KR20210002959A - 자율주행차량의 차선변경 제어 장치 및 그 방법 - Google Patents
자율주행차량의 차선변경 제어 장치 및 그 방법 Download PDFInfo
- Publication number
- KR20210002959A KR20210002959A KR1020190078879A KR20190078879A KR20210002959A KR 20210002959 A KR20210002959 A KR 20210002959A KR 1020190078879 A KR1020190078879 A KR 1020190078879A KR 20190078879 A KR20190078879 A KR 20190078879A KR 20210002959 A KR20210002959 A KR 20210002959A
- Authority
- KR
- South Korea
- Prior art keywords
- autonomous vehicle
- lane change
- vehicle
- lane
- learning
- Prior art date
Links
- 230000008859 change Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000004397 blinking Effects 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000007423 decrease Effects 0.000 claims description 7
- 230000000306 recurrent effect Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/181—Preparing for stopping
-
- 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
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/04—Vehicle stop
-
- 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
-
- 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
- B60W2554/804—Relative longitudinal speed
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/14—Cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/18—Propelling the vehicle
- B60Y2300/18008—Propelling the vehicle related to particular drive situations
- B60Y2300/18091—Preparing for stopping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/18—Propelling the vehicle
- B60Y2300/18008—Propelling the vehicle related to particular drive situations
- B60Y2300/18166—Overtaking, changing lanes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 자율주행차량의 차선변경 제어 장치 및 그 방법에 관한 것으로, 차선변경시 고려되어야 할 각종 데이터를 기반으로 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경을 제어함으로써, 도심주행이나 정체상황에서도 자율주행차량의 차선변경을 가능하게 하는 자율주행차량의 차선변경 제어 장치 및 그 방법을 제공하고자 한다.
이를 위하여, 본 발명은 자율주행차량의 차선변경 제어 장치에 있어서, 차선변경 가능 환경을 학습하는 학습부; 및 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경을 제어하는 제어부를 포함한다.
이를 위하여, 본 발명은 자율주행차량의 차선변경 제어 장치에 있어서, 차선변경 가능 환경을 학습하는 학습부; 및 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경을 제어하는 제어부를 포함한다.
Description
본 발명은 심층 학습을 기반으로 자율주행차량의 차선변경을 제어하는 기술에 관한 것이다.
일반적으로, 심층 학습(Deep Learning or Deep Neural Network)은 기계 학습(Machine Learning)의 한 종류로서, 입력과 출력 사이에 여러 층의 인공 신경망(ANN, Artificial Neural Network)이 구성되어 있으며, 이러한 인공 신경망은 구조와 해결할 문제 및 목적 등에 따라 콘볼루션 신경망(CNN, Convolution Neural Network) 또는 순환 신경망(RNN, Recurrent Neural Network) 등을 포함할 수 있다.
콘볼루션 신경망에 입력되는 데이터는 트레이닝 셋과 테스트 셋으로 구분되는데, 콘볼루션 신경망은 트레이닝 셋을 통해 신경망의 가중치를 학습하고, 이렇게 학습된 결과를 테스트 셋을 통해 확인한다.
이러한 콘볼루션 신경망에서는 데이터가 입력되면 입력층(Input Layer)에서 은닉층(Hidden Layer)까지 연산이 차근차근 진행되어 그 결과가 출력되는데, 이 과정에서 입력 데이터는 모든 노드를 한번씩만 경유하게 된다.
이렇게 입력 데이터가 모든 노드를 한번씩만 경유한다는 것은 데이터의 순서 즉 시간적인 측면을 고려하지 않는 구조라는 것을 의미한다. 결국, 콘볼루션 신경망은 입력 데이터의 시간 순서에 상관없이 학습을 수행한다.
반면, 순환 신경망은 은닉층의 결과가 다시 상기 은닉층에 입력되는 구조를 갖는다. 이러한 구조는 입력 데이터의 시간 순서가 고려되는 것을 의미한다.
종래의 자율주행차량의 차선변경 제어 기술은 변경하고자 하는 차선(타겟 차선) 상에 위치한 선행차량과 후행차량 사이의 공간(진입공간)이 기준치를 초과하는 경우, 즉 자율주행차량이 차선(Lane)을 변경함에 있어 상기 선행차량과 상기 후행차량에 의한 방해를 받지 않는 경우에만 차선변경을 수행하기 때문에 기준치를 초과하는 진입공간이 좀처럼 발생하지 않는 도심주행이나 정체상황에서는 차선변경이 불가능한 문제점이 있다.
상기와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은 차선변경시 고려되어야 할 각종 데이터를 기반으로 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경을 제어함으로써, 도심주행이나 정체상황에서도 자율주행차량의 차선변경을 가능하게 하는 자율주행차량의 차선변경 제어 장치 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 장치는, 자율주행차량의 차선변경 제어 장치에 있어서, 차선변경 가능 환경을 학습하는 학습부; 및 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경을 제어하는 제어부를 포함할 수 있다.
여기서, 상기 제어부는 상기 자율주행차량의 차선변경이 가능한 것으로 판단한 경우라도, 타겟 차선상에서 주행중인 후행차량의 양보 여부를 고려하여 상기 자율주행차량의 차선변경을 제어할 수 있다.
또한, 상기 제어부는 상기 자율주행차량의 차선변경 중에 상기 후행차량이 양보해 주지 않으면, 상기 자율주행차량을 정차시킨 상태에서 차선변경 가능 여부를 재차 판단할 수 있다.
또한, 상기 제어부는 상기 후행차량의 속도가 감소하면 양보로 판단하고, 유지되거나 증가하면 양보가 아닌 것으로 판단할 수 있다.
또한, 상기 제어부는 상기 후행차량의 시그널 램프의 점멸 여부를 더 고려하여 양보 여부를 판단할 수 있다.
또한, 상기 학습부는 타겟 차선상에서 주행중인 후행차량이 양보해야 차선변경이 가능한 경우를 차선변경 가능 환경으로서 학습할 수 있다.
또한, 상기 학습부는 타겟 차선상에서 주행중인 선행차량의 속도와 후행차량의 속도, 상기 선행차량의 시그널 램프의 점멸 여부 및 브레이크 램프의 점등 여부, 상기 후행차량의 시그널 램프의 점멸 여부, 자율주행차량의 헤딩각 중 적어도 하나 이상을 입력받아 차선변경 가능 환경을 학습할 수 있다. 이때, 상기 학습부는 RNN(Recurrent Neural Network)을 기반으로 학습할 수 있다.
상기 목적을 달성하기 위한 본 발명의 방법은, 자율주행차량의 차선변경 제어 방법에 있어서, 학습부가 차선변경 가능 환경을 학습하는 단계; 및 제어부가 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경을 제어하는 단계를 포함할 수 있다.
여기서, 상기 자율주행차량의 차선변경을 제어하는 단계는, 상기 자율주행차량의 차선변경이 가능한 것으로 판단한 경우라도, 타겟 차선상에서 주행중인 후행차량의 양보 여부를 고려하여 상기 자율주행차량의 차선변경을 제어할 수 있다.
또한, 상기 자율주행차량의 차선변경을 제어하는 단계는, 상기 자율주행차량의 차선변경 중에 상기 후행차량이 양보해 주지 않으면, 상기 자율주행차량을 정차시킨 상태에서 차선변경 가능 여부를 재차 판단하는 단계를 포함할 수 있다.
또한, 상기 차선변경 가능 여부를 재차 판단하는 단계는, 상기 후행차량의 속도가 감소하면 양보로 판단하는 단계; 및 상기 후행차량의 속도가 유지되거나 증가하면 양보가 아닌 것으로 판단하는 단계를 포함할 수 있다.
또한, 상기 양보로 판단하는 단계는, 상기 후행차량의 속도가 감소하면서 시그널 램프의 점멸이 감지되면 양보로 판단할 수 있다.
또한, 상기 학습하는 단계는 타겟 차선상에서 주행중인 후행차량이 양보해야 차선변경이 가능한 경우를 차선변경 가능 환경으로서 학습할 수 있다.
또한, 상기 학습하는 단계는 타겟 차선상에서 주행중인 선행차량의 속도와 후행차량의 속도, 상기 선행차량의 시그널 램프의 점멸 여부 및 브레이크 램프의 점등 여부, 상기 후행차량의 시그널 램프의 점멸 여부, 자율주행차량의 헤딩각 중 적어도 하나 이상을 입력받아 차선변경 가능 환경을 학습할 수 있다. 이때, 상기 학습하는 단계는 RNN(Recurrent Neural Network)을 기반으로 학습할 수 있다.
본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치 및 그 방법은, 차선변경시 고려되어야 할 각종 데이터를 기반으로 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경을 제어함으로써, 도심주행이나 정체상황에서도 자율주행차량의 차선변경을 가능하게 한다.
도 1 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 대한 구성도,
도 2 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치가 적용되는 주행환경에 대한 도면,
도 3 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 RNN의 구조를 나타내는 도면,
도 4 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법에 대한 흐름도,
도 5 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
도 2 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치가 적용되는 주행환경에 대한 도면,
도 3 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 RNN의 구조를 나타내는 도면,
도 4 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법에 대한 흐름도,
도 5 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 대한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치(100)는, 저장부(10), 센서부(20), 학습부(30), 및 제어부(40)를 포함할 수 있다. 이때, 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치(100)를 실시하는 방식에 따라 각 구성요소는 서로 결합되어 하나로 구현될 수도 있고, 일부의 구성요소가 생략될 수도 있다. 특히, 학습부(30)는 제어부(40)에 병합되어 제어부(40)가 학습부(30)의 기능을 수행하도록 구현될 수 있다.
상기 각 구성요소들에 대해 살펴보면, 먼저 저장부(10)는 차선변경시 고려되어야 할 각종 데이터를 기반으로 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경을 제어하는 과정에서 요구되는 각종 로직과 알고리즘 및 프로그램을 저장할 수 있다.
특히, 저장부(10)는 학습이 일정 수준까지 완료되거나 완전히 완료된 RNN(Recurrent Neural Network)의 출력(output)을 기반으로 차선변경의 시도 여부를 결정하는데 이용되는 임계치(Pavail)를 저장할 수도 있다. 이때, RNN의 출력(P)이 임계치를 초과하면(P > Pavail) 자율주행차량은 차선변경을 시도할 수 있다.
이러한 저장부(10)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 마이크로 타입(micro type), 및 카드 타입(예컨대, SD 카드(Secure Digital Card) 또는 XD 카드(eXtream Digital Card)) 등의 메모리와, 램(RAM, Random Access Memory), SRAM(Static RAM), 롬(ROM, Read-Only Memory), PROM(Programmable ROM), EEPROM(Electrically Erasable PROM), 자기 메모리(MRAM, Magnetic RAM), 자기 디스크(magnetic disk), 및 광디스크(optical disk) 타입의 메모리 중 적어도 하나의 타입의 기록 매체(storage medium)를 포함할 수 있다.
다음으로, 센서부(20)는 자율주행차량의 주변에서 주행중인 차량의 속도를 측정할 수 있다. 즉, 센서부(20)는 도 2에 도시된 바와 같이 타겟 차선(200)상에 위치한 선행차량(220)의 속도와 후행차량(230)의 속도를 측정할 수 있다.
센서부(20)는 자율주행차량(210)의 헤딩각(θ)을 측정할 수 있다.
센서부(20)는 선행차량(220)의 시그널 램프의 점멸 여부 및 브레이크 램프의 점등 여부를 검출할 수 있다.
센서부(20)는 후행차량(230)의 시그널 램프의 점멸 여부 및 브레이크 램프의 점등 여부를 검출할 수 있다.
이러한 센서부(20)는 라이다(LiDAR: Light Detection And Ranging) 센서, 카메라, 레이더(RaDAR: Radio Detecting And Ranging) 센서, 초음파 센서 등을 포함할 수 있다.
참고로, 라이다 센서는 환경인지 센서의 한 종류로서, 자율주행차량에 탑재되어 회전하면서 전방위에 레이저를 쏘아 반사되어 돌아오는 시간에 기초하여 반사체의 위치좌표 등을 측정한다.
카메라는 자율주행차량의 전방/후방/좌측방/우측방에 각각 장착되어 자율주행차량 주변의 차선, 차량, 장애물 등을 포함하는 영상을 촬영한다. 이때, 카메라는 타겟 차선(200)상에 위치한 선행차량(220)의 시그널 램프 및 브레이크 램프를 촬영할 수 있다. 또한, 카메라는 후행차량(230)의 시그널 램프를 촬영할 수도 있다.
레이더 센서는 전자기파 발사 후 물체에서 반사되는 전자기파를 수신하여 물체와의 거리, 물체의 방향 등을 측정한다. 이러한 레이더 센서는 자율주행차량의 전방 범퍼와 후측방에 장차될 수 있으며, 장거리 물체 인식이 가능하고 기상의 영향을 거의 받지 않는다.
다음으로, 학습부(30)는 RNN을 기반으로 차선변경시 고려되어야 할 각종 데이터를 기반으로 차선변경 환경(차선변경 가능 환경)을 학습할 수 있다. 이때, 상기 각종 데이터는 타겟 차선(200)상에서 주행중인 선행차량(220)의 속도와 후행차량(230)의 속도, 선행차량(220)의 시그널 램프의 점멸 여부 및 브레이크 램프의 점등 여부, 후행차량(230)의 시그널 램프의 점멸 여부, 및 자율주행차량(210)의 헤딩각(θ) 중 적어도 하나 이상을 포함할 수 있다.
학습부(30)는 학습 결과로서 자율주행차량의 차선변경 모델을 생성할 수 있다. 이때, 차선변경 모델은 자율주행차량이 차선(Lane)을 변경함에 있어 선행차량(220)과 후행차량(230)에 의한 방해를 받지 않는 경우의 차선변경은 물론, 선행차량(220)과 후행차량(230)에 의한 방해를 받더라도 후행차량(230)의 양보가 있으면 차선변경이 가능한 경우의 차선변경을 포함한다.
이러한 학습부(30)는 일례로 도 3에 도시된 바와 같은 구조의 RNN을 구비할 수 있다. 여기서, RNN은 은닉층의 출력이 다시 은닉층에 입력되는 구조를 갖기 때문에 입력 데이터의 시간 순서를 고려할 수 있다.
다음으로, 제어부(40)는 상기 각 구성요소들이 제 기능을 정상적으로 수행할 수 있도록 전반적인 제어를 수행한다. 이러한 제어부(40)는 하드웨어의 형태로 구현되거나, 또는 소프트웨어의 형태로 구현될 수 있고, 물론 하드웨어 및 소프트웨어가 결합된 형태로도 구현될 수 있다. 바람직하게는, 제어부(40)는 마이크로프로세서로 구현될 수 있으나 이에 한정되는 것은 아니다.
특히, 제어부(40)는 차선변경시 고려되어야 할 각종 데이터를 기반으로 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경을 제어하는 과정에서 요구되는 각종 제어를 수행할 수 있다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치(100)가 적용되는 주행환경은, 후행차량(230)이 양보(속도를 감소)해 주지 않으면 자율주행차량(210)의 차선변경이 불가능한 환경을 대상으로 한다.
따라서, 제어부(40)가 학습부(30)의 학습 결과에 기초하여 차선변경이 가능한 것으로 판단한 경우라도, 후행차량(230)의 양보 여부에 따라 차선변경의 성공 여부가 결정될 수 있다. 즉, 제어부(40)는 후행차량(230)이 양보해 주면 곧바로 자율주행차량(210)의 차선변경을 완료할 수 있지만, 후행차량(230)이 양보해 주지 않으면 진입중인 자율주행차량(210)을 일단 정차시킨 상태에서 차선변경 가능 여부를 재차 판단해야 한다. 이러한 판단 과정은 자율주행차량(210)의 차선변경이 완료될 때까지 반복 수행될 수 있다.
결국, 제어부(40)는 선행차량(220)과 후행차량(230) 사이의 공간으로 조금씩 진입하면서 후행차량(230)의 양보를 유도하여 후행차량(230)이 양보해 주지 않으면 자율주행차량(210)을 정차시키고, 후행차량(230)이 양보해 주면 자율주행차량(210)의 진입을 재개하여 차선변경을 완료할 수 있다.
이하, 자율주행차량(210)의 차선변경과 관련하여 제어부(40)의 동작에 대해 상세히 살펴보기로 한다.
먼저, 제어부(40)는 센서부(20)에 의해 측정된 각종 데이터들을 학습부(30)의 학습 결과에 적용하여 자율주행차량(210)의 차선변경 가능 여부를 판단할 수 있다.
제어부(40)는 자율주행차량(210)의 차선변경이 가능한 것으로 판단한 경우, 자율주행차량(210)을 타겟 차선(200)으로 진입시키면서, 센서부(20)를 통해 타겟 차선(200) 상에 위치한 후행차량(230)의 속도를 모니터링한다. 이때, 제어부(40)는 후행차량(230)의 시그널 램프의 점멸 여부를 추가로 모니터링할 수도 있다.
제어부(40)는 후행차량(230)의 속도가 감소하거나 후행차량(230)이 정차하면 후행차량(230)이 양보한 것으로 판단하여 차선변경을 완료하고, 후행차량(230)의 속도가 유지되거나 증가하면 후행차량(230)이 양보 의사가 없는 것으로 판단하여 자율주행차량(210)을 정차시킨다.
제어부(40)는 현재 정차위치에서 센서부(20)에 의해 측정된 각종 데이터들을 학습부(30)의 학습 결과에 적용하여 자율주행차량(210)의 차선변경 가능 여부를 다시 판단한다. 이후의 과정은 상술한 과정의 반복이다.
제어부(40)는 이러한 과정을 통해 차량이 밀집된 주행환경에서도 자율주행차량(210)의 차선변경을 안전하게 제어할 수 있다.
도 4 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법에 대한 흐름도이다.
먼저, 학습부(30)가 차선변경 가능 환경을 학습한다(401). 즉, 학습부(30)는 타겟 차선상에서 주행중인 후행차량이 양보해야 차선변경이 가능한 경우를 차선변경 가능 환경으로서 학습한다. 이때, 학습부(30)는 타겟 차선상에서 주행중인 선행차량의 속도와 후행차량의 속도, 상기 선행차량의 시그널 램프의 점멸 여부 및 브레이크 램프의 점등 여부, 상기 후행차량의 시그널 램프의 점멸 여부, 자율주행차량의 헤딩각 중 적어도 하나 이상을 입력받아 차선변경 가능 환경을 학습할 수 있다.
이후, 제어부(40)가 상기 학습부(30)의 학습 결과에 기초하여 자율주행차량의 차선변경을 제어한다(402). 즉, 제어부(40)는 자율주행차량의 차선변경이 가능한 것으로 판단한 경우라도, 타겟 차선상에서 주행중인 후행차량의 양보 여부를 고려하여 자율주행차량의 차선변경을 제어한다.
도 5 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
도 5를 참조하면, 상술한 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법은 컴퓨팅 시스템을 통해서도 구현될 수 있다. 컴퓨팅 시스템(1000)은 시스템 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.
프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.
따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, SSD(Solid State Drive), 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다. 예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 저장부
20: 센서부
30: 학습부
40: 제어부
20: 센서부
30: 학습부
40: 제어부
Claims (16)
- 차선변경 가능 환경을 학습하는 학습부; 및
상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경을 제어하는 제어부
를 포함하는 자율주행차량의 차선변경 제어 장치.
- 제 1 항에 있어서,
상기 제어부는,
상기 자율주행차량의 차선변경이 가능한 것으로 판단한 경우라도, 타겟 차선상에서 주행중인 후행차량의 양보 여부를 고려하여 상기 자율주행차량의 차선변경을 제어하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
- 제 2 항에 있어서,
상기 제어부는,
상기 자율주행차량의 차선변경 중에 상기 후행차량이 양보해 주지 않으면, 상기 자율주행차량을 정차시킨 상태에서 차선변경 가능 여부를 재차 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
- 제 3 항에 있어서,
상기 제어부는,
상기 후행차량의 속도가 감소하면 양보로 판단하고, 유지되거나 증가하면 양보가 아닌 것으로 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
- 제 4 항에 있어서,
상기 제어부는,
상기 후행차량의 시그널 램프의 점멸 여부를 더 고려하여 양보 여부를 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
- 제 1 항에 있어서,
상기 학습부는,
타겟 차선상에서 주행중인 후행차량이 양보해야 차선변경이 가능한 경우를 차선변경 가능 환경으로서 학습하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
- 제 1 항에 있어서,
상기 학습부는,
타겟 차선상에서 주행중인 선행차량의 속도와 후행차량의 속도, 상기 선행차량의 시그널 램프의 점멸 여부 및 브레이크 램프의 점등 여부, 상기 후행차량의 시그널 램프의 점멸 여부, 자율주행차량의 헤딩각 중 적어도 하나 이상을 입력받아 차선변경 가능 환경을 학습하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
- 제 1 항에 있어서,
상기 학습부는,
RNN(Recurrent Neural Network)을 기반으로 학습하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
- 학습부가 차선변경 가능 환경을 학습하는 단계; 및
제어부가 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경을 제어하는 단계
를 포함하는 자율주행차량의 차선변경 제어 방법.
- 제 9 항에 있어서,
상기 자율주행차량의 차선변경을 제어하는 단계는,
상기 자율주행차량의 차선변경이 가능한 것으로 판단한 경우라도, 타겟 차선상에서 주행중인 후행차량의 양보 여부를 고려하여 상기 자율주행차량의 차선변경을 제어하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
- 제 10 항에 있어서,
상기 자율주행차량의 차선변경을 제어하는 단계는,
상기 자율주행차량의 차선변경 중에 상기 후행차량이 양보해 주지 않으면, 상기 자율주행차량을 정차시킨 상태에서 차선변경 가능 여부를 재차 판단하는 단계
를 포함하는 자율주행차량의 차선변경 제어 방법.
- 제 11 항에 있어서,
상기 차선변경 가능 여부를 재차 판단하는 단계는,
상기 후행차량의 속도가 감소하면 양보로 판단하는 단계; 및
상기 후행차량의 속도가 유지되거나 증가하면 양보가 아닌 것으로 판단하는 단계
를 포함하는 자율주행차량의 차선변경 제어 방법.
- 제 11 항에 있어서,
상기 양보로 판단하는 단계는,
상기 후행차량의 속도가 감소하면서 시그널 램프의 점멸이 감지되면 양보로 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
- 제 9 항에 있어서,
상기 학습하는 단계는,
타겟 차선상에서 주행중인 후행차량이 양보해야 차선변경이 가능한 경우를 차선변경 가능 환경으로서 학습하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
- 제 9 항에 있어서,
상기 학습하는 단계는,
타겟 차선상에서 주행중인 선행차량의 속도와 후행차량의 속도, 상기 선행차량의 시그널 램프의 점멸 여부 및 브레이크 램프의 점등 여부, 상기 후행차량의 시그널 램프의 점멸 여부, 자율주행차량의 헤딩각 중 적어도 하나 이상을 입력받아 차선변경 가능 환경을 학습하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
- 제 9 항에 있어서,
상기 학습하는 단계는,
RNN(Recurrent Neural Network)을 기반으로 학습하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190078879A KR20210002959A (ko) | 2019-07-01 | 2019-07-01 | 자율주행차량의 차선변경 제어 장치 및 그 방법 |
US16/684,090 US20210001858A1 (en) | 2019-07-01 | 2019-11-14 | Lane change control device and method for autonomous vehicle |
CN201911180777.XA CN112172816A (zh) | 2019-07-01 | 2019-11-27 | 自动驾驶车辆的车道变换控制装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190078879A KR20210002959A (ko) | 2019-07-01 | 2019-07-01 | 자율주행차량의 차선변경 제어 장치 및 그 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210002959A true KR20210002959A (ko) | 2021-01-11 |
Family
ID=73919023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190078879A KR20210002959A (ko) | 2019-07-01 | 2019-07-01 | 자율주행차량의 차선변경 제어 장치 및 그 방법 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210001858A1 (ko) |
KR (1) | KR20210002959A (ko) |
CN (1) | CN112172816A (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220116855A (ko) | 2021-02-16 | 2022-08-23 | 충북대학교 산학협력단 | 자동차 전용도로 환경에서 강화학습을 이용한 자율주행 차량의 차선 변경 판단 방법 및 이를 기록한 기록매체 |
KR20230049148A (ko) | 2021-10-05 | 2023-04-13 | 현대자동차주식회사 | 어드벤스드 자율주행 차선변경방법 및 차량 |
KR102678438B1 (ko) | 2023-08-29 | 2024-06-27 | 케이지모빌리티 주식회사 | 전방 차량의 하이 마운티드 스탑 램프 연동 자동 차로변경 시스템 및 방법 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11548512B2 (en) * | 2019-08-23 | 2023-01-10 | Zoox, Inc. | Yield behavior modeling and prediction |
US11157813B1 (en) * | 2020-04-24 | 2021-10-26 | StradVision, Inc. | Method and device for on-vehicle active learning to be used for training perception network of autonomous vehicle |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101032555B1 (ko) * | 2010-06-25 | 2011-05-06 | 홍동유 | 자동차의 양보 요청 및 양보 의사 표시 장치 |
US10347127B2 (en) * | 2013-02-21 | 2019-07-09 | Waymo Llc | Driving mode adjustment |
US9475491B1 (en) * | 2015-06-08 | 2016-10-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Lane changing for autonomous vehicles |
KR102383427B1 (ko) * | 2016-12-16 | 2022-04-07 | 현대자동차주식회사 | 자율주행 제어 장치 및 방법 |
KR102551130B1 (ko) * | 2017-01-12 | 2023-07-05 | 모빌아이 비젼 테크놀로지스 엘티디. | 차량 움직임에 기반한 항법 |
US10611371B2 (en) * | 2017-09-14 | 2020-04-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for vehicle lane change prediction using structural recurrent neural networks |
US11027751B2 (en) * | 2017-10-31 | 2021-06-08 | Nissan North America, Inc. | Reinforcement and model learning for vehicle operation |
-
2019
- 2019-07-01 KR KR1020190078879A patent/KR20210002959A/ko not_active Application Discontinuation
- 2019-11-14 US US16/684,090 patent/US20210001858A1/en not_active Abandoned
- 2019-11-27 CN CN201911180777.XA patent/CN112172816A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220116855A (ko) | 2021-02-16 | 2022-08-23 | 충북대학교 산학협력단 | 자동차 전용도로 환경에서 강화학습을 이용한 자율주행 차량의 차선 변경 판단 방법 및 이를 기록한 기록매체 |
KR20230049148A (ko) | 2021-10-05 | 2023-04-13 | 현대자동차주식회사 | 어드벤스드 자율주행 차선변경방법 및 차량 |
KR102678438B1 (ko) | 2023-08-29 | 2024-06-27 | 케이지모빌리티 주식회사 | 전방 차량의 하이 마운티드 스탑 램프 연동 자동 차로변경 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN112172816A (zh) | 2021-01-05 |
US20210001858A1 (en) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20210002959A (ko) | 자율주행차량의 차선변경 제어 장치 및 그 방법 | |
US11541889B2 (en) | Apparatus and method for providing driving path in vehicle | |
US10847034B2 (en) | Apparatus and method for controlling lane change for vehicle | |
US20180233034A1 (en) | Vehicle control device | |
CN113267199A (zh) | 行驶轨迹规划方法及装置 | |
CN112660128B (zh) | 用于确定自动驾驶车辆的车道变更路径的设备及其方法 | |
CN110356413B (zh) | 用于提供车辆的安全策略的装置及方法 | |
JP6174644B2 (ja) | 画像処理装置 | |
JP2016148547A (ja) | 検知装置 | |
CN110758381B (zh) | 生成转向轨迹的方法、装置、存储介质及电子设备 | |
US20210011481A1 (en) | Apparatus for controlling behavior of autonomous vehicle and method thereof | |
US20210080956A1 (en) | Behavior control device and behavior control method for autonomous vehicles | |
US11106214B2 (en) | Artificial neural network-based projection information recognition apparatus and method thereof | |
US10118617B2 (en) | Vehicle control system | |
CN115465283A (zh) | 自适应信任校准 | |
JP2024518934A (ja) | 車両ナビゲーション中の光干渉検出 | |
US10810448B2 (en) | Image-capturing device | |
JP2015219721A (ja) | 動作支援システム及び物体認識装置 | |
KR20210005393A (ko) | 자율주행차량의 유턴 제어 장치 및 그 방법 | |
US20220332328A1 (en) | Device for determining a length of a vehicle combination | |
US20200174134A1 (en) | Object recognition via indirect signal reflection | |
US20230294734A1 (en) | Method and device for generating a path of an autonomous vehicle | |
US11654925B2 (en) | Device and method for recognizing width of vehicle | |
WO2024127633A1 (ja) | 配光制御システム及び配光制御方法 | |
US20240190419A1 (en) | Apparatus and Method for Controlling Vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal |