CN115123209A - 驾驶辅助装置 - Google Patents
驾驶辅助装置 Download PDFInfo
- Publication number
- CN115123209A CN115123209A CN202210185344.9A CN202210185344A CN115123209A CN 115123209 A CN115123209 A CN 115123209A CN 202210185344 A CN202210185344 A CN 202210185344A CN 115123209 A CN115123209 A CN 115123209A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- potential
- synthetic
- host vehicle
- blind
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 230000009471 action Effects 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 description 35
- 238000001514 detection method Methods 0.000 description 28
- 239000002131 composite material Substances 0.000 description 20
- 238000000034 method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 230000000903 blocking effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
-
- 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
- B60W2554/402—Type
- B60W2554/4026—Cycles
-
- 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
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
-
- 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
- B60W2554/4046—Behavior, e.g. aggressive or erratic
-
- 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
- B60W2554/80—Spatial relation or speed relative to objects
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供在存在多个死角区域的状况下,能够使本车辆向从可能存在于各个死角区域的车辆容易视觉辨认的位置移动,从而减低事故发生的风险的驾驶辅助装置。驾驶辅助装置具备:合成死角区域计算部,其在从本车辆观察到的各个死角区域即本车死角区域中分别设定潜在车辆,并且计算由从各个潜在车辆观察到的各个死角区域即潜在车辆死角区域中的至少两个形成的合成死角区域,该本车死角区域通过存在于本车辆的周围的多个遮挡物而产生,该潜在车辆死角区域通过遮挡物而产生;以及驾驶条件设定部,其设定用于使本车辆向合成死角区域之外移动的多个路线,并且基于多个路线中的某一路线来设定本车辆的驾驶条件。
Description
技术领域
本发明涉及一种以避免与周围的障碍物的碰撞的方式辅助车辆的驾驶的驾驶辅助装置。
背景技术
近年来,主要以交通事故的削减为目的,正在推进搭载有自动紧急制动(AEB:Autonomous Emergency Brake)等驾驶辅助功能的车辆的实用化。已知有例如基于由设置于本车辆的车外拍摄相机和/或LiDAR(Light Detection and Ranging:光探测和测距)等各种传感器检测出的信息来探测存在于本车辆的周围的障碍物,以避免本车辆与障碍物的碰撞的方式辅助本车辆的驾驶的装置。然而,在交通事故中存在从死角区域突然的冲出等,在没有预先设想事故而采取减速等预备行动的情况下难以躲避的现象。
对此,例如在专利文献1中提出有如下车辆控制装置,该车辆控制装置当本车辆在有死角的状况下行驶的情况下,能够根据状况而适当地控制车辆。具体而言,在专利文献1中公开了如下车辆控制装置,该车辆控制装置检测出对于本车辆而言成为死角的死角区域,判定有可能从死角区域出现的移动物体的行进路线与本车辆的行进路线的相对的优先度,基于判定出的优先度而输出针对本车辆的控制信号。
现有技术文献
专利文献
专利文献1:日本特开2016-122308号公报
发明内容
技术问题
然而,专利文献1的车辆控制装置没有针对存在多个死角区域的情况进行考虑。因此,不能够在存在多个死角区域的情况下适当地控制车辆,从而在任一死角区域存在车辆等的情况下,都有可能不能够减低与该车辆等的碰撞的风险。
本发明是鉴于上述问题而做出的,本发明的目的在于,提供一种驾驶辅助装置,其在存在有多个死角区域的状况下,能够使本车辆向从可能存在于各个死角区域的车辆容易视觉辨认的位置移动,从而减低事故发生的风险。
技术方案
为了解决上述问题,根据本发明的一个观点,提供一种驾驶辅助装置,其辅助车辆的驾驶,具备:合成死角区域计算部,其在作为从本车辆观察到的各个死角区域的本车死角区域中分别设定潜在车辆,并且计算由从各个潜在车辆观察到的各个死角区域即潜在车辆死角区域中的至少两个形成的合成死角区域,该本车死角区域通过存在于本车辆的周围的多个遮挡物而产生,该潜在车辆死角区域通过遮挡物而产生;以及驾驶条件设定部,其设定用于使本车辆向合成死角区域之外移动的多个路线,并且基于多个路线中的某一路线来设定本车辆的驾驶条件。
技术效果
根据如上所述的本发明,在存在有多个死角区域的状况下,能够使本车辆向从可能存在于各个死角区域的车辆容易视觉辨识的位置移动,从而减低事故发生的风险。
附图说明
图1是示出具备本发明的各实施方式的驾驶辅助装置的车辆的整体构成例的示意图。
图2是示出第一实施方式的驾驶辅助装置的构成例的框图。
图3是示出该实施方式的驾驶辅助装置的控制处理的主例程的流程图。
图4是示出该实施方式的驾驶辅助装置的合成死角区域计算处理的一例的流程图。
图5是示出该实施方式的驾驶辅助装置的驾驶条件设定处理的一例的流程图。
图6是示出该实施方式的适用事例中的本车死角区域的说明图。
图7是示出该实施方式的适用事例中的潜在车辆死角区域的说明图。
图8是示出该实施方式的适用事例中的合成死角区域的说明图。
图9是示出该实施方式的适用事例中的路线的选择方法的说明图。
图10是示出该实施方式的适用事例中的其他合成死角区域的说明图。
图11是示出第二实施方式的驾驶辅助装置的构成例的框图。
图12是示出该实施方式的驾驶辅助装置的驾驶条件设定处理的一例的流程图。
图13是示出该实施方式的适用事例中的本车死角区域的说明图。
图14是示出该实施方式的适用事例中的路线的选择方法的说明图。
图15是示出该实施方式的适用事例中的事故严重等级的说明图。
符号说明
1…车辆(本车辆)、1aa、1ab、1ba、1ca、1cb、1da、1db、1ea、1fa、1fb…目标位置(本车辆)、31…周围环境传感器、35…车辆状态传感器、41…车辆控制部、50、50A…驾驶辅助装置、51…控制部、53…存储部、55…事故严重等级数据库、61…周围环境检测部、63…合成死角区域计算部、65…驾驶条件设定部、82a、82b、82c、82d、82e…其他车辆(遮挡物)、83a、83b、83c、83d、83e、83f…潜在车辆、84a、84b、84c、84d、84e、84f…本车死角区域、85a、85b、85c、85d、85e、85f…潜在车辆死角区域、86a、86b、86c、86d、86e、86f…合成死角区域、87aa、87ab、87ba、87ca、87cb、87da、87db、87ea、87fa、87fb…路线、91…建筑物(遮挡物)
具体实施方式
以下,参照附图,对本发明优选的实施方式进行详细说明。应予说明,在本说明书和附图中,针对实质上具有同一功能结构的构成要素标注同一符号而省略重复说明。
<1.车辆的整体构成>
首先,对能够适用本发明的各实施方式的驾驶辅助装置的车辆的整体构成的一例进行说明。
图1是示出具备驾驶辅助装置50的车辆1的构成例的示意图。
图1所示的车辆1构成为将从生成车辆的驱动扭矩的驱动力源9输出的驱动扭矩传递到左前轮3LF、右前轮3RF、左后轮3LR以及右后轮3RR(以下,在不需要特别区分的情况下统称为“车轮3”)的四轮驱动车。驱动力源9可以是汽油发动机或柴油发动机等内燃机,也可以是驱动用马达,还可以同时具备内燃机和驱动用马达。
应予说明,车辆1例如可以是具备前轮驱动用马达和后轮驱动用马达这两个驱动用马达的电动汽车,也可以是具备与各个车轮3对应的驱动用马达的电动汽车。另外,在车辆1为电动汽车或混合动力电动汽车的情况下,在车辆1中搭载有蓄积向驱动用马达供给的电力的二次电池、或者进行向电池充电的电力的发电的马达和/或燃料电池等的发电机。
作为用于车辆1的驾驶控制的设备,车辆1具备驱动力源9、电动转向装置15以及制动装置17LF、17RF、17LR、17RR(以下,在不需要特别区分的情况下统称为“制动装置17”)。驱动力源9输出驱动扭矩,该驱动扭矩经由未图示的变速器和/或前轮差动机构7F和后轮差动机构7R而被传递到前轮驱动轴5F和后轮驱动轴5R。驱动力源9和/或变速器的驱动通过包括一个或多个电子控制装置(ECU:Electronic Control Unit)而构成的车辆控制部41进行控制。
在前轮驱动轴5F设置有电动转向装置15。电动转向装置15包括未图示的电动马达和/或齿轮机构,并且通过被车辆控制部41进行控制而调节左前轮3LF和右前轮3RF的转向角。车辆控制部41在手动驾驶中基于驾驶员对方向盘13的转向角来控制电动转向装置15。另外,车辆控制部41在自动驾驶中基于设定的行驶轨道来控制电动转向装置15。
制动装置17LF、17RF、17LR、17RR分别向前后左右的驱动轮3LF、3RF、3LR、3RR赋予制动力。制动装置17例如构成为液压式的制动装置,通过由车辆控制部41控制向各个制动装置17供给的液压从而产生预定的制动力。在车辆1为电动汽车或混合动力电动汽车的情况下,制动装置17与基于驱动用马达的再生制动器并用。
车辆控制部41包括:驱动力源9,其输出车辆1的驱动扭矩;电动转向装置15,其控制方向盘或转向轮的转向角;以及一个或多个电子控制装置,其控制制动装置17的驱动,该制动装置17控制车辆1的制动力。车辆控制部41可以具备控制变速器的驱动的功能,该变速器将从驱动力源9输出的驱动扭矩变速而向车轮3传递。车辆控制部41构成为能够获取从驾驶辅助装置50发送的信息,并且构成为能够执行车辆1的自动驾驶控制。
另外,车辆1具备前方拍摄相机31LF、31RF、后方拍摄相机31R、LiDAR(LightDetection And Ranging)31S、车辆状态传感器35、GPS(Global Positioning System:全球定位***)传感器37以及HMI(Human Machine Interface:人机界面)43。
前方拍摄相机31LF、31RF、后方拍摄相机31R以及LiDAR31S构成用于获取车辆1的周围环境的信息的周围环境传感器。前方拍摄相机31LF、31RF和后方拍摄相机31R拍摄车辆1的前方或者后方,生成图像数据。前方拍摄相机31LF、31RF和后方拍摄相机31R具备CCD(Charged-Coupled Devices:电荷耦合器件)或者CMOS(Complementary Metal-Oxide-Semiconductor:互补金属氧化物半导体)等拍摄元件,并且向驾驶辅助装置50发送生成的图像数据。
在图1所示的车辆1中,虽然前方拍摄相机31LF、31RF构成为包括左右一对相机的立体相机,后方拍摄相机31R构成为所谓的单眼相机,但是也可以分别是立体相机或单眼相机中的任一者。除前方拍摄相机31LF、31RF和后方拍摄相机31R以外,车辆1还可以具备例如设置于侧视镜11L、11R而拍摄左后方或右后方的相机。
LiDAR 31S发送光学波并且接收该光学波的反射波,并基于从发送光学波起到接收反射波为止的时间来探测物体以及到物体的距离。LiDAR 31S向驾驶辅助装置50发送检测数据。此外,车辆1也可以具备毫米波雷达等雷达传感器、超声波传感器中的任意一个或多个传感器作为用于获取周围环境的信息的周围环境传感器。
车辆状态传感器35由检测车辆1的操作状态和行为的至少一个传感器构成。车辆状态传感器35例如包括转向角传感器、油门位置传感器、制动行程传感器、制动压力传感器以及发动机转数传感器中的至少一者,检测方向盘或转向轮的转向角、油门开度、制动器操作量或发动机转数等车辆1的操作状态。另外,车辆状态传感器35例如包括车速传感器、加速度传感器、角速度传感器中的至少一者,检测车速、前后加速度、横向加速度、横摆率等车辆的行为。车辆状态传感器35向驾驶辅助装置50发送包括检测到的信息的传感器信号。
GPS传感器37接收来自GPS卫星的卫星信号。GPS传感器37向驾驶辅助装置50发送接收到的卫星信号所包含的车辆1的地图数据上的位置信息。应予说明,也可以具备接收来自确定车辆1的位置的其他卫星***的卫星信号的天线来代替GPS传感器37。
HMI 43通过驾驶辅助装置50而被驱动,并且通过图像显示和/或声音输出等手段对驾驶员提示各种信息。HMI 43例如包括设置在仪表板内的显示装置以及设置在车辆的扬声器。显示装置也可以是导航***的显示装置。另外,HMI 43也可以包括与本车辆1的周围的风景重叠地向前挡玻璃上进行显示的HUD(平视显示器)。
<2.第一实施方式>
接着,对第一实施方式的驾驶辅助装置50进行说明。
(2-1.驾驶辅助装置的构成例)
图2是示出本实施方式的驾驶辅助装置50的构成例的框图。
在驾驶辅助装置50直接地或经由CAN(Controller Area Network:控制器局域网络)、LIN(Local Interconnect Network:局域互联网络)等通信单元而连接有周围环境传感器31、车辆状态传感器35以及GPS传感器37。另外,在驾驶辅助装置50连接有车辆控制部41、以及HMI 43。应予说明,驾驶辅助装置50不限于搭载于车辆1的电子控制装置,也可以是智能手机和/或可穿戴设备等终端装置。
驾驶辅助装置50具备控制部51、以及存储部53。控制部51构成为具备一个或多个CPU等处理器。控制部51的一部分或全部可以由固件等能够更新的部件构成,另外,也可以是根据来自CPU等的指令而执行的程序模块等。存储部53由RAM(Random Access Memory:随机存取存储器)或ROM(Read Only Memory:只读存储器)等存储元件构成。其中,存储部53的数量和种类没有特别限定。存储部53存储由控制部51执行的计算机程序、用于运算处理的各种参数、检测数据、以及运算结果等信息。
(2-2.控制部的功能构成)
接着,对本实施方式的驾驶辅助装置50的控制部51的功能构成进行详细说明。控制部51具备周围环境检测部61、合成死角区域计算部63以及驾驶条件设定部65。这些各部的功能通过处理器执行计算机程序而被实现。应予说明,周围环境检测部61、合成死角区域计算部63以及驾驶条件设定部65中的一部分或者全部也可以由硬件构成。
(周围环境检测部)
周围环境检测部61基于从周围环境传感器31发送的检测数据来检测本车辆1的周围环境。具体而言,周围环境检测部61通过对从前方拍摄相机31LF、31RF和后方拍摄相机31R发送的图像数据进行图像处理,从而利用物体探测的技术来检测存在于本车辆1的周围的周围车辆、人物、自行车、其他障碍物等。另外,周围环境检测部61基于从LiDAR 31S发送的检测数据来检测障碍物等。另外,周围环境检测部61计算从本车辆1观察到的周围车辆和/或人物等的位置、从本车辆1到周围车辆和/或人物等为止的距离、以及周围车辆和/或人物等相对于本车辆1的相对速度。
(合成死角区域计算部)
合成死角区域计算部63假定为在作为从本车辆1观察到的各个死角区域的本车死角区域中分别存在潜在车辆,并且计算由作为从各个潜在车辆观察到的各个死角区域的潜在车辆死角区域中的至少两个形成的合成死角区域,该本车死角区域因存在于本车辆1的周围的多个遮挡物而产生,该潜在车辆死角区域因遮挡物而产生。
具体而言,合成死角区域计算部63基于周围环境检测部61的检测结果来检测遮挡物。对于遮挡物而言,虽然代表性地例示出停车中的车辆、侧壁、树篱等建筑物,但是只要能够对本车辆1遮挡其他车辆、行人、自行车等其他移动物体的存在就不限于这些遮挡物。另外,合成死角区域计算部63也可以利用经由GPS传感器37而获取的本车辆1在地图数据上的位置的信息和行进方向前方的道路信息、进而从本车辆1以外的信息处理装置获取的信息来检测遮挡物。合成死角区域计算部63设定因检测到的各个遮挡物而产生的对于本车辆1而言的本车死角区域。
进而,合成死角区域计算部63在所设定的各个本车死角区域设定潜在车辆,并且分别设定潜在车辆死角区域,该潜在车辆死角区域是对于该潜在车辆而言的死角区域。潜在车辆是指没有被周围环境检测部61检测出或者检测精确度低,而不能判明实际上是否存在的假想的车辆。潜在车辆死角区域是指因遮挡物而产生的、对于潜在车辆而言成为死角的区域,该遮挡物是使设定了潜在车辆的本车死角区域产生的物体。
并且,合成死角区域计算部63计算出合成死角区域,该合成死角区域由针对各个潜在车辆而设定的潜在车辆死角区域中的至少两个形成。合成死角区域是与所选择的至少两个潜在车辆死角区域中的至少任一个相当的区域,是指将至少两个潜在车辆死角区域平面地重合而形成的整体的死角区域。计算合成死角区域时的潜在车辆死角区域的数量可以是两个,也可以根据所有的潜在车辆死角区域的数量即潜在车辆的数量而设为三个以上。在例如计算由多个潜在车辆死角区域中的两个形成的合成死角区域的情况下,合成死角区域计算部63针对所有的潜在车辆死角区域的组合计算合成死角区域。合成死角区域计算部63的具体处理后面将进行详细说明。
(驾驶条件设定部)
驾驶条件设定部65设定用于使本车辆1向合成死角区域之外移动的多个路线,并且基于多个路线中的任一路线来设定本车辆1的驾驶条件。驾驶条件包括本车辆1的目标转向角和目标加减速度的条件。在本实施方式中,驾驶条件设定部65基于多个路线中的、本车辆1向合成死角区域之外移动的所需时间成为最短的路线来设定本车辆1的驾驶条件。
驾驶条件设定部65向车辆控制部41发送所设定的目标转向角和目标加减速度的信息。车辆控制部41基于获取到的目标转向角和目标加减速度的信息来控制本车辆1的行驶。此时,驾驶条件设定部65也可以以不超过预先设定的转向角的上限值或加减速度的上限值的方式设定目标转向角和目标加减速度。由此,能够防止本车辆1的急转向、急减速或急加速。驾驶条件设定部65的具体处理后面将进行详细说明。
(2-3.驾驶辅助装置的动作)
接着,沿用流程图对本实施方式的驾驶辅助装置50的动作的一例进行具体地说明。
图3~图5是示出驾驶辅助装置50的动作的一例的流程图。
首先,若包括驾驶辅助装置50的车载***启动(步骤S11),则控制部51的周围环境检测部61获取从周围环境传感器31发送的检测数据,并基于该检测数据检测本车辆1的周围环境(步骤S13)。在本实施方式中,周围环境检测部61基于从前方拍摄相机31LF、31RF、后方拍摄相机31R以及LiDAR 31S发送的检测数据而检测出存在于本车辆1的周围的其他车辆、人物、建筑物、交通标识、白线等。
接着,控制部51的合成死角区域计算部63判定在本车辆1的周围是否存在从本车辆1观察可产生死角的遮挡物(步骤S15)。例如,合成死角区域计算部63计算由周围环境检测部61检测出的各个物体的尺寸和/或位置、各个物体相对于本车辆1的相对速度,判定有无从本车辆1观察可产生死角的物体。例如,合成死角区域计算部63针对实际空间上的位置变化的移动物体,在物体的横向宽度、高度以及进深分别为预先设定的尺寸以上,且该物体距本车辆1的预定行驶轨道存在于预先设定的距离以内,并且相对速度为预先设定的速度阈值以下的情况下,判定为该物体相当于遮挡物。另外,合成死角区域计算部63针对实际空间上的位置不变化的静止物体,在物体的横向宽度、高度以及进深分别为预先设定的尺寸以上,且该物体距本车辆1的预定行驶轨道存在于预先设定的距离以内、并且相对速度与本车辆1的车速为相同的值的情况下,判定为该物体相当于遮挡物。
在未判定为存在可产生死角的遮挡物的情况下(S15/否),合成死角区域计算部63返回到步骤S13而反复进行周围环境的检测处理(步骤S13)以及有无遮挡物的判定处理(步骤S15)。另一方面,在判定为存在可产生死角的遮挡物的情况下(S15/是),合成死角区域计算部63执行计算合成死角区域的处理(步骤S17)。
图4是示出合成死角区域计算处理的流程图。
首先,合成死角区域计算部63计算出由遮挡物产生的本车死角区域(步骤S41)。例如,合成死角区域计算部63获取被判定为遮挡物的物体的大小、位置以及相对速度的信息,并基于获取到的信息来计算本车死角区域。具体而言,合成死角区域计算部63将从本车辆1观察位于遮挡物的里侧的区域设定为本车死角区域。例如,本车死角区域能够设为俯瞰地观察包含遮挡物的周围环境而得的二维的死角区域。合成死角区域计算部63针对在本车辆1的周围检测出的所有的遮挡物来计算本车死角区域。
接着,合成死角区域计算部63在所设定的各个本车死角区域设定潜在车辆(步骤S43)。设定的潜在车辆被设想为处于所设定的本车死角区域内,并且被设定在能够进入本车辆1能够移动的范围内的位置。虽然在各个本车死角区域内可以设定多个潜在车辆,但是对于本车辆1而言优选在本车死角区域内设定与本车辆1最接近的潜在车辆。虽然潜在车辆的大小没有特别限定,但是潜在车辆的大小越小,则能够设定潜在车辆的区域越增加,越能够将本车死角区域潜在的风险设定得越高。此时,依在步骤S41中计算出的本车死角区域的大小,也可能存在未设定有潜在车辆的本车死角区域。
接着,合成死角区域计算部63计算出从所设定的各个潜在车辆观察到的死角区域即潜在车辆死角区域(步骤S45)。具体而言,合成死角区域计算部63针对各个潜在车辆,计算因产生设定了该潜在车辆的本车死角区域的遮挡物而从该潜在车辆观察成为死角的区域。针对潜在车辆死角区域,也能够与本车死角区域同样地设为俯瞰地观察包含遮挡物的周围环境的二维的死角区域。例如,合成死角区域计算部63将从所设定的潜在车辆的前部中央等适当的位置观察位于遮挡物的里侧的区域设定为潜在车辆死角区域。合成死角区域计算部63针对所设定的所有的潜在车辆来计算潜在车辆死角区域。
接着,合成死角区域计算部63计算由所计算出的多个潜在车辆死角区域中的至少两个形成的合成死角区域(步骤S47)。例如,合成死角区域计算部63针对所有的潜在车辆死角区域的组合计算出由两个潜在车辆死角区域形成的合成死角区域。其中,计算合成死角区域时的潜在车辆死角区域的数量可以为三个以上,也可以根据潜在车辆或潜在车辆死角区域的数量而不同。
返回图3,在步骤S17中计算出合成死角区域之后,控制部51的驾驶条件设定部65执行设定本车辆1的驾驶条件的处理(步骤S19)。
图5是示出用于使本车辆1以最短时间向合成死角区域外移动的驾驶条件设定处理的流程图。
首先,驾驶条件设定部65针对在步骤S17中计算出的各个合成死角区域计算出使本车辆1向该合成死角区域外移动的路线和所需时间(步骤S51)。具体而言,驾驶条件设定部65针对各个合成死角区域,设定用于使本车辆1向该合成死角区域外移动的一个或多个目标位置和路线,计算出沿着各个路线移动时的所需时间。使本车辆1移动的目标位置可以是例如距本车辆1的当前位置的直线距离最近的位置,也可以是确保与其他车辆和其他障碍物的距离为预定距离以上的区域中的距本车辆1的当前位置的直线距离最近的位置。针对各个合成死角区域设定的路线的数量没有特别限定。
另外,驾驶条件设定部65基于本车辆1的当前的车速、加减速度以及转向角的信息来计算用于使本车辆1沿着各个路线移动到目标位置的所需时间。此时,驾驶条件设定部65可以还使用预先设定的加减速度或转向角的变化量的上限值的信息,以不产生急转向和/或急减速或急加速的方式计算用于使本车辆1沿着各个路线移动到目标位置的所需时间。
接着,驾驶条件设定部65从针对所有的合成死角区域设定的、使本车辆1向该合成死角区域外移动的路线中,选择所需时间成为最短的路线(步骤S53)。接着,驾驶条件设定部65设定用于使本车辆1沿着所选择的路线行驶的目标转向角和目标加减速度(步骤S55)。驾驶条件设定部65向车辆控制部41发送所设定的目标转向角和目标加减速度的信息。车辆控制部41基于获取到的目标转向角和目标加减速度的信息来控制本车辆1的行驶。
返回图3,在步骤S19中由驾驶条件设定部65设定了驾驶条件之后,驾驶条件设定部65判定包括驾驶辅助装置50的车载***是否停止(步骤S21)。在车载***没有停止的情况下(S21/否),驾驶辅助装置50返回到步骤S13而反复进行上述各步骤的处理。另一方面,在车载***已停止的情况下(S21/是),驾驶辅助装置50停止动作。
这样,本实施方式的驾驶辅助装置50设定使本车辆1以最短时间向合成死角区域外移动的路线,并且设定用于使本车辆1沿着该路线移动的驾驶条件。驾驶辅助装置50通过按照控制部51的每个运算周期依次执行设定路线和驾驶条件,并向车辆控制部41发送所设定的驾驶条件的信息的处理,从而最终地使本车辆1向潜在车辆死角区域外移动。通过在不设定使本车辆1向所有的潜在车辆死角区域之外移动的路线的情况下设定使本车辆1向合成死角区域之外移动的路线,从而能够使本车辆1向能够从至少两辆潜在车辆视觉辨识的位置移动。因为选择的路线是以最短时间使本车辆1向任一合成死角区域外移动的路线,所以能够使本车辆1迅速地向能够从至少两辆潜在车辆视觉辨识的位置移动。因此,能够迅速地减低发生本车辆1与潜在车辆的事故和/或潜在危险事件的风险。
(2-4.适用事例)
至此,对本实施方式的驾驶辅助装置50进行了说明。以下,对适用了本实施方式的驾驶辅助装置50的行驶场景的例子进行说明。
图6~图9是用于说明本实施方式的驾驶辅助装置50的适用事例的图,是示出行驶于单侧三车道的道路的本车辆1通过交叉路口的行驶场景的说明图。
如图6所示,本车辆1正行驶于单侧三车道的道路的右侧车道。在本车辆1的前方的交叉路口存在有在对向车道正在等待右转的其他车辆82a。另外,在本车辆1的左前方存在有行驶于单侧三车道的道路的中央车道的其他车辆82b,在本车辆1的左后方存在有行驶于单侧三车道的道路的中央车道的其他车辆82c。
在该行驶场景中,控制部51的合成死角区域计算部63从由周围环境检测部61检测出的周围环境中,检测出其他车辆82a、82b、82c作为产生从本车辆1观察到的死角的遮挡物。另外,合成死角区域计算部63分别设定通过作为遮挡物被检测出的其他车辆82a、82b、82c产生的本车死角区域84a、84b、84c。进而,合成死角区域计算部63分别在本车死角区域84a、84b、84c设定潜在车辆83a、83b、83c。在图6中,分别在本车死角区域84a、84b、84c设定有一辆潜在车辆83a、83b、83c。
接着,如图7所示,合成死角区域计算部63分别设定对于所设定的潜在车辆83a、83b、83c而言的潜在车辆死角区域85a、85b、85c。
具体而言,如图7的上部所示,设定有潜在车辆83a的本车死角区域84a通过其他车辆82a而产生,从潜在车辆83a观察到的潜在车辆死角区域85a被设定为通过该其他车辆82a产生的对于潜在车辆83a而言的死角区域。同样地,如图7的中部所示,设定有潜在车辆83b的本车死角区域84b通过其他车辆82b而产生,从潜在车辆83b观察到的潜在车辆死角区域85b被设定为通过该其他车辆82b产生的对于潜在车辆83b而言的死角区域。另外,如图7的下部所示,设定有潜在车辆83c的本车死角区域84c通过其他车辆82c而产生,从潜在车辆83c观察到的潜在车辆死角区域85c被设定为通过该其他车辆82c产生的对于潜在车辆83c而言的死角区域。
接着,如图8所示,控制部51的驾驶条件设定部65计算出由各个潜在车辆死角区域85a、85b、85c形成的合成死角区域86a、86b、86c。在图8所示的例子中,计算出由三个潜在车辆死角区域85a、85b、85c中的任意两个形成的合成死角区域86a、86b、86c。
具体而言,如图8的上部所示,通过对于潜在车辆83a而言的潜在车辆死角区域85a与对于潜在车辆83b而言的潜在车辆死角区域85b形成的区域作为合成死角区域86a而被计算出来。另外,如图8的中部所示,通过对于潜在车辆83b而言的潜在车辆死角区域85b与对于潜在车辆83c而言的潜在车辆死角区域85c形成的区域作为合成死角区域86b而被计算出来。此外,如图8的下部所示,通过对于潜在车辆83a而言的潜在车辆死角区域85a与对于潜在车辆83c而言的潜在车辆死角区域85c形成的区域作为合成死角区域86c而被计算出来。
接着,如图9所示,驾驶条件设定部65针对各个合成死角区域86a、86b、86c,设定使本车辆1向合成死角区域86a、86b、86c外移动的一个或多个目标位置1aa、1ab、1ba、1ca、1cb以及路线87aa、87ab、87ba、87ca、87cb。在图9所示的例子中,在相对于在本车辆1的周围行驶的其他车辆82b、82c离开预定的距离以上的区域设定有一个或多个目标位置1aa、1ab、1ba、1ca、1cb。
具体而言,如图9的上部所示,针对合成死角区域86a设定有两个目标位置1aa、1ab。另外,如图9的中部所示,针对合成死角区域86b设定有一个目标位置1ba。此外,如图9的下部所示,针对合成死角区域86c设定有两个目标位置1ca、1cb。
驾驶条件设定部65基于本车辆1的当前的车速、加减速度以及转向角的信息、以及能够设定的加减速度或转向角的变化量的上限值,以不产生急转向和/或急减速或急加速的方式计算出用于使本车辆1沿着各个路线87aa、87ab、87ba、87ca、87cb移动到目标位置1aa、1ab、1ba、1ca、1cb的所需时间。应予说明,在图9中,虽然利用直线来表示各个路线87aa、87ab、87ba、87ca、87cb,但是设定的路线不限于直线。
驾驶条件设定部65选择所设定的多个路线87aa、87ab、87ba、87ca、87cb中的所需时间成为最短的路线。在图9所示的例子中,例如选择路线87ba。驾驶条件设定部65设定用于使本车辆1沿着所选择的路线87ba行驶的目标转向角和目标加减速度,并向车辆控制部41发送该目标转向角和目标加减速度的信息。
应予说明,图10示出将由三个潜在车辆死角区域85a、85b、85c形成的合成死角区域88计算出来的例子。在该情况下,驾驶条件设定部65计算由各个潜在车辆死角区域85a、85b、85c形成的合成死角区域88,并设定使本车辆1向合成死角区域88外移动的一个或多个目标位置1a、1b和路线89a、89b。具体而言,在图10中,在合成死角区域88设定有两个目标位置1a、1b。驾驶条件设定部65基于本车辆1的当前的车速、加减速度以及转向角的信息、以及能够设定的加减速度或转向角的变化量的上限值,以不产生急转向和/或急减速或急加速的方式计算出用于使本车辆1沿着各个路线89a、89b移动到目标位置1a、1b的所需时间。应予说明,设定的路线不限于直线。
驾驶条件设定部65选择所设定的多个路线89a、89b中的所需时间成为最短的路线。在图10所示的例子中,例如选择路线89a。驾驶条件设定部65设定用于使本车辆1沿着所选择的路线89a行驶的目标转向角和目标加减速度,并向车辆控制部41发送该目标转向角和目标加减速度的信息。
驾驶辅助装置50如此地在各个运算周期设定目标转向角和目标加减速度,从而辅助本车辆1的驾驶。由此,在从本车辆1观察到的本车死角区域84a、84b、84c存在两个以上的情况下,能够以从在各个本车死角区域84a、84b、84c可能存在的潜在车辆83a、83b、83c中的至少两辆以上识别到本车辆1的方式使本车辆1迅速地移动。另外,驾驶辅助装置50在各个运算周期依次执行设定目标转向角和目标加减速度的处理,从而最终地使本车辆1向潜在车辆死角区域85a、85b、85c之外移动。因此,能够减低可能存在于本车死角区域84a、84b、84c的潜在车辆83a、83b、83c与本车辆1的碰撞和/或意外事故的发生的风险。
<3.第二实施方式>
接着,对第二实施方式的驾驶辅助装置进行说明。
第二实施方式的驾驶辅助装置构成为,基于使本车辆1向合成死角区域外移动的路线来设定本车辆1的驾驶条件,该合成死角区域是假定为发生本车辆1与潜在车辆的碰撞事故的情况下的事故的严重度成为最大的区域。以下,针对第二实施方式的驾驶辅助装置,主要对与第一实施方式的驾驶辅助装置不同的点进行说明。
(3-1.驾驶辅助装置的构成例)
图11是示出本实施方式的驾驶辅助装置50A的构成例的框图。
驾驶辅助装置50A具备控制部51、存储部53以及事故严重等级数据库55。事故严重等级数据库55由RAM或ROM等存储元件、或者HDD和/或CD、DVD、SSD、USB闪存、存储装置等存储介质构成。事故严重等级数据库55例如是将表示过去发生的事故中的对人体的损害和对物体的损害的程度的严重等级的数据与事故发生时的交通状况和/或车种类等关联而存储的数据库。严重等级被划分为多段(例如五段)的等级。
例如事故严重等级数据库55可以是如下得到的数据库:将事故发生时的本车辆的碰撞部位、碰撞速度、碰撞角度、碰撞对象物的重量、本车辆的乘员的就座位置以及有无佩戴安全带作为变量,从存储有所发生的事故的数据的数据库中检索类似的事件,并基于在该类似的事件中的本车辆或本车辆的乘员的损伤结果而计算出严重等级。另外,事故严重等级数据库55例如可以是存储了基于由搭载于多个车辆的行车记录仪收集到的事故影像的数据而评价出的严重等级的数据的数据库,也可以是由保险机关等构建的数据库。另外,事故严重等级数据库55可以不设置在驾驶辅助装置50A的内部,也可以构成为能够经由移动体通信等无线通信单元从驾驶辅助装置50A访问。
应予说明,控制部51和存储部53能够与第一实施方式的驾驶辅助装置50同样地构成,因此省略此处的说明。
(3-2.控制部的功能构成)
与第一实施方式的驾驶辅助装置50同样地,本实施方式的驾驶辅助装置50A的控制部51具备周围环境检测部61、合成死角区域计算部63以及驾驶辅助装置50。其中,周围环境检测部61和合成死角区域计算部63执行与第一实施方式的驾驶辅助装置50的周围环境检测部61和合成死角区域计算部63同样的运算处理。
另一方面,在本实施方式的驾驶辅助装置50A中,驾驶条件设定部67参照事故严重等级数据库55求出基于本车辆1可以采取的驾驶行动与各个潜在车辆可以采取的驾驶行动而设想的本车辆1与各个潜在车辆的事故的严重等级。另外,驾驶条件设定部67设定用于使本车辆1向各个合成死角区域之外移动的多个路线,并且基于所求出的严重等级来选择任一路线。在本实施方式中,驾驶条件设定部67针对每个合成死角区域,计算根据在构成该合成死角区域的潜在车辆死角区域所设定的潜在车辆和本车辆1而设想的事故的严重等级中的最高的严重等级即合成死角区域的严重度,并选择用于使本车辆1向严重度最大的合成死角区域之外移动的路线。驾驶条件设定部67的具体处理后面将进行详细说明。
(3-3.驾驶辅助装置的动作)
接着,沿用流程图对本实施方式的驾驶辅助装置50A的动作的一例进行具体说明。
本实施方式的驾驶辅助装置50A的控制部51基本上沿用图3所示的流程图而执行运算处理。在除执行驾驶条件设定处理的步骤S19以外的各步骤中,执行与第一实施方式的驾驶辅助装置50的控制部51同样的处理。
图12是示出在步骤S19中执行的、用于使本车辆1向设想的事故的严重度成为最大的合成死角区域外移动的驾驶条件设定处理的流程图。
首先,驾驶条件设定部67针对在步骤S17中计算出的各个合成死角区域,计算出为了使本车辆1向该合成死角区域外移动而使本车辆1可以采取的路线(步骤S61)。具体而言,驾驶条件设定部67针对各个合成死角区域,设定用于使本车辆1向该合成死角区域外移动的一个或多个目标位置和路线。使本车辆1移动的目标位置例如可以是距本车辆1的当前位置的直线距离最近的位置,也可以是确保与其他车辆和其他障碍物的距离为预定距离以上的区域中的距本车辆1的当前位置的直线距离最近的位置。针对各个合成死角区域而设定的路线的数量没有特别限定。
接着,驾驶条件设定部67计算出各个合成死角区域的严重度(步骤S63)。例如,驾驶条件设定部67设定本车辆1和潜在车辆可以采取的驾驶行动。本车辆1的驾驶行动能够基于本车辆1的当前的车速、加减速度、转向角、行驶位置、朝向、周围的物体的位置、到周围的物体的距离以及相对速度等信息来设定。设定的本车辆1的驾驶行动不限于一个,也可以设定多个驾驶行动。另外,潜在车辆可以采取的驾驶行动能够基于设定有各个潜在车辆的本车死角区域的大小、潜在车辆的位置、潜在车辆的周围的物体的位置等信息来设定。
驾驶条件设定部67在基于本车辆1和潜在车辆可以采取的驾驶行动而使本车辆1分别沿着所设定的路线移动的情况下,按照严重等级从高到低的顺序验证登记于事故严重等级数据库55的事件是否可能实现,并针对各个合成死角区域提取严重等级最高的事件。驾驶条件设定部67针对各个合成死角区域,计算所提取出的严重等级最高的事件的严重等级作为合成死角区域的严重度。
接着,驾驶条件设定部67选择在步骤S61中设定的多个路线中的、使本车辆1向所计算出的严重度成为最大的合成死角区域之外移动的路线(步骤S65)。在设定有多个使本车辆1向严重度成为最大的合成死角区域之外移动的路线的情况下,驾驶条件设定部67可以执行由第一实施方式的驾驶辅助装置50所执行的所需时间的计算处理,并选择多个路线中的所需时间成为最短的路线。
接着,驾驶条件设定部67设定用于使本车辆1沿着所选择的路线行驶的转向角和加减速度(步骤S67)。驾驶条件设定部67向车辆控制部41发送所设定的转向角和加减速度的信息。车辆控制部41基于获取到的目标转向角和目标加减速度的信息来控制本车辆1的行驶。
这样,本实施方式的驾驶辅助装置50A设定使本车辆1向合成死角区域外移动的多个路线,并且参照事故严重等级数据库55,求出针对各个合成死角区域而设想的本车辆1与潜在车辆的事故的严重等级。而且,驾驶辅助装置50A优先地选择使本车辆1向设想的事故的严重等级之和即严重度成为最大的合成死角区域之外移动的路线,并设定用于使本车辆1沿着该路线移动的驾驶条件。驾驶辅助装置50A通过按照控制部51的每个运算周期来依次执行设定路线和驾驶条件,并向车辆控制部41发送所设定的驾驶条件的信息的处理,从而最终地使本车辆1向潜在车辆死角区域外移动。因为选择的路线是向设想的事故的严重度成为最大的合成死角区域外移动的路线,所以即使在假设发生事故的情况下,也能够减轻事故的损害。
(3-4.适用事例)
至此,对本实施方式的驾驶辅助装置50A进行了说明。以下,对适用了本实施方式的驾驶辅助装置50A的行驶场景的例子进行说明。
图13~图14是用于说明本实施方式的驾驶辅助装置50A的适用事例的图,是表示行驶于单侧三车道的道路的本车辆1通过视野差的交叉路口的行驶场景的说明图。
如图13所示,本车辆1正行驶于单侧三车道的道路的中央车道。在本车辆1的前方存在有同样地行驶于中央车道的其他车辆82d,在本车辆1的后方存在有同样地行驶于中央车道的其他车辆82e。另外,在到达本车辆1的前方的交叉路口为止的道路的右侧存在有侧壁等建筑物91。
在该行驶场景中,本车辆1的合成死角区域计算部63从由周围环境检测部61检测出的周围环境中,检测出其他车辆82d、82e以及建筑物91作为产生从本车辆1观察到的死角的遮挡物。另外,合成死角区域计算部63分别设定由作为遮挡物而检测出的其他车辆82d、82e以及建筑物91产生的本车死角区域84d、84e、84f。进而,合成死角区域计算部63分别在本车死角区域84d、84e、84f设定潜在车辆83d、83e、83f。在图13中,分别在本车死角区域84d、84e、84f设定有一辆潜在车辆83d、83e、83f。
图14示出用于使本车辆1向沿用在第一实施方式中说明的过程而设定的各个合成死角区域86d、86e、86f之外移动的多个路线87da、87db、87ea、87fa、87fb。在如第一实施方式中说明那样执行了选择所需时间成为最短的路线的处理的情况下,选择例如路线87da或路线87db。另一方面,在本实施方式中,计算出各个合成死角区域86d、86e、86f的严重度,并选择使本车辆1向严重度成为最大的合成死角区域之外移动的路线。
图15示出基于本车辆1可以采取的驾驶行动与各个潜在车辆83d、83e、83f可以采取的驾驶行动而设想的本车辆1与潜在车辆83d、83e、83f的事故的严重等级。
在图15的上部示出了根据设定于本车死角区域84d的潜在车辆83d与本车辆1而设想的事故的情形,该本车死角区域84d通过行驶于本车辆1的前方的其他车辆82d而产生。例如,假定本车辆1为了超越其他车辆82d而在加速的同时向右侧车道或左侧车道进行车道变更。此时,若假定潜在车辆83d在减速的同时向与本车辆1相同的右侧车道或左侧车道进行了车道变更,则本车辆1会与潜在车辆83d追尾。在事故严重等级数据库55中,作为过去发生的同样的行驶场景下的事故的严重等级的数据而存储为例如“严重等级=3”。
在图15的中部示出了根据设定于本车死角区域84e的潜在车辆83e与本车辆1而设想的事故的情形,该本车死角区域84e通过行驶于本车辆1的后方的其他车辆82e而产生。例如,假定本车辆1在维持车速的状态下向右侧车道或左侧车道进行了车道变更。此时,若假定潜在车辆83e为了超越其他车辆82e而在加速的同时向与本车辆1相同的右侧车道或左侧车道进行了车道变更,则潜在车辆83e会与本车辆1追尾。在事故严重等级数据库55中,作为过去发生的同样的行驶场景下的事故的严重等级的数据而存储为例如“严重等级=1”。
在图15的下部示出了根据设定于本车死角区域84f的潜在车辆83f与本车辆1而设想的事故的情形,该本车死角区域84f通过建筑物91而产生。本车辆1由于没有识别到潜在车辆83f而照常行驶。此时,若假定潜在车辆83f以预定的车速进入了交叉路口,则本车辆1与潜在车辆83f会碰撞。在事故严重等级数据库55中,作为过去发生的同样的行驶场景下的事故的严重等级的数据而存储为例如“严重等级=5”。
如图14的上部所示,针对由从潜在车辆83d观察到的潜在车辆死角区域85d与从潜在车辆83e观察到的潜在车辆死角区域85e形成的合成死角区域86d,根据潜在车辆83d与本车辆1而设想的事故的严重等级“3”与根据潜在车辆83e与本车辆1而设想的事故的严重等级“1”之和“4”成为合成死角区域86d的严重度。另外,如图14的中部所示,针对由从潜在车辆83e观察到的潜在车辆死角区域85e与从潜在车辆83f观察到的潜在车辆死角区域85f形成的合成死角区域86e,根据潜在车辆83f与本车辆1而设想的事故的严重等级“5”与根据潜在车辆83e与本车辆1而设想的事故的严重等级“1”之和“6”成为合成死角区域86e的严重度。此外,如图14的下部所示,针对由从潜在车辆83d观察到的潜在车辆死角区域85d与从潜在车辆83f观察到的潜在车辆死角区域85f形成的合成死角区域86f,根据潜在车辆83d与本车辆1而设想的事故的严重等级“3”与根据潜在车辆83f与本车辆1而设想的事故的严重等级“5”之和“8”成为合成死角区域86f的严重度。
因此,驾驶条件设定部67选择用于使本车辆1向严重度成为最大的合成死角区域86f之外移动的路线87fa或路线87fb。此时,驾驶条件设定部67选择能够以更短的所需时间移动到目标位置1fb的路线87fb。或者,驾驶条件设定部67也可以通过对建筑物91距本车死角区域84f的距离进行比较判定,从而选择路线87fb。驾驶条件设定部67设定用于使本车辆1沿着所选择的路线87fb行驶的目标转向角和目标加减速度,并向车辆控制部41发送该目标转向角和目标加减速度的信息。
本实施方式的驾驶辅助装置50A如此地在各个运算周期设定目标转向角和目标加减速度,从而辅助本车辆1的驾驶。由此,在从本车辆1观察到的本车死角区域84d、84e、84f存在两个以上的情况下,能够使本车辆1迅速地向设想的事故的严重度成为最大的合成死角区域之外移动。另外,驾驶辅助装置50A在各个运算周期依次执行设定目标转向角和目标加减速度的处理,最终地使本车辆1向潜在车辆死角区域85d、85e、85f之外移动。因此,能够减低可能存在于本车死角区域84d、84e、84f的潜在车辆83d、83e、83f与本车辆1的碰撞和/或意外事故的发生的风险。另外,即使假设在发生潜在车辆83d、83e、83f与本车辆1的事故的情况下,也能够减轻事故的损害。
以上,虽然参照附图对本发明的优选的实施方式详细地进行了说明,但是本发明的技术不限于所涉及的例子。本发明所属技术领域的技术人员应当理解,在权利要求书描述的技术思想的范围内能够想到各种变更例或修正例,并且了解这些变更例和修正例也显然属于本发明的技术范围内。
另外,以下的方式也属于本发明的技术范围。
使处理器执行如下处理的计算机程序、以及存储该计算机程序的存储介质,所述处理包括:
在通过存在于本车辆的周围的多个遮挡物而产生的、从本车辆观察到的各个死角区域即本车死角区域中,分别设定潜在车辆的步骤;
计算出由在通过遮挡物产生的、从各个潜在车辆观察到的各个死角区域即潜在车辆死角区域中的至少两个形成的合成死角区域的步骤;以及
设定用于使本车辆向合成死角区域之外移动的多个路线,并且基于多个路线中的任一路线来设定本车辆的驾驶条件的步骤。
Claims (5)
1.一种驾驶辅助装置,其特征在于,辅助车辆的驾驶,具备:
合成死角区域计算部,其在从本车辆观察到的各个死角区域即本车死角区域中分别设定潜在车辆,并且计算由从各个所述潜在车辆观察到的各个死角区域即潜在车辆死角区域中的至少两个形成的合成死角区域,所述本车死角区域通过存在于所述本车辆的周围的多个遮挡物而产生,所述潜在车辆死角区域通过所述遮挡物而产生;以及
驾驶条件设定部,其设定用于使所述本车辆向所述合成死角区域之外移动的多个路线,并且基于所述多个路线中的某一路线来设定所述本车辆的驾驶条件。
2.根据权利要求1所述的驾驶辅助装置,其特征在于,
所述驾驶条件设定部基于所述多个路线中的使所述本车辆向所述合成死角区域之外移动的所需时间成为最短的路线来设定所述本车辆的驾驶条件。
3.根据权利要求2所述的驾驶辅助装置,其特征在于,
所述合成死角区域计算部针对所有的所述潜在车辆死角区域的组合计算由多个所述潜在车辆死角区域中的至少两个形成的所述合成死角区域,
所述驾驶条件设定部针对所有的所述合成死角区域,计算所述多个路线和所述所需时间,并选择所述所需时间成为最短的路线。
4.根据权利要求1所述的驾驶辅助装置,其特征在于,
所述驾驶条件设定部求出设想的所述本车辆与各个所述潜在车辆的事故的严重等级,并且基于所述严重等级来选择所述本车辆的路线,所述设想的本车辆与各个所述潜在车辆的事故基于所述本车辆能够采取的驾驶行动以及各个所述潜在车辆能够采取的驾驶行动而设想。
5.根据权利要求4所述的驾驶辅助装置,其特征在于,
所述合成死角区域计算部针对所有的所述潜在车辆死角区域的组合来计算由多个所述潜在车辆死角区域中的至少两个形成的所述合成死角区域,
所述驾驶条件设定部针对每个所述合成死角区域,计算出所述合成死角区域的严重度,并选择用于使所述本车辆向所述严重度最大的合成死角区域之外移动的路线,所述合成死角区域的严重度是根据在构成该合成死角区域的所述潜在车辆死角区域设定的所述潜在车辆与所述本车辆而设想的事故的所述严重等级之和。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-049393 | 2021-03-24 | ||
JP2021049393A JP2022147924A (ja) | 2021-03-24 | 2021-03-24 | 運転支援装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115123209A true CN115123209A (zh) | 2022-09-30 |
Family
ID=83192592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210185344.9A Pending CN115123209A (zh) | 2021-03-24 | 2022-02-28 | 驾驶辅助装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220306153A1 (zh) |
JP (1) | JP2022147924A (zh) |
CN (1) | CN115123209A (zh) |
DE (1) | DE102022106246A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022139524A (ja) * | 2021-03-12 | 2022-09-26 | 株式会社Subaru | 運転支援装置及び記録媒体 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4400584B2 (ja) * | 2006-03-01 | 2010-01-20 | トヨタ自動車株式会社 | 障害物検出方法及び障害物検出装置 |
DE102013216994A1 (de) * | 2013-08-27 | 2015-03-05 | Robert Bosch Gmbh | Geschwindigkeitsassistent für ein Kraftfahrzeug |
JP2016122308A (ja) | 2014-12-25 | 2016-07-07 | クラリオン株式会社 | 車両制御装置 |
EP3091370B1 (en) * | 2015-05-05 | 2021-01-06 | Volvo Car Corporation | Method and arrangement for determining safe vehicle trajectories |
EP3361466B1 (en) * | 2017-02-14 | 2024-04-03 | Honda Research Institute Europe GmbH | Risk-based driver assistance for approaching intersections of limited visibility |
US10281920B2 (en) * | 2017-03-07 | 2019-05-07 | nuTonomy Inc. | Planning for unknown objects by an autonomous vehicle |
US10497265B2 (en) * | 2017-05-18 | 2019-12-03 | Panasonic Intellectual Property Corporation Of America | Vehicle system, method of processing vehicle information, recording medium storing a program, traffic system, infrastructure system, and method of processing infrastructure information |
US20190315345A1 (en) * | 2018-04-16 | 2019-10-17 | David E. Newman | Blind spot potential-hazard avoidance system |
US10824148B2 (en) * | 2018-12-14 | 2020-11-03 | Waymo Llc | Operating an autonomous vehicle according to road user reaction modeling with occlusions |
US11188082B2 (en) * | 2019-01-11 | 2021-11-30 | Zoox, Inc. | Occlusion prediction and trajectory evaluation |
US11433883B2 (en) * | 2019-03-31 | 2022-09-06 | Gm Cruise Holdings Llc | Autonomous vehicle maneuvering based upon risk associated with occluded regions |
US20210027629A1 (en) * | 2019-07-25 | 2021-01-28 | Baidu Usa Llc | Blind area processing for autonomous driving vehicles |
US11161502B2 (en) * | 2019-08-13 | 2021-11-02 | Zoox, Inc. | Cost-based path determination |
CN114730527A (zh) * | 2019-12-12 | 2022-07-08 | 英特尔公司 | 基于责任敏感安全性的易受伤害道路使用者安全性技术 |
JP7234103B2 (ja) * | 2019-12-16 | 2023-03-07 | 日立Astemo株式会社 | 車両制御装置、および、車両制御システム |
JP7295012B2 (ja) * | 2019-12-24 | 2023-06-20 | 日立Astemo株式会社 | 車両制御システム、および、車両制御方法 |
JP2024512980A (ja) * | 2021-04-02 | 2024-03-21 | メイ モビリティー,インコーポレイテッド | 不完全な環境情報で自律エージェントを動作させる方法及びシステム |
-
2021
- 2021-03-24 JP JP2021049393A patent/JP2022147924A/ja active Pending
-
2022
- 2022-02-28 CN CN202210185344.9A patent/CN115123209A/zh active Pending
- 2022-03-07 US US17/688,394 patent/US20220306153A1/en active Pending
- 2022-03-17 DE DE102022106246.5A patent/DE102022106246A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102022106246A1 (de) | 2022-09-29 |
JP2022147924A (ja) | 2022-10-06 |
US20220306153A1 (en) | 2022-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110895417B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN110033629B (zh) | 信号灯识别装置以及自动驾驶*** | |
JP7043450B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
JP6821705B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
JP7030573B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US20190071075A1 (en) | Vehicle control system, vehicle control method, and vehicle control program | |
JP2020163900A (ja) | 車両制御装置、車両制御方法、及びプログラム | |
JP6773433B2 (ja) | 周辺リスク表示装置 | |
JP7059652B2 (ja) | 車両制御システム | |
US20210269040A1 (en) | Driving assist method and driving assist device | |
JP6931017B2 (ja) | 車両制御装置、車両および車両制御方法 | |
JP7085371B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP6688656B2 (ja) | 周辺リスク表示装置 | |
JP6913716B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
JP2019160031A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
WO2020005983A1 (en) | Extensiview and adaptive lka for adas and autonomous driving | |
JP2021115971A (ja) | 車両の走行制御装置 | |
CN115123209A (zh) | 驾驶辅助装置 | |
US20210276551A1 (en) | Information processing system for movable objects and information processing method for movable objects | |
JP2022139524A (ja) | 運転支援装置及び記録媒体 | |
JP2021128467A (ja) | 走行制御装置、車両、走行制御方法及びプログラム | |
JP6633957B2 (ja) | 周辺リスク表示装置 | |
WO2021235043A1 (ja) | 車両制御装置 | |
EP4169787A1 (en) | Travel assistance method and travel assistance device | |
JP7050098B2 (ja) | 車両制御装置、車両制御方法、およびプログラム |
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 |