JP7328281B2 - ある車両の環境中の標的車両の軌道を予測する方法及びシステム - Google Patents

ある車両の環境中の標的車両の軌道を予測する方法及びシステム Download PDF

Info

Publication number
JP7328281B2
JP7328281B2 JP2021107495A JP2021107495A JP7328281B2 JP 7328281 B2 JP7328281 B2 JP 7328281B2 JP 2021107495 A JP2021107495 A JP 2021107495A JP 2021107495 A JP2021107495 A JP 2021107495A JP 7328281 B2 JP7328281 B2 JP 7328281B2
Authority
JP
Japan
Prior art keywords
vehicle
target vehicle
trajectory
calculated
environment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021107495A
Other languages
English (en)
Other versions
JP2022013848A (ja
Inventor
グロスマン マルティン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dr Ing HCF Porsche AG
Original Assignee
Dr Ing HCF Porsche AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dr Ing HCF Porsche AG filed Critical Dr Ing HCF Porsche AG
Publication of JP2022013848A publication Critical patent/JP2022013848A/ja
Application granted granted Critical
Publication of JP7328281B2 publication Critical patent/JP7328281B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/0052—Filtering, filters
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/20—Static objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Image Analysis (AREA)

Description

本発明は、ある車両の環境中の標的車両の軌道を予測する方法及びシステムに関する。
現代の自動車は、車両の衝突リスクを減らし、走行の快適性を向上させるために、ドライバ支援システム（「先進運転支援システム」：ＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍｓ））、例えば、車間距離制御装置、衝突警告システム、緊急制動支援手段、高速道路走行支援手段、又は渋滞時走行支援手段等を有していることが多い。このようなドライバ支援システムは、半自律的又は自律的に動作し、当該車両の環境中の標的車両の軌道を予測する必要がある。このような軌道予測は、例えば機能的決定、ルート計画、又は制動介入のための根拠として使用される。予測される軌道は典型的に、２次元での標的車両のＮ個の予測状態、例えば位置、速度、ヨー、及びヨーレートからなる。
先行技術から知られている、ある車両の環境中の標的車両の軌道を予測する方法は、大きく異なる物理モデル又は運転行動に基づくモデルを用いており、これらの適応は比較的複雑な方法で行わなければならない。
（特許文献１）は、ある車両の環境中の標的車両の軌道を予測する方法を開示しており、この方法では、道路の車線に沿って移動中の車両の種類が捕捉され、ある項目の移動予測情報が生成されることによって、標的車両の移動が標的車両の種類に基づいて予測される。この場合、移動は車線に関連付けられる。
標的車両の軌道を予測する際の課題には、とりわけ、カメラ型捕捉機器により提供されるセンサ信号又は測定データに基づいて、最大５秒間の標的車両の状態、特に位置、速度、ヨー及びヨーレートを事前に予測することが関わる。ある車両の環境中の標的車両の軌道を予測するためのこの方法はまた、例えば測定された状態、特に標的車両の位置と速度における偶発的又は体系的なエラーに起因する外れ値の影響を最小にするために、できるだけロバストでもあるべきである。これに基づき、本発明の目的は、ある車両の環境中の標的車両の軌道を予測するための、さらに改良された方法及びシステムを提供することである。
欧州特許第３ ４６７ ７９９ Ａ１号明細書
特許請求項１の特徴を有する、ある車両の環境中の標的車両の軌道を予測する方法と、特許請求項８の特徴を有するシステムは、上記の目的を達成する。従属項は本発明の有利な発展形に関する。
本発明による、ある車両の環境中の標的車両の軌道を予測する方法は、
ａ）カメラ型捕捉機器により、標的車両の状態を捕捉し、当該車両の環境中の他の車両物体の状態を捕捉し、路面標示を捕捉するステップと、
ｂ）ステップａ）で取得したデータを前処理するステップであって、外れ値が除外され、欠如した状態が計算されるステップと、
ｃ）ステップｂ）で前処理したデータに基づいて物理モデルによる推定軌道を計算するステップと、
ｄ）ステップｂ）で前処理したデータに基づいてドライバ挙動に基づく軌道を計算するステップと、
ｅ）ステップｃ）及びｄ）で計算した軌道を結合して、標的車両の予測軌道を形成するステップと、
を含む。
本発明による方法により、好ましくは最大５秒間の、標的車両の状態、特に位置、速度、ヨー、及びヨーレートを、カメラ型捕捉機器により提供されるデータに基づいて事前に予測することが可能となる。ある車両の環境中の標的車両の軌道を予測するロバストな方法もまた、例えば標的車両の測定された状態、特に位置及び速度における偶発的又は体系的なエラーに起因し得る外れ値の影響を最小にするために提供される。この場合、標的車両の軌道の予測では、有利な点として、それぞれの走行状況の物理的及び環境的局面が考慮されてよく、それらが相応に重み付けされてよい。
１つの好ましい実施形態において、ステップｃ）及びｄ）で計算した軌道を最適化アルゴリズムによって最適化してから結合することが提案される。最適化アルゴリズムとしては、好ましくはシミュレーションによる焼きなましアルゴリズムが使用されてよい。
１つの好ましい実施形態において、ＲＡＮＳＡＣフィルタアルゴリズムを使って、ステップａ）で取得したデータを前処理することが可能である。これによって、測定データにおける考え得る外れ値を確実に捕捉し、排除することが可能となる。
現実的な問題は、カメラ型捕捉機器のカメラセンサが通常、標的車両のヨー及びヨーレートの信頼できる推定を提供できないという点であることが多い。これは、カメラ型捕捉機器により捕捉される標的車両の標的位置が典型的に、白色ガウスノイズと非白色非ガウスノイズの両方を伴っているからである。したがって、１つの有利な実施形態においては、アルファ－ベータフィルタアルゴリズムを使って、ステップａ）で取得したデータからノイズ成分を除去することが提案される。
１つの有利な発展形において、ステップａ）で取得したデータを前処理する際に、環境中の標的車両の、及び他の車両物体の、並びに当該車両自体の測定された状態に基づいて、並びにカメラ型捕捉機器により捕捉される車線標示及び静止物体に基づいて、道路のコースと車線のコースが推定されるようになされてよい。
１つの好ましい実施形態において、ステップｃ）で、改良ＣＹＲＡモデルを使って、物理モデルによる推定軌道を計算することが可能であり、このモデルでは、個々の軌道が複数の物理モデルによって並列に計算され、個々の軌道を結合することによって重み付き軌道が計算される。この場合、改良ＣＹＲＡモデルは、一定のヨーレート及び一定の加速度の前提に基づく（ＣＹＲＡ＝“Ｃｏｎｓｔａｎｔ Ｙａｗ Ｒａｔｅ ａｎｄ Ａｃｃｅｌｅｒａｔｉｏｎ”）。
特許請求項１～７のうちの１項に記載の方法を実行するための本発明によるシステムは、ステップａ）にしたがって標的車両の状態を捕捉し、当該車両の環境中の他の車両物体の状態を捕捉し、路面標示を捕捉するように設計されたカメラ型捕捉機器と、少なくとも、方法のステップｂ）～ｅ）を実行するための手段が実装された演算機器と、を含む。
１つの実施形態において、演算機器が、特にドライバ挙動分類モジュールが実装され、運転行動検出システムに加えてマルコフ状態機械を有する予測モジュールを含むようになされてよい。これによって挙動分類を改良することが可能となる。この場合、標的車両の挙動は、標的車両の正規化された走行車線割当、標的車両の正規化された走行車線割当の逸脱、及び速度ベクトルに基づいて、複数のカテゴリ、例えば「車線変更」、「車線維持」、「加速」、「制動」、「速度保持」に分類される。ドライバ挙動分類モジュールの入力変数は好ましくは、標的車両のＮ個の推定状態履歴、他の車両物体のＮ個の推定状態履歴、及び道路の推定コースを形成する。
