KR102573303B1 - 자율 주행 방법 및 장치 - Google Patents

자율 주행 방법 및 장치 Download PDF

Info

Publication number
KR102573303B1
KR102573303B1 KR1020160112446A KR20160112446A KR102573303B1 KR 102573303 B1 KR102573303 B1 KR 102573303B1 KR 1020160112446 A KR1020160112446 A KR 1020160112446A KR 20160112446 A KR20160112446 A KR 20160112446A KR 102573303 B1 KR102573303 B1 KR 102573303B1
Authority
KR
South Korea
Prior art keywords
target vehicle
vehicle
risk
appearance
autonomous driving
Prior art date
Application number
KR1020160112446A
Other languages
English (en)
Other versions
KR20180025587A (ko
Inventor
현윤석
Original Assignee
삼성전자 주식회사
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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to KR1020160112446A priority Critical patent/KR102573303B1/ko
Priority to US15/493,398 priority patent/US10762798B2/en
Publication of KR20180025587A publication Critical patent/KR20180025587A/ko
Application granted granted Critical
Publication of KR102573303B1 publication Critical patent/KR102573303B1/ko

Links

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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G7/00—Traffic control systems for simultaneous control of two or more different kinds of craft
    • G08G7/02—Anti-collision systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • 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
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • B60W40/10—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 vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W50/0097—Predicting future 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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/12—Trucks; Load vehicles
    • 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
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/34—Compact city vehicles
    • 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
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/36—Cycles; Motorcycles; Scooters
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4045—Intention, e.g. lane change or imminent movement
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4046—Behavior, e.g. aggressive or erratic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/408—Traffic behavior, e.g. swarm
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • 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
    • 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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision

Abstract

자율 주행 방법 및 장치가 개시된다. 일실시예에 따른 자율 주행 방법은 타겟 차량의 주행 특성 및 외관 특성 중 적어도 하나에 기초하여, 타겟 차량의 위험도를 판단하고, 판단된 위험도에 기초하여, 호스트 차량을 제어할 수 있다.

Description

자율 주행 방법 및 장치{AUTONOMOUS DRIVING METHOD AND APPARATUS}
아래 실시예들은 자율 주행 차량을 제어하는 방법 및 장치에 관한 것이다.
자율 주행 기술이 적용된 호스트 차량은 주변 차량의 경로를 예측하고, 예측된 경로와 호스트 차량 및 주변 차량 간의 상대적인 움직임을 이용하여 충돌의 가능성을 판단한다. 호스트 차량은 주변 차량과의 충돌의 가능성에 기반하여 주행 경로를 제어할 수 있다. 다만, 주변 차량이 위험한 운전을 하더라도, 호스트 차량과 주변 차량의 예상 경로들에 따라 충돌의 가능성이 없다고 판단된다면, 호스트 차량은 위험한 운전을 하는 주변 차량에 의한 잠재적인 위험 가능성에 대비하기 어렵다. 특히, 자율 주행 차량의 경우 운전자가 도로 상황을 주시하고 있지 않기 때문에, 호스트 차량은 주변 차량들 중에서 어떤 차량이 위험한지 여부를 판단할 필요가 있다.
일실시예에 따른 자율 주행 방법은 타겟 차량의 주행 특성 및 상기 타겟 차량의 외관 특성 중 적어도 하나에 기초하여, 상기 타겟 차량의 위험도를 판단하는 단계; 및 상기 위험도에 기초하여, 호스트 차량(Host Vehicle)을 제어하는 단계를 포함한다.
일실시예에 따른 상기 주행 특성은 상기 타겟 차량의 속력과 관련된 특성을 포함할 수 있다.
일실시예에 따른 상기 타겟 차량의 속력과 관련된 특성은 상기 타겟 차량의 속력; 상기 타겟 차량의 상기 호스트 차량과의 상대 속도; 및 상기 타겟 차량의 속력과 상기 타겟 차량의 적어도 하나의 주변 차량의 평균 속력의 차이 중 적어도 하나를 포함하고, 상기 위험도를 판단하는 단계는 상기 타겟 차량의 속력, 상기 상대 속도 및 상기 차이 중 적어도 하나가 임계값을 초과하는지 여부에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 주행 특성은 상기 타겟 차량의 속력의 변화량들을 포함하고, 상기 위험도를 판단하는 단계는 미리 정의된 시간 동안 상기 변화량들이 임계값을 초과하는 횟수가 미리 정의된 수를 초과하는지 여부에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 주행 특성은 상기 타겟 차량 및 상기 타겟 차량의 앞 차량 간의 간격을 포함하고, 상기 위험도를 판단하는 단계는 상기 간격이 임계값보다 작은지 여부에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 주행 특성은 미리 정의된 시간 동안 상기 타겟 차량의 차선 변경 횟수를 포함하고, 상기 위험도를 판단하는 단계는 상기 차선 변경 횟수가 임계값을 초과하지 여부에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 외관 특성은 상기 타겟 차량의 부품의 외관을 포함하고, 상기 위험도를 판단하는 단계는 상기 타겟 차량의 차종에 기초하여, 상기 부품에 대응하는 표준 영상을 획득하는 단계; 상기 부품의 외관 및 상기 표준 영상을 비교하여, 상기 부품의 안정성을 측정하는 단계; 및 상기 부품의 안정성이 임계값보다 작은지 여부에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 외관 특성은 상기 타겟 차량에 적재된 화물의 외관을 포함하고, 상기 위험도를 판단하는 단계는 상기 화물의 외관에 기초하여 상기 화물의 낙하 위험도를 측정하는 단계; 및 상기 낙하 위험도가 임계값을 초과하는지 여부에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 낙하 위험도를 획득하는 단계는 상기 화물의 외관에 기초하여 상기 타겟 차량의 무게 중심을 추출하는 단계; 상기 타겟 차량의 차종에 기초하여, 상기 타겟 차량에 대응하는 표준 무게 중심을 획득하는 단계; 및 상기 무게 중심 및 상기 표준 무게 중심 간의 차이에 기초하여, 상기 낙하 위험도를 생성하는 단계를 포함할 수 있다.
일실시예에 따른 상기 외관 특성은 상기 타겟 차량의 전체 외관을 포함하고, 상기 위험도를 판단하는 단계는 상기 타겟 차량의 차종에 기초하여, 상기 전체 외관에 대응하는 표준 영상을 획득하는 단계; 상기 전체 외관 및 상기 표준 영상을 비교하여, 상기 전체 외관의 훼손도를 측정하는 단계; 및 상기 훼손도가 임계값을 초과하는지 여부에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 외관 특성은 상기 타겟 차량의 차종을 포함하고, 상기 위험도를 판단하는 단계는 상기 차종의 사고 발생률 및 차량 생산 년도에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 위험도를 판단하는 단계는 상기 주행 특성 및 상기 외관 특성 중 적어도 하나에 기초하여, 특징 벡터를 생성하는 단계; 상기 특징 벡터를 뉴럴 네트워크로 입력하는 단계; 및 상기 뉴럴 네트워크로부터 출력된 출력 벡터에 기초하여, 상기 위험도를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 호스트 차량을 제어하는 단계는 상기 위험도에 따라, 상기 호스트 차량의 속력을 조절하는 단계; 및 상기 위험도에 따라, 상기 타겟 차량의 차선을 기준으로 상기 호스트 차량의 차선을 변경하는 단계를 포함할 수 있다.
일실시예에 따른 자율 주행 방법은 상기 타겟 차량의 외관 특성에 기초하여, 상기 타겟 차량의 식별자를 생성하는 단계; 및 상기 식별자, 상기 주행 특성, 상기 외관 특성 및 상기 위험도 중 적어도 하나를 상기 호스트 차량의 주변 차량으로 전송하는 단계를 더 포함하고, 상기 식별자는 상기 타겟 차량의 번호판, 차종 및 색상 중 적어도 하나를 포함할 수 있다.
일실시예에 따른 자율 주행 방법은 상기 타겟 차량의 외관 특성에 기초하여, 상기 타겟 차량의 식별자를 생성하는 단계; 서버 또는 상기 호스트 차량의 주변 차량으로부터 제2 식별자, 제2 주행 특성, 제2 외관 특성 중 적어도 하나를 수신하는 단계; 및 상기 제2 식별자가 상기 식별자와 같은 경우, 상기 제2 주행 특성 및 상기 제2 외관 특성 중 적어도 하나에 기초하여, 상기 위험도를 갱신하는 단계를 더 포함할 수 있다.
일실시예에 따른 자율 주행 방법은 상기 타겟 차량의 외관 특성에 기초하여, 상기 타겟 차량의 식별자를 생성하는 단계; 기 저장된 복수의 식별자들 중 상기 식별자에 대응하는 제2 위험도를 획득하는 단계; 및 상기 제2 위험도에 기초하여, 상기 위험도를 갱신하는 단계를 더 포함할 수 있다.
일실시예에 따른 자율 주행 방법은 호스트 차량(Host Vehicle)의 위치를 획득하여 서버로 전송하는 단계; 상기 서버로부터 타겟 차량의 위치, 식별자, 주행 특성, 외관 특성 및 위험도 중 적어도 하나를 수신하는 단계; 및 상기 타겟 차량의 위치, 상기 식별자, 상기 주행 특성, 상기 외관 특성 및 상기 위험도 중 적어도 하나에 기초하여, 상기 호스트 차량을 제어하는 단계를 포함하고, 상기 타겟 차량은 상기 호스트 차량의 위치에 기초하여 선택될 수 있다.
일실시예에 따른 자율 주행 방법은 제2 타겟 차량의 외관 특성으로부터 상기 제2 타겟 차량의 제2 식별자를 생성하는 단계; 상기 제2 식별자를 상기 서버로 전송하는 단계; 상기 서버로부터 상기 제2 식별자에 대응하는 제2 주행 특성, 제2 외관 특성 및 제2 위험도 중 적어도 하나를 수신하는 단계; 및 상기 제2 주행 특성, 상기 제2 외관 특성 및 상기 제2 위험도 중 적어도 하나에 기초하여, 상기 호스트 차량을 제어하는 단계를 더 포함할 수 있다.
일실시예에 따른 자율 주행 방법은 상기 타겟 차량의 위치, 상기 식별자, 상기 주행 특성, 상기 외관 특성 및 상기 위험도 중 적어도 하나를 상기 호스트 차량의 주변 차량으로 전송하는 단계를 더 포함할 수 있다.
일실시예에 따른 자율 주행 장치는 타겟 차량의 주행 특성 및 상기 타겟 차량의 외관 특성 중 적어도 하나에 기초하여, 상기 타겟 차량의 위험도를 판단하고, 상기 위험도에 기초하여, 호스트 차량(Host Vehicle)을 제어하는 프로세서를 포함할 수 있다.
도 1은 일실시예에 따른 자율 주행 방법을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 자율 주행 방법을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 자율 주행 방법을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 자율 주행 방법을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 자율 주행 방법을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 자율 주행 방법을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 자율 주행 방법을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 자율 주행 방법을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 자율 주행 장치의 예시도이다.
도 10은 일실시예에 따른 자율 주행 장치의 예시도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 자율 주행 방법을 설명하기 위한 도면이다.
일실시예에 따르면, 자율 주행 장치는 호스트 차량(Host Vehicle)의 자율 주행과 관련된 정보 또는 명령을 수집, 처리, 가공, 저장 또는 전송하거나 자율 주행을 제어하는 장치로, 예를 들어 소프트웨어 모듈, 하드웨어 모듈, 또는 이들의 다양한 조합으로 구현될 수 있다. 일실시예에 따르면, 자율 주행 장치는 호스트 차량에 탑재될 수 있지만 호스트 차량의 외부에서 호스트 차량을 원격으로 제어할 수도 있다.
도 1의 시나리오(100)을 참조하면, 호스트 차량(101)은 자율 주행 장치에 의해 자율 주행 중이고, 자율 주행 장치는 호스트 차량(101)의 주변 차량들(102 및 103)을 감지할 수 있다. 여기서, 호스트 차량은 자율 주행 장치에 의해 제어의 대상이 되는 차량을 의미한다. 호스트 차량의 주변 차량은 호스트 차량의 주변에 위치한 차량으로서, 예를 들면 호스트 차량의 위치에 의해 정의되는 범위 내에 위치한 차량을 포함한다.
일실시예에 따르면, 호스트 차량(101)의 적어도 하나의 센서 또는 카메라는 호스트 차량(101)의 주변 차량들(102 및 103)(예를 들어, 호스트 차량(101)의 앞, 뒤 및 양 옆의 차량들)을 감지할 수 있고, 자율 주행 장치는 센서 또는 카메라로부터 수집한 정보를 이용하여 주변 차량의 주행 특성 또는 외관 특성을 생성하고, 저장할 수 있다. 센서는 가속도 센서, 영상 센서, RADAR(Radio Detecting And Ranging), LiDAR(Light Detection And Ranging), GPS(Global Positioning System) 센서 등을 포함할 수 있다. 여기서, 주행 특성은 차량의 주행과 관련된 특성으로, 예를 들면 차량의 속력, 차선 변경 횟수, 추월 횟수, 차선을 지키는 정도, 교통 법규 준수 여부, 과속 여부 및 앞 차와의 간격 등을 포함한다. 외관 특성은 차량의 외관과 관련된 특성으로, 예를 들면 차량의 부품의 외관의 안정성, 차량 훼손 정도, 차종 및 화물 적재 안정성 등을 포함한다.
자율 주행 장치는 센서 또는 카메라로부터 수집한 정보를 이용하여 주변 차량들(102 및 103) 각각을 식별하고, 주변 차량들(102 및 103)의 속력, 거리, 현재 차선 등을 추적하여 저장할 수 있다. 자율 주행 장치는 주변 차량의 부품의 외관의 영상을 분석하여, 차량 운행에 필수적인 전조등, 사이드 미러, 와이퍼 및 타이어 등의 부품에 이상이 있는지 여부를 인식할 수 있다. 또한, 자율 주행 장치는 주변 차량들 중 화물이 적재된 차량의 영상을 분석하여 적재된 화물이 차량의 높이보다 높이 있거나, 기준치보다 높은 위치에 임계값을 초과하는 양의 화물이 적재되어있는지 여부를 인식하여 외관상 구조의 이상이 있는지 여부를 검출할 수 있다. 또한, 자율 주행 장치는 주변 차량의 전체 외관의 영상을 분석하여, 차종, 차량 모델 및 생산 년도 등을 식별하고, 파손되거나 긁힌 부분들을 검출할 수 있다.
자율 주행 장치는 주변 차량의 외관 특성, 주행 특성, 주변 차량과 관련된 기 저장된 기록들을 이용하여, 주변 차량의 위험도를 판단할 수 있다. 자율 주행 장치는 미리 정의된 변수들 간의 관계 또는 가중치를 주어진 정보들에 적용하여, 주변 차량의 위험도를 생성할 수 있다. 예를 들어, 자율 주행 장치는 주변 차량과 관련된 미리 정의된 기준을 이용하여, 일정 시간 동안 평균 속력이 높거나 급 가속, 감속 횟수가 많은 경우, 주변 차량과 앞차와의 간격이 짧은 경우, 차선 변경 횟수가 많은 경우, 부품이 제대로 설치되어 있지 않거나(사이드 미러가 접혀 있는 등) 파손된 경우, 차량 구조에 비해 적재된 물건이 과도하게 많아 추락의 염려가 있는 경우, 차량의 찌그러짐이 많이 관찰되는 경우, 기존 사고 발생률을 기록한 통계를 반영하여 사고 발생률이 높은 차량 모델인 경우, 생산 년도가 오래된 경우 등을 판단할 수 있고, 판단 결과들에 미리 정의된 가중치들을 반영하여 주변 차량의 위험도를 계산할 수 있다.
도 1의 시나리오(110)을 참조하면, 호스트 차량(101)의 주변 차량들(102 및 103) 중에서, 주변 차량(103)의 위험도가 미리 정의된 기준보다 크다고 판단될 수 있다. 이 경우, 자율 주행 장치는 주변 차량(103)의 위험도에 기초하여, 호스트 차량(101)을 제어할 수 있다. 예를 들면, 자율 주행 장치는 주변 차량(103)을 공격적 성향의 차량으로 분류할 수 있고, 주변 차량(103)이 호스트 차량(101)의 근처로 다가왔을 때 호스트 차량(101)의 속도를 줄일 수 있고, 주변 차량(103)의 차선으로부터 멀리 떨어질 수 있도록 좌측의 차선의 가중치를 높여 경로를 설정할 수 있다. 여기서, 호스트 차량(101)의 근처는 호스트 차량(101)의 위치를 기준으로 주변 차량(103)의 위험도를 반영하여 설정된 공간적인 범위일 수 있다. 자율 주행 장치는 주변 차량(103)의 위험도를 고려하여, 호스트 차량(101)의 주행을 제어함으로써, 주변 차량(103)으로 인해 발생할 수 있는 갑작스러운 사고 위험성에 안전하게 대비할 수 있다.
도 2는 일실시예에 따른 자율 주행 방법을 설명하기 위한 순서도이다.
일실시예에 따른 자율 주행 장치는 타겟 차량의 주행 특성 및 타겟 차량의 외관 특성 중 적어도 하나에 기초하여, 타겟 차량의 위험도를 판단할 수 있다(201). 여기서, 타겟 차량은 위험도의 판단의 타겟이 되는 차량으로서, 예를 들면 호스트 차량의 주변 차량들을 포함한다.
일실시예에 따르면, 타겟 차량의 주행 특성은 타겟 차량의 속력과 관련된 특성을 포함할 수 있다. 예를 들어, 타겟 차량의 속력과 관련된 특성은 타겟 차량의 속력, 호스트 차량과의 상대 속도(타겟 차량의 속도 - 호스트 차량의 속도) 및 적어도 하나의 주변 차량과의 상대 속도를 포함할 수 있다. 여기서, 적어도 하나의 주변 차량은 타겟 차량의 주변에 위치한 차량으로서, 예를 들면, 타겟 차량의 위치에 의해 정의되는 범위 내에 위치한 차량을 포함한다. 자율 주행 장치는 타겟 차량의 속력에 따라 타겟 차량의 위험도를 판단할 수 있는데, 예를 들어 속력의 범위들에 따라 미리 설정된 위험도들에 기초하여, 타겟 차량의 위험도를 타겟 차량의 속력이 속하는 범위에 대응하는 위험도로 갱신할 수 있다. 또는, 자율 주행 장치는 타겟 차량의 속력이 임계값을 초과하는지 여부에 기초하여, 타겟 차량의 위험도를 판단할 수 있다. 자율 주행 장치는 타겟 차량의 속력 및 적어도 하나의 주변 차량의 평균 속력과의 차이에 기초하여, 타겟 차량의 위험도를 판단할 수 있다. 자율 주행 장치는 타겟 차량의 속력 및 적어도 하나의 주변 차량의 속력 사이의 차이가 임계값을 초과하는 경우, 타겟 차량의 위험도를 높일 수 있다. 여기서, 임계값은 미리 정의될 수 있고, 설계 의도에 따라 다양하게 변형되어 적용될 수 있다. 또한, 타겟 차량의 주행 특성은 미리 정의된 시간 동안의 타겟 차량의 평균 속력을 포함할 수 있고, 자율 주행 장치는 타겟 차량의 평균 속력을 임계값과 비교하여, 타겟 차량의 평균 속력이 임계값보다 큰 경우는 타겟 차량이 위험한 차량이고, 타겟 차량의 평균 속력이 임계값보다 작은 경우는 타겟 차량이 위험한 차량이 아닌 것으로 분류하는 방식 등으로 타겟 차량의 위험도를 판단할 수 있다. 자율 주행 장치는 이산적인 값 또는 연속적인 값으로 표현된 위험도의 값을 이용하여 타겟 차량의 위험도를 판단할 수 있다. 다만, 타겟 차량의 위험도를 판단하는 기법은 여기에 제한되지 않고, 다양한 기법이 채용되어 응용될 수 있다.
일실시예에 따르면, 자율 주행 장치는 호스트 차량의 센서 또는 카메라를 이용하여 타겟 차량의 속력과 타겟 차량의 주변 차량의 속력을 센서 또는 카메라로 감지할 수 있다. 자율 주행 장치는 타겟 차량의 속력과 타겟 차량의 주변 차량의 속력을 시간에 따른 그래프로 저장할 수 있다. 자율 주행 장치는 저장된 그래프를 분석하여, 타겟 차량의 속력과 타겟 차량의 주변 차량의 속력의 차이가 임계값을 초과하는 횟수를 미리 정의된 시간 구간 동안 카운트할 수 있고, 카운트된 횟수가 미리 정의된 값을 초과하면 타겟 차량의 위험도를 새로운 값으로 갱신(예를 들어, 위험도 값을 더 크게 갱신)하고, 갱신된 위험도에 기초하여 호스트 차량을 제어할 수 있다.
일실시예에 따르면, 타겟 차량의 주행 특성은 타겟 차량의 속력의 변화량들을 포함할 수 있다. 자율 주행 장치는 미리 정의된 시간 동안 타겟 차량의 속력의 변화량들이 임계값을 초과하는 횟수가 미리 정의된 수를 초과하는지 여부에 기초하여, 타겟 차량의 위험도를 판단할 수 있다. 자율 주행 장치는 호스트 차량의 센서 또는 카메라를 이용하여 타겟 차량의 속력을 감지하고, 감지된 속력을 시간에 따른 그래프로 저장할 수 있다. 자율 주행 장치는 저장된 그래프를 분석하여, 미리 정의된 시간 동안 순간 기울기가 임계값을 초과하는 횟수를 카운트하고, 카운트된 횟수가 미리 정의된 값을 초과하는 경우, 타겟 차량의 위험도를 높일 수 있다. 여기서, 기울기가 임계값을 초과하는 지점은 타겟 차량의 급 가속 또는 급 감속으로 정의될 수 있다.
일실시예에 따르면, 타겟 차량의 주행 특성은 타겟 차량 및 타겟 차량의 앞 차량 간의 간격을 포함한다. 자율 주행 장치는 타겟 차량 및 타겟 차량의 앞 차량 간의 간격이 임계값보다 작은지 여부에 기초하여, 타겟 차량의 위험도를 판단할 수 있다. 자율 주행 장치는 호스트 차량의 센서 또는 카메라를 이용하여 호스트 차량과 호스트 차량의 주변 차량의 상대적인 위치를 감지할 수 있다. 자율 주행 장치는 감지된 상대적인 위치를 이용하여, 타겟 차량과 타겟 차량의 앞 차량 간의 간격을 계산하여 저장할 수 있다. 자율 주행 장치는 타겟 차량과 타겟 차량의 앞 차량 간의 간격이 주변 차량들과 주변 차량들의 앞 차량들 간의 간격들과 비교할 수 있고, 비교 결과를 이용하여 타겟 차량의 위험도를 판단할 수 있다. 예를 들면, 타겟 차량과 타겟 차량의 앞 차량 간의 간격; 및 주변 차량들과 주변 차량들의 앞 차량들 간의 간격들의 평균 또는 중간값 간의 차이가 임계값보다 작은 경우, 자율 주행 장치는 타겟 차량의 위험도를 높일 수 있다. 여기서, 타겟 차량 및 타겟 차량의 앞 차량 간의 위치 관계에 기초하여 위험도를 평가하는 실시예가 설명되었지만, 자율 주행 장치는 타겟 차량과 타겟 차량의 뒷 차량, 옆 차량 각각의 위치 관계에 기초하여 타겟 차량의 위험도를 평가할 수 있다. 또한, 자율 주행 장치는 타겟 차량과 타겟 차량의 주변 차량 간의 위치 관계에 기초하여, 타겟 차량의 위험도를 평가할 수 있고, 여기에는 상술된 기법이 적용될 수 있다.
일실시예에 따르면, 타겟 차량의 주행 특성은 미리 정의된 시간 동안 타겟 차량의 차선 변경 횟수를 포함할 수 있다. 자율 주행 장치는 미리 정의된 시간 동안의 타겟 차량의 차선 변경 횟수가 임계값을 초과하는지 여부에 기초하여, 타겟 차량의 위험도를 판단할 수 있다. 자율 주행 장치는 호스트 차량의 센서 또는 카메라를 이용하여 타겟 차량이 위치한 차선을 인식하여 저장할 수 있다. 자율 주행 장치는 미리 정의된 시간 동안에 인식된 타겟 차량이 위치한 차선들에 기초하여, 차선 변경 횟수를 카운트할 수 있고, 카운트한 횟수를 임계값과 비교할 수 있다.
일실시예에 따르면, 타겟 차량의 주행 특성은 미리 정의된 시간 동안 타겟 차량이 차선을 지키는 시간을 포함할 수 있다. 자율 주행 장치는 호스트 차량의 센서 또는 카메라를 이용하여 미리 정의된 시간 동안에 타겟 차량이 차선을 지키는 시간을 측정하여 저장할 수 있다. 자율 주행 장치는 미리 정의된 시간과 차선을 지키는 시간의 비율이 임계값 보다 작은지 여부에 기초하여, 타겟 차량의 위험도를 판단할 수 있다. 여기서, 차선을 지키는 것은 타겟 차량이 좌우 차선을 밟지 않는 것으로 정의될 수 있고, 좌우 차선 중 어느 한쪽 차선에 미리 정의된 비율을 초과하여 치우치는 것으로 정의될 수도 있다.
일실시예에 따르면, 타겟 차량의 외관 특성은 타겟 차량의 부품의 외관을 포함할 수 있다. 자율 주행 장치는 호스트 차량의 카메라를 이용하여 타겟 차량의 영상을 획득하고, 타겟 차량의 영상으로부터 전조등, 사이드 미러, 와이퍼, 타이어 등의 부품의 외관을 인식할 수 있다. 자율 주행 장치는 인식된 부품의 외관에 기초하여, 부품의 안정성을 측정하고, 측정된 부품의 안정성이 임계값보다 작은지 여부에 기초하여 타겟 차량의 위험도를 판단할 수 있다. 부품의 안정성을 측정하기 위해, 자율 주행 장치는 타겟 차량의 차종에 기초하여, 부품에 대응하는 표준 영상을 획득할 수 있다. 여기서, 표준 영상은 타겟 차량의 차종과 매칭되는 정상적인 부품의 외관을 모델링한 영상이다. 자율 주행 장치는 호스트 차량의 카메라를 통해 인식된 부품의 외관과 표준 영상을 정합하고, 정합하는 정도에 따른 부품의 안정성을 측정할 수 있다.
다른 실시예에 따르면, 자율 주행 장치는 딥 러닝 기반 알고리즘을 이용하여, 부품의 안정성 또는 타겟 차량의 위험도를 측정할 수 있다. 예를 들어, 자율 주행 장치는 정상적인 부품들의 영상들과 비정상적인 부품들의 영상들에 기초하여 학습된 뉴럴 네트워크를 채용할 수 있다. 자율 주행 장치는 타겟 차량의 부품의 외관으로부터 특징 벡터를 생성하고, 생성된 특징 벡터를 미리 학습된 뉴럴 네트워크로 입력하여 출력 벡터를 획득할 수 있다. 자율 주행 장치는 출력 벡터가 표현하는 부품의 안정성 또는 타겟 차량의 위험도를 획득할 수 있다. 여기서, 자율 주행 장치는 부품들의 외관들을 조합하여 특징 벡터를 생성할 수 있고, 생성된 특징 벡터를 뉴럴 네트워크로 입력하여 타겟 차량의 부품들의 종합적인 안정성을 표현하는 출력 벡터를 획득할 수 있다. 또한, 자율 주행 장치는 부품들의 외관들 각각의 특징 벡터를 생성할 수 있고, 생성된 특징 벡터들을 각 부품들에 대응하는 뉴럴 네트워크들로 각각 입력하여 타겟 차량의 부품들 각각의 안정성들을 측정할 수도 있는데, 딥 러닝 기반 알고리즘을 채용하는 방식이나 기법은 여기에 제한되지 않고 다양한 기법들이 응용되어 적용될 수 있다.
일실시예에 따르면, 타겟 차량의 외관 특성은 타겟 차량에 적재된 화물의 외관을 포함할 수 있다. 자율 주행 장치는 호스트 차량의 카메라를 이용하여 타겟 차량의 영상을 획득하고, 타겟 차량의 영상으로부터 타겟 차량에 적재된 화물의 외관을 인식할 수 있다. 자율 주행 장치는 화물의 외관에 기초하여, 화물의 낙하 위험도를 측정하고, 낙하 위험도가 임계값을 초과하는지 여부에 기초하여, 타겟 차량의 위험도를 판단할 수 있다. 화물의 낙하 위험도를 측정하기 위해, 자율 주행 장치는 인식된 영상으로부터 화물이 적재된 타겟 차량의 무게 중심을 추출할 수 있다. 자율 주행 장치는 인식된 영상으로부터 타겟 차량의 차종을 식별하고, 식별된 차종에 기초하여, 타겟 차량에 대응하는 표준 무게 중심을 획득할 수 있다. 자율 주행 장치는 인식된 영상으로부터 추출된 무게 중심과 표준 무게 중심 간의 차이에 기초하여, 화물의 낙하 위험도를 측정할 수 있다. 예를 들면, 자율 주행 장치는 인식된 영상으로부터 추출된 무게 중심이 표준 무게 중심을 기준으로 미리 정의된 범위를 초과하여 벗어난 경우, 화물의 낙하 위험도를 높일 수 있다.
다른 실시예에 따르면, 자율 주행 장치는 딥 러닝 기반 알고리즘을 이용하여, 화물의 낙하 위험도 또는 타겟 차량의 위험도를 측정할 수 있다. 예를 들어, 자율 주행 장치는 정상적인 차량들의 영상들과 낙하 위험도가 높도록 화물이 적재된 차량들의 영상들에 기초하여 학습된 뉴럴 네트워크를 채용할 수 있다. 여기서, 뉴럴 네트워크는 차량의 차종 별로 학습될 수도 있고, 차종과 무관하게 학습될 수도 있다. 자율 주행 장치는 화물이 적재된 타겟 차량의 영상으로부터 특징 벡터를 생성하고, 생성된 특징 벡터를 미리 학습된 뉴럴 네트워크로 입력하여 출력 벡터를 획득할 수 있다. 자율 주행 장치는 출력 벡터가 표현하는 낙하 위험도 또는 타겟 차량의 위험도를 획득할 수 있다.
일실시예에 따르면, 타겟 차량의 외관 특성은 타겟 차량의 전체 외관을 포함할 수 있다. 자율 주행 장치는 호스트 차량의 카메라를 이용하여 타겟 차량의 영상을 획득하고, 타겟 차량의 영상으로부터 타겟 차량의 전체 외관을 인식할 수 있다. 여기서, 타겟 차량의 전체 외관은 시각적으로 확인할 수 있는 타겟 차량의 외형을 의미하며, 타겟 차량의 윤곽 또는 색상을 포함한다. 자율 주행 장치는 타겟 차량의 전체 외관에 기초하여, 전체 외관의 훼손도를 측정하고, 측정된 훼손도가 임계값을 초과하는지 여부에 기초하여, 타겟 차량의 위험도를 판단할 수 있다. 타겟 차량의 전체 외관의 훼손도를 측정하기 위해, 자율 주행 장치는 인식된 영상으로부터 타겟 차량의 차종을 식별하고, 식별된 차종에 기초하여, 타겟 차량의 전체 외관에 대응하는 표준 영상을 획득할 수 있다. 자율 주행 장치는 타겟 차량의 전체 외관 및 표준 영상을 정합하고, 정합하는 정도에 따른 전체 외관의 훼손도를 측정할 수 있다. 예를 들어, 타겟 차량의 전체 외관에 찌그러진 부분이나 부식된 부분이 많은 경우, 자율 주행 장치는 타겟 차량의 전체 외관의 훼손도를 높일 수 있다.
다른 실시예에 따르면, 자율 주행 장치는 딥 러닝 기반 알고리즘을 이용하여, 타겟 차량의 전체 외관의 훼손도 또는 타겟 차량의 위험도를 측정할 수 있다. 예를 들어, 자율 주행 장치는 정상적인 차량들의 전체 외관들의 영상들과 훼손 차량들의 전체 외관들의 영상들에 기초하여 학습된 뉴럴 네트워크를 채용할 수 있다. 여기서, 뉴럴 네트워크는 차량의 차종 별로 학습될 수도 있고, 차종과 무관하게 학습될 수도 있다. 자율 주행 장치는 타겟 차량의 영상으로부터 타겟 차량의 전체 외관을 표현하는 특징 벡터를 생성하고, 생성된 특징 벡터를 미리 학습된 뉴럴 네트워크로 입력하여 출력 벡터를 획득할 수 있다. 자율 주행 장치는 출력 벡터가 표현하는 전체 외관의 훼손도 또는 타겟 차량의 위험도를 획득할 수 있다.
일실시예에 따르면, 타겟 차량의 외관 특성은 타겟 차량의 차종을 포함할 수 있다. 여기서, 차종은 타겟 차량을 식별하는데 활용될 수 있는 차량 모델 및 차량 생산 년도를 포함한다. 자율 주행 장치는 호스트 차량의 센서 또는 카메라를 이용하여 획득된 타겟 차량의 영상으로부터 타겟 차량의 차종을 식별할 수 있다. 자율 주행 장치는 타겟 차량의 차종의 사고 발생률에 기초하여 타겟 차량의 위험도를 판단할 수 있다. 일실시예에 따르면, 자율 주행 장치는 타겟 차량의 차종의 사고 발생률과 관련된 통계를 이용하여 타겟 차량의 위험도를 계산할 수 있다. 자율 주행 장치는 메모리 또는 서버로부터 사고 발생률을 획득할 수 있는데, 예를 들어 수정 및 편집이 자유로운 개방형 클라우드, 접근 권한이 제한된 클라우드, 보험회사 또는 차량제조사의 서버로부터 식별된 차종에 대응하는 사고 발생률을 획득할 수 있다. 자율 주행 장치는 타겟 차량의 영상으로부터 식별된 차량 생산 년도에 기초하여, 타겟 차량의 위험도를 판단할 수 있는데, 예를 들어 차량 생산 년도가 미리 정의된 기준보다 오래된 경우, 타겟 차량의 위험도를 높일 수 있다.
일실시예에 따른 자율 주행 장치는 딥 러닝 기반 알고리즘을 이용하여, 타겟 차량의 위험도를 측정할 수 있다. 예를 들어, 자율 주행 장치는 위험도가 높은 주행 특성들 및 외관 특성들과 위험도가 낮은 주행 특성들 및 외관 특성들에 기초하여 학습된 뉴럴 네트워크를 채용할 수 있다. 여기서, 뉴럴 네트워크는 차량의 차종 별로 학습될 수도 있고, 차종과 무관하게 학습될 수도 있다. 자율 주행 장치는 타겟 차량의 주행 특성 및 외관 특성 중 적어도 하나에 기초하여, 타겟 차량의 특성을 표현하는 특징 벡터를 생성할 수 있다. 자율 주행 장치는 생성된 특징 벡터를 미리 학습된 뉴럴 네트워크로 입력하여 출력 벡터를 획득할 수 있다. 자율 주행 장치는 출력 벡터가 표현하는 타겟 차량의 위험도를 획득할 수 있다.
일실시예에 따르면, 타겟 차량의 위험도는 스코어로 측정될 수 있는데, 예를 들어 1점을 만점으로 하는 실수 값으로 측정되거나 이산적인 레벨로 측정될 수도 있다.
일실시예에 따른 자율 주행 장치는 위험도에 기초하여, 호스트 차량을 제어할 수 있다(202). 자율 주행 장치는 타겟 차량의 위험도에 따라 호스트 차량의 속력, 방향, 차선을 제어할 수 있다. 자율 주행 장치는 타겟 차량의 위험도에 따라 호스트 차량의 속력을 조절할 수 있는데, 예를 들어 점수로 표현되는 위험도에 따라 호스트 차량의 원래 속력의 일정 비율 이하로 호스트 차량의 속력을 줄일 수 있다. 또는, 자율 주행 장치는 호스트 차량의 주변 차량들의 위험도들을 점수들로 측정할 수 있고, 주변 차량들의 위험도들의 점수들에 따라 주변 차량들에 가중치들을 부여할 수 있다. 자율 주행 장치는 가중치들이 부여된 주변 차량들에 기초하여, 호스트 차량의 속력을 조절할 수 있는데, 예를 들어 주변 차량들로부터 호스트 차량으로 향하는 방향들과 가중치들을 고려하여, 호스트 차량의 속력을 조절할 수 있다.
자율 주행 장치는 타겟 차량의 위험도에 따라, 타겟 차량의 차선을 기준으로 호스트 차량의 차선을 변경할 수 있다. 예를 들어, 자율 주행 장치는 점수로 표현되는 위험도에 따라 호스트 차량의 차선이 타겟 차량의 차선으로부터 멀어지도록 제어할 수 있다. 또한, 자율 주행 장치는 호스트 차량의 주변 차량들의 위험도들의 점수들에 따라 주변 차량들에 가중치들을 부여하고, 가중치들이 부여된 주변 차량들이 위치한 차선들, 호스트 차량과 주변 차량들 간의 위치관계들 및 가중치들에 기초하여, 호스트 차량의 차선 또는 이동 경로를 설정할 수 있다.
도 3은 일실시예에 따른 자율 주행 방법을 설명하기 위한 도면이다.
도 3의 시나리오(310)을 참조하면, 호스트 차량(301)의 자율 주행 장치는 호스트 차량(301)의 위치에 기초하여 정의되는 주변 범위(304) 내에 있는 주변 차량들(302 및 303)의 위험도들을 측정할 수 있다. 다만, 호스트 차량(301)의 자율 주행 장치는 한정된 범위(304)에서 한정된 시간 동안에서의 주변 차량들(302 및 303)의 위험도들만을 측정할 수 있는 한계가 있다. 만약, 주변 차량들(302 및 303) 중 타겟 차량(303)의 위험도가 높다고 판단되는 경우, 자율 주행 장치는 타겟 차량(303)의 식별자를 생성하고, 식별자와 위험도를 매핑시켜 저장할 수 있다. 그러나, 타겟 차량(303)이 호스트 차량(301)을 추월하는 경우, 호스트 차량(301)의 자율 주행 장치는 타겟 차량(303)과 관련하여 분석된 정보를 활용하지 못할 수 있다.
이 때, 도 3의 시나리오(320)을 참조하면, 호스트 차량(301)의 자율 주행 장치는 타겟 차량(303)의 식별자 또는 위험도 등의 타겟 차량(303)과 관련된 정보를 호스트 차량(301)에 앞선 차량(305)으로 전송할 수 있다. 여기서, 정보를 전송하는 방식에는 차량 간에 구축된 근거리 통신 시스템 또는 클라우드 등이 채용될 수 있다. 타겟 차량(303)과 관련된 정보를 수신한 차량(305)의 자율 주행 장치는 수신된 정보를 이용하여 차량(305)의 속력, 차선, 또는 이동 경로를 제어할 수 있다. 일실시예에 따르면, 호스트 차량(301)의 자율 주행 장치는 호스트 차량(301)보다 뒤에 있는 타겟 차량(303)의 식별자 또는 위험도를 획득하고, 획득된 식별자 또는 위험도를 호스트 차량(301)보다 앞에 있는 차량(305)으로 전송할 수 있다. 타겟 차량(303)의 식별자 또는 위험도를 수신한 차량(305)의 자율 주행 장치는 타겟 차량(303)이 다가오는 것을 감지하여, 타겟 차량(303)을 회피하는 방향으로 차량(305)의 이동 경로를 제어할 수 있다.
이러한 정보 공유 시스템은 차량 간의 근거리 통신 시스템으로 구축되거나, 차량의 위치에 기초하여 공유되는 클라우드 시스템으로 구축될 수도 있다. 차량의 위험도는 차량의 번호판, 위치, 차종(차량 모델 및 차량 생산 년도) 및 색상 중 적어도 하나와 결합되어 공유될 수 있다. 일실시예에 따르면, 자율 주행 장치는 호스트 차량의 위치에 따른 주변 차량들의 식별자들 및 위험도들을 실시간으로 수신하고, 수신된 식별자들 및 위험도들에 기초하여, 호스트 차량을 제어할 수 있다. 여기서, 차량의 위치를 획득하는 데에는 예를 들어, GPS 칩 셋이 탑재된 단말들을 이용하는 GPS 측위 방식, 단말이 속한 셀 기지국의 위치로 근사하는 proximity 방식 및 TOA/TDOA(Time Of Arrival/Time Difference Of Arrival) 삼각 측량 측위 방식 및 무선 LAN 환경에서 연결된 WiFi AP(Access Point)의 위치로 근사하는 proximity 방식 등이 이용될 수 있다.
도 4는 일실시예에 따른 자율 주행 방법을 설명하기 위한 순서도이다.
일실시예에 따르면, 자율 주행 장치는 타겟 차량의 외관 특성에 기초하여, 타겟 차량의 식별자를 생성할 수 있다(401). 여기서, 식별자는 타겟 차량의 번호판, 차종 및 색상 중 적어도 하나를 포함한다. 자율 주행 장치는 호스트 차량의 카메라 또는 센서로부터 획득된 타겟 차량의 영상으로부터 타겟 차량의 식별자를 추출할 수 있다.
자율 주행 장치는 타겟 차량의 식별자, 주행 특성, 외관 특성 및 위험도 중 적어도 하나를 호스트 차량의 주변 차량으로 전송할 수 있다(402). 여기서, 주변 차량으로 정보가 전송되는 방식에는, 차량 간의 블루투스, 비콘 방식 또는 적외선 통신 등의 근거리 통신이 적용될 수 있고, 예를 들어 비콘 방식은 저주파 비콘, LED 비콘, 와이파이 비콘, 및 블루투스 비콘 등의 방식을 포함한다. 또는, 호스트 차량의 자율 주행 장치는 호스트 차량의 위치 및 타겟 차량의 위치를 검출하고, 검출된 위치들과 타겟 차량의 식별자, 주행 특성, 외관 특성 및 위험도 중 적어도 하나를 클라우드로 전송하고, 클라우드는 호스트 차량의 위치 및 타겟 차량의 위치에 기반하여, 호스트 차량의 주변 차량으로 타겟 차량의 식별자, 주행 특성, 외관 특성 및 위험도 중 적어도 하나를 전송할 수 있다. 여기서, 클라우드는 접근에 제한이 없는 개방형 네트워크로 구축될 수도 있고, 접근 권한이 제한되어 이씨는 폐쇄형 네트워크로 구축될 수도 있다. 폐쇄형 네트워크로 구축된 클라우드의 경우, 같은 유형의 자율 주행 알고리즘이 채용된 자율 주행 장치만 접근할 수 있거나, 공유되는 정보가 암호화되어 업로드 또는 다운로드되는 방식으로 구현될 수 있는데, 클라우드가 구축되는 실시예는 다양하게 응용되거나 변형될 수 있다.
일실시예에 따르면, 호스트 차량의 자율 주행 장치는 타겟 차량의 외관 특성에 기초하여, 타겟 차량의 식별자를 생성할 수 있고, 서버 또는 호스트 차량의 주변 차량으로부터 제2 식별자, 제2 주행 특성, 제2 외관 특성 중 적어도 하나를 수신할 수 있다. 자율 주행 장치는 생성된 식별자와 수신된 제2 식별자가 같은 경우, 제2 주행 특성 및 제2 외관 특성 중 적어도 하나에 기초하여, 타겟 차량의 위험도를 갱신할 수 있다. 즉, 자율 주행 장치는 호스트 차량의 카메라 또는 센서로부터 획득된 정보와 주변 차량 또는 서버로부터 수신된 정보를 조합하여 타겟 차량의 위험도를 측정하거나 갱신할 수 있다. 여기서, 서버는 클라우드 형태로 구현된 서버를 포함한다.
도 5는 일실시예에 따른 자율 주행 방법을 설명하기 위한 도면이다.
도 5를 참조하면, 호스트 차량(501)의 자율 주행 장치는 호스트 차량(501)의 주변 차량들(502 및 503)의 교통 법규 준수 여부를 판단할 수 있다. 호스트 차량(501)의 자율 주행 장치는 위에서 설명된 실시예들을 적용하여, 교통 법규 준수 여부를 판단할 수 있다. 일실시예에 따르면, 호스트 차량(501)의 자율 주행 장치는 주변 차량(503)의 위치에서 적용되는 교통 법규에 기초하여, 주변 차량(503)의 속도가 제한 속도를 미리 정의된 비율 이상으로 초과하는지 여부를 판단할 수 있다. 자율 주행 장치는 교통 법규를 위반한 주변 차량(503)의 식별자, 위치, 위반 시간 및 속력 등의 기록을 서버로 전송할 수 있다. 여기서 서버는 교통 법규 또는 도로를 관리하는 주체에 의해 운영되는 서버일 수 있다.
도 6은 일실시예에 따른 자율 주행 방법을 설명하기 위한 도면이다.
도 6의 시나리오(600)을 참조하면, 호스트 차량(601)의 자율 주행 장치는 타겟 차량(602)의 위험도를 판단하고, 타겟 차량(602)의 식별자 A와 위험도를 연관시켜 저장할 수 있다. 호스트 차량(601)의 자율 주행 장치는 주변 차량들의 식별자들을 획득하고, 획득된 식별자들 중에서, 미리 저장된 식별자 A와 일치하는 식별자가 있는 경우, 미리 저장된 식별자 A에 대응하는 미리 저장된 위험도를 획득할 수 있다. 도 6의 시나리오(610)을 참조하면, 호스트 차량(601)의 자율 주행 장치는 식별자 A에 대응하는 위험도를 획득하면, 타겟 차량(602)의 위험도에 따라, 호스트 차량(601)을 제어할 수 있다. 즉, 자율 주행 장치는 측정된 위험도를 타겟 차량의 식별자와 매핑시켜 저장해두었다가, 저장된 식별자와 동일한 식별자가 주행 중에 감지되면, 저장된 위험도에 기초하여 호스트 차량을 제어할 수 있다.
도 7은 일실시예에 따른 자율 주행 방법을 설명하기 위한 순서도이다.
자율 주행 장치는 타겟 차량의 외관 특성에 기초하여, 타겟 차량의 식별자를 생성할 수 있다(701). 자율 주행 장치는 기 저장된 복수의 식별자들 중 생성된 식별자에 대응하는 제2 위험도를 획득할 수 있다(702). 여기서, 제2 위험도는 미리 저장된 위험도로서, 자율 주행 장치가 실시간으로 측정한 타겟 차량의 위험도와 구별된다. 자율 주행 장치는 획득된 제2 위험도에 기초하여, 타겟 차량의 위험도를 갱신할 수 있다(703). 자율 주행 장치는 미리 저장된 제2 위험도 및 실시간으로 측정된 위험도에 가중치들을 적용하여, 타겟 차량의 위험도를 갱신할 수 있다.
도 8은 일실시예에 따른 자율 주행 방법을 설명하기 위한 순서도이다.
자율 주행 장치는 호스트 차량의 위치를 획득하여 서버로 전송할 수 있다(801). 여기서, 서버는 위에서 설명한 클라우드로 구축된 서버일 수 있고, 호스트 차량의 위치를 획득하는 방식은 GPS 방식 등이 적용될 수 있다.
자율 주행 장치는 서버로부터 타겟 차량의 위치, 식별자, 주행 특성, 외관 특성 및 위험도 중 적어도 하나를 수신할 수 있다(802). 서버는 호스트 차량의 위치에 기초하여, 호스트 차량의 위치의 주변 차량들의 위험도 등을 데이터베이스로부터 검색할 수 있다. 서버는 호스트 차량의 위치에 기초하여 설정된 범위 내에 있는 주변 차량들 중 타겟 차량을 선택할 수 있다. 서버는 호스트 차량의 위치의 수신에 응답하여, 타겟 차량의 위치, 식별자, 주행 특성, 외관 특성 및 위험도 중 적어도 하나를 호스트 차량의 자율 주행 장치로 전송할 수 있다.
자율 주행 장치는 타겟 차량의 위치, 식별자, 주행 특성, 외관 특성 및 위험도 중 적어도 하나에 기초하여, 호스트 차량을 제어할 수 있다(803). 여기서, 호스트 차량을 제어하는데 채용되는 실시예는 위에서 설명한 내용이 적용될 수 있다.
도 9는 일실시예에 따른 자율 주행 장치의 예시도이다.
도 9를 참조하면, 자율 주행 장치(901)은 프로세서(902) 및 메모리(903)을 포함한다. 메모리(903)은 자율 주행과 관련된 명령들을 처리하기 위한 프로그램이 기록될 수 있고, 도 1 내지 8을 참조하여 설명된 동작들을 실행하기 위한 명령들이 기록될 수 있다. 또한, 메모리(903)은 호스트 차량의 센서 또는 카메라로부터 감지되는 정보를 기록할 수 있고, 프로세서(902)에 의해 생성되는 주행 특성, 외관 특성 및 위험도 중 적어도 하나를 식별자와 연관시켜 기록할 수 있다.
프로세서(902)는 메모리(903)에 기록된 프로그램을 로딩하여 실행할 수 있다. 프로세서(902)는 타겟 차량의 주행 특성 및 타겟 차량의 외관 특성 중 적어도 하나에 기초하여, 타겟 차량의 위험도를 판단하고, 판단된 위험도에 기초하여 호스트 차량을 제어할 수 있는데, 여기서 프로세서(902)의 동작들은 위에서 설명한 실시예들이 적용되므로, 중복되는 내용의 설명은 생략한다.
도 10은 일실시예에 따른 자율 주행 장치의 예시도이다.
자율 주행 장치는 센서(들)(sensor(s))(1001), 추적부(Tracking unit)(1002), 영상 분석부(Image processing unit)(1003), 위험도 판단부(Risk determining unit)(1004), 데이터 통신부(Data communication unit)(1005), 로컬 저장 장치(Local storage device)(1006), 제어부(Control unit)(1007) 및 경로 계획부(Path planning unit)(1008)을 포함한다. 센서(들)(1001)은 카메라, Radar, LiDAR, GPS 및 기타 센서들을 포함하고, 호스트 차량의 주변 객체의 형태와 특징, 움직임을 감지하고, 감지된 정보를 추적부(1002) 및 영상 분석부(1003)로 전달할 수 있다.
추적부(1002)는 차량의 전체 외관, 궤도, 번호판 등을 인식하여, 시간의 흐름에 따라 센서(들)(1001)로부터 획득된 정보를 객체 별로 분류하고, 분류된 객체의 속력을 계산하고, 계산된 속력들을 연속적으로 기록할 수 있다. 추적부(1002)는 호스트 차량의 주변 차량들 각각에 관해, 주변 차량 및 주변 차량의 앞선 차량 간의 거리를 계산하고, 계산된 거리를 기록할 수 있다. 또한, 추적부(1002)는 도로 위의 차선을 인식하고, 주변 차량들이 위치한 차선들을 기록할 수 있다.
영상 분석부(1003)은 센서(들)(1001)로부터 획득된 정보를 이용하여, 주변 차량들 각각의 전체 외관들을 기록할 수 있다. 영상 분석부(1003)은 주변 차량의 영상을 분석하여 차량 운행에 필수적인 전조등이나 사이드미러, 와이퍼, 타이어 등에 문제가 없는지 여부를 판단할 수 있다. 영상 분석부(1003)은 주변 차량의 영상을 분석하여 적재된 화물의 낙하 위험도를 측정할 수 있다. 영상 분석부(1003)은 주변 차량의 영상을 분석하여 주변 차량의 전체 외관의 훼손도를 측정할 수 있다. 영상 분석부(1003)은 주변 차량의 영상을 분석하여 차종(차량 모델 및 차량 생산 년도)를 식별할 수 있다.
위험도 판단부(1004)는 추적부(1002) 및 영상 분석부(1003)에 의해 분석된 정보, 미리 저장된 정보 또는 서버로부터 획득된 정보를 이용하여, 주변 차량의 위험도를 판단할 수 있다. 예를 들어, 다음과 같은 기준에 기초하여, 주변 차량의 위험도의 점수를 계산할 수 있다.
(1) 속력 정보: 특정 시간 동안의 평균 속력, 급 가속, 급 감속 횟수
(2) 위치 정보: 특정 시간 동안의 앞차와의 간격, 차선 변경 횟수
(3) 차량 외관 정보: 전조등, 사이드미러, 와이퍼, 타이어등의 부품 안정성, 적재 안정성, 차량 훼손 정도
(4) 차종 정보: 차량 모델, 차량 생산 년도
여기서, 위험도가 높아지는 경우는 평균 속력이 높거나 급 가속, 감속 횟수가 많은 경우, 앞차와의 간격이 과도하게 짧은 경우, 차선 변경 횟수가 많은 경우, 부품이 제대로 설치되어 있지 않거나 (사이드 미러가 접혀있는 등) 파손된 경우, 차량 구조에 비해 적재한 물건이 과도하여 추락의 염려가 있는 경우, 차량의 찌그러짐이 많이 관찰되는 경우, 기존 사고 발생률을 기록한 통계를 반영하여 사고 발생률이 높은 모델인 경우, 생산 년도가 오래된 경우 등을 포함한다. 각각의 경우들에 가중치들이 적용되어 위험도가 계산될 수 있다.
로컬 저장 장치(1006)는 주변 차량의 식별자와 위험도를 저장할 수 있다. 데이터 통신부(1005)는 로컬 저장 장치(1006)에 저장된 정보를 주변 차량으로 전송할 수 있다. 제어부(1007)는 주변 차량의 위험도에 기초하여, 호스트 차량의 속력과 방향을 결정할 수 있다. 경로 계획부(1008)는 주변 차량의 위험도에 기초하여, 호스트 차량의 이동 경로를 결정할 수 있다. 제어부(1007)는 위험도가 높은 차량이 호스트 차량과 가까이 있는 경우, 갑작스러운 상황에 안전하게 대처할 수 있도록 호스트 차량의 원래 속력의 일정 비율 이하로 호스트 차량의 속력을 줄일 수 있다. 또한, 사고 위험성을 줄이기 위해, 경로 계획부(1008)는 위험도가 높은 차량을 피하는 방향의 경로에 가중치를 높여서 경로를 설정할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (21)

  1. 호스트 차량(Host Vehicle)의 복수 개의 센서 중 적어도 하나의 센서에 기초하여 타겟 차량을 감지하는 단계;
    상기 적어도 하나의 센서에 기초하여 상기 타겟 차량의 외부 특성인 상기 타겟 차량의 외관 특성을 획득하는 단계;
    상기 적어도 하나의 센서에 기초하여 상기 타겟 차량의 주행 특성을 획득하는 단계;
    상기 타겟 차량의 외관 특성과 표준 영상의 비교를 통해 획득된 비교 결과와 상기 타겟 차량의 주행 특성에 기초하여 상기 타겟 차량 및 상기 호스트 차량 간의 충돌 위험도를 판단하는 단계; 및
    상기 충돌 위험도에 기초하여 상기 호스트 차량을 제어하는 단계;를 포함하고,
    상기 타겟 차량 및 상기 호스트 차량 간의 충돌 위험도를 판단하는 단계는, 상기 비교 결과에 기초하여 상기 타겟 차량의 외관의 훼손도를 측정하는 단계를 포함하는,
    자율 주행 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 타겟 차량의 주행 특성은,
    상기 타겟 차량의 속력; 상기 타겟 차량의 상기 호스트 차량과의 상대 속도; 및 상기 타겟 차량의 속력과 상기 타겟 차량의 적어도 하나의 주변 차량의 평균 속력의 차이 중 적어도 하나를 포함하고,
    상기 충돌 위험도를 판단하는 단계는
    상기 타겟 차량의 속력, 상기 상대 속도 및 상기 차이 중 적어도 하나가 임계값을 초과하는지 여부에 기초하여, 상기 충돌 위험도를 판단하는 단계
    를 포함하는,
    자율 주행 방법.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 외관 특성은
    상기 타겟 차량의 부품의 외관을 포함하고,
    상기 충돌 위험도를 판단하는 단계는
    상기 타겟 차량의 차종에 기초하여, 상기 부품에 대응하는 표준 영상을 획득하는 단계;
    상기 부품의 외관 및 상기 표준 영상을 비교하여, 상기 부품의 안정성을 측정하는 단계; 및
    상기 부품의 안정성이 임계값보다 작은지 여부에 기초하여, 상기 충돌 위험도를 판단하는 단계
    를 포함하는,
    자율 주행 방법.
  8. 삭제
  9. 제1항에 있어서,
    상기 외관 특성은,
    상기 타겟 차량에 적재된 화물의 외관을 포함하고,
    상기 충돌 위험도를 판단하는 단계는
    상기 화물의 외관에 기초하여 상기 타겟 차량의 무게 중심을 추출하는 단계;
    상기 타겟 차량의 차종에 기초하여, 상기 타겟 차량에 대응하는 표준 무게 중심을 획득하는 단계;
    상기 무게 중심 및 상기 표준 무게 중심 간의 차이에 기초하여, 낙하 위험도를 생성하는 단계; 및
    상기 낙하 위험도가 임계값을 초과하는지 여부에 기초하여 상기 충돌 위험도를 판단하는 단계
    를 포함하는,
    자율 주행 방법.
  10. 제1항에 있어서,
    상기 외관 특성은
    상기 타겟 차량의 전체 외관을 포함하고,
    상기 충돌 위험도를 판단하는 단계는
    상기 타겟 차량의 차종에 기초하여, 상기 전체 외관에 대응하는 표준 영상을 획득하는 단계;
    상기 전체 외관 및 상기 표준 영상을 비교하여, 상기 전체 외관의 훼손도를 측정하는 단계; 및
    상기 훼손도가 임계값을 초과하는지 여부에 기초하여, 상기 충돌 위험도를 판단하는 단계
    를 포함하는,
    자율 주행 방법.
  11. 제1항에 있어서,
    상기 외관 특성은
    상기 타겟 차량의 차종을 포함하고,
    상기 충돌 위험도를 판단하는 단계는
    상기 차종의 사고 발생률 및 차량 생산 년도에 기초하여, 상기 충돌 위험도를 판단하는 단계
    를 포함하는,
    자율 주행 방법.
  12. 제1항에 있어서,
    상기 충돌 위험도를 판단하는 단계는
    상기 주행 특성 및 상기 외관 특성 중 적어도 하나에 기초하여, 특징 벡터를 생성하는 단계;
    상기 특징 벡터를 뉴럴 네트워크로 입력하는 단계; 및
    상기 뉴럴 네트워크로부터 출력된 출력 벡터에 기초하여, 상기 충돌 위험도를 판단하는 단계
    를 포함하는,
    자율 주행 방법.
  13. 삭제
  14. 제1항에 있어서,
    상기 타겟 차량의 외관 특성에 기초하여, 상기 타겟 차량의 식별자를 생성하는 단계; 및
    상기 식별자, 상기 주행 특성, 상기 외관 특성 및 상기 충돌 위험도 중 적어도 하나를 상기 호스트 차량의 주변 차량으로 전송하는 단계
    를 더 포함하고,
    상기 식별자는 상기 타겟 차량의 번호판, 차종 및 색상 중 적어도 하나를 포함하는,
    자율 주행 방법.
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 하드웨어와 결합되어 제1항, 제3 항, 제7 항, 제9 항 내지 제12항, 및 제14 항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  21. 호스트 차량(Host Vehicle)의 복수 개의 센서 중 적어도 하나의 센서에 기초하여 타겟 차량을 감지하고,
    상기 적어도 하나의 센서에 기초하여 상기 타겟 차량의 외부 특성인 상기 타겟 차량의 외관 특성을 획득하고,
    상기 적어도 하나의 센서에 기초하여 상기 타겟 차량의 주행 특성을 획득하고,
    상기 타겟 차량의 외관 특성과 표준 영상의 비교를 통해 획득된 비교 결과와 상기 타겟 차량의 주행 특성에 기초하여 상기 타겟 차량 및 상기 호스트 차량 간의 충돌 위험도를 판단하고,
    상기 충돌 위험도에 기초하여 상기 호스트 차량을 제어하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 비교 결과에 기초하여 상기 타겟 차량의 외관의 훼손도를 측정하는,
    자율 주행 장치.
KR1020160112446A 2016-09-01 2016-09-01 자율 주행 방법 및 장치 KR102573303B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160112446A KR102573303B1 (ko) 2016-09-01 2016-09-01 자율 주행 방법 및 장치
US15/493,398 US10762798B2 (en) 2016-09-01 2017-04-21 Autonomous driving method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160112446A KR102573303B1 (ko) 2016-09-01 2016-09-01 자율 주행 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20180025587A KR20180025587A (ko) 2018-03-09
KR102573303B1 true KR102573303B1 (ko) 2023-08-31

Family

ID=61243213

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160112446A KR102573303B1 (ko) 2016-09-01 2016-09-01 자율 주행 방법 및 장치

Country Status (2)

Country Link
US (1) US10762798B2 (ko)
KR (1) KR102573303B1 (ko)

Families Citing this family (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180094725A (ko) 2017-02-16 2018-08-24 삼성전자주식회사 자율 주행을 위한 차량 제어 방법, 차량 제어 장치 및 자율 주행을 위한 학습 방법
EP3376249A1 (en) * 2017-03-17 2018-09-19 Veoneer Sweden AB Enhanced object position detection
US10957201B2 (en) * 2017-09-15 2021-03-23 Qualcomm Incorporated System and method for relative positioning based safe autonomous driving
DE102017221286A1 (de) * 2017-11-28 2019-05-29 Audi Ag Verfahren zum Einstellen vollautomatischer Fahrzeugführungsfunktionen in einer vordefinierten Navigationsumgebung und Kraftfahrzeug
JP7040936B2 (ja) * 2017-12-26 2022-03-23 株式会社ゼンリンデータコム 情報収集システムおよび情報収集装置
US11718303B2 (en) * 2018-01-03 2023-08-08 Toyota Research Institute, Inc. Vehicles and methods for building vehicle profiles based on reactions created by surrounding vehicles
US20210316720A1 (en) 2018-01-09 2021-10-14 State Farm Mutual Automobile Insurance Company Vehicle collision alert system and method for directing collision avoidance action
JP7106660B2 (ja) * 2018-02-15 2022-07-26 トヨタ モーター ヨーロッパ 車両のための制御方法、コンピュータプログラム、非一時的コンピュータ読取り可能媒体、および自動化運転システム
US11908581B2 (en) 2018-04-10 2024-02-20 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
US11407410B2 (en) 2018-04-10 2022-08-09 Walter Steven Rosenbaum Method and system for estimating an accident risk of an autonomous vehicle
US11504071B2 (en) 2018-04-10 2022-11-22 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
EP3578433B1 (en) * 2018-04-10 2020-08-12 Walter Steven Rosenbaum Method for estimating an accident risk of an autonomous vehicle
CN108583571A (zh) * 2018-04-28 2018-09-28 深圳市商汤科技有限公司 碰撞控制方法及装置、电子设备和存储介质
KR102569131B1 (ko) * 2018-05-11 2023-08-24 삼성전자주식회사 차량 통신 서비스를 수행하는 장치 및 방법
KR102575717B1 (ko) * 2018-07-26 2023-09-07 현대자동차주식회사 주변차량의 상태정보 안내 장치 및 그 방법
US11186276B2 (en) 2018-07-27 2021-11-30 Baidu Usa Llc Adjusting speeds along a path for autonomous driving vehicles
JP7091956B2 (ja) * 2018-09-07 2022-06-28 トヨタ自動車株式会社 車両の車線変更支援装置
DE102018215509A1 (de) * 2018-09-12 2020-03-12 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betrieb eines zumindest teilweise automatisiert betriebenen ersten Fahrzeugs
US20200133308A1 (en) * 2018-10-18 2020-04-30 Cartica Ai Ltd Vehicle to vehicle (v2v) communication less truck platooning
CN109671006B (zh) * 2018-11-22 2021-03-02 斑马网络技术有限公司 交通事故处理方法、装置及存储介质
KR102138979B1 (ko) 2018-11-29 2020-07-29 한국과학기술원 차선 기반의 확률론적 주변 차량 거동 예측 및 이를 이용한 종방향 제어 방법
KR102524296B1 (ko) * 2018-12-07 2023-04-24 현대자동차주식회사 적재물 추락 발생 감지에 따른 차량 제어 방법 및 시스템
KR102553053B1 (ko) * 2018-12-28 2023-07-11 삼성전자주식회사 차량 주변의 위험 요소를 감지하기 위한 전자 장치 및 이를 제어하기 위한 방법
CN109658740A (zh) * 2019-02-19 2019-04-19 百度在线网络技术（北京）有限公司 车辆间的交互方法和装置
FR3093057B1 (fr) * 2019-02-21 2021-02-19 Renault Sas Procédé de sécurisation d’un véhicule.
US11192553B2 (en) * 2019-04-13 2021-12-07 Henry Schellhorn Method for autonomous cars to change lanes on motorways
JP2021026596A (ja) * 2019-08-07 2021-02-22 トヨタ自動車株式会社 運転行動評価装置、運転行動評価方法、及び運転行動評価プログラム
US11518381B2 (en) * 2019-08-14 2022-12-06 Ford Global Technologies, Llc Enhanced threat selection
US11657635B2 (en) * 2019-08-28 2023-05-23 Ford Global Technologies, Llc Measuring confidence in deep neural networks
US11713056B2 (en) * 2019-12-28 2023-08-01 Intel Corporation Autonomous vehicle system for detecting safety driving model compliance status of another vehicle, and planning accordingly
CN111483463B (zh) * 2020-02-28 2021-09-07 广东中科臻恒信息技术有限公司 基于车载单元和路侧单元的预判超车方法、存储介质
KR102287065B1 (ko) * 2020-02-28 2021-08-05 아주대학교산학협력단 위상 데이터 분석(tda) 기법을 이용한 차량의 추돌 가능성 예측 방법 및 장치
KR20210114689A (ko) * 2020-03-11 2021-09-24 주식회사 만도 차량 및 그 제어 방법
CN111444468B (zh) * 2020-03-24 2023-12-12 腾讯科技（深圳）有限公司 一种确定驾驶风险的方法、设备及存储介质
CN111611902B (zh) * 2020-05-15 2023-09-05 北京百度网讯科技有限公司 车辆违章检测方法、装置、设备以及存储介质
US11958503B2 (en) 2021-04-16 2024-04-16 Motional Ad Llc Techniques for navigating an autonomous vehicle based on perceived risk
KR102354734B1 (ko) * 2021-07-21 2022-01-24 (주)넥스트박스 상대적 변화량이 많은 객체와 자차의 사고 위험도를 예측, 분석 및 판단하는 방법 및 시스템
US20240039785A1 (en) * 2022-07-29 2024-02-01 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for fast vehicular micro cloud formation

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005115484A (ja) 2003-09-17 2005-04-28 Fujitsu Ten Ltd 運転支援装置
JP2015014819A (ja) 2013-07-03 2015-01-22 クラリオン株式会社 接近物検出システム、及び車両

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5143714A (en) * 1974-10-09 1976-04-14 Sagami Chem Res Arufua inieeteruketsugoomotsuaminosanjudotaino seizohoho
JPH0858503A (ja) * 1994-08-18 1996-03-05 Mitsubishi Electric Corp 後側方危険警報装置及び後側方危険度判定方法
JP2005339241A (ja) * 2004-05-27 2005-12-08 Nissan Motor Co Ltd モデル予測制御装置および車両用推奨操作量生成装置
KR101537705B1 (ko) * 2009-03-30 2015-07-22 엘지전자 주식회사 차량 내비게이션 방법 및 그 장치
KR20120067762A (ko) 2010-12-16 2012-06-26 주식회사 퓨트로닉 능동 안전을 위한 저속 근거리 충돌회피알고리즘을 이용한 충돌방지장치
US20160362118A1 (en) * 2011-08-31 2016-12-15 Pulsar Informatics, Inc. Driver performance metric
CA2863229A1 (en) * 2012-01-13 2013-07-18 Pulse Function F6 Limited Telematics system with 3d inertial sensors
JP2014008931A (ja) 2012-07-02 2014-01-20 Fuji Heavy Ind Ltd 回避操作判定装置
KR20150020475A (ko) * 2013-08-16 2015-02-26 탑알앤디 주식회사 서비스 융합형 네트워크를 활용한 차량 관리 시스템 및 방법
US9212926B2 (en) * 2013-11-22 2015-12-15 Ford Global Technologies, Llc In-vehicle path verification
US9875661B2 (en) 2014-05-10 2018-01-23 Aurora Flight Sciences Corporation Dynamic collision-avoidance system and method
KR101610544B1 (ko) 2014-11-21 2016-04-07 현대자동차주식회사 차량의 자율 주행 시스템 및 방법
US9604639B2 (en) * 2015-08-28 2017-03-28 Delphi Technologies, Inc. Pedestrian-intent-detection for automated vehicles
JP2017206040A (ja) * 2016-05-16 2017-11-24 トヨタ自動車株式会社 車両の運転支援制御装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005115484A (ja) 2003-09-17 2005-04-28 Fujitsu Ten Ltd 運転支援装置
JP2015014819A (ja) 2013-07-03 2015-01-22 クラリオン株式会社 接近物検出システム、及び車両

Also Published As

Publication number Publication date
KR20180025587A (ko) 2018-03-09
US20180061253A1 (en) 2018-03-01
US10762798B2 (en) 2020-09-01

Similar Documents

Publication Publication Date Title
KR102573303B1 (ko) 자율 주행 방법 및 장치
KR102521655B1 (ko) 자율 주행 방법 및 장치
US20180349746A1 (en) Top-View Lidar-Based Object Detection
JP6571545B2 (ja) 物体検出装置および物体検出方法
JP2018152056A (ja) 視界に制限のある交差点への接近のためのリスクベースの運転者支援
US11333740B2 (en) Determining specular reflectivity characteristics using Lidar
CN111670468A (zh) 移动体行为预测装置以及移动体行为预测方法
US10369993B2 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
EP4172022A1 (en) Systems and methods for optimizing trajectory planner based on human driving behaviors
US11685406B2 (en) Vehicle control device, vehicle control method, and storage medium
KR20200087891A (ko) 차량 주변의 위험 요소를 감지하기 위한 전자 장치 및 이를 제어하기 위한 방법
US20230282000A1 (en) Multi-object tracking
CN116872921A (zh) 一种车辆规避风险方法、系统、车辆及存储介质
US20220092981A1 (en) Systems and methods for controlling vehicle traffic
KR102324989B1 (ko) 이동체, 관리 서버 및 그 동작 방법
WO2023080111A1 (en) Method and Systems for Detection Accuracy Ranking and Vehicle Instruction
KR102305673B1 (ko) 카메라와 v2v를 이용한 주변차량 차선변경 의도 및 경로 예측 방법
KR102221158B1 (ko) 레이더 장치와 영상 처리를 이용하여 차종, 속도, 통행량을 검지하는 장치 및 방법
US20230054626A1 (en) Persisting Predicted Objects for Robustness to Perception Issues in Autonomous Driving
KR102354734B1 (ko) 상대적 변화량이 많은 객체와 자차의 사고 위험도를 예측, 분석 및 판단하는 방법 및 시스템
US11881031B2 (en) Hierarchical processing of traffic signal face states
US20220262122A1 (en) Image collection apparatus and image collection method
US20230415773A1 (en) Validating protolanes with actor behavior flowcharts
WO2024090388A1 (ja) 情報処理装置及びプログラム
US20230418291A1 (en) Testing reuse across protolane families

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant