CN108116408B - 多传感器概率对象和自动制动 - Google Patents
多传感器概率对象和自动制动 Download PDFInfo
- Publication number
- CN108116408B CN108116408B CN201711178723.0A CN201711178723A CN108116408B CN 108116408 B CN108116408 B CN 108116408B CN 201711178723 A CN201711178723 A CN 201711178723A CN 108116408 B CN108116408 B CN 108116408B
- Authority
- CN
- China
- Prior art keywords
- probability
- sensor
- sensors
- directional
- variance
- 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
- 230000003247 decreasing effect Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 16
- 238000002604 ultrasonography Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 7
- 230000002238 attenuated effect Effects 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 230000003213 activating effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013403 standard screening design Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
-
- 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
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/54—Audio sensitive means, e.g. ultrasound
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
控制器从面向后的多个传感器(例如摄像机、LIDAR传感器、RADAR传感器和超声波传感器)接收输出。每当传感器输出中的特征指示存在对象时,概率被更新。可以根据提供输出的传感器的方差和与特征的距离来更新概率。在传感器的方差为方向性的情况下,可以根据这些方差和与特征的距离来更新方向概率。如果概率满足阈值条件,则可以采取行动,例如可察觉的警报或者自动制动。在没有检测对象的情况下,概率可以被衰减。可以通过进一步提高或降低概率来扩大概率的增长或下降趋势。
Description
技术领域
本发明涉及例如用于自主车辆中的执行障碍物检测。
背景技术
车辆的驾驶员应当随时注意周围环境。但是很多时候,特别是在倒车时,驾驶员可能只是因为物理现象而在场景中失去注意力或者忽视对象。在动态对象(人、骑自行车者、汽车等)进入倒车车辆的路径的情况下,这进一步被加强。许多车辆具有被动***,包括诸如摄像机、超声波传感器、RADAR等的传感器,以用于识别车辆的周围环境,但是这些被动***依赖于驾驶员在任何时候都能够意识到并且足够快以及时地对紧急情况作出反应。另外,每个传感器都有自己的限制,如视野、距离等。
本文公开的***和方法提供了一种使用传感器数据的障碍物检测的改进方法,特别是在倒车时。
发明内容
根据本发明,提供一种方法,该方法包含通过车辆控制器来执行下面的操作:
从具有多个不同感测模式的多个传感器接收多个传感器输出,每个传感器输出包括障碍物指示特征;
根据多个传感器输出中的每个传感器输出和估算的到每个传感器输出中的障碍物指示特征的距离来更新概率;和
确定概率足够高以执行碰撞避免。
根据本发明的一个实施例,多个传感器包括二维影像摄像机、RADAR传感器、LIDAR传感器和超声波传感器中的至少两个。
根据本发明的一个实施例,多个传感器中的每个传感器具有与其相关联的方差;和
其中更新概率包含根据估算的距离和多个传感器中生成每个传感器输出的传感器的方差二者来更新根据多个传感器输出中的每个传感器输出的概率。
根据本发明的一个实施例,多个传感器中的至少一个传感器具有与其相关联的多个方向方差;
其中更新概率包含根据估算的距离和方向方差中对应于每个概率的方向方差二者来更新根据至少一个传感器的每个传感器输出的多个方向概率中的每个概率。
根据本发明的一个实施例,更新概率包含执行贝叶斯概率更新。
根据本发明的一个实施例,多个传感器是面向后的。
根据本发明的一个实施例,方法进一步包含:
响应于检测到在多个传感器的输出中没有检测到障碍物指示特征的时间周期来降低概率。
根据本发明的一个实施例,方法进一步包含:
检测概率的下降趋势;和
响应于下降趋势来进一步降低概率。
根据本发明的一个实施例,方法进一步包含:
检测概率的增长趋势;和
响应增长趋势来进一步提高概率。
根据本发明的一个实施例,方法进一步包含响应于确定概率足够高以执行碰撞避免,来致动转向致动器、加速器致动器和制动致动器中的至少一个。
根据本发明,提供一种***,该***包含:
具有多个感测模式的多个传感器;
可操作地连接到多个传感器的车辆控制器,车辆控制器被编程为执行下面的操作:
接收多个传感器输出,每个传感器输出包括指示障碍物的障碍物指示特征,多个传感器具有多个不同感测模式;
根据多个传感器输出中的每个传感器输出和估算的到每个传感器输出中的障碍物指示特征的距离来更新概率;和
如果概率满足阈值条件,则执行碰撞避免。
根据本发明的一个实施例,多个传感器包括二维影像摄像机、RADAR传感器、LIDAR传感器和超声波传感器中的至少两个。
根据本发明的一个实施例,多个传感器中的每个传感器具有与其相关联的方差;
其中车辆控制器进一步被编程为根据估算的距离和多个传感器中生成每个传感器输出的传感器的方差两者来更新根据多个传感器输出中的每个传感器输出的概率。
根据本发明的一个实施例,多个传感器中的至少一个传感器具有与其相关联的多个方向方差;并且
其中车辆控制器进一步被编程为根据估算的距离和方向方差中对应于每个概率的方向方差二者来更新根据至少一个传感器的每个传感器输出的多个方向概率的每个概率。
根据本发明的一个实施例,车辆控制器进一步被编程为通过执行贝叶斯概率更新来更新概率。
根据本发明的一个实施例,多个传感器是面向后的。
根据本发明的一个实施例,***进一步包含:
响应于检测到在多个传感器的输出中没有检测到障碍物指示特征的时间周期来降低概率。
根据本发明的一个实施例,车辆控制器进一步被编程为:
如果检测到概率的下降趋势,则响应于下降趋势来进一步降低概率。
根据本发明的一个实施例,车辆控制器进一步被编程为:
如果检测到概率的增长趋势,则响应于增长趋势来进一步提高概率。
根据本发明的一个实施例,***进一步包含转向致动器、加速器致动器和制动致动器中的至少一个;
其中车辆控制器进一步被编程为如果概率满足阈值条件,则激活转向致动器、加速器致动器和制动致动器中的至少一个。
附图说明
为了容易理解本发明的优点,将通过参考附图中所示的具体实施例来描述上面简要描述的本发明。理解的是这些附图仅描绘了本发明的典型实施例,并且因此不应被认为是限制其范围,将通过使用附图以附加的特征和细节来描述和解释本发明,附图中:
图1是一种用于实现本发明的实施例的***的示意性框图;
图2是一种适用于实现根据本发明的实施例的方法的示例性计算设备的示意性框图;
图3是示出包括包含传感器的倒车车辆的场景的示意图;和
图4是根据本发明的实施例的一种用于在倒车时检测对象的方法的过程流程图。
具体实施方式
参考图1,***100可以包括容纳在车辆内的控制器102。车辆可以包括本领域已知的任何车辆。车辆可以具有本领域已知的任何车辆的所有结构和特征,包括:车轮、连接到车轮的传动动力***、连接到传动动力***的发动机、转向***、制动***和本领域已知的被包括在车辆中的其他***。
如本文更详细地讨论的,控制器102可以执行碰撞检测。控制器102可以响应于检测到潜在碰撞而产生警报和/或可以执行自主碰撞避免。控制器102可以从一个或多个成像设备104接收一个或多个图像流。例如,一个或多个摄像机可以被安装到车辆并且输出由控制器102接收的图像流。控制器102可以从一个或多个传感器106接收一个或多个数据流。例如,控制器102可以连接到安装到车辆的一个或多个其他传感器106。传感器可以包括RADAR(无线电探测和测距)传感器、LIDAR(光探测和测距)传感器、SONAR(声音导航和测距)传感器、超声波传感器等。
成像设备104和其他传感器106通过多个不同的模式来检测环境,并且提供许多方式来检测相同的对象。本文公开的***和方法提供了一种方式,其中成像设备104和其他传感器106的输出可以全部以更大的确定性来检测潜在的障碍物,同时减少由于传感器噪声引起的误报。
本文公开的***和方法具体地可用于在倒车时避免碰撞。因此,至少一些成像设备104和传感器106的视野可以是面向后的。
倒车模块108可以包括检测模块110a,该检测模块110a被编程为检测成像设备104和其它传感器106的输出中与在倒车时车辆路径中的对象相对应的特征。特别地,检测模块110a可以如下面关于图3所讨论的来检测车辆后面的感兴趣区域内的对象。
倒车模块108还可以包括距离模块110b,该距离模块110b估算到在成像设备104和传感器106的输出中检测到的特征的距离。例如,对于成像设备,可以使用双目视觉来提供来自两个图像的三维数据。然后可以基于由该数据指示的位置来对三维数据中的对象进行距离估算。同样,RADAR和超声波传感器106可以提供关于对象的距离和速度的信息。LIDAR提供三维点云,从中可以确定对象的位置。对于所有传感器输出,确定的距离可以被转换成公共坐标系,以提供一致性。例如,一些***可以提供“撞击时间”估算,其可以通过距离模块110b被转换成近似的距离。
倒车模块108还可以包括概率模块110c。每当在任何成像设备104或传感器106的输出中感测到对象时,对象出现在车辆后面的概率被更新。在一些实施例中,概率模块110c也可以更新概率,使得每次感测到对象时,概率被提高。概率表示对象实际上出现在车辆后面的感兴趣区域中的可能性。可以根据贝叶斯(Bayesian)统计模型来计算概率,并且根据贝叶斯概率更新技术而用每个对象的感测对概率进行更新。可以根据下面关于图4描述的方法来执行概率的更新。如下面更详细地描述的,可以更新概率,使得特征的距离越小,概率的提高将越多。
倒车模块108可以包括碰撞避免模块110d。一经检测到位于感兴趣区域中的对象的概率满足阈值条件,碰撞避免模块110d就可以采取动作以避免与对象碰撞。这可能包括通过应用制动器和去除加速器输入来自动停止车辆。这可能是车辆处于非自主的情况,并且倒车模块108作为对人类驾驶员的辅助而存在。
在车辆是自主的这样的实施例中,碰撞避免模块110d可以采取其他动作,以避免与根据模块110a-110c检测到的障碍物的碰撞。例如,碰撞避免模块110d可以通过激活控制车辆的方向和速度的一个或多个致动器112来控制车辆的轨迹。例如,致动器112可以包括转向致动器114a、加速器致动器114b和制动致动器114c。致动器114a-114c的结构可以根据自主车辆领域已知的这种致动器的任何实施方式。
图2是示出一种示例计算设备200的框图。计算设备200可以用于执行各种过程,例如本文所讨论的那些。控制器102可以具有计算设备200的一些或全部属性。
计算设备200包括一个或多个处理器202、一个或多个存储器设备204、一个或多个界面206、一个或多个大容量存储设备208、一个或多个输入/输出(I/O)设备210和显示设备230,所有这些都连接到总线212。处理器202包括执行存储在存储器设备204和/或大容量存储设备208中的指令的一个或多个处理器或控制器。处理器202还可以包括各种类型的计算机可读介质,例如高速缓冲存储器。
存储器设备204包括各种计算机可读介质,例如易失性存储器(例如,随机存取存储器(RAM)214)和/或非易失性存储器(例如,只读存储器(ROM)216)。存储器设备204还可以包括可重写ROM,例如闪存。
大容量存储设备208包括各种计算机可读介质,例如磁带、磁盘、光盘、固态存储器(例如,闪存)等。如图2所示,特定的大容量存储设备是硬盘驱动器224。也可以在大容量存储设备208中包括各种驱动器,以使得能够从各种计算机可读介质读取和/或向各种计算机可读介质写入。大容量存储设备208包括可移动介质226和/或不可移动介质。
I/O设备210包括允许将数据和/或其他信息输入到计算设备200或者从计算设备200调取数据和/或其他信息的各种设备。示例I/O设备210包括光标控制设备、键盘、键板、麦克风、监视器或其他显示设备、扬声器、网络接口卡、调制解调器、镜头、CCD(电荷耦合器件)或其他图像捕获设备等。
显示设备230包括能够向计算设备200的一个或多个用户显示信息的任何类型的设备。显示设备230的示例包括监视器、显示终端、视频投影设备等。
界面206包括允许计算设备200与其他***、设备或计算环境交互的各种界面。示例界面206可以包括任何数量的不同的网络界面220,例如到局域网(LAN)、广域网(WAN)、无线网络和因特网的界面。其他界面包括用户界面218和***设备界面222。界面206还可以包括一个或多个***界面,例如用于指示设备(鼠标、跟踪板等)、键盘等的界面。
总线212允许处理器202、存储器设备204、界面206、大容量存储设备208、I/O设备210和显示设备230以及连接到总线212的其他设备或部件彼此通信。总线212表示多种类型的总线结构(例如***总线、PCI(外设部件互联标准)总线、IEEE总线、USB(通用串行)总线等)中的一种或多种。
为了说明的目的,程序和其他可执行程序部件在本文中示出为离散框,但是应当理解的是,这样的程序和部件可以在不同时间驻留在计算设备200的不同存储部件中,并且通过处理器202执行。或者,本文描述的***和过程可以以硬件、或者硬件、软件和/或固件的组合来实现。例如,可以编程一个或多个专用集成电路(ASIC)来执行本文所述的一个或多个***和过程。
现在转到图3,包含控制器102的车辆300可以具有面向后的传感器106a、106b,诸如LIDAR、RADAR、超声波或其它传感器。车辆300还可以包括面向后的摄像机104a、104b。面向后的摄像机104a、104b可以实现双目视觉,使得对象的三维位置可以根据摄像机104a、104b的输出来确定。传感器106a、106b的输出也可以是三维数据的形式,例如点云的形式,其中每个点指示检测到材料的位置。其他传感器可以检测车辆300的侧向或前向区域中的对象。虽然本文所公开的***和方法在改进倒车时的安全性方面特别有用,但是它们也可以应用于具有面向前的摄像机和其它传感器的向前移动。
本文公开的方法特别涉及车辆300后面的感兴趣区域302。显而易见的是,感兴趣区域302在车辆300后方纵向向后延伸,并且还可以在车辆300的任一侧上横向延伸。成像设备104a、104b和其他传感器106a、106b在其视野中具有该感兴趣区域。在一些实施例中,成像设备104a、104b和其他传感器106a、106b的视野可以比该感兴趣区域302延伸得更远。在这样的实施例中,传感器输出中指示感兴趣区域302外的位置的特征可以被忽略或者相比于位于感兴趣区域302中的特征,具有与位于感兴趣区域302中的对象碰撞的降低的概率。
位于感兴趣区域302内的对象304a,304b通过成像设备104a、104b和其他传感器106a、106b来检测,并且车辆300的制动可以被调用。下面参照图4来描述检测对象304a、304b的方法。
参考图4,所示方法400可以响应于接收到成像设备104a、104b和其他传感器106a、106b的输出来由控制器102执行。针对来自所有成像设备104a、104b和其他传感器106a、106b的输出执行方法400,使得任何传感器的输出中的任何特征可能有助于提高对象出现在感兴趣区域内的可能性。特别地,可以基于通过不同传感器检测不同对象来更新单个概率度量。
方法400可以包括接收402传感器数据。可以相对于从成像设备104a、104b和其他传感器106a、106b(以下称为“感测设备104a、104b、106a、106b”)接收的每个传感器数据帧来执行方法400。或者,方法400可以同时处理来自多个感测设备104a、104b、106a、106b的传感器数据帧。
方法400可以包括评估404传感器输出中是否检测到对象,传感器输出可以是一对双目图像、点云、检测到的雷达或超声波反射、或者任何其它传感器输出。在这些输出中检测对象的方式可以包括使用本领域已知的用于使用双目视觉、RADAR传感器、LIDAR传感器、超声波传感器或用于检测车辆环境的其它类型的传感器来检测对象的任何方法。检测404对象可能是准确的或者可能是不准确的,因为传感器可能存在误报。因此,检测404对象可以包括检测感测设备104a、104b、106a、106b的输出中指示潜在障碍物的特征。因此,下文中对检测到的对象的引用是指传感器输出中的障碍物指示特征的处理。
如果检测到404对象,则可以执行方法400的其余要素。这可以包括确定406到被检测对象的距离。这可以包括本领域已知的用于使用双目视觉、RADAR传感器、LIDAR传感器、超声波传感器或用于检测车辆环境的其它类型的传感器来检测对象的位置的任何方法。在一些实施例中,检测404对象可以固有地包括确定对象的位置,使得步骤406不包括不同的步骤。
感测设备104a、104b、106a、106b可以以不同的坐标系或不同的形式(例如以撞击时间的形式)来提供对象的位置。因此,步骤406可以包括将位置转换成公共坐标系或公共距离度量,例如,在车辆300后面的纵向距离或者与车辆300的纵向中心线的横向距离。
感测设备104a、104b、106a、106b中的每个可以具有指示与从传感器输出确定的对象的距离和当传感器输出中的特征表示存在对象时对象是否真的存在中的一个或两个的不确定性的方差。
在一些情况下,该方差可以是方向性的,即,传感器可以相比于对象的横向位置而更准确地感测对象的纵向位置,反之亦然。因此,传感器可以具有纵向方差和横向方差。如果发现408接收到步骤402的输出的传感器具有方向依赖性方差,则方法400可以包括更新410方向概率。
具体地,对于发现404指示对象存在的每个输出,可以更新概率,使得感测设备104a、104b,106a、106b每次感测到对象时提高概率。在一些实施例中,根据随着输出表示对象存在的次数和到由该输出表示的感测到的对象的距离二者而提高的函数来更新概率。在一些实施例中,可以根据所有以下参数的函数来更新概率:(a)传感器输出指示对象的次数,(b)到感测到的对象的距离,和(c)传感器的表示感测到的对象的存在的方差。具体地,概率响应于检测到404对象而增加的量将随着到对象的距离更小并且在检测到对象的传感器的方差更小而更大。
在概率为零的情况下,即先前还没有检测到对象的情况下,可以使用贝叶斯概率函数基于这些参数来计算概率。在概率为非零的情况下,可以响应于对象的每个检测404而使用贝叶斯概率更新技术根据这些参数来更新概率。
在方向依赖性方差的情况下,方向概率(例如,纵向概率和横向概率)可以被更新410或者最初计算,其中根据距离和感测设备104a、104b、106a、106b的纵向方差来计算纵向概率,并且根据距离和感测设备104a、104b、106a、106b的横向方差来计算横向概率。
在从其接收到步骤402的传感器数据的感测设备104a、104b,106a、106b没有方向依赖性的情况下,可以使用与方向概率相同的参数和相同的方式来更新412单个一般概率。或者,步骤412可以包括使用感测设备104a、104b、106a、106b的方向独立性方差来更新412方向概率,以更新两个方向概率。
方法400可以包括评估414是否已经满足概率阈值。这可以包括评估一般概率或方向概率中的一个或多个超过某个置信阈值,例如,确定性的至少70%、80%、90%或者其他一些最低百分比。
如果是这样,则可以通过控制器来采取416动作,例如自动激活制动器、减少或停止加速、生成对驾驶员的可察觉警报、自动地在检测到404的对象周围导航车辆300、或者用来防止或减少撞击造成的伤害的任何其他动作。
在实践中,方法400将导致远离车辆的感测到的对象的概率的提高。由于(a)距离是计算概率的一个因素并且它变得越来越小,(b)更多的传感器将检测到对象,以及(c)对象随着其越靠近车辆将被检测到的次数增加并且每当检测到对象时概率提高,概率随着对象靠近而将迅速提高。可以以这样的方式来计算概率,即,使得感兴趣区域302中的对象的存在将对将满足步骤416的阈值的概率具有足够大的影响。
在一些实施例中,在传感器的输出中的对象的检测404不存在的情况下,概率(一般和方向性)可能被衰减418。例如,如果对于一个或多个数据帧在任何传感器的输出中没有检测到对象,则可以例如根据衰减指数函数或根据贝叶斯概率更新来衰减418概率,其中附加信息是不存在用于证实统计模型所表示的概率的数据。衰减量可以随着在指示对象的任何传感器的数据帧与执行方法400的当前时间之间经过的时间量而增加。
在许多情况下,对象可以暂时地存在于感兴趣区域302内或附近。类似地,传感器噪声可以导致感测设备104a、104b的输出中的对象的瞬时感知。因此,并非所有被感知的对象都需要制动或其他将被采取的动作。衰减418概率可以减少这些暂时检测的影响。
在一些实施例中,可以进一步减少暂时检测的影响,并且可以通过扩大420概率(一般或方向性)的趋势来扩大增加概率的影响。例如,如果概率随时间衰减,则可以指定调整参数,并且可以根据概率的衰减速率和调整参数的函数来使概率更多地衰减。
类似地,扩大420趋势可以包括根据调整参数和概率随时间的提高速率来提高概率,即响应于对于方法400的两次或更多次迭代的对象的检测404来提高概率。通过这种方式,将会提高非暂时性的并且导致概率(一般或方向性)提高的对象的影响,从而确保概率将迅速达到调用动作的阈值,例如激活416制动器。
在上述公开内容中,已经参考了形成其一部分的附图,并且通过图示的方式示出了可以实践本公开的具体实施方式。应当理解的是,在不脱离本公开的范围的情况下,可以利用其他实现并且可以进行结构改变。说明书中对“一个示例”、“一示例”、“示例示例”等的参考指出所描述的示例可以包括特定特性、结构或特征,但是每个示例可以不一定包括特定特性、结构或特性。此外,这样的短语不一定指代相同的示例。此外,当结合示例描述特定特性、结构或特征时,认为结合其他示例影响这些特性、结构或特征都在本领域技术人员的知识范围内,不论是否明确描述。
本文公开的***、设备和方法的实现可以包含或利用包括计算机硬件(例如,一个或多个处理器和***存储器)的专用或通用计算机,如本文所讨论的。在本公开的范围内的实现还可以包括用于携带或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这样的计算机可读介质可以是可由通用或专用计算机***访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(设备)。携带计算机可执行指令的计算机可读介质是传输介质。因此,作为示例而非限制,本公开的实现可以包含至少两种明显不同种类的计算机可读介质:计算机存储介质(设备)和传输介质。
计算机存储介质(设备)包括RAM(随机存取存储器)、ROM(只读存储器)、EEPROM(电可擦除可编程只读存储器)、CD-ROM、固态驱动器(“SSD”)(例如,基于RAM)、闪存、相变存储器(“PCM”)、其它类型存储器、其他光盘存储器、磁盘存储器或者其他磁存储设备、或者可用于以计算机可执行指令或数据结构的形式存储期望的程序代码并且可以由通用或专用电脑访问的任何其他介质。
本文公开的设备、***和方法的实现可以通过计算机网络进行通信。“网络”被定义为使得能够在计算机***和/或模块和/或其他电子设备之间传送电子数据的一个或多个数据链路。当信息通过网络或其他通信连接(硬连线、无线、或者硬连线或无线的组合)传送或提供给计算机时,计算机将连接正确地视为传输介质。传输介质可以包括网络和/或数据链路,其可以用于以计算机可执行指令或数据结构的形式携带期望的程序代码装置,并且可以由通用或专用计算机访问。上面的组合也应包括在计算机可读介质的范围内。
计算机可执行指令包含例如在处理器上执行时使通用计算机、专用计算机或专用处理设备执行某个功能或功能组的指令和数据。计算机可执行指令可以是例如二进制文件、诸如汇编语言的中间格式指令,甚至是源代码。尽管主题已经用特定于结构特征和/或方法动作的语言描述,但是应当理解的是,所附权利要求中限定的主题不一定限于上述所描述的特征或动作。相反,所描述的特征和动作被公开为实现权利要求的示例形式。
本领域技术人员将理解的是,本公开可以在具有许多类型的计算机***配置的网络计算环境中实现,所述计算机***配置包括:内置车载计算机、个人计算机、台式计算机、膝上型计算机、消息处理器、手持设备、多处理器***、基于微处理器或可编程消费者电子产品、网络PC(个人电脑)、小型计算机、大型计算机、移动电话、PDA(个人数字助理)、平板电脑、寻呼机、路由器、交换机、各种存储设备等。本公开还可以在分布式***环境中实现,其中通过网络链接(或者通过硬连线数据链路、无线数据链路,或者通过硬连线数据链路和无线数据链路的组合)的本地和远程计算机***二者都执行任务。在分布式***环境中,程序模块可以位于本地和远程存储设备中。
此外,在适当的情况下,可以在硬件、软件、固件、数字部件或模拟部件中的一个或多个中执行本文所描述的功能。例如,可以编程一个或多个专用集成电路(ASIC)来执行本文所描述的一个或多个***和过程。在整个描述和权利要求中使用某些术语来指代特定的***部件。如本领域技术人员将理解的,部件可以通过不同的名称引用。本文档不旨在区分名称不同而不是功能不同的部件。
应当注意的是,上面讨论的传感器示例可以包含计算机硬件、软件、固件或者它们的任何组合,以执行它们的功能的至少一部分。例如,传感器可以包括配置为在一个或多个处理器中执行的计算机代码,并且可以包括由计算机代码控制的硬件逻辑/电路。这些示例设备在本文中为了说明的目的而提供,并且不旨在是限制性的。本公开的示例可以在相关领域的技术人员已知的更多类型的设备中实现。
本公开的至少一些示例已经针对包含存储在任何计算机可用介质上的逻辑(例如,以软件的形式)的计算机程序产品。当在一个或多个数据处理设备中执行时,这样的软件使得设备如本文所述地进行操作。
虽然上面已经描述了本公开的各种示例,但是应当理解的是,它们已经仅作为示例而不是限制来呈现。对于相关领域的技术人员显而易见的是,在不脱离本公开的精神和范围的情况下,可以在形式和细节上进行各种改变。因此,本公开的宽度和范围不应该由上述示例性示例中的任何一个限制,而应仅根据所附权利要求及其等同物来限定。为了说明和描述的目的,已经呈现了前述描述。它不旨在是穷举的,也不是将本公开限制为所公开的精确形式。鉴于上述教导,许多修改和变化是可能的。此外,应当注意的是,可以以期望形成本公开的附加混合实现的任何组合来使用上述替代实现中的任何或全部。
在不脱离本发明的精神或基本特征的情况下,本发明可以以其他具体形式来实施。所描述的实施例仅在所有方面被认为是说明性的而不是限制性的。因此,本发明的范围由所附权利要求而不是前面的描述来表示。在权利要求的等同物的含义和范围内的所有变化将被包括在其范围内。
Claims (13)
1.一种执行障碍物检测的方法,包含通过车辆控制器来执行下面的操作:
从具有多个不同感测模式的多个传感器接收多个传感器输出,每个所述传感器输出包括障碍物指示特征;
根据所述多个传感器输出中的每个传感器输出和估算的到所述每个传感器输出中的所述障碍物指示特征的距离来更新概率;和
确定所述概率足够高以执行碰撞避免;
其中所述多个传感器中的所述每个传感器具有与其相关联的方差,所述多个传感器中的至少一个传感器具有与其相关联的多个方向方差;和
其中更新所述概率包含根据所述估算的距离和所述多个传感器中生成所述每个传感器输出的传感器的所述方差二者来更新根据所述多个传感器输出中的所述每个传感器输出的所述概率,更新所述概率包含根据所述估算的距离和所述方向方差中对应于每个所述概率的方向方差二者来更新根据所述至少一个传感器的每个传感器输出的多个方向概率中的每个方向概率。
2.根据权利要求1所述的方法,其中所述多个传感器包括二维摄像机影像、RADAR传感器、LIDAR传感器和超声波传感器中的至少两个。
3.根据权利要求1所述的方法,其中更新所述概率包含执行贝叶斯概率更新。
4.根据权利要求1所述的方法,其中所述多个传感器是面向后的。
5.根据权利要求1所述的方法,进一步包含:
响应于检测到在所述多个传感器的输出中没有检测到障碍物指示特征的时间周期来降低所述概率;
检测所述概率的下降趋势;和
响应于所述下降趋势来进一步降低所述概率。
6.根据权利要求5所述的方法,进一步包含:
检测所述概率的增长趋势;和
响应所述增长趋势来进一步提高所述概率。
7.根据权利要求1所述的方法,进一步包含响应于确定所述概率足够高以执行碰撞避免,来致动转向致动器、加速器致动器和制动致动器中的至少一个。
8.一种执行障碍物检测的***,包含:
具有多个感测模式的多个传感器;
可操作地连接到所述多个传感器的车辆控制器,所述车辆控制器被编程为执行下面的操作:
接收多个传感器输出,每个所述传感器输出包括指示障碍物的障碍物指示特征,所述多个传感器具有多个不同感测模式;
根据所述多个传感器输出中的每个传感器输出和估算的到所述每个传感器输出中的所述障碍物指示特征的距离来更新概率;和
如果所述概率满足阈值条件,则执行碰撞避免;
其中所述多个传感器中的每个传感器具有与其相关联的方差,所述多个传感器中的至少一个传感器具有与其相关联的多个方向方差;
其中所述车辆控制器进一步被编程为根据所述估算的距离和所述多个传感器中生成所述每个传感器输出的传感器的所述方差两者来更新根据所述多个传感器输出中的所述每个传感器输出的所述概率,所述车辆控制器进一步被编程为根据所述估算的距离和所述方向方差中对应于每个所述概率的方向方差二者来更新根据所述至少一个传感器的每个传感器输出的多个方向概率的每个方向概率。
9.根据权利要求8所述的***,其中所述多个传感器包括二维摄像机影像、RADAR传感器、LIDAR传感器和超声波传感器中的至少两个。
10.根据权利要求8所述的***,其中所述车辆控制器进一步被编程为通过执行贝叶斯概率更新来更新所述概率。
11.根据权利要求8所述的***,进一步包含:
响应于检测到在所述多个传感器的输出中没有检测到障碍物指示特征的时间周期来降低所述概率;
其中所述车辆控制器进一步被编程为:
如果检测到所述概率的下降趋势,则响应于所述下降趋势来进一步降低所述概率。
12.根据权利要求11所述的***,其中所述车辆控制器进一步被编程为:
如果检测到所述概率的增长趋势,则响应于所述增长趋势来进一步提高所述概率。
13.根据权利要求8所述的***,进一步包含转向致动器、加速器致动器和制动致动器中的至少一个;
其中所述车辆控制器进一步被编程为如果所述概率满足所述阈值条件,则激活所述转向致动器、所述加速器致动器和所述制动致动器中的至少一个。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/363,763 | 2016-11-29 | ||
US15/363,763 US10315649B2 (en) | 2016-11-29 | 2016-11-29 | Multi-sensor probabilistic object detection and automated braking |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108116408A CN108116408A (zh) | 2018-06-05 |
CN108116408B true CN108116408B (zh) | 2022-11-08 |
Family
ID=60950680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711178723.0A Active CN108116408B (zh) | 2016-11-29 | 2017-11-23 | 多传感器概率对象和自动制动 |
Country Status (6)
Country | Link |
---|---|
US (2) | US10315649B2 (zh) |
CN (1) | CN108116408B (zh) |
DE (1) | DE102017127972A1 (zh) |
GB (1) | GB2557461A (zh) |
MX (1) | MX2017015102A (zh) |
RU (1) | RU2017134760A (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017201936A1 (de) * | 2017-02-08 | 2018-08-09 | Robert Bosch Gmbh | Verfahren zur Reduzierung eines Kollisionsschadens |
US10386856B2 (en) | 2017-06-29 | 2019-08-20 | Uber Technologies, Inc. | Autonomous vehicle collision mitigation systems and methods |
US10065638B1 (en) | 2017-08-03 | 2018-09-04 | Uber Technologies, Inc. | Multi-model switching on a collision mitigation system |
US10930001B2 (en) | 2018-05-29 | 2021-02-23 | Zebra Technologies Corporation | Data capture system and method for object dimensioning |
US10611372B2 (en) * | 2018-09-06 | 2020-04-07 | Zebra Technologies Corporation | Dual-mode data capture system for collision detection and object dimensioning |
FR3088041B1 (fr) * | 2018-11-02 | 2020-10-16 | Renault Sas | Procede d’elaboration d’une consigne de pilotage d’un vehicule automobile |
US11798291B2 (en) | 2019-05-30 | 2023-10-24 | Robert Bosch Gmbh | Redundancy information for object interface for highly and fully automated driving |
DE102019215622A1 (de) * | 2019-10-11 | 2021-04-15 | Robert Bosch Gmbh | Verfahren und Fahrerassistenzsystem zum Bestimmen der Passierbarkeit eines Fahrschlauchs |
US11314258B2 (en) * | 2019-12-27 | 2022-04-26 | Intel Corporation | Safety system for a vehicle |
US11713056B2 (en) * | 2019-12-28 | 2023-08-01 | Intel Corporation | Autonomous vehicle system for detecting safety driving model compliance status of another vehicle, and planning accordingly |
CN112339684B (zh) * | 2020-10-27 | 2021-12-24 | 广州汽车集团股份有限公司 | 一种基于概率分布的汽车安全机制触发方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101283387A (zh) * | 2005-09-09 | 2008-10-08 | 国立计算机与自动化研究所 | 车辆驾驶辅助方法及改进的相关装置 |
CN103975538A (zh) * | 2011-11-16 | 2014-08-06 | 谷歌公司 | 确定设备的情景的方法和*** |
CN104960509A (zh) * | 2014-01-29 | 2015-10-07 | 大陆汽车***公司 | 用于基于碰撞置信度最小化自动制动侵扰的方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5594414A (en) * | 1994-08-02 | 1997-01-14 | Namngani; Abdulatif | Collision probability detection system |
JP3470453B2 (ja) * | 1995-04-06 | 2003-11-25 | 株式会社デンソー | 車間距離制御装置 |
US6085151A (en) * | 1998-01-20 | 2000-07-04 | Automotive Systems Laboratory, Inc. | Predictive collision sensing system |
US6721659B2 (en) * | 2002-02-01 | 2004-04-13 | Ford Global Technologies, Llc | Collision warning and safety countermeasure system |
JP3931879B2 (ja) * | 2003-11-28 | 2007-06-20 | 株式会社デンソー | センサフュージョンシステム及びそれを用いた車両制御装置 |
JP2005268847A (ja) * | 2004-03-16 | 2005-09-29 | Olympus Corp | 画像生成装置、画像生成方法、および画像生成プログラム |
US7266477B2 (en) | 2005-06-22 | 2007-09-04 | Deere & Company | Method and system for sensor signal fusion |
DK1788461T3 (da) * | 2005-11-22 | 2009-10-26 | Multitel Asbl | Indretning og fremgangsmåde til konstruktion af et sensorarrangement til et sikkert automatiseret system, et automatiseret system, et programelement og et computerlæsbart medium |
DE102005059903A1 (de) * | 2005-12-15 | 2007-06-28 | Robert Bosch Gmbh | Sicherheitseinrichtung für Kraftfahrzeuge |
JP2007310741A (ja) | 2006-05-19 | 2007-11-29 | Fuji Heavy Ind Ltd | 立体物認識装置 |
US8812226B2 (en) * | 2009-01-26 | 2014-08-19 | GM Global Technology Operations LLC | Multiobject fusion module for collision preparation system |
DE102009045286A1 (de) * | 2009-10-02 | 2011-04-21 | Robert Bosch Gmbh | Verfahren zur Abbildung des Umfelds eines Fahrzeugs |
US9472097B2 (en) * | 2010-11-15 | 2016-10-18 | Image Sensing Systems, Inc. | Roadway sensing systems |
DE102011083770A1 (de) * | 2011-09-29 | 2013-04-04 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur rechnergestützten Verarbeitung des Nahfeldes eines Fahrzeugs |
DE102011087774A1 (de) * | 2011-12-06 | 2013-06-06 | Robert Bosch Gmbh | Verfahren zur Überwachung und Signalisierung einer Verkehrssituation im Umfeld eines Fahrzeuges |
US9920234B2 (en) * | 2012-01-18 | 2018-03-20 | Maersk Olie Og Gas A/S | Sealing fluid for setting a packer |
US20130197736A1 (en) | 2012-01-30 | 2013-08-01 | Google Inc. | Vehicle control based on perception uncertainty |
US9129211B2 (en) | 2012-03-15 | 2015-09-08 | GM Global Technology Operations LLC | Bayesian network to track objects using scan points using multiple LiDAR sensors |
US9255988B2 (en) | 2014-01-16 | 2016-02-09 | GM Global Technology Operations LLC | Object fusion system of multiple radar imaging sensors |
US9139204B1 (en) | 2014-06-12 | 2015-09-22 | GM Global Technology Operations LLC | Road surface condition detection with recursive adaptive learning and validation |
JP6481520B2 (ja) * | 2015-06-05 | 2019-03-13 | トヨタ自動車株式会社 | 車両の衝突回避支援装置 |
US9734455B2 (en) * | 2015-11-04 | 2017-08-15 | Zoox, Inc. | Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles |
-
2016
- 2016-11-29 US US15/363,763 patent/US10315649B2/en active Active
-
2017
- 2017-10-04 RU RU2017134760A patent/RU2017134760A/ru not_active Application Discontinuation
- 2017-11-23 CN CN201711178723.0A patent/CN108116408B/zh active Active
- 2017-11-24 MX MX2017015102A patent/MX2017015102A/es unknown
- 2017-11-27 GB GB1719652.8A patent/GB2557461A/en not_active Withdrawn
- 2017-11-27 DE DE102017127972.5A patent/DE102017127972A1/de active Pending
-
2019
- 2019-05-01 US US16/400,763 patent/US11220259B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101283387A (zh) * | 2005-09-09 | 2008-10-08 | 国立计算机与自动化研究所 | 车辆驾驶辅助方法及改进的相关装置 |
CN103975538A (zh) * | 2011-11-16 | 2014-08-06 | 谷歌公司 | 确定设备的情景的方法和*** |
CN104960509A (zh) * | 2014-01-29 | 2015-10-07 | 大陆汽车***公司 | 用于基于碰撞置信度最小化自动制动侵扰的方法 |
Non-Patent Citations (1)
Title |
---|
Object Existence Probability Fusion using Dempster-Shafer Theory in a High-Level Sensor Data Fusion Architecture;Michael Aeberhard等;《2011 IEEE Intelligent Vehicles Symposium》;20110609;770-775页 * |
Also Published As
Publication number | Publication date |
---|---|
US20180148047A1 (en) | 2018-05-31 |
US11220259B2 (en) | 2022-01-11 |
US10315649B2 (en) | 2019-06-11 |
US20190256089A1 (en) | 2019-08-22 |
MX2017015102A (es) | 2018-11-09 |
RU2017134760A (ru) | 2019-04-04 |
CN108116408A (zh) | 2018-06-05 |
GB201719652D0 (en) | 2018-01-10 |
GB2557461A (en) | 2018-06-20 |
DE102017127972A1 (de) | 2018-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108116408B (zh) | 多传感器概率对象和自动制动 | |
CN108062095B (zh) | 在概率框架内使用传感器融合的物体追踪 | |
US10949997B2 (en) | Vehicle localization systems and methods | |
RU2701051C2 (ru) | Способ, система и машиночитаемые запоминающие носители для выявления объектов с использованием рекуррентной нейронной сети и сцепленной карты признаков | |
EP3324332B1 (en) | Method and system to predict vehicle traffic behavior for autonomous vehicles to make driving decisions | |
US10228693B2 (en) | Generating simulated sensor data for training and validation of detection models | |
US20180211403A1 (en) | Recurrent Deep Convolutional Neural Network For Object Detection | |
US10336252B2 (en) | Long term driving danger prediction system | |
CN113950702A (zh) | 在视频分析应用中使用相关滤波器的多对象跟踪 | |
US11506502B2 (en) | Robust localization | |
CN113044059A (zh) | 用于车辆的安全*** | |
GB2555923A (en) | Perceiving roadway conditions from fused sensor data | |
US20190374151A1 (en) | Focus-Based Tagging Of Sensor Data | |
JP4896482B2 (ja) | 衝突判定装置 | |
US20220027653A1 (en) | Simultaneous Diagnosis And Shape Estimation From A Perceptual System Derived From Range Sensors | |
US11403948B2 (en) | Warning device of vehicle and warning method thereof | |
JP6193177B2 (ja) | 動作支援システム及び物体認識装置 | |
US20230182722A1 (en) | Collision avoidance method and apparatus | |
CN111169445A (zh) | 自动刹车***与方法 | |
CN115146539B (zh) | 车辆的安全评价参数确定方法、装置和车辆 | |
US20240123901A1 (en) | Method for outputting to a road user at least one warning signal from a vehicle operating fully autonomously | |
US20230054590A1 (en) | Validation of surrounding objects percieved by an ads-equipped vehicle | |
CN111114340B (zh) | 用于车辆的安全控制方法、装置及车辆 | |
KR20230034523A (ko) | 터널 진출입시 충돌방지장치 및 방법 | |
JP2017177837A (ja) | 制動支援装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |