CN109791565B - Adas视野和视觉补充v2x - Google Patents
Adas视野和视觉补充v2x Download PDFInfo
- Publication number
- CN109791565B CN109791565B CN201780049567.XA CN201780049567A CN109791565B CN 109791565 B CN109791565 B CN 109791565B CN 201780049567 A CN201780049567 A CN 201780049567A CN 109791565 B CN109791565 B CN 109791565B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path
- data
- collision
- road
- 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
- 230000000007 visual effect Effects 0.000 title claims description 12
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 title description 12
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 title description 12
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 title description 12
- 239000013589 supplement Substances 0.000 title description 3
- 238000000034 method Methods 0.000 claims description 47
- 230000004044 response Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 32
- 239000013598 vector Substances 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental 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
- 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
- G01S19/13—Receivers
-
- 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
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/485—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an optical system or imaging system
-
- 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
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/52—Determining velocity
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/0009—Transmission of position information to remote stations
- G01S5/0072—Transmission between mobile stations, e.g. anti-collision systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Environmental Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Ecology (AREA)
- Automation & Control Theory (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Traffic Control Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种装置,该装置包括天线、处理器和存储器。天线可以被配置为从GNSS卫星接收信号。处理器可以被配置为执行指令。存储器可以被配置为存储指令,所述指令在被执行时,实行以下步骤:(i)基于从GNSS卫星接收的信号,计算第一位置和速度数据,(ii)基于地图信息计算第一最可能路径,(iii)接收第二位置和速度数据,(iv)确定第二最可能路径,(v)实行(a)第一位置和速度数据以及第一最可能路径与(b)第二位置和速度数据以及第二最可能路径的比较,和(vi)基于所述比较确定碰撞的概率。
Description
技术领域
本发明整体涉及全球定位,并且更具体地,涉及用于实现高级驾驶员辅助***(ADAS)的方法和/或装置,其具有用于车辆到基础设施或车辆到车辆通信的视野和视觉补充。
背景技术
传统的车辆到车辆和/或车辆到基础设施***(V2X)是在1997年设想的,并且在2000年中由CAMP(防撞指标合作伙伴)联盟(梅赛德斯、通用汽车、丰田、福特和本田)进行研究。车辆通过车载环境无线电中的无线接入(WAVE)的5.9GHz专用短距离通信(DSRC)相互通信。车辆将对地位置、航向和速度相互发送,使得每辆车都可以将信息处理到防撞算法中,以创建驾驶员警告或采取行动(应用制动)以避免碰撞并挽救生命。
据报道,美国政府即将在2017年发布规定,在自车型年份2020起的新车中纳入V2X***。已经对原型***进行了许多演示,它们接收来自另一车辆的位置信息,处理碰撞算法并生成驾驶员警告或采取其他行动。传统的演示展示了矢量解并且往往发生在停车场,而且使用的是模拟城市街道,却不了解实际道路。
期望对V2X基础设施实现ADAS视野和/或视觉补充。
发明内容
本发明涉及一种包括天线、处理器和存储器的装置。天线可以被配置为从GNSS卫星接收信号。处理器可以被配置为执行指令。存储器可以被配置为存储指令,所述指令在被执行时,实行以下步骤:(i)基于从GNSS卫星接收的信号,计算第一位置和速度数据,(ii)基于地图信息计算第一最可能路径,(iii)接收第二位置和速度数据,(iv)确定第二最可能路径,(v)实行(a)第一位置和速度数据和第一最可能路径与(b)第二位置和速度数据和第二最可能路径的比较,和(vi)基于比较确定碰撞的概率。
附图说明
从以下详细描述和所附权利要求和附图中,本发明的实施方案将显而易见,其中:
图1是示出安装在V2X***中的车辆中的装置的图;
图2是接近交叉路口的两辆车的图,示出了碰撞警告;
图3是示出了可能的误报的两辆车的图;
图4是示出了可能的碰撞的两辆车的图;
图5是在立交桥的背景下示出了可能的误报的两辆车的图;
图6是示出了基于道路属性的可能的误碰撞的两辆车的图;
图7是示出了模块的图;
图8是示出了模块的分布式布置的图;
图9是示出了示例性视觉***具体实施的图;
图10是示出了用于计算可能的碰撞的方法的流程图;
图11是示出了使用视频分析增强路径数据的方法的流程图;以及
图12是示出了用于基于车辆功能来确定最可能路径数据的方法的流程图。
具体实施方式
本发明的实施方案包括提供驾驶员辅助***,该***可以(i)向V2X通信提供视野和视觉补充,(ii)使用现有道路的知识来改进碰撞检测,(iii)使用来自视频分析的知识来改进碰撞检测,和/或(iv)被实现为一个或多个集成电路。
参考图1,该图示出了***20。***20可以包括车辆到车辆和/或车辆到基础设施(V2X)***的具体实施。***20可以包括彼此通信并从全球导航卫星***(GNSS)卫星40a-40n接收通信的车辆30a-30n。实现的车辆30a-30n和GNSS卫星40a-40n的数量可以根据特定具体实施的设计标准而变化。
装置100被示为安装在车辆30a-30n中的每一辆中。在所示的示例中,装置100a被示为安装在车辆30a中,并且装置100n被示为安装在车辆30n中。装置100a-100n可以被实现为块(或电路)。电路100a-100n可以实现ADAS Horizon***模块。在一些实施方案中,电路100a-100n可以被实现为安装在车辆30a-30n中的电路(例如,内置于车辆中的部件)。在一些实施方案中,电路100a-100n可以被实现为外部添加的电路(例如,售后部件、安装在仪表板上的设备等)。在一些实施方案中,电路100a-100n可以被实现为可以由用户在不同车辆之间移动的手持(移动)设备,(例如,智能电话、平板计算设备、智能手表等)。在一个示例中,移动设备可以使电路100a-100n能够用作对车辆的改造。电路100a-100n的实施可以根据特定具体实施的设计标准而变化。
在一些实施方案中,电路100a-100n可以被配置为从GNSS卫星40a-40n接收通信。在一些实施方案中,车辆30a-30n的其他部件可以被配置为从GNSS卫星40a-40n接收通信。通常,卫星40a-40n可以传送信号。电路100a-100n中的一个或多个和/或车辆30a-30n的其他部件可以被配置为从GNSS卫星接收信号,并基于这些信号实行计算以确定关于车辆30a-30n的位置和速度数据。在一个示例中,位置和速度数据(例如,矢量)可以包括位置、航向和/或速度。
随着使用车辆到车辆和/或车辆到基础设施***(V2X)的车辆数量的增加,只有矢量的解在某些情况下可以产生可能的误报。例如,单独的道路几何形状可能不允许准确的碰撞检测,并且可能触发误报。电路100a-100n可以被配置为使用地图信息来减少误报和/或确定与另一车辆发生碰撞的概率。在一个示例中,地图信息可以是来自ADAS Horizon的信息。地图信息可以包括与车辆30附近的道路相对应的数据(例如,道路布局、道路形状、交通数据、道路状况信息、道路属性、道路上坡度、道路下坡度、道路高度等)。地图信息中数据的类型可以根据特定具体实施的设计标准而变化。
