KR102335309B1 - 차량을 주차 구획에 자동으로 주차하는 것 - Google Patents

차량을 주차 구획에 자동으로 주차하는 것 Download PDF

Info

Publication number
KR102335309B1
KR102335309B1 KR1020207013317A KR20207013317A KR102335309B1 KR 102335309 B1 KR102335309 B1 KR 102335309B1 KR 1020207013317 A KR1020207013317 A KR 1020207013317A KR 20207013317 A KR20207013317 A KR 20207013317A KR 102335309 B1 KR102335309 B1 KR 102335309B1
Authority
KR
South Korea
Prior art keywords
vehicle
feature descriptor
digital map
parking
environment
Prior art date
Application number
KR1020207013317A
Other languages
English (en)
Other versions
KR20200069334A (ko
Inventor
저먼 페이주
바쌈 압달라
캐서린 앤라이트
마가렛 투이
조나단 호건
Original Assignee
코너트 일렉트로닉스 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 코너트 일렉트로닉스 리미티드 filed Critical 코너트 일렉트로닉스 리미티드
Publication of KR20200069334A publication Critical patent/KR20200069334A/ko
Application granted granted Critical
Publication of KR102335309B1 publication Critical patent/KR102335309B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/027—Parking aids, e.g. instruction means
    • B62D15/0285—Parking performed automatically
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
    • B60K35/20—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor
    • B60K35/28—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor characterised by the type of the output information, e.g. video entertainment or vehicle dynamics information; characterised by the purpose of the output information, e.g. for attracting the attention of the driver
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/06—Automatic manoeuvring for parking
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/082—Selecting or switching between different modes of propelling
    • 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
    • B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures
    • G01C21/3881—Tile-based structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0061—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G06K9/00812—
    • G06K9/6255—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K2360/00—Indexing scheme associated with groups B60K35/00 or B60K37/00 relating to details of instruments or dashboards
    • B60K2360/16—Type of output information
    • B60K2360/175—Autonomous driving
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2420/54—Audio sensitive means, e.g. ultrasound
    • 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
    • B60W2556/10—Historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30264—Parking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Acoustics & Sound (AREA)
  • Instructional Devices (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Navigation (AREA)

Abstract

본 발명은 차량(1)을 주차 구획(3)에 자동으로 주차하는 방법에 관한 것으로서, - 훈련 단계에서 차량(1)을 주차 구획(3) 내로 수동으로 운전하는 단계, 및 그 후에 - 재연 단계에서 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계를 포함하고, 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계는 하기의 하위 단계들, - 운전된 궤적(7)에 대응하는 차량(1)의 환경의 특징들의 정보를 탐지하는 단계, - 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장된 특징 디스크립터와 매칭하는 단계, 및 - 저장된 궤적(7)을 따라 차량(1)을 주차 구획(3) 내로 조종하기 위해 디지털 맵에 저장된 궤적(7)에 대해 차량(1)을 재배치하는 단계를 포함하고, 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계를 복수회 반복하고, 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들, - 각각의 특징 디스크립터에 대해 디지털 맵에 저장된 특징 디스크립터와 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및 - 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 소정 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하는 것을 특징으로 한다. 이러한 방식으로, 훈련식 시스템의 수명을 연장하고 필요한 재훈련의 발생을 감소시키는 방법이 제공된다.

Description

차량을 주차 구획에 자동으로 주차하는 것
본 발명은 차량을 주차 구획에 자동으로 주차하는 방법에 관한 것으로서:
- 훈련(training) 단계에서 차량을 주차 구획 내로 수동으로 운전하는 단계, 및 그 후에
- 재연(replay) 단계에서 차량을 주차 구획 내로 자동으로 운전하는 단계를 포함하고,
차량을 주차 구획 내로 수동으로 운전하는 단계는 하기의 하위 단계들,
- 운전된 궤적(driven trajectory)에 대응하는 차량 환경의 특징들의 정보를 탐지하는 단계,
- 운전된 궤적을 환경의 디지털 맵에 저장하는 단계, 및
- 환경의 탐지된 특징들의 특징 디스크립터(feature descriptor)를 디지털 맵에 저장하는 단계를 포함하고,
차량을 주차 구획 내로 자동으로 운전하는 단계는 하기의 하위 단계들,
- 운전된 궤적에 대응하는 차량 환경의 특징들의 정보를 탐지하는 단계,
- 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장된 특징 디스크립터와 매칭(matching)하는 단계, 및
- 저장된 궤적을 따라 차량을 주차 구획 내로 조종하기 위해 디지털 맵에 저장된 궤적에 대해 차량을 재배치하는 단계를 포함한다.
본 발명은 또한 차량을 주차 구획에 자동으로 주차하기 위한 차량의 자동 주차 시스템을 위한 센서 장치에 관한 것이고, 프로세서에서 실행될 때, 차량을 주차 구획에 자동으로 주차하기 위한 차량의 자동 주차 시스템을 유도하는 명령들이 저장되어 있는 비일시적 컴퓨터 판독 가능 매체에 관한 것이다.
출원인은 이미 Park4U®라는 차량 자동 주차 시스템을 제공한다. Park4U®는 단 몇 초 만에 차량을 주차한다. 초음파 센서가 도로의 측면을 스캔하여 적절한 공간을 탐지한다. 주차 조작은 일반적인 방식으로 이루어지지만 핸즈프리 모드이다. 차량이 정지하고 후진 기어가 맞물리자마자, 시스템이 조향을 인계 받는 반면에 운전자는 액셀레이터와 브레이크로 차량의 속도를 계속 제어한다. 주차 조작 중에, 운전자가 앞뒤에 있는 초음파 센서를 통해 가용 공간을 최대한 효율적으로 사용할 수 있어서 추가적인 안전이 제공된다. 운전자가 원하는 경우 언제라도 조작을 종료할 수 있다: 스티어링 휠을 터치하자마자, 시스템이 자동으로 비활성화된다. Park4U®는 시장에서 확고하게 자리잡았다. 이 시스템은 지속적으로 발전하고 있으며, 이제 연석에 대해 평행하게도 비스듬하게도 주차할 수 있다. 차량의 앞뒤로 단지 40cm만 있으면 시스템이 주차하기에 충분하다. Park4U®는 또한 운전자가 주차 공간을 빠져나가는 것을 도울 수도 있다. 이 시스템은 차량의 앞뒤로 주차 공간을 측정하고 주차 공간을 빠져나가기 위한 최선의 전략을 결정한다. 운전자가 차량의 속도를 제어하는 동안, 시스템은 주차할 때와 마찬가지로 조향을 담당한다. 시스템은 주차 공간을 빠져나가기에 가장 좋은 순간을 탐지하고, 운전자가 교통 흐름에 합류할 수 있도록 자동으로 비활성화된다.
자동 주차 시스템의 새로운 범주는 가정 훈련식 주차(home trained parking)이다. 가정 훈련식 주차의 경우, 차량 운전자는 차후에 주차하기 위해 차량이 추종하기 원하는 특정 경로에 대해 차량을 훈련시켜야 한다. 현대의 반자율 차량은 이미 스스로 주차하도록 설계되었다. 이를 위해서, 차량들은 이들의 환경의 기하학적 구조를 알고 있어야 한다. 훈련식 주차 시스템은 다양한 센서를 사용하여 환경, 즉 운전된, 이미 훈련된 궤적에 대응하는 이른바 "랜드마크"로부터의 정보를 기록하고, 이후의 "재연"에서는 훈련식 주차 시스템은 새로 감지된 정보를 이전에 저장된 정보와 연관시켜서 저장된 궤적에 대한 이들의 위치를 계산해내는데, 이것은 차량이 최종적으로 저장된 주차 구획 위치에 주차될 때까지 어떻게 차량을 조종할지를 결정하는 데 사용된다.
시간이 흐름에 따라 가정의 시나리오가 크게 변하는 경우 재훈련이 필요하다. 예컨대 계절이 바뀌면, 환경의 시각적인 모양도 크게 변할 수 있으므로 재훈련이 필요하다. 이러한 변화는 시간이 흐름에 따라 점진적으로(예컨대, 나뭇잎의 색깔이 변하는 것), 또는 순간적으로(예컨대, 벽이 허물어지는 것) 발생할 수 있다. 이러한 변화는 훈련식 시스템의 수명을 제한한다. 현재, 시스템의 재훈련은 훈련 모드를 시작하고 기존 궤적을 덮어쓰는 사용자에 의한 수동 트리거(manual trigger)로 구성된다.
본 발명의 목적은 훈련식 시스템의 수명을 연장시키고 필요한 재훈련의 발생을 감소시키기 위한 방법을 제공하는 것이다.
이러한 목적은 독립 청구항의 주제에 의해 달성된다. 바람직한 실시예는 종속 청구항에 기술되어 있다.
따라서, 본 발명은 차량을 주차 구획에 자동으로 주차하는 방법에 관한 것으로서:
- 훈련 단계에서 차량을 주차 구획 내로 수동으로 운전하는 단계, 및 그 후에
- 재연 단계에서 차량을 주차 구획 내로 자동으로 운전하는 단계를 포함하고,
차량을 주차 구획 내로 수동으로 운전하는 단계는 하기의 하위 단계들,
- 운전된 궤적에 대응하는 차량 환경의 특징들의 정보를 탐지하는 단계,
- 운전된 궤적을 환경의 디지털 맵에 저장하는 단계, 및
- 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장하는 단계를 포함하고,
차량을 주차 구획 내로 자동으로 운전하는 단계는 하기의 하위 단계들,
- 운전된 궤적에 대응하는 차량 환경의 특징들의 정보를 탐지하는 단계,
- 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장된 특징 디스크립터와 매칭하는 단계, 및
- 저장된 궤적을 따라 차량을 주차 구획 내로 조종하기 위해 디지털 맵에 저장된 궤적에 대해 차량을 재배치하는 단계를 포함하는, 방법에 있어서,
차량을 주차 구획 내로 자동으로 운전하는 단계를 복수회 반복하고,
차량을 주차 구획 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
- 각각의 특징 디스크립터에 대해 디지털 맵에 저장된 특징 디스크립터와 환경의 탐지된 특징들의 특징 디스크립터와의 일치(match)를 카운트하는 단계, 및
- 차량을 주차 구획 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 소정 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하는 것을 특징으로 한다.
따라서, 본 발명의 본질적인 아이디어는 각각의 특징 디스크립터에 대해 디지털 맵에 저장된 특징 디스크립터와 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 것과, 차량을 주차 구획 내로 자동으로 운전하는 단계를 사전 규정된 횟수만큼 반복한 후에 소정 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 것이다. 이러한 방식으로 디지털 맵은 사용 중에 동적으로 수정된다.
