JP6714513B2 - 車両のナビゲーションモジュールに対象物の存在を知らせる車載装置 - Google Patents

Description

本発明は、特に自動運転の自動車である、車両のナビゲーションモジュールに対象物の存在を知らせる車載装置に関する。

対象物、特に実際の障害物または潜在的な障害物となる対象物の存在を知らせる目的は、自動運転が置かれた環境を自然ないしは強制的に把握する能力を自動運転の移動システムに持たせることである。ビデオ、ライダーおよび／もしくはレーダタイプ、または超音波タイプのセンサから取得したデータを処理することによって、特に、その場面での様々な対象物までの距離やその速度に基づいて、その環境に関する局所的で動的なデジタルマップを作成することによって、この状況認識が得られる。このマップは、適切な自動移動を計画、実施するうえで基礎知識の役割を果たす。この種の自動運転車両においては、この状況認識プロセスが、決定および動作に先立って実行される最初のタスクとなる。この状況認識プロセスは、センサデータから得られる基本特性を時間の経緯とともに抽出、統合して、コンピュータに理解できるようにすることによって、環境およびそれ自体の具体的な状況を提供する。

この状況認識タスクは２つの機能を実行する。すなわち、この状況認識タスクによって、まず、近くの環境において移動または静止している様々な対象物を検出できるようになり、次に、車両に対するそれら対象物の位置、その速度、その方向、そのサイズなど、それらの対象物の状況を推定できるようになる。したがって、この認識は軌道生成モジュールへの入力の役割を果たし、これを使用して、起こり得る衝突を予測し、障害物回避を実行することができる。この状況認識は、自動運転車両にとって最も重要な情報源と考えられる。

ここ数年、アシストブレーキシステム（ＡＢＳ）に使用されることが増えている、いわゆる「インテリジェント」センサが市場に出回ってきている。これらのインテリジェントセンサは、対象物を検出するだけでなく、その対象物の特徴を示すこともできる。それにもかかわらず、こうしたセンサは完璧ではなく、したがって、相補的なセンサの使用を組合せすることによって認識システムの性能を改善する必要がある。複数のセンサを使用することで、冗長性の原理を取り入れて、さらに頑強な認識システムにすることが可能になり、こうしたシステムが自動運転ナビゲーションに不可欠である。マルチセンサのデータを組合せするこうした手法では、その目的は、様々なセンサからの情報を組合せして、認識された状況の信頼性、確度、および完全性を改善することである。この種のシステムからの出力は、対象物の属性および完全性の測定値を伴う対象物のリストである。認識タスクにおいて、完全性は、雑音（確率的誤差）、不確実な測定値、および異常な測定値を考慮しながら、信頼される情報を提供する能力として定義してもよい。

大抵の認識のアプローチは汎用的なものを目指しており、したがって、目標とする用途にとって最適な特性について問題を抱えており、ハイレベルの情報を提供して自動運転ナビゲーションの計画を支援することができない。この新規の技術的解決法を用いて、マルチセンサの認識の完全性を改善し、観測シーンから得られる文脈情報および意味情報を抽出し、それらを考慮に入れることで、自動運転ナビゲーションの意思決定を支援することを提案する。

文書ＥＰ０９２８４２８Ｂ１には、たとえば、自動運転の移動システムでの距離測定センサの測定品質を評価する方法が記載されている。ここで、評価対象のセンサと同じセルの占有状態に到達する他の測定センサの数に応じて、そのセルに対して測定品質が評価され、占有状況を確認するセンサの数が増えるにつれて、この測定された品質が高まる。

しかし、記載された方法には、１つまたは複数の対象物の存在を車両ナビゲーションモジュールに知らせるための装置内で使用することに関して数多くの欠点がある。これらの欠点のうち、セルを分離するグリッドをまたいでいる対象物、特に２つのセンサ測定の間で一方の側から他方の側に動いている移動対象物についての測定の不確実性に関連している、セルについての必要性の欠点が留意され得る。次いで、ここで生じる問題の１つは、環境を複数のセルに区分化するグリッドを不要にできるようにすることである。生じる別の問題は、可能な限り効果的に各対象物の存在をナビゲーションモジュールに知らせるのに十分なデータを有するということである。

より全般的には、従来技術にまだ残っている別の問題は、検出の性能、および単なる品質評価を超えて検出を活用する性能を改善するということである。

従来技術の問題を解消するために、本発明の装置は、少なくとも１つの対象物の存在を車両のナビゲーションモジュールにリアルタイムで知らせる装置であって、
車両に対する前記対象物の第１の取得位置および第１の取得速度を含む、第１のセンサデータを生成する第１のセンサと、
車両に対する前記対象物の第２の取得位置および第２の取得速度を含む第２のセンサデータを生成する少なくとも１つの第２のセンサと、
前記第１の取得位置および第１の取得速度からの第１の同期位置、ならびに前記第２の取得位置および第２の取得速度からの少なくとも１つの第２の同期位置を含む同期データを生成する同期モジュールと、
前記第１の同期位置および前記第２の同期位置に係る組合せ位置を含む組合せデータを生成して、組合せデータの全部または一部をナビゲーションモジュールに伝達することによって前記少なくとも１つの対象物の存在を前記ナビゲーションモジュールに知らせるために、組合せ（ｍｅｒｇｅ）モジュールと
を備えることを特徴とする。

有利には、この装置は、存在が通知される各対象物に関連し、組合せデータから生成されるリスク指標で組合せデータを完成するように構成された、リスク評価モジュールを備える。

具体的には、リスク評価モジュールは、融合データからスコアを算出するための１セットのブロックと、この１セットのスコア算出ブロックのいくつかまたはその全てによって算出されるスコアを組合せして、スコアを組合せすることによって各対象物のリスク指標を生成するためのブロックとを含む。

より具体的には、前記セットは、距離スコア算出ブロック、角度スコア算出ブロック、速度スコア算出ブロック、および／または対象物タイプスコア算出ブロックを含む。

より具体的には、前記セットはまた、地図データからのスコアをさらに算出するための、少なくとも１つのブロックを含む。

より具体的には、前記組合せブロックはまた、算出されたスコアのいくつかまたはその全てを加重和計算することによって、各スコアを組合せするように構成される。

組合せモジュールは、第１の同期位置および第２の同期位置からの前記組合せ位置に同期した少なくとも１つの補足位置を組合せするように構成されることが有効である。

有利には、組合せモジュールによってアクセスされる同期データは、各同期位置に関連する位置分散をさらに含み、この関連する分散によって重み付けされた各同期位置の加算を実行して、各同期位置を組合せする。

有利には、同期データはさらに、各同期位置に関連する位置分散を含み、その結果、組合せモジュールは、前記同期位置間のマハラノビス距離が所定の閾値を下回るときに、前記組合せデータをナビゲーションモジュールに伝達することによって同じ対象物の存在をナビゲーションモジュールに知らせるよう、第１の同期位置および第２の同期位置からの組合せ位置を含む組合せデータを生成し、前記マハラノビス距離が所定の閾値を上回るときに、互いに異なる対象物の存在をナビゲーションモジュールに知らせるよう、第１の同期位置および第２の同期位置からの組合せ位置を含む組合せデータを生成しないように構成される。

本発明はまた、本発明による装置を備えることを特徴とする自動車にある。

以下の詳細な説明を読む過程において、本発明の他の特徴および利点が明らかになろう。この説明を理解するためには添付図面を参照されたい。

本発明による信号伝達装置を装備した車両を示す図である。 車両に装備される装置の有用性を説明するための、車両の環境の概略図である。 車両に装備される装置の有用性を説明するための、車両の環境の概略図である。 本発明による装置の概略ブロック図である。 図４からの装置の同期モジュールの概略ブロック図である。 図４からの装置の組合せモジュールの概略ブロック図である。 リスク因子スコア算出ブロックの流れ図である。 リスク因子スコア算出ブロックの流れ図である。 リスク因子スコア算出ブロックの流れ図である。 リスク因子スコア算出ブロックの流れ図である。 リスク指標を生成するためのスコア組合せブロックの流れ図である。 本発明による方法の各ステップを示す図である。

説明の残りの部分において、同一の構造または類似の機能を有する各要素は、同じ参照番号によって指定される。

図１には、前輪２１と、後輪２２と、ステアリングコラム８を介して前輪２１を操舵するためのハンドル９とを従来のように備えた車両１２が示してある。電気、内燃機関、またはハイブリッドの推進駆動システム１１の加速および減速は、オンボード電子システム１０によって制御され、オンボード電子システム１０は、マニュアルモードでハンドル９によって制御されるかまたは自動運転モードでナビゲーションモジュール６０によって制御される旋回角αを、やはりステアリングコラム上８で監視するようにプログラムされている。ナビゲーションモジュール６０は、本来知られているように、必ずしもそうでないが、たとえば文書ＷＯ２０１４／００９６３１に記載されているような軌道制御装置を備える。オンボード電子システム１０はさらに、車両１２上の動作手段に、特に、車両が衝突するリスクの高いことを検出した場合に車輪２１、２２を制動するための普通なら知られている機械式手段に直接または間接的に接続される。オンボード電子システム１０は、センサの数は４つに制限されないがセンサ１、２、３、４に接続され、次に説明するように、車両に設置されて、デジタル処理モジュールによって車両の環境についての受信情報を処理することが好ましい。

図２には、対象物１３、１４、１５によって占められた車両１２の起こり得る環境が示してあり、これらの対象物は、固定されたまたは移動する障害物となることがあり、ナビゲーションモジュール６０は、これらの障害物を考慮して、この環境内でこれらの障害物のうちの１つとぶつかるリスクなしに車両１２の動きを制御しなければならない。センサ１は、必ずしもそうではないが、たとえばレーダ認識センサであり、その認識領域が、車両前方の１点鎖線で示してある。センサ２は、必ずしもそうではないが、たとえばビデオカメラであり、その認識領域が、車両前方の破線で示してある。様々な技術を利用するセンサを使用することは、数多くの理由から有益である。たとえば、照明および視認性の条件が可能にする場合には、ビデオカメラによって、各対象物のタイプ、対象物１３および１４それぞれについての歩行者タイプ、対象物１５に対して接近する車両のタイプ、地面に不連続なラインでマーキングされた道路中心のタイプを、より高い精度で区別することができるようになる。タイプの区別は、レーダ認識センサの場合は低いレベルであるが、レーダ認識センサは、照明および視認性の条件の影響を受けにくい検出を可能にする。純粋に例示的で、かつ包括的でない例として、ステレオビデオカメラ、ライダー、超音波または赤外線タイプなどの他のタイプのセンサを使用してもよい。使用されるセンサのうち少なくとも２つは、インテリジェントセンサである。

センサが取り込む信号に何らかの処理を実行して、対象物１３、１４、１５を検出し、検出された各対象物について、センサに対する座標系で取り込まれた対象物の位置および速度を含むセンサデータを生成するように構成されているとき、センサはインテリジェントと呼ばれる。たとえば、有利には、センサはまた、センサを車両のどこに設置されるかを考慮して、センサ１、２に対する座標系で得られた位置および速度の座標から、車両１２に対する座標系に入れ替えられた位置座標ｘ、ｙおよび速度座標Ｖｘ、Ｖｙに移行するためのパラメータを有してもよい。各インテリジェントセンサｉによって生成されるデータは、センサによって検出される対象物の数Ｎ、タイムスタンプコードｔ_ｓｐ、および待ち時間インジケータｔ_ｌをヘッダとして含む、検出された対象物Ｏ_１、Ｏ_ｋ、Ｏ_ＮのリストＬｃｉとして構成されることが好ましい。

リストＬｃｉの先頭にタイムスタンプコードｔ_ｓｐを生成するために、センサは、ユニバーサルクロック、たとえばアプリケーションモジュール６０で規定通りに利用可能なＧＮＳＳ（全地球航法衛星システム）のクロックにアクセスすることができる。次いで、センサ１、２は、リストＬｃｉ（センサ１についてはＬｃ１、センサ２についてはＬｃ２）を生成する時点を、コードｔ_ｓｐに記す。センサ１、２は、リアルタイムでの信号の取込みの時点と、リストＬｃｉを生成する時点との間の時間、すなわち信号を処理してリストＬｃｉを生成するまでの遅延を待ち時間インジケータｔ_ｌに同時に記す。待ち時間インジケータｔ_ｌは、認識済みの信号自体の速度を考慮することもできる。たとえば、音の速度は光の速度よりもはるかに低いことが知られている。

説明の残りの部分で述べるように、本発明はまた、リストＬｃｉの先頭にタイムスタンプコードｔ_ｓｐを生成しないセンサで実施してもよい。

リストＬｃｉ内の各対象物Ｏ_１、Ｏ_ｋ、Ｏ_Ｎは、対象物識別子Ｉｄ、対象物の位置座標ｘ、ｙによって識別される対象物の位置、対象物の速度座標Ｖｘ、Ｖｙによって識別される対象物の移動速度、統計的分散σ^２ｘ、σ^２ｙによって評価される位置の不確実性、対象物のタイプ（対象物１３または１４では歩行者、対象物１５では車両）、および対象物の寸法を含む属性のサブリストに関連づけられ、このとき、このデータはセンサｉによって取り込まれ、このセンサがリストＬｃｉを生成し、ｉは１からＱまで変化し、Ｑはセンサの数を示す。

したがって、センサ１の認識領域とセンサ２の認識領域の両方にある、車両の前方に位置する対象物１３、１４、１５のそれぞれには、属性の２つのサブリストが対応し、一方がセンサ１のリストＬｃ１内の対象物に関連し、もう一方がセンサ２のリストＬｃ２内の同じ対象物に関連する。

図３には、対象物１３、１４、１５によって占められた、車両１２の別の起こり得る環境が示してある。図３に示す環境は十字路に関連し、ここでは、対象物が、道路を横切ろうとしている歩行者タイプの対象物１４のように左側からやって来るのと同様に、やはり道路を横切ろうとしている歩行者タイプの対象物１３のように右側からやって来る可能性もある。

センサ３は、必ずしもそうである必要はないがたとえばレーダ認識センサまたはビデオカメラであり、車両の前方および右側に断続的な１点鎖線で示した認識領域をカバーする。センサ４は、必ずしもそうである必要はないがたとえばセンサ３と同じタイプのセンサであり、車両の前方および左側に断続的な１点鎖線で示した認識領域をカバーする。

したがって、センサ１の認識領域とセンサ３の認識領域の両方にある、車両の前方および右側に位置する対象物１３には、属性の２つのサブリストが対応し、一方がセンサ１のリストＬｃ１内の対象物１３に関連し、もう一方がセンサ３のリストＬｃ３内の対象物１３に関連する。同様に、センサ１の認識領域とセンサ４の認識領域の両方にある、車両の前方および左側に位置する対象物１４には、属性の２つのサブリストが対応し、一方がセンサ１のリストＬｃ１内の対象物１４に関連し、もう一方がセンサ４のリストＬｃ４に記載された対象物１４に関連する。センサ１の認識領域と、センサ２の認識領域と、センサ４の認識領域とにある、車両のさらに前方の左側に位置する対象物１５には、属性の３つ以上のサブリストが対応し、それぞれが、センサ１のリストＬｃ１、センサ２のリストＬｃ２、およびセンサ４のリストＬｃ４のそれぞれにおける対象物１５に関連する。有利には、十分なセンサを設けて、少なくとも２×２の重畳された領域のセクタを有する、車両１２の周囲全てをカバーする認識領域を生成することが可能である。したがって、センサの数Ｑが４つを超えてもよく、この数が２つに等しくなるとすぐ有益になることが明らかとなろう。

センサ１、２、３、４は、図４に概略を示す装置に接続され、これは有線接続によって直接接続されるか、あるいは、ＣＡＮタイプ、ＬＩＮタイプ、イーサネット自動車タイプ、もしくは他のバスタイプなどのうちの１つのローカルバス、または場合によっては、車両外部の固定センサを使用するものと本発明が解釈される場合は、外部の通信モジュールを介して接続される。その結果、例としてのみ本明細書で説明される実施形態では、センサ１、２、３、４のうちの１つによってそれぞれ生成されるリストＬｃ１、Ｌｃ２、Ｌｃ３、Ｌｃ４のそれぞれによって、構成されたセンサデータが同期モジュール２０に伝達される。

図５を使用して、同期モジュール２０の構造および動作をより詳細に説明する。

前述の通り、Ｑ個のセンサのそれぞれが、ここではリストＬｃｉとして構成されるデータを生成するように構成され、ｉは１からＱまで変化する。リストＬｃｉは、対象物Ｏ_ｋの数Ｎを含み、ｋは１からＮまで変化する。対象物の数Ｎは、あるリストＬｃｉと別のリストとで互いに異なっていてもよいことに留意されよう。したがって、図３の例では、Ｎは、対象物１３、１４、１５を含むリストＬｃ１についての値３、単一の対象物１５を含むリストＬｃ２についての値１、単一の対象物１３を含むリストＬｃ３についての値１、および対象物１４および１５を含むリストＬｃ４についての値２を有する。

図５で分かるように、リストＬｃｉからの各対象物Ｏ_ｋには、センサｉによって取り込まれた対象物Ｏ_ｋの位置および速度を含む属性のサブリストが関連づけられており、車両１２に対する座標系において、位置は、その座標ｘ、ｙによって定量化され、速度は、その座標Ｖｘ、Ｖｙによって定量化される。あるセンサによって生成されるデータは、別のセンサによって生成されるデータに対して非同期であるが、それというのも、取込み時間が、あるセンサと別のセンサとで必ずしも同期していないからであり、信号を処理する時間、特に対象物を識別し、各対象物の属性を定量化するのに要する時間が、あるセンサと別のセンサとで変化し、またそれより程度は小さいが、あるセンサ技術と別のセンサ技術とで互いに異なるので、信号自体の速度により、信号が対象物から生じる時点と、この信号がセンサによって認識される時点との間に遅延を生じることがある。各センサの供給者が、一般には、待ち時間インジケータｔ_ｌを決定する立場にあり、これが、処理時間と、必要ならば信号の速度にリンクしている遅延と、場合によっては、供給者が保持するセンサの既知の技術に応じて容易に評価できる他の遅延とを組合せする。利用する技術に応じて、待ち時間インジケータの値ｔ_ｌは、処理負荷に応じて、供給者によってセンサのメモリ内にセットされるか、または専用プロセッサの技術分野において本来知られているようにセンサ自体によってリアルタイムに算出される。

対象物１３、１４、１５、および／または車両１２の起こり得る動きにより、対象物の位置は、タイムスタンプｔ_ｓｐが示す時点、すなわちセンサからのデータが生成される時点と、センサによって取り込まれた位置に対象物が実際にあった以前の時点ｔ_ｓｐ−ｔ_ｌとの間で変化している可能性がある。

同期モジュール２０は、同期時間ｔ_ｓｙｎと、センサｉによって検出された対象物が、関連する属性のサブリストに示されるセンサによって取り込まれた位置に実際にあった以前の時点ｔ_ｓｐ−ｔ_ｌとを隔てる遅延Δｔを計算するように構成されたサブモジュール２４を備える。

関連するセンサの全てと同じ同期時間ｔ_ｓｙｎを共有するために、サブモジュール２４は、基準クロック２３、たとえばユニバーサル基準時間を提供するＧＮＳＳ（全地球航法衛星システム）タイプのクロックにアクセスする。

リストＬｃｉの先頭における待ち時間インジケータｔ_ｌの値は各センサｉに特有なので、これはセンサ自体から生じる。

車両に設置されたセンサが、有線接続または各センサによって送出されるフレームに高い優先順位が割り当てられるＬＩＮもしくはＣＡＮタイプのリアルタイムネットワークによって直接モジュール２０に接続されている場合、すなわち、センサによるデータの生成時点が、モジュール２０、特にサブモジュール２４による受信時点と同様であると見なすことができる場合、基準クロック２３の利益を有するサブモジュール２４の入力において、タイムスタンプコードｔ_ｓｐをリストＬｃｉに直接取り入れることが可能である。これにより、この場合にはタイムスタンプコードｔ_ｓｐを送信する必要がなく、したがってユニバーサル基準時間を提供するクロックにアクセスする必要がない、より簡略なセンサを使用することが可能になる。

各センサによって送信されるフレームに低い優先順位が割り当てられて、有線接続によって、たとえば、より対線上での８０２．３タイプもしくはＣＡＮタイプのリアルタイムネットワークによって、車両に設置されたセンサが直接モジュール２０に接続されない場合、またはセンサが車両の外部に存在する場合に、たとえば遠隔通信ネットワークを介して接続されない場合、すなわち、センサによってデータが生成される時点が、モジュール２０、特にサブモジュール２４によって受信される時点よりも著しく早いと見なしてもよい場合には、センサの出力において、またはセンサの近くのシステムの出力において、タイムスタンプコードｔ_ｓｐをリストＬｃｉに直接取り入れることが好ましく、どちらか一方が、ユニバーサル基準時間を提供するクロックにアクセスすることによってタイムスタンプコードｔ_ｓｐを送信するように構成される。

センサタイプの多様性、信号およびデータの伝送時間、またはモジュール２０自体の処理負荷に関連した同期差を解消するため、サブモジュール２４は、同期時点ｔ_ｓｙｎと、サブモジュール２４によって処理するためにセンサｉによってデータが生成された以前の時点ｔ_ｓｐとの間の遅延ｔ_ｓｙｎ−ｔ_ｓｐを確認検査するように構成されることが好ましい。

遅延ｔ_ｓｙｎ−ｔ_ｓｐが、追跡不能閾値ｔ_ＴＦ以上である場合、生成データおよび値ｔ_ｓｐを有する時点に関連するデータは考慮されず、サブモジュール２４は、受信データから同期したデータについてリストＬｃｉを生成しない。

遅延ｔ_ｓｙｎ−ｔ_ｓｐが、追跡不能閾値ｔ_ＴＦ未満の場合、図５に示す例において、サブモジュール２４は、同期した対象物のリストＬｓｉにより、遅延Δｔを使用して同期データ構造を生成する。各リストＬｓｉは、センサｉとの関連づけを継続し、ｉの値は、たとえばセンサ１、２、３、４に対してそれぞれ１、２、３、４である。各リストＬｃｉにおいてｔ_ｓｐおよびｔ_ｌの値が互いに異なってもよいが、全てのリストＬｓｉは、この全てのリストＬｓｉに共通の同期時点を示す、同じ値のｔ_ｓｙｎを含む。各リストＬｓｉは、同期した対象物の数Ｎを含んでもよく、この数は、対応するリストＬｃｉに含まれる数Ｎと等しい。

当該リストＬｓｉ内の各対象物Ｏ_ｋは、センサｉによって検出された対象物Ｏ_ｋの位置および速度を含む、属性のサブリストに関連づけられている。ここで、位置は、全ての対象物に共通であり、かつ、同じ対象物についてはその対象物を検出した全てのセンサに共通である時点ｔ_ｓｙｎに推定された、その座標ｘｓ、ｙｓによって定量化される。

サブモジュール２４は、算出された遅延Δｔをサブモジュール２５に伝達し、このサブモジュール２５は、検出された対象物のリストＬｃｉ内の対象物Ｏ_ｋに対応する属性のサブリスト中の取り込んだ位置および速度にアクセスして、以下の式を使用して対象物Ｏ_ｋの同期位置を計算する。
ｘｓ：＝ｘ＋ＶｘΔｔ
ｙｓ：ｙ＋ＶｙΔｔ
サブモジュール２５の出力における属性のサブリストでは、遅延Δｔの間、対象物Ｏ_ｋの速度を一定と見なせる程度まで、対象物Ｏ_ｋの速度がその座標Ｖｘ、Ｖｙによって定量化され続けてもよい。すると、モジュール２０によって生成されるデータは、全てのセンサに対して同期している。

モジュール２０によって生成される同期データを含む各リストＬｓｉ（単なる例として、図４のリストＬｓ１、Ｌｓ２、Ｌｓ３、Ｌｓ４）が、組合せモジュール３０に伝送されて（より詳細には、次に図６を参照して説明する）、車両１２の環境の瞬時のスナップショットを得る。

組合せモジュール３０の目的は、複数のセンサを使用することで追加される情報の冗長度を活用することによって、情報の信頼度を上げることである。

モジュール３０のサブモジュール３１は、モジュール３０に伝送された各リストＬｓｉを連続してスキャンして組合せデータを生成する。この組合せデータは、様々なセンサの様々なリストＬｓｉにおける全ての対象物を含む組合せリストＬｆによって、図６に示した実施形態に構成される。ここで、ｉは、１、２、およびそれ以上に等しい。

リストＬｆ内の対象物Ｏ_ｆｊ（ｊは１からＭまで変化する）の数Ｍは、したがって対象物Ｏ_ｓｋの数Ｎそれぞれよりも概ね大きくなり、各センサに関連する同期した対象物の各リストＬｓｉにおいて、ｋは１からＮまで変化する。

組合せデータは初期化されて、モジュール３０によってスキャンされる第１の同期データとなり、この同期データは第１のセンサ１によって生成されるデータである。図６に示した例では、属性のサブリストを指し示すことによって、初めにリストＬｆがリストＬｓ１を複製し、この属性のそれぞれは、リストＬｓ１が指し示す属性のサブリストを複製する。リストＬｆが指し示す属性の各サブリストに、さらなる属性Ｓｄｅを追加して、当該属性のサブリストに関連する対象物Ｏ_ｋの検出スコアを定量化することが有益である。検出スコアは１の値に初期化される。

受信された各同期リストＬｓｉから、サブモジュール３１が、最後のセンサに対応する最後の同期リストに到達するまで、たとえば以下のように同期リストＬｓｉを組合せリストＬｆと組合せする。

モジュール３０のサブモジュール３２が、図１２を参照して次に説明するプロセスステップを含むプロセスステップを実行するようにプログラムされている。サブモジュール３１は、このサブモジュール３１によって伝達されるデータを待つスタンバイステップ３１８において、初めに同期リストＬｓｉからサブモジュール３２にデータを伝達する。

ステップ３１９では、サブモジュール３２は、まず対象物Ｏ_ｓｋに関連する第１のサブリストに向かう。ここでリストＬｓｉにおいてｋ＝１である。

ステップ３２０では、サブモジュール３２は、サブモジュール３２が位置している現在の指数ｋを持つ対象物Ｏ_ｓｋにリンクしたコード分散Σ_ｓｋにアクセスする。

同期時点ｔ_ｓｙｎにおいて、車両１２に対する物体Ｏ_ｓｋの位置を定量化するためのランダム変数Ｘｓ、Ｙｓをインスタンス化するものとしてセンサから得られる横座標および縦座標の値ｘｓ、ｙｓを考慮すると、起こり得るインスタンスの広がりは、各ランダム変数の分散ｖａｒ_ｋ（Ｘｓ）、ｖａｒ_ｋ（Ｙｓ）、およびランダム変数間の共分散ｃｏｖ_ｋ（Ｘｓ、Ｙｓ）、ｃｏｖ_ｋ（Ｙｓ、Ｘｓ）によって測定することができ、これに基づいて、コード分散行列Σ_ｓｋが次式Ｆ１で定義されることを思い出されたい。

独立した確率変数Ｘｓ、Ｙｓを考慮すると、共分散行列Σ_ｓｋも次式Ｆ２で記述できることを思い出されたい。

上式で、σ_ｘｓおよびσ_ｙｓはそれぞれ、インスタンスｘｓ、ｙｓを中心とする、ランダム変数Ｘｓの標準偏差およびランダム変数Ｙｓの標準偏差をそれぞれ指定する。

標準偏差は容易に決定することができ、または、その２乗は当該センサの技術的特性から容易かつ直接求めることができ、このことは供給者に知られているはずである。それらの値が一定である場合、これを装置のメモリに記憶することができる。それらの値が、視認性、周囲温度、またはセンサによって検出可能な他の大気中の要因に応じて変化する場合は、リストＬｃｉ内で伝送し、次いでリストＬｓｉに転送することができる。また、標準偏差の平方σ^ｓ _ｘｓ、σ^ｓ _ｙｓそれぞれと、たとえばゼロ平均不確実性を中心とする正規法則Ｎにおける、センサの測定不確実性δ_ｘｓ、δ_ｙｓとの間の関係を本来知られている方法で確立してもよい。
それぞれ、δ_ｘｓ≒Ｎ（０，σ^２ _ｘｓ）、δ_ｙｓ≒Ｎ（０，σ^２ _ｙｓ）
ステップ３２１では、サブモジュール３２は、対象物Ｏ_ｆｊに関連する第１のサブリストにそれ自体を配置することによって開始する。ここでリストＬｆにおいてｊ＝１である。

ステップ３２２では、サブモジュール３２は、サブモジュール３２が位置している現在の指数ｊを持つ対象物Ｏ_ｆｊにリンクした共分散行列Σ_ｆｊにアクセスする。

共分散行列Σ_ｆｊは、同期時点ｔ_ｓｙｎにおける車両１２に対する代表的な対象物の位置Ｏ_ｆｊを定量化するために、横座標および縦座標の値ｘｆ、ｙｆについて上記のように定義される。すると、共分散行列Σ_ｆｊは、ここに次式Ｆ３で記述することができる。

上式で、σ_ｘｆおよびσ_ｙｆはそれぞれ、インスタンスｘｆ、ｙｆを中心とする、ランダム変数Ｘｆの標準偏差および変数Ｙｆの標準偏差をそれぞれ指定する。

ステップ３２３では、サブモジュール３２は、１つまたは複数の組合せ判定基準が満たされているかどうかを確認検査する。１つの顕著な判定基準は、対象物Ｏ_ｓｋとＯ_ｆｊの間のマハラノビス距離ｄ_μ（Ｏ_ｓｋ、Ｏ_ｆｊ）がハッシュ閾値ｔ_ηよりも小さいことである。ここで説明する実施形態では、マハラノビス距離は、対象物Ｏ_ｓｋおよびＯ_ｆｊの横座標および縦座標の値ｘｓ、ｘｆ、ｙｓ、ｙｆから、次式Ｆ４によって算出される。

組合せ判定基準が満たされる場合、特に、マハラノビス距離がハッシュ閾値よりも小さい場合、サブモジュール３２は、対象物Ｏ_ｓｋを対象物Ｏ_ｆｊと組合せ（ψ）して以下のようにして算出された新規の属性値を得ることによって、また特にベイズの公式を位置座標に適用することによって、対象物Ｏ_ｆｊを修正するステップ３２４を実行する。

修正された組合せ済みの対象物Ｏ_ｆｊのその他の属性は、適切な標準偏差を用いて、または他の何らかの方式でベイズの公式を適用することによって、再度資格を与えることができる。

たとえば、ベイズの公式を速度座標に適用したいと考える場合、サブモジュール３２が同期速度座標の標準偏差にアクセスできることが必要である。組合せされた対象物Ｏ_ｆｊの速度座標Ｖｘｆ、Ｖｙｆも、同期された対象物Ｏ_ｓｋの速度座標Ｖｘｓ、Ｖｙｓと、組合せされた対象物Ｏ_ｆｊの速度座標Ｖｘｆ、Ｖｙｆとの簡略な算術平均をとることによって再度資格を与えることができる。これは、たとえば、対象物の空間次元Ｄｉｍについても同様である。

たとえばタイプ属性など、属性によっては、より多大な困難を伴わなければ、平均を計算するのに向かないものがある。組合せに適した検出済みの対象物の間でタイプが異なり得る状況では、この領域で最も信頼性の高いタイプのセンサに由来するタイプを保持する解決策、累積タイプの解決策、複数のセンサに由来する対象物の場合には、判定することによって続行する解決策、または満たすべき組合せ判定基準としてタイプの同等性を考慮する解決策など、様々な解決策を想定してもよい。

ステップ３２３において、組合せ判定基準または組合せ判定基準のうちの１つが満たされない場合、特にマハラノビス距離がハッシュ閾値以上である場合、サブモジュール３２はステップ３２５を実行する。このステップ３２５では、リストＬｆ内の対象物Ｏ_ｆｊに関連する次のサブリストまで進むように指数ｊを増やした後に、指数ｊ＝Ｍを有する最終サブリストに到達し、それがステップ３２６で検査されることになる。現在の指数ｋを有する同期された対象物Ｏ_ｓｋと、リストＬｆからの組合せされた対象物のうちの１つとを組合せするために、１つまたは複数の組合せ判定基準が満たされているかどうか確認検査するためのｊがＭ以下である場合、ステップ３２６はステップ３２２にループする。

指数ｊの値がＭより大きいことは、対象物Ｏ_ｓｋを対象物Ｏ_ｆｊのうちの１つと組合せすることによって、その対象物Ｏ_ｆｊを修正することが不可能であることを示す。ステップ３２６の試験への肯定応答はステップ３２７を起動する。ステップ３２７では、リストＬｆにある対象物の数Ｍを１だけ増加して、現在の同期された対象物Ｏ_ｓｋを複製する指数ｊ＝Ｍを有する組合せされた対象物Ｏ_ｆｊをそこに追加することになる。

同期された現在の対象物Ｏ_ｓｋがリストＬｆ内の組合せされた既存の対象物Ｏ_ｆｊのうちの１つと組合せされたステップ３２４に続いて、または代替的に、同期された現在の対象物Ｏ_ｓｋがリストＬｆに追加されて、組合せされた新規の対象物Ｏ_ｆＭを生成するステップ３２７に続いて、ステップ３２８では、リストＬｓｉで受信される同期された対象物の数Ｎを指数ｋが超えない場合、ステップ３２０にループすることによって、指数ｋを増やして、リストＬｓｉ内に指数ｋを有する次の対象物Ｏ_ｓｋに関連づけられたサブリストにサブモジュール３２を配置する。

このオーバーシュートの存在を試験するステップ３２９では、サブモジュール３２は、試験への肯定応答の場合に重み付けステップ３１８にループして、モジュール３１に制御を戻して、センサから生成されたリストの最後まで次のリストＬｓｉに取り組む。

リストＬｆからの同じ対象物Ｏ_ｆｊと、リストＬｓｉからの２つの異なる対象物Ｏ_ｓｋとを組合せしないよう、ステップ３１９で空集合φに初期化された集合εを設けてもよく、これは、既に修正されたか、またはリストＬｓｉからの前の対象物Ｏ_ｓｋから作成されたリストＬｆからの対象物Ｏ_ｆｊの各指数ｊをリストするものである。次いで、サブモジュール３２がステップ３２８を通るときに、ステップ３２４またはステップ３２７で検査された指数ｊが集合εに供給されて、ステップ３２５において、集合εの外側にある次の指数ｊを取り込む。

したがって、サブモジュール３１の出力は、リスク評価サブモジュール３３に、組合せデータの形で属性を伴う組合せされた対象物の完全なリストＬｆを提供する。

サブモジュール３３は、地図データ構造４０にアクセスして、データ構造５０においてアクセス可能なコンテキストデータとともに、対象物Ｏｆｊのそれぞれに関してリストインジケータを構成する。サブモジュール３３は、既知の他の方法を使用して車両１２を精密に回転させ、このとき、ＧＮＳＳ受信機、データ構造４０においてアクセス可能なデジタルナビゲーション地図、および視覚による幾何プリミティブを抽出するためのアルゴリズムを使用する。これらの方法は、たとえば、Ｔａｏ Ｚ、Ｂｏｎｎｉｆａｉｔ Ｐ、およびＦｒｅｍｏｎｔ Ｖ、およびＩｂａｎｅｚ−Ｇｕｚｍａｎ Ｊによる「Ｌａｎｅ ｍａｒｋｉｎｇ ａｉｄｅｄ ｖｅｈｉｃｌｅ ｌｏｃａｌｉｚａｔｉｏｎ」、ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓｙｓｔｅｍｓ（ＩＥＥＥ ＩＴＳＣ２０１３）、２０１３年１０月６日〜９日、Ｈａｇｕｅ、Ｎｅｔｈｅｒｌａｎｄｓ、の学術論文に記載された方法である。

データ構造４０から抽出されるナビゲーション地図のデジタル処理により、サブモジュール３３は、車両の幾何学的環境における車両の位置を正確に出力して、車両１２および他の移動対象物との相互作用の発生源である、存在する様々な対象物を環境内で特定できるようになる。サブモジュール３３は、ハイレベルの命令をナビゲーションシステムに提供するために、このようにして構成された道路状況の構成とコンテキストを組合せして、各対象物に関連するリスクのレベルを規定する。車両が都市環境内を移動する特定の場合は、車両が移動する状況のトポロジ、構造、および標識に関連した、障害物にリンクするリスクの概念を評価することにより、地図データを使用することで環境の意味論的記述を改善することが可能になる。道路標示、交差点、標識および他の道路特有のものを使用して、現場で検出されるそれぞれの対象物にリンクしたリスク指標を改善する。たとえば、前方から一直線に来るが自身の車線に残っている車両は、交差点で左からやって来る車両よりも潜在的に危険性が低い。

リスト評価サブモジュール３３は、図７〜図１０に示すブロックをモデルにしたブロック１３３、２３３、３３３、４３３によってそれぞれ生成された互いに異なるスコアを組合せすることにより、各対象物Ｏ_ｆｊに関連したリスク指標を生成する。

図７および図８には、障害物のデカルト位置および角位置、ならびに実質的にコンテキスト地図データに基づいて、スコアを生成する様子が示してある。たとえば、対象物がより近くなり、車両１２の車線に侵入するにつれて、この対象物はより危険になる。十字路に進入する際、検出された対象物がどの程度危険なのか、たとえば対象物が左から来るのか、それとも右から来るのかを定量化するには、距離および角度のデータが重要である。

図７を参照すると、ブロック１３３は、対象物Ｏ_ｆｊと車両１２とを隔てている距離Ｄを計算する。たとえば、車両１２に対する座標系において、対象物の座標ｘｆ、ｙｆから通常のやり方で距離Ｄが算出される。次いで、ブロック１３３は、算出された距離Ｄと、データ構造４０から得られた最長距離Ｄｍａｘとを比較する。

距離Ｄが最長距離Ｄｍａｘよりも長い場合、距離スコアＳｄがゼロに設定される。距離Ｄがゼロの場合、距離スコアＳｄは、その最大値、たとえば１に設定される。距離Ｄの他の値については、ブロック１３３は、たとえば距離Ｄで示される最長距離の比率を１から差し引くことによって、ゼロと１の間のスコアを計算する。

最大距離Ｄｍａｘは、それを超えると、検出された対象物にリンクした距離スコアＳｄにリンクする任意のリスク因子を考慮する必要がない距離である。最長距離の値は、センサの範囲、車両１２の実現可能な制動距離、または所定のリスク評価戦略にリンクした他の値に等しいと見なしてもよい。

図８を参照すると、ブロック２３３は、対象物Ｏ_ｆｊの照準軸と車両１２の縦軸とを隔てている角度θを計算する。たとえば、車両１２に対する座標系において、対象物の座標ｘｆ、ｘｙに適用される古典的な三角法の規則から通常のやり方で角度θが算出される。次いで、ブロック２３３は、算出された角度θと、データ構造４０から得られた最大角度θｍａｘとを比較する。

角度θがゼロの場合、角度スコアＳθがゼロに設定される。角度θが最大角度θｍａｘよりも大きい場合、角度スコアＳθは、その最大値、たとえば１に設定される。角度θの他の値については、ブロック２３３は、たとえば角度θで示される最大角度θｍａｘの比率に等しい、ゼロと１の間のスコアを計算する。

最大角度θｍａｘは、それを超えると、検出された対象物の目標角度スコアＳθにリンクしたリスク因子が著しく高くなる角度である。最大角度の値は、センサの角度範囲、車両１２の方向転換能力、または所定のリスク評価戦略にリンクした他の値に等しいと見なしてもよい。

図９を参照すると、ブロック３３３は、車両１２に対して対象物Ｏ_ｆｊが移動している速度Ｖを計算する。たとえば、車両１２に対する座標系において、対象物の速度座標Ｖｘｆ、Ｖｙｆから通常のやり方で速度Ｖが算出される。次いで、ブロック３３３は、算出された速度Ｖと、データ構造４０または他から得られた最高速度Ｖｍａｘとを比較する。

速度Ｖが最高速度Ｖｍａｘよりも高い場合、速度スコアＳｖが１に設定される。速度Ｖがゼロである場合、速度スコアＳｖは、その最小値、たとえばゼロに設定される。速度Ｖの他の値については、ブロック３３３は、たとえば速度Ｖで示される最高速度の比率として、ゼロと１の間のスコアを計算する。

最高速度Ｖｍａｘは、それを超えると、検出された対象物の動きについての速度スコアＳｖにリンクしたリスク因子が著しく高くなる速度である。最高速度の値は、車両に向かう向き、車両１２の可能な制動距離、または所定のリスク評価戦略にリンクした他の値に応じて可変であると見なしてもよい。

図１０に示すブロック４３３の機能は、遭遇した障害物のタイプに応じて脆弱性スコアを割り当てるように、障害物のタイプに基づいてスコアを生成することである。たとえば歩行者は自動車よりも脆弱であり、したがって、リスクの評価においては、より大きな重要度を与えなければならない。

ブロック４３３は、対象物Ｏ_ｆｊに関連するサブリストから、障害物のタイプ（タイプｆ）を抽出する。次いで、ブロック４３３は、現在の対象物のタイプに対応する障害物のタイプを見つけるまで、障害物のタイプにそれぞれ割り当てられた脆弱性スコアの対応表５０をスキャンする。

タイプスコアＳｔは、表５０において処理された対象物のタイプ（タイプＦ）と等しいタイプ（タイプｏ）に関連づけられている値Ｓｏ（タイプｏ）に設定される。

図１１を参照して次に説明するように、ブロック５３３により、組合せモジュール３０は、対象物Ｏ_ｆｊのリストＬｆｅを生成できるようになる。

ブロック５３３は、ブロック１３３、２３３、３３３、４３３によって生成されるスコアに、所期の用途に依存し、たとえばナビゲーション要求事項に応じて平均重み付けしてもよい組合せ規則を適用する。ファジー論理または救援機能など、他の決定支援形式を使用して、使用される組合せ規則を規定してもよい。組合せプロセスの結果、リスク指標ｌｒが生成され、ブロック５３３は、この時点でリストＬｆｅが指し示している対象物Ｏｆｊのサブリストにそのリスク指標ｌｒを追加する。

Claims (6)

1. 少なくとも１つの対象物（１３、１４、１５）の存在を車両（１２）のナビゲーションモジュール（６０）にリアルタイムで知らせる装置であって、
   前記車両（１２）に対する前記対象物の第１の取得位置および第１の取得速度を含む、第１のセンサデータを生成する第１のセンサ（１）と、
   前記車両（１２）に対する前記対象物の第２の取得位置および第２の取得速度を含む第２のセンサデータを生成する少なくとも１つの第２のセンサ（２、３）と、
   前記第１の取得位置および第１の取得速度からの第１の同期位置、ならびに前記第２の取得位置および第２の取得速度からの少なくとも１つの第２の同期位置を含む同期データを生成する同期モジュール（２０）と、
   前記第１の同期位置および前記第２の同期位置からの組合せ位置を含む組合せデータを生成して、前記組合せデータの全部または一部をナビゲーションモジュール（６０）に伝達することによって前記少なくとも１つの対象物（１３、１４、１５）の存在を前記ナビゲーションモジュール（６０）に知らせ、および、前記車両と前記対象物の間の距離に関する距離スコア、前記車両と前記対象物の間の角度に関する角度スコア、前記車両に対する前記対象物の動きの速度に関する速度スコア、および前記対象物のタイプごとに異なるスコアが割り当てられた対象物のタイプに基づく対象物スコアに基づいた、前記対象物に関するリスク指標を決定するための組合せモジュール（３０）と
   を備え、
   前記組合せモジュール（３０）が、存在が通知される対象物（１３、１４、１５）毎の前記リスク指標と合わせて前記組合せデータを完成することを特徴とする装置。
2. 前記組合せモジュール（３０）が、組合せデータからスコアを算出するための１組のスコア算出ブロック（１３３、２３３、３３３、４３３）と、前記１組のスコア算出ブロックのいくつかまたはその全てによって算出されるスコアを組合せて、スコアを組合せすることによって対象物毎の前記リスク指標を生成するための１つの組合せブロック（５３３）を使用することを特徴とする、請求項１に記載の装置。
3. 前記１組のスコア算出ブロック（１３３、２３３、３３３、４３３）が、前記距離スコアを計算する距離スコア算出ブロック（１３３）、前記角度スコアを計算する角度スコア算出ブロック（２３３）、前記速度スコアを計算する速度スコア算出ブロック（３３３）、および前記対象物スコアを計算する対象物タイプスコア算出ブロック（４３３）を含むことを特徴とする、請求項２に記載の装置。
4. 前記１組のスコア算出ブロック（１３３、２３３、３３３、４３３）が、地図データを使用して、前記距離スコア、前記角度スコア、および前記速度スコアを算出することを特徴とする、請求項２または３に記載の装置。
5. 同期モジュール（２０）によって生成される同期データがさらに、各同期位置に関連する位置分散を含み、
   組合せモジュール（３０）は、前記第１の同期位置および前記第２の同期位置の間のマハラノビス距離が所定の閾値を下回るときに、前記組合せデータを前記ナビゲーションモジュール（６０）に伝達することによって同じ対象物の存在を前記ナビゲーションモジュール（６０）に知らせるよう、前記第１の同期位置および前記第２の同期位置からの組合せ位置を含む前記組合せデータを生成し、前記マハラノビス距離が前記所定の閾値を上回るときに、２つの互いに異なる対象物の存在を前記ナビゲーションモジュール（６０）に知らせるよう、前記第１の同期位置および前記第２の同期位置からの組合せ位置を含む組合せデータを生成しないように構成されることを特徴とする、請求項１から４のいずれか一項に記載の装置。
6. 請求項１から５のいずれか一項に記載の装置を備えることを特徴とする車両（１２）。
   

Images