本発明のその他の特徴と利点は、下記のような添付の図面に関する好ましい例示的実施形態の以下の説明に基づいて明らかとなる。
本発明の１つの好ましい例示的実施形態による、ある車両の環境中の標的車両の軌道を予測する方法を実行するように設計されたシステムの略図を示す。 システムのカメラ型捕捉機器により捕捉されたデータの前処理の詳細を図解する略図を示す。 最適化アルゴリズムの詳細を示す略図を示す。
図１に関して、ある車両の環境中の標的車両の軌道を予測する方法を実行するシステム１は、特に当該車両の環境中の標的車両及び他の車両物体を捕捉して追跡し、車線標示を検出するように設計されたカメラ型捕捉機器２を含む。
システム１はまた演算機器３も含み、そこに軌道予測モジュール４が実装され、このモジュールは、カメラ型捕捉機器２からの測定データを入力変数として受け取り、当該車両の環境中の標的車両の軌道を、コンピュータ実装方法によって後述する方法でこれらの測定データに基づいて予測するように設計される。この目的のために、複数のソフトウェアモジュール４０、４１、４２、４３、４４が軌道予測モジュール４の内部に実装されており、これらの機能については後でより詳しく説明する。
予測モジュール４は、データを前処理するように設計された前処理モジュール４０を有し、このデータは、カメラ型捕捉機器２により捕捉され、さらに処理するために予測モジュール４にとって利用可能とされる。前処理モジュール４０は、標的車両の、及び他の車両物体の測定された状態に外れ値があれば、相応に設計されたデータ処理アルゴリズムによってこれを測定データから除去し、標的車両の、及び他の車両物体の、欠如している状態を計算するように構成される。
多くの状況において、その場合は後に処理することができるものの、当該車両の走行中に車線標示がカメラ型捕捉機器２によって必要な信頼性をもって捕捉されないかもしれない。したがって、あるアルゴリズムも前処理モジュール４０に実装され、これは環境中の標的車両の、及び他の車両物体の、並びに当該車両自体の測定された状態に基づいて、並びにカメラ型捕捉機器２により捕捉される車線標示及び静止物体、例えばガードレール、勾配等に基づいて、道路のコースと車線のコースを推定するように設計される。
物理的軌道計算モジュール４１も予測モジュール４に実装され、当該車両の環境中の標的車両の軌道を、物理的軌道計算モデルに基づいて前処理モジュール４０により提供されるデータから計算することができる。この場合、好ましくは改良ＣＹＲＡモデルが使用され、このモデルでは、標的車両の個々の軌道が複数の物理モデルによって並行して計算され、これらの個々の軌道の重み付き結合が計算される。この場合、改良ＣＹＲＡモデルは、標的車両の一定のヨーレートと一定の加速度の前提に基づく（“Ｃｏｎｓｔａｎｔ Ｙａｗ Ｒａｔｅ ａｎｄ Ａｃｃｅｌｅｒａｔｉｏｎ”、略してＣＹＲＡ）。
ドライバ挙動分類モジュール４２もまた予測モジュール４に実装され、挙動分類を改善するために、運転行動検出システムに加えてマルコフ状態機械を有する。この場合、標的車両の挙動は、標的車両の正規化された車線割当、標的車両の正規化された車線割当の逸脱、及び速度ベクトルに基づいて、複数のカテゴリ、例えば「車線変更」、「車線維持」、「加速」、「制動」、「速度保持」に分類される。ドライバ挙動分類モジュール４２の入力変数は、標的車両のＮ個の推定状態履歴、その他の車両物体のＮ個の推定状態履歴、及び道路の推定コースを形成する。
パスプラニングモジュール４３も予測モジュール４に実装され、このパスプラニングモジュールは、ドライバ挙動分類モジュール４２から入力データを受け取り、標的車両の挙動に基づく軌道を予測して出力するように設計される。パスプラニングモジュール４３は、標的車両のドライバ挙動に基づく軌道を、ドライバの挙動を表す挙動カテゴリに基づき、及び標的車両の状態と標的車両の履歴に基づいて計算するように構成される。
軌道結合モジュール４４も予測モジュール４に実装される。この軌道結合モジュール４４は、物理的軌道計算モジュール４１により計算される軌道のパラメータとパスプラニングモジュール４３によって計算される軌道のパラメータを、最適化アルゴリズムに基づいて結合するように設計される。この目的のために、最適化モジュール５は演算機器３に実装され、物理的軌道計算モジュール４１、ドライバ挙動分類モジュール４２、及びパスプラニングモジュール４３により取得された標的車両の軌道の全パラメータを適切な最適化技術によって共同で適応するように設計される。
図２に関して、前処理モジュール４０によるカメラ型捕捉機器２により捕捉されたデータの前処理のさらに詳細な事柄を以下により詳しく説明する。この場合、標的車両の過去のＮ個（バッファ４００）の標的位置（ｘ，ｙ位置）に基づいて標的車両のヨー及びヨーレートを推定する新規な方法を採用する。
実質的な課題は、カメラ型捕捉機器２のカメラセンサが通常、標的車両のヨー及びヨーレートの信頼できる推定を提供できないという点である。これは、カメラ型捕捉機器２により捕捉される標的車両の標的位置が白色ガウスノイズと非白色非ガウスノイズの両方を伴うからである。
ここで用いられる方法において、標的ヨー及び標的ヨーレートは、ヨー計算モジュール４０２によってカメラによる測定に基づいて推定され、好ましくは適応型ＲＡＮＳＡＣアルゴリズム４０１により捕捉される外れ値は無視され、好ましくはノイズの影響がアルファ－ベータフィルタアルゴリズム４０３によって排除される。バッファ４００からの標的車両のＮ個の過去の標的位置（ｘ，ｙ位置）に加えて、ｘ方向への標的車両の速度もＲＡＮＳＡＣアルゴリズム４０１に含められる。
カメラ型捕捉機器２は、標的車両の車両状態を車両のｘ－ｙ座標系内の位置として出力し、ｘ軸は車両の前進走行方向を表す。ヨー及びヨーレートを推定する新規なアルゴリズムは、改良ＲＡＮＳＡＣフィルタアルゴリズム４０１及びアルファ－ベータフィルタ４０３に基づく。この場合、標的車両の標的位置のＮ個の測定値が記録される。標的車両の位置は、ＲＡＮＳＡＣアルゴリズム４０１を利用して線にフィッティングされ、そのパラメータは標的位置及び標的速度に基づいてオンラインで適応される。フィッティングされた線と標的車両のｘ座標との間の角度はごく容易に計算でき、標的車両のヨーの測定値を形成する。このようにして計算されたヨーは、フィルタ処理されたヨー及び推定されたヨーレートを出力するように設計されたアルファ－ベータアルゴリズム４０３にとって利用可能とされる。
さらに図３に関して、最適化モジュール５により実行される最適化方法のさらに詳細な事柄を以下により詳しく説明する。
標的車両に関する、並びに当該車両の環境中の他の車両物体及び検出された路面標示に関するオブジェクトデータは、カメラ型捕捉機器２によって記録される。この場合、各標的車両及び各他の車両物体は、二次元ボックス及びそれらの対応する共分散行列と共に、カメラ型捕捉機器２のカメラインタフェースによって提供される。捕捉された各路面標示は、カメラインタフェースを介してクロソイドとして提供される。
最適化モジュール５は参照抽出モジュール５０を有し、これは、カメラ型捕捉機器２から上述の方法で取得されたデータを以下のように処理する：
・クロソイドとして記録された、記録済みの路面標示（道路上の線）が三次多項式にフィッティングされる。
・路面標示（道路上の線）が、道路のコースを抽出するために新規なアルゴリズムに供給され、それによって道路のコースの推定が計算される。
・標的車両の、及び他の車両物体の記録された位置が平滑化関数によって処理される。この平滑化の結果は、標的車両の、及び他の車両物体の実際の軌道の推定である。
・ドライバの基本的真実挙動（ｂａｓｉｃ ｔｒｕｔｈ ｂｅｈａｖｉｏｒ）が道路のコースの推定並びに標的車両及び他の車両物体の軌道に基づいて特徴付けられる。
これらのデータは、評価モジュール５１にとって利用可能とされる。予測モジュール４は、カメラ型捕捉機器２により記録されたデータを読み込み、これらのデータを前処理した後、特定の標的車両の軌道の予測を提供する。この予測と推定されたドライバの基本的真実挙動との間のｘ及びｙ座標内のエラーが、評価モジュール５１によって計算される。ドライバ挙動分類モジュール４２によって分類されたドライバ挙動との違いは、特徴付けられたドライバの基本的真実挙動と比較される。
好ましくはシミュレーションによる焼きなまし法に基づく最適化アルゴリズム５２は、予測モジュール４のための更新されたパラメータを計算して、ｘ及びｙ方向へのエラーとドライバ挙動分類モジュール４２内のエラーを最小にする。
道路のコースを抽出するアルゴリズムは、路面標示の不正確な測定を用いて、道路の実際のコースの推定をカメラ型捕捉機器２のカメラ記録から抽出する新規な方法を提供する。このアルゴリズムは、記録された不正確な比較的短い路面標示（線）のウィンドウを使用し、そこからヒストグラム推定を使って路面標示の実際の位置を特定する。ヒストグラム推定に加えて、このアルゴリズムは好ましくは、道路の合流及び連絡点を検出するために発見的方法も使用する。このアルゴリズムの出力は、道路の推定コースである。
１ システム
２ カメラ型捕捉機器
３ 演算機器
４ 予測モジュール
４２ ドライバ挙動分類モジュール
５２ 最適化アルゴリズム
４０１ ＲＡＮＳＡＣフィルタアルゴリズム
４０３ アルファ－ベータフィルタアルゴリズム

Claims (9)

  1. ある車両の環境中の標的車両の軌道を予測する方法において、
    ａ）カメラ型捕捉機器（２）により、前記標的車両の状態を捕捉し、前記車両の前記環境中の他の車両物体の状態を捕捉し、路面標示を捕捉するステップと、
    ｂ）ステップａ）で取得したデータを前処理するステップであって、前記標的車両の状態及び前記他の車両物体の状態から外れ値が除外され、欠如した状態が計算されるステップと、
    ｃ）ステップｂ）で前処理した前記データに基づいて物理モデルによる前記標的車両の推定軌道を計算するステップと、
    ｄ）ステップｂ）で前処理した前記データ及びドライバの挙動を表す挙動カテゴリに基づいて、ドライバ挙動に基づく前記標的車両の推定軌道を計算するステップと、
    ｅ）ステップｃ）及びｄ）で計算した前記軌道を結合して、前記標的車両の予測軌道を形成するステップと、を含み、
    前記ステップｂ）～前記ステップｅ）は演算機器（３）により実行する方法。
  2. 前記路面標示から道路のコースを推定するステップと、前記標的車両および前記他の車両物体の記録された位置から前記標的車両および前記他の車両物体の実際の軌道を推定するステップと、前記道路のコース並びに前記標的車両および前記他の車両物体の前記実際の軌道からドライバの基本的真実挙動を特徴付けるステップと、をさらに備え、
    ステップｃ）で計算された前記軌道と前記ドライバの基本的真実挙動との間のエラーが計算され、ステップｃ）及びｄ）で計算された前記軌道は、最適化アルゴリズム（５２）によって前記エラーが最小となるように最適化された後で結合されることを特徴とする、請求項１に記載の方法。
  3. 前記最適化アルゴリズム（５２）としてシミュレーションによる焼きなましアルゴリズムが使用されることを特徴とする、請求項２に記載の方法。
  4. ステップａ）で取得された前記データを前処理するためにＲＡＮＳＡＣフィルタアルゴリズム（４０１）が使用されることを特徴とする、請求項１～３のいずれか１項に記載の方法。
  5. ステップａ）で取得された前記データからノイズ成分を除去するためにアルファ－ベータフィルタアルゴリズム（４０３）が使用されることを特徴とする、請求項１～４のいずれか１項に記載の方法。
  6. ステップａ）で取得された前記データを前処理する際に、道路のコースと車線のコースが、前記環境中の前記標的車両の、及び他の車両物体の、並びに前記車両自体の測定された状態に基づいて、並びに前記カメラ型捕捉機器（２）により捕捉された車線標示及び静止物体に基づいて推定されることを特徴とする、請求項１に記載の方法。
  7. ステップｃ）で前記物理モデルによって前記推定軌道を計算するために、改良ＣＹＲＡモデルが使用され、このモデルの個々の軌道は、複数の物理モデルによって並行して計算され、前記個々の軌道の重み付き結合が計算されることを特徴とする、請求項１～６のいずれか１項に記載の方法。
  8. 請求項１～７のいずれか１項に記載の方法を実行するシステム（１）において、ステップａ）にしたがって前記標的車両の状態を捕捉し、前記車両の前記環境中の他の車両物体の状態を捕捉し、路面標示を捕捉するように設計されたカメラ型捕捉機器（２）と、少なくとも、前記方法のステップｂ）～ｅ）を実行する手段が実装される演算機器（３）と、を含むシステム（１）。
  9. 前記演算機器（３）は、特に、運転行動検出システムに加えてマルコフ状態機械を有するドライバ挙動分類モジュール（４２）が実装された予測モジュール（４）を含むことを特徴とする、請求項８に記載のシステム（１）。
JP2021107495A 2020-06-29 2021-06-29 ある車両の環境中の標的車両の軌道を予測する方法及びシステム Active JP7328281B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020117004 2020-06-29
DE102020117004.1 2020-06-29

Publications (2)

Publication Number Publication Date
JP2022013848A JP2022013848A (ja) 2022-01-18
JP7328281B2 true JP7328281B2 (ja) 2023-08-16

Family

ID=78827190

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021107495A Active JP7328281B2 (ja) 2020-06-29 2021-06-29 ある車両の環境中の標的車両の軌道を予測する方法及びシステム

Country Status (5)

Country Link
US (1) US12030507B2 (ja)
JP (1) JP7328281B2 (ja)
KR (1) KR102570338B1 (ja)
CN (1) CN113928324A (ja)
DE (1) DE102021116703A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021105174B3 (de) * 2021-03-04 2022-03-31 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zur Spurregelung eines Fahrzeugs
US20230012905A1 (en) * 2021-07-02 2023-01-19 Canoo Technologies Inc. Proximity detection for automotive vehicles and other systems based on probabilistic computing techniques
US11912311B2 (en) * 2021-08-10 2024-02-27 GM Global Technology Operations LLC System and method of detecting and mitigating erratic on-road vehicles
CN115879294B (zh) * 2022-11-30 2024-04-26 西部科学城智能网联汽车创新中心(重庆)有限公司 一种基于多车环境感知的全样车流轨迹生成方法及***
CN117649583B (zh) * 2024-01-30 2024-05-14 科大国创合肥智能汽车科技有限公司 一种自动驾驶车辆行驶实时道路模型融合方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004322916A (ja) 2003-04-25 2004-11-18 Mitsubishi Motors Corp 運転支援装置
JP2006209333A (ja) 2005-01-26 2006-08-10 Toyota Central Res & Dev Lab Inc 危険度判定装置及び通信装置
JP2014019433A (ja) 2012-07-12 2014-02-03 Honda Motor Co Ltd 逆強化学習を利用するハイブリッド車両の燃料効率向上
WO2014024284A1 (ja) 2012-08-08 2014-02-13 トヨタ自動車株式会社 衝突予測装置
JP2014067169A (ja) 2012-09-25 2014-04-17 Toyota Motor Corp 衝突予測装置
JP2016212872A (ja) 2015-05-04 2016-12-15 ホンダ リサーチ インスティテュート ヨーロッパ ゲーエムベーハーＨｏｎｄａ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ Ｅｕｒｏｐｅ ＧｍｂＨ 対象物体の将来状態を計算により予測する方法の性能を向上するための方法、運転者支援システム、そのような運転者支援システムを備える車両、並びに対応するプログラムの記憶媒体及びプログラム
JP2018039285A (ja) 2016-09-05 2018-03-15 株式会社Ｓｕｂａｒｕ 車両の走行制御装置
JP2018083610A (ja) 2016-11-22 2018-05-31 バイドゥ・ユーエスエイ・リミテッド・ライアビリティ・カンパニーＢａｉｄｕ ＵＳＡ ＬＬＣ 自律走行車の車両交通行動を予測して運転決定をするための方法及びシステム
JP2019106049A (ja) 2017-12-13 2019-06-27 株式会社豊田中央研究所 車両制御装置、リスクマップ生成装置、及びプログラム

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09506698A (ja) 1993-11-23 1997-06-30 シーメンス アクチエンゲゼルシヤフト レーダー方法及びこの方法を実施する装置
JP4096384B2 (ja) 1997-09-30 2008-06-04 日産自動車株式会社 運転行動パターン認識装置
US6819991B2 (en) * 2001-11-29 2004-11-16 Ford Global Technologies, Llc Vehicle sensing based pre-crash threat assessment system
US20080091352A1 (en) * 2006-10-11 2008-04-17 O'hare James K Automobile collision avoidance system
DE102011018948A1 (de) 2011-04-29 2012-01-05 Daimler Ag Verfahren zur Objekterkennung
CN102509067B (zh) * 2011-09-22 2014-04-02 西北工业大学 一种车道边界和主车方位检测方法
DE102012009555A1 (de) 2012-05-12 2012-11-29 Daimler Ag Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs und Fahrerassistenzsystem
DE112013007129B4 (de) * 2013-05-31 2021-08-12 Toyota Jidosha Kabushiki Kaisha Bewegungstrajektorienvorhersagevorrichtung und Bewegungstrajektorienvorhersageverfahren
DE102013224026A1 (de) 2013-11-25 2015-05-28 Robert Bosch Gmbh Verfahren zur Bewertung des Fahrerverhaltens in einem Fahrzeug
DE102013021840A1 (de) 2013-12-21 2015-06-25 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erzeugen eines Umgebungsmodells eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug
DE102014008353B4 (de) 2014-06-04 2016-09-15 Audi Ag Verfahren zum Betrieb eines Fahrerassistenzsystems zur automatisierten Führung eines Kraftfahrzeugs sowie zugeordnetes Kraftfahrzeug
KR101645322B1 (ko) * 2014-12-31 2016-08-04 가천대학교 산학협력단 차선 변화벡터와 카디널 스플라인을 이용한 차선 검출 시스템 및 그 방법
US9784592B2 (en) * 2015-07-17 2017-10-10 Honda Motor Co., Ltd. Turn predictions
DE102016119502A1 (de) 2016-10-13 2018-04-19 Valeo Schalter Und Sensoren Gmbh Kategorisierung von Fahrzeugen in der Umgebung eines Kraftfahrzeugs
JP6583252B2 (ja) 2016-12-27 2019-10-02 トヨタ自動車株式会社 運転支援装置
EP3415945B1 (en) * 2017-06-12 2024-01-10 Aptiv Technologies Limited Method of determining the yaw rate of a target vehicle
KR20190035159A (ko) 2017-09-26 2019-04-03 삼성전자주식회사 차량 움직임 예측 방법 및 장치
JP6601696B2 (ja) 2018-01-19 2019-11-06 本田技研工業株式会社 予測装置、予測方法、およびプログラム
GB201804195D0 (en) * 2018-03-15 2018-05-02 Blue Vision Labs Uk Ltd Visual vehicle tracking through noise and occlusions using crowd-sourced maps
US10627818B2 (en) * 2018-03-28 2020-04-21 Zoox, Inc. Temporal prediction model for semantic intent understanding
US10250283B1 (en) * 2018-07-16 2019-04-02 The United States Of America, As Represented By The Secretary Of The Navy Digital frequency locked loop for wideband communications channels requiring extreme Doppler compensation and low signal to noise ratio
CN109583151B (zh) 2019-02-20 2023-07-21 阿波罗智能技术(北京)有限公司 车辆的行驶轨迹预测方法及装置
US11275173B2 (en) * 2019-05-20 2022-03-15 Zoox, Inc. Yaw rate from radar data
CN110705388B (zh) 2019-09-16 2022-04-01 清华大学 一种基于预测反馈的辅助驾驶用目标车辆换道识别方法
CN110758382B (zh) 2019-10-21 2021-04-20 南京航空航天大学 一种基于驾驶意图的周围车辆运动状态预测***及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004322916A (ja) 2003-04-25 2004-11-18 Mitsubishi Motors Corp 運転支援装置
JP2006209333A (ja) 2005-01-26 2006-08-10 Toyota Central Res & Dev Lab Inc 危険度判定装置及び通信装置
JP2014019433A (ja) 2012-07-12 2014-02-03 Honda Motor Co Ltd 逆強化学習を利用するハイブリッド車両の燃料効率向上
WO2014024284A1 (ja) 2012-08-08 2014-02-13 トヨタ自動車株式会社 衝突予測装置
JP2014067169A (ja) 2012-09-25 2014-04-17 Toyota Motor Corp 衝突予測装置
JP2016212872A (ja) 2015-05-04 2016-12-15 ホンダ リサーチ インスティテュート ヨーロッパ ゲーエムベーハーＨｏｎｄａ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ Ｅｕｒｏｐｅ ＧｍｂＨ 対象物体の将来状態を計算により予測する方法の性能を向上するための方法、運転者支援システム、そのような運転者支援システムを備える車両、並びに対応するプログラムの記憶媒体及びプログラム
JP2018039285A (ja) 2016-09-05 2018-03-15 株式会社Ｓｕｂａｒｕ 車両の走行制御装置
JP2018083610A (ja) 2016-11-22 2018-05-31 バイドゥ・ユーエスエイ・リミテッド・ライアビリティ・カンパニーＢａｉｄｕ ＵＳＡ ＬＬＣ 自律走行車の車両交通行動を予測して運転決定をするための方法及びシステム
JP2019106049A (ja) 2017-12-13 2019-06-27 株式会社豊田中央研究所 車両制御装置、リスクマップ生成装置、及びプログラム

Also Published As

Publication number Publication date
CN113928324A (zh) 2022-01-14
JP2022013848A (ja) 2022-01-18
DE102021116703A1 (de) 2021-12-30
US12030507B2 (en) 2024-07-09
KR20220001498A (ko) 2022-01-05
US20210403008A1 (en) 2021-12-30
KR102570338B1 (ko) 2023-08-25

Similar Documents

Publication Publication Date Title
JP7328281B2 (ja) ある車両の環境中の標的車両の軌道を予測する方法及びシステム
US11688174B2 (en) System and method for determining vehicle data set familiarity
US11308717B2 (en) Object detection device and object detection method
JP5938569B2 (ja) 方位情報を考慮する高度運転者支援システム、及びその動作方法
CN108536149A (zh) 一种基于Dubins路径的无人驾驶车辆避障控制装置及控制方法
JP2013225295A5 (ja)
WO2015155833A1 (ja) 衝突防止装置
CN107000745A (zh) 车辆的行驶控制装置以及行驶控制方法
CN107615201A (zh) 自身位置估计装置及自身位置估计方法
US10839263B2 (en) System and method for evaluating a trained vehicle data set familiarity of a driver assitance system
JP2005539288A5 (ja)
CN107209998A (zh) 车道线识别装置
JP5281867B2 (ja) 車両走行速度制御装置および方法
CN114170274B (zh) 目标跟踪方法和装置、电子设备和存储介质
CN116611603B (zh) 一种车辆路径调度方法、装置、计算机及存储介质
US20210397187A1 (en) Method and system for operating a mobile robot
KR20200068258A (ko) 차량용 센서퓨전 타겟 예측 장치 및 그의 센서 퓨전 타겟 예측 방법과 그를 포함하는 차량
JP6263453B2 (ja) 運動量推定装置及びプログラム
CN112686421B (zh) 将来行动推定装置、将来行动推定方法及存储介质
JP2021190119A (ja) 交通参加者の経路を予測するための方法およびデバイス、ならびにセンサシステム
CN114509079A (zh) 用于自主驾驶的地面投影的方法和***
US20220309776A1 (en) Method and system for determining ground level using an artificial neural network
JP2016085105A (ja) 移動体の速度推定装置、方法、及びプログラム
KR20220108823A (ko) 차량의 궤적을 예측하는 시스템 및 방법
JP2004038760A (ja) 車両用走行路認識装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210630

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20220415

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20220415

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220722

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220803

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221101

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230315

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230608

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230705

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230803

R150 Certificate of patent or registration of utility model

Ref document number: 7328281

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150