KR20220002813A - 자율주차하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 - Google Patents

자율주차하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 Download PDF

Info

Publication number
KR20220002813A
KR20220002813A KR1020210041543A KR20210041543A KR20220002813A KR 20220002813 A KR20220002813 A KR 20220002813A KR 1020210041543 A KR1020210041543 A KR 1020210041543A KR 20210041543 A KR20210041543 A KR 20210041543A KR 20220002813 A KR20220002813 A KR 20220002813A
Authority
KR
South Korea
Prior art keywords
vehicle
road environment
driving
road
determining
Prior art date
Application number
KR1020210041543A
Other languages
English (en)
Other versions
KR102542772B1 (ko
Inventor
텅 장
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
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 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20220002813A publication Critical patent/KR20220002813A/ko
Application granted granted Critical
Publication of KR102542772B1 publication Critical patent/KR102542772B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G01C21/3685—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities the POI's being parking facilities
    • G06K9/00812—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N3/0454—
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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 of positioning data, e.g. GPS [Global Positioning System] data
    • 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
    • B60Y2300/06—Automatic manoeuvring for parking
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)

Abstract

본 출원은 자율주차하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램을 개시한다. 본 출원은 자율주차 분야에 관한 것이다. 본 출원에 따른 자율주차하는 방법은, 자율주차의 추천 주행 노선을 결정하는 단계; 차량의, 상기 추천 주행 노선에서의 위치를 결정하는 단계; 상기 차량의 상기 위치가 제1 도로 환경에 처했는지 여부를 결정하는 단계; 및 상기 차량이 상기 제1 도로 환경에 처했다고 결정된 것에 응답하여, 취득된 상기 제1 도로 환경의 이미지 정보에 기반하여 사전훈련된 주행 모델에 의해 상기 차량의, 상기 제1 도로 환경에서의 주행 궤적점을 결정하는 단계를 포함한다. 본 출원에 따른 방안은, 주행 노선을 구체적인 주차장과 관계해제하도록 할 수 있는바, 다시 학습하고 훈련하는 시간 및 재료 비용을 감축할 수 있을 뿐만 아니라, 간단하며 편리하고 양산이 용이하다.

Description

자율주차하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램{METHOD AND APPARATUS FOR AUTONOMOUS PARKING, ELECTRONIC DEVICE, STORAGE MEDIUM AND PROGRAM}
본 개시의 실시예는 총체적으로 스마트 운전 기술에 관한 것이고, 더 구체적으로 자율주차하는 방법, 장치, 전자 기기, 컴퓨터 판독가능 저장 매체 및 매체에 저장된 프로그램에 관한 것이다.
자율주차 분야에서, 구체적인 도로 상황이 천차만별이므로, 따라서 상응한 주차 조작 역시 이에 따라 변화하게 된다. 자율주차의 노선이 단일한 도로 상황에 의존하지 않고 더 많은 사용 시나리오에 적용하도록 하려는 것이 설계자가 구현하고자 하는 하나의 목표이다.
한국공개특허 제10-2019-0094135호
본 개시는 자율주차하는 방법, 장치, 전자 기기, 컴퓨터 판독가능 저장 매체 및 매체에 저장된 프로그램을 제공한다.
본 개시의 일 측면에 따르면, 자율주차하는 방법을 제공한다. 당해 방법은, 자율주차의 추천 주행 노선을 결정하는 단계; 차량의, 상기 추천 주행 노선에서의 위치를 결정하는 단계; 상기 차량의 상기 위치가 제1 도로 환경에 처했는지 여부를 결정하는 단계; 및 상기 차량이 상기 제1 도로 환경에 처했다고 결정된 것에 응답하여, 취득된 상기 제1 도로 환경의 이미지 정보에 기반하여 사전훈련된 주행 모델에 의해 상기 차량의, 상기 제1 도로 환경에서의 주행 궤적점을 결정하는 단계를 포함한다.
본 개시의 다른 측면에 따르면, 자율주차하는 장치를 제공한다. 당해 장치는， 자율주차의 추천 주행 노선을 결정하도록 구성되는 추천 주행 노선 결정 모듈; 차량의, 상기 추천 주행 노선에서의 위치를 결정하도록 구성되는 위치 결정 모듈; 상기 차량의 상기 위치가 제1 도로 환경에 처했는지 여부를 결정하도록 구성되는 제1 도로 환경 결정 모듈; 및 상기 차량이 상기 제1 도로 환경에 처했다고 결정된 것에 응답하여, 취득된 상기 제1 도로 환경의 이미지 정보에 기반하여 사전훈련된 주행 모델에 의해 상기 차량의, 상기 제1 도로 환경에서의 주행 궤적점을 결정하도록 구성되는 주행 궤적점 결정 모듈을 포함한다.
본 개시의 또 다른 측면에 따르면, 전자 기기를 제공한다. 당해 전자 기기는 적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서에 통신적으로 연결되는 메모리를 포함하고, 상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되어 있고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행됨으로써 상기 적어도 하나의 프로세서가 본 개시의 일 측면에 따른 자율주차하는 방법을 수행하도록 한다.
본 개시의 또 다른 측면에 따르면, 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독가능 저장 매체를 제공한다. 상기 컴퓨터 명령은 상기 컴퓨터에 의해 본 개시의 일 측면에 따른 자율주차하는 방법이 수행되도록 한다.
본 개시의 또 다른 측면에 따르면, 매체에 저장된 컴퓨터 프로그램을 제공한다. 상술한 프로그램이 프로세서에 의해 실행되는 경우, 본 개시의 일 측면에 따른 자율주차하는 방법이 수행된다.
본 부분에서 서술하는 내용은 본 개시의 실시예의 핵심적인 또는 중요한 특징을 표기하고자 하는 것이 아니고 본 개시의 범위를 한정하기 위한 것도 아님을 이해하여야 한다. 본 개시의 다른 특징은 하기의 발명의 상세한 내용에 의해 이해하기 수월해질 것이다.
본 출원은 자율주차 분야에 있어서 주차 노선이 구체적인 주차장 높이에 연관되는 문제를 해결하고, 주차 노선을 주차장과 관계해제시킴으로써 주차 노선의 일반화 정도를 향상한다.
첨부 도면은 본 방안을 더 잘 이해하기 위한 것으로, 본 출원을 한정하지 않는다.
도 1은 본 개시의 복수의 실시예가 구현될 수 있는 예시 환경의 개략도를 도시한다.
도 2는 본 개시의 일부 실시 방식에 따른 자율주차하는 방법의 흐름도를 도시한다.
도 3은 본 출원의 일 예시적인 실시예를 적용하기에 적합한 주차 노선 개략도를 도시한다.
도 4는 도 3의 주차 노선에서의 도로 환경 T곳의 주행 환경의 개략도를 도시한다.
도 5는 본 개시 내용의 예시적인 실시 방식에 따른 자율주차하는 장치의 블록도를 개략적으로 도시한다.
도 6은 본 개시 내용의 복수의 실시 방식을 실시할 수 있는 컴퓨팅 기기의 블록도를 도시한다.
아래 첨부 도면을 결부하여 본 출원의 시범적 실시예를 설명하고자 하는데, 여기서는 이해를 돕고자 본 출원의 실시예의 다양한 세부사항을 포함하나 이를 단지 시범적인 것으로 간주하여야 한다. 따라서, 당업자라면, 여기서 서술한 실시예는 본 출원의 범위 및 사상에 위배되지 않으면서 다양한 변경 및 수정이 가능하다는 것을 인지하여야 한다. 마찬가지로, 명확함과 간결함을 위해, 아래 서술에서는 공지된 기능 및 구조에 대한 서술을 생략하기로 한다.
기존의 자율주차 방안에서, 주차 노선은 죄다 구체적인 주차장에 관련된다. 어느 한 주차장에서 훈련된 자율주차 노선은 다른 주차장에서는 거의 사용할 수 없다. 차량의, 어느 한 주차장에서의 주차 노선을 결정하여야 하는 경우, 반드시 사전에, 당해 주차장에서 학습하고 훈련함으로써 당해 주차장에 특정된 주차 노선을 결정하여야 한다. 따라서, 사용 전에 대량의 주차장 파라미터를 취득하여야 한다.
그러나, 이러한 방안은 시간과 리소스를 낭비할 뿐만아니라, 사용 효율도 높지 않다. 일 측면으로, 사전에 주차장 정보를 취득하고 훈련 및 학습하지 않은 경우, 당해 주차장에서 자동주차할 수 없게 된다. 다른 측면으로, 주차장의 정보를 취득하였을지라도, 당해 주차장의 사용률이 매우 낮은 경우, 이러한 주차장 정보의 가치가 매우 낮게 된는바, 오래되면 대량의 리던던트 정보가 야기된다.
상술한 문제에 대하여, 본 개시의 실시 방식은 자율주차하는 방안을 제공한다. 아래, 도 1 내지 도 6을 결부하여 본 개시의 실시 방식을 구체적으로 서술하고자 한다.
도 1은 본 개시의 복수의 실시예가 구현될 수 있는 예시 환경(100)의 개략도를 도시한다. 도 1에 도시한 바와 같이, 환경(100)에서, 차량(110)은 주차장과 같은 목표 장소(120)에서 주행하고 있는데, 여기서 당해 주차장은 야외 주차장 또는 실내 주차장일 수 있다. 일부 실시에서, 차량(110)은 일정한 자율주차 능력을 갖춘 차량(110)일 수 있고, 여기서 자동운전 능력은 보조 운전 능력, 반자동 운전 능력, 고도의 자동운전 능력 또는 완전 자동운전 능력을 포함할 수 있으나 이에 한정되지 않는다.
본 출원의 문맥에서, 용어 "자율주차"는 차량이 적합한 주차위치로 정차되는 과정을 지칭할 수도 있고 당해 주차 전의 순항 과정을 지칭할 수도 있다. 차량(110)은 그에 고정되거나 설치되는 이미지 수집 장치(112)에 의해 주위 환경의 복수의 실시간 이미지를 캡처할 수 있다. 이미지 수집 장치(112)는 적어도, 하나의 센서를 포함한다. 일부 실시에서, 이미지 수집 장치(112)는 하나 또는 복수의 광각 또는 초광각을 가지는 카메라일 수 있는바, 이러한 카메라는 주위 환경 360도 내의 시나리오를 캡처할 수 있다.
컴퓨팅 기기(150)는 원격 서버 또는 클라우드일 수 있고, 이는 목표 노선 데이터(130)와 히스토리컬 노선 데이터셋(140)을 포함하는 다양한 데이터 및 기계학습 모델에 의해 훈련을 수행할 수 있다. 예를 들면, 컴퓨팅 기기(150)는 인간 운전기사에 의해 주행한 궤적점 데이터를 각각의 수집된 이미지에 투영하고 이미지를 기계학습 모델에 입력한 다음, 당해 이미지에 투영된 궤적점을 출력할 수 있다. 다시말해, 컴퓨팅 기기(150)가 학습한 바로는 환경의 이미지에서 구체적인 주행 궤적점으로의 매핑이다. 히스토리컬 노선 데이터셋(140)은 이미 알려진 복수의 시나리오에서 수집된 복수의 노선 데이터를 포함한다는 것을 이해할 수 있다.
기계학습 모델의 예시는 신경망 모델일 수 있는바, 예를 들면 합성곱 신경망 모델(CNN), 순환 신경망(RNN) 등이 있다. 컴퓨팅 기기(150)는 본 명세서에서 도 2 내지 도 6을 참조하여 서술한 과정을 수행할수 있는바, 당해 매핑을 더욱 정확해지도록 하여 최종의 목표 노선 계획 모델(160)을 취득할 수 있다.
도 2는 본 개시의 일부 실시 방식에 따른 자율주차하는 방법(200)의 흐름도를 도시한다. 방법(200)은 다양한 유형의 컴퓨팅 기기에 의해 수행될 수 있다.
단계(202)에서, 자율주차의 추천 주행 노선을 결정한다. 당해 추천된 주행 노선은 최종의 주행 궤적점에 비하면 하나의 상대적으로 개략적인 노선이고, 이는 자율주차의 대체적인 주행 노선의 시퀀스를 계획한다. 일부 실시에서, 추천 주행 노선은 차량의 기점과 종점에 기반하고 주차장에서의 상황에 따라 결정될 수 있다. 일부 실시예에서, 내비게이션 모듈을 이용하여 차량의 노선을 계획할 수 있다. 이러한 노선은 사용자의 기호에 따라 지정할 수 있는바, 예를 들면 거리가 보다 짧은 노선을 선택할 수 있다. 대안적인 실시예에서, 교통체증 회피 경향에 기반하여 당해 추천 주행 노선을 계획할 수도 있다. 이러한 방식에 의하면, 차량을 각각의 사용자의 서로 다른 수요에 적용되도록 할 수 있고 이는 본 출원의 방안의 적용 범위를 효과적으로 확장할 수 있다.
일부 실시에서, 추천 주행 노선은 좌회전, 우회전, 직진 중의 적어도 하나로 구성되는 시퀀스를 포함할 수 있다. 예를 들면, 도 3에 도시한 바와 같이, 기점(A)와 종점(B) 사이에서 도에 도시한 바와 같은 주행 노선(P)을 계획한다. 도시한 시나리오에서, 당해 주행 노선(P)은 하기의 시퀀스 [직진1, 좌회전 1, 직진2, 우회전 1 및 직진3]를 포함한다. 도에 도시한 바와 같이, 직진1이 나타내는 바로는 점(S1)에서 점(S2)까지의 첫 번째 직진의 노선이다. 유사하게, 직진2가 나타내는 것은 점(S3)에서 점(S4)까지의 두 번째 직진의 노선이고, 직진3이 나타내는 바로는 점(S5)에서 점(S6)까지의 세 번째 직진의 노선이다. 마찬가지로, 도에서 보아낼 수 있는바, 좌회전 1이 나타내는 바로는 점(L1)에서 점(L2)까지의 첫 번째 좌회전의 노선이고, 우회전 1이 나타내는 바로는 점(R1)에서 점(R2)까지의 첫 번째 우회전의 노선이다. 이러한 시퀀스를 통해, 차량은 기점(A)에서 종점(B)까지 주행할 수 있다.
돌아가 도 2를 참조하면, 단계(204)에서, 차량의, 추천 주행 노선에서의 위치를 결정한다. 추천 주행 노선은 좌회전, 우회전, 직진 중의 적어도 하나로 구성되는 시퀀스일 수 있으므로, 따라서 차량의, 추천 주행 노선에서의 위치를 결정하는 것은 바로 차량이 당해 시퀀스에서의 어느 구간에 있는지를 판단하는 것이다. 일부 실시예에서, 차량의 내비게이션 정보 또는 동시적 위치추정 및 지도작성 정보에 기반하여 차량의, 추천 주행 노선에서의 위치를 결정할 수 있다. 내비게이션 정보는 글로벌 포지셔닝 시스템(GPS), 베이더우 위성항법 시스템(BeiDou Navigation Satellite System, BDS), 글로나스 위성항법 시스템(GLONASS) 또는 갈릴레오 시스템(Galileo)에 의해 취득할 수 있다. 동시적 위치추정 및 지도작성(SLAM, Simultaneous localization and mapping)은 차량이 이동 과정에 위치 추정 및 지도에 따라 자체 위치결정을 수행하고, 동시에 자체 위치결정에 기초하여 점진식(Incremental) 지도를 구축함으로써 차량의 자체 위치결정 및 내비게이션을 구현할 수 있다. 도 3을 참조하면, 예를 들면, 차량의 내비게이션 정보 또는 SLAM 정보에 의해 차량이 현재 추천 주행 노선에서의 C점에 처한다고 판단되는 경우, 차량이 3개의 단계, 즉, [직진2, 우회전 1 및 직진3]를 더 거쳐야 종점(B)에 도착할 수 있다고 결정할 수 있다.
계속하여 도 2를 참조하면, 단계(206)에서, 차량의 위치가 제1 도로 환경에 처했는지 여부를 결정한다. 일부 실시에서, 제1 도로 환경은 사거리, T자형 길목, 커브 및 도로 종점 중의 하나 또는 복수의 도로 환경을 포함할 수 있다. 이러한 방식에 따르면, 본 개시의 실시예에 따른 이러한 자율주차 방법은 다양한 도로 환경에 적용된다. 이에 따라, 당해 방법은 다양한 응용 시나리오에 보급될 수 있다.
당업자라면, 차량의 위치가 제1 도로 환경에 처했는지 여부를, 임의의 적당한 방식을 적용하여 결정할 수 있음을 이해하여야 한다. 일부 실시에서, 차량에 설치된 이미지 수집 장치를 이용하고 이미지 처리 모듈에 의해 차량이 당해 제1 도로 환경에 처하였는지 여부를 결정할 수 있다. 당해 이미지 수집 장치는 차량에서의 각 원하는 위치에 고정되어 차량의 주위 환경의 이미지 정보를 취득할 수 있다. 일부 구현에서, 이러한 이미지 정보가 수신된 후, 차량에 관련된 이미지 처리 모듈에 의해 이러한 이미지 정보를 인식함으로써 차량이 처한 환경이 제1 도로 환경인지 여부를 판단할 수 있다. 예를 들면, 이미지 처리 모델을 적용하여 사전저장된 히스토리컬 이미지 정보와 비교함으로써, 차량 환경을 판단할 수 있다. 일부 구현에서, 도로 양측에 표지가 설치되어 있는 경우에는, 차량에 설치된 이미지 수집 장치에 의해 이러한 표지를 캡처하여 차량이 처한 제1 도로 환경을 직접 결정할 수 있다. 이러한 표지는 현재 도로가 사거리라고 지시하는 도로표지 또는 전방이 도로 종점이라고 지시하는 도로표지일 수 있다. 다른 일부 구현에서는, 또한, 다른 방식을 사용하여 차량이 있는 환경을 판단할 수 있다. 예를 들면, 차량이 처한 위치의 노변 기기에서 송신된 지시 정보를 이용하여 차량이 제1 도로 환경에 처하였는지 여부를 판단할 수 있다.
돌아가 도 2를 참조하면, 단계(208)에서, 차량이 제1 도로 환경에 처했다고 결정된 것에 응답하여, 취득된 제1 도로 환경의 이미지 정보에 기반하여 사전훈련된 주행 모델에 의해 차량의, 제1 도로 환경에서의 주행 궤적점을 결정한다. 이는 심층학습의 합성곱 네트워크에 의해 구현될 수 있다.
일부 실시에서, 주행 모델은 제1 도로 환경에 관련되는 히스토리컬 이미지 및 제1 도로 환경에 관련되는 인위적인 주행 노선에 기반하여 훈련될 수 있다. 합성곱 신경망 모델에서는 동일 유형의 도로 환경을 하나의 집합으로 하므로, 따라서, 당해 집합 내의 주행 궤적점은 모델의 부단한 학습으로 획득할 수 있다. 예를 들면, 좌회전에 적합한 다양한 도로 환경을 동일한 집합으로 할 수 있는바, 사전훈련된 과정에서, 합성곱 신경망 모델에 다양한 구체적인 도로 환경의 이미지 및 당해 도로 환경에서의 인위적인 좌회전의 구체적인 주행 궤적점을 입력하고, 양자를 연관시키는바, 부단한 지도 학습으로 합성곱 신경망 모델은 유사한 좌회전 도로 환경에서 어떠한 주행 궤적점을 적용하여야 하는지 알 수 있다. 신경망 모델의 출력 결과는 훈련 샘플이 증가됨에 따라 더 정확해지므로, 따라서 사용자 사용 횟수가 많을수록 모델을 훈련할 수 있는 데이터가 더 많아지고 합성곱 신경망 모델은 업데이트될 수 있으며, 이로써 이후의 주행 궤적점이 더 정확해진다.
본 개시의 실시예는 다양한 노선을 직진, 좌회전 및 우회전 세 가지 주행 상태로 나누어 모델한테 서로 다른 도로 상황에서의 세 가지 주행 상태의 노선 계획 능력을 학습시키고, 다음, 길목의 이미지 정보에 기반하여 판단하여 적합한 좌회전, 우회전 또는 직진 노선을 선택한다. 이에 따르면, 합성곱 네트워크는 구체적인 하나의 주행 노선을 학습하는 것이 아니다. 이러한 방식에 의하면, 주행 노선과 구체적인 주행 환경의 관계해제를 구현할 수 있다. 따라서, 온 적이 없는 주차장에 도착하는 경우, 차량은 사전에 당해 주차장에서 훈련을 수행할 필요 없이, 본 출원의 방법을 통해 주차 전의 자율운전을 구현할 수 있다.
본 출원의 실시예에 따른 기술 방안은, 주행 노선을 주행 경로 판단이 필요한 작은 차량주행 환경과 주행 경로 판단이 필요 없는 직진 환경으로 나누는바, 네트워크를 훈련시킴에 있어서 데이터를 재수집할 필요가 없으므로 시간과 재료 비용을 감축하고, 또한, 구체적인 주차장과의 관계해제를 구현할 수 있는바, 이로써 일반화 정도를 향상할 수 있다.
도 4를 참조하면, 이는 차량이 도 3의 위치 T곳에 처한 것에 대한 개략적인 판단 과정을 도시한다. 차량이 도 2의 추천 주행 노선에서의 위치 T까지 주행한 경우, 차량 위의 카메라에 의해 캡처된 이미지 정보에 따라 차량이 현재 처한 곳은 길목의 제1 도로 환경이라고 판단한다. 여기서, 합성곱 신경망 모델이 4개 브랜치(X1, X2, X3 및 X4)를 출력하고 여기서3개의 브랜치(X2, X3 및 X4)는 각각 좌회전, 직진 및 우회전의 경로 계획 구조를 출력하고, 다른 브랜치(X1)는 길이가 1인 벡터를 출력하는바, 차량이 현재 길목의 제1 도로 환경에 처하였는지 여부를 나타낸다. 도 3에서의 추천 주행 노선의 시퀀스를 결부하면, 차량이 위치 T에서 수행하여야 할 것은 우회전 조작이지 좌회전 또는 직진 조작이 아니라는 것을 알 수 있다. 합성곱 신경망 모델은 사전훈련된 주행 모델에 의해 최종적으로 상기 차량이 당해 위치 T에서 우회전하는 구체적인 주행 궤적점을 결정할 수 있다.
일부 실시에서, 차량의 기점은 차량이 자율주차 모드로 진입할 시의 위치일 수 있다. 이에 따라, 차량이 자동주차 모드로 진입하였음이 결정되기만 하면, 이때 차량이 처한 위치를 추천 주행 노선의 기점으로 설정한다. 이에 따라, 인위적인 부가 입력 또는 판단이 필요 없이, 주차 동작의 자율 정도를 향상할 수 있다. 당해 추천 주행 노선의 종점은 차량 주차에 적합한 위치 종점일 수 있다. 대안적인 실시예에서는, 다양한 방안을 적용하여 결정되는 차량 거치가 가능한 위치일 수 있는바, 구체적인 방안본 출원의 실시예에 의해 한정되지 않는다.
일부 실시에서, 차량의, 제1 도로 환경에서의 주행 궤적점은 좌회전의 주행 궤적점, 우회전의 주행 궤적점 또는 직선의 주행 궤적점을 포함할 수 있다. 여기서의 좌회전 또는 우회전은 다양한 곡률 반경의 회전 동작을 포함한다는 것을 이해하여야 한다. 예를 들면, 도로 환경이 회전이 필요한 사거리인 경우, 당해 좌회전 또는 우회전은 곡률 반경이 보다 작은 동작일 수 있다. 도로 환경이 회전교차로 또는 트랙의 커브 등과 같은 커브인 경우, 당해 좌회전 또는 우회전은 곡률 반경이 보다 큰 동작일 수 있다.
일부 실시에서, 도 3에 도시한 바와 같이, 인접한 두 구간의 노선 사이에는 일정한 중첩 부분이 존재할 수 있다. 예를 들면, 직진1과 좌회전 1 사이에는 일정한 중첩, 즉, 점(L1)과 점(S2) 간의 노선이 존재할 수 있다. 좌회전 1과 직진2 사이에는 일정한 중첩, 즉, 점(S3)와 점(L2) 간의 노선이 존재한다. 직진2와 우회전 1 사이에는 일정한 중첩, 즉, 점(R1)과 점(S4) 간의 노선이 존재한다. 우회전 1과 직진3 사이에는 일정한 중첩, 즉, 점(S5)와 점(R2) 간의 노선이 존재한다. 각 구간 사이에 중첩 부분을 설정함으로써, 출력 브랜치를 변환하는 경우에 노선 계획 능력이 변환으로 인해 저감되는 것을 회피할 수 있다. 이러한 방식에 따르면, 자율주차의 노선 계획 능력을 향상할 수 있다.
일부 실시에서, 차량이 제2 도로 환경에 처했다고 결정된 것에 응답하여, 주행 궤적점을 직선의 주행 궤적점이라고 결정할 수 있다. 일부 실시에서, 제2 도로 환경은 직진 도로를 포함할 수 있다. 다시 말해, 제1 도로 환경에 속하지 않는 제2 도로 환경에서, 차량은 직진 조작을 적용한다. 이에 따르면, 본 출원의 방안은 구체적인 도로 환경을 운전 노선 판단이 필요한 제1 도로 환경 및 운전 노선 판단이 필요하지 않는 제2 도로 환경으로 나눈다. 제1 도로 환경에서는, 도로 환경의 이미지 정보에 따라, 사전훈련된 모델에 의해 구체적인 주행 궤적을 결정한다. 제2 도로 환경에서는, 차량은 현재의 노선에 따라 직진을 유지하기만 하면 된다.
도 5는 본 개시 내용의 예시적인 실시 방식에 따른 자율주차하는 장치(500)의 블록도를 개략적으로 도시한다. 구체적으로, 당해 장치(500)는, 자율주차의 추천 주행 노선을 결정하도록 구성되는 추천 주행 노선 결정 모듈(502); 차량의, 추천 주행 노선에서의 위치를 결정하도록 구성되는 위치 결정 모듈(504); 차량의 위치가 제1 도로 환경에 처했는지 여부를 결정하도록 구성되는 제1 도로 환경 결정 모듈(506); 및 차량이 제1 도로 환경에 처했다고 결정된 것에 응답하여, 취득된 제1 도로 환경의 이미지 정보에 기반하여 사전훈련된 주행 모델에 의해 차량의, 제1 도로 환경에서의 주행 궤적점을 결정하도록 구성되는 주행 궤적점 결정 모듈(508)을 포함한다.
일부 실시에서, 제1 도로 환경 결정 모듈(506)은 이미지 정보 취득 모듈을 포함하고, 이미지 정보 취득 모듈은 차량의 주위 환경의 이미지 정보를 취득하도록 구성되고; 제1 도로 환경 결정 모듈(506)은 이미지 정보에 기반하여 차량의 위치가 제1 도로 환경에 처했는지 여부를 결정하도록 구성된다.
일부 실시에서, 위치 결정 모듈(504)은 차량의 내비게이션 정보 또는 동시적 위치추정 및 지도작성 정보에 기반하여 차량의, 추천 주행 노선에서의 위치를 결정하도록 구성된다.
일부 실시에서, 추천 주행 노선 결정 모듈(502)은 차량의 기점과 종점에 기반하여 자율주차의 추천 주행 노선을 결정하도록 구성된다.
일부 실시에서, 차량의 기점은 차량이 자율주차 모드로 진입할 시의 위치이고, 종점은 차량 주차에 적합한 위치이다.
일부 실시에서, 주행 모델은 제1 도로 환경에 관련되는 히스토리컬 이미지 및 제1 도로 환경에 관련되는 인위적인 주행 노선에 기반하여 훈련한다.
일부 실시에서, 차량의, 제1 도로 환경에서의 주행 궤적점은 좌회전의 주행 궤적점, 우회전의 주행 궤적점 또는 직선의 주행 궤적점을 포함한다.
일부 실시에서, 추천 주행 노선은 좌회전, 우회전, 직진 중의 적어도 하나로 구성되는 시퀀스를 포함한다.
일부 실시에서, 제1 도로 환경은 사거리, T자형 길목, 커브길, 도로 종점 중의 적어도 하나를 포함한다.
일부 실시에서, 주행 궤적점 결정 모듈(508)은 차량이 제2 도로 환경에 처했다고 결정된 것에 응답하여, 주행 궤적점을 직선의 주행 궤적점이라고 결정하도록 구성된다.
일부 실시에서, 제2 도로 환경은 직진 도로를 포함한다.
본 출원의 실시예에 따르면, 본 출원은 전자 기기 및 판독가능 저장 매체를 더 제공한다. 도 6은 본 개시의 복수의 실시예를 실시할 수 있는 전자 기기(600)의 예시적인 블록도를 도시한다.
도에 도시한 바와 같이, 전자 기기(600)는 처리 유닛(601)(예를 들면 중앙처리장치(CPU))를 포함하고, 이는 읽기 전용 메모리(ROM)(602)에 저장된 컴퓨터 프로그램 명령 또는 저장 유닛(608)으로부터 랜덤 액세스 메모리(RAM)(603)로 로딩된 컴퓨터 프로그램 명령에 따라 다양한 적당한 동작 및 처리를 수행할 수 있다. RAM(603)에는 또한 전자 기기(600) 조작에 필요한 다양한 프로그램 및 데이터를 저장할 수 있다. 처리 유닛(601), ROM(602) 및 RAM(603)은 버스(604)를 통해 서로 연결된다. 입력/출력(I/O) 인터페이스(605)도 버스(604)에 연결된다.
전자 기기(600)에서의 복수의 부품은 I/O 인터페이스(605)에 연결되고, 입력 유닛(606), 예를 들면 키보드, 마우스 등; 출력 유닛(607), 예를 들면 다양한 유형의 디스플레이, 스피커 등; 저장 유닛(608), 예를 들면 자기 디스크, 광 디스크 등; 및 통신 유닛(609), 예를 들면 네트워크 인터페이스 카드, 모뎀, 무선 통신 송수신기 등을 포함한다. 통신 유닛(609)은 전자 기기(600)가 인테넷과 같은 컴퓨터 네트워크 및/또는 다양한 전기통신 네트워크를 통해 다른 기기와 정보/ 데이터를 교환하도록 허용한다.
전술한 각 과정 및 처리 - 예를 들면 방법(200) - 는, 처리 유닛(601)에 의해 수행될 수 있다. 예를 들면, 일부 실시에서, 방법(200)은 컴퓨터 소프트웨어 프로그램으로 구현될 수 있는바, 이는 기계 판독가능 매체, 예를 들면 저장 유닛(608)에 유형으로(tangibly) 포함된다. 일부 실시에서, 컴퓨터 프로그램의 일부 또는 전부가 ROM(602) 및/또는 통신 유닛(609)에 의해 전자 기기(600)에 로딩 및/또는 설치될 수 있다. 컴퓨터 프로그램이 RAM(603)에 로딩되어 처리 유닛(601)에 의해 수행되는 경우, 상술한 방법(200) 중의 하나 또는 복수의 동작을 수행할 수 있다.
본 개시는 방법, 장치, 시스템 및/또는 컴퓨터 프로그램 제품일 수 있다. 컴퓨터 프로그램 제품은 컴퓨터 판독가능 저장 매체를 포함할 수 있는바, 이는 본 개시의 각 측면을 수행하는 컴퓨터 판독가능 프로그램 명령을 탑재하고 있다.
컴퓨터 판독가능 저장 매체는 명령 수행 기기에 의해 사용되는 명령을 유지 및 저장하는, 유형의(tangible) 기기일 수 있다. 컴퓨터 판독가능 저장 매체는 예를 들면, 전기 저장 기기, 자기 저장 기기, 광 저장 기기, 전자기 저장 기기, 반도체 저장 기기 또는 상술한 것의 임의의 적합한 조합일 수 있으나 이에 한정되지 않는다. 컴퓨터 판독가능 저장 매체의 더 구체적인 예(불완전 리스트)는 휴대용 컴퓨터 디스크, 하드디스크, 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM), 소거 및 프로그램가능한 읽기 전용 메모리(EPROM 또는 플래시 메모리), 정적 랜덤 액세스 메모리(SRAM), 휴대용 컴팩트 디스크 읽기 전용 메모리(CD-ROM), 디지털 다기능 디스크(DVD), 메모리스틱, 플로피 디스크, 예를 들면 명령이 저장되어 있는 천공 카드 또는 요홈 내 돌기 구조와 같은 기계식 코딩 기기 및 상술한 것의 임의의 적합한 조합을 포함한다. 여기서 사용되는 컴퓨터 판독가능 저장 매체는, 라디오파 또는 자유 전파되는 다른 전자기파, 웨이브가이드 또는 다른 전송 매체를 통해 전파하는 전자기파(예를 들면, 광섬유 케이블을 통과하는 광펄스), 또는 전기선을 통해 전송되는 전기 신호와 같은 일시적 신호 자체로 해석되지 않는다.
여기서 서술하는 컴퓨터 판독가능 프로그램 명령은, 컴퓨터 판독가능 저장 매체로부터 각 계산/처리 기기에 다운로드되거나 또는 네트워크(예를 들면 인테넷, 근거리 통신망, 원거리 통신망 및/또는 무선 네트워크)를 통해 외부 컴퓨터 또는 외부 저장 기기에 다운로드될 수 있다. 네트워크는 구리 전송 케이블, 광섬유 전송, 무선 전송, 라우터, 방화벽, 스위치, 게이트웨이 컴퓨터 및/또는 엣지 서버를 포함할 수 있다. 각 계산/처리 기기 중의 네트워크 어댑터 카드 또는 네트워크 인터페이스는 네트워크로부터 컴퓨터 판독가능 프로그램 명령을 수신하고 당해 컴퓨터 판독가능 프로그램 명령을 전달함으로써 각 계산/처리 기기 중의 컴퓨터 판독가능 저장 매체에 저장되도록 한다.
본 개시 조작을 수행하는 컴퓨터 프로그램 명령은 어셈블리 명령, 명령어 집합 구조(ISA) 명령, 기계 명령, 기계 관련 명령, 마이크로코드, 펌웨어 명령, 상태 설정 데이터, 또는 하나의 또는 복수의 프로그래밍 언어의 임의 조합으로 작성된 소스 코드 또는 오브젝트 코드일 수 있고, 상기 프로그래밍 언어는 Smalltalk, C++ 등과 같은 객체지향 프로그래밍 언어, 및 'C' 언어 또는 이와 유사한 프로그래밍 언어와 같은 통상의 절차적 프로그래밍 언어를 포함한다. 컴퓨터 판독가능 프로그램 명령은 전부 사용자 컴퓨터에서 실행되거나, 일부가 사용자 컴퓨터에서 실행되거나, 하나의 독립적인 소프트웨어 패키지로 실행되어 일부가 사용자 컴퓨터에서, 일부는 원격 컴퓨터에서 실행되거나, 또는 전부가 원격 컴퓨터 또는 서버에서 실행될 수 있다. 원격 컴퓨터에 관련되는 상황에서, 원격 컴퓨터는 근거리 통신망(LAN) 또는 원거리 통신망(WAN)을 포함하는 임의 종류의 네트워크를 통해, 사용자 컴퓨터에 연결되거나 또는 외부 컴퓨터에 연결될 수 있다(예를 들면 인터넷 서비스 사업자를 이용하여 인터넷을 통해 연결된다). 일부 실시에서, 컴퓨터 판독가능 프로그램 명령의 상태 정보를 이용하여, 예를 들어 프로그램가능 논리 회로, 필드 프로그램가능 게이트 어레이(FPGA) 또는 프로그램가능 논리 어레이(PLA)와 같은 전자 회로를 맞춤 제작하는바, 당해 전자 회로는 컴퓨터 판독가능 프로그램 명령을 실행할 수 있고, 이로써 본 개시의 각 측면을 구현할 수 있다.
여기서는 본 개시의 실시예에 따른 방법, 장치(시스템) 및 컴퓨터 프로그램 제품의 흐름도 및/또는 블록도를 참조하여 본 개시의 각 측면을 서술하였다. 흐름도 및/또는 블록도의 각 블록 및 흐름도 및/또는 블록도 중의 각 블록의 조합은 모두 컴퓨터 판독가능 프로그램 명령에 의해 구현될 수 있음을 이해하여야 한다.
이러한 컴퓨터 판독가능 프로그램 명령은 범용 컴퓨터, 전용 컴퓨터 또는 다른 프로그램가능 데이터 처리 장치의 처리 유닛에 제공되어 일 종의 기계를 생성할 수 있는바, 이로써 이러한 명령이 컴퓨터 또는 다른 프로그램가능 데이터 처리 장치의 처리 유닛에 의해 실행되는 경우, 흐름도 및/또는 블록도 중의 하나 또는 복수의 블록에서 규정하는 기능/동작을 구현하는 장치가 발생하도록 한다. 이러한 컴퓨터 판독가능 프로그램 명령을 컴퓨터 판독가능 저장 매체에 저장할 수도 있고 이러한 명령은 컴퓨터, 프로그램가능 데이터 처리 장치 및/또는 다른 기기를 특정 방식으로 동작하게 하는데, 이로써 명령이 저장되어 있는 컴퓨터 판독가능 매체는 하나의 생산품을 포함하게 되고, 이는 흐름도 및/또는 블록도 중의 하나 또는 복수의 블록에서 규정한 기능/동작을 구현하는 각 측면의 명령을 포함한다.
또한, 컴퓨터 판독가능 프로그램 명령을 컴퓨터, 다른 프로그램가능 데이터 처리 장치 또는 다른 기기에 로딩하여 컴퓨터, 다른 프로그램가능 데이터 처리 장치 또는 다른 기기에서 일련의 조작단계가 수행되어 컴퓨터 구현 과정이 발생되도록 할 수 있는바, 이로써 컴퓨터, 다른 프로그램가능 데이터 처리 장치 또는 다른 기기에서 실행되는 명령에 의해, 흐름도 및/또는 블록도 중의 하나 또는 복수의 블록에서 규정한 기능/동작이 구현되도록 할 수 있다.
첨부 도면 중의 흐름도 및 블록도는 본 개시의 복수의 실시예에 따른 시스템, 방법 및 컴퓨터 프로그램 제품에 의해 구현 가능한 시스템 아키텍처, 기능 및 조작을 도시한다. 여기서, 흐름도 또는 블록도 중의 각 블록은 하나의 모듈, 프로그램 세그먼트 또는 명령의 일부분을 대표할 수 있고, 상기 모듈, 프로그램 세그먼트 또는 명령의 일부분은 하나 또는 복수의 규정된 논리 기능을 구현하는 실행가능 명령을 포함한다. 일부 대안적인 구현에서, 블록 내에 표기된 기능은 첨부도면에서의 표기와는 다른 순서로 발생할 수도 있다. 예를 들면, 연속된 2개의 블록은 실제로는 기본적으로 병렬로 수행될 수 있는데, 이들은 때로는 상반되는 순서로 수행될 수도 있으며, 이는 관련되는 기능에 따라 결정된다. 블록도 및/또는 흐름도 중의 각 블록 및 블록도 및/또는 흐름도 중의 블록의 조합은, 규정된 기능 또는 동작을 수행하는, 전용의, 하드웨어 기반의 시스템에 의해 구현될 수도 있고, 또는 전용 하드웨어와 컴퓨터 명령의 조합에 의해 구현될 수도 있다는 점 또한 유의하여야 한다.
본 출원의 실시예에 따른 기술 방안은, 주행 노선을 주행 경로 판단이 필요한 작은 차량주행 환경과 주행 경로 판단이 필요 없는 직진 환경으로 나누는바, 차량이 새 주차장에 도착하는 경우, 당해 주차장의 정차 노선을 처음부터 다시 학습할 필요 없이, 저장된 주행 시퀀스를 교체하기만 하면 되는데, 이러한 방안은 간단하며 편리하고 양산이 용이하다.
위에서 제시한 다양한 형식의 흐름을 적용하여 단계를 재정렬, 증가 또는 삭제할 수 있음을 이해하여야 한다. 예를 들면, 본 출원에 기재된 각 단계는 병렬로 수행될 수도 있고, 순차로 수행될 수도 있고, 서로 다른 순서로 수행될 수도 있는바, 본 출원에서 개시하는 기술 방안에 대한 기대 결과를 구현할 수 있기만 하면 되는 것으로, 본 명세서는 이에 대해 한정하지 않는다.
상술한 구체적인 실시 방식은 본 출원의 보호 범위를 한정하지 않는다. 당업자라면, 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 치환이 가능하다는 것을 알아야 할 것이다. 본 출원의 사상과 원칙 내에서 행하는 임의의 수정, 등가적 치환 및 개량 등은 모두 본 출원의 보호 범위에 포함되어야 한다.

Claims (21)

  1. 자율주차하는 방법으로서,
    자율주차의 추천 주행 노선을 결정하는 단계;
    차량의, 상기 추천 주행 노선에서의 위치를 결정하는 단계;
    상기 차량의 상기 위치가 제1 도로 환경에 처했는지 여부를 결정하는 단계; 및
    상기 차량이 상기 제1 도로 환경에 처했다고 결정된 것에 응답하여, 취득된 상기 제1 도로 환경의 이미지 정보에 기반하여 사전훈련된 주행 모델에 의해 상기 차량의, 상기 제1 도로 환경에서의 주행 궤적점을 결정하는 단계를 포함하는, 자율주차하는 방법.
  2. 제1항에 있어서，
    상기 주행 모델은 상기 제1 도로 환경에 관련되는 히스토리컬 이미지 및 상기 제1 도로 환경에 관련되는 인위적인 주행 노선에 기반하여 훈련하는, 자율주차하는 방법.
  3. 제1항에 있어서,
    상기 차량의, 상기 제1 도로 환경에서의 상기 주행 궤적점은 좌회전의 주행 궤적점, 우회전의 주행 궤적점 또는 직선의 주행 궤적점을 포함하는, 자율주차하는 방법.
  4. 제1항에 있어서,
    상기 추천 주행 노선은 좌회전, 우회전, 직진 중의 적어도 하나로 구성되는 시퀀스를 포함하는, 자율주차하는 방법.
  5. 제1항에 있어서,
    상기 차량의 상기 위치가 제1 도로 환경에 처했는지 여부를 결정하는 단계는,
    상기 차량의 주위 환경의 이미지 정보를 취득하는 단계; 및
    상기 이미지 정보에 기반하여 상기 차량의 상기 위치가 상기 제1 도로 환경에 처하였는지 여부를 결정하는 단계를 포함하는, 자율주차하는 방법.
  6. 제1항에 있어서,
    상기 차량의 내비게이션 정보 또는 동시적 위치추정 및 지도작성 정보에 기반하여 상기 차량의, 상기 추천 주행 노선에서의 상기 위치를 결정하는, 자율주차하는 방법.
  7. 제1항에 있어서,
    상기 제1 도로 환경은 사거리, T자형 길목, 커브길, 도로 종점 중의 적어도 하나를 포함하는, 자율주차하는 방법.
  8. 제1항에 있어서,
    상기 방법은
    상기 차량이 제2 도로 환경에 처했다고 결정된 것에 응답하여, 상기 주행 궤적점을 직선의 주행 궤적점이라고 결정하는 단계를 더 포함하는, 자율주차하는 방법.
  9. 제8항에 있어서,
    상기 제2 도로 환경은 직진 도로를 포함하는, 자율주차하는 방법.
  10. 자율주차하는 장치로서,
    자율주차의 추천 주행 노선을 결정하도록 구성되는 추천 주행 노선 결정 모듈;
    차량의, 상기 추천 주행 노선에서의 위치를 결정하도록 구성되는 위치 결정 모듈;
    상기 차량의 상기 위치가 제1 도로 환경에 처했는지 여부를 결정하도록 구성되는 제1 도로 환경 결정 모듈; 및
    상기 차량이 상기 제1 도로 환경에 처했다고 결정된 것에 응답하여, 취득된 상기 제1 도로 환경의 이미지 정보에 기반하여 사전훈련된 주행 모델에 의해 상기 차량의, 상기 제1 도로 환경에서의 주행 궤적점을 결정하도록 구성되는 주행 궤적점 결정 모듈을 포함하는, 자율주차하는 장치.
  11. 제10항에 있어서,
    상기 주행 모델은 상기 제1 도로 환경에 관련되는 히스토리컬 이미지 및 상기 제1 도로 환경에 관련되는 인위적인 주행 노선에 기반하여 훈련하는, 자율주차하는 장치.
  12. 제10항에 있어서,
    상기 차량의, 상기 제1 도로 환경에서의 상기 주행 궤적점은 좌회전의 주행 궤적점, 우회전의 주행 궤적점 또는 직선의 주행 궤적점을 포함하는, 자율주차하는 장치.
  13. 제10항에 있어서,
    상기 추천 주행 노선은 좌회전, 우회전, 직진 중의 적어도 하나로 구성되는 시퀀스를 포함하는, 자율주차하는 장치.
  14. 제10항에 있어서,
    상기 제1 도로 환경 결정 모듈은 이미지 정보 취득 모듈을 포함하고, 상기 이미지 정보 취득 모듈은, 상기 차량의 주위 환경의 이미지 정보를 취득하도록 구성되고;
    상기 제1 도로 환경 결정 모듈은, 상기 이미지 정보에 기반하여 상기 차량의 상기 위치가 상기 제1 도로 환경에 처하였는지 여부를 결정하도록 구성되는, 자율주차하는 장치.
  15. 제10항에 있어서,
    상기 위치 결정 모듈은, 상기 차량의 내비게이션 정보 또는 동시적 위치추정 및 지도작성 정보에 기반하여 상기 차량의, 상기 추천 주행 노선에서의 상기 위치를 결정하도록 구성되는, 자율주차하는 장치.
  16. 제10항에 있어서,
    상기 제1 도로 환경은 사거리, T자형 길목, 커브길, 도로 종점 중의 적어도 하나를 포함하는, 자율주차하는 장치.
  17. 제10항에 있어서,
    상기 주행 궤적점 결정 모듈은, 상기 차량이 제2 도로 환경에 처했다고 결정된 것에 응답하여, 상기 주행 궤적점을 직선의 주행 궤적점이라고 결정하도록 구성되는, 자율주차하는 장치.
  18. 제17항에 있어서,
    상기 제2 도로 환경은 직진 도로를 포함하는, 자율주차하는 장치.
  19. 전자 기기로서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서에 통신적으로 연결되는 메모리를 포함하고,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되어 있고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행됨으로써 상기 적어도 하나의 프로세서가 제1항 내지 제9항 중 어느 한 항의 방법을 수행하도록 하는, 전자 기기.
  20. 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독가능 저장 매체로서,
    상기 컴퓨터 명령은 상기 컴퓨터에 의해 제1항 내지 제9항 중 어느 한 항의 방법이 수행되도록 하는, 비일시적 컴퓨터 판독가능 저장 매체.
  21. 매체에 저장된 컴퓨터 프로그램으로서,
    상기 프로그램이 프로세서에 의해 실행되는 경우, 제1항 내지 제9항 중 어느 한 항의 방법이 수행되는 매체에 저장된 컴퓨터 프로그램.
KR1020210041543A 2020-06-30 2021-03-31 자율주차하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 KR102542772B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010623723.2A CN111860228B (zh) 2020-06-30 2020-06-30 用于自主泊车的方法、装置、设备以及存储介质
CN202010623723.2 2020-06-30

Publications (2)

Publication Number Publication Date
KR20220002813A true KR20220002813A (ko) 2022-01-07
KR102542772B1 KR102542772B1 (ko) 2023-06-13

Family

ID=72988913

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210041543A KR102542772B1 (ko) 2020-06-30 2021-03-31 자율주차하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램

Country Status (5)

Country Link
US (1) US20210213940A1 (ko)
EP (1) EP3825984A3 (ko)
JP (1) JP2022020044A (ko)
KR (1) KR102542772B1 (ko)
CN (1) CN111860228B (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022063484A (ja) * 2020-10-12 2022-04-22 カワサキモータース株式会社 道路推定プログラム、道路推定方法及び道路推定装置
CN112382127B (zh) * 2020-11-24 2022-04-12 中国联合网络通信集团有限公司 一种车位分配方法及装置
US11605202B2 (en) * 2020-12-11 2023-03-14 International Business Machines Corporation Route recommendation that assists a user with navigating and interpreting a virtual reality environment
CN112632382B (zh) * 2020-12-25 2024-04-12 北京百度网讯科技有限公司 用于为车辆推荐站点的方法、装置、设备以及存储介质
US20220274586A1 (en) * 2021-03-01 2022-09-01 Panasonic Intellectual Property Management Co., Ltd. Parking support method and parking support device
CN113010604B (zh) * 2021-03-18 2024-02-13 湖北亿咖通科技有限公司 一种地图数据同步方法、系统、云服务器及存储介质
CN113479190B (zh) * 2021-06-21 2022-09-20 上汽通用五菱汽车股份有限公司 智能泊车系统、方法、设备及计算机可读存储介质
CN113460039B (zh) * 2021-07-22 2022-04-12 上汽通用五菱汽车股份有限公司 泊车控制方法、车辆及存储介质
CN113899380A (zh) * 2021-09-29 2022-01-07 北京百度网讯科技有限公司 路口转向提醒方法、装置、电子设备及存储介质
CN114013425B (zh) * 2021-09-29 2024-01-26 江铃汽车股份有限公司 远程泊车控制方法、系统、存储介质及设备
CN113715811B (zh) * 2021-10-15 2024-01-09 广州小鹏汽车科技有限公司 泊车方法、泊车装置、车辆和计算机可读存储介质
CN114379588B (zh) * 2021-12-28 2023-12-22 阿波罗智联(北京)科技有限公司 进站状态检测方法、装置、车辆、设备和存储介质
CN115376347A (zh) * 2022-10-26 2022-11-22 禾多科技（北京）有限公司 智驾域控制器以及车辆的控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170082454A1 (en) * 2015-09-21 2017-03-23 Bayerische Motoren Werke Aktiengesellschaft Method and Device for Operating a Vehicle and Driver Assistance System
JP2017204145A (ja) * 2016-05-11 2017-11-16 株式会社豊田中央研究所 走行経路生成装置、モデル学習装置、及びプログラム
KR20190094135A (ko) 2019-07-24 2019-08-12 엘지이노텍 주식회사 주차 보조 시스템
WO2019221968A1 (en) * 2018-05-17 2019-11-21 Zoox, Inc. Vehicle lighting state determination

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010047162A1 (de) * 2010-09-30 2012-04-05 Valeo Schalter Und Sensoren Gmbh Verfahren und Vorrichtung zum Erkennen von freien Parkplätzen
JP6302636B2 (ja) * 2013-08-23 2018-03-28 Ｋｙｂ株式会社 駐車誘導装置
DE102014200611A1 (de) * 2014-01-15 2015-07-16 Robert Bosch Gmbh Verfahren zum autonomen Parken eines Fahrzeugs, Fahrerassistenzvorrichtung zur Durchführung des Verfahrens, sowie Fahrzeug mit der Fahrerassistenzvorrichtung
JP6993428B2 (ja) * 2017-12-11 2022-01-13 本田技研工業株式会社 教師データ生成装置
DE102018101513A1 (de) * 2018-01-24 2019-07-25 Valeo Schalter Und Sensoren Gmbh Verfahren zur Detektion von Garagenparkplätzen
JP6927090B2 (ja) * 2018-03-05 2021-08-25 トヨタ自動車株式会社 経路生成装置
JP6917330B2 (ja) * 2018-03-28 2021-08-11 日立Astemo株式会社 駐車支援装置
JP6963687B2 (ja) * 2018-05-23 2021-11-10 日立Astemo株式会社 駐車管理システム
US11966838B2 (en) * 2018-06-19 2024-04-23 Nvidia Corporation Behavior-guided path planning in autonomous machine applications
US11066067B2 (en) * 2018-06-29 2021-07-20 Baidu Usa Llc Planning parking trajectory for self-driving vehicles
JP6771517B2 (ja) * 2018-09-07 2020-10-21 本田技研工業株式会社 自動駐車装置及び自動駐車方法
CN109720340B (zh) * 2018-09-17 2021-05-04 魔门塔(苏州)科技有限公司 一种基于视觉识别的自动泊车系统及方法
CN111152783A (zh) * 2018-11-08 2020-05-15 上海汽车集团股份有限公司 一种车辆智能驾驶方法、系统和智能驾驶车辆
CN109741617A (zh) * 2018-11-12 2019-05-10 浙江吉利汽车研究院有限公司 一种停车场泊车导航方法及装置
JP7238356B2 (ja) * 2018-11-16 2023-03-14 株式会社アイシン 車両制御装置および車両制御プログラム
CN109466546B (zh) * 2018-11-20 2020-09-18 广州小鹏汽车科技有限公司 自动泊车方法及系统
CN110126817B (zh) * 2018-12-16 2023-01-06 魔门塔(苏州)科技有限公司 一种自适应任意点与固定点间泊车或召回的方法及系统
CN110031010A (zh) * 2019-04-09 2019-07-19 百度在线网络技术（北京）有限公司 车辆引导路线绘制方法、装置及设备
CN110108292B (zh) * 2019-06-12 2020-03-27 山东师范大学 车辆导航路径规划方法、系统、设备及介质
CN110348341A (zh) * 2019-06-26 2019-10-18 纵目科技（上海）股份有限公司 一种记忆泊车系统、方法、终端和存储介质
CN114364589A (zh) * 2019-09-27 2022-04-15 株式会社爱信 驾驶支援装置以及计算机程序

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170082454A1 (en) * 2015-09-21 2017-03-23 Bayerische Motoren Werke Aktiengesellschaft Method and Device for Operating a Vehicle and Driver Assistance System
JP2017204145A (ja) * 2016-05-11 2017-11-16 株式会社豊田中央研究所 走行経路生成装置、モデル学習装置、及びプログラム
WO2019221968A1 (en) * 2018-05-17 2019-11-21 Zoox, Inc. Vehicle lighting state determination
KR20190094135A (ko) 2019-07-24 2019-08-12 엘지이노텍 주식회사 주차 보조 시스템

Also Published As

Publication number Publication date
CN111860228A (zh) 2020-10-30
EP3825984A3 (en) 2021-10-13
KR102542772B1 (ko) 2023-06-13
CN111860228B (zh) 2024-01-16
EP3825984A2 (en) 2021-05-26
US20210213940A1 (en) 2021-07-15
JP2022020044A (ja) 2022-01-31

Similar Documents

Publication Publication Date Title
KR102542772B1 (ko) 자율주차하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
US20230339462A1 (en) Autonomous Vehicle Motion Control Systems and Methods
US10768628B2 (en) Systems and methods for object detection at various ranges using multiple range imagery
US20220319047A1 (en) Image Based Localization System
US11884293B2 (en) Operator assistance for autonomous vehicles
US20200302662A1 (en) System and Methods for Generating High Definition Maps Using Machine-Learned Models to Analyze Topology Data Gathered From Sensors
US20210004012A1 (en) Goal-Directed Occupancy Prediction for Autonomous Driving
US20190145784A1 (en) Lightweight Vehicle Localization Systems and Methods
KR102525227B1 (ko) 도로 정보 데이터를 결정하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
US20190147255A1 (en) Systems and Methods for Generating Sparse Geographic Data for Autonomous Vehicles
US11474532B2 (en) Systems and methods for detecting anomalies in a vehicle system
CN112212874B (zh) 车辆轨迹预测方法、装置、电子设备及计算机可读介质
CN110119140A (zh) 用于加速曲线投影的系统和方法
BR112019016268B1 (pt) Método para uso no atravessamento de uma rede de transporte de veículo e veículo autônomo
US10730531B1 (en) Machine-learning based vehicle motion control system
EP3648003B1 (en) Method and apparatus for predicting feature decay using variational auto-encoders
CN109491378A (zh) 自动驾驶车辆的基于道路分段的路线引导系统
US11829135B2 (en) Tuning autonomous vehicle dispatch using vehicle performance
Paz et al. Tridentnet: A conditional generative model for dynamic trajectory generation
Milanés et al. The tornado project: An automated driving demonstration in peri-urban and rural areas
US20210356965A1 (en) Vehicle routing using third party vehicle capabilities
CN111723173A (zh) 车载地图制作方法、装置、电子设备及存储介质
US11892832B2 (en) Lane path modification framework
Chipka et al. Estimation and navigation methods with limited information for autonomous urban driving
WO2023164942A1 (zh) 一种车辆的控制方法、装置、车辆、程序产品及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant