CN102428505B - 车辆环境估计装置 - Google Patents
车辆环境估计装置 Download PDFInfo
- Publication number
- CN102428505B CN102428505B CN201080022086.8A CN201080022086A CN102428505B CN 102428505 B CN102428505 B CN 102428505B CN 201080022086 A CN201080022086 A CN 201080022086A CN 102428505 B CN102428505 B CN 102428505B
- Authority
- CN
- China
- Prior art keywords
- ruuning situation
- barrier
- mobile object
- detected
- path
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
公开了一种车辆环境估计装置,其能根据正在盲区中运动的移动物体等的预测路径准确地估计出本车周围的行驶环境。安装在本车中的车辆环境估计装置检测在本车附近的另一车辆的运行情况,并根据另一车辆的运行情况来估计影响另一车辆的行驶的行驶环境。例如,根据另一车辆的运行情况来估计正在盲区中行驶的另一车辆的存在。因此,能估计出不能由本车识别但是能由在本车附近的另一车辆识别的车辆行驶环境。
Description
技术领域
本发明涉及一种车辆环境估计装置,其估计车辆周围的环境状态。
背景技术
如在第4062353号日本专利中所述,公知一种用于估计车辆周围的环境状态的装置,其存储在车辆附近的障碍物的位置等并预测障碍物的路径。该装置从多个预测出的路径之中找出相互干扰的路径,并减小相互干扰的路径的预测概率以预测障碍物的路径。
[引文列表]
[专利文献]
[PTL1]第4062353号日本专利
发明内容
技术问题
然而,在上述装置中,存在难以适当地估计出车辆周围的实际环境状态的情况。例如,在通过雷达检测其它车辆的同时预测路径时,难以预测正在车辆的盲区中行驶的另一车辆的路径。
为了解决这种问题已经完成了本发明,并且本发明的目的是提供一种车辆环境估计装置,其能根据正在盲区中运动的移动物体的预测路径准确地估计出本车周围的行驶环境。
问题的解决方案
本发明的一个方案提供了一种车辆环境估计装置。所述车辆环境估计装置包括:运行情况检测器件,其检测在本车附近的移动物体的运行情况;以及估计器件,其根据所述移动物体的所述运行情况来估计影响所述移动物体的行驶的环境。
利用这种构造,在本车附近的移动物体的运行情况被检测到,并且影响移动物体的行驶的环境根据移动物体的运行情况被估计出。因此,能估计出不能从本车识别但是能从在本车附近的移动物体识别的车辆行驶环境。
所述车辆环境估计装置可进一步包括:运行情况预测器件,其假定影响所述移动物体的所述行驶的所述环境,并根据假定的环境状态来预测所述移动物体的所述运行情况;以及比较器件,其比较由所述运行情况预测器件预测出的所述移动物体的所述运行情况和由所述运行情况检测器件检测到的所述移动物体的所述运行情况。所述估计器件可根据所述比较器件的比较结果来估计影响所述移动物体的所述行驶的所述环境。
利用这种构造,影响移动物体的行驶的环境被假定,并且移动物体的运行情况根据假定的环境状态被预测出。于是,预测出的移动物体的运行情况与检测到的移动物体的运行情况被比较,并且影响移动物体的行驶的环境根据比较结果被估计出。因此,能根据移动物体的检测到的运行情况估计出影响移动物体的行驶的车辆行驶环境。
本发明的另一方案提供了一种车辆环境估计装置。所述车辆环境估计装置包括:运行情况检测器件,其检测在本车附近的移动物体的运行情况;以及估计器件,其根据所述移动物体的所述运行情况来估计所述本车的盲区的环境。
利用这种构造,在本车附近的移动物体的运行情况被检测到,并且本车的盲区的环境根据移动物体的运行情况被估计出。因此,能估计出不能从本车识别但是能从在本车附近的移动物体识别的盲区的车辆行驶环境。
所述车辆环境估计装置可进一步包括:运行情况预测器件,其假定所述本车的所述盲区的所述环境并根据假定的环境状态来预测所述移动物体的所述运行情况;以及比较器件,其比较由所述运行情况预测器件预测出的所述移动物体的所述运行情况和由所述运行情况检测器件检测到的所述移动物体的所述运行情况。所述估计器件可根据所述比较器件的比较结果来估计所述本车的所述盲区的所述环境。
利用这种构造,本车的盲区的环境被假定,并且移动物体的运行情况根据假定的环境状态被预测出。于是,预测出的移动物体的运行情况与检测到的移动物体的运行情况被比较,并且本车的盲区的环境根据比较结果被估计出。因此,能根据检测到的移动物体的运行情况估计出本车的盲区的车辆行驶环境。
在所述车辆环境估计装置中,所述估计器件可预测在所述盲区中存在的所述移动物体的所述运行情况,以作为所述本车的所述盲区的所述环境。
利用这种构造,在盲区中存在的移动物体的运行情况被预测出,以作为本车的盲区的环境。因此,能准确地预测出在本车的盲区中存在的移动物体的运行情况。
所述车辆环境估计装置可进一步包括异常运行情况判定器件,当所述运行情况检测器件检测到所述移动物体的多个运行情况并且所述估计器件根据所述移动物体的所述多个运行情况估计出所述本车的所述盲区的所述环境时,所述异常运行情况判定器件判定出未依照估计出的所述本车的所述盲区的所述环境运行的移动物体异常地运行。
利用这种构造,当本车的盲区的环境根据移动物体的多个运行情况被估计出时,判定出未依照估计出的本车的盲区的环境运行的移动物体异常地运行。因此,能依照估计出的盲区的环境来确定异常地运行的移动物体。
在所述车辆环境估计装置中,所述估计器件可根据所述移动物体的所述运行情况来估计在所述移动物体的前方的交通信号的显示状态,以作为影响所述移动物体的所述行驶的所述环境或所述本车的所述盲区的所述环境。
利用这种构造,在移动物体的前方的交通信号的显示状态根据移动物体的运行情况被估计出。因此,能准确地估计出不能从本车识别但是能从在本车附近的移动物体识别的交通信号的显示状态。
所述车辆环境估计装置可进一步包括辅助器件,所述辅助器件根据由所述估计器件估计出的所述环境来执行所述本车的行驶辅助。
本发明的有益效果
根据本发明的方案,能根据正在盲区中运动的移动物体等的预测路径准确地估计出本车周围的行驶环境。
附图说明
图1为示出了根据本发明的第一实施例的车辆环境估计装置的构造轮廓的图。
图2为示出了图1的车辆环境估计装置的操作的流程图。
图3为在图2的操作期间的车辆环境估计处理的说明图。
图4为示出了根据本发明的第二实施例的车辆环境估计装置的构造轮廓的图。
图5为示出了图4的车辆环境估计装置的操作的流程图。
图6为示出了根据本发明的第三实施例的车辆环境估计装置的构造轮廓的图。
图7为示出了图6的车辆环境估计装置的流程图。
图8为在图7的操作期间的车辆环境估计处理的说明图。
图9为在图7的操作期间的车辆环境估计处理的说明图。
图10为示出了根据本发明的第四实施例的车辆环境估计装置的构造轮廓的图。
图11为示出了图10的车辆环境估计装置的操作的流程图。
图12为在图11的操作期间的车辆环境估计处理的说明图。
具体实施方式
下文中,将结合附图详细描述本发明的实施例。在下面的描述中,相同的部件用相同的附图标记表示,并且不再重复相同的描述。
(第一实施例)
图1为根据本发明的第一实施例的车辆环境估计装置的示意构造图。
本实施例的车辆环境估计装置1为如下的装置:所述装置安装在本车中并估计车辆的行驶环境,且例如用于车辆的自动驾驶控制***或驾驶辅助***。
如图1所示,本实施例的车辆环境估计装置1包括障碍物检测部2。障碍物检测部2为检测传感器,其检测在本车附近的物体,并用作采集关于在本车附近的移动物体的运动的信息的运动信息采集器件。对于障碍物检测部2,例如,使用毫米波雷达、激光雷达或摄像机。移动物体诸如另一车辆的类型信息、位置信息以及相对速度信息能通过障碍物检测部2的检测信号被采集到。
车辆环境估计装置1包括导航***3。导航***3用作采集本车的位置信息的位置信息采集器件。对于导航***3,采用具有GPS(全球定位***)接收器并且存储有地图数据的***。
车辆环境估计装置1包括ECU(电子控制单元)4。ECU 4控制整个装置,并且主要由具有CPU、ROM和RAM的计算机形成。ECU 4包括障碍物运行情况检测部41、未检测到障碍物设定部42、第一检测到障碍物路径预测部43、路径评价部44和第二检测到障碍物路径预测部45。障碍物运行情况检测部41、未检测到障碍物设定部42、第一检测到障碍物路径预测部43、路径评价部44以及第二检测到障碍物路径预测部45可以被配置为由存储在ECU 4中的程序执行或者可以作为分离的单元被设置在ECU 4中。
障碍物运行情况检测部41用作运行情况检测器件,其根据障碍物检测部2的检测信号来检测在本车附近的移动物体的运行情况。例如,在本车附近的另一车辆的位置被存储和识别,或者另一车辆的位置的变换根据障碍物检测部2的检测信号被识别。
未检测到障碍物设定部42假定多个行驶环境,所述多个行驶环境具有关于未检测到障碍物的存在/不存在、未检测到障碍物的数量、未检测到障碍物的状态等的多种设定,并且未检测到障碍物设定部42用作设定在本车不能识别障碍物的盲区中的未检测到障碍物的存在/不存在的未检测到障碍物设定器件。例如,未检测到障碍物设定部42假定在交叉口处在本车不能检测到障碍物的盲区中存在另一未检测到车辆而设定存在另一车辆,或者未检测到障碍物设定部42假定在盲区中不存在另一未检测到车辆。此时,关于诸如盲区中的障碍物的数量、每个障碍物的位置和速度等的属性,设定多个假设。
第一检测到障碍物路径预测部43预测与通过未检测到障碍物设定部42进行的多个假定相对应的检测到障碍物的路径(第一预测路径)。第一检测到障碍物路径预测部43用作运行情况预测器件,其假定影响检测到移动物体的行驶的环境或本车的盲区的环境,并根据假定的环境状态来假定或预测移动物体的运行情况或路径。例如,当假定存在未检测到障碍物时,在存在未检测到障碍物的每种环境下,由障碍物运行情况检测部41检测到的移动物体的路径被预测出。此时,当假定存在多个未检测到障碍物时,对于对每个未检测到障碍物的存在的假定,实施移动物体的路径预测。
路径评价部44评价由第一检测到障碍物路径预测部43预测出的检测到障碍物的路径。路径评价部44比较由障碍物运行情况检测部41检测到的检测到障碍物的运行情况检测结果和由第一检测到障碍物路径预测部43预测出的检测到障碍物的路径预测结果,以估计行驶环境。路径评价部44用作比较由第一检测到障碍物路径预测部43预测出的移动物体的运行情况或路径和由障碍物运行情况检测部41检测到的移动物体的运行情况的比较器件。路径评价部44还用作根据比较结果来估计影响移动物体的行驶的环境或本车的盲区的环境的估计器件。
第二检测到障碍物路径预测部45为预测由障碍物运行情况检测部41检测到的移动物体的路径的路径预测器件。例如,由障碍物运行情况检测部41检测到的移动物体的路径(第二预测路径)根据路径评价部44的评价结果被预测出。
车辆环境估计装置1包括行驶控制部5。行驶控制部5控制依照从ECU 4输出的控制信号来控制本车的行驶。例如,发动机控制ECU、制动控制ECU以及转向控制ECU对应于行驶控制部5。
下面,将描述本实施例的车辆环境估计装置1的操作。
图2为示出了本实施例的车辆环境估计装置1的操作的流程图。例如,图2的流程图由ECU 4以预定的周期重复地执行。图3为用于说明车辆环境估计装置1的操作的道路的平面图。图3示出了本车A根据前面的车辆B的运行情况来估计车辆行驶环境的情况。车辆环境估计装置1安装在本车A中。
首先,如图2的步骤S10(下文中,步骤S10简称为″S10″。这同样适用于步骤S10之后的步骤。)所示,实施检测值的读取处理。该处理被实施以读取障碍物检测部2的检测值和关于导航***3的本车位置的检测值。
接下来,程序进行到S12,并且实施障碍物运行情况检测处理。障碍物运行情况检测处理被实施,以根据障碍物检测部2的检测信号来检测诸如另一车辆的障碍物或移动物体的运行情况。例如,如图3所示,车辆B由障碍物检测部2检测到,并且车辆B的位置被跟踪,从而车辆B的运行情况被检测到。
接下来,程序进行到图2的S14,并且实施未检测到障碍物设定处理。未检测到障碍物设定处理被实施以假定多个行驶环境,所述多个行驶环境具有关于未检测到障碍物的存在/不存在、未检测到障碍物的数量、未检测到障碍物的状态等的不同设定。在未检测到障碍物设定处理期间,不能由障碍物检测部2检测到的障碍物的存在/不存在被假定并且不能检测到的障碍物被设定在预定区域内。例如,未检测到障碍物被设定在本车的盲区中。此时,在盲区中的障碍物的数量以及每个障碍物的位置、速度和行驶方向被适当地设定。
具体地,如图3所示,不能从本车A检测到但是能从车辆B检测到的移动物体C被设定在盲区S中,以作为未检测到障碍物。此时,优选的是,设想多种交通状况,将多个移动物体设定为未检测到障碍物。
接下来,程序进行到图2的S16,并且实施第一检测到障碍物路径预测处理。第一检测到障碍物路径预测处理被实施,以预测与通过S14的未检测到障碍物设定处理进行的多个假定相对应的检测到障碍物的路径(第一预测路径)。例如,移动物体的运行情况或路径根据通过S14假定的行驶环境被预测出。
例如,如图3所示,当假定盲区S中的移动物体C正朝交叉口运动时,车辆B的路径根据假定的状态被预测出。此处使用的术语″路径″表示车辆B的速度以及车辆B的行驶路线。车辆B的多个不同的路径被预测出。
接下来,程序进行到图2的S18,并且实施路径评价处理。路径评价处理被实施,以评价由S16的第一检测到障碍物路径预测处理预测出的检测到障碍物的路径。在路径评价处理期间,由S12的障碍物运行情况检测处理检测到的检测到障碍物的运行情况检测结果与由S16的第一检测到障碍物路径预测处理预测出的检测到障碍物的路径预测结果被比较,从而估计行驶环境。
例如,由S16的第一检测到障碍物路径预测处理预测出的车辆B的路径与由S12的障碍物运行情况检测处理检测到的车辆B的路径被比较。当由S16的第一检测到障碍物路径预测处理预测出的车辆B的路径比较接近由S12的障碍物运行情况检测处理检测到的车辆B的路径时,提供高的评价。于是,从由S16的第一检测到障碍物路径预测处理预测出的车辆B的路径之中,最接近由S12的障碍物运行情况检测处理检测到的车辆B的路径的路径被选定为预测路径。影响车辆B的行驶的车辆行驶环境,或者本车A的盲区S的车辆行驶环境根据车辆B的选定的预测路径被估计出。例如,当车辆B在其上以直线行驶并减速的路径被预测出以作为车辆B的预测路径时,估计出在盲区S中存在正朝交叉口行驶的车辆C。
接下来,程序进行到图2的S20,并且实施第二检测到障碍物路径预测处理。第二检测到障碍物路径预测处理被实施,以预测由S12的障碍物运行情况检测处理检测到的移动物体的路径。例如,由S12的障碍物运行情况检测处理检测到的移动物体的路径(第二预测路径)根据通过S18的路径评价处理得到的评价结果被预测出。
例如,参照图3,车辆B的路径根据盲区S的车辆行驶环境被预测出。当估计出在盲区S中未存在车辆C时,根据估计结果作出车辆B正在行驶而未减速的路径预测。同时,当估计出在盲区S中存在车辆C时,根据估计结果作出车辆B减速的路径预测。
接下来,程序进行到图2的S22,并且实施驾驶控制处理。驾驶控制处理被实施以执行本车的驾驶控制。驾驶控制依照S20的检测到障碍物路径预测的结果被执行。例如,参照图3,当预测出前面的车辆B减速时,驾驶控制被执行为使得本车A减速或不加速。同时,当预测出前面的车辆B正以当前的速度行驶而未减速时,执行驾驶控制,在该驾驶控制中,车辆A的速度被设定为使得本车A跟随车辆B。在S22的驾驶控制处理结束后,一连串的控制处理结束。
如上所述,根据本实施例的车辆环境估计装置1,在本车A附近的车辆B的运行情况被检测到,并且影响车辆B的行驶的环境根据车辆B的运行情况被估计出。因此,能估计不能从本车A识别但是能从在本车附近的车辆B识别的车辆行驶环境。
如上所述,影响车辆B的行驶的环境被估计出,而不是直接影响本车A的环境。因此,能预测出车辆B的路径并***到本车A的车辆行驶环境的变化,从而实施安全且平稳的驾驶控制。
在本实施例的车辆环境估计装置1中,影响车辆B的行驶的环境被假定,并且车辆B的运行情况根据假定的环境状态被预测出。预测出的车辆B的运行情况与检测到的车辆B的运行情况被比较,并且影响车辆B的行驶的环境根据比较结果被估计出。因此,能根据车辆B的运行情况估计出影响车辆B的行驶的车辆行驶环境。
根据本实施例的车辆环境估计装置1,在本车A附近的车辆B的运行情况被检测到,并且本车A的盲区S的环境根据车辆B的运行情况被估计出。因此,能估计出不能从本车A识别但是能从在本车附近的车辆B识别的盲区S的车辆行驶环境。
在本实施例的车辆环境估计装置1中,本车A的盲区S的环境被假定,并且车辆B的运行情况根据假定的环境状态被预测出。预测出的车辆B的运行情况与检测到的车辆B的运行情况被比较,并且本车A的盲区S的环境根据比较结果被估计出。因此,能根据检测到的车辆B的运行情况估计出本车A的盲区S的车辆行驶环境。
(第二实施例)
接下来,将描述根据本发明的第二实施例的车辆环境估计装置。
图4为根据本实施例的车辆环境估计装置的示意构造图。
本实施例的车辆环境估计装置1a为安装在本车中并估计车辆的行驶环境的装置。车辆环境估计装置1a基本上包括与第一实施例的车辆环境估计装置1相同的构造,并且与第一实施例的车辆环境估计装置1的不同之处在于,设置了未检测到障碍物路径预测部46。
ECU 4包括未检测到障碍物路径预测部46。未检测到障碍物路径预测部46可被配置为由存储在ECU 4中的程序执行,或者可以被设置为与在ECU 4中的障碍物运行情况检测部41等分离的单元。
未检测到障碍物路径预测部46预测不能由障碍物检测部2直接检测到的未检测到障碍物的路径。例如,未检测到障碍物路径预测部46根据本车的盲区的环境来预测在盲区中存在的移动物体的运行情况。诸如移动物体的未检测到障碍物的路径预测结果被用于车辆的驾驶控制。
接下来,将描述本实施例的车辆环境估计装置1a的操作。
图5为示出了本实施例的车辆环境估计装置1a的操作的流程图。例如,图5的流程图由ECU 4以预定的周期重复地执行。
首先,如图5的S30所示,实施检测值读取处理。该处理被实施以读取障碍物检测部2的检测值和关于导航***3的本车位置的检测值。
接下来,程序进行到S32,并且实施障碍物运行情况检测处理。障碍物运行情况检测处理被实施,以根据障碍物检测部2的检测信号来检测诸如另一车辆的障碍物或移动物体的运行情况。障碍物运行情况检测处理以与图2的S12相同的方式被实施。
接下来,程序进行到S34,并且实施未检测到障碍物设定处理。未检测到障碍物设定处理被实施以假定多个行驶环境,所述多个行驶环境具有关于未检测到障碍物的存在/不存在、未检测到障碍物的数量、未检测到障碍物的状态等的不同设定。在未检测到障碍物设定处理期间,不能由障碍物检测部2检测到的障碍物的存在/不存在被假定,并且不能检测到的障碍物被设定在预定的区域中。未检测到障碍物设定处理以与图2的S14相同的方式被实施。
接下来,程序进行到S36,并且实施第一检测到障碍物路径预测处理。第一检测到障碍物路径预测处理被实施,以预测与通过S34的未检测到障碍物设定处理进行的多个假定相对应的检测到障碍物的路径(第一预测路径)。在第一检测到障碍物路径预测处理期间,移动物体的运行情况或路径根据通过S34假定的行驶环境被预测出。第一检测到障碍物路径预测处理以与图2的S16相同的方式被实施。
接下来,程序进行到S38,并且实施路径评价处理。路径评价处理被实施以评价由S36的第一检测到障碍物路径预测处理预测出的检测到障碍物的路径。在路径评价处理期间,由S32的障碍物运行情况检测处理检测到的检测到障碍物的运行情况检测结果与由S36的第一检测到障碍物路径预测处理预测出的检测到障碍物的路径预测结果被比较,从而估计行驶环境。路径评价处理以与图2的S18相同的方式被实施。
接下来,程序进行到S40,并且实施第二检测到障碍物路径预测处理。第二检测到障碍物路径预测处理被实施,以预测由S32的障碍物运行情况检测处理检测到的移动物体的路径。在第二检测到障碍物路径预测处理期间,由S32的障碍物运行情况检测处理检测到的移动物体的路径(第二预测路径)根据通过S38的路径评价处理得到的评价结果被预测出。第二检测到障碍物路径预测处理以与图2的S20相同的方式被实施。
接下来,程序进行到S42,并且实施未检测到障碍物路径预测处理。未检测到障碍物路径预测处理被实施,以预测未检测到障碍物的路径。在未检测到障碍物路径预测处理期间,例如,未检测到障碍物的路径根据通过S40的第二检测到障碍物路径预测处理预测出的障碍物的预测路径被预测出。
例如,如图3所示,当安装在车辆A中的车辆环境估计装置1a预测作为未检测到障碍物的车辆C的路径时,车辆C的路径根据作为检测到障碍物的车辆B的预测路径被预测出。在S38的路径评价处理期间,当车辆B倾向于在带有高评价的车辆B的预测路径上减速时,估计出存在作为未检测到障碍物的车辆C。于是,在S42的未检测到障碍物路径预测处理期间,车辆C的路径被预测出,在所述车辆C的路径上,车辆C进入交叉口并在车辆B的前方经过。同时,在S38的路径评价处理期间,当车辆B倾向于在带有高评价的车辆B的预测路径上行驶而不减速时,估计出不存在车辆C。在这种情况下,优选的是S42的未检测到障碍物路径预测处理未被实施,并且程序进行到S44。
接下来,程序进行到图5的S44,并且实施驾驶控制处理。驾驶控制处理被实施以执行本车的驾驶控制。驾驶控制依照S40的检测到障碍物路径预测的结果被执行。驾驶控制处理以与图2的S22相同的方式被实施。在S44的驾驶控制处理结束后,一连串的控制处理结束。
如上所述,根据本实施例的车辆环境估计装置1a,除了车辆环境估计装置1的优点之外,还能准确地预测出在盲区S中的移动物体的运行情况,以作为本车A的盲区S的环境。
(第三实施例)
接下来,将描述根据本发明的第三实施例的车辆环境估计装置。
图6为本实施例的车辆环境估计装置的示意构造图。
本实施例的车辆环境估计装置1b为安装在本车中并估计车辆的行驶环境的装置。车辆环境估计装置1b基本上包括与第一实施例的车辆环境估计装置1相同的构造,并且与第一实施例的车辆环境估计装置1的不同之处在于,设置了异常判定部47。
ECU 4包括异常判定部47。所述异常判定部47可以被配置为由存储在ECU 4中的程序执行,或者可以被设置为与ECU 4中的障碍物运行情况检测部41等分离的单元。
异常判定部47判定由障碍物检测部2直接检测到的检测到障碍物的运行情况是否异常。例如,当多个移动物体通过障碍物运行情况检测部41被检测到时,在盲区中存在的未检测到障碍物的存在或路径根据移动物体的运行情况被估计出。此时,当未检测到障碍物被识别为与其它的移动物体不同时,判定出移动物体的运行情况异常。
接下来,将描述本实施例的车辆环境估计装置1b的操作。
图7为示出了本实施例的车辆环境估计装置1b的操作的流程图。例如,图7的流程图由ECU 4以预定的周期重复地执行。
首先,如图7的S50所示,实施检测值读取处理。该处理被实施以读取障碍物检测部2的检测值和关于导航***3的本车位置的检测值。
接下来,程序进行到S52,并且实施障碍物运行情况检测处理。障碍物运行情况检测处理被实施,以根据障碍物检测部2的检测信号来检测诸如另一车辆的障碍物或移动物体的运行情况。例如,如图8所示,当多个车辆B1,B2,B3和B4由障碍物检测部2检测到时,车辆B1至B4的位置被跟踪,从而车辆B1至B4的运行情况被检测到。
接下来,程序进行到S54,并且实施未检测到障碍物设定处理。未检测到障碍物设定处理被实施以假定多个行驶环境,所述多个行驶环境具有关于未检测到障碍物的存在/不存在、未检测到障碍物的数量、未检测到障碍物的状态等的不同设定。在未检测到障碍物设定处理期间,不能由障碍物检测部2检测到的障碍物的存在/不存在被假定,并且不能检测到的障碍物被设定在预定的区域内。未检测到障碍物设定处理以与图2的S14相同的方式被实施。例如,如图8所示,不能从本车A检测到但是能从车辆B1至B4检测到的在盲区S中的移动物体C被设定为未检测到障碍物。
接下来,程序进行到S56,并且实施第一检测到障碍物路径预测处理。第一检测到障碍物路径预测处理被实施,以预测与通过S54的未检测到障碍物设定处理进行的多个假定相对应的检测到障碍物的路径(第一预测路径)。在第一检测到障碍物路径预测处理期间,移动物体的运行情况或路径根据通过S54假定的行驶环境被预测出。第一检测到障碍物路径预测处理以与图2的S16相同的方式被实施。
接下来,程序进行到S58,并且实施路径评价处理。路径评价处理被实施以评价由S56的第一检测到障碍物路径预测处理预测出的检测到障碍物的路径。在路径评价处理期间,由S52的障碍物运行情况检测处理检测到的检测到障碍物的运行情况检测结果与由S56的第一检测到障碍物路径预测处理预测出的检测到障碍物的路径预测结果被比较,从而估计行驶环境。路径评价处理以与图2的S18相同的方式被实施。
接下来,程序进行到S60,并且实施第二检测到障碍物路径预测处理。第二检测到障碍物路径预测处理被实施,以预测由S52的障碍物运行情况检测处理检测到的移动物体的路径。在第二检测到障碍物路径预测处理期间,由S52的障碍物运行情况检测处理检测到的移动物体的路径(第二预测路径)根据通过S58的路径评价处理得到的评价结果被预测出。第二检测到障碍物路径预测处理以与图2的S20相同的方式被实施。
接下来,程序进行到S62,并且实施异常判定处理。异常判定处理被实施以判定关于在S52中检测到的多个障碍物的运行情况的异常。例如,当由障碍物运行情况检测处理52检测到多个障碍物时,如果未检测到障碍物被识别为与其它的移动物体相差了预定值以上,则判定出移动物体的运行情况异常。
图9示出了根据检测到障碍物的运行情况的未检测到障碍物的存在/不存在状态的有效性。图9示出了当多个检测到障碍物B1、B2、B3、B4、…被检测到并且多个未检测到障碍物C1、C2、C3、C4、…被设定时,代表根据检测到障碍物B1、B2、B3、B4、…的运行情况的未检测到障碍物C1、C2、C3、C4、…的存在/不存在状态的有效性的值。在图9中,N表示代表未检测到障碍物的有效性的值的平均值。
参照图9,当未检测到障碍物C3的值的有效性高时,仅检测到障碍物B3的值是低的并且判定出该值与平均值N相差了预定值以上。在这种情况下,判定出检测到障碍物B3的运行情况异常。
接下来,程序进行到图7的S64,并且实施驾驶控制处理。驾驶控制处理被实施以执行本车的驾驶控制。驾驶控制依照S60的检测到障碍物路径预测的结果被执行。驾驶控制处理以与图2的S22相同的方式被实施。在这种情况下,优选的是,驾驶控制在不考虑被判定为异常的检测到障碍物的信息的情况下被实施,或者当降低了被判定为异常的检测到障碍物的信息的权重(weight)时被实施。优选的是,当存在被判定为异常的检测到障碍物时,驾驶控制被实施为使得车辆距被判定为异常的检测到障碍物尽可能地远。优选的是,当存在被判定为异常的检测到障碍物时,通知或警告被实施以使得车辆距被判定为异常的检测到障碍物尽可能地远。在S64的驾驶控制处理结束以后,一连串的控制处理结束。
如上所述,根据本实施例的车辆环境估计装置1b,除了第一实施例的车辆环境估计装置1的优点以外,在根据多个检测到障碍物的运行情况来估计本车的盲区的环境时,还能判定出未依照估计出的本车的盲区的环境运行的检测到障碍物异常地运行。也就是说,能依照估计出的盲区的环境来确定异常地运行的检测到障碍物。
(第四实施例)
接下来,将描述根据本发明的第四实施例的车辆环境估计装置。
图10为本实施例的车辆环境估计装置的示意构造图。
本实施例的车辆环境估计装置1c为安装在本车中并估计车辆的行驶环境的装置。本实施例的车辆环境估计装置1c根据检测到障碍物的运行情况来估计未检测到或未采集到的交通信号的灯光显示状态。车辆环境估计装置1c基本上具有与第一实施例的车辆环境估计装置1相同的构造,并且与第一实施例的车辆环境估计装置1的不同之处在于,代替未检测到障碍物设定部42,设置了未检测到交通信号显示设定部48。
ECU 4包括未检测到交通信号显示设定部48。未检测到交通信号显示设定部48可以被配置为由存储在ECU 4中的程序执行,或者可以被设置为与ECU 4中的障碍物运行情况检测部41等分离的单元。
当由于在本车前方的重型车辆而使盲区被设置并且传感器不能检测交通信号的显示时或者当发生通信故障并且不能采集到交通信号的显示信息时,未检测到交通信号显示设定部48设定交通信号的显示。未检测到交通信号显示设定部48用作设定未检测到或未采集到交通信号的显示状态的未检测到交通信号显示设定器件。例如,当本车在交叉口等处由于在车辆前方的重型车辆而不能检测到交通信号的灯光显示状态时,交通信号的显示状态被假定并设定为绿色显示、黄色显示、红色显示或箭头显示。
接下来,将描述本实施例的车辆环境估计装置1c的操作。
图11为示出了本实施例的车辆环境估计装置1c的操作的流程图。图11的流程图由ECU 4以预定的周期重复地执行。
首先,如图11的S70所示,实施检测值读取处理。该处理被实施以读取障碍物检测部2的检测值和关于导航***3的本车位置的检测值。
接下来,程序进行到S72,并且实施障碍物运行情况检测处理。障碍物运行情况检测处理被实施,以根据障碍物检测部2的检测信号来检测诸如另一车辆的障碍物或移动物体的运行情况。障碍物运行情况检测处理以与图2的S12相同的方式被实施。
接下来,程序进行到S74,并且实施未检测到交通信号设定处理。未检测到交通信号设定处理被实施,其中,当在车辆前方的交通信号的显示状态不能被检测到或被采集到时,交通信号的灯光显示状态被假定并设定。例如,交通信号的灯光显示状态被设定为红色灯光、黄色灯光、绿色灯光或箭头灯光。
接下来,程序进行到S76,并且实施第一检测到障碍物路径预测处理。第一检测到障碍物路径预测处理被实施,以预测与通过S74的未检测到交通信号显示设定处理进行的多个假定相对应的检测到障碍物的路径(第一预测路径)。在第一检测到障碍物路径预测处理期间,移动物体的运行情况或路径根据通过S74假定的交通信号显示被预测出。
具体地,在S74中,当交通信号显示被设定为红色显示时,移动物体(检测到障碍物)在其上停止或减速的移动物体的路径被预测出。同时,在S74中,当交通信号显示为绿色显示时,移动物体在其上以预定的速度行驶的移动物体的路径被预测出。
接下来,程序进行到S78,并且实施路径评价处理。路径评价处理被实施以评价由S76的第一检测到障碍物路径预测处理预测出的检测到障碍物的路径。在路径评价处理期间,由S72的障碍物运行情况检测处理检测到的检测到障碍物的运行情况检测结果与由S76的第一检测到障碍物路径预测处理预测出的检测到障碍物的路径预测结果被比较,从而估计行驶环境。
例如,如图12所示,由S76的第一检测到障碍物路径预测处理预测出的车辆B的路径与由S72的障碍物运行情况检测处理检测到的车辆B的路径被比较。当由S76的第一检测到障碍物路径预测处理预测出的车辆B的路径比较接近由S72的障碍物运行情况检测处理检测到的车辆B的路径时,提供高的评价。于是,从由S76的第一检测到障碍物路径预测处理预测出的车辆B的路径之中,最接近由S72的障碍物运行情况检测处理预测出的车辆B的路径的路径被选定为预测路径。交通信号D的显示状态根据车辆B的选定的预测路径被假定,以作为影响车辆B的行驶的车辆行驶环境,或者本车A的盲区S的车辆行驶环境。例如,当车辆B在其上在交叉口处停止的路径被预测出以作为车辆B的预测路径时,交通信号D的显示被估计为红色显示。
接下来,程序进行到S80,并且实施第二检测到障碍物路径预测处理。第二检测到障碍物路径预测处理被实施,以预测在S72中检测到的障碍物的路径。例如,在第二检测到障碍物路径预测处理期间,由S72的障碍物运行情况检测处理检测到的移动物体的路径(第二预测路径)根据通过S78的路径评价处理得到的估计结果被预测出。例如,参照图12,车辆B的路径根据交通信号D的显示状态被预测出。
接下来,程序进行到图11的S82,并且实施驾驶控制处理。驾驶控制处理被实施以执行本车的驾驶控制。驾驶控制依照S80的检测到障碍物路径预测的结果被执行。驾驶控制处理以与图2的S22相同的方式被实施。
如上所述,根据本实施例的车辆环境估计装置1c,除了第一实施例的车辆环境估计装置1的优点之外,还能根据检测到障碍物的运行情况来估计在车辆前方的交通信号的显示状态。由于这个原因,能准确地估计出不能从本车识别但是能从在本车附近的移动物体识别的交通信号的显示状态。
上述实施例用于说明本发明的车辆环境估计装置的示范性实施例;然而,本发明的车辆环境估计装置不局限于在这些实施例中描述的装置。在不脱离由所附的权利要求限定的本发明的范围的情况下,本发明的车辆环境估计装置可以根据这些实施例的车辆环境估计装置进行修改或者可以应用于其它的***。
例如,在前述实施例的S18的路径评价处理等期间,与S18中选定的检测结果最为一致的对第一预测路径假定的未检测到障碍物的状态可照原样被用作行驶环境的估计结果。
在前述实施例的S20的第二检测到障碍物路径预测处理等期间,在S18中选定的第一预测路径(与检测结果的相似度最高的路径)可以被设定为第二预测路径。此外,在前述实施例的S20的第二检测到障碍物路径预测处理等期间,在S18中的比较时,可以计算各个第一预测路径的相似度,并且多个第一预测路径可以依照相似度被结合以获得第二预测路径。
在前述实施例的未检测到障碍物路径预测处理期间,路径预测可以根据在不同时刻估计出的多个未检测到障碍物状态被实施。
在前述实施例的驾驶控制处理期间,代替车辆的驾驶控制,诸如对车辆的驾驶员的警告或通知等的驾驶辅助操作可以被实施。
工业实用性
根据本发明,能根据正在盲区中运动的移动物体的预测路径准确地估计出本车周围的行驶环境。
Claims (5)
1.一种车辆环境估计装置,包括:
运行情况检测器件,其检测在本车附近的移动物体的运行情况;
估计器件,其根据所述移动物体的所述运行情况来估计所述本车的盲区的环境;
运行情况预测器件,其假定所述本车的所述盲区的多个环境并根据假定的环境状态来预测所述移动物体的运行情况;
比较器件,其比较由所述运行情况预测器件预测出的所述移动物体的所述运行情况和由所述运行情况检测器件检测到的所述移动物体的所述运行情况,并对由所述运行情况预测器件预测出的更接近由所述运行情况检测器件检测到的所述运行情况的运行情况提供更高的评价;以及
异常运行情况判定器件,当所述运行情况检测器件检测到所述移动物体的多个运行情况并且所述估计器件根据所述移动物体的所述多个运行情况估计出所述本车的所述盲区的所述环境时,所述异常运行情况判定器件判定出未依照估计出的所述本车的所述盲区的所述环境运行的移动物体异常地运行,
其中所述估计器件根据所述比较器件的比较结果来估计所述本车的所述盲区的所述环境。
2.根据权利要求1所述的装置,其中所述估计器件估计在所述盲区中存在的所述移动物体的所述运行情况,以作为所述本车的所述盲区的所述环境。
3.根据权利要求1或2所述的装置,进一步包括:
辅助器件,其根据由所述估计器件估计出的所述环境来执行对所述本车的行驶辅助。
4.一种车辆环境估计装置,包括:
运行情况检测器件,其检测在本车附近的移动物体的运行情况;
估计器件,其根据所述移动物体的所述运行情况来估计所述本车的盲区的环境;
运行情况预测器件,其假定所述本车的所述盲区的多个环境并根据假定的环境状态来预测所述移动物体的运行情况;以及
比较器件,其比较由所述运行情况预测器件预测出的所述移动物体的所述运行情况和由所述运行情况检测器件检测到的所述移动物体的所述运行情况,并对由所述运行情况预测器件预测出的更接近由所述运行情况检测器件检测到的所述运行情况的运行情况提供更高的评价;以及
其中所述估计器件根据所述比较器件的比较结果来估计所述本车的所述盲区的所述环境,
其中所述估计器件根据所述移动物体的所述运行情况来估计在所述移动物体的前方的交通信号的显示状态,以作为所述本车的所述盲区的所述环境。
5.根据权利要求4中所述的装置,进一步包括:
辅助器件,其根据由所述估计器件估计出的所述环境来执行对所述本车的行驶辅助。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009120015A JP4957747B2 (ja) | 2009-05-18 | 2009-05-18 | 車両環境推定装置 |
JP2009-120015 | 2009-05-18 | ||
PCT/JP2010/057779 WO2010134428A1 (en) | 2009-05-18 | 2010-04-26 | Vehicular environment estimation device |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102428505A CN102428505A (zh) | 2012-04-25 |
CN102428505B true CN102428505B (zh) | 2014-04-09 |
Family
ID=42557243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080022086.8A Active CN102428505B (zh) | 2009-05-18 | 2010-04-26 | 车辆环境估计装置 |
Country Status (5)
Country | Link |
---|---|
US (5) | US9501932B2 (zh) |
JP (1) | JP4957747B2 (zh) |
CN (1) | CN102428505B (zh) |
DE (1) | DE112010002021B4 (zh) |
WO (1) | WO2010134428A1 (zh) |
Families Citing this family (80)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4254844B2 (ja) * | 2006-11-01 | 2009-04-15 | トヨタ自動車株式会社 | 走行制御計画評価装置 |
JP4883248B2 (ja) * | 2009-06-02 | 2012-02-22 | トヨタ自動車株式会社 | 車両用周辺監視装置 |
EP2743900B1 (en) * | 2011-08-10 | 2018-05-30 | Toyota Jidosha Kabushiki Kaisha | Driving assistance device |
BR112014002902B1 (pt) * | 2011-08-10 | 2021-05-18 | Toyota Jidosha Kabushiki Kaisha | aparelho auxiliar de direção |
AU2012367661B2 (en) * | 2012-01-26 | 2015-04-23 | Toyota Jidosha Kabushiki Kaisha | Object recognition device and vehicle control device |
US9082239B2 (en) | 2012-03-14 | 2015-07-14 | Flextronics Ap, Llc | Intelligent vehicle for assisting vehicle occupants |
US9412273B2 (en) | 2012-03-14 | 2016-08-09 | Autoconnect Holdings Llc | Radar sensing and emergency response vehicle detection |
US9384609B2 (en) | 2012-03-14 | 2016-07-05 | Autoconnect Holdings Llc | Vehicle to vehicle safety and traffic communications |
US20140309849A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Driver facts behavior information storage system |
US20140310610A1 (en) | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Vehicle occupant impairment assisted vehicle |
US9378601B2 (en) | 2012-03-14 | 2016-06-28 | Autoconnect Holdings Llc | Providing home automation information via communication with a vehicle |
US9082238B2 (en) | 2012-03-14 | 2015-07-14 | Flextronics Ap, Llc | Synchronization between vehicle and user device calendar |
US9495874B1 (en) * | 2012-04-13 | 2016-11-15 | Google Inc. | Automated system and method for modeling the behavior of vehicles and other agents |
US8793046B2 (en) * | 2012-06-01 | 2014-07-29 | Google Inc. | Inferring state of traffic signal and other aspects of a vehicle's environment based on surrogate data |
US8781721B2 (en) * | 2012-06-06 | 2014-07-15 | Google Inc. | Obstacle evaluation technique |
CN104321620A (zh) | 2013-04-15 | 2015-01-28 | 弗莱克斯电子有限责任公司 | 基于用户简档信息通过改变的地图路线进行行为修改 |
JP6290009B2 (ja) * | 2014-06-06 | 2018-03-07 | 日立オートモティブシステムズ株式会社 | 障害物情報管理装置 |
US9586585B2 (en) * | 2014-11-20 | 2017-03-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to traffic officer presence |
CN107924631B (zh) * | 2015-08-19 | 2021-06-22 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及存储车辆控制程序的介质 |
DE102015218964A1 (de) * | 2015-09-30 | 2017-03-30 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und System zum Ermitteln von Verkehrsteilnehmern mit Interaktionspotential |
CN106646491B (zh) * | 2015-10-30 | 2019-11-29 | 长城汽车股份有限公司 | 一种超声波防撞雷达***及其障碍物定位方法 |
US10692126B2 (en) | 2015-11-17 | 2020-06-23 | Nio Usa, Inc. | Network-based system for selling and servicing cars |
DE112016006323T5 (de) * | 2016-01-28 | 2018-10-18 | Mitsubishi Electric Corporation | Unfallwahrscheinlichkeitsrechner, Unfallwahrscheinlichkeitsberechnungsverfahren und Unfallwahrscheinlichkeitsberechnungsprogramm |
JP6650635B2 (ja) * | 2016-02-29 | 2020-02-19 | パナソニックIpマネジメント株式会社 | 判定装置、判定方法、および判定プログラム |
WO2017159539A1 (ja) * | 2016-03-15 | 2017-09-21 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
JP2017182297A (ja) * | 2016-03-29 | 2017-10-05 | パナソニックIpマネジメント株式会社 | 車両制御装置および車両制御方法 |
US20180012197A1 (en) | 2016-07-07 | 2018-01-11 | NextEv USA, Inc. | Battery exchange licensing program based on state of charge of battery pack |
US9928734B2 (en) | 2016-08-02 | 2018-03-27 | Nio Usa, Inc. | Vehicle-to-pedestrian communication systems |
US9963106B1 (en) | 2016-11-07 | 2018-05-08 | Nio Usa, Inc. | Method and system for authentication in autonomous vehicles |
US10694357B2 (en) | 2016-11-11 | 2020-06-23 | Nio Usa, Inc. | Using vehicle sensor data to monitor pedestrian health |
US10708547B2 (en) | 2016-11-11 | 2020-07-07 | Nio Usa, Inc. | Using vehicle sensor data to monitor environmental and geologic conditions |
US10410064B2 (en) | 2016-11-11 | 2019-09-10 | Nio Usa, Inc. | System for tracking and identifying vehicles and pedestrians |
EP3525141B1 (en) * | 2016-11-16 | 2021-03-24 | Honda Motor Co., Ltd. | Emotion inference device and emotion inference system |
US10699305B2 (en) | 2016-11-21 | 2020-06-30 | Nio Usa, Inc. | Smart refill assistant for electric vehicles |
US10249104B2 (en) | 2016-12-06 | 2019-04-02 | Nio Usa, Inc. | Lease observation and event recording |
US10296812B2 (en) | 2017-01-04 | 2019-05-21 | Qualcomm Incorporated | Systems and methods for mapping based on multi-journey data |
KR102551130B1 (ko) * | 2017-01-12 | 2023-07-05 | 모빌아이 비젼 테크놀로지스 엘티디. | 차량 움직임에 기반한 항법 |
US10074223B2 (en) | 2017-01-13 | 2018-09-11 | Nio Usa, Inc. | Secured vehicle for user use only |
US10471829B2 (en) | 2017-01-16 | 2019-11-12 | Nio Usa, Inc. | Self-destruct zone and autonomous vehicle navigation |
US9984572B1 (en) | 2017-01-16 | 2018-05-29 | Nio Usa, Inc. | Method and system for sharing parking space availability among autonomous vehicles |
US10031521B1 (en) | 2017-01-16 | 2018-07-24 | Nio Usa, Inc. | Method and system for using weather information in operation of autonomous vehicles |
US10464530B2 (en) | 2017-01-17 | 2019-11-05 | Nio Usa, Inc. | Voice biometric pre-purchase enrollment for autonomous vehicles |
US10286915B2 (en) | 2017-01-17 | 2019-05-14 | Nio Usa, Inc. | Machine learning for personalized driving |
US10897469B2 (en) | 2017-02-02 | 2021-01-19 | Nio Usa, Inc. | System and method for firewalls between vehicle networks |
US10627812B2 (en) * | 2017-02-14 | 2020-04-21 | Honda Research Institute Europe Gmbh | Risk based driver assistance for approaching intersections of limited visibility |
US10234864B2 (en) | 2017-03-07 | 2019-03-19 | nuTonomy Inc. | Planning for unknown objects by an autonomous vehicle |
US10281920B2 (en) | 2017-03-07 | 2019-05-07 | nuTonomy Inc. | Planning for unknown objects by an autonomous vehicle |
US10095234B2 (en) | 2017-03-07 | 2018-10-09 | nuTonomy Inc. | Planning for unknown objects by an autonomous vehicle |
JP6930152B2 (ja) * | 2017-03-14 | 2021-09-01 | トヨタ自動車株式会社 | 自動運転システム |
US10994730B2 (en) * | 2017-04-19 | 2021-05-04 | Nissan Motor Co., Ltd. | Traveling assistance method and traveling assistance device |
DE102017208728A1 (de) | 2017-05-23 | 2018-11-29 | Audi Ag | Verfahren zur Ermittlung einer Fahranweisung |
US10234302B2 (en) | 2017-06-27 | 2019-03-19 | Nio Usa, Inc. | Adaptive route and motion planning based on learned external and internal vehicle environment |
US10710633B2 (en) | 2017-07-14 | 2020-07-14 | Nio Usa, Inc. | Control of complex parking maneuvers and autonomous fuel replenishment of driverless vehicles |
US10369974B2 (en) | 2017-07-14 | 2019-08-06 | Nio Usa, Inc. | Control and coordination of driverless fuel replenishment for autonomous vehicles |
US10837790B2 (en) | 2017-08-01 | 2020-11-17 | Nio Usa, Inc. | Productive and accident-free driving modes for a vehicle |
US10635109B2 (en) | 2017-10-17 | 2020-04-28 | Nio Usa, Inc. | Vehicle path-planner monitor and controller |
US10606274B2 (en) | 2017-10-30 | 2020-03-31 | Nio Usa, Inc. | Visual place recognition based self-localization for autonomous vehicles |
US10935978B2 (en) | 2017-10-30 | 2021-03-02 | Nio Usa, Inc. | Vehicle self-localization using particle filters and visual odometry |
US10717412B2 (en) | 2017-11-13 | 2020-07-21 | Nio Usa, Inc. | System and method for controlling a vehicle using secondary access methods |
US10562538B2 (en) * | 2017-11-22 | 2020-02-18 | Uatc, Llc | Object interaction prediction systems and methods for autonomous vehicles |
JP6979366B2 (ja) * | 2018-02-07 | 2021-12-15 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、及びプログラム |
JP7013284B2 (ja) * | 2018-03-09 | 2022-01-31 | 日立Astemo株式会社 | 移動体挙動予測装置 |
JP6971187B2 (ja) * | 2018-03-28 | 2021-11-24 | 京セラ株式会社 | 画像処理装置、撮像装置、および移動体 |
CN108592932A (zh) * | 2018-04-27 | 2018-09-28 | 平安科技(深圳)有限公司 | 一种无人车调度方法、***、设备及存储介质 |
US10860025B2 (en) * | 2018-05-15 | 2020-12-08 | Toyota Research Institute, Inc. | Modeling graph of interactions between agents |
US10369966B1 (en) | 2018-05-23 | 2019-08-06 | Nio Usa, Inc. | Controlling access to a vehicle using wireless access devices |
US10678245B2 (en) * | 2018-07-27 | 2020-06-09 | GM Global Technology Operations LLC | Systems and methods for predicting entity behavior |
US12036980B2 (en) * | 2018-08-22 | 2024-07-16 | Mitsubishi Electric Corporation | Course prediction device, computer readable medium, and course prediction method |
CN110936893B (zh) * | 2018-09-21 | 2021-12-14 | 驭势科技(北京)有限公司 | 一种盲区障碍物处理方法、装置、车载设备及存储介质 |
JP7067400B2 (ja) | 2018-10-05 | 2022-05-16 | オムロン株式会社 | 検知装置、移動体システム、及び検知方法 |
KR102106976B1 (ko) * | 2018-12-20 | 2020-05-29 | 재단법인대구경북과학기술원 | 도플러 정보를 이용한 차량의 후방 또는 사각지대 탐지 장치 및 그 방법 |
JP6958537B2 (ja) | 2018-12-20 | 2021-11-02 | オムロン株式会社 | 検知装置、移動体システム、及び検知方法 |
US11630202B2 (en) | 2018-12-20 | 2023-04-18 | Omron Corporation | Sensing device, moving body system, and sensing method |
US10776243B1 (en) | 2019-03-19 | 2020-09-15 | Bank Of America Corporation | Prediction tool |
JP7275925B2 (ja) * | 2019-06-28 | 2023-05-18 | トヨタ自動車株式会社 | 物件検索装置、システム、方法、及び、プログラム |
US20240217509A1 (en) * | 2019-09-04 | 2024-07-04 | Jinan Zhenzhen Technology Research Institute | System and method for controlling vehicle |
JP7351706B2 (ja) * | 2019-10-15 | 2023-09-27 | 株式会社Soken | 物体追跡装置 |
CN112061133A (zh) * | 2020-09-15 | 2020-12-11 | 苏州交驰人工智能研究院有限公司 | 交通信号状态推测方法、车辆控制方法、车辆及存储介质 |
US11733054B2 (en) | 2020-12-11 | 2023-08-22 | Motional Ad Llc | Systems and methods for implementing occlusion representations over road features |
KR20230031730A (ko) * | 2021-08-27 | 2023-03-07 | 현대자동차주식회사 | 신호등 판단 장치, 그를 포함한 시스템 및 그 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1511725A (zh) * | 2002-11-27 | 2004-07-14 | �ղ��Զ�����ʽ���� | 车辆驾驶辅助*** |
CN1890128A (zh) * | 2003-12-01 | 2007-01-03 | 沃尔沃技术公司 | 用于支持路径控制的方法和*** |
CN101102916A (zh) * | 2005-01-19 | 2008-01-09 | 罗伯特·博世有限公司 | 具有行驶带预测功能的驾驶员辅助*** |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5269131A (en) * | 1975-12-02 | 1977-06-08 | Nissan Motor Co Ltd | Collision preventing and warning apparatus |
JP2839660B2 (ja) | 1990-07-02 | 1998-12-16 | 株式会社テクノ菱和 | 大空間建築物の空調装置 |
US5422829A (en) * | 1992-07-14 | 1995-06-06 | Pollock; Eugene J. | Closed-loop control for scanning application |
US6768944B2 (en) * | 2002-04-09 | 2004-07-27 | Intelligent Technologies International, Inc. | Method and system for controlling a vehicle |
US7085637B2 (en) * | 1997-10-22 | 2006-08-01 | Intelligent Technologies International, Inc. | Method and system for controlling a vehicle |
US7899616B2 (en) * | 1997-10-22 | 2011-03-01 | Intelligent Technologies International, Inc. | Method for obtaining information about objects outside of a vehicle |
US7979172B2 (en) * | 1997-10-22 | 2011-07-12 | Intelligent Technologies International, Inc. | Autonomous vehicle travel control systems and methods |
US8255144B2 (en) * | 1997-10-22 | 2012-08-28 | Intelligent Technologies International, Inc. | Intra-vehicle information conveyance system and method |
US6363326B1 (en) * | 1997-11-05 | 2002-03-26 | Robert Lawrence Scully | Method and apparatus for detecting an object on a side of or backwards of a vehicle |
JP3646605B2 (ja) * | 2000-02-23 | 2005-05-11 | 株式会社日立製作所 | 車両走行制御装置 |
JP2002123894A (ja) | 2000-10-16 | 2002-04-26 | Hitachi Ltd | プローブカー制御方法及び装置並びにプローブカーを用いた交通制御システム |
JP4008252B2 (ja) | 2001-05-25 | 2007-11-14 | 本田技研工業株式会社 | 危険車両情報提供装置、及びそのプログラム |
DE10136981A1 (de) * | 2001-07-30 | 2003-02-27 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Ermittlung eines stationären und/oder bewegten Objektes |
US6927677B2 (en) * | 2003-03-14 | 2005-08-09 | Darryll Anderson | Blind spot detector system |
JP3985748B2 (ja) * | 2003-07-08 | 2007-10-03 | 日産自動車株式会社 | 車載用障害物検出装置 |
JP2005202922A (ja) * | 2003-12-18 | 2005-07-28 | Nissan Motor Co Ltd | 運転支援装置及び運転支援プログラム |
US7245231B2 (en) * | 2004-05-18 | 2007-07-17 | Gm Global Technology Operations, Inc. | Collision avoidance system |
JP4730137B2 (ja) | 2006-03-01 | 2011-07-20 | トヨタ自動車株式会社 | 移動体安全性評価方法および移動体安全性評価装置 |
JP2007249364A (ja) | 2006-03-14 | 2007-09-27 | Denso Corp | 安全運転支援システム及び安全運転支援装置 |
DE102006017177A1 (de) | 2006-04-12 | 2007-10-18 | Robert Bosch Gmbh | Fahrerassistenzsystem mit Anfahrhinweisfunktion |
JP4062353B1 (ja) * | 2006-11-10 | 2008-03-19 | トヨタ自動車株式会社 | 障害物進路予測方法、装置、およびプログラム |
JP2008213699A (ja) | 2007-03-06 | 2008-09-18 | Toyota Motor Corp | 車両の運転制御装置および運転制御方法 |
US7859432B2 (en) * | 2007-05-23 | 2010-12-28 | Che Il Electric Wireing Devices Co., Ltd. | Collision avoidance system based on detection of obstacles in blind spots of vehicle |
US20090005984A1 (en) * | 2007-05-31 | 2009-01-01 | James Roy Bradley | Apparatus and method for transit prediction |
TWI314115B (en) * | 2007-09-27 | 2009-09-01 | Ind Tech Res Inst | Method and apparatus for predicting/alarming the moving of hidden objects |
JP4561863B2 (ja) | 2008-04-07 | 2010-10-13 | トヨタ自動車株式会社 | 移動体進路推定装置 |
US8280621B2 (en) * | 2008-04-15 | 2012-10-02 | Caterpillar Inc. | Vehicle collision avoidance system |
US8169481B2 (en) * | 2008-05-05 | 2012-05-01 | Panasonic Corporation | System architecture and process for assessing multi-perspective multi-context abnormal behavior |
US7804423B2 (en) * | 2008-06-16 | 2010-09-28 | Gm Global Technology Operations, Inc. | Real time traffic aide |
US8073605B2 (en) * | 2008-08-13 | 2011-12-06 | GM Global Technology Operations LLC | Method of managing power flow in a vehicle |
US8489284B2 (en) * | 2008-08-21 | 2013-07-16 | International Business Machines Corporation | Automated dynamic vehicle blind spot determination |
-
2009
- 2009-05-18 JP JP2009120015A patent/JP4957747B2/ja active Active
-
2010
- 2010-04-26 WO PCT/JP2010/057779 patent/WO2010134428A1/en active Application Filing
- 2010-04-26 US US13/320,706 patent/US9501932B2/en active Active
- 2010-04-26 CN CN201080022086.8A patent/CN102428505B/zh active Active
- 2010-04-26 DE DE112010002021.3T patent/DE112010002021B4/de active Active
-
2016
- 2016-10-14 US US15/293,674 patent/US11568746B2/en active Active
-
2021
- 2021-11-05 US US17/453,796 patent/US11995988B2/en active Active
- 2021-11-05 US US17/453,775 patent/US11941985B2/en active Active
-
2022
- 2022-12-30 US US18/148,906 patent/US20230137183A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1511725A (zh) * | 2002-11-27 | 2004-07-14 | �ղ��Զ�����ʽ���� | 车辆驾驶辅助*** |
CN1890128A (zh) * | 2003-12-01 | 2007-01-03 | 沃尔沃技术公司 | 用于支持路径控制的方法和*** |
CN101102916A (zh) * | 2005-01-19 | 2008-01-09 | 罗伯特·博世有限公司 | 具有行驶带预测功能的驾驶员辅助*** |
Also Published As
Publication number | Publication date |
---|---|
JP4957747B2 (ja) | 2012-06-20 |
US11568746B2 (en) | 2023-01-31 |
WO2010134428A1 (en) | 2010-11-25 |
US20220058948A1 (en) | 2022-02-24 |
US11995988B2 (en) | 2024-05-28 |
US20170032675A1 (en) | 2017-02-02 |
DE112010002021T8 (de) | 2012-10-18 |
US9501932B2 (en) | 2016-11-22 |
DE112010002021T5 (de) | 2012-08-02 |
DE112010002021B4 (de) | 2019-03-28 |
JP2010267211A (ja) | 2010-11-25 |
US20120059789A1 (en) | 2012-03-08 |
US20230137183A1 (en) | 2023-05-04 |
US20220058949A1 (en) | 2022-02-24 |
US11941985B2 (en) | 2024-03-26 |
CN102428505A (zh) | 2012-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102428505B (zh) | 车辆环境估计装置 | |
CN101243330B (zh) | 用于交通区域检测的方法 | |
US6226571B1 (en) | Surroundings monitoring apparatus for an automotive vehicle | |
CN102449672B (zh) | 车辆用周边监视装置 | |
JP5939357B2 (ja) | 移動軌跡予測装置及び移動軌跡予測方法 | |
CN102074096B (zh) | 用于疲倦识别的方法及控制装置 | |
CN103303306A (zh) | 就所出现的危险状况对车辆驾驶员作出警示的方法 | |
CN110816540B (zh) | 交通拥堵的确定方法、装置、***及车辆 | |
CN102673560A (zh) | 识别拐弯机动的方法和驾驶员辅助*** | |
CN111731296B (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
Berndt et al. | Driver braking behavior during intersection approaches and implications for warning strategies for driver assistant systems | |
JP2006059058A (ja) | 走行データ判定装置 | |
KR20170085750A (ko) | 차선을 변경하는 차량에 근거한 자율 주행 제어 방법 및 장치 | |
CN106828506A (zh) | 一种基于上下文感知的自动辅助驾驶*** | |
CN110940982B (zh) | 一种车辆前方目标识别方法以及相应的设备 | |
CN114132311B (zh) | 车辆自动紧急制动危险目标筛选方法及模块 | |
JP2013045392A (ja) | 車両用情報処理装置、及び運転支援エリアの学習方法 | |
CN110940981B (zh) | 一种用于判断车辆前方目标的位置是否处于本车道内的方法 | |
CN106405539A (zh) | 车辆雷达***以及用于去除一非感兴趣目标的方法 | |
KR102228559B1 (ko) | 운전자 피로 감지 방법 및 시스템 | |
CN107784836B (zh) | 用于提供所预测的车辆运动的方法和装置 | |
CN111132212A (zh) | 无人驾驶车辆网络异常处理方法、装置、设备和存储介质 | |
KR102350197B1 (ko) | 주행경로 설정장치 및 주행경로 설정방법 | |
US11801856B2 (en) | Electronic control device and selection method | |
CN116343176B (zh) | 一种路面异常监测***及其监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |