CN101334283A - 车辆举动学习装置和车辆举动学习程序 - Google Patents
车辆举动学习装置和车辆举动学习程序 Download PDFInfo
- Publication number
- CN101334283A CN101334283A CNA2008101004269A CN200810100426A CN101334283A CN 101334283 A CN101334283 A CN 101334283A CN A2008101004269 A CNA2008101004269 A CN A2008101004269A CN 200810100426 A CN200810100426 A CN 200810100426A CN 101334283 A CN101334283 A CN 101334283A
- Authority
- CN
- China
- Prior art keywords
- information
- movement
- vehicle
- atural object
- study
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 230000006399 behavior Effects 0.000 title abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 26
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 424
- 238000001514 detection method Methods 0.000 claims description 137
- 230000014509 gene expression Effects 0.000 claims description 64
- 230000009471 action Effects 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 description 36
- 230000015572 biosynthetic process Effects 0.000 description 24
- 238000005755 formation reaction Methods 0.000 description 24
- 230000001133 acceleration Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 239000000725 suspension Substances 0.000 description 11
- 238000012937 correction Methods 0.000 description 8
- 241000894007 species Species 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000013316 zoning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
- B60T7/22—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger initiated by contact of vehicle, e.g. bumper, with an external object, e.g. another vehicle, or by means of contactless obstacle detectors mounted on the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D1/00—Steering controls, i.e. means for initiating a change of direction of the vehicle
- B62D1/02—Steering controls, i.e. means for initiating a change of direction of the vehicle vehicle-mounted
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2210/00—Detection or estimation of road or environment conditions; Detection or estimation of road shapes
- B60T2210/30—Environment conditions or position therewithin
- B60T2210/36—Global Positioning System [GPS]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2220/00—Monitoring, detecting driver behaviour; Signalling thereof; Counteracting thereof
- B60T2220/02—Driver type; Driving style; Driver adaptive features
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2270/00—Further aspects of brake control systems not otherwise provided for
- B60T2270/86—Optimizing braking by using ESP vehicle or tire model
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
- B60W10/11—Stepped gearings
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/22—Conjoint control of vehicle sub-units of different type or different function including control of suspension systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
- Regulating Braking Force (AREA)
- Image Analysis (AREA)
Abstract
本发明提供能以高精度学习在特定的位置检测的本车辆的举动的车辆举动学习装置和车辆举动学习程序。取得表示由举动检测单元检测的本车辆C的举动、在该举动的检测之前由图像识别单元识别到的对象地物f1之间的关系的关系信息Br,把包含表示由所述举动检测单元检测到的本车辆C的举动的属性的举动属性信息Ba和关于该举动取得的关系信息Br的检测举动信息B存储到检测举动存储单元中,根据所述检测举动存储单元中存储的所述检测举动信息B,生成表示与对象地物建立了关联的本车辆的举动的学习结果的学习举动信息S。
Description
技术领域
本发明涉及学习本车辆的举动的车辆举动学习装置及车辆举动学习程序。
背景技术
自家用车等特定的驾驶员驾驶的车辆多次通过同一路线时,有时在特定的本车位置,以高的频度进行特定的举动。这里,所谓举动是驶向自家或单位、店铺等特定的地点时的右转或左转等行进路线变更、加速或减速、窗户的开闭、灯的开关、自动变速装置的变速等。另一方面,近年来,在很多车辆搭载用于进行路线引导等的导航装置,但是,希望进一步提高该导航装置的精度。另外,还对把导航装置具有的各功能扩大到路线引导等以往的用途以外进行各种研究。在以下所示的专利文献1中记载了涉及搭载了导航装置的车辆中的死角监视器的控制装置的发明。
该死角监视器的控制装置在操作用于起动死角监视器的手动开关时,把涉及从导航装置输入的车辆所在的地点的数据作为起动信息存储。而且,对来自导航装置的输入信息,进行起动信息的检索、核对,并在车辆位于该地点时,发送死角监视器的起动信号。该导航装置利用连接交叉点等坐标点的线(路段),管理道路信息。在操作了手动开关的地点是带路段的编号的道路时,使起动信息包含该路段的编号、坐标、车辆的行驶方向而将其存储。在该地点是带路段的编号的道路以外时,使其包含坐标、车辆的行驶方向而存储起动信息。另外,使用如下混合***来求出车辆所在的地点,即,利用GPS(Global Position System:全球定位***),并且根据来自车速脉冲传感器等的车速信号和来自角速度传感器等的角速度信号,利用自主导航法进行推测的混合***。
[专利文献1]日本特开2002-286459号公报
专利文献1中记载的死角监视器的控制装置如上所述,使用混合***来求出本车的位置。可是,也如专利文献1所述那样,是GPS测位,是基于自主导航法的测位,在测位值中包含误差,会从实际的行驶位置偏移。因此,通过所谓的地图匹配处理,推测最正确的位置。
可是,并不局限于死角监视器的起动操作,经常是车辆的各种特定的举动常常在特定的地点实施。例如,从大的道路向细马路的右左转、自动变速器由高档落到低档等,在接近自家或单位、店铺等特定的地点时实施。经常是从大的道路分支的细马路有很多,且其间隔也很窄。细马路的间隔比测位值的误差更小时,就难以根据测位结果预测车辆的举动。
发明内容
本发明是鉴于所述的课题而完成的,其目的在于,提供能以高精度学习在特定的位置所检测的本车辆的举动的车辆举动学习装置及车辆举动学习程序。
用于达到上述目的的本发明所涉及的车辆举动学习装置的特征构成在于,包括:图像信息取得单元,取得本车辆的周边的图像信息;图像识别单元,进行所述图像信息中包含的对象地物的图像识别处理;举动检测单元,检测本车辆的举动;关系信息取得单元,取得关系信息,且该关系信息表示由所述举动检测单元检测的本车辆的举动和在该举动的检测之前由所述图像识别单元识别的对象地物之间的关系;检测举动存储单元,存储检测举动信息,且该检测举动信息包含表示由所述举动检测单元检测的本车辆的举动的属性的举动属性信息、和关于该举动由所述关系信息取得单元取得的所述关系信息;学习举动信息生成单元,根据所述检测举动存储单元中存储的所述检测举动信息,生成学习举动信息,且该学习举动信息表示与对象地物建立关联的本车辆的举动的学习结果。
根据该特征构成,根据检测举动信息,生成表示本车辆的举动的学习结果的学习举动信息,且该检测举动信息包含表示由举动检测单元检测到的本车辆的举动的属性的举动属性信息、和表示与在该举动的检测之前由图像识别单元识别的对象地物之间的关系的关系信息。即作为与对象地物的图像识别结果建立关联的信息,对本车辆的举动进行学习。因此,与只利用GPS测位和自主导航法,单独对本车辆的举动进行学习的情况相比,可同时使用对象地物的图像识别结果,能以高精度对在特定的位置所检测的本车辆的举动进行学习。另外,如果使用已经生成的学习举动信息,则在下一次图像识别到相同的对象地物时,也能预测本车辆的举动。
这里,由所述举动检测单元检测的本车辆的举动优选包含本车辆的各部接受驾驶员的操作,及本车辆的动作的至少一方。
此外,在本申请中,在本车辆的动作中包含由于驾驶员的操作而产生的本车辆的各部和车辆整体的动作,或者由于从外部作用于本车辆的外因而产生的本车辆的各部和车辆整体的动作等。
在本车辆的举动中具有伴随着驾驶员的操作而产生的举动,和由于道路的状况或天气等外因而产生的举动。例如,所谓驾驶员的操作是转向操作、换档操作、油门和制动器的操作、空调装置的操作、窗户的开闭操作、导航装置和音响的操作等。而且,作为由于这样的驾驶员的操作而产生的本车辆的动作,例如有由于转向操作而产生的本车辆的行进方向的变化和横向加速度的变化、换档操作和油门操作等引起的变速装置的变速级的变更(自动变速器由高档落到低档或换低速挡等),由于制动器操作和油门操作而产生的行进方向加速度的变化等。另一方面,作为由于外因而产生的本车辆的动作,例如,有由于在弯道行驶而产生的横向加速度的变化、由于通过台阶似的路面而产生的振动、冲击,在坡道上行驶时的行进方向加速度的变化等。本发明涉及的举动检测单元把这些驾驶员的操作的接受、及驾驶员的操作和外因等引起的本车辆的动作的至少一方作为本车辆的举动而检测,所以能广泛地检测本车辆的举动。
另外,优选构成为,所述关系信息包含距离信息,且该距离信息表示从由所述图像识别单元识别的对象地物的识别位置到由所述举动检测单元检测的本车辆的举动的检测位置的距离。
根据该构成,检测举动存储单元中存储的检测举动信息包含从对象地物的识别位置到本车辆的举动的检测位置的距离信息,该距离信息在学习举动信息中被反映。因此,根据学习举动信息,能预测从图像识别对象地物开始到本车辆的举动产生为止的距离,所以能以高精度预测本车辆的举动。
另外,所述关系信息优选包含用于确定由所述图像识别单元识别的对象地物的地物确定信息。
根据该构成,检测举动存储单元中存储的检测举动信息例如包含对象地物的属性及识别位置等用于确定对象地物的地物确定信息。因此,能把检测举动信息及学习举动信息设为与确定对象地物的信息建立关联的举动的信息。据此,能容易确定与各信息表示的举动建立关联的对象地物,能以更高精度预测基于对象地物的图像识别结果的本车辆的举动。
另外,优选构成为,所述关系信息取得单元根据来自用于检测本车辆的移动距离的移动距离检测单元,及用于取得表示本车辆的当前位置的本车位置信息的本车位置信息取得单元的至少一方的信息,取得所述关系信息。
根据该构成,至少能取得包含从对象地物的识别位置到本车辆的举动的检测位置为止的距离或它们的位置关系的信息的所述关系信息。
另外,优选构成为,根据由于多次检测到相同的举动而存储在所述检测举动存储单元中的、关于相同的举动的多个所述检测举动信息而生成所述学习举动信息,其包含该多个检测举动信息所表示的关于相同的举动的所述举动属性信息,和统计地处理关于该举动的多个所述关系信息而求出的统计关系信息。
根据该构成,根据由于多次检测到相同的举动而存储在检测举动存储单元中的、关于相同的举动的多个检测举动信息,来生成学***均,提高本车辆的举动的学习结果的精度。另外,学习举动信息包含统计地处理关于相同的举动的多个所述关系信息而求出的统计关系信息,所以相对检测举动信息能在学习举动信息中包含精度高的关系信息。因此,根据学习举动信息,能以高精度预测本车辆的举动。
另外,优选构成为,所述对象地物是设置在道路的路面上的道路标志。
道路标志根据法规,规定其尺寸和形状等。因此,根据该构成,能减轻对象地物的图像识别处理的负荷,并且能提高识别精度。因此,能提高利用这样的对象地物的图像识别结果的本车辆的举动的学习的精度。
另外,优选构成为,还具有存储由所述学习举动信息生成单元生成的所述学习举动信息的学习举动信息存储单元。
根据该构成,可以把由所述学习举动信息生成单元生成的学习举动信息存储到学习举动信息存储单元中。因此,与根据所述检测举动存储单元中存储的检测举动信息,按照需要,生成学习举动信息的情况相比,能减轻运算处理的负荷,能迅速且容易地利用学习举动信息。
另外,优选构成为,还具有举动预测单元,其用于根据所述学习举动信息,在图像识别到该学习举动信息表示的对象地物时,预测产生与该对象地物建立关联的本车辆的举动,并输出该举动的预测结果。
根据该构成,可以如上述那样利用高精度的本车辆的举动的学习结果即学习举动信息,在图像识别到该学习举动信息表示的对象地物时,以该被识别的对象地物为基准,高精度地预测本车辆的举动。
另外,优选构成为,还具有:识别位置信息取得单元,取得表示由所述图像识别单元识别到的对象地物的识别位置的识别位置信息;识别地物存储单元,存储识别地物信息,且该识别地物信息包含表示由所述图像识别单元识别到的对象地物的属性的地物属性信息,和由所述识别位置信息取得单元取得的所述识别位置信息;学习地物信息生成单元,根据由于被多次图像识别到相同的对象地物而存储在所述识别地物存储单元中的、关于相同的对象地物的多个所述识别地物信息,生成表示该对象地物的学习结果的学习地物信息。
根据该构成,可以根据由于多次图像识别到相同的对象地物而存储在识别地物存储单元中的、关于相同的对象地物的多个所述识别地物信息,生成学***均,提高对象地物的学习结果的精度。
另外,优选构成为,所述检测举动存储单元与多个车辆可通信地连接,存储基于多个车辆的所述检测举动信息。
例如,关于如作用于本车辆的外因引起的本车辆的动作等那样,在多个其他车辆中也共同产生的举动,通过收集关于在多个车辆中被检测的举动的检测举动信息,能更迅速地学习在特定的位置产生的车辆的举动。根据该构成,可以在与多个车辆可通信地连接的检测举动存储单元中存储关于由多个车辆检测的举动的检测举动信息。因此,可以把多个检测举动信息迅速集中到识别结果存储单元中。
另外,在具有如上述那样预测本车辆的举动的举动预测单元的构成中,优选构成为,所述举动预测单元把所述举动的预测结果对进行用于本车辆的引导信息的输出的运算处理的导航用运算单元输出。
根据该构成,导航用运算单元可以根据基于举动预测单元的举动的预测结果,输出适当的引导信息。例如,可以预测右转和左转等的本车辆的举动,并高精度地进行本车位置显示和路线引导。
另外,在具有如上述那样预测本车辆的举动的举动预测单元的构成中,优选构成为,所述举动预测单元把所述举动的预测结果对再现所述驾驶员的操作的本车辆内的控制装置输出。
根据该构成,该控制装置可以根据基于举动预测单元的举动的预测结果,再现驾驶员的操作。即可以进行驾驶员的主动的操作的辅助,或者先行于驾驶员的主动的操作之前,实施相同的操作。其结果,能提高驾驶员的方便性。
另外,在具有如上述那样预测本车辆的举动的举动预测单元的构成中,优选构成为,所述举动预测单元把所述举动的预测结果对最优化本车辆的动作的控制装置输出。
根据该构成,该控制装置可以根据基于举动预测单元的举动的预测结果,最优化本车辆的举动。例如,换档控制装置、发动机控制装置、混合车辆的电机控制装置、主动悬架控制装置等可以根据举动预测单元的预测结果,最优化本车辆的举动。其结果,可以实现乘车时的舒适性的提高、和燃料消耗率的提高等。
另外,优选构成为,所述学习地物信息包含多个所述识别地物信息所表示的关于相同的对象地物的所述地物属性信息、和统计地处理关于该对象地物的多个所述识别位置信息而求出的推测位置信息。
根据该构成,由于学习地物信息包含统计地处理关于相同的对象地物的多个所述识别位置信息而求出的推测位置信息,所以可以在学习地物信息中包含精度比较高的对象地物的识别位置的信息。因此,能以高精度进行对象地物的图像识别处理。
另外,优选构成为,还具有存储由所述学习地物信息生成单元生成的所述学习地物信息的学习地物信息存储单元。
根据该构成,可以在学习地物信息存储单元中存储由学习地物信息生成单元生成的学习地物信息。因此,与根据所述识别地物存储单元中存储的识别地物信息,按照需要生成学习地物信息的情况相比,可以减轻运算处理的负荷,迅速且容易地利用学习地物信息。
另外,优选构成为,所述识别地物存储单元与多个车辆可通信地连接,存储基于多个车辆的所述识别地物信息。
根据该构成,可以在与多个车辆可通信地连接的识别地物存储单元中存储关于由多个车辆所图像识别到的对象地物的识别地物信息。因此,可以迅速地把多个识别地物信息集中到识别地物存储单元中。
本发明所涉及的导航装置的特征构成在于,包括:具有所述的各构成的车辆举动学习装置;存储地图信息的地图信息存储单元;参照所述学习举动信息及所述地图信息的一方或双方,进行动作的应用程序;按照所述应用程序进行动作,并输出引导信息的引导信息输出单元。
根据该特征构成,应用程序能利用以高精度而学习到的学习举动信息进行动作。由此,可以具有更高的精度输出引导信息。例如,可以预测右转和左转等本车辆的举动,防止向与实际的本车位置不同的道路的误匹配等,能以高精度进行本车位置显示和路线引导。
本发明所涉及的车辆举动学习程序的特征构成在于,使计算机执行以下的步骤:图像信息取得步骤,取得本车辆的周边的图像信息;图像识别步骤,进行所述图像信息中包含的对象地物的图像识别处理;举动检测步骤,检测本车辆的举动;关系信息取得步骤,取得关系信息,且该关系信息表示由所述举动检测步骤检测的本车辆的举动和在该举动的检测之前由所述图像识别步骤识别的对象地物之间的关系;检测举动存储步骤,在检测举动存储单元中存储检测举动信息,且该检测举动信息包含表示由所述举动检测步骤检测的本车辆的举动的属性的举动属性信息、和关于该举动由所述关系信息取得步骤取得的所述关系信息;学习举动信息生成步骤,根据所述检测举动存储单元中存储的所述检测举动信息,生成学习举动信息,且该学习举动信息表示与对象地物建立关联的本车辆的举动的学习结果。
根据该特征构成,根据检测举动信息,生成表示本车辆的举动的学习结果的学习举动信息,且该检测举动信息包含表示由举动检测步骤检测到的本车辆的举动的属性的举动属性信息、和表示与在该举动的检测之前由图像识别步骤识别的对象地物之间的关系的关系信息。即对本车辆的举动,作为与对象地物的图像识别结果建立关联的信息进行学习。因此,与只利用GPS测位和自主导航法,单独地对本车辆的举动进行学习的情况相比,可以同时使用对象地物的图像识别结果,以高精度学习在特定的位置所检测的本车辆的举动。另外,如果使用已经生成的学习举动信息,则在下一次图像识别到相同的对象地物时,也能预测本车辆的举动。
附图说明
图1是表示包含本发明的实施方式所涉及的车辆举动学习装置的导航装置的概略构成的框图。
图2是表示地图数据库中存储的地图信息的构成例的图。
图3是表示地图数据库中存储的道路标志的地物信息的例的图。
图4是表示本车辆的摄像装置的配置构成的一例的图。
图5是用于说明基于对象地物的图像识别结果的地物信息的学习处理的概要的说明图。
图6是表示图5中(b)所示的学习数据库中存储的学习值的主要部分放大图。
图7是表示关于本车辆的举动的具体例的检测举动信息及学习举动信息的内容的图。
图8是表示本发明的实施方式涉及的举动学习处理的整体的顺序的流程图。
图9是表示本发明的实施方式涉及的地物学习处理的顺序的流程图。
图10是表示本发明的实施方式涉及的举动预测处理的顺序的流程图。
图11是表示根据由本车位置信息取得部取得的本车位置信息的轨迹学习车辆举动的例的说明图。
图12是表示在基于导航用运算部的本车位置显示中利用车辆举动的预测结果的例的说明图。
图13是表示在服务器装置中设置本发明的实施方式所涉及的车辆举动学习装置的一部分构成的例的图。
图中:1-导航装置;2-车辆举动学***均距离信息。
具体实施方式
下面,根据附图,说明本发明的实施方式。图1是表示本实施方式所涉及的导航装置1的概略构成的框图。该导航装置1包含作为本发明的实施方式的车辆举动学习装置2及本车位置识别装置3而构成。该导航装置1检测本车辆C(参照图4)的举动,与该举动的检测之前被图像识别的对象地物建立关联进行学习。而且,根据这样的本车辆C的举动的学习结果,预测下一次图像识别到相同的对象地物时本车辆C的举动,并进行适当的本车辆的控制。该导航装置1也根据对象地物的图像识别结果,进行也表示对象地物的位置和地物属性等的地物信息F的学习。
图1所示的导航装置1的各功能部以彼此共同的或者分别独立的CPU等运算处理装置为核心部件,利用硬件或软件(程序)或者其双方,安装用于对输入的数据进行各种处理的功能部而构成。而且,这些各功能部构成为彼此能进行信息的授受。另外,导航装置1的各数据库DB1~DB5例如,如硬盘驱动器、具有DVD-ROM的DVD驱动器、具有CD-ROM的CD驱动器等那样,把能存储信息的记录介质和具有其驱动单元的装置作为硬件构成而具有。以下,详细说明本实施方式所涉及的导航装置1的各部的构成。
1.地图数据库
地图数据库DB1是存储按每个规定的区划分开的地图信息M的数据库。图2是表示地图数据库DB1中存储的地图信息M的构成例的图。如图所示,地图信息M具有道路信息Ra,且该道路信息Ra利用与交叉点对应的多个节点n和连接各交叉点之间的道路所对应的路段k的连接关系,表示道路网。各节点n具有由经度和纬度表现的地图上的位置(坐标)的信息。各路段k通过节点n连接。另外,各路段k作为其属性信息,具有道路种类、路段长度、道路宽度、用于表现路段形状的形状插补点等信息。这里,道路种类信息如汽车专用道路、城市街道、细马路、山路等那样,是把道路划分为多个种类时的道路种类信息。这些路段k的属性信息相当于道路属性信息Rb(参照图1)。而且,在本实施方式中,该地图数据库DB1相当于本发明的地图信息存储单元。此外,在图2中,只图示一个区划的道路信息Ra,省略了其他区划的道路信息Ra。
2.地物数据库
地物数据库DB2是存储设置在道路上和道路周边的各种地物的信息即地物信息F的数据库。如图1所示,在本实施方式中,在地物数据库DB2中存储初始地物信息Fa及学习地物信息Fb的2种信息。这里,所谓初始地物信息Fa是在地物数据库DB2中预先配备存储的关于多个地物的地物信息F。这样的初始地物信息Fa在配备包含道路信息Ra的地图信息M的全部区域中,只关于大都市周边和干线道路等的一部分区域而配备。另一方面,学习地物信息Fb,如后所述,作为使用基于图像识别部24的对象地物的图像识别结果而进行学习后的结果,由学习地物信息生成部44生成,且是存储在地物数据库DB2中的地物信息F。此外,在以下的说明中,单说“地物信息F”时,是对这些初始地物信息Fa及学习地物信息Fb的总称。在本实施方式中,该地物数据库DB2相当于本发明的学习地物信息存储单元。
地物信息F在该地物数据库DB2中被存储的地物,包含设置在道路的路面的道路标志(色漆标志)。图3是表示地物数据库DB2中存储的道路标志的地物信息F的例的图。作为这样的道路标志所涉及的地物,例如,包含人行横道、停止线、表示最高速度的速度标志、斑马线、沿着道路划分行车线的区划线(包含实线、虚线、双线等各种区划线)、指定各行车线的行进方向的按各行进方向而不同的通行区分标志(箭头标志,例如包含直行箭头、右转箭头等)等。此外,作为地物信息F被存储的地物,除了这样的道路标志以外,还可以包含交通信号机、标识、高架桥、隧道等各种地物。
另外,地物信息F作为其内容,具有各地物的位置信息、与此建立关联的地物属性信息。这里,位置信息具有与构成道路信息Ra的路段k或节点n等建立关联的各地物的代表点的地图上的位置(坐标)、及各地物的朝向的信息。在本例中,在各地物的长度方向及宽度方向的中央部附近设定代表点。另外,地物属性信息包含用于区别各地物与其他地物的区别信息(地物ID)、表示各地物的地物种类的种类信息、或者地物的形状、大小、色彩等地物形态信息等。这里,地物种类具体而言,是“人行横道”、“停止线”、“速度标志(30km/小时)”等那样的表示基本具有相同的形态的地物的种类的信息。另外,优选构成为,地物信息F也具有表示与接近的其他地物之间的关系的地物关系信息、和表示与该其他地物之间的地物间距离的地物间距离信息。这里,地物关系信息是用于实现本车辆C(参照图4)在沿着道路行进中,通过图像识别一个地物,而可以预测在前方存在的其他地物的信息。另外,地物间距离信息是用于正确预测从本车辆C到这样的在前方存在的地物的距离的信息。
3.地物学习数据库
地物学习数据库DB3是存储由后面描述的识别地物信息生成部42生成的识别地物信息A的数据库。在该地物学习数据库DB3内存储关于成功进行了基于图像识别部24的识别的多个对象地物的每个的识别地物信息A。关于该地物学习数据库DB3中存储的识别地物信息A的具体的内容,后面详细说明。在本实施方式中,该地物学习数据库DB3相当于本发明的识别地物存储单元。
4.举动学习数据库
举动学习数据库DB4是存储由后面描述的检测举动信息生成部48生成的检测举动信息B的数据库。在该举动学习数据库DB4内存储关于由举动检测部17检测的多个举动的每个的检测举动信息B。关于在该举动学习数据库DB4中存储的检测举动信息B的具体内容,后面详细描述。在本实施方式中,该举动学习数据库DB4相当于本发明的检测举动存储单元。
5.举动数据库
举动数据库DB5是存储由后面描述的学习举动信息生成部50生成的学习举动信息S的数据库。在该举动数据库DB5内存储关于由学习举动检测部17检测的多个举动的每个的学习举动信息S。关于在该举动数据库DB5中存储的学习举动信息S的具体内容,后面详细描述。在本实施方式中,该举动数据库DB5相当于本发明的学习举动信息存储单元。
6.图像信息取得部
图像信息取得部12作为图像信息取得单元而起作用,且该图像信息取得单元取得由摄像装置11拍摄的本车辆的周边的图像信息G。这里,摄像装置11是具有摄像元件的车载相机等,设置在至少能拍摄本车辆C的周边的道路的路面的位置。作为这样的摄像装置11,例如优选使用图4所示那样的拍摄本车辆C的后方的路面的后相机。图像信息取得部12把由摄像装置11拍摄的摄像信息通过帧存储器(未图示)等以规定的时间间隔取入。这时的图像信息G的取入的时间间隔例如可以为10~50ms左右。据此,图像信息取得部12可以连续地取得由摄像装置11拍摄的多个帧的图像信息G。将这里所取得的图像信息G向图像识别部24输出。
7.本车位置信息取得部
本车位置信息取得部16作为本车位置信息取得单元而起作用,且该本车位置信息取得单元取得表示本车辆C的当前位置的本车位置信息P。这里,本车位置信息取得部16与GPS接收机13、方位传感器14、及距离传感器15连接。这里,GPS接收机13是接收来自GPS(GlobalPositioning System)卫星的GPS信号的装置。该GPS信号通常每隔1秒被接收,并向本车位置信息取得部16输出。本车位置信息取得部16,可以分析由GPS接收机13接收的来自GPS卫星的信号,取得本车辆C的当前位置(坐标)、行进方位、移动速度等信息。方位传感器14是检测本车辆C的行进方位或其行进方位的变化的传感器。该方位传感器14例如由陀螺仪、地磁传感器、安装在方向盘的旋转部的光学的旋转传感器或旋转式的电阻电位器、安装在车轮部的角度传感器等构成。而且,方位传感器14把该检测结果向本车位置信息取得部16输出。距离传感器15是检测本车辆C的车速和移动距离的传感器。该距离传感器15,例如由每当车辆的驱动轴和车轮等旋转一定量就输出脉冲信号的车速脉冲传感器、检测本车辆C的加速度的偏航(yaw)/G传感器和把所检测的加速度进行积分的电路等构成。而且,距离传感器15把作为其检测结果的车速及移动距离的信息向本车位置信息取得部16输出。另外,在本实施方式中,方位传感器14及距离传感器15也把其检测结果向举动检测部17输出。
本车位置信息取得部16根据来自这些GPS接收机13、方位传感器14、及距离传感器15的输出,利用众所周知的方法,进行确定本车位置的运算。另外,本车位置信息取得部16取得从地图数据库DB1抽出的本车位置周边的道路信息Ra,还通过基于此进行众所周知的地图匹配,来进行将本车位置匹配到道路信息Ra所表示的道路上的修正。这样,本车位置信息取得部16取得包含由坐标(纬度和经度)表示的本车辆C的当前位置的信息及本车辆C的行进方位的信息的本车位置信息P。
8.举动检测部
举动检测部17作为检测本车辆C的举动的举动检测单元起作用。如图1所示,举动检测部17接受来自设置在本车辆C的各部的各种传感器和开关等的信号的输入,检测本车辆C的举动。作为对举动检测部17输出信号的各种传感器,除了上述的方位传感器14及距离传感器15以外,例如还有振动传感器19、倾斜传感器20、加速度传感器21、油门传感器(未图示)、制动传感器(未图示)、照度传感器(未图示)等。另外,作为对举动检测部17输出信号的各种开关,例如有空调开关22、窗开关23、前照灯操作开关(未图示)、音响操作开关(未图示)、具有导航用的触摸屏的显示输入装置29和遥控器(未图示)等。
振动传感器19是检测传递给本车辆C的车体的振动的传感器。例如在主动悬架的控制等中使用该检测结果。倾斜传感器20是检测本车辆C的车体的倾斜状态的传感器。可以根据该检测结果,了解本车辆C行驶时的道路的倾斜状态。加速度传感器21是检测本车辆C的加速或减速的加速度的传感器。油门传感器是检测驾驶员的油门踏板的操作量(油门开度)的传感器,制动传感器是检测驾驶员的制动器踏板的操作量或制动器踩踏力等的传感器。照度传感器是为了前照灯的自动控制等,检测本车辆C的外部的明亮度的传感器。
空调开关22是用于进行空调装置的温度设定和外气导入或室内循环的切换等的开关。窗开关23是用于进行窗的开闭的开关。前照灯操作开关是用于进行前照灯的点灯或熄灯和远光灯或近光灯的切换等的开关。音响操作开关是用于进行音响的音量设定和播放指示等的开关。导航用的显示输入装置29和遥控器(未图示)具有用于输入针对构成导航装置1的导航用运算部27的指示的开关。
在本实施方式中,在由举动检测部17检测的本车辆C的举动中包含具有能检测的特征的所有举动,包含本车辆C的各部接受驾驶员的操作及本车辆C的动作。另外,在该本车辆C的动作中包含由于驾驶员的操作而产生的本车辆C的各部和车辆整体的动作、或者由于从外部作用于本车辆C的外因而产生的本车辆C的各部和车辆整体的动作等。例如,空调开关22、窗开关23、前照灯操作开关(未图示)、音响操作开关(未图示)、导航用的显示输入装置29和遥控器(未图示)等各种开关的操作、由油门传感器和制动传感器等各种传感器等检测的驾驶员的操作,作为本车辆C的各部接受驾驶员的操作所涉及的举动,由举动检测部17检测。
另外,例如,作为由于驾驶员的转向操作方位传感器14检测的本车辆C的行进方位的变化、由于驾驶员的油门踏板和制动器踏板的操作加速度传感器21检测的本车辆C的加速度的变化、驾驶员的换档操作和油门操作引起的变速装置的变速级的变更等驾驶员的操作的接受的结果,由各种传感器等检测的本车辆C的动作,作为驾驶员的操作引起的本车辆C的动作所涉及的举动,由举动检测部17检测。另外,例如,基于导航用的显示输入装置29具有的触摸屏和遥控器(未图示)等的操作的导航用运算部27的动作,也作为驾驶员的操作引起的本车辆C的动作所涉及的举动,由举动检测部17检测。作为这样的导航用运算部27的动作,例如,包含基于驾驶员的操作的拥堵信息的取得、地图显示比例尺的变更、画面显示亮度的变更、引导路线的变更等。
另外,例如,由于通过台阶似的路面或颠簸路面振动传感器19检测的本车辆C的振动和冲击、由于在坡路行驶倾斜传感器20及加速度传感器21检测的本车辆C的加速度的变化、由于在转弯行驶方位传感器14检测的本车辆C的行进方向的变化等,由于外因而产生,并由各种传感器等检测的本车辆C的动作,作为外因引起的本车辆C的动作所涉及的举动,由举动检测部17检测。此外,驾驶员的操作引起的本车辆C的动作和外因引起的本车辆C的动作不只是能严密地区别的动作,还存在属于两者的本车辆C的动作。
在本实施方式中,举动检测部17具有举动属性信息生成部18。举动属性信息生成部18,作为举动属性信息生成单元而起作用,且该举动属性信息生成单元在由举动检测部17检测到本车辆C的举动的情况下,生成表示该举动的属性的举动属性信息Ba(参照图7)。该举动属性信息Ba如后所述,构成检测举动信息B及学习举动信息S的一部分。这里,由举动属性信息Ba表示的举动的属性是表示用于对于其他举动,识别由举动检测部17检测的举动的内容和种类的分类的信息。因此,举动属性信息Ba成为以下的内容的信息。
即,作为关于驾驶员的操作的接受所涉及的举动的举动属性信息Ba,例如有“从空调装置的外气导入向室内循环的切换动作”、“驾驶席侧的窗的打开操作”、“前照灯的从近光灯向远光灯的切换操作”、“换档杆的换低速档操作”等。另外,关于驾驶员的操作所引起的本车辆C的动作所涉及的举动的举动属性信息Ba例如有“左转”、“右转”、“左转弯”、“右转弯”、“加速”、“减速”、“停止”、“变速装置的换低速档”、“导航装置的地图显示比例尺的变更”、“导航装置的引导路线的变更”等。另外,关于外因引起的本车辆C的动作所涉及的举动的举动属性信息Ba例如,除了“振动”、“冲击”、“上倾斜”、“下倾斜”等以外,作为与驾驶员的操作引起的本车辆C的动作所涉及的举动重复的举动,有“左转弯”、“右转弯”、“加速”、“减速”等。此外,以上的举动属性信息Ba的内容只是一例,由举动属性信息Ba表示的举动的属性的分类的级别,可以按照把设为可识别的举动细分到哪种程度,而任意决定。
9.图像识别部
图像识别部24作为图像识别单元而起作用,且该图像识别单元进行由图像信息取得部12取得的图像信息G中包含的对象地物的图像识别处理。在本实施方式中,图像识别部24把设置在道路的路面上的道路标志作为对象地物,进行图像识别处理。具体而言,图像识别部24在进行对象地物的图像识别时,对图像信息G进行二进行制处理和边缘检测处理等,抽出该图像信息G中包含的对象地物(道路标志)的轮廓信息。然后,图像识别部24进行所抽出的地物的轮廓信息、能成为对象地物的各种地物的形态的特征量的图案匹配,由此,抽出图像信息G中包含的对象地物的图像。另外,图像识别部24把所抽出的地物的轮廓信息和特征量匹配的地物的地物种类作为图像信息G中包含的对象地物的地物种类进行识别。而且,图像识别部24在图案匹配成功的情况下,判定对象地物的图像识别成功。另一方面,图像识别部24在对图像信息G进行图像识别处理的结果为图案匹配失败的情况下,判定对象地物的图像识别失败。
另外,在本实施方式中,图像识别部24具有地物属性信息生成部25。地物属性信息生成部25作为地物属性信息生成单元而起作用,且该地物属性信息生成单元关于由图像识别部24识别到的对象地物,生成表示该对象地物的属性的地物属性信息。该地物属性信息如后所述,构成识别地物信息A及学习地物信息Fb的一部分。这里,由地物属性信息表示的对象地物的属性只要是可以把该一个对象地物与其他对象地物识别开来即可。因此,例如,地物属性信息具有从该对象地物的地物种类、该对象地物的具体的形状和大小、该对象地物存在的路段k的路段ID、该对象地物存在的概略的位置等中选择的一个或二个以上的信息而构成。根据基于图像识别部24的该对象地物的图像识别结果、和识别到该对象地物的图像信息G的取得时的本车位置信息P等,生成构成这样的地物属性信息的信息。
10.本车位置信息修正部
本车位置信息修正部26作为本车位置信息修正单元而起作用,且该本车位置信息修正单元根据基于图像识别部24的对象地物的图像识别处理的结果,和关于该对象地物的地物数据库DB2中存储的地物信息F,修正本车位置信息P。在本实施方式中,本车位置信息修正部26首先根据基于图像识别部24的图像识别处理的结果、摄像装置11的安装位置、安装角度、及视场角等,运算取得包含对象地物的图像的图像信息G时的本车辆C和对象地物的位置关系。接着,本车位置信息修正部26从地物数据库DB2抽出关于由图像识别部24识别到的对象地物的地物信息F。而且,本车位置信息修正部26根据该本车辆C和对象地物的位置关系的运算结果、和关于该对象地物的地物信息F中包含的该对象地物的位置关系,运算并取得把本车辆C的行进方向的对象地物的位置信息(地物信息F)作为基准的高精度的本车辆C的位置关系。而且,本车位置信息修正部26根据这样取得的高精度的本车辆C的位置关系,修正由本车位置信息取得部16已取得的本车位置信息P中包含的、本车辆C的行进方向的当前位置的信息。其结果,本车位置信息取得部16取得这样的修正后的高精度的本车位置信息P。
11.导航用运算部
导航用运算部27是运算处理单元,且该运算处理单元为了执行本车位置的显示、从出发地到目的地的路线搜索、到达目的地的路线引导、目的地检索等导航功能,而按照应用程序28进行动作。这里,应用程序28参照本车位置信息P、地图信息M、学习举动信息S、及地物信息F等,使导航用运算部27执行各种导航功能。例如,导航用运算部27进行如下的处理:根据本车位置信息P从地图数据库DB1取得本车辆C周边的地图信息M,并在显示输入装置29的显示画面显示地图的图像,并且在该地图的图像上,根据本车位置信息P,重叠显示本车位置标记。这时,应用程序28参照学习举动信息S,由此,可以通过后面描述的举动预测部51预测右转或左转等本车辆C的举动,防止向与实际的本车辆C的位置不同的道路上的位置的误匹配等。另外,导航用运算部27根据地图数据库DB1中存储的地图信息M,进行从规定的出发地到目的地的路线搜索。并且,导航用运算部27根据所搜索的从出发地到目的地的路线和本车位置信息P,使用显示输入装置29及语音输出装置30的一方或双方,进行针对驾驶员的路线引导。显示输入装置29是液晶显示装置等显示装置和触摸屏或操作开关等输入装置成为一体的装置。语音输出装置30具有扬声器而构成。在本实施方式中,导航用运算部27、显示输入装置29及语音输出装置30作为本发明的引导信息输出单元31而起作用。
12.识别位置信息取得部
识别位置信息取得部41作为识别位置信息取得单元而起作用,且该识别位置信息取得单元关于由图像识别部24成功进行了图像识别的对象地物,取得表示该对象地物的识别位置的识别位置信息。在本实施方式中,识别位置信息取得部41首先监视在基于图像识别部24的图像识别处理中,是否成功进行了对象地物的图像识别。而且,在由图像识别部24成功进行了对象地物的图像识别时,识别位置信息取得部41根据该图像识别结果、和由本车位置信息取得部16取得的本车位置信息P,导出该对象地物的识别位置。这里,识别位置信息取得部41把取得包含成功进行了识别的对象地物的图像的图像信息G时的本车位置信息P作为该对象地物的识别位置信息而取得。把本车位置信息P作为基准,导出这样取得的对象地物的识别位置信息,所以成为反映本车位置信息P具有的误差的位置信息。
13.识别地物信息生成部
识别地物信息生成部42作为识别地物信息生成单元而起作用,且该识别地物信息生成单元关于由图像识别部24成功进行了图像识别的对象地物,生成包含由地物属性信息生成部25生成的该对象地物的地物属性信息、和由识别位置信息取得部41取得的该对象地物的识别位置信息的识别地物信息A。而且,识别地物信息生成部42把已生成的识别地物信息A存储到地物学习数据库DB3。以下,使用图5和图6说明识别地物信息生成部42进行的处理的细节。图5是用于说明基于对象地物的图像识别结果的地物信息F的学习处理的概要的说明图。而且,图5中(a)是本车辆C行驶的实际道路上设置的道路标志(对象地物)的一例。在该例中,图像识别部24进行把速度标志的“30”的字符作为对象地物f1的图像识别。图5中(b)是地物学习数据库DB3中存储的识别地物信息A的一例。图5中(c)是反映地物学习数据库DB3中存储的学习结果的地物数据库DB2的一例。
在本实施方式中,识别地物信息生成部42如图5中(b)所示,关于各对象地物,根据由识别位置信息取得部41取得的识别位置信息,把识别地物信息A作为关于该识别位置信息表示的该对象地物的识别位置所属的规定的位置范围的学习值而生成。而且,识别地物信息生成部42在每次识别该对象地物时,按每个所述位置范围把学习值进行加法计算并存储。在本例中,规定的位置范围是在沿着表示道路的路段k的方向,每隔一定距离划分设定的范围,例如在沿着路段k的方向,每隔0.5(m)划分的范围。另外,学习值是在每次一个对象地物的图像识别成功时,对于地物学习数据库DB3中的该对象地物的识别位置所属的位置范围进行加法计算的值,例如在每次一个对象地物的图像识别成功时加1。即,在本例中,识别地物信息A作为对象地物的识别位置信息,具有表示包含该对象地物的识别位置的位置范围的信息、和其学习值“1”的信息而构成。
图6是关于图5中(b)所示的地物学习数据库DB3中存储的学习值的对象地物f1的局部放大图。例如,在图5中(a)的例中,是成功进行了对象地物f1的图像识别的情况,即由识别位置信息取得部41取得的对象地物f1的识别位置是图6中表示为“a4”的位置范围的情况,如该图6中虚线所示,对该位置范围4的学习值加1。而且,如果由于本车辆C多次通过相同的道路,而多次图像识别相同的对象地物f1,则在地物学习数据库DB3中,如图5中(b)及图6所示,将作为在每次识别该对象地物时生成的多个识别地物信息A的学习值,按每个表示该对象地物的识别位置的位置范围进行累计并储存。而且,如后所述,如果学习值成为规定的学习阈值T1以上,则由学习地物信息生成部44,生成关于该对象地物的学习地物信息Fb,并存储在地物数据库DB2中。在图5的例中,如图5中(c)所示,将与对象地物f1对应的学习地物信息Fb1存储到地物数据库DB2。
另外,识别地物信息生成部42为了把该识别地物信息A表示的对象地物设为对于其他对象地物可识别的状态,具有由地物属性信息生成部25生成的该对象地物的地物属性信息。即,地物学习数据库DB3中存储的识别地物信息A具有作为该对象地物的识别位置信息的表示位置范围的信息及其学习值“1”的信息,并且与表示该对象地物的地物属性的地物属性信息建立关联而构成。如上所述,该地物属性信息,例如,具有从该对象地物的地物种类、该对象地物的具体的形状和大小、该对象地物存在的路段k的路段ID、该对象地物存在的概略位置等中选择的一个或二个以上的信息而构成。
14.推测位置判定部
推测位置判定部43作为推测位置信息取得单元而起作用,且该推测位置信息取得单元取得统计地处理地物学习数据库DB3中存储的关于各对象地物的多个所述识别位置信息而求出的推测位置信息。为此,推测位置判定部43进行如下的处理:根据由于多次图像识别相同的对象地物而在地物学习数据库DB3中存储的、关于相同的对象地物的多个识别地物信息A,如图5所示那样,判定关于该对象地物的推测识别位置pa,把该推测识别位置pa转换为该对象地物的道路上的位置,由此,来判定该对象地物的推测位置pg。在本实施方式中,推测位置判定部43首先根据关于相同的对象地物的多个识别地物信息A的分布,把该分布的代表值作为关于该对象地物的推测识别位置pa进行判定。这里,作为分布的代表值使用最频值。即推测位置判定部43,对于作为关于各对象地物的识别地物信息A的学习值最初成为规定的学习阈值T1以上的位置范围,将代表该位置范围的位置判定为关于该对象地物的推测识别位置pa。作为一例,说明图5的例中的判定对象地物f1的推测识别位置pa时的判定方法。如图6所示,作为关于对象地物f1的识别地物信息A的学习值在位置范围a4最初成为学习阈值T1以上。因此,推测位置判定部43把代表位置范围a4的位置,例如位置范围a4的中央位置pa4判定为对象地物f1的推测识别位置pa。
接着,推测位置判定部43把如上所述判定的对象地物的推测识别位置pa转换为该对象地物的道路上的位置,并判定该对象地物的推测位置pg。可以根据摄像装置11的安装位置、安装角度及视场角等在理论上求出的本车辆C和图像信息G中的对象地物的位置关系,进行这样的转换。而且,把表示这样由推测位置判定部43求出的对象地物的推测位置pg的信息作为该对象地物的推测位置信息而取得。
15.学习地物信息生成部
学习地物信息生成部44作为学习地物信息生成单元而起作用,且该学习地物信息生成单元根据由于多次图像识别相同的对象地物而存储在地物学习数据库DB3中的关于相同的对象地物的多个识别地物信息A,生成表示该对象地物的学习结果的学习地物信息Fb。这里,学习地物信息Fb包含多个识别地物信息A所表示的关于相同的对象地物的地物属性信息、和由推测位置判定部43统计地处理关于该对象地物的多个识别位置信息A而求出的表示该对象地物的推测位置pg的推测位置信息而构成。即,学习地物信息生成部44把由推测位置判定部43取得的表示各对象地物的推测位置pg的推测位置信息、和关于该对象地物的识别地物信息A中包含的地物属性信息建立关联,生成学习地物信息Fb。另外,这时,学习地物信息生成部44作为各学习地物信息Fb的地物属性信息,赋予用于将各地物与其他地物区别开来的区别信息(地物ID)。据此,与初始地物信息Fa同样地,作为具有位置信息和与其建立关联的地物属性信息的信息而生成学习地物信息Fb。而且,将由该学习地物信息生成部44生成的学习地物信息Fb存储在地物数据库DB2中。在本实施方式中,如图5中(c)所示,学习地物信息Fb1由学习地物信息生成部44生成,并被存储在地物数据库DB2中。此外,在该图中表示的黑的四边形“■”表示学习地物信息Fb1的位置信息表示的对象地物f1的推测位置pg。
16.关系信息生成部
关系信息生成部45作为关系信息取得单元而起作用,且该关系信息取得单元在由举动检测部17检测到本车辆C的举动的情况下,取得表示该检测到的本车辆C的举动和在该举动的检测之前由图像识别部24识别的对象地物之间的关系的关系信息Br(参照图7)。这里,关系信息生成部45根据来自检测本车辆C的移动距离的移动距离检测单元的距离传感器15、及取得表示本车辆C的当前位置的本车位置信息P的本车位置信息取得部16的至少一方的信息,取得关系信息Br。为此,在本实施方式中,关系信息生成部45如图1所示,具有距离信息生成部46和地物确定信息生成部47而构成。因此,以下说明这些距离信息生成部46和地物确定信息生成部47进行的处理的细节。
此外,在以下的说明中,适当参照关于本车辆C的举动的具体例的表示检测举动信息B和学习举动信息S的内容的图7。这里,图7中(a)表示本车辆实际行驶的道路的状况的具体例。在该图7中(a)的例中,本车辆C在通过速度标志“30”字符的对象地物f1上后,行进距离100(m)后,在交叉点N左转。因此,在本例中,图像识别部24在图像识别对象地物f1后,在行进了距离100(m)后的交叉点N,举动检测部17检测到本车辆C的“左转”的举动。图7中(b)表示关于该举动的检测举动信息B的例,图7中(c)表示关于该举动的学习举动信息S的例。
16-1.距离信息生成部
距离信息生成部46作为距离信息生成单元而起作用,且该距离信息生成单元生成表示从由图像识别部24识别到的对象地物的识别位置到由举动检测部17检测到的本车辆C的举动的检测位置为止的距离的距离信息Bc(参照图7中(b))。即,距离信息生成部46如图7中(a)的例所示那样,在由图像识别部24识别到对象地物f1后,由举动检测部17检测到本车辆C的举动的情况下,检测从该对象地物的识别位置到该举动的检测位置为止的距离、即地物-举动间距离L,并生成距离信息Bc。为此,在本实施方式中,距离信息生成部46使用由距离传感器15检测的本车辆C的移动距离的信息,检测地物-举动间距离L。
即,距离信息生成部46把由图像识别部24识别到对象地物时的本车辆C的位置为起点,到检测本车辆C的举动为止的本车辆C的移动距离作为地物-举动间距离L而检测。通过这样使用来自距离传感器15的输出,可以与本车位置信息P无关地检测地物-举动间距离L。而且,距离信息生成部46把这样检测的表示地物-举动间距离L的信息作为距离信息Bc。在图7中(a)所示的例中,实际的地物-举动间距离L是100(m)。因此,作为该地物-举动间距离L的基于距离传感器15的检测结果,如图7中(b)所示,由距离信息生成部46,作为距离信息Bc,生成包含距离传感器15的检测误差的值。
16-2.地物确定信息生成部
地物确定信息生成部47作为地物确定信息生成单元而起作用,且该地物确定信息生成单元生成用于确定由图像识别部24识别到的对象地物的地物确定信息Bb。即,地物确定信息生成部47,如图7中(a)的例所示,在由图像识别部24识别到对象地物f1后,由举动检测部17检测到本车辆C的举动的情况下,生成用于确定该识别到的对象地物f1的地物确定信息Bb。在本实施方式中,将地物确定信息Bb设为用于确定地物学习数据库DB3中存储的识别地物信息A的区别信息(在图7中(b)的例中,地物ID(ID=××××))。即,地物确定信息生成部47在由图像识别部24识别到对象地物f1后,由识别地物信息生成部42生成关于该识别到的对象地物f1的识别地物信息A,并存储到地物学习数据库DB3中时,取得用于确定该识别地物信息A的区别信息。而且,地物确定信息生成部47将该区别信息作为地物确定信息Bb而生成。据此,可以根据后面描述的检测举动信息B或学习举动信息S中包含的地物确定信息Bb,通过参照地物学习数据库DB3中存储的识别地物信息A,确定检测举动信息B或学习举动信息S所表示的对象地物的地物属性和识别位置。
此外,用于确定地物学习数据库DB3中存储的识别地物信息A的区别信息并不局限于在各识别地物信息A中带有的地物ID,例如,也可以设为地物学习数据库DB3内的各识别地物信息A的存储位置等那样的其他信息。
而且,如图7中(b)所示,在本实施方式中,由距离信息生成部46生成的距离信息Bc、和由地物确定信息生成部47生成的地物确定信息Bb,构成关系信息Br。
17.检测举动信息生成部
检测举动信息生成部48作为检测举动生成单元而起作用,且该检测举动生成单元生成检测举动信息B,该检测举动信息B包含表示由举动检测部17检测到的本车辆C的举动的属性的举动属性信息Ba、和关于该举动由关系信息生成部45取得的关系信息Br。在本实施方式中,如上所述,在由举动检测部17检测到本车辆C的举动时,由举动属性信息生成部18生成举动属性信息Ba。另外,构成关系信息Br的距离信息Bc和地物确定信息Bb由关系信息生成部45的距离信息生成部46和地物确定信息生成部47生成。因此,检测举动信息生成部48把这些举动属性信息Ba和关系信息Br建立关联,来生成检测举动信息B。而且,检测举动信息生成部48把生成的检测举动信息B存储到举动学习数据库DB4。
这里,在关于某一个举动的多个检测举动信息B中,该举动的举动属性、及该举动的检测之前被图像识别的对象地物相同。因此,在本实施方式中,检测举动信息生成部48,将关于相同举动的多个检测举动信息B,作为把举动属性信息Ba和地物确定信息Bb设为共同的信息而总括到一起的信息,存储到举动学习数据库DB4中。图7中(b)表示把图7中(a)的例所示的关于一个举动(“左转”)的多个检测举动信息B总括到一起而保存的例。在该例中,检测举动信息B由多个距离信息Bc构成,且将该多个距离信息Bc与以“左转”的举动为内容的一个举动属性信息Ba、以“ID=××××”的区别信息为内容的地物确定信息Bb建立了关联。而且,这些多个距离信息Bc由于包含距离传感器15引起的检测误差,所以是接近实际的地物-举动间距离L的100(m)的值,但是分别为稍微不同的值。
18.平均距离判定部
平均距离判定部49判定关于相同的举动的多个检测举动信息B所表示的关于相同举动的多个距离信息Bc的平均值,生成平均距离信息Sc。在本实施方式中,平均距离判定部49,关于某一个举动,对把举动属性信息Ba和地物确定信息Bb作为共同的信息而总括在一起存储的检测举动信息B的多个距离信息Bc,判定其平均值。而且,把所判定的关于相同举动的多个距离信息Bc的平均值作为平均距离信息Sc而生成。在图7中(c)所示的学***均距离信息Sc为关于图7中(b)的例所表示的一个举动(“左转”)的检测举动信息B的多个距离信息Bc的全部值的平均值(“100.1(m)”)。而且,由这样由平均距离判定部49生成的平均距离信息Sc、和关于相同的举动的多个检测举动信息B中共同的地物确定信息Bb,构成本发明的统计关系信息Sr。由此,在本实施方式中,平均距离判定部49作为统计关系信息生成单元而起作用,且该统计关系信息生成单元统计地处理多个检测举动信息B所表示的关于相同举动的多个关系信息Br而求出的统计关系信息Sr。
19.学习举动信息生成部
学***均距离判定部49生成的平均距离信息Sc、和关于相同的举动的多个检测举动信息B中共同的地物确定信息Bb构成。因此,作为把关于某一个举动的多个检测举动信息B的共同的举动属性信息Ba及地物确定信息Bb、和关于该举动的多个检测举动信息B所表示的关于相同举动的多个距离信息Bc的平均值即平均距离信息Sc建立关联的信息,构成该学***均距离信息Sc构成。而且,学习举动信息生成部50把所生成的学习举动信息S存储到举动数据库DB5。
此外,学***均距离信息Sc与检测举动信息B的距离信息Bc相同,所以学习举动信息S的内容实质上与检测举动信息B相同。以下,以根据多个检测举动信息B生成学习举动信息S的情况为例进行说明。
20.举动预测部
举动预测部51作为举动预测单元而起作用,且该举动预测单元根据举动数据库DB5中存储的学***均距离信息Sc,预测本车辆C的举动。具体而言,举动预测部51在从图像识别到对象地物的识别位置移动了平均距离信息Sc所表示的距离时,进行产生举动属性信息Ba所表示的本车辆C的举动的预测。而且,举动预测部51为了把该举动的预测结果反映到本车辆C的动作和控制等中,对本车辆C的各种控制单元输出。作为这样的举动的预测结果的输出目的地,例如有进行用于本车辆C的引导信息的输出的运算处理的导航用运算部27、和用于最优化由于再现驾驶员的操作或者驾驶员的操作引起的本车辆的动作或外因引起的本车辆的动作的控制装置即车辆控制部52等。后面列举多个例子详细说明有关这样的举动的预测结果的具体的应用例。
21.举动学习处理
下面,说明本实施方式所涉及的导航装置1所包含的车辆举动学习装置2中执行的本车辆C的举动的学习处理的顺序(车辆举动学习程序)。图8是表示本实施方式所涉及的举动学习处理的整体的顺序的流程图。另外,图9是表示在本实施方式中,作为图8所示的举动学习处理的一部分而包含的地物学习处理的顺序的流程图。利用构成所述的各功能部的硬件或软件(程序)或者其双方来执行以下说明的处理的顺序。在利用程序构成所述的各功能部时,导航装置1具有的运算处理装置作为执行构成所述各功能部的车辆举动学习程序的计算机而进行动作。在以下,首先说明举动学习处理的整体的顺序。
21-1.举动学习处理的整体的步骤
如图8所示,在车辆举动学习装置2中,首先,利用本车位置信息取得部16取得本车位置信息P(步骤#01)。接着,利用图像信息取得部12,取得由摄像装置11拍摄的本车辆C的周边的图像信息G(步骤#02)。然后,利用图像识别部24,进行图像信息G中包含的对象地物的图像识别处理(步骤#03)。在通过该步骤#03,未识别到对象地物的情况下(步骤#04:否),处理返回步骤#01,再进行本车位置信息P和图像信息G的取得。而且,在通过步骤#03,识别到图像信息G中包含的对象地物的情况下(步骤#04:是),执行地物学习处理(步骤#05)。在后面根据图9所示的流程图详细说明关于该地物学习处理的顺序。
另外,与步骤#05的地物学习处理并行,利用关系信息生成部45的距离信息生成部46,开始地物-举动间距离L的测定(步骤#06)。这里,地物-举动间距离L如上所述,是从由步骤#03识别到的对象地物的识别位置到由后面描述的步骤#07检测的本车辆C的举动的检测位置为止的距离。在该步骤#06中,以由步骤#03识别到对象地物时的本车辆C的位置为起点,开始测定距离。接着,利用举动检测部17,执行本车辆C的举动的检测处理(步骤#07)。在该步骤#07的举动检测处理中,举动检测部17在能检测本车辆C的举动的状态下待机。而且,在检测到本车辆C的举动之前(步骤#08:否),在测定中的地物-举动间距离L成为规定的中止阈值以上时(步骤#16:是),中止地物-举动间距离L的测定(步骤#17),结束处理。另一方面,在测定中的地物-举动间距离L低于规定的中止阈值的状态下(步骤#16:否),在检测本车辆C的举动的情况下(步骤#08:是),结束基于距离信息生成部46的地物-举动间距离L的测定(步骤#09)。然后,取得由表示所测定的地物-举动间距离L的距离信息Bc和由地物确定信息生成部47生成的地物确定信息Bb构成的关系信息Br(步骤#10)。
接着,利用举动检测信息生成部48,生成包含表示步骤#07中检测到的本车辆C的举动的属性的举动属性信息Ba、和关于该举动在步骤#10中取得的关系信息Br的检测举动信息B(步骤#11)。而且,把生成的检测举动信息B存储到举动学***均距离判定部49,生成平均距离信息Sc(步骤#13)。这里,将平均距离信息Sc如上所述,设为关于相同举动的多个检测举动信息B所表示的关于相同举动的多个距离信息Bc的平均值的信息。然后,根据由于多次检测到相同举动而存储在举动学习数据库DB4中的关于相同举动的多个检测举动信息B,利用学习举动信息生成部50,生成与对象地物建立关联的表示本车辆C的举动的学习结果的学习举动信息S(步骤#14)。而且,把生成的学习举动信息S存储到举动数据库DB5(步骤#15)。以上,结束车辆举动学习装置2中的举动学习处理的整体的顺序。
21-2.地物学习处理的顺序
下面,说明作为本实施方式涉及的举动学习处理的一部分而包含的地物学习处理的顺序。在图8的步骤#05的地物学习处理中,如图9所示,首先,利用识别位置信息取得部41,根据本车位置信息P,取得在图8的步骤#03中识别到的对象地物的识别位置信息(步骤#21)。接着,利用识别地物信息生成部42,生成具有学习值的信息的识别地物信息A(步骤#22)。即,如上所述,把对象地物的识别时由地物属性信息生成部25生成的该对象地物的地物属性信息、和基于由步骤#21取得的该对象地物的识别位置信息的每个位置范围的学习值的信息建立关联而构成识别地物信息A。而且,例如,如图5中(b)所示,把具有这样的学习值信息的识别地物信息A存储到地物学习数据库DB3(步骤#23)。这里,当地物学习数据库DB3中存储的关于该对象地物的识别地物信息A的学习值低于规定的学习阈值T1时(步骤#24:否),保持原样结束处理。
另一方面,当地物学习数据库DB3中存储的关于该对象地物的识别地物信息A的学习值是规定的学习阈值T1以上时(步骤#24:是),利用推测位置判定部43,判定该对象地物的推测位置pg(步骤#25)。然后,利用学习地物信息生成部44,生成学习地物信息Fb,且该学习地物信息Fb把关于该对象地物的在步骤#25中所判定的推测位置pg和关于该对象地物的识别地物信息A中包含的地物属性信息建立了关联(步骤#26)。然后,把已生成的学习地物信息Fb存储到地物数据库DB2(步骤#27)。以上,结束地物学习处理的顺序。
22.举动预测处理
下面,说明本实施方式涉及的导航装置1中包含的车辆举动学习装置2中执行的本车辆C的举动预测处理的顺序(车辆举动预测程序)。图10是表示本实施方式涉及的举动预测处理的顺序的流程图。利用构成所述各功能部的硬件或软件(程序)或者其双方执行以下说明的处理的顺序。在利用程序构成所述的各功能部时,导航装置1具有的运算处理装置作为执行构成所述的各功能部的车辆举动预测程序的计算机而进行动作。
如图10所示,在车辆举动学习装置2的举动预测处理中,首先,利用本车位置信息取得部16,取得本车位置信息P(步骤#31)。接着,利用图像信息取得部12,取得由摄像装置11拍摄的本车辆C的周边的图像信息G(步骤#32)。然后,利用图像识别部24,进行图像信息G中包含的对象地物的图像识别处理(步骤#33)。在通过该步骤#33,未识别到对象地物时(步骤#34:否),处理返回步骤#31,再进行本车位置信息P和图像信息G的取得。而且,在通过步骤#33,识别到图像信息G中包含的对象地物时(步骤#34:是),利用举动预测部51,从举动数据库DB5抽出并取得该对象地物所涉及的学习举动信息S(步骤#35)。
然后,根据在步骤#35中取得的学***均距离信息Sc,在从图像识别到对象地物的识别位置移动了平均距离信息Sc所表示的距离时,进行产生举动属性信息Ba所表示的本车辆C的举动的预测。然后,举动预测部51为了把该举动预测结果反映到本车辆C的动作和控制等中,对本车辆C的各种控制单元输出(步骤#37)。以上,结束车辆举动学习装置2中的举动预测处理的顺序。
23.应用例1
以下,说明本发明涉及的车辆举动学***行的干线道路K2和细马路K3接近时,即交叉点N2和N3的距离短时,本车位置信息取得部16有时会把本车位置信息P所表示的本车辆C的当前位置地图匹配到错误的道路上。尽管本车辆C如图11中实线所示,向细马路K3左转行进,但是有时却将本车位置信息P所表示的本车辆C的当前位置如图11中虚线所示那样,地图匹配到干线道路K2上,将该本车位置信息P所表示的本车辆C的位置作为本车位置标记Pc在显示输入装置29显示。这样的错误匹配由导航用运算部27自动修正或者由驾驶员手工修正,但是,即使是短时间,也会在显示输入装置29中显示表示与现实不同的错误的位置的本车位置标记Pc。通过使用本发明的车辆举动学习装置2,能抑制这样的错误匹配。
在图11所示的例中,本车辆C的驾驶员在到达交叉点N3之前,操作方向指示器,并操作制动器使本车辆C减速,在交叉点N3进行左转的操纵。举动检测部17将这样的针对方向指示器、制动器、转向装置的基于驾驶员的操作作为车辆的举动检测。另外,伴随着这样的本车辆C的左转动作,举动检测部17也将由方位传感器24检测的本车辆C的行进方位的变化作为驾驶员的操作所产生的结果的本车辆C的举动检测。另一方面,本车辆C在检测这样的本车辆C的左转的举动之前,通过交叉点N1。在交叉点N1的前后存在人行横道的对象地物f2和f3,将它们作为对象地物,在图像识别部24中识别。因此,在本例中,生成关于与这些对象地物f2和f3的一方或双方建立关联的本车辆C的举动的检测举动信息B,并存储到举动学习数据库DB4中。
如果向该细马路K3的左转例如是向自家的路线,本车辆C就多次通过从干线道路K1向细马路K3的相同的路线。因此,在举动学***均值的平均距离信息Sc。
图12是表示在基于导航用运算部27的本车位置显示中,利用车辆举动的预测结果的例的说明图。如上所述,考虑在已将本车辆C的学习举动信息S存储到举动数据库DB5中的状态下,本车辆C通过干线道路K1的情况。如果本车辆C通过了交叉点N1,则由图像识别部24,识别人行横道的对象地物f2及f3。举动预测部51从举动数据库DB5抽出并取得与对象地物f2、f3建立关联的学习举动信息S,预测在交叉点N3本车辆C左转的可能性高。另外,举动预测部51把这样的举动的预测结果对导航用运算部27输出。而且,如果在所预测的位置本车辆C左转,导航用运算部27则判定本车辆C不是进入干线道路K2,而是进入细马路K3,并把本车位置标记Pc匹配在细马路K3上,在显示输入装置29显示。另外,优选构成为,这时,举动预测部51把这样的举动的预测结果对本车位置信息取得部16输出,修正本车位置信息P。
通过这样应用本发明涉及的车辆举动学习装置2,可以提高导航装置1中的本车位置显示和路线引导的精度。
24.应用例2
在上述的应用例1中,对如下情况进行了示例:作为本车辆C的举动,举动检测部17检测本车辆C的各部接受的驾驶员的操作、及该驾驶员的操作所产生的结果的本车辆C的动作。在本应用例2中,说明将从外部作用于本车辆C的外因引起的本车辆C的动作作为举动检测情况下的例。
具有如下的***,即根据来自导航装置1的道路信息,控制本车辆C的悬架的衰减力,提高弯道行驶时的操纵稳定性,或最佳控制台阶似路面中的振动的衰减力的***。由于与悬架的控制和导航装置1协调实施这些,所以称作导航协调悬架***。通常,主要使用导航装置1通过GPS接收机13和方位传感器14、距离传感器15等取得的本车位置信息P实施该导航协调悬架***。但是,如上所述,由于该本车位置信息P包含误差,所以有时悬架的控制从最佳的位置偏移。
如果应用了本发明涉及的举动学习装置2,则利用振动传感器19和方位传感器14、加速度传感器21等,将弯道行驶和通过台阶似路面引起的本车辆C的举动作为检测举动信息B存储到举动学习数据库DB4。而且,根据由于本车辆C多次通过相同的路线而存储在举动学习数据库DB4中的多个检测举动信息B,生成关于该举动的学习举动信息S,并存储到举动数据库DB5。
由举动预测部51根据这样生成、存储的学习举动信息S,预测与相应的对象地物建立了关联的通过台阶似路面和弯道行驶等引起的本车辆C的举动。而且,把该举动预测结果对导航协调悬架***的控制装置(车辆控制部52)输出,实施悬架的控制。因此,例如,当在道路的特定的地方产生台阶似路面的情况下,可以预测在该台阶似路面通行时受到振动、冲击,进行最佳的悬架控制。其结果,可以进行与以往相比更精密的控制。这样的导航协调悬架***的控制装置相当于把本发明中的本车辆的动作最优化的控制装置。
此外,在该应用例2中检测的举动是从外部作用在本车辆C的外因引起的本车辆C的动作所涉及的举动。因此,针对驾驶员和车辆的依赖性低,针对道路自身的依赖性高。因此,例如,在能与多个车辆通信的服务器等中设置举动学习数据库DB4和举动数据库DB5等,在多个车辆共享检测举动信息B和学习举动信息S也是本发明的优选的实施方式之一。通过采用这样的构成,能更迅速地学习在特定的位置产生的车辆的举动。
25.应用例3
在本应用例3中,说明根据地图数据库DB1中存储的道路信息Ra和驾驶员的操作的接受,最佳地控制本车辆C的发动机和自动变速装置等的例。由于自动变速装置等的换档控制和导航装置1协调来实施,所以将其称作导航协调换档控制。例如在上坡行驶时,根据驾驶员的爱好,有时,缓慢爬上坡车线等,或者进行自动变速器由高档落到低挡以高速爬坡。举动检测部17,例如把该自动变速器由高档落到低挡的动作作为检测举动信息B检测。在以相同的对象地物为基准重复检测到该举动的情况下,把该驾驶操作作为驾驶员的爱好而学习。即,将该举动与对象地物建立关联,作为学习举动信息S存储到举动数据库DB5。
举动预测部51根据所存储的学习举动信息S,在由图像识别部24识别到相应的对象地物时,预测需要换低速挡。根据该预测结果,导航协调换档控制***也考虑燃料消耗率等,进行最佳的换档控制。此外,也可以对发动机、变速装置等所谓的动力传动系的各种机构实施该控制。另外,在作为驱动力源具有发动机和电机的混合车辆中,可以以使各驱动力源的动作状态为最佳的状态的方式进行控制。
26.应用例4
作为驾驶员的操作的接受所涉及的本车辆C的举动,也可以检测驾驶员的遮光板的操作。这时,也可以从GPS接收机13取得时刻信息和日期信息。因此,可以按照驾驶员感觉晃眼的时间段、地方、方向,生成学习举动信息S并存储。如果举动预测部51根据该学习举动信息S,预测了驾驶员感觉晃眼,各装置的控制部则实施调高显示输入装置29的显示画面的亮度、驱动电动遮光板等控制。
27.应用例5
作为驾驶员的操作的接受所涉及的本车辆C的举动,也可以根据来自空调开关22的输入,检测驾驶员的空调装置的操作。例如,把通常以外气导入的方式使用空调装置的驾驶员在某地点反复切换为内气循环的举动作为学习举动信息S生成,并存储。这是驾驶员在交通量多的干线道路行驶时,操作空调开关22以使其他车辆的排气气体不进入本车辆C的情况的例。举动预测部51根据学习举动信息S,预测空调装置***作。空调装置的控制部根据该预测结果,自动从外气导入切换为内气循环。如果延迟向内气循环的切换,即使排气气体进入本车辆C少许,也不愉快,但是通过这样自动地切换,就能确保车内的舒适性。
28.其他实施方式
(1)在所述的实施方式中,说明了如下情况下的例:由关系信息生成部45生成的关系信息Br具有由距离信息生成部46生成的距离信息Bc、和由地物确定信息生成部47生成的地物确定信息Bb而构成。但是,关系信息Br的内容并不局限于这样的例。因此,例如,优选关系信息Br构成为包含距离信息Bc和地物确定信息Bb中的任意一方,或者,构成为包含此外的表示本车辆的举动和与该举动的检测之前由所述图像识别单元识别到的对象地物之间的关系的信息。
(2)在所述的实施方式中,如图7中(b)所示,说明了如下情况下的例:将关于相同举动的多个检测举动信息B,作为把举动属性信息Ba和地物确定信息Bb设为共同的信息而总括到一起的信息,存储到举动学习数据库DB4中。但是,在举动学习数据库DB4中存储时的检测举动信息B的形式并不局限于此。因此,把关于相同举动的多个检测举动信息B分别存储到举动学习数据库DB4的构成也是本发明的优选实施方式之一。
(3)在所述的实施方式中,以如下情况为例进行了说明:作为统计地处理多个检测举动信息B所表示的关于相同的举动的多个关系信息Br而求出的统计关系信息Sr,利用平均距离判定部49,求出关于相同的举动的多个距离信息Bc的平均值即平均距离信息Sc。但是,统计关系信息Sr的内容并不局限于此。因此,例如根据关于相同的举动的多个距离信息Bc的分布,把该分布的最频值和中央值等其他代表值作为统计距离信息进行判定,把包含该统计距离信息和地物确定信息Bb等的信息设为统计关系信息Sr也是本发明的优选的实施方式之一。
(4)在所述的实施方式中,以如下情况为例进行了说明:车辆举动学习装置2构成为,具有举动预测部51,把本车辆C的举动的预测结果对车辆控制部52等输出。但是,本发明所涉及的车辆举动学习装置2的构成并不局限于此,构成为不具有举动预测部51也是本发明的优选的实施方式之一。例如,车辆举动学习装置2也优选构成为,具有本车位置信息修正单元,且该本车位置信息修正单元根据与右转和左转等本车辆C的行进路线变更有关的举动、和地图信息M中包含的道路形状等,修正由本车位置信息取得部16取得的本车位置信息P,以使该行进路线变更的举动匹配地图上的道路形状。这种情况下,本发明涉及的车辆举动学习装置2构成本车位置识别装置的一部分。
(5)在所述的实施方式中,说明了如下情况下的例:把由识别位置信息取得部41取得的识别位置信息设为表示图像识别成功时的本车辆C的位置的信息。但是,作为表示对象地物的识别位置的识别位置信息而取得的位置信息并不局限于此。因此,例如关于成功进行了图像识别的对象地物,根据本车位置信息P和图像信息G的图像识别结果,运算以本车位置信息P为基准的该对象地物的道路上的位置,把该道路上的对象地物的位置作为识别位置信息,由识别位置信息取得部41取得的构成也是本发明的优选的实施方式之一。
(6)在所述的实施方式中,说明了如下情况下的例:推测位置判定部43构成为,根据关于相同的对象地物的多个识别地物信息A的分布,把该分布的最频值判定为该对象地物的推测识别位置pa,把该推测识别位置pa转换为对象地物的道路上的位置,判定对象地物的推测位置pg。但是,基于推测位置判定部43的推测位置pg的判定方法并不局限于此。因此,例如根据识别地物信息A的分布,把该分布的平均值和中央值等其他代表值判定为该对象地物的推测识别位置pa的构成也是本发明的优选实施方式之一。
(7)在所述的实施方式中,以如下情况为例进行了说明:把设置在道路的路面的各种道路标志设为对象地物。但是,本发明的实施方式并不局限于此,也可以将设置在道路的周边的各种地物设为对象地物。因此,例如也可以把道路标识、引导标识、招牌、信号机、下水道口等各种地物设为对象地物。
(8)所述的实施方式中的各数据库DB1~DB5的划分方法只是一例,并不限定各数据库DB1~DB5的硬件构成。因此,例如可以采用如下等任意的构成:将地物数据库DB2和地物学习数据库DB3设为一个数据库,将举动学习数据库DB4和举动数据库DB5设为一个数据库,或者将地图数据库DB1和地物数据库DB2设为一个数据库。
(9)在所述的实施方式中,以如下情况为例进行了说明:把包含本发明涉及的车辆举动学习装置2的导航装置1的全部构成搭载在本车辆C中。但是,本发明的实施方式并不局限于此。即,将包含作为本发明的识别地物存储单元的地物学习数据库DB3和作为检测举动存储单元的举动学习数据库DB4的一方或双方的车辆举动学习装置2的一部分构成,如图13所示,设置在通过无线通信线路等,与多个车辆C可通信地连接的服务器装置60上的构成也是本发明的优选的实施方式之一。如果将车辆举动学习装置2这样构成,则可以将多个车辆C的举动的学习结果和对象地物的学习结果集中到设置在服务器装置60中的举动学习数据库DB4和地物学习数据库DB3。因此,可以使用更多的检测举动信息B和识别地物信息A,迅速生成学习举动信息S和学习地物信息Fb。此外,在服务器装置60中设置的车辆举动学习装置2的构成并不局限于地物学习数据库DB3和举动学习数据库DB4,可以将摄像装置11和本车位置信息取得部16等那样的需要搭载在本车辆C上的构成以外的全部的构成设置在服务器装置60中。因此,例如也优选把地图数据库DB1、地物数据库DB2、及举动数据库DB5中的任意一个以上设置在服务器装置60中。
(10)在所述的各实施方式中,说明了如下情况下的例:在导航装置1中利用本发明涉及的车辆举动学习装置2。但是,本发明的实施方式并不局限于此。因此,例如,当然可以,如在与导航装置1无关的车辆的行驶控制装置等中利用本发明涉及的车辆举动学习装置2等那样,在与所述的实施方式不同的其他构成中应用本发明。
工业上的可利用性
可以将本发明优选利用于学习本车辆的举动的车辆举动学习装置及车辆举动学习程序。
Claims (19)
1.一种车辆举动学习装置,其特征在于,
包括:图像信息取得单元,取得本车辆的周边的图像信息;
图像识别单元,进行所述图像信息中包含的对象地物的图像识别处理;
举动检测单元,检测本车辆的举动;
关系信息取得单元,取得关系信息,且该关系信息表示由所述举动检测单元检测的本车辆的举动和在该举动的检测之前由所述图像识别单元识别的对象地物之间的关系;
检测举动存储单元,存储检测举动信息,且该检测举动信息包含表示由所述举动检测单元检测的本车辆的举动的属性的举动属性信息、和关于该举动由所述关系信息取得单元取得的所述关系信息;
学习举动信息生成单元,根据所述检测举动存储单元中存储的所述检测举动信息,生成学习举动信息,且该学习举动信息表示与对象地物建立关联的本车辆的举动的学习结果。
2.根据权利要求1所述的车辆举动学习装置,其特征在于,
由所述举动检测单元检测的本车辆的举动包含本车辆的各部接受驾驶员的操作,及本车辆的动作的至少一方。
3.根据权利要求1或2所述的车辆举动学习装置,其特征在于,
所述关系信息包含距离信息,且该距离信息表示从由所述图像识别单元识别到的对象地物的识别位置到由所述举动检测单元检测的本车辆的举动的检测位置的距离。
4.根据权利要求1~3中的任意一项所述的车辆举动学习装置,其特征在于,
所述关系信息包含用于确定由所述图像识别单元识别到的对象地物的地物确定信息。
5.根据权利要求1~4中的任意一项所述的车辆举动学习装置,其特征在于,
所述关系信息取得单元根据来自用于检测本车辆的移动距离的移动距离检测单元、及用于取得表示本车辆的当前位置的本车位置信息的本车位置信息取得单元的至少一方的信息,取得所述关系信息。
6.根据权利要求1~5中的任意一项所述的车辆举动学习装置,其特征在于,
根据由于多次检测到相同的举动而存储在所述检测举动存储单元中的、关于相同的举动的多个所述检测举动信息而生成所述学习举动信息,其包含该多个检测举动信息所表示的关于相同的举动的所述举动属性信息、和统计地处理关于该举动的多个所述关系信息而求出的统计关系信息。
7.根据权利要求1~6中的任意一项所述的车辆举动学习装置,其特征在于,
所述对象地物是设置在道路的路面上的道路标志。
8.根据权利要求1~7中的任意一项所述的车辆举动学习装置,其特征在于,
还具有存储由所述学习举动信息生成单元生成的所述学习举动信息的学习举动信息存储单元。
9.根据权利要求1~8中的任意一项所述的车辆举动学习装置,其特征在于,
还具有举动预测单元,其用于根据所述学习举动信息,在图像识别到该学习举动信息表示的对象地物时,预测产生与该对象地物建立关联的本车辆的举动,并输出该举动的预测结果。
10.根据权利要求1~9中的任意一项所述的车辆举动学习装置,其特征在于,
还具有:识别位置信息取得单元,取得表示由所述图像识别单元识别到的对象地物的识别位置的识别位置信息;
识别地物存储单元,存储识别地物信息,且该识别地物信息包含表示由所述图像识别单元识别到的对象地物的属性的地物属性信息,和由所述识别位置信息取得单元取得的所述识别位置信息;
学习地物信息生成单元,根据由于被多次图像识别到相同的对象地物而存储在所述识别地物存储单元中的、关于相同的对象地物的多个所述识别地物信息,生成表示该对象地物的学习结果的学习地物信息。
11.根据权利要求1~10中的任意一项所述的车辆举动学习装置,其特征在于,
所述检测举动存储单元与多个车辆可通信地连接,存储基于多个车辆的所述检测举动信息。
12.根据权利要求9所述的车辆举动学习装置,其特征在于,
所述举动预测单元把所述举动的预测结果对进行用于本车辆的引导信息的输出的运算处理的导航用运算单元输出。
13.根据权利要求9所述的车辆举动学习装置,其特征在于,
所述举动预测单元把所述举动的预测结果对再现驾驶员的操作的本车辆内的控制装置输出。
14.根据权利要求9所述的车辆举动学习装置,其特征在于,
所述举动预测单元把所述举动的预测结果对最优化本车辆的动作的控制装置输出。
15.根据权利要求10所述的车辆举动学习装置,其特征在于,
所述学习地物信息包含多个所述识别地物信息所表示的关于相同的对象地物的所述地物属性信息、和统计地处理关于该对象地物的多个所述识别位置信息而求出的推测位置信息。
16.根据权利要求10或15所述的车辆举动学习装置,其特征在于,
还具有存储由所述学习地物信息生成单元生成的所述学习地物信息的学习地物信息存储单元。
17.根据权利要求10、15或16所述的车辆举动学习装置,其特征在于,
所述识别地物存储单元与多个车辆可通信地连接,存储基于多个车辆的所述识别地物信息。
18.一种导航装置,其特征在于,
包括:权利要求1~17中的任意一项所述的车辆举动学习装置;
存储地图信息的地图信息存储单元;
参照所述学习举动信息及所述地图信息的一方或双方,进行动作的应用程序;
按照所述应用程序进行动作,并输出引导信息的引导信息输出单元。
19.一种车辆举动学习程序,其特征在于,
使计算机执行以下的步骤:
图像信息取得步骤,取得本车辆的周边的图像信息;
图像识别步骤,进行所述图像信息中包含的对象地物的图像识别处理;
举动检测步骤,检测本车辆的举动;
关系信息取得步骤,取得关系信息,且该关系信息表示由所述举动检测步骤检测到的本车辆的举动和在该举动的检测之前由所述图像识别步骤识别的对象地物之间的关系;
检测举动存储步骤,在检测举动存储单元中存储检测举动信息,且该检测举动信息包含表示由所述举动检测步骤检测到的本车辆的举动的属性的举动属性信息、和关于该举动由所述关系信息取得步骤取得的所述关系信息;
学习举动信息生成步骤,根据所述检测举动存储单元中存储的所述检测举动信息,生成学习举动信息,且该学习举动信息表示与对象地物建立关联的本车辆的举动的学习结果。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007172142A JP4427759B2 (ja) | 2007-06-29 | 2007-06-29 | 車両挙動学習装置及び車両挙動学習プログラム |
JP2007172142 | 2007-06-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101334283A true CN101334283A (zh) | 2008-12-31 |
Family
ID=39767142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101004269A Pending CN101334283A (zh) | 2007-06-29 | 2008-06-11 | 车辆举动学习装置和车辆举动学习程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20090005929A1 (zh) |
EP (1) | EP2017774A3 (zh) |
JP (1) | JP4427759B2 (zh) |
CN (1) | CN101334283A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012229A (zh) * | 2009-09-04 | 2011-04-13 | 爱信艾达株式会社 | 导航装置、导航方法以及导航程序 |
CN102044178A (zh) * | 2009-10-09 | 2011-05-04 | 罗伯特·博世有限公司 | 用于学习操作辅助功能的装置和方法 |
CN102201174A (zh) * | 2010-03-24 | 2011-09-28 | 株式会社电装 | 行驶道路推测*** |
CN102288189A (zh) * | 2010-05-04 | 2011-12-21 | 三星电子株式会社 | 移动终端的位置信息管理方法和设备 |
CN103206959A (zh) * | 2012-01-16 | 2013-07-17 | 阿尔派株式会社 | 隧道信息利用导航装置 |
CN103298673A (zh) * | 2011-01-12 | 2013-09-11 | 丰田自动车株式会社 | 车辆用信息处理*** |
CN104925001A (zh) * | 2014-03-18 | 2015-09-23 | 沃尔沃汽车公司 | 车辆传感器诊断***和方法以及包括这种***的车辆 |
CN109153382A (zh) * | 2016-08-12 | 2019-01-04 | 宝马股份公司 | 驾驶员辅助的提供 |
CN109765887A (zh) * | 2018-12-21 | 2019-05-17 | 费子偕 | 一种自动驾驶控制方法 |
CN113228139A (zh) * | 2019-05-24 | 2021-08-06 | 川崎重工业株式会社 | 带学习功能的建筑机械 |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8155826B2 (en) * | 2007-03-30 | 2012-04-10 | Aisin Aw Co., Ltd. | Vehicle behavior learning apparatuses, methods, and programs |
ES2376321B1 (es) * | 2009-02-18 | 2013-01-28 | Crambo, S.A. | Dispositivo de gestión y control de rutinas conductuales. |
DE102009024153A1 (de) * | 2009-06-05 | 2010-12-09 | Daimler Ag | Verfahren zur sukzessiven Prognostizierung eines mit einem Kraftfahrzeug zurückzulegenden wahrscheinlichsten Streckenabschnitts |
EP2486516A4 (en) | 2009-10-07 | 2018-03-28 | iOnRoad Technologies Ltd. | Automatic content analysis method and system |
WO2011071177A1 (ja) * | 2009-12-11 | 2011-06-16 | オプテックス株式会社 | 運転挙動検出方法および装置 |
JP5487931B2 (ja) * | 2009-12-11 | 2014-05-14 | トヨタ自動車株式会社 | 位置補正装置及び方法、並びに運転支援装置 |
TW201142339A (en) * | 2010-05-20 | 2011-12-01 | Jiung-Yao Huang | Remote sensing satellite positioning device and method thereof |
JP2012127790A (ja) * | 2010-12-15 | 2012-07-05 | Denso Corp | ナビゲーション装置 |
US8635010B2 (en) * | 2011-02-15 | 2014-01-21 | Telenav, Inc. | Navigation system with accessory control mechanism and method of operation thereof |
WO2012150591A2 (en) * | 2011-05-03 | 2012-11-08 | Alon Atsmon | Automatic content analysis method and system |
DE112011105275T5 (de) | 2011-05-23 | 2014-05-15 | Toyota Jidosha Kabushiki Kaisha | Informationsverarbeitungssystem für ein Fahrzeug |
CN103718221B (zh) * | 2011-08-04 | 2016-08-17 | 丰田自动车株式会社 | 车辆用信息处理装置及车辆用信息处理方法 |
FI124697B (en) | 2012-04-04 | 2014-12-15 | Jc Inertial Oy | Vehicle location |
MX2015000832A (es) * | 2012-07-17 | 2015-04-08 | Nissan Motor | Sistema de asistencia a la conduccion y metodo de asistencia a la conduccion. |
JP2014041556A (ja) * | 2012-08-23 | 2014-03-06 | Toyota Motor Corp | 運転支援装置 |
US9454150B2 (en) | 2013-07-17 | 2016-09-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Interactive automated driving system |
JP6303564B2 (ja) * | 2014-02-11 | 2018-04-04 | 株式会社デンソー | 位置情報校正装置、位置情報校正アプリケーションプログラム |
EP3086303B1 (en) | 2014-02-20 | 2022-09-28 | Aisin Corporation | Warning notification system, method and program |
JP6376619B2 (ja) | 2014-04-04 | 2018-08-22 | テスラ・インコーポレーテッド | エネルギー制約の下での旅程計画立案 |
WO2015166721A1 (ja) * | 2014-05-02 | 2015-11-05 | エイディシーテクノロジー株式会社 | 車両制御装置 |
JP6408852B2 (ja) * | 2014-10-06 | 2018-10-17 | 株式会社ブリヂストン | 路面状態判別システム |
US9321441B1 (en) * | 2014-11-19 | 2016-04-26 | Robert Bosch Gmbh | GPS based learned control event prediction |
US10002531B2 (en) * | 2014-12-10 | 2018-06-19 | Here Global B.V. | Method and apparatus for predicting driving behavior |
JP6225927B2 (ja) * | 2015-02-02 | 2017-11-08 | トヨタ自動車株式会社 | 車両状態予測システム |
CN107635854B (zh) * | 2015-06-11 | 2019-08-30 | 日本精工株式会社 | 电动助力转向装置 |
KR102137213B1 (ko) | 2015-11-16 | 2020-08-13 | 삼성전자 주식회사 | 자율 주행을 위한 모델 학습 장치 및 방법과 자율 주행 장치 |
JP6432543B2 (ja) * | 2016-02-23 | 2018-12-05 | 株式会社デンソー | 経路計算システム及びコンピュータプログラム |
US10643464B2 (en) * | 2016-04-25 | 2020-05-05 | Rami B. Houssami | Pace delineation jibe iota |
KR102057532B1 (ko) | 2016-10-12 | 2019-12-20 | 한국전자통신연구원 | 자율주행 차량의 판단 지능 향상을 위한 주행상황 데이터 공유 및 학습 장치 및 그 동작 방법 |
US10421460B2 (en) * | 2016-11-09 | 2019-09-24 | Baidu Usa Llc | Evaluation framework for decision making of autonomous driving vehicle |
KR101898519B1 (ko) * | 2016-12-30 | 2018-09-14 | 주식회사 효성 | Ips lcd 패널 |
DE102017200735A1 (de) * | 2017-01-18 | 2018-07-19 | Volkswagen Aktiengesellschaft | Verfahren und Anordnung zur Interaktion mit einem Vorschlagssystem mit automatisierten Bedienhandlungen |
JP2018203214A (ja) * | 2017-06-09 | 2018-12-27 | アイシン精機株式会社 | 駐車支援装置、駐車支援方法、運転支援装置、および運転支援方法 |
DE102017215552A1 (de) | 2017-09-05 | 2019-03-07 | Robert Bosch Gmbh | Plausibilisierung der Objekterkennung für Fahrassistenzsysteme |
CN109600400A (zh) * | 2017-09-29 | 2019-04-09 | 索尼公司 | 无线通信***中的电子设备、方法和无线通信*** |
US11288959B2 (en) | 2017-10-31 | 2022-03-29 | Bosch Automotive Service Solutions Inc. | Active lane markers having driver assistance feedback |
CN109787644A (zh) * | 2017-11-13 | 2019-05-21 | 北汽福田汽车股份有限公司 | 车载收音应用程序版本的适配方法、装置及处理器 |
US11273836B2 (en) | 2017-12-18 | 2022-03-15 | Plusai, Inc. | Method and system for human-like driving lane planning in autonomous driving vehicles |
US20190185012A1 (en) | 2017-12-18 | 2019-06-20 | PlusAI Corp | Method and system for personalized motion planning in autonomous driving vehicles |
US11130497B2 (en) * | 2017-12-18 | 2021-09-28 | Plusai Limited | Method and system for ensemble vehicle control prediction in autonomous driving vehicles |
JP2019114040A (ja) * | 2017-12-22 | 2019-07-11 | 株式会社デンソー | 特性記憶装置 |
US10713510B2 (en) | 2017-12-29 | 2020-07-14 | Waymo Llc | Autonomous vehicle system configured to respond to temporary speed limit signs |
JP7073769B2 (ja) * | 2018-02-14 | 2022-05-24 | いすゞ自動車株式会社 | 運転支援システム及び運転支援方法 |
JP7011553B2 (ja) * | 2018-08-10 | 2022-02-10 | 日立Astemo株式会社 | 情報処理装置、車両制御方法、情報処理システム |
EP3611595A1 (en) * | 2018-08-16 | 2020-02-19 | Veoneer Sweden AB | A vision system for a motor vehicle and a method of training |
CN109177979B (zh) * | 2018-08-27 | 2021-01-05 | 百度在线网络技术(北京)有限公司 | 评估乘车舒适度的数据处理方法、装置及可读存储介质 |
EP3719696A1 (en) | 2019-04-04 | 2020-10-07 | Aptiv Technologies Limited | Method and device for localizing a sensor in a vehicle |
JP7036783B2 (ja) * | 2019-10-09 | 2022-03-15 | 株式会社 ミックウェア | 位置推定システム、位置推定方法、及び位置推定プログラム |
CN111461831B (zh) * | 2020-03-31 | 2024-01-30 | 摩拜(北京)信息技术有限公司 | 车辆的停放控制方法、电子设备及车辆*** |
JP7322804B2 (ja) * | 2020-05-13 | 2023-08-08 | トヨタ自動車株式会社 | 配車装置および車両 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2738120B2 (ja) * | 1990-03-23 | 1998-04-08 | トヨタ自動車株式会社 | 車両用自動運転装置 |
JPH0785280B2 (ja) * | 1992-08-04 | 1995-09-13 | タカタ株式会社 | 神経回路網による衝突予測判定システム |
JP3477758B2 (ja) * | 1993-10-15 | 2003-12-10 | 株式会社日立製作所 | 運転支援装置 |
JP4649756B2 (ja) | 2001-03-28 | 2011-03-16 | 日産自動車株式会社 | 車両用死角モニタの制御装置 |
JP4577827B2 (ja) * | 2005-01-06 | 2010-11-10 | アイシン・エィ・ダブリュ株式会社 | 走行車両の次道路予測装置 |
JP2007172142A (ja) | 2005-12-20 | 2007-07-05 | Casio Comput Co Ltd | 表示装置 |
-
2007
- 2007-06-29 JP JP2007172142A patent/JP4427759B2/ja not_active Expired - Fee Related
-
2008
- 2008-06-11 CN CNA2008101004269A patent/CN101334283A/zh active Pending
- 2008-06-12 EP EP08158149A patent/EP2017774A3/en not_active Withdrawn
- 2008-06-13 US US12/213,076 patent/US20090005929A1/en not_active Abandoned
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012229A (zh) * | 2009-09-04 | 2011-04-13 | 爱信艾达株式会社 | 导航装置、导航方法以及导航程序 |
CN102044178A (zh) * | 2009-10-09 | 2011-05-04 | 罗伯特·博世有限公司 | 用于学习操作辅助功能的装置和方法 |
CN102044178B (zh) * | 2009-10-09 | 2015-02-25 | 罗伯特·博世有限公司 | 用于学习操作辅助功能的装置和方法 |
CN102201174A (zh) * | 2010-03-24 | 2011-09-28 | 株式会社电装 | 行驶道路推测*** |
CN102201174B (zh) * | 2010-03-24 | 2014-07-09 | 株式会社电装 | 行驶道路推测*** |
US9513123B2 (en) | 2010-05-04 | 2016-12-06 | Samsung Electronics Co., Ltd. | Location information management method and apparatus of mobile terminal |
CN102288189A (zh) * | 2010-05-04 | 2011-12-21 | 三星电子株式会社 | 移动终端的位置信息管理方法和设备 |
CN102288189B (zh) * | 2010-05-04 | 2017-05-10 | 三星电子株式会社 | 移动终端的位置信息管理方法和设备 |
CN103298673A (zh) * | 2011-01-12 | 2013-09-11 | 丰田自动车株式会社 | 车辆用信息处理*** |
CN103298673B (zh) * | 2011-01-12 | 2016-01-27 | 丰田自动车株式会社 | 车辆用信息处理*** |
CN103206959A (zh) * | 2012-01-16 | 2013-07-17 | 阿尔派株式会社 | 隧道信息利用导航装置 |
CN103206959B (zh) * | 2012-01-16 | 2017-06-30 | 阿尔派株式会社 | 隧道信息利用导航装置 |
CN104925001A (zh) * | 2014-03-18 | 2015-09-23 | 沃尔沃汽车公司 | 车辆传感器诊断***和方法以及包括这种***的车辆 |
US10086844B2 (en) | 2014-03-18 | 2018-10-02 | Volvo Car Corporation | Vehicle sensor diagnosis system and method and a vehicle comprising such a system |
CN104925001B (zh) * | 2014-03-18 | 2018-12-07 | 沃尔沃汽车公司 | 车辆传感器诊断***和方法以及包括这种***的车辆 |
CN109153382A (zh) * | 2016-08-12 | 2019-01-04 | 宝马股份公司 | 驾驶员辅助的提供 |
US11091167B2 (en) | 2016-08-12 | 2021-08-17 | Bayerische Motoren Werke Aktiengesellschaft | Providing driver assistance |
CN109765887A (zh) * | 2018-12-21 | 2019-05-17 | 费子偕 | 一种自动驾驶控制方法 |
CN109765887B (zh) * | 2018-12-21 | 2020-08-14 | 杭州翱朝科技有限公司 | 一种自动驾驶控制方法 |
CN113228139A (zh) * | 2019-05-24 | 2021-08-06 | 川崎重工业株式会社 | 带学习功能的建筑机械 |
Also Published As
Publication number | Publication date |
---|---|
JP2009006946A (ja) | 2009-01-15 |
EP2017774A3 (en) | 2009-11-25 |
JP4427759B2 (ja) | 2010-03-10 |
US20090005929A1 (en) | 2009-01-01 |
EP2017774A2 (en) | 2009-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101334283A (zh) | 车辆举动学习装置和车辆举动学习程序 | |
US11554785B2 (en) | Driving scenario machine learning network and driving environment simulation | |
CN106611497B (zh) | 交通量预测***及预测方法、车辆用显示装置以及车辆 | |
CN101275840B (zh) | 车辆行动学习设备及车辆行动学习方法 | |
CN102235879B (zh) | 路线搜索装置和路线引导*** | |
US8798919B2 (en) | Driving characteristics detector and route search device | |
CN101334287B (zh) | 本车位置识别装置和本车位置识别方法 | |
US8160811B2 (en) | Method and system to estimate driving risk based on a hierarchical index of driving | |
US7353111B2 (en) | Navigation system performing route guidance for vehicle | |
CN102481936B (zh) | 以预测性方式确定车辆的道路状况的类型的方法 | |
JPWO2020012208A1 (ja) | 走行環境情報の生成方法、運転制御方法、走行環境情報生成装置 | |
KR20170052488A (ko) | 지도 갱신 판정 시스템 | |
WO2011155030A1 (ja) | 走行モデル作成装置及び運転支援装置 | |
CN112400193B (zh) | 行驶环境信息的生成方法、驾驶控制方法、行驶环境信息生成装置 | |
CN110053623A (zh) | 车辆行驶控制装置 | |
US11774259B2 (en) | Mapping off-road entries for autonomous vehicles | |
CN110001639A (zh) | 自动驾驶车辆的行驶控制装置 | |
US11429107B2 (en) | Play-forward planning and control system for an autonomous vehicle | |
US11254326B2 (en) | Automatic comfort score system based on human driving reference data | |
CN110673636A (zh) | 无人驾驶仿真测试***及方法、存储介质 | |
JP2019215599A (ja) | 運転評価装置、及び運転評価プログラム | |
CN108349500B (zh) | 用于分析车辆的驾驶员的驾驶方式的方法和装置 | |
CN112985825B (zh) | 用于确定自动驾驶***的乘坐稳定性的方法 | |
US20220413510A1 (en) | Targeted driving for autonomous vehicles | |
JP7024871B2 (ja) | 経路算出方法、運転制御方法及び経路算出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20081231 |