본 발명의 맥락에서, "특징 디스크립터(feature descriptor)"라는 용어는 각각의 특징이 디지털 맵에서 "보이는" 방법의 알고리즘 표현에 관한 것이다. 특징이 시각적으로 탐지된 경우, 특징 디스크립터는 환경의 2차원 시각 이미지의 일부와 관련될 수도 있다. 특징이 초음파 센서로 탐지된 경우, 특징 디스크립터는 차량의 각각의 초음파 센서에 의해 수신된 초음파 신호와 관련될 수도 있다. 또한, 본 발명은 차량이 저장된 궤적을 따라 정확하게 자동으로 운전될 것을 요구하지는 않는다는 점에 유의해야 한다. 저장된 궤적은 재연 단계 동안 수렴되어야 하는 목표 정보이다.
디지털 맵에서 특징들을 이들의 특징 디스크립터와 함께 삭제하면, 변화하는 특징들 또는 더 이상 존재하지 않는 특징들에 의해 자동 주차가 잘못 인도되는 것을 회피하는 데 도움이 될 수도 있다. 그러나, 그러한 특징들이 삭제될 뿐만 아니라, 차량을 주차 구획 내로 자동으로 운전하는 단계들이 각각 하기의 하위 단계를 포함하는 경우, 본 방법은 크게 개선될 수 있다:
- 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장하는 단계.
이러한 방식으로, 자동 주차는, 실제 사용 중에 탐지되는, 즉 훈련 중에 탐지될 뿐만 아니라 자동 주차 중에 탐지되는 환경의 그러한 특징을 저장함으로써, 변화하는 환경에 대해 동적으로 학습한다.
본 발명의 바람직한 실시예에 따르면, 차량을 주차 구획 내로 자동으로 운전하는 단계들은 각각 하기의 하위 단계,
- 특징이 사전 규정된 품질 기준을 준수하는 경우에만 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장하는 단계를 포함한다. 이러한 품질 기준은, 예컨대, 각각의 특징의 시각적인 돌출성(visual saliency), 재구성에서의 노이즈(noise), 또는 그것이 특이값(outlier)인지의 여부일 수 있다. 다른 이러한 품질 기준을 생각할 수도 있다.
또한, 본 발명의 바람직한 실시예에 따르면, 차량을 주차 구획 내로 자동으로 운전하는 단계 동안 저장된 특징 디스크립터의 수는 삭제된 특징 디스크립터의 수 이하이다. 이러한 방식으로, 본 방법의 적절한 작동 속도가 보장될 수 있다.
나아가, 본 발명의 바람직한 실시예에 따르면, 환경의 탐지된 특징들의 특징 디스크립터와 디지털 맵에 저장된 특징 디스크립터와의 일치 횟수가 사전 규정된 임계값보다 작은 경우, 디지털 맵에 저장된 궤적 및 모든 특징 디스크립터가 삭제되고 훈련 단계가 촉발된다. 따라서, 환경이 더 이상 신뢰할 수 있는 방식으로 디지털 맵에 표현되지 않으면, 시스템 사용자는 자동적으로 새로운 훈련을 수행하도록 요청받는다.
본 발명의 특히 바람직한 실시예에 따르면, 디지털 맵은 각각의 특징 디스크립터가 공간 그리드(spatial grid)의 셀과 관련되도록 다수의 셀을 갖는 공간 그리드를 포함하고, 차량을 주차 구획 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
- 공간 그리드의 각각의 셀에 대해 디지털 맵에 저장된 특징 디스크립터와 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및
- 소정 특징 디스크립터와 관련된 셀에서의 일치가 사전 규정된 임계값을 초과하지 않은 경우에만, 차량을 주차 구획 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 이 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함한다. 바람직하게는 셀의 크기는 모두 동일하다.
이는 디지털 맵 내의 특징 디스크립터를 구비한 각각의 특징이 실제로 얼마나 신뢰할 만한지를 식별함으로써 본 방법을 더욱 강력하게 만들 수 있다. 이와 관련하여, 본 발명의 다른 바람직한 실시예에 따르면, 소정 특징이 백본 특징(backbone feature)으로서 정의되는데, 이 특징의 특징 디스크립터는 차량을 주차 구획 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 이 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하는 경우, 및 이 특징 디스크립터와 관련된 셀에서의 일치가 사전 규정된 임계값을 초과하는 경우에는 디지털 맵에서 삭제될 수 없다. 따라서, 재연 단계의 일부 반복 이후에 백본 특징 그룹이 고정된다.
또한, 본 발명의 바람직한 실시예에 따르면, 셀들은 각각의 셀에서의 일치에 따라 각각 가중되며, 본 방법이 재연 단계를 확고하게 수행하기에 충분히 성숙한 시간은 셀들의 가중치의 편차가 사전 규정된 임계값보다 작은 것을 식별함으로써 식별된다. 그러면, 본 방법의 사용자는 방법이 이제 신뢰할 만한 사용을 위해 충분히 확고하다는 것을 알게 될 수 있다.
디지털 맵은 여러 가지 방식으로 표현될 수도 있다. 본 발명의 바람직한 실시예에 따르면, 디지털 맵은 연속적인 시점들(points in time)과 관련된 다수의 프레임으로 구성되며, 프레임은 운전된 궤적의 환경의 2차원 디지털 표현이다. 시각적 표현의 경우, 디지털 맵은 궤적을 따라 운전할 때 카메라에 의해 촬영되는 비디오의 다수의 프레임으로 구성될 수도 있다.
또한, 환경의 특징들을 탐지하기 위해 여러 종류의 센서 및 탐지기가 사용될 수도 있다. 특히, 자동 주차를 위한 여러 종류의 센서 및 탐지기가 함께 사용될 수도 있다. 본 발명의 바람직한 실시예에 따르면, 차량 환경의 특징들의 탐지된 정보는 시각 데이터, 초음파 데이터 및/또는 라이다(LIDAR) 데이터로 표현된다.
본 발명은 또한 차량을 주차 구획에 자동으로 주차하기 위한 차량의 자동 주차 시스템을 위한 센서 장치에 관한 것으로서, 센서 장치는:
- 훈련 단계에서 차량을 주차 구획 내로 수동으로 운전하는 단계, 및 그 후에
- 재연 단계에서 차량을 주차 구획 내로 자동으로 운전하는 단계를 포함하는 방법에 적합하고,
차량을 주차 구획 내로 수동으로 운전하는 단계는 하기의 하위 단계들,
- 운전된 궤적에 대응하는 차량 환경의 특징들의 정보를 탐지하는 단계,
- 운전된 궤적을 환경의 디지털 맵에 저장하는 단계, 및
- 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장하는 단계를 포함하고,
차량을 주차 구획 내로 자동으로 운전하는 단계는 하기의 하위 단계들,
- 운전된 궤적에 대응하는 차량 환경의 특징들의 정보를 탐지하는 단계,
- 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장된 특징 디스크립터와 매칭하는 단계, 및
- 저장된 궤적을 따라 차량을 주차 구획 내로 조종하기 위해 디지털 맵에 저장된 궤적에 대해 차량을 재배치하는 단계를 포함하고,
