[go: up one dir, main page]

CN116168558A - 用于基于协同基础设施感知消息确定车辆情境和意图的通信系统 - Google Patents

用于基于协同基础设施感知消息确定车辆情境和意图的通信系统 Download PDF

Info

Publication number
CN116168558A
CN116168558A CN202211287151.0A CN202211287151A CN116168558A CN 116168558 A CN116168558 A CN 116168558A CN 202211287151 A CN202211287151 A CN 202211287151A CN 116168558 A CN116168558 A CN 116168558A
Authority
CN
China
Prior art keywords
remote vehicle
particular remote
lane
vehicle
determining
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.)
Granted
Application number
CN202211287151.0A
Other languages
English (en)
Other versions
CN116168558B (zh
Inventor
V·维杰亚·库马尔
B·余
H·克里希南
K·阿里
F·白
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN116168558A publication Critical patent/CN116168558A/zh
Application granted granted Critical
Publication of CN116168558B publication Critical patent/CN116168558B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • 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]
    • 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]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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
    • B60W2520/06—Direction of travel
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4045—Intention, e.g. lane change or imminent movement
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Atmospheric Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种确定位于主车辆的周围环境中的特定远程车辆的情境和意图的通信系统包括用于接收包括所感测的感知数据的所感测的感知数据的一个或多个控制器。一个或多个控制器执行指令以确定与特定远程车辆相关的多个车辆参数。一个或多个控制器执行指令以基于地图数据将特定远程车辆与道路的特定行驶车道相关联。一个或多个控制器基于地图数据针对特定行驶车道确定可能的机动动作、可能的出口车道和特定远程车辆的速度限制，并且基于多个车辆参数、可能机动、特定远程车辆的可能出口车道和与特定远程车辆相关的速度限制来确定特定远程车辆的情境和意图。

Description

用于基于协同基础设施感知消息确定车辆情境和意图的通信 系统
技术领域
本公开涉及一种用于基于协同基础设施感知消息来确定车辆的情境和意图的通信系统和方法。
背景技术
协同传感器共享涉及将由各种传感器收集的数据无线传输到邻近的主用户或车辆。因此，主车辆可以从多个邻近用户接收关于所感测的对象的信息。在协同传感器共享中，远程车辆和道路基础设施与主车辆共享与所感测的对象相关的数据。例如，诸如红灯或速度相机的基础设施相机可以捕获与远程车辆相关的数据，该数据然后被传输到主车辆。
车联万物(Vehicle-to-everything，V2X)是针对车辆的连接通信的包罗万象的术语，并且包括涉及从一个实体向主车辆广播消息的车对车(vehicle-to-vehicle，V2V)和车对基础设施(vehicle-to-infrastructure，V2X)应用两者。然而，如果特定车辆没有配备V2X技术，则基于来自，诸如，基础设施相机的源的协同传感器共享，主车辆仅接收与特定车辆的位置、速度、位置几何和前进方向相关的数据。也就是说，换句话说，主车辆不接收与特定车辆的情境(其是指车辆的路径的短暂历史)和意图(其是指车辆的预期路径的短暂预测)相关的信息。
因此，虽然当前的车辆连接通信实现了它们的预期目的，但是在本领域中仍需要一种在没有情境和意图可用的情况下确定车辆的情境和意图的方法。
发明内容
根据几个方面，公开了一种确定位于主车辆的周围环境中的特定远程车辆的情境和意图的通信系统。该通信系统包括用于接收与特定远程车辆相关的所感测的感知数据的一个或多个控制器。一个或多个控制器执行指令，以基于所感测的感知数据确定与特定远程车辆相关的多个车辆参数。一个或多个控制器基于地图数据将特定远程车辆与道路的特定行驶车道相关联，其中，地图数据指示与特定远程车辆正沿着其行驶的道路的行驶车道相关的信息。一个或多个控制器基于地图数据针对特定行驶车道确定可能的机动动作、可能的出口车道和特定远程车辆的速度限制。最后，一个或多个控制器基于多个车辆参数、可能的机动动作、特定远程车辆的可能出口车道以及与特定远程车辆相关的速度限制来确定特定远程车辆的情境和意图。
在一个方面，基于世界坐标系的多个坐标对被转换成用于基于单应矩阵的噪声建模的图像帧坐标，其中，坐标对表示主车辆的周围环境的被监控区域。
在另一方面，一个或多个控制器执行指令，以由卡尔曼滤波器基于与转换噪声相关联的噪声来确定与特定远程车辆相关的多个错误恢复车辆参数，该转换噪声与将基于世界坐标系的坐标对转换成图像帧坐标相关联。
在又一方面，一个或多个控制器执行指令以将表示周围环境的被监控区域的图像划分成多个像素分格。
在一方面，一个或多个控制器确定有多少基于世界坐标系的坐标对映射到图像的每个像素分格，并基于作为图像的一部分的每个像素分格确定距离协方差图和速度协方差图。
在另一方面，一个或多个控制器执行指令以再现作为特定远程车辆的表示的图像数据，并执行对象检测算法以检测图像数据中的特定远程车辆，其中，被检测到的特定远程车辆是所检测到的对象像素。一个或多个控制器将所检测到的对象像素与速度协方差图和距离协方差图进行匹配。
在又一方面，一个或多个控制器执行指令以基于特定远程车辆的多个静止图像确定与边界框相关联的噪声，并确定受到与边界框相关联的噪声影响的像素分格。一个或多个控制器针对每个受影响的像素分格计算平均速度协方差矩阵和平均距离协方差矩阵，并且将属于所检测到的对象的像素与速度协方差图和距离协方差图进行匹配。最后，一个或多个控制器向基于卡尔曼滤波器的状态跟踪模块发送所检测到的对象的世界坐标以及匹配的速度协方差和匹配的距离协方差。
在又一方面，一个或多个控制器执行指令以确定特定远程车辆何时处于小型车道中。响应于确定特定远程车辆处于小型车道中，一个或多个控制器将情境设置为等于特定远程车辆在小型车道中行驶的距离加上在相邻车道中行驶的距离。响应于确定特定远程车辆不在小型车道中，一个或多个控制器将情境设置为等于当前行驶车道的长度。
在一方面，一个或多个控制器执行指令以确定特定远程车辆的当前行驶车道所允许的行驶类型，其中，行驶类型包括仅直行通过和允许转弯。响应于确定当前行驶车道允许的行驶类型是仅直行通过，一个或多个控制器将意图设置为具有被表示为意图距离的长度的连接出口车道。
在另一方面，一个或多个控制器执行指令以确定特定远程车辆的当前行驶车道所允许的行驶类型，其中，行驶类型包括仅直行通过和允许转弯。响应于确定特定远程车辆的当前行驶车道允许转弯，一个或多个控制器为意图设置多个值，其中，每个值对应于潜在连接出口车道的长度。
在又一方面，一个或多个控制器执行指令以确定指示意图是准确的概率的置信度水平。
在又一方面，多个车辆参数指示特定远程车辆的位置、速度、位置几何和前进方向。
在一个方面，公开了一种用于确定位于主车辆周围环境中的特定远程车辆的情境和意图的方法。该方法包括由一个或多个控制器接收与特定远程车辆相关的所感测的感知数据。该方法包括由一个或多个控制器基于协同基础设施感测消息确定与特定远程车辆相关的多个车辆参数。该方法还包括基于地图数据将特定远程车辆与道路的特定行驶车道相关联，其中，地图数据指示与特定远程车辆正沿着其行驶的道路的行驶车道相关的信息。该方法还包括基于地图数据针对特定行驶车道确定可能机动动作、可能的出口车道和特定远程车辆的速度限制。最后，该方法包括基于多个车辆参数、可能的机动动作、特定远程车辆的可能出口车道以及与特定远程车辆相关的速度限制来确定特定远程车辆的情境和意图。
在另一方面，该方法包括将基于世界坐标系的多个坐标对转换成用于基于单应矩阵的噪声建模的图像帧坐标，其中，坐标对表示主车辆的周围环境的被监控区域。
在又一方面，该方法包括由卡尔曼滤波器基于与转换噪声相关联的噪声来确定与特定远程车辆相关的多个错误恢复车辆参数，该转换噪声与将基于世界坐标系的坐标对转换成图像帧坐标相关联。
在又一方面，该方法包括将表示周围环境的被监控区域的图像划分成多个像素分格，确定有多少基于世界坐标系的坐标对映射到图像的每个像素分格，并基于作为图像的一部分的每个像素分格确定距离协方差图和速度协方差图。
在一方面，该方法包括再现作为特定远程车辆的表示的图像数据，执行对象检测算法以检测图像数据中的特定远程车辆，其中，被检测到的特定远程车辆是所检测到的对象像素，并且将所检测到的对象像素与速度协方差图和距离协方差图进行匹配。
在另一方面，该方法包括基于特定远程车辆的多个静止图像确定与边界框相关联的噪声，确定受到与边界框相关联的噪声影响的像素分格，针对每个被影响的像素分格计算平均速度协方差矩阵和平均距离协方差矩阵，将属于所检测到的对象的像素与速度协方差图和距离协方差图进行匹配，以及向基于卡尔曼滤波器的状态跟踪模块发送所检测到的对象的世界坐标以及匹配的速度协方差和匹配的距离协方差。
在又一方面，该方法包括确定特定远程车辆何时处于小型车道中。响应于确定特定远程车辆处于小型车道中，该方法包括将情境设置为等于特定远程车辆在小型车道中行驶的距离加上在相邻车道中行驶的距离。响应于确定特定远程车辆不在小型车道中，该方法包括将情境设置为等于当前行驶车道的长度。
在另一方面，该方法包括确定特定远程车辆的当前行驶车道所允许的行驶类型，其中，行驶类型包括仅直行通过和所允许的转弯。响应于确定当前行驶车道允许的行驶类型是仅直行通过，该方法包括将意图设置为具有被表示为意图距离的长度的连接出口车道。
在又一方面，该方法包括确定特定远程车辆的当前行驶车道所允许的行驶类型，其中，行驶类型包括仅直行通过和所允许的转弯。响应于确定特定远程车辆的当前行驶车道允许转弯，该方法包括为意图设置多个值，其中，每个值对应于潜在连接出口车道的长度。
根据本文提供的描述，另外的应用领域将变得显而易见。应该理解的是，描述和具体示例仅旨在用于说明的目的，并不旨在限制本公开的范围。
附图说明
本文描述的附图仅用于说明目的，并不旨在以任何方式限制本公开的范围。
图1是根据示例性实施例的包括用于确定特定远程车辆的情境和意图的通信系统的主车辆的示意图；
图2是示出根据示例性实施例的其中图1中示出的主车辆接收与特定远程车辆相关的协同基础设施感测消息的示例性环境的示意图；
图3是根据示例性实施例的作为图1中示出的通信系统的一部分的控制器的框图；
图4是根据示例性实施例的再现作为图2中示出的周围环境的一部分的特定远程车辆的表示的图像数据的示例性图示；
图5A是示出根据示例性实施例的用于确定特定远程车辆的情境的方法的过程流程图；
图5B是示出根据示例性实施例的用于确定特定远程车辆的意图的方法的流程图；以及
图6是示出根据示例性实施例的用于确定特定远程车辆的情境和意图的方法的流程图。
具体实施方式
以下描述本质上仅是示例性的，并不旨在限制本公开、应用或用途。
参考图1，示出了示例性主车辆10。车辆10是通信系统12的一部分，该通信系统12包括与多个传感器22和一个或多个天线24电子通信的控制器20。在如图1所示的示例中，多个传感器22包括一个或多个雷达传感器30、一个或多个相机32、惯性测量单元(InertialMeasurement Unit，IMU)34、全球定位系统(Global Positioning System，GPS)36和激光雷达(LiDAR)38，然而，应该理解的是，也可以使用附加传感器。通信系统12还包括位于主车辆10的周围环境26中的一个或多个远程对象40，在图2中示出。参考图1和图2两者，在一个实施例中，远程对象40包括，但不限于，一个或多个远程车辆42和基于协同感知和通信系统的远程基础设施44。例如，在如图2所示的实施例中，远程基础设施44包括基础设施相机(诸如，红灯相机)以及处理器和通信模块(未示出)。通信系统12的控制器20基于车辆到基础设施(V2X)接收与特定远程车辆42相关的协同基础设施感测消息46。然而，应当理解的是，通信系统12的控制器20也可以替代地基于蜂窝信号接收协同基础设施感测消息46。在实施例中，与特定远程车辆42相关的协作基础设施感测消息46可以由周围环境26中的另一车辆(未示出)而不是远程基础设施44来确定。
在实施例中，特定远程车辆42不包括车对车(V2V)通信能力。因此，发送到车辆10的控制器20的协同基础设施感测消息46仅指示与特定远程车辆42的位置和动力学相关的信息，而不是特定远程车辆42的情境和意图。特定远程车辆42的情境指示行驶历史，并且意图预测特定远程车辆42的预期路径。如下所解释那样，所公开的通信系统12基于由协同基础设施感测消息46所指示的位置和动力学来确定特定远程车辆42的情境和意图。
图3是通信系统12的框图。在如图2所示的实施例中，控制器20包括跟踪和检测模块50、坐标变换模块52、原始位置模块54、噪声建模模块56、对象检测模块57、定位和地图匹配模块58、情境模块60以及置信度和意图模块62，然而，应该理解的是，通信系统12可以是分布式计算系统，其在图2中示出的远程基础设施44的一个或多个控制器上确定特定远程车辆42的情境和意图。控制器20的跟踪和检测模块50接收与特定远程车辆42(图2)相关的协同基础设施感测消息46，该协同基础设施感测消息46包括来自诸如基础设施相机的感知设备的所感测的感知数据。跟踪和检测模块50基于协同基础设施感测消息46确定与特定远程车辆42相关的多个车辆参数68。在实施例中，除了由远程基础设施44(即，图2中看到的红灯相机)收集的图像数据64之外，多个车辆参数68还指示特定远程车辆42的位置、检测时间、尺寸、标识符、速度、位置几何和前进方向，然而，应该理解的是也可以包括其他信息。在一个实施例中，图像数据64由单个相机收集，并且因此深度感知被限制。然而，应当理解的是图像数据64也可以从多个相机收集。多个车辆参数68然后被发送到坐标变换模块52。坐标变换模块52将以相机或图像帧坐标表示的位置转换成全球坐标。位置、速度、位置几何和前进方向然后被发送到原始位置模块54。原始位置模块54确定特定远程车辆42的位置信息以及速度、加速度和前进方向参数。
如下所解释的那样，噪声建模模块56确定与将坐标从世界坐标系(也称为GPS坐标系)转换成图像帧坐标相关联的噪声。噪声建模模块56接收多个参数68和与特定远程车辆42相关的所检测到的像素坐标x、y以及表示周围环境26(图2)的被监控区域的多个世界坐标对X、Y。具体而言，世界坐标对X、Y指示沿着一片道路定位的特定点的纬度和经度，并且基于世界坐标系。噪声建模模块56基于单应矩阵将基于世界(例如，GPS)坐标系表示的多个坐标对X、Y转换成图像帧坐标。单应矩阵是两个平面(即，图像平面和世界坐标平面(即，GPS坐标))之间的映射。在实施例中，单应矩阵是预先计算的，并存储在控制器20的存储器中。
一旦已经确定了图像帧坐标，噪声建模模块56然后就会通过确定与将世界坐标对X、Y转换成图像帧坐标相关联的噪声来执行单应噪声建模。具体而言，噪声建模模块56然后将表示周围环境26(图2)的被监控区域的图像划分成多个像素分格。例如，图像可以被分成M×N个像素分格(诸如2×2或4×4)。噪声建模模块56然后确定有多少世界坐标映射到图像的每个像素分格。噪声建模模块56然后针对作为图像一部分的每个像素分格确定距离协方差图和速度协方差图。噪声建模模块56使用映射到每个像素分格的世界坐标之间的距离来针对图像的每个像素分格确定距离协方差图。噪声建模模块56通过使用映射到特定像素分格的世界坐标之间的距离除以帧间时间来针对每个像素分格确定速度协方差图。
图4是由协同基础设施感测消息46传输的图像数据64的示例性图示。图像数据64再现作为主车辆10的周围环境26(图2)的一部分的特定远程车辆42的表示。参考图3和图4，对象检测模块57执行对象检测算法来监控作为多个参数68的一部分的图像数据64，以检测特定的远程车辆42。例如，在一个非限制性实施例中，对象检测模块57可以执行只看一次(YOLO)算法来检测作为图像数据64的一部分的特定远程车辆42。图4示出了由对象检测模块57检测到作为所检测到的对象像素70的特定远程车辆42。噪声建模模块56然后将所检测到的对象像素70与速度协方差图和距离协方差图匹配。
继续参考图3和图4，噪声建模模块56接收特定远程车辆42的多个静止图像作为输入，并确定与边界框72相关的噪声。边界框72是界定所检测到的对象的矩形，该检测到的对象是位于静止图像内的特定远程车辆42。基于任何可用的方法(例如，对象检测算法)来确定与边界框72相关联的噪声。在实施例中，与边界框72相关联的噪声被表示为协方差矩阵。噪声建模模块56然后确定受到与边界框72相关联的噪声影响的像素分格。噪声建模模块56然后针对每个被影响的像素分格计算平均速度协方差矩阵和平均距离协方差矩阵。当检测到对象时，噪声建模模块56将属于所检测到的对象的像素与速度协方差图和距离协方差图匹配，并且所检测到的对象的世界坐标以及匹配的速度协方差图和匹配的距离协方差图被发送到基于卡尔曼滤波器的状态跟踪模块。基于卡尔曼滤波器的状态跟踪模块然后确定与将世界坐标对X、Y转换成图像帧坐标相关联的噪声。然后，卡尔曼滤波器基于与将世界坐标对X、Y转换成图像帧坐标相关联的噪声，确定与特定远程车辆42相关的多个错误恢复车辆参数78。在实施例中，多个错误恢复车辆参数78指示特定远程车辆42的位置、速度和前进方向。
回到图3，定位和地图匹配模块58接收与特定远程车辆42相关的多个错误恢复车辆参数78以及来自道路几何数据库82的地图数据80，并基于输入确定可能的机动动作、特定远程车辆42的可能出口车道和速度限制。具体而言，可以选择与特定远程车辆42的行驶方向最相关的地图数据80。最相关的地图数据基于特定远程车辆42的行驶方向。例如，如果特定远程车辆42正从北向南行驶，则可以使用与从北向南行进的道路几何相关的地图数据80。地图数据80指示与特定远程车辆42正沿着其行驶的道路的行驶车道相关的信息。例如，地图数据80可以指示与特定远程车辆42正沿着其行驶的道路相关的车道数量和车道类型。例如，地图数据80可以指示道路包括三条车道，其中，车道类型包括左车道、中间车道和右车道。
地图数据80还指示道路中包括的每条车道的属性。这些属性指示所允许的机动动作以及连接车道。机动动作指的是所允许的行驶方向，诸如，所允许的转弯、专用直行通过车道、可能的连接车道、转弯小型车道的起点和速度限制。在本示例中，左车道可以是左转专用车道，中间车道是直行通过车道，以及右车道是右转专用车道。连接车道是指车辆在进行机动动作后可以沿着其行驶的车道。定位和地图匹配模块58基于地图数据80将特定远程车辆42与道路的特定行驶车道相关联。定位和地图匹配模块58然后基于地图数据80确定可能的机动动作、特定远程车辆42的可能出口车道以及特定远程车辆42对于特定行驶车道的速度限制。
定位和地图匹配模块58向情境模块60发送多个错误恢复车辆参数78、可能的机动动作、特定远程车辆42的可能出口车道以及与特定远程车辆42相关的速度限制。情境模块60然后基于多个错误恢复车辆参数78、可能的机动动作、特定远程车辆42的可能出口车道以及与特定远程车辆42相关的速度限制来确定特定远程车辆42的情境84。情境84表示特定远程车辆62的行驶历史，并且，在实施例中，被表示为行驶历史距离。
图5A是示出用于确定特定远程车辆42的行驶历史距离或情境84的方法200的过程流程图。具体参考图3和图5，方法200可以从判定框202开始。在判定框202中，情境模块60检查控制器20的存储器，以确定特定远程车辆42是否第一次被检测到，以及其相关联的信息是否被保存在存储器中。如果答案是肯定的，则方法200前进到框204，并且先前的行驶历史距离被用作特定远程车辆42的情境84。方法200然后可以终止。然而，如果答案是否定的，则方法200可以前进到判定框206。
在判定框206中，情境模块60确定特定远程车辆42是否处于小型车道中。如果特定远程车辆42处于小型车道中，则方法200可以前进到框208。在框208中，响应于确定特定远程车辆42处于小型车道中，假设特定远程车辆42从相邻车道换道到小型车道中。方法200然后可以前进到框210。在框210中，情境模块60确定情境84等于特定远程车辆42在小型车道中行驶的距离加上在相邻车道中行驶的距离。方法200然后可以终止。
在事件中，情境模块60确定特定远程车辆42不在小型车道中，方法200然后可以前进到框212。在框212中，情境模块60确定特定远程车辆42已经处于当前行驶车道中。方法200然后可以前进到框214。在框214中，情境模块60确定情境84等于当前行驶车道的长度。方法200然后可以终止。因此，情境模块60确定特定远程车辆42何时处于小型车道中，并且响应于确定特定远程车辆42处于小型车道中，将情境84设置为等于特定远程车辆42在小型车道中行驶的距离加上在相邻车道中行驶的距离。然而，响应于确定特定远程车辆42不在小型车道中，情境模块60将情境84设置为等于当前行驶车道的长度。应当理解的是，情境84可以被限制到预定阈值，该预定阈值可以基于情境模块60来确定。
返回参考图3，置信度和意图模块62从定位和地图匹配模块58接收多个错误恢复车辆参数78、可能的机动动作、特定远程车辆42的可能出口车道以及与特定远程车辆42相关的速度限制，并确定特定远程车辆42的置信度水平86和意图88。置信度水平86指示由置信度和意图模块62计算的意图88是准确的概率。在实施例中，置信度水平86按百分比来测量，其可以被映射到高、中和低水平。如图3所见，置信度和意图模块62从车辆数据库90接收所缓存的位置信息92，其中所缓存的位置信息保存与置信度水平的先前计算相关的数据。
图5B是示出用于确定特定远程车辆42的置信度水平86和意图88的方法300的过程流程图。参考图3和图5B，方法300可以在判定框302开始。在判定框302中，置信度和意图模块62确定特定远程车辆42的当前行驶车道所允许的行驶类型，其中，行驶类型包括仅直行通过和所允许的转弯。响应于确定当前行驶车道所允许的行驶类型是仅直行通过，则方法300可前进到框304。
在框304中，置信度和意图模块62将意图88设置为具有被表示为意图距离x的长度的连接出口车道，其中，x以米表示。意图距离是沿着特定远程车辆42的行驶路径测量的距离，其是从当前位置到所预测的出口车道的起点加上出口车道中的预定距离测量的。应当理解的是，意图距离包括最小长度，该最小长度由校准参数指定。置信度和意图模块62还将意图88的初始置信度水平设置为高，因为很明显，由于不允许转弯，特定远程车辆42通常将继续在连接出口车道中行驶。方法300然后可以前进到判定框308，这将在下面描述。
返回到判定框302，响应于确定特定远程车辆42的当前行驶车道允许转弯，则方法300可以前进到框306。在框306中，置信度和意图模块62为意图88设置多个值，其中，每个值对应于潜在连接出口车道的长度。长度被表示为意图距离x(i)，其中，x以米表示，i表示潜在连接出口车道的数量。置信度和意图模块62还基于车辆动力学和任何交通灯针对每个潜在出口车道设置意图88的初始置信度水平。例如，在实施例中，初始置信度水平是速度、加速度和交通灯的函数。在特定情况下，交通灯可能影响置信度水平。例如，如果左转车道当前具有红灯，但是直行车道具有绿灯，并且如果特定远程车辆42在接近两个交通灯时减速，则该特定远程车辆42很可能计划左转。然而，如果特定远程车辆42没有减速，那么特定远程车辆42很可能计划直行。方法300然后可以前进到判定框308。
在判定框308中，然后将在框304或框306中确定的初始置信度水平与来自车辆数据库90的所缓存的位置信息92进行比较，其中，所缓存的位置信息指示先前计算的置信度水平。置信度和意图模块62将初始置信度水平与先前计算的置信度水平进行比较。响应于确定初始置信度水平大于或等于先前计算的置信度水平，方法300前进到框310。然而，响应于确定初始置信度水平等于或小于先前计算的置信度水平，方法300前进到框312。
在框310中，置信度和意图模块62将初始置信度水平增加预定值，并且然后将置信度水平86设置为初始置信度水平。方法200然后可以终止。
在框312中，置信度和意图模块62将置信度水平86设置为初始置信值。方法200然后可以终止。
图6是示出用于确定图2中示出的特定远程车辆42的情境84和意图88的方法400的流程图。总体参考图1、图2、图3和图6，方法200可以开始于框402。在框402中，跟踪和检测模块50接收协同基础设施感测消息46，该协同基础设施感测消息46包括来自诸如基础设施相机的感知设备的所感测到的感知数据。方法400然后可以前进到框404。
在框404中，控制器20的跟踪和检测模块50基于来自感知设备的所感测的感知数据确定与特定远程车辆42相关的多个车辆参数68。如上所提及那样，除了由远程基础设施44(即，图2中看到的红灯相机)收集的图像数据64之外，多个车辆参数68还指示特定远程车辆42的位置、位置几何、检测时间和标识符。方法400然后可以前进到框406。
在框406中，控制器20的噪声建模模块56基于以上提及的单应矩阵将多个世界坐标对X、Y(见图3)转换成图像帧坐标。方法400然后可以前进到框408。
在框408中，卡尔曼滤波器基于与将世界坐标对X、Y转换成图像帧坐标相关联的噪声，确定与特定远程车辆42相关的多个错误恢复车辆参数78。应当理解的是，在一些实施例中，可以省略框408，并且替代地多个车辆参数68没有基于与将世界坐标对X、Y转换成图像帧坐标相关联的噪声进行调节。方法400然后可以前进到框410。
在框410中，控制器20的定位和地图匹配模块58基于来自道路几何数据库82的地图数据80将特定远程车辆42与道路的特定行驶车道相关联。方法400然后可以前进到框412。
在框412中，控制器20的定位和地图匹配模块58基于来自道路几何数据库82的地图数据80确定可能的机动动作、特定远程车辆42的可能出口车道以及特定远程车辆42对于特定行驶车道的速度限制。方法400然后可以前进到框414。
在框414中，控制器20的情境模块60基于多个错误恢复车辆参数78、可能的机动动作、特定远程车辆42的可能出口车道以及与特定远程车辆42相关的速度限制来确定特定远程车辆42的情境84。方法200然后可以前进到框416。
在框416中，控制器20的置信度和意图模块62基于多个错误恢复车辆参数78、可能的机动动作、特定远程车辆42的可能出口车道以及与特定远程车辆42相关的速度限制来确定特定远程车辆42的置信度86和意图88。方法400然后可以终止。
总体参照附图，所公开的通信系统提供了各种技术效果和益处。具体而言，该通信系统提供了一种用于基于当前可用的信息在没有可用的情境和意图的情况下确定远程车辆的情境和意图的方法。
控制器可以指电子电路、组合逻辑电路、现场可编程门阵列(FPGA)、执行代码的处理器(共享的、专用的或组的)、或者上述的一些或全部的组合(诸如，在片上系统中)、或者是它们的一部分。附加地，控制器可以是基于微处理器的，诸如，具有至少一个处理器、存储器(RAM和/或ROM)以及相关联输入和输出总线的计算机。处理器可以在驻留在存储器中的操作系统的控制下操作。操作系统可以管理计算机资源，使得被实现为一个或多个计算机软件应用的计算机程序代码(诸如驻留在存储器中的应用)可以具有由处理器执行的指令。在替代性实施例中，处理器可以直接执行应用，在这种情况下，可以省略操作系统。
本公开的描述本质上仅仅是示例性的，并且不脱离本公开的主旨的变型旨在处于本公开的范围内。这种变化不应被视为背离了本公开的精神和范围。

Claims (10)

1.一种确定位于主车辆的周围环境中的特定远程车辆的情境和意图的通信系统，所述通信系统包括：
一个或多个控制器，用于接收所感测的感知数据，所述所感测的感知数据包括与所述特定远程车辆相关的所感测的感知数据，其中，所述一个或多个控制器执行指令以：
基于所述所感测的感知数据确定与所述特定远程车辆相关的多个车辆参数；
基于地图数据将所述特定远程车辆与道路的特定行驶车道相关联，其中，所述地图数据指示与所述特定远程车辆正沿着其行驶的道路的行驶车道相关的信息；
基于所述地图数据针对所述特定行驶车道确定可能的机动动作、可能的出口车道和所述特定远程车辆的速度限制；以及
基于所述多个车辆参数、所述可能的机动动作、所述特定远程车辆的可能出口车道以及与所述特定远程车辆相关的速度限制来确定所述特定远程车辆的情境和意图。
2.根据权利要求1所述的通信系统，其中，所述一个或多个控制器执行指令以：
将基于世界坐标系的多个坐标对转换成用于基于单应矩阵的噪声建模的图像帧坐标，其中，所述坐标对表示所述主车辆的所述周围环境的被监控区域。
3.根据权利要求2所述的通信系统，其中，所述一个或多个控制器执行指令以：
由卡尔曼滤波器基于与将基于所述世界坐标系的坐标对转换成所述图像帧坐标相关联的噪声来确定与所述特定远程车辆相关的多个错误恢复车辆参数。
4.根据权利要求3所述的通信系统，其中，所述一个或多个控制器执行指令以：
将表示所述周围环境的被监控区域的图像划分成多个像素分格；
确定多少基于所述世界坐标系的坐标对映射到所述图像的每个像素分格；以及
基于作为所述图像的一部分的每个像素分格确定距离协方差图和速度协方差图。
5.根据权利要求4所述的通信系统，其中，所述一个或多个控制器执行指令以：
再现作为所述特定远程车辆的表示的图像数据；
执行对象检测算法以检测所述图像数据中的所述特定远程车辆，其中，被检测到的所述特定远程车辆是所检测到的对象像素；以及
将所述所检测到的对象像素与所述速度协方差图和所述距离协方差图进行匹配。
6.根据权利要求5所述的通信系统，其中，所述一个或多个控制器执行指令以：
基于所述特定远程车辆的多个静止图像确定与边界框相关联的噪声；
确定受到与所述边界框相关联的噪声影响的所述像素分格；
针对每个被影响的像素分格计算平均速度协方差矩阵和平均距离协方差矩阵；
将属于所述所检测到的对象的像素与所述速度协方差图和所述距离协方差图进行匹配；以及
向基于卡尔曼滤波器的状态跟踪模块发送所述所检测到的对象的世界坐标以及匹配的速度协方差和匹配的距离协方差。
7.根据权利要求1所述的通信系统，其中，所述一个或多个控制器执行指令以：
确定所述特定远程车辆何时处于小型车道中；
响应于确定所述特定远程车辆处于所述小型车道中，将所述情境设置为等于所述特定远程车辆在所述小型车道中行驶的距离加上在相邻车道中行驶的距离；以及
响应于确定所述特定远程车辆不在所述小型车道中，将所述情境设置为等于当前行驶车道的长度。
8.根据权利要求1所述的通信系统，其中，所述一个或多个控制器执行指令以：
确定所述特定远程车辆的当前行驶车道所允许的行驶类型，其中，所述行驶类型包括仅直行通过和所允许的转弯；以及
响应于确定所述当前行驶车道允许的行驶类型是仅直行通过，将所述意图设置为具有被表示为意图距离的长度的连接出口车道。
9.根据权利要求1所述的通信系统，其中，所述一个或多个控制器执行指令以：
确定所述特定远程车辆的当前行驶车道所允许的行驶类型，其中，所述行驶类型包括仅直行通过和所允许的转弯；以及
响应于确定所述特定远程车辆的当前行驶车道允许转弯，为所述意图设置多个值，其中，每个值对应于潜在连接出口车道的长度。
10.根据权利要求1所述的通信系统，其中，所述一个或多个控制器执行指令以：
确定指示所述意图是准确的概率的置信度水平。
CN202211287151.0A 2021-11-24 2022-10-20 用于基于协同基础设施感知消息确定车辆情境和意图的通信系统 Active CN116168558B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/534,721 US11804131B2 (en) 2021-11-24 2021-11-24 Communication system for determining vehicle context and intent of a target vehicle based on perceived lane of travel
US17/534,721 2021-11-24

Publications (2)

Publication Number Publication Date
CN116168558A true CN116168558A (zh) 2023-05-26
CN116168558B CN116168558B (zh) 2025-05-27

Family

ID=86227227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211287151.0A Active CN116168558B (zh) 2021-11-24 2022-10-20 用于基于协同基础设施感知消息确定车辆情境和意图的通信系统

Country Status (3)

Country Link
US (1) US11804131B2 (zh)
CN (1) CN116168558B (zh)
DE (1) DE102022123256A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20250078522A1 (en) * 2023-09-06 2025-03-06 Ford Global Technologies, Llc Systems and methods for monitoring users exiting a vehicle

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130002871A1 (en) * 2011-06-30 2013-01-03 Harman Becker Automotive Systems Gmbh Vehicle Vision System
US20180286247A1 (en) * 2015-09-30 2018-10-04 Nissan Motor Co., Ltd. Travel Control Method and Travel Control Apparatus
US20190333373A1 (en) * 2017-01-20 2019-10-31 Nissan Motor Co., Ltd. Vehicle Behavior Prediction Method and Vehicle Behavior Prediction Apparatus
US20200394848A1 (en) * 2019-06-14 2020-12-17 Magic Leap, Inc. Scalable three-dimensional object recognition in a cross reality system
CN112347205A (zh) * 2019-08-06 2021-02-09 北京初速度科技有限公司 一种车辆误差状态的更新方法和装置
CN113581211A (zh) * 2021-08-30 2021-11-02 深圳清航智行科技有限公司 一种车辆行驶控制方法、系统、装置及可读存储介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4361389B2 (ja) * 2004-02-26 2009-11-11 本田技研工業株式会社 道路交通シミュレーション装置
US8457827B1 (en) * 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
US9256791B2 (en) * 2012-12-04 2016-02-09 Mobileye Vision Technologies Ltd. Road vertical contour detection
US9720411B2 (en) * 2014-02-25 2017-08-01 Ford Global Technologies, Llc Autonomous driving sensing system and method
JP6470039B2 (ja) * 2014-12-26 2019-02-13 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
US10576974B2 (en) * 2015-06-29 2020-03-03 The Regents Of The University Of California Multiple-parts based vehicle detection integrated with lane detection for improved computational efficiency and robustness
US9940530B2 (en) * 2015-12-29 2018-04-10 Thunder Power New Energy Vehicle Development Company Limited Platform for acquiring driver behavior data
JP6369488B2 (ja) * 2016-02-24 2018-08-08 トヨタ自動車株式会社 車両制御装置
CN108305477B (zh) * 2017-04-20 2019-08-13 腾讯科技（深圳）有限公司 一种车道选择方法及终端
FR3067494A1 (fr) * 2017-06-30 2018-12-14 Orange Procede de signalement d'une suggestion d'un comportement et terminal associe
US10268191B1 (en) * 2017-07-07 2019-04-23 Zoox, Inc. Predictive teleoperator situational awareness
US20190392308A1 (en) * 2018-06-21 2019-12-26 Denso International America, Inc. Grading And Unlearning Implementations For Neural Network Based Course Of Action Selection
US11276304B2 (en) * 2018-12-20 2022-03-15 Denso International America, Inc. Systems and methods for addressing a moving vehicle response to a stationary vehicle
CN110796856B (zh) * 2019-10-16 2022-03-25 腾讯科技（深圳）有限公司 车辆变道意图预测方法及变道意图预测网络的训练方法
JP7313298B2 (ja) * 2020-02-13 2023-07-24 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
JP7391293B2 (ja) * 2020-04-17 2023-12-05 マツダ株式会社 車両制御装置
US20220176957A1 (en) * 2020-12-09 2022-06-09 Aptiv Technologies Limited Indirect Verification of Speed Limits Based on Contextual Information For Autonomous and Semi-Autonomous Driving Systems

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130002871A1 (en) * 2011-06-30 2013-01-03 Harman Becker Automotive Systems Gmbh Vehicle Vision System
US20180286247A1 (en) * 2015-09-30 2018-10-04 Nissan Motor Co., Ltd. Travel Control Method and Travel Control Apparatus
US20190333373A1 (en) * 2017-01-20 2019-10-31 Nissan Motor Co., Ltd. Vehicle Behavior Prediction Method and Vehicle Behavior Prediction Apparatus
US20200394848A1 (en) * 2019-06-14 2020-12-17 Magic Leap, Inc. Scalable three-dimensional object recognition in a cross reality system
CN112347205A (zh) * 2019-08-06 2021-02-09 北京初速度科技有限公司 一种车辆误差状态的更新方法和装置
CN113581211A (zh) * 2021-08-30 2021-11-02 深圳清航智行科技有限公司 一种车辆行驶控制方法、系统、装置及可读存储介质

Also Published As

Publication number Publication date
DE102022123256A1 (de) 2023-05-25
US20230162602A1 (en) 2023-05-25
CN116168558B (zh) 2025-05-27
US11804131B2 (en) 2023-10-31

Similar Documents

Publication Publication Date Title
CN113196291B (zh) 自动选择用于注释的数据样本
JP6714513B2 (ja) 車両のナビゲーションモジュールに対象物の存在を知らせる車載装置
US10755007B2 (en) Mixed reality simulation system for testing vehicle control system designs
US20220373353A1 (en) Map Updating Method and Apparatus, and Device
US12429340B2 (en) Systems and methods for deriving path-prior data using collected trajectories
CN112106124A (zh) 用于使用v2x和传感器数据的系统和方法
US12045995B2 (en) Systems and methods for aligning trajectory information derived from different source data
JP2021099793A (ja) インテリジェント交通管制システム及びその制御方法
CN111508276B (zh) 基于高精地图的v2x逆向超车预警方法、系统和介质
US20230221128A1 (en) Graph Exploration for Rulebook Trajectory Generation
US11495064B2 (en) Value-anticipating cooperative perception with an intelligent transportation system station
US20210323577A1 (en) Methods and systems for managing an automated driving system of a vehicle
CN117068196A (zh) 车辆控制装置、车辆控制方法、车辆控制用计算机程序、优先级设定装置以及车辆控制系统
CN116168558B (zh) 用于基于协同基础设施感知消息确定车辆情境和意图的通信系统
US12147232B2 (en) Method, system and computer program product for the automated locating of a vehicle
US20240123975A1 (en) Guided generation of trajectories for remote vehicle assistance
US20250239043A1 (en) Region of interest detection for image signal processing
US20240300523A1 (en) Driving support system and traveling control device
CN113771845B (zh) 预测车辆轨迹的方法、装置、车辆和存储介质
US11433920B2 (en) Map-based prediction and mitigation of performance limitations for autonomous vehicles
US11312393B2 (en) Artificially falsifying sensor data to initiate a safety action for an autonomous vehicle
US20240233390A9 (en) Identification of unknown traffic objects
US20250181711A1 (en) Plausibility And Consistency Checkers For Vehicle Apparatus Cameras
CN117387647A (zh) 融合车载传感器数据与道路传感器数据的道路规划方法
CN116052469A (zh) 一种基于车路协同轨迹预测的车辆碰撞预警方法

Legal Events

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