KR101557464B1 - 복수의 정보원들을 이용한 공사 구역 검출 - Google Patents
복수의 정보원들을 이용한 공사 구역 검출 Download PDFInfo
- Publication number
- KR101557464B1 KR101557464B1 KR1020157008687A KR20157008687A KR101557464B1 KR 101557464 B1 KR101557464 B1 KR 101557464B1 KR 1020157008687 A KR1020157008687 A KR 1020157008687A KR 20157008687 A KR20157008687 A KR 20157008687A KR 101557464 B1 KR101557464 B1 KR 101557464B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- vehicle
- computing device
- road
- construction
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000010276 construction Methods 0.000 title claims description 196
- 238000000034 method Methods 0.000 claims abstract description 115
- 238000011217 control strategy Methods 0.000 claims abstract description 64
- 238000004891 communication Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 2
- 230000003213 activating effect Effects 0.000 claims 1
- 230000003466 anti-cipated effect Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 40
- 230000008569 process Effects 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000001276 controlling effect Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 238000007635 classification algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 5
- 229910003460 diamond Inorganic materials 0.000 description 4
- 239000010432 diamond Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000011324 bead Substances 0.000 description 2
- 239000003502 gasoline Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- -1 batteries Substances 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
Images
Classifications
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- 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
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
-
- 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
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/009—Priority selection
- B60W2050/0091—Priority selection of control inputs
-
- 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 or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B60W2420/408—
-
- 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
- B60W2556/45—External transmission of data to or from 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle for navigation systems
Abstract
복수의 정보원들로부터의 정보를 이용한 공사 구역의 검출을 위한 방법들 및 시스템들이 기술된다. 일 예시에서, 차량을 제어하도록 구성된 컴퓨팅 디바이스는, 복수의 정보원들로부터, 상기 차량이 운행하고 있는 도로상의 공사 구역의 검출에 관한 정보를 수신하도록 구성된다. 또한, 상기 컴퓨팅 디바이스는, 상기 정보에 기반해서, 상기 도로상의 공사 구역의 존재의 가능성을 결정하도록 구성된다. 더욱이 상기 컴퓨팅 디바이스는 상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하고, 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하도록 구성된다.
Description
이 출원은 2012년 9월 5일 제출된 미국 출원 제 13/603,613호에 대해 우선권을 주장하고, 상기 미국 출원의 전체는 본 문서에 참조로 통합된다.
자율 주행차들은 한 위치로부터 다른 위치까지 승객들을 수송하는 것을 돕기 위해 다양한 컴퓨팅 시스템들을 이용한다. 몇몇의 자율 주행차들은 파일럿, 운전자 또는 승객과 같은 오퍼레이터로부터 몇몇의 초기 입력 또는 연속 입력을 필요로 할 수 있다. 다른 시스템들, 예를 들어, 오토파일럿 시스템들은, 상기 시스템이 개입된 때에만 사용될 수 있고, 이는 상기 오퍼레이터로 하여금 (오퍼레이터가 차량의 움직임에 대한 높은 정도의 제어를 행사하는)수동 모드로부터 (차량이 본질적으로 스스로 운전하는)자율 모드로, 그리고 상기 수동 모드와 자율 모드 사이의 어딘가에 놓인 모드들로 스위칭하는 것을 허용한다.
본 출원은 다수의 정보원들을 이용한 공사 구역의 검출에 관한 실시예들을 개시한다. 일 양상에서, 본 출원은 한 방법을 기술한다. 상기 방법은, 차량을 제어하도록 구성된 컴퓨팅 디바이스에서, 복수의 정보원들로부터, 상기 차량이 운행하고 있는 도로상의 공사 구역의 검출에 관한 정보를 수신하는 것을 포함한다. 상기 복수의 정보원들 중 정보원 각각에 그 정보원으로부터 수신된 정보 각각에 기반한 상기 공사 구역의 검출의 신뢰의 레벨을 표시하는 신뢰성 메트릭이 할당된다. 상기 방법은 또한, 상기 컴퓨팅 디바이스를 이용해서, 상기 정보 및 상기 복수의 정보원들의 각각의 신뢰성 메트릭들에 기반해서, 상기 도로상의 공사 구역의 존재 가능성을 결정하는 것을 포함한다. 상기 방법은 또한, 상기 컴퓨팅 디바이스를 이용해서, 상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하는 것을 포함하고, 상기 컴퓨팅 디바이스를 이용해서, 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하는 것을 더 포함한다.
다른 양상에서, 본 출원은 컴퓨팅 디바이스로 하여금 기능들을 수행하게 하기 위해 차량의 컴퓨팅 디바이스에 의해 실행 가능한 명령들을 저장하는 비일시적인 컴퓨터 판독 가능 매체를 기술한다. 상기 기능들은 복수의 정보원들로부터, 차량이 운행하고 있는 도로상의 공사 구역의 검출에 관한 정보를 수신하는 것을 포함한다. 상기 복수의 정보원들 중 정보원 각각에 그 정보원으로부터 수신된 각각의 정보에 기반한 상기 공사 구역의 검출의 신뢰의 레벨을 표시하는 신뢰성 메트릭이 할당된다. 상기 기능들은 또한, 상기 정보 및 상기 복수의 정보원들의 각각의 신뢰성 메트릭들에 기반해서, 상기 도로상의 공사 구역의 존재 가능성을 결정하는 것을 포함한다. 상기 기능들은 상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하는 것을 더 포함한다. 상기 기능들은 또한 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하는 것을 포함한다.
또 다른 양상에서, 본 출원은 차량용 제어 시스템을 기술한다. 상기 제어 시스템은 컴퓨팅 디바이스를 포함한다. 상기 컴퓨팅 디바이스는, 복수의 정보원들로부터, 상기 차량이 운행하고 있는 도로상의 공사 구역의 검출에 관한 정보를 수신하도록 구성된다. 상기 복수의 정보원들 중 정보원 각각에 그 정보원으로부터 수신된 각각의 정보에 기반해서 상기 공사 구역의 검출의 신뢰의 레벨을 표시하는 각각의 신뢰성 메트릭이 할당된다. 상기 컴퓨팅 디바이스는 또한, 상기 정보 및 상기 복수의 정보원들의 각각의 신뢰성 메트릭들에 기반해서, 상기 도로상의 공사 구역의 존재의 가능성을 결정하도록 구성된다. 상기 컴퓨팅 디바이스는 상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하고, 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하도록 더 구성된다.
전술한 요약은 예시적인 것일 뿐이고 어떤 방식으로든 한정하는 것으로 의도되지 않는다. 위에 기술된 예시적인 양상들, 실시예들 및 구성들에 더하여, 추가적인 양상들, 실시예들 및 구성들은 상기 도면들에 대한 참조 및 후속하는 상세한 설명에 의해 명백해질 것이다.
도 1은 일 실시예에 부합하는, 자동차 예시의 단순화된 블럭도이다.
도 2는 일 실시예에 부합하는, 자동차 예시를 기술한다.
도 3은 일 실시예에 부합하는, 정보의 복수의 정보원들을 이용한 공사 구역의 검출을 위한 방법의 순서도이다.
도 4는 일 실시예에 부합하는, 공사 구역에 접근하는 차량을 기술한다.
도 5는 일 실시예에 부합하는, 공사 구역 표지판의 검출을 위한 방법의 순서도이다.
도 6a-6b는 일 실시예에 부합하는, 차량이 운행하고 있는 도로 및 상기 도로의 부근(vicinity)의 이미지들을 기술한다.
도 6c-6d는 일 실시예에 부합하는, 미리 결정된 높이 범위에서 상기 도로의 측면들을 묘사하는 상기 도로 및 상기 도로의 부근의 이미지들의 부분들을 기술한다.
도 7은 일 실시예에 부합하는, LIDAR-기반 정보를 이용한 공사 구역 표지판의 검출을 위한 방법의 순서도이다.
도 8a는 일 실시예에 부합하는, 상기 도로의 표면으로부터의 임계 높이보다 높은 높이에 있는 영역에서 공사 구역 표지판의 LIDAR-기반 검출을 기술한다.
도 8b는 일 실시예에 부합하는, 상기 도로의 표면으로부터의 임계 높이보다 높은 높이에 있는 영역을 묘사하는 LIDAR-기반 이미지를 기술한다.
도 9는 일 실시예에 부합하는, LIDAR-기반 정보를 이용한 공사 구역 물체들(construction zone objects)의 검출을 위한 방법의 순서도이다.
도 10a는 일 실시예에 부합하는, 상기 도로의 표면으로부터 임계 거리 내에 있는 영역에서의 공사 구역 콘의 LIDAR-기반 검출을 기술한다.
도 10b는 일 실시예에 부합하는, 상기 도로의 표면으로부터 임계 거리 내에 있는 영역을 묘사하는 LIDAR-기반 이미지를 기술한다.
도 10c는 일 실시예에 부합하는, 차로 경계를 형성하는 공사 구역 콘들의 LIDAR-기반 검출을 기술한다.
도 10d는 일 실시예에 부합하는, 차로 경계를 형성하는 공사 구역 콘들을 묘사하는 LIDAR-기반 이미지를 기술한다.
도 11은 일 실시예에 부합하는, 컴퓨터 프로그램의 개념적인 부분도의 개략적인 기술이다.
도 2는 일 실시예에 부합하는, 자동차 예시를 기술한다.
도 3은 일 실시예에 부합하는, 정보의 복수의 정보원들을 이용한 공사 구역의 검출을 위한 방법의 순서도이다.
도 4는 일 실시예에 부합하는, 공사 구역에 접근하는 차량을 기술한다.
도 5는 일 실시예에 부합하는, 공사 구역 표지판의 검출을 위한 방법의 순서도이다.
도 6a-6b는 일 실시예에 부합하는, 차량이 운행하고 있는 도로 및 상기 도로의 부근(vicinity)의 이미지들을 기술한다.
도 6c-6d는 일 실시예에 부합하는, 미리 결정된 높이 범위에서 상기 도로의 측면들을 묘사하는 상기 도로 및 상기 도로의 부근의 이미지들의 부분들을 기술한다.
도 7은 일 실시예에 부합하는, LIDAR-기반 정보를 이용한 공사 구역 표지판의 검출을 위한 방법의 순서도이다.
도 8a는 일 실시예에 부합하는, 상기 도로의 표면으로부터의 임계 높이보다 높은 높이에 있는 영역에서 공사 구역 표지판의 LIDAR-기반 검출을 기술한다.
도 8b는 일 실시예에 부합하는, 상기 도로의 표면으로부터의 임계 높이보다 높은 높이에 있는 영역을 묘사하는 LIDAR-기반 이미지를 기술한다.
도 9는 일 실시예에 부합하는, LIDAR-기반 정보를 이용한 공사 구역 물체들(construction zone objects)의 검출을 위한 방법의 순서도이다.
도 10a는 일 실시예에 부합하는, 상기 도로의 표면으로부터 임계 거리 내에 있는 영역에서의 공사 구역 콘의 LIDAR-기반 검출을 기술한다.
도 10b는 일 실시예에 부합하는, 상기 도로의 표면으로부터 임계 거리 내에 있는 영역을 묘사하는 LIDAR-기반 이미지를 기술한다.
도 10c는 일 실시예에 부합하는, 차로 경계를 형성하는 공사 구역 콘들의 LIDAR-기반 검출을 기술한다.
도 10d는 일 실시예에 부합하는, 차로 경계를 형성하는 공사 구역 콘들을 묘사하는 LIDAR-기반 이미지를 기술한다.
도 11은 일 실시예에 부합하는, 컴퓨터 프로그램의 개념적인 부분도의 개략적인 기술이다.
다음의 상세한 설명은 첨부 도면들을 참조로 하여 상기 개시된 시스템들 및 방법들의 다양한 구성들 및 기능들을 기술한다. 도면들에서, 컨텍스트가 달리 지시하지 않는 한, 유사한 부호들은 유사한 컴포넌트들을 식별한다. 본 명세서에서 기술된 예시적인 시스템 및 방법 실시예들은 한정하는 것으로 의도되지 않았다. 개시된 시스템들 및 방법들의 특정 양상들은 다양한 서로 다른 구성들로 배열되고 조합될 수 있음은 쉽게 이해될 것이고, 이 구성들 모두는 본 명세서에서 고려된다.
도로상에서 동작하는 자율 주행차는 내비게이션용 맵들에 의존하도록 구성될 수 있다. 몇몇의 예시들에서, 상기 도로상의 공사 구역의 존재로 인한 변화들은 상기 맵들에 반영되어 있지 않을 수 있다. 그러므로, 상기 자율 주행차는 상기 공사 구역을 검출하고 상기 공사 구역을 통해 안전하게 운전하도록 구성될 수 있다.
한 예시에서, 상기 차량을 제어하도록 구성된 컴퓨팅 디바이스는, 복수의 정보원들로부터 상기 차량이 운행하고 있는 상기 도로상의 공사 구역의 검출에 관한 정보를 수신하도록 구성된다. 또한, 상기 컴퓨팅 디바이스는 상기 정보에 기반해서, 상기 도로상의 공사 구역의 존재의 가능성을 결정하도록 구성된다. 추가적으로, 상기 컴퓨팅 디바이스는 상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하고, 상기 차량을 상기 수정된 제어 전략에 기반해서 제어하도록 구성된다.
예시적인 차량 제어 시스템은 자동차에서 구현되거나 자동차의 형태를 가질 수 있다. 대안적으로, 차량 제어 시스템은 승용차들, 트럭들, 모터사이클들, 버스들, 보트들, 비행기들, 헬리콥터들, 잔디 깎는 기계들, 레저 차량들, 놀이 기구들, 농장 시설, 공사 시설, 전차들, 골프 카트들, 기차들, 및 트롤리들(trolleys)과 같은 다른 차량들에서 구현되거나 다른 차량들의 형태를 가질 수 있다. 기타 차량들 또한 가능하다.
추가적으로, 예시적인 시스템은 본 명세서에 기술된 기능성을 제공하도록 적어도 하나의 프로세서에 의해서 실행 가능한 프로그램 명령들을 갖는 비일시적인 컴퓨터 판독 가능 매체의 형태를 가질 수 있다. 예시적인 시스템은 또한 그러한 프로그램 명령들을 갖는 그러한 비일시적인 컴퓨터 판독 가능 매체를 포함하는 자동차 또는 자동차의 서브시스템의 형태를 가질 수 있다.
이제 도면들을 참조하면, 도 1은 일 실시예에 부합하는, 예시 자동차(100)의 단순화된 블럭도이다. 자동차(100)에 결합되거나 상기 자동차에 포함된 컴포넌트들은 추진 시스템(102), 센서 시스템(104), 제어 시스템(106), 주변 장치들(108), 전력 공급원(110), 컴퓨팅 디바이스(111) 및 사용자 인터페이스(112)를 포함한다. 상기 컴퓨팅 디바이스(111)는 프로세서(113) 및 메모리(114)를 포함한다. 상기 메모리(114)는 상기 프로세서(113)에 의해 실행 가능한 명령들(115)을 포함하고, 또한 맵 데이터(116)를 저장한다. 자동차(100)의 컴포넌트들은 서로와 그리고/또는 각각의 시스템들에 결합된 다른 컴포넌트들과 상호연결된 방식으로 동작하도록 구성될 수 있다. 예를 들어, 전력 공급원(110)은 자동차(100)의 모든 컴포넌트들에 전력을 공급할 수 있다. 상기 컴퓨팅 디바이스(111)는 추진 시스템(102), 센서 시스템(104), 제어 시스템(106) 및 주변 장치(108)로부터 정보를 수신하고 이들을 제어하도록 구성될 수 있다. 상기 컴퓨팅 디바이스(111)는 사용자 인터페이스(112)상에 이미지들의 디스플레이를 생성하고 상기 사용자 인터페이스(112)로부터 입력들을 수신하도록 구성될 수 있다.
다른 예시들에서, 상기 자동차(100)는 더 많은, 더 적은 또는 다른 시스템들을 포함할 수 있고, 각각의 시스템은 더 많은, 더 적은 또는 다른 컴포넌트들을 포함할 수 있다. 추가적으로, 도시된 상기 시스템들 및 컴포넌트들은 어떤 수의 방식들로 조합되거나 분리될 수 있다.
상기 추진 시스템(102)은 상기 자동차(100)에 대한 전동의 움직임을 제공하도록 구성될 수 있다. 보여진 바와 같이, 추진 시스템(102)은 엔진/모터(118), 에너지 소스(120), 전송기(122) 및 휠/타이어들(124)을 포함한다.
상기 엔진/모터(118)는 내부 연소 엔진, 전기 모터, 증기 엔진 및 스털링 엔진(Stirling engine)이거나 이들의 어떤 조합을 포함할 수 있다. 다른 모터들 및 엔진들 또한 가능하다. 몇몇의 예시들에서, 추진 시스템(102)은 다수의 유형들의 엔진들 및/또는 모터들을 포함할 수 있다. 예를 들어, 가스-전기 하이브리드 자동차는 가솔린 엔진 및 전기 모터를 포함할 수 있다. 기타 예시들도 가능하다.
에너지 소스(120)는 엔진/모터(118)에 완전히 또는 부분적으로 전력을 공급하는 에너지의 소스이다. 즉, 엔진/모터(118)는 에너지 소스(120)를 기계적 에너지로 전환하도록 구성된다. 에너지 소스들(120)의 예시들은 가솔린, 디젤, 다른 석유기반 연료, 프로판, 다른 압축된 가스-기반 연료들, 에탄올, 태양 전지판들, 배터리들, 및 전기전력의 다른 소스들을 포함한다. 에너지 소스(들)(120)은 추가적으로 또는 대안적으로 연료 탱크들, 배터리들, 커패시터들, 및/또는 플라이휠들을 포함할 수 있다. 몇몇의 예시들에서, 에너지 소스(120)는 또한 자동차(100)의 다른 시스템들에 대한 에너지를 공급할 수 있다.
전송기(122)는 엔진/모터(118)로부터 휠/타이어들(124)에 기계적 힘을 전송하도록 구성될 수 있다. 이를 위하여, 전송기(122)는 기어박스, 클러치, 디퍼렌셜, 드라이브 섀프트, 및/또는 다른 요소들을 포함할 수 있다. 전송기(122)가 드라이브 섀프트들을 포함하는 예시들에서, 상기 드라이브 섀프트들은 상기 휠/타이어들(124)에 결합되도록 구성되는 하나 이상의 차축들을 포함할 수 있다.
상기 자동차(100)의 휠/타이어들(124)은, 유니사이클, 바이사이클/모터사이클, 트리사이클, 또는 4-휠 포맷의 차/트럭을 포함하는, 다양한 포맷들로 구성될 수 있다. 6개 이상의 휠들을 포함하는 휠/타이어 포맷과 같은, 다른 휠/타이어 포맷들 또한 가능하다. 자동차(100)의 휠/타이어들(124)은 다른 휠/타이어들(124)에 관해 서로 다르게 회전하도록 구성될 수 있다. 몇몇의 예시들에서, 상기 휠/타이어들(124)은 상기 전송기(122)에 고정되게 부착된 적어도 하나의 휠 및 압력면(driving surface)과 접촉을 이룰 수 있는 휠의 둘레에 결합된 적어도 하나의 타이어를 포함한다. 휠/타이어들(124)은 금속 및 고무의 어떤 조합, 또는 다른 물질들의 조합을 포함할 수 있다.
추진 시스템(102)은 추가적으로 또는 대안적으로, 보여진 컴포넌트들 외의 컴포넌트들을 포함한다.
센서 시스템(104)은 자동차(100)가 위치된 환경에 관한 정보를 센싱하도록 구성되는 다수의 센서들을 포함한다. 보여진 바와 같이, 센서 시스템의 센서들은 센서들의 위치 및/또는 배향을 수정하도록 구성되는, 글로벌 포지셔닝 시스템(GPS) 모듈(126), 관성 측정 유닛(IMU)(128), 레이더(RADAR) 유닛(130), 라이다(LIDAR) 유닛(132), 카메라(134) 및 작동기들(136)을 포함한다. 센서 시스템(104)은 예를 들어, 자동차(100)의 내부 시스템들을 감시하는 센서들을 포함하는 추가적인 센서들을 또한 포함한다(예를 들어, 산소 감시, 연료 게이지, 엔진 오일 온도 등). 기타 센서들 또한 가능하다.
GPS 모듈(126)은 상기 자동차(100)의 지리적 위치를 추정하도록 구성되는 어떤 센서일 수 있다. 이를 위해서, GPS 모듈(126)은 위성-기반 포지셔닝 데이터에 기반해서, 지구에 관한 자동차(100)의 위치를 추정하도록 구성되는 트랜시버를 포함한다. 일 예시에서, 컴퓨팅 디바이스(111)는 자동차(100)가 운행하고 있는 도로상의 차로 경계의 위치를 추정하기 위해 지도 데이터(116)와 조합하여 GPS 모듈(126)을 사용하도록 구성될 수 있다. 상기 GPS 모듈(126)은 기타 형태들 또한 취할 수 있다.
IMU(128)는 관성 가속도에 기반한 자동차(100)의 위치 및 배향 변화들을 센싱하도록 구성되는 어떤 조합의 센서들일 수 있다. 몇몇의 예시들에서, 센서들의 조합은, 예를 들어, 가속도계 및 자이로스코프들을 포함할 수 있다. 센서들의 기타 조합들 또한 가능하다.
RADAR 유닛(130)은 물체의 범위, 고도, 방향, 또는 속도와 같은 물체의 특징들을 결정하기 위해 라디오파들을 사용하도록 구성될 수 있는 물체 검출 시스템으로 고려될 수 있다. RADAR 유닛(130)은 파동들의 경로에 있는 어떤 물체의 반응을 살피는 라디오파 또는 마이크로파들을 송신하도록 구성된다. 상기 물체는 파동의 에너지의 부분을 리시버(예를 들어, 접시 안테나 또는 안테나)에 돌려보내고, 상기 리시버는 또한 RADAR 유닛(130)의 부분일 수 있다. RADAR 유닛(130)은 또한 수신된 신호들의 디지털 신호 프로세싱을 수행하도록 구성될 수 있고(물체의 반응을 살핌), 물체를 식별하도록 구성될 수 있다.
RADAR와 유사한 다른 시스템들은 전자기 스펙트럼의 다른 부분들에서 사용되어져 왔다. 일 예시는 LIDAR(광선 검출 및 거리 측정기)이고, 상기 LIDAR는 라디오파보다는 레이저들로부터의 가시광선을 사용하도록 구성된다.
LIDAR 유닛(132)은 광선을 이용해서 자동차(100)가 위치된 환경에 있는 물체들을 센싱하거나 검출하도록 구성되는 센서를 포함한다. 일반적으로, LIDAR는 광선으로 타겟을 비춤에 의해 타겟까지의 거리 또는 타겟의 다른 특성들을 측정할 수 있는 광학적 원격 센싱 기술이다. 상기 광선은 레이저와 같은 어떤 유형의 전자기파일 수 있다. 일 예시로서, LIDAR 유닛(132)은 레이저의 펄스들을 방출하도록 구성되는 레이저 소스 및/또는 레이저 스캐너 및 레이저의 반사들을 수신하도록 구성되는 검출기를 포함한다. 예를 들어, LIDAR 유닛(132)은 회전 거울에 의해 반사되는 레이저 범위 검색기를 포함할 수 있고, 상기 레이저는, 1차원 또는 2차원에서, 디지털화되는 현장 주위에서 스캔되고, 명시된 각도 구간들에서 거리 측정들을 모으게 된다. 예시들에서, LIDAR 유닛(132)은 광선(예를 들어, 레이저) 소스, 스캐너 및 광학기기들, 광검출기 및 수신기 전자기기들과 위치 및 내비게이션 시스템과 같은 컴포넌트들을 포함할 수 있다.
일 예시에서, LIDAR 유닛(132)은 객체들의 상을 비추기 위해 자외선(UV), 가시광선, 또는 적외선을 사용하도록 구성되고 비-금속 물체들을 포함하는, 넓은 범위의 타겟들과 함께 사용될 수 있다. 일 예시에서, 좁은 레이저 빔은 고해상도로 물체의 물리적 특징들을 매핑하기 위해 사용될 수 있다.
예시들에서, 약 10 마이크로미터(적외선)로부터 약 250 나노미터(자외선)까지의 범위에 있는 파장들이 사용될 수 있다. 전형적으로 광선은 후방 산란을 통해 반사된다. 예를 들어, 형광 발광(fluorescence)뿐만 아니라, 레일리(Rayleigh) 산란, 미(Mie) 산란 및 라만(Raman) 산란과 같은, 서로 다른 유형들의 산란은 서로 다른 LIDAR 응용들에 대해 사용된다. 후방 산란의 서로 다른 종류들에 기반해서, 예시로서, LIDAR는 레일리 LIDAR, 미 LIDAR, 라만 LIDAR 및 나트륨/철/칼륨 형광 발광 LIDAR로서 불릴 수 있다. 파장들의 적절한 조합들은 예를 들어, 반사된 신호들의 강도에 있어서의 파장-의존적 변화들을 검색함에 의해 물체들의 원격 매핑을 가능하게 한다.
3차원(3D) 이미징은 스캐닝 및 비-스캐닝 LIDAR 시스템들 둘 모두를 사용해서 달성될 수 있다. "3D 게이트로 된 뷰잉 레이저 레이더"는 펄스로 된 레이저 및 고속 게이트로 된 카메라를 적용하는 비-스캐닝 레이저 거리 측정 시스템의 일 예시이다. LIDAR를 이미징하는 것은, 전형적으로 CMOS 및 하이브리드 CMOS/CCD 제작 기법들을 사용한 단일 칩들 상에 구축될 수 있는 고속 검출기들의 어레이 및 변조 감도 검출기 어레이들을 사용해서 수행될 수도 있다. 이러한 디바이스들에서, 픽셀 각각은, 어레이가 카메라로부터의 이미지를 나타내게 프로세싱되도록 복조 또는 고속 게이팅에 의해 국부적으로 프로세싱될 수 있다. 이 기법을 사용해서, 많은 수천 개의 픽셀들은 LIDAR 유닛(132)에 의해 검출되는 물체 또는 장면을 나타내는 3D 포인트 클라우드를 생성하기 위해 동시에 획득될 수 있다.
포인트 클라우드는 3D 좌표 시스템에서 꼭짓점들의 세트를 포함한다. 이 꼭짓점들은, 예를 들어, X, Y 및 Z 좌표들에 의해 정의될 수 있고, 이들은 물체의 외부 표면을 나타낼 수 있다. LIDAR 유닛(132)은 상기 물체의 표면상의 다수의 포인트들을 측정함에 의해 포인트 클라우드를 생성하도록 구성되고, 데이터 파일로서 상기 포인트 클라우드를 출력한다. LIDAR 유닛(132)에 의한 물체의 3D 스캐닝 프로세스의 결과로서, 포인트 클라우드는 물체를 식별하고 시각화하기 위해 사용된다.
일 예시에서, 포인트 클라우드는 물체를 시각화하기 위해 직접 렌더링된다. 다른 예시에서, 상기 포인트 클라우드는 표면 복구로 언급되는 프로세스를 통해 폴리곤 또는 삼각형의 그물망 모델들로 전환될 수 있다. 포인트 클라우드를 3D 표면으로 전환하기 위한 예시 기법들은 들로네 삼각 측량(Delaunay triangulation), 알파 모양들(alpha shapes) 및 볼 피벗(ball pivoting)을 포함한다. 이러한 기법들은 상기 포인트 클라우드의 존재하는 꼭짓점들을 통한 삼각형들의 네트워크의 구축을 포함한다. 다른 예시 기법들은 상기 포인트 클라우드를 체적 거리 필드(volumetric distance field)로 전환하는 것과 마칭 큐브 알고리즘(marching cubes algorithm)을 통해 정의되는 음함수 곡면(implicit surface)을 복구하는 것을 포함한다.
카메라(134)는 자동차(100)가 위치된 환경의 이미지들을 캡쳐하도록 구성되는 어떤 카메라(예를 들어, 스틸 카메라, 비디오 카메라 등)일 수 있다. 이를 위해서, 상기 카메라는 가시광선을 검출하도록 구성되거나, 적외선 또는 자외광선과 같은, 스펙트럼의 다른 부분들로부터 광선을 검출하도록 구성된다. 카메라의 다른 유형들 또한 가능하다. 상기 카메라(134)는 2차원 검출기일 수 있거나, 3차원 공간범위를 가질 수 있다. 몇몇의 예시들에서, 상기 카메라(134)는, 예를 들어, 상기 카메라(134)로부터 상기 환경의 다수의 포인트들까지의 거리를 표시하는 2차원 이미지를 발생시키도록 구성되는 범위 검출기일 수 있다. 이를 위해서, 상기 카메라(134)는 하나 이상의 범위 검출 기법들을 사용할 수 있다. 예를 들어, 상기 카메라(134)는 그리드 또는 체크보드 패턴과 같은 미리 결정된 광선 패턴을 갖는 환경에서의 물체를 비추고 상기 물체로부터 상기 미리 결정된 광선 패턴의 반사를 검출하기 위해 카메라(134)를 사용하는 자동차(100)의 구조화된 광선 기법을 사용하도록 구성될 수 있다. 상기 반사된 광선 패턴에서의 왜곡들에 기반해서, 상기 자동차(100)는 상기 물체상의 포인트들까지의 거리를 결정하도록 구성될 수 있다. 상기 미리 결정된 광선 패턴은 적외광선, 또는 기타 파장의 광선을 포함할 수 있다.
상기 작동기들(136)은, 예를 들어, 상기 센서들의 위치 및/또는 배향을 수정하도록 구성될 수 있다.
상기 센서 시스템(104)은 추가적으로 또는 대안적으로, 보여진 컴포넌트들 외의 컴포넌트들을 포함할 수 있다.
제어 시스템(106)은 자동차(100) 및 자동차의 컴포넌트들의 동작을 제어하도록 구성될 수 있다. 이를 위해서, 상기 제어 시스템(106)은 조종 유닛(138), 드로틀(throttle)(140), 브레이크 유닛(142), 센서 퓨전 알고리즘(144), 컴퓨터 시각 시스템(146), 내비게이션 또는 경로 시스템(148) 및 장애물 회피 시스템(150)을 포함할 수 있다.
조종 유닛(138)은 자동차(100)의 진로 또는 방향을 조정하도록 구성되는 메커니즘들의 어떤 조합일 수 있다.
드로틀(140)은 엔진/모터(118)의 동작 속도 및 가속도, 또한 자동차(100)의 속도 및 가속도를 제어하도록 구성되는 메커니즘들의 어떤 조합일 수 있다.
브레이크 유닛(142)은 자동차(100)를 감속하도록 구성되는 메커니즘들의 어떤 조합일 수 있다. 예를 들어, 브레이크 유닛(142)은 휠들/타이어들(124)을 늦추기 위해 마찰을 사용할 수 있다. 다른 예시로서, 브레이크 유닛(142)은 재생적이 되고 휠/타이어들(142)의 운동 에너지를 전류로 전환하도록 구성된다. 브레이크 유닛(142)은 기타 형태들 또한 취할 수 있다.
센서 퓨전 알고리즘(144)은 예를 들어, 컴퓨팅 디바이스(111)에 의해 실행 가능한 알고리즘(또는 알고리즘을 저장하는 컴퓨터 프로그램 물)을 포함한다. 상기 센서 퓨전 알고리즘(144)은 입력으로서 센서 시스템(104)으로부터의 데이터를 받아들이도록 구성된다. 상기 데이터는, 예를 들어, 센서 시스템(104)의 센서들에서 센싱된 정보를 나타내는 데이터를 포함할 수 있다. 상기 센서 퓨전 알고리즘(144)은, 예를 들어, 칼만 필터(Kalman filter), 바예시안 네트워크(Bayesian network) 또는 기타 알고리즘을 포함할 수 있다. 상기 센서 퓨전 알고리즘(144)은, 예를 들어, 자동차(100)가 위치된 환경에서의 개별적인 물체들 및/또는 구성들의 평가, 특정 상황들의 평가, 그리고/또는 특정 상황들에 기반한 가능한 영향들의 평가와 같은 것을 포함하는, 센서 시스템(104)으로부터의 데이터에 기반한 다양한 평가들을 제공하도록 더 구성될 수 있다. 기타 평가들도 또한 가능하다.
컴퓨터 시각 시스템(146)은 예를 들어, 차로 정보, 교통 신호들 및 장애물들과 같은 것을 포함하는, 자동차(100)가 위치된 환경에서의 물체들 및/또는 특징들을 식별하기 위한 카메라(134)에 의해 캡쳐된 이미지들을 프로세싱하고 분석하도록 구성되는 어떤 시스템일 수 있다. 이를 위해서, 컴퓨터 시각 시스템(146)은 물체 인식 알고리즘, 운동으로부터의 구조(SFM) 알고리즘, 비디오 추적 또는 다른 컴퓨터 시각 기법들을 사용할 수 있다. 몇몇의 예시들에서, 컴퓨터 시각 시스템(146)은 환경, 트랙 물체들을 매핑하고, 물체들의 속도를 추정하는 등을 하도록 더 구성될 수 있다.
내비게이션 및 경로 시스템(148)은 자동차(100)를 위한 운전 경로를 결정하도록 구성되는 어떤 시스템일 수 있다. 내비게이션 및 경로 시스템(148)은 자동차(100)가 동작 중일 동안 동적으로 운전 경로를 업데이트하도록 더 구성될 수 있다. 몇몇의 예시들에서, 상기 내비게이션 및 경로 시스템(148)은 자동차(100)를 위한 운전 경로를 결정하기 위해, 센서 퓨전 알고리즘(144), GPS 모듈(126) 및 하나 이상의 미리 결정된 맵들로부터 데이터를 통합하도록 구성될 수 있다.
장애물 회피 시스템(150)은 자동차(100)가 위치된 환경에서의 장애물들을 식별, 평가 및 회피하거나 그렇지 않으면 지나치도록 구성되는 어떤 시스템일 수 있다.
제어 시스템(106)은 추가적으로 또는 대안적으로 보여지는 컴포넌트들 외의 컴포넌트들을 포함할 수 있다.
주변 장치들(108)은 자동차(100)로 하여금 외부 센서들, 다른 자동차들 및/또는 사용자와 인터랙션하는 것을 가능하게 하도록 구성될 수 있다. 이를 위해서, 상기 주변 장치들(108)은 무선 통신 시스템(152), 터치스크린(154), 마이크로폰(156) 및/또는 스피커(158)를 포함할 수 있다.
무선 통신 시스템(152)은 직접 또는 통신 네트워크를 통해, 하나 이상의 다른 자동차들, 센서들, 또는 다른 엔티티들에 무선으로 결합되도록 구성되는 어떤 시스템일 수 있다. 이를 위해서, 상기 무선 통신 시스템(152)은 직접 또는 에어 인터페이스를 통해 다른 자동차들, 센서들, 또는 다른 엔티티들과 통신하기 위한 안테나 및 칩셋을 포함할 수 있다. 상기 칩셋 또는 무선 통신 시스템(152)은 일반적으로 다른 가능성들 중에서도, 블루투스, IEEE 802.11(IEEE 802.11의 어떤 개정들이든지 포함해서)에 기술된 통신 프로토콜들, (GSM, CDMA, UMTS, EV-DO, WiMAX 또는 LTE와 같은)셀룰러 기술, 지그비(Zigbee), 단거리 전용 통신들(DSRC) 및 라디오 주파수 식별(RFID) 통신들과 같은 무선 통신의 하나 이상의 다른 유형들에 따라 통신하도록 배열될 수 있다. 무선 통신 시스템(152)은 기타 형태들 또한 취할 수 있다.
터치스크린(154)은 자동차(100)에 대한 명령들을 입력하기 위해 사용자에 의해 사용될 수 있다. 이를 위해서, 터치스크린(154)은 다른 가능성들 중에서도, 용량성 센싱, 저항성 센싱, 또는 표면 탄성파 프로세스를 통해 사용자의 손가락의 위치 및 움직임 중 적어도 하나를 센싱하도록 구성될 수 있다. 상기 터치스크린(154)은 터치스크린 표면에 평행하거나 평면상의 방향, 상기 터치스크린 표면에 수직인 방향, 또는 둘 모두의 방향으로의 손가락 움직임을 센싱할 수 있고, 또한 상기 터치스크린 표면에 인가되는 압력의 레벨을 센싱할 수 있다. 상기 터치스크린(154)은 하나 이상의 반투명 또는 투명 절연층 및 하나 이상의 반투명 또는 투명 전도층들로 형성될 수 있다. 상기 터치스크린(154)은 기타 형태들 또한 취할 수 있다.
마이크로폰(156)은 자동차(100)의 사용자로부터 오디오(예를 들어, 음성 커맨드 또는 다른 오디오 입력)를 수신하도록 구성될 수 있다. 유사하게, 스피커들(158)은 자동차(100)의 사용자에게 오디오를 출력하도록 구성될 수 있다.
주변 장치들(108)은 추가적으로 또는 대안적으로 보여진 컴포넌트들 외의 컴포넌트들을 포함할 수 있다.
전력 공급원(110)은 자동차(100)의 몇몇의 또는 전부의 컴포넌트들에 전력을 제공하도록 구성될 수 있다. 이를 위해서, 상기 전력 공급원(110)은, 예를 들어, 재충전 가능한 리튬-이온 또는 납축 배터리를 포함할 수 있다. 몇몇의 예시들에서, 배터리들의 하나 이상의 뱅크들은 전력을 제공하도록 구성될 수 있다. 기타 전력 공급 물질들 및 구성들 또한 가능하다. 몇몇의 예시들에서, 상기 전력 공급원(110) 및 에너지 소스(120)는 몇몇의 순수 전기자동차들에서와 같이, 함께 구현될 수 있다.
컴퓨팅 디바이스(111)에 포함된 프로세서(113)는 하나 이상의 일반목적의 프로세서들 및/또는 하나 이상의 특수목적 프로세서들(예를 들어, 이미지 프로세서, 디지털 신호 프로세서 등)을 포함할 수 있다. 상기 프로세서(113)가 2개 이상의 프로세서들을 포함하는 범위에 있어서는, 그러한 프로세서들은 개별적으로 또는 조합으로 동작할 수 있다. 상기 컴퓨팅 디바이스(111)는 예를 들어, 사용자 인터페이스(112)를 통해 수신된 입력에 기반해서 자동차(100)의 기능들을 제어하도록 구성될 수 있다.
메모리(114)는, 또한, 광학적, 자기적, 및/또는 유기적 저장소와 같은, 하나 이상의 휘발성 및/또는 하나 이상의 비휘발성 저장 컴포넌트들을 포함할 수 있고, 상기 메모리(114)는 프로세서(113)와 전체로서 또는 일부로서 통합될 수 있다. 상기 메모리(114)는 다양한 자동차 기능들을 실행하기 위해 프로세서(113)에 의해 실행 가능한 명령들(115)(예를 들어, 프로그래밍 로직)을 포함할 수 있다.
자동차(100)의 컴포넌트들은 각각의 시스템들 내부 그리고/또는 외부의 다른 컴포넌트들과 함께 상호 연결된 방식으로 동작하도록 구성될 수 있다. 이를 위해서, 자동차(100)의 상기 컴포넌트들 및 시스템들은 시스템 버스, 네트워크, 및/또는 기타 연결 메커니즘(미도시)에 의해 함께 통신적으로 연결될 수 있다.
더욱이, 컴포넌트들 및 시스템들 각각이 자동차(100)에 통합된 것으로 도시된 반면에, 몇몇의 예시들에서, 하나 이상의 컴포넌트들 또는 시스템들은 유선 또는 무선 연결들을 사용해서 상기 자동차(100)에 제거 가능하게 마운팅되거나 그렇지 않으면 (기계적으로 또는 전기적으로) 상기 자동차(100)에 연결될 수 있다.
상기 자동차(100)는 보여진 요소들에 더하여 또는 상기 보여진 요소들 대신에 하나 이상의 요소들을 포함할 수 있다. 예를 들어, 자동차(100)는 하나 이상의 추가적인 인터페이스들 및/또는 전력 공급원들을 포함할 수 있다. 기타 추가적인 컴포넌트들 또한 가능하다. 이러한 예시들에서, 상기 메모리(114)는 상기 추가적인 컴포넌트들을 제어하고 그리고/또는 상기 추가적인 컴포넌트들과 통신하기 위해 상기 프로세서(113)에 의해 실행 가능한 명령들을 더 포함할 수 있다.
도 2는 일 실시예에 따른, 예시 자동차(200)를 도해한다. 특별히, 도 2는 상기 자동차(200)의 우측면도, 정면도, 배면도 및 상면도를 도시한다. 자동차(200)가 도 2에서 자동차로서 도해되었지만, 기타 예시들이 가능하다. 예를 들어, 상기 자동차(200)는 다른 예시들 중에서도, 트럭, 밴, 세미-트레일러 트럭, 모터사이클, 골프 카트, 오프-로드 차량 또는 농장 차량을 나타낼 수 있다. 보여진 바와 같이, 상기 자동차(200)는 제1 센서 유닛(202), 제2 센서 유닛(204), 제3 센서 유닛(206), 무선 통신 시스템(208) 및 카메라(210)를 포함한다.
제1, 제2 및 제3 센서 유닛들(202-206) 각각은 글로벌 포지셔닝 시스템 센서들, 관성 측정 유닛들, RADAR 유닛들, LIDAR 유닛들, 카메라들, 차로 검출 센서들, 음향 센서들의 어떤 조합이든 포함할 수 있다. 기타 유형의 센서들 또한 가능하다.
제1, 제2 및 제3 센서 유닛들(202)이 자동차(200) 상의 특정 위치들에 마운팅되는 것으로 도시되는 반면에, 몇몇의 예시들에서, 센서 유닛(202)은 자동차(200)의 내부 또는 외부 둘 중 한 곳의, 자동차 상의 다른 곳에 마운팅될 수 있다. 더욱이, 3개의 센서 유닛들이 도시된 반면에, 몇몇의 예시들에서 더 많은 또는 더 적은 센서 유닛들이 자동차(200)에 포함될 수 있다.
몇몇의 예시들에서, 하나 이상의 제1, 제2 및 제3 센서 유닛들(202-206)은 상기 센서들이 이동 가능하게 마운팅될 수 있는 하나 이상의 이동 가능한 마운트들을 포함할 수 있다. 상기 이동가능한 마운트들은 예를 들어, 회전 플랫폼을 포함할 수 있다. 상기 회전 플랫폼상에 마운팅된 센서들은 상기 센서들이 자동차(200) 주위의 각각의 방향으로부터 정보를 획득하도록 회전될 수 있다. 대안적으로 또는 추가적으로, 상기 이동 가능한 마운트는 기울어진 플랫폼을 포함할 수 있다. 기울어진 플랫폼상에 마운팅된 센서들은, 상기 센서들이 다양한 각도들로부터 정보를 획득할 수 있도록, 특정한 범위의 각도들 및/또는 방위각들(azimuths) 내로 기울어질 수 있다. 상기 이동 가능한 마운트는 기타 형태들 또한 취할 수 있다.
더욱이, 몇몇의 예시들에서, 하나 이상의 제1, 제2 및 제3 센서 유닛들(202-206)은 센서들 및/또는 이동 가능한 마운트들을 움직임에 의해 센서 유닛에서 센서들의 위치 및/또는 배향을 조정하도록 구성되는 하나 이상의 작동기들을 포함할 수 있다. 예시적인 작동기들은 모터들, 기압 작동기들(pneumatic actuators), 유압 피스톤들, 릴레이들, 솔레노이드들 및 압전 작동기들(piezoelectric actuators)을 포함한다. 기타 작동기들 또한 가능하다.
상기 무선 통신 시스템(208)은 도 1의 무선 통신 시스템(152)에 관해 위에 기술된 것과 같은, 직접 또는 통신 네트워크를 통해 하나 이상의 다른 자동차들, 센서들, 또는 다른 엔티티들과 무선으로 결합 되도록 구성되는 어떤 시스템일 수 있다. 상기 무선 통신 시스템(208)은 상기 자동차(200)의 지붕 상에 위치되는 것으로 도시된 반면에, 다른 예시들에서 상기 무선 통신 시스템(208)은 다른 곳에, 완전히 또는 부분적으로 위치될 수 있다.
카메라(210)는 자동차(200)가 위치된 환경의 이미지들을 캡쳐하도록 구성되는 어떤 카메라(예를 들어, 스틸 카메라, 비디오 카메라 등)일 수 있다. 이를 위해서, 상기 카메라는 도 1의 카메라(134)에 관해 위에 기술된 형태들 중 어떤 것이든 취할 수 있다. 상기 카메라(210)가 자동차(200)의 앞유리 내에 마운팅되는 것으로 도시된 반면에, 다른 예시들에서 상기 카메라(210)는 자동차(200)의 내부 또는 외부 둘 중 하나의, 자동차(200)의 어느 곳에서든지 마운팅될 수 있다.
자동차(200)는 보여진 컴포넌트들에 추가하여 또는 상기 보여진 컴포넌트들 대신에 하나 이상의 기타 컴포넌트들을 포함할 수 있다.
자동차(200)의 제어 시스템은 다수의 가능한 제어 전략들 중으로부터의 제어 전략에 부합하게 자동차(200)를 제어하도록 구성될 수 있다. 상기 제어 시스템은 자동차(200)(자동차(200) 상에서 또는 자동차(200) 밖에서)에 결합되는 센서들로부터의 정보를 수신하고, 상기 정보에 기반해서 상기 제어 전략(및 관련된 운전 거동)을 수정하고, 상기 수정된 제어 전략에 부합하게 상기 자동차(200)를 제어하도록 구성될 수 있다. 상기 제어 시스템은 상기 센서들로부터 수신된 정보를 감시하고, 계속적으로 운전 상황들을 평가하도록 더 구성될 수 있고, 또한 상기 운전 상황들에서의 변화들에 기반해서 상기 제어 전략 및 운전 거동을 수정하도록 구성될 수 있다.
도 3은 일 실시예에 부합하게, 복수의 정보원들을 사용한 공사 구역의 검출을 위한 방법(300)의 흐름도이다. 도 4는 상기 방법(300)을 도해하기 위해, 일 실시예에 부합하게, 공사 구역에 접근하는 차량을 도해한다. 도 3 및 도 4는 함께 기술될 것이다.
상기 방법(300)은 하나 이상의 블럭들(302-308)에 의해 도해된 대로, 하나 이상의 동작들, 기능들 또는 동작들을 포함할 수 있다. 상기 블럭들이 순차적인 순서로 도해되었음에도 불구하고, 이러한 블럭들은 몇몇의 예시들에서 병렬로 그리고/또는 본 명세서에 기술된 순서와는 다른 순서로 수행될 수 있다. 또한, 다양한 블럭들이 더 적은 블럭들로 조합되고, 추가적인 블럭들로 분리되고, 그리고/또는 바람직한 구현에 기반해서 제거될 수 있다.
이에 더하여, 상기 방법(300) 및 본 명세서에 개시된 다른 프로세스 및 방법들에 대해, 상기 흐름도는 현재 실시예들의 하나의 가능한 구현의 기능성 및 동작을 도시한다. 이러한 관점에서, 블럭 각각은 프로그래밍 코드의 모듈, 세그먼트, 또는 부분을 나타낼 수 있고, 이들은 상기 프로세스에서의 구체적인 논리적 기능들 또는 단계들을 구현하기 위한 프로세서에 의해 실행 가능한 하나 이상의 명령들을 포함한다. 상기 프로그래밍 코드는 예를 들어, 디스크 또는 하드 드라이브를 포함하는 저장 디바이스와 같은, 어떤 유형의 컴퓨터 판독 가능 매체 또는 메모리상에 저장될 수 있다. 상기 컴퓨터 판독 가능 매체는 예를 들어, 레지스터 메모리, 프로세서 캐시 및 랜덤 액세스 메모리(RAM)와 같은 짧은 기간동안 데이터를 저장하는 컴퓨터 판독 가능 매체와 같은, 비일시적 컴퓨터 판독 가능 매체를 포함할 수 있다. 컴퓨터 판독 가능 매체는 또한, 예를 들어 판독 전용 메모리(ROM), 광학적 또는 자기적 디스크들, 컴팩트 디스크 판독 전용 메모리(CD-ROM)과 같은, 2차적인 또는 지속적인 장기간 저장소와 같은, 비일시적 매체 또는 메모리를 포함할 수 있다. 컴퓨터 판독 가능 매체는 또한 어떤 다른 휘발성 또는 비휘발성 저장 시스템일 수 있다. 컴퓨터 판독 가능 매체는, 예를 들어, 컴퓨터 판독 가능 저장 매체, 유형의 저장 디바이스, 또는 제작물의 기타 물품으로 고려될 수 있다.
이에 더하여, 방법(300) 및 본 명세서에 개시된 다른 프로세스들 및 방법들에 대해, 도 3의 각 블럭은 프로세스에서 구체적인 논리적 기능들을 수행하기 위해 연결된 회로망을 나타낼 수 있다.
블럭(302)에서, 상기 방법(300)은 차량을 제어하도록 구성된 컴퓨팅 디바이스에서, 복수의 정보원들으로부터, 상기 차량이 운행하고 있는 도로상의 공사 구역의 검출에 관한 정보를 수신하는 것을 포함하고, 그리고 상기 복수의 정보원들 중 정보원 각각에 그 정보원으로부터 수신된 상기 정보에 기반해서 상기 공사 구역의 검출의 신뢰의 레벨을 표시하는 각각의 신뢰성 메트릭이 할당된다. 상기 컴퓨팅 디바이스는, 예를 들어, 상기 차량 상에 있거나 상기 차량 밖에 있지만 상기 차량과 무선 통신중일 수 있다. 또한, 컴퓨팅 디바이스는 차량을 자율 또는 반자율 동작 모드로 제어하도록 구성될 수 있다. 더욱이, 컴퓨팅 디바이스는 예를 들어, 차량의 시스템들 및 서브시스템들의 상황, 운전 상황들, 도로 상황들 등과 관련된 정보를 상기 차량에 결합된 센서들로부터 수신하도록 구성될 수 있다.
도 4는 도로(404) 상의 공사 구역에 접근하는 차량(402)을 도해한다. 상기 차량(402)을 제어하도록 구성되는 컴퓨팅 디바이스는, 공사 구역의 검출에 관한 정보를 수신하도록 구성된다. 상기 정보는 복수의 정보원들로부터 수신된다. 예를 들어, 상기 정보는 상기 컴퓨팅 디바이스에 결합되는 이미지-캡쳐 디바이스 또는 카메라(예를 들어, 도 1의 카메라(134), 또는 도 2의 카메라(210))로부터 수신되는 이미지-기반 정보를 포함할 수 있다. 일 예시에서, 상기 이미지-캡쳐 디바이스는 상기 차량(402) 상에 있을 수 있다. 하지만, 다른 예시에서, 상기 이미지-캡쳐 디바이스는 차량 밖에 있을 수 있다(예를 들어, 교통 신호 후단에 결합된 주어진 카메라). 상기 이미지-기반 정보는, 예를 들어, 공사 구역 콘(들)(406), 공사 구역 배럴(들)(408), 공사 장비(410a-b), 공사 구역 표지판들(412a-412b) 등과 같은 도로에 관한 하나 이상의 정적인 물체들의 위치를 표시한다. 상기 공사 구역 콘(들)(406)은 본 명세서에서 이후에 단일 콘 또는 콘들의 그룹/시리즈를 언급하도록 사용된다. 상기 이미지-기반 정보는 또한 주황색 조끼들 및 급커브들(chevrons)과 같은 공사 구역들에 관련된 다른 물체들을 표시할 수 있다. 상기 이미지-기반 정보는 또한 도로의 지형(예를 들어, 커브들, 차로들 등)을 표시할 수 있다.
다른 예시에서, 공사 구역의 검출에 관한 정보는 상기 차량(402)에 결합되고 상기 컴퓨팅 디바이스와 통신하는 LIDAR 센서(예를 들어, 도 1의 LIDAR 유닛(132))로부터 수신되는 LIDAR-기반 정보를 포함할 수 있다. 상기 LIDAR 센서는 도로(404) 및 도로(404)의 부근의 3차원(3D) 포인트 클라우드를 제공하도록 구성된다. 상기 컴퓨팅 디바이스는 예를 들어, 3D 포인트 클라우드에서의 포인트들의 세트들에 의해 나타나는 물체들(예를 들어, 공사 구역 콘(들)(406), 공사 구역 배럴(들)(408), 공사 장비(410a-b), 공사 구역 표지판들(412a-412b) 등)을 식별하도록 구성된다.
또 다른 예시에서, 상기 정보는 상기 차량(402)에 결합되고 상기 컴퓨팅 디바이스와 통신하는 RADAR 센서(예를 들어, 도 1의 RADAR 유닛(130))로부터 수신되는 RADAR-기반 정보를 포함한다. 예를 들어, RADAR 센서는 라디오파들을 방출하고 상기 도로(404)상의 또는 상기 도로(404)의 부근의 물체들에 튕겨 나온 방출된 라디오파들을 다시 수신하도록 구성된다. 상기 특징들은, 예를 들어, 상기 물체의 차원 특징들, 상기 물체와 상기 차량(402) 간의 거리 및 상기 물체가 정적인지 또는 이동중인지, 이에 더하여 움직임의 속도 및 방향을 포함한다.
또 다른 예시에서, 상기 정보는 교통 정보를 포함한다. 상기 교통 정보는 도로(404) 상의 차량들(414a-414b)과 같은, 다른 차량들의 거동을 표시한다. 일 예시로서, 상기 교통 정보는 상기 차량들(414a-414b)에 결합되는 글로벌 포지셔닝 위성(GPS) 디바이스들로부터 수신된다. 각각의 GPS 디바이스로부터 수신되는 GPS 정보는 위성-기반 포지셔닝 데이터에 기반해서, 각각의 GPS 디바이스를 포함하는 각각의 차량의 지구에 대한 위치를 표시한다.
또 다른 예시에서, 차량들(414a-414b)은 도로 인프라 디바이스(예를 들어, 도로(404)의 포스트(post)상의 디바이스)와 위치/포지션 및 속도 정보를 통신하도록 구성되고, 그리고 상기 인프라 디바이스는 그러한 교통 정보를 컴퓨팅 디바이스와 통신할 수 있다. 이 통신은 차량-대-인프라 통신으로 언급될 수 있다. 차량-대-인프라 통신은, 넓은 범위의 안전, 이동성, 도로 상황, 교통, 및 환경 정보를 인에이블하도록 의도되는, 차량들(예를 들어, 차량(402) 및 차량들(414a-414b))과 도로 인프라 간의 필수 안전 및 동작 데이터의 무선 교환을 포함한다. 차량-대-인프라 통신은 모든 차량 유형들 및 모든 도로들에 적용될 수 있고, 예를 들어, 차량(402)에 결합되는 컴퓨팅 디바이스에 의해, 계산들을 수행하기 위해 차량들과 인프라 요소들 간에 교환된 데이터를 이용하는 알고리즘들의 통합을 통해서 인프라 장비를 "스마트 인프라"로 변환할 수 있고, 이는 사전에 높은 위험의 상황들을 인식하고, 구체적인 대책을 통해 운전자 경보 및 경고들의 결과를 낳는다. 일 예시로서, 도로(404) 상의 교통 신호 시스템들은 차량(402) 또는 차량(402)의 운전자에게 활성 교통 정보, 안전 경보들, 및 경고들을 전달하기 위해 상기 차량(402)과 신호 위상 및 시간(SPAT) 정보를 통신하도록 구성된다.
또 다른 예시에서, 상기 교통 정보는 직접적인 차량-대-차량 통신으로부터 수신될 수 있다. 이 예시에서, 차량(402 및 414a-414b)의 소유자들에게 차량들간의 정보를 공유하는 것을 옵트 인 또는 옵트 아웃할 옵션이 주어질 수 있다. 도로(404) 상의 차량들(414a-414b)은 차량(402)을 제어하도록 구성되는 컴퓨팅 디바이스에 추적 가능한 신호들을 제공하도록 구성되는 디바이스들(예를 들어, 차량들(414a-414b)에 결합되는 GPS 디바이스들 또는 차량들(414a-414b)의 운전자들에 의해 사용되는 모바일 폰들)을 포함한다. 상기 컴퓨팅 디바이스는, 예를 들어, 상기 추적 가능한 신호들을 수신하고 차량들(414a-414b)의 교통 정보 및 거동 정보를 추출하도록 구성된다.
또 다른 예시에서, 상기 교통 정보는 교통 안내 방송(예를 들어, 라디오 교통 서비스들)으로부터 수신될 수 있다. 또 다른 예시에서, 컴퓨팅 디바이스는 차량(402)을 제어하도록 구성되는 컴퓨팅 디바이스와 통신하는 차량 내 또는 차량 밖의 센서들로부터 교통 정보를 수신하도록 구성된다. 일 예시로서, 레이저-기반 센서들은 고속도로의 차로들을 통해 통과하는 차량들의 속도 통계들을 제공하고, 상기 컴퓨팅 디바이스와 그러한 정보를 통신할 수 있다.
상기 교통 정보에 기반해서, 상기 컴퓨팅 디바이스는 도로(404) 상의, 차량들(414a-414b)과 같은, 다른 차량들의 정격 속도 및 교통 흐름을 추정하도록 구성된다. 일 예시에서, 컴퓨팅 디바이스는 상기 교통 정보에 기반해서 차량들(414a-414b)의 정격 속도 및 교통 흐름의 변화를 결정하고, 차량들(414a-414b)의 거동의 변화를 주어진 공사 구역에 접근하는 것과 관련된 교통 변화들의 미리 결정된 또는 전형적인 패턴과 비교하도록 구성된다.
또 다른 예시에서, 공사 구역의 검출에 관련된 정보는 기존의 지도에 관련된 지도 정보를 포함한다. 예를 들어, 지도 정보는 교통 표지판(416a-416b), 도로(404) 상의 다수의 차로들, 차로 경계들의 위치들 등에 관련된 정보를 포함한다. 기존의 지도들은 수동적으로 또는 존재하는 표지판들의 전자적 검출을 통해 존재하는 표지판들로 덧붙여진다. 하지만, 상기 지도 정보는 도로 차로들에 변화를 줄 수 있는 일시적인 도로 작업으로 인한 최근의 도로 변화들에 관한 정보를 포함하지 않을 수 있다. 예를 들어, 상기 지도 정보는 공사 구역 표지판들(412a-412b)과 같은 일시적인 공사 구역 표지판들에 관한 각각의 정보를 포함하지 않을 수 있다.
추가적으로, 복수의 정보원들 중 정보원 각각에 각각의 신뢰성 메트릭이 할당된다. 상기 신뢰성 메트릭은 그 정보원으로부터 수신된 각각의 정보에 기반해서 공사 구역의 검출의 신뢰의 레벨을 표시한다. 도해의 예시로서, 상기 교통 정보는 RADAR-기반 정보보다는 공사 구역을 검출하는 데 있어서 더 신뢰할 수 있을 것이다. 다시 말해서, 상기 컴퓨팅 디바이스는, 상기 교통 정보에 기반해서, RADAR-기반 정보에 기반해서 공사 구역을 검출하는 각각의 신뢰의 레벨보다 높은 신뢰의 레벨로 공사 구역의 존재를 검출하도록 구성된다. 이 예시에서, 교통 정보원에는 RADAR-기반 정보원일 수 있는, RADAR 유닛보다 더 높은 신뢰성 메트릭이 할당된다. 예시들에서, 상기 신뢰성 메트릭은 복수의 운전 상황들로부터 이전에 수집된 데이터에 기반해서 결정될 수 있다.
도 3을 다시 참조하면, 블럭(304)에서, 방법(300)은 컴퓨팅 디바이스를 이용해서, 정보 및 복수의 정보원들의 각각의 신뢰성 메트릭들에 기반해서, 도로상의 공사 구역의 존재의 가능성을 결정하는 것을 포함한다. 일 예시로서, 도 4에서, 공사 구역의 검출에 관련되고, 차량(402)을 제어하도록 구성되는 컴퓨팅 디바이스에서 복수의 정보원들로부터 수신되는 정보에 기반해서, 컴퓨팅 디바이스는 도로(404)상의 공사 구역의 존재의 가능성을 결정하도록 구성될 수 있다.
일 예시에서, 컴퓨팅 디바이스는 이미지-캡쳐 디바이스로부터 수신되는 이미지-기반 정보로부터, 공사 구역으로 인한 도로의 지형의 변화를 결정하도록 구성되고, 그리고 컴퓨팅 디바이스는 상기 결정된 변화에 기반해서 상기 가능성을 할당한다. 예를 들어, 컴퓨팅 디바이스는 결정된 변화를 전형적인 공사 구역과 관련된 전형적인 변화와 비교하고, 상기 비교에 기반해서 상기 가능성을 결정하도록 구성된다. 다른 예시로서, 컴퓨팅 디바이스는 본 기술 분야에서 알려진 이미지 인식 기법들을 이용해서, 상기 이미지-캡쳐 디바이스에 의해 캡쳐된 이미지들에 묘사된 공사 구역 물체들(예를 들어, 공사 구역 콘(들)(406), 공사 구역 배럴(들)(408), 공사 구역 표지판들(412a-412b), 공사 장비(410a-b), 또는 어떤 다른 공사 지표들)을 식별하도록 구성된다. 일 예시에서, 컴퓨팅 디바이스는 공사 구역 물체들을 식별하는 것과 관련된 신뢰의 레벨을 표시하는 각각의 식별의 가능성을 할당하고, 상기 공사 구역 물체들의 각각의 식별의 가능성들에 기반해서 상기 공사 구역의 존재의 가능성을 결정하도록 구성된다.
유사하게, 상기 컴퓨팅 디바이스는 LIDAR-기반 및/또는 RADAR-기반 정보에 기반해서 공사 구역 물체들을 식별하도록 구성된다. 일 예시로서, 컴퓨팅 디바이스는 LIDAR 센서에 의해 제공되는 3D 포인트 클라우드의 포인트들의 세트에 의해 나타내진 후보 공사 구역 물체(후보 공사 구역 콘, 배럴, 또는 표지판)를 식별하도록 구성된다. 그리고 상기 컴퓨팅 디바이스는 상기 물체의 식별에 대한 각각의 신뢰의 레벨에 기반해서 상기 후보 공사 구역 물체에 대한 각각의 식별의 가능성을 할당하도록 구성된다.
일 예시에서, 상기 컴퓨팅 디바이스는 후보 공사 구역 물체(이미지-기반 정보, LIDAR-기반 정보, 또는 RADAR-기반 정보에서 식별됨)의 모양을 전형적인 공사 구역 물체들의 하나 이상의 미리 결정된 모양들과 비교하도록 구성된다. 그리고, 또한 상기 컴퓨팅 디바이스는 상기 후보 공사 구역 물체가 주어진 미리 결정된 모양(예를 들어, 상기 후보 물체의 모양과 상기 주어진 미리 결정된 모양의 차원 특징들간의 일치의 퍼센트)과 얼마나 유사한지를 표시하는 매칭도를 결정하도록 구성된다. 상기 컴퓨팅 디바이스는 또한 공사 구역 물체들을 검출 및/또는 식별하기 위해 도 9에 관해 아래에 기술된 기법들 중 어떤 것이든 사용하도록 구성될 수 있다.
일 예시에서, 상기 컴퓨팅 디바이스는 상기 도로(404)와 관련된 지도 정보를 수신하도록 구성되고, 그리고 상기 지도 정보는 도로(404)상에 존재하는 표지판들(예를 들어, 표지판들(416a-416b))의 위치들 및 유형들을 포함할 수 있다. 상기 컴퓨팅 디바이스는, 지도 정보로부터 누락되어 있을 수 있는, 후보 공사 구역 표지판(예를 들어, 공사 구역 표지판들(412a-412b) 중 하나 또는 둘 모두)의 존재를 결정하도록 더 구성될 수 있다. 일 예시에서, 상기 지도 정보로부터 누락되어 있는 상기 후보 공사 구역 표지판은 상기 후보 공사 구역 표지판의 일시성을 표시할 수 있고, 그러므로 상기 후보 공사 구역 표지판은 공사 구역 표지판일 가능성이 높다는 것을 표시할 수 있다. 이에 따라서, 상기 컴퓨팅 디바이스는 상기 후보 공사 구역 표지판이 공사 구역과 관련될 각각의 가능성을 할당한다. 일 예시에서, 상기 컴퓨팅 디바이스는 상기 도로(404)상에 주어진 공사 구역의 존재의 주어진 가능성이 있음을 도로(404)상의 다른 차량들 또는 운전자들로 하여금 주의하게 하기 위해서, 상기 후보 공사 구역 표지판과 관련된 각각의 표지판 정보 및 상기 도로상의 공사 구역의 존재의 가능성을 포함하기 위해 상기 지도 정보를 업데이트 하도록 구성될 수 있다. 상기 컴퓨팅 디바이스는 또한 공사 구역 표지판들을 검출 및/또는 식별하기 위해 도 5 및 도 7에 관해 아래에 기술되는 기법들 중 어떤 것이든 사용하도록 구성될 수 있다.
또 다른 예시에서, 상기 컴퓨팅 디바이스는 도로(404)상의 다른 차량들(414a-414b)의 거동을 표시하는 교통 정보를 수신하도록 구성될 수 있다. 이 예시에서, 상기 가능성을 결정하기 위해, 상기 컴퓨팅 디바이스는 상기 교통 정보에 기반해서 정격 속도 및 다른 차량들(414a-414b)의 교통 흐름의 변화를 결정하도록 구성될 수 있다. 상기 컴퓨팅 디바이스는 다른 차량들(414a-414b)의 거동의 변화와 주어진 공사 구역에 접근하는 것과 관련된 교통 변화의 미리 결정된 또는 전형적인 패턴을 비교하도록 구성되고, 상기 컴퓨팅 디바이스는 상기 비교에 기반해서 상기 가능성을 결정하도록 구성된다. 일 예시에서, 상기 컴퓨팅 디바이스는, 상기 비교에 기반해서 상기 가능성을 결정함에 있어서, 사고 현장과 관련된 교통의 주어진 변화를 각각의 공사 구역에 접근하는 것과 관련된 교통의 각각의 변화로부터 구별하도록 구성될 수 있다. 예를 들어, 사고 현장은 혼잡 포인트에 의해 특징지어질 수 있고, 차량들은 상기 혼잡 포인트를 향해 느려지며 일단 상기 혼잡 포인트가 통과되면 가속된다. 대안적으로, 공사 구역들은 변화된 속도 및 교통 흐름의 보다 긴 도로 섹션에 의해 특징지어질 수 있다. 다른 예시에서, 상기 컴퓨팅 디바이스는 사고 방송 서비스로부터 수신된 사고 정보에 기반해서 사고 현장을 공사 구역으로부터 구별하도록 구성될 수 있다.
한 예시에서, 컴퓨팅 디바이스는 각각의 정보의 유형 또는 정보원(예를 들어, 이미지-기반 정보, LIDAR-기반 정보, RADAR-기반 정보, 지도 정보, 교통 정보)에 대해 공사 구역의 존재의 각각의 가능성을 할당하거나 결정하도록 구성될 수 있고, 상기 각각의 가능성의 조합에 기반해서 단일의 가능성을 결정(예를 들어, 상기 각각의 가능성들의 가중치가 부여된 조합)하도록 더 구성될 수 있다. 예를 들어, 복수의 정보원들 중 각각의 정보원에 할당되는 상기 각각의 가능성은 그 정보원에 할당된 신뢰성 메트릭에 기반할 수 있다. 또한, 한 예시에서, 상기 복수의 정보원들 중 한 정보원에 대해 결정된 각각의 가능성에 기반해서, 컴퓨팅 디바이스는 공사 구역의 존재를 확인하기 위해 다른 정보원으로부터 정보를 수신하기 위해서 차량(402)에 결합된 센서 또는 모듈을 인에이블하도록 구성될 수 있다.
다른 예시에서, 공사 구역의 존재의 가능성을 결정하기 위해서, 컴퓨팅 디바이스는 복수의 정보원들로부터 수신된 공사 구역의 검출에 관한 정보 및 상기 복수의 정보원들에 할당된 각각의 신뢰성 메트릭들에 기반해서, 확률적 모델(예를 들어, 정규 분포(Gaussian distribution))을 발생시키도록 구성될 수 있다. 예를 들어, 공사 구역의 존재의 가능성은 복수의 정보원들로부터의 정보 및 각각의 신뢰성 메트릭들에 기반해서 결정되는 파라미터 값들의 세트의 함수로서 결정될 수 있다. 이 예시에서, 상기 가능성은 파라미터 값들이 주어졌을 때 관측된 결과(공사 구역의 존재)의 확률과 동일한 것으로서 정의될 수 있다. 통상의 기술자들은 상기 가능성의 함수는 이산 확률 분포, 연속 확률 분포와 혼합 연속-이산 분포 간의 구별을 수반하고, 로그 가능성(log likelihood), 상대적 가능성, 조건부 가능성, 마진 가능성(marginal likelihood), 프로파일 가능성(profile likelihood), 부분적 가능성과 같은 가능성의 몇몇의 유형들이 존재함을 이해할 것이다.
또 다른 예시에서, 컴퓨팅 디바이스는 가능성을 결정하기 위해 분류기를 통해서 복수의 정보원들로부터의 정보 및 각각의 신뢰성 메트릭들을 프로세싱하도록 구성된다. 상기 분류기는 입력 정보(예를 들어, 공사 구역의 검출에 관한 정보 및 각각의 신뢰성 메트릭들)를 클래스(예를 들어, 공사 구역의 존재)에 매핑하는 분류 알고리즘에 의해 구현되는 알고리즘 또는 수학적 함수로서 정의될 수 있다.
분류는 알려진 클래스를 갖는 관측들(또는 인스턴스들(instances))을 포함하는 데이터의 훈련 세트에 기초해서, 새 관측이 클래스들의 어떤 세트(예를 들어, 공사 구역의 존재 또는 부존재)에 속하는지를 식별하는 것을 수반한다. 개별적인 관측들은, 다양한 예시적인 변수들 또는 특징들로 알려진, 수량화할 수 있는 특징들의 세트로 분석될 수 있다. 일 예시로서, 공사 구역의 검출에 관한 수신된 정보(예를 들어, 이미지-기반 정보, LIDAR-기반 정보, RADAR-기반 정보, 지도 정도, 교통 정보 등)에 의해 표시된 것과 같이, 분류는 각각의 가능성을 "공사 구역의 존재" 또는 "공사 구역의 부존재"에 할당하는 것을 포함할 수 있다.
일 예시에서, 상기 분류는 확률적 분류를 포함할 수 있다. 확률적 분류 알고리즘은 가능한 클래스들인 "공사 구역의 존재" 또는 "공사 구역의 부존재" 각각의 멤버인 인스턴스(예를 들어, 공사 구역의 검출에 관한 수신된 정보에 의해 표시되는 운전 상황 또는 관측들의 그룹)의 확률을 출력한다. 공사 구역의 존재의 가능성을 결정하는 것은 클래스 각각에 할당된 확률에 기반할 수 있다. 또한, 상기 확률적 분류는 공사 구역의 존재와 관련된 신뢰성 메트릭값을 출력할 수 있다.
예시적인 분류 알고리즘은 선형 분류기(예를 들어, 피셔(Fisher)의 선형 판별식, 로지스틱 회귀(logistic regression), 단순 베이즈(naive Bayes) 및 퍼셉트론(perceptron)), 이차 분류기, 커널 추정(예를 들어, k-근접 이웃), 부스팅, 디시젼 트리들(예를 들어, 랜덤 포레스트들), 뉴럴 네트워크들, 유전자 발현 프로그래밍, 베이즈 네트워크들, 히든 마르코프 모델들 및 벡터 양자화 학습을 포함한다.
도해를 위한 일 예시로서, 선형 분류기는 내적을 이용해서, 인스턴스(예를 들어, 운전 상황)의 특징 벡터(공사 구역의 검출과 관련되고 복수의 정보원들로부터 수신된 정보, 그리고 각각의 신뢰성 메트릭들과 관련된 파라미터들의 벡터)를 가중치들의 벡터와 조합함에 의해 각각의 가능한 클래스 k(예를 들어, "공사 구역의 존재" 또는 "공사 구역의 부존재")에 스코어 또는 가능성을 할당하는 선형 함수로서 표현될 수 있다. 더 높은 스코어 또는 가능성을 갖는 클래스는 예측 클래스로서 선택될 수 있다. 이 유형의 스코어 함수는 선형 예측기 함수로 알려져 있고 이러한 일반적 형태를 갖는다.
여기서 Xi는 인스턴스 i에 대한 특징 벡터이고, βk는 카테고리 k에 대응하는 가중치들의 벡터이고, score(Xi,k)는 인스턴스 i를 카테고리 k에 할당하는 것과 관련된 스코어이다.
하나의 예시로서, 훈련 컴퓨팅 디바이스는 주어진 차량의 복수의 운전 상황들에 대한 훈련 데이터를 수신하도록 구성될 수 있다. 예를 들어, 복수의 운전 상황들 각각에 대해서, 각각의 훈련 데이터는 각각의 이미지-기반 정보, 각각의 LIDAR-기반 정보, 각각의 RADAR-기반 정보, 각각의 교통 정보, 각각의 지도 정보를 포함할 수 있다. 또한, 상기 훈련 컴퓨팅 디바이스는 운전 상황들 각각에 대한 각각의 훈련 데이터에 대응하는 각각의 공사 구역의 존재의 긍정적인 또는 부정적인 표시를 수신하도록 구성될 수 있다. 더욱이 상기 훈련 컴퓨팅 디바이스는 각각의 운전 상황에 대해, 상기 긍정적인 또는 부정적인 표시를 각각의 훈련 데이터와 상관시키고, 상기 복수의 운전 상황들에 대한 상관도들에 기반해서 분류기의 파라미터들(예를 들어, 방정식 (1)의 가중치들의 벡터)을 결정하도록 구성될 수 있다. 더욱이, 일 예시에서, 상기 훈련 컴퓨팅 디바이스는 상기 상관도에 기반해서 각각의 정보원에 대한 각각의 신뢰성 메트릭을 결정하도록 구성될 수 있다. 복수의 정보원들의 상기 파라미터들 및 각각의 신뢰성 메트릭들은, 상기 컴퓨팅 디바이스가 복수의 정보원들로부터 공사 구역의 검출에 관한 정보를 수신함에 따라, 상기 컴퓨팅 디바이스는 상기 가능성을 결정하기 위해 상기 분류기의 결정된 파라미터들을 이용해서 상기 분류기를 통해 상기 정보를 프로세싱하도록 구성되게끔 상기 차량(402)을 제어하도록 구성되는 컴퓨팅 디바이스에 제공될 수 있다.
일 예시에서, 상기 가능성은 "낮은," "중간의," 또는 "높은"과 같이 질적일 수 있거나, 예를 들어, 척도상의 숫자와 같이 수량적일 수 있다. 기타 예시들도 가능하다.
도 3을 다시 참조하면, 블럭(306)에서, 방법(300)은 상기 가능성에 기반해서, 상기 컴퓨팅 디바이스를 이용해서 상기 차량의 운전 거동과 관련된 제어 전략을 수정하는 것을 포함한다.
차량의 제어 시스템은 다수의 제어 전략들, 그리고 미리 결정되거나 상기 차량의 운전 환경에서의 변화들에 적응적인 관련된 운전 거동들을 지원한다. 일반적으로, 제어 전략은, 공사 구역에 접근하는 것과 같은 다양한 운전 컨텍스트들에서의 교통 인터렉션과 관련된 규칙들의 세트들을 포함한다. 상기 제어 전략은 안전 및 교통 규칙들 및 관련사항들을 고려하는 한편, 상기 차량의 속도 및 상기 차량이 운행하는 차로를 결정하는 규칙들을 포함한다(예를 들어, 공사 구역의 존재로 인한 도로의 지형의 변화들, 교차로에 정지해 있는 차량들 및 양보 상황에서의 기회의 창, 차로 추적, 도로상의 다른 차량들로부터의 거리, 다른 차량들을 통과하는 것, 그리고 가다 서다를 반복하는 교통에서의 대기, 그리고 차량이 다가오는 차로들과 같은 안전하지 않은 거동을 낳을 수 있는 영역들을 피하는 것 등). 예를 들어, 공사 구역에 접근하는데 있어서, 상기 컴퓨팅 디바이스는, 공사 구역의 존재의 결정된 가능성에 기반해서, 다른 물체들과의 거리를 안전하게 유지하기 위해 차량 속도를 제어하고 공사 구역의 존재로 인한 주어진 도로 변화들에서 가장 안전하다고 고려되는 차로를 선택하는 거동들에 대한 규칙들을 포함하는 제어 전략을 수정하거나 선택하도록 구성된다.
일 예시로서, 도 4에서, 만약 공사 구역의 존재의 가능성이 높으면(예를 들어, 미리 결정된 임계치를 초과함), 컴퓨팅 디바이스는, 내비게이션 결정을 함에 있어서, 공사 구역에 관련된 정보 및 변화들을 포함하지 않을 수 있는 기존의 지도 정보보다는, 상기 컴퓨팅 디바이스와 통신하는 차량(402) 내 센서들 또는 차량 밖 센서들로부터 수신되는 센서 정보를 활용하도록 구성될 수 있다. 또한, 상기 컴퓨팅 디바이스는, 차로 경계들을 추정하기 위해 기존의 지도 정보보다는 센서 정보를 활용하도록 구성될 수 있다. 예를 들어, 도 4를 참조하면, 상기 컴퓨팅 디바이스는, 차로 경계들을 추정하고 따르기 위해서, 상기 도로(404)상의 차로 마커들(418)보다는, 공사 구역 마커들(예를 들어, 공사 구역 콘(들)(406))의 위치를 결정하도록 구성된다. 다른 예시로서, 컴퓨팅 디바이스는 공사장 인부들(420)의 검출을 위해 하나 이상의 센서들을 활성화하고 상기 검출에 기반해서 내비게이션 결정을 하도록 구성될 수 있다.
일 예시에서, 제1 제어 전략은 기본 운전 거동을 포함하고 제2 제어 전략은 방어적인 운전 거동을 포함한다. 방어적인 운전 거동의 특징들은, 예를 들어, 차량들(414a-414b) 중 한 차량을 따라가는 것, 기본 운전 거동에서 유지되었던 거리보다 긴 미리 결정된 안전 거리를 상기 차량들(414a-414b)과 유지하는 것, 라이트들을 켜는 것, 차량(402)의 속도를 줄이는 것, 그리고 차량(402)을 멈추는 것을 포함한다. 이 예시에서, 상기 차량(402)의 컴퓨팅 디바이스는 결정된 가능성을 임계 가능성과 비교하도록 구성되고, 상기 컴퓨팅 디바이스는 상기 비교에 기반해서, 상기 제1 또는 상기 제2 제어 전략을 선택하도록 구성된다. 예를 들어, 만약 결정된 가능성이 임계 가능성보다 높다면, 상기 컴퓨팅 디바이스는 제2 운전 거동(예를 들어, 방어적인 운전 거동)을 선택하도록 구성된다. 만약 결정된 가능성이 임계 가능성보다 낮다면, 상기 컴퓨팅 디바이스는 상기 제어 전략을 제1 제어 전략(예를 들어, 기본 운전 거동을 선택)으로 수정하도록 구성된다.
또 다른 예시에서, 이산적인 제어 전략들(예를 들어, 제1 제어 전략 및 제2 제어 전략)간의 천이에 대안적으로 또는 상기 천이에 추가적으로, 상기 컴퓨팅 디바이스는 결정된 가능성에 기반해서 운전 모드들 또는 상태들의 연속체로부터 선택하도록 구성된다. 또 다른 예시에서, 컴퓨팅 디바이스는 이산적인 제어 전략을 선택하도록 구성되고, 또한 상기 선택된 이산적인 제어 전략 내의 운전 모드들의 연속체로부터 운전 모드를 선택하도록 구성된다. 이 예시에서, 주어진 제어 전략은 운전 규칙들의 다수의 세트들을 포함하고, 여기서 운전 규칙들의 한 세트는 차량(402)의 속도 및 방향의 제어에 대한 거동들을 기술한다. 컴퓨팅 디바이스는, 상기 결정된 가능성에 기반해서, 운전 규칙들의 다수의 세트들 중 운전 규칙들의 주어진 세트로부터 운전 규칙들의 다른 세트로 부드러운 천이를 초래하도록 구성된다. 부드러운 천이는, 예를 들어, 차량(402)의 승객에 의해 차량(402)의 속도 또는 방향에 있어서 급격한 변화로서 여겨지지 않는 규칙들의 주어진 세트로부터 다른 세트로의 천이를 표시한다.
일 예시에서, 주어진 제어 전략은 상기 결정된 가능성에 기반해서 차량(402)(예를 들어, 드로틀, 조타기, 브레이크, 액셀러레이터, 또는 전송 시프터)을 제어하는 작동기를 특징으로 하는 프로그램 또는 컴퓨터 명령들을 포함한다. 상기 주어진 제어 전략은 우선순위에 의해 순위가 매겨진 동작 세트들을 포함하고, 상기 동작 세트들은 차량(402)이 임무(예를 들어, 한 위치로부터 다른 위치로 운전함)을 달성하기 위해 취할 수 있는 대안적인 동작들을 포함한다. 상기 대안적인 동작들은 예를 들어, 상기 결정된 가능성에 기반해서 순위가 매겨질 수 있다. 또한, 상기 컴퓨팅 디바이스는, 수행될, 그리고 선택적으로, 상기 결정된 가능성에 기반해서 수정될 동작을 선택하도록 구성된다.
다른 예시에서, 다수의 제어 전략들(예를 들어, 프로그램들)은 컴퓨팅 디바이스에 동작들을 계속적으로 제안할 수 있다. 상기 컴퓨팅 디바이스는 예를 들어, 목표들(예를 들어, 안전성, 속도 등)의 가중치가 부여된 세트에 기반해서 어떤 전략이 선택될지를 결정하도록 구성되거나 제어 전략을 수정하도록 구성될 수 있다. 목표들의 가중치가 부여된 세트의 가중치들은 결정된 가능성의 함수일 수 있다. 목표들의 가중치가 부여된 세트의 계산에 기반해서, 상기 컴퓨팅 디바이스는, 예를 들어, 다수의 제어 전략들 및 각각의 동작 세트들의 순위를 매기고 상기 순위에 기반해서 주어진 전략 및 각각의 동작 세트를 선택하거나 수정하도록 구성될 수 있다.
이러한 예시들 및 운전 상황들은 기술을 위한 것일 뿐이다. 기타 예시들, 제어 전략들 및 운전 거동들 또한 가능하다.
도 3을 다시 참조하면, 블럭(308)에서, 방법(300)은 컴퓨팅 디바이스를 사용해서, 수정된 제어 전략에 기반해서 차량을 제어하는 것을 포함한다. 일 예시에서, 상기 컴퓨팅 디바이스는 상기 수정된 제어 전략과 관련된 동작 세트 또는 규칙 세트를 이용해서 상기 차량의 작동기들을 제어하도록 구성된다. 예를 들어, 상기 컴퓨팅 디바이스는 상기 수정된 운전 거동에 기반해서, 상기 차량의 병진 속도, 또는 회전 속도, 또는 둘 모두를 조정하도록 구성될 수 있다.
일 예시로서, 도 4에서, 차량(402)을 제어하는 것은 상기 가능성에 기반해서, 상기 차량의 바람직한 경로를 결정하는 것을 포함한다. 일 예시에서, 상기 컴퓨팅 디바이스는 상기 차량(402)이 운행하는 도로(404)상에 공사 구역이 존재할 높은 가능성을 결정했을 수 있다. 이 예시에서, 상기 컴퓨팅 디바이스는 상기 바람직한 경로를 결정할 때, 부드러운 제약 조건(예를 들어, 만약 더 안전한 경로가 결정된다면 차로 경게가 위반될 수 있음)으로서 도로(404)상의 차로 마커들(418)에 의해 표시되는 차로 경계를 고려하도록 구성될 수 있다. 상기 컴퓨팅 디바이스는 그러므로 수정된 차로 경계를 형성하는 공사 구역 콘(들)(406)의 개수 및 위치들을 결정하도록 구성되고, 그리고 차로 마커들(418)에 의해 표시되는 차로 경계 대신에 수정된 차로 경계를 고수하도록 구성될 수 있다.
도 4에 도시된 것과 같이, 차량(402)은 도로(404)상의 공사 구역에 접근하고 있을 수 있고, 그리고 컴퓨팅 디바이스는 상기 공사 구역을 안전하게 내비게이션 하기 위해 방어적인 운전 거동에 따라 차량(402)을 제어하도록 구성될 수 있다. 예를 들어, 상기 컴퓨팅 디바이스는 차량(402)의 속도를 감소시키고, 상기 차량(402)으로 하여금 차로를 변경하고 상기 공사 구역 콘(들)(406)에 의해 형성된 수정된 차로 경계들 을 고수하고, 상기 차량(414a) 뒤의 위치로 이동하고, 그리고 미리 결정된 안전 거리를 유지한 채로 상기 차량(414a)을 따라가도록 구성될 수 있다.
일 예시에서, 상기 공사 구역의 존재의 가능성을 결정하는 것에 추가로, 상기 컴퓨팅 디바이스는 공사 구역의 존재로 인한 도로(404)에 대한 변화들의 심각도(severity)를 결정하거나 추정하도록 구성된다. 상기 컴퓨팅 디바이스는 변화들의 심각도에 더 기반해서 상기 제어 전략을 수정하도록 구성된다. 일 예시로서, 도 4에서, 상기 컴퓨팅 디바이스는, 공사 장비(410a-b)에 기반해서, 상기 공사 구역 콘(들)(406) 및 배럴(들)(480)의 개수 및 위치들 및 상기 도로(404)에 대한 변화들(예를 들어, 차로 폐쇄, 이동 등)이 얼마나 심각한지를 결정하고, 방어적인 운전 거동과 부합되게 차량(402)을 제어하도록 구성된다. 다른 예시에서, 상기 공사 구역은 도로(404)의 일 측면의 커브 차로를 페인팅하고 있는 인부를 포함할 수 있다. 이 예시에서, 도로(404)에 대한 변화들은 도 4에 묘사된 변화들보다 덜 심각할 수 있고, 상기 컴퓨팅 디바이스는 예를 들어, 차량(402)을 멈추거나 차량(402)으로 하여금 차로를 변경하게 하는 것이 아니라 차량(402)의 속도를 감소시키도록 구성될 수 있다.
이러한 제어 거동들 및 운전 상황들은 기술을 위한 것일 뿐이다. 다른 거동들 및 상황들 또한 가능하다. 일 예시에서, 컴퓨팅 디바이스는 운전자가 차량의 제어를 맡을 수 있을 때까지 임시 제어로서 수정된 제어 전략에 기반해서 상기 차량을 제어하도록 구성된다.
도 3 및 4에 관해 위에 기술된 것과 같이, 컴퓨팅 디바이스는 공사 구역을 표시하는 공사 구역 표지판(예를 들어, 공사 구역 표지판(412a))의 식별 또는 검출에 기반해서 공사 구역의 존재의 가능성을 판단하도록 구성된다.
도 5는 일 실시예에 부합하는, 공사 구역 표지판의 검출을 위한 방법(500)의 흐름도이다. 도 6a-6b는, 일 실시예에 부합하는, 차량이 운행하는 도로 및 도로의 부근의 이미지들을 기술하고, 도 6c-6d는, 일 실시예에 부합하는, 미리 결정된 높이 범위로 도로의 측면들을 묘사하는, 도로 및 도로의 부근의 이미지들의 부분들을 기술한다. 도 5 및 도 6a-6d는 함께 기술될 것이다.
방법(500)은 하나 이상의 블럭들(502-512)에 의해 기술되는 것으로서, 하나 이상의 동작들, 기능들, 또는 동작들을 포함한다. 상기 블럭들이 순차적인 순서로 기술됨에도 불구하고, 이러한 블럭들은 몇몇의 예들에서 병렬로, 그리고/또는 본 명세서에 기술된 순서와 다른 순서로 수행될 수 있다. 또한, 상기 다양한 블럭들은 바람직한 구현에 기반해서, 더 적은 블럭들로 조합되고, 추가적인 블럭들로 분리되고, 그리고/또는 제거될 수 있다.
블럭(502)에서, 방법(500)은 차량을 제어하도록 구성되는 컴퓨팅 디바이스에서, 컴퓨팅 디바이스에 결합되는 이미지-캡쳐 디바이스로부터, 상기 차량이 운행하는 도로의 부근의 하나 이상의 이미지들을 수신하는 것을 포함한다. 상기 컴퓨팅 디바이스는, 예를 들어, 차량 내에 있거나 차량 밖에 있지만 상기 차량과 무선 통신 중일 수 있다. 또한, 상기 컴퓨팅 디바이스는 자율 또는 반자율 동작 모드로 상기 차량을 제어하도록 구성될 수 있다. 더욱이, 이미지-캡쳐 디바이스(예를 들어, 도 1에서의 카메라(134) 또는 도 2에서의 카메라(210))는 차량에 결합되고 상기 컴퓨팅 디바이스와 통신할 수 있다. 상기 이미지-캡쳐 디바이스는 상기 차량이 운행하고 있는 상기 도로 및 도로의 부근의 이미지들 또는 비디오를 캡쳐하도록 구성된다.
도 6a-6b는, 예를 들어, 각각 예시 이미지들(602 및 604)을 기술하고, 상기 예시 이미지들은 도 4에서의 차량(402)에 결합된 이미지-캡쳐 디바이스에 의해 캡쳐된다. 일 예시에서, 상기 이미지-캡쳐 디바이스는 정지 이미지들 또는 정지 이미지들이 추출될 수 있는 비디오를 계속적으로 캡쳐하도록 구성될 수 있다. 일 예시에서, 하나 이상의 이미지-캡쳐 디바이스들은 상기 차량(402)에 결합된다. 상기 하나 이상의 이미지-캡쳐 디바이스들은 모든 방향들로부터 상기 차량(402)의 주변들 및 도로 상황을 고려하기 위해 다수의 시야들(views)로부터 이미지들을 캡쳐하도록 구성된다.
도 5를 다시 참조하면, 블럭(504)에서, 방법(500)은 컴퓨팅 디바이스를 이용해서, 하나 이상의 이미지들 중 하나 이상의 이미지 부분들을 결정하는 것을 포함하고, 그리고 상기 하나 이상의 이미지 부분들은 미리 결정된 높이 범위로 상기 도로의 측면들을 묘사할 수 있다. 몇몇의 예시들에서, 상기 미리 결정된 높이 범위는 공사 구역 표지판들에 대해 전형적으로 사용되는 높이 범위에 대응한다. 많은 관할 구역들에서, 도로상의 공사 구역들은 표준 설명서 및 규칙들에 의해 규제되고, 이러한 표준 설명서 및 규칙들은 미리 결정된 높이 범위를 정의하는 데에 사용될 수 있다. 일 예시 규칙은 도로상의 공사 구역의 존재를 표시하는 공사 구역 표지판은 3일보다 더 오랫동안 계속적으로 주어진 위치에 놓여지고 도로의 일 측면의 기둥(post)에 설치된다고 언급할 수 있다. 더욱이, 다른 규칙은 일시적인 경고성 공사 구역 표지판은 예를 들어, 도로 지상 높이의 1 피트 위임을 특정할 수 있다. 다른 예시들에서, 최소 표지판 설치 높이에 추가적으로 또는 대안적으로, 예를 들어, 일시적인 경고성 공사 구역 표지판에 대한 높이 범위는 1 피트와 6 피트 사이일 수 있는 것과 같이, 높이 범위가 특정될 수 있다. 교통 안전 드럼 또는 임시 장벽과 같은 교통 제어 디바이스 뒤에 상기 공사 구역 표지판이 위치되는 몇몇의 위치들에서, 상기 최소 높이는, 추가적인 가시성을 제공하기 위해 5 피트로 올려질 수 있다. 추가적으로 또는 대안적으로, 높이 범위는 예를 들어, 5 피트와 11 피트 사이로 특정될 수 있다. 이 숫자들 및 규칙들은 기술을 위한 것일 뿐이다. 기타 표준들 및 규칙들 또한 가능하다. 몇몇의 예시들에서, 전형적인 공사 구역 표지판의 상기 미리 결정된 높이 범위 또는 최소 높이는 위치에 의존적일 수 있다(예를 들어, 지리적 영역, 미국에서 어떤 주, 국가 등)
상기 컴퓨팅 디바이스는 표준 명세들에 따라, 전형적인 공사 구역 표지판의 미리 결정된 높이 범위에서 도로 측면들을 묘사하는 부분들을 이미지 캡쳐 디바이스에 의해 캡쳐된 이미지들에서 결정하도록 구성된다. 일 예시로서, 도 6a에서, 상기 컴퓨팅 디바이스는 표준 명세들에 따라, 전형적인 공사 구역 표지판들에 대해 특정된 미리 결정된 높이 범위에서 도로(404)의 일 측면을 도시하는 이미지(602) 내의 부분(606)을 결정하도록 구성된다. 유사하게, 도 6b에서, 상기 컴퓨팅 디바이스는, 미리 결정된 높이 범위에서 도로(404)의 다른 측면을 도시하는 이미지(604)내의 부분(608)을 결정하도록 구성된다. 도 6c는 도 6a에서 기술된 이미지(602)의 이미지 부분(606)을 기술하고, 도 6d는 도 6b에서 기술된 이미지(604)의 이미지 부분(608)을 기술한다.
도 5를 다시 참조하면, 블럭(506)에서, 상기 방법(500)은, 상기 컴퓨팅 디바이스를 이용해서, 상기 하나 이상의 이미지 부분들에서 공사 구역 표지판을 검출하는 것을 포함한다. 또한, 상기 표준 명세들은 전형적인 공사 구역 표지판들의 모양, 색상, 패턴 및 역반사 특성들에 대한 규칙들을 포함한다. 기술을 위한 일 예시로서, 상기 표준 명세들은 반사 시트의 표준 유형을 갖는, 주황색 배경 상에 검은색 글씨의 부호들을 갖는 다이아몬드 모양의 48 인치 x 48 인치인 전형적인 공사 구역 표지판을 특정한다. 이러한 명세들은 기술을 위한 것일 뿐이고, 그리고 기타 명세들 또한 가능하다.
일 예시로서, 도 6a 내지 도 6d를 참조하면, 상기 컴퓨팅 디바이스는, 각각 이미지 부분(608) 및 이미지 부분(606)에 있는 표지판(412a) 및 표지판(416b)과 같은 후보 공사 구역 표지판들을 검출하도록 구성된다. 상기 컴퓨팅 디바이스는 본 기술분야에서 알려진 이미지 인식 기법들을 이용해서, 전형적인 공사 구역 표지판들의 표준 명세들과 비교한 후보 공사 구역 표지판의 모양, 색상, 패턴 및 반사 특성들 중 하나 이상에 기반해서, 상기 후보 공사 구역 표지판이 공사 구역에 관련되는지를 결정하도록 구성된다. 예를 들어, 상기 컴퓨팅 디바이스는, 상기 비교에 기반해서, 상기 표지판(412a)이 공사 구역 표지판이고, 반면에 상기 표지판(416b)은 공사 구역 표지판이 아님을 결정하도록 구성된다.
이미지 인식의 이용을 기술하기 위한 일 예시에서, 상기 컴퓨팅 디바이스는 하나 이상의 이미지 부분들에서 검출된 물체를, 전형적인 공사 구역 표지판의 템플릿(template)과 비교하도록 구성된다. 예를 들어, 상기 컴퓨팅 디바이스는 하나 이상의 이미지 부분들에서, 물체의 색상, 모양, 에지들, 그리고 모서리들과 같은 물체의 특징들을 식별하도록 구성된다. 이후에, 상기 컴퓨팅 디바이스는 이러한 특징들을, 전형적인 공사 구역 표지판의 오렌지색/노란색, 예리한 에지들을 갖는 다이아몬드 모양, 그리고 모서리들(예를 들어, 모서리 특징)과 비교하도록 구성된다. 상기 컴퓨팅 디바이스는, 물체의 특징들이 전형적인 공사 구역 표지판의 전형적인 특징들과 매칭되는지를 결정하기 위해, 특징들(예를 들어, 색상, 모양 등) 또는 물체의 특징들을 대표하는 파라미터들을 분류기를 통해 프로세싱하도록 구성된다. 상기 분류기는 입력 정보(예를 들어, 물체의 특징들)를 클래스(예를 들어, 공사 구역 표지판을 나타내는 물체)에 매핑시킨다. 분류기들, 훈련 데이터, 및 분류 알고리즘들의 예시들은 도 3에 기술된 방법(300)의 블럭(304)에 관해 위에 기술되었다.
일 예시에서, 상기 컴퓨팅 디바이스는, 공사 구역 표지판의 검출을 확인 또는 입증하기 위해, 상기 이미지 캡쳐 디바이스로부터 수신되는 이미지 기반 정보에 더하여, 차량(402)에 결합되는 다른 센서들 또는 유닛들로부터 수신되는 정보를 이용하도록 구성된다. 예를 들어, 상기 컴퓨팅 디바이스는, 상기 이미지 기반 정보에 기반해서, 상기 이미지 부분들 내의 후보 공사 구역 표지판이 공사 구역에 관련될 제1 가능성을, 할당하거나 결정하도록 구성된다. 더욱이, 상기 컴퓨팅 디바이스는, 차량(402)에 결합되고 상기 컴퓨팅 디바이스와 통신하는 LIDAR 센서(예를 들어, 도 1의 LIDAR 유닛(132))로부터, 상기 후보 공사 구역 표지판(예를 들어, 표지판(412a))을 묘사하는 이미지 부분들(예를 들어, 이미지 부분(608))에 대응하는 3D 포인트 클라우드를 포함하는 LIDAR 기반 정보를 수신하도록 구성된다. 상기 3D 포인트 클라우드는 LIDAR로부터 방출되고 상기 후보 공사 구역 표지판의 표면으로부터 반사되는 광선에 기반한 포인트들의 세트를 포함한다. 상기 컴퓨팅 디바이스는, 상기 LIDAR 기반 정보에 기반해서, 상기 후보 공사 구역 표지판이 상기 공사 구역과 관련될 제2 가능성을 결정하고, 상기 제1 가능성 및 제2 가능성에 기반해서 상기 공사 구역 표지판의 존재 또는 검출을 확인하도록 구성된다.
다른 예시에서, LIDAR 기반 정보를 수신하는 것에 대해 추가적으로 또는 대안적으로, 상기 컴퓨팅 디바이스는, 상기 컴퓨팅 디바이스에 결합된 RADAR 센서(예를 들어, 도 1의 RADAR 유닛(130))으로부터, 후보 공사 구역 표지판의 위치 및 특징들에 관련된 RADAR 기반 정보를 수신하도록 구성된다. 상기 RADAR 센서는 라디오파들을 방출하고 상기 후보 공사 구역 표지판의 표면을 튕겨 나온 방출된 라디오 파를 다시 수신하도록 구성된다. 상기 수신된 신호들 또는 RADAR 기반 정보는, 예를 들어, 상기 후보 공사 구역 표지판의 차원 특징들을 표시하고, 그리고 상기 후보 공사 구역 표지판이 정지해 있다는 것을 표시할 수 있다. 상기 컴퓨팅 디바이스는, 상기 RADAR 기반 정보에 기반해서, 예를 들어, 상기 후보 공사 구역 표지판의 특징들과 전형적인 공사 구역 표지판의 표준 특징들의 비교에 기반해서, 상기 후보 공사 구역 표지판이 상기 공사 구역에 관련될 제3 가능성을 결정하도록 구성된다. 더욱이, 상기 컴퓨팅 디바이스는 상기 제1 가능성, 제2 가능성 및 제3 가능성에 기반해서 상기 공사 구역 표지판을 검출하도록 구성된다.
일 예시로서, 상기 컴퓨팅 디바이스는 상기 제1 가능성, 제2 가능성 및 제3 가능성의 함수인 전체 가능성(예를 들어, 상기 제1 가능성, 제2 가능성 및 제3 가능성의 가중치가 부여된 조합)을 결정하도록 구성되고, 그리고 상기 컴퓨팅 디바이스는 상기 전체 가능성에 기반해서 상기 공사 구역 표지판을 검출하도록 구성된다.
일 예시에서, 상기 컴퓨팅 디바이스는 상기 이미지 캡쳐 디바이스, LIDAR 센서 및 RADAR 센서와 같은 복수의 정보원들로부터 수신된 정보에 기반해서 상기 공사 구역 표지판을 검출하도록 구성될 수 있다. 하지만, 다른 예시에서, 상기 컴퓨팅 디바이스는 상기 복수의 정보원들의 서브세트로부터 수신된 정보의 서브세트에 기반해서 상기 공사 구역 표지판을 검출하도록 구성될 수 있다. 예를 들어, 상기 이미지 캡쳐 디바이스에 의해 캡쳐된 이미지들은 이미지 캡쳐 디바이스의 기능 저하로 인해 블러링될 수 있다. 다른 예시로서, 도로(404)의 상세들은 안개 때문에 이미지들에서 흐려질 수 있다. 이러한 예시들에서, 상기 컴퓨팅 디바이스는 LIDAR 및/또는 RADAR 유닛들로부터 수신되는 정보에 기반해서 상기 공사 구역 표지판을 검출하도록 구성되고 상기 이미지 캡쳐 디바이스로부터 수신되는 정보를 무시하도록 구성될 수 있다.
다른 예시에서, 상기 차량(402)은 일부 전기적 잡음 또는 재밍 신호들이 존재하는 도로(404)의 부분을 운행하고 있을 수 있고, 그러므로 LIDAR 및/또는 RADAR 신호들이 올바르게 동작하지 않을 수 있다. 이러한 경우에 있어서, 상기 컴퓨팅 디바이스는 상기 이미지 캡쳐 디바이스로부터 수신된 정보에 기반해서 상기 공사 구역 표지판을 검출하도록 구성되고, 그리고 LIDAR 및/또는 RADAR 유닛들로부터 수신되는 정보를 무시하도록 구성될 수 있다.
일 예시에서, 상기 컴퓨팅 디바이스는 상기 도로(404)의 상황(예를 들어, 안개, 전기적 재밍 등)에 기반해서, 그리고/또는 상기 복수의 정보원들 중 각각의 정보원에 할당되는 각각의 신뢰성 메트릭에 기반해서 상기 복수의 정보원들의 순위를 매기도록 구성될 수 있다. 상기 순위는 상기 공사 구역 표지판을 검출하는 데 있어서 어떤 센서(들)에 의존할지 또는 어떤 센서(들)에 더 많은 가중치를 부여할지를 표시한다. 일 예시로서, 만약 안개가 상기 도로의 일 부분에 존재하면, 상기 LIDAR 및 RADAR 센서들에 이미지 기반 디바이스보다 높은 순위가 매겨질 것이고, 그리고 상기 LIDAR 및/또는 RADAR 센서로부터 수신되는 정보에 상기 이미지 캡쳐 디바이스로부터 수신되는 각각의 정보보다 더 많은 가중치가 부여될 것이다.
도 5를 다시 참조하면, 블럭(508)에서, 상기 방법(500)은, 상기 컴퓨팅 디바이스를 이용해서, 하나 이상의 이미지 부분들에서 상기 공사 구역 표지판의 유형을 결정하는 것을 포함한다. 하나의 공사 구역 표지판 유형은 도로상의 공사 구역에 접근하고 상기 공사 구역을 콘과할 때의 속도 제한들을 규정하는 것과 관련될 수 있다. 다른 공사 구역 표지판 유형은 차로 변경들, 폐쇄, 감소, 콘합 등에 관련될 수 있다. 또 다른 공사 구역 표지판 유형은 상기 도로상에서 운행의 방향의 일시적인 변경에 관련될 수 있다. 공사 구역 표지판들의 예시 유형들은, "전방 우측 차로 폐쇄," "전방 도로 작업중," "정지할 준비를 하시오," "1500 피트간 도로 공사중," "전방 단일 차로," "감소된 속도 제한 30," "갓길 작업중" 등을 포함할 수 있다. 기타 예시 유형들이 가능하다.
일 예시에서, 상기 차량의 컴퓨팅 디바이스는 상기 공사 구역 표지판의 모양, 색상, 단어들의 서체 등에 기반해서, 상기 검출된 공사 구역의 유형을 결정하도록 구성될 수 있다. 일 예시로서, 상기 컴퓨팅 디바이스는 상기 검출된 공사 구역 표지판의 이미지로부터 상기 유형(예를 들어, 상기 공사 구역 표지판의 모양, 또는 상기 공사 구역 표지판에 쓰여진 단어들)을 식별하기 위해, 이미지 인식 기법들을 이용하도록 구성될 수 있다.
블럭(506)에 관해 위에 기술된 바와 같이, 상기 컴퓨팅 디바이스는, 공사 구역 표지판을 검출하기 위해서, 물체를 전형적인 공사 구역 표지판의 템플릿과 비교하기 위한 이미지 인식 기법들을 활용하도록 구성될 수 있다. 일 예시에서, 상기 검출된 공사 구역 표지판의 유형을 결정하기 위해서, 상기 컴퓨팅 디바이스는 상기 검출된 공사 구역 표지판의 부분들을 전형적인 공사 구역 표지판들의 서브-템플릿들과 비교하도록 구성될 수 있다. 일 예시에서, 상기 컴퓨팅 디바이스는 상기 검출된 공사 구역 표지판에 타이핑된 개별적인 단어들 또는 문자들을 식별하고, 상기 식별된 단어들 또는 문자들을 전형적인 공사 구역 표지판들의 서브-템플릿들과 비교하도록 구성될 수 있다. 다른 예시에서, 상기 컴퓨팅 디바이스는 상기 문자들 또는 상기 단어들 간의 공간을 결정하고, 그리고/또는 상기 단어들과 상기 검출된 공사 구역 표지판의 에지들 간의 공간을 결정하도록 구성될 수 있다. 또 다른 예시에서, 상기 컴퓨팅 디바이스는 상기 검출된 공사 구역 표지판에 상기 단어들 또는 문자들이 프린트된 폰트를 식별하고, 상기 식별된 폰트를 전형적인 공사 구역 표지판들에 관련된 폰트 서브-템플릿들과 비교하도록 구성될 수 있다.
일 예시로서, 상기 컴퓨팅 디바이스는 상기 검출된 공사 구역 표지판에 "전방 도로 공사중"이라는 단어들이 타이핑된 공사 구역 표지판을 검출하도록 구성된다. 상기 컴퓨팅 디바이스는 "도로," "작업," "전방"과 같은 개별적인 문자들 또는 단어들을 상기 하나 이상의 이미지 부분들에서 추출하고, 이러한 단어들 및 이러한 단어들의 특징들(예를 들어, 폰트들, 글자 사이즈들 등)을 전형적인 공사 구역 표지판들의 대응하는 서브 템플릿들과 비교하도록 구성된다. 또한, 상기 컴퓨팅 디바이스는 상기 3개의 단어들 간의 공간 및 상기 단어들을 형성하는 글자들 간의 공간을 대응하는 서브 템플릿들과 비교하도록 구성된다. 더욱이, 상기 컴퓨팅 디바이스는 "도로"라는 단어와 상기 검출된 공사 구역 표지판의 좌측 에지 간의 공간 및 "전방"이라는 단어와 상기 검출된 공사 구역 표지판의 우측 에지 간의 공간을 대응하는 서브 템플릿들과 비교하도록 구성될 수 있다. 이러한 비교들에 기반해서, 상기 컴퓨팅 디바이스는 상기 검출된 공사 구역 표지판의 유형을 결정하도록 구성될 수 있다.
이러한 특징들(예를 들어, 문자들, 단어들, 폰트들, 공간 등)은 기술들을 위한 예시들이고, 상기 검출된 공사 구역 표지판의 유형을 결정하기 위해서, 다른 특징들이 이용될 수 있고, 상기 다른 특징들이 전형적인 공사 구역 표지판들의 전형적인 특징들(예를 들어, 서브 템플릿들)과 비교될 수 있다.
일 예시에서, 이미지 인식을 이용하는 것에 추가적으로 또는 대안적으로, RADAR 기반 정보에 기반해서, 상기 컴퓨팅 디바이스는 상기 공사 구역 표지판의 모양 및 차원들을 결정하고, 상기 결정된 모양 및 차원들로부터, 상기 유형 및 관련된 도로 변화들을 추론하도록 구성될 수 있다. 기타 예시들이 가능하다.
블럭(510)에서, 상기 방법(500)은, 상기 컴퓨팅 디바이스를 이용해서, 상기 공사 구역 표지판의 유형에 기반하여, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하는 것을 포함한다. 공사 구역의 존재로 인한 도로상의 상기 도로 변화들은 상기 공사 구역 앞에 존재하는 상기 공사 구역 표지판의 유형에 의해 표시될 수 있다. 상기 컴퓨팅 디바이스는 상기 공사 구역 표지판의 결정된 유형에 기반해서 상기 차량의 제어 전략을 수정하도록 구성될 수 있다.
제어 전략을 수정하는 것의 예시들은 도 3에 기술된 상기 방법(300)의 블럭(306)에 관해서 위에 기술되었다. 예시들로서, 상기 컴퓨팅 디바이스는 상기 유형에 표시된 대로 차로 이동 및/또는 속도 변경이 요구되는지를 결정하고, 내비게이션 결정을 함에 있어서 기존의 지도 정보보다는 차량 내 또는 차량 밖 센서들로부터 수신되는 센서 정보를 활용하고, 차로 경계들을 추정하기 위해 기존의 지도 정보보다는 센서 정보를 활용하고, 차로 경계들을 추정하고 따라가기 위해 차로 마커들보다는 공사 구역 콘들 또는 콘들의 위치들을 결정하고, 그리고 공사 인부들의 검출을 위해 그리고 상기 검출에 기반한 내비게이션 결정을 내리기 위해 하나 이상의 센서들을 활성화하도록 구성된다. 이러한 예시들 및 운전 상황들은 기술을 위한 것일 뿐이다. 기타 예시들 및 제어 전략들 및 운전 거동들 또한 가능하다.
블럭(512)에서, 상기 방법(500)은, 컴퓨팅 디바이스를 이용해서, 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하는 것을 포함한다. 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하는 것의 예시들은 도 3에 기술된 방법(300)의 블럭(308)에 관해 위에 기술되었다. 예시들로서, 상기 컴퓨팅 디바이스는, 다른 차량을 따라가기 위해서, 수정된 운전 거동에 기반해서, 상기 차량의 병진 속도, 또는 회전 속도, 또는 둘 모두를 조정하고, 다른 차량들과 미리 결정된 안전 거리를 유지하고, 라이트들을 켜고, 차량의 속도를 감소시키고, 차로를 이동하고, 그리고 차량을 멈추도록 구성된다. 이러한 제어 동작들 및 운전 상황들은 기술을 위한 것일 뿐이다. 기타 동작들 및 상황들 또한 가능하다.
도 5에 기술된 상기 방법(500)의 블럭(506)에 관해 기술된 바와 같이, 상기 컴퓨팅 디바이스는 상기 차량에 결합되고 상기 컴퓨팅 디바이스와 콘신하는 LIDAR 센서로부터 수신되는 정보에 기반해서 상기 공사 구역 표지판을 검출하거나 상기 공사 구역 표지판의 검출을 확인하도록 구성된다.
도 7은 일 실시예에 부합하는, LIDAR 기반 정보를 이용한 공사 구역 표지판의 검출을 위한 방법(700)의 흐름도이다. 도 8a는 일 실시예에 부합하는, 상기 도로의 표면으로부터 임계 높이보다 높은 높이에서의 공사 구역 표지판의 LIDAR 기반 검출을 기술한다. 도 8b는 일 실시예에 부합하는, 상기 도로의 표면으로부터 임계 높이보다 높은 높이에서의 상기 영역을 묘사하는 LIDAR 기반 이미지를 기술한다. 도 7 및 도 8a-8b는 함께 기술될 것이다.
방법(700)은 하나 이상의 블럭들(702-712)에 의해 기술되는 것으로서, 하나 이상의 동작들, 기능들, 또는 거동들을 포함한다. 상기 블럭들이 순차적 순서로 기술되었음에도 불구하고, 이러한 블럭들은 몇몇의 예시들에서 병렬적으로, 및/또는 본 명세서에서 기술된 순서와 다른 순서로 수행될 수 있다. 또한, 다양한 블럭들은, 바람직한 구현에 기반해서, 더 적은 블럭들로 조합되고, 추가적인 블럭들로 분리되고, 그리고/또는 제거될 수 있다.
블럭(702)에서, 상기 방법(700)은, 차량을 제어하도록 구성되는 컴퓨팅 디바이스에서, 상기 컴퓨팅 디바이스에 결합되는 LIDAR 센서로부터, LIDAR 기반 정보를 수신하는 것을 포함하고, 상기 LIDAR 기반 정보는 (i) 차량이 운행하고 있는 도로의 부근의 3차원(3D) 포인트 클라우드와, 상기 3D 포인트 클라우드는 상기 LIDAR로부터 방출되고 상기 도로의 부근에서의 하나 이상의 물체들로부터 반사되는 광선에 대응하는 포인트들을 포함하고, (ii) 포인트들에 대한 반사된 빛의 강도값(intensity value)을 포함한다. LIDAR 센서 또는 유닛(예를 들어, 도 1의 LIDAR 유닛(132))은 차량에 결합되고 상기 차량을 제어하도록 구성되는 컴퓨팅 디바이스와 콘신한다. LIDAR 동작은, 떨어져 있는 타겟의 범위 및/또는 다른 정보를 찾기 위해, 산란된 광선의 특징들을 측정하는 것을 인에이블하는 광학적 원격 센싱 기술을 수반한다. LIDAR 센서/유닛은, 예를 들어, 레이저 펄스들을 빔으로 방출하고, 2차원 또는 3차원 범위 매트릭스들을 발생시키기 위해 상기 빔을 스캔하도록 구성될 수 있다. 일 예시에서, 상기 범위 매트릭스들은, 펄스의 전송과 각각의 반사된 신호의 검출 사이의 시간 딜레이를 측정함에 의해 물체 또는 표면까지의 거리를 결정하기 위해 사용될 수 있다.
다른 예시에서, LIDAR 센서는 3차원으로 상기 차량을 둘러싸고 있는 환경을 빠르게 스캔하도록 구성될 수 있다. 몇몇의 예시들에서, 2개 이상의 LIDAR 센서는 상기 차량의 완전한 수평 360°를 스캔하기 위해 상기 차량에 결합될 수 있다. 상기 LIDAR 센서는 도로상에서 그리고 상기 도로의 부근에서 레이저에 의해 부딪혔던 물체들을 나타내는 포인트 데이터의 클라우드를 상기 컴퓨팅 디바이스에 제공하도록 구성된다. 상기 포인트들은 범위에 더하여, 방위각 및 고도에 관해서 LIDAR 센서에 의해 나타내질 수 있고, 이들은 차량에 부착된 국부 좌표계에 상대적으로 (X, Y, Z) 포인트 데이터로 변환될 수 있다. 추가적으로, 상기 LIDAR 센서는 광선 또는 물체들로부터 반사되어 나온 레이저의 강도값을 상기 컴퓨팅 디바이스에 제공하도록 구성될 수 있다.
블럭(704)에서, 상기 방법(700)은, 상기 컴퓨팅 디바이스를 이용해서, 상기 도로의 표면으로부터 임계 높이보다 높은 높이에서의 영역을 나타내는 3D 포인트 클라우드에서의 포인트들의 세트를 결정하는 것을 포함한다. 상기 방법(500)에 관해 기술된 바와 같이, 도로들 상의 공사 구역들은 표준 명세들 및 규칙들에 의해 규정된다. 최소 표지판 설치 높이는, 예를 들어, 전형적인 공사 구역 표지판에 대해 특정되어 있다. 도 8a는 상기 도로(404)상을 운행하고 있고 상기 공사 구역 표지판(412a)에 의해 표시되는 공사 구역에 접근하고 있는 차량(402)을 기술한다. 상기 차량(402)에 결합되는 LIDAR 센서는 상기 수평면을 스캔하고 상기 컴퓨팅 디바이스에 상기 도로(404) 및 상기 도로(404)의 부근(예를 들어, 측면들)의 3D 포인트 클라우드를 제공할 수 있다. 더욱이, 상기 컴퓨팅 디바이스는 임계 높이(804)보다 높은 높이에서 영역(802)을 결정하도록 구성된다. 상기 임계 높이(804)는, 예를 들어, 공사 구역들의 표준 명세들에 따른 전형적인 공사 구역 표지판에 대해 특정된 상기 최소 표지판 설치 높이일 수 있다. 도 8b는 결정된 영역(802)을 나타내는 또는 상기 결정된 영역(802)에 대응하는 포인트들의 세트(예를 들어, 3D 포인트 클라우드의 서브세트)를 포함하는 LIDAR 기반 이미지(806)를 기술한다.
도 7을 다시 참조하면, 블럭(706)에서, 상기 방법(700)은, 상기 컴퓨팅 디바이스를 이용해서, 포인트들의 세트와 관련된 모양을 추정하는 것을 포함한다. 상기 컴퓨팅 디바이스는 임계 높이보다 높은 높이에서 상기 영역을 나타내는 포인트들의 세트에 의해 묘사되는 모양을 식별 또는 추정하도록 구성된다. 예를 들어, 상기 컴퓨팅 디바이스는 상기 모양의 차원적인 특징들을 추정하도록 구성된다. 일 예시에서, 상기 컴퓨팅 디바이스는 모양의 차원적 특징들을 추정하도록 구성된다. 일 예시에서, 상기 컴퓨팅 디바이스는 상기 모양을 추정하기 위해서, 미리 결정된 모양을 포인트의 세트에 묘사된 모양과 맞추도록 구성된다. 일 예시로서, 도 8b에서, 상기 컴퓨팅 디바이스는 LIDAR 기반 이미지(806)에 포함되는 포인트의 세트에서 다이아몬드 모양(808)을 추정하도록 구성될 수 있다.
도 7을 다시 참조하면, 블럭(708)에서, 상기 방법(700)은, 상기 컴퓨팅 디바이스를 이용해서, 상기 포인트들의 세트에 관해 추정된 모양 및 각각의 강도값들에 기반해서 포인트들의 세트가 공사 구역 표지판을 묘사할 가능성을 결정하는 것을 포함한다. 일 예시에서, 도 8b를 참조하면, 상기 컴퓨팅 디바이스는 상기 추정된 모양(808)을 전형적인 공사 구역 표지판들의 하나 이상의 모양들과 매칭하거나 비교하고, 상기 컴퓨팅 디바이스는 상기 추정된 모양(808)이 주어진 미리 결정된 모양과 얼마나 유사한지(예를 들어, 상기 추정된 모양(808)의 차원적 특징들과 전형적인 공사 구역 표지판의 다이아몬드 모양 간의 매칭의 퍼센트)를 표시하는 매칭도를 결정하도록 구성된다. 일 예시에서, 상기 컴퓨팅 디바이스는 상기 추정된 모양(808)의 에지들을 식별하고 상기 에지들에 의해 형성되는 모양을 전형적인 공사 구역 표지판들의 전형적인 다이아몬드 모양과 매칭하도록 구성된다. 상기 가능성은, 예를 들어, 상기 매칭도에 기반해서 결정될 수 있다.
더욱이, 전형적인 공사 구역 표지판들은 공사 구역들의 표준 명세들에 의해 유리 구슬들 또는 프리즘들과 같은 역반사 시트 물질들로 만들어지도록 요구될 수 있고, 그리고 상기 컴퓨팅 디바이스는 상기 추정된 모양(808)을 형성하는 포인트들의 강도값들을 역반사 시트 물질의 임계 강도값과 비교하도록 구성될 수 있다. 상기 비교에 기반해서, 상기 컴퓨팅 디바이스는 상기 추정된 모양(808)이 주어진 공사 구역 표지판을 나타냄을 확인하도록 구성될 수 있다. 예를 들어, 만약 강도값들이 임계 강도값의 미리 결정된 값에 가깝거나 상기 미리 결정된 값 내에 있는 경우, 상기 컴퓨팅 디바이스는 상기 추정된 모양(808)이 공사 구역 표지판을 나타낼 높은 가능성을 결정하도록 구성될 수 있다.
일 예시에서, 상기 컴퓨팅 디바이스는 상기 추정된 모양(808)의 전형적인 공사 구역 표지판의 미리 결정된 모양과의 비교에 기반해서 제1 가능성을 결정하도록 구성되고, 그리고 상기 강도값들의 임계 강도값과의 비교에 기반해서 제2 가능성을 결정하도록 구성된다. 상기 컴퓨팅 디바이스는, 추정된 모양(808)을 형성하는 포인트들을 포함하는, 포인트들의 세트들이 공사 구역 표지판을 묘사할 단일의 가능성을 결정하기 위해, 상기 제1 가능성과 제2 가능성을 조합하도록 구성된다.
다른 예시에서, 상기 컴퓨팅 디바이스는, 포인트들의 세트가 공사 구역 표지판을 묘사할 가능성을 결정하기 위해서, 상기 추정된 모양(808)(예를 들어, 추정된 모양(808)의 차원적 특징들) 및 상기 강도값에 기반해서, 확률적 모델(예를 들어, 정규 분포)을 발생하도록 구성된다. 예를 들어, 상기 가능성은 추정된 모양(808) 및 각각의 강도 값의 차원들에 기반해서 결정되는 파라미터 값들의 세트의 함수로서 결정된다. 이 예시에서, 상기 가능성은 이러한 파라미터 값들이 주어졌을 때, 관측된 결과(추정된 모양(808)이 공사 구역 표지판을 나타냄)의 확률과 동일하게 정의된다.
또 다른 예시에서, 상기 컴퓨팅 디바이스는 서로에 대한 포인트들의 위치들 또는 상기 포인트들의 상대적 위치들에 기반해서, LIDAR 기반 이미지(806)에 묘사되는 포인트들(예를 들어, 상기 추정된 모양(808)을 형성하는 포인트들)이 함께 무리를 이루게 하도록 구성된다. 상기 컴퓨팅 디바이스는 포인트들의 무리로부터 특징들의 세트(예를 들어, 추정된 모양(808)의 차원적 특징들, 그리고 상기 추정된 모양(808)을 형성하는 포인트들의 강도값들)를 추출하도록 구성된다. 상기 컴퓨팅 디바이스는 상기 가능성을 결정하기 위해 분류기를 콘해 이러한 특징들의 세트를 프로세싱하도록 구성된다. 상기 분류기는 입력 정보(예를 들어, 포인트들의 무리로부터 추출되는 특징들의 세트)를 클래스(예를 들어, 공사 구역 표지판을 나타내는 무리)에 매핑시킬 수 있다. 분류기들, 훈련 데이터, 및 분류 알고리즘들의 예시들은 도 3에 기술된 상기 방법(300)의 블럭(304)에 관해 위에 기술되었다.
일 예시에서, 상기 가능성은, 예를 들어, "낮은," "중간의," "높은"과 같이 질적이거나 척도 상의 숫자와 같이 수량적일 수 있다. 기타 예시들이 가능하다.
도 7을 다시 참조하면, 블럭(710)에서, 상기 방법(700)은, 상기 컴퓨팅 디바이스를 이용해서, 상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하는 것을 포함한다. 상기 가능성에 기반해서(예를 들어, 상기 가능성이 미리 결정된 임계치를 초과함), 상기 컴퓨팅 디바이스는 접근하는 공사 구역을 표시하는 공사 구역 표지판의 존재를 결정하도록 구성된다. 더욱이, 상기 컴퓨팅 디바이스는 상기 도로상의 공사 구역의 존재로 인한 도로 변경들의 심각성을 결정하기 위해 상기 공사 구역 표지판의 유형을 결정하도록 구성된다. 예를 들어, 상기 컴퓨팅 디바이스는 상기 공사 구역 표지판의 결정된 유형에 기반해서 상기 차량의 제어 전략을 수정하도록 구성된다.
도 5의 상기 방법(500)의 블럭(508)에 관해 위에 기술된 바와 같이, 예를 들어, 상기 공사 구역에 접근하고 상기 공사 구역을 콘과할 때의 속도 제한을 규정하고, 차로 변경들, 폐쇄, 감소, 콘합 등을 기술하고, 그리고 도로상의 운행의 방향의 일시적 변경들을 기술하기 위해 공사 구역 표지판들의 다양한 유형들이 존재한다. 상기 차량의 컴퓨팅 디바이스는 상기 검출된 공사 구역 표지판의 모양, 색상, 단어들의 서체 등에 기반해서, 상기 검출된 공사 구역 표지판의 유형을 결정하도록 구성된다.
상기 제어 전략을 수정하는 예시들은 도 3에 기술된 상기 방법(300)의 블럭(306)에 관해 위에 기술된다.
블럭(712)에서, 상기 방법은, 상기 컴퓨팅 디바이스를 이용해서, 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하는 것을 포함한다. 상기 차량을 제어하는 것은, 상기 수정된 운전 거동에 기반해서, 상기 차량의 병진 속도, 또는 회전 속도, 또는 둘 모두를 조정하는 것을 포함한다. 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하는 것의 예시들은 도 3에 기술된 상기 방법(300)의 블럭(308)에 관해 위에 기술되었다.
LIDAR 기반 정보를 이용한 상기 공사 구역 표지판의 검출에 추가적으로 또는 대안적으로, 상기 컴퓨팅 디바이스는 상기 LIDAR 기반 정보를 이용한 공사 구역 물체들(예를 들어, 콘들, 콘들, 장비, 조끼들, 급커브들 등)을 검출하도록 구성된다.
도 9는 일 실시예에 부합하는, LIDAR 기반 정보를 이용한 공사 구역 물체들의 검출을 위한 방법의 흐름도이다. 도 10a는 일 실시예에 따른, 상기 도로의 표면으로부터 임계 거리 내의 영역에서 공사 구역 콘들의 LIDAR 기반 검출을 기술한다. 도 10b는 일 실시예에 부합하는, 상기 도로의 표면으로부터 임계 거리 내의 영역을 묘사하는 LIDAR 기반 이미지를 기술한다. 도 10c는 일 실시예에 부합하는, 차로 경계를 형성하는 공사 구역 콘들의 LIDAR 기반 검출을 기술한다. 도 10d는 일 실시예에 부합하는, 차로 경계를 형성하는 공사 구역 콘들을 묘사하는 LIDAR 기반 이미지를 기술한다. 도 9 및 도 10a-10d는 함께 기술될 것이다. 공사 구역 콘들의 검출은 방법(900)을 기술하기 위해 본 명세서에서 이용된다. 그러나, 다른 공사 구역 물체들(예를 들어, 공사 구역 콘들, 장비, 조끼들, 급커브들 등)은 상기 방법(900)을 이용해서도 검출될 수 있다.
상기 방법(900)은 하나 이상의 블럭들(902-914)에 의해 기술되는 것과 같이 하나 이상의 동작들, 기능들, 또는 거동들을 포함한다. 상기 블럭들이 순차적인 순서로 기술됨에도 불구하고, 이러한 블럭들은 몇몇의 예시들에서 병렬적으로, 그리고/또는 본 명세서에서 기술된 순서와 다른 순서로 수행될 수 있다. 또한, 상기 다양한 블럭들은 바람직한 구현에 기반해서, 더 적은 블럭들로 조합되고, 추가적인 블럭들로 분리되고, 그리고/또는 제거될 수 있다.
블럭(902)에서, 상기 방법(900)은, 차량을 제어하도록 구성되는 컴퓨팅 디바이스에서, 상기 컴퓨팅 디바이스에 결합되는 LIDAR 센서로부터, 차량이 운행하고 있는 도로의 3차원(3D) 포인트 클라우드에 관한 LIDAR 기반 정보를 수신하는 것을 포함하고, 상기 3D 포인트 클라우드는 상기 LIDAR로부터 방출되고 상기 도로의 하나 이상의 물체들로부터 반사되는 광선에 대응하는 포인트들을 포함한다. LIDAR 센서 또는 유닛(예를 들어, 도 1의 LIDAR 유닛)은 상기 차량에 결합되고 상기 컴퓨팅 디바이스와 통신한다. 도 1의 LIDAR 유닛(132) 및 도 7에 기술된 방법(700)의 블럭(702)에 관해 위에 기술된 것과 같이, 상기 LIDAR 센서는 도로 및 도로의 부근 상의 물체들을 나타내는 포인트 데이터의 클라우드를 상기 컴퓨팅 디바이스에 제공하도록 구성된다. 상기 포인트들은, 범위에 추가적으로, 방위각 및 고도에 관해서 상기 LIDAR 센서에 의해 나타내지고, 이는 상기 차량에 부착되는 국부 좌표계에 상대적인 (X, Y, Z) 포인트 데이터로 변환될 수 있다.
블럭(904)에서, 상기 방법(900)은, 컴퓨팅 디바이스를 이용해서, 상기 도로의 표면으로부터 임계 거리 내에 있는 영역을 나타내는 3D 포인트 클라우드에서 포인트들의 하나 이상의 세트들을 결정하는 것을 포함한다. 방법들(500 및 700)에 관해 위에 기술되었듯이, 도로상의 공사 구역들은 표준 명세들 및 규칙들에 의해 규정된다. 일 예시로서, 교통 안전 콘들은 공사 구역 작업 영역을 지나는 교통을 구별하고 안내하기 위해 사용된다. 콘들은, 예를 들어, 약 18 인치만큼 크도록 특정될 수 있다. 다른 예시에서, 높은 속도 및 높은 교통량, 또는 밤시간대 동작들에 대해, 상기 콘들은 28 인치만큼 크고, 역반사체화 되거나, 또는 상기 콘들은 역반사 물질로 만들어진 밴드들을 포함하는 것으로 특정될 수 있다. 이러한 예시들은 기술만을 위한 것이고, 기타 예시들이 가능하다.
도 10a는 도로(404)상을 운행하고 공사 구역 콘(406)에 의해 표시되는 공사 구역에 접근하는 차량(402)을 기술한다. 상기 차량(402)에 결합되는 LIDAR 센서는 수평면을 스캔하고, 상기 컴퓨팅 디바이스에 상기 도로(404) 및 상기 도로(404)의 부근의 3D 포인트 클라우드를 제공하도록 구성된다. 더욱이, 상기 컴퓨팅 디바이스는 영역(1002)이 상기 도로(404)의 표면의 임계 거리 내에 있는지를 결정하도록 구성된다. 예를 들어, 임계 거리(1004)는 표준 길이(예를 들어, 18 인치 또는 28 인치)의 콘들을 포함하기 위해 약 30 인치 이상일 수 있다. 특정 공사 구역을 규정하는 표준 명세들에 기반해서 기타 임계 거리들이 가능하다. 도 10b는 영역(1002)의 물체들을 나타내는 포인트들의 세트들을 포함하는 LIDAR 기반 이미지(1006)를 기술한다.
도 9를 다시 참조하면, 블럭(906)에서, 상기 블럭(900)은 포인트들의 하나 이상의 세트들에서 하나 이상의 공사 구역 물체들을 식별하는 것을 포함한다. 예를 들어, 상기 컴퓨팅 디바이스는, LIDAR 기반 3D 포인트 클라우드의 포인트들의 세트들에 의해 나타내지는 물체들의 모양들을 식별하도록 구성된다. 예를 들어, 상기 컴퓨팅 디바이스는 포인트들의 세트에 의해 묘사되는 물체의 모양의 특징들(예를 들어, 차원 특징들)을 추정하도록 구성되고, 상기 컴퓨팅 디바이스는 상기 물체를 식별하기 위해 미리 결정된 모양을 상기 모양에 맞추도록 구성된다. 일 예시로서, 도 10b에서, 상기 컴퓨팅 디바이스는 LIDAR 기반 이미지(1006)의 공사 구역 콘(1008)을 식별하도록 구성된다.
일 예시에서, 포인트들의 세트들에서 상기 공사 구역 물체들을 식별하기 위해서, 상기 컴퓨팅 디바이스는, 각각의 식별된 공사 구역 물체에 대해, 식별의 각각의 가능성을 결정하도록 구성된다. 일 예시로서, 도 10b에서, 상기 컴퓨팅 디바이스는 상기 콘(1008)을 나타내는 포인트들의 세트의 각각의 포인트들에 의해 정의되는 상기 콘(1008)의 모양을 결정하도록 구성된다. 더욱이, 상기 컴퓨팅 디바이스는 상기 모양을 표준 공사 구역 콘들의 하나 이상의 모양들에 매칭시키도록 구성된다. 상기 컴퓨팅 디바이스는 상기 모양이 전형적인 공사 구역 콘의 주어진 표준 모양에 얼마나 유사한지(예를 들어, 상기 모양의 차원 특징들과 주어진 표준 모양 간의 매칭의 퍼센트)를 표시하는 매칭도를 결정하도록 구성된다. 상기 각각의 가능성은 상기 매칭도에 기반해서 결정될 수 있다.
다른 예시에서, 상기 모양에 기반해서 콘(1008)을 식별하는 것에 추가적으로 또는 대안적으로, 상기 컴퓨팅 디바이스는 포인트들의 위치들 또는 서로에 대한 포인트들의 상대적인 위치들에 기반해서, LIDAR 기반 이미지(1006)에 묘사된 포인트들(예를 들어, 상기 콘(1008)을 형성하는 포인트들)이 함께 무리를 이루게 하도록 구성된다. 상기 컴퓨팅 디바이스는 포인트들의 상기 무리로부터 특징들의 세트(예를 들어, 포인트들의 최소 높이, 포인트들의 최대 높이, 포인트들의 개수, 포인트들의 무리의 폭, 다양한 높이들에서의 포인트들의 일반적인 통계들 등)를 추출하도록 더 구성될 수 있다. 상기 컴퓨팅 디바이스는 포인트들의 상기 무리가 주어진 공사 구역 콘을 나타내는지를 결정하기 위해서, 분류기를 통해 특징들의 이 세트를 프로세싱하도록 구성된다. 상기 분류기는 입력 정보(예를 들어, 포인트들의 상기 무리로부터 추출되는 특징들의 상기 세트)를 클래스(예를 들어, 공사 구역 콘을 나타내는 상기 무리)에 매핑할 수 있다. 분류기들, 훈련 데이터, 및 분류 알고리즘들은 도 3에 기술된 방법(300)의 블럭(304)에 관해 위에 기술되었다.
더욱이, 전형적인 공사 구역 콘들은, 공사 구역들의 표준 명세들에 의해, 유리 구슬들 또는 프리즘들과 같은 역반사 시트 물질들로 만들어질 것이 요구되고, 그리고 상기 컴퓨팅 디바이스는 상기 콘(1008)을 형성하는 포인트들의 강도값들을 상기 역반사 시트 물질의 임계 강도값과 비교하도록 구성된다. 상기 비교에 기반해서, 상기 컴퓨팅 디바이스는, 예를 들어, 상기 콘(1008)의 식별을 확인하도록 구성된다.
몇몇의 예시들에서, 상기 컴퓨팅 디바이스는 특정한 거리만큼 도로로부터 떨어져 있는 콘들을 배제하도록 구성될 수 있고, 이는 그러한 콘들은 상기 도로로부터 떨어져 있고 교통에 영향을 주지 않는 작업 영역을 표시하는 것이기 때문이다. 또한, 일 예시에서, 상기 컴퓨팅 디바이스는, 사이즈를 전형적인 공사 구역 콘들의 전형적인 사이즈와 비교해서, 분명히 공사 구역 콘들이 될 수 없는 물체들(예를 들어, 공사 구역 콘들이 되기에는 너무 크거나 너무 작음)을 나타내는 포인트들의 세트들을 배제하도록 구성된다.
일 예시에서, 공사 구역 콘의 신뢰할 수 있는 식별을 위해서, 상기 컴퓨팅 디바이스는, 상기 식별을 확인하고 단일의 스캔에서의 전기적 또는 신호적 잡음에 의해 초래된 잘못된 식별을 필터링 해내기 위해서, LIDAR에 의한 2개(또는 그 이상)의 연속적인 스캔들로부터 수신된 LIDAR 기반 정보에 기반해서 상기 공사 구역 콘을 식별하도록 구성된다.
도 9를 다시 참조하면, 블럭(908)에서, 상기 방법(900)은, 상기 컴퓨팅 디바이스를 이용해서, 상기 하나 이상의 공사 구역 물체들의 개수 및 위치들을 결정하는 것을 포함한다. 일 예시로서, 전형적인 공사 구역 콘들의 차우너 특징들 및 반사 특징들을 특정하는 것에 추가적으로, 공사 구역들에 대한 표준 명세들은 또한 상기 콘들의 개수 및 상기 콘들 간의 공간에 대한 요구사항들을 특정한다. 일 예시에서, 차량들 및 운전자들의 안내를 향상시키기 위해, 몇몇의 상황들에서는, 더 조밀한 공간이 특정될 수 있다. 표 1은 속도 제한들에 기반해서 공사 구역 콘들 간의 최소 공간의 일 예시를 기술한다.
| 속도 A에 대한 공간 | 속도 B에 대한 공간 | |
| 속도 A : 시속 50 마일 속도 B : 시속 70 마일 |
40 피트 | 80 피트 |
| 속도 A : 시속 35 마일 속도 B : 시속 45 마일 |
30 피트 | 60 피트 |
| 속도 A : 시속 20 마일 속도 B : 시속 30 마일 |
20 피트 | 40 피트 |
이러한 예시들은 기술을 위한 것일 뿐이다. 공간 요구사항들에 대한 기타 예시들 또한 가능하다.
일 예시에서, 만약 상기 식별된 콘들의 식별에 대한 각각의 가능성들이 임계 가능성을 초과하면, 상기 컴퓨팅 디바이스는 상기 식별된 콘들의 개수 및 위치들을 더 결정하도록 구성된다. 도 10c에서, 상기 컴퓨팅 디바이스는, 상기 LIDAR 기반 정보에 기반해서, 상기 콘(들)(406)을 검출 또는 식별하고, 또한, 서로에 관한 상기 콘(들)(406)의 위치들 또는 상대적인 위치들뿐만 아니라 상기 콘(들)(406)의 개수를 결정하도록 구성된다. 예를 들어, 상기 콘(들)간의 거리(1010)를 결정하고, 상기 거리(1010)를 표준 명세들에 특정된 미리 결정된 거리(또는 공간)와 비교하도록 구성된다.
도 10d는 공사 구역 콘들(1012a-1012d)을 나타내는 포인트들의 세트들을 포함하는 LIDAR 기반 이미지(1011)를 기술한다. 상기 LIDAR 기반 이미지(1011)에서 공사 구역 콘들(1012a-1012d)을 검출하거나 식별하는 것에 추가적으로, 상기 컴퓨팅 디바이스는 콘들의 쌍들 간의 각각의 거리를 추정하도록 구성된다.
도 9를 다시 참조하면, 블럭(910)에서, 상기 방법(900)은, 상기 컴퓨팅 디바이스를 이용해서, 하나 이상의 공사 구역 물체들의 개수 및 위치들에 기반해서 상기 공사 구역의 존재의 가능성을 결정하는 것을 포함한다. 일 예시로서, 상기 도로의 측면 상의 단일의 콘은 활성 공사 구역을 표시하는 것이 아닐 수 있다. 그러므로, 상기 도로상의 콘들의 존재를 검출하고 상기 콘들을 식별하는 것에 추가적으로, 상기 컴퓨팅 디바이스는, 예를 들어, 상기 콘들의 개수 및 위치들(예를 들어, 상대적 거리)에 기반해서, 상기 콘들이 차로 경계를 형성하고 서로간에 미리 결정된 거리 내에 있다는 것을 결정하도록 구성될 수 있고, 이는 도로 변화들을 초래하는 활성 공사 구역의 표시일 수 있다. 그러므로, 상기 컴퓨팅 디바이스는, 상기 콘들의 결정된 개수 및 위치들에 기반해서 상기 콘들이 공사 구역을 표시할 가능성을 결정하거나 상기 콘들이 공사 구역을 표시할 가능성을 확인하도록 구성된다.
일 예시에서, 상기 컴퓨팅 디바이스는 LIDAR 기반 정보에 기반해서 공사 구역 콘들의 개수 및 위치들을 결정하고, 식별된 공사 구역 콘들에 의해 형성된 패턴을 전형적인 공사 구역의 공사 구역 콘들에 의해 형성되는 전형적인 패턴(예를 들어, 차로 경계를 형성하는 콘들의 패턴)과 비교하도록 구성된다. 상기 컴퓨팅 디바이스는 상기 비교에 기반해서, 검출된 공사 구역 콘들이 공사 구역과 관련된다는 것을 결정하고, 그에 따라 상기 가능성을 결정하도록 구성된다.
다른 예시에서, 상기 컴퓨팅 디바이스는, 상기 공사 구역의 존재의 가능성을 결정하기 위해서, 상기 콘들의 결정된 개수 및 위치들에 기반해서, 확률적 모델(예를 들어, 정규 분포)을 발생시키도록 구성된다. 예를 들어, 상기 가능성은 상기 식별된 콘들의 개수 및 위치들에 기반해서 결정되는 파라미터 값들의 세트의 함수로서 결정될 수 있다. 이 예시에서, 상기 가능성은 이러한 파라미터 값들이 주어졌을 때, 관측된 결과(상기 콘들이 상기 도로상의 공사 구역을 표시함)의 확률과 동일하게 정의될 수 있다.
또 다른 예시에서, 상기 컴퓨팅 디바이스는, 상기 가능성을 결정하기 위해서, 분류기를 통해 상기 콘들의 개수 및 위치들에 관한 정보를 프로세싱하도록 구성된다. 상기 분류기는 입력 정보(예를 들어, 상기 콘들의 개수 및 위치)를 클래스(예를 들어, 공사 구역의 존재)에 매핑할 수 있다. 분류기들 및 분류 알고리즘들의 예시들은 도 3에서 기술된 방법(300)의 블럭(304)에 관해 위에 기술되었다.
일 예시로서, 훈련 컴퓨팅 디바이스는 주어진 차량의 복수의 운전 상황들에 대한 훈련 데이터를 수신하도록 구성될 수 있다. 예를 들어, 각각의 훈련 데이터는, 복수의 운전 상황들 각각에 대해, 각각의 도로의 각각의 3D 포인트 클라우드에 관한 각각의 LIDAR 기반 정보를 포함할 수 있다. 상기 각각의 훈련 데이터의 각각의 LIDAR 기반 정보에 기반해서, 상기 컴퓨팅 디바이스는 각각의 콘들의 각각의 개수 및 위치들을 결정할 뿐만 아니라, 상기 각각의 콘들을 식별하도록 구성된다. 또한. 상기 컴퓨팅 디바이스는 운전 상황들 각각에 대한 각각의 훈련 데이터에 대응하는 각각의 공사 구역의 각각의 존재의 긍정적인 또는 부정적인 표시를 수신하도록 구성된다. 더욱이, 상기 훈련 컴퓨팅 디바이스는, 각각의 운전 상황에 대해, 상기 긍정적인 또는 부정적인 표시를 상기 각각의 훈련 데이터와 상관시키고, 상기 복수의 운전 상황들에 대한 상관도들에 기반해서, 상기 분류기의 파라미터들(예를 들어, 방정식 1의 가중치들의 벡터)을 결정하도록 구성된다. 이러한 파라미터들은, 상기 컴퓨팅 디바이스가 LIDAR 기반 정보를 수신할 때, 상기 컴퓨팅 디바이스가 상기 가능성을 결정하기 위해서, 상기 분류기의 결정된 파라미터들을 이용해서 상기 분류기를 통해 LIDAR 기반 정보를 프로세싱하도록 구성되게끔, 상기 차량을 제어하도록 구성되는 컴퓨팅 디바이스들에 제공된다.
일 예시에서, 상기 가능성은, 예를 들어, "낮은," "중간의," "높은"과 같이 질적이거나 척도상의 숫자와 같이 수량적일 수 있다. 기타 예시들이 가능하다.
도 9를 다시 참조하면, 블럭(912)에서, 상기 방법(900)은, 상기 도로상의 공사 구역의 존재의 가능성에 기반해서, 상기 컴퓨팅 디바이스에서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하는 것을 포함한다. 상기 컴퓨팅 디바이스는, 공사 구역의 존재로 인한 도로 변화들이 주어졌을 때, 다른 물체들과 거리를 안전하게 유지하고 가장 안전하다고 간주되는 차로를 선택하기 위해서, 상기 차량 속도를 제어하는 거동들에 대한 규칙들을 포함하는 제어 전략을, 상기 공사 구역의 존재의 결정된 가능성에 기반해서, 수정 또는 선택하도록 구성된다. 상기 가능성에 기반해서 상기 제어 전략을 수정하는 예시들은 도 3에 기술된 방법(300)의 블럭(306)에 관해 위에 기술되었다.
블럭(914)에서, 상기 방법(900)은, 상기 컴퓨팅 디바이스를 이용해서, 상기 수정된 제어 전략에 기반해서, 상기 차량을 제어하는 것을 포함한다. 상기 차량을 제어하는 것은, 상기 수정된 운전 거동에 기반해서, 상기 차량의 병진 속도, 또는 회전 속도, 또는 둘 모두를 조정하는 것을 포함한다. 상기 수정된 제어 전략에 기반해서 상기 차량을 제어하는 예시들은 도 3에 기술된 방법(300)의 블럭(308)에 관해 위에 기술되었다.
몇몇의 실시예들에서, 상기 개시된 방법들은, 기계에 의해 판독 가능한 포맷으로 컴퓨터 판독 가능 저장 매체 상에, 또는 제작물의 다른 비-일시적 매체 또는 물품들 상에 인코딩된 컴퓨터 프로그램 명령들로서 구현될 수 있다. 도 11은 본 명세서에 제시된 최소한 몇몇의 실시예들에 따라 배열된, 컴퓨팅 디바이스상에서 컴퓨터 프로세스를 실행하기 위한 컴퓨터 프로그램을 포함하는, 예시적인 컴퓨터 프로그램 물(1100)의 개념적인 부분도를 기술하는 개략도이다. 일 실시예에서, 상기 예시적인 컴퓨터 프로그램 물(1100)은 신호 베어링 매체(1101)를 이용해서 제공된다. 상기 신호 베어링 매체는, 하나 이상의 프로세서들에 의해 실행되었을 때, 도 1 내지 도 10에 관해 위에 기술된 기능성 또는 상기 기능성의 부분들을 제공하는 하나 이상의 프로그램 명령들(1102)을 포함할 수 있다. 그러므로, 예를 들어, 도 3, 도 5, 도 7 및 도 9에 보여진 실시예들을 참조하면, 블럭들(302-308, 502-512, 702-712, 902-914)의 하나 이상의 구성들은 상기 신호 베어링 매체(1101)와 관련된 하나 이상의 명령들에 의해 착수될 수 있다. 추가적으로, 도 11의 상기 프로그램 명령들(1102)은 또한 예시 명령들을 기술한다.
몇몇의 예시들에서, 상기 신호 베어링 매체(1101)는, 하드 디스크 드라이브, 컴팩트 디스크(CD), 디지털 비디오 디스크(DVD), 디지털 테이프, 메모리 등과 같은, 컴퓨터 판독 가능 매체(1103)를 망라하지만, 이에 한정되지는 않는다. 몇몇의 구현들에서, 상기 신호 베어링 매체(1101)는 디지털 및/또는 아날로그 통신 매체(예를 들어, 광섬유 케이블, 도파관, 유선 통신 링크, 무선 통신 링크 등)와 같은, 그러나 이에 한정되지 않는 통신 매체(1105)를 망라한다. 그러므로, 예를 들어, 상기 신호 베어링 매체(1101)는 통신 매체(1105)의 무선 형태(예를 들어, IEEE 802.11 표준 또는 다른 전송 프로토콜에 따르는 무선 통신 매체)에 의해 전달될 수 있다.
상기 하나 이상의 프로그래밍 명령들(1102)은, 예를 들어, 컴퓨터에 의해 실행 가능하고 그리고/또는 논리로 구현되는 명령들일 수 있다. 몇몇의 예시들에서, 도 1 내지 도 10에 관해 기술된 컴퓨팅 디바이스와 같은 컴퓨팅 디바이스는, 하나 이상의 컴퓨터 판독 가능 매체(1103), 컴퓨터 기록 가능 매체(1104), 및/또는 통신 매체(1105)에 의해 상기 컴퓨팅 디바이스에 전달되는 프로그래밍 명령들(1102)에 응답하여, 다양한 동작들, 기능들, 또는 거동들을 제공하도록 구성된다. 본 명세서에서 기술되는 배열들은 단지 예시의 목적들을 위한 것이라는 점이 이해되어야 한다. 그와 같이, 바람직한 결과들에 따라, 기타 배열들 및 기타 요소들(예를 들어, 기계들, 인터페이스들, 기능들, 기능들의 순서들 및 그룹들 등)이 대신 사용될 수 있고, 그리고 몇몇의 요소들은 함께 생략될 수 있음을 통상의 기술자들은 이해할 것이다. 더욱이, 기술되는 많은 요소들은, 어떤 적절한 조합으로 또는 적절한 위치에서, 이산적인 또는 분포된 컴포넌트들 또는 다른 컴포넌트들과 함께 구현되는 기능적인 엔티티들이다.
다양한 양상들 및 실시예들이 본 명세서에서 개시된 반면에, 다른 양상들 및 실시예들은 통상의 기술자들에게 명백할 것이다. 상기 본 명세서에서 개시된 다양한 양상들 및 실시예들은 기술의 목적들을 위한 것이고 한정하고자 하는 의도는 아니며, 진정한 범위는 다음의 청구항들에 의해 표시되고, 이와 함께, 그러한 청구항들에 대한 균등물들의 완전한 범위에 권리가 부여된다. 본 명세서에 사용되는 용어는 특정 실시예들만을 기술하기 위한 목적이고, 한정을 하는 것으로 의도되지 않았다.
Claims (20)
- 방법에 있어서,
차량을 제어하도록 구성되는 컴퓨팅 디바이스에서, 복수의 정보원들(information sources)로부터, 상기 차량이 운행하고 있는 도로상의 공사 구역의 검출에 관한 정보를 수신하는 단계와, 상기 복수의 정보원들 중 정보원 각각에는, 그 정보원으로부터 수신된 각각의 정보에 기반해서 상기 공사 구역의 검출의 신뢰의 레벨을 표시하는 각각의 신뢰성 메트릭(reliability metric)이 할당되고;
상기 컴퓨팅 디바이스를 이용해서, 상기 정보 및 상기 복수의 정보원들 각각의 신뢰성 메트릭에 기반해서, 상기 도로상의 공사 구역의 존재의 가능성을 결정하는 단계와;
상기 컴퓨팅 디바이스를 이용해서, 상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하는 단계와; 그리고
상기 컴퓨팅 디바이스를 이용해서, 상기 수정된 제어 전략에 기반해서, 상기 차량을 제어하는 단계를 포함하며,
상기 가능성을 결정하는 단계는 이전에 수집된 훈련 데이터에 의해 훈련된 분류기(classifier)에 의해 상기 정보를 프로세싱하는 것을 포함하고, 상기 분류기를 훈련시키는 것은:
상기 차량의 복수의 운전 상황들에 대한 훈련 데이터를 수신하는 것과, 상기 훈련 데이터는 상기 복수의 운전 상황들 각각에 대해, (i) 각각의 이미지 기반 정보, (ii) 각각의 LIDAR 기반 정보, (iii) 각각의 RADAR 기반 정보, (iv) 각각의 교통 정보 및 (v) 각각의 지도 정보 중 하나 이상의 정보를 포함하고;
상기 운전 상황들 각각에 대한 각각의 훈련 데이터에 대응하는 각각의 공사 구역의 각각의 존재의 긍정적인 또는 부정적인 표시를 수신하는 것과;
각각의 운전 상황에 대해, 상기 긍정적인 또는 부정적인 표시를 상기 각각의 훈련 데이터와 상관시키는 것과; 그리고
상기 복수의 운전 상황들에 대한 상관도들에 기반해서, 상기 분류기의 파라미터들을 결정하는 것을 포함하는 것을 특징으로 하는 방법. - 제 1항에 있어서,
상기 차량은 자율 동작 모드에 있는 것을 특징으로 하는 방법. - 제 1항에 있어서,
상기 복수의 정보원들로부터 수신된 상기 정보는,
(i) 이미지 기반 정보;
(ii) LIDAR 기반 정보;
(iii) RADAR 기반 정보;
(iv) 교통 정보;
(v) 지도 정보 중 하나 이상을 포함하는 것을 특징으로 하는 방법. - 제 3항에 있어서,
상기 이미지 기반 정보는 상기 컴퓨팅 디바이스와 결합된 하나 이상의 이미지 캡쳐 디바이스들로부터 수신되고, 상기 이미지 기반 정보는 (i) 상기 도로에 관한 하나 이상의 정지 물체들의 위치, 그리고 (ii) 도로의 지형(geometry)을 표시하는 것을 특징으로 하는 방법. - 삭제
- 제 1항에 있어서,
상기 수정된 제어 전략에 기반해서 차량을 제어하는 단계는, (i) 내비게이션 결정을 함에 있어서 기존의 지도 정보보다는 차량 내 또는 차량 밖의 센서들로부터 수신된 센서 정보를 활용하는 것과, (ii) 차로 경계들(lane boundaries)을 추정하기 위해서 상기 기존의 지도 정보보다는 상기 센서 정보를 활용하는 것과, (iii) 상기 차로 경계들을 추정하고 이들을 따라가기 위해서 상기 도로상의 차로 마커들(lane markers)보다는 공사 구역 마커들의 위치를 결정하는 것과, (iv) 공사 인부들의 검출을 위해 하나 이상의 센서들을 활성화하고 상기 검출에 기반해서 상기 내비게이션 결정을 하는 것과, (v) 다른 차량을 따라가는 것과, (vi) 다른 차량들과 미리 결정된 안전 거리를 유지하는 것과, (vii) 라이트들을 켜는 것과, (viii) 상기 차량의 속도를 감소시키는 것과, 그리고 (ix) 상기 차량을 정지시키는 것 중 하나 이상을 포함하는 것을 특징으로 하는 방법. - 제 1항에 있어서,
상기 공사 구역의 존재로 인한 도로 변화들의 심각도(severity)를 결정하는 단계를 더 포함하고, 상기 제어 전략을 수정하는 단계는 상기 도로 변화들의 심각도에 추가적으로 기반하는 것을 특징으로 하는 방법. - 차량의 컴퓨팅 디바이스에 의해 실행 가능한 명령들을 저장하고 있는 비일시적인 컴퓨터 판독 가능 매체에 있어서, 상기 컴퓨팅 디바이스로 하여금,
복수의 정보원들로부터, 상기 차량이 운행하고 있는 도로상의 공사 구역의 검출에 관한 정보를 수신하는 기능과, 상기 복수의 정보원들 중 정보원 각각에 그 정보원으로부터 수신된 각각의 정보에 기반해서 상기 공사 구역의 검출의 신뢰의 레벨을 표시하는 각각의 신뢰성 메트릭이 할당되고;
상기 정보 및 상기 복수의 정보원들의 각각의 신뢰성 메트릭들에 기반해서, 상기 도로상의 공사 구역의 존재의 가능성을 결정하는 기능과, 상기 정보는 교통 정보를 포함하고, 상기 가능성을 결정하는 기능은 상기 교통 정보에 기반해서 상기 도로상의 다른 차량들의 정격 속도 및 교통의 흐름의 변화를 결정하는 것을 포함하며;
상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하는 기능과; 그리고
상기 수정된 제어 전략에 기반해서 상기 차량을 제어하는 기능을 포함하는 기능들을 수행하게 하는 것을 특징으로 하는 비일시적인 컴퓨터 판독 가능 매체. - 제 8항에 있어서,
상기 차량은 자율 동작 모드에 있는 것을 특징으로 하는 비일시적인 컴퓨터 판독 가능 매체. - 제 8항에 있어서,
상기 복수의 정보원들로부터 수신된 상기 정보는,
(i) 이미지 기반 정보;
(ii) LIDAR 기반 정보;
(iii) RADAR 기반 정보;
(iv) 교통 정보;
(v) 지도 정보 중 하나 이상을 포함하는 것을 특징으로 하는 비일시적인 컴퓨터 판독 가능 매체. - 제 10항에 있어서,
상기 교통 정보는 상기 도로상의 다른 차량들의 거동을 표시하고, (i) 상기 도로상의 다른 차량들 내의 글로벌 포지셔닝 위성(GPS) 디바이스들, (ii) 차량 대 인프라구조 통신, (iii) 차량 대 차량 통신, (iv) 교통 안내 방송, 그리고 (v) 상기 컴퓨팅 디바이스와 통신하는 차량 내 또는 차량 밖의 센서들 중 하나 이상으로부터 수신된 각각의 정보를 포함하는 것을 특징으로 하는 비일시적인 컴퓨터 판독 가능 매체. - 삭제
- 제 8항에 있어서,
상기 가능성을 결정하는 기능은, 상기 교통 정보에 기반해서, 상기 도로상의 사고 장소를 상기 도로상의 공사 구역으로부터 구별하는 것을 포함하는 것을 특징으로 하는 비일시적인 컴퓨터 판독 가능 매체. - 컴퓨팅 디바이스를 포함하는 차량용 제어 시스템에 있어서,
상기 컴퓨팅 디바이스는,
복수의 정보원들로부터, 상기 차량이 운행하고 있는 도로상의 공사 구역의 검출에 관한 정보를 수신하고, 상기 복수의 정보원들 중 정보원 각각에 그 정보원으로부터 수신된 각각의 정보에 기반한 상기 공사 구역의 검출의 신뢰의 레벨을 표시하는 각각의 신뢰성 메트릭이 할당되고;
상기 정보 및 상기 복수의 정보원들의 각각의 신뢰성 메트릭들에 기반해서, 상기 도로상의 공사 구역의 존재의 가능성을 결정하고, 상기 정보는 교통 정보를 포함하고, 상기 가능성을 결정하는 것은 상기 교통 정보에 기반해서 상기 도로상의 다른 차량들의 정격 속도 및 교통의 흐름의 변화를 결정하는 것을 포함하며;
상기 가능성에 기반해서, 상기 차량의 운전 거동과 관련된 제어 전략을 수정하며; 그리고
상기 수정된 제어 전략에 기반해서 상기 차량을 제어하도록 구성되는 것을 특징으로 하는 차량용 제어 시스템. - 제 14항에 있어서,
상기 컴퓨팅 디바이스는 상기 차량을 자율 동작 모드에서 제어하도록 더 구성되는 것을 특징으로 하는 차량용 제어 시스템. - 제 14항에 있어서,
상기 복수의 정보원들로부터 수신된 정보는,
(i) 이미지 기반 정보;
(ii) LIDAR 기반 정보;
(iii) RADAR 기반 정보;
(iv) 교통 정보; 및
(v) 지도 정보 중 하나 이상을 포함하는 것을 특징으로 하는 차량용 제어 시스템. - 제 16항에 있어서,
상기 컴퓨팅 디바이스는 상기 지도 정보를 수신하도록 구성되고, 상기 지도 정보는 상기 도로상에 존재하는 표지판들의 위치들 및 유형들에 관한 표지판 정보를 포함하고, 그리고 상기 가능성을 결정하는 것은 상기 지도 정보로부터 빠진, 예기되는 공사 구역 표지판의 존재를 결정하는 것을 포함하는 것을 특징으로 하는 차량용 제어 시스템. - 제 17항에 있어서,
상기 컴퓨팅 디바이스는 상기 지도 정보로 하여금, 상기 예기되는 공사 구역 표지판과 관련된 각각의 표지판 정보 및 상기 도로상의 공사 구역의 존재의 가능성을 포함하게끔 업데이트하도록 더 구성되는 것을 특징으로 하는 차량용 제어 시스템. - 제 16항에 있어서,
상기 컴퓨팅 디바이스에 결합되고 상기 컴퓨팅 디바이스에 상기 이미지 기반
정보를 제공하도록 구성되는 하나 이상의 이미지 캡쳐 디바이스들을 더 포함하고, 상기 이미지 기반 정보는, (i) 상기 도로에 관한 하나 이상의 정지 물체들의 위치, 그리고 (ii) 도로의 지형을 표시하는 것을 특징으로 하는 차량용 제어 시스템. - 삭제
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/603,613 | 2012-09-05 | ||
| US13/603,613 US9221461B2 (en) | 2012-09-05 | 2012-09-05 | Construction zone detection using a plurality of information sources |
| PCT/US2013/053944 WO2014039200A1 (en) | 2012-09-05 | 2013-08-07 | Construction zone detection using a plurality of information sources |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20150052272A KR20150052272A (ko) | 2015-05-13 |
| KR101557464B1 true KR101557464B1 (ko) | 2015-10-06 |
Family
ID=50188580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020157008687A KR101557464B1 (ko) | 2012-09-05 | 2013-08-07 | 복수의 정보원들을 이용한 공사 구역 검출 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9221461B2 (ko) |
| EP (1) | EP2879929B1 (ko) |
| JP (4) | JP6083882B2 (ko) |
| KR (1) | KR101557464B1 (ko) |
| WO (1) | WO2014039200A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190007286A (ko) * | 2017-07-12 | 2019-01-22 | 엘지전자 주식회사 | 차량용 주행 시스템 및 차량 |
Families Citing this family (124)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010124339A1 (en) * | 2009-05-01 | 2010-11-04 | The University Of Sydney | Integrated automation system with picture compilation system |
| US8509982B2 (en) | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
| US9195914B2 (en) * | 2012-09-05 | 2015-11-24 | Google Inc. | Construction zone sign detection |
| DE102012110219A1 (de) * | 2012-10-25 | 2014-04-30 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Erkennung von gekennzeichneten Gefahr- und/oder Baustellen im Bereich von Fahrbahnen |
| WO2014068302A1 (en) * | 2012-11-05 | 2014-05-08 | The Chancellor Masters And Scholars Of The University Of Oxford | Extrinsic calibration of imaging sensing devices and 2d lidars mounted on transportable apparatus |
| US9043069B1 (en) * | 2012-11-07 | 2015-05-26 | Google Inc. | Methods and systems for scan matching approaches for vehicle heading estimation |
| US8676431B1 (en) | 2013-03-12 | 2014-03-18 | Google Inc. | User interface for displaying object-based indications in an autonomous driving system |
| USD750663S1 (en) | 2013-03-12 | 2016-03-01 | Google Inc. | Display screen or a portion thereof with graphical user interface |
| US9092695B1 (en) * | 2013-03-13 | 2015-07-28 | Google Inc. | High-accuracy real-time road sign detection from images |
| USD754189S1 (en) * | 2013-03-13 | 2016-04-19 | Google Inc. | Display screen or portion thereof with graphical user interface |
| USD754190S1 (en) * | 2013-03-13 | 2016-04-19 | Google Inc. | Display screen or portion thereof with graphical user interface |
| US9141107B2 (en) * | 2013-04-10 | 2015-09-22 | Google Inc. | Mapping active and inactive construction zones for autonomous driving |
| US8930124B1 (en) * | 2013-08-30 | 2015-01-06 | International Business Machines Corporation | Dynamic speed limit generation |
| US9796400B2 (en) | 2013-11-27 | 2017-10-24 | Solfice Research, Inc. | Real time machine vision and point-cloud analysis for remote sensing and vehicle control |
| US10086857B2 (en) | 2013-11-27 | 2018-10-02 | Shanmukha Sravan Puttagunta | Real time machine vision system for train control and protection |
| CA2891051C (en) | 2014-01-06 | 2016-05-10 | Geodigital International Inc. | Determining portions of a roadway model requiring updating |
| US10328932B2 (en) | 2014-06-02 | 2019-06-25 | Magna Electronics Inc. | Parking assist system with annotated map generation |
| KR101632486B1 (ko) * | 2014-07-09 | 2016-06-22 | 고려대학교 산학협력단 | 레이저 거리 센서를 이용한 도로의 연석 추출 방법 및 도로의 연석 정보를 이용한 이동 로봇의 위치 측정 방법 |
| CN113158820A (zh) * | 2014-08-18 | 2021-07-23 | 无比视视觉技术有限公司 | 在导航中对车道限制和施工区域的识别和预测 |
| US9779314B1 (en) * | 2014-08-21 | 2017-10-03 | Waymo Llc | Vision-based detection and classification of traffic lights |
| US9321461B1 (en) | 2014-08-29 | 2016-04-26 | Google Inc. | Change detection using curve alignment |
| US9424475B1 (en) | 2014-09-17 | 2016-08-23 | Google Inc. | Construction object detection |
| US9248834B1 (en) | 2014-10-02 | 2016-02-02 | Google Inc. | Predicting trajectories of objects based on contextual information |
| US9586585B2 (en) * | 2014-11-20 | 2017-03-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to traffic officer presence |
| CN104408443B (zh) * | 2014-12-15 | 2017-07-18 | 长春理工大学 | 多传感器辅助的基于激光雷达的路面类型识别方法及装置 |
| EP3889728A3 (en) * | 2014-12-31 | 2021-12-01 | SZ DJI Technology Co., Ltd. | Selective processing of sensor data |
| WO2016118672A2 (en) * | 2015-01-20 | 2016-07-28 | Solfice Research, Inc. | Real time machine vision and point-cloud analysis for remote sensing and vehicle control |
| WO2016122969A1 (en) * | 2015-01-26 | 2016-08-04 | Trw Automotive U.S. Llc | Vehicle driver assist system |
| US11277721B2 (en) | 2015-02-13 | 2022-03-15 | Nokia Technologies Oy | Flexible security rating and decision mechanism for machine type communications |
| US9555736B2 (en) | 2015-04-03 | 2017-01-31 | Magna Electronics Inc. | Vehicle headlamp control using sensing and communication systems |
| CN105467392A (zh) * | 2015-11-20 | 2016-04-06 | 江苏中利电子信息科技有限公司 | 一种用于道路作业的雷达预警防护方法 |
| US9858819B2 (en) * | 2016-02-03 | 2018-01-02 | Caterpillar Inc. | Traffic control system having deadlock avoidance functionality |
| US10304335B2 (en) | 2016-04-12 | 2019-05-28 | Ford Global Technologies, Llc | Detecting available parking spaces |
| FR3052130B1 (fr) * | 2016-06-02 | 2018-07-06 | Peugeot Citroen Automobiles Sa | Procede d'assistance pour un vehicule a conduite autonome circulant sur une voie de circulation modifiee |
| US20170357267A1 (en) * | 2016-06-10 | 2017-12-14 | Cnh Industrial America Llc | Autonomous work vehicle obstacle detection system |
| US10309792B2 (en) | 2016-06-14 | 2019-06-04 | nuTonomy Inc. | Route planning for an autonomous vehicle |
| US20170356748A1 (en) * | 2016-06-14 | 2017-12-14 | nuTonomy Inc. | Route Planning for an Autonomous Vehicle |
| US11092446B2 (en) | 2016-06-14 | 2021-08-17 | Motional Ad Llc | Route planning for an autonomous vehicle |
| DE102016214045A1 (de) * | 2016-07-29 | 2018-02-01 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zum Ermitteln eines Fahrbahnmodells für ein Fahrzeugumfeld |
| KR20180039892A (ko) | 2016-10-11 | 2018-04-19 | 현대자동차주식회사 | 내비게이션 장치, 이를 포함하는 차량 및 차량의 제어방법 |
| KR102039487B1 (ko) * | 2016-11-11 | 2019-11-26 | 엘지전자 주식회사 | 차량 주행 제어 장치 및 방법 |
| US11238726B2 (en) | 2016-12-02 | 2022-02-01 | International Business Machines Corporation | Control of driverless vehicles in construction zones |
| US11027730B2 (en) | 2016-12-07 | 2021-06-08 | Toyota Motor Europe | Systems and methods for regulation of autonomous cruise control |
| KR102406502B1 (ko) * | 2016-12-14 | 2022-06-10 | 현대자동차주식회사 | 차량의 협로 주행 안내 장치 및 방법 |
| JP2018135068A (ja) * | 2017-02-23 | 2018-08-30 | パナソニックＩｐマネジメント株式会社 | 情報処理システム、情報処理方法及びプログラム |
| JP2018135069A (ja) * | 2017-02-23 | 2018-08-30 | パナソニックＩｐマネジメント株式会社 | 情報処理システム、情報処理方法及びプログラム |
| KR20180099280A (ko) * | 2017-02-28 | 2018-09-05 | 삼성전자주식회사 | 가상 차로 생성 장치 및 방법 |
| US10282999B2 (en) * | 2017-03-17 | 2019-05-07 | GM Global Technology Operations LLC | Road construction detection systems and methods |
| WO2018174123A1 (ja) * | 2017-03-23 | 2018-09-27 | 日本電気株式会社 | 物体検出装置、交通監視システム、物体検出装置の制御方法及びプログラム |
| CN109429518B (zh) * | 2017-06-22 | 2022-10-28 | 百度时代网络技术（北京）有限公司 | 基于地图图像的自动驾驶交通预测 |
| DE102017215505A1 (de) * | 2017-09-05 | 2019-03-07 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Prognostizieren einer baustellenbedingten Fahrstreckenänderung einer Fahrstrecke für ein Fahrzeug |
| US10520319B2 (en) * | 2017-09-13 | 2019-12-31 | Baidu Usa Llc | Data driven map updating system for autonomous driving vehicles |
| US11874126B1 (en) | 2017-09-15 | 2024-01-16 | Apple Inc. | Map with location-based observations, actions, and rules |
| US10401862B2 (en) | 2017-10-31 | 2019-09-03 | Waymo Llc | Semantic object clustering for autonomous vehicle decision making |
| AU2018358932B2 (en) * | 2017-10-31 | 2020-12-03 | Waymo Llc | Semantic object clustering for autonomous vehicle decision making |
| US10713940B2 (en) | 2017-10-31 | 2020-07-14 | Waymo Llc | Detecting and responding to traffic redirection for autonomous vehicles |
| US10535138B2 (en) | 2017-11-21 | 2020-01-14 | Zoox, Inc. | Sensor data segmentation |
| KR102333033B1 (ko) * | 2017-12-07 | 2021-12-01 | 삼성전자주식회사 | 차량 및 그 제어 방법 |
| CN110168559A (zh) * | 2017-12-11 | 2019-08-23 | 北京嘀嘀无限科技发展有限公司 | 用于识别和定位车辆周围物体的系统和方法 |
| US10713510B2 (en) | 2017-12-29 | 2020-07-14 | Waymo Llc | Autonomous vehicle system configured to respond to temporary speed limit signs |
| JP7273828B2 (ja) * | 2017-12-31 | 2023-05-15 | スリーエム イノベイティブ プロパティズ カンパニー | 視覚的に透明な、赤外線再帰反射性物品 |
| KR102521656B1 (ko) | 2018-01-03 | 2023-04-13 | 삼성전자주식회사 | 객체를 인식하는 방법 및 장치 |
| JP6973100B2 (ja) * | 2018-01-17 | 2021-11-24 | トヨタ自動車株式会社 | 車両走行支援システム |
| US10755111B2 (en) | 2018-01-29 | 2020-08-25 | Micron Technology, Inc. | Identifying suspicious entities using autonomous vehicles |
| FR3078517B1 (fr) * | 2018-03-01 | 2020-02-07 | Psa Automobiles Sa | Procede et dispositif d’assistance a la conduite automatisee d’un vehicule a proximite de zone(s) de passage oblige. |
| JP6929437B2 (ja) * | 2018-03-06 | 2021-09-01 | 三菱電機株式会社 | 交通情報処理装置および交通情報処理方法 |
| JP6723492B2 (ja) | 2018-03-12 | 2020-07-15 | 三菱電機株式会社 | 霧特定装置、霧特定方法及び霧特定プログラム |
| JP6723491B2 (ja) * | 2018-03-12 | 2020-07-15 | 三菱電機株式会社 | 霧特定装置、霧特定方法及び霧特定プログラム |
| US11009876B2 (en) | 2018-03-14 | 2021-05-18 | Micron Technology, Inc. | Systems and methods for evaluating and sharing autonomous vehicle driving style information with proximate vehicles |
| JP2019156192A (ja) * | 2018-03-14 | 2019-09-19 | 本田技研工業株式会社 | 車両制御装置 |
| US11727794B2 (en) | 2018-03-14 | 2023-08-15 | Micron Technology, Inc. | Systems and methods for evaluating and sharing human driving style information with proximate vehicles |
| US10540554B2 (en) | 2018-03-29 | 2020-01-21 | Toyota Jidosha Kabushiki Kaisha | Real-time detection of traffic situation |
| US10915159B2 (en) * | 2018-04-03 | 2021-02-09 | GM Global Technology Operations LLC | Method of controlling a vehicle to adjust perception system energy usage |
| US10997429B2 (en) * | 2018-04-11 | 2021-05-04 | Micron Technology, Inc. | Determining autonomous vehicle status based on mapping of crowdsourced object data |
| US10983524B2 (en) * | 2018-04-12 | 2021-04-20 | Baidu Usa Llc | Sensor aggregation framework for autonomous driving vehicles |
| US10816992B2 (en) * | 2018-04-17 | 2020-10-27 | Baidu Usa Llc | Method for transforming 2D bounding boxes of objects into 3D positions for autonomous driving vehicles (ADVs) |
| EP3794313A1 (en) * | 2018-05-14 | 2021-03-24 | 3M Innovative Properties Company | Autonomous navigation systems for temporary zones |
| US11161518B2 (en) | 2018-06-15 | 2021-11-02 | Micron Technology, Inc. | Detecting road conditions based on braking event data received from vehicles |
| CN108898116B (zh) * | 2018-07-02 | 2021-05-04 | 科大讯飞股份有限公司 | 一种安全驾驶检测方法、装置、设备及存储介质 |
| US10970929B2 (en) * | 2018-07-16 | 2021-04-06 | Occipital, Inc. | Boundary detection using vision-based feature mapping |
| JP7295234B2 (ja) * | 2018-07-17 | 2023-06-20 | エヌビディア コーポレーション | 自律運転マシンのための回帰ベースの線分検出 |
| US10920401B2 (en) * | 2018-07-26 | 2021-02-16 | Caterpillar Paving Products Inc. | Managing work area reservations for autonomous vehicles |
| DE102018127061B3 (de) * | 2018-10-30 | 2019-11-14 | Daimler Ag | Verfahren zum Betrieb eines Assistenzsystems eines Fahrzeuges, Vorrichtung zur Durchführung des Verfahrens und Fahrzeug |
| US10823855B2 (en) | 2018-11-19 | 2020-11-03 | Fca Us Llc | Traffic recognition and adaptive ground removal based on LIDAR point cloud statistics |
| US10900804B2 (en) | 2018-12-12 | 2021-01-26 | Here Global B.V. | Methods and systems for roadwork extension identification using speed funnels |
| US11322025B2 (en) | 2018-12-12 | 2022-05-03 | Here Global B.V. | Method and system for validating existence of roadwork |
| US11262209B2 (en) * | 2018-12-12 | 2022-03-01 | Here Global B.V. | Methods and systems for road work extension identification |
| US10942516B2 (en) * | 2018-12-12 | 2021-03-09 | Valeo Schalter Und Sensoren Gmbh | Vehicle path updates via remote vehicle control |
| US11681294B2 (en) * | 2018-12-12 | 2023-06-20 | Here Global B.V. | Method and system for prediction of roadwork zone |
| US11592813B2 (en) * | 2018-12-17 | 2023-02-28 | Robert Bosch Gmbh | Method and controller for the situational transmission of surroundings information of a vehicle |
| KR102092482B1 (ko) * | 2018-12-21 | 2020-03-23 | 부산대학교 산학협력단 | 패턴을 이용한 자율주행 차량 피처 간 상호작용 식별 방법 및 장치 |
| CN109671245B (zh) * | 2018-12-29 | 2021-03-16 | 南京奥杰智能科技有限公司 | 道路作业人员安全预警系统 |
| US11385338B2 (en) * | 2019-03-06 | 2022-07-12 | Cnh Industrial America Llc | System and method for disregarding obscured sensor data during the performance of an agricultural operation |
| WO2020256174A1 (ko) * | 2019-06-18 | 2020-12-24 | 엘지전자 주식회사 | 자율주행시스템에서 차량의 리소스 관리 방법 및 이를 위한 장치 |
| US11195064B2 (en) * | 2019-07-11 | 2021-12-07 | Waymo Llc | Cross-modal sensor data alignment |
| US20210058814A1 (en) * | 2019-08-22 | 2021-02-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Methods and systems for processing traffic data from vehicles |
| US11420652B2 (en) * | 2019-08-30 | 2022-08-23 | Deere & Company | System and method of control for autonomous or remote-controlled vehicle platform |
| CN110789533B (zh) * | 2019-09-25 | 2021-08-13 | 华为技术有限公司 | 一种数据呈现的方法及终端设备 |
| CN113124860A (zh) * | 2020-01-14 | 2021-07-16 | 上海仙豆智能机器人有限公司 | 导航决策方法、导航决策系统和计算机可读存储介质 |
| DE102020200951A1 (de) * | 2020-01-27 | 2021-07-29 | Robert Bosch Gesellschaft mit beschränkter Haftung | Fahrerassistenzsystem und Verfahren zum Ansteuern eines Fahrzeugs, insbesondere Nutzfahrzeugs |
| US20210304596A1 (en) * | 2020-03-31 | 2021-09-30 | Arcadis U.S., Inc. | Traffic reporting and analysis |
| CN113496514B (zh) * | 2020-04-01 | 2022-09-20 | 阿里巴巴集团控股有限公司 | 数据处理方法、监测系统、电子设备及显示设备 |
| CN111611955B (zh) * | 2020-05-28 | 2023-09-26 | 百度在线网络技术（北京）有限公司 | 可通行施工道路的识别方法、装置、设备及存储介质 |
| US11521127B2 (en) * | 2020-06-05 | 2022-12-06 | Waymo Llc | Road condition deep learning model |
| US11662219B2 (en) * | 2020-06-23 | 2023-05-30 | Baidu Usa Llc | Routing based lane guidance system under traffic cone situation |
| DE102020118630A1 (de) * | 2020-07-15 | 2022-01-20 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betreiben eines Fahrerassistenzsystems eines Fahrzeugs und Verarbeitungseinrichtung zum Steuern eines Fahrerassistenzsystems |
| US11697432B2 (en) | 2020-09-04 | 2023-07-11 | Here Global B.V. | Method, apparatus and computer program product for creating hazard probability boundaries with confidence bands |
| CN112069279B (zh) * | 2020-09-04 | 2022-11-08 | 北京百度网讯科技有限公司 | 地图数据更新方法、装置、设备及可读存储介质 |
| US20220081003A1 (en) * | 2020-09-15 | 2022-03-17 | Tusimple, Inc. | DETECTING A CONSTRUCTION ZONE BY A LEAD AUTONOMOUS VEHICLE (AV) AND UPDATING ROUTING PLANS FOR FOLLOWING AVs |
| DE102020131996A1 (de) * | 2020-12-02 | 2022-06-02 | Bayerische Motoren Werke Aktiengesellschaft | Absichern einer geografischen Position |
| CN115112131A (zh) * | 2021-03-23 | 2022-09-27 | 华为技术有限公司 | 一种导航方法、装置、地图及系统 |
| CN113706913A (zh) * | 2021-09-03 | 2021-11-26 | 张立华 | 一种道路施工警示系统及其方法 |
| JP7376547B2 (ja) * | 2021-10-12 | 2023-11-08 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
| CN113997943A (zh) * | 2021-10-28 | 2022-02-01 | 山东新一代信息产业技术研究院有限公司 | 一种基于语义聚类的自动驾驶车辆控制方法、设备及介质 |
| WO2023076887A1 (en) * | 2021-10-29 | 2023-05-04 | Tusimple, Inc. | Autonomous vehicle maneuver in response to construction zone hand signals |
| JP2023072128A (ja) * | 2021-11-12 | 2023-05-24 | 本田技研工業株式会社 | 車両制御装置 |
| US20230152800A1 (en) * | 2021-11-17 | 2023-05-18 | Here Global B.V. | Method, apparatus and computer program product for identifying road work within a road network |
| US20230160713A1 (en) * | 2021-11-19 | 2023-05-25 | Here Global B.V. | Method, apparatus and computer program product for identifying work zones within a map |
| CN113947929B (zh) * | 2021-11-27 | 2024-03-08 | 北京工业大学 | 一种针对高速公路改扩建连续施工区的可变限速控制方法 |
| US20230204372A1 (en) * | 2021-12-27 | 2023-06-29 | Here Global B.V. | Method, apparatus, and system for determining road work zone travel time reliability based on vehicle sensor data |
| JP7398498B2 (ja) | 2022-03-25 | 2023-12-14 | 本田技研工業株式会社 | 制御装置 |
| CN115063974A (zh) * | 2022-06-08 | 2022-09-16 | 中国第一汽车股份有限公司 | 道路施工检测方法、装置、车载终端、车辆及介质 |
| CN115497288A (zh) * | 2022-09-06 | 2022-12-20 | 玺大建设工程有限公司 | 一种高速公路养护施工智慧管理预警方法、装置及系统 |
| CN116935016B (zh) * | 2023-07-28 | 2024-03-08 | 上海济目科技有限公司 | 一种集成隧道施工现场风险识别与激光定位方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007280132A (ja) * | 2006-04-07 | 2007-10-25 | Fuji Heavy Ind Ltd | 走行誘導障害物検出装置および車両用制御装置 |
| US20100207787A1 (en) * | 2009-02-13 | 2010-08-19 | Catten J Corey | System and method for alerting drivers to road conditions |
| JP2010221909A (ja) * | 2009-03-24 | 2010-10-07 | Hitachi Automotive Systems Ltd | 走行環境認識装置および車両制御装置 |
Family Cites Families (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5220497A (en) * | 1987-11-20 | 1993-06-15 | North American Philips Corp. | Method and apparatus for controlling high speed vehicles |
| JP3324821B2 (ja) * | 1993-03-12 | 2002-09-17 | 富士重工業株式会社 | 車輌用車外監視装置 |
| JP3569587B2 (ja) * | 1996-02-07 | 2004-09-22 | 本田技研工業株式会社 | 車両用操舵装置 |
| JP3566802B2 (ja) * | 1996-02-16 | 2004-09-15 | 本田技研工業株式会社 | 車両用操舵装置 |
| US7979173B2 (en) | 1997-10-22 | 2011-07-12 | Intelligent Technologies International, Inc. | Autonomous vehicle travel control systems and methods |
| DE19842176A1 (de) * | 1998-09-15 | 2000-03-16 | Bosch Gmbh Robert | Verfahren und Vorrichtung zur Verkehrszeichenerkennung und Navigation |
| JP4380838B2 (ja) * | 1999-04-08 | 2009-12-09 | アジア航測株式会社 | ビデオ画像の道路標識自動認識方法及び道路標識自動認識装置並びに道路標識自動認識プログラム |
| JP2003123197A (ja) * | 2001-10-16 | 2003-04-25 | Alpine Electronics Inc | 道路標示等認識装置 |
| US6970779B2 (en) * | 2002-11-25 | 2005-11-29 | Denso Corporation | Vehicle speed control system and program |
| JP4321142B2 (ja) * | 2003-07-02 | 2009-08-26 | 日産自動車株式会社 | 標識認識装置 |
| JP2006113918A (ja) * | 2004-10-15 | 2006-04-27 | Fujitsu Ten Ltd | 運転支援装置 |
| US7720580B2 (en) * | 2004-12-23 | 2010-05-18 | Donnelly Corporation | Object detection system for vehicle |
| JP2006184106A (ja) * | 2004-12-27 | 2006-07-13 | Aisin Aw Co Ltd | 車載用ナビゲーション装置 |
| JP2006264465A (ja) * | 2005-03-23 | 2006-10-05 | Advics:Kk | 車両用走行支援装置 |
| DE102006001710A1 (de) * | 2006-01-13 | 2007-08-16 | Audi Ag | Verfahren zum Betrieb eines Längsführungssystems in einem Kraftfahrzeug |
| US7912628B2 (en) * | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Determining road traffic conditions using data from multiple data sources |
| JP2007290539A (ja) * | 2006-04-25 | 2007-11-08 | Denso Corp | 車両用運転支援装置 |
| EP1906339B1 (en) * | 2006-09-01 | 2016-01-13 | Harman Becker Automotive Systems GmbH | Method for recognizing an object in an image and image recognition device |
| GB2442776A (en) * | 2006-10-11 | 2008-04-16 | Autoliv Dev | Object detection arrangement and positioning system for analysing the surroundings of a vehicle |
| JP4929997B2 (ja) * | 2006-11-15 | 2012-05-09 | アイシン・エィ・ダブリュ株式会社 | 運転支援装置 |
| JP2008191781A (ja) | 2007-02-01 | 2008-08-21 | Hitachi Ltd | 衝突回避システム |
| JP4345832B2 (ja) * | 2007-03-12 | 2009-10-14 | トヨタ自動車株式会社 | 道路状況検出システム |
| EP2133851B1 (en) * | 2007-04-02 | 2012-11-28 | Panasonic Corporation | Safe driving assisting device |
| JP4232167B1 (ja) * | 2007-08-27 | 2009-03-04 | 三菱電機株式会社 | 対象特定装置、対象特定方法および対象特定プログラム |
| DE102007051260A1 (de) * | 2007-10-26 | 2009-04-30 | Volkswagen Ag | Spurhalteassistenzsystem und Verfahren zum Betreiben eines Spurhalteassistenzsystems |
| KR101372482B1 (ko) * | 2007-12-11 | 2014-03-26 | 삼성전자주식회사 | 이동 로봇의 경로 계획 방법 및 장치 |
| JP5309778B2 (ja) * | 2007-12-19 | 2013-10-09 | 日産自動車株式会社 | 車間維持支援装置および車間維持支援方法 |
| US8996294B2 (en) | 2007-12-19 | 2015-03-31 | Nissan Motor Co., Ltd. | Inter-vehicle distance maintenance supporting system and method |
| JP4831434B2 (ja) * | 2007-12-27 | 2011-12-07 | アイシン・エィ・ダブリュ株式会社 | 地物情報収集装置及び地物情報収集プログラム、並びに自車位置認識装置及びナビゲーション装置 |
| JP4831433B2 (ja) * | 2007-12-27 | 2011-12-07 | アイシン・エィ・ダブリュ株式会社 | 自車位置認識装置及び自車位置認識プログラム、並びにナビゲーション装置 |
| US8311695B2 (en) * | 2008-03-19 | 2012-11-13 | Honeywell International Inc. | Construction of evidence grid from multiple sensor measurements |
| US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
| US8332134B2 (en) * | 2008-04-24 | 2012-12-11 | GM Global Technology Operations LLC | Three-dimensional LIDAR-based clear path detection |
| US8060271B2 (en) | 2008-06-06 | 2011-11-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detecting principal directions of unknown environments |
| JP2010003157A (ja) * | 2008-06-20 | 2010-01-07 | Toyota Motor Corp | 走行支援装置 |
| US8179393B2 (en) * | 2009-02-13 | 2012-05-15 | Harris Corporation | Fusion of a 2D electro-optical image and 3D point cloud data for scene interpretation and registration performance assessment |
| US8384776B2 (en) | 2009-04-22 | 2013-02-26 | Toyota Motor Engineering And Manufacturing North America, Inc. | Detection of topological structure from sensor data with application to autonomous driving in semi-structured environments |
| US8376595B2 (en) * | 2009-05-15 | 2013-02-19 | Magna Electronics, Inc. | Automatic headlamp control |
| DE102009033058A1 (de) * | 2009-07-03 | 2010-04-08 | Daimler Ag | Vorrichtung und Verfahren zur Ausgabe einer haptischen Fahrempfehlung an einen Fahrer eines Kraftfahrzeugs mittels eines Navigationssystems |
| JP2011145166A (ja) * | 2010-01-14 | 2011-07-28 | Toyota Motor Corp | 車両検出装置 |
| US8031085B1 (en) | 2010-04-15 | 2011-10-04 | Deere & Company | Context-based sound generation |
| US8812193B2 (en) * | 2010-05-11 | 2014-08-19 | Conti-Temic Microelectronic Gmbh | Method for determining a virtual vehicle corridor |
| US9221452B2 (en) | 2010-07-21 | 2015-12-29 | Eaton Corporation | System and method for optimizing fuel economy using predictive environment and driver behavior information |
| JP5423631B2 (ja) * | 2010-09-24 | 2014-02-19 | 株式会社デンソー | 画像認識装置 |
| US8509982B2 (en) * | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
| JP5896505B2 (ja) * | 2010-12-17 | 2016-03-30 | アルパイン株式会社 | 車両運転支援装置 |
| US8972147B2 (en) * | 2011-01-10 | 2015-03-03 | Bendix Commercial Vehicle Systems Llc | ACC and AM braking range variable based on internal and external factors |
| US8744666B2 (en) * | 2011-07-06 | 2014-06-03 | Peloton Technology, Inc. | Systems and methods for semi-autonomous vehicular convoys |
-
2012
- 2012-09-05 US US13/603,613 patent/US9221461B2/en active Active
-
2013
- 2013-08-07 EP EP13835010.3A patent/EP2879929B1/en active Active
- 2013-08-07 KR KR1020157008687A patent/KR101557464B1/ko active IP Right Grant
- 2013-08-07 JP JP2015531089A patent/JP6083882B2/ja active Active
- 2013-08-07 WO PCT/US2013/053944 patent/WO2014039200A1/en active Application Filing
-
2017
- 2017-01-20 JP JP2017008154A patent/JP6257057B2/ja active Active
- 2017-12-01 JP JP2017231388A patent/JP6550117B2/ja active Active
-
2019
- 2019-06-28 JP JP2019120623A patent/JP6987095B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007280132A (ja) * | 2006-04-07 | 2007-10-25 | Fuji Heavy Ind Ltd | 走行誘導障害物検出装置および車両用制御装置 |
| US20100207787A1 (en) * | 2009-02-13 | 2010-08-19 | Catten J Corey | System and method for alerting drivers to road conditions |
| JP2010221909A (ja) * | 2009-03-24 | 2010-10-07 | Hitachi Automotive Systems Ltd | 走行環境認識装置および車両制御装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190007286A (ko) * | 2017-07-12 | 2019-01-22 | 엘지전자 주식회사 | 차량용 주행 시스템 및 차량 |
| KR102064223B1 (ko) * | 2017-07-12 | 2020-02-11 | 엘지전자 주식회사 | 차량용 주행 시스템 및 차량 |
Also Published As
| Publication number | Publication date |
|---|---|
| US9221461B2 (en) | 2015-12-29 |
| JP2017097906A (ja) | 2017-06-01 |
| JP2015537268A (ja) | 2015-12-24 |
| JP6257057B2 (ja) | 2018-01-10 |
| EP2879929A4 (en) | 2015-11-18 |
| JP6550117B2 (ja) | 2019-07-24 |
| JP6083882B2 (ja) | 2017-02-22 |
| EP2879929B1 (en) | 2016-10-12 |
| KR20150052272A (ko) | 2015-05-13 |
| JP6987095B2 (ja) | 2021-12-22 |
| US20140067187A1 (en) | 2014-03-06 |
| EP2879929A1 (en) | 2015-06-10 |
| JP2019194900A (ja) | 2019-11-07 |
| WO2014039200A1 (en) | 2014-03-13 |
| JP2018060572A (ja) | 2018-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101557464B1 (ko) | 복수의 정보원들을 이용한 공사 구역 검출 | |
| USRE48322E1 (en) | Construction zone sign detection | |
| US9193355B2 (en) | Construction zone sign detection using light detection and ranging | |
| US9199641B2 (en) | Construction zone object detection using light detection and ranging | |
| US9561797B2 (en) | Predictive reasoning for controlling speed of a vehicle | |
| US9090259B2 (en) | Controlling vehicle lateral lane positioning | |
| US9081385B1 (en) | Lane boundary detection using images | |
| US9014905B1 (en) | Cyclist hand signal detection by an autonomous vehicle | |
| EP3851351B1 (en) | A robust method for detecting traffic signals and their associated states | |
| US10347127B2 (en) | Driving mode adjustment | |
| US9195236B1 (en) | Road flare detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20190917 Year of fee payment: 5 |