[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN105324275B - 移动轨迹预测装置和移动轨迹预测方法 - Google Patents

移动轨迹预测装置和移动轨迹预测方法 Download PDF

Info

Publication number
CN105324275B
CN105324275B CN201380076974.1A CN201380076974A CN105324275B CN 105324275 B CN105324275 B CN 105324275B CN 201380076974 A CN201380076974 A CN 201380076974A CN 105324275 B CN105324275 B CN 105324275B
Authority
CN
China
Prior art keywords
speed
vector
vehicle
ground speed
relative movement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201380076974.1A
Other languages
English (en)
Other versions
CN105324275A (zh
Inventor
加藤雅之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
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 Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN105324275A publication Critical patent/CN105324275A/zh
Application granted granted Critical
Publication of CN105324275B publication Critical patent/CN105324275B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • 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
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W2520/14—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
    • 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
    • B60W2554/00—Input parameters relating to objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明的课题在于，即使在车辆产生了摇晃、偏转的情况下，也能根据对象物的位置的历史记录来高精度地预测对象物的移动轨迹。为解决该课题，本发明中，获取车辆周边的对象物的位置(S1)，获取对象物的对地速度(S3)，使用车辆的速度和对象物的对地速度来算出对象物的对于车辆的轨迹预测矢量(相对移动矢量)的倾斜度θ(S7)，用该轨迹预测矢量的倾斜度θ的直线对对象物的位置的历史记录进行拟合(记录的对象物的移动轨迹中的位置的分类)(S8)，将最适合倾斜度θ的直线的位置的倾斜度θ的直线(由通过拟合而分类的组所包含的多个位置决定的直线)预测为对象物的移动轨迹(S9)。

Description

移动轨迹预测装置和移动轨迹预测方法
技术领域
本发明涉及搭载在车辆中并预测车辆周边的对象物的移动轨迹的移动轨迹预测装置和移动轨迹预测方法。
背景技术
在进行车辆与车辆周边的对象物(例如行人、其他车辆)的碰撞判定等的情况下，需要从行驶的车辆高精度地预测对象物的移动轨迹。在专利文献1所记载的装置中，根据存在于车辆周围的移动体的位置和移动速度来预测移动体的行进路线，根据车辆的位置和移动速度来预测车辆的行进路线，基于移动体的行进路线和车辆的行进路线来判断移动体与车辆是否有可能碰撞，在有可能碰撞的情况下产生警报。
现有技术文献
专利文献
专利文献1：日本特开2003-81037号公报
发明内容
本发明欲解决的问题
在车辆行驶时，有时车辆会产生摇晃、偏转。如图12(a)所示，在车辆C向逆时针方向偏转时，在车辆C的前方物体看起来会向横向右侧方向(与偏转的方向相反的方向)运动。例如，在车辆偏转了1度的情况下，在车辆C的30m前方，物体会看起来在横向运动了50cm。
在专利文献1中根据对象物(移动体)的位置和移动速度来预测移动轨迹，但存在根据对象物的所见的检测位置(对于车辆的相对检测位置)的历史记录来预测对于车辆的相对移动轨迹的方法。在利用该方法 来预测移动轨迹的情况下，在车辆存在摇晃、偏转时，在对象物的检测位置的历史记录中会产生横向位置跳跃，移动轨迹的预测精度有可能下降。例如，在图12(b)所示的例子的情况下，行人W在车辆C的前方向右方行走，行人P的检测位置的历史记录是D1～D6。在这个例子中，由于车辆C的逆时针方向的偏转，而在以椭圆形示出的部位A会产生检测位置的横向位置跳跃，位置会在检测位置D3与检测位置D4之间向右方跳跃。因此，根据包含该横向位置跳跃的检测位置的历史记录D1～D6来预测行人P的移动轨迹时，会得到附图标记L’所示的移动轨迹。由于该移动轨迹L’是受到与行人P的移动无关的横向位置跳跃分量的影响而预测的，所以与行人P的实际移动轨迹不同。这样，车辆产生摇晃、偏转时，对象物的移动轨迹的预测精度有可能下降。
因此，本发明的目的在于提供一种移动轨迹预测装置和移动轨迹预测方法，即使在车辆产生摇晃、偏转的情况下，也能根据对象物的位置的历史记录来高精度地预测对象物的移动轨迹。
用于解决问题的方案
本发明所涉及的移动轨迹预测装置是一种预测车辆周边的对象物的移动轨迹的移动轨迹预测装置，其特征在于，包括：对象物检测部，其获取车辆周边的对象物的位置；速度获取部，其获取对象物的对地速度；相对移动矢量算出部，其使用车辆的速度信息、和速度获取部所获取的对象物的对地速度，算出对象物的对于车辆的相对移动矢量；分类部，其记录对象物检测部所获取的对象物的移动轨迹中的位置，基于由相对移动矢量算出部算出的相对移动矢量将记录的该位置分类为多个组；及移动轨迹预测部，其基于分类部所分类的组中的至少1个组所包含的对象物的多个位置，预测该对象物的移动轨迹。
在该移动轨迹预测装置中，用对象物检测部进行对象物检测，获取对象物的位置(对于车辆的相对位置)。将对每个该对象物获取的从当 前到过去的预定个数的位置(对象物的位置的历史记录)用于预测对象物的将来的移动轨迹。因此，对象物检测部所获取的对象物的位置被记录。在移动轨迹预测装置中，用速度获取部获取对象物的对地速度，用相对移动矢量算出部使用该对象物的对地速度和车辆的速度信息来算出对象物的对于车辆的相对移动矢量。该相对移动矢量为示出对象物的将来的移动轨迹的移动方向的矢量。另外，相对移动矢量中，由于作为对象物的速度不是使用对于车辆的相对速度，而是使用对地速度来算出的，所以，即使在由于车辆的摇晃、偏转而对象物的相对位置产生了横向位置跳跃的情况下，相对移动矢量也是不受到其影响的矢量。因此，在移动轨迹预测装置中，基于相对移动矢量将由分类部记录的对象物的位置(对象物的位置的历史记录)分类为多个组。由于以相对移动矢量作为基准来进行分类，所以即使在记录的对象物的位置中包含横向位置跳跃的位置的情况下，也能够将该横向位置跳跃的位置除外来将对象物的位置分类。例如，能够分类为由横向位置跳跃之后的多个对象物的位置构成的组、和由横向位置跳跃之前的多个对象物的位置构成的组。而且，在移动轨迹预测装置中，用移动轨迹预测部基于分类的该组中的至少1个组所包含的对象物的多个位置来预测对象物的移动轨迹。这样，移动轨迹预测装置使用基于对象物的对地速度的相对移动矢量将对象物的位置的历史记录分类并预测对象物的移动轨迹，从而即使在由于车辆的摇晃、偏转而在对象物的位置的历史记录中产生了横向位置跳跃的情况下，也能够根据对象物的位置的历史记录来高精度地预测对象物的移动轨迹。
在本发明的移动轨迹预测装置中，优选的是，对象物检测部利用对照相机所拍摄的图像的边缘处理来进行对象物的检测，分类部在所记录的对象物的位置的分类中，在越是图像的纵向边缘强度强的位置的情况下，越促进利用该位置作为对象物的位置。
在该移动轨迹预测装置的对象物检测部中，利用对照相机所拍摄的图像的边缘处理来进行对象物的检测。在对象物是如行人等那样形 状在移动中会变化的情况下，对象物的检测范围会变化，其检测范围的中心位置会有偏差。将其中心位置作为对象物的检测位置时，移动轨迹的预测所使用的对象物的位置的历史记录所包含的各位置会有偏差。其结果是，移动轨迹的预测精度会下降。因此，在分类部中，在进行分类时，在越是图像的纵向边缘强度强的位置的情况下，越促进将该位置利用为对象物的位置。越是图像中检测到对象物的范围中纵向边缘强度强的位置，越是在检测范围的横向中表现出强的对象物的存在的部位(存在的比例大于其他部位的部位)，因此适于作为对象物的位置。这样，在移动轨迹预测装置中，越是纵向边缘强度强的位置，越促进将该位置利用为对象物的位置，从而能够抑制对象物的位置的历史记录的偏差，能够更高精度地预测对象物的移动轨迹。
在本发明所述的移动轨迹预测装置中，优选的是，在车辆的转向量为预定量以上的情况下，分类部不进行分类。
在车辆具有定量以上的转向的转向增加、转向复原的情况下，车辆由于其转向增加、转向复原而转弯，行进方向变化。因此，对象物的相对位置也相应地变化。此时，有可能对象物的所见的形状变化从而对象物的对地速度的检测精度也下降。因此，在移动轨迹预测装置中，在车辆的转向量为预定量以上的情况下，分类部不进行分类。该预定量设定有转向量，用于判定与车辆的摇晃、偏转显然不同的车辆的转向。
在本发明所述的移动轨迹预测装置中，优选的是，分类部在越是所记录的对象物的位置中的时间上与当前近的位置的情况下，越增大该位置的权重来进行分类。
在对象物改变了移动方向或者速度的情况下，更好的是，在对象物的将来的移动轨迹的预测中反映出改变了对象物的移动方向或者速度后的对象物的位置。所以，更好的是，越是在所记录的对象物的位 置(对象物的位置的历史记录)中的与当前较近的位置，在对象物的将来的移动轨迹的预测中越重视该位置。因此，在分类部中，越是所记录的对象物的位置中的时间上与当前较近的位置，越增大该位置的权重来进行分类。由此，使用包含时间上与当前较近的位置的组来预测移动轨迹的倾向提高，易于在预测的移动轨迹中反映与当前近的位置的信息。这样，移动轨迹预测装置越是在对象物的位置的历史记录中的时间上与当前较近的位置，越增大该位置的权重地进行分类，从而能够更高精度地预测对象物的移动轨迹。
在本发明所述的移动轨迹预测装置中，优选的是，相对移动矢量算出部在相对移动矢量的算出中不使用如下的对象物的对地速度：该对象物的对地速度与对地速度的上次值之差为第1阈值以上，且与根据对象物的位置的差值求出的速度之差为第2阈值以上。
在对象物的对地速度为异常值(误检测值)的情况下，相对移动矢量成为示出弄错的移动方向的矢量，移动轨迹的预测精度会下降。因此，判定对象物的对地速度是否是与上次值大幅偏离的跳跃值。并且，即使在对地速度从上次值成为跳跃值的情况下，此时，也有可能对象物是急加速或者急减速而对地速度发生了急剧变化。因此，根据对象物的前后位置的差值求出此时的移动速度，判定对象物的对地速度是否是与该求出的移动速度大幅偏离的值。利用这2个判定，能够判断对象物的对地速度是否是异常值。因此，在相对移动矢量算出部中，在相对移动矢量的算出中不使用如下的对象物的对地速度：该对象物的对地速度与对地速度的上次值之差为第1阈值以上，且与根据对象物的位置的差值求出的速度之差为第2阈值以上。第1阈值是用于判定对象物的对地速度是否从上次值成为跳跃值的阈值。第2阈值是用于判定对象物的对地速度是否是与根据对象物的位置的差值求出的速度偏离的值的阈值。这样，移动轨迹预测装置在对象物的对地速度为异常值的情况下，不将该对地速度用于算出相对移动矢量，因此，能够抑制相对移动矢量的精度下降，能够抑制移动轨迹的预测精度的下降。
本发明所涉及的移动轨迹预测方法是一种预测车辆周边的对象物的移动轨迹的移动轨迹预测方法，其特征在于，包括：对象物检测步骤，获取车辆周边的对象物的位置；速度获取步骤，获取对象物的对地速度；相对移动矢量算出步骤，使用车辆的速度信息、和速度获取步骤中获取的对象物的对地速度，算出对象物的对于车辆的相对移动矢量；分类步骤，记录对象物检测步骤中获取的对象物的移动轨迹中的位置，基于在相对移动矢量算出步骤中算出的相对移动矢量将记录的该位置分类为多个组；及移动轨迹预测步骤，基于分类步骤中分类的组中的至少1个组所包含的对象物的多个位置，预测该对象物的移动轨迹。该移动轨迹预测方法与上述移动轨迹预测装置同样起作用，具有同样的效果。
发明的效果
根据本发明，使用基于对象物的对地速度的相对移动矢量，将对象物的位置的历史记录分类并预测对象物的移动轨迹，从而即使在由于车辆的摇晃、偏转而在对象物的位置的历史记录中产生了横向位置跳跃的情况下，也能够根据对象物的位置的历史记录来高精度地预测对象物的移动轨迹。
附图说明
图1是本实施方式的碰撞预测装置的构成图。
图2是轨迹预测矢量的说明图。
图3是使用了轨迹预测矢量的倾斜度的、对于对象物的检测位置的历史记录的拟合的说明图。
图4是拟合所使用的对象物的检测位置的说明图，(a)是行人的摆臂大的情况和小的情况，(b)是检测的对象物的横向宽度的中心位置和纵向边缘为最强的位置。
图5是对象物的对地速度的异常值去除的说明图。
图6是图1的系统ECU进行的轨迹预测矢量算出处理的说明图。
图7是图1的系统ECU进行的拟合处理的说明图。
图8是图1的系统ECU所使用的对象物的各检测位置的权重的一个例子。
图9是示出本实施方式的碰撞预测装置的动作的流程的流程图。
图10是示出图9的流程图中的异常值去除处理的流程的流程图。
图11是示出图9的流程图中的拟合处理、直行时对象物轨迹预测处理的流程的流程图。
图12是本车偏转的情况下的一个例子，(a)是示出本车偏转的情况下的前方的所见的横向移动的图，(b)是示出本车偏转前和后的行人的检测位置和移动轨迹的图。
附图标记的说明
1…碰撞预测装置、10…立体相机、11…转向角传感器、12…偏航角速度传感器、13…车轮速度传感器、20…警报装置、21…碰撞避免辅助装置、22…安全带控制装置、23…座椅控制装置、24…制动控制装置、30…系统ECU
具体实施方式
下面，参照附图，说明本发明的移动轨迹预测装置和移动轨迹预测方法的实施方式。此外，在各图中，对相同或者相当的要素标注同一附图标记，省略重复的说明。
在本实施方式中，将本发明的移动轨迹预测适用于搭载在车辆中的碰撞预测装置的对象物的移动轨迹预测功能。本实施方式的碰撞预测装置利用立体相机检测本车周边(特别是前方)的对象物，根据其检测的对象物的相对检测位置的历史记录来预测移动轨迹。然后，本实施方式的碰撞预测装置使用对象物的预测移动轨迹来进行与本车的碰撞判定，在有可能碰撞的情况下进行为了碰撞避让、碰撞损害减轻的辅助。
此外，对象物包含移动物和静止物。移动物例如有行人、自行车、车辆。静止物例如有电线杆、交通标识。另外，移动轨迹的预测所使用的对象物的检测位置的历史记录包括从当前到过去的任意个数的检测位置。关于该个数，可以考虑检测位置的更新周期等而适当地设定。