从来自GNSS卫星40a-40n的信号计算的GNSS位置信息可以在ADAS Horizon***模块100(将结合图6更详细地描述)中实现,以允许确定第一(或发送)车辆(例如,汽车30a)的最可能路径(MPP)。MPP可以与位置、航向和/或速度信息一起发送。第二(或接收)车辆(例如,汽车30n)中的***(例如,模块100n)可以使用从第一车辆(例如,车辆30a)接收的MPP的知识和计算的对应于接收车辆(例如,汽车30n)的MPP来计算风险的量(例如,碰撞的概率)。当位置和速度数据(例如,位置、航向和速度矢量)指示可能发生碰撞,但道路几何形状将不允许可能的碰撞时,MPP信息可用于减少误报。类似地,在一些场景中,尽管矢量解指示没有碰撞,但是基于MPP的计算可以指示路径将合并以用于可能的碰撞。
在另一种情况下,即使具有出色的GNSS接收和/或ADAS地图,车道级位置也不会总是可用的和/或实际的。增强的V2X和/或利用基于传感器的信息(例如,视觉)的Horizon***可以提供车道级分辨率和/或可以用于减轻通过车道场景中的误报和/或漏报。通过将V2X和/或Horizon***与视觉相结合,可以实现对每个***的效用的显著改进。可以得到高水平的***完整性。通常,V2X***发送对地位置、航向和/或速度。由此,电路100a-100n可以实现V2X MPP确定以寻找碰撞警告。
ADAS Horizon可以包括特征地图。可以提供道路的关于曲率、坡度、车道、速度限制、标牌等的各种信息。视野算法使用来自GNSS传感器的航向、位置和/或速度(例如,在电路100a-100n和/或车辆30a-30n的其他部件上实现)来了解特定车辆的位置。地图特征可以用于计算特定车辆将采取的最可能路径(MPP)。从特征地图中提取信息可以允许***知道即将到来的交叉路口、立交桥、交通灯等。
现在参考图2,根据本发明的实施方案示出了俯视图50的框图。视图50示出了V2V应用中的V2X的具体实施的一个示例。两个车辆30a-30b被示为接近交叉路口。车辆30a可以计算和/或发送信号(例如,LHS_A)。信号LHS_A可以表示位置信息、航向信息和/或速度信息中的一个或多个(例如,车辆30a的位置和速度信息)。信号LHS_A可以在地图中表示为直线矢量。车辆30a还可以计算和/或发送信号(例如,MPP_A)。信号MPP_A可以表示车辆30a的最可能路径。信号MPP_A可以在地图中表示为直线路径或可能弯曲的路径(例如,遵循道路几何形状的路径)。类似地,车辆30b可以计算和/或发送信号(例如,LHS_B)。信号LHS_B可以表示位置信息、航向信息和/或速度信息中的一个或多个(例如,车辆30b的位置和速度信息)。车辆30b还可以计算和/或发送信号(例如,MPP_B)。信号MPP_B可以表示车辆30b的最可能路径。
当在电子地图上示出时,信号MPP_A和/或信号MPP_B可以表示为方向箭头的图像。信号MPP_A和/或MPP_B也可以是从车辆30a-30n中的一个或多个发送的数据。信号MPP_A和/或信号MPP_B可以定义车辆30a和/或车辆30b的可能运动的路径。信号LHS_A和/或信号LHS_B通常表示车辆30a或车辆30b的当前方向。信号LHS_A和/或信号LHS_B通常不设想车辆30a和/或车辆30b的未来(或预测)方向。信号MPP_A和/或信号MPP_B通常表示车辆30a和/或车辆30b的预测的可能路径(例如,未来方向和/或位置)。信号MPP_A和/或MPP_B中的预测路径可以基于可以从导航***或其他外部数据库接收的已知道路状况(例如,即将到来的交叉路口、立交桥、交通灯等)。
信号MPP_A和/或MPP_B可以由电路100a-100n中的一个或多个计算。在一些实施方案中,安装在车辆30a中的电路100a可以计算矢量LHS_A(例如,基于从卫星40a-40n接收的信号)和/或信号MPP_A(例如,确定车辆30a的位置和速度信息以及路径信息)。电路100b或安装在车辆30b中的另一部件可以计算矢量LHS_B(例如,基于从卫星40a-40n接收的信号)并将该信号LHS_B发送到车辆30a。使用来自信号LHS_B的信息和地图信息,电路100a可以计算信号MPP_B(例如,其中一个车辆计算信号MPP_A和信号MPP_B)。在一些实施方案中,电路100b可以计算信号MPP_B,并且车辆30a(或电路100a)可以接收信号MPP_B(例如,每个车辆计算相应的信号MPP并将最可能路径传送到其他车辆)。
在示例性视图50中,信号LHS_B被示为具有与信号MPP_B相似的方向。由于道路显示为大致笔直的道路,因此信号MPP_B也通常是直的。然而,道路状况的其他示例可以示出位置和速度数据(例如,信号LHS_A和LHS_B)与路径数据(例如,信号MPP_A和MPP_B)之间的差异(结合图3、图4、图5和图6所示的示例)。
路边的一个或多个建筑物54a-54n可以阻止其他***(例如,视觉装置和/或雷达)检测到其他车辆。例如,建筑物54a-54n被示为阻挡车辆30a和车辆30b之间的视线。位置、航向和/或速度LHS_A和/或LHS_B的传输可以在地上进行(例如,通过无线传输诸如5.9GHz兼容传输***)。通过无线频谱的传输可以允许电路100a-100n检测可能的碰撞,并在视线不可行和/或不实际时提供警告和/或采取适当的动作。在一些实施方案中,建筑物(或诸如蜂窝塔的其他结构)54a-54n可以是实现车辆到基础设施(V2I)通信的基础设施。
交叉点52被示为标记出路径MPP_A和路径MPP_B之间的交叉。交叉点52位于已知道路或交叉路口内,并且示出了正碰撞警告适宜的场景。俯视图50中示出的场景可以表示简单交叉路口情况,其中矢量信息(例如,LHS_A和LHS_B)可以用于预测交叉点52处的碰撞,并且路径数据(例如,MPP_A和MPP_B)可用于预测交叉点52处的碰撞。
参考图3,俯视图60示出车辆30a和车辆30b在彼此弯曲远离的两条分开的道路上行驶。视图60示出了对在仅使用矢量分析(例如,信号LHS_A和LHS_B)情况下将发生的可能的误报警告的防止。
车辆30a和/或车辆30b的位置被示为处在弯曲的道路上。矢量LHS_A和/或LHS_B显示车辆30a和/或车辆30b将向前在交叉点62处发生碰撞。然而,路径数据MPP_A和MPP_B被示为发散的(例如,由于道路彼此弯曲远离)。交叉点62被示为处在不在道路上的位置。矢量LHS_A和LHS_B可以不知道道路。可以基于道路弯曲的知识(例如,地图信息)来计算路径数据MPP_A和/或MPP_B。如果未纠正可能的误报,则可能发出不正确的碰撞警告和/或可能导致错误的纠正措施。***60示出了如何通过分析路径数据MPP_A和/或路径数据MPP_B来避免可能的误报。俯视图60中示出的场景可以表示这样的场景:矢量信息(例如,LHS_A和LHS_B)可能不用于预测交叉点62处的碰撞(例如,可能发生误报)并且路径数据(例如,MPP_A和MPP_B)可用于预测在交叉点62处不会发生碰撞。
参考图4,俯视图70示出了在交汇的弯曲道路上的可能碰撞情景中的两个车辆。车辆30a和车辆30b被示为在彼此弯曲靠近的道路上行驶。视图70示出了矢量LHS_A和LHS_B如何由于道路的弯曲而发散。仅使用矢量LHS_A和LHS_B来确定车辆30a和车辆30b之间的可能碰撞的计算可以指示碰撞概率低。
使用地图信息,电路100a-100n可以计算路径数据(例如,MPP_A和MPP_B)。基于道路的曲率,路径数据MPP_A和/或MPP_B可以用于检测交叉点72处的交汇。车辆30a和车辆30b处在最终交汇的大致平行的(或发散的)分开的路线上。未利用路径数据MPP_A和/或MPP_B的计算可能无法检测到碰撞警告。不过,利用基于道路状况计算的路径数据MPP_A和/或MPP_B,可以预测在交叉点72处可能的碰撞。
在不考虑路径数据MPP_A和/或MPP_B的情况下,可以确定车辆30a和车辆30b不会交汇(例如,将不会检测到可能的碰撞),直到没有足够的时间来发起适当的警告和/或反应。俯视图70中示出的场景可以表示这样的场景:矢量信息(例如,LHS_A和LHS_B)可能不用于预测交叉点72处的碰撞(例如,可能的漏报结果)并且路径数据(例如,MPP_A和MPP_B)可用于预测在交叉点72处可能发生碰撞。
参考图5,示出了车辆30a和车辆30b在立交桥的背景下的俯视图80。视图80示出了对在立交桥的背景下的误报的防止。在不考虑道路的属性(例如,高度)的情况下,在交叉点82处可能发生对碰撞的误报。
仅对于矢量LHS_A和矢量LHS_B的分析指示在交叉点82处的碰撞和/或警告。然而,结合可用地图信息来对路径数据MPP_A与路径数据MPP_B的比较进行分析将认识交叉点82处的立交桥。例如,地图信息可以考虑道路和/或车辆30a-30b的高度。地图信息用于确定车辆30b应在车辆30a上方经过。可以避免误报。俯视图80中示出的场景可以表示这样的场景:矢量信息(例如,LHS_A和LHS_B)可能不用于预测交叉点82处的碰撞(例如,可能发生误报)并且路径数据(例如,MPP_A和MPP_B)可用于预测在交叉点82处不会发生碰撞(例如,通过考虑相对高度)。
参考图6,该图示出了两个车辆在基于道路属性的可能的错误碰撞检测的背景下的俯视图90。视图90示出车辆30a沿着与车辆30b大致相同的方向的道路行驶。在所示的示例中,矢量LHS_A和矢量LHS_B指向大致相同的方向。仅使用位置和速度信息的分析可能无法检测到可能的碰撞。使用地图信息MPP_A,装置100a可以确定道路弯曲并且在交叉点92和/或交叉点92’处存在可能的碰撞。
地图信息还可以考虑道路属性。道路属性94在视图90中示出。在一个示例中,道路属性94可以是交通信号(例如,交通灯、道路标志、速度限制等)。在另一示例中,道路属性94可以是道路危险和/或警告(例如,施工、交通事故、恶劣天气状况等)。在又一示例中,道路属性94可以是交通状况(例如,交通堵塞、警察巡逻车辆、应急车辆等)。道路属性94的类型和/或道路属性94如何影响MPP的确定可以根据特定具体实施的设计标准而变化。
信号MPP_B可以指示车辆30b可以由于道路属性94而避免直行的路径并且采取替代路线。装置100a和/或100b可以确定交叉点92处的碰撞概率可能不大。然而,信号MPP_B的替代路径被示为在交叉点92’处与信号MPP_A交汇。装置100a和/或装置100b可确定在交叉点92’处存在较高碰撞概率。俯视图90中示出的场景可以表示这样的场景:矢量信息(例如,LHS_A和LHS_B)可能不用于预测交叉点92处和/或交叉点92’处的碰撞,并且路径数据(例如,MPP_A和MPP_B)可用于预测在交叉点92处不会发生碰撞并且在交叉点92’处可能发生碰撞(例如,通过考虑道路属性94和/或评估车辆30b采取的多条可能路线)。
