本公开的各种实施例涉及一种用于预测碰撞的车辆和车辆的控制方法。一种车辆包括：多个传感器，被配置为获得附近车辆的状态信息；以及处理器，其可操作地连接到多个传感器。处理器被配置为：基于附近车辆的状态信息，确定车辆和附近车辆之间的碰撞危险程度，基于状态信息和碰撞危险程度中的至少一项，生成俯视图像，以及通过人工神经网络模型利用俯视图像作为输入确定碰撞模式，该碰撞模式指示车辆是否与附近车辆碰撞以及预测碰撞部位中的至少一项。项。项。
【技术实现步骤摘要】
用于预测碰撞的车辆及车辆的操作方法
[0001]本公开涉及一种用于预测碰撞的车辆及车辆的操作方法。
技术介绍
[0002]最近，高级驾驶辅助系统(ADAS)正在被开发，以辅助驾驶员的驾驶。ADAS有多个技术子分类，并为驾驶员提供便利。这种ADAS也被称为自主驾驶或自动驾驶系统(ADS)。
[0003]另一方面，车辆在进行自主驾驶时，为了安全起见，会预测与附近车辆和/或行人的碰撞。例如，过去，在车辆执行自主驾驶时，基于从传感器获得的传感信息预测是否会发生与附近车辆和/或行人的碰撞。然而，当车辆仅预测是否会发生碰撞时，在即将发生碰撞的情况下可能难以更灵活地处理各种碰撞情况。
技术实现思路
[0004]技术问题
[0005]因此，本公开的各种实施例提出一种用于在自主驾驶期间预测与附近车辆和/或行人的碰撞的装置及其操作方法。
[0006]本公开的各种实施例提出一种装置及其操作方法，其用于确定自主驾驶车辆是否与附近车辆和/或行人碰撞并用于确定碰撞模式，该碰撞模式指示预测碰撞部位。
[0007]技术方案
[0008]一个实施例提供一种用于预测碰撞的车辆。该车辆包括：多个传感器，被配置为获得附近车辆的状态信息；以及处理器，其可操作地连接到多个传感器。处理器被配置为：基于附近车辆的状态信息，确定车辆和附近车辆之间的碰撞危险程度，基于状态信息和碰撞危险程度中的至少一项，生成俯视图像，以及通过人工神经网络模型利用俯视图像作为输入确定碰撞模式，碰撞模式指示车辆是否与附近车辆碰撞以及预测碰撞部位中的至少一项。
[0009]俯视图像表示附近车辆的移动路径、附近车辆的位置、附近车辆的角度、车辆的位置、车辆的角度以及车辆和附近车辆之间的碰撞危险程度中的至少一项。
[0010]车辆和附近车辆之间的碰撞危险程度包括纵向碰撞危险指数和横向碰撞危险指数中的至少一项。
[0011]处理器被配置为：基于车辆和附近车辆之间的碰撞时间以及警告指数，确定纵向碰撞危险指数，以及基于纵向碰撞危险指数和车道变更时间，确定横向碰撞危险指数。基于车辆和附近车辆之间的纵向距离以及附近车辆的相对纵向速度，确定碰撞时间。基于车辆和附近车辆之间的距离、当车辆以最大减速度执行等加速度运动时直到车辆停止的移动距离以及驾驶员的反应时间，确定警告指数。基于附近车辆的相对速度和相对横向位置，确定车道变更时间。
[0012]处理器被配置为：检查多个传感器是否检测到相同的附件车辆，以及当多个传感器检测到相同的附近车辆时，结合从多个传感器获得的状态信息，并将结合的信息作为一
个附近车辆的状态信息管理。
[0013]处理器被配置为：控制附近车辆在俯视图像内以灰度表示，灰度对应于碰撞危险程度。
[0014]处理器被配置为：检查附近车辆是否位于感兴趣区域内，以及当附近车辆位于感兴趣区域内时，生成俯视图像并确定碰撞模式。
[0015]人工神经网络模型是预先训练的卷积神经网络(CNN)模型，CNN模型接收俯视图像并确定附近车辆的碰撞模式。
[0016]状态信息包括附近车辆的位置、角度、大小、形状、距离和相对速度中的至少一项。
[0017]另一实施例提供一种用于预测碰撞的车辆的操作方法。该操作方法包括：通过利用多个传感器，获得附近车辆的状态信息；基于附近车辆的状态信息，确定车辆和附近车辆之间的碰撞危险程度；基于状态信息和碰撞危险程度中的至少一项，生成俯视图像；以及通过人工神经网络模型利用俯视图像作为输入确定碰撞模式。碰撞模式指示车辆是否与附近车辆碰撞以及预测碰撞部位中的至少一项。
[0018]俯视图像表示附近车辆的移动路径、附近车辆的位置、附近车辆的角度、车辆的位置、车辆的角度以及车辆和附近车辆之间的碰撞危险程度中的至少一项。
[0019]车辆和附近车辆之间的碰撞危险程度包括纵向碰撞危险指数和横向碰撞危险指数中的至少一项。
[0020]确定碰撞危险程度包括：基于车辆和附近车辆之间的碰撞时间以及警告指数，确定纵向碰撞危险指数；以及基于纵向碰撞危险指数和车道变更时间，确定横向碰撞危险指数。基于车辆和附近车辆之间的纵向距离以及附近车辆的相对纵向速度，确定碰撞时间。基于车辆和附近车辆之间的距离、当车辆以最大减速度执行等加速度运动时直到车辆停止的移动距离以及驾驶员的反应时间，确定警告指数。基于附近车辆的相对速度和相对横向位置，确定车道变更时间。
[0021]通过利用多个传感器获得附近车辆的状态信息包括：检查多个传感器是否检测到相同的附件车辆，以及当多个传感器检测到相同的附近车辆时，结合从多个传感器获得的状态信息，并将结合的信息作为一个附近车辆的状态信息管理。
[0022]生成俯视图像包括控制附近车辆在俯视图像内以灰度表示，灰度对应于碰撞危险程度。
[0023]操作方法进一步包括：检查附近车辆是否位于感兴趣区域内，以及当附近车辆位于感兴趣区域内时，生成俯视图像并确定碰撞模式。
[0024]通过人工神经网络模型确定碰撞模式包括通过预先训练好的卷积神经网络(CNN)模型确定碰撞模式，CNN模型接收俯视图像并确定附近车辆的碰撞模式。
[0025]附近车辆的状态信息包括附近车辆的位置、角度、大小、形状、距离和相对速度中的至少一项。
[0026]有益效果
[0027]根据本公开的各种实施例，车辆可以通过利用附近车辆的状态信息，基于占用网格图生成俯视图像，并且可以基于生成的俯视图像通过训练的人工神经网络模型预测车辆是否发生碰撞以及指示预测碰撞部位的碰撞模式。通过这一点，可以确定在预计会发生车辆碰撞的情况下，何时将车辆的控制权从自主驾驶系统切换到综合安全系统。而且，在碰撞
实际发生之前，建立更复杂的避免碰撞策略，并可以通过与避免碰撞系统的协作控制使碰撞危险程度最小化。另外，通过预测的碰撞部分，可以提前主动控制被动安全系统，例如作为乘客约束装置的安全带预紧器或安全气囊的部署时间，从而使乘客的伤害最小化。
附图说明
[0028]图1是根据本公开的各种实施例的车辆的框图；
[0029]图2是示出根据本公开的各种实施例的由异种传感器检测的轨迹的视图；
[0030]图3是示出根据本公开的各种实施例的车辆中用于计算碰撞危险程度的组件的视图；
[0031]图4是示出根据本公开的各种实施例的基于附近车辆的状态信息生成的俯视图像的视图；
[0032]图5是示出根据本公开的各种实施例的俯视图像以及利用该俯视图像的碰撞模式确定模型的性能的视图；
[0033]图6是示出根据本公开的各种实施例的利用网格图像确定碰撞模式的结果的视图；
[0034]图7是示出根据本公开的各种实施例通过利用反映危险程度信息的俯视图像来确定碰撞模式的结果的视图；
[0035]图8是示出根据本公开的各种实施例的车辆的每个预测碰撞部位的碰撞模式的视图；
[0036]图9是示出根据本公开的各种实施例的车辆与附近车辆之间的预本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆，包括：多个传感器，被配置为获得附近车辆的状态信息；以及处理器，可操作地连接到多个所述传感器，其中，所述处理器被配置为：基于所述附近车辆的所述状态信息，确定所述车辆和所述附近车辆之间的碰撞危险程度，基于所述状态信息和所述碰撞危险程度中的至少一项，生成俯视图像，以及通过人工神经网络模型，利用所述俯视图像作为输入，确定碰撞模式，所述碰撞模式指示所述车辆是否与所述附近车辆碰撞以及预测碰撞部位中的至少一项。2.根据权利要求1所述的车辆，其中，所述俯视图像表示所述附近车辆的移动路径、所述附近车辆的位置、所述附近车辆的角度、所述车辆的位置、所述车辆的角度以及所述车辆和所述附近车辆之间的所述碰撞危险程度中的至少一项。3.根据权利要求1所述的车辆，其中，所述车辆和所述附近车辆之间的所述碰撞危险程度包括纵向碰撞危险指数和横向碰撞危险指数中的至少一项。4.根据权利要求3所述的车辆，其中，所述处理器被配置为：基于所述车辆和所述附近车辆之间的碰撞时间以及警告指数，确定所述纵向碰撞危险指数，以及基于所述纵向碰撞危险指数和车道变更时间，确定所述横向碰撞危险指数，所述碰撞时间是基于所述车辆和所述附近车辆之间的纵向距离以及所述附近车辆的相对纵向速度确定的，所述警告指数是基于所述车辆和附近车辆之间的距离、当所述车辆以最大减速度执行等加速度运动时直到所述车辆停止的移动距离以及驾驶员的反应时间确定的，以及所述车道变更时间是基于所述附近车辆的相对速度和相对横向位置确定的。5.根据权利要求1所述的车辆，其中，所述处理器：检查多个所述传感器是否检测到相同的附近车辆，以及在多个所述传感器检测到所述相同的附近车辆的情况下，结合从多个所述传感器获得的所述状态信息，并将结合的信息作为一个附近车辆的状态信息管理。6.根据权利要求1所述的车辆，其中，所述处理器被配置为控制所述附近车辆在所述俯视图像内以灰度表示，所述灰度对应于所述碰撞危险程度。7.根据权利要求1所述的车辆，其中，所述处理器：检查所述附近车辆是否位于感兴趣区域内，以及在所述附近车辆位于所述感兴趣区域内的情况下，生成所述俯视图像并确定所述碰撞模式。8.根据权利要求1所述的车辆，其中，所述人工神经网络模型是预先训练的卷积神经网络模型，即CNN模型，所述CNN模型接收所述俯视图像并确定所述附近车辆的所述碰撞模式。9.根据权利要求1所述的车辆，其中，所述状态信息包括所述附近车辆的位置、角度、大小、形状、距离和相对速度中的至少一项。10.一种用于预测碰撞的车辆的操作方法，包括：
通过利用多个传感器，...
【专利技术属性】
技术研发人员：申章浩，
申请(专利权)人：起亚株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。