WO2017002258A1 - 経路予測装置 - Google Patents
経路予測装置 Download PDFInfo
- Publication number
- WO2017002258A1 WO2017002258A1 PCT/JP2015/069131 JP2015069131W WO2017002258A1 WO 2017002258 A1 WO2017002258 A1 WO 2017002258A1 JP 2015069131 W JP2015069131 W JP 2015069131W WO 2017002258 A1 WO2017002258 A1 WO 2017002258A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- unit
- vehicle
- route
- predicted
- likelihood
- Prior art date
Links
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 45
- 230000002093 peripheral effect Effects 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 abstract 3
- 230000006870 function Effects 0.000 description 17
- 238000005070 sampling Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
- 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
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/133—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/164—Centralised systems, e.g. external to vehicles
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Definitions
- the present invention relates to a route predicting device for predicting a traveling route of a moving object.
- a vehicle driving support system the position of an obstacle such as a vehicle or a stop existing around the host vehicle is acquired by a sensor such as a millimeter wave radar, a laser radar, or a camera mounted on the host vehicle. Based on the relative distance and relative speed of the vehicle, a technology has been developed for controlling the host vehicle and preventing the collision after judging the collision risk.
- automatic driving technology that recognizes the surrounding environment by the sensor, automatically operates the steering wheel and brakes without the driver's operation, and reaches the destination is being developed. .
- Patent Document 1 discloses a route generation method that considers the interaction between a plurality of vehicles and a control amount evaluation method for the host vehicle.
- an optimal predicted route is calculated based on a preset control rule, there is a problem that the predicted route is erroneous when the surrounding vehicle does not follow the control rule.
- sensor errors when observing surrounding vehicle positions are not taken into account, there is a problem of erroneous prediction paths when there is an influence of sensor errors.
- there are many parameters to be set such as giving the estimated speed for each surrounding vehicle as a parameter, and there is a concern that the design is complicated.
- Patent Document 2 a plurality of predicted routes of a vehicle are generated in advance, and a route that best meets a predetermined selection criterion is selected for the generated predicted route by calculating the degree of interference of the predicted route between the vehicle and the surrounding vehicles.
- a method is disclosed.
- it is necessary to calculate the degree of interference in consideration of all the predicted routes of other surrounding vehicles with respect to the predicted route of one surrounding vehicle, and the calculation load is enormous. There is concern about becoming.
- the method for calculating only the predicted route of the host vehicle is disclosed, the method for calculating the predicted route of the surrounding vehicle is not disclosed or suggested.
- the conventional route prediction apparatus predicts the route of one neighboring vehicle by calculating the degree of interference in consideration of all the predicted routes of other neighboring vehicles with respect to the predicted route of one neighboring vehicle.
- routes of a plurality of surrounding vehicles are predicted individually.
- route prediction is performed in consideration of the mutual movement of a plurality of neighboring vehicles. Absent.
- inconsistencies such as overlapping of route predictions of a plurality of surrounding vehicles may occur, and it is a problem that the routes of the plurality of surrounding vehicles cannot be accurately predicted.
- the degree of interference is calculated in consideration of all predicted routes of other peripheral vehicles with respect to the predicted route of one peripheral vehicle, a large calculation load is also a problem.
- the present invention has been made to solve the above-described problem, and in the case where a collision may occur in a plurality of vehicles in the future, it is possible to calculate the predicted routes of the plurality of vehicles without contradiction while reducing the calculation load. Objective.
- the route prediction device is capable of colliding with the own vehicle based on an observation unit that observes the position of the own vehicle and the position and speed of the surrounding vehicle of the own vehicle, and an observation result observed by the observation unit.
- a vehicle detection unit for detecting at least two neighboring vehicles having a characteristic
- a hypothesis generation unit for generating a plurality of hypotheses for avoiding a collision of at least two neighboring vehicles detected by the vehicle detection unit
- the hypothesis generation unit A likelihood calculating unit for calculating likelihood indicating the probability of occurrence of each of the plurality of hypotheses generated in step (b), and a predicted route of the at least two neighboring vehicles based on the likelihood calculated by the likelihood calculating unit.
- a predicted path analysis unit that outputs the analysis result.
- the figure which shows the structure of the route prediction apparatus 100 which concerns on Embodiment 1 of this invention The figure which shows the hardware structural example of the path
- route prediction apparatus 100 which concerns on Embodiment 1 of this invention The flowchart which shows the process in the route estimation apparatus 100 which concerns on Embodiment 1 of this invention.
- the figure which shows the structure of the route estimation apparatus 100 which concerns on Embodiment 2 of this invention The figure which shows the structure of the route prediction apparatus 100 which concerns on Embodiment 3 of this invention.
- An example of the road condition where multiple vehicles are mixed in the prior art An example of mispredicting when multiple vehicles are avoided in the prior art.
- Embodiment 1 FIG. Embodiments of the present invention will be described below.
- FIG. 1 is a configuration diagram illustrating a route prediction apparatus 100 according to the first embodiment.
- the route prediction device 100 includes an observation unit 1, a vehicle detection unit 2, a hypothesis generation unit 3, a likelihood calculation unit 4, and a predicted route analysis unit 10.
- the observation unit 1 uses a sensor such as a millimeter wave radar, a laser radar, an optical camera, an infrared camera, and a communication device that receives GPS positions of surrounding vehicles and pedestrians, and the like, Measure the position and speed of vehicles and pedestrians.
- the vehicle detection unit 2 has a function of detecting the own vehicle and at least two neighboring vehicles having a possibility of collision based on the observation result observed by the observation unit 1, and includes a lane detection unit 5, a tracking processing unit 6, a collision A detection unit 7 is provided.
- the hypothesis generation unit 3 has a function of generating a plurality of hypotheses for avoiding a collision between two surrounding vehicles detected by the vehicle detection unit 2.
- the likelihood calculation unit 4 has a function of calculating a likelihood indicating the probability of occurrence for each hypothesis generated by the hypothesis generation unit 3.
- the route prediction unit 8 and the hypothesis likelihood calculation unit 9 are I have.
- the predicted route analysis unit 10 has a function of analyzing a suitable predicted route based on the likelihood calculated by the likelihood calculating unit 4.
- Each function of the hypothesis likelihood calculation unit 9 and the predicted path analysis unit 10 is realized by a processing circuit (Processing Circuit). Even if the processing circuit is dedicated hardware, a CPU that executes a program stored in a memory (Central Processing Unit, central processing unit, processing unit, arithmetic unit, microprocessor, microcomputer, processor, DSP) It may be.
- a processing circuit Central Processing Unit, central processing unit, processing unit, arithmetic unit, microprocessor, microcomputer, processor, DSP
- the path prediction device 100 includes a receiving device 201 including the observation unit 1 and a processing circuit 202, as shown in FIG.
- the processing circuit 202 may be, for example, a single circuit (a single circuit), a composite circuit (multi circuit), a programmed processor (a programmed processor), a parallel programmed processor (ASICCipSicCipSicCerciseCipSicCipSicCeCipSicCeCipSicCeCipSicCeCipSicCipSicCipSicCipSicCiP, and so on). ), FPGA (Field Programmable Gate Array), or a combination thereof.
- Observation unit 1 vehicle detection unit 2, hypothesis generation unit 3, likelihood calculation unit 4, lane detection unit 5, tracking processing unit 6, collision detection unit 7, route prediction unit 8, hypothesis likelihood calculation unit 9, prediction route analysis
- the functions of the respective units of the unit 10 may be realized by a processing circuit, or the functions of the respective units may be collectively realized by a processing circuit.
- the path prediction device 100 includes a receiving device 203, a processing circuit 204, and a memory 205 as shown in FIG.
- Observation unit 1 vehicle detection unit 2, hypothesis generation unit 3, likelihood calculation unit 4, lane detection unit 5, tracking processing unit 6, collision detection unit 7, route prediction unit 8, hypothesis likelihood calculation unit 9, prediction route analysis
- the function of the unit 10 is realized by software, firmware, or a combination of software and firmware.
- Software and firmware are described as programs and stored in a memory.
- the processing circuit 204 implements the functions of each unit by reading and executing a program stored in the memory. An example of these programs can be represented by steps S101 to S108 shown in FIG.
- the memory 205 is, for example, a nonvolatile or volatile semiconductor memory such as RAM, ROM, flash memory, EPROM, EEPROM, a magnetic disk, a flexible disk, an optical disk, a compact disk, a mini disk, a DVD, or the like. Applicable.
- observation unit 1 vehicle detection unit 2, hypothesis generation unit 3, likelihood calculation unit 4, lane detection unit 5, tracking processing unit 6, collision detection unit 7, route prediction unit 8, hypothesis likelihood calculation unit 9, prediction
- a part of the functions of the route analysis unit 10 may be realized by dedicated hardware, and part of the functions may be realized by software or firmware.
- the function of the observation unit 1 is realized by a processing circuit as dedicated hardware, and the vehicle detection unit 2, hypothesis generation unit 3, likelihood calculation unit 4, lane detection unit 5, tracking processing unit 6, collision detection
- the functions of the unit 7, the route prediction unit 8, the hypothesis likelihood calculation unit 9, and the prediction route analysis unit 10 can be realized by the processing circuit reading and executing the program stored in the memory.
- the processing circuit can realize the above functions by hardware, software, firmware, or a combination thereof.
- FIG. 4 is a flowchart showing processing in the route prediction apparatus 100 according to Embodiment 1 of the present invention.
- the observation unit 1 in the route prediction device 100 uses sensors such as millimeter wave radar, laser radar, optical camera, infrared camera, and a communication device that receives GPS positions of surrounding vehicles and pedestrians.
- the area including the own vehicle and other moving vehicles is observed, and the positions and speeds of surrounding vehicles and pedestrians are measured (S101).
- the lane detection unit 5 in the vehicle detection unit 2 recognizes a white line from a camera image or the like, and obtains lane information where the vehicle is located (S102).
- the tracking processing unit 6 in the vehicle detection unit 2 calculates a position estimation value of the surrounding vehicle, a speed estimation value, and an estimation error covariance matrix of the position and speed through tracking processing based on the position and speed acquired by the sensor. (S103).
- the collision detection unit 7 in the vehicle detection unit 2 detects surrounding vehicles that may collide with each other (S104). For example, it may be detected based on the concept of TTC (Time To Collision). TTC is defined by equation (1). If TTC is equal to or less than a threshold, it is detected as a vehicle that may collide. Here, the vehicle i is traveling on the same lane as the vehicle j, and the vehicle i is a preceding vehicle of the surrounding vehicle j.
- TTC Time To Collision
- Estimated position in the vertical direction of the surrounding vehicle i at the sampling time k Estimated speed in the longitudinal direction of the surrounding vehicle i at the sampling time k: Estimated position in the longitudinal direction of the surrounding vehicle j at the sampling time k: Surrounding vehicle j at the sampling time k Estimated speed for vertical direction
- a predetermined area may be set around the own vehicle, and a vehicle having a predicted position after 1 to N steps in the area may be detected and regarded as a target vehicle.
- N predicted positions up to N steps ahead are calculated as in equation (2).
- Equations (2) to (5) are prediction equations based on a motion model (hereinafter, a constant velocity motion model) in which the vehicle travels with the current speed being constant.
- a constant velocity motion model in which the vehicle travels with the current speed being constant.
- a constant acceleration motion model may be predicted depending on the traveling state.
- Estimated state vector of surrounding vehicle i at sampling time k N step ahead predicted state vector of surrounding vehicle i at sampling time k: Estimated position with respect to lateral direction of surrounding vehicle i at sampling time k: Position of surrounding vehicle i at sampling time k Estimated speed for the lateral direction: N step ahead predicted position for the lateral direction of the surrounding vehicle i at the sampling time k: N step ahead predicted speed for the lateral direction of the surrounding vehicle i at the sampling time k: Vertical direction of the surrounding vehicle i at the sampling time k N step ahead predicted position for: N step ahead predicted speed for vertical direction of surrounding vehicle i at sampling time k: step width: unit matrix of L rows and L columns
- the hypothesis generation unit 3 performs the following process when a plurality of collision possibilities are detected by the collision detection unit 7 and at least two surrounding vehicles having a collision possibility are detected.
- the hypothesis generation unit 3 first selects at least two neighboring vehicles (hereinafter referred to as avoiding vehicles) that have a collision possibility to take an avoidance action in order to avoid the plurality of collision possibilities.
- a prediction scene (hereinafter referred to as a hypothesis) is generated from a combination of collision avoidance models that can be taken by at least two avoiding vehicles (S105). For example, as shown in FIG. 5, when the own vehicle and vehicles A to E exist and vehicles A and B and vehicles C and E collide, in order to avoid the collision between the following vehicles A and C, Avoid according to the collision avoidance model.
- a braking avoidance model may be defined as the collision avoidance model.
- the braking avoidance model is a model that avoids collision by braking while maintaining the lane
- the left / right steering avoidance model is a model that changes lane to the left / right by inputting the steering amount and avoids collision.
- the braking amount or the steering amount is set so as not to exceed a predetermined limit value.
- FIG. 5 since the traveling lane has two lanes, four hypotheses are generated from the combination of the collision avoidance models of the vehicles A and C as shown in FIG. In FIG.
- a combination of models that the vehicles A and C can take can be treated as a predicted scene (hypothesis).
- This hypothesis is stored in advance in a memory or the like, and a hypothesis suitable for the arrangement pattern of the avoiding vehicle can be read from the memory to extract the hypothesis.
- the conventional technology does not describe an example of generating a combination of avoidance models of at least two neighboring vehicles with a possibility of collision, and calculates the degree of interference with other neighboring vehicles individually for each neighboring vehicle. For this reason, it is necessary to calculate the degree of interference even in a state where contradictions occur, such as routes of a plurality of surrounding vehicles overlapping each other.
- the present embodiment by using a combination of avoidance models of at least two neighboring vehicles, it is possible to generate a hypothesis focused on only a combination of routes that at least two neighboring vehicles can take. As a result, it is possible to reduce the amount of calculation processing by advancing the calculation processing by focusing on a combination of necessary routes without causing a contradiction such as overlapping of routes that at least two neighboring vehicles can take.
- the route prediction unit 8 in the likelihood calculation unit 4 calculates a predicted position up to N steps ahead based on the collision avoidance model for the avoidance vehicle for each hypothesis shown in FIG. 6 as a future predicted position (S106).
- the predicted position up to N steps ahead is calculated as a future predicted position on the assumption that the vehicle moves at a constant speed.
- a predicted position calculation method based on a collision avoidance model will be described.
- a temporary path (predicted position up to N steps ahead) is calculated as shown in Equation (6). : Braking acceleration
- the predicted position of the vehicle with respect to steering differs depending on vehicle parameters such as the vehicle weight, the position of the center of gravity of the vehicle body, and the yaw moment of inertia
- the predicted position is calculated in advance.
- a parameter estimated by a known learning algorithm or the like may be used.
- the hypothesis likelihood calculation unit 9 in the likelihood calculation unit 4 calculates the hypothesis likelihood based on the temporary route calculated by the route prediction unit 8 for each hypothesis (S107). For example, regarding the calculation of hypothesis likelihood, likelihood evaluation is performed using the collision time.
- the number of predicted steps n min (i, j) that vehicles i and j are closest to is defined by equation (9), and the distance R min (i, j) between vehicles i and j is defined by equation (10).
- the vehicles i and j are considered to collide and the collision time is calculated.
- the collision time is set as a fixed value equal to or greater than the maximum prediction step number N.
- Equation (13) The left side of Equation (13) is the likelihood of the mth hypothesis ⁇ m, and Z (k) means the sensor observation value at the latest sample time k. Equation (13) means that the sum of collision times is taken for all combinations of surrounding vehicles. However, the above combination may be limited to only the two closest vehicles, or may be limited to only vehicles that are predicted to be on the same lane.
- the likelihood evaluation may be performed in consideration of the sensor error or the error after the tracking process.
- the collision risk is calculated based on the position estimation error covariance matrix output from the tracking processing unit 6 and the position and speed estimation values.
- Smoothing error covariance matrix of target tgti at sampling time k n step ahead prediction error covariance matrix of target tgti at sampling time k
- Equation (17) The number of predicted steps n min (i, j) that minimizes the Mahalanobis square distance between vehicles i and j is given by Equation (17), and the Mahalanobis square distance minimum value ⁇ min (i, j) between vehicles i and j is given by Equation (18). ).
- Equation (19) The right side of equation (19) means that the sum of Mahalanobis square distances is taken for all combinations of vehicles. However, it may be limited only to the two closest vehicles, or may be limited to only vehicles that are predicted to be on the same lane.
- the reciprocal of the degree of overlap may be used for the prediction error covariance matrix of the n steps ahead, using the overlap between prediction error distributions between vehicles as an index.
- the probability distribution of vehicles i and j is represented with the horizontal axis representing the position and the vertical axis representing the probability density function based on the error distribution.
- the degree of overlap corresponds to a range where the vehicle error distributions in FIG. 7 overlap (the hatched portion in FIG. 7). 7 is an area because the position is one-dimensional for convenience of explanation, but it is a volume on a two-dimensional plane.
- the likelihood evaluation value may be defined by equation (20).
- the hypothesis likelihood of each hypothesis is output.
- FIG. 8 is a diagram for explaining an output example by hypothesis likelihood calculation. From FIG. 8, Hypothesis 1 has collision with vehicles A and C, Hypothesis 2 has collision with vehicles C and D, Hypothesis 4 has low likelihood because vehicle C and D collide, and Hypothesis 3 has no collision. A result with a high hypothesis likelihood is obtained.
- the predicted path analysis unit 10 first calculates the hypothesis reliability from the equation (21). As a result, the reliability of the predicted path corresponding to each hypothesis can be grasped.
- the predicted route analysis unit 10 can output the analysis result related to the predicted route in various formats using the reliability of the predicted route. For example, the predicted route with the maximum reliability can be selectively output by selecting the predicted route of the surrounding vehicle included in the hypothesis ⁇ m having the maximum hypothesis reliability (S108). Moreover, it is also possible to output other formats from the predicted path analysis unit 10 using the reliability information.
- the hypothetical reliability of hypothesis 3 is the highest in the example of FIG. 8, so that vehicle A selects the predicted route based on braking avoidance and vehicle C selects the predicted route based on braking avoidance. .
- the route prediction apparatus 100 is based on the observation unit 1 that observes the position and speed of the vehicle and its surrounding vehicles, and the observation results observed by the observation unit 1.
- a vehicle detection unit 2 that detects the host vehicle and at least two neighboring vehicles that may collide, and a hypothesis generation unit 3 that generates a plurality of hypotheses that avoid collision between at least two neighboring vehicles detected by the vehicle detection unit 2
- a likelihood calculation unit 4 that calculates the likelihood indicating the probability of occurrence of each of the plurality of hypotheses generated by the hypothesis generation unit 3 and at least 2 based on the likelihood calculated by the likelihood calculation unit 4
- a route prediction apparatus comprising: a predicted route analysis unit that analyzes predicted routes of two neighboring vehicles and outputs the analysis result.
- the vehicle detection unit 2 includes the lane detection unit 5 that detects the lane where the vehicle is located based on the observation result observed by the observation unit 1, and the observation that is observed by the observation unit 1.
- a tracking processing unit 6 that tracks the surrounding vehicle of the own vehicle based on the result, and a collision detection unit 7 that detects at least two surrounding vehicles that may collide from the surrounding vehicles that are tracked by the tracking processing unit 6; , Provided. With such a configuration, it is possible to detect at least two surrounding vehicles having a possibility of collision.
- the likelihood calculating unit 4 predicts the future positions of at least two neighboring vehicles for each hypothesis generated by the hypothesis generating unit 3, and the route predicting unit 8
- a hypothesis likelihood calculation unit 9 that calculates likelihoods indicating the likelihood of occurrence of each of a plurality of hypotheses generated by the hypothesis generation unit 3 based on the future positions of the at least two neighboring vehicles predicted in It is provided with.
- the predicted route analysis unit 10 selects and outputs the predicted routes of the at least two vehicles based on the likelihood calculated by the hypothesis likelihood calculation unit 9. .
- a predicted route that is most likely to occur can be expressed as a prediction result of the route prediction device 100.
- Embodiment 2 the format for selectively outputting the predicted route with the maximum reliability from the predicted route analysis unit 10 is disclosed, but it is also possible to output the analysis result in other formats.
- the second embodiment a case where an analysis result different from that in the first embodiment is output will be described.
- FIG. 9 is a configuration diagram showing the route prediction apparatus 100 according to the second embodiment.
- the route prediction apparatus 100 of the present embodiment includes an observation unit 1, a lane detection unit 5, a tracking processing unit 6, a collision detection unit 7, a hypothesis generation unit 3, a route prediction unit 8, and a hypothesis likelihood calculation. 9, a predicted path analysis unit 10, and a predicted path reliability calculation unit 11 included in the predicted path analysis unit 10.
- the hardware configuration for realizing the functions of the respective units in the route prediction apparatus 100 shown in FIG. 9 is represented by the configuration of FIG. 2 or FIG. 3 as in the first embodiment.
- the predicted route reliability calculation unit 11 calculates an index representing the likelihood of occurrence of the predicted route of each vehicle as the predicted route reliability.
- the reliability with which the vehicle i adopts the predicted route based on the collision avoidance model j is calculated by Expression (22).
- the left side of Equation (22) is the reliability with which the vehicle i adopts a predicted route based on the collision avoidance model j.
- ⁇ m ) in the equation (23) is a term relating to the combination, and is 1 when the predicted path is included in the hypothesis ⁇ m and 0 when not included.
- a value obtained by normalizing the predicted path based on the collision avoidance model j for the vehicle i with the reliability of the all collision avoidance model may be replaced with the predicted path reliability. Since other processes are the same as those in the first embodiment, description thereof is omitted.
- the predicted route analysis unit 10 is based on the likelihood calculated by the likelihood calculating unit 4, and the predicted route reliability indicating the likelihood of the predicted routes of at least two neighboring vehicles.
- the predicted route reliability calculation unit 11 is provided for calculating the predicted route for each predicted route.
- Embodiment 3 shows a configuration in the case where the output from the route prediction apparatus 100 according to the first and second embodiments is displayed on the display unit.
- FIG. 10 is a configuration diagram illustrating the route prediction apparatus 100 according to the third embodiment.
- the route prediction apparatus 100 according to the third embodiment includes an observation unit 1, a signal processing unit 20, and a display unit 30, and the signal processing unit 20 is the vehicle shown in the first and second embodiments.
- a detection unit 2, a hypothesis generation unit 3, a likelihood calculation unit 4, and a predicted path analysis unit 10 are included.
- the hardware configuration for realizing the function of each unit in the route prediction apparatus 100 shown in FIG. 10 is represented by the configuration of FIG. 2 or FIG. 3 as in the first embodiment.
- the observation unit 1 observes an area including the own vehicle and other moving vehicles as in the first and second embodiments, and the observation results are used in the first and second embodiments.
- the signal processing unit 20 generates a plurality of hypotheses indicating models in which at least two neighboring vehicles having a possibility of collision avoid the collision, and sets the predicted route reliability of the predicted route corresponding to each of the plurality of hypotheses.
- the display unit 30 displays a predicted route that can be taken by at least two neighboring vehicles and a reliability corresponding to the predicted route on the display screen.
- the position of the own vehicle, the observation unit 1 that observes the position and speed of the surrounding vehicle of the own vehicle, and the observation result observed by the observation unit 1 are detected.
- a signal for generating a plurality of hypotheses indicating a collision avoidance model of at least two neighboring vehicles having a possibility of collision, and calculating a predicted route reliability of the predicted route of the at least two neighboring vehicles corresponding to each of the plurality of hypotheses A processing unit 20 and a display unit 30 for displaying the predicted route reliability and the predicted route reliability of the at least two neighboring vehicles based on the predicted route reliability calculated by the signal processing unit 20 are provided. .
- the route prediction device 100 can visually grasp the predicted routes of the surrounding vehicles. Further, by displaying the predicted route by changing the color according to the predicted route reliability, the user can more accurately recognize the predicted route having the higher predicted route reliability.
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
この発明の経路予測装置は、自車及びその他の移動車両を含むエリアを測定する測定部と、測定部で測定された測定結果に基づき、前記自車及び衝突可能性のある少なくとも2つの周辺車両を検知する車両検知部と、車両検知部で検知された少なくとも2つの周辺車両が衝突を回避する複数の仮説を生成する仮説生成部と、前記仮説生成部で生成された複数の仮説のそれぞれの発生する確からしさを示す尤度を算出する尤度算出部と、前記尤度算出部で算出された尤度に基づき、前記少なくとも2つの周辺車両の予測経路を分析し、その分析結果を出力する予測経路分析部と、を備えたことを特徴とする。このような構成により、複数の周辺車両に衝突が起こり得る場合において、矛盾なく複数車両の予測経路を算出することができ、周辺車両の経路の予測性能を向上することができる。
Description
この発明は移動体の進行経路を予測する経路予測装置に関するものである。
近年、移動体同士の衝突を回避する安全な経路を予測する技術は車両の運転支援システムや航空管制など様々な分野で要求されている。例えば車両の運転支援システムでは、自車両周辺に存在する車両や停止物等の障害物の位置を自車両に搭載したミリ波レーダ、レーザレーダ、カメラ等のセンサによって取得し、自車両と障害物の相対距離や相対速度より衝突危険性を判断した上で、自車両を制御し、衝突を防止する技術が開発されている。また、より高度な技術として、前記センサによって周辺環境を認識し、運転者の操作無く、自動でハンドル操作やブレーキなどの操作を行い、目的地まで到達する自動運転技術も開発が進められている。
特許文献1では、複数車両同士の相互作用を考慮した経路生成及び自車両の制御量評価手法について開示されている。しかし、あらかじめ設定した制御則に基づいて最適な予測経路を算出するため、周辺車両が制御則に従わない場合には予測経路を誤る問題がある。また、周辺車両位置を観測する際のセンサ誤差を考慮してないため、センサ誤差の影響がある場合には予測経路を誤る問題がある。さらに、周辺車両ごとの想定速度をパラメータとして与える等、設定すべきパラメータが多く、設計が複雑であることが懸念される。
特許文献2では、車両の予測経路をあらかじめ複数生成し、生成した予測経路について、自車と周辺車両間で予測経路の干渉度を計算することで、所定の選択基準に最も適合する経路を選択する方法が開示されている。しかし、全周辺車両について予測経路を計算する場合は、1つの周辺車両の予測経路に対して他の周辺車両の全ての予測経路を考慮した干渉度を計算する必要があり、演算負荷が膨大となることが懸念される。また、自車両の予測経路のみを算出する方法については開示されているが、周辺車両の予測経路を算出する方法については開示も示唆もされていない。
複数の周辺車両が近接する状況下において予測経路を算出する際の課題について、より具体的に説明する。図11のように車両E、Dが先行車である車両C、Bそれぞれと衝突する場合を想定する。加えて、車両Eは車両Cとの衝突を回避するために操舵して右車線へ変更する確率が高く、車両Dは左車線へ変更するスペースがないため、制動して衝突を回避する確率が高いとする。しかし、図12のように車両Eが操舵、車両Dが制動によって先行車との衝突を回避する経路を予測した場合、車両DとEの衝突可能性が発生することになる。これについて、再予測によって、車両DとEとの衝突を回避したとしても、更に別の衝突可能性が発生し、全ての起こりうる衝突を回避するための予測経路が算出できない問題がある。
従来の経路予測装置では、1つの周辺車両の予測経路に対して他の周辺車両の全ての予測経路を考慮した干渉度を計算することで、1つの周辺車両の経路を予測している。また、複数の周辺車両の経路は個別に予測される。しかし、従来の経路予測装置では、1つの周辺車両の予測経路と他の周辺車両の予測経路の組み合わせに対する干渉度は算出されないため、複数の周辺車両の相互の動きを考慮した経路予測が行われない。その結果、複数の周辺車両の経路予測に重なりが生じるなど矛盾が生じる場合もあり、複数の周辺車両の相互の経路を精度よく予測できないことが課題となる。また、1つの周辺車両の予測経路に対して他の周辺車両の全ての予測経路を考慮した干渉度を計算するため、演算負荷が大きいことも課題となる。
本発明は上記の課題を解決するためになされたものであって、将来的に複数車両に衝突が起こり得る場合において、演算負荷を低減しつつ、矛盾なく複数車両の予測経路を算出することを目的とする。
この発明に係る経路予測装置は、自車の位置、及び前記自車の周辺車両の位置と速度を観測する観測部と、前記観測部で観測された観測結果に基づき、前記自車及び衝突可能性のある少なくとも2つの前記周辺車両を検知する車両検知部と、前記車両検知部で検知された少なくとも2つの周辺車両が衝突を回避する複数の仮説を生成する仮説生成部と、前記仮説生成部で生成された複数の仮説のそれぞれの発生する確からしさを示す尤度を算出する尤度算出部と、前記尤度算出部で算出された尤度に基づき、前記少なくとも2つの周辺車両の予測経路を分析し、その分析結果を出力する予測経路分析部と、を備えたことを特徴とする。
この発明によれば、将来的に複数の周辺車両に衝突が起こり得る場合において、演算負荷を低減しつつ、矛盾なく複数車両の予測経路を算出することができる。
実施の形態1.
以下、この発明の実施の形態について説明する。
以下、この発明の実施の形態について説明する。
図1は、実施の形態1の経路予測装置100を示す構成図である。図1に示すように、本実施例の経路予測装置100は、観測部1、車両検知部2、仮説生成部3、尤度算出部4、予測経路分析部10を備えている。ここで、観測部1はミリ波レーダ、レーザレーダ、光学カメラ、赤外カメラ等のセンサ、及び周辺車両や歩行者のGPS位置を受信する通信装置等を用いて、自車の位置、及び周辺車両や歩行者の位置や速度を測定する。車両検知部2は観測部1で観測された観測結果に基づき自車及び衝突可能性のある少なくとも2つの周辺車両を検知する機能を有しており、レーン検出部5、追尾処理部6、衝突検知部7を備える。また、仮説生成部3は車両検知部2で検知された2つの周辺車両が衝突を回避する複数の仮説を生成する機能を有している。また、尤度算出部4は仮説生成部3で生成された仮説ごとにその発生する確からしさを示す尤度を算出する機能を有しており、経路予測部8、仮説尤度計算部9を備えている。予測経路分析部10は尤度算出部4で算出された尤度に基づき、適した予測経路を分析する機能を有している。
実施の形態1に記載の経路予測装置100における観測部1、車両検知部2、仮説生成部3、尤度算出部4、レーン検出部5、追尾処理部6、衝突検知部7、経路予測部8、仮説尤度計算部9、予測経路分析部10の各機能は、処理回路(Processing Circuitry)により実現される。処理回路は、専用のハードウェアであっても、メモリに格納されるプログラムを実行するCPU(Central Processing Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサー、DSPともいう)であってもよい。
処理回路が専用のハードウェアである場合、経路予測装置100は、図2に示すように、観測部1を含む受信装置201と処理回路202とを備える。処理回路202は、例えば、単一回路(a single circuit)、複合回路(multiple circuits)、プログラム化したプロセッサー(a programmed processor)、並列プログラム化したプロセッサー(multiple programmed processors)、ASIC(Application Specific Integrated Circuit)、FPGA(Field Programmable Gate Array)、またはこれらを組み合わせたものが該当する。観測部1、車両検知部2、仮説生成部3、尤度算出部4、レーン検出部5、追尾処理部6、衝突検知部7、経路予測部8、仮説尤度計算部9、予測経路分析部10の各部の機能それぞれを処理回路で実現してもよいし、各部の機能をまとめて処理回路で実現してもよい。
処理回路がCPUの場合、経路予測装置100は、図3に示すように、受信装置203と、処理回路204と、メモリ205とを備える。観測部1、車両検知部2、仮説生成部3、尤度算出部4、レーン検出部5、追尾処理部6、衝突検知部7、経路予測部8、仮説尤度計算部9、予測経路分析部10の機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアやファームウェアはプログラムとして記述され、メモリに格納される。処理回路204は、メモリに記憶されたプログラムを読み出して実行することにより、各部の機能を実現する。これらのプログラムの一例は後に述べる図4に示されるステップS101~S108で表すことができる。また、これらのプログラムは、観測部1、車両検知部2、仮説生成部3、尤度算出部4、レーン検出部5、追尾処理部6、衝突検知部7、経路予測部8、仮説尤度計算部9、予測経路分析部10の手順や方法をコンピュータに実行させるものであるともいえる。ここで、メモリ205とは、例えば、RAM、ROM、フラッシュメモリー、EPROM、EEPROM等の、不揮発性または揮発性の半導体メモリや、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、DVD等が該当する。
なお、観測部1、車両検知部2、仮説生成部3、尤度算出部4、レーン検出部5、追尾処理部6、衝突検知部7、経路予測部8、仮説尤度計算部9、予測経路分析部10の各機能について、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。例えば、観測部1については専用のハードウェアとしての処理回路でその機能を実現し、車両検知部2、仮説生成部3、尤度算出部4、レーン検出部5、追尾処理部6、衝突検知部7、経路予測部8、仮説尤度計算部9、予測経路分析部10については処理回路がメモリに格納されたプログラムを読み出して実行することによってその機能を実現することが可能である。
このように、処理回路は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの組み合わせによって、上述の各機能を実現することができる。
図4にこの発明の実施の形態1に係る経路予測装置100での処理を示すフローチャートを示す。図4を用いて経路予測装置100の動作を説明する。図1で、経路予測装置100内の観測部1はミリ波レーダ、レーザレーダ、光学カメラ、赤外カメラ等のセンサ、及び周辺車両や歩行者のGPS位置を受信する通信装置等を用いて、自車及びその他の移動車両を含むエリアを観測し、周辺車両や歩行者の位置や速度を測定する(S101)。車両検知部2内のレーン検出部5はカメラ画像等から白線を認識し、自車の位置するレーン情報を得る(S102)。車両検知部2内の追尾処理部6はセンサで取得した位置や速度に基づき追尾処理を介して、周辺車両の位置推定値、速度推定値、前記位置及び速度の推定誤差共分散行列を算出する(S103)。
車両検知部2内の衝突検知部7では周辺車両同士で衝突する可能性のある周辺車両を検知する(S104)。例えば、TTC(Time To Collision)の考え方に基づいて検知しても良いこととする。TTCは式(1)で定義され、TTCが閾値以下であれば衝突する可能性がある車両として検知する。ここで、車両iは車両jと同じレーンを走行しており、車両iは周辺車両jの先行車両とする。
:サンプリング時刻kにおける周辺車両iの縦方向に対する推定位置
:サンプリング時刻kにおける周辺車両iの縦方向に対する推定速度
:サンプリング時刻kにおける周辺車両jの縦方向に対する推定位置
:サンプリング時刻kにおける周辺車両jの縦方向に対する推定速度
また、別の方法として、自車周辺に所定領域を設定しておき、前記領域に1~Nステップ後の予測位置が入る車両を検知し、ターゲット車両とみなしてもよい。ここで、式(2)のようにNステップ先までのN個の予測位置を計算する。ここで、式(2)~式(5)は、車両が現在の速度を一定として走行する運動モデル(以下、等速運動モデル)に基づく予測式である。ただし、等速運動モデルに限らず、走行状況によっては等加速度運動モデルとして予測しても良いこととする。
:サンプリング時刻kにおける周辺車両iの推定状態ベクトル
:サンプリング時刻kにおける周辺車両iのNステップ先予測状態ベクトル
:サンプリング時刻kにおける周辺車両iの横方向に対する推定位置
:サンプリング時刻kにおける周辺車両iの横方向に対する推定速度
:サンプリング時刻kにおける周辺車両iの横方向に対するNステップ先予測位置
:サンプリング時刻kにおける周辺車両iの横方向に対するNステップ先予測速度
:サンプリング時刻kにおける周辺車両iの縦方向に対するNステップ先予測位置
:サンプリング時刻kにおける周辺車両iの縦方向に対するNステップ先予測速度
:ステップ幅
:L行L列の単位行列
仮説生成部3では衝突検知部7において複数の衝突可能性が検知され、衝突可能性のある少なくとも2つの周辺車両が検知された場合に、以下の処理を実施する。仮説生成部3では、まず、上記の複数の衝突可能性を回避するために回避行動をとる衝突可能性のある少なくとも2つの周辺車両(以下、回避車両)を選定する。次に、少なくとも2つの回避車両が取り得る衝突回避モデルの組み合わせから予測シーン(以降、仮説と呼ぶ)を生成する(S105)。例えば、図5のように自車及び車両A~Eが存在し、車両AとB、車両CとEが衝突する場合では、後続車である車両Aと車両Cが衝突を回避するために、衝突回避モデルに従って回避する。ここで、衝突回避モデルとして、例えば制動回避モデル、左操舵回避モデル、右操舵回避モデルを定義してもよい。制動回避モデルは車線維持したまま、制動で衝突を回避するモデル、左/右操舵回避モデルは操舵量を入力することで左/右へ車線変更し、衝突を回避するモデルとする。また、前記モデルについて、制動量もしくは操舵量は所定の限界値を超えないように設定することとする。図5では、走行車線は2レーンのため、図6のように車両A及び車両Cの衝突回避モデルの組み合わせから4つの仮説が生成される。図6では、走行車線が2レーンであるため、車両Aに対しては右操舵モデルと制動モデルのみが扱われ、左操舵モデルは現実の経路との矛盾が生じため扱われていない。また、車両Cに対しては左操舵モデルと制動モデルのみが扱われ、右操舵モデルは現実の経路との矛盾が生じため扱われていない。このように、現実に生じる経路と矛盾の生じるモデルを排除し、矛盾の生じないモデルのみを扱う。また、図6では、各車両A、Cに対して扱うモデルの組み合わせ全てを扱っているが、各車両A、Cに対して扱うモデルの組み合わせの中で現実の経路と矛盾が生じる場合には、その組み合わせを排除することもできる。その結果、本実施の形態では、車両A、Cの取り得るモデルの組み合わせを起こり得る予測シーン(仮説)として扱うことができる。なお、この仮説は前もってメモリ等に格納し、回避車両の配置パターンに適した仮説をそのメモリから読み込むことで、その仮説を取り出すことができる。
なお、従来の技術では、衝突可能性のある少なくとも2つの周辺車両の回避モデルの組み合わせを生成する例は記載されておらず、周辺車両ごとに個別に他の周辺車両との干渉度を計算するため、複数の周辺車両の経路が相互に重なるなど矛盾の生じる状態に対しても干渉度を計算する必要がある。これに対して、本実施の形態では、少なくとも2つの周辺車両の回避モデルの組み合わせを用いることによって、少なくとも2つの周辺車両が互いに取り得る経路の組み合わせのみに絞った仮説を生成することができる。その結果、少なくとも2つの周辺車両の取り得る経路が重なるなどの矛盾を発生させることなく、必要の経路の組み合わせに絞って、演算処理を進めることで演算処理量を低減することもできる。
尤度算出部4内の経路予測部8では、図6で示した仮説ごとに回避車両について衝突回避モデルに基づくNステップ先までの予測位置を、将来の予測位置として算出する(S106)。また、回避車両以外については、衝突検知部7で述べたように、車両が等速で運動すると仮定して、Nステップ先までの予測位置を将来の予測位置として算出する。ただし、既に衝突検知部7で算出済みの予測位置については再計算の必要はない。例として、衝突回避モデルに基づく予測位置算出方法について説明する。制動回避モデルの制動用加速度に基づいて式(6)のように仮経路(Nステップ先までの予測位置)を算出する。
:制動用加速度
:制動用加速度
左/右操舵回避モデルについても同様に算出できる。ここで、操舵に対する車両の予測位置は、車両重量、車体重心位置、ヨー慣性モーメントなどの車両パラメータによって異なるため、車両パラメータが既知である場合は、予め設定しておき、予測位置を算出する。また、車両パラメータが未知である場合は、公知の学習アルゴリズムなどによって推定されたパラメータを用いても良いこととする。
尤度算出部4内の仮説尤度計算部9では、仮説ごとに経路予測部8で算出した仮経路に基づいて仮説尤度を算出する(S107)。例えば、仮説尤度の算出については、衝突する時間を用いて尤度評価を行う。車両iとjが最も近づく予測ステップ数nmin(i、j)を式(9)、車両i、j間の距離Rmin(i、j)を式(10)によって定義する。
車両i、j間の距離Rmin(i、j)が閾値以下となる場合は車両i、jが衝突するとみなして、衝突時間を算出する。
車両i、j間の距離Rmin(i、j)が閾値を超える場合は衝突しないとみなして、衝突時間を最大予測ステップ数N以上の固定値として設定する。
車両i、j間の距離Rmin(i、j)が閾値を超える場合は衝突しないとみなして、衝突時間を最大予測ステップ数N以上の固定値として設定する。
次に尤度評価値を式(13)で定義する。式(13)の左辺はm番目の仮説Φmの尤度であり、Z(k)は最新サンプル時刻kにおけるセンサ観測値を意味する。式(13)は周辺車両同士の全組み合わせについて衝突時間の和をとることを意味している。ただし、上記組み合わせについては、最も近接する2車両についてのみ限定しても良いし、同一車線上に入ると予測される車両のみに限定しても良いこととする。
また、仮説尤度の算出について、センサ誤差もしくは追尾処理後の誤差を考慮して尤度評価を行っても良い。まずは、追尾処理部6で出力される位置の推定誤差共分散行列および位置及び速度推定値に基づいて衝突危険度を算出する。式(14)のようにサンプリング時刻kにおける車両i、jのn(n=1、…、N)ステップ後の予測位置の差分を前記推定誤差共分散行列で正規化した値、つまりマハラノビス平方距離εk+nを算出する。
:サンプリング時刻kにおける目標tgtiの平滑誤差共分散行列
:サンプリング時刻kにおける目標tgtiのnステップ先予測誤差共分散行列
:サンプリング時刻kにおける目標tgtiの平滑誤差共分散行列
:サンプリング時刻kにおける目標tgtiのnステップ先予測誤差共分散行列
次に、尤度評価値を式(19)で定義する。式(19)の右辺は車両同士の全組み合わせについてマハラノビス平方距離の和をとることを意味している。ただし、最も近接する2車両についてのみ限定しても良いし、同一車線上に入ると予測される車両のみに限定しても良いこととする。
また、仮説尤度の算出では、上記nステップ先の予測誤差共分散行列について、車両間の予測誤差分布同士の重なりを指標として、重なり度合いの逆数を用いても良いこととする。例えば、図7のように横軸を位置、縦軸を誤差分布に基づく確率密度関数として、車両i、jの確率分布を表す。図7より、上記重なり度合いは図7の車両の誤差分布同士が重なる範囲(図7の斜線部分)に相当する。なお、図7は説明の都合上、位置を1次元としているため、面積であるが、2次元平面では体積となる。
ここで、車両i、j間の予測誤差分布同士の重なり度合いをD(i,j)とした場合、D(i,j)が最大となる予測ステップ数における重なり度合いDmax(i,j)の逆数より、尤度評価値を式(20)で定義してもよいこととする。
ここで、仮説尤度計算部9の出力としては各仮説の仮説尤度を出力することとなる。図8は仮説尤度計算による出力例を説明した図である。図8より、仮説1は車両AとCが衝突、仮説2は車両CとDが衝突、仮説4は車両CとDが衝突するために仮説尤度は低くなり、仮説3は衝突がないため仮説尤度が高くなる結果が得られる。
ここで、車両i、j間の予測誤差分布同士の重なり度合いをD(i,j)とした場合、D(i,j)が最大となる予測ステップ数における重なり度合いDmax(i,j)の逆数より、尤度評価値を式(20)で定義してもよいこととする。
ここで、仮説尤度計算部9の出力としては各仮説の仮説尤度を出力することとなる。図8は仮説尤度計算による出力例を説明した図である。図8より、仮説1は車両AとCが衝突、仮説2は車両CとDが衝突、仮説4は車両CとDが衝突するために仮説尤度は低くなり、仮説3は衝突がないため仮説尤度が高くなる結果が得られる。
予測経路分析部10では、まずは式(21)より、仮説信頼度を算出する。
この結果、各仮説に対応する予測経路の信頼度を把握することができる。予測経路分析部10はこの予測経路の信頼度をもちいて、予測経路に関する分析結果をさまざまな形式で出力することができる。例えば、仮説信頼度が最大となる仮説Φmに含まれる周辺車両の予測経路を選択することで、信頼度が最大の予測経路を選択的に出力できる(S108)。また、予測経路分析部10から、信頼度情報を用いて他の形式の出力を行うことも可能である。信頼度が最大の予測経路を出力する場合、図8の例では仮説3の仮説信頼度が最も高くなるため、車両Aは制動回避、車両Cは制動回避に基づく予測経路を選択することとなる。
この結果、各仮説に対応する予測経路の信頼度を把握することができる。予測経路分析部10はこの予測経路の信頼度をもちいて、予測経路に関する分析結果をさまざまな形式で出力することができる。例えば、仮説信頼度が最大となる仮説Φmに含まれる周辺車両の予測経路を選択することで、信頼度が最大の予測経路を選択的に出力できる(S108)。また、予測経路分析部10から、信頼度情報を用いて他の形式の出力を行うことも可能である。信頼度が最大の予測経路を出力する場合、図8の例では仮説3の仮説信頼度が最も高くなるため、車両Aは制動回避、車両Cは制動回避に基づく予測経路を選択することとなる。
以上説明した実施の形態1によれば、経路予測装置100は、自車、及び自車の周辺車両の位置と速度を観測する観測部1と、観測部1で観測された観測結果に基づき、自車及び衝突可能性のある少なくとも2つの周辺車両を検知する車両検知部2と、車両検知部2で検知された少なくとも2つの周辺車両が衝突を回避する複数の仮説を生成する仮説生成部3と、仮説生成部3で生成された複数の仮説のそれぞれの発生する確からしさを示す尤度を算出する尤度算出部4と、尤度算出部4で算出された尤度に基づき、少なくとも2つの周辺車両の予測経路を分析し、その分析結果を出力する予測経路分析部10と、を備えたことを特徴とする経路予測装置。このような構成により、将来的に複数の周辺車両に衝突が起こり得る場合において、車両運動に基づいた予測シーンを生成することで、過不足なく現実で想定されるシーンを網羅することが可能となり、矛盾なく複数車両の予測経路を算出することができるため、周辺車両の経路の予測性能が向上する。また、従来技術のような無数の経路に対して干渉度などの評価値を計算する必要がなくなり、演算負荷を低減することが可能となる。
また、実施の形態1によれば、車両検知部2は、観測部1で観測された観測結果に基づき自車の位置するレーンを検出するレーン検出部5と、観測部1で観測された観測結果に基づき自車の周辺車両を追尾する追尾処理部6と、追尾処理部6の追尾結果された周辺車両の中から、衝突可能性のある少なくとも2つの周辺車両を検知する衝突検知部7と、を備えたことを特徴とする。このような構成により、衝突可能性のある少なくとも2つの周辺車両を検知することができる。
また、実施の形態1によれば、尤度算出部4は、仮説生成部3で生成された仮説ごとに少なくとも2つの周辺車両の将来の位置を予測する経路予測部8と、経路予測部8で予測された前記少なくとも2つの周辺車両の将来の位置に基づき、仮説生成部3で生成された複数の仮説のそれぞれの発生する確からしさを示す尤度を算出する仮説尤度計算部9と、を備えたことを特徴とする。このような構成により、衝突可能性のある少なくとも2つの周辺車両の予測経路に対する尤度を算出することが可能となる。
また、実施の形態1によれば、予測経路分析部10は仮説尤度計算部9で算出された尤度に基づき、前記少なくとも2つの車両の予測経路を選択して出力することを特徴とする。このような構成により、最も発生する可能性の高い予測経路を経路予測装置100予測結果として表すことが可能となる。
実施の形態2.
実施の形態1では、予測経路分析部10から信頼度が最大の予測経路を選択的に出力する形式を開示したが、それ以外の形式で分析結果を出力することも可能である。実施の形態2では、実施の形態1とは異なる分析結果を出力する場合について述べる。
実施の形態1では、予測経路分析部10から信頼度が最大の予測経路を選択的に出力する形式を開示したが、それ以外の形式で分析結果を出力することも可能である。実施の形態2では、実施の形態1とは異なる分析結果を出力する場合について述べる。
図9は実施の形態2の経路予測装置100を示す構成図である。図9に示すように、本実施例の経路予測装置100は、観測部1、レーン検出部5、追尾処理部6、衝突検知部7、仮説生成部3、経路予測部8、仮説尤度計算部9、予測経路分析部10、予測経路分析部10に備えられた予測経路信頼度算出部11を備えている。また、図9に示される経路予測装置100内の各部の機能を実現するハードウエア構成は、実施の形態1と同様に、図2又は図3の構成で表される。
予測経路信頼度算出部11では、各車両の予測経路の起こりやすさを表す指標を予測経路信頼度として算出する。例えば、車両iが衝突回避モデルjに基づく予測経路を採用する信頼度を式(22)で算出する。式(22)の左辺は車両iが衝突回避モデルjに基づく予測経路を採用する信頼度である。また、式(23)のP(li、j|Φm)は組み合わせに係わる項であり、仮説Φmに上記予測経路が含まれる場合は1、含まれない場合は0とする。
また、式(24)のように、車両iに対する衝突回避モデルjに基づく予測経路を全衝突回避モデルの信頼度で正規した値を予測経路信頼度として置き換えても良いこととする。
他の処理は実施の形態1と同様であるため、説明を省略する。
他の処理は実施の形態1と同様であるため、説明を省略する。
以上、説明した実施の形態2によれば、予測経路分析部10は尤度算出部4で算出された尤度に基づき、少なくとも2つの周辺車両の予測経路の起こりやすさを表す予測経路信頼度を予測経路ごとに算出する予測経路信頼度算出部11を備えたことを特徴とする。このような構成により、実施の形態1で示したように各車両の予測経路を一つに決定するのではなく、予測経路の起こりやすさを表す定量値を出力することでユーザーが直感的に理解できる。その他のシステムにも利用されやすくなる効果がある。
実施の形態3.
本実施の形態は実施の形態1、2の経路予測装置100からの出力を表示部に表示する場合の構成を示す。
本実施の形態は実施の形態1、2の経路予測装置100からの出力を表示部に表示する場合の構成を示す。
図10は実施の形態3に係る経路予測装置100を示す構成図である。図10に示すように、実施の形態3の経路予測装置100は、観測部1、信号処理部20、表示部30を備えており、信号処理部20は実施の形態1、2で示した車両検知部2、仮説生成部3、尤度算出部4、予測経路分析部10を含んでいる。また、図10に示される経路予測装置100内の各部の機能を実現するハードウエア構成は、実施の形態1と同様に、図2又は図3の構成で表される。
本実施の形態の経路予測装置100は、実施の形態1、2と同様に観測部1で自車及びその他の移動車両を含むエリアを観測し、その観測結果を用いて実施の形態1、2と同様に信号処理部20で衝突可能性のある少なくとも2つの周辺車両が衝突を回避するモデルを示す複数の仮説を生成し、その複数の仮説のそれぞれに対応する予測経路の予測経路信頼度を算出するとともに、予測経路信頼度を出力し、表示部30は少なくとも2つの周辺車両の取り得る予測経路とその予測経路に対応する信頼度を表示画面に表示する。
このように、実施の形態3によれば、自車の位置、及び前記自車の周辺車両の位置と速度を観測する観測部1と、観測部1で観測された観測結果に基づき検出された衝突可能性のある少なくとも2つの周辺車両の衝突回避モデルを示す複数の仮説を生成し、その複数の仮説のそれぞれに対応する前記少なくとも2つの周辺車両の予測経路の予測経路信頼度を算出する信号処理部20と、信号処理部20で算出された予測経路信頼度に基づき、前記少なくとも2つの周辺車両の予測経路と予測経路信頼度を表示する表示部30と、を備えたことを特徴とする。このような構成により、経路予測装置100は周辺車両の予測経路を視覚的に把握することができる。また、予測経路信頼度に応じて色を変えて予測経路を表示することで、ユーザーが予測経路信頼度の高い予測経路をより的確に認識することが可能となる。
1:観測部、2:車両検知部、3:仮説生成部、4:尤度算出部、5:レーン検出部、6:追尾処理部、7:衝突検知部、8:経路予測部、9:仮説尤度計算部、10:予測経路分析部、11:予測経路信頼度算出部、20:信号処理部、30:表示部、100:経路予測装置、201、203:受信装置、202、204:処理回路、205:メモリ
Claims (6)
- 自車の位置、及び前記自車の周辺車両の位置と速度を観測する観測部と、
前記観測部で観測された観測結果に基づき、前記自車及び衝突可能性のある少なくとも2つの前記周辺車両を検知する車両検知部と、
前記車両検知部で検知された少なくとも2つの周辺車両が衝突を回避する複数の仮説を生成する仮説生成部と、
前記仮説生成部で生成された複数の仮説のそれぞれの発生する確からしさを示す尤度を算出する尤度算出部と、
前記尤度算出部で算出された尤度に基づき、前記少なくとも2つの周辺車両の予測経路を分析し、その分析結果を出力する予測経路分析部と、
を備えたことを特徴とする経路予測装置。 - 前記車両検知部は、
前記観測部で観測された観測結果に基づき前記自車の位置するレーンを検出するレーン検出部と、
前記観測部で観測された観測結果に基づき前記周辺車両を追尾する追尾処理部と、
前記追尾処理部の追尾結果された周辺車両の中から、衝突可能性のある前記少なくとも2つの周辺車両を検知する衝突検知部と、
を備えたことを特徴とする請求項1に記載の経路予測装置。 - 前記尤度算出部は、
前記仮説生成部で生成された仮説ごとに前記少なくとも2つの周辺車両の将来の位置を予測する経路予測部と、
前記経路予測部で予測された前記少なくとも2つの周辺車両の将来の位置に基づき、前記仮説生成部で生成された複数の仮説のそれぞれの発生する確からしさを示す尤度を算出する仮説尤度計算部と、
を備えたことを特徴とする請求項1または請求項2に記載の経路予測装置。 - 前記予測経路分析部は前記尤度算出部で算出された尤度に基づき、前記少なくとも2つの周辺車両の予測経路を選択して出力する
ことを特徴とする請求項1乃至3のいずれか1項に記載の経路予測装置。 - 前記予測経路分析部は
前記尤度算出部で算出された尤度に基づき、前記少なくとも2つの周辺車両の予測経路の起こりやすさを表す予測経路信頼度を予測経路ごとに算出する予測経路信頼度算出部
を備えたことを特徴とする請求項1乃至4のいずれか1項に記載の経路予測装置。 - 自車の位置、及び前記自車の周辺車両の位置と速度を観測する観測部と、
前記観測部で観測された観測結果に基づき検出された衝突可能性のある少なくとも2つの前記周辺車両の衝突回避モデルを示す複数の仮説を生成し、該複数の仮説のそれぞれに対応する前記少なくとも2つの前記周辺車両の予測経路の予測経路信頼度を算出する信号処理部と、前記信号処理部で算出された予測経路信頼度に基づき、前記少なくとも2つの前記周辺車両の予測経路と予測経路信頼度を表示する表示部と、
を備えたことを特徴とする経路予測装置。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/069131 WO2017002258A1 (ja) | 2015-07-02 | 2015-07-02 | 経路予測装置 |
US15/739,650 US10741079B2 (en) | 2015-07-02 | 2016-04-27 | Route prediction system |
CN201680037219.6A CN107710304B (zh) | 2015-07-02 | 2016-04-27 | 路径预测装置 |
JP2017526206A JP6272566B2 (ja) | 2015-07-02 | 2016-04-27 | 経路予測装置 |
PCT/JP2016/063161 WO2017002441A1 (ja) | 2015-07-02 | 2016-04-27 | 経路予測装置 |
EP16817551.1A EP3319065B1 (en) | 2015-07-02 | 2016-04-27 | Route prediction device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/069131 WO2017002258A1 (ja) | 2015-07-02 | 2015-07-02 | 経路予測装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2017002258A1 true WO2017002258A1 (ja) | 2017-01-05 |
Family
ID=57608470
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2015/069131 WO2017002258A1 (ja) | 2015-07-02 | 2015-07-02 | 経路予測装置 |
PCT/JP2016/063161 WO2017002441A1 (ja) | 2015-07-02 | 2016-04-27 | 経路予測装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2016/063161 WO2017002441A1 (ja) | 2015-07-02 | 2016-04-27 | 経路予測装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10741079B2 (ja) |
EP (1) | EP3319065B1 (ja) |
JP (1) | JP6272566B2 (ja) |
CN (1) | CN107710304B (ja) |
WO (2) | WO2017002258A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020160603A (ja) * | 2019-03-25 | 2020-10-01 | 本田技研工業株式会社 | 経路決定装置、ロボット及び経路決定方法 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10460534B1 (en) * | 2015-10-26 | 2019-10-29 | Allstate Insurance Company | Vehicle-to-vehicle accident detection |
KR102665894B1 (ko) | 2017-10-13 | 2024-05-16 | 로베르트 보쉬 게엠베하 | 교통 참가자의 방향을 추정하기 위한 시스템 및 방법 |
FR3076045A1 (fr) * | 2017-12-22 | 2019-06-28 | Orange | Procede de surveillance d'un environnement d'un premier element positionne au niveau d'une voie de circulation, et systeme associe |
EP3598414A1 (en) * | 2018-07-20 | 2020-01-22 | Volvo Car Corporation | System and method for avoiding a collision course |
DE102018216423A1 (de) * | 2018-09-26 | 2020-03-26 | Robert Bosch Gmbh | Bestimmung eines Ansteuerungssignals für ein teilautonomes Fahrzeug |
EP3693943B1 (en) * | 2019-02-05 | 2024-05-29 | Honda Research Institute Europe GmbH | Method for assisting a person in acting in a dynamic environment and corresponding system |
CN113544030B (zh) * | 2019-03-18 | 2023-11-17 | 三菱电机株式会社 | 路线生成***、路线生成方法和计算机能读取的存储介质 |
US20200298859A1 (en) * | 2019-03-21 | 2020-09-24 | The Regents Of The University Of Michigan | Safe Autonomous Overtaking with Intention Estimation |
US20220097692A1 (en) * | 2019-04-01 | 2022-03-31 | Mitsubishi Electric Corporation | Vehicle path generation device, vehicle path generation method, and vehicle control device |
WO2020235466A1 (ja) * | 2019-05-23 | 2020-11-26 | 日立オートモティブシステムズ株式会社 | 車両制御システム及び車両制御方法 |
JP7098580B2 (ja) | 2019-07-05 | 2022-07-11 | 株式会社東芝 | 予測装置、予測方法、プログラムおよび車両制御システム |
US11648939B2 (en) * | 2019-11-13 | 2023-05-16 | Zoox, Inc. | Collision monitoring using system data |
US11697412B2 (en) * | 2019-11-13 | 2023-07-11 | Zoox, Inc. | Collision monitoring using statistic models |
EP4030403A4 (en) * | 2020-03-04 | 2022-10-19 | Huawei Technologies Co., Ltd. | METHOD AND DEVICE FOR PREDICTING THE EXIT OF A VEHICLE |
US20210339741A1 (en) * | 2020-04-30 | 2021-11-04 | Zoox, Inc. | Constraining vehicle operation based on uncertainty in perception and/or prediction |
CN112124319B (zh) * | 2020-08-28 | 2021-04-23 | 青岛慧拓智能机器有限公司 | 一种智能驾驶*** |
US11945472B2 (en) * | 2020-08-28 | 2024-04-02 | Motional Ad Llc | Trajectory planning of vehicles using route information |
US20220282980A1 (en) * | 2021-03-03 | 2022-09-08 | International Business Machines Corporation | Pedestrian route guidance that provides a space buffer |
CN113753038B (zh) * | 2021-03-16 | 2023-09-01 | 京东鲲鹏(江苏)科技有限公司 | 一种轨迹预测方法、装置、电子设备和存储介质 |
JP7175344B1 (ja) | 2021-05-11 | 2022-11-18 | 三菱電機株式会社 | 車両制御装置、車両制御システム、車両制御方法及び車両制御プログラム |
US11938959B2 (en) * | 2021-10-12 | 2024-03-26 | Here Global B.V. | Driving assistance device, system thereof, and method thereof |
JP7191179B1 (ja) | 2021-10-27 | 2022-12-16 | 三菱電機株式会社 | 車両制御装置、車両制御システム、車両制御方法および車両制御プログラム |
JP7224421B1 (ja) * | 2021-11-12 | 2023-02-17 | 三菱電機株式会社 | 経路予測装置、経路予測方法、および車両管制システム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010033352A (ja) * | 2008-07-29 | 2010-02-12 | Toyota Central R&D Labs Inc | 車線変更警報装置及びプログラム |
JP2014241036A (ja) * | 2013-06-11 | 2014-12-25 | 三菱電機株式会社 | 車両運転支援装置 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3714258B2 (ja) | 2002-02-01 | 2005-11-09 | 日産自動車株式会社 | 車両用推奨操作量生成装置 |
US7729857B2 (en) * | 2005-08-18 | 2010-06-01 | Gm Global Technology Operations, Inc. | System for and method of detecting a collision and predicting a vehicle path |
US8805601B2 (en) * | 2006-02-28 | 2014-08-12 | Toyota Jidosha Kabushiki Kaisha | Object path prediction method, apparatus, and program, and automatic operation system |
JP4353192B2 (ja) | 2006-03-02 | 2009-10-28 | トヨタ自動車株式会社 | 進路設定方法、装置、プログラム、および自動運転システム |
JP4062353B1 (ja) * | 2006-11-10 | 2008-03-19 | トヨタ自動車株式会社 | 障害物進路予測方法、装置、およびプログラム |
JP4623057B2 (ja) | 2007-06-05 | 2011-02-02 | トヨタ自動車株式会社 | 自車両の移動領域取得装置 |
JP5250290B2 (ja) | 2008-04-02 | 2013-07-31 | 富士重工業株式会社 | 航空機の四次元最適経路誘導システム |
CN100570523C (zh) * | 2008-08-18 | 2009-12-16 | 浙江大学 | 一种基于障碍物运动预测的移动机器人避障方法 |
CN101813492B (zh) * | 2010-04-19 | 2012-11-14 | 清华大学 | 车辆导航***及方法 |
CN101943916B (zh) * | 2010-09-07 | 2012-09-26 | 陕西科技大学 | 一种基于卡尔曼滤波器预测的机器人避障方法 |
JP5189157B2 (ja) * | 2010-11-30 | 2013-04-24 | 株式会社豊田中央研究所 | 可動物の目標状態決定装置及びプログラム |
US8466807B2 (en) * | 2011-06-01 | 2013-06-18 | GM Global Technology Operations LLC | Fast collision detection technique for connected autonomous and manual vehicles |
CN102509474A (zh) * | 2011-11-09 | 2012-06-20 | 深圳市伊爱高新技术开发有限公司 | 一种车与车自动防碰撞***及方法 |
SE536586C2 (sv) * | 2012-07-02 | 2014-03-11 | Scania Cv Ab | Anordning och förfarande för att bedöma olycksrisk vid framförande av ett fordon |
US9260095B2 (en) * | 2013-06-19 | 2016-02-16 | Magna Electronics Inc. | Vehicle vision system with collision mitigation |
EP2851886B1 (en) * | 2013-09-19 | 2018-04-11 | Volvo Car Corporation | Arrangement in a vehicle for providing vehicle driver support, a vehicle, and a method for providing vehicle driver support |
JP2015155878A (ja) * | 2014-02-21 | 2015-08-27 | 株式会社デンソー | 車両用障害物検出装置 |
CN104093185B (zh) * | 2014-06-06 | 2017-10-20 | 华南理工大学 | 一种面向车队自组网的多信道多径路由协议实现方法 |
CN104157167B (zh) * | 2014-08-28 | 2016-09-28 | 银江股份有限公司 | 一种基于协同相对定位技术的车辆防碰撞方法 |
-
2015
- 2015-07-02 WO PCT/JP2015/069131 patent/WO2017002258A1/ja active Application Filing
-
2016
- 2016-04-27 CN CN201680037219.6A patent/CN107710304B/zh active Active
- 2016-04-27 EP EP16817551.1A patent/EP3319065B1/en active Active
- 2016-04-27 US US15/739,650 patent/US10741079B2/en active Active
- 2016-04-27 JP JP2017526206A patent/JP6272566B2/ja active Active
- 2016-04-27 WO PCT/JP2016/063161 patent/WO2017002441A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010033352A (ja) * | 2008-07-29 | 2010-02-12 | Toyota Central R&D Labs Inc | 車線変更警報装置及びプログラム |
JP2014241036A (ja) * | 2013-06-11 | 2014-12-25 | 三菱電機株式会社 | 車両運転支援装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020160603A (ja) * | 2019-03-25 | 2020-10-01 | 本田技研工業株式会社 | 経路決定装置、ロボット及び経路決定方法 |
US11604469B2 (en) | 2019-03-25 | 2023-03-14 | Honda Motor Co., Ltd. | Route determining device, robot, and route determining method |
JP7469850B2 (ja) | 2019-03-25 | 2024-04-17 | 本田技研工業株式会社 | 経路決定装置、ロボット及び経路決定方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3319065A1 (en) | 2018-05-09 |
CN107710304A (zh) | 2018-02-16 |
US20180182245A1 (en) | 2018-06-28 |
EP3319065A4 (en) | 2019-02-27 |
EP3319065B1 (en) | 2024-04-10 |
WO2017002441A1 (ja) | 2017-01-05 |
JPWO2017002441A1 (ja) | 2017-09-14 |
JP6272566B2 (ja) | 2018-01-31 |
CN107710304B (zh) | 2020-09-29 |
US10741079B2 (en) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6272566B2 (ja) | 経路予測装置 | |
JP6800575B2 (ja) | 自己の乗り物のドライバを支援する方法およびシステム | |
CN108693878B (zh) | 前进路线设定装置以及前进路线设定方法 | |
CN110352450B (zh) | 驾驶辅助方法及驾驶辅助装置 | |
JP6203381B2 (ja) | 経路予測装置 | |
US9796378B2 (en) | Vehicle travel path generating apparatus | |
US11460851B2 (en) | Eccentricity image fusion | |
US11055540B2 (en) | Method for determining anchor boxes for training neural network object detection models for autonomous driving | |
CN113243029B (zh) | 其他车辆动作预测方法及其他车辆动作预测装置 | |
CN114523963B (zh) | 预测与宿主车辆的道路碰撞的***和方法 | |
JP6571904B1 (ja) | 車載装置、情報処理方法及び情報処理プログラム | |
JP2008195293A (ja) | 衝突予測装置 | |
WO2020161512A1 (ja) | 他車動作予測方法及び他車動作予測装置 | |
CN112389426A (zh) | 增强的威胁选择 | |
JP6171499B2 (ja) | 危険度判定装置及び危険度判定方法 | |
KR20200084938A (ko) | 차량 동작 계획방법 및 그를 위한 장치 | |
KR20180039900A (ko) | 진행경로 시나리오에 따라 충돌가능성을 판단하고 차량을 제어하는 장치 및 방법 | |
JP7195200B2 (ja) | 車載装置、車載システムおよび周辺監視方法 | |
WO2021176825A1 (ja) | センシングシステム | |
WO2019186716A1 (ja) | 車載装置、情報処理方法及び情報処理プログラム | |
JP2019059274A (ja) | 車両の制御装置及び車両の制御方法 | |
CN112560561B (zh) | 一种目标检测方法及装置 | |
JP2019101573A (ja) | 物体情報取得装置 | |
KR20240036967A (ko) | 주행정보 판단 기반 능동주행보조 방법 및 장치 | |
KR20230103368A (ko) | 주행 제어 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 15897185 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
NENP | Non-entry into the national phase |
Ref country code: JP |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 15897185 Country of ref document: EP Kind code of ref document: A1 |