WO2020044512A1 - 車載装置、情報処理方法及び情報処理プログラム - Google Patents

車載装置、情報処理方法及び情報処理プログラム Download PDF

Info

Publication number
WO2020044512A1
WO2020044512A1 PCT/JP2018/032211 JP2018032211W WO2020044512A1 WO 2020044512 A1 WO2020044512 A1 WO 2020044512A1 JP 2018032211 W JP2018032211 W JP 2018032211W WO 2020044512 A1 WO2020044512 A1 WO 2020044512A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
risk map
candidate
candidates
steering angle
Prior art date
Application number
PCT/JP2018/032211
Other languages
English (en)
French (fr)
Inventor
康 洲鎌
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to PCT/JP2018/032211 priority Critical patent/WO2020044512A1/ja
Priority to JP2019523880A priority patent/JP6571904B1/ja
Priority to CN201880096823.5A priority patent/CN112602129B/zh
Publication of WO2020044512A1 publication Critical patent/WO2020044512A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Definitions

  • the present invention relates to an in-vehicle device, an information processing method, and an information processing program.
  • a potential method As a technique for avoiding obstacles on a route on which an automatic driving vehicle (hereinafter simply referred to as a vehicle) travels, there is a conventional technique called a potential method.
  • a risk map in which a potential value of an area to be avoided in a drawing in which a vehicle is viewed from above is set, is generated. The larger the potential value in the risk map, the more reliable avoidance is required.
  • the steering control is then performed using the risk map so that the vehicle passes through the route on which the sum of the potential values is the smallest among the routes on which the vehicle can move.
  • a potential value is calculated by steering and another potential calculation formula, and deceleration control is performed to a speed at which the sum of the potential values is minimized.
  • Obstacle avoidance motion control of a vehicle by risk potential prediction https://www.jstage.jst.go.jp/article/sicejl/54/11/54_820/_pdf/-char/ja
  • Examination of generation timing of guidance control target for autonomous vehicle using risk potential Automobile Engineering Society of Japan ⁇ 2018 ⁇ Spring Conference ⁇ literature number 2018054
  • FIGS. 4 and 5 show examples of a risk map reflecting the situation at the current time.
  • FIG. 4A illustrates that the front vehicle 200 is traveling in front of the vehicle 100 and the rear vehicle 300 is traveling behind the vehicle 100.
  • FIG. 4B shows a risk map that reflects the situation shown in FIG.
  • the vehicle 100 is represented as an image 1500.
  • the forward vehicle 200 is represented as an image 2000.
  • the rear vehicle 300 is represented as an image 3000.
  • FIG. 5A shows a situation where the oncoming vehicle 400 of the vehicle 100 is about to depart from the lane.
  • FIG. 5B shows a risk map reflecting the situation shown in FIG. 5A.
  • the oncoming vehicle 400 is represented as an image 4000.
  • Non-Patent Document 1 since the speed control of the vehicle is performed based on the risk map reflecting the current time situation as shown in FIGS. 4 and 5, a rear-end collision from the rear vehicle 300 or an oncoming vehicle 400 is performed. It is impossible to avoid an object coming to the vehicle such as a collision due to a lane departure. For example, as shown in FIG. 6, the vehicle 100 cannot avoid a rear-end collision from the rear vehicle 300. Further, as shown in FIG. 7, the vehicle 100 cannot avoid a collision due to the lane departure of the oncoming vehicle 400. Further, in the technology of Non-Patent Document 1, since avoidance by acceleration is not defined, even when avoidance by acceleration is possible, the vehicle 100 shown in FIG. It cannot be avoided.
  • Non-Patent Document 2 discloses a method using a prediction map after a certain time.
  • the speed is determined based on a risk difference between a case where the current speed is maintained and a case where the current speed is stopped.
  • the method of Non-Patent Document 2 requires that the speed becomes 0 after t seconds. That is, the method of Non-Patent Document 2 requires a behavior that cannot be performed by an actual vehicle.
  • Non-Patent Document 2 does not disclose acceleration, and thus cannot avoid avoidance by acceleration.
  • an object of the present invention is to enable a collision that cannot be avoided by the related art to be avoided.
  • the in-vehicle device includes: An in-vehicle device mounted on a vehicle, A predicted risk map generation unit that generates a risk map around the vehicle at a future time as a predicted risk map, A candidate generation unit that generates a plurality of candidates for the steering angle of the vehicle at the future time and a plurality of candidates for the speed value of the vehicle at the future time; For each combination of the plurality of candidates for the steering angle and the plurality of candidates for the speed value, a candidate position calculation unit that calculates the position of the vehicle in the prediction risk map as a candidate position, A combination selection unit that analyzes a plurality of candidate positions of the vehicle and selects one of a plurality of combinations of the plurality of candidates for the steering angle and the plurality of candidates for the speed value based on the analysis result. And
  • FIG. 2 is a diagram showing an example of a hardware configuration of the automatic obstacle avoidance device according to the first embodiment.
  • FIG. 2 is a diagram illustrating an example of a functional configuration of the automatic obstacle avoidance device according to the first embodiment;
  • 5 is a flowchart illustrating an operation example of the automatic obstacle avoidance device according to the first embodiment;
  • the figure which shows the example of the rear collision of the back vehicle The figure which shows the example of the collision by the lane departure of the oncoming vehicle.
  • FIG. 4 is a diagram illustrating an example of avoiding a rear-end collision of a rear vehicle according to the first embodiment by acceleration.
  • FIG. 4 is a diagram illustrating an example of avoiding a collision due to a lane departure of an oncoming vehicle according to the first embodiment by acceleration and steering.
  • FIG. 4 is a diagram showing an example of avoiding a collision with a falling object according to the first embodiment by acceleration.
  • FIG. 4 is a diagram showing an example of information obtained from the sensor according to the first embodiment and an example of a current risk map.
  • FIG. 4 is a diagram showing an example of generating a predicted risk map by a method (1) according to the first embodiment.
  • FIG. 5 is a diagram showing an example of generating a predicted risk map by a method (2) according to the first embodiment.
  • FIG. 4 is a diagram showing an example of a current risk map according to the first embodiment.
  • FIG. 4 is a diagram showing a processing example of a route determination unit according to the first embodiment.
  • FIG. *** Configuration description *** FIG. 1 shows a hardware configuration example of an automatic obstacle avoidance device 10 according to the present embodiment.
  • the automatic obstacle avoidance device 10 is mounted on the vehicle 1 as shown in FIG.
  • the vehicle 1 is, for example, an automatic driving vehicle.
  • the automatic obstacle avoidance device 10 corresponds to a vehicle-mounted device.
  • the operation performed by the automatic obstacle avoidance device 10 corresponds to an information processing method.
  • the automatic obstacle avoidance device 10 is a computer.
  • the automatic obstacle avoidance device 10 includes a processor 11, a memory 12, a sensor interface 13, and an ECU interface 14 as hardware.
  • the processor 11 executes a program for realizing the function of the automatic obstacle avoidance device 10.
  • the memory 12 stores a program that implements the function of the automatic obstacle avoidance device 10.
  • the memory 12 stores information obtained by the processor 11 executing the program. Further, the memory 12 stores information used by the processor 11.
  • the sensor interface 13 is connected to a camera 15, a radar 16, and a LiDar (Light Detection and Ranging) 17 which are sensors mounted on the vehicle 1.
  • the sensor interface 13 acquires information from these sensors.
  • the sensors mounted on the vehicle 1 are not limited to these. For example, a sonar may be mounted on the vehicle 1.
  • a plurality of each sensor may be mounted.
  • a plurality of cameras 15 such as the front camera 15 and the rear camera 15 of the vehicle 1 may be mounted.
  • the ECU interface 14 is connected to a vehicle control ECU (Engine Control Unit) 30.
  • the vehicle control ECU 30 is an example of a vehicle control device.
  • FIG. 2 shows a functional configuration example of the automatic obstacle avoidance device 10.
  • the automatic obstacle avoidance device 10 includes a peripheral object recognition unit 21, a current risk map generation unit 22, a past risk map storage unit 23, a movement prediction unit 24, a predicted risk map generation unit 25, a candidate generation unit 26, and a candidate position calculation unit 27. , A route determination unit 28 and a steering speed cost calculation unit 29.
  • the peripheral object recognition unit 21, the current risk map generation unit 22, the movement prediction unit 24, the predicted risk map generation unit 25, the candidate generation unit 26, the candidate position calculation unit 27, the route determination unit 28, and the steering speed cost calculation unit 29 Is realized.
  • the processor 11 executes the program to execute the peripheral object recognition unit 21, the current risk map generation unit 22, the movement prediction unit 24, the predicted risk map generation unit 25, the candidate generation unit 26, and the candidate position calculation.
  • the functions of the unit 27, the route determination unit 28, and the steering speed cost calculation unit 29 are realized.
  • a peripheral object recognition unit 21, a current risk map generation unit 22, a movement prediction unit 24, a predicted risk map generation unit 25, a candidate generation unit 26, a candidate position calculation unit 27, a route determination unit 28, and a steering speed cost calculation unit 29 are realized.
  • the program corresponds to an information processing program.
  • the processor 11 includes a peripheral object recognition unit 21, a current risk map generation unit 22, a movement prediction unit 24, a predicted risk map generation unit 25, a candidate generation unit 26, a candidate position calculation unit 27, a route determination unit 28, and a steering speed.
  • 4 schematically illustrates a state in which a program for realizing the function of the cost calculator 29 is being executed.
  • the route determination unit 28 corresponds to a combination selection unit.
  • the past risk map storage unit 23 is realized by the memory 12.
  • FIG. 3 shows an operation example of the automatic obstacle avoidance device 10 according to the present embodiment.
  • step S301 the peripheral object recognition unit 21 collects information from each sensor.
  • the peripheral object recognition unit 21 integrates information from each sensor to determine the type Ki and the position Xi (t) of the object around the vehicle 1. For example, the peripheral object recognition unit 21 determines the type Ki of the object based on information from the camera 15. Further, the peripheral object recognition unit 21 determines the position Xi (t) of the object based on information from the radar 16 and the LiDAR 17.
  • the object type Ki is an attribute of an object such as a pedestrian, a vehicle, a bicycle, and the like. Further, the type Ki of the object may be a predicted mass of the object, an area of the object measured from the vehicle 1, or the like. “T” at the position Xi (t) of the object indicates the current time. Hereinafter, “t” in other values also represents the current time.
  • the current risk map generation unit 22 uses the object type Ki and the position Xi (t) specified by the peripheral object recognition unit 21 to perform a risk map around the vehicle 1 at the current time t.
  • the current risk map R (t) is generated.
  • the current risk map R (t) is obtained by calculating the risk U (x) for each two-dimensional coordinate x at the current time t over a specified two-dimensional range.
  • the risk U (x) at the two-dimensional coordinates x can be generated using, for example, a normal distribution centered on the obstacle position Xi (t) represented by the following equation (1).
  • x is a two-dimensional coordinate of the risk map.
  • ⁇ 0 to ⁇ i are weighting factors determined by the target attributes K 0 to K i .
  • the two-dimensional variance ⁇ 0 to ⁇ i of the normal distribution is a value proportional to the width or height of the object or the width and height.
  • x 1 is the coordinate in the vertical direction of the risk map (traveling in roadway direction).
  • Y rc is the center of the lane.
  • ⁇ r is a preset value and is a constant indicating a risk value when the vehicle departs from the center of the lane.
  • FIG. 12 shows an outline of generation of the current risk map R (t).
  • FIG. 12A shows information obtained from the sensor.
  • FIG. 12A shows information obtained from the sensor.
  • FIG. 12B shows an example of the generated current risk map R (t).
  • the preceding vehicle 200 is recognized as an obstacle X 0 (t) as an obstacle around the vehicle 1.
  • the rear vehicle 300 is recognized as the obstacle X 2 (t).
  • the oncoming vehicle 400 is recognized as the obstacle X 1 (t).
  • the preceding vehicle 200 is represented as an image 2000 in the current risk map R (t).
  • the rear vehicle 300 is represented as an image 3000.
  • the oncoming vehicle 400 is represented as an image 4000.
  • step S304 the movement prediction unit 24 predicts the position of each object at time t + nu.
  • u is a unit time
  • the time t + u is also referred to as a future time, and the times t + 2u to t + nu subsequent to the future time t + u are also referred to as subsequent times.
  • future time t + u and subsequent times t + 2u to t + nu are collectively referred to as future time.
  • i indicates the identification number of each object.
  • X 0 (t + u) to X 0 (t + nu) when there are three objects around the vehicle 1, X 0 (t + u) to X 0 (t + nu), X 1 (t + u) to X 1 (t + nu), and X 2 (t + u) to X 2 (t + nu)
  • a predicted position for each object is generated.
  • the procedure for generating the predicted position is, for example, as follows.
  • the positions X i (t-nu) to X i (tu) of the objects at the past times t-nu to tu are stored in the memory 12.
  • the movement prediction unit 24 calculates the Kalman filter based on the past positions X i (t-nu) to X i (tu) and the position X i (t) of the object measured this time by the peripheral object recognition unit 21. Generated using
  • the past risk map storage unit 23 stores the risk maps R (t-nu) to R (tu) at the past times t-nu to tu generated by the current risk map generation unit 22 into the past risk map. Has accumulated.
  • the predicted risk map generation unit 25 generates the current risk map R (t) obtained from the current risk map generation unit 22 and the past risk map R (t-nu) obtained from the past risk map storage unit 23.
  • R (tu) the current position X i (t) and the predicted positions X i (t + u) to X i (t + nu) of each object obtained from the movement prediction unit 24, and the future time t + n
  • R (t + n) to R (t + nu) are generated as predicted risk maps.
  • the prediction risk map generation unit 25 can, for example, (1) consider the past risk maps R (t-nu) to R (t) as images and generate a prediction risk map by a method using movement prediction of each pixel.
  • the predicted risk map generation unit 25 generates, for example, (2) a future risk map based on the current position X i (t) and the predicted positions X i (t + u) to X i (t + nu) of the object. Is also good. Further, the predicted risk map generation unit 25 may generate a predicted risk map by, for example, (3) overlapping the risk maps obtained by the methods (1) and (2) described above. As the method (1), the prediction risk map generation unit 25 can generate a prediction risk map as shown in FIG. 13 using, for example, a motion vector extraction and a prediction image generation process used in a moving image compression process. . In FIG. 13A, FIG. 13B and FIG.
  • the prediction risk map generation unit 25 calculates, for example, the current position X i (t), the predicted positions X i (t + u) to X i (t + nu) of the object, and the object type Ki.
  • the predicted risk map can be generated using the equation (2) obtained by modifying the equation (1).
  • FIG. 14 shows an outline of generating a predicted risk map by the method (2).
  • (A) of FIG. 14 shows the movement prediction by the Kalman filter.
  • FIG. 14B shows a risk map R (t + u) generated based on the predicted position Xi (t + u).
  • FIGS. 14A and 14B the same components as those in FIGS. 12A and 12B are denoted by the same reference numerals.
  • the predicted risk map generation unit 25 superimposes, for example, the risk map generated by the method (1) and the risk map generated by the method (2) to generate a predicted risk map. Can be generated.
  • the predicted risk map generation unit 25 may add the predicted risk map generated by the method (1) and the predicted risk map generated by the method (2) as they are.
  • the prediction risk map generation unit 25 weights each of the prediction risk map generated by the method (1) and the prediction risk map generated by the method (2) to generate the prediction risk map generated by the method (1).
  • the risk map and the predicted risk map generated by the method (2) may be added.
  • the prediction risk map generation unit 25 may change the weighting according to, for example, the calculation accuracy, the priority, and the like when the prediction risk map is generated.
  • Step S305 corresponds to a predicted risk map generation process.
  • step S306 the candidate generating unit 26 determines whether the vehicle at future times t + u to t + nu is based on the current speed v (t) of the vehicle 1 at the current time t and the steering angle information r (t) from the vehicle control ECU 30.
  • 1 speed candidate v i (t + u) ⁇ v i (t + nu) to generate a steering angle candidate r i of the vehicle 1 (t + u) ⁇ r i (t + nu).
  • i represents the number of candidates to be generated. For example, when ten speed candidates are generated, v 0 (t + u) to v 0 (t + nu), v 1 (t + u) to v 1 (t + nu). .
  • Step S306 corresponds to a candidate generation process.
  • ⁇ i and ⁇ i are arbitrary real numbers, and may each be 0.
  • the candidate generation unit 26 generates a plurality of candidates r i (t + u) to r i (t + nu) of the change in the steering angle of the vehicle 1 and a plurality of candidates of the change in the speed value of the vehicle 1 in the future times t + u to t + nu.
  • v i (t + u) to generate the ⁇ v i (t + nu) .
  • costs V 0 to V i and U 0 to U i that serve as guidelines for selection in the route determination unit 28 described later are calculated.
  • the steering speed cost calculator 29 calculates the cost proportional to the square of the steering amount or the acceleration / deceleration amount that does not perform abrupt steering or acceleration / deceleration, which is expressed by the following Expressions (5) and (6). Can be calculated.
  • ⁇ i is the speed change amount used in equation (3)
  • ⁇ i is the steering change amount used in equation (4)
  • w a and w b are cost weight values set in advance.
  • step S307 the candidate position calculating section 27, the candidate of the velocity value candidate generating unit 26 generates v i (t + u) ⁇ v i (t + nu), each candidate r i of the steering angle (t + u) ⁇ r Based on i (t + nu), candidate positions S i (t + u) to S i (t + nu) of vehicle 1 in risk maps R (t + u) to R (t + nu) at future times t + u to t + nu are calculated.
  • i represents the number of candidates to be generated, and corresponds to the subscript i of the steering and acceleration / deceleration candidates.
  • candidate positions S 0 (t + u) to S 0 (t + nu) are calculated from speed value candidates v 0 (t + u) to v 0 (t + nu) and steering angle candidates r 0 (t + u) to r 0 (t + nu).
  • the candidate position calculating section 27 combines a plurality of candidate v i velocity values (t + u) and the steering angle of the plurality of candidate r i (t + u), for each combination, at risk map R (t + u)
  • the position of the vehicle 1 is calculated as a candidate position.
  • the candidate position calculating section 27 combines a plurality of candidate v i velocity values (t + 2u) and a steering angle of a plurality of candidate r i (t + 2u), for each combination, the vehicle 1 in the risk map R (t + 2u) Is calculated as a candidate position.
  • the position of the vehicle 1 at R (t + nu) is calculated as a candidate position.
  • Step S307 corresponds to a candidate position calculation process.
  • step S308 the route determination unit 28 determines the costs V 0 to V i and U 0 to U i obtained by the steering speed cost calculation unit 29 and the candidate positions S i (t + u) obtained by the candidate position calculation unit 27.
  • the speed v (t + u) and the steering angle r (t + u) of the vehicle 1 at the time t + u are determined on the basis of the potential values of the risk maps R (t + u) to R (t + nu) at S i (t + nu).
  • the route determination unit 28 outputs the determined speed v (t + u) and steering angle r (t + u) to the vehicle control ECU 30.
  • the route determination unit 28 can determine the speed v (t + u) and the steering angle r (t + u) by the following method, for example.
  • the route determination unit 28 performs the cost function G () using the risk maps R (t + u) to R (t + nu) and the candidate positions S i (t + u) to S i (t + nu) at each time on the risk map as arguments.
  • S i (t + u), S i (t + 2u) ,, S i (t + nu)) are defined.
  • the route determination unit 28 obtains an argument of the function that minimizes the value of the cost function.
  • the function F (r, s) is a function for acquiring a potential value at the position s of the risk map r.
  • Equation (8) is based on the candidate positions S 0 (t + u) to S 0 (t + nu). . . It shows that among S i (t + u) to S i (t + nu), candidate positions ⁇ S a (t + u), S a (t + 2u) ,, S a (t + nu) ⁇ that minimize the cost function G are selected. ing.
  • the route determination unit 28 selects a candidate position has been determined by Equation (8) S a (t + u) and the corresponding velocity v a (t + u) and the steering angle r a (t + u). Then, the route determination unit 28 outputs the selected velocity v a (t + u) and the steering angle r a (t + u), the vehicle control ECU30 as a traveling route of the vehicle 1.
  • the subscript a indicates the candidate selected by the equation (8), and 0 ⁇ a ⁇ i.
  • the route determination unit 28 analyzes a plurality of candidate positions of the vehicle 1 and, based on the analysis result, selects one of a plurality of combinations of the plurality of candidates for the steering angle and the plurality of candidates for the speed value. Select the combination of That is, the route determination unit 28 analyzes the potential values corresponding to the plurality of candidate positions of the vehicle 1 set in the corresponding predicted risk map for each of the future time and the subsequent time, and based on the analysis result, Any one of a plurality of combinations of a plurality of candidates for the change in the steering angle and a plurality of candidates for the change in the speed value is extracted.
  • the route determination unit 28 calculates the transition of the steering angle transition in which the sum of the potential values obtained by adding the potential values of the candidate positions at the future time and the subsequent time over the future time and the subsequent time is the lowest. A combination of a candidate and a candidate for transition of a speed value is extracted. Then, the route determination unit 28 determines the combination of the candidate of the steering angle corresponding to the future time in the candidate of the change of the steering angle of the extracted combination and the candidate of the speed value corresponding to the future time in the candidate of the change of the speed value. Select Step S308 corresponds to a combination selection process.
  • FIG. 15 and FIG. 16 show processing examples of the route determination unit 28.
  • FIG. 15 shows an example of the current risk map R (t).
  • FIG. 16A shows a predicted risk map R (t + u).
  • FIG. 16B shows a predicted risk map R (t + 2u).
  • FIG. 16C shows the predicted risk map R (t + 3u).
  • the same components as those in FIG. 12B are denoted by the same reference numerals.
  • the image 1000 shows the candidate position of the vehicle 1. In the example of FIG.
  • the past risk map storage unit 23 stores the current risk map R (t) as the past risk map R (tu).
  • the past risk map storage unit 23 converts the past risk maps R (tu) to R (t- (n-1) u) into the past risk maps R (t-2u) to R (t-t). nu).
  • the vehicle 1 can avoid a collision with the rear vehicle 300 by accelerating.
  • the vehicle 1 can avoid a collision with an oncoming vehicle 400 that has deviated from the lane by accelerating and steering.
  • the vehicle 1 can avoid a collision with the falling object 500 by acceleration.
  • the peripheral object recognition unit 21 determines the position Xi (t) of the object, and outputs the determined position Xi (t) to the current risk map generation unit 22 and the movement prediction unit 24.
  • the peripheral object recognition unit 21 may also measure the speed of the object, and output the speed of the object to the current risk map generation unit 22 and the movement prediction unit 24.
  • the current risk map generation unit 22 generates a risk map using the speed of the object in addition to the position of the object at time t.
  • the movement prediction unit 24 predicts the position of the object based on the speed of the object in addition to the past position and the current position of the object.
  • the route determination unit 28 can select an operation (deceleration or acceleration) with a low collision risk by using a highly accurate predicted risk map.
  • the processor 11 illustrated in FIG. 1 is an integrated circuit (IC) that performs processing.
  • the processor 11 is a CPU (Central Processing Unit), a DSP (Digital Signal Processor), or the like.
  • the memory 12 shown in FIG. 1 is a RAM (Random Access Memory).
  • the automatic obstacle avoidance device 10 may include an auxiliary storage device such as a ROM (Read Only Memory), a flash memory, and a HDD (Hard Disk Drive).
  • the memory 12 also stores an OS (Operating System). Then, at least a part of the OS is executed by the processor 11. While executing at least a part of the OS, the processor 11 executes the peripheral object recognition unit 21, the current risk map generation unit 22, the movement prediction unit 24, the predicted risk map generation unit 25, the candidate generation unit 26, the candidate position calculation unit 27, and the route. A program for realizing the functions of the determination unit 28 and the steering speed cost calculation unit 29 is executed. When the processor 11 executes the OS, task management, memory management, file management, communication control, and the like are performed.
  • OS Operating System
  • the peripheral object recognition unit 21, the current risk map generation unit 22, the movement prediction unit 24, the predicted risk map generation unit 25, the candidate generation unit 26, the candidate position calculation unit 27, the route determination unit 28, and the steering speed cost calculation unit 29 At least one of information, data, a signal value, and a variable value indicating a result of the processing is stored in at least one of the memory 12, a register in the processor 11, and a cache memory.
  • the program for realizing the function may be stored in a portable recording medium such as a magnetic disk, a flexible disk, an optical disk, a compact disk, a Blu-ray (registered trademark) disk, and a DVD.
  • a portable recording medium such as a magnetic disk, a flexible disk, an optical disk, a compact disk, a Blu-ray (registered trademark) disk, and a DVD.
  • the peripheral object recognition unit 21, the current risk map generation unit 22, the movement prediction unit 24, the predicted risk map generation unit 25, the candidate generation unit 26, the candidate position calculation unit 27, the route determination unit 28, and the steering speed cost calculation unit 29 “Part” may be read as “circuit” or “step” or “procedure” or “processing”.
  • the automatic obstacle avoidance device 10 may be realized by a processing circuit.
  • the processing circuit is, for example, a logic IC (Integrated Circuit), a GA (Gate Array), an ASIC (Application Specific Integrated Circuit), or an FPGA (Field-Programmable Gate Array).
  • a general concept of the processor 11, the memory 12, the combination of the processor 11 and the memory 12, and the processing circuit is referred to as "processing circuitry". That is, the processor 11, the memory 12, the combination of the processor 11 and the memory 12, and the processing circuit are each a specific example of “processing circuitry”.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

予測リスクマップ生成部（２５）は、未来の時刻での車両（１）の周辺のリスクマップを予測リスクマップとして生成する。候補生成部（２６）は、未来の時刻での車両（１）の操舵角度の複数の候補と車両（１）の速度値の複数の候補とを生成する。候補位置算出部（２７）は、操舵角度の複数の候補と速度値の複数の候補との組合せごとに、予測リスクマップでの車両（１）の位置を候補位置として算出する。経路決定部（２８）は、車両（１）の複数の候補位置を解析し、解析結果に基づき、操舵角度の複数の候補と速度値の複数の候補との複数の組合せの中から、いずれかの組合せを選択する。

Description

車載装置、情報処理方法及び情報処理プログラム
　本発明は、車載装置、情報処理方法及び情報処理プログラムに関する。
　自動運転車両（以下、単に車両という）が走行する経路上の障害物を回避するための技術として、ポテンシャル法と呼ばれる従来技術が存在する。本従来技術においては、初めにリスクマップと呼ばれる車両を上方から見下ろした図面内に回避すべき領域のポテンシャル値を設定した二次元データが生成される。リスクマップ内のポテンシャル値は、大きいほど確実な回避が必要であることを示している。本従来技術では、次にリスクマップを利用して車両が移動可能な経路のうちポテンシャル値の総和が最小の経路を通過するように操舵制御が行われる。速度に関しては操舵と別のポテンシャル計算式によりポテンシャル値が計算され、ポテンシャル値の総和が最小となる速度へ減速制御が行われる。
リスクポテンシャル予測による自動車の障害物回避運動制御（ｈｔｔｐｓ：／／ｗｗｗ．ｊｓｔａｇｅ．ｊｓｔ．ｇｏ．ｊｐ／ａｒｔｉｃｌｅ／ｓｉｃｅｊｌ／５４／１１／５４＿８２０／＿ｐｄｆ／－ｃｈａｒ／ｊａ） リスクポテンシャルを用いた自律走行車両の誘導制御目標の生成タイミングの検討（自動車技術会　２０１８　春季大会　文献番号２０１８０５４）
　図４及び図５は、現時刻の状況を反映したリスクマップの例を表す。図４の（ａ）では、車両１００の前方に前方車両２００が走行しており、車両１００の後方に後方車両３００が走行していることを表している。図４の（ｂ）は、図４の（ａ）に示す状況を反映したリスクマップを表している。図４の（ａ）のリスクマップでは、車両１００が画像１５００として表現されている。また、前方車両２００が画像２０００として表現されている。また、後方車両３００が画像３０００として表現されている。図５の（ａ）では、車両１００の対向車両４００が車線を逸脱しようとする状況が示されている。図５の（ｂ）は、図５の（ａ）に示す状況を反映したリスクマップを表している。図５の（ｂ）では、対向車両４００が画像４０００として表現されている。
　非特許文献１の技術では、図４及び図５に示すような、現時刻の状況を反映したリスクマップに基づき車両の速度制御が行われているので、後方車両３００からの追突又は対向車両４００の車線逸脱による衝突といった車両へ向かってくる物体を回避することができない。
　例えば、図６に示すように、車両１００は、後方車両３００からの追突を回避することができない。また、図７に示すように、車両１００は、対向車両４００の車線逸脱による衝突を回避することができない。さらに、非特許文献１の技術では、加速による回避について定義されていないため、加速で回避が可能な場合であっても、図８に示す車両１００は、トンネル等における落下物５００との衝突を回避することができない。
　非特許文献２では、ある一定時間後の予測マップを用いる方法が開示されている。そして、非特許文献２の技術では、現在速度を維持する場合と停止する場合のリスク差によって速度が決定される。しかし、非特許文献２の方法では、ｔ秒後に速度０となることが要求されている。つまり、非特許文献２の方法では、実際の車両で不可能な挙動が要求されている。また、非特許文献２では、加速について開示されていないため、加速による回避を行うことができない。
　本発明は、このような事情に鑑み、従来技術では回避できない衝突を回避できるようにすることを主な目的とする。
　本発明に係る車載装置は、
　車両に搭載された車載装置であって、
　未来の時刻での前記車両の周辺のリスクマップを予測リスクマップとして生成する予測リスクマップ生成部と、
　前記未来の時刻での前記車両の操舵角度の複数の候補と前記車両の速度値の複数の候補とを生成する候補生成部と、
　前記操舵角度の複数の候補と前記速度値の複数の候補との組合せごとに、前記予測リスクマップでの前記車両の位置を候補位置として算出する候補位置算出部と、
　前記車両の複数の候補位置を解析し、解析結果に基づき、前記操舵角度の複数の候補と前記速度値の複数の候補との複数の組合せの中から、いずれかの組合せを選択する組合せ選択部とを有する。
　本発明によれば、従来技術では回避できない衝突を回避することができる。
実施の形態１に係る障害物自動回避装置のハードウェア構成例を示す図。 実施の形態１に係る障害物自動回避装置の機能構成例を示す図。 実施の形態１に係る障害物自動回避装置の動作例を示すフローチャート。 現時刻のリスクマップでは後方車両の追突の危険性を表せないことを示す図。 現時刻のリスクマップでは対向車の車線逸脱の危険性を表せないことを示す図。 後方車両の追突の例を示す図。 対向車の車線逸脱による衝突の例を示す図。 落下物との衝突の例を示す図。 実施の形態１に係る後方車両の追突を加速により回避する例を示す図。 実施の形態１に係る対向車の車線逸脱による衝突を加速及び操舵により回避する例を示す図。 実施の形態１に係る落下物との衝突を加速により回避する例を示す図。 実施の形態１に係るセンサから得られた情報の例と現リスクマップの例を示す図。 実施の形態１に係る方法（１）による予測リスクマップの生成例を示す図。 実施の形態１に係る方法（２）による予測リスクマップの生成例を示す図。 実施の形態１に係る現リスクマップの例を示す図。 実施の形態１に係る経路決定部の処理例を示す図。
　以下、本発明の実施の形態について、図を用いて説明する。以下の実施の形態の説明及び図面において、同一の符号を付したものは、同一の部分又は相当する部分を示す。
　実施の形態１．
＊＊＊構成の説明＊＊＊
　図１は、本実施の形態に係る障害物自動回避装置１０のハードウェア構成例を示す。
　障害物自動回避装置１０は、図１に示すように車両１に搭載されている。車両１は例えば自動運転車両である。障害物自動回避装置１０は、車載装置に相当する。また、障害物自動回避装置１０で行われる動作は、情報処理方法に相当する。
　障害物自動回避装置１０は、コンピュータである。
　障害物自動回避装置１０は、ハードウェアとして、プロセッサ１１、メモリ１２、センサインターフェース１３、ＥＣＵインターフェース１４を備える。
　プロセッサ１１は、障害物自動回避装置１０の機能を実現するプログラムを実行する。
　メモリ１２は、障害物自動回避装置１０の機能を実現するプログラムを記憶する。また、メモリ１２は、プロセッサ１１がプログラムを実行して得られた情報を記憶する。更に、メモリ１２は、プロセッサ１１が用いる情報を記憶する。
　センサインターフェース１３は、車両１に搭載されているセンサであるカメラ１５、レーダー１６及びＬｉＤａｒ（Ｌｉｇｈｔ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ｒａｎｇｉｎｇ）１７に接続されている。センサインターフェース１３は、これらセンサから情報を取得する。なお、車両１に搭載されるセンサはこれらに限らない。例えば、車両１にソナーが搭載されていてもよい。また、各センサは複数搭載されていてもよい。例えば、車両１の前方のカメラ１５と後方のカメラ１５のように複数のカメラ１５が搭載されていてもよい。
　ＥＣＵインターフェース１４は、車両制御ＥＣＵ（Ｅｎｇｉｎｅ　Ｃｏｎｔｒｏｌ　Ｕｎｉｔ）３０に接続されている。車両制御ＥＣＵ３０は、車両制御装置の例である。
　図２は、障害物自動回避装置１０の機能構成例を示す。
　障害物自動回避装置１０は、周辺物体認識部２１、現リスクマップ生成部２２、過去リスクマップ蓄積部２３、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９を備える。
　周辺物体認識部２１、現リスクマップ生成部２２、過去リスクマップ蓄積部２３、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９の各々の詳細は後述する。
　周辺物体認識部２１、現リスクマップ生成部２２、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９は、プログラムで実現される。そして、前述したように、プロセッサ１１が当該プログラムを実行して、周辺物体認識部２１、現リスクマップ生成部２２、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９の各々の機能を実現する。
　周辺物体認識部２１、現リスクマップ生成部２２、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９を実現するプログラムは、情報処理プログラムに相当する。
　図２では、プロセッサ１１が周辺物体認識部２１、現リスクマップ生成部２２、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９の機能を実現するプログラムを実行している状態を模式的に表している。
　なお、経路決定部２８は、組合せ選択部に相当する。
　過去リスクマップ蓄積部２３は、メモリ１２により実現される。
＊＊＊動作の説明＊＊＊
　図３は、本実施の形態に係る障害物自動回避装置１０の動作例を示す。
　最初に、ステップＳ３０１において、周辺物体認識部２１が、各センサから情報を収集する。
　次に、ステップＳ３０２において、周辺物体認識部２１は、各センサからの情報を統合して車両１の周囲の物体の種類Ｋｉと位置Ｘｉ（ｔ）を決定する。
　例えば、周辺物体認識部２１は、カメラ１５からの情報に基づき、物体の種類Ｋｉを決定する。また、周辺物体認識部２１は、レーダー１６及びＬｉＤＡＲ１７からの情報に基づき、物体の位置Ｘｉ（ｔ）を決定する。
　物体の種類Ｋｉは、歩行者、車両、自転車等の物体の属性である。また、物体の種類Ｋｉは、物体の予測質量、車両１から計測される物体の面積等であってもよい。物体の位置Ｘｉ（ｔ）における「ｔ」は、現時刻を表す。以下、他の値における「ｔ」も現時刻を表す。
　次に、ステップＳ３０３において、現リスクマップ生成部２２が、周辺物体認識部２１で特定された物体の種類Ｋｉと位置Ｘｉ（ｔ）を用いて、現時刻ｔでの車両１の周辺のリスクマップである現リスクマップＲ（ｔ）を生成する。
　現リスクマップＲ（ｔ）は、現時刻ｔにおける二次元座標ｘごとのリスクＵ（ｘ）を規定の二次元範囲に渡って算出することで得られる。二次元座標ｘでのリスクＵ（ｘ）は、例えば以下の式（１）で示される障害物位置Ｘｉ（ｔ）を中心とした正規分布を用いて生成することができる。
Figure JPOXMLDOC01-appb-M000001
　ここでｘはリスクマップの二次元座標である。α０～αｉは対象の属性Ｋ０～Ｋｉによって決定される重み係数である。正規分布の二次元分散σ０～σｉは、対象の幅又は高さ、もしくは幅及び高さと比例する値とする。
　ｘ１はリスクマップの縦方向（車道における進行方向）の座標である。Ｙｒｃは車線中心である。σｒは予め設定される値で、車線中心から離れた場合のリスク値を示す定数である。
　図１２に、現リスクマップＲ（ｔ）の生成の概要を示す。図１２の（ａ）は、センサから得られた情報を示す。図１２の（ｂ）は、生成された現リスクマップＲ（ｔ）の例を示す。図１２の（ａ）に示すように、車両１の周囲の障害物として、前方車両２００が障害物Ｘ０（ｔ）として認識されている。また、後方車両３００が障害物Ｘ２（ｔ）として認識されている。また、対向車両４００が障害物Ｘ１（ｔ）として認識されている。この場合に、図１２の（ｂ）に示すように、現リスクマップＲ（ｔ）では、前方車両２００が画像２０００として表現される。また、後方車両３００が画像３０００として表現される。また、対向車両４００が画像４０００として表現される。
　次に、ステップＳ３０４において、移動予測部２４が、時刻ｔ＋ｎｕにおける各物体の位置を予測する。ここでｕは単位時間、ｎは予測値の数である。
　例えば、ｕ＝０．１秒、ｎ＝３０とすると、０．１秒後から３．０秒後までの各物体の予測位置Ｘｉ（ｔ＋ｕ）、Ｘｉ（ｔ＋２ｕ）、Ｘｉ（ｔ＋３ｕ）．．．Ｘｉ（ｔ＋ｎｕ）が生成される。なお、時刻ｔ＋ｕを未来の時刻、未来の時刻ｔ＋ｕに後続するｔ＋２ｕからｔ＋ｎｕを後続時刻ともいう。なお、以下では、未来の時刻ｔ＋ｕ及び後続時刻ｔ＋２ｕからｔ＋ｎｕを総称して将来時刻という。
　ここでｉは各物体の識別番号を示している。例えば車両１の周囲に３つの物体が存在する場合、Ｘ０（ｔ＋ｕ）～Ｘ０（ｔ＋ｎｕ）、Ｘ１（ｔ＋ｕ）～Ｘ１（ｔ＋ｎｕ）、Ｘ２（ｔ＋ｕ）～Ｘ２（ｔ＋ｎｕ）のそれぞれの物体に対する予測位置が生成される。
　予測位置の生成手順は、例えば、以下の通りである。
　例えば、過去の時刻ｔ－ｎｕ～ｔ－ｕにおける各物体の位置Ｘｉ（ｔ－ｎｕ）～Ｘｉ（ｔ－ｕ）をメモリ１２に記憶しておく。そして、移動予測部２４が、過去の位置Ｘｉ（ｔ－ｎｕ）～Ｘｉ（ｔ－ｕ）と、周辺物体認識部２１が今回計測した当該物体の位置Ｘｉ（ｔ）に基づき、カルマンフィルタ等を用いて生成する。
　なお、過去リスクマップ蓄積部２３は、現リスクマップ生成部２２が生成した、過去の時刻ｔ－ｎｕ～ｔ－ｕにおけるリスクマップＲ（ｔ－ｎｕ）～Ｒ（ｔ－ｕ）を過去リスクマップとして蓄積している。
　次に、ステップＳ３０５において、予測リスクマップ生成部２５が、現リスクマップ生成部２２から得られる現リスクマップＲ（ｔ）、過去リスクマップ蓄積部２３から得られる過去リスクマップＲ（ｔ－ｎｕ）～Ｒ（ｔ－ｕ）、移動予測部２４から得られる、各物体の現在の位置Ｘｉ（ｔ）及び予測位置Ｘｉ（ｔ＋ｕ）～Ｘｉ（ｔ＋ｎｕ）等をもとに、将来時刻ｔ＋ｎからｔ＋ｎｕまでのリスクマップＲ（ｔ＋ｎ）～Ｒ（ｔ＋ｎｕ）を予測リスクマップとして生成する。
　予測リスクマップ生成部２５は、例えば（１）過去リスクマップＲ（ｔ－ｎｕ）～Ｒ（ｔ）を画像とみなし、各画素の移動予測を用いる方法で予測リスクマップを生成することができる。また、予測リスクマップ生成部２５は、例えば、（２）物体の現在の位置Ｘｉ（ｔ）、予測位置Ｘｉ（ｔ＋ｕ）～Ｘｉ（ｔ＋ｎｕ）を元に未来のリスクマップを生成してもよい。また、予測リスクマップ生成部２５は、例えば、（３）上記の（１）及び（２）の方法で得られたリスクマップを重ね合わせて予測リスクマップを生成してもよい。
　上記（１）の方法として、予測リスクマップ生成部２５は、例えば動画像圧縮処理で用いられる動きベクトル抽出と予測画像生成処理を用いて、図１３のように予測リスクマップを生成することができる。図１３の（ａ）、図１３の（ｂ）及び図１３の（ｃ）において、画像２０００、画像３０００及び画像４０００は図１２に示すものと同じである。
　また、上記（２）の方法として、予測リスクマップ生成部２５は、例えば物体の現在の位置Ｘｉ（ｔ）、予測位置Ｘｉ（ｔ＋ｕ）～Ｘｉ（ｔ＋ｎｕ）と物体の種類Ｋｉに対して式（１）を修正した式（２）を用いて、予測リスクマップを生成することができる。
Figure JPOXMLDOC01-appb-M000002
　なお、τは時間を表しており、σｔｉは予測の不確実さを示す重み値を表す。例えばカルマンフィルタによる予測を行う場合、予測誤差の分散に比例する値をσｔｉに設定することができる。
　図１４は、（２）の方法による予測リスクマップの生成の概要を示す。図１４の（ａ）は、カルマンフィルタによる移動予測を示す。図１４の（ｂ）は、予測位置Ｘｉ（ｔ＋ｕ）を元に生成されたリスクマップＲ（ｔ＋ｕ）を示す。なお、図１４の（ａ）及び図１４の（ｂ）において、図１２の（ａ）及び図１２の（ｂ）と同じものには同じ符号が用いられている。
　また、上記の（３）の方法として、予測リスクマップ生成部２５は、例えば（１）の方法で生成したリスクマップと（２）の方法で生成したリスクマップとを重ね合わせて予測リスクマップを生成することができる。予測リスクマップ生成部２５は、リスクマップを重ね合わせる際に、（１）の方法で生成した予測リスクマップと（２）の方法で生成した予測リスクマップとをそのまま加算してもよい。また、予測リスクマップ生成部２５は、（１）の方法で生成した予測リスクマップと（２）の方法で生成した予測リスクマップのそれぞれに重みを付して（１）の方法で生成した予測リスクマップと（２）の方法で生成した予測リスクマップを加算してもよい。また、予測リスクマップ生成部２５は、例えば、予測リスクマップの生成時の計算精度、優先度等に応じて重み付けを変更してもよい。
　ステップＳ３０５は、予測リスクマップ生成処理に相当する。
　次に、ステップＳ３０６において、候補生成部２６が、車両制御ＥＣＵ３０からの車両１の現時刻ｔにおける現在速度ｖ（ｔ）、操舵角情報ｒ（ｔ）を元に、将来時刻ｔ＋ｕ～ｔ＋ｎｕにおける車両１の速度候補ｖｉ（ｔ＋ｕ）～ｖｉ（ｔ＋ｎｕ）、車両１の操舵角候補ｒｉ（ｔ＋ｕ）～ｒｉ（ｔ＋ｎｕ）を生成する。ここでｉは生成する候補の数を表しており、例えば１０個の速度候補を生成する場合は、ｖ０（ｔ＋ｕ）～ｖ０（ｔ＋ｎｕ）、ｖ１（ｔ＋ｕ）～ｖ１（ｔ＋ｎｕ）．．．ｖ９（ｔ＋ｕ）～ｖ９（ｔ＋ｎｕ）の、合計ｎ×１０個の候補が生成される。
　候補生成部２６は、例えば急な操舵及び急な加減速が発生しないように、以下の式を用いて、速度候補及び操舵候補を生成することができる。
　ステップＳ３０６は、候補生成処理に相当する。
Figure JPOXMLDOC01-appb-M000003
　ここで、αｉ及びβｉは任意の実数であり、それぞれ０であってもよい。
　このように、候補生成部２６は、将来時刻ｔ＋ｕ～ｔ＋ｎｕにおける車両１の操舵角度の推移の複数の候補ｒｉ（ｔ＋ｕ）～ｒｉ（ｔ＋ｎｕ）と車両１の速度値の推移の複数の候補ｖｉ（ｔ＋ｕ）～ｖｉ（ｔ＋ｎｕ）とを生成する。
　操舵速度コスト算出部２９は、候補生成部２６が生成した操舵角度の各候補ｒｉ（ｔ＋ｕ）～ｒｉ（ｔ＋ｎｕ）と、速度値の各候補ｖｉ（ｔ＋ｕ）～ｖｉ（ｔ＋ｎｕ）に対して、後述の経路決定部２８での選択の指針となるコストＶ０～Ｖｉ、Ｕ０～Ｕｉを算出する。
　例えば、操舵速度コスト算出部２９は、以下の式（５）及び式（６）で表される、急な操舵や加減速を行わないような操舵量や加減速量の２乗に比例するコストを算出することができる。
Figure JPOXMLDOC01-appb-M000004
　ここで、αｉは式（３）で用いた速度変化量、βｉは式（４）で用いた操舵変化量である。ｗａ、ｗｂは予め設定されるコストの重み値である。
　次に、ステップＳ３０７において、候補位置算出部２７が、候補生成部２６が生成した速度値の各候補ｖｉ（ｔ＋ｕ）～ｖｉ（ｔ＋ｎｕ）、操舵角度の各候補ｒｉ（ｔ＋ｕ）～ｒｉ（ｔ＋ｎｕ）をもとに、将来時刻ｔ＋ｕ～ｔ＋ｎｕにおけるリスクマップＲ（ｔ＋ｕ）～Ｒ（ｔ＋ｎｕ）での車両１の候補位置Ｓｉ（ｔ＋ｕ）～Ｓｉ（ｔ＋ｎｕ）を算出する。
　ここでｉは生成する候補の数を表しており、操舵及び加減速候補の添字ｉと対応している。すなわち、速度値の候補ｖ０（ｔ＋ｕ）～ｖ０（ｔ＋ｎｕ）、操舵角度の候補ｒ０（ｔ＋ｕ）～ｒ０（ｔ＋ｎｕ）から候補位置Ｓ０（ｔ＋ｕ）～Ｓ０（ｔ＋ｎｕ）が算出される。
　このように、候補位置算出部２７は、速度値の複数の候補ｖｉ（ｔ＋ｕ）と操舵角度の複数の候補ｒｉ（ｔ＋ｕ）とを組合せ、組合せごとに、リスクマップＲ（ｔ＋ｕ）での車両１の位置を候補位置として算出する。
　また、候補位置算出部２７は、速度値の複数の候補ｖｉ（ｔ＋２ｕ）と操舵角度の複数の候補ｒｉ（ｔ＋２ｕ）とを組合せ、組合せごとに、リスクマップＲ（ｔ＋２ｕ）での車両１の位置を候補位置として算出する。
　操舵速度コスト算出部２９は、時刻（ｔ＋３ｕ）以降も同様に、速度値の複数の候補ｖｉ（ｔ＋ｎｕ）と操舵角度の複数の候補ｒｉ（ｔ＋ｎｕ）とを組合せ、組合せごとに、リスクマップＲ（ｔ＋ｎｕ）での車両１の位置を候補位置として算出する。
　ステップＳ３０７は、候補位置算出処理に相当する。
　ステップＳ３０８において、経路決定部２８が、操舵速度コスト算出部２９により得られたコストＶ０～Ｖｉ、Ｕ０～Ｕｉと、候補位置算出部２７より得られた候補位置Ｓｉ（ｔ＋ｕ）～Ｓｉ（ｔ＋ｎｕ）でのリスクマップＲ（ｔ＋ｕ）～Ｒ（ｔ＋ｎｕ）のポテンシャル値をもとに、時刻ｔ＋ｕでの車両１の速度ｖ（ｔ＋ｕ）及び操舵角ｒ（ｔ＋ｕ）を決定する。そして、経路決定部２８は、決定した速度ｖ（ｔ＋ｕ）及び操舵角ｒ（ｔ＋ｕ）を車両制御ＥＣＵ３０に出力する。
　経路決定部２８は、例えば、以下の方法により、速度ｖ（ｔ＋ｕ）及び操舵角ｒ（ｔ＋ｕ）を決定することができる。
　まず、経路決定部２８は、リスクマップＲ（ｔ＋ｕ）～Ｒ（ｔ＋ｎｕ）とリスクマップ上での各時刻での候補位置Ｓｉ（ｔ＋ｕ）～Ｓｉ（ｔ＋ｎｕ）を引数とするコスト関数Ｇ（Ｓｉ（ｔ＋ｕ），Ｓｉ（ｔ＋２ｕ），，，Ｓｉ（ｔ＋ｎｕ））を定義する。そして、経路決定部２８は、コスト関数の値が最も小さくなる関数の引数を求める。
Figure JPOXMLDOC01-appb-M000005
　式（７）において、関数Ｆ（ｒ，ｓ）はリスクマップｒの位置ｓにおけるポテンシャル値を取得する関数である。
　式（８）は、候補位置Ｓ０（ｔ＋ｕ）～Ｓ０（ｔ＋ｎｕ）．．．Ｓｉ（ｔ＋ｕ）～Ｓｉ（ｔ＋ｎｕ）のうち、コスト関数Ｇを最小にする候補位置｛Ｓａ（ｔ＋ｕ），Ｓａ（ｔ＋２ｕ），，，Ｓａ（ｔ＋ｎｕ）｝が選ばれることを示している。
　次に、経路決定部２８は、式（８）によって決定した候補位置Ｓａ（ｔ＋ｕ）と対応する速度ｖａ（ｔ＋ｕ）及び操舵角ｒａ（ｔ＋ｕ）を選択する。そして、経路決定部２８は、選択した速度ｖａ（ｔ＋ｕ）及び操舵角ｒａ（ｔ＋ｕ）を、車両１の進行経路として車両制御ＥＣＵ３０に出力する。ここで、添字ａは式（８）によって選ばれた候補を示しており、０≦ａ≦ｉである。
　このように、経路決定部２８は、車両１の複数の候補位置を解析し、解析結果に基づき、操舵角度の複数の候補と速度値の複数の候補との複数の組合せの中から、いずれかの組合せを選択する。つまり、経路決定部２８は、未来の時刻及び後続時刻の各々について、該当する予測リスクマップに設定されている、車両１の複数の候補位置に対応するポテンシャル値を解析し、解析結果に基づき、操舵角度の推移の複数の候補と速度値の推移の複数の候補との複数の組合せの中から、いずれかの組合せを抽出する。より詳細には、経路決定部２８は、未来の時刻及び後続時刻の各々における候補位置のポテンシャル値を未来の時刻及び後続時刻にわたって加算して得られるポテンシャル値の総和が最も低い操舵角度の推移の候補と速度値の推移の候補との組合せを抽出する。そして、経路決定部２８は、抽出した組合せの操舵角度の推移の候補における未来の時刻に対応する操舵角の候補と速度値の推移の候補における未来の時刻に対応する速度値の候補との組合せを選択する。
　なお、ステップＳ３０８は、組合せ選択処理に相当する。
　図１５及び図１６に経路決定部２８の処理例を示す。
　図１５は、現リスクマップＲ（ｔ）の例を示す。
　図１６の（ａ）は、予測リスクマップＲ（ｔ＋ｕ）を示す。図１６の（ｂ）は、予測リスクマップＲ（ｔ＋２ｕ）を示す。図１６の（ｃ）は、予測リスクマップＲ（ｔ＋３ｕ）を示す。
　なお、図１５、図１６の（ａ）、図１６の（ｂ）及び図１６の（ｃ）において、図１２の（ｂ）と同じものには同じ符号が用いられている。また、画像１０００は車両１の候補位置を示す。
　図１６の例では、候補位置Ｓ０～Ｓ３のうち、リスクマップＲ（ｔ＋ｕ）～Ｒ（ｔ＋３ｕ）におけるポテンシャル値の総和が最も低い候補位置Ｓａ（ｔ＋ｕ）に対応する速度ｖａ（ｔ＋ｕ）及び操舵角ｒａ（ｔ＋ｕ）が選択される。図１６の例では候補Ｓ１が障害物と衝突しない候補のため、リスクマップＲ（ｔ＋ｕ）～Ｒ（ｔ＋３ｕ）でのポテンシャル値の総和が最も低く、候補位置Ｓａ（ｔ＋ｕ）としてＳ１が選択される。
　次に、ステップＳ３０９において、過去リスクマップ蓄積部２３が、現リスクマップＲ（ｔ）を過去リスクマップＲ（ｔ－ｕ）として保存する。
　また、ステップＳ３１０において、過去リスクマップ蓄積部２３は、過去リスクマップＲ（ｔ－ｕ）～Ｒ（ｔ－（ｎ－１）ｕ）を過去リスクマップＲ（ｔ－２ｕ）～Ｒ（ｔ－ｎｕ）として保存する。
＊＊＊実施の形態の効果の説明＊＊＊
　本実施の形態では、図１６に示すように、予測リスクマップと、車両１の将来の挙動の候補、即ち操舵角度の候補と速度の候補とに基づき、他の車両との衝突を回避できる操舵角度の候補と速度の候補との組合せを選択することができる。このため、本実施の形態によれば、他の車両との衝突を回避することができる。
　例えば、図６、図７及び図８のような、後方車両３００の追突、対向車両４００の車線逸脱による衝突、落下物５００との衝突という事象においても、減速及び操舵に加え、図９、図１０及び図１１に示されるように、加速という選択をとることができる。このため、追突及び衝突を回避することができる。つまり、図９では、車両１は、加速することによって、後方車両３００との衝突を回避することができる。また、図１０では、車両１は、加速及び操舵により、車線を逸脱した対向車両４００との衝突を回避することができる。また、図１１では、車両１は、加速により、落下物５００との衝突を回避することができる。
　実施の形態２．
　実施の形態１では、周辺物体認識部２１が物体の位置Ｘｉ（ｔ）を決定し、決定した位置Ｘｉ（ｔ）を現リスクマップ生成部２２及び移動予測部２４に出力している。これに代えて、周辺物体認識部２１が物体の速度も計測して、現リスクマップ生成部２２及び移動予測部２４に物体の速度を出力してもよい。
　この場合、現リスクマップ生成部２２は、時刻ｔにおける物体の位置に加えて物体の速度も用いてリスクマップを生成する。
　また、移動予測部２４は、物体の過去の位置と現在の位置に加えて、当該物体の速度に基づき、当該物体の位置を予測する。
　このように、物体の位置情報に加えて速度情報も用いることで、現在のリスクマップ及び当該物体の予測位置の精度を高めることができる。このため、経路決定部２８が、精度の高い予測リスクマップを用いて衝突リスクの低い操作（減速又は加速）を選択することができる。
＊＊＊ハードウェア構成の説明＊＊＊
　最後に、障害物自動回避装置１０のハードウェア構成の補足説明を行う。
　図１に示すプロセッサ１１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）である。
　プロセッサ１１は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒ）等である。
　図１に示すメモリ１２は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）である。
　また、障害物自動回避装置１０に、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）等の補助記憶装置が搭載されていてもよい。
　また、メモリ１２には、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）も記憶されている。
　そして、ＯＳの少なくとも一部がプロセッサ１１により実行される。
　プロセッサ１１はＯＳの少なくとも一部を実行しながら、周辺物体認識部２１、現リスクマップ生成部２２、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９の機能を実現するプログラムを実行する。
　プロセッサ１１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
　また、周辺物体認識部２１、現リスクマップ生成部２２、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９の処理の結果を示す情報、データ、信号値及び変数値の少なくともいずれかが、メモリ１２、プロセッサ１１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
　また、周辺物体認識部２１、現リスクマップ生成部２２、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記録媒体に格納されていてもよい。
　また、周辺物体認識部２１、現リスクマップ生成部２２、移動予測部２４、予測リスクマップ生成部２５、候補生成部２６、候補位置算出部２７、経路決定部２８及び操舵速度コスト算出部２９の「部」を、「回路」又は「工程」又は「手順」又は「処理」に読み替えてもよい。
　また、障害物自動回避装置１０は、処理回路により実現されてもよい。処理回路は、例えば、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ　Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）である。
　なお、本明細書では、プロセッサ１１と、メモリ１２と、プロセッサ１１とメモリ１２の組合せと、処理回路との上位概念を、「プロセッシングサーキットリー」という。
　つまり、プロセッサ１１と、メモリ１２と、プロセッサ１１とメモリ１２の組合せと、処理回路とは、それぞれ「プロセッシングサーキットリー」の具体例である。
　１　車両、１０　障害物自動回避装置、１１　プロセッサ、１２　メモリ、１３　センサインターフェース、１４　ＥＣＵインターフェース、１５　カメラ、１６　レーダー、１７　ＬｉＤＡＲ、２１　周辺物体認識部、２２　現リスクマップ生成部、２３　過去リスクマップ蓄積部、２４　移動予測部、２５　予測リスクマップ生成部、２６　候補生成部、２７　候補位置算出部、２８　経路決定部、３０　車両制御ＥＣＵ、１００　車両、２００　前方車両、３００　後方車両、４００　対向車両、５００　落下物。

Claims (11)

  1. 　車両に搭載された車載装置であって、
    　未来の時刻での前記車両の周辺のリスクマップを予測リスクマップとして生成する予測リスクマップ生成部と、
    　前記未来の時刻での前記車両の操舵角度の複数の候補と前記車両の速度値の複数の候補とを生成する候補生成部と、
    　前記操舵角度の複数の候補と前記速度値の複数の候補との組合せごとに、前記予測リスクマップでの前記車両の位置を候補位置として算出する候補位置算出部と、
    　前記車両の複数の候補位置を解析し、解析結果に基づき、前記操舵角度の複数の候補と前記速度値の複数の候補との複数の組合せの中から、いずれかの組合せを選択する組合せ選択部とを有する車載装置。
  2. 　前記組合せ選択部は、
    　前記予測リスクマップに設定されている、前記車両の複数の候補位置に対応するポテンシャル値を解析し、解析結果に基づき、前記操舵角度の複数の候補と前記速度値の複数の候補との複数の組合せの中から、いずれかの組合せを選択する請求項１に記載の車載装置。
  3. 　前記予測リスクマップ生成部は、
    　前記未来の時刻及び前記未来の時刻に後続する後続時刻の各々における予測リスクマップを生成し、
    　前記候補生成部は、
    　前記未来の時刻及び前記後続時刻における前記車両の操舵角度の推移の複数の候補と前記車両の速度値の推移の複数の候補とを生成し、
    　前記候補位置算出部は、
    　前記操舵角度の推移の候補と前記速度値の推移の候補との組合せごとに、前記未来の時刻及び前記後続時刻の各々について、該当する予測リスクマップでの前記車両の位置を候補位置として算出し、
    　前記組合せ選択部は、
    　前記未来の時刻及び前記後続時刻の各々について、該当する予測リスクマップに設定されている、前記車両の複数の候補位置に対応するポテンシャル値を解析し、解析結果に基づき、前記操舵角度の推移の複数の候補と前記速度値の推移の複数の候補との複数の組合せの中から、いずれかの組合せを抽出し、抽出した組合せの前記操舵角度の推移の候補における前記未来の時刻に対応する操舵角の候補と前記速度値の推移の候補における前記未来の時刻に対応する速度値の候補との組合せを選択する請求項２に記載の車載装置。
  4. 　前記組合せ選択部は、
    　前記未来の時刻及び前記後続時刻の各々における候補位置のポテンシャル値を前記未来の時刻及び前記後続時刻にわたって加算して得られるポテンシャル値の総和が最も低い前記操舵角度の推移の候補と前記速度値の推移の候補との組合せを抽出する請求項３に記載の車載装置。
  5. 　前記組合せ選択部は、
    　選択した前記操舵角度の候補と前記速度値の候補との組合せを、前記車両の走行経路として、前記車両の走行を制御する車両制御装置に出力する請求項１に記載の車載装置。
  6. 　前記車載装置は、更に、
    　現時刻での前記車両の周辺のリスクマップを現リスクマップとして生成する現リスクマップ生成部と、
    　過去に生成された現リスクマップを過去リスクマップとして蓄積する過去リスクマップ蓄積部とを有し、
    　前記予測リスクマップ生成部は、
    　前記現リスクマップと前記過去リスクマップとに基づき、前記予測リスクマップを生成する請求項１に記載の車載装置。
  7. 　前記予測リスクマップ生成部は、
    　前記現リスクマップと前記過去リスクマップとを画像とみなし、前記現リスクマップの各画素の移動予測と前記過去リスクマップの各画素の移動予測とに基づき、前記予測リスクマップを生成する請求項６に記載の車載装置。
  8. 　前記予測リスクマップ生成部は、
    　前記車両の周辺の物体の種類及び所在位置に基づき、前記予測リスクマップを生成する請求項１に記載の車載装置。
  9. 　前記予測リスクマップ生成部は、
    　前記物体の速度に基づき、前記予測リスクマップを生成する請求項８に記載の車載装置。
  10. 　車両に搭載されたコンピュータが、
    　未来の時刻での前記車両の周辺のリスクマップを予測リスクマップとして生成し、
    　前記未来の時刻での前記車両の操舵角度の複数の候補と前記車両の速度値の複数の候補とを生成し、
    　前記操舵角度の複数の候補と前記速度値の複数の候補との組合せごとに、前記予測リスクマップでの前記車両の位置を候補位置として算出し、
    　前記車両の複数の候補位置を解析し、解析結果に基づき、前記操舵角度の複数の候補と前記速度値の複数の候補との複数の組合せの中から、いずれかの組合せを選択する情報処理方法。
  11. 　車両に搭載されたコンピュータに、
    　未来の時刻での前記車両の周辺のリスクマップを予測リスクマップとして生成する予測リスクマップ生成処理と、
    　前記未来の時刻での前記車両の操舵角度の複数の候補と前記車両の速度値の複数の候補とを生成する候補生成処理と、
    　前記操舵角度の複数の候補と前記速度値の複数の候補との組合せごとに、前記予測リスクマップでの前記車両の位置を候補位置として算出する候補位置算出処理と、
    　前記車両の複数の候補位置を解析し、解析結果に基づき、前記操舵角度の複数の候補と前記速度値の複数の候補との複数の組合せの中から、いずれかの組合せを選択する組合せ選択処理とを実行させる情報処理プログラム。
PCT/JP2018/032211 2018-08-30 2018-08-30 車載装置、情報処理方法及び情報処理プログラム WO2020044512A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2018/032211 WO2020044512A1 (ja) 2018-08-30 2018-08-30 車載装置、情報処理方法及び情報処理プログラム
JP2019523880A JP6571904B1 (ja) 2018-08-30 2018-08-30 車載装置、情報処理方法及び情報処理プログラム
CN201880096823.5A CN112602129B (zh) 2018-08-30 2018-08-30 车载装置、信息处理方法及计算机可读取记录介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/032211 WO2020044512A1 (ja) 2018-08-30 2018-08-30 車載装置、情報処理方法及び情報処理プログラム

Publications (1)

Publication Number Publication Date
WO2020044512A1 true WO2020044512A1 (ja) 2020-03-05

Family

ID=67844832

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/032211 WO2020044512A1 (ja) 2018-08-30 2018-08-30 車載装置、情報処理方法及び情報処理プログラム

Country Status (3)

Country Link
JP (1) JP6571904B1 (ja)
CN (1) CN112602129B (ja)
WO (1) WO2020044512A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2021186201A1 (ja) * 2020-03-19 2021-09-23
WO2022065078A1 (ja) * 2020-09-24 2022-03-31 いすゞ自動車株式会社 自動運転装置
RU2796464C1 (ru) * 2020-03-19 2023-05-24 Ниссан Мотор Ко., Лтд. Способ и устройство содействия движению транспортного средства
JP7475951B2 (ja) 2020-04-28 2024-04-30 日産自動車株式会社 車両の走行支援方法及び走行支援装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021084731A1 (ja) * 2019-11-01 2021-05-06 三菱電機株式会社 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム
JPWO2021171874A1 (ja) * 2020-02-27 2021-09-02

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008158969A (ja) * 2006-12-26 2008-07-10 Toyota Motor Corp 移動体周囲危険度判定方法、装置、およびプログラム
JP2015228204A (ja) * 2014-05-30 2015-12-17 ホンダ リサーチ インスティテュート ヨーロッパ ゲーエムベーハーＨｏｎｄａ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ Ｅｕｒｏｐｅ ＧｍｂＨ 先進運転者支援システムによりリスクベースの交通シーン分析を行う方法、及び当該分析を行う当該システムを備える乗り物
WO2016170683A1 (ja) * 2015-04-24 2016-10-27 日産自動車株式会社 走行制御装置およびデータ構造

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013004021A (ja) * 2011-06-21 2013-01-07 Toyota Motor Corp 衝突危険度判定装置
CN107004361B (zh) * 2014-12-09 2020-03-27 三菱电机株式会社 碰撞风险计算装置、碰撞风险显示装置以及车体控制装置
JP6795909B2 (ja) * 2016-05-13 2020-12-02 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008158969A (ja) * 2006-12-26 2008-07-10 Toyota Motor Corp 移動体周囲危険度判定方法、装置、およびプログラム
JP2015228204A (ja) * 2014-05-30 2015-12-17 ホンダ リサーチ インスティテュート ヨーロッパ ゲーエムベーハーＨｏｎｄａ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ Ｅｕｒｏｐｅ ＧｍｂＨ 先進運転者支援システムによりリスクベースの交通シーン分析を行う方法、及び当該分析を行う当該システムを備える乗り物
WO2016170683A1 (ja) * 2015-04-24 2016-10-27 日産自動車株式会社 走行制御装置およびデータ構造

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2021186201A1 (ja) * 2020-03-19 2021-09-23
WO2021186201A1 (ja) * 2020-03-19 2021-09-23 日産自動車株式会社 車両の走行支援方法及び走行支援装置
CN115298073A (zh) * 2020-03-19 2022-11-04 日产自动车株式会社 车辆的行驶辅助方法及行驶辅助装置
RU2796464C1 (ru) * 2020-03-19 2023-05-24 Ниссан Мотор Ко., Лтд. Способ и устройство содействия движению транспортного средства
EP4122787A4 (en) * 2020-03-19 2023-05-31 NISSAN MOTOR Co., Ltd. VEHICLE DRIVE ASSISTANCE METHOD AND VEHICLE DRIVER ASSISTANT DEVICE
US11745763B2 (en) 2020-03-19 2023-09-05 Nissan Motor Co., Ltd. Vehicle travel assistance method and vehicle travel assistance device
JP7362899B2 (ja) 2020-03-19 2023-10-17 日産自動車株式会社 車両の走行支援方法及び走行支援装置
CN115298073B (zh) * 2020-03-19 2024-01-02 日产自动车株式会社 车辆的行驶辅助方法及行驶辅助装置
JP7475951B2 (ja) 2020-04-28 2024-04-30 日産自動車株式会社 車両の走行支援方法及び走行支援装置
WO2022065078A1 (ja) * 2020-09-24 2022-03-31 いすゞ自動車株式会社 自動運転装置
JP2022052876A (ja) * 2020-09-24 2022-04-05 いすゞ自動車株式会社 自動運転装置
JP7259818B2 (ja) 2020-09-24 2023-04-18 いすゞ自動車株式会社 自動運転装置

Also Published As

Publication number Publication date
CN112602129B (zh) 2023-02-07
CN112602129A (zh) 2021-04-02
JPWO2020044512A1 (ja) 2020-09-03
JP6571904B1 (ja) 2019-09-04

Similar Documents

Publication Publication Date Title
WO2020044512A1 (ja) 車載装置、情報処理方法及び情報処理プログラム
JP6917878B2 (ja) 移動体挙動予測装置
JP7239703B2 (ja) 領域外コンテキストを用いたオブジェクト分類
US10824153B2 (en) Cost design for path selection in autonomous driving technology
JP6559535B2 (ja) 障害物マップ生成装置、その方法、及び、そのプログラム
JP6272566B2 (ja) 経路予測装置
JP6578331B2 (ja) 自律走行車のコマンド遅延を決定するための方法
JP6800575B2 (ja) 自己の乗り物のドライバを支援する方法およびシステム
CN110389584A (zh) 用于评估自动驾驶车辆的轨迹候选项的方法
US11754701B2 (en) Electronic device for camera and radar sensor fusion-based three-dimensional object detection and operating method thereof
WO2018232680A1 (en) EVALUATION FRAME FOR PREDICTED TRAJECTORIES IN A SELF-CONTAINING VEHICLE TRAFFIC PREDICTION
JPWO2018235159A1 (ja) 経路予測装置および経路予測方法
CN110390240B (zh) 自动驾驶车辆中的车道后处理
CN110576847A (zh) 基于焦点的对传感器数据的标记
WO2019200563A1 (en) Map-less and localization-less lane following method for autonomous driving of autonomous driving vehicles on highway
US9694851B2 (en) Apparatus and method of generating travel route of vehicle
US11204610B2 (en) Information processing apparatus, vehicle, and information processing method using correlation between attributes
WO2019169603A1 (en) Post collision analysis-based vehicle action optimization for autonomous driving vehicles
JP6520740B2 (ja) 物体検出方法、物体検出装置、およびプログラム
JP6038423B1 (ja) 事故確率計算装置、事故確率計算方法及び事故確率計算プログラム
RU2750243C2 (ru) Способ и система для формирования траектории для беспилотного автомобиля (sdc)
KR20210039245A (ko) 자율주행차량의 관심 대상 신호등을 특정하기 위한 방법 및 이를 이용한 컴퓨팅 장치
US20210197811A1 (en) Course prediction device, computer readable medium, and course prediction method
WO2020164090A1 (en) Trajectory prediction for driving strategy
US8548194B1 (en) System and method for determining altitude

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2019523880

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18931545

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18931545

Country of ref document: EP

Kind code of ref document: A1