参照图1～图8，说明本实施方式的碰撞预测装置1。图1是本实施方式的碰撞预测装置的构成图。图2是轨迹预测矢量的说明图。图3是使用了轨迹预测矢量的倾斜度的、对于对象物的检测位置的历史记录的拟合的说明图。图4是拟合所使用的对象物的检测位置的说明图。图5是对象物的对地速度的异常值去除的说明图。图6是系统ECU进行的轨迹预测矢量算出处理的说明图。图7是系统ECU进行的拟合处理的说明图。图8是系统ECU所使用的对象物的各检测位置的权重的一个例子。
碰撞预测装置1为了在本车即使产生摇晃、偏转的情况下也高精度地预测对象物的移动轨迹，使用对象物的对地速度和本车的车速来求出对象物的对于本车的相对移动矢量(该矢量称为“轨迹预测矢量”)，将该轨迹预测矢量的倾斜度(对象物的移动方向)的直线，对于对象物的检测位置的历史记录(记录的对象物的移动轨迹中的检测位置)进行拟合，预测对象物的移动轨迹。在拟合时，作为对象物的检测位置，使用纵向边缘的强度强的位置，在对象物的检测位置的历史记录中时间上越新的检测位置越加大权重来进行拟合。另外，对于对象物的对地速度去除异常值。另外，在本车的转向量大的情况(本车没有直行行驶的情况)下，用以往的方法来预测对象物的移动轨迹。
在具体说明碰撞预测装置1的构成前，首先，说明对象物的对地速度。在使用对于本车的相对速度作为对象物的速度的情况下，在本车产生摇晃、偏转时，其相对速度包含本车的摇晃、偏转所导致的横向位置跳跃所导致的变化量。因此，作为对象物的速度，使用对地速度(绝对速度)，作为不受到本车的摇晃、偏转所导致的横向位置跳跃所 导致的影响的速度。作为获取该对地速度的方法，例如有根据外界传感器所检测的固定物与对象物的位置的差值进行检测的方法、利用与对象物之间的通信来接收对象物所检测出的速度的方法、利用路车间通信来接收路侧的基础设施所检测出的对象物的速度的方法。此外，作为用于求出轨迹预测矢量的对地速度，可以只使用最新的对地速度、或者也可以使用从当前到过去的多个对地速度的平均对地速度。
接下来，参照图2，说明轨迹预测矢量(特别是倾斜度)。轨迹预测矢量PV作为本车的车速Vc与对象物的对地速度Vp的相对矢量来得到。该轨迹预测矢量PV的倾斜度θ作为对象物的移动相对于本车的行进方向(基本上为直行方向)的倾斜度(角度)来得到。在对象物的纵深方向的速度相对于本车的车速小到可以忽视的程度的情况(例如对象物是行人，在本车前方横向行走的情况)下，关于对象物的对地速度Vp只使用横向的速度分量来求出轨迹预测矢量PV即可。另外，如果能得到本车所行进的行进方向(相对于直行方向的角度)，也可以考虑该行进方向来求出轨迹预测矢量PV、倾斜度θ，但由于将本车正在直行时作为典型的辅助对象，所以也可以不考虑。因此，作为所需的最小限度的信息，可以根据对象物的横向的对地速度和本车的车速来求出轨迹预测矢量PV、其倾斜度θ。
轨迹预测矢量PV为示出对象物的将来移动轨迹的移动方向的矢量。因此，轨迹预测矢量PV的倾斜度θ示出相对于本车的行进方向的、对象物的将来的移动轨迹的移动方向。另外，轨迹预测矢量PV是如下矢量：由于作为对象物的速度不是使用对于本车的相对速度，而是使用对地速度算出的，所以，即使在由于本车的摇晃、偏转而使对象物的相对位置产生横向位置跳跃的情况下，也不会受到其影响。
接下来，参照图3，说明使用了轨迹预测矢量PV的倾斜度θ的拟合。拟合是，将倾斜度θ的直线分别拟合到对象物的检测位置的历史记录所包含的各检测位置，判断该直线在哪个位置最匹配(适合)。特别 是，在该拟合中，能够在由于本车的摇晃、偏转而产生了横向位置跳跃的情况下，将该跳跃前或者跳跃后的检测位置除外，将检测位置分类。作为该拟合方法，例如有基于被决定在以各检测位置为基准的直线作为中心的范围内的检测位置的多数决定的方法、基于最小二乘法的方法。
在图3所示的例子中，是对于对象物即行人P的6个检测位置D1～D6，使用轨迹预测矢量PV的倾斜度θ来进行拟合的例子，由于本车C的偏转而在检测位置D3与检测位置D4之间产生了横向位置跳跃。例如，在对于检测位置D3以倾斜度θ的直线进行了拟合的情况下，横向位置跳跃后的检测位置D4、D5、D6被除去，被分类成检测位置D1、D2、D3的组。另外，在对于检测位置D6以倾斜度θ的直线进行了拟合的情况下，横向位置跳跃前的检测位置D1、D2、D3被除去，被分类成检测位置D4、D5、D6的组。然后，在关于这样分类的各检测位置的组中，判断基于哪个组的直线是最适合倾斜度θ的直线的组。此外，在图3等中，示出检测位置D1……的大致H状的标记也以横向的长度也示出了检测范围(横向宽度)。
对象物有的情况下在恒定的移动方向以恒定的速度移动，也有的情况下改变移动方向或者速度。在对象物改变移动方向或者速度的情况下，更好的是，在对象物的将来的移动轨迹的预测中反映出对象物的移动方向或者速度改变后的检测位置。因此，更好的是，在对象物的检测位置的历史记录中，越是与当前较近的检测位置，在对象物的将来的移动轨迹的预测中越重视。因此，在进行拟合的情况下，在对象物的检测位置的历史记录中越是在时间上与当前较近的检测位置(最新的检测位置)越增大权重地进行拟合。例如，在基于多数决定的拟合方法的情况下，采用对各检测位置添加了权重的决定；在基于最小二乘法的拟合方法的情况下，采用添加权重的最小平方法。
接下来，参照图4，说明作为对象物的检测位置，使用纵向边缘 的强度强的位置的原因。在对象物如行人那样形状在移动中会变化的情况下，对象物的被检测的范围会变化，其检测范围的中心位置会有偏差。例如，如图4(a)所示，在横穿本车前方的行人P的情况下，前后摇摆着手臂时的行人P的横向宽度(检测范围)W1、与不前后摇摆手臂时的行人P的横向宽度(检测范围)W2不同。因此，在为横向宽度W1时其中心位置在行人P的身体的前端附近，在为横向宽度W2时其中心位置在行人P的身体的中心附近。因此，如图4(b)所示，黑三角标记所示的行人P的横向宽度的中心位置P1、P2……会有偏差。将该横向宽度的中心位置(或者横向宽度的端部)用作对象物的检测位置时，就成为用有偏差的检测位置的历史记录来进行拟合、移动轨迹的预测。其结果是，不能高精度地进行拟合，移动轨迹的预测精度下降。
在用边缘处理从图像检测到对象物的情况下，在从图像检测到对象物的范围中，纵向边缘强度强的位置由于是在检测范围中在横向对象物的存在强烈显现的部位(存在的比例大于其他部位的部位)，所以适于作为对象物的位置。因此，在拟合等中使用对象物的检测位置的情况下，作为对象物的检测位置，使用在对象物的检测范围(特别是横向宽度)中纵向边缘强度最强的位置。在图4(a)所示的例子的情况下，前后摇摆手臂时的行人P的纵向边缘强度最强的位置E1在行人P的身体的中心附近，不前后摇摆手臂时的行人P的纵向边缘强度最强的位置E2也在行人P的身体的中心附近。另外，如图4(b)所示，白圆圈标记所示的行人P的纵向边缘强度最强的位置E1、E2……没有偏差。此外，关于对该检测位置的处理，在对象物的检测中不使用边缘处理的情况下不适用。
接下来，参照图5，说明对象物的对地速度的异常值去除。在对象物的对地速度为异常值(误检测值)的情况下，根据该对地速度求出的轨迹预测矢量PV是包含误差的矢量，成为使用包含误差的倾斜度θ来进行拟合。在对象物的对地速度成为与上次值大幅偏离的跳跃值的情况下，其对地速度有可能是异常值。但是，即使在对地速度是从上次 值成为跳跃值的情况下，此时，也有可能是对象物实际上在急加速或者急减速而对地速度发生了急剧变化。因此，在对象物的对地速度从上次值成为跳跃值，且与根据对象物的检测位置的差值求出的移动速度大幅偏离的情况下，该对象物的对地速度被判断为异常值，不用于算出轨迹预测矢量。例如，在图5所示的例子的情况下，行人P的对地速度Vp1、Vp2……中对地速度Vp6从上次值Vp5成为跳跃值，而且，行人P的检测位置的本次值D6也没有从上次值D5急剧变化(本次值D6和上次值D5的差值不大)。因此，对地速度Vp6被判断为异常值而不被使用。
此外，说明作为对地速度被判断为异常值的情况下的处理。例如，在求出轨迹预测矢量PV时只使用最新的对地速度的情况下，使用对地速度的上次值、或者根据对象物的检测位置的本次值与上次值的差值求出的速度。在求出轨迹预测矢量PV时使用过去的任意个数的对地速度的平均值的情况下，不使用最新的对地速度，来算出对地速度的平均值。
接下来，说明本车的转向量大的情况(本车没有直行行驶的情况)。在本车具有定量以上的转向增加、转向复原的情况下，本车由于其转向增加、转向复原而转弯，行进方向变化。因此，对象物的相对检测位置也相应地大幅变化。此时，有可能对象物的所见的形状变化从而对象物的对地速度的检测精度也下降。因此，在本车的转向量为预定量以上的情况下，不进行轨迹预测矢量PV(特别是倾斜度θ)的算出、拟合。而且，使用对象物的检测位置的历史记录的所有检测位置，用以往的方法来预测对象物的将来的移动轨迹。作为该以往的方法，例如使用检测位置的历史记录所包含的检测位置间的差值来预测移动轨迹，或者对于检测位置的历史记录进行线性回归来预测移动轨迹。
那么，说明碰撞预测装置1的具体构成。碰撞预测装置1包括：立体相机10、转向角传感器11、偏航角速度传感器12、车轮速度传感 器13、警报装置20、碰撞避免辅助装置21、安全带控制装置22、座椅控制装置23、制动控制装置24和系统ECU[Electronic ControlUnit，电子控制单元]30。此外，在本实施方式中，立体相机10相当于技术方案中所记载的对象物检测部，立体相机10和系统ECU30的处理相当于技术方案中所记载的速度获取部，系统ECU30中的各个处理相当于技术方案中所记载的相对移动矢量算出部、分类部、移动轨迹预测部。
立体相机10包括拍摄本车前方的左右一对照相机和图像处理装置。在立体相机10的左右一对各照相机中，每隔一定时间(例如每1/30秒)分别拍摄，获取左图像和右图像。然后，在立体相机10的图像处理装置中，使用左右的图像(立体图像)来进行物体检测处理，在能够检测到物体(物标)的情况下，获取物体的信息(例如从立体相机10(本车)到物体的相对纵深方向的距离、横向的横向位置、物体的横向宽度、高度、物体的形状)。在使用了该立体图像的物体检测方法中适用以往的已知技术，例如有：在立体图像间进行相关运算，并使用根据该相关计算结果得到的视差来进行检测的方法；对于图像进行边缘处理(纵向边缘、横向边缘)来进行检测的方法。然后，在立体相机10中，每隔一定时间，将该物体的有无信息、能够检测到物体的情况下的每个物体(每个物标)的信息等作为立体相机信号发送至系统ECU30。此外，在进行边缘处理的情况下，还发送每个物体的检测的范围内的纵向边缘强度、横向边缘强度的信息。
此外，立体相机10所检测的对象的物体是具有某一程度的大小、高度的上述的行人、自行车、车辆、电线杆、交通标识等。另外，在在立体相机10所进行的图像处理中，在照相机所拍摄的图像的水平方向/垂直方向的像素单位的坐标系中进行处理，物体的信息是像素单位的数据。另外，对检测到的物标付与识别号码，在不同的时间检测到相同物标的情况下付与相同的识别号码，并对检测次数进行计数。这些识别号码、检测次数的信息也被作为每个物标的信息，由立体相机信号发送。
转向角传感器11是检测由驾驶者输入至方向盘的转向角的传感器。在转向角传感器11中，每隔一定时间检测转向角，将该检测的转向角作为转向角信号发送至系统ECU30。
偏航角速度传感器12是检测作用在本车上的偏航角速度的传感器。在偏航角速度传感器12中，每隔一定时间检测偏航角速度，将该检测到的偏航角速度作为偏航角速度信号发送至系统ECU30。
车轮速度传感器13是分别设在车辆的4个轮子上，并检测车轮的转速(与车轮的旋转相应的脉冲数)的传感器。在车轮速度传感器13中，每隔一定时间检测车轮的旋转脉冲数，将该检测到的车轮旋转脉冲数作为车轮速度信号发送至系统ECU30。此外，在系统ECU30中，根据各车轮的旋转脉冲数来分别算出车轮速度，根据各轮的车轮速度算出车身速度(车速)。
警报装置20是用于向本车的驾驶者进行警报的装置。作为警报，有蜂鸣器(警报音)输出、警报消息的声音输出、显示等。在警报装置20中，从系统ECU30接收到警报控制信号时，基于该警报控制信号来输出警报。
碰撞避免辅助装置21是用于利用转向控制(自动转向、转向辅助等)来避免碰撞、缓解碰撞所导致的冲击的装置。在碰撞避免辅助装置21中，从系统ECU30接收到碰撞避免控制信号时，基于该碰撞避免控制信号来进行转向控制。
安全带控制装置22是用于控制安全带的紧固力来减轻碰撞损害的装置。安全带控制装置22从系统ECU30接收到安全带控制信号时，基于该安全带控制信号来控制安全带的紧固力。
座椅控制装置23是用于控制座椅的位置、姿势来减轻碰撞损害的装置。在座椅控制装置23中，从系统ECU30接收到座椅控制信号时，基于该座椅控制信号来控制座椅的位置、姿势。
制动控制装置24是用于利用制动控制(自动停止、自动减速、制动器辅助等)来避免碰撞、缓解碰撞所导致的冲击的装置。在制动控制装置24中，从系统ECU30接收到制动控制信号时，基于该制动控制信号来进行制动控制。
系统ECU30包括CPU[Central Processing Unit，中央处理单元]、ROM[Read OnlyMemory，只读存储器]、RAM[Random Access Memory，随机存取存储器]等，是综合控制碰撞预测装置1的电子控制单元。在系统ECU30中，每隔一定时间从立体相机10接收立体相机信号。另外，在系统ECU30中，从各传感器11、12、13接收检测信号。而且，在系统ECU30中，通过使用这些立体相机信号和各检测信号，将储存在ROM中的应用程序载入到RAM并由CPU执行，从而进行各个处理(本车轨迹预测处理、对地速度检测处理、转向判定处理、转向时对象物轨迹预测处理、异常值去除处理、轨迹预测矢量算出处理、拟合处理、直行时对象物轨迹预测处理、碰撞位置预测处理、碰撞概率累计处理、碰撞判定处理、设备控制处理)，在本车有可能与对象物碰撞的情况下，为了避免碰撞、减轻碰撞损害，向必要的装置(设备)发送控制信号。此外，系统ECU30中的轨迹预测矢量算出处理相当于技术方案中所记载的相对移动矢量算出部，拟合处理相当于技术方案中所记载的分类部，直行时对象物预测处理相当于技术方案中所记载的移动轨迹预测部。另外，立体相机10和系统ECU30中的对地速度检测处理相当于技术方案中所记载的速度获取部。
此外，在系统ECU30中，在由立体相机10至少连续2次检测到相同的物标(对象物)的情况下，预测该对象物的移动轨迹，进行该对象物与本车的碰撞判定。为了预测对象物的移动轨迹，在系统ECU30中， 在由立体相机10检测到物标(对象物)的情况下，对每个对象物将预测所需的充分个数的位置信息等保持(记录)在RAM中。另外，在系统ECU30中，在由立体相机10检测到物标(对象物)的情况下，对每个对象物进行处理。另外，在系统ECU30中，在横向(x方向)/距离方向(y方向)的长度单位(例如数10cm单位、数cm单位)的坐标系中进行处理，将从立体相机10得到的图像的水平方向/铅垂方向的像素单位的数据转换为横向/距离方向的长度单位的数据。也可以不进行这样的转换，而在图像的水平方向/铅垂方向的像素单位的坐标系中进行处理。另外，在系统ECU30中，在对象物的距离方向的移动量、速度与本车的距离方向的移动量、速度相比小到能忽视的程度的情况下，也可以在处理对象物的检测位置、速度时只使用检测位置、速度的横向分量。
说明本车轨迹预测处理。在系统ECU30中，根据本车的车速、偏航角速度和转向角的各历史记录来预测本车的将来的移动轨迹。作为该移动轨迹的预测方法，适用以往已知的预测方法。
说明对地速度检测处理。在由立体相机10检测到对象物的情况下，在系统ECU30中，算出该对象物的检测位置的本次值与路上的固定物的位置的差值(以固定物为基准的检测位置的本次值的相对矢量)，并且算出对象物的检测位置的上次值与路上的相同固定物的位置的差值(以固定物为基准的检测位置的上次值的相对矢量)。作为该固定物，例如是在本车周边的图像的边缘处理中得到的亮度梯度大的点(路面上描绘的白线的边界、道路的连接点等)、路侧物(电线杆、交通标识等)。由立体相机10来检测这些固定物。而且，在系统ECU30中，使用检测位置的本次值与路上的固定物的位置的差值(检测位置的本次值的相对矢量)、以及检测位置的上次值与路上的固定物的位置的差值(检测位置的上次值的相对矢量)，算出从检测位置的上次值向检测位置的本次值的移动矢量。该移动矢量的大小是1步的更新时间内的移动量，移动矢量的方向是1步的更新时间内的移动方向。而且，在系统ECU30中，将移动矢量的移动量除以更新时间，算出对象物的对地速度。
说明转向判定处理。在系统ECU30中，算出转向角的预定时间的变化量(转向量)，判定该转向量是否在转向阈值以上。预定时间是根据适合来预先设定的，例如1步的更新时间。转向阈值是用于判定与本车的摇晃、偏转显然不同的本车的转向(本车没有直行行驶的情况)的转向量，是根据适合来预先设定的。在系统ECU30中，在转向量为转向阈值以上的情况(本车没有直行行驶的情况)下，转移至转向时对象物轨迹预测处理；在转向量小于转向阈值的情况(本车直行行驶的情况)下，转移至异常值去除处理。
说明转向时对象物轨迹预测处理。在系统ECU30中，利用以往的预测方法，使用对象物的检测位置的历史记录来预测对象物的将来的移动轨迹。
说明异常值去除处理(滤除处理)。在系统ECU30中，判定对地速度检测处理中是否只有1次检测到对象物的对地速度。在只有1次检测到对地速度的情况下，在系统ECU30中，将该对地速度在以下的处理中使用。在2次以上检测到对地速度的情况下，在系统ECU30中，判定对地速度的本次值与上次值之差的绝对值是否在第1阈值以上。第1阈值是用于判定对象物的对地速度是否从上次值成为了跳跃值的阈值，是根据适合预先设定的。在该判定中为第1阈值以上的情况(对地速度的本次值为跳跃值的情况)下，在系统ECU30中，将对象物的检测位置的本次值与上次值的差值除以更新时间来算出速度，并判定该速度与对地速度的本次值之差的绝对值是否在第2阈值以上。第2阈值是用于判定对象物的对地速度是否是与根据对象物的检测位置的差值求出的速度偏离的值的阈值，是根据适合来预先设定的。在该判定中为第2阈值以上的情况(对地速度的本次值为与根据检测位置的差值得到的速度偏离的值的情况)下，在系统ECU30中，在以下的处理中不将对地速度的本次值用作对地速度。此时，例如将对地速度的上次值用作对地速度。在上述各判定中，在小于第1阈值的情况或者小于第2 阈值的情况下，在系统ECU30中，在以下的处理中将对地速度的本次值用作对地速度。此外，第1阈值与第2阈值可以是相同的值，或者也可以是不同的值。
说明轨迹预测矢量算出处理。在系统ECU30中，如图6所示，使用本车的车速Vc和对象物的对地速度Vp(横向分量(x轴分量)：Vpx、距离方向分量(y轴分量)：Vpy)，算出轨迹预测矢量PV的倾斜度θ。在该算出中，使用θ＝arctan(Vpx/(Vc+Vpy))这一算出式。此处，直接算出拟合处理中需要的轨迹预测矢量PV的倾斜度θ，但也可以在求出轨迹预测矢量PV之后算出倾斜度θ。此外，如果与本车的车速Vc相比对象物的距离方向的速度Vpy小到能够忽视的程度，那么也可以将Vpy除外来进行算出。另外，根据需要来转换单位、符号的方向。
说明拟合处理。在该拟合处理中，使用多数决定的方法。此处，如图7和图8所示，说明作为对象物的检测位置的历史记录，对于10点的检测位置D1～D10进行拟合的例子。检测位置D1～D10中检测位置D10为最新的检测位置，检测位置D1为最早的检测位置。如图8所示，对检测位置D1～D10分别设定权重，对最新的检测位置D10设定最大的7作为权重，越早的检测位置权重设定为越小的值。在这个例子中，在检测位置D3与检测位置D4之间，本车偏转，产生了横向位置跳跃。另外，检测位置D6为传感器噪声所导致的离群值(Outlier)。
在系统ECU30中，从保持(记录)在RAM中的检测位置D1～D10中依次选择检测位置Di，对所有的检测位置D1～D10进行以下的相同处理。在系统ECU30中，算出通过检测位置Di的倾斜度θ的直线。然后，在系统ECU30中，以该直线作为中心算出在左右两侧隔开预定间隔的各平行线，设定由该左右平行线构成的决定范围。该预定间隔是在产生了本车的摇晃、偏转所导致的横向位置跳跃的情况下能够将该横向位置跳跃的检测位置除外的间隔，且是能够将立体相机10所得到的对象物检测中的检测位置的噪声值(离群值)除外的间隔。预定间隔 是根据适合来预先设定的。而且，在系统ECU30中，从检测位置D1～D10中提取进入决定范围内的检测位置。并且，在系统ECU30中，将提取的检测位置的权重累计，将该累计值作为决定分数。
对所有检测位置D1～D10进行了以上的处理后，在系统ECU30中，比较所有检测位置D1～D10的决定分数，并选择最大决定分数的检测位置的直线。此处，在选择了多个检测位置的直线的情况下，设想所选择的多个直线为大致相同的直线，但作为最终的直线，例如可以是最新的检测位置的直线，也可以是所选择的多个检测位置的直线的平均直线。
图7示出对于检测位置D1的例子，算出通过检测位置D1的倾斜度θ的直线L1及其左右两侧的平行线L2、L3，设定了由该平行线L2和平行线L3构成的决定范围。作为进入该决定范围内的检测位置，提取检测位置D1、检测位置D2、检测位置D3，作为决定分数，算出4分。在这个例子中，作为进入以通过检测位置D10(同样，检测位置D4、检测位置D5、检测位置D7、检测位置D8、检测位置D9)的倾斜度θ的直线为中心的决定范围的检测位置，提取检测位置D4、检测位置D5、检测位置D7、检测位置D8、检测位置D9、检测位置D10，作为决定分数，算出27分，这成为最大的决定分数。所以，例如通过检测位置D10的倾斜度θ的直线被选择为最终的直线。
在该拟合处理中，按照每个检测位置Di，分类为由进入检测位置Di的决定范围的多个检测位置构成的各组。在由于本车的摇晃、偏转而在检测位置的历史记录中产生了横向位置跳跃的情况下，在该各组中几乎不(或者完全不)包含该横向位置跳跃之前的检测位置和之后的检测位置这两者。另外，在没有本车的摇晃、偏转的情况下，在该各组中，除了离群值，包含检测位置的历史记录的所有检测位置的可能性高。决定分数最大的组是与倾斜度θ的直线最匹配(适合)的组，有的情况下多个组成为最匹配的组。
说明直行时对象物轨迹预测处理。在系统ECU30中，将通过在拟合处理中最终选择的检测位置的倾斜度θ的直线预测为对象物的移动轨迹。该移动轨迹相当于根据与倾斜度θ的直线最匹配的组所包含的多个检测位置来预测的轨迹。
说明碰撞位置预测处理。作为本车的碰撞位置，对于本车的各面(前表面、后表面、右侧面、左侧面)以预定间隔隔开为多个区划。该区划分割是根据适合来预先设定的。在预测碰撞位置的情况下，预测对象物会碰撞到车辆的各面的哪个区划。在系统ECU30中，利用本车轨迹预测处理中预测的本车的移动轨迹、和转向时对象物轨迹预测处理或者直行时对象物轨迹预测处理中预测的对象物的移动轨迹，在本车的移动轨迹与对象物的移动轨迹交叉的情况下，预测对象物碰撞到本车的位置(本车的哪个面的哪个区划)。
说明碰撞概率累计处理。在碰撞位置预测处理中预测到本车的碰撞位置的情况下，在系统ECU30中，算出该碰撞预测位置周边的各区划的碰撞概率。例如，以碰撞预测位置为中心以正态分布状算出碰撞概率，或者只在碰撞预测位置算出高的碰撞概率。并且，在系统ECU30中，在碰撞预测位置的每个区划，将算出的碰撞概率与上次累计值相加，将碰撞概率累计。
说明碰撞判定处理。在系统ECU30中，对于本车的各面的各碰撞位置的区间(也可以是在碰撞概率累计处理中更新了累计值的区划)，判定碰撞概率的累计值是否在设定的碰撞判定阈值以上。碰撞判定阈值是用于利用每个碰撞预测位置的碰撞概率的累计值来判定本车是否有可能与对象物碰撞的阈值，是利用基于实验、仿真等的适合来预先设定的。而且，在系统ECU30中，在碰撞概率的累计值为碰撞判定阈值以上的情况下，判定为有可能碰撞(可能性高)；在碰撞概率的累计值小于碰撞判定阈值的情况下，判定为没有可能碰撞(可能性低)。
说明设备控制处理。在碰撞判定处理中判定为有可能碰撞的情况下，在系统ECU30中，算出相对于该对象物的碰撞余量时间TTC[Time To Collision，碰撞时间]＝(相对距离/相对速度)。然后，在系统ECU30中，基于对于该对象物的TTC、碰撞预测位置和碰撞概率的累计值，判断使警报、转向、安全带、座椅、制动器中的哪个设备(1个以上)工作。然后，在系统ECU30中，对每个工作的设备，基于TTC、碰撞预测位置和碰撞概率的累计值，设定控制量或者输出指令等，向警报装置20、碰撞避免辅助装置21、安全带控制装置22、座椅控制装置23、制动控制装置24中的相应的装置发送控制信号。
参照图1，根据图9的流程图来说明碰撞预测装置1的动作。特别是，根据图10的流程图来说明异常值去除处理，根据图11的流程图来说明拟合处理和直行时对象物轨迹预测处理。图9是示出本实施方式所涉及的碰撞预测装置的动作的流程的流程图。图10是示出图9的流程图中的异常值去除处理的流程的流程图。图11是示出9的流程图中的拟合处理、直行时对象物轨迹预测处理的流程的流程图。在碰撞预测装置1中，每隔一定时间反复进行以下的动作。
在立体相机10中，用左右一对照相机分别拍摄，使用其左右的各图像(立体图像)来进行物体检测处理，在能够检测到对象物(物标)的情况下，获取对象物的位置信息(距离、横向位置)、横向宽度等(S1)。然后，在立体相机10中，将该对象物的有无信息、能够检测到对象物的情况下的由每个对象物的位置信息等构成的立体相机信号发送至系统ECU30。在系统ECU30中，接收该立体相机信号，在存在对象物的情况下，对每个对象物获取位置信息等，将其位置信息等保持(记录)在RAM中。此外，在不存在对象物的情况下，本次的处理结束。
在转向角传感器11中，检测转向角，将转向角信号发送至系统ECU30。在系统ECU30中，接收该转向角信号，获取转向角。在偏航 角速度传感器12中，检测偏航角速度，将偏航角速度信号发送至系统ECU30。在系统ECU30中，接收该偏航角速度信号，获取偏航角速度。在各车轮的车轮速度传感器13中，检测车轮的旋转脉冲数，将车轮速度信号发送至系统ECU30。在系统ECU30中，对每个车轮接收车轮速度信号，根据各车轮的旋转脉冲数分别算出车轮速度，根据各轮的车轮速度算出车身速度(本车车速)。
在存在对象物的情况下，在系统ECU30中，根据本车的车速、偏航角速度和转向角的各历史记录来预测本车的移动轨迹(S2)。另外，在系统ECU30中，对每个对象物算出以固定物为基准的对象物的检测位置的本次值的相对矢量、和以相同固定物为基准的检测位置的上次值的相对矢量，根据这2个相对矢量算出从检测位置的上次值向本次值的移动矢量，根据该移动矢量来算出(检测)对象物的对地速度(S3)。
在系统ECU30中判定本车的转向量(转向增加量、转向复原量)是否是转向阈值以上(S4)。在S4中判定为转向量在转向阈值以上的情况(本车转弯中)下，在系统ECU30中，对每个对象物利用以往的轨迹预测方法，根据对象物的检测位置的历史记录来预测对象物的移动轨迹(S5)。
在S4中判定为转向量小于转向阈值的情况(本车直行中)下，在系统ECU30中，对每个对象物进行对于S3中检测的对地速度的异常值去除(滤除)(S6)。具体而言，如图10的流程图所示，在系统ECU30中，判定该对地速度的检测次数是否是1次(S20)。在S20中判定为是1次的情况下，在系统ECU30中，将本次检测的对地速度在以下的处理中用作对地速度(S21)。在S20中判定为2次以上的情况下，在系统ECU30中，判定本次检测的对地速度与对地速度的上次值之差的绝对值是否在第1阈值以上(S22)。在S22中判定为小于第1阈值的情况下，在系统ECU30中，将本次检测的对地速度在以下的处理中用作对地速度(S25)。在S22中判定为第1阈值以上的情况下，在系统ECU30中，判 定本次检测的对地速度、与将对象物的检测位置(特别是横向位置)的本次值和上次值之差除以更新时间而求出的速度之差的绝对值是否在第2阈值以上(S23)。在S24中判定为是第2阈值以上的情况下，在系统ECU30中，将对地速度的上次值在以下的处理中用作对地速度(S24)。在S23中判定为小于第2阈值的情况下，在系统ECU30中，将本次检测的对地速度在以下的处理中用作对地速度(S25)。然后，在系统ECU30中，将对象物的本次的检测位置和对地速度作为上次值保持(S26)。
接下来，在系统ECU30中，对每个对象物，使用本车的车速和对象物的对地速度来算出轨迹预测矢量的倾斜度θ(S7)。然后，在系统ECU30中，对每个对象物，对于保持在RAM中的对象物的检测位置的历史记录用倾斜度θ的直线进行拟合(S8)，将最匹配的直线预测为对象物的移动轨迹(S9)。具体而言，如图11的流程图所示，在系统ECU30中，从对象物的检测位置的历史记录中依次选择检测位置Di(S30)。然后，在系统ECU30中，算出以倾斜度θ通过检测位置Di的直线，设定以该直线为中心的决定范围(S31)。并且，在系统ECU30中，从对象物的检测位置的历史记录中提取进入检测位置Di的决定范围的检测位置，将该提取的检测位置的权重累计，算出检测位置Di的决定分数(S32)。在系统ECU30中，判定对于对象物的检测位置的历史记录所包含的所有检测位置的处理是否结束(S33)。在S33中判定为对于所有检测位置的处理没有结束的情况下，在系统ECU30中，返回到S30的处理，选择接下来的检测位置。在S33中判定为对于所有检测位置的处理结束的情况下，在系统ECU30中，比较所有检测位置的决定分数，选择最大决定分数的检测位置的直线(S34)。然后，在系统ECU30中，将通过该选择的检测位置的倾斜度θ的直线预测为对象物的移动轨迹(S35)。
在系统ECU30中，对每个对象物，根据本车的移动轨迹和对象物的移动轨迹来预测与本车碰撞的位置(S10)。然后，在系统ECU30中，对每个对象物，对预测的碰撞位置的相应区划累计碰撞概率(S11)。此 外，在本车的移动轨迹与对象物的移动轨迹不交叉的情况下，不预测碰撞位置，也不进行S11的处理。
然后，在系统ECU30中，对每个对象物根据各碰撞预测位置的碰撞概率的累计值是否是碰撞判定阈值以上，判定本车是否有可能与对象物碰撞(S12)。在S12中判定为小于碰撞判定阈值(没有可能碰撞)的情况下，在系统ECU30中结束本次的处理。另一方面，在S12中判定为碰撞判定阈值以上(有可能碰撞)的情况下，在系统ECU30中，对每个对象物，为了避免碰撞/减轻碰撞所导致的损害，基于碰撞余量时间(TTC)、碰撞预测位置和碰撞概率的累计值，判断使警报、转向、安全带、座椅、制动器中的哪个设备工作，设定判断为使其工作的设备的控制量等，向警报装置20、碰撞避免辅助装置21、安全带控制装置22、座椅控制装置23、制动控制装置24中的相应的装置发送控制信号(S13)。在警报装置20中，在从系统ECU30接收到警报控制信号的情况下，基于该警报控制信号来输出警报。在碰撞避免辅助装置21中，在从系统ECU30接收碰撞避免控制信号的情况下，基于该碰撞避免控制信号来进行转向控制。在安全带控制装置22中，在从系统ECU30接收到安全带控制信号的情况下，基于该安全带控制信号来控制安全带的紧固力。在座椅控制装置23中，在从系统ECU30接收到座椅控制信号的情况下，基于该座椅控制信号来控制座椅的位置、姿势。在制动控制装置24中，在从系统ECU30接收到制动控制信号的情况下，基于该制动控制信号来进行制动控制。
根据碰撞预测装置1，通过用基于对象物的对地速度的轨迹预测矢量的倾斜度的直线，对于对象物的相对检测位置的历史记录进行拟合，预测对象物的移动轨迹，从而即使在由于本车的摇晃、偏转而在对象物的检测位置的历史记录中产生了横向位置跳跃的情况下，也能够根据对象物的检测位置的历史记录高精度地预测对象物的移动轨迹。
另外，根据碰撞预测装置1，通过使用纵向边缘强度最强的位置来作为对象物的检测位置，从而能够抑制对象物的检测位置的历史记录的偏差，能以更高精度预测对象物的移动轨迹。特别是，对于如行人那样形状变化的对象物是有效的。另外，根据碰撞预测装置1，对象物的检测位置的历史记录中时间上越靠近当前的位置越增大该位置的权重来进行拟合，从而能以更高精度预测对象物的移动轨迹。另外，根据碰撞预测装置1，在对象物的对地速度为异常值的情况下，由于不将其对地速度用于算出轨迹预测矢量(特别是倾斜度)，所以能够抑制轨迹预测矢量的精度下降，能够抑制移动轨迹的预测精度的下降。
以上，说明了本发明所涉及的实施方式，但本发明不限于上述实施方式，能够以各种形态实施。
例如，在本实施方式中适用于如下装置：预测对象物的移动轨迹，使用对象物的移动轨迹来判定与本车碰撞的可能性，在有可能的情况下进行避免碰撞、减轻碰撞损害的辅助，但也可以适用于使用预测的对象物的移动轨迹来进行其他辅助的其他驾驶辅助装置、或者只进行对象物的移动轨迹的预测的移动轨迹预测装置。另外，在本实施方式中，适用于预先搭载在车辆中的装置，但也可以适用于带入到车辆内的装置。
另外，在本实施方式中，作为检测本车周边的对象物的外界传感器适用了立体相机，但也可以是基于单眼相机的图像传感器(能用单眼来检测对象物的距离、横向位置)、激光雷达、毫米波雷达等雷达传感器等其他外界传感器。另外，对于作为外界传感器的立体相机，作为设备的工作条件，也可以与雷达传感器等融合。
另外，在本实施方式中的构成是：为了获取对象物的对地速度而使用作为外界传感器的立体相机来从本车进行检测，但构成也可以是：使用雷达传感器等其他外界传感器来从本车进行检测，构成也可以是： 使用对象物所保持的设备(移动电话、智能电话等)来进行检测并由对象物之间的通信来进行接收(例如在对象物是行人的情况下，用路车间通信来接收行人所携带的设备所检测到的速度)，构成还可以是：由路侧的基础设施(定点照相机、雷达等)进行检测并在与路侧的基础设施之间由路车间通信来进行接收。此外，用于检测对象物的构成和用于获取对象物的对地速度的构成也可以不是同一传感器、不是同一ECU，关于其构成没有限定。
另外，在本实施方式中，作为在有可能碰撞的情况下工作的设备，示出了警报、转向、安全带、座椅、制动器的各设备，但只要有这其中的一个以上的设备即可。或者，也可以是其他设备(执行器)。
另外，在本实施方式中，示出了使用对象物的移动轨迹和本车的移动轨迹进行的碰撞位置预测、使用各碰撞预测位置的碰撞概率的累计进行的碰撞判定的一个例子，但对于这些与碰撞相关的处理可以适用以往的公知技术。
另外，在本实施方式中的构成是：设定了以通过检测位置的倾斜度θ的直线为中心的决定范围，利用由进入决定范围的检测位置所得到的决定分数的多数决定来进行拟合，但也可以用最小二乘法等其他方法进行拟合。在设想为对象物的检测位置的检测精度良好且检测位置没有离群值的情况下，在拟合时也可以不进行对于离群值的处理。
另外，在本实施方式中的构成是：对于对象物的检测位置分别设定权重来进行拟合，但也可以不设定权重来进行拟合。
另外，在本实施方式中的构成是：作为对象物的检测位置使用纵向边缘强度最强的位置，但构成也可以是：不使用纵向边缘强度，而使用检测到的对象物的检测范围的中心位置等其他位置。特别是，在对象物是车辆等的情况下，由于在移动中形状不会特别变化，所以也 可以不使用纵向边缘强度。另外，作为使用了纵向边缘强度的其他方法，例如在纵向边缘强度超过基准阈值的情况下用作对象物的检测位置的方法；纵向边缘强度越大，进行越大的加权，从而使得易于利用为对象物的检测位置的方法。
另外，在本实施方式中的构成是：去除对地速度的异常值，但在设想为对地速度的检测精度良好且对地速度没有异常值的情况下，也可以不去除异常值。
工业上的实用性
本发明可以利用于搭载在车辆中，并根据车辆周边的对象物的检测位置的历史记录来预测对象物的移动轨迹的移动轨迹预测。

Claims (10)

1.一种移动轨迹预测装置，预测车辆周边的对象物的移动轨迹，其特征在于，包括：
对象物检测部(10)，其获取车辆周边的对象物的位置；
速度获取部，其获取所述对象物的对地速度；
相对移动矢量算出部，其使用所述车辆的速度信息、和所述速度获取部所获取的所述对象物的对地速度，算出所述对象物的对于所述车辆的相对移动矢量；
分类部，其记录所述对象物检测部所获取的所述对象物的移动轨迹中的位置，基于由所述相对移动矢量算出部算出的相对移动矢量将记录的该位置分类为多个组；及
移动轨迹预测部，其基于所述分类部所分类的组中的至少1个组所包含的所述对象物的多个位置，预测该对象物的移动轨迹。
2.如权利要求1所述的移动轨迹预测装置，其中，
所述对象物检测部利用对照相机所拍摄的图像的边缘处理来进行所述对象物的检测，
所述分类部在所记录的所述对象物的位置的分类中，在越是所述图像的纵向边缘强度强的位置的情况下，越促进利用该位置作为所述对象物的位置。
3.如权利要求1或2所述的移动轨迹预测装置，其中，
在所述车辆的转向量为预定量以上的情况下，所述分类部不进行分类。
4.如权利要求1或2所述的移动轨迹预测装置，其中，
所述分类部在所记录的对象物的位置中越是在时间上接近当前的位置的情况下，越增大该位置的权重来进行分类。
5.如权利要求3所述的移动轨迹预测装置，其中，
所述分类部在所记录的对象物的位置中越是在时间上接近当前的位置的情况下，越增大该位置的权重来进行分类。
6.如权利要求1或2所述的移动轨迹预测装置，其中，
所述相对移动矢量算出部在相对移动矢量的算出中不使用如下的所述对象物的对地速度：所述对象物的对地速度与对地速度的上次值之差为第1阈值以上，且与根据所述对象物的位置的差值求出的速度之差为第2阈值以上。
7.如权利要求3所述的移动轨迹预测装置，其中，
所述相对移动矢量算出部在相对移动矢量的算出中不使用如下的所述对象物的对地速度：所述对象物的对地速度与对地速度的上次值之差为第1阈值以上，且与根据所述对象物的位置的差值求出的速度之差为第2阈值以上。
8.如权利要求4所述的移动轨迹预测装置，其中，
所述相对移动矢量算出部在相对移动矢量的算出中不使用如下的所述对象物的对地速度：所述对象物的对地速度与对地速度的上次值之差为第1阈值以上，且与根据所述对象物的位置的差值求出的速度之差为第2阈值以上。
9.如权利要求5所述的移动轨迹预测装置，其中，
所述相对移动矢量算出部在相对移动矢量的算出中不使用如下的所述对象物的对地速度：所述对象物的对地速度与对地速度的上次值之差为第1阈值以上，且与根据所述对象物的位置的差值求出的速度之差为第2阈值以上。
10.一种移动轨迹预测方法，预测车辆周边的对象物的移动轨迹，其特征在于，包括：
对象物检测步骤，获取车辆周边的对象物的位置；
速度获取步骤，获取所述对象物的对地速度；
相对移动矢量算出步骤，使用所述车辆的速度信息、和所述速度获取步骤中获取的所述对象物的对地速度，算出所述对象物的对于所述车辆的相对移动矢量；
分类步骤，记录所述对象物检测步骤中获取的所述对象物的移动轨迹中的位置，基于在所述相对移动矢量算出步骤中算出的相对移动矢量将记录的该位置分类为多个组；及
移动轨迹预测步骤，基于所述分类步骤中分类的组中的至少1个组所包含的所述对象物的多个位置，预测该对象物的移动轨迹。
CN201380076974.1A 2013-05-31 2013-05-31 移动轨迹预测装置和移动轨迹预测方法 Active CN105324275B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2013/065198 WO2014192137A1 (ja) 2013-05-31 2013-05-31 移動軌跡予測装置及び移動軌跡予測方法

Publications (2)

Publication Number Publication Date
CN105324275A CN105324275A (zh) 2016-02-10
CN105324275B true CN105324275B (zh) 2017-06-20

Family

ID=51988205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380076974.1A Active CN105324275B (zh) 2013-05-31 2013-05-31 移动轨迹预测装置和移动轨迹预测方法

Country Status (5)

Country Link
US (1) US9975550B2 (zh)
JP (1) JP5939357B2 (zh)
CN (1) CN105324275B (zh)
DE (1) DE112013007129B4 (zh)
WO (1) WO2014192137A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108475057A (zh) * 2016-12-21 2018-08-31 百度（美国）有限责任公司 基于车辆周围的情境预测车辆的一个或多个轨迹的方法和系统

Families Citing this family (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5999259B2 (ja) * 2013-04-25 2016-09-28 トヨタ自動車株式会社 運転支援装置及び運転支援方法
JP6049542B2 (ja) * 2013-05-31 2016-12-21 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
DE102013222586A1 (de) * 2013-11-07 2015-05-07 Robert Bosch Gmbh Verfahren zur Vermeidung einer Kollision eines Kraftfahrzeugs mit einem falschfahrenden Fahrzeug und Steuer- und Erfassungseinrichtung für ein Kraftfahrzeug zur Vermeidung einer Kollision des Kraftfahrzeugs mit einem falschfahrenden Fahrzeug
JP6441616B2 (ja) * 2014-08-29 2018-12-19 株式会社ゼンリン 位置特定装置、運転支援装置および制御プログラム
DE102014219148A1 (de) * 2014-09-23 2016-03-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erstellen eines Bewegungsmodells eines Straßenverkehrsteilnehmers
KR101628503B1 (ko) * 2014-10-27 2016-06-08 현대자동차주식회사 운전자 보조장치 및 그 작동 방법
KR101637716B1 (ko) * 2014-11-03 2016-07-07 현대자동차주식회사 차량의 장애물 위치 인식 장치 및 방법
EP3018010B1 (en) * 2014-11-06 2018-01-10 Volvo Car Corporation Method for controlling a time of activation of a reversible restraint system in a vehicle
DE102015202099A1 (de) * 2015-02-06 2016-08-11 Bayerische Motoren Werke Aktiengesellschaft Verarbeiten von Sensordaten für ein Fahrerassistenzsystem
US11167755B2 (en) 2015-02-07 2021-11-09 Hella Kgaa Hueck & Co. Method for at least partially automatically controlling a motor vehicle
DE102015001638A1 (de) * 2015-02-07 2016-08-11 Hella Kgaa Hueck & Co. Verfahren zum zumindest teilweise selbstständigen Steuern eines Kraftfahrzeuges
US9881477B2 (en) * 2015-02-27 2018-01-30 Elwha Llc Device having a sensor for sensing an object and a communicator for coupling the sensor to a determiner for determining whether a subject may collide with the object
KR101714145B1 (ko) * 2015-04-09 2017-03-08 현대자동차주식회사 주변차량 식별 장치 및 그 방법
US10407047B2 (en) * 2015-12-07 2019-09-10 Magna Electronics Inc. Vehicle control system with target vehicle trajectory tracking
KR20180095834A (ko) * 2015-12-18 2018-08-28 볼보 트럭 코퍼레이션 전기 도로 시스템을 사용하여 차량의 안전 시스템을 제어하는 방법
EP3954969A1 (en) * 2015-12-25 2022-02-16 Pioneer Corporation Distance estimation device, distance estimation method and program
JP2017117344A (ja) * 2015-12-25 2017-06-29 株式会社デンソー 走行支援装置
JP6330825B2 (ja) * 2016-01-26 2018-05-30 トヨタ自動車株式会社 車両用衝突回避支援システム
DE102016202594A1 (de) * 2016-02-19 2017-08-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Interpretieren einer Fahrzeugumgebung eines Fahrzeugs sowie Fahrzeug
JP6531689B2 (ja) * 2016-03-22 2019-06-19 株式会社デンソー 移動軌跡検出装置、移動物体検出装置、移動軌跡検出方法
JP2017194926A (ja) * 2016-04-22 2017-10-26 株式会社デンソー 車両制御装置、車両制御方法
DE102016209556A1 (de) * 2016-06-01 2017-12-07 Robert Bosch Gmbh Verfahren zum Bereitstellen einer Information bezüglich eines Fußgängers in einem Umfeld eines Fahrzeugs und Verfahren zum Steuern eines Fahrzeugs
DE102016215314A1 (de) 2016-08-17 2018-02-22 Bayerische Motoren Werke Aktiengesellschaft Fahrerassistenzsystem, Fortbewegungsmittel und Verfahren zur Prädiktion einer Verkehrssituation
US10089875B2 (en) * 2016-09-06 2018-10-02 Delphi Technologies, Inc. Automated vehicle cross-traffic detection system
CN106525033A (zh) * 2016-09-22 2017-03-22 深圳市元征科技股份有限公司 一种行车轨迹的确定方法及其装置
JP6577926B2 (ja) * 2016-09-26 2019-09-18 本田技研工業株式会社 走行支援装置及び走行支援方法
KR101967305B1 (ko) * 2016-10-14 2019-05-15 주식회사 만도 차량의 보행자 인식 방법 및 차량의 보행자 인식 시스템
US10248872B2 (en) * 2016-10-19 2019-04-02 Texas Instruments Incorporated Estimation of time to collision in a computer vision system
CN106571064A (zh) * 2016-11-10 2017-04-19 深圳市元征软件开发有限公司 基于路边单元的行人监测方法及装置
US11312324B2 (en) * 2016-12-20 2022-04-26 Pioneer Corporation Accident determination device
US10459441B2 (en) * 2016-12-30 2019-10-29 Baidu Usa Llc Method and system for operating autonomous driving vehicles based on motion plans
FR3062721A1 (fr) * 2017-02-03 2018-08-10 Jd Recherche & Innovation Procede de traitement de donnees dynamiques de geolocalisation pour la protection d’usagers vulnerables par rapport a des vehicules en mouvement
EP3364211B1 (en) * 2017-02-21 2022-08-17 Continental Autonomous Mobility Germany GmbH Method and device for detecting a possible collision, and vehicle
JP2018136240A (ja) 2017-02-23 2018-08-30 三菱電機株式会社 推定装置、推定方法、推定装置を備えた追尾装置、および推定方法を備えた追尾方法
FR3063265B1 (fr) * 2017-02-28 2019-04-05 Renault S.A.S Dispositif de controle de trajectoire d un vehicule
EP3610458A4 (en) * 2017-04-10 2021-01-06 HRL Laboratories, LLC SYSTEM FOR PREDICTING MOVEMENTS OF AN OBJECT OF INTEREST WITH AN AUTOMATIC ENCODER
JP6812894B2 (ja) 2017-04-24 2021-01-13 トヨタ自動車株式会社 周辺監視装置
US11190944B2 (en) 2017-05-05 2021-11-30 Ball Aerospace & Technologies Corp. Spectral sensing and allocation using deep machine learning
WO2018212538A1 (en) 2017-05-16 2018-11-22 Samsung Electronics Co., Ltd. Electronic device and method of detecting driving event of vehicle
KR102060662B1 (ko) * 2017-05-16 2019-12-30 삼성전자주식회사 차량의 주행 이벤트를 검출하는 전자 장치 및 방법
CN107200016B (zh) * 2017-05-26 2019-11-08 重庆长安汽车股份有限公司 道路自适应预测方法及采用该方法的车辆系统
EP3422046B1 (en) * 2017-06-30 2021-04-28 Veoneer Sweden AB A system for enhanced object tracking
DE102017211815A1 (de) * 2017-07-11 2019-01-17 Robert Bosch Gmbh Verfahren, Vorrichtung, Computerprogramm und ein maschinenlesbares Speichermedium zum Betreiben eines Fahrzeugs
JP7031204B2 (ja) * 2017-09-29 2022-03-08 オムロン株式会社 制御装置、制御装置の制御方法、情報処理プログラム、および記録媒体
GB201804195D0 (en) * 2018-03-15 2018-05-02 Blue Vision Labs Uk Ltd Visual vehicle tracking through noise and occlusions using crowd-sourced maps
JP6742560B2 (ja) * 2018-04-20 2020-08-19 三菱電機株式会社 運転監視装置
JP6922852B2 (ja) * 2018-06-12 2021-08-18 株式会社デンソー 電子制御装置および電子制御システム
CN109249930B (zh) * 2018-08-10 2021-08-31 重庆大数据研究院有限公司 一种智能车碰撞安全预测方法
US11182672B1 (en) * 2018-10-09 2021-11-23 Ball Aerospace & Technologies Corp. Optimized focal-plane electronics using vector-enhanced deep learning
US11851217B1 (en) 2019-01-23 2023-12-26 Ball Aerospace & Technologies Corp. Star tracker using vector-based deep learning for enhanced performance
US11412124B1 (en) 2019-03-01 2022-08-09 Ball Aerospace & Technologies Corp. Microsequencer for reconfigurable focal plane control
CN109885058B (zh) * 2019-03-12 2022-05-20 杭州飞步科技有限公司 行车轨迹规划方法、装置、电子设备及存储介质
US11110917B2 (en) * 2019-05-13 2021-09-07 Great Wall Motor Company Limited Method and apparatus for interaction aware traffic scene prediction
US11488024B1 (en) 2019-05-29 2022-11-01 Ball Aerospace & Technologies Corp. Methods and systems for implementing deep reinforcement module networks for autonomous systems control
US11303348B1 (en) 2019-05-29 2022-04-12 Ball Aerospace & Technologies Corp. Systems and methods for enhancing communication network performance using vector based deep learning
KR102209671B1 (ko) * 2019-07-25 2021-01-29 경북대학교 산학협력단 주변 차량의 경로를 예측하기 위한 경로 예측 시스템 및 방법
US11828598B1 (en) 2019-08-28 2023-11-28 Ball Aerospace & Technologies Corp. Systems and methods for the efficient detection and tracking of objects from a moving platform
CN110596708A (zh) * 2019-09-03 2019-12-20 中国第一汽车股份有限公司 一种车辆间距检测方法、装置、车辆和存储介质
KR20210060237A (ko) * 2019-11-18 2021-05-26 현대모비스 주식회사 후방 교차 충돌 감지 시스템 및 방법
US11447129B2 (en) 2020-02-11 2022-09-20 Toyota Research Institute, Inc. System and method for predicting the movement of pedestrians
CN115667043A (zh) * 2020-05-22 2023-01-31 三菱电机株式会社 车辆控制系统、车辆综合控制装置、电子控制装置、网络通信装置、车辆控制方法以及车辆控制程序
US12030507B2 (en) * 2020-06-29 2024-07-09 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Method and system for predicting a trajectory of a target vehicle in an environment of a vehicle
CN112364492B (zh) * 2020-10-28 2023-10-24 东北大学 薄带连铸活套的控制方法及装置
CN114511999B (zh) * 2020-11-17 2023-09-01 宇通客车股份有限公司 一种行人行为预测方法及装置
CN112693455A (zh) * 2021-01-21 2021-04-23 广州小鹏自动驾驶科技有限公司 移动轨迹拟合方法、装置、车辆和存储介质
CN112802303A (zh) * 2021-02-09 2021-05-14 成都视海芯图微电子有限公司 一种基于3d视觉的实时风险预测方法及系统
CN113053112B (zh) * 2021-03-10 2022-08-26 北京星云互联科技有限公司 车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆
US20220314797A1 (en) * 2021-03-31 2022-10-06 Cerence Operating Company Infotainment system having awareness of local dynamic features
KR20230005556A (ko) * 2021-07-01 2023-01-10 현대모비스 주식회사 충돌 경고 장치 및 그것을 포함하는 차량
US20230013221A1 (en) * 2021-07-16 2023-01-19 Aptiv Technologies Limited Motion Classification Using Low-Level Detections
US11960292B2 (en) * 2021-07-28 2024-04-16 Argo AI, LLC Method and system for developing autonomous vehicle training simulations
JP2023056372A (ja) * 2021-10-07 2023-04-19 株式会社Soken 情報処理装置、物体追跡装置、追跡方法、プログラム
CN114881339A (zh) * 2022-05-19 2022-08-09 长安大学 车辆轨迹预测方法、系统、计算机设备及存储介质
WO2023238735A1 (ja) * 2022-06-07 2023-12-14 ソニーセミコンダクタソリューションズ株式会社 情報処理装置、情報処理方法、プログラム
WO2024119489A1 (zh) * 2022-12-09 2024-06-13 中国科学院深圳先进技术研究院 一种行人轨迹预测方法、系统、设备及存储介质
CN117077042B (zh) * 2023-10-17 2024-01-09 北京鑫贝诚科技有限公司 一种农村平交路口安全预警方法及系统
CN118366009B (zh) * 2024-06-18 2024-09-13 安徽大学 基于人类群体行为特性引导的行人轨迹预测方法及系统

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003081037A (ja) 2001-09-14 2003-03-19 Toshiba Corp 交通事故防止装置
JP3916930B2 (ja) * 2001-11-19 2007-05-23 本田技研工業株式会社 進入警報装置
US6662108B2 (en) * 2002-01-07 2003-12-09 Ford Global Technologies, Llc Method and apparatus for improving a vehicle safety system using a transponder and GPS
US7409295B2 (en) * 2004-08-09 2008-08-05 M/A-Com, Inc. Imminent-collision detection system and process
JP2008020203A (ja) 2006-07-10 2008-01-31 Omron Corp レーダ装置
JP2008302850A (ja) * 2007-06-08 2008-12-18 Toyota Motor Corp 衝突判定装置
JP2009012521A (ja) * 2007-07-02 2009-01-22 Nissan Motor Co Ltd 車両の走行支援システム及び走行支援方法
DE102008007347A1 (de) 2008-02-04 2009-08-06 Robert Bosch Gmbh Vorrichtung und Verfahren zum Bestimmen der Position eines anderen Verkehrsteilnehmers
JP4924492B2 (ja) 2008-03-12 2012-04-25 トヨタ自動車株式会社 衝突予測装置
JP5083062B2 (ja) * 2008-06-18 2012-11-28 トヨタ自動車株式会社 衝突予測装置
DE112009005022B4 (de) * 2009-07-02 2013-09-26 Mitsubishi Electric Corporation Karosseriegeschwindigkeit-Schätzvorrichtung undKollisionssicherheits -Schutzsystem
JP5563796B2 (ja) * 2009-09-25 2014-07-30 トヨタ自動車株式会社 歩行者移動推定装置及び方法
DE112009005424B4 (de) * 2009-12-08 2015-12-24 Toyota Jidosha Kabushiki Kaisha Objektdetektionsvorrichtung und Objektdetektionsverfahren
US20110190972A1 (en) * 2010-02-02 2011-08-04 Gm Global Technology Operations, Inc. Grid unlock
US9230419B2 (en) * 2010-07-27 2016-01-05 Rite-Hite Holding Corporation Methods and apparatus to detect and warn proximate entities of interest
WO2014024284A1 (ja) * 2012-08-08 2014-02-13 トヨタ自動車株式会社 衝突予測装置
US10737665B2 (en) * 2012-08-28 2020-08-11 Ford Global Technologies, Llc Vehicle braking based on external object communications
CN104602982B (zh) * 2012-09-04 2017-04-26 丰田自动车株式会社 防撞辅助装置和防撞辅助方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108475057A (zh) * 2016-12-21 2018-08-31 百度（美国）有限责任公司 基于车辆周围的情境预测车辆的一个或多个轨迹的方法和系统

Also Published As

Publication number Publication date
US9975550B2 (en) 2018-05-22
DE112013007129B4 (de) 2021-08-12
JPWO2014192137A1 (ja) 2017-02-23
US20160101779A1 (en) 2016-04-14
WO2014192137A1 (ja) 2014-12-04
CN105324275A (zh) 2016-02-10
JP5939357B2 (ja) 2016-06-22
DE112013007129T5 (de) 2016-03-03

Similar Documents

Publication Publication Date Title
CN105324275B (zh) 移动轨迹预测装置和移动轨迹预测方法
CN104584097B (zh) 物体检测装置和驾驶辅助装置
JP4906398B2 (ja) 車載道路形状識別装置、車載システム、道路形状識別方法及び周辺監視方法
CN106240560B (zh) 车辆的碰撞规避辅助装置
CN106476800B (zh) 碰撞避免辅助装置
CN106809215B (zh) 车道变更控制装置
CN104118382B (zh) 碰撞确定设备、碰撞减轻设备和碰撞确定方法
CN105612569B (zh) 驻车车辆检测装置、车辆管理系统以及控制方法
CN107848531A (zh) 车辆控制装置、车辆控制方法及车辆控制程序
EP2645126B1 (en) Railroad crossing barrier estimating apparatus and vehicle
CN103909927B (zh) 横向控制装置及其控制方法
CN105702088A (zh) 警报装置
CN109591813A (zh) 碰撞避免辅助装置
CN107563256A (zh) 辅助驾驶信息产生方法及装置、辅助驾驶系统
CN105246756B (zh) 车辆控制系统
CN102416953B (zh) 振动施加结构检测装置以及车辆控制装置
CN107004368A (zh) 车辆的行驶控制装置、行驶控制方法以及行驶控制程序
CN108694860A (zh) 注意提醒装置
CN107000749A (zh) 车辆的行驶控制装置以及行驶控制方法
CN107408345A (zh) 物标存在判定方法以及装置
CN106537180A (zh) 用于用针对行人的主动制动的摄影机输入缓解雷达传感器限制的方法
CN107000745A (zh) 车辆的行驶控制装置以及行驶控制方法
CN106291506A (zh) 基于单线点云数据机器学习的车辆目标识别方法及装置
CN105936276A (zh) 行驶控制装置
CN107848534A (zh) 车辆控制装置、车辆控制方法及车辆控制程序

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant