KR20230004812A - 차량의 차선 변경 동작을 인식하는 방법 및 장치 - Google Patents

차량의 차선 변경 동작을 인식하는 방법 및 장치 Download PDF

Info

Publication number
KR20230004812A
KR20230004812A KR1020227041638A KR20227041638A KR20230004812A KR 20230004812 A KR20230004812 A KR 20230004812A KR 1020227041638 A KR1020227041638 A KR 1020227041638A KR 20227041638 A KR20227041638 A KR 20227041638A KR 20230004812 A KR20230004812 A KR 20230004812A
Authority
KR
South Korea
Prior art keywords
vehicle
lane
changing operation
support vector
vector machine
Prior art date
Application number
KR1020227041638A
Other languages
English (en)
Inventor
율리앙 니에
빙슈 왕
Original Assignee
후아웨이 테크놀러지 컴퍼니 리미티드
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 후아웨이 테크놀러지 컴퍼니 리미티드 filed Critical 후아웨이 테크놀러지 컴퍼니 리미티드
Publication of KR20230004812A publication Critical patent/KR20230004812A/ko

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
    • 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
    • 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
    • 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
    • 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
    • B60W40/08—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 drivers or passengers
    • B60W40/09—Driving style or behaviour
    • 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
    • B60W40/10—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 vehicle motion
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • 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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/20—Steering systems
    • B60W2510/205—Steering 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed
    • B60W2520/125—Lateral acceleration
    • 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
    • B60W2520/14—Yaw
    • 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
    • B60W2520/28—Wheel 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/18—Steering angle
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Traffic Control Systems (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

차량의 차선 변경 동작을 인식하는 방법 및 장치가 제공되며, 자동 운전 분야에 적용된다. 방법은, 먼저 적어도 하나의 센서(S11)로부터 차량의 적어도 2개의 차량 자세 신호를 획득하는 단계(S11) - 적어도 2개의 차량 자세 신호는 제1 차량 자세 신호 및 제2 차량 자세 신호를 포함하고, 제1 차량 자세 신호는 제1 순간에 적어도 하나의 센서로부터 획득된 신호이고, 제2 차량 자세 신호는 제2 순간에 적어도 하나의 센서로부터 획득된 신호임 - 및 그 후 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하여 차량의 제1 차선 변경 동작을 인식하는 단계(S12)를 포함한다. 차량의 차선 변경 동작을 인식하는 방법 및 장치는 센서에 의해 획득된 차량 자세 신호에 기초하여 차량의 차선 변경 동작을 인식한다. 따라서, 차량에 추가 카메라를 구성할 필요가 없다. 이는 차량 구성에 대한 요구사항을 감소시킨다. 또한, 차량 자세 신호는 외부 환경에 민감하지 않다. 따라서, 차선 변경 동작을 인식하는 정확도와 견고성이 향상된다.

Description

차량의 차선 변경 동작을 인식하는 방법 및 장치
본 발명은 자동 운전 기술 분야에 관한 것으로, 특히 차량의 차선 변경 동작을 인식하는 방법 및 장치에 관한 것이다.
첨단 운전 보조 시스템(advanced driving assistance system, ADAS)은 차량에 장착된 각종 센서를 이용하여 차량의 주행 과정에서 주변 환경을 감지하고, 계산 및 분석을 수행하여 가능한 위험을 인식하고 예측하는 시스템이다. ADAS는 차량의 안전성을 높일 수 있으므로 ADAS는 보통 자동 운전을 지원하는 차량에 장착된다.
ADAS의 적용 과정에서, ADAS는 일반적으로 차량의 차선 변경 동작을 인식할 필요가 있다. 현재, ADAS가 차량의 차선 변경 동작을 인식하는 경우, 보통 차량에 카메라를 설치해야 하며, 카메라는 도로 영상을 촬영하도록 구성된다. 카메라로 촬영한 도로 영상을 획득한 후, ADAS는 도로 영상에 대한 영상 분석을 수행하여 차량의 위치 파라미터(예컨대, 방향각, 횡변위, 횡속도) 및 차선 표시를 결정한 다음 위치 파라미터에 기초하여 차량에 차선 변경 동작이 있는지 여부를 판정한다.
종래 기술을 이용하여 차량의 차선 변경 동작을 인식하는 경우, 차량에 카메라를 추가로 구성해야 하고, 차량 구성에 대한 요구사항이 상대적으로 높다. 또한, 종래 기술의 솔루션에서, 도로 영상에 대한 영상 분석 정확도가 외부 환경에 상대적으로 민감하여 차선 변경 동작을 인식하는 정확도가 떨어진다.
종래 기술을 이용하여 차량의 차선 변경 동작을 인식하는 경우, 차량에 카메라가 추가적으로 구성되어야 해서, 차량에 대한 요구사항이 비교적 높고, 외부 환경에 민감하며, 차선 변경 동작을 인식하는 정확도를 낮게 하는 문제점을 해결하기 위해, 본 출원의 실시예는 차량의 차선 변경 동작을 인식하는 방법 및 장치를 제공한다.
제1 양상에 따르면, 본 출원의 실시예는 차량의 차선 변경 동작을 인식하는 방법을 제공하며, 방법은 적어도 하나의 센서로부터 차량의 적어도 2개의 차량 자세 신호를 획득하는 단계 - 적어도 2개의 차량 자세 신호는 제1 차량 자세 신호 및 제2 차량 자세 신호를 포함하고, 제1 차량 자세 신호는 제1 순간에 적어도 하나의 센서로부터 획득된 신호이고, 제2 차량 자세 신호는 제2 순간에 적어도 하나의 센서로부터 획득된 신호임 - 와, 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하여 차량의 제1 차선 변경 동작을 인식하는 단계를 포함한다.
본 출원의 이 실시예의 솔루션이 차량의 차선 변경 동작을 인식하는 데 사용되는 경우, 카메라에 의해 촬영된 도로 영상이 아니라 센서를 사용하여 획득된 차량 자세 신호에 의존한다. 따라서, 차량에 카메라를 추가로 구성할 필요가 없으며, 이는 차량 구성에 대한 요구사항을 감소시킨다.
또한, 본 출원의 이 실시예에서 제공되는 솔루션에서, 차량 자세 신호를 사용하여 차량의 차선 변경 동작이 인식되고, 도로 영상에 대해 영상 분석이 수행될 필요가 없다. 또한, 도로 영상에 비해, 차량 자세 신호는 외부 환경에 민감하지 않아서 차선 변경 동작을 인식하는 정확도를 향상시킨다. 이에 대응하여, 차량의 차선 변경 동작을 인식하는 견고성이 향상된다.
선택적 설계에서, 센서는 조향각 센서, 관성 항법 센서 또는 휠 속도 센서 중 적어도 하나를 포함한다.
차량 자세 신호는 조향각, 조향 속도, 요 속도, 횡가속도 또는 차량 속도 중 적어도 하나를 포함한다.
조향각 센서, 관성 항법 센서 및 휠 속도 센서는 모두 차량에서 일반적으로 사용되며, 차량 출고 시 여러 센서가 차량에 장착된다. 즉, 본 출원의 이 실시예에서 제공되는 솔루션에서, 차량에 설치된 센서가 사용되며, 차량은 변경될 필요가 없다. 따라서, 본 출원의 이 실시예에서 제공되는 솔루션은 구현하기가 비교적 쉽고, 비교적 넓은 적용 범위를 가지며, 비교적 실용적이다.
선택적 설계에서, 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하여 차량의 제1 차선 변경 동작을 인식하는 단계는, 지원 벡터 머신 모델의 하나의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하는 단계, 또는 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하는 단계를 포함한다.
지원 벡터 머신 모델의 하나의 출력 결과가 차량의 제1 차선 변경 동작으로서 결정되는 차선 변경 인식 방식에서, 계산량이 상대적으로 적고 차량의 차선 변경 동작을 인식하는 효율은 상대적으로 높다.
또한, 차량의 제1 차선 변경 동작이 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 결정될 때, 비상적 출력 결과가 차선 변경 동작의 인식에 미치는 영향을 줄일 수 있으며, 이로써 차선 변경 동작을 인식하는 정확도가 향상된다.
선택적 설계에서, 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하는 단계는, 지원 벡터 머신 모델의 연속하는 n개의 출력 결과 각각이 제1 타깃 차선 변경 동작인 경우, 제1 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작이라고 결정하는 단계 - n은 2 이상의 양의 정수임 - , 또는 지원 벡터 머신 모델의 연속하는 t개의 출력 결과에서 적어도 w개의 출력 결과 각각이 제2 타깃 차선 변경 동작인 경우, 제2 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작이라고 결정하는 단계 - w는 2 이상의 양의 정수이고, t는 w보다 큰 양의 정수임 - 를 포함한다.
선택적 설계에서, 지원 벡터 머신 모델은 차량이 상이한 차량 주행 환경에서 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 차선 변경 동작을 트레이닝함으로써 결정된다. 상이한 차량 주행 환경은 상이한 차량 주행 도로, 상이한 교통 흐름 밀도, 상이한 주행 스타일 또는 상이한 차량 주행 속도 중 적어도 하나를 포함한다.
지원 벡터 머신 모델은 상이한 차량 주행 환경에서 차량 자세 신호 및 차선 변경 동작을 트레이닝함으로써 결정된다. 따라서, 지원 벡터 머신 모델은 상이한 차량 주행 환경에서 차선 변경 동작을 인식할 수 있으며, 비교적 폭넓게 사용된다.
선택적 설계에서, 방법은 적어도 2개의 차량 자세 신호를 정규화하고, 적어도 2개의 정규화된 차량 자세 신호를 지원 벡터 머신 모델에 입력하는 단계를 더 포함한다.
적어도 2개의 차량 자세 신호가 정규화되어, 지원 벡터 머신 모델에 의해 차량 자세 신호를 처리하는 정확도가 향상될 수 있으며, 이로써 차선 변경 동작을 인식하는 정확도를 더욱 향상시킨다.
선택적 설계에서, 차량의 제1 차선 변경 동작은 차선 변경 없음, 좌측 차선으로 변경, 우측 차선으로 변경, 좌회전, 우회전 또는 턴어라운드 중 적어도 하나를 포함한다.
제2 양상에 따르면, 본 출원의 실시예는 차량의 차선 변경 동작을 인식하는 장치를 제공하며, 장치는 적어도 하나의 센서로부터 차량의 적어도 2개의 차량 자세 신호를 획득하도록 구성된 송수신기 유닛 - 적어도 2개의 차량 자세 신호는 제1 차량 자세 신호 및 제2 차량 자세 신호를 포함하고, 제1 차량 자세 신호는 제1 순간에 적어도 하나의 센서로부터 획득된 신호이고, 제2 차량 자세 신호는 제2 순간에 적어도 하나의 센서로부터 획득된 신호임 - 과, 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하여 차량의 제1 차선 변경 동작을 인식하도록 구성된 처리 유닛을 포함한다.
선택적 설계에서, 센서는 조향각 센서, 관성 항법 센서 또는 휠 속도 센서 중 적어도 하나를 포함한다.
차량 자세 신호는 조향각, 조향 속도, 요 속도, 횡가속도 또는 차량 속도 중 적어도 하나를 포함한다.
선택적 설계에서, 처리 유닛은 또한 지원 벡터 머신 모델의 하나의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하도록 구성되거나, 또는 처리 유닛은 또한 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하도록 구성된다.
선택적 설계에서, 지원 벡터 머신 모델의 연속하는 n개의 출력 결과 각각이 제1 타깃 차선 변경 동작인 경우, 처리 유닛은 또한 제1 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작이라고 결정하도록 구성되고, n은 2 이상의 양의 정수이거나, 또는 지원 벡터 머신 모델의 연속하는 t개의 출력 결과에서 적어도 w개의 출력 결과 각각이 제2 타깃 차선 변경 동작인 경우, 처리 유닛은 또한 제2 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작이라고 결정하도록 구성되고, w는 2 이상의 양의 정수이고, t는 w보다 큰 양의 정수이다.
선택적 설계에서, 지원 벡터 머신 모델은 차량이 상이한 차량 주행 환경에서 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 차선 변경 동작을 트레이닝함으로써 결정된다. 상이한 차량 주행 환경은 상이한 차량 주행 도로, 상이한 교통 흐름 밀도, 상이한 주행 스타일 또는 상이한 차량 주행 속도 중 적어도 하나를 포함한다.
선택적 설계에서, 처리 유닛은 적어도 2개의 차량 자세 신호를 정규화하고, 적어도 2개의 정규화된 차량 자세 신호를 지원 벡터 머신 모델에 입력하도록 더 구성된다.
선택적 설계에서, 차량의 제1 차선 변경 동작은 차선 변경 없음, 좌측 차선으로 변경, 우측 차선으로 변경, 좌회전, 우회전 또는 턴어라운드 중 적어도 하나를 포함한다.
제3 양상에 따르면, 본 출원의 실시예는 단말 장치를 제공하고, 단말 장치는 프로세서 및 메모리를 포함한다. 메모리는 컴퓨터 프로그램을 저장하고, 프로세서는 메모리에 저장된 컴퓨터 프로그램을 실행하여, 단말 장치가 제1 양상에 따른 방법을 수행한다.
제4 양상에 따르면, 본 출원의 실시예는 프로세서 및 인터페이스 회로를 포함하는 단말 장치를 제공한다.
인터페이스 회로는 코드 명령어를 수신하고 코드 명령어를 프로세서에 전송하도록 구성된다.
프로세서는 제1 양상에 따른 방법을 수행하기 위해 코드 명령어를 실행하도록 구성된다.
제5 양상에 따르면, 본 출원의 실시예는 판독가능 저장 매체를 제공한다. 판독가능 저장 매체는 명령어를 저장하도록 구성되고, 명령어가 실행될 때 제1 양상에 따른 방법이 구현된다.
제6 양상에 따르면, 본 출원의 실시예는 명령어를 포함하는 컴퓨터 프로그램 제품을 제공한다. 컴퓨터 프로그램 제품이 전자 디바이스에서 실행될 때, 전자 디바이스는 제1 양상에 대응하는 실시예의 단계들의 전부 또는 일부를 구현하는 것이 가능해진다.
본 출원의 실시예에서 제공되는 방법에서, 차량에 설치된 센서를 기반으로 차량의 차량 자세 신호가 획득된 다음, 차량 자세 신호 및 차량의 차선 변경 동작을 인식하도록 구성된 지원 벡터 머신 모델을 기반으로 차량의 차선 변경 동작이 결정된다. 차량에 장착된 센서를 이용하여 차량 자세 신호를 획득하므로, 차량에 카메라를 추가로 장착할 필요가 없어 차량 구성에 대한 요구사항이 감소된다.
또한, 본 출원의 실시예에서 제공되는 솔루션에서, 차량 자세 신호를 사용하여 차량의 차선 변경 동작이 인식되고, 도로 영상에 대해 영상 분석을 수행할 필요가 없다. 또한, 도로 영상에 비해, 차량 자세 신호는 외부 환경에 민감하지 않다. 이에 따라, 본 출원에서 인식 결과는 외부 환경에 민감하지 않다. 따라서, 종래 기술과 비교하여, 본 출원의 실시예에서 제공되는 솔루션에서는 차선 변경 동작을 인식하는 정확도가 향상될 수 있다.
또한, 종래 기술에서는 차선 변경 동작을 인식하는 각 과정에서, 도로 영상에 대한 영상 분석을 수행해야 하며, 영상 분석에는 일반적으로 많은 양의 계산이 필요하다. 그 결과, 차선 변경 동작을 인식할 때마다 계산량이 상대적으로 많다. 그러나, 본 출원의 실시예에서, 지원 벡터 머신 모델은 차량 자세 신호를 트레이닝함으로써 사전 획득될 수 있다. 차선 변경 동작을 인식하는 각 후속 과정에서, 지원 벡터 머신 모델을 반복적으로 획득할 필요가 없으며, 센서를 이용하여 획득된 차량 자세 신호가 사전 획득된 지원 벡터 머신 모델에 입력될 수 있다. 따라서, 종래 기술의 솔루션에 비해, 본 출원의 솔루션에서는 계산량이 상대적으로 적다. 이에 따라, 차량의 차선 변경 동작을 인식하는 효율이 향상되어, 차량의 차선 변경 동작을 인식하는 실시간 품질을 보장할 수 있다.
도 1은 본 출원의 일 실시예에 따른 차량의 차선 변경 동작을 인식하는 방법의 작업 절차의 개략도다.
도 2a는 직선 도로에서 좌측 차선으로 변경하는 시나리오의 개략도이다.
도 2b는 곡선 도로에서 좌측 차선으로 변경하는 시나리오의 개략도이다.
도 3a는 직선 도로에서 우측 차선으로 변경하는 시나리오의 개략도이다.
도 3b는 곡선 도로에서 우측 차선으로 변경하는 시나리오의 개략도이다.
도 4a는 좌회전 시나리오의 개략도이다.
도 4b는 우회전 시나리오의 개략도이다.
도 5는 턴어라운드(turning around) 시나리오의 개략도이다.
도 6은 본 출원의 일 실시예에 따른 차량의 차선 변경 동작을 인식하는 방법에서 차량의 제1 차선 변경 동작을 결정하는 개략도이다.
도 7은 본 출원의 일 실시예에 따른 차량의 차선 변경 동작을 인식하는 방법에서 차량의 제1 차선 변경 동작을 결정하는 다른 개략도이다.
도 8은 본 출원의 일 실시예에 따른 차량의 차선 변경 동작을 인식하는 장치의 구조의 개략도이다.
도 9는 본 출원의 일 실시예에 따른 단말 장치의 구조의 개략도이다.
도 10은 본 출원의 일 실시예에 따른 다른 단말 장치의 구조의 개략도이다.
본 출원의 명세서, 청구범위 및 첨부된 도면에서, "제1", "제2", "제3" 등의 용어는 서로 다른 대상을 구별하기 위한 것이지 특정한 순서를 한정하려는 것은 아니다.
본 출원의 실시예에서, "예시적인", "예를 들어" 등의 단어는 예, 예시 또는 설명을 제공하는 것을 나타내는 데 사용된다. 본 출원의 실시예에서 "예시적인" 또는 "예를 들어"로 기술된 임의의 실시예 또는 설계 방식은 다른 실시예 또는 설계 방식보다 더 바람직하거나 더 많은 이점을 갖는 것으로 설명되어서는 안 된다. 정확히, "예시적인", "예를 들어" 등의 단어를 사용하는 것은 관련 개념을 특정 방식으로 제시하기 위한 것이다.
이하의 실시예에 대한 명확하고 간략한 설명을 위해, 관련 기술에 대한 간략한 설명이 먼저 제공된다.
첨단 운전 보조 시스템(advanced driving assistance system, ADAS)의 발전에 따라, 자동 운전 분야에서 다양한 지능형 제어 시스템은 차량의 차선 변경 동작을 적절하게 결정하고, 차량의 차선 변경 동작을 적시에 정확하게 인식하여 차량의 주행 동작을 제어할 필요가 있다.
차량의 차선 변경 동작을 정확하게 인식하지 못하면, ADAS는 보통 차량의 주행 동작을 정확하게 제어할 수 없으며, 심각한 경우 교통 사고까지 발생한다.
현재, 종래 기술에서 일반적으로 사용되는 차선 변경 동작을 인식하는 방법에서, 차량에 카메라가 구성되어야 한다. 카메라는 도로 영상을 촬영하도록 구성되며, 도로 영상은 차량이 주행하는 도로 상의 차선 표시 등을 포함한다. 도로 영상에 대해 영상 처리가 수행되어 방향각, 횡변위 및 횡속도와 같은 차량의 관련 위치 파라미터를 결정하고, 위치 파라미터에 기초하여 차량이 차선 변경 동작을 갖는지 여부가 결정된다.
그러나, 이 경우, 차량에 카메라를 추가로 구성해야 하므로 차량 구성에 대한 요구사항이 상대적으로 높다.
또한, 종래 기술에서는, 도로 영상에 대해 영상 처리가 수행되어 차량이 차선 변경 동작을 갖는지 여부를 결정한다. 그러나, 도로 영상의 정확도는 외부 환경에 상대적으로 취약하다. 차선 표시가 불분명할 때 또는 야간, 터널 또는 조명이 상대적으로 어두운 다른 환경에서 차량이 주행할 때, 카메라에 의해 촬영된 도로 영상은 일반적으로 상대적으로 선명도가 좋지 않다. 도로 영상의 선명도가 좋지 않으면 도로 영상에 수행되는 영상 분석의 정확도에 영향을 미치게 되며, 즉, 종래 기술에서 도로 영상에 수행되는 영상 분석의 정확도는 외부 환경에 상대적으로 민감하다. 이에 따라, 차선 변경 동작을 인식하는 정확도가 떨어진다.
또한, 종래 기술에서 차선 변경 동작이 인식되면, 해당 도로 파라미터를 얻기 위해 도로 영상에 대해 영상 처리가 수행되어야 한다. 그러나, 도로 영상에 대해 영상 처리를 수행하는 과정은 일반적으로 많은 계산량을 필요로 하며, 차선 변경 동작을 인식할 때마다 계산량이 상대적으로 많다. 또한, 상대적으로 많은 계산량은 차선 변경 동작을 인식하는 속도를 느려지게 하며, 결과적으로 종래 기술에서 차선 변경 동작을 인식하는 방법은 상대적으로 실시간 품질이 좋지 않다.
전술한 기술적 문제를 해결하기 위해, 본 출원의 실시예는 차량의 차선 변경 동작을 인식하는 방법 및 장치를 제공한다.
본 출원의 실시예에서 제공되는 차량의 차선 변경 동작울 인식하는 방법은 일반적으로 차량의 차선 변경 동작을 인식하는 장치에 적용된다. 차량의 차선 변경 동작을 인식하는 장치는 일반적으로 차선을 인식하도록 구성된 차량에 장착된다. 차량은 자동 운전 기능을 지원할 수 있으므로, 차량의 자동 운전 과정에서, 본 출원의 실시예에서 제공되는 솔루션을 기반으로 차량의 차선 변경 동작이 인식된다.
또한, 통상적으로 차량에는 차량 자세 신호(vehicle posture signal)를 획득할 수 있는 센서가 배치되며, 센서는 통상적으로 조향각 센서, 관성 항법 센서 또는 휠 속도 센서 중 적어도 하나를 포함한다. 차량의 상이한 차량 자세 신호를 검출하도록 상이한 센서가 구성될 수 있다. 예를 들어, 조향각 센서는 조향각 및 조향 속도와 같은 차량 자세 신호를 획득할 수 있다. 관성 항법 센서는 요(yaw) 속도 및 횡가속도와 같은 차량 자세 신호를 획득할 수 있다. 휠 속도 센서는 차량 속도와 같은 차량 자세 신호를 획득할 수 있다.
조향각 센서, 관성 항법 센서 또는 휠 속도 센서는 차량에서 일반적으로 사용되는 센서이며, 차량 출고시 차량에 여러 센서가 장착되어 차량은 변경될 필요가 없으며, 그 대신 차량에 장착된 센서가 적용될 수 있다.
차량의 차선 변경 동작을 인식하는 장치에는 일반적으로 프로세서가 내장되어 있다. 차량의 차선 변경 동작을 인식하는 과정에서, 프로세서는 센서에 의해 검출된 차량 자세 신호에 기초하여 차량의 차선 변경 동작을 인식할 수 있다. 차량의 차선 변경 동작을 인식하는 장치가 차량에 장착되는 경우, 차량의 차선 변경 동작을 인식하는 장치는 차량의 차량 내 프로세서일 수 있다.
본 출원의 실시예에서, 센서는 차량의 차선 변경 동작을 인식하는 장치에 배치될 수 있고, 차량의 차선 변경 동작을 인식하는 장치 내의 프로세서에 연결된다.
이와 달리, 차량의 차선 변경 동작을 인식하는 장치는 센서의 일부일 수 있고, 즉, 차량의 차선 변경 동작을 인식하는 장치는 센서에 배치될 수 있다. 이 경우, 센서가 차량 자세 신호를 검출한 후, 차량의 차선 변경 동작을 인식하는 장치는 차량 자세 신호에 기초하여 차선 변경 동작을 인식한다.
본 설계에서는 2개 이상의 유형의 센서를 이용하여 차량의 차선 변경 동작을 인식하는 경우, 예를 들어, 조향각 센서와 관성 항법 센서가 동시에 적용되는 경우, 차량의 차선 변경 동작을 인식하는 장치는 센서들 중 하나에 배치될 수 있고, 센서에 다른 센서가 연결되며, 검출된 차량 자세 신호를 센서로 전송하여, 차량의 차선 변경 동작을 인식하는 장치가 각각의 센서에 의해 검출된 차량 자세 신호에 기초하여 차선 변경 동작을 인식한다.
또한, 본 출원의 실시예에서, 센서는 차량의 차선 변경 동작을 인식하는 장치와 독립적인 구성요소일 수 있다. 이 경우에, 차량의 차선 변경 동작을 인식하는 장치와 센서는 차량의 제어기 영역 네트워크(controller area network, CAN) 버스를 이용하여 연결될 수 있다. 차량 자세 신호를 검출한 후, 센서는 CAN 버스를 이용하여 프로세서에 차량 자세 신호를 전송하여, 프로세서는 수신된 차량 자세 신호를 기반으로 본 출원의 실시예에서 제공된 솔루션에 기초하여 차량의 차선 변경 동작을 인식한다.
본 출원의 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 방법은 구체적인 첨부 도면 및 작업 절차를 참조하여 아래에서 설명된다.
도 1에 도시된 작업 절차의 개략도를 참조하면, 본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 방법은 다음 단계들을 포함한다.
단계 S11: 적어도 하나의 센서로부터 차량의 적어도 2개의 차량 자세 신호를 획득하고, 적어도 2개의 차량 자세 신호는 제1 차량 자세 신호 및 제2 차량 자세 신호를 포함한다.
제1 차량 자세 신호는 적어도 하나의 센서로부터 제1 순간에 획득된 신호이고, 제2 차량 자세 신호는 적어도 하나의 센서로부터 제2 순간에 획득된 신호이다.
차량에는 센서가 설치되어 있으며, 센서는 주기적으로 차량 자세 신호를 측정할 수 있다. 본 출원의 이 실시예에서, 차량의 차선 변경 동작을 인식하기 위해 서로 다른 순간에 동일한 센서에 의해 측정된 차량 자세 신호가 획득될 수 있다. 센서는 조향각 센서, 관성 항법 센서 또는 휠 속도 센서 중 적어도 하나를 포함한다. 차량 자세 신호는 조향각, 조향 속도, 요 속도, 횡가속도 또는 차량 속도 중 적어도 하나를 포함한다.
적어도 하나의 센서가 조향각 센서를 포함하는 경우, 적어도 2개의 차량 자세 신호는 제1 순간 및 제2 순간에 각각 획득된 조향각 및/또는 제1 순간 및 제2 순간에 각각 획득된 조향 속도를 포함한다. 적어도 하나의 센서가 관성 항법 센서를 포함하는 경우, 적어도 2개의 차량 자세 신호는 각각 제1 순간 및 제2 순간에서 획득된 요 속도 및/또는 제1 순간 및 제2 순간에 각각 획득된 횡가속도를 포함한다. 적어도 하나의 센서가 휠 속도 센서를 포함하는 경우, 적어도 2개의 차량 자세 신호는 각각 제1 순간 및 제2 순간에 획득된 차량 속도를 포함한다.
단계 S12: 차량의 제1 차선 변경 동작을 인식하기 위해 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력한다.
지원 벡터 머신 모델은 차량의 차선 변경 동작을 인식하도록 구성된다. 적어도 2개의 차량 자세 신호가 지원 벡터 머신 모델에 입력된 후, 지원 벡터 머신 모델은 인식 결과를 출력한다. 본 출원의 이 실시예에서, 차량의 제1 차선 변경 동작은 지원 벡터 머신 모델에 의해 출력된 인식 결과를 사용하여 결정된다.
본 출원의 이 실시예에서 제공되는 솔루션이 차량의 차선 변경 동작을 인식하는 데 사용되는 경우, 차량의 적어도 2개의 차량 자세 신호가 먼저 적어도 하나의 센서로부터 획득되고, 그 다음 적어도 2개의 차량 자세 신호가 지원 벡터 머신 모델에 입력되며, 지원 벡터 머신 모델의 출력 결과를 기반으로 차량의 최초 차선 변경 동작이 인식된다.
본 출원의 이 실시예에서 제공되는 솔루션으로부터, 본 출원의 이 실시예의 솔루션이 차량의 차선 변경 동작을 인식하는 데 사용될 때, 카메라로 촬영한 도로 영상보다 센서를 사용하여 획득된 차량 자세 신호에 의존한다는 것을 알 수 있다. 따라서, 차량에 카메라를 추가로 구성할 필요가 없다. 종래 기술과 비교하여, 차량 구성에 대한 요구사항은 본 출원의 이 실시예의 솔루션에서 감소된다.
또한, 본 출원의 이 실시예에서 제공되는 솔루션에서, 차량 자세 신호를 사용하여 차량의 차선 변경 동작이 인식되고, 도로 영상에 대해 이미지 분석을 수행할 필요가 없다. 또한, 도로 영상에 비해, 차량 자세 신호는 외부 환경에 민감하지 않다. 따라서, 종래 기술과 비교하여, 본 출원의 이 실시예에서 제공되는 솔루션에서는 차선 변경 동작을 인식하는 정확도가 향상될 수 있다. 이에 대응하여, 본 출원의 이 실시예에서의 인식 결과는 외부 환경에 민감하지 않기 때문에, 차량의 차선 변경 동작을 인식하는 견고성이 향상된다.
또한, 종래 기술에서는 차선 변경 동작을 인식하는 각 과정에서, 도로 영상에 대한 영상 분석을 수행해야 하며, 영상 분석에는 일반적으로 많은 양의 계산이 필요하다. 그 결과, 차선 변경 동작을 인식할 때마다 계산량이 상대적으로 많다.
그러나, 본 출원의 이 실시예에서, 차량 자세 신호는 지원 벡터 머신 모델에 입력되고, 차량의 최초 차선 변경 동작은 지원 벡터 머신 모델을 사용하여 인식된다. 또한, 지원 벡터 머신 모델은 차량 자세 신호를 트레이닝함으로써 사전 획득될 수 있으며, 차선 변경 동작을 인식하는 각각의 후속 과정에서, 결정된 지원 벡터 머신 모델이 직접 사용될 수 있으며, 지원 벡터 머신 모델은 반복적으로 획득될 필요가 없다. 따라서, 종래 기술의 솔루션과 비교하여, 본 출원의 이 실시예에서 제공되는 솔루션에서는 계산량이 상대적으로 적고, 본 출원에서는 차량의 차선 변경 동작을 인식하기 위한 장치의 계산 능력에 대한 요구사항이 상대적으로 적다. 상응하게, 본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 방법은 더 넓은 적용가능 범위를 갖는다. 예를 들어, 본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 방법은 단일 칩 마이크로컴퓨터에 적용될 수 있다.
또한, 종래 기술에 비해 본 출원의 이 실시예에서 제공되는 솔루션에서는 계산량이 상대적으로 적기 때문에, 본 출원의 이 실시예에서 제공되는 솔루션에서는 차량의 차선 변경 동작이 빠르게 인식될 수 있으며, 즉, 차량의 차선 변경 동작을 인식하는 효율이 향상됨으로써 차량의 차선 변경 동작을 인식하는 실시간 품질을 보장할 수 있다.
본 출원의 이 실시예에서, 적어도 2개의 차량 자세 신호를 사용함으로써 차량의 차선 변경 동작을 인식하기 위해, 적어도 2개의 차량 자세 신호가 지원 벡터 머신 모델에 입력된다. 또한, 적어도 2개의 차량 자세 신호는 서로 다른 순간에 획득된다. 즉, 본 출원의 이 실시예에서, 차량의 차선 변경 동작은 소정의 시구간 동안 획득된 적어도 2개의 차량 자세 신호를 이용하여 인식된다. 인식 정확도에 대한 요구사항에 기초하여 시구간의 길이가 설정될 수 있다. 인식 정확도에 대한 요구사항이 상대적으로 높은 경우, 시구간의 길이를 적절하게 연장하여 상대적으로 많은 양의 차량 자세 신호를 이용하여 차량의 차선 변경 동작을 인식할 수 있다. 인식 정확도에 대한 요구사항이 상대적으로 낮은 경우, 시구간의 길이를 적절하게 단축하여 차선 변경 동작을 인식하는 효율을 높일 수 있다.
또한, 본 출원의 이 실시예에서 제공되는 솔루션에서, 차량의 차선 변경 동작은 적어도 하나의 센서로부터 획득된 적어도 2개의 차량 자세 신호를 사용하여 인식되며, 센서는 조향각 센서, 관성 항법 센서 또는 휠 속도 센서 중 적어도 하나를 포함한다. 조향각 센서, 관성 항법 센서 및 휠 속도 센서는 모두 차량에서 일반적으로 사용되며, 차량 출고 시 여러 센서가 차량에 장착된다. 즉, 본 출원의 이 실시예에서 제공되는 솔루션에서, 차량에 설치된 센서가 사용되며, 차량은 변경될 필요가 없다. 따라서, 본 출원의 이 실시예에서 제공되는 솔루션은 구현하기가 비교적 쉽고, 비교적 넓은 적용 범위를 가지며, 비교적 실용적이다.
본 출원의 이 실시예에서 제공되는 솔루션에서, 차량의 차선 변경 동작이 인식될 수 있다. 차량의 차선 변경 동작은 일반적으로 차선 변경 없음, 좌측 차선으로 변경, 우측 차선으로 변경, 좌회전, 우회전 또는 턴어라운드을 포함한다. 본 출원의 이 실시예의 솔루션에서, 차량의 제1 차선 변경 동작이 인식될 수 있고, 차량의 제1 차선 변경 동작은 차선 변경 없음, 좌측 차선으로 변경, 우측 차선으로 변경, 좌회전, 우회전 또는 턴어라운드 중 적어도 하나를 포함한다.
차량의 상이한 주행 경로에 기초하여, 좌측 차선으로의 변경은 일반적으로 직선 도로에서 좌측 차선으로의 변경 및 곡선 도로에서 좌측 차선으로의 변경을 포함한다. 도 2a에 도시된 개략도를 참조하면, 차량이 직선 도로를 주행하다 좌측 차선으로 변경하는 경우, 차량의 차선 변경 동작은 직선 도로에서 좌측 차선으로의 변경이다. 도 2b에 도시된 개략도를 참조하면, 차량이 곡석 도로를 주행하다 좌측 차선으로 변경하는 경우, 차량의 차선 변경 동작은 곡선 도로에서 좌측 차선으로의 변경이다.
이에 대응하여, 차량의 상이한 주행 경로에 기초하여, 우측 차선으로의 변경은 일반적으로 직선 도로에서 우측 차선으로의 변경 및 곡선 도로에서 우측 차선으로의 변경을 포함한다. 도 3a에 도시된 개략도를 참조하면, 차량이 직선 도로를 주행하다 우측 차선으로 변경할 때, 차량의 차선 변경 동작은 직선 도로에서 우측 차선으로의 변경이다. 도 3b에 도시된 개략도를 참조하면, 차량이 곡선 도로를 주행하다 우측 차선으로 변경할 때, 차량의 차선 변경 동작은 곡선 도로에서 우측 차선으로의 변경이다.
교차로로 주행할 때, 차량은 일반적으로 회전할 수 있다. 회전의 방향에 기초하여, 회전은 좌회전과 우회전을 포함할 수 있다. 도 4a에 도시된 개략도를 참조하면, 차량이 왼쪽으로 회전할 때, 차량의 차선 변경 동작은 좌회전이다. 도 4b에 도시된 개략도를 참조하면, 차량이 오른쪽으로 회전할 때, 차량의 차선 변경 동작은 우회전이다.
또한, 주행 과정에서, 차량은 때때로 턴어라운드할 수 있다. 차량의 차선 변경 동작이 턴어라운드하는 경우, 차량 주행의 개략도가 도 5에 도시될 수 있다.
본 출원의 이 실시예의 솔루션은 복수의 유형의 차선 변경 동작을 인식하는 데 사용될 수 있고, 복수의 복잡한 도로(예를 들어, 직선 도로, 곡선 도로 또는 교차로)에 적용 가능하여 복수의 운전 시나리오에서 차량 운전자의 차선 변경 동작 인식에 대한 요구사항을 충족한다.
단계 S12는 차량의 제1 차선 변경 동작을 인식하기 위해 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하는 동작을 제공한다. 지원 벡터 머신 모델은 적어도 2개의 입력 차량 자세 신호를 획득한 후 결과를 출력하고, 지원 벡터 머신 모델의 각 출력 결과는 차선 변경 동작에 대응한다. 예를 들어, 지원 벡터 머신 모델은 주기마다 결과를 출력할 수 있다. 본 출원의 이 실시예에서, 제1 차선 변경 동작은 지원 벡터 머신 모델의 출력 결과에 기초하여 결정된다.
실행가능한 구현에서, 차량의 제1 차선 변경 동작을 인식하기 위해 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하는 것은, 지원 벡터 머신 모델의 하나의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하는 것을 포함한다.
이 구현에서, 지원 벡터 머신 모델의 출력 결과가 차량의 제1 차선 변경 동작으로서 직접 사용하므로, 이 구현에서는 계산량이 상대적으로 적고 차량의 차선 변경 동작을 인식하는 효율이 상대적으로 높다.
이와 달리, 다른 실행가능한 구현에서, 차량의 제1 차선 변경 동작을 인식하기 위해 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하는 것은, 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하는 것을 포함한다.
지원 벡터 머신 모델의 출력 결과에 비정상적인 인식 결과가 가끔 발생할 수 있다. 예를 들어, 차량의 주행 과정에서, 운전자는 가끔 스티어링 휠을 수정한다. 이 경우, 지원 벡터 머신 모델의 출력 결과가 비정상적일 수 있다.
전술한 구현에서, 차량의 제1 차선 변경 동작은 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 결정되므로, 차선 변경 동작의 인식에 대한 비정상적 출력 결과의 영향은 감소할 수 있어서 차선 변경 동작을 인식하는 정확도를 향상시킨다.
본 출원의 이 실시예에서, 차량의 제1 차선 변경 동작이 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 결정될 때, 다음 단계가 수행될 수 있다:
지원 벡터 머신 모델의 연속하는 n개의 출력 결과 각각이 제1 타깃 차선 변경 동작일 때, 제1 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작이라고 결정하는 단계, n은 2 이상인 양의 정수.
본 출원의 이 실시예에서, 지원 벡터 머신 모델의 연속하는 n개의 출력 결과가 동일하면, 이는 연속하는 n개의 출력 결과에 비정상적 출력 결과가 존재할 가능성이 상대적으로 낮다는 것을 나타낸다. 이 경우, 연속하는 n개의 출력 결과 각각이 차량의 제1 차선 변경 동작이라고 결정하여 차량의 차선 변경 동작을 인식하는 정확도를 향상시킨다.
또한, 본 출원의 이 실시예의 솔루션은 복수의 유형의 차선 변경 동작을 인식하는 데 사용될 수 있다. 이 경우, n의 값은 서로 다른 제1 타깃 차선 변경 동작에 대해 동일하거나 상이할 수 있다.
예를 들어, 도 6에 도시된 개략도를 참조하면, 차량이 차선 변경 없음 상태인 경우, 즉, 차량이 계속 직선 경로를 주행하고 있으며, 이후 시구간에서, 지원 벡터 머신 모델의 연속하는 n1개의 출력 결과 각각은 좌측 차선으로의 변경이면, 차량이 좌측 차선으로 변경하는 차선 변경 동작을 갖는다고, 즉, 차량의 제1 차선 변경 동작이 좌측 차선으로의 변경이라고 결정될 수 있으며, n1은 2 이상의 양의 정수이다.
또한, 차량이 차선 변경 없음 상태인 경우, 즉, 차량이 계속 직선 경로를 주행하고 있고, 이후 시구간에서, 지원 벡터 머신 모델의 연속하는 n2개의 출력 결과 각각은 우측 차선으로의 변경이면, 즉, 차량의 제1 차선 변경 동작이 우측 차선으로의 변경이면, 차량이 우측 차선으로 변경하는 차선 변경 동작을 갖는다고 결정될 수 있으며, n2는 2 이상의 양의 정수이다.
이와 달리, 차량이 좌측 차선으로 변경된 상태이고, 이후 시구간에서, 지원 벡터 머신 모델에 의해 연속적으로 출력되는 n3개의 출력 결과 각각은 우측 차선으로의 변경이고, 즉, 차량의 제1 차선 변경 동작이 우측 차선으로의 변경인 경우, 차량이 우측 차선으로 변경되는 차선 변경 동작을 가짐을 나타내고, n3은 2 이상의 양의 정수이다.
차량이 우측 차선으로 변경된 상태이고, 이후 시구간에서, 지원 벡터 머신 모델에 의해 연속적으로 출력되는 n4개의 출력 결과 각각은 좌측 차선으로의 변경이고, 즉, 차량의 제1 차선 변경 동작이 좌측 차선으로의 변경인 경우, 차량이 좌측 차선으로 변경되는 차선 변경 동작을 가짐을 나타내고, n4는 2 이상의 양의 정수이다.
이와 달리, 차량이 좌측 차선으로 변경된 상태이고, 이후 시구간에서, 지원 벡터 머신 모델에 의해 연속적으로 출력되는 n5개의 출력 결과 각각은 차선 변경 없음이고, 즉, 차량의 제1 차선 변경 동작이 차선 변경 없음인 경우, 차량이 차선 변경 없음의 차선 변경 동작을 가짐을 나타내고, n5는 2 이상의 양의 정수이다.
차량이 우측 차선으로 변경된 상태이고, 이후 시구간에서, 지원 벡터 머신 모델에 의해 연속적으로 출력되는 n6개의 출력 결과 각각은 차선 변경 없음이고, 즉, 차량의 제1 차선 변경 동작이 차선 변경 없음인 경우, 차량이 차선 변경 없음의 차선 변경 동작을 가짐을 나타내고, n6은 2 이상의 양의 정수이다.
n1, n2, n3, n4, n5 및 n6의 값은 동일하거나 상이할 수 있다. 이것은 본 출원에서 제한되지 않는다.
또한, n1, n2, n3, n4, n5 및 n6의 특정 값은 인식 정확도에 대한 요구사항에 기초하여 추가로 조정될 수 있다. 일반적으로, 차량의 차선 변경 동작을 인식하는 정확도에 대한 요구사항이 상대적으로 높은 경우, n1, n2, n3, n4, n5 및 n6은 상대적으로 큰 값으로 조정될 수 있거나, 또는 차량의 차선 변경 동작을 인식하는 정확도에 대한 요구사항이 상대적으로 작은 경우, n1, n2, n3, n4, n5 및 n6은 상대적으로 작은 값으로 조정될 수 있다.
대안적으로, 다른 실행가능한 설계에서, 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하는 것은 다음 단계를 포함할 수 있다:
지원 벡터 머신 모델의 연속하는 t개의 출력 결과에서 적어도 w개의 출력 결과 각각이 제2 타깃 차선 변경 동작인 경우, 제2 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작이라고 결정하는 단계, w는 2 이상의 양의 정수이고, t는 w보다 큰 양의 정수.
본 출원의 이 실시예에서, 지원 벡터 머신 모델의 연속하는 t개의 출력 결과에서 적어도 w개의 출력 결과가 모두 동일하면, 적어도 w개의 출력 결과에 비정상적 출력 결과가 존재할 가능성이 상대적으로 적다는 것을 나타낸다. 또한, t개의 출력 결과에서, 적어도 w개의 출력 결과와 다른 출력 결과는 일반적으로 비정상적인 출력 결과이다. 이 경우, 적어도 w개의 출력 결과에 대응하는 제2 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작으로서 결정되어, 비정상적 출력 결과가 차선 변경 동작의 인식에 미치는 영향을 감소시킬 수 있으며, 이로써 차량의 차선 변경 동작을 인식하는 정확도를 향상시킨다.
또한, 본 출원의 이 실시예의 솔루션은 복수의 유형의 차선 변경 동작을 인식하는 데 사용될 수 있다. 이 경우, w의 값은 서로 다른 제2 타깃 차선 변경 동작에 대해 동일하거나 상이할 수 있다. 이에 대응하여, t의 값은 서로 다른 제2 타깃 차선 변경 동작에 대해 동일하거나 상이할 수 있다.
예를 들어, 차량이 차선 변경 없음 상태인 경우, 즉, 차량이 계속 직선 경로를 주행하고 있으며, 이후 시구간에서, 지원 벡터 머신 모델의 연속하는 t1개의 출력 결과에서 적어도 w1개의 출력 결과 각각이 좌측 차선으로의 변경이면, 차량이 좌측 차선으로 변경하는 차선 변경 동작을 갖는다고, 즉, 차량의 제1 차선 변경 동작이 좌측 차선으로의 변경이라고 결정될 수 있으며, w1은 2 이상의 양의 정수이고, t1은 w1보다 큰 양의 정수이다.
이와 달리, 차량이 차선 변경 없음 상태이고, 이후 시구간에서, 지원 벡터 머신 모델의 연속하는 t2개의 출력 결과에서 적어도 w2개의 출력 결과 각각이 우측 차선으로의 변경이면, 차량이 우측 차선으로 변경하는 차선 변경 동작을 갖는다고, 즉, 차량의 제1 차선 변경 동작이 우측 차선으로의 변경이라고 결정될 수 있으며, w2는 2 이상의 양의 정수이고, t2은 w2보다 큰 양의 정수이다.
또한, 차량이 좌측 차선으로 변경된 상태이고, 이후 시구간에서, 지원 벡터 머신 모델에 의해 연속적으로 출력되는 t3개의 출력 결과에서 적어도 w3개의 출력 결과 각각이 우측 차선으로의 변경이면, 차량이 우측 차선으로 변경되는 차선 변경 동작을 가짐을 나타내고, 즉, 차량의 제1 차선 변경 동작이 우측 차선으로의 변경임을 나타내고, w3은 2 이상의 양의 정수이고, t3은 w3보다 큰 양의 정수이다.
차량이 우측 차선으로 변경된 상태이고, 이후 시구간에서, 지원 벡터 머신 모델에 의해 연속적으로 출력되는 t4개의 출력 결과에서 적어도 w4개의 출력 결과 각각이 좌측 차선으로의 변경이면, 차량이 좌측 차선으로 변경되는 차선 변경 동작을 가짐을 나타내고, 즉, 차량의 제1 차선 변경 동작이 좌측 차선으로의 변경임을 나타내고, w4는 2 이상의 양의 정수이고, t4는 w4보다 큰 양의 정수이다.
이와 달리, 차량이 좌측 차선으로 변경된 상태이고, 이후 시구간에서, 지원 벡터 머신 모델에 의해 연속적으로 출력되는 t5개의 출력 결과에서 적어도 w5개의 출력 결과 각각이 차선 변경 없음이면, 차량이 차선 변경 없음의 차선 변경 동작을 가짐을 나타내고, 즉, 차량의 제1 차선 변경 동작이 차선 변경 없음이라고 나타내고, w5는 2 이상의 양의 정수이고, t5는 w5보다 큰 양의 정수이다.
차량이 우측 차선으로 변경된 상태이고, 이후 시구간에서, 지원 벡터 머신 모델에 의해 연속적으로 출력되는 t6개의 출력 결과에서 적어도 w6개의 출력 결과 각각이 차선 변경 없음이면, 차량이 차선 변경 없음의 차선 변경 동작을 가짐을 나타내고, 즉, 차량의 제1 차선 변경 동작이 차선 변경 없음이라고 나타내고, w6은 2 이상의 양의 정수이고, t6은 w6보다 큰 양의 정수이다.
전술한 예에서, t1, t2, t3, t4, t5 및 t6은 동일한 값을 가지거나 상이한 값을 가질 수 있다. 이에 대응하여 w1, w2, w3, w4, w5 및 w6은 동일한 값을 가지거나 상이한 값을 가질 수 있다. 이것은 본 출원에서 제한되지 않는다.
또한, t1, t2, t3, t4, t5 및 t6의 특정 값 및 w1, w2, w3, w4, w5 및 w6의 특정 값은 인식 정확도에 대한 요구사항에 따라 추가로 조정될 수 있다. 일반적으로, 차량의 차선 변경 동작을 인식하는 정확도에 대한 요구사항이 상대적으로 높은 경우, w1/t1, w2/t2, w3/t3, w4/t4, w5/t5 및 w6/t6은 t1, t2, t3, t4, t5, t6 및 w1, w2, w3, w4, w5, w6을 조정하여 상대적으로 큰 값으로 조정될 수 있거나, 또는 차량의 차선 변경 동작을 인식하는 정확도에 대한 요구사항이 상대적으로 낮은 경우, w1/t1, w2/t2, w3/t3, w4/t4, w5/t5 및 w6/t6은 상대적으로 작은 값으로 조정될 수 있다.
또한, 차량의 제1 차선 변경 동작을 결정하는 전술한 방식의 장점을 명확히 하기 위해, 본 출원의 이 실시예는 도 7을 더 제공한다. 도 7에 도시된 개략도에서, 가로축은 초(s) 단위의 시간을 나타내고, 세로축은 차선 변경 동작을 나타내는 데 사용된다. 수직축의 값이 0일 때, 표현된 차선 변경 동작은 차선 변경 없음이거나, 세로축의 값이 1일 때, 표현된 차선 변경 동작은 죄측 차선으로의 변경이거나, 또는 세로축의 값이 -1일 때, 표현된 차선 변경 동작은 우측 차선으로의 변경이다. 또한, 도 7은 3개의 선을 포함한다. 점선은 지원 벡터 머신 모델의 출력 결과를 나타내고, 굵은 직선은 차량의 실제 차선 변경 동작을 나타내며, 가는 직선은 본 출원의 이 실시예에서 제공되는 차량의 제1 차선 변경 동작을 결정하는 방식으로 결정된 제1 차선 변경 동작, 즉, 본 출원의 이 실시예에서 비정상적 출력 결과가 필터링된 후에 결정된 차선 변경 동작을 나타낸다.
도 7의 점선을 참조하면, 1초와 2초 사이의 지원 벡터 머신 모델의 출력 결과 각각은 우측 차선으로의 변경이고, 2.1초와 2.2초 사이의 출력 결과 각각은 좌측 차선으로의 변경이며, 2.2초와 3.4초 사이의 출력 결과 각각은 우측 차선으로의 변경이고, 3.5 초 내의 출력 결과는 좌측 차선으로의 변경이며, 3.5초와 4.5초 사이의 출력 결과 각각은 우측 차선으로의 변경임을 알 수 있다. 이 경우, 2.1초와 2.2초 사이의 지원 벡터 머신 모델의 출력 결과와 3.5초 내의 출력 결과는 비정상적 출력 결과라고 결정할 수 있다.
도 7의 지원 벡터 머신 모델의 출력 결과, 본 출원의 이 실시예에서 제공되는 솔루션을 이용하여 인식된 차선 변경 동작 및 차량의 실제 차선 변경 동작 간의 비교를 통해, 지원 벡터 머신 모델의 출력 결과가 2개의 비정상적 출력 결과를 포함하고 있음을 알 수 있다. 그러나, 본 출원의 이 실시예의 솔루션은 비정상적 출력 결과를 필터링하는 데 사용될 수 있으며, 본 출원의 이 실시예의 솔루션을 사용하여 결정된 차선 변경 동작은 차량의 실제 차선 변경 동작에 더 가깝고, 정확도가 더 높다.
본 출원의 이 실시예에서, 차량의 차선 변경 동작은 지원 벡터 머신 모델의 출력 결과에 기초하여 결정된다. 지원 벡터 머신 모델은 트레이닝을 통해 사전 결정될 수 있다.
실행가능한 설계에서, 지원 벡터 머신 모델은 차량이 상이한 차량 주행 환경에서 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 차선 변경 동작을 트레이닝함으로써 결정된다. 상이한 차량 주행 환경은 상이한 차량 주행 도로, 상이한 교통 흐름 밀도, 상이한 주행 스타일 또는 상이한 차량 주행 속도 중 적어도 하나를 포함한다.
상이한 차량 주행 도로는 일반적으로 직선 도로, 곡선 도로 및 교차로 중 적어도 2개를 포함한다. 본 출원의 이 실시예에서, 차량이 상이한 차량 주행 도로에서 주행하는 동안 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 차선 변경 동작이 트레이닝될 수 있으므로, 트레이닝을 통해 획득된 지원 벡터 머신 모델은 상이한 차량 주행 도로에서 차선 변경 동작을 인식할 수 있다.
교통 흐름 밀도는 차량 흐름 밀도라고도 하며, 일반적으로 특정 순간에 도로 구간 또는 방향에 있는 단위 길이(보통 1km)의 차선에 있는 차량의 양을 나타내며, 도로의 차량 밀도를 나타내는 데 사용된다. 본 출원의 이 실시예에서, 차량이 상이한 교통 흐름 밀도에서 주행하는 동안 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 차선 변경 동작이 트레이닝될 수 있으므로, 트레이닝을 통해 획득된 지원 벡터 머신 모델은 상이한 교통 흐름 밀도에서 차선 변경 동작을 인식할 수 있다.
상이한 운전자가 차량을 운전할 때, 차량의 주행 스타일은 보통 다르다. 예를 들어, 상대적으로 운전 경험이 풍부한 운전자가 차량을 운전할 때, 차량의 주행 스타일은 일반적으로 "상대적으로 안정적"이고, 차량은 상대적으로 부드럽게 주행하며, 가속감과 감속감이 분명하지 않다. 그러나, 운전 경험이 풍부하지 않은 운전자가 차량을 운전할 때, 차량의 주행 스타일은 일반적으로 "상대적으로 신중"하고, 차량 속도는 상대적으로 느리다. 본 출원의 이 실시예에서, 차량이 차량의 상이한 주행 스타일로 주행하는 동안 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 차선 변경 동작이 트레이닝될 수 있으므로, 트레이닝을 통해 획득된 지원 벡터 머신 모델은 상이한 주행 스타일에서 차선 변경 동작을 인식할 수 있다.
또한, 차량의 주행 과정에서 차량 주행 속도는 보통 변경된다. 본 출원의 이 실시예에서, 차량이 상이한 차량 주행 속도로 주행하는 동안 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 차선 변경 동작이 트레이닝될 수 있으므로, 트레이닝을 통해 획득된 지원 벡터 머신 모델은 상이한 차량 주행 속도로 차선 변경 동작을 인식할 수 있다.
본 출원의 이 실시예에서, 차량이 상이한 차량 주행 환경에서 다양한 차선 변경 동작을 가질 때 차량 자세 신호를 획득하기 위해 상이한 차량 주행 환경에서 실험이 수행된다. 차량 자세 신호는 테스트 데이터로서 사용되며 특정 비율에 기초하여 트레이닝 세트와 테스트 세트로 나뉘고 머신 학습을 통해 트레이닝되어, 지원 벡터 머신 모델을 획득한다.
본 출원의 이 실시예에 적용되는 지원 벡터 머신 모델은 상이한 차량 주행 환경에서 차량 자세 신호 및 차선 변경 동작을 트레이닝함으로써 결정된다. 따라서, 지원 벡터 머신 모델은 상이한 차량 주행 환경에서 차선 변경 동작을 인식할 수 있으며, 비교적 폭넓게 사용된다.
또한, 본 출원의 이 실시예에서, 다음 단계가 포함된다:
적어도 2개의 차량 자세 신호를 정규화하고, 적어도 2개의 정규화된 차량 자세 신호를 지원 벡터 머신 모델에 입력하는 단계.
이 경우, 지원 벡터 머신 모델에 입력되는 적어도 2개의 차량 자세 신호는 정규화된 차량 자세 신호이다. 적어도 2개의 차량 자세 신호가 정규화되어, 지원 벡터 머신 모델에 의해 차량 자세 신호를 처리하는 정확도가 향상될 수 있으며, 이로써 차선 변경 동작을 인식하는 정확도를 더욱 향상시킨다.
또한, 차선 변경 동작을 인식하는 정확도를 향상시키기 위해, 본 출원의 이 실시예는 다음 단계들을 더 제공할 수 있다:
차량 자세 신호가 획득된 후, 차량 자세 신호에서 비정상적 신호를 제거하는 단계; 및
비정상적 신호가 제거된 후 남은 차량 자세 신호의 유형이 2개보다 많고, 서로 다른 주파수에서 서로 다른 유형의 차량 자세 신호가 획득된 경우, 서로 다른 유형의 차량 자세 신호에 대해 보간 처리를 수행하는 단계, 보간 처리 후에 획득된 상이한 유형의 차량 자세 신호는 동일한 주파수를 갖는다.
이 경우, 보간 처리 후에 획득된 차량 자세 신호는 더 정규화되고, 정규화된 차량 자세 신호는 지원 벡터 머신 모델에 입력된다.
비정상적 신호는 일반적으로 차량 자세 신호에서 변이하는 신호이다. 예를 들어, 변이 임계값이 설정될 수 있다. 특정 차량 자세 신호와 이전에 획득된 차량자세 신호의 차이가 변이 임계값보다 크면, 차량 자세 신호가 변이 신호, 즉, 차량자세 신호가 비정상적 신호인 것으로 결정된다.
차선 변경 동작을 인식하는 정확도를 더욱 향상시키기 위해 비정상적 신호가 제거된다.
또한, 상이한 센서의 검출 주파수가 상이할 수 있어서, 상이한 센서에 의해 획득된 상이한 유형의 차량 자세 신호는 상이한 주파수를 갖는다. 이 경우, 비정상적 신호가 제거된 후, 나머지 차량 자세 신호에 대해 보간 처리가 수행될 수 있으며, 보간 처리 후 획득된 상이한 유형의 차량 자세 신호는 동일한 주파수를 가지므로, 차량 자세 신호가 동기를 유지하며, 이로써 차선 변경 동작을 인식하는 정확도를 더욱 향상시킨다.
본 출원의 장치 실시예가 아래에 제공되며, 본 출원의 방법 실시예를 수행하도록 구성될 수 있다. 본 출원의 장치 실시예에 개시되지 않은 세부사항에 대해서는, 본 출원의 방법 실시예를 참조한다.
전술한 방법 실시예에 대응하여, 본 출원의 실시예는 차량의 차선 변경 동작을 인식하는 장치를 개시한다. 도 8에 도시된 개략적인 구조도를 참조하면, 차량의 차선 변경 동작을 인식하는 장치는 처리 유닛(110) 및 송수신기 유닛(120)을 포함한다.
송수신기 유닛(120)은 적어도 하나의 센서로부터 차량의 적어도 2개의 차량 자세 신호를 획득하도록 구성되며, 적어도 2개의 차량 자세 신호는 제1 차량 자세 신호 및 제2 차량 자세 신호를 포함한다.
제1 차량 자세 신호는 제1 순간에 적어도 하나의 센서로부터 획득된 신호이고, 제2 차량 자세 신호는 제2 순간에 적어도 하나의 센서로부터 획득된 신호이다.
처리 유닛(110)은 차량의 제1 차선 변경 동작을 인식하기 위해 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하도록 구성된다.
지원 벡터 머신 모델은 차량의 차선 변경 동작을 인식하도록 구성된다. 적어도 2개의 차량 자세 신호가 지원 벡터 머신 모델에 입력된 후, 지원 벡터 머신 모델은 인식 결과를 출력한다. 본 출원의 이 실시예에서, 차량의 제1 차선 변경 동작은 지원 벡터 머신 모델에 의해 출력된 인식 결과를 사용하여 결정된다.
본 출원의 이 실시예의 솔루션이 차량의 차선 변경 동작을 인식하는 데 사용되는 경우, 카메라에 의해 촬영된 도로 영상이 아니라 센서를 사용하여 획득된 차량 자세 신호에 의존한다. 따라서, 차량에 카메라를 추가로 구성할 필요가 없다. 종래 기술과 비교하여, 차량 구성에 대한 요구사항은 본 출원의 이 실시예의 솔루션에서 감소한다.
또한, 본 출원의 이 실시예에서 제공되는 솔루션에서, 차량 자세 신호를 사용하여 차량의 차선 변경 동작이 인식되고, 도로 영상에 대해 영상 분석이 수행될 필요가 없다. 또한, 도로 영상에 비해, 차량 자세 신호는 외부 환경에 민감하지 않다. 따라서, 종래 기술과 비교하여, 본 출원의 이 실시예에서 제공되는 솔루션에서는 차선 변경 동작을 인식하는 정확도가 향상될 수 있다. 이에 대응하여, 본 출원의 실시예에서의 인식 결과가 외부 환경에 민감하지 않기 때문에, 차량의 차선 변경 동작을 인식하는 견고성이 향상된다.
또한, 본 출원의 이 실시예의 장치에서, 차량의 제1 차선 변경 동작은 지원 벡터 머신 모델을 사용하여 인식된다. 또한, 지원 벡터 머신 모델은 차량 자세 신호를 트레이닝함으로써 사전 획득될 수 있으며, 이후 차선 변경 행위를 인식하는 각 과정에서, 결정된 지원 벡터 머신 모델이 직접 사용될 수 있으며, 지원 벡터 머신 모델은 반복적으로 획득될 필요가 없다. 따라서, 종래 기술의 솔루션과 비교하여, 본 출원의 이 실시예에서 제공되는 솔루션에서는 계산량이 상대적으로 적다.
본 출원의 이 실시예에서 제공되는 솔루션에서, 차량의 차선 변경 동작은 적어도 하나의 센서로부터 획득된 적어도 2개의 차량 자세 신호를 사용하여 인식되며, 센서는 조향각 센서, 관성 항법 센서 또는 휠 속도 센서 중 적어도 하나를 포함한다.
이에 대응하여, 차량 자세 신호는 조향각, 조향 속도, 요 속도, 횡가속도 또는 차량 속도 중 적어도 하나를 포함한다.
또한, 본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 장치에서, 처리 유닛은 구체적으로 지원 벡터 머신 모델의 하나의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하도록 구성되거나, 또는 처리 유닛은 구체적으로 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 차량의 제1 차선 변경 동작을 결정하도록 구성된다.
본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 장치에서, 지원 벡터 머신 모델의 연속하는 n개의 출력 결과 각각이 제1 타깃 차선 변경 동작일 때, 처리 유닛은 구체적으로 제1 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작이라고 결정하도록 구성되며, n은 2 이상의 양의 정수이거나, 또는 지원 벡터 머신 모델의 연속하는 t개의 출력 결과에서 적어도 w개의 출력 결과 각각이 제2 타깃 차선 변경 동작일 때, 처리 유닛은 구체적으로 제2 타깃 차선 변경 동작이 차량의 제1 차선 변경 동작이라고 결정하도록 구성되며, w는 2 이상의 양의 정수이고, t는 w보다 큰 양의 정수이다.
실행가능한 설계에서, 본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 장치에서, 지원 벡터 머신 모델은 차량이 상이한 차량 주행 환경에서 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 차선 변경 동작을 트레이닝함으로써 결정된다. 상이한 차량 주행 환경은 상이한 차량 주행 도로, 상이한 교통 흐름 밀도, 상이한 주행 스타일 또는 상이한 차량 주행 속도 중 적어도 하나를 포함한다.
본 출원의 이 실시예에 적용되는 지원 벡터 머신 모델은 상이한 차량 주행 환경에서 차량 자세 신호 및 차선 변경 동작을 트레이닝함으로써 결정된다. 따라서, 지원 벡터 머신 모델은 상이한 차량 주행 환경에서 차선 변경 동작을 인식할 수 있으며, 비교적 폭넓게 사용된다.
또한, 본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 장치에서, 처리 유닛은 적어도 2개의 차량 자세 신호를 정규화하고 적어도 2개의 정규화된 차량 자세 신호를 지원 벡터 머신 모델에 입력하도록 더 구성된다.
이 경우, 지원 벡터 머신 모델에 입력되는 적어도 2개의 차량 자세 신호는 정규화된 차량 자세 신호이다. 적어도 2개의 차량 자세 신호가 정규화되어, 지원 벡터 머신 모델에 의해 차량 자세 신호를 처리하는 정확도가 향상될 수 있으며, 이로써 차선 변경 동작을 인식하는 정확도를 더욱 향상시킨다.
또한, 본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 장치에서, 차량의 제1 차선 변경 동작은 다음 중 적어도 하나를 포함한다: 차선 변경 없음, 좌측 차선으로 변경, 우측 차선으로 변경, 좌회전, 우회전 또는 턴어라운드.
즉, 본 출원의 이 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 장치는 복수의 유형의 차선 변경 동작을 인식할 수 있다.
이에 대응하여, 차량의 차선 변경 동작을 인식하기 위한 전술한 방법에 대응하여, 본 출원의 일 실시예는 단말 장치를 더 제공한다. 도 9에 도시된 개략적인 구조도를 참조하면, 단말 장치는 프로세서(1101) 및 메모리를 포함한다. 메모리는 프로세서에서 실행되는 프로그램을 저장한다. 프로세서가 프로그램을 실행할 때, 도 1에 대응하는 실시예의 단계들의 전부 또는 일부가 구현된다.
또한, 단말 장치는 송수신기(1102) 및 버스(1103)를 포함할 수 있고, 메모리는 랜덤 액세스 메모리(1104) 및 판독 전용 메모리(1105)를 포함한다.
프로세서는 버스를 통해 송수신기, 랜덤 액세스 메모리 및 판독 전용 메모리에 개별적으로 결합된다. 단말 장치가 구동될 필요가 있는 경우, 판독 전용 메모리에 고정된 기본 입출력 시스템 또는 임베디드 시스템의 부트로더 부트 시스템이 시동되어 장치가 정상 구동 상태로 진입하도록 안내한다. 정상 구동 상태에 진입한 후, 장치는 랜덤 액세스 메모리 내의 애플리케이션 프로그램 및 운영 체제를 실행하여, 단말 장치는 도 1에 대응하는 실시예의 단계들의 전부 또는 일부를 수행한다.
본 발명의 이 실시예의 장치는 도 8에 대응하는 실시예의 차량의 차선 변경 동작을 인식하는 장치에 대응할 수 있다. 또한, 장치 내의 프로세서는 도 8에 대응하는 실시예의 장치의 기능 및/또는 장치에 의해 구현되는 단계 및 방법을 구현할 수 있다. 간결함을 위해, 세부사항은 여기에서 다시 설명하지 않는다.
이에 대응하여, 차량의 차선 변경 동작을 인식하기 위한 전술한 방법에 대응하여, 본 출원의 일 실시예는 단말 장치를 제공한다. 도 10에 도시된 개략도를 참조하면, 단말 장치는 프로세서(210) 및 인터페이스 회로(220)를 포함한다.
인터페이스 회로(220)는 코드 명령어를 수신하고 코드 명령어를 프로세서로 송신하도록 구성된다.
프로세서(210)는 도 1에 대응하는 실시예에서 제공되는 차량의 차선 변경 동작을 인식하는 방법을 수행하기 위한 코드 명령어를 실행하도록 구성된다.
단말 장치는 하나의 칩을 포함할 수 있거나, 복수의 칩을 포함하는 칩 모듈을 포함할 수 있다. 이와 달리, 단말기는 본 출원에서 제한되지 않는 다른 형태일 수 있다.
특정 구현에서, 본 출원의 일 실시예는 컴퓨터 판독가능 저장 매체를 더 제공하며, 컴퓨터 판독가능 저장 매체는 명령어를 포함한다. 임의의 디바이스에 배치된 컴퓨터 판독가능 저장 매체가 컴퓨터에서 실행될 때, 도 1에 대응하는 실시예의 단계들의 전부 또는 일부가 구현될 수 있다. 전술한 저장 매체는 자기 디스크, 광학 디스크, 판독 전용 메모리(영어: read-only memory, 줄여서 ROM) 또는 랜덤 액세스 메모리(영어: random access memory, 줄여서 RAM)를 포함할 수 있다.
또한, 본 출원의 다른 실시예는 명령어를 포함하는 컴퓨터 프로그램 제품을 더 제공한다. 컴퓨터 프로그램 제품이 전자 디바이스에서 실행될 때, 전자 디바이스는 도 1에 대응하는 실시예의 단계들의 전부 또는 일부를 구현할 수 있다.
본 출원의 실시예에 설명된 다양한 예시적인 로직 유닛 및 회로는 범용 프로세서, 디지털 정보 프로세서, 주문형 집적 회로(ASIC), 필드 프로그램가능 게이트 어레이(FPGA) 또는 다른 프로그램가능 논리 장치, 별개의 게이트 또는 트랜지스터 로직, 별개의 하드웨어 구성요소 또는 이들의 임의의 조합의 설계를 사용함으로써 설명된 기능을 구현하거나 작동시킬 수 있다. 범용 프로세서는 마이크로프로세서일 수 있다. 선택적으로, 범용 프로세서는 이와 달리 임의의 기존 프로세서, 제어기, 마이크로제어기 또는 상태 머신일 수 있다. 프로세서는 이와 달리 디지털 정보 프로세서 및 마이크로프로세서, 복수의 마이크로프로세서, 디지털 정보 프로세서 코어를 갖는 하나 이상의 마이크로프로세서 또는 임의의 다른 유사한 구성과 같은 컴퓨팅 장치의 조합에 의해 구현될 수 있다.
본 출원의 실시예에 설명된 방법 또는 알고리즘의 단계는 하드웨어, 프로세서에 의해 실행되는 소프트웨어 유닛 또는 이들의 조합에 직접 내장될 수 있다. 소프트웨어 유닛은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크 드라이브, 착탈식 자기 디스크, CD-ROM 또는 당업계의 임의의 다른 형태의 저장 매체에 저장될 수 있다. 예를 들어, 저장 매체는 프로세서에 연결되어, 프로세서는 저장 매체로부터 정보를 판독하고 정보를 저장 매체에 기록할 수 있다. 선택적으로, 저장 매체는 이와 달리 프로세서에 통합될 수 있다. 프로세서 및 저장 매체는 ASIC에 배치될 수 있고, ASIC은 UE에 배치될 수 있다. 선택적으로, 프로세서 및 저장 매체는 UE의 상이한 구성요소에 배치될 수 있다.
전술한 프로세스의 시퀀스 번호는 본 출원의 실시예에서의 실행 시퀀스를 의미하지 않음을 이해해야 한다. 프로세스의 실행 시퀀스는 프로세스의 기능 및 내부 로직에 기초하여 결정되어야 하며, 본 출원의 실시예의 구현 프로세스에 대해 임의의 제한이 되어서는 안 된다.
전술한 실시예의 전부 또는 일부는 소프트웨어, 하드웨어, 펌웨어, 또는 이들의 임의의 조합을 사용해서 구현될 수 있다. 소프트웨어가 실시예를 구현하는 데 사용되는 경우, 실시예의 전부 또는 일부는 컴퓨터 프로그램 제품의 형태로 구현될 수 있다. 컴퓨터 프로그램 제품은 하나 이상의 컴퓨터 명령어를 포함한다. 컴퓨터 프로그램 명령어가 컴퓨터에 로딩되어 실행되는 경우, 본 출원의 실시예에 따른 절차 또는 기능들이 전부 또는 부분적으로 생성된다. 컴퓨터는 범용 컴퓨터, 전용 컴퓨터, 컴퓨터 네트워크, 또는 다른 프로그램가능 장치일 수 있다. 컴퓨터 명령어는 컴퓨터 판독가능 저장 매체에 저장될 수 있거나 또는 컴퓨터 판독가능 저장 매체로부터 다른 컴퓨터 판독가능 저장 매체로 전송될 수 있다. 예를 들어, 컴퓨터 명령어는 웹사이트, 컴퓨터, 서버, 또는 데이터 센터로부터 다른 웹사이트, 컴퓨터, 서버, 또는 데이터 센터로 유선(예를 들어, 동축 케이블, 광섬유, 또는 디지털 가입자 회선(digital subscriber line, DSL)) 또는 무선(예를 들어, 적외선, 라디오, 또는 마이크로파) 방식으로 전송될 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터가 액세스할 수 있는 임의의 사용 가능한 매체, 또는 하나 이상의 사용 가능한 매체를 통합하는 서버 또는 데이터 센터와 같은 데이터 저장 디바이스일 수 있다. 사용 가능한 매체는 자기 매체(예를 들어, 플로피 디스크, 하드 디스크 드라이브, 또는 자기 테이프), 광학 매체(예를 들어, DVD), 반도체 매체(예를 들어, 솔리드 스테이트 드라이브(solid-state disk, SSD)) 등일 수 있다.
본 명세서의 실시예의 동일하거나 유사한 부분은 서로 참조될 수 있으며, 각 실시예는 다른 실시예와의 차이점에 초점을 맞춘다. 특히, 장치 및 시스템 실시예는 기본적으로 방법 실시예와 유사하므로 간단히 설명하고, 관련 부분에 대해서는 방법 실시예의 부분 설명을 참조한다.
당업자는 본 발명의 실시예의 기술이 필요한 일반적인 하드웨어 플랫폼에 더하여 소프트웨어에 의해 구현될 수 있음을 분명히 이해할 수 있다. 이러한 이해를 바탕으로, 기본적으로 본 발명의 실시예의 기술 솔루션 또는 종래 기술에 기여하는 부분은 소프트웨어 제품의 형태로 구현될 수 있다. 컴퓨터 소프트웨어 제품은 ROM/RAM, 자기 디스크 또는 광학 디스크와 같은 저장 매체에 저장되며, 컴퓨터 디바이스(개인용 컴퓨터, 서버 또는 네트워크 디바이스일 수 있음)에게 본 발명의 실시예 또는 실시예의 몇몇 부분에 기술된 방법을 수행하라고 지시하기 위한 몇몇 명령어를 포함한다.
본 명세서의 실시예의 동일하거나 유사한 부분은 서로 참조될 수 있다. 특히, 본 출원에 개시된 도로 제약 결정 장치의 실시예의 경우, 장치 실시예는 기본적으로 방법 실시예와 유사하기 때문에, 장치 실시예는 상대적으로 간단하게 설명된다. 관련 부분은 방법 실시예의 설명을 참조한다.
전술한 설명은 본 발명의 구현이지만, 본 발명의 보호 범위를 제한하려는 것은 아니다.

Claims (17)

  1. 차량의 차선 변경 동작을 인식하는 방법으로서,
    적어도 하나의 센서로부터 차량의 적어도 2개의 차량 자세 신호(vehicle posture signal)를 획득하는 단계 - 상기 적어도 2개의 차량 자세 신호는 제1 차량 자세 신호 및 제2 차량 자세 신호를 포함하고, 상기 제1 차량 자세 신호는 제1 순간에 상기 적어도 하나의 센서로부터 획득된 신호이고, 상기 제2 차량 자세 신호는 제2 순간에 상기 적어도 하나의 센서로부터 획득된 신호임 - 와,
    상기 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하여 상기 차량의 제1 차선 변경 동작을 인식하는 단계를 포함하는,
    방법.
  2. 제1항에 있어서,
    상기 센서는 조향각 센서, 관성 항법 센서 또는 휠 속도 센서 중 적어도 하나를 포함하고,
    상기 차량 자세 신호는 조향각, 조향 속도, 요(yaw) 속도, 횡가속도(lateral acceleration) 또는 차량 속도 중 적어도 하나를 포함하는,
    방법.
  3. 제1항 또는 제2항에 있어서,
    상기 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하여 상기 차량의 제1 차선 변경 동작을 인식하는 단계는,
    상기 지원 벡터 머신 모델의 하나의 출력 결과에 기초하여 상기 차량의 제1 차선 변경 동작을 결정하는 단계, 또는
    상기 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 상기 차량의 제1 차선 변경 동작을 결정하는 단계를 포함하는,
    방법.
  4. 제3항에 있어서,
    상기 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 상기 차량의 제1 차선 변경 동작을 결정하는 단계는,
    상기 지원 벡터 머신 모델의 연속하는 n개의 출력 결과 각각이 제1 타깃 차선 변경 동작인 경우, 상기 제1 타깃 차선 변경 동작이 상기 차량의 제1 차선 변경 동작이라고 결정하는 단계 - n은 2 이상의 양의 정수임 - , 또는
    상기 지원 벡터 머신 모델의 연속하는 t개의 출력 결과에서 적어도 w개의 출력 결과 각각이 제2 타깃 차선 변경 동작인 경우, 상기 제2 타깃 차선 변경 동작이 상기 차량의 제1 차선 변경 동작이라고 결정하는 단계 - w는 2 이상의 양의 정수이고, t는 w보다 큰 양의 정수임 - 를 포함하는,
    방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 지원 벡터 머신 모델은 상기 차량이 상이한 차량 주행 환경에서 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 상기 차선 변경 동작을 트레이닝함으로써 결정되고, 상기 상이한 차량 주행 환경은 상이한 차량 주행 도로, 상이한 교통 흐름 밀도, 상이한 주행 스타일 또는 상이한 차량 주행 속도 중 적어도 하나를 포함하는,
    방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 적어도 2개의 차량 자세 신호를 정규화하고, 적어도 2개의 정규화된 차량 자세 신호를 상기 지원 벡터 머신 모델에 입력하는 단계를 더 포함하는,
    방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 차량의 제1 차선 변경 동작은 차선 변경 없음, 좌측 차선으로 변경, 우측 차선으로 변경, 좌회전, 우회전 또는 턴어라운드 중 적어도 하나를 포함하는,
    방법.
  8. 차량의 차선 변경 동작을 인식하는 장치로서,
    적어도 하나의 센서로부터 차량의 적어도 2개의 차량 자세 신호를 획득하도록 구성된 송수신기 유닛 - 상기 적어도 2개의 차량 자세 신호는 제1 차량 자세 신호 및 제2 차량 자세 신호를 포함하고, 상기 제1 차량 자세 신호는 제1 순간에 상기 적어도 하나의 센서로부터 획득된 신호이고, 상기 제2 차량 자세 신호는 제2 순간에 상기 적어도 하나의 센서로부터 획득된 신호임 - 과,
    상기 적어도 2개의 차량 자세 신호를 지원 벡터 머신 모델에 입력하여 상기 차량의 제1 차선 변경 동작을 인식하도록 구성된 처리 유닛을 포함하는,
    장치.
  9. 제8항에 있어서,
    상기 센서는 조향각 센서, 관성 항법 센서 또는 휠 속도 센서 중 적어도 하나를 포함하고,
    상기 차량 자세 신호는 조향각, 조향 속도, 요 속도, 횡가속도 또는 차량 속도 중 적어도 하나를 포함하는,
    장치.
  10. 제8항 또는 제9항에 있어서,
    상기 처리 유닛은 또한 상기 지원 벡터 머신 모델의 하나의 출력 결과에 기초하여 상기 차량의 제1 차선 변경 동작을 결정하도록 구성되거나, 또는
    상기 처리 유닛은 또한 상기 지원 벡터 머신 모델의 적어도 2개의 출력 결과에 기초하여 상기 차량의 제1 차선 변경 동작을 결정하도록 구성되는,
    장치.
  11. 제10항에 있어서,
    상기 지원 벡터 머신 모델의 연속하는 n개의 출력 결과 각각이 제1 타깃 차선 변경 동작인 경우, 상기 처리 유닛은 또한 상기 제1 타깃 차선 변경 동작이 상기 차량의 제1 차선 변경 동작이라고 결정하도록 구성되고, n은 2 이상의 양의 정수이거나, 또는
    상기 지원 벡터 머신 모델의 연속하는 t개의 출력 결과에서 적어도 w개의 출력 결과 각각이 제2 타깃 차선 변경 동작인 경우, 상기 처리 유닛은 또한 상기 제2 타깃 차선 변경 동작이 상기 차량의 제1 차선 변경 동작이라고 결정하도록 구성되고, w는 2 이상의 양의 정수이고, t는 w보다 큰 양의 정수인,
    장치.
  12. 제8항 내지 제11항 중 어느 한 항에 있어서,
    상기 지원 벡터 머신 모델은 상기 차량이 상이한 차량 주행 환경에서 차선 변경 동작을 가질 때 획득된 차량 자세 신호 및 상기 차선 변경 동작을 트레이닝함으로써 결정되고, 상기 상이한 차량 주행 환경은 상이한 차량 주행 도로, 상이한 교통 흐름 밀도, 상이한 주행 스타일 또는 상이한 차량 주행 속도 중 적어도 하나를 포함하는,
    장치.
  13. 제8항 내지 제12항 중 어느 한 항에 있어서,
    상기 처리 유닛은 상기 적어도 2개의 차량 자세 신호를 정규화하고, 적어도 2개의 정규화된 차량 자세 신호를 상기 지원 벡터 머신 모델에 입력하도록 더 구성되는,
    장치.
  14. 제6항 내지 제13항 중 어느 한 항에 있어서,
    상기 차량의 제1 차선 변경 동작은 차선 변경 없음, 좌측 차선으로 변경, 우측 차선으로 변경, 좌회전, 우회전 또는 턴어라운드 중 적어도 하나를 포함하는,
    장치.
  15. 단말 장치로서,
    상기 단말 장치는 프로세서 및 메모리를 포함하고,
    상기 메모리는 컴퓨터 프로그램을 저장하고, 상기 프로세서는 상기 메모리에 저장된 상기 컴퓨터 프로그램을 실행하여, 상기 단말 장치가 제1항 내지 제7항 중 어느 한 항에 따른 방법을 수행하는,
    단말 장치.
  16. 프로세서 및 인터페이스 회로를 포함하는 단말 장치로서,
    상기 인터페이스 회로는 코드 명령어를 수신하고 상기 코드 명령어를 상기 프로세서에 전송하도록 구성되며,
    상기 프로세서는 제1항 내지 제7항 중 어느 한 항에 따른 방법을 수행하기 위해 상기 코드 명령어를 실행하도록 구성되는,
    단말 장치.
  17. 명령어를 저장하도록 구성되고, 상기 명령어가 실행될 때 제1항 내지 제7항 중 어느 한 항에 따른 방법이 구현되는, 판독가능 저장 매체.
KR1020227041638A 2020-04-29 2020-04-29 차량의 차선 변경 동작을 인식하는 방법 및 장치 KR20230004812A (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/087742 WO2021217485A1 (zh) 2020-04-29 2020-04-29 一种车辆变道行为识别方法及装置

Publications (1)

Publication Number Publication Date
KR20230004812A true KR20230004812A (ko) 2023-01-06

Family

ID=75609566

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227041638A KR20230004812A (ko) 2020-04-29 2020-04-29 차량의 차선 변경 동작을 인식하는 방법 및 장치

Country Status (4)

Country Link
EP (1) EP4131204A4 (ko)
KR (1) KR20230004812A (ko)
CN (1) CN112739599B (ko)
WO (1) WO2021217485A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115240426B (zh) * 2022-07-26 2024-03-26 东软睿驰汽车技术（沈阳）有限公司 一种变道数据的自动定位方法、装置、设备及存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4744327B2 (ja) * 2006-03-07 2011-08-10 本田技研工業株式会社 車両姿勢制御装置
US8060260B2 (en) * 2008-07-24 2011-11-15 GM Global Technology Operations LLC Adaptive vehicle control system with driving style recognition based on vehicle passing maneuvers
DE102010025977A1 (de) * 2010-07-02 2011-05-12 Daimler Ag Verfahren zur Erkennung von Fahrmanövern von Kraftfahrzeugen
CN103927548B (zh) * 2014-04-18 2017-05-24 北京航空航天大学 一种新的避免车辆碰撞的刹车行为检测方法
CN104494600B (zh) * 2014-12-16 2016-11-02 电子科技大学 一种基于svm算法的驾驶员意图识别方法
AT14433U3 (de) * 2015-03-25 2018-03-15 Univ Graz Tech Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen
CN105374212B (zh) * 2015-12-14 2017-07-18 上海交通大学 基于智能终端传感的高速公路车辆车道识别方法及***
FR3046769B1 (fr) * 2016-01-14 2019-05-31 Valeo Schalter Und Sensoren Gmbh Procede et systeme d'assistance au changement de voie de roulage pour vehicule automobile
CN107330356A (zh) * 2017-05-15 2017-11-07 开易（北京）科技有限公司 一种基于学习的在线车道变线预测方法及***
CN109002797B (zh) * 2018-07-16 2023-07-25 腾讯科技（深圳）有限公司 车辆变道检测方法、装置、存储介质和计算机设备
CN109859513A (zh) * 2019-03-07 2019-06-07 宝能汽车有限公司 路口车道导航方法和装置
CN110763246A (zh) * 2019-08-06 2020-02-07 中国第一汽车股份有限公司 自动驾驶车辆路径规划方法、装置、车辆及存储介质
CN110481551B (zh) * 2019-08-16 2020-12-29 中国第一汽车股份有限公司 一种自动换道的控制方法、装置及车辆

Also Published As

Publication number Publication date
EP4131204A4 (en) 2023-08-23
EP4131204A1 (en) 2023-02-08
WO2021217485A1 (zh) 2021-11-04
CN112739599B (zh) 2022-05-17
CN112739599A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
US12017663B2 (en) Sensor aggregation framework for autonomous driving vehicles
JP7001642B2 (ja) 自動運転車両のためのオブジェクト移動を予測するための方法およびシステム
US10839681B2 (en) Control device and method for controlling autonomous driving vehicle
CN109941282B (zh) 用于控制群组驾驶的设备及控制群组驾驶的方法
JP6779326B2 (ja) 複数のスレッドを使用して自動運転車両に用いられる基準線を生成するための方法及びシステム
KR20180088789A (ko) 차량 주변의 컨텍스트에 기초하여 차량의 하나 이상의 궤적을 예측하는 방법 및 시스템
KR20180092314A (ko) 모션 계획에 기초한 자율 주행 차량의 운행 방법 및 시스템
CN113561963B (zh) 一种泊车方法、装置及车辆
JP6808775B2 (ja) 複数のキューを利用したオブジェクト追跡
CN112046481B (zh) 自动驾驶装置和方法
KR20180135847A (ko) 자율 주행 차량을 위한 감속 연석 기반 방향 검출 및 차선 유지 시스템
CN111858202B (zh) 诊断自主驾驶车辆的传感器处理单元的方法、装置和***、及计算机可读介质
US11479267B2 (en) Autonomous driving apparatus and method
JP7139992B2 (ja) 制御用地図情報評価装置、制御用地図情報評価方法、及び制御プログラム
CN111026081B (zh) 一种误差计算方法、装置、设备及存储介质
EP4024007A1 (en) Method and device for determining traffic-lane line information
US20200377124A1 (en) Multi-hypothesis object tracking for automated driving systems
CN114148346A (zh) 车辆自动驾驶控制装置和方法
CN116853292A (zh) 无人驾驶车辆的碰撞检测方法及装置
CN114212108B (zh) 自动驾驶方法、装置、车辆、存储介质及产品
CN112349084A (zh) 驾驶行为评价装置、方法以及记录介质
KR20230004812A (ko) 차량의 차선 변경 동작을 인식하는 방법 및 장치
CN117227714A (zh) 一种自动驾驶车辆转弯避让控制方法及***
CN113327456A (zh) 一种车道结构检测方法及装置
CN113393687A (zh) 驾驶辅助装置、驾驶辅助方法、车辆和介质

Legal Events

Date Code Title Description
A201 Request for examination