CN108146503B - 车辆防撞 - Google Patents

车辆防撞 Download PDF

Info

Publication number
CN108146503B
CN108146503B CN201711235520.0A CN201711235520A CN108146503B CN 108146503 B CN108146503 B CN 108146503B CN 201711235520 A CN201711235520 A CN 201711235520A CN 108146503 B CN108146503 B CN 108146503B
Authority
CN
China
Prior art keywords
vehicle
geometric
computer
target vehicle
condition
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
Application number
CN201711235520.0A
Other languages
English (en)
Other versions
CN108146503A (zh
Inventor
奥斯瓦尔多·佩雷斯·巴雷拉
阿尔瓦罗·希门尼斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN108146503A publication Critical patent/CN108146503A/zh
Application granted granted Critical
Publication of CN108146503B publication Critical patent/CN108146503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
    • 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
    • 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
    • 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
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • B62D15/0265—Automatic obstacle avoidance by steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
    • B62D6/001—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits the torque NOT being among the input parameters
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
    • B60R2300/804—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for lane monitoring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
    • B60R2300/8093—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for obstacle warning
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/35—Road bumpiness, e.g. potholes
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种计算机，编程为：从车辆传感器接收图像数据；将多个几何形状与目标车辆的图像数据相关联；监测多个几何形状以发现表示目标车辆移动避开道路障碍的状况；以及响应于该状况而提供避开障碍的转向指令。

Description

车辆防撞
技术领域
本发明涉及机动车辆领域，尤其是，涉及包括防撞***的车辆。
背景技术
现代车辆可利用车辆传感器来检测道路障碍(例如行人、坑洼、从另一辆车上坠落的物体等)。例如，车载车辆计算机可配置成接收传感器输入，并且作出响应而控制车辆转向***、制动***等以避免与这些障碍发生接触或碰撞。在响应时间较短(即，检测障碍的时间较短以及计算机处理的时间较短)的情况下，防撞变得越来越困难。例如，考虑到第一车辆跟随第二车辆；第一车辆可能具有有限的视线并且无法检测到第二车辆前方的障碍。而如果第二车辆突然转向以避开障碍，则第一车辆可能没有足够的时间来避免与其发生碰撞。
发明内容
根据本发明的一方面，提供一种计算机，编程为：
从车辆传感器接收图像数据；
将多个几何形状与目标车辆的图像数据相关联；
监测多个几何形状以发现表示目标车辆移动避开道路障碍的状况；以及
响应于状况而提供避开障碍的转向指令。
根据本发明的一个实施例，多个几何形状包括与目标车辆的后上部相关联的第一几何形状以及与目标车辆的下后部相关联的第二几何形状。
根据本发明的一个实施例，第一几何形状和第二几何形状的至少其中之一为矩形。
根据本发明的一个实施例，计算机进一步编程为将多个几何形状中的每一个的至少一部分映射到目标车辆的后视图的***轮廓。
根据本发明的一个实施例，状况与在图像数据的两个或更多个帧内的多个几何形状的相对位移相关。
根据本发明的一个实施例，相对位移是在横向方向中。
根据本发明的一个实施例，计算机进一步编程为利用图像数据来确定第二状况，其中第二状况为在确定目标车辆移动避开道路障碍之前或在此期间目标车辆没有进行指示器信号致动，其中响应于状况和第二状况而提供转向指令。
根据本发明的一个实施例，计算机进一步编程为利用全球定位数据进行监测以确定道路路段是直的还是弯曲的，其中路段与目标车辆移动避开道路障碍的区域相关。
根据本发明的一方面，提供一种方法，包括：
从传感器接收目标车辆的图像数据；
将至少两个几何形状与图像数据相关联；
监测至少两个几何形状以发现表示目标车辆移动避开道路障碍的状况；以及
响应于确定状况而提供避开障碍的转向指令。
根据本发明的一个实施例，至少两个几何形状包括与目标车辆的后上部相关联的第一几何形状以及与目标车辆的下后部相关联的第二几何形状。
根据本发明的一个实施例，第一几何形状和第二几何形状的至少其中之一为矩形。
根据本发明的一个实施例，关联进一步包括将至少两个几何形状中的每一个的至少一部分映射到目标车辆的后视图的***轮廓。
根据本发明的一个实施例，确定与在图像数据的两个或更多个帧内的至少两个几何形状的相对位移相关。
根据本发明的一个实施例，相对位移是在横向方向中。
根据本发明的一个实施例，方法进一步包括：利用图像数据来确定包括在确定目标车辆转向避开道路障碍之前或在此期间目标车辆没有进行指示器信号致动的第二状况，其中响应于状况和第二状况而提供转向指令。
根据本发明的一个实施例，监测进一步包括：利用全球定位数据来确定道路路段是直的还是弯曲的，其中路段与目标车辆移动避开道路障碍的区域相关。
根据本发明的一方面，提供一种方法，包括：
在第一车辆中接收来自第一车辆中的传感器的多个数据帧；
确定第二车辆位于第一车辆的前方；
生成与第二车辆的后视图的形状相关联的多幅几何图像，多幅几何图像包括与第二车辆的后上部相关联的第一几何图像以及与第二车辆的下后部相关联的第二几何图像；
监测生成的第一几何图像和第二几何图像；以及
当生成的第一几何图像和第二几何图像相对于多个数据帧内的另一个对象横向移动时，则从处理器提供使第一车辆跟随第二车辆以及避开道路障碍的转向控制指令，
其中不依赖于第一车辆识别出道路障碍而提供转向控制指令。
根据本发明的一个实施例，第一几何图像和第二几何图像的至少其中之一为矩形。
根据本发明的一个实施例，生成进一步包括将第一几何图像和第二几何图像中的每一个的至少一部分映射到第二车辆的后视图的***轮廓。
根据本发明的一个实施例，方法进一步包括：利用多个数据帧来确定当生成的第一几何图像和第二几何图像横向移动时不存在指示器信号致动，其中至少部分响应于确定的不存在指示器信号致动而提供转向指令。
附图说明
图1为包括防撞***的示例性车辆的示意图；
图2为图1中所示车辆的立体图，该立体图示出了车辆传感器的视场；
图3为提供避开道路障碍的转向指令的说明性过程的流程图；
图4为图2中所示的车辆传感器捕捉到的示例性数字帧；
图5至图8示出了根据示例性示例的显示移动避开道路障碍的车辆的一系列示意图；
图9为车载车辆计算机的可供选择的示例。
具体实施方式
用于车辆12避开障碍或碰撞的***10包括感测***14和响应来自感测***14的输入的转向***16。总体上，车辆12可编程为在自主或自动驾驶模式下运行。感测***14中的车载车辆计算机20可编程为从车载车辆传感器22接收图像数据，利用该图像数据来识别目标车或前车，以及将一个或多个几何形状与前车相关联。之后，计算机20可监测相关联几何形状以寻找表示前车移动避开道路障碍(例如，转向等)的状况。当计算机20确定存在该状况时，计算机20可向车辆转向***16提供输出，以便车辆12可移动避开障碍。尤其是，车辆12可跟随前车的移动或路径来避免与障碍发生碰撞；例如，计算机20可配置或编程为在某些情况下指示车辆12跟随前车，而不依赖计算机20对障碍本身的任何检测和处理。
车辆12(图1至图2)可为乘用车或任何其他适合的车辆。例如，车辆可为包括感测***14和转向***16的摩托车、卡车、运动型多用途车(sports utility vehicle，SUV)、房车、船舶、飞机等。车辆12可自主地或半自主地运行。在自主运行(有时称为“完全自主”)期间，车辆12的计算机20控制车辆12的推进器(例如，包括内燃机和/或电动马达的动力传动***)、制动器以及转向器中的每一者。半自主意味着计算机20控制推进器、制动器以及转向器的至少其中一者。
如图1中所示，车辆感测***14包括经由通信链路26彼此相连的车载车辆计算机20和车载车辆传感器22。车载计算机20可为能够在车辆制造期间嵌入到车辆12内或者作为零配件市场的模块安装的模块化装置或计算机模块。或者，在一些实施方式中，计算机20可与其他现有车辆***或子***模块集成在一起。
车载计算机20包括连接到存储器32的处理器或处理电路30。例如，处理器30可为能够处理电子指令的任何类型的装置，非限制性示例包括微处理器、微控制器或控制器、专用集成电路(application specific integrated circuit，ASIC)等，仅以这些为例。处理器30可专用于计算机20，或者可与其他车辆***和/或子***共用处理器30。从下面的描述中可明显看出，车载计算机20可编程为执行本文中所述的至少一部分过程。例如，处理器30可配置成执行可存储在存储器32中的数字存储的指令，该指令使计算机20除了其他操作之外还能够接收来自传感器22的图像数据并且确定是否跟随前车以便避免与道路障碍等相撞。
存储器32可包括任何非暂时性计算机可用或可读介质，该非暂时性计算机可用或可读介质可包括一个或多个存储装置或物品。示例性的非暂时性计算机可用存储装置包括传统的计算机***RAM(random access memory，随机存取存储器)、ROM(read onlymemory，只读存储器)、EPROM(erasable,programmable ROM，可擦除可编程只读存储器)、EEPROM(electrically erasable,programmable ROM，电可擦除可编程只读存储器)以及任何其他易失性或非易失性介质。非易失性介质包括例如光盘或磁盘以及其他持久性存储器。易失性介质包括通常构成主存储器的动态随机存取存储器(dynamic random accessmemory，DRAM)。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字化视频光盘(Digital Video Disk，DVD)，任何其他光学介质、穿孔卡片、纸带、具有孔图案的任何其他物理介质、RAM、可编程只读存储器(Programmable Read-Only Memory，PROM)、EPROM、闪速电可擦除可编程只读存储器(Flash Electrically Erasable Programmable Read-OnlyMemory，FLASH-EEPROM)、任何其他存储器芯片或盒，或者任何其他计算机可读取的介质。如上面所讨论的，存储器32可存储一个或多个可体现为软件、固件等的计算机程序产品。
在至少一个示例中，存储器32存储处理器30可执行的指令，该指令用来执行下述过程的框。例如，计算机可执行指令可以由计算机程序编译或解释，计算机程序采用多种编程语言和/或技术创建，这些编程语言和/或技术包括但并不限于单独的或组合的JavaTM、C、C++、Visual Basic、Java Script、Perl、HTML等。存储器32还可以以文件的形式存储数据。计算装置中的文件通常为存储在计算机可读介质(例如存储介质、随机存取存储器等)上的数据的集合。
车辆传感器22可包括用于感测车辆的环境以及该环境内的物体的任何适合的模块化装置。根据一个非限制性示例，传感器22为成像装置(例如，电荷耦合器件(charge-coupled device，CCD)、互补金属氧化物半导体(complementary metal-oxidesemiconductor，CMOS)、电荷注入器件(charge injection device，CID)、光探测和测距(light detection and ranging，LIDAR)装置或者本领域中还已知的其他成像装置)。当然，这些仅仅为示例，并且其他实施方式也是可能的。另外，传感器22可为包括多个传感器装置的所谓的传感器阵列等。
图2示出了安装在具有向前的视场35的第一位置34中(例如，位于车辆挡风玻璃上方靠近中心)的传感器22。位置34仅仅为一个示例；例如，传感器22也可安置在车辆12中至少提供部分向前的视场的其他区域中(举例来说，例如在第二位置36处(例如在车辆格栅等上或附近))。还可想到其他位置。另外，虽然传感器位置34、36可沿着车辆12的纵向延伸的竖直平面(未示出)居中设置，但是这不是必需的。并且在至少一个示例中，传感器22被集成或嵌入到车辆的车身38内(例如，从车辆12的外部只能看到透镜或孔)。
在至少一种实施方式中，传感器22的主要功能可为提供用于在自主模式或部分自主模式下操作车辆12的图像数据(例如，用来操作车辆12中的车道偏离报警***的图像数据、用来操作停车辅助***的图像数据、用来操作两侧来车警告***的图像数据等)。因此，在至少一个示例中，传感器22主要由其他车辆***来使用。当车辆利用自主转向模式运行时，传感器22还可与感测***14一起使用。如本文中所使用的，自主转向模式为计算机(举例来说，例如计算机20)控制或至少部分地控制车辆12的移动(例如，车辆12的方向和/或速度)的模式。因此，在这种自主转向模式下，车辆12的驾驶员可以不提供任何转向输入(例如，计算机20或其他适合的计算机可控制车辆转向和/或移动的各个方面)，或者计算机20可承担对车辆12的转向和/或移动的临时控制(例如，当车辆12突然移动避开道路障碍时)，如下面的过程中所描述的。在至少一个示例中，计算机20可在自主转向模式下控制车辆移动的其他方面(例如，在控制车辆12转向的同时控制减速或加速)。
尽管已将传感器22和计算机20描述为单独的装置，但是这当然仅仅为示例性的。例如，在至少一个可供选择的示例(图9)中，计算机20’和至少一个传感器22’承载于同一模块内(这里，相似的附图标记表示相同或相似的特征和/或功能)。
返回到图1，计算机20和传感器22之间的通信链路26可体现为任何适合的有线或无线连接或计算机网络。非限制性的有线实施方式包括通信总线(例如，实施控制器局域网等)、分立电线、分立光缆束等(例如，由金属线、光缆等组成)。在无线实施方式中，计算机20和传感器22可包括有助于根据任何适合的短距离无线通信协议(举例来说，例如蓝牙技术(Bluetooth)、蓝牙低功耗技术(Bluetooth Low Energy，BLE)、无线保真技术(WirelessFidelity，Wi-Fi)等)发送和/或接收数据的发送器、接收器或二者。其他通信链路(例如，感测***14与转向***16之间的链路40)可与链路26相同(或具有类似的特征)。进一步地，虽然在图1中未示出，但是要领会的是，处理器30和存储器32相互连接并且可连接到其他电路装置或者元件(未示出)。
现在转到转向***16(图1)，***16可包括转向致动器50和车轮52。转向致动器50可适于接收机械输入、电输入或二者，并且致动器50可配置成响应于该输入而提供移动车轮52的相应输出。***16可采用或者不采用自主转向模式进行操作。致动器50的非限制性示例包括方向盘、电动马达等。在一些实施方式中，机械转向联动机构54可将致动器50连接到车轮52(例如，像在齿条和小齿轮装置中那样)。或者，例如，在线控驱动的示例中，联动机构54可为控制器(例如，致动器50)与转动车轮52的一个或多个马达和齿轮之间的电耦合。在至少一个示例中，致动器50可与车载计算机20进行通信(例如，并且接收控制车辆转向、车辆速度、车辆制动等的指令)。在至少一个示例中，该指令体现为电信号或光信号；然而，这仅仅为示例并且还存在其他有线和无线示例。本领域技术人员将领会转向***16的其他方面、转向***16的组件和构造以及控制转向***16的技术。
在下面的描述中，车辆12称为第一或“对象车辆”，即，采取跟随第二车辆(例如，前车或者至少部分位于对象车辆12前方的车辆)的动作以避免与道路物体或障碍相撞的车辆。如下面将要讨论的，感测***14的车载计算机20可编程为执行下面一组指令：从车辆传感器22接收图像数据或图像帧(例如，视频数据或视频帧、其他适合的数据或数据帧等)、从该图像数据中识别前车、将一个或多个几何图像或形状映射到成像的前车、以及通过监测该几何形状来监测前车的行为。通过这种方式，例如，由于计算机20可监测或跟踪几何图案，而不是监测(前车的)相对较复杂的图像，因此可最小化与监测前车相关的至少一些检测和处理时间。例如，监测几何形状可减少或最小化与车辆颜色、背景颜色、颜色变化和/或亮度或强度变化(例如，由于前车经过阴影所导致的)、天气变化(云覆盖、降雨等)等相关的处理。
因此，如下面进一步的说明，计算机20可执行确定前车何时移动或转向以避免与道路障碍接触的指令。并且计算机20的处理器30可响应于这样的确定而提供触发转向***16的致动的命令或控制指令，以便对象车辆12跟随前车并且做出类似的移动以避免与障碍接触。
图3描绘了当对象车辆12正在自主转向模式下运行时提供转向指令的说明性过程300。过程300可从框310开始，在框310，车载计算机20经由通信链路26(例如，在本实施方式中，经由数据总线)从传感器22(例如，在本实施方式中，从CCD摄像机)接收图像数据。框310可在过程300的剩余步骤期间连续地或间歇地出现。如本文中所使用的，图像数据包括在一个或多个数字帧内捕捉到的信息；例如，图像数据可包括体现视频或流数据的连续或按顺序的数字帧(例如，根据感测或采样率)。因此，在传感器22正在将额外接收或捕捉到的图像数据转换或数字化的同时可将一些图像数据发送到车载计算机20。该信息可包括模拟数据、数字数据或其组合；例如，该信息可由像素数据阵列等组成。
图4至图8描绘了过程300中描述的示例性道路场景。图4示出了(对象车辆12的)前置车辆传感器22捕捉到的示例性数字帧60。例如，在帧60内，图像数据包括道路62、多座建筑物64-68、多棵乔木或灌木70-73、两辆停放的车辆74-76以及前车80的后端78。在框310之后的框320中，车载计算机20(更具体地，处理器30)识别前车80，例如，前车80可至少部分位于对象车辆12的前方。可利用一种或多种目标识别技术和存储在存储器32中并且可由处理器30执行的一种或多种目标识别算法来识别前车80。例如，处理器30可将前车80的后视图81与存储在存储器32中的不同车辆图像的目录进行比较并且基于该比较(例如，匹配算法)来确定或识别前车80。或者，处理器30可通过识别前车80的一个或多个特征(例如，轮胎、挡风玻璃、指示灯、车号牌100等)来识别前车80(例如，特征识别算法)。这些算法仅仅为示例；还可利用其他适合的技术来从图像数据里的其他信息中识别前车80。在至少一个示例中，处理器30至少识别车辆80的后端78。
一旦识别出前车80，处理器30即可将一个或多个几何形状与前车80关联起来。例如，图4示出了映射到前车80的下后部86的第一几何形状84(例如，矩形)，并且第二几何形状88(例如，另一个矩形)映射到前车80的后上部90。根据一个示例，每个几何形状84、88的至少一部分可映射成覆盖前车80的后视图81的***轮廓92。根据其他示例，前置传感器22可视的任何特征均可以被映射；例如，描绘后方指示灯96、后车窗98、车号牌100等中的一个或多个的全部或一部分的轮廓。
进一步地，所示的矩形形状84、88及其数量为示例性的。例如，可使用单个几何形状；或者可使用多于两种的几何形状。适合几何形状的非限制性示例包括矩形、椭圆形、三角形、梯形以及其他多边形。根据至少一个示例，两种或更多种几何形状到前车80的映射会提供冗余并且避免与关于可通过类似方式映射的其他环境对象(64-76)的信息的计算混淆。例如，图4示出了多个其他几何形状：限定道路62的几何形状102、104(例如，收敛线)；分别与建筑物64、66、68相关联(例如，映射到建筑物64、66、68)的几何形状106、108、110；分别映射到乔木和灌木70、72、73的几何形状112、114、116；映射到停放的车辆74的几何形状118、120、122、124、126；以及映射到停放的车辆76的几何形状128、130、132、134。因此，在一些实施方式中，可期望的是，利用预期在针对前车80的传感器视场35内同时移动的至少两个几何形状84、88，以便避免和可与每个数字帧60内的其他信息相关联的多个其他几何形状混淆。例如，利用两个几何形状，可将前车80的后侧与另一辆车的前侧区别开。例如，在至少一个示例中，如果在两种情况下使用单一形状(例如，单个矩形)，则处理器30可能更难以区分前车80的前端和后端78。另外，例如，要注意的是，多个映射的几何形状118-126至少部分限定停放的车辆74的前视图；进一步地，这些形状具有透视性(例如，根据图4中的消失点(未示出))。然而，映射到前车80的两个几何形状84、88可不受透视性的影响(例如，因为车辆80几乎正好在对象车辆12的前方)，从而使对象车辆12能够更好地检测和跟随前车80的后端78，下面做出更多的描述。
如本文中所使用的，术语映射包括利用处理器30将一个或多个预定几何形状(举例来说，例如一个或多个矩形、椭圆、三角形、梯形或其他多边形)与前车80的后端78处的一个或多个特征关联起来，并且响应于该关联而然后将一个或多个预定几何形状分配给那些部分。该一个或多个特征不需要限定车辆80的***轮廓92；然而，在至少一个示例中，预定几何形状共同覆盖至少25％的轮廓92。
也可通过其他方式使用几何形状(例如，84、88)。例如，可利用一个或多个几何形状完全包围或界定前车80的***轮廓92。
在过程300的框340中，处理器30可监测或跟踪前车80的几何形状84、88以发现预定义或预定状况，该预定义或预定状况表示前车80移动避开道路障碍。这可发生在每次发动机点火时序期间；或者至少在对象车辆12正在自主转向模式下运行时。
在框340的至少一个示例中，基于几何形状84、88相对于传感器视场35内的另一个对象的移动来确定预定状况。例如，该状况可为几何形状84、88相对于道路62(例如，相对于线102、104，例如，在横向方向中)的横向位移。如果该横向位移大于存储在存储器32中的预定阈值，则可确定或识别出该状况。而且，该状况可包括确定相对于预定时间段或者相对于两个或更多个按时间顺序或按顺序接收到的数字帧大于该预定阈值的位移。实际上，该预定阈值可与几何形状84、88相对于线102、104(例如，具有大于存储在存储器32中的预定阈值的速度和/或加速度)的快速移动相关。通过这种方式，不会由以正常或典型的方式(例如，因非紧急原因，即，不采取某个躲避动作)变道的前车80错误地确定该状况。
也可利用其他相对位移。例如，可通过监测几何形状84、88相对于数字帧60的外周142(图4)的横向位移来确定框350中的预定状况。或者，可通过监测形状84、88相对于传感器视场35内的其他几何形状(例如，相对于形状106-110(建筑物)、形状118-134(停放的车辆)等)的位移来确定该状况。
在框340之后的框350中，处理器30确定是否存在预定状况。当存在该状况时，过程300继续进行到框360；而当不存在该状况时，处理器30可循环回去并且继续监测(框340)。
在框350可能需要额外的标准来确定该状况。例如，可能需要几何形状84、88一起移动；否则，处理器30可检测出映射误差。在另一个示例中，可采用几何形状84、88的相对大小作为标准；例如，可基于横向位移(根据预定阈值)和几何形状84、88的相对大小的增加来确定该状况。例如，应当领会的是，从传感器22的视角看，当车辆80更靠近传感器22(从而更靠近对象车辆12)时，映射到前车80的几何形状84、88相对于数字帧60的外周142看起来将变得更大。这会在前车80减速时发生，这经常会伴随着车辆80转向以避开道路62中的障碍而发生。而且，可基于几何形状84、88的相对大小的变化率大于另一个预定阈值(例如，表明车辆80迅速减速)来确定该状况。处理器30在确定是否存在框350的该状况时可以确定替代这些标准或除了这些标准之外的其他适合的标准；这些仅仅为示例。
图5示出了框340和框350。在图示中，对象车辆12正在跟随前车80并且对预定状况进行监测。每当处理器30确定不存在该状况时(框350)，处理器便继续监测(循环回去并且重复框340)。图5还示出了道路障碍150(例如，第三车辆)，由于车辆80至少部分阻碍了传感器视场35(例如，前车80对着传感器视场35中否则会包括第三车辆150的那部分)，因此传感器22没有检测到道路障碍150。虽然障碍150图示为另一辆车，但是应当领会的是，其他障碍也在考虑范围内(例如，包括但不限于行人、坑洼、落入车道62中的物体)。在该描述以及图6中，车辆150正在道路62的单行路段向错误的方向行驶。在至少一个示例中，此时在对象车辆12上没有其他传感器检测车辆150。
随着图7中的前车80突然转向以避免与车辆150迎面相撞，继续执行框340至框350。处理器30从传感器22接收图像数据，并且处理器30基于先前的映射框(330)来确定几何形状正在根据预定状况横向位移。第一次，可通过对象车辆12的传感器22来检测车辆150。要注意的是，可在整个障碍150(例如，第三车辆的前端152)完全进入传感器视场35之前确定该状况。进一步地，可不依赖于处理器30(或者对象车辆12上的任何其他子***)将道路障碍150识别为危险和/或确定并执行防撞操作而确定预定状况。
一经确定存在预定状况，在框360处理器30即向转向***16提供或发送转向或转向控制指令，当***16接收到转向或转向控制指令时，转向或转向控制指令使转向***避开第三车辆150。该指令促使转向***16跟随前车80的路径。也可将该指令发送到车辆12的其他***(例如，包括车辆12的制动***等)。当正在自主转向模式下操作对象车辆12时，通过基于除非前车80转向以避开障碍(例如，障碍150)否则前车80不会以这种方式转向的假设来跟随前车80的路径，可节省计算机20的计算时间。因此，对象车辆12可编程为通过模仿前车80的行为(即，先前确定要采取躲避动作)来避免与车辆150相撞，而不是在处理器30或其他车辆***处独立地确定不同路径。
在框360之后，过程300结束。
还存在其他示例。例如，在过程300中，计算机20可至少部分基于利用图像数据确定至少一种其他状况来提供指令(例如，在框360)(参见图3中的框370)。例如，计算机20可确定第二种状况：在确定横向位移大于阈值的状况期间或者恰好在此之前前车80没有发出信号(框350)，例如，在计算机20确定前车80移动避开道路障碍150之前或在此期间，计算机20可利用来自传感器22的图像数据来确定前车80没有进行指示器信号致动。通过确定横向移动大于阈值以及没有前车的转弯指示，计算机20可以以较大置信因子确定跟随前车80的路径。因此，在至少一个示例中，响应于计算机确定多种状况(框350、框370)而提供转向指令。在该示例中，如果不存在至少一种其他状况，则计算机20可继续监测几何形状(例如，循环回到过程框340)。
根据另一个示例，计算机20从车辆12的导航***(例如，提供全球定位数据)接收定位信息，并且计算机20利用该信息来确定当前路段是直的还是弯曲的。例如，在框340计算机20在监测几何形状以发现框350的该状况时可利用该信息。例如，当车辆12位于直线路段时，一些较小的、快速的横向移动或位移可表示前车80正在移动以避免碰撞(例如，因为预计前车80不会朝向道路的另一个区域横向位移很多)。然而，这些较小的横向移动中的一部分可能不表示前车80正在移动以避免碰撞，例如，前车80因道路弯曲或曲折而在横向方向中移动。因此，通过得知这些直的或弯曲的道路特征，计算机20可最小化错误位移判定的次数(例如，前车80不是为了避免碰撞反而是为了沿着弯曲的道路行驶而做出的横向移动)。因此，当计算机20得知当前路段弯曲(例如，向左)并且前车80因此横向移动(例如，向左)时，这不会触发在框350确定的状况。类似地，如果当前路段向右弯曲，计算机20检测到前车80向左轻微横向移动，则这可表示避免与道路障碍相撞的移动(从而确定框350的状况)。
因此，本文已描述了一种车辆防撞***，该车辆防撞***包括具有处理器和存储器的车载计算机，其中计算机编程为从传感器接收图像数据，将几何形状与图像数据里的前车图像相关联，以及当处理器利用几何形状来确定前车正在移动避开道路障碍时提供转向或控制指令。
通常，所述的计算***和/或装置可采用任意数量的计算机操作***，计算机操作***包括但决不限于各种版本和/或各种变体的福特同步(Ford
Figure BDA0001488907150000141
)应用程序、应用程序链接/智能设备链接中间件(AppLink/Smart Device Link middleware)、微软汽车(
Figure BDA0001488907150000142
Automotive)操作***、微软
Figure BDA0001488907150000143
(Microsoft
Figure BDA0001488907150000144
)操作***、Unix操作***(例如，由加利福尼亚州的红木海岸甲骨文公司发行的
Figure BDA0001488907150000145
操作***)、由纽约阿蒙克IBM发行的AIX UNIX操作***、Linux操作***、由加利福尼亚州库比蒂诺的苹果公司发行的Mac OSX以及iOS操作***、由加拿大滑铁卢黑莓公司发行的黑莓OS以及由谷歌公司和开放手机联盟开发的Android操作***，或者由QNX软件***公司提供的
Figure BDA0001488907150000146
车辆信息娱乐平台。计算装置的示例包括但不限于车载计算机、计算机工作站、服务器、桌面、笔记本电脑、便携式电脑或掌上电脑或一些其他的计算***和/或装置。
计算装置通常包括计算机可执行指令，其中该指令可以由一个或多个计算装置(例如上面所列的那些)执行。计算机可执行指令可以由计算机程序编译或解释，计算机程序采用多种编程语言和/或技术创建，这些编程语言和/或技术包括但并不限于单独的或组合的JavaTM、C、C++、Visual Basic、Java Script、Perl等。这些应用程序中的一些可在虚拟机(例如Java虚拟机、Dalvik虚拟机等)上编译和执行。通常，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令，并且执行这些指令，由此完成一个或多个过程，包括这里所描述的一个或多个过程。这样的指令和其他数据可以采用各种计算机可读介质存储和传送。
计算机可读介质(也称为处理器可读介质)包括参与提供数据(例如，指令)的任意非暂时性的(例如，有形的)介质，该数据可以由计算机(例如，由计算机的处理器)读取。这样的介质可以采用多种形式，包括但不限于非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他永久性存储器。易失性介质可以包括例如一般构成主存储器的动态随机存取存储器(dynamic random access memory，DRAM)。这样的指令可以通过一种或多种传输介质传输，一种或多种传输介质包括同轴线缆、铜线和光纤，包括内部包含耦接于计算机的处理器的***总线的线缆。计算机可读介质的常规形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字化视频光盘(Digital Video Disk，DVD)、任何其他光学介质、穿孔卡片、纸带、具有孔图案的任何其他物理介质、随机存取存储器(Random-Access Memory，RAM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、闪速电可擦除可编程只读存储器(Flash Electrically Erasable Programmable Read-Only Memory，FLASH-EEPROM)、任何其他存储器芯片或盒，或者任何其他计算机可读取的介质。
数据库、数据存储库或本文所描述的其他数据存储可以包括用于存储、访问和检索各种数据的各种机构，该机构包括分层数据库、文件***中的文件组、具有专有格式的应用数据库、关系数据库管理***(relational database management system，RDBMS)等。每一个这样的数据存储通常包括在采用了例如上述之一的计算机操作***的计算装置内，并且通过网络以任意一种或多种方式被访问。文件***可以从计算机操作***访问，并且可包括以各种格式存储的文件。除了用于创建、存储、编辑以及执行存储的程序的语言，RDBMS通常采用结构化查询语言(Structured Query Language，SQL)，例如前面所述的过程化SQL(PL/SQL)语言。
关于这里所述的介质、过程、***、方法等，应理解的是，虽然这样的过程等的框描述为按照一定的顺序排列发生，但这样的过程可以采用以这里描述的顺序之外的顺序执行的所述框来实施。进一步应该理解的是，某些框可以同时执行，可以添加其他框，或者可以省略这里所述的某些框。换言之，这里提供的***和/或过程的描述是用于举例说明某些示例的目的，并且决不应该解释成限制所公开的主题。
因此，应理解的是，包括上面的描述和附图以及下面的权利要求的本公开意在举例说明而不是限制。在阅读上面的描述时，除了提供的示例外许多示例和应用对本领域的技术人员而言都是显而易见的。本发明的范围应参照本文所附的和/或包含在基于此的非临时专利申请中的权利要求连同与该权利要求所要求的权利等效的全部范围而确定，而不是参照上面的说明而确定。可以预期和计划的是，这里所讨论的技术将出现进一步的发展，并且所公开的***和过程将可以结合到这样的进一步示例中。总之，应理解的是，所公开的主题能够做出修改和变化。

Claims (14)

1.一种车辆防撞方法，包括：
从传感器接收目标车辆的图像数据；
将至少两个几何形状与所述图像数据相关联；
利用所述图像数据，监测所述至少两个几何形状的横向位移以发现表示所述目标车辆移动避开道路障碍的第一状况；
利用所述图像数据，监测在确定所述目标车辆转向避开所述道路障碍之前或在此期间所述目标车辆没有进行指示器信号致动的第二状况；以及
响应于确定所述第一状况和所述第二状况而提供跟随所述目标车辆以避开所述障碍的转向指令。
2.根据权利要求1所述的方法，其中所述至少两个几何形状包括与所述目标车辆的后上部相关联的第一几何形状以及与所述目标车辆的下后部相关联的第二几何形状。
3.根据权利要求2所述的方法，其中所述第一几何形状和所述第二几何形状的至少其中之一为矩形。
4.根据权利要求1所述的方法，其中关联进一步包括将所述至少两个几何形状中的每一个的至少一部分映射到所述目标车辆的后视图的***轮廓。
5.根据权利要求1所述的方法，其中所述第一状况的确定与在图像数据的两个或更多个帧内的所述至少两个几何形状的相对位移相关。
6.根据权利要求5所述的方法，其中所述相对位移是在横向方向中。
7.根据权利要求1所述的方法，进一步包括：当所述至少两个几何形状的横向位移大于预定阈值时，确定发现表示所述目标车辆移动避开道路障碍的第一状况。
8.根据权利要求1所述的方法，其中监测进一步包括：利用全球定位数据来确定所述道路的路段是直的还是弯曲的，其中所述路段与所述目标车辆移动避开所述道路障碍的区域相关。
9.一种车辆防撞方法，包括：
在第一车辆中接收来自所述第一车辆中的传感器的多个数据帧；
确定第二车辆位于所述第一车辆的前方；
生成与所述第二车辆的后视图的形状相关联的多幅几何图像，所述多幅几何图像包括与所述第二车辆的后上部相关联的第一几何图像以及与所述第二车辆的下后部相关联的第二几何图像；
监测生成的所述第一几何图像和所述第二几何图像；以及
当监测到以下情况时，则从处理器提供使所述第一车辆跟随所述第二车辆以及避开道路障碍的转向控制指令：
(a)生成的所述第一几何图像和所述第二几何图像相对于所述多个数据帧内的另一个对象横向移动；以及
(b)确定当生成的所述第一几何图像和所述第二几何图像横向移动时不存在指示器信号致动，
其中不依赖于所述第一车辆识别出所述道路障碍而提供所述转向控制指令。
10.根据权利要求9所述的方法，其中所述第一几何图像和所述第二几何图像的至少其中之一为矩形。
11.根据权利要求9所述的方法，其中生成进一步包括将所述第一几何图像和所述第二几何图像中的每一个的至少一部分映射到所述第二车辆的后视图的***轮廓。
12.一种计算机，编程为执行根据权利要求1-11中任一项所述的方法。
13.一种计算机程序产品，包括计算机可读介质，所述计算机可读介质存储可由计算机处理器执行以执行根据权利要求1-11中任一项所述的方法的指令。
14.一种计算机，包括：
处理器和存储所述处理器可执行的指令的存储器，所述指令包括：
从车辆传感器接收图像数据；
将多个几何形状与目标车辆的所述图像数据相关联；
利用所述图像数据，监测所述多个几何形状的横向位移以发现表示所述目标车辆移动避开道路障碍的第一状况；
利用所述图像数据，监测在确定所述目标车辆转向避开所述道路障碍之前或在此期间所述目标车辆没有进行指示器信号致动的第二状况；以及
响应于所述第一状况和所述第二状况而提供跟随所述目标车辆以避开所述障碍的转向指令。
CN201711235520.0A 2016-12-05 2017-11-30 车辆防撞 Active CN108146503B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/368,926 2016-12-05
US15/368,926 US10629079B2 (en) 2016-12-05 2016-12-05 Vehicle collision avoidance

Publications (2)

Publication Number Publication Date
CN108146503A CN108146503A (zh) 2018-06-12
CN108146503B true CN108146503B (zh) 2022-08-02

Family

ID=60950684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711235520.0A Active CN108146503B (zh) 2016-12-05 2017-11-30 车辆防撞

Country Status (6)

Country Link
US (1) US10629079B2 (zh)
CN (1) CN108146503B (zh)
DE (1) DE102017128502A1 (zh)
GB (1) GB2558777A (zh)
MX (1) MX2017015485A (zh)
RU (1) RU2017135143A (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10360636B1 (en) 2012-08-01 2019-07-23 Allstate Insurance Company System for capturing passenger and trip data for a taxi vehicle
US11307042B2 (en) * 2015-09-24 2022-04-19 Allstate Insurance Company Three-dimensional risk maps
US10699347B1 (en) 2016-02-24 2020-06-30 Allstate Insurance Company Polynomial risk maps
US10264111B2 (en) 2016-10-04 2019-04-16 Allstate Solutions Private Limited Mobile device communication access and hands-free device activation
US9979813B2 (en) 2016-10-04 2018-05-22 Allstate Solutions Private Limited Mobile device communication access and hands-free device activation
US11295218B2 (en) 2016-10-17 2022-04-05 Allstate Solutions Private Limited Partitioning sensor based data to generate driving pattern map
CN109643128B (zh) * 2017-08-07 2022-02-25 松下电器产业株式会社 移动体及移动体的控制方法
US11112780B2 (en) * 2018-03-07 2021-09-07 Skylla Technologies, Inc. Collaborative determination of a load footprint of a robotic vehicle
CN108995584A (zh) * 2018-07-27 2018-12-14 合肥市智信汽车科技有限公司 一种基于红外激光辅助的车辆后向避撞***
EP3850604A4 (en) * 2018-09-14 2022-06-15 Optimum Semiconductor Technologies, Inc. DUAL ADAPTIVE ANTI-COLLISION SYSTEM
US10793150B2 (en) * 2018-09-14 2020-10-06 Wipro Limited Method and device for controlling vehicle based on neighboring vehicles
US11110922B2 (en) * 2018-11-05 2021-09-07 Zoox, Inc. Vehicle trajectory modification for following
GB2579023B (en) * 2018-11-14 2021-07-07 Jaguar Land Rover Ltd Vehicle control system and method
CN109814112A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 一种超声波雷达与激光雷达信息融合方法和***
US11059480B2 (en) * 2019-04-26 2021-07-13 Caterpillar Inc. Collision avoidance system with elevation compensation
CN112440873A (zh) * 2019-08-29 2021-03-05 北京新能源汽车股份有限公司 一种挪车提醒***
JP6997156B2 (ja) * 2019-09-30 2022-01-17 本田技研工業株式会社 走行支援システム、走行支援方法およびプログラム
US11767037B2 (en) * 2020-09-22 2023-09-26 Argo AI, LLC Enhanced obstacle detection
JP7468409B2 (ja) * 2021-03-01 2024-04-16 トヨタ自動車株式会社 車両衝突回避支援装置
JP2022175143A (ja) * 2021-05-13 2022-11-25 アルプスアルパイン株式会社 道路情報収集装置
CN117555333A (zh) * 2023-11-21 2024-02-13 深圳云程科技有限公司 一种动态行进轨迹的处理***及方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004078333A (ja) * 2002-08-12 2004-03-11 Nissan Motor Co Ltd 走行経路生成装置
US6853738B1 (en) * 1999-06-16 2005-02-08 Honda Giken Kogyo Kabushiki Kaisha Optical object recognition system
EP1557332A2 (en) * 2004-01-21 2005-07-27 Nissan Motor Co., Ltd. Vehicle driving control device
JP2008114672A (ja) * 2006-11-02 2008-05-22 Aisin Aw Co Ltd 運転支援装置および運転支援方法
US20090184845A1 (en) * 2008-01-22 2009-07-23 Toru Saito Vehicle Detecting System
JP2010198513A (ja) * 2009-02-27 2010-09-09 Alpine Electronics Inc 前方車両横移動警告装置
JP2013109455A (ja) * 2011-11-18 2013-06-06 Clarion Co Ltd 画像処理装置、車両システム、及び、画像処理方法
WO2014198440A1 (de) * 2013-06-12 2014-12-18 Robert Bosch Gmbh Vorausschauende steuerung eines kraftfahrzeugs
CN105270287A (zh) * 2014-05-28 2016-01-27 Lg电子株式会社 车辆驾驶辅助装置及具有该车辆驾驶辅助装置的车辆
CN106030609A (zh) * 2013-12-04 2016-10-12 移动眼视力科技有限公司 用于模仿前车的***和方法
EP3155446A1 (fr) * 2014-06-12 2017-04-19 Valeo Schalter und Sensoren GmbH Procédé et système d'estimation d'un paramètre dans un véhicule automobile et véhicule automobile équipé d'un tel système
CN107709122A (zh) * 2015-07-15 2018-02-16 康蒂-特米克微电子有限公司 机动车辆的前瞻性控制***
CN111483459A (zh) * 2019-01-29 2020-08-04 丰田自动车株式会社 车辆控制装置

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6026347A (en) 1997-05-30 2000-02-15 Raytheon Company Obstacle avoidance processing method for vehicles using an automated highway system
DE10231556A1 (de) * 2001-07-11 2003-01-23 Bosch Gmbh Robert Verfahren und Vorrichtung zur Prädiktion von Bewegungstrajektorien von Objekten
JP3861781B2 (ja) * 2002-09-17 2006-12-20 日産自動車株式会社 前方車両追跡システムおよび前方車両追跡方法
US7561720B2 (en) * 2004-04-30 2009-07-14 Visteon Global Technologies, Inc. Single camera system and method for range and lateral position measurement of a preceding vehicle
US8139109B2 (en) 2006-06-19 2012-03-20 Oshkosh Corporation Vision system for an autonomous vehicle
US8098889B2 (en) * 2007-01-18 2012-01-17 Siemens Corporation System and method for vehicle detection and tracking
JP4557041B2 (ja) * 2008-04-18 2010-10-06 株式会社デンソー 車両用画像処理装置
JP5110437B2 (ja) 2008-09-26 2012-12-26 株式会社エクォス・リサーチ 車両
US9165468B2 (en) * 2010-04-12 2015-10-20 Robert Bosch Gmbh Video based intelligent vehicle control system
EP2628062B1 (en) 2010-10-12 2019-06-12 Volvo Lastvagnar AB Method and arrangement for entering a preceding vehicle autonomous following mode
JP5580233B2 (ja) * 2011-03-22 2014-08-27 富士重工業株式会社 車外監視装置および車外監視方法
DE112012002885B4 (de) * 2011-07-08 2022-01-27 Bendix Commercial Vehicle Systems Llc Verfahren und Vorrichtung zur bildbasierten Fahrzeugerfassung und Entfernungsmessung
JP5522157B2 (ja) * 2011-12-14 2014-06-18 株式会社デンソー 先行車判定装置および車間制御装置
CN104321665B (zh) * 2012-03-26 2017-02-22 罗伯特·博世有限公司 基于多表面模型的跟踪
US9195914B2 (en) * 2012-09-05 2015-11-24 Google Inc. Construction zone sign detection
US8473144B1 (en) 2012-10-30 2013-06-25 Google Inc. Controlling vehicle lateral lane positioning
JP2014227000A (ja) * 2013-05-21 2014-12-08 日本電産エレシス株式会社 車両制御装置、その方法およびそのプログラム
KR101550972B1 (ko) * 2013-09-25 2015-09-07 현대자동차주식회사 레이저 스캐너를 이용하여 장애물을 인식하기 위한 특징점 추출 장치 및 방법
US9607228B2 (en) * 2014-02-14 2017-03-28 Toyota Motor Engineering & Manufacturing North America, Inc. Parts based object tracking method and apparatus
JP6430799B2 (ja) * 2014-11-28 2018-11-28 株式会社デンソー 車両の走行制御装置
US10576974B2 (en) * 2015-06-29 2020-03-03 The Regents Of The University Of California Multiple-parts based vehicle detection integrated with lane detection for improved computational efficiency and robustness
US10354157B2 (en) * 2016-06-27 2019-07-16 Mobileye Vision Technologies Ltd. Controlling host vehicle based on detection of a one-way road

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6853738B1 (en) * 1999-06-16 2005-02-08 Honda Giken Kogyo Kabushiki Kaisha Optical object recognition system
JP2004078333A (ja) * 2002-08-12 2004-03-11 Nissan Motor Co Ltd 走行経路生成装置
EP1557332A2 (en) * 2004-01-21 2005-07-27 Nissan Motor Co., Ltd. Vehicle driving control device
JP2008114672A (ja) * 2006-11-02 2008-05-22 Aisin Aw Co Ltd 運転支援装置および運転支援方法
US20090184845A1 (en) * 2008-01-22 2009-07-23 Toru Saito Vehicle Detecting System
JP2010198513A (ja) * 2009-02-27 2010-09-09 Alpine Electronics Inc 前方車両横移動警告装置
JP2013109455A (ja) * 2011-11-18 2013-06-06 Clarion Co Ltd 画像処理装置、車両システム、及び、画像処理方法
WO2014198440A1 (de) * 2013-06-12 2014-12-18 Robert Bosch Gmbh Vorausschauende steuerung eines kraftfahrzeugs
CN106030609A (zh) * 2013-12-04 2016-10-12 移动眼视力科技有限公司 用于模仿前车的***和方法
CN105270287A (zh) * 2014-05-28 2016-01-27 Lg电子株式会社 车辆驾驶辅助装置及具有该车辆驾驶辅助装置的车辆
EP3155446A1 (fr) * 2014-06-12 2017-04-19 Valeo Schalter und Sensoren GmbH Procédé et système d'estimation d'un paramètre dans un véhicule automobile et véhicule automobile équipé d'un tel système
CN107709122A (zh) * 2015-07-15 2018-02-16 康蒂-特米克微电子有限公司 机动车辆的前瞻性控制***
CN111483459A (zh) * 2019-01-29 2020-08-04 丰田自动车株式会社 车辆控制装置

Also Published As

Publication number Publication date
US10629079B2 (en) 2020-04-21
DE102017128502A1 (de) 2018-06-07
GB201719894D0 (en) 2018-01-10
CN108146503A (zh) 2018-06-12
MX2017015485A (es) 2018-11-09
GB2558777A (en) 2018-07-18
RU2017135143A (ru) 2019-04-08
US20180158334A1 (en) 2018-06-07

Similar Documents

Publication Publication Date Title
CN108146503B (zh) 车辆防撞
US9493163B2 (en) Driving support apparatus for vehicle
CN109421739B (zh) 用于监控自主车辆的方法和设备
US9499171B2 (en) Driving support apparatus for vehicle
CN106537180B (zh) 用于用针对行人的主动制动的摄影机输入缓解雷达传感器限制的方法
US11294376B2 (en) Moving body control device
US10745004B2 (en) Object recognizing device and collision avoidance system
KR20200047886A (ko) 운전자 보조 시스템 및 그 제어방법
CN108089573B (zh) 车辆视觉
US20150149076A1 (en) Method for Determining a Course of a Traffic Lane for a Vehicle
CN111439199A (zh) 报告装置
CN108349533B (zh) 用于确定用于停放机动车辆的停车区的方法、驾驶员辅助***和机动车辆
US11338812B2 (en) Vehicle control device
JP6349781B2 (ja) 車両制御システム、方法およびプログラム
US11663860B2 (en) Dynamic and variable learning by determining and using most-trustworthy inputs
US10082796B2 (en) Pedestrian face detection
JP7081444B2 (ja) 車両制御システム
CN113753051B (zh) 车辆控制方法、车辆控制程序以及车辆控制***
CN115071702A (zh) 车辆控制装置、车辆控制方法以及车辆控制用计算机程序
KR20210100777A (ko) 차량의 위치를 결정하는 장치 및 그의 동작 방법
US11840220B2 (en) Driver assistance system and control method thereof
US20230303066A1 (en) Driver assistance system and computer-readable recording medium
US20230009606A1 (en) Automated driving method, automated driving system, and storage medium
US20240190331A1 (en) Methods and apparatuses for adaptive high beam control for a vehicle
CN214985318U (zh) 一种行驶车辆的安全防护***

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