参考图7,该图示出了模块100。模块100通常包括块(或电路)102、块(或电路)104、块(或电路)106和/或块(或电路)108。电路102可以实现处理器。电路104可以实现天线。电路106可以实现存储器。电路108可以实现通信端口。可以实现其他块(或电路)(例如,时钟电路、I/O端口、电源连接器等)。例如,块(或电路)116被示为实现滤波器。在另一示例中,块(或电路)118被示为实现视觉模块。
传感器140a-140n被示为经由电子总线142连接到模块100。电子总线142可以实现控制器区域网络(CAN)总线。电子总线142可以连接到通信端口108。在一个示例中,传感器140a-140n可以是车辆30的被配置为向车辆CAN总线提供数据的部件。在另一示例中,传感器140a-140n可以是被配置为向装置100提供数据的无线设备。
处理器102可以被实现为微控制器和/或GNSS芯片组。在一些实施方案中,处理器102可以是实现处理功能和GNSS芯片组的组合(例如,集成)芯片组。在一些实施方案中,处理器102可以包含两个单独的电路(例如,微控制器和GNSS芯片组)。在一个示例中,非车载电路(例如,不是模块100的一部分的部件)可以实行GNSS芯片组的功能并且将信息发送到模块100(例如,经由总线142)。在另一示例中,非车载电路(例如,不是模块100的一部分的部件)可以实行用于确定位置(例如,航位推算数据)、速度和/或地图数据并且将信息发送到模块100的功能(例如,经由总线142)。处理器102的设计和/或处理器102的各种部件的功能可以根据特定具体实施的设计标准而变化。
天线104可以被实现为能够连接到蜂窝网络和/或GNSS网络(例如,卫星40a-40n)两者的双频带天线。在另一示例中,天线104可以被实现为两个天线。例如,一个天线可以被专门设计为连接到蜂窝网络(或V2V网络),而另一个天线可以被实现为被优化以连接到GNSS网络卫星40a-40n。天线104可以被实现为分立天线模块和/或双频带天线模块。在一些实施方案中,天线104可以被实现为非车载电路(例如,不是模块100的一部分的部件)。例如,天线104可以经由电子总线142向模块100发送数据/从模块100接收数据。天线104的实施可以根据特定具体实施的设计标准而变化。
存储器106可以包括块(或电路)110、块(或电路)112和块(或电路)114。块110可以存储计算机可读指令(例如,可由处理器102读取的指令)。块112可以存储车辆位置数据。例如,车辆位置数据112可以存储各种数据集120a-120n。数据集的示例可以是位置坐标120a、速度数据120b、时间戳120c、航向数据120d、航位推算数据120e和/或其他数据120n。块114可以存储地图数据。在一个示例中,可以从外部源(例如,第三方专有地图网络、免费地图网络、来自其他车辆的信息等)接收地图数据114。地图数据114被示为从信号(例如,MAP)接收地图信息。
位置坐标120a可以存储由模块100根据GNSS卫星40a-40n提供的信号计算的位置信息数据。来自GNSS卫星40a-40n的信号可以提供可以用于计算位置信息位置精度的特定分辨率的数据。在一些实施方案中,位置坐标120a可能无法为特定应用(例如,车道检测、自动驾驶等)提供足够的位置精度。在一个示例中,使用由一个或多个相机(例如,传感器140a-140n中的一个或多个)捕获的视频数据的视觉***(例如,视觉模块118)可用于提高位置坐标120a的准确度。在一些实施方案中,位置坐标120a可以由滤波器116计算。位置坐标120a(例如,位置)可以是位置和速度信息的分量(例如,信号LHS中提供的位置、航向和速度)。
速度数据120b可包括指示车辆30的速度的一个或多个值。在一个示例中,速度数据120b可以由处理器102基于位置坐标120a(例如,特定时间量内的位置变化)来计算。在另一示例中,可以基于由传感器140a-140n捕获的数据来确定速度数据120b。在一些实施方案中,速度数据120b可以包括多个值以提供车辆30的速度的历史。在一个示例中,速度数据120b中的先前值可用于在确定路径数据(例如,MPP)时预测可能的速度。例如,通常较快行驶的驾驶员可以比另一个趋于较慢驾驶的驾驶员更早到达交叉路口。速度数据120b(例如,速度)可以是位置和速度信息的分量(例如,信号LHS中提供的位置、航向和速度)。
时间戳120c可用于确定车辆位置数据112的年龄。例如,时间戳120c可用于确定车辆位置数据112是应被视为可靠还是不可靠。时间戳120c可以在模块100更新车辆位置数据112时更新。例如,时间戳120c可以采用协调世界时间(UTC)和/或本地时间记录时间。在一个示例中,时间戳120c可以用于存储速度数据120b的历史。时间戳120c的实施可以根据特定具体实施的设计标准而变化。
航向数据120d可以包括指示车辆30的行进方向的一个或多个值。在一个示例中,可以由处理器102基于位置坐标120a来计算航向数据120d。在另一示例中,可以基于来自传感器140a-140n的数据确定航向数据120d。在一些实施方案中,航向数据120d可包括多个值以提供车辆30的航向的历史。在一个示例中,航向数据120b中的先前值可用于在确定路径数据(例如,MPP)时预测可能的行驶路线。例如,通常使用特定路线驾驶的驾驶员可以在特定区域中行驶时重复行驶该路线(例如,驾驶员在每个工作日采取相同的路线去上班)。航向数据120b(例如,航向)可以是位置和速度信息的分量(例如,信号LHS中提供的位置、航向和速度)。
航位推算数据120e可用于存储过去和/或当前信息以确定车辆30行进的位置。例如,航位推算数据120e可以存储先前确定的车辆30的位置(例如,估计的速度、估计的行驶时间、估计的位置等)。先前确定的位置可用于帮助确定车辆30的当前位置。在一些实施方案中,航位推算数据120e可以基于来自车辆30的传感器140a-140n的数据(例如,车载陀螺仪和/或车轮棘爪消息)来确定。航位推算数据120e可用于为位置和速度信息(例如,信号LHS中提供的位置、航向和速度)的位置坐标120a(例如,位置)分量提供更准确的信息。存储以确定航位推算数据120e的实施和/或信息可以根据特定具体实施的设计标准而变化。
通信端口108可以允许模块100与外部设备和/或传感器140a-140n通信。例如,模块100被示为连接到外部电子总线142。在一些实施方案中,电子总线142可以被实现为车辆CAN总线。电子总线142可以被实现为电子有线网络和/或无线网络(例如,无线连接142a)。一般来讲,电子总线142可以连接车辆的一个或多个部件,使得能够以数字信号的形式共享信息(例如,串行总线、通过布线和/或接口连接的电子总线、无线接口等)。
通信端口108可以允许模块100与各种基础设施、发送车辆(例如,车辆30a)的部件和/或其他车辆(例如,车辆30b)共享车辆位置数据112。通信端口108可以允许模块100从车辆的传感器140a-140n接收信息(例如,用于确定速度数据120b、航向数据120d和/或航位推算数据120e的车载陀螺仪数据和/或车轮棘爪消息)。例如,来自模块100的信息可以被传送到信息娱乐设备以显示给驾驶员。在另一示例中,到便携式计算设备(例如,智能电话、平板电脑、笔记本电脑、智能手表等)的无线连接(例如,Wi-Fi、蓝牙、蜂窝等)可以允许信息从模块100显示给用户。
模块100可以被配置为计算位置和速度数据和/或路径数据和/或广播数据(例如,经由通信端口108),诸如位置坐标120a、数据的年龄(例如,数据何时最后更新,诸如时间戳120c)、速度数据120b、航向数据120d和/或其他数据120n。通信端口108采用的通信方法和/或所发送的数据的类型可以根据特定具体实施的设计标准而变化。
地图数据114可以提供特征地图。在一些实施方案中,地图数据114可以提供各种道路的中心线数据。在一些实施方案中,地图数据114可以提供高清晰度地图(例如,提供车道级定位)。在一些实施方案中,地图数据114可以是ADAS视野信息。地图数据114可用于识别交汇道路和非交汇道路。地图数据114可用于确定道路的高度(或相对高度)。地图数据114可以识别交通信号和/或交通标志的位置。地图数据114可以提供众包信息(例如,交通状况、事故报告、道路危险等)。地图数据114可以提供道路属性94。存储为地图数据114的数据类型可以根据特定具体实施的设计标准而变化。
滤波器116可以被配置为实行线性二次估计。例如,滤波器116可以实现卡尔曼滤波。通常,滤波器116可以递归地对输入数据进行操作以产生统计上的最优估计。例如,滤波器116可用于计算位置坐标120a和/或估计位置坐标120a的准确度。在一些实施方案中,过滤器116可以被实现为单独的模块。在一些实施方案中,滤波器116可以被实现为存储器106的一部分(例如,存储的指令110)。滤波器116的实施可以根据特定具体实施的设计标准而变化。
视觉模块118可以实现用于实现计算机视觉(例如,基于捕获的视频数据的图像和/或对象检测和分析)的一个或多个部件。在一个示例中,视觉模块118可以包括视频处理器和/或存储器。在一些实施方案中,传感器140a-140n中的一个或多个可以实现视频捕获设备(例如,高清晰度摄像机),用于向视觉模块118提供视频数据。视觉模块118可以处理、编码和/或分析捕获的视频帧。基于对视频帧的分析,视觉模块118可以向处理器102提供附加信息来确定碰撞的概率。在一个示例中,视觉模块118进行的视频分析可以提供附加信息来确定车辆30的最可能路径。
处理器102可以被配置为执行存储的计算机可读指令(例如,存储在存储器106中的指令110)。处理器102可以基于存储的指令110实行一个或多个步骤。在一个示例中,处理器102可以计算位置和速度信息(例如,基于从GNSS卫星接收的信号)。在另一示例中,由处理器102执行/实行的步骤中的一个可以基于地图数据114确定预测路径(例如,MPP)。由处理器102执行的指令和/或指令的顺序可以根据特定具体实施的设计标准而变化。处理器102被示为向天线104、存储器106和/或通信端口108发送数据,和/或从天线104、存储器106和/或通信端口108接收数据。
处理器102可以被配置为确定用于校准由传感器140a-140n生成的信号的系数(例如,参数)。例如,处理器102可以被配置为将基于来自传感器140a-140n的数据的航位推算数据与从GNSS卫星信号计算的位置坐标进行比较。基于该比较,处理器102可以确定将从传感器140a-140n接收的原始数据变换(例如,偏移)成为可用于确定位置的数据的系数,这种方法的准确度比使用该数据而不通过系数进行变换的方法的准确度高。
模块100可以被配置为芯片组、片上***(SoC)和/或分立设备。在一些实施方案中,模块100可以包括GNSS芯片组并且被配置为计算位置、航向和速度(LHS)解。在一些实施方案中,模块100可以包括GNSS芯片组并且被配置为计算LHS解和航位推算解。在一些实施方案中,模块100可以被配置为接收提供LHS解的数据流,并且可以不确定航位推算解(例如,模块100从非车载部件接收LHS数据并提供用以确定航位推算解的非车载部件)。在一些实施方案中,模块100可以被配置为接收提供LHS解的数据流,并且被配置为计算航位推算解。
处理器102可以被配置为从地图数据114和/或LHS解确定最可能路径。在一些实施方案中,模块100可以计算最可能路径解(例如,MPP)。在一些实施方案中,模块100可以从非车载部件接收最可能路径解。在一些实施方案中,模块100可以接收从另一车辆计算的最可能路径。在一些实施方案中,模块100可以计算最可能路径解并将信号MPP_A发送到另一车辆(例如,30b)。在一些实施方案中,该模块可以将LHS解发送到车辆30b,并且模块100b可以计算车辆30a的最可能路径和车辆30b的最可能路径。例如,一些车辆可能没有安装模块100a-100n中的一个,但是仍然能够发送LHS解,模块100可以从该解计算车辆的最可能路径。
在一些实施方案中,模块100可以使用外部处理器(例如,非车载处理器)来实行用以确定MPP的计算(例如,存储器106将指令110提供给外部处理器以计算MPP)。在一些实施方案中,指令110可以存储在外部存储器上。模块100的实施可以根据特定具体实施的设计标准而变化。
现在参考图8,该图示出了用于模块100的分布式布置150。模块100被示为连接到各种部件以发送/接收信息。块(或电路)152、块(或电路)160和/或块(或电路)170被示为连接到模块100。电路152、160和/或170可各自包括各种部件,诸如处理器和存储器,并且可彼此独立地操作。其他部件(未示出)可以连接到模块100(例如,包括视觉模块118的部件)。
存储器106的指令110被示为包括模块130、模块132和模块134。模块130可以是V2V用例代码。V2V用例代码130可以实现用于与其他车辆通信的指令。模块132可以是视野代码。视野代码132可以实现用于使用地图数据确定路径数据的指令。模块134可以实现CAN管理和/或诊断代码。CAN管理和/或诊断代码134可以实现用于与各种通信总线142a-142g通信的指令。在一个示例中,总线142d可以实现高速CAN收发器(例如,用以传送传感器输入、位置和速度数据输出、路径数据输出、来自V2V用例代码模块130的输出等)。
电路152可以是位置模块。位置模块152可以被配置为计算车辆30的位置。在一个示例中,位置模块152可以是GNSS模块。位置模块152可以使用天线104a从GNSS卫星40a-40n接收通信。位置模块152可以是与模块100分离的部件。在一个示例中,位置模块152可以经由总线142a和/或142b与模块100传送位置和速度信息。位置模块152可以包括模块154。模块154可以是位置和/或航位推算软件。位置和/或航位推算软件154可以实现用于确定位置坐标120a、速度数据120b、时间戳120c、航向数据120d和/或航位推算数据120e的指令。
模块160可以是无线电通信模块。无线电通信模块160可以提供专用短距离通信。在一个示例中,无线电通信模块160可以使用天线140b-140c发送和/或接收数据。无线电通信模块160可以是与模块100分离的部件。在一个示例中,无线电通信模块160可以传送从其他车辆接收的信息(例如,来自车辆30b的信号LHS_B和/或信号MPP_B)。无线电通信模块160可以经由总线142e与模块100传送信息。无线电通信模块160可以包括模块162。模块162可以是802.11P MW模块。802.11P MW模块162可以实现用于车辆环境中的无线接入(WAVE)的指令。在一个示例中,802.11P MW模块160可以实现微波通信(例如,在5.9GHz频带工作)。可以实现其他无线通信标准。实现的通信标准可以根据特定应用的设计标准而变化。
模块170可以是地图存取模块。地图存取模块170可以存储和/或接收地图信息。在一个示例中,地图存取模块170可以是第三方地图平台(例如,Google Maps、Apple Maps,Waze等)。在另一示例中,地图存取模块170可以是存储可更新的地图信息的预安装的车辆部件。在一些实施方案中,在地图存取模块170本地存储地图信息的情况下,地图存取模块170可以经由总线142f将地图信息信号MAP传送到存储器106以供指令110(例如,视野代码模块132)使用。在一些实施方案中,在地图存取模块170从外部源流式传输地图信息的情况下,地图存取模块170可以经由总线142g将地图信息信号MAP传送到地图存储装置114。地图信息的传输和/或存储可以根据特定具体实施的设计标准而改变。
在分布式布置150中实现的模块可以具有各种具体实施。在一些实施方案中,模块中的每一个(例如,位置模块152、无线电通信模块160和/或地图存取模块170)可以被实现为模块100的部件。在一些实施方案中,可以组合一个或多个模块。例如,地图存取模块170和位置模块152可以是单个部件(例如,被实现为一个电路板)。在一些实施方案中,可以实现附加的模块(例如,位置模块152可以计算位置坐标120a,并且另一个模块可以被实现用于计算航位推算数据120e)。在一个示例中,在分布式布置150中实现为单独部件的一个附加模块可以是视觉模块118。
参考图9,该图示出了示例性视觉***具体实施。示出了视频帧200。视频帧200可以是由传感器140a-140n中的一个或多个捕获并由视觉模块118处理的视频帧。视觉模块118可以分析视频帧200并识别(认识)各种对象。例如,由视觉模块118识别的对象可以包括:车辆、行人、交通信号、交通标志、道路、交叉路口、车道、天气状况和/或其他道路属性。
示例性视频帧200可以从车辆30a的角度看到。在示例性视频帧200中,视觉模块118可以识别道路202a和道路202b。道路202a可以是模块100行驶所在的道路(例如,安装在车辆30a中)。视觉模块118和/或地图信息可以确定道路202b可以与道路202a交汇。视觉模块118可以识别道路202a上的车道204a-204b。在所示的示例中,模块100可以在车道204b中行驶。可以检测到车辆30c作为车道204a中的迎面而来的车辆行驶。车辆30b可以被视觉模块检测为在道路202b上行驶并且接近与道路202a的交叉路口。
在所示的示例中,视觉模块118可以将一些对象206a-206b检测为各种道路属性94。铁路道口206a可以是一个道路属性对象。交通灯206b可以是一个道路属性对象。交通灯206b被示为显示绿灯。
基于视觉模块118检测到的对象,可以向模块100提供额外的定位信息来确定碰撞的概率。在一个示例中,视觉模块118可以提供车道级定位。在另一示例中,视觉模块118可用于确定交通灯的状态。例如,车辆30b的最可能路径可以是沿着道路202b行驶通过交叉路口。然而,如果视觉模块118检测到交通灯206b朝向道路202a显示绿灯,则车辆30b的最可能路径可以在到达交叉路口之前停止。在另一示例中,车辆30c的最可能路径可以是沿着道路202a行驶通过交叉路口。然而,如果铁路道口206a指示火车正在接近,则车辆30c的最可能路径可以在到达铁路之前停止。
由视觉模块118检测到的对象可以用作地图信息的替换和/或增强。例如,由视觉模块118确定的数据可用于确定路径数据。在另一示例中,当地图信息提供中心线数据时,视觉模块118进行的视频分析可提供关于道路状况的附加细节,以提高碰撞检测和/或预测的准确度。在又一个示例中,地图信息可以识别交通灯即将到来并且视觉模块118可以指示交通灯的颜色。
参考图10,示出了方法(或过程)250。方法250可以计算可能的碰撞。方法250通常包括步骤(或状态)252、步骤(或状态)254、步骤(或状态)256、决策步骤(或状态)258、步骤(或状态)260、步骤(或状态)262、步骤(或状态)264、步骤(或状态)266、步骤(或状态)268和步骤(或状态)270。
状态252可以启动方法250。接下来,在状态254中,处理器102可以根据从GNSS卫星40a-40n接收的信号计算位置、航向和速度数据(例如,位置和速度数据)。在一个示例中,位置可以存储在位置坐标120a中,航向可以存储在航向数据120d中,并且速度可以存储在存储器106的速度数据120b中。在一些实施方案中,位置和速度数据可以通过计算由一个或多个传感器140a-140n捕获的数据来确定。在状态256中,处理器102可以从地图数据114(例如,ADAS视野数据)计算最可能路径数据(例如,路径数据)。接下来,方法250可以移动到决策状态258。
在决策状态258中,处理器102可以确定附近是否存在另一车辆(例如,车辆30b)。在一个示例中,处理器102可以基于经由天线104接收的通信来确定另一车辆在附近。如果另一车辆不在附近,则方法250可以返回到状态254。如果另一车辆在附近,则方法250可以移动到状态260。
在状态260中,模块100可以与附近车辆通信(例如,经由天线104)。接下来,在状态262中,模块100可以从附近车辆30b接收位置和速度数据(例如,信号LHS_B)。在状态264中,处理器102可以计算附近车辆的最可能路径(例如,路径数据MPP_B)。例如,可以使用信号LHS_B和地图数据114计算附近车辆30b的最可能路径MPP_B。接下来,在状态266中,处理器102可以将对应于模块100的位置和速度数据以及路径数据(例如,车辆30a的信号LHS_A和信号MPP_A)与对应于附近车辆的位置和速度数据以及路径数据(例如,车辆30b的信号LHS_B和信号MPP_B)进行比较来确定碰撞的概率。
在状态268中,模块100可以输出与附近车辆30发生碰撞的概率。在一个示例中,可以将碰撞的概率发送到CAN总线(例如,总线142)。车辆30a的一个或多个部件可以使用碰撞概率来实行响应(例如,防撞、制动、加速、车道居中、选择替代行驶路径、向驾驶员发出警告、自动实行操纵等)。接下来,方法250可以移动到状态270。状态270可以结束方法250。
参考图11,示出了方法(或过程)300。方法300可以使用视频分析来增强路径数据。方法300通常包括步骤(或状态)302、步骤(或状态)304、步骤(或状态)306、决策步骤(或状态)308、步骤(或状态)310、步骤(或状态)312、步骤(或状态)314和步骤(或状态)316。
状态302可以启动方法300。在状态304中,处理器102可以计算位置和速度数据(例如,LHS)和/或路径数据(例如,MPP)。接下来,在状态306中,视觉模块118可以分析由传感器140a-140n中的一个或多个捕获的一个或多个视频帧。接下来,方法300可以移动到决策状态308。
在决策状态308中,视觉模块118可以确定前方是否存在交通信号。在一些实施方案中,处理器102可使用地图信息来确定前方是否存在交通信号(例如,交通灯的位置可嵌入作为地图信息的一部分)。如果前方没有交通信号,则方法300可以移动到状态314。如果前方存在交通信号,则方法300可以移动到状态310。
在状态310中,视觉模块118可以确定交通信号的状态。在一个示例中,如果交通信号是交通灯,则视觉模块118可以确定当前激活的灯的颜色(例如,红色、绿色、黄色、高级绿色等)。接下来,在状态312中,处理器102可以基于交通信号的状态(例如,基于来自视觉模块118的输出)更新路径数据。在一个示例中,车辆30a的最可能路径可以被更新为停在红色交通灯处。在状态314中,处理器102可以确定与任何附近车辆(例如,车辆30b-30n)发生碰撞的概率。接下来,方法300可以移动到状态316。状态316可以结束方法300。
参考图12,示出了方法(或过程)350。方法350可以基于车辆功能确定最可能路径数据。方法350通常包括步骤(或状态)352、步骤(或状态)354、步骤(或状态)356、步骤(或状态)358、步骤(或状态)360、决策步骤(或状态)362、步骤(或状态)364、步骤(或状态)366、步骤(或状态)368、步骤(或状态)370和步骤(或状态)372。
状态352可以启动方法350。接下来,在状态354中,处理器102可以根据从GNSS卫星40a-40n接收的信号计算位置、航向和速度数据(例如,位置和速度数据)。在一个示例中,位置可以存储在位置坐标120a中,航向可以存储在航向数据120d中,并且速度可以存储在存储器106的速度数据120b中。在状态356中,处理器102可以从地图数据114(例如,ADAS视野数据)计算最可能路径数据(例如,路径数据)。接下来,在状态358中,模块100可以与附近的车辆通信(例如,经由天线104)。在状态360中,模块100可以从附近车辆30b接收位置和速度数据(例如,信号LHS_B)。接下来,方法350可以移动到决策状态362。
在决策状态362中,处理器102可以确定附近车辆30b是否可以计算最可能路径数据。在一个示例中,一些附近车辆可能不具有计算MPP的能力(例如,车辆30b不能访问ADASHorizon数据,车辆30b可能无法访问模块100等),并且配备模块100的另一车辆可以计算两辆车的MPP。如果附近车辆不能计算MPP数据,则方法350可以移动到状态364。在状态364中,处理器102可以使用信号LHS来计算附近车辆30b的最可能路径(例如,车辆30a中的模块100a用于计算车辆30b的MPP)。接下来,方法350可以移动到状态368。在决策状态362中,如果附近车辆可以计算MPP数据,则方法350可以移动到状态366。在状态366中,模块100可以接收由附近车辆30b计算的MPP数据(例如,MPP_B)。接下来,方法350可以移动到状态368。
在状态368中,处理器102可以将对应于模块100的位置和速度数据以及路径数据(例如,车辆30a的信号LHS_A和信号MPP_A)与对应于附近车辆的位置和速度数据以及路径数据(例如,车辆30b的信号LHS_B和信号MPP_B)进行比较来确定碰撞的概率。接下来,在状态370中,模块100可以输出与附近车辆30b发生碰撞的概率。在一个示例中,可以将碰撞的概率发送到CAN总线(例如,总线142)。车辆30a的一个或多个部件可以使用碰撞概率来实行响应(例如,防撞、制动、加速、车道居中、选择替代行驶路径、向驾驶员发出警告、自动实行操纵等)。接下来,方法350可以移动到状态372。状态372可以结束方法350。
在一些实施方案中,模块100可以被实现为移动设备。在一个示例中,移动设备可以是智能电话、智能手表、便携式无线设备等。在一些实施方案中,模块100可以由行人携带。在一个示例中,模块100a可以安装在车辆30a中,并且模块100b可以由行人携带以警告车辆30a可能与行人发生碰撞。
图1至图12中示出的功能和结构可以使用传统通用处理器、数字计算机、微处理器、微控制器、分布式计算机资源和/或类似计算机器中的一个或多个来设计、建模、仿真和/或模拟,根据本说明书的教导内容进行编程,如对于相关领域的技术人员来说显而易见的那样。基于本公开的教导内容,熟练的程序员可以容易地准备适当的软件、固件、编码、例程、指令、操作码、微代码和/或程序模块,如对于相关领域的技术人员来说也是显而易见的那样。该软件通常体现在一个或多个媒体中,例如非暂态存储媒体,并且可以由一个或多个处理器顺序地或并行地执行。
本发明的实施方案还可以在ASIC(专用集成电路)、FPGA(现场可编程门阵列)、PLD(可编程逻辑器件)、CPLD(复杂可编程逻辑器件)、门海、ASSP(专用标准产品)和集成电路中的一种或多种中实现。电路可以基于一种或多种硬件描述语言来实现。本发明的实施方案可以与闪存存储器、非易失性存储器、随机存取存储器、只读存储器、磁盘、软盘,诸如DVD和DVD RAM的光盘、磁光盘和/或分布式存储***结合使用。
当在本文中结合“是”和动词使用时,术语“可以”和“通常”意味着传达该描述是示例性的并且被认为足够宽以包含本公开中呈现的两个具体示例以及可以基于本公开得出的替代示例的意图。如本文所用的术语“可以”和“通常”不应该被解释为必然意味着省略对应元件的愿望或可能性。
虽然已经参考其实施方案具体示出和描述了本发明,但是本领域的技术人员将理解,在不脱离本发明的范围的情况下,可以在形式和细节上进行各种改变。
Claims (9)
1.一种用于检测可能的碰撞的装置,所述装置包括适于使用由一个或多个传感器捕获的视频数据的视觉模块,所述装置被配置用于安装在第一车辆上,所述装置包括:
天线,所述天线被配置为接收来自GNSS卫星的信号并且被配置为接收来自所述第一车辆的附近车辆的位置和速度数据;
处理器,所述处理器被配置为执行指令;和
存储器,所述存储器被配置为存储指令,所述指令在被执行时,实行以下步骤:
(i)基于从所述GNSS卫星接收的所述信号计算所述第一车辆的位置和速度数据;
(ii)接收附近车辆的所述位置和速度数据;
(iii)基于所述第一车辆的所述位置和速度数据与所述附近车辆的所述位置和速度数据的比较确定碰撞的概率;
其中,所述存储器还被配置为存储指令,所述指令在被执行时,实行以下步骤:
(iv)计算所述第一车辆的最可能路径,其中根据相应的位置和速度数据以及来自地图信息的道路属性来计算所述最可能路径,以确定所述第一车辆的预测未来路径,其中所述预测未来路径是通过以下来确定的:(a)由所述视觉模块将对象检测为道路属性和(b)基于由所述视觉模块检测的所述对象,提供车道级定位信息,以确定所述碰撞的概率;
(v)确定所述附近车辆的最可能路径,其中根据相应的位置和速度数据以及来自地图信息的道路属性来计算所述最可能路径,以确定所述附近车辆的预测未来路径;其中
(vi)确定碰撞的概率的步骤包括执行所述第一车辆的所述最可能路径与所述附近车辆的所述最可能路径的比较。
2.根据权利要求1所述的装置,其中(i)所述第一车辆的位置和速度数据以及所述附近车辆的位置和速度数据包括位置、航向和速度值。
3.根据权利要求1所述的装置,其中所述地图信息包括特征地图,所述特征地图包括所述道路属性;
(i)所述道路属性包括(a)关于所述道路的中心线数据和(b)所述道路的高清晰度地图中的至少一者,并且
(ii)所述特征地图实现高级驾驶员辅助***视野,所述高级驾驶员辅助***视野包括关于即将到来的道路曲率、即将到来的道路坡度、即将到来的道路车道、即将到来的速度限制、即将到来的交通信号和即将到来的标牌中的至少一者的道路属性信息。
4.根据权利要求1所述的装置,其中(a)所述碰撞的概率作为输出发送到车辆***,并且(b)所述车辆***产生(i)对驾驶员的警告和(ii)用以响应于来自所述装置的所述输出而实现自动防撞的信号中的至少一者。
5.根据权利要求1所述的装置,其中所述附近车辆的所述位置和速度数据由(a)车辆的部件和(b)基础设施中的至少一者传送。
6.根据权利要求1所述的装置,其中所述存储器还被配置为存储指令,所述指令在被执行时,实行从所述第一车辆接收视觉数据的步骤,其中所述视觉数据(a)被实现为确定交通信号,并且(b)所述交通信号用于确定(i)所述第一车辆的所述最可能路径和(ii)所述附近车辆的所述最可能路径中的至少一者。
7.根据权利要求1所述的装置,其中所述附近车辆的所述最可能路径由所述装置基于(i)从所述附近车辆接收的所述位置和速度数据和(ii)所述地图信息来计算。
8.一种由安装在第一车辆上的装置执行的用于检测可能的车辆碰撞的方法,所述装置包括适于使用由一个或多个传感器捕获的视频数据的视觉模块,所述方法包括以下步骤:
(A)基于从GNSS卫星收到的信号计算所述第一车辆的位置和速度数据;
(B)接收所述第一车辆的附近车辆的位置和速度数据;
(C)基于所述第一车辆的所述位置和速度数据与所述附近车辆的所述位置和速度数据的比较确定碰撞的概率;
其中,所述方法还包括以下步骤:
(D)计算所述第一车辆的最可能路径,其中根据相应的位置和速度数据以及来自地图信息的道路属性来计算所述最可能路径,以确定所述第一车辆的预测未来路径,其中所述预测未来路径是通过以下来确定的:(a)由所述视觉模块将对象检测为道路属性和(b)基于由所述视觉模块检测的所述对象,提供车道级定位信息,以确定所述碰撞的概率;
(E)确定所述附近车辆的最可能路径,其中根据相应的位置和速度数据以及来自地图信息的道路属性来计算所述最可能路径,以确定所述附近车辆的预测未来路径;其中;其中
(F)确定碰撞的概率的步骤包括执行所述第一车辆的所述最可能路径与所述附近车辆的所述最可能路径的比较。
9.一种用于安装在第一车辆上的装置的计算机可读介质,所述装置包括适于使用由一个或多个传感器捕获的视频数据的视觉模块,所述计算机可读介质包含处理器可执行指令的计算机可读介质,所述处理器可执行指令被配置为实行以下步骤:
(A)接收第一输入,所述第一输入包括基于从GNSS卫星接收的信号计算的关于所述第一车辆的位置和速度数据;
(B)接收第二输入,所述第二输入包括关于所述第一车辆的附近车辆的位置和速度数据;
(C)执行所述第一输入和所述第二输入的比较以确定所述第一车辆和所述附近车辆之间的碰撞的概率;
(D)基于所述第一车辆和所述附近车辆之间的所述碰撞的概率生成输出;
其中,所述处理器可执行指令还被配置为实行以下步骤:
(E)计算所述第一车辆的最可能路径,其中根据相应的位置和速度数据以及来自地图信息的道路属性来计算所述最可能路径,以确定所述第一车辆的预测未来路径,其中所述预测未来路径是通过以下来确定的:(a)由所述视觉模块将对象检测为道路属性和(b)基于由所述视觉模块检测的所述对象,提供车道级定位信息,以确定所述碰撞的概率;
(F)确定所述附近车辆的最可能路径,其中根据相应的位置和速度数据以及来自地图信息的道路属性来计算所述最可能路径,以确定所述附近车辆的预测未来路径;其中
(G)确定碰撞的概率的步骤包括执行所述第一车辆的所述最可能路径与所述附近车辆的所述最可能路径的比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311271159.2A CN117290456A (zh) | 2016-08-17 | 2017-08-04 | 增强路径数据的方法、装置和计算机可读存储介质 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/238,828 US10139244B2 (en) | 2016-08-17 | 2016-08-17 | ADAS horizon and vision supplemental V2X |
US15/238,828 | 2016-08-17 | ||
PCT/US2017/045424 WO2018034861A1 (en) | 2016-08-17 | 2017-08-04 | Adas horizon and vision supplemental v2x |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311271159.2A Division CN117290456A (zh) | 2016-08-17 | 2017-08-04 | 增强路径数据的方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109791565A CN109791565A (zh) | 2019-05-21 |
CN109791565B true CN109791565B (zh) | 2023-12-29 |
Family
ID=61190708
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780049567.XA Active CN109791565B (zh) | 2016-08-17 | 2017-08-04 | Adas视野和视觉补充v2x |
CN202311271159.2A Pending CN117290456A (zh) | 2016-08-17 | 2017-08-04 | 增强路径数据的方法、装置和计算机可读存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311271159.2A Pending CN117290456A (zh) | 2016-08-17 | 2017-08-04 | 增强路径数据的方法、装置和计算机可读存储介质 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10139244B2 (zh) |
EP (2) | EP4354324A3 (zh) |
CN (2) | CN109791565B (zh) |
WO (1) | WO2018034861A1 (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6493181B2 (ja) * | 2015-12-02 | 2019-04-03 | 株式会社デンソー | 衝突判定装置 |
US10139244B2 (en) * | 2016-08-17 | 2018-11-27 | Veoneer Us Inc. | ADAS horizon and vision supplemental V2X |
US10347129B2 (en) * | 2016-12-07 | 2019-07-09 | Magna Electronics Inc. | Vehicle system with truck turn alert |
KR102215325B1 (ko) * | 2017-02-28 | 2021-02-15 | 현대자동차주식회사 | 차량의 위치 추정 장치 및 방법과 이를 이용한 차량 |
KR101989102B1 (ko) * | 2017-09-13 | 2019-06-13 | 엘지전자 주식회사 | 차량용 운전 보조 장치 및 그 제어 방법 |
US11403816B2 (en) * | 2017-11-30 | 2022-08-02 | Mitsubishi Electric Corporation | Three-dimensional map generation system, three-dimensional map generation method, and computer readable medium |
US11686582B2 (en) * | 2018-03-22 | 2023-06-27 | Arriver Software Llc | Sensor plausibility using GPS road information |
US10410516B1 (en) | 2018-05-24 | 2019-09-10 | Veoneer Us, Inc. | Systems and methods for vehicle geofencing management |
CN110654395A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车载控制***、车辆及方法 |
US10884248B2 (en) | 2018-07-20 | 2021-01-05 | Facense Ltd. | Hygienic head-mounted display for vehicles |
US10551623B1 (en) | 2018-07-20 | 2020-02-04 | Facense Ltd. | Safe head-mounted display for vehicles |
DE102018118761A1 (de) * | 2018-08-02 | 2020-02-06 | Robert Bosch Gmbh | Verfahren zum zumindest teilautomatisierten Führen eines Kraftfahrzeugs |
US10928522B2 (en) * | 2018-12-18 | 2021-02-23 | Continental Teves Ag & Co. Ohg | Method and device for determining navigation information |
US20220090939A1 (en) * | 2019-01-04 | 2022-03-24 | Visteon Global Technologies, Inc. | Ehorizon upgrader module, moving objects as ehorizon extension, sensor detected map data as ehorizon extension, and occupancy grid as ehorizon extension |
US10929692B2 (en) * | 2019-02-06 | 2021-02-23 | Veoneer Us Inc. | Lane level position determination |
US11085783B2 (en) | 2019-04-09 | 2021-08-10 | International Business Machines Corporation | Supplementing learning data to determine most probable path |
CN110148305A (zh) * | 2019-05-16 | 2019-08-20 | 安徽三联学院 | 一种基于车联网的车辆驾驶行为共享平台 |
US11198386B2 (en) | 2019-07-08 | 2021-12-14 | Lear Corporation | System and method for controlling operation of headlights in a host vehicle |
CN110896524B (zh) * | 2019-12-24 | 2022-01-11 | 腾讯科技(深圳)有限公司 | 网络结构监测方法、装置 |
FR3107114B1 (fr) * | 2020-02-12 | 2022-01-14 | Psa Automobiles Sa | Procédé et dispositif de validation de données de cartographie d’un environnement routier de véhicule |
US11210951B2 (en) * | 2020-03-03 | 2021-12-28 | Verizon Patent And Licensing Inc. | System and method for location data fusion and filtering |
US11485197B2 (en) | 2020-03-13 | 2022-11-01 | Lear Corporation | System and method for providing an air quality alert to an occupant of a host vehicle |
US11945472B2 (en) * | 2020-08-28 | 2024-04-02 | Motional Ad Llc | Trajectory planning of vehicles using route information |
US11315429B1 (en) * | 2020-10-27 | 2022-04-26 | Lear Corporation | System and method for providing an alert to a driver of a host vehicle |
US11841704B2 (en) | 2020-11-04 | 2023-12-12 | Waymo Llc | Behavior prediction for railway agents for autonomous driving system |
CN115134752A (zh) * | 2021-03-27 | 2022-09-30 | 华为技术有限公司 | 一种通信方法及通信装置 |
CN113205701B (zh) * | 2021-04-25 | 2023-05-12 | 腾讯科技(深圳)有限公司 | 车路协同***、基于车路协同的高程转换更新方法 |
DE102022204063A1 (de) * | 2022-04-27 | 2023-11-02 | Continental Automotive Technologies GmbH | Verfahren zum Senden von Fahrzeug-zu-X- Nachrichten, Verfahren zum Bestimmen einer möglichen Kollision sowie Fahrzeug-zu-X- Kommunikationsmodul |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537852A (zh) * | 2014-12-24 | 2015-04-22 | 同济大学 | 一种基于车路协同的道路突发事故提示方法 |
CN105206108A (zh) * | 2015-08-06 | 2015-12-30 | 同济大学 | 一种基于电子地图的车辆碰撞预警方法 |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6405132B1 (en) * | 1997-10-22 | 2002-06-11 | Intelligent Technologies International, Inc. | Accident avoidance system |
US7295925B2 (en) * | 1997-10-22 | 2007-11-13 | Intelligent Technologies International, Inc. | Accident avoidance systems and methods |
US8255144B2 (en) * | 1997-10-22 | 2012-08-28 | Intelligent Technologies International, Inc. | Intra-vehicle information conveyance system and method |
US7095336B2 (en) * | 2003-09-23 | 2006-08-22 | Optimus Corporation | System and method for providing pedestrian alerts |
US7444240B2 (en) | 2004-05-20 | 2008-10-28 | Ford Global Technologies, Llc | Collision avoidance system having GPS enhanced with OFDM transceivers |
US7729857B2 (en) * | 2005-08-18 | 2010-06-01 | Gm Global Technology Operations, Inc. | System for and method of detecting a collision and predicting a vehicle path |
US20080065328A1 (en) * | 2006-09-08 | 2008-03-13 | Andreas Eidehall | Method and system for collision avoidance |
JP4450023B2 (ja) | 2007-07-12 | 2010-04-14 | トヨタ自動車株式会社 | 自車両危険度取得装置 |
US7545261B1 (en) * | 2008-09-02 | 2009-06-09 | International Business Machines Corporation | Passive method and apparatus for alerting a driver of a vehicle of a potential collision condition |
US7991551B2 (en) | 2008-11-06 | 2011-08-02 | Ford Global Technologies, Llc | System and method for determining a collision status of a nearby vehicle |
US7991552B2 (en) | 2008-11-06 | 2011-08-02 | Ford Global Technologies, Llc | System and method for determining a side-impact collision status of a nearby vehicle |
US8380367B2 (en) | 2009-03-26 | 2013-02-19 | The University Of North Dakota | Adaptive surveillance and guidance system for vehicle collision avoidance and interception |
AU2009356536B2 (en) | 2009-12-11 | 2014-06-26 | Safemine Ag | Collision warning apparatus and method for operating the same |
US8744745B2 (en) * | 2010-06-08 | 2014-06-03 | General Motors Llc | Method of using vehicle location information with a wireless mobile device |
US8639426B2 (en) | 2010-07-15 | 2014-01-28 | George C Dedes | GPS/IMU/video/radar absolute/relative positioning communication/computation sensor platform for automotive safety applications |
US20130187792A1 (en) | 2012-01-19 | 2013-07-25 | Mark Egly | Early warning system for traffic signals and conditions |
JP5991377B2 (ja) * | 2012-07-24 | 2016-09-14 | トヨタ自動車株式会社 | 運転支援装置 |
US9037404B2 (en) | 2013-06-01 | 2015-05-19 | Savari, Inc. | System and method for map matching |
EP3044989B1 (en) * | 2013-09-10 | 2020-12-30 | WI-Tronix, LLC | Mobile asset cellular device transmission detection method |
EP2851886B1 (en) | 2013-09-19 | 2018-04-11 | Volvo Car Corporation | Arrangement in a vehicle for providing vehicle driver support, a vehicle, and a method for providing vehicle driver support |
KR101545722B1 (ko) | 2013-11-26 | 2015-08-19 | 현대모비스 주식회사 | 차량 위치 보정 제어 장치와 이를 구비하는 차량 위치 보정 시스템 및 방법 |
KR20150070801A (ko) | 2013-12-17 | 2015-06-25 | 현대자동차주식회사 | 차량간 통신을 이용한 교통정보 전달방법 |
US9079587B1 (en) | 2014-02-14 | 2015-07-14 | Ford Global Technologies, Llc | Autonomous control in a dense vehicle environment |
US9214086B1 (en) | 2014-05-30 | 2015-12-15 | Alpine Electronics, Inc. | Vehicle to vehicle wireless communication apparatus with potential crash warning |
US20160071417A1 (en) * | 2014-09-10 | 2016-03-10 | Hyundai America Technical Center, Inc. | Inter-vehicle collision avoidance system |
JP6160840B2 (ja) * | 2014-12-02 | 2017-07-12 | パナソニックIpマネジメント株式会社 | 無線装置 |
JP6468171B2 (ja) * | 2015-11-30 | 2019-02-13 | 株式会社デンソー | 運転支援装置 |
US20170227470A1 (en) * | 2016-02-04 | 2017-08-10 | Proxy Technologies, Inc. | Autonomous vehicle, system and method for structural object assessment and manufacture thereof |
US10126141B2 (en) * | 2016-05-02 | 2018-11-13 | Google Llc | Systems and methods for using real-time imagery in navigation |
US10303166B2 (en) * | 2016-05-23 | 2019-05-28 | nuTonomy Inc. | Supervisory control of vehicles |
US9908411B2 (en) * | 2016-06-23 | 2018-03-06 | International Business Machines Corporation | Avoiding vehicle collision using signals from mobile devices |
US10139244B2 (en) * | 2016-08-17 | 2018-11-27 | Veoneer Us Inc. | ADAS horizon and vision supplemental V2X |
US20200201356A1 (en) * | 2018-12-21 | 2020-06-25 | Peloton Technology, Inc. | Systems and methods for managing platooning behavior |
-
2016
- 2016-08-17 US US15/238,828 patent/US10139244B2/en active Active
-
2017
- 2017-08-04 WO PCT/US2017/045424 patent/WO2018034861A1/en unknown
- 2017-08-04 CN CN201780049567.XA patent/CN109791565B/zh active Active
- 2017-08-04 EP EP23217485.4A patent/EP4354324A3/en active Pending
- 2017-08-04 EP EP17841849.7A patent/EP3500944B1/en active Active
- 2017-08-04 CN CN202311271159.2A patent/CN117290456A/zh active Pending
-
2018
- 2018-10-24 US US16/169,250 patent/US11156474B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537852A (zh) * | 2014-12-24 | 2015-04-22 | 同济大学 | 一种基于车路协同的道路突发事故提示方法 |
CN105206108A (zh) * | 2015-08-06 | 2015-12-30 | 同济大学 | 一种基于电子地图的车辆碰撞预警方法 |
Non-Patent Citations (3)
Title |
---|
A Cooperative Collision Warning System Based on Digital Map and Dynamic Vehicle Model Fusion;Lei Cai 等;《IOV 2015: Internet of Vehicles - Safe and Intelligent Mobility》;Springer, Cham;20151129;第1-4节 * |
A Cooperative Collision Warning System Based on Digital Map and Dynamic Vehicle Model Fusion;Lei Cai 等;International Conference on Internet of Vehicles IOV 2015: Internet of Vehicles - Safe and Intelligent Mobility;第1-4节 * |
Lei Cai 等.A Cooperative Collision Warning System Based on Digital Map and Dynamic Vehicle Model Fusion.International Conference on Internet of Vehicles IOV 2015: Internet of Vehicles - Safe and Intelligent Mobility.2015,第1-4节. * |
Also Published As
Publication number | Publication date |
---|---|
EP4354324A3 (en) | 2024-07-31 |
EP3500944C0 (en) | 2023-12-20 |
US11156474B2 (en) | 2021-10-26 |
CN109791565A (zh) | 2019-05-21 |
EP3500944B1 (en) | 2023-12-20 |
EP3500944A4 (en) | 2020-04-15 |
US10139244B2 (en) | 2018-11-27 |
EP4354324A2 (en) | 2024-04-17 |
EP3500944A1 (en) | 2019-06-26 |
US20180052005A1 (en) | 2018-02-22 |
CN117290456A (zh) | 2023-12-26 |
US20190056238A1 (en) | 2019-02-21 |
WO2018034861A1 (en) | 2018-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109791565B (zh) | Adas视野和视觉补充v2x | |
EP3578924B1 (en) | Warning polygons for weather from vehicle sensor data | |
CN111161008B (zh) | Ar/vr/mr乘车共享助理 | |
CN110431606B (zh) | 通过协作定位而改善的asil定级 | |
US11248925B2 (en) | Augmented road line detection and display system | |
CN106352867B (zh) | 用于确定车辆自身位置的方法和设备 | |
KR102221321B1 (ko) | 차량의 예상 주행 의도에 관한 정보를 제공하는 방법 | |
CN102889892B (zh) | 实景导航的方法及导航终端 | |
US8718917B2 (en) | GPS-based relative positioning enhancement method using neighboring entity information | |
US9373255B2 (en) | Method and system for producing an up-to-date situation depiction | |
CN114255606B (zh) | 辅助驾驶提醒、地图辅助驾驶提醒方法、装置和地图 | |
CN108475468B (zh) | 位置推测装置、位置推测方法及计算机可读取存储介质 | |
CN111508276B (zh) | 基于高精地图的v2x逆向超车预警方法、***和介质 | |
CN113012445A (zh) | 智能交通控制***及其控制方法 | |
CN109927629B (zh) | 用于控制投影设备的显示控制设备、显示控制方法及车辆 | |
EP3819897A1 (en) | Driving support method and driving support device | |
US10657683B2 (en) | Hazard warning polygons constrained based on end-use device | |
CN111693055A (zh) | 道路网络变化检测和所检测的变化的本地传播 | |
EP4083957A1 (en) | Navigation system with traffic state detection mechanism and method of operation thereof | |
JP2020030277A (ja) | 地図データ、コンピュータ読取可能な記録媒体および地図データ生成装置 | |
JP6714944B2 (ja) | 運転支援装置、運転支援プログラム、運転支援方法および運転支援システム | |
KR20170128684A (ko) | 증강현실 기술을 이용하여 차량의 주행 정보를 제공하기 위한 전자 장치 | |
CN112257488A (zh) | 信息提供装置、信息提供方法及存储介质 | |
Wang et al. | Trajectory prediction for left-turn vehicles at T-shaped intersections based on location based service | |
Thomas et al. | DSRC based collision warning for vehicles at intersections |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220713 Address after: Michigan, USA Applicant after: Anzher Software Co.,Ltd. Address before: Michigan, USA Applicant before: Vennell America |
|
GR01 | Patent grant | ||
GR01 | Patent grant |