルタイムな障害物速度ｖｔを取得した後に、これに応じて、目標センサによって現在の時点ｔの１個前の時点で検出された歴史的な障害物速度ｖｔ－１、および目標センサによって現在の時点ｔの２個前の時点で検出された歴史的な障害物速度ｖｔ－２を取得し、
Figure 0007146713000003
 および
Figure 0007146713000004
 をそれぞれ計算した後に、
ｍｅａｎ（Ａ１、Ａ２）によって、Ａ１、Ａ２に対応する平均値を計算する。
上式から分かるように、歴史的な障害物速度とリアルタイムな障害物速度との間の差値が予め設定された最大許容速度誤差よりも小さい場合、現在リアルタイムな障害物速度の誤差は無視できると見なされる。そうでないと、歴史的な障害物速度とリアルタイムな障害物速度との間の差異が大きいほど、取得された目標センサに対応する速度信頼性のメトリック値が低く、目標センサによって測定して取得された信頼度関数の割当て値の信頼性が低いことを示す。
ステップＳ３３３は、速度信頼性のメトリック値に基づいて、目標センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値を更新する。
これに応じて、目標センサに対応する速度信頼性のメトリック値が取得された後に、取得した速度信頼性のメトリック値に基づいて、目標センサの各状態パラメータにおける信頼度関数の割当て値を更新することができる。
本実施例の変形例として、速度信頼性のメトリック値に基づいて、目標センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値を更新するステップは、目標センサの静止状態における信頼度関数の割当て値Ｍ１をＭ１＊αに設定し、目標センサの非静止状態における信頼度関数の割当て値Ｍ２をＭ２＊αに設定し、目標センサの未知状態における信頼度関数の割当て値を１－Ｍ１＊α－Ｍ２＊αに設定するステップを含んでいてもよい。
これに応じて、目標センサに対応する速度信頼性のメトリック値が取得された後に、目標センサの静止状態における信頼度関数の割当て値Ｍ１、および目標センサの非静止状態における信頼度関数の割当て値Ｍ２をそれぞれＭ１＊αおよびＭ２＊αに設定してもよい。静止状態、非静止状態、および未知状態の三つの状態パラメータに対応する信頼度関数の割当て値の合計が１であるので、目標センサの未知状態における信頼度関数の割当て値を１－Ｍ１＊α－Ｍ２＊αに設定する。
例示的に、信頼度関数の割当て値を更新する前に、目標センサの静止状態における信頼度関数の割当て値が０．２であると想定すると、非静止状態における信頼度関数の割当て値は０．８であり、未知状態における信頼度関数の割当て値は０である。速度信頼性のメトリック値αが０．７である場合、更新後の目標センサの静止状態における信頼度関数の割当て値は０．１４であり、非静止状態における信頼度関数の割当て値は０．５６であり、未知状態における信頼度関数の割当て値は０．３である。
ステップＳ３４０は、Ｄ－Ｓ証拠組合せ技術を使用して、各センサの各状態パラメータにおける信頼度関数の割当て値を融合し、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する。
ステップＳ３５０は、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて、障害物の静止状態を判断する。
上述した技術案を使用すると、センサによって検出して取得されたリアルタイムな障害物速度、および歴史的な障害物速度に基づいて、センサの各状態パラメータにおける信頼度関数の割当て値を更新することによって、リアルタイムな障害物速度の精度を効率的に向上させて、無人車両システムの障害物静止状態に対する判断の安定性、信頼性、および精度をもう一層向上させることができる。
実施例４
図４は、本発明の実施例４によって提供される障害物静止状態の決定装置の模式図である。図４に示されるように、障害物静止状態の決定装置は、リアルタイム障害物速度取得モジュール４１０と、独立信頼度関数割当て値計算モジュール４２０と、融合信頼度関数割当て値計算モジュール４３０と、静止状態判断モジュール４３０とを備える。
リアルタイム障害物速度取得モジュール４１０は、少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得する。
独立信頼度関数割当て値計算モジュール４２０は、センサに対応するリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。
融合信頼度関数割当て値計算モジュール４３０は、Ｄ－Ｓ証拠組合せ技術を使用して、各センサの各状態パラメータにおける信頼度関数の割当て値を融合し、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する。
静止状態判断モジュール４４０は、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて、障害物の静止状態を判断する。
本実施例によると、取得した少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。その後、Ｄ－Ｓ証拠組合せ技術を使用して各信頼度関数の割当て値を融合して、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する。最後に、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて障害物の静止状態を判断することによって、複数のセンサによって取得した障害物速度に基づいて障害物の静止状態を決定することを実現する。そして、従来の無人車両システムで障害物の静止状態を判断する際に存在する、判断結果が非安定かつ非信頼であり、また誤判断が起こし易い問題を解決して、無人車両システムで障害物静止状態を判断するためのアルゴリズムモジュールの独立性、および整個統合システムの機能的完全性を保証し、無人車両システムの障害物静止状態に対する判断の安定性、信頼性、および精度を向上させることができる。
本実施例の変形例として、状態パラメータは、静止、非静止、および未知を含んでいてもよい。
本実施例の変形例として、独立信頼度関数割当て値計算モジュール４２０は、速度係数と静止確率との間のマッピング関係、およびセンサに対応するリアルタイムな障害物速度に基づいて、各センサにそれぞれ対応するリアルタイムな静止確率を計算するための静止確率計算実施ユニットと、各センサにそれぞれ対応するリアルタイムな静止確率、およびセンサに対応する信頼度関数の割当て規則に基づいて、各センサの各状態パラメータにおける信頼度関数の割当て値をそれぞれ計算するための信頼度関数割当て値計算ユニットとを備えていてもよい。
本実施例の変形例として、センサは、ミリ波レーダ、または、レーザレーダを含んでいてもよい。
本実施例の変形例として、速度係数と静止確率との間のマッピング関係は、以下の式（１）を含んでいてもよい。
Figure 0007146713000005
 ただし、
ｖは、速度係数であり、
ｆ（ｖ）は、静止確率であり、
ｔ及びｓは、予め設定されたマッピングパラメータである。
異なるセンサは、異なる値の範囲のマッピングパラメータに対応される。
本実施例の変形例として、センサがミリ波レーダである場合、ｔの値の範囲は（０．５，１．０）であり、ｓの値の範囲は（０．１，０．３）であり、センサがレーザレーダである場合、ｔの値の範囲は（０．２，０．５）であり、ｓの値の範囲は（０．１，０．２）であってもよい。
本実施例の変形例として、信頼度関数割当て値計算ユニットは、具体的には、ミリ波レーダに対応する第１のリアルタイムな静止確率ｆ１（ｖ）に基づいて、ミリ波レーダタイプの静止状態における信頼度関数の割当て値を０に設定し、ミリ波レーダタイプの非静止状態における信頼度関数の割当て値を１－ｆ１（ｖ）に設定し、ミリ波レーダの未知状態における信頼度関数の割当て値をｆ１（ｖ）に設定するか、及び／又は、レーザレーダに対応する第２のリアルタイムな静止確率ｆ２（ｖ）に基づいて、レーザレーダの静止状態における信頼度関数の割当て値をｆ２（ｖ）に設定し、レーザレーダの非静止状態における信頼度関数の割当て値を１－ｆ２（ｖ）に設定し、レーザレーダの未知状態における信頼度関数の割当て値を０に設定してもよい。
本実施形態の変形例として、障害物静止状態の決定装置は、センサによって検出して取得された前記リアルタイムな障害物速度、および歴史的な障害物速度に基づいて、センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値を更新するための信頼度関数割当て値更新モジュールをさらに備えていてもよい。
本実施形態の変形例として、信頼度関数割当て値更新モジュールは、レーザレーダを目標センサとして取得する目標センサ取得ユニットと、目標センサのリアルタイムな障害物速度、および少なくとも一つの歴史的な時点で検出された少なくとも一つの歴史的な障害物速度に基づいて、目標センサに対応する速度信頼性のメトリック値を計算する速度信頼性メトリック値計算ユニットと、速度信頼の性メトリック値に基づいて、目標センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値を更新するための信頼度関数割当て値更新ユニットとを備えていてもよい。
本実施例の変形例として、速度信頼性メトリック値計算ユニットは、具体的には、以下の式（２）によって目標センサに対応する速度信頼性のメトリック値αを計算してもよい。
Figure 0007146713000006
 ただし、
ｓｍａｘは、予め設定された最大許容速度誤差であり、
ｖｔは、現在の時点ｔで検出されたリアルタイムな障害物速度であり、
ｖｔ―ｉは、現在の時点ｔのｉ個前の歴史的な時点で検出された歴史的な障害物速度であり、
ｆａｂｓ（）は、絶対値を取得する関数であり、
ｍａｘ（）は、最大値を取得する関数であり、
ｍｅａｎ（）は、平均値を取得する関数である。
本実施形態の変形例として、信頼度関数割当て値更新ユニットは、具体的には、目標センサの静止状態における信頼度関数の割当て値Ｍ１をＭ１＊αに設定し、目標センサの非静止状態における信頼度関数の割当て値Ｍ２をＭ２＊αに設定し、目標センサの未知状態における信頼度関数の割当て値を１－Ｍ１＊α－Ｍ２＊αに設定する。
上述した障害物静止状態の決定装置は、本発明の任意の実施例によって提供される障害物静止状態の決定方法を実行することができ、障害物静止状態の決定方法を実行するための該当する機能モジュールと有益な効果を有する。本実施例において詳細に説明しなった技術的詳細については、本発明の任意の実施例によって提供される障害物静止状態の決定方法を参照することができる。
実施例５
図５は、本発明の実施例５によって提供されるコンピュータ機器の構成模式図である。図５は、本発明の実施形態の実現に適当なコンピュータ機器５１２のブロック図を示した。図５に示されるコンピュータ機器５１２は一例に過ぎず、本発明の実施例の機能および使用範囲に対していかなる限制をもたらしてはいけない。
図５に示されるように、コンピュータ機器５１２は、汎用計算装置の形で具体化されている。コンピュータ機器５１２は、構成要素として、少なくとも一つのプロセッサまたは処理ユニット５１６、メモリ５２８、システム構成要素（メモリ５２８と処理ユニット５１６とを含む）を接続するバス５１８を備えるが、これらに限定されない。
バス５１８は、メモリバス又はメモリコントローラ、周辺バス、アクセラレーテッドグラフィックスポート、プロセッサ、又は多様なバス構造のいずれかのバス構造を使用するローカルバスを含む、いくつかのタイプのバス構造のうちの少なくとも一つを表す。例えば、これらのアーキテクチャは、インダストリスタンダードアーキテクチャ（Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ、以下ＩＳＡと略する）バス、マイクロチャネルアーキテクチャ（Ｍｉｃｒｏ Ｃｈａｎｎｅｌ Ａｒｃｈｉｔｅｃｔｕｒｅ、以下ＭＣＡと略する）バス、拡張ＩＳＡバス、ビデオエレクトロニクススタンダーズアソシエーション（Ｖｉｄｅｏ Ｅｌｅｃｔｒｏｎｉｃｓ Ｓｔａｎｄａｒｄｓ Ａｓｓｏｃｉａｔｉｏｎ、以下ＶＥＳＡと略する）ローカルバス、及びペリフェラルコンポーネントインターコネクト（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔｉｏｎ、以下ＰＣＩと略する）バスを含むが、これらに限定されない。
コンピュータ機器５１２は、通常、複数種類のコンピュータシステム読み取り可能な媒体を含む。これらの媒体は、揮発性媒体及び不揮発性媒体、リムーバブル媒体及びノンリムーバブル媒体を含む、コンピュータ機器５１２によってアクセスして取得された任意の使用可能な媒体であってもよい。
メモリ５２８は、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、以下ＲＡＭと略する）５３０及び／又はキャッシュメモリ５３２のような揮発性メモリの形態のコンピュータシステム読み取り可能な媒体を含んでいてもよい。コンピュータ機器５１２は、他のリムーバブル／ノンリムーバブル、揮発性／不揮発性コンピュータシステム記憶媒体をさらに含んでもよい。例だけとするが、ストレージシステム５３４は、ノンリムーバブル、不揮発性磁気媒体（図５に図示せず、通常「ハードディスクドライブ」と称される）に対して読み出し及び書き込みをするために用いることができる。図５に示されていないが、リムーバブル不揮発性磁気ディスク（例えば、「フロッピーディスク」）に対して読み出し及び書き込みをするための磁気ディスクドライブ、及びリムーバブル不揮発性光学ディスク（例えば、シーディーロム（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ、以下ＣＤ－ＲＯＭと略する）、ディーブイディーロム（Ｄｉｇｉｔａｌ Ｖｉｄｅｏ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ、以下ＤＶＤ－ＲＯＭと略する）又は他の光学媒体）に対して読み出し及び書き込みをするための光ディスクドライブを提供することができる。これらの場合、各ドライブは、少なくとも一つのデータメディアインターフェイスを介してバス５１８に接続することができる。メモリ５２８は、本発明の各実施例に記載の機能を実行するように構成される１セットの（例えば、少なくとも１つ）プログラムモジュールを有する少なくとも１つのプログラム製品を含んでもよい。
１セットの（少なくとも一つ）プログラムモジュール５２６を有するプログラム/ユーティリティ５３６は、例えば、メモリ５２８に記憶されてもよく、このようなプログラムモジュール５２６は、オペレーティングシステム、少なくとも一つのアプリケーションプログラム、他のプログラムモジュール及びプログラムデータを含むが、これらに限定されない。これらの例のそれぞれ又はある組み合わせには、ネットワーキング環境の実装が含まれる可能性がある。プログラムモジュール５２６は、通常、本発明に記載の実施例における機能及び／又は方法を実行する。
コンピュータ機器５１２は、少なくとも一つの外部デバイス５１４（例えば、キーボード、ポインティングデバイス、ディスプレイ５２４など）と通信することができ、また、ユーザが当該コンピュータ機器５１２とインタラクションすることを可能にする少なくとも一つのデバイスと通信することができ、及び／又は、当該コンピュータ機器５１２が少なくとも一つの他のコンピューティングデバイスと通信することを可能にする任意のデバイス（例えば、ネットワークカード、モデムなど）と通信することもできる。そのような通信は、入力／出力（Ｉ／Ｏ）インターフェース５２２を介して行うことができる。また、コンピュータ機器５１２は、ネットワークアダプタ５２０を介して、少なくとも一つのネットワーク（例えば、ローカルエリアネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ、以下ＬＡＮと略する）、ワイドエリアネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ、以下ＷＡＮと略する）、及び／又はパブリックネットワーク、例えば、インターネット）と通信することができる。図に示すように、ネットワークアダプタ５２０は、バス５１８を介してコンピュータ機器５１２の他のモジュールと通信する。なお、図示されていないが、マイクロコード、デバイスドライバ、冗長化処理ユニット、外部ディスクドライブアレイ、ＲＡＩＤシステム、テープドライバ、及びデータバックアップストレージシステムなどを含むが、これらに限定されない他のハードウェア及び／又はソフトウェアモジュールをコンピュータ機器５１２と組み合わせて使用することができる。
処理ユニット５１６は、メモリ５２８に記憶されているプログラムを実行することにより、多様な機能アプリケーション及びデータ処理を実行し、例えば、前述した実施例に係る方法を実現する。
すなわち、処理ユニットがプログラムを実行する際に、少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得するステップと、センサに対応するリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算するステップと、Ｄ－Ｓ証拠組合せ技術を使用して、各センサの各状態パラメータにおける信頼度関数の割当て値を融合し、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得するステップと、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて、障害物の静止状態を判断するステップとが実現される。
コンピュータ機器によると、取得した少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する。その後、Ｄ－Ｓ証拠組合せ技術を使用して各信頼度関数の割当て値を融合して、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する。最後に、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて障害物の静止状態を判断することによって、複数のセンサにより取得した障害物速度に基づいて障害物の静止状態を決定することを実現する。そして、従来の無人車両システムで障害物の静止状態を判断する際に存在する、判断結果が非安定かつ非信頼であり、また誤判断が起こし易い問題を解決して、無人車両システムで障害物静止状態を判断するためのアルゴリズムモジュールの独立性、および整個統合システムの機能的完全性を保証し、無人車両システムの障害物静止状態に対する判断の安定性、信頼性、および精度を向上させることができる。
実施例６
本発明の実施例６は、コンピュータプログラムを記憶するコンピュータ記憶媒体をさらに提供する。コンピュータ記憶媒体は、コンピュータプログラムがコンピュータプロセッサによって実行されると、本発明の上述した任意の実施例に記載の障害物静止状態の決定方法を実行する。障害物静止状態の決定方法は、少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得するステップと、センサに対応するリアルタイムな障害物速度に基づいて、各センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算するステップと、Ｄ－Ｓ証拠組合せ技術を使用して、各センサの各状態パラメータにおける信頼度関数の割当て値を融合し、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得するステップと、各状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値に基づいて、障害物の静止状態を判断するステップとを含む。
本実施例のコンピュータ記憶媒体は、少なくとも一つのコンピュータ読み取り可能な媒体の任意の組み合わせを使用してもよい。コンピュータ読み取り可能な媒体は、コンピュータ読み取り可能な信号媒体またはコンピュータ読み取り可能な記憶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、例えば、電子、磁気、光、電磁気、赤外線、または、半導体のシステム、装置またはデバイス、または、任意の以上の組み合わせであってもよいが、これらに限定されない。コンピュータ読み取り可能な記憶媒体のより具体的な一例（非網羅的リスト）は、少なくとも一つのワイヤを有する電気接続、ポータブル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）、読み取り専用メモリ(ＲＯＭ)、消去可能プログラマブル読み取り専用メモリ(ＥＰＲＯＭまたはフラッシュメモリ)、光ファイバ、携帯用コンパクトディスク読み取り専用メモリ(ＣＤ－ＲＯＭ)、光記憶装置、磁気記憶装置、または、上記の任意の適切な組み合わせを含む。本明細書では、コンピュータ読み取り可能な記憶媒体は、プログラムを含むかまたは記憶されている任意の有形の媒体であってもよい。プログラムは、命令実行システム、装置、または、デバイスによって使用されるか、または、これらと結合して使用されてもよい。
コンピュータ読み取り可能な信号媒体は、コンピュータ読み取り可能なプログラムコードを搬送する、ベースバンドで伝播されるかまたは搬送波の一部として伝播されるデータ信号を含んでいてもよい。このような伝播されるデータ信号は、電磁信号、光信号、またはこれらの任意の適切な組み合わせを含むが、これらに限定されず、さまざまな形態を使用してもよい。コンピュータ読み取り可能な信号媒体は、また、命令実行システム、装置またはデバイスによって使用されるまたはそれらと結合して使用するためのプログラムを送信、伝播、または、移送することができる、コンピュータ読み取り可能な記憶媒体以外の任意のコンピュータ読み取り可能な媒体であってもよい。
コンピュータ読み取り可能な媒体に含まれたプログラムコードは、無線、ワイヤ、光ファイバケーブル、無線周波（ＲＦ：Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ）など、またはこれらの任意の適切な組合せを含むがこれらに限定されず、任意の適切な媒体によって送信することができる。
本発明の動作を実行するためのコンピュータプログラムコードは、少なくとも一つのプログラミング言語、またはそれらの組み合わせで書くことができ、プログラミング言語は、Ｊａｖａ（登録商標）、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語を含み、さらに、「Ｃ」言語または類似のプログラミング言語などの従来の手続き型プログラミング言語も含む。プログラムコードは、完全にユーザのコンピュータ、部分的にユーザのコンピュータ、単独のソフトウェアパッケージとして、部分的にユーザのコンピュータ、部分的にリモートコンピュータで、または全体的にリモートコンピュータまたはサーバで実行されることができる。リモートコンピュータの場合、リモートコンピュータは、ローカルエリアネットワーク（ＬＡＮ）またはワイドエリアネットワーク（ＷＡＮ）を含む任意の種類のネットワークを介してユーザのコンピュータに接続することができ、または、外部コンピュータに接続することができる（例えばインターネットサービスプロバイダを使用してインターネットに接続する）。
実施例７
上述した各実施例を基礎として、本発明の実施例は、車体を備える車両を提供する。車両は、本発明の任意の実施例に記載のコンピュータ機器と、車体に設けられた少なくとも二つのセンサとをさらに備え、少なくとも二つのセンサは、周囲環境内の障害物のリアルタイムな障害物速度を検出する。
本実施例の変形例として、センサは、ミリ波レーダ、およびレーザレーダを含んでいてもよい。
上記は、本発明のより好ましい実施例および運用された技術原理のみであることに気づかなければならない。当業者であれば、本発明はここに記載の特定の実施例に限定されず、当業者にとっては本発明の保護範囲を離脱しない範囲において、いろんな明らかな変化、再度の調整および切り替えを行うことができることが理解できる。したがって、上記の実施例を通じて本発明をより詳細に説明したが、本発明は上記の実施例に限定されず、本発明の思想を離脱しない前提下で、もっと多い他の等価の実施例を含むことができるが、本発明の範囲は添付の特許請求の範囲によって決定される。

Claims (14)

  1. 少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得するステップと、
    前記センサに対応する前記リアルタイムな障害物速度に基づいて、各前記センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算するステップと、
    Ｄ－Ｓ証拠組合せにおける融合アルゴリズムを使用して、各前記センサの各前記状態パラメータにおける前記信頼度関数の割当て値を融合し、各前記状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得するステップと、
    各前記状態パラメータにそれぞれ対応する前記融合された信頼度関数の割当て値の大きさを比較し、静止状態パラメータでの信頼度関数の割当て値の大きさが最も大きい場合に、前記障害物の状態が静止状態であると判断するステップとを含む障害物静止状態の決定方法。
  2. 前記状態パラメータは、静止、非静止、および未知を含む請求項１に記載の障害物静止状態の決定方法。
  3. 前記センサに対応する前記リアルタイムな障害物速度に基づいて、各前記センサの各前記状態パラメータにおける前記信頼度関数の割当て値をそれぞれ計算するステップは、
    速度係数と静止確率との間のマッピング関係、および前記センサに対応する前記リアルタイムな障害物速度に基づいて、各前記センサにそれぞれ対応するリアルタイムな静止確率を計算するステップと、
    各前記センサにそれぞれ対応する前記リアルタイムな静止確率、および前記センサに対応する信頼度関数の割当て規則に基づいて、各前記センサの各前記状態パラメータにおける前記信頼度関数の割当て値をそれぞれ計算するステップとを含む請求項１または請求項２に記載の障害物静止状態の決定方法。
  4. 前記センサは、ミリ波レーダ、または、レーザレーダを含む請求項３に記載の障害物静止状態の決定方法。
  5. 前記速度係数と前記静止確率との間のマッピング関係は、以下の式（１）を含み、
    Figure 0007146713000007
     ただし、
    ｖは、前記速度係数であり、
    ｆ（ｖ）は、前記静止確率であり、
    ｔ及びｓは、予め設定されたマッピングパラメータであり、
    異なるセンサは、異なる値の範囲のマッピングパラメータに対応する請求項４に記載の障害物静止状態の決定方法。
  6. 前記センサがミリ波レーダである場合、ｔの値の範囲は（０.５,１.０）であり、ｓの値の範囲は（０.１,０.３）であり、
    前記センサがレーザレーダである場合、ｔの値の範囲は（０.２,０.５）であり、ｓの値の範囲は（０.１,０.２）である請求項５に記載の障害物静止状態の決定方法。
  7. 各前記センサにそれぞれ対応する前記リアルタイムな静止確率、および前記センサに対応する前記信頼度関数の割当て規則に基づいて、各前記センサの各前記状態パラメータにおける前記信頼度関数の割当て値をそれぞれ計算するステップは、
    ミリ波レーダに対応する第１のリアルタイムな静止確率ｆ１（ｖ）に基づいて、前記ミリ波レーダタイプの静止状態における信頼度関数の割当て値を０に設定し、前記ミリ波レーダタイプの非静止状態おける信頼度関数の割当て値を１－ｆ１（ｖ）に設定し、前記ミリ波レーダの未知状態における信頼度関数の割当て値をｆ１（ｖ）に設定するステップ、及び／又は、
    レーザレーダに対応する第２のリアルタイムな静止確率ｆ２（ｖ）に基づいて、前記レーザレーダの静止状態における信頼度関数の割当て値をｆ２（ｖ）に設定し、前記レーザレーダの非静止状態における信頼度関数の割当て値を１－ｆ２（ｖ）に設定し、前記レーザレーダの未知状態における信頼度関数の割当て値を０に設定するステップを含む請求項１から請求項６のいずれかに記載の障害物静止状態の決定方法。
  8. 前記センサに対応する前記リアルタイムな障害物速度に基づいて、各前記センサの少なくとも二つの前記状態パラメータにおける前記信頼度関数の割当て値をそれぞれ計算した後に、
    前記センサによって検出して取得された前記リアルタイムな障害物速度、および歴史的な障害物速度に基づいて、前記センサの少なくとも二つの前記状態パラメータにおける前記信頼度関数の割当て値を更新するステップをさらに含む請求項１から請求項７のいずれかに記載の障害物静止状態の決定方法。
  9. 前記センサによって検出して取得された前記リアルタイムな障害物速度、および前記歴史的な障害物速度に基づいて、前記センサの少なくとも二つの前記状態パラメータにおける前記信頼度関数の割当て値を更新するステップは、
    レーザレーダを目標センサとして取得するステップと、
    前記目標センサの前記リアルタイムな障害物速度、および少なくとも一つの歴史的な時点で検出された少なくとも一つの前記歴史的な障害物速度に基づいて、前記目標センサに対応する速度信頼性のメトリック値を計算するステップと、
    前記速度信頼性のメトリック値に基づいて、前記目標センサの少なくとも二つの前記状態パラメータにおける前記信頼度関数の割当て値を更新するステップとを含み、
    前記目標センサの前記リアルタイムな障害物速度、および少なくとも一つの前記歴史的な時点で検出された少なくとも一つの前記歴史的な障害物速度に基づいて、前記目標センサに対応する前記速度信頼性のメトリック値を計算するステップは、
    以下の式（２）によって前記目標センサに対応する前記速度信頼性のメトリック値αを計算するステップを含み、
    Figure 0007146713000008
     ただし、
    ｓｍａｘは、予め設定された最大許容速度誤差であり、
    ｖｔは、現在の時点ｔで検出された前記リアルタイムな障害物速度であり、
    ｖｔ－ｉは、前記現在の時点ｔのｉ個前の歴史的な時点で検出された前記歴史的な障害物速度であり、
    ｆａｂｓ（）は、絶対値を取得する関数であり、
    ｍａｘ（）は、最大値を取得する関数であり、
    ｍｅａｎ（）は、平均値を取得する関数である請求項８に記載の障害物静止状態の決定方法。
  10. 前記速度信頼性のメトリック値に基づいて、前記目標センサの少なくとも二つの前記状態パラメータにおける前記信頼度関数の割当て値を更新するステップは、
    前記目標センサの静止状態における信頼度関数の割当て値Ｍ１をＭ１*αに更新し、前記目標センサの非静止状態における信頼度関数の割当て値Ｍ２をＭ２*αに更新し、前記目標センサの未知状態における信頼度関数の割当て値を１‐Ｍ１*α‐Ｍ２*αに更新する請求項９に記載の障害物静止状態の決定方法。
  11. 少なくとも二つのセンサによって同一の障害物を検出して取得されたリアルタイムな障害物速度を取得するリアルタイム障害物速度取得モジュールと、
    前記センサに対応する前記リアルタイムな障害物速度に基づいて、各前記センサの少なくとも二つの状態パラメータにおける信頼度関数の割当て値をそれぞれ計算する独立信頼度関数割当て値計算モジュールと、
    Ｄ－Ｓ証拠組合せにおける融合アルゴリズムを使用して、各前記センサの各前記状態パラメータにおける前記信頼度関数の割当て値を融合し、各前記状態パラメータにそれぞれ対応する融合された信頼度関数の割当て値を取得する融合信頼度関数割当て値計算モジュールと、
    各前記状態パラメータにそれぞれ対応する前記融合された信頼度関数の割当て値の大きさを比較し、静止状態パラメータでの信頼度関数の割当て値の大きさが最も大きい場合に、前記障害物の状態が静止状態であると判断する静止状態判断モジュールとを備える障害物静止状態の決定装置。
  12. 少なくとも一つのプロセッサと、
    少なくとも一つのプログラムを記憶する記憶装置とを備え、
    少なくとも一つの前記プログラムが少なくとも一つの前記プロセッサによって実行される場合に、少なくとも一つの前記プロセッサが、請求項１から請求項１０のいずれかに記載の障害物静止状態の決定方法を実現するコンピュータ機器。
  13. コンピュータプログラムが記憶されているコンピュータ記憶媒体であって、
    前記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場合に、請求項１から請求項１０のいずれかに記載の障害物静止状態の決定方法が実現されるコンピュータ記憶媒体。
  14. 車体を備える車両であって、
    請求項１２に記載のコンピュータ機器と、
    前記車体に設けられた少なくとも二つの前記センサとをさらに備え、
    少なくとも二つの該センサは、周囲環境内の前記障害物の前記リアルタイムな障害物速度を検出する車両。
JP2019163316A 2018-09-07 2019-09-06 障害物静止状態の決定方法、障害物静止状態の決定装置、コンピュータ機器、コンピュータ記憶媒体及び車両 Active JP7146713B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811043093.0 2018-09-07
CN201811043093.0A CN108983213B (zh) 2018-09-07 2018-09-07 障碍物静止状态的确定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
JP2020042817A JP2020042817A (ja) 2020-03-19
JP7146713B2 true JP7146713B2 (ja) 2022-10-04

Family

ID=64544977

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019163316A Active JP7146713B2 (ja) 2018-09-07 2019-09-06 障害物静止状態の決定方法、障害物静止状態の決定装置、コンピュータ機器、コンピュータ記憶媒体及び車両

Country Status (4)

Country Link
US (1) US11360211B2 (ja)
EP (1) EP3620995B1 (ja)
JP (1) JP7146713B2 (ja)
CN (1) CN108983213B (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544990A (zh) * 2018-12-12 2019-03-29 惠州市德赛西威汽车电子股份有限公司 一种基于实时电子地图识别可用泊车位的方法及系统
CN109583511B (zh) * 2018-12-14 2023-06-30 北京百度网讯科技有限公司 速度融合方法和装置
CN114586081A (zh) * 2019-10-31 2022-06-03 索尼集团公司 信息处理设备、信息处理系统和信息处理方法
CN110843792B (zh) * 2019-11-29 2021-05-25 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN111625934B (zh) * 2020-04-30 2023-05-26 中国地质大学（武汉） 一种基于d-s证据理论的退火加热过程的多模态识别方法
CN112356845B (zh) * 2020-11-19 2022-02-18 中国第一汽车股份有限公司 一种目标运动状态的预测方法、装置、设备及车辆
CN112731332B (zh) * 2021-01-13 2024-06-18 路晟悠拜(重庆)科技有限公司 基于毫米波的静态目标存在识别方法及系统
CN113238214B (zh) * 2021-04-14 2024-03-19 杭州萤石软件有限公司 目标对象检测方法、装置、电子设备和存储介质
CN114407916B (zh) * 2021-12-16 2024-01-23 阿波罗智联(北京)科技有限公司 车辆控制及模型训练方法、装置、车辆、设备和存储介质
CN114858200B (zh) * 2022-04-19 2023-06-27 合众新能源汽车股份有限公司 车辆传感器检测到的对象的质量评价方法及装置
CN115184895B (zh) * 2022-09-07 2022-12-16 北京海兰信数据科技股份有限公司 一种基于导航雷达的静态目标识别方法及系统
CN115690739B (zh) * 2022-10-31 2024-03-26 阿波罗智能技术(北京)有限公司 多传感器融合障碍物存在性检测方法和自动驾驶车辆
CN115575923B (zh) * 2022-12-08 2023-03-28 千巡科技(深圳)有限公司 一种地面机器人静止判断方法、系统、装置以及存储介质
CN117932548B (zh) * 2024-03-25 2024-06-04 西北工业大学 基于置信度的多源异构传感器融合的飞行障碍识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006234513A (ja) 2005-02-23 2006-09-07 Toyota Central Res & Dev Lab Inc 障害物検出装置
JP2014006123A (ja) 2012-06-22 2014-01-16 Toyota Motor Corp 物体検出装置、情報処理装置、物体検出方法
US20150310146A1 (en) 2014-04-29 2015-10-29 Bayerische Motoren Werke Aktiengesellschaft Detecting Static and Dynamic Objects
JP2017037641A (ja) 2015-07-30 2017-02-16 トヨタ モーター エンジニアリング アンド マニュファクチャリング ノース アメリカ，インコーポレイティド 自律移動体に対する不正確なセンサ・データの関連付けを最小限とする方法
US20170248693A1 (en) 2016-02-26 2017-08-31 Hyundai Motor Company Vehicle and controlling method thereof integrating radar and lidar

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03149624A (ja) * 1989-11-07 1991-06-26 Fujitsu Ltd 推論システム
FR2718252B1 (fr) * 1994-03-30 1996-06-14 Onera (Off Nat Aerospatiale) Procédé de poursuite de mobiles.
US5963653A (en) * 1997-06-19 1999-10-05 Raytheon Company Hierarchical information fusion object recognition system and method
US6909997B2 (en) * 2002-03-26 2005-06-21 Lockheed Martin Corporation Method and system for data fusion using spatial and temporal diversity between sensors
US7424466B2 (en) * 2002-07-24 2008-09-09 Northrop Grumman Corporation General purpose fusion engine
US7447670B1 (en) * 2005-09-08 2008-11-04 Hrl Laboratories, Llc Methods for monitoring conflicts in inference systems
DE102006047131A1 (de) * 2006-10-05 2008-04-10 Robert Bosch Gmbh Verfahren zum automatischen Steuern eines Fahrzeugs
CN101519981B (zh) 2009-03-19 2012-07-04 重庆大学 基于单目视觉的矿井机车防撞预警系统和预警方法
DE102010037163B4 (de) * 2009-08-27 2017-12-21 Fujitsu Ten Ltd. Signalverarbeitungsvorrichtung, Radarvorrichtung, Fahrzeugsteuersystem, Signalverarbeitungsverfahren und computerlesbares Medium
CN101697006B (zh) 2009-09-18 2011-11-16 北京航空航天大学 基于机载雷达和红外成像传感器数据融合的目标识别方法
US8566271B2 (en) * 2010-02-26 2013-10-22 Raytheon Company System and method for aggregating information
US20120005149A1 (en) * 2010-06-30 2012-01-05 Raytheon Company Evidential reasoning to enhance feature-aided tracking
JP5982134B2 (ja) * 2012-02-29 2016-08-31 富士通テン株式会社 レーダ装置、および、信号処理方法
US9037519B2 (en) * 2012-10-18 2015-05-19 Enjoyor Company Limited Urban traffic state detection based on support vector machine and multilayer perceptron
US9785846B2 (en) * 2015-12-23 2017-10-10 Automotive Research & Test Center Method for quantifying classification confidence of obstructions
US10160448B2 (en) * 2016-11-08 2018-12-25 Ford Global Technologies, Llc Object tracking using sensor fusion within a probabilistic framework
US10710579B2 (en) * 2017-06-01 2020-07-14 Waymo Llc Collision prediction system
US10649458B2 (en) * 2017-09-07 2020-05-12 Tusimple, Inc. Data-driven prediction-based system and method for trajectory planning of autonomous vehicles
DE102018200683A1 (de) * 2018-01-17 2019-07-18 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Detektion eines Objektes
US10852420B2 (en) * 2018-05-18 2020-12-01 Industrial Technology Research Institute Object detection system, autonomous vehicle using the same, and object detection method thereof
IT201800006594A1 (it) * 2018-06-22 2019-12-22 "Procedimento per la mappatura dell’ambiente di un veicolo, corrispondenti sistema, veicolo e prodotto informatico"
US20190050653A1 (en) * 2018-09-28 2019-02-14 Intel Corporation Perception device for obstacle detection and tracking and a perception method for obstacle detection and tracking

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006234513A (ja) 2005-02-23 2006-09-07 Toyota Central Res & Dev Lab Inc 障害物検出装置
JP2014006123A (ja) 2012-06-22 2014-01-16 Toyota Motor Corp 物体検出装置、情報処理装置、物体検出方法
US20150310146A1 (en) 2014-04-29 2015-10-29 Bayerische Motoren Werke Aktiengesellschaft Detecting Static and Dynamic Objects
JP2017037641A (ja) 2015-07-30 2017-02-16 トヨタ モーター エンジニアリング アンド マニュファクチャリング ノース アメリカ，インコーポレイティド 自律移動体に対する不正確なセンサ・データの関連付けを最小限とする方法
US20170248693A1 (en) 2016-02-26 2017-08-31 Hyundai Motor Company Vehicle and controlling method thereof integrating radar and lidar

Also Published As

Publication number Publication date
EP3620995B1 (en) 2021-10-20
JP2020042817A (ja) 2020-03-19
CN108983213A (zh) 2018-12-11
US20200081118A1 (en) 2020-03-12
EP3620995A1 (en) 2020-03-11
US11360211B2 (en) 2022-06-14
CN108983213B (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
JP7146713B2 (ja) 障害物静止状態の決定方法、障害物静止状態の決定装置、コンピュータ機器、コンピュータ記憶媒体及び車両
US10228693B2 (en) Generating simulated sensor data for training and validation of detection models
WO2019140950A1 (zh) 一种车辆定位的方法以及车辆定位装置
JP6643883B2 (ja) Ｇｐｓドリフトの処理方法、およびそのシステム
CN108897836B (zh) 一种机器人基于语义进行地图构建的方法和装置
CN109738884B (zh) 对象检测方法、装置和计算机设备
CN112015178B (zh) 一种控制方法、装置、设备及存储介质
CN113859264B (zh) 车辆控制方法、装置、电子设备及存储介质
KR20230086628A (ko) 다중 센서 융합에 의한 측정값 신뢰도 획득 방법 및 자율주행 차량
JPH10112000A (ja) 障害物認識装置
CN114022614A (zh) 一种三维重建目标位置置信度的估计方法及系统
JP6866443B2 (ja) 障害物速度の検出方法、障害物速度の検出装置、コンピュータ機器、記憶媒体及び車両
CN111461980B (zh) 点云拼接算法的性能估计方法和装置
CN113177980A (zh) 用于自动驾驶的目标对象速度确定方法、装置及电子设备
CN111523619A (zh) 目标存在概率的计算方法、装置、电子设备及存储介质
KR101726677B1 (ko) 무선 센서 네트워크 장치 및 그 제어방법
CN116106869A (zh) 自动驾驶车辆的定位评价方法、装置及电子设备
CN114861725A (zh) 一种目标感知跟踪的后处理方法、装置、设备及介质
CN111722297B (zh) 目标存在概率的计算方法、装置、电子设备及存储介质
KR100264395B1 (ko) 초음파 센서를 이용한 물체 탐지방법
KR102261155B1 (ko) 가상 센서 이중화를 통한 차량 제어 방법 및 그 장치
Oussalah et al. New fusion methodology approach and application to mobile robotics: investigation in the framework of possibility theory
CN116228603B (zh) 一种挂车周围障碍物的报警系统及装置
CN111398961B (zh) 用于检测障碍物的方法和装置
US20230146935A1 (en) Content capture of an environment of a vehicle using a priori confidence levels

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190906

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200903

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201013

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201223

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210518

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210816

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20211029

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220202

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220601

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20220601

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20220608

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20220614

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: 20220823

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220921

R150 Certificate of patent or registration of utility model

Ref document number: 7146713

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150