차량을 주차 구획 내로 자동으로 운전하는 단계를 복수회 반복하고,
차량을 주차 구획 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
- 각각의 특징 디스크립터에 대해 디지털 맵에 저장된 특징 디스크립터와 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및
- 차량을 주차 구획 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 소정 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하는 것을 특징으로 한다.
본 발명은 또한 비일시적 컴퓨터 판독 가능 매체에 관한 것으로서, 이 매체에는, 프로세서에서 실행될 때, 차량을 주차 구획에 자동으로 주차하기 위한 차량의 자동 주차 시스템을 유도하여,
- 훈련 단계에서 차량을 주차 구획 내로 수동으로 운전하는 단계, 및 그 후에
- 재연 단계에서 차량을 주차 구획 내로 자동으로 운전하는 단계를 수행하는 명령들이 저장되어 있고,
차량을 주차 구획 내로 수동으로 운전하는 단계는 하기의 하위 단계들,
- 운전된 궤적에 대응하는 차량 환경의 특징들의 정보를 탐지하는 단계,
- 운전된 궤적을 환경의 디지털 맵에 저장하는 단계, 및
- 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장하는 단계를 포함하고,
차량을 주차 구획 내로 자동으로 운전하는 단계는 하기의 하위 단계들,
- 운전된 궤적에 대응하는 차량 환경의 특징들의 정보를 탐지하는 단계,
- 환경의 탐지된 특징들의 특징 디스크립터를 디지털 맵에 저장된 특징 디스크립터와 매칭하는 단계, 및
- 저장된 궤적을 따라 차량을 주차 구획 내로 조종하기 위해 디지털 맵에 저장된 궤적에 대해 차량을 재배치하는 단계를 포함하고,
차량을 주차 구획 내로 자동으로 운전하는 단계를 복수회 반복하고,
차량을 주차 구획 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
- 각각의 특징 디스크립터에 대해 디지털 맵에 저장된 특징 디스크립터와 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및
- 차량을 주차 구획 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 소정 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하는 것을 특징으로 한다.
센서 장치 및 비일시적 컴퓨터 판독 가능 매체의 바람직한 실시예는 전술한 방법의 바람직한 실시예에 대응한다.
본 발명의 이들 및 다른 태양은 이하에서 기술되는 실시예를 참조하여 명백해지고 밝혀질 것이다. 실시예들에 개시된 개별 특징들은 단독으로 또는 조합하여 본 발명의 태양을 구성한다. 상이한 실시예들의 특징들은 일 실시예에서 다른 실시예로 인계될 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 방법이 사용되는 상황을 개략적으로 도시하고,
도 2는 훈련 직후의 공간 그리드 및 그 안에 특징 디스크립터를 갖는 디지털 맵을 개략적으로 도시하고,
도 3은 재연 직후의 공간 그리드 및 그 안에 특징 디스크립터를 갖는 디지털 맵을 개략적으로 도시한다.
도 1에서는 본 발명의 바람직한 실시예에 따른 방법이 사용되는 현장(scene)을 개략적으로 볼 수 있다. 차량(1)에는 주차 구획(3)에서 희망 위치(5)에 차량(1)을 자동으로 주차하기 위한 자동 주차 시스템의 센서 장치(2)가 장착된다. 주차 구획 내의 이 희망 위치(5)는 차량(1)이 따라가야 하는 궤적 지점(8)으로 도시된 궤적(7)을 통해 도달될 수 있다. 이 궤적(7)은 훈련 단계 후에 도 2 및 도 3에 개략적으로 도시된 디지털 맵(9)에 저장되며, 그 후, 차량(1)을 주차 구획(3) 내의 희망 위치(5)로 자동으로 운전하기 위해 재연 단계에서 사용될 수 있다.
센서 장치(2)는 궤적(7)을 따라 차량(1)의 환경을 시각적으로 탐지하기 위한 카메라를 포함한다. 본 예에서, 환경의 특징들은 나무(4), 및 차량(1)의 통로로 이동할 수도 있는 사람(6)에 의해 주어진다. 환경의 추가 특징들은 건물의 벽 또는 차량이 주행하고 있는 거리의 경계일 수도 있다.
본 발명의 바람직한 실시예에 따르면, 훈련된 궤적을 업데이트하고 그것의 유효 수명을 연장하는 솔루션이 제공된다. 이는 현장이 크게 바뀌지 않는 한 수동으로 재훈련할 필요를 없애는 데 도움이 될 수 있다. 그러나, 그러한 경우, 동일한 접근법이 주차를 위해 차량(1)의 재훈련을 자동으로 촉발하기 위해 사용될 수 있다. 본 바람직한 실시예에 따르면, 상기 방법은 카메라 기반 가정 주차(camera-based home parking)를 사용하는 것이다.
종래의 방법에 따르면, 시스템의 재훈련은 훈련 모드를 시작하고 기존 궤적(7)을 덮어쓰는 사용자에 의한 수동 트리거로 구성된다. 시간이 흐름에 따라 가정의 시나리오가 크게 변하는 경우 재훈련이 필요하다. 예컨대 계절이 바뀌면, 환경의 시각적인 모양도 크게 변할 수 있으므로 재훈련이 필요하다. 이러한 변화는 시간이 흐름에 따라 점진적으로(예컨대, 나뭇잎의 색깔이 변하는 것), 또는 순간적으로(예컨대, 벽이 허물어지는 것) 발생할 수 있다.
본 발명의 바람직한 실시예에 따른 방법은 현장을 자동으로 인식하고 훈련된 궤적이 시간의 흐름에도 유효하게 유지되도록 표현을 업데이트한다. 본 방법은 현장이 갑자기 크게 변하는 경우도 처리한다. 본 방법은, 단순히 재연에 실패하기 보다는, 궤적(7)이 유효하지 않을 수도 있음을 운전자에게 자동으로 통지하고 운전자에게 훈련 단계를 재실행할 것을 요청한다.
운전자는 주차 구획(3)으로 운전하고 궤적(7)을 저장하도록 선택함으로써 차량(1)을 훈련시킨다. 재연 단계에서 알고리즘은 현장을 인식하고 훈련된 궤적(7)을 재연한다. 훈련 단계에서, 시스템은 현장 내의 특징들 및 궤적 지점(8) 양자 모두의 디지털 맵(9)을 기록한다. 재연 단계에서, 시스템은 현재 뷰(view)의 특징들을 훈련된 디지털 맵(9)의 특징들과 매칭시키고, 훈련된 궤적 지점(8)에 대한 차량(1)의 위치를 추정한다.
여기에 기술된 본 발명의 바람직한 실시예는 다수의 비디오 프레임을 갖는 비디오를 생성하는 입력 센서로서 카메라를 구비한 센서 장치(2)를 사용한다. 그러나, 본 방법은 이미 위에서 설명한 바와 같이 다른 센서 입력을 구비한 시스템에도 동일하게 적용될 수 있다. 소정 특징이 훈련 단계에서의 복수의 비디오 프레임에서 관찰되면, 그와 관련된 시각적 디스크립터가 둘 이상일 수 있다.
훈련 단계에서, 각각의 특징에 대한 특징 디스크립터 세트가 훈련된 궤적 지점(8)의 디지털 맵(9)에 저장된다. 재연 단계에서는 새로운 세트의 특징들이 발견되며, 각각의 특징은 추가 특징 디스크립터를 갖는다. 특징 디스크립터에 기초하여, 본 방법은 신규 특징을 훈련된 특징과 매칭시키고, 이어서 이 정보를 사용하여 훈련된 궤적(7)에 대해 차량(1)을 재배치한다.
본 발명의 바람직한 실시예에 따르면, 예컨대 집, 벽 또는 조각품과 같이 현장에 지속적으로 머무를 물체로부터 추출된 특징들은 항상 그곳에 있을 것이며, 이들을 훈련된 디지털 맵(9)에 보관하기에 가장 적합한 것으로 간주하는 것은 타당하다. 여기에 설명된 방법에 따르면, 이들 특징은 백본 특징으로서 식별되고 태그 지정된다.
궤적(7)은 일단 훈련되면, 재연될 수 있다. 이 재연 중에, 탐지된 특징들은 훈련된 디지털 맵(9)에 매칭된다. 디지털 맵(9)에는 도 2 및 도 3에 개략적으로 도시된 것과 모두 동일한 크기를 갖는 다수의 셀을 갖는 공간 그리드가 제공된다. 이들 특징 및 이들의 위치가 알려져 있기 때문에, 이들은 그리드 내에 배치될 수 있고, 이들이 어디에, 즉 어느 셀 내에 위치되는지를 정량화할 수 있다. 한 번의 재연 후에는 현장에 대해 대략적으로 이해할 수 있을 것이며, 재연 동안 매칭되는 특징들의 수에 따라 각 셀이 가중되는 공간 그리드를 구비한 디지털 맵(9)이 생성될 수 있다. 현장에 대한 이러한 기술(description)을 개선하기 위해 수 회의 재연이 실행되는데, 이는 사용자가 통상적인 사용 사례에서 본 방법을 사용하는 동안 발생하며, 몇 회의 시도 후에 그리드를 구비한 디지털 맵이 성숙한 것으로 간주될 수 있다. 규칙은 예컨대 한 번의 재연 후 셀의 가중치의 최대 편차에 대한 임계값을 설정함으로써 그리드가 충분히 성숙한 시기를 식별하는 데 사용될 수 있다. 다른 적절한 기준들이 구현될 수 있다.
본 발명의 이 바람직한 실시예는 공간 그리드에 대한 가중 방법을 사용한다. 이러한 방법 중 하나가 다음에 기술되어 있다. 훈련 후 첫 번째 재연을 수행하면, 이 시점에는 현장에 대한 그리드를 구비한 디지털 맵에는 훈련된 특징들만 포함된다. 이들은 그리드 상에 공간적으로 위치되어 있으며, 도 2에서 "x"로 식별된다.
본 발명의 바람직한 실시예에 따르면, 2개의 유형의 카운터(counter), 즉 셀당 하나의 카운터 및 특징당 하나의 카운터가 사용된다. 시작 시에, 이들 카운터는 모두 0으로 설정된다. 카운터를 업데이트하는 로직은 해당 셀 내부의 특징이 매칭될 때마다 셀당 카운터(per-cell counter)를 증분시키고 또한 적절한 특징당 카운터(per-feature counter)를 증분시키는 것이다. 이러한 상황이 도 3에 도시되어 있다. 재연을 실행하여 얻은 특징들은 각각 "+" 및 "o"로 식별되는데, 여기서 "+"는 일치하는 탐지된 특징을 표시하고 "o"는 일치하지 않는 탐지된 특징을 표시한다.
첫 번째 재연이 실행된 후 셀당 가중 프로세스의 결과는 다음과 같다: 왼쪽에서 첫 번째 열과 위에서 첫 번째 행에 의해 특정되는 셀의 카운터는 "2"이다. 왼쪽에서 두 번째 열과 위에서 두 번째 행에 의해 특정된 셀의 카운터는 "2"이다. 왼쪽에서 네 번째 열과 위에서 네 번째 행에 의해 특정된 셀의 카운터는 "6"이다. 다른 셀의 경우 일치가 존재하지 않는다. 따라서, 이들 셀의 카운터는 "0"이다.
훈련으로부터의 각각의 특징은 자체의 카운터, 즉 특징당 카운터를 가지며, 그것은 특징이 재연 중의 특징과 일치될 때마다 증가될 것이다. 이러한 로직은 디지털 맵(9)이 훈련된 특징을 지속적인 특징, 소위 백본 특징과 비지속적인 특징, 즉 수정 가능한 특징의 두 그룹으로 분류할 수 있을 정도로 충분히 성숙한 순간을 탐지하기 위해 수 회의 재연에 적용된다. 이 시점부터, 본 방법은 카운터를 규정된 최대 임계값까지 계속 업데이트하여 신규 특징의 추가 및 더 이상 사용되지 않는 특징의 삭제를 처리한다. 그러나, 지속적인 특징으로 분류된 특징 그룹은 이 시점에서 고정될 것이다.
이하에서는, 동적 재훈련 및 재훈련의 촉발에 대해 기술한다. 훈련과 재연 사이에 현장의 시각적 모양이 크게 변할 수 있으므로 그에 따라 특징 디스크립터가 크게 변경되거나 또는 상이한 특징 세트가 추출될 것이다. 예컨대, 야외 현장에 있는 특징들의 시각적 특성은 계절이 바뀜에 따라 변할 수도 있다. 이에 의해, 재연의 노이즈가 높아지거나, 즉, 예상되는 차량의 위치 및 방향에 대한 정확도가 떨어지거나, 또는 재연이 전체적으로 실패할 수도 있다. 본 예의 경우, 이러한 변화는 점진적이어서 환경의 변화로 인해 재연에 실패하기 전에 본 방법이 적응할 수 있는 충분한 기회가 있을 것으로 가정한다.
여기에 기술된 본 발명의 바람직한 실시예의 접근법은 훈련된 저장 데이터, 즉 특징들 및 이들의 특징 디스크립터를, 전술한 그리드에 의해 제공되는 현장의 추가 지식을 이용함으로써 동적으로 적응시키는 것이다. 적응은 다음과 같이 수행된다: 재연에서 전혀 또는 거의 관찰되지 않는 특징들은 동적으로 삭제된다. 훈련된 특징이 이전에 그리드에서 수정 가능한 특징으로서 분류되었고 가중치가 낮은 셀에 속해 있는 경우, 훈련된 궤적(7)을 현장에 적응시키기 위해, 훈련된 특징이 삭제될 수 있다.
훈련된 특징 세트에 신규 특징을 동적으로 추가하는 방법은 다음과 같다: 재연할 때마다, 저장된 특징 세트에서 관찰되지 않은 특징들이 발견될 수 있다. 이들은 현장의 새로운 물체들 또는 속성이 바뀐 물체로 인한 것일 수 있다. 이들 특징은 특징 세트에 추가되어 후속 재연 모드에서 사용된다. 이러한 동적 재훈련 방법에 의하면, 동적 재훈련이 매 재연마다 발생하므로 임의의 특정 재훈련 모드에 들어갈 필요가 없다. 메모리 및 처리의 제약으로 인해, 훈련 세트에 추가될 수 있는 특징의 수가 제한된다. 여기에 기술된 본 발명의 바람직한 실시예에 따르면, 백본 특징으로 분류된 특징들은 그 중 어느 것도 삭제될 수 없다. 가중치가 낮은 셀에 속해 있는 이전에 비지속적 특징으로 분류되었던 특징들만 제거할 수 있다. 따라서, 동적 재훈련 중 추가되는 특징의 수는 제거된 수와 같거나 그보다 적다.
추가할 신규 특징의 선택은 재연을 위한 해당 특징의 전체 품질을 규정하는 몇 가지 기준, 예컨대 시각적인 돌출성, 재구성에서의 노이즈, 또는 그것이 특이값인지의 여부 등을 기반으로 할 수 있다. 이러한 동적 재훈련을 이용하여 저장된 궤적(7)을 점진적으로 적응시키더라도, 재연이 실패할 수도 있는 상황이 발생할 수 있다. 본 발명의 바람직한 실시예에 따르면, 이러한 상황은 예컨대 추가할 신규 특징의 비율을 매칭된 특징에 의해 임계화함으로써 탐지될 수 있다. 이 경우, 수동 재훈련이 자동적으로 촉발될 수 있다. 사용자는 훈련 시퀀스를 다시 실행하라는 알림 및 요청을 받을 것이다. 시스템에 저장된 모든 정보가 리셋되고, 차량에서 최초 주행 시와 같이 작동할 것이다.
1: 차량 2: 센서 장치
3: 주차 구획 4: 나무
5: 희망 위치 6: 사람
7: 궤적 8: 궤적 지점
9: 디지털 맵

Claims (12)

  1. 차량(1)을 주차 구획(3)에 자동으로 주차하는 방법으로서,
    - 훈련(training) 단계에서 상기 차량(1)을 주차 구획(3) 내로 수동으로 운전하는 단계, 및 그 후에
    - 재연(replay) 단계에서 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계를 포함하고,
    상기 차량(1)을 주차 구획(3) 내로 수동으로 운전하는 단계는 하기의 하위 단계들,
    - 운전된 궤적(driven trajectory)(7)에 대응하는 상기 차량(1)의 환경의 특징들의 정보를 탐지하는 단계,
    - 상기 운전된 궤적(7)을 상기 환경의 디지털 맵에 저장하는 단계, 및
    - 상기 환경의 탐지된 특징들의 특징 디스크립터(feature descriptor)를 상기 디지털 맵에 저장하는 단계를 포함하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계는 하기의 하위 단계들,
    - 상기 운전된 궤적(7)에 대응하는 상기 차량(1)의 환경의 특징들의 정보를 탐지하는 단계,
    - 상기 환경의 탐지된 특징들의 특징 디스크립터를 상기 디지털 맵에 저장된 특징 디스크립터와 매칭(matching)하는 단계, 및
    - 저장된 궤적(7)을 따라 상기 차량(1)을 주차 구획(3) 내로 조종하기 위해 상기 디지털 맵에 저장된 궤적(7)에 대해 상기 차량(1)을 재배치하는 단계를 포함하는, 자동 주차 방법에 있어서,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계를 복수회 반복하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
    - 각각의 특징 디스크립터에 대해 상기 디지털 맵에 저장된 특징 디스크립터와 상기 환경의 탐지된 특징들의 특징 디스크립터와의 일치(match)를 카운트하는 단계, 및
    - 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 소정 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 상기 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하며,
    상기 디지털 맵은 각각의 특징 디스크립터가 공간 그리드(spatial grid)의 셀과 관련되도록 다수의 셀을 갖는 공간 그리드를 포함하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
    - 상기 공간 그리드의 각각의 셀에 대해 상기 디지털 맵에 저장된 특징 디스크립터와 상기 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및
    - 소정 특징 디스크립터와 관련된 셀에서의 일치가 사전 규정된 임계값을 초과하지 않은 경우에만, 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 이 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 상기 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하는 것을 특징으로 하는
    자동 주차 방법.
  2. 제 1 항에 있어서,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계,
    - 상기 환경의 탐지된 특징들의 특징 디스크립터를 상기 디지털 맵에 저장하는 단계를 포함하는 것을 특징으로 하는
    자동 주차 방법.
  3. 제 2 항에 있어서,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계,
    - 특징이 사전 규정된 품질 기준(시각적인 돌출성(visual saliency), 재구성에서의 노이즈(noise), 또는 그것이 특이값(outlier)인지의 여부 등)을 준수하는 경우에만, 상기 환경의 탐지된 특징들의 특징 디스크립터를 상기 디지털 맵에 저장하는 단계를 포함하는 것을 특징으로 하는
    자동 주차 방법.
  4. 제 2 항 또는 제 3 항에 있어서,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들 중에 저장된 특징 디스크립터의 수는 삭제된 특징 디스크립터의 수와 같거나 그보다 작은 것을 특징으로 하는
    자동 주차 방법.
  5. 제 2 항 또는 제 3 항에 있어서,
    상기 환경의 탐지된 특징들의 특징 디스크립터와 상기 디지털 맵에 저장된 특징 디스크립터와의 일치 횟수가 사전 규정된 임계값보다 작은 경우, 상기 디지털 맵에 저장된 궤적(7) 및 모든 특징 디스크립터를 삭제하고 훈련 단계를 촉발하는 것을 특징으로 하는
    자동 주차 방법.
  6. 삭제
  7. 제 1 항에 있어서,
    - 소정 특징을 백본 특징(backbone feature)으로서 정의하는 단계― 이 특징의 특징 디스크립터는, 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 이 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하는 경우, 및 이 특징 디스크립터와 관련된 셀에서의 일치가 사전 규정된 임계값을 초과하는 경우에는 상기 디지털 맵에서 삭제될 수 없음(백본 특징들의 그룹이 고정됨) ―를 특징으로 하는
    자동 주차 방법.
  8. 제 1 항에 있어서,
    - 각각의 셀에서의 일치에 따라 셀들을 각각 가중하는 단계, 및
    - 상기 셀들의 가중치의 편차가 사전 규정된 임계값보다 작은 것을 식별함으로써, 상기 방법이 재연 단계를 확고하게 수행할 정도로 충분히 성숙한 시간을 식별하는 단계를 특징으로 하는
    자동 주차 방법.
  9. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 디지털 맵은 연속적인 시점들(points in time)과 관련된 다수의 프레임으로 구성되며, 상기 프레임은 운전된 궤적(7)의 상기 환경의 2차원 디지털 표현인 것을 특징으로 하는
    자동 주차 방법.
  10. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 차량(1)의 환경의 특징들의 탐지된 정보는 시각 데이터, 초음파 데이터 및/또는 라이다(LIDAR) 데이터로 표현되는 것을 특징으로 하는
    자동 주차 방법.
  11. 차량(1)을 주차 구획(3)에 자동으로 주차하기 위한 차량(1)의 자동 주차 시스템을 위한 센서 장치(2)로서, 상기 센서 장치는 하기의 단계들,
    - 훈련 단계에서 상기 차량(1)을 주차 구획(3) 내로 수동으로 운전하는 단계, 및 그 후에
    - 재연 단계에서 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계를 포함하는 방법을 위해 구성되고,
    상기 차량(1)을 주차 구획(3) 내로 수동으로 운전하는 단계는 하기의 하위 단계들,
    - 운전된 궤적(7)에 대응하는 상기 차량(1)의 환경의 특징들의 정보를 탐지하는 단계,
    - 상기 운전된 궤적(7)을 상기 환경의 디지털 맵에 저장하는 단계, 및
    - 상기 환경의 탐지된 특징들의 특징 디스크립터를 상기 디지털 맵에 저장하는 단계를 포함하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계는 하기의 하위 단계들,
    - 상기 운전된 궤적(7)에 대응하는 상기 차량(1)의 환경의 특징들의 정보를 탐지하는 단계,
    - 상기 환경의 탐지된 특징들의 특징 디스크립터를 상기 디지털 맵에 저장된 특징 디스크립터와 매칭하는 단계, 및
    - 저장된 궤적(7)을 따라 상기 차량(1)을 주차 구획(3) 내로 조종하기 위해 상기 디지털 맵에 저장된 궤적(7)에 대해 상기 차량(1)을 재배치하는 단계를 포함하는, 센서 장치(2)에 있어서,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계를 복수회 반복하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
    - 각각의 특징 디스크립터에 대해 상기 디지털 맵에 저장된 특징 디스크립터와 상기 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및
    - 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 소정 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 상기 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하며,
    상기 디지털 맵은 각각의 특징 디스크립터가 공간 그리드(spatial grid)의 셀과 관련되도록 다수의 셀을 갖는 공간 그리드를 포함하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
    - 상기 공간 그리드의 각각의 셀에 대해 상기 디지털 맵에 저장된 특징 디스크립터와 상기 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및
    - 소정 특징 디스크립터와 관련된 셀에서의 일치가 사전 규정된 임계값을 초과하지 않은 경우에만, 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 이 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 상기 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하는 것을 특징으로 하는
    센서 장치.
  12. 비일시적 컴퓨터 판독 가능 매체로서, 상기 매체에는, 프로세서에서 실행될 때, 차량(1)을 주차 구획(3)에 자동으로 주차하기 위한 차량(1)의 자동 주차 시스템을 유도하여,
    - 훈련 단계에서 상기 차량(1)을 주차 구획(3) 내로 수동으로 운전하는 단계, 및 그 후에
    - 재연 단계에서 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계를 수행하는 명령들이 저장되어 있고,
    상기 차량(1)을 주차 구획(3) 내로 수동으로 운전하는 단계는 하기의 하위 단계들,
    - 운전된 궤적(7)에 대응하는 상기 차량(1)의 환경의 특징들의 정보를 탐지하는 단계,
    - 상기 운전된 궤적(7)을 상기 환경의 디지털 맵에 저장하는 단계, 및
    - 상기 환경의 탐지된 특징들의 특징 디스크립터를 상기 디지털 맵에 저장하는 단계를 포함하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계는 하기의 하위 단계들,
    - 상기 운전된 궤적(7)에 대응하는 상기 차량(1)의 환경의 특징들의 정보를 탐지하는 단계,
    - 상기 환경의 탐지된 특징들의 특징 디스크립터를 상기 디지털 맵에 저장된 특징 디스크립터와 매칭하는 단계, 및
    - 저장된 궤적(7)을 따라 상기 차량(1)을 주차 구획(3) 내로 조종하기 위해 상기 디지털 맵에 저장된 궤적(7)에 대해 상기 차량(1)을 재배치하는 단계를 포함하는, 비일시적 컴퓨터 판독 가능 매체에 있어서,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계를 복수회 반복하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
    - 각각의 특징 디스크립터에 대해 상기 디지털 맵에 저장된 특징 디스크립터와 상기 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및
    - 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 소정 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 상기 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하며,
    상기 디지털 맵은 각각의 특징 디스크립터가 공간 그리드(spatial grid)의 셀과 관련되도록 다수의 셀을 갖는 공간 그리드를 포함하고,
    상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계들은 또한 각각 하기의 하위 단계들,
    - 상기 공간 그리드의 각각의 셀에 대해 상기 디지털 맵에 저장된 특징 디스크립터와 상기 환경의 탐지된 특징들의 특징 디스크립터와의 일치를 카운트하는 단계, 및
    - 소정 특징 디스크립터와 관련된 셀에서의 일치가 사전 규정된 임계값을 초과하지 않은 경우에만, 상기 차량(1)을 주차 구획(3) 내로 자동으로 운전하는 단계의 사전 규정된 횟수의 반복 이후에 이 특징 디스크립터에 대한 일치 횟수가 사전 규정된 임계값을 초과하지 않은 경우, 상기 디지털 맵에 저장된 이 특징 디스크립터를 삭제하는 단계를 포함하는 것을 특징으로 하는
    비일시적 컴퓨터 판독 가능 매체.
KR1020207013317A 2017-10-13 2018-10-12 차량을 주차 구획에 자동으로 주차하는 것 KR102335309B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102017123848.4 2017-10-13
DE102017123848.4A DE102017123848A1 (de) 2017-10-13 2017-10-13 Automatisches Parken eines Fahrzeugs auf einem Parkplatz
PCT/EP2018/077881 WO2019073038A1 (en) 2017-10-13 2018-10-12 AUTOMATIC PARKING OF A VEHICLE IN A PARKING PLACE

Publications (2)

Publication Number Publication Date
KR20200069334A KR20200069334A (ko) 2020-06-16
KR102335309B1 true KR102335309B1 (ko) 2021-12-08

Family

ID=64270791

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207013317A KR102335309B1 (ko) 2017-10-13 2018-10-12 차량을 주차 구획에 자동으로 주차하는 것

Country Status (7)

Country Link
US (1) US11724742B2 (ko)
EP (1) EP3694768B1 (ko)
JP (1) JP7096331B2 (ko)
KR (1) KR102335309B1 (ko)
CN (1) CN111344216B (ko)
DE (1) DE102017123848A1 (ko)
WO (1) WO2019073038A1 (ko)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7160014B2 (ja) * 2019-10-11 2022-10-25 トヨタ自動車株式会社 駐車支援装置
DE102020205549A1 (de) * 2020-04-30 2021-11-04 Volkswagen Aktiengesellschaft Verfahren zum Betrieb eines Transportmittel-Assistenz- oder Steuerungssystems
US11892857B2 (en) * 2020-06-05 2024-02-06 Ghost Autonomy Inc. Distributed data sampling
CN113776544B (zh) * 2020-06-10 2024-07-09 杭州海康威视数字技术股份有限公司 一种点云地图更新方法、装置、电子设备及定位系统
US20220198107A1 (en) * 2020-12-23 2022-06-23 Waymo Llc Simulations for evaluating driving behaviors of autonomous vehicles
DE102021107523A1 (de) * 2021-03-25 2022-09-29 Valeo Schalter Und Sensoren Gmbh Verfahren zum betreiben eines parkassistenzsystems, computerprogrammprodukt, parkassistenzsystem sowie fahrzeug
CN113104029B (zh) * 2021-05-19 2023-10-31 广州小鹏汽车科技有限公司 一种基于自动驾驶的交互方法和装置
CN113212422A (zh) * 2021-05-19 2021-08-06 广州小鹏汽车科技有限公司 一种基于自动驾驶的交互方法和装置
CN113525352B (zh) * 2021-06-21 2022-12-02 上汽通用五菱汽车股份有限公司 车辆的泊车方法、车辆及计算机可读存储介质
KR102478202B1 (ko) * 2021-07-29 2022-12-15 세종대학교산학협력단 자율지능이동체를 위한 지역별 다중 해상도 특징 추출을 사용한 딥러닝 기반 주차구획 검출 방법 및 장치
DE102021124404B3 (de) 2021-09-21 2023-01-12 Cariad Se Verfahren und Vorrichtung zum Ermitteln eines Gütewerts eines Parkraums
GB2617838B (en) * 2022-04-19 2024-04-10 Aptiv Tech Ltd Method of determining parking area layout
DE102022113191A1 (de) * 2022-05-25 2023-11-30 Bayerische Motoren Werke Aktiengesellschaft Trainingsverfahren für ein fahrassistenzsystem zur automatisierten querführung eines kraftfahrzeugs
JP2024064411A (ja) * 2022-10-28 2024-05-14 本田技研工業株式会社 移動体制御装置、移動体制御方法、及び移動体制御プログラム
DE102022132204A1 (de) 2022-12-05 2024-06-06 Connaught Electronics Ltd. Erzeugen oder Aktualisieren einer digitalen Repräsentation einer Trajektorie, Selbstlokalisierung eines Ego-Fahrzeugs und wenigstens teilweise automatisches Führen eines Ego-Fahrzeugs
DE102023103234A1 (de) 2023-02-10 2024-08-14 Connaught Electronics Ltd. Vorhersage eines Bilddeskriptors eines Kamerabilds zum Führen eines Fahrzeugs

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005091071A (ja) 2003-09-16 2005-04-07 Denso Corp 道路情報学習システムおよび道路情報学習方法
JP2009213400A (ja) 2008-03-11 2009-09-24 Yanmar Co Ltd 不整地用走行車両
DE102011107974A1 (de) * 2011-07-16 2013-01-17 Valeo Schalter Und Sensoren Gmbh Verfahren zum Rangieren eines Fahrzeugs in einem Umfeld sowie Rangierassistenzsystem für ein Fahrzeug
JP2013530867A (ja) 2010-06-09 2013-08-01 ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー 駐車スペースへの駐車時における自動車運転者支援方法、運転者支援装置、および自動車
JP2016031564A (ja) 2014-07-25 2016-03-07 株式会社デンソー 歩行者検出装置および歩行者検出方法
DE102015014614A1 (de) * 2015-11-12 2016-05-12 Daimler Ag Verfahren zur Durchführung einer autonomen Fahrt eines Fahrzeuges
JP2016101811A (ja) 2014-11-27 2016-06-02 いすゞ自動車株式会社 車両の自動走行制御装置及び車両の自動走行方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5057184B2 (ja) * 2010-03-31 2012-10-24 アイシン・エィ・ダブリュ株式会社 画像処理システム及び車両制御システム
JP5187369B2 (ja) * 2010-09-24 2013-04-24 株式会社デンソー 車両用の後退駐車支援装置および後退駐車支援装置用のプログラム
KR101877570B1 (ko) * 2012-04-04 2018-07-11 현대자동차주식회사 Ａｖ 영상 기반의 주차위치 설정 장치 및 그 방법
DE102013003117A1 (de) * 2013-02-25 2013-08-29 Daimler Ag Verfahren zur Selbstlokalisation eines Fahrzeugs und zur Detektion von Objekten in einer Umgebung des Fahrzeugs
DE102013015348A1 (de) * 2013-09-17 2014-04-10 Daimler Ag Verfahren und Vorrichtung zum Betrieb eines Fahrzeugs
US20190016331A1 (en) * 2017-07-14 2019-01-17 Nio Usa, Inc. Programming complex parking maneuvers for driverless vehicles

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005091071A (ja) 2003-09-16 2005-04-07 Denso Corp 道路情報学習システムおよび道路情報学習方法
JP2009213400A (ja) 2008-03-11 2009-09-24 Yanmar Co Ltd 不整地用走行車両
JP2013530867A (ja) 2010-06-09 2013-08-01 ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー 駐車スペースへの駐車時における自動車運転者支援方法、運転者支援装置、および自動車
DE102011107974A1 (de) * 2011-07-16 2013-01-17 Valeo Schalter Und Sensoren Gmbh Verfahren zum Rangieren eines Fahrzeugs in einem Umfeld sowie Rangierassistenzsystem für ein Fahrzeug
JP2016031564A (ja) 2014-07-25 2016-03-07 株式会社デンソー 歩行者検出装置および歩行者検出方法
JP2016101811A (ja) 2014-11-27 2016-06-02 いすゞ自動車株式会社 車両の自動走行制御装置及び車両の自動走行方法
DE102015014614A1 (de) * 2015-11-12 2016-05-12 Daimler Ag Verfahren zur Durchführung einer autonomen Fahrt eines Fahrzeuges

Also Published As

Publication number Publication date
DE102017123848A1 (de) 2019-04-18
CN111344216A (zh) 2020-06-26
US20200339195A1 (en) 2020-10-29
EP3694768B1 (en) 2023-01-18
US11724742B2 (en) 2023-08-15
CN111344216B (zh) 2022-08-30
JP2020537610A (ja) 2020-12-24
KR20200069334A (ko) 2020-06-16
JP7096331B2 (ja) 2022-07-05
WO2019073038A1 (en) 2019-04-18
EP3694768A1 (en) 2020-08-19

Similar Documents

Publication Publication Date Title
KR102335309B1 (ko) 차량을 주차 구획에 자동으로 주차하는 것
CN111231945B (zh) 自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车
EP4023517A1 (en) Automatic parking control method and apparatus
KR102373430B1 (ko) 자율 주행 차량의 사용자에게 캘리브레이션된 맞춤형 및 적응형 딥러닝 모델을 제공하는 방법 및 장치
WO2019047596A1 (zh) 一种用于驾驶模式切换的方法和装置
JP2019069758A (ja) キーフレームベースの自律走行車
US8930065B2 (en) Faulty cart wheel detection
WO2020147493A1 (zh) 车辆驾驶模式切换的处理方法、车辆及服务器
CN108482384A (zh) 一种车辆辅助驾驶设备、系统和方法
US10242575B1 (en) Marked parking space identification system and method thereof
JP6418574B2 (ja) 危険度推定装置、危険度推定方法及び危険度推定用コンピュータプログラム
CN111775938B (zh) 一种变道路径规划方法、装置及系统
CN111301404B (zh) 车辆的控制方法及装置、存储介质及处理器
CN111242974B (zh) 一种基于孪生网络和反向传播的车辆实时跟踪方法
US20150183465A1 (en) Vehicle assistance device and method
CN110304051B (zh) 自动泊车推荐方法、电子设备及汽车
CN113799770B (zh) 一种基于自动驾驶的数据处理方法和装置
CN110271538B (zh) 自动泊车切换方法、电子设备及汽车
CN105117096A (zh) 一种基于图像识别的反跟踪方法及装置
CN110843767A (zh) 一种基于样条理论的自动入库泊车方法及系统
JP7373448B2 (ja) 自己位置推定方法および自己位置推定装置
JP2020119526A (ja) 動力車両のドライバーアシストシステムまたは運転システムのアシスト機能または自動運転機能のための主要対象物選定
CN106371437B (zh) 一种平衡车在狭窄空间的自动驻车方法和装置
CN110287803A (zh) 一种轨迹路标的识别方法及系统
CN115509263B (zh) 储能设备跟随控制方法、装置、储能设备和可读存储介质

Legal Events

Date Code Title Description
AMND Amendment
E902 Notification of reason for refusal
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant