申请/专利权人：日产自动车株式会社

申请日：2016-06-14

公开（公告）日：2021-01-05

公开（公告）号：CN109314763B

主分类号：H04N7/18(20060101)

分类号：H04N7/18(20060101);G08G1/00(20060101);G08G1/01(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.01.05#授权;2019.03.05#实质审查的生效;2019.02.05#公开

摘要：本发明提供一种车间距离推定方法，推定被障碍物遮挡使传感器不能检测到的遮挡区域和夹着遮挡区域的两个非遮挡区域，基于分别在两个非遮挡区域的同一车道上行驶的两台跟踪车辆的速度，推定相对于在遮挡区域的同一车道上行驶的跟踪车辆的车间距离。

主权项：1.一种车间距离推定方法，使用了检测车辆周围的物体的位置信息的传感器和基于所述位置信息推定被检测的多个跟踪车辆的车间距离的处理电路，其特征在于，所述处理电路推定被障碍物遮挡而使所述传感器无法检测到的遮挡区域和夹着所述遮挡区域的两个非遮挡区域，基于在所述两个非遮挡区域的同一车道上分别行驶的两台所述跟踪车辆的速度和位置以及在前一循环中推定的在所述遮挡区域的所述同一车道上行驶的所述跟踪车辆的位置，推定在所述遮挡区域的所述同一车道上行驶的所述跟踪车辆的速度，根据推定的所述跟踪车辆的速度差以及前一循环的处理时间，按照每个处理循环算出相对于在所述遮挡区域的所述同一车道上行驶的所述跟踪车辆的车间距离的变化量，来推定所述车间距离。

全文数据：车间距离推定方法及车间距离推定装置技术领域本发明涉及推定车间距离的车间距离推定方法及车间距离推定装置。背景技术专利文献1公开了一种目标跟踪装置，在跟踪目标被多个遮挡物遮挡的情况下，将基于遮挡物的运动矢量与跟踪目标的运动矢量的差分别算出的推定遮挡时间较长的遮挡物设定为跟踪对象。专利文献1：日本特开2012-80221号公报但是，专利文献1所记载的技术中，使用跟踪目标被遮挡的时刻的速度作为跟踪目标的速度，因此，在用于推定包含跟踪目标在内的车队的车间距离的情况下，当跟踪目标的速度变化时，车间距离推定的精度会变差。发明内容本发明鉴于上述问题点，其目的在于提供一种能够提高车间距离推定的精度的车间距离推定方法及车间距离推定装置。本发明一方面的车间距离推定方法，推定被障碍物遮挡而使传感器无法检测到的遮挡区域和夹着遮挡区域的两个非遮挡区域，基于在两个非遮挡区域的同一车道上分别行驶的两台跟踪车辆的速度，推定相对于在遮挡区域的同一车道上行驶的跟踪车辆的车间距离。根据本发明一方面，能够提供可提高车间距离推定的精度的车间距离推定装置及车间距离推定方法。附图说明图1是说明本发明实施方式的车间距离推定装置的基本构成的示意性的框图；图2是说明搭载有本发明实施方式的车间距离推定装置的车辆向进深侧的车道合流的情形的图；图3A是说明本发明实施方式的车间距离推定装置进行的车间距离推定方法之一例的流程图；图3B是说明本发明实施方式的车间距离推定装置进行的车间距离推定方法之一例的流程图；图4是图示了多个跟踪车辆的属性信息之一例；图5是说明算出图4所示的推定值的方法的图表；图6A是说明遮挡区域的跟踪车辆进行加速的情形的图；图6B是说明遮挡区域的跟踪车辆进行加速的情形的图；图7是表示多个跟踪车辆的速度及位置的图表；图8A是说明遮挡区域的跟踪车辆进行减速的情形的图；图8B是说明遮挡区域的跟踪车辆进行减速的情形的图；图9是表示多个跟踪车辆的速度及位置的图表。标记说明11：车辆12：跟踪车辆14：遮挡区域15：非遮挡区域20：车间距离推定装置21：传感器30：处理电路101：行驶区域具体实施方式参照附图说明本发明的实施方式。在附图的记载中，对相同或类似的部分标注相同或类似的标记并省略重复的说明。车间距离推定装置图1是表示本实施方式的车间距离推定装置20的构成的框图。车间距离推定装置20具备：传感器21、地图数据存储部22、自身位置推定部23、运动信息获取部24、输出部25、处理电路30。车间距离推定装置20如例如图2所示，搭载于车辆11本车辆上，推定包含被障碍物遮挡的其它车辆的车队的车间距离。传感器21搭载于车辆11上，检测车辆11周围的物体的位置信息并向处理电路30输出。传感器21可采用例如激光测距仪LRF、毫米波雷达、超声波传感器、立体相机等测距传感器或图像传感器。传感器21既可以由多种传感器构成，也可以检测周围物体的速度、加速度、形状、颜色等。传感器21通过例如扫描车辆11周围的规定范围，获取周边环境的三维距离数据。三维距离数据是表示来自传感器21的相对的三维的位置的点群数据。地图数据存储部22是储存高精细的地图数据的存储装置。地图数据存储部22既可以搭载在车辆11上，也可以经由通信线路设置于服务器等。地图数据中，除了道路及交叉点、桥、隧道等的通常的地图信息之外，还可记录与各车道的位置及通行带划分等的道路结构相关的信息及与道路周边的地物的位置及形状等相关的信息。自身位置推定部23推定储存于地图数据存储部22的地图数据中的车辆11的自身位置。自身位置包含车辆11的姿势。自身位置推定部23基于从全地球定位系统GPS接收机等定位装置、搭载于车辆11的加速度传感器、角速度传感器、转向角传感器及速度传感器等获取的信息推定自身位置。自身位置推定部23也可以根据由传感器21获取的信息算出车辆11相对于在地图数据中记录的特征物的相对性的位置，由此，推定地图数据中的详细的自身位置。运动信息获取部24获取车辆11的速度、加速度、角速度、转向角等表示运动状态的运动信息。运动信息由搭载于车辆11的速度传感器、加速度传感器、角速度传感器、转向角传感器等获取。输出部25是输出处理电路30的运算结果的输出接口IF。输出部25向例如自动地控制车辆11的驱动的控制电路输出处理电路30的运算结果。输出部25输出运算结果的输出目的地也可以是向车辆11的乘员提示信息的显示装置或扬声器等。处理电路30具有：物体检测部31、区域推定部32、物体对照部33、识别结果存储部34、车间距离推定部35、物体运动预测部40。处理电路30包含包括电路的处理装置等的被编程的处理装置。除此之外，处理电路还可包含以执行记载的功能的方式设置的面向特定用途的集成电路ASIC及电路零件等的装置。处理电路30可利用1个或多个处理电路构成。处理电路30也可以兼用作与车辆11相关的其它控制使用的电子控制单元ECU。物体检测部31基于由传感器21获取的信息检测车辆11周围的可观测物体13。可观测物体13是未被障碍物从传感器21遮挡，可使用传感器21观测的物体。物体检测部31基于由传感器21获取的信息、储存于地图数据存储部22的地图数据、由自身位置推定部23推定的自身位置及由运动信息获取部24获取的运动信息，获取可观测物体13的属性信息。属性信息可包含可观测物体13的位置、速度、加速度、姿势、形状、颜色、种类。此外，可观测物体13的速度及加速度可包含旋转方向的信息。物体检测部31对检测到的可观测物体13设定标识符ID，并将可观测物体13的属性信息及ID决定为可观测物体13的物体信息。区域推定部32推定车辆11的周围、被障碍物遮挡而不能由传感器21检测到的遮挡区域14和未被遮挡可由传感器21检测的非遮挡区域15。障碍物是可观测物体13。区域推定部32提取例如由传感器21获取的点群数据中、距地面规定高度范围的点群数据，并连结提取的点群数据，由此，决定遮挡区域14与非遮挡区域15的边界。区域推定部32将比决定的边界靠进深处推定为遮挡区域14，将跟前推定为非遮挡区域15。区域推定部32将在水平方向上夹着遮挡区域14的区域推定为两个非遮挡区域15。物体对照部33将由物体检测部31检测到的可观测物体13和由物体运动预测部40预测的预测物体进行对照，判定可观测物体13和预测物体是否相互对应。物体对照部33基于可观测物体13的属性信息与预测物体的属性信息的类似度，判定可观测物体13和预测物体是否相互对应。识别结果存储部34基于由自身位置推定部23推定的自身位置和由运动信息获取部24获取的运动信息，使由物体检测部31获取的物体信息与在地图数据存储部22存储的地图数据相关联并作为识别结果进行存储。识别结果存储部34将由物体检测部31决定的物体信息映射到地图数据上。识别结果存储部34根据物体对照部33的判定结果，更新由物体检测部31决定的物体信息。识别结果存储部34根据物体对照部33的判定结果，保持存储的物体信息的ID，并跟踪在遮挡区域14或非遮挡区域15行驶的跟踪车辆12。识别结果存储部34基于由自身位置推定部23推定的自身位置和由运动信息获取部24获取的运动信息，将由区域推定部32推定的遮挡区域14及非遮挡区域15设定于在地图数据中记录的同一车道上。识别结果存储部34使设定于同一车道上的遮挡区域14及非遮挡区域15相关联并存储。识别结果存储部34基于地图数据，将被推定为相互关联的遮挡区域14及非遮挡区域15的车道上的区域推定为作为跟踪对象的跟踪车辆12行驶的行驶区域101。车间距离推定部35基于在识别结果存储部34存储的物体信息，推定在同一行驶区域101行驶的多个跟踪车辆12的车间距离。车间距离推定部35基于在遮挡区域14行驶的跟踪车辆12的推定速度，推定多个跟踪车辆12的车间距离。物体运动预测部40具有跟踪物体群检测部41、遮挡判定部42、速度推定部43、位置推定部44、姿势推定部45。物体运动预测部40基于可观测物体13的物体信息，预测可观测物体13或非观测物体16的属性信息。物体运动预测部40将预测的可观测物体13或非观测物体16的属性信息及ID作为预测物体的物体信息进行输出。跟踪物体群检测部41基于识别结果存储部34的识别结果，将在遮挡区域14及非遮挡区域15存在且具有相同的移动方向的物体群作为多个跟踪车辆12进行检测。跟踪物体群检测部41也可以将在由识别结果存储部34推定的行驶区域101存在的物体群作为多个跟踪车辆12进行检测。或者，跟踪物体群检测部41也可以将非遮挡区域15中、已检测到的多个跟踪车辆12的行驶方向上移动的可观测物体13进一步作为跟踪车辆12进行检测。遮挡判定部42判定由跟踪物体群检测部41检测的物体群的各物体是否被其它障碍物遮挡而不能被传感器21检测到。即，遮挡判定部42判定各物体存在于遮挡区域14及非遮挡区域15的哪个区域。由遮挡判定部42判定为未被遮挡的物体是可观测物体13，判定为被遮挡的物体是非观测物体16。速度推定部43推定由跟踪物体群检测部41检测到的多个跟踪车辆12的速度。速度推定部43基于在夹着非观测物体16存在的遮挡区域14的两个非遮挡区域15分别移动的两个可观测物体13的当前的速度，推定在遮挡区域14存在的非观测物体16的当前的速度。位置推定部44基于由速度推定部43推定的速度及可观测物体13的属性信息，推定跟踪车辆12的当前的位置。姿势推定部45基于由速度推定部43推定的速度及可观测物体13的属性信息，推定跟踪车辆12的当前的姿势。姿势推定部45也可以基于在地图数据中记录的道路的形状，推定跟踪车辆12的姿势。车间距离推定方法以下，使用图3A～图3B的流程图，说明车间距离推定装置20进行的车间距离推定方法之一例。以下所示的一连串的处理每隔规定的时刻反复执行。如图2所示，以搭载有车间距离推定装置20的车辆11为了向在前方存在的道路10的进深处的车道合流，而推定在进深处的车道行驶的多个跟踪车辆12的车间距离的情形为例进行说明。首先，在步骤S10中，传感器21获取包含跟踪对象物多个跟踪车辆12在内的周边环境的信息。在图2所示例中，传感器21至少获取车辆11前方的物体的位置信息。在步骤S11中，物体检测部31基于在步骤S10中获取的信息，检测可观测物体13及可观测物体13的物体信息。物体检测部31也可以基于地图数据、自身位置及车辆11的运动信息，检测包含周围的特征物在内的可观测物体13及可观测物体13的物体信息。在步骤S12中，区域推定部32基于步骤S10中获取的信息，推定由障碍物遮挡而不能被传感器21检测到的多个遮挡区域14和未被遮挡而能被传感器21检测到的多个非遮挡区域15。在步骤S13中，物体对照部33将在步骤S11中检测到的可观测物体13的物体信息和在物体运动预测部40中预测的预测物体的物体信息进行对照。此外，步骤S13以将后述的步骤S23～S27中获取的预测物体的物体信息输入物体对照部33作为前提。在步骤S14中，物体对照部33基于可观测物体13的属性信息与预测物体的属性信息的类似度，判定可观测物体13与预测物体是否相互对应。物体对照部33在判定为对应的情况下，使处理进入步骤S15，在判定为不对应的情况下，使处理进入步骤S16。在步骤S15中，识别结果存储部34使用可观测物体13的属性信息更新当前的物体信息。即，识别结果存储部34将已存储的可观测物体13的物体信息的属性信息置换成当前时刻的在步骤S11中获取的属性信息，并作为新的可观测物体13的物体信息进行存储。在步骤S16中，物体对照部33判定预测物体是否被遮挡。即，物体对照部33基于预测物体的属性信息及由区域推定部32推定的遮挡区域14，判定预测物体是否存在于遮挡区域14内。物体对照部33在判定为预测物体被遮挡的情况下，使处理进入步骤S17，在判定为未被遮挡的情况下，使处理进入步骤S18。在步骤S17中，识别结果存储部34使用预测物体的属性信息更新当前的物体信息。即，识别结果存储部34将已存储的可观测物体13的物体信息的属性信息置换成在当前时刻输入物体对照部33的预测物体的属性信息，并作为非观测物体16的物体信息进行存储。在步骤S18中，识别结果存储部34将在当前时刻输入物体对照部33的预测物体的物体信息删除。即，识别结果存储部34不使已存储的可观测物体13的物体信息变更而进行维持。此外，在未输入有预测物体的物体信息的情况下或之前未存储有可观测物体13的物体信息的情况下，在步骤S18中，识别结果存储部34存储在步骤S11中检测到的可观测物体13的物体信息。在步骤S19中，识别结果存储部34将步骤S15～步骤S18的任一步骤中存储的可观测物体13或非观测物体16的物体信息映射到地图数据上。识别结果存储部34基于地图数据、自身位置及车辆11的运动信息，将可观测物体13或非观测物体16的物体信息映射到地图数据上。在步骤S20中，识别结果存储部34例如基于地图数据、自身位置及车辆11的运动信息，推定在步骤S12中推定的多个遮挡区域14及多个非遮挡区域15中相互关联的遮挡区域14及非遮挡区域15。识别结果存储部34在例如地图数据中、推定了多个遮挡区域14及多个非遮挡区域15的车道上的规定范围的区域内推定行驶区域101。识别结果存储部34将在相同的行驶区域101中推定的多个遮挡区域14及多个非遮挡区域15推定为相互关联的多个遮挡区域14及多个非遮挡区域15。此外，识别结果存储部34也可以不使用地图数据，而基于检测具有相同的移动方向的多个物体的区域，推定行驶区域101。在步骤S21中，车间距离推定部35推定在步骤S20中推定的相同的行驶区域101中行驶的多个跟踪车辆12的彼此之间的车间距离。在行驶区域101行驶的多个跟踪车辆12由多个可观测物体13及多个非观测物体16构成。即，车间距离推定部35基于存在于由识别结果存储部34推定的行驶区域101的多个可观测物体13及多个非观测物体16的物体信息，推定多个跟踪车辆12的车间距离。在步骤S22中，处理电路30将在步骤S21中推定的多个跟踪车辆12的车间距离向输出部25输出。另外，处理电路30也将由识别结果存储部34存储的多个可观测物体13及多个非观测物体16的物体信息、多个遮挡区域14及多个非遮挡区域15的信息向输出部25输出。在步骤S23中，跟踪物体群检测部41将在步骤S20中推定的关联的多个遮挡区域14及多个非遮挡区域15存在的可观测物体13及非观测物体16中、具有相同的移动方向的物体群作为多个跟踪车辆12进行检测。跟踪物体群检测部41也可以仅将在关联的多个遮挡区域14及多个非遮挡区域15存在的物体群作为多个跟踪车辆12进行检测。在步骤S24中，遮挡判定部42基于在步骤S23中检测的物体群的各物体信息，判定物体群的各物体是否被障碍物遮挡而不能被传感器21检测到。例如，遮挡判定部42通过参照表示属性信息所包含的遮挡有无的信息，判定各物体是否被遮挡。在该情况下，在步骤S16中，物体对照部33只要判定预测物体是否被遮挡，且将判定结果附加于属性信息即可。未被遮挡的物体为可观测物体13，被遮挡的物体为非观测物体16。在步骤S25中，速度推定部43基于在步骤S24中判定为未被遮挡的可观测物体13的属性信息推定在步骤S24中判定为被遮挡的非观测物体16的速度。具体而言，速度推定部43基于在夹着该遮挡区域14的两个非遮挡区域15分别行驶的两台跟踪车辆12即可观测物体13的速度推定在一个遮挡区域14中行驶的1台或多台跟踪车辆12即非观测物体16的速度。例如，如图2所示，具体地说明在多个遮挡区域14及多个非遮挡区域15中行驶的跟踪车辆12的物体信息中、设定1～6ID的情况下推定非观测物体16的速度的方法。在图2所示例中，ID＝1、4、6的跟踪车辆12为可观测物体13，ID＝2、3、5的跟踪车辆12为非观测物体16。图4是表示某一个时刻的、ID＝1～6的跟踪车辆12各自的遮挡的有无、位置及速度的表。各跟踪车辆12的位置是例如以检测范围的最后尾的ID＝6的跟踪车辆12的位置为基准的相对位置。ID＝2、3、5的跟踪车辆12的位置根据在前一时刻推定的速度推定。此外，括弧内的数值是指推定值。图5是说明根据图4所示的各可观测物体13的属性信息推定各非观测物体16的速度的方法的图表。ID＝1、4、5的跟踪车辆12即可观测物体13的位置分别是90m、30m、0m。将ID＝2、3、5的跟踪车辆12即非观测物体16的、在前一时刻推定的位置分别设为70m、40m、20m。ID＝1～4的跟踪车辆12的彼此之间的车间距离的比为2：3：1参照图5的大括弧。ID＝4～6的跟踪车辆12的彼此之间的车间距离的比为1：2参照图5的三角括弧。速度推定部43将以使用在前一时刻推定的非观测物体16的位置的各物体间的距离的比将夹着非观测物体16的两个可观测物体13的速度进行内分的值推定为非观测物体16的速度。ID＝1、4的可观测物体13的各速度为40kmh、50kmh。将这两个速度以各物体间的距离的比进行内分，由此，算出ID＝2、3的非观测物体16的推定速度。当将ID＝2的非观测物体16的速度设为v2，将ID＝3的非观测物体16的速度设为v3，将ID＝5的非观测物体16的速度设为v5时，v2、v3及v5如式1～3表示。v2＝40+10×26＝43.4…1v3＝40+10×56＝48.3…2v5＝35+10×23＝45…3在步骤S26中，位置推定部44基于在步骤S25中推定的速度及可观测物体13的属性信息，推定非观测物体16的当前位置。具体而言，当前的位置能够通过根据上一次循环中推定的各车速和循环时间算出各车间距离的变化量而求得。例如，在自上一次循环的处理时间为100ms的情况下，根据ID＝1、2的车间距离为20m图5中的位置90m-70m，且根据上述v1＝40kmh与v2＝43.4kmh的车速差，车间变宽9.4cm。通过这样按照每个处理循环进行运算，能够精确地推定遮挡区域内的与车辆的车间距离。在步骤S27中，姿势推定部45基于在步骤S25中推定的速度及可观测物体13的属性信息，推定非观测物体16的当前的姿势。动作例图6A及图6B是对从在时刻t＝0，ID＝11、12、13以相同的速度行驶的状态起，夹在两个可观测物体13ID＝11、13间的一个非观测物体16ID＝12从时刻t＝0到时刻t＝T进行加速的情形进行说明的图。相对于ID＝11的跟踪车辆12，观测到ID＝13的跟踪车辆12的相对速度增加的情况下，能够推定为作为非观测物体16的ID＝12的跟踪车辆12从时刻t＝0到时刻t＝T进行加速。作为结果，推定为ID＝11～13的3台跟踪车辆12的车间距离分别变窄。从时刻t＝0到时刻t＝T的车速、车间距离在上述S25、S26中，按照每个处理循环进行运算并更新，因此，能够根据两个可观测物体13ID＝11，13的车速变化精确地推定非观测物体16ID＝12的车间距离。如图7所示，时刻t＝0的、ID＝11的跟踪车辆的速度为v11。时刻t＝0中的、ID＝13的跟踪车辆12的位置为d130，速度为v130。此外，各跟踪车辆12的位置是以ID＝11的跟踪车辆12的位置为基准的相对位置。将前一时刻推定的ID＝12的跟踪车辆12的位置设为d120。在该情况下，车间距离推定部35将以从0到d120的距离与从d120到d130的距离的比对速度v11和速度v130进行了内分的速度v120作为时刻t＝0的非观测物体16的推定速度而算出。在图7中表示在时刻t＝0，ID＝11、13的跟踪车辆12以相同的速度被观测，ID＝12的跟踪车辆12也被推定为相同的速度的情况。接着，在时刻t＝T，观察ID＝11和ID＝13的跟踪车辆12，结果，将ID＝13的跟踪车辆12的位置设为d13T，将速度设为v13T，将根据时刻t＝T之前的时刻的ID＝12的跟踪车辆12的速度、位置推定的ID＝12的跟踪车辆12的位置设为d12T。如上述，从时刻t＝0到时刻t＝T的车速、车间距离在上述S25、S26中，按照每个处理循环进行运算并更新。在该情况下，车间距离推定部35将以从0到d12T的距离与从d12T到d130的距离的比对速度v11和速度v13T进行了内分的速度v12T作为时刻t＝T的非观测物体16的推定速度而算出。如以上，通过根据作为可观测物体13的ID＝13的跟踪车辆12的加速，推定作为非观测物体16的ID＝12的跟踪车辆12的速度，能够提高非观测物体16的速度的推定精度。结果，车间距离推定部35基于推定的车速，高精度地推定下一处理循环的多个跟踪车辆12的位置，由此，能够高精度地推定车间距离。图8A及图8B是说明被两个可观测物体13ID＝11，13夹着的一个非观测物体16ID＝12从时刻t＝0到时刻t＝T进行减速的情形的图。在观测到相对于ID＝11的跟踪车辆11，ID＝13的跟踪车辆13的相对速度减少的情况下，能够推定为作为非观测物体16的ID＝12的跟踪车辆12从时刻t＝0到时刻t＝T进行了减速。结果，推定为ID＝11～13的3台跟踪车辆12的车间距离分别扩大。如图9所示，车间距离推定部35将以从0到d120的距离与从d120到d130的距离的比对速度v11和速度v130进行了内分速度v120作为时刻t＝0的非观测物体16的推定速度而算出。在图9中，表示在时刻t＝0，ID＝11、13的跟踪车辆12以相同的速度被观测，ID＝12的跟踪车辆12也推定为相同的速度的情况。同样地，车间距离推定部35将以从0到d12T的距离与从d12T到d130的距离的比对速度v11和速度v13T进行了内分的速度v12T作为时刻t＝T的非观测物体16的推定速度而算出。如以上，通过根据作为可观测物体13的ID＝13的跟踪车辆12的减速，推定作为非观测物体16的ID＝12的跟踪车辆12的速度，能够提高非观测物体16的速度的推定精度。结果，车间距离推定部35基于推定的车速，高精度地推定下一处理循环的多个跟踪车辆12的位置，由此，能够高精度地推定车间距离。根据本实施方式的车间距离推定装置20，基于在夹着遮挡区域14的两个非遮挡区域15的同一车道上分别行驶的车辆的速度，推定相对于在遮挡区域14的同一车道上行驶的车辆的车间距离。即，车间距离推定装置20基于夹着非观测物体16的两个可观测物体13的当前的速度，推定相对于非观测物体16的当前的车间距离。由此，车间距离推定装置20能够高精度地推定非观测物体16的车间距离。另外，根据车间距离推定装置20，推定在遮挡区域14的同一车道上行驶的车辆的速度。即，车间距离推定装置20基于夹着非观测物体16的两个可观测物体13的当前的速度，推定非观测物体16的当前的速度。由此，车间距离推定装置20能够高精度地推定非观测物体16的速度，结果，能够提高车间距离推定的精度。另外，根据车间距离推定装置20，使用地图数据推定多个跟踪车辆12行驶的行驶区域101，并在行驶区域101推定多个非遮挡区域15。由此，车间距离推定装置20能够高精度地推定非遮挡区域15，因此，能够有效地检测可观测物体13。另外，根据车间距离推定装置20，基于可观测物体13的属性信息与预测物体的属性信息的类似度，对跟踪车辆12进行跟踪。判定可观测物体13和预测物体是否相互对应。特别是，作为跟踪车辆12的属性信息，通过采用形状、颜色等，车间距离推定装置20在即使跟踪车辆12暂时进入遮挡区域14，也再次进入非观测物体16的情况下，能够高精度地跟踪相同的跟踪车辆12。其它实施方式如上述，通过上述的实施方式记载了本发明，但应理解为构成本公开的一部分的论述及附图不限定本发明。根据本公开，对于本领域技术人员来说，各种代替实施方式、实施例及运用技术是显而易见的。例如，在已述的实施方式中，物体对照部33也可以使用姿势作为属性信息，判定可观测物体13和预测物体是否相互对应。由此，车间距离推定装置20还能够高精度地跟踪相同的跟踪车辆12。此外，跟踪车辆12的姿势可基于例如传感器21的点群数据中、弯曲成L形的部位、移动履历的切线方向、道路的形状等推定。除此之外，显然包含相应应用了上述的各结构的结构等、本发明在此未记载的各种实施方式等。因此，本发明的技术范围根据上述的说明仅由要求保护的范围来确定。

权利要求：1.一种车间距离推定方法，使用了检测车辆周围的物体的位置信息的传感器和基于所述位置信息推定被检测的多个跟踪车辆的车间距离的处理电路，其特征在于，所述处理电路推定被障碍物遮挡而使所述传感器无法检测到的遮挡区域和夹着所述遮挡区域的两个非遮挡区域，基于在所述两个非遮挡区域的同一车道上分别行驶的两台所述跟踪车辆的速度，推定相对于在所述遮挡区域的所述同一车道上行驶的所述跟踪车辆的车间距离。2.如权利要求1所述的车间距离推定方法，其特征在于，推定在所述遮挡区域的同一车道上行驶的所述跟踪车辆的速度，基于推定的所述跟踪车辆的速度，推定所述车间距离。3.如权利要求1或2所述的车间距离推定方法，其特征在于，所述处理电路在地图数据中推定所述多个跟踪车辆行驶的行驶区域，并在所述行驶区域推定所述两个非遮挡区域。4.如权利要求1～3中任一项所述的车间距离推定方法，其特征在于，所述传感器检测所述跟踪车辆的形状及颜色的至少任一项，所述处理电路基于所述跟踪车辆的形状及颜色的至少任一项，跟踪所述跟踪车辆。5.一种车间距离推定装置，具备检测车辆周围的物体的位置信息的传感器和基于所述位置信息推定所检测的多个跟踪车辆的车间距离的处理电路，其特征在于，所述处理电路推定被障碍物遮挡而使所述传感器无法检测到的遮挡区域和夹着所述遮挡区域的两个非遮挡区域，基于在所述两个非遮挡区域分别行驶的两台所述跟踪车辆的速度，推定在所述遮挡区域行驶的所述跟踪车辆的速度，基于推定的所述跟踪车辆的速度，推定所述多个跟踪车辆的车间距离。

百度查询： 日产自动车株式会社 车间距离推定方法及车间距离推定装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD