Deprecated: The each() function is deprecated. This message will be suppressed on further calls in /home/zhenxiangba/zhenxiangba.com/public_html/phproxy-improved-master/index.php on line 456
JP7614387B2 - セントラルレベル追跡アーキテクチャにおいてセンサの不確かさをモデリングする方法 - Google Patents
[go: Go Back, main page]

JP7614387B2 - セントラルレベル追跡アーキテクチャにおいてセンサの不確かさをモデリングする方法 - Google Patents

セントラルレベル追跡アーキテクチャにおいてセンサの不確かさをモデリングする方法 Download PDF

Info

Publication number
JP7614387B2
JP7614387B2 JP2023552196A JP2023552196A JP7614387B2 JP 7614387 B2 JP7614387 B2 JP 7614387B2 JP 2023552196 A JP2023552196 A JP 2023552196A JP 2023552196 A JP2023552196 A JP 2023552196A JP 7614387 B2 JP7614387 B2 JP 7614387B2
Authority
JP
Japan
Prior art keywords
sensor
dimension
sensors
detections
uncertainty
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
JP2023552196A
Other languages
English (en)
Other versions
JP2024507990A (ja
Inventor
バッツァーナ・ピエルジョバンニ
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.)
Aumovio Autonomous Mobility Germany GmbH
Original Assignee
Aumovio Autonomous Mobility Germany GmbH
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
Priority claimed from EP21184188.7A external-priority patent/EP4063911A1/en
Application filed by Aumovio Autonomous Mobility Germany GmbH filed Critical Aumovio Autonomous Mobility Germany GmbH
Publication of JP2024507990A publication Critical patent/JP2024507990A/ja
Application granted granted Critical
Publication of JP7614387B2 publication Critical patent/JP7614387B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/66—Sonar tracking systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
    • 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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Description

本発明は、複数センサ追跡システムにおいて異なるタイプのセンサによる検出を融合することに関する。特に、本発明は、セントラルレベル追跡システムアーキテクチャにおいてセンサの不確かさをモデリングすることに関する。
本発明において用いられる用語
測定、別称、検出またはセンサ検出は、複数センサ追跡システムにおけるセンサにより現在の観測シーケンスにおいて受信される値に対応するデータである。
センサ物体、別称、目標物体は、１つまたは複数のセンサにより検出される現実世界の物体である。
融合物体は、測定の融合がその直前の観測シーケンスにおいて行われたセンサ物体である。
各センサ物体についての目標位置は、現在の観測シーケンスにおける各々のセンサ物体の推定位置である。
複数センサ追跡システムにおいて異なるタイプのセンサによる検出を融合することは、センサ物体のカバレッジがより広くなり、目標物体のその後の位置の推定がより正確になるという有利な点を有することが先行技術により知られている。
目標物体は、単一目標物体または複数目標物体であってよい。
セントラルレベル追跡アーキテクチャにおいて、センサにより取得された全ての検出は、各検出についてその対応する追跡を継続するセントラル追跡システムに送信される。
セントラルレベル追跡アーキテクチャの理論的に有利な点は、検出に含まれる全ての情報を最大限に活用することである。
複数センサ推定の１つの知られている問題はいわゆるデータ連関問題であり、基本的には、どの既存の融合物体を、複数センサのうちの特定のセンサに由来するどの新規測定と連関させるべきかを知ることに関する。
非特許文献１において指摘されているように、「行われた多数の測定は、観測されている基礎となる状態と正しく連関させる必要がある。これがデータ連関問題である。データ連関問題は、データを検証すること（例えば、エラーではないことまたはクラッタから生じているのではないことを確実にすること）、（特に、複数目標追跡課題において）正しい測定を正しい状態と連関させること、および新規追跡または状態を必要に応じて初期化することの問題を含む。従来の追跡が実際に測定位置の不確かさに関係する一方で、データ連関は測定出所の不確かさに関係する。」
先行技術の不利な点
周知であるセンサ不確かさを取り扱う方法の１つは、センサ誤差の「データドリブンモデリング」に基づいており、つまり、測定行動の実行、センサからのデータの抽出、および不確かさを決定するためのフィッティング手法の使用である。
このアプローチは２つの不利な点を有する。一方では、センサの視野に関してデータを収集するには特別なドライブおよび測定セッションが必要であるため、一般に高価であり、他方では、保存に大きいメモリを必要とする不確かさのマップが生じ、組み込みシステムにとってはその性能を低下させるため、問題である。
先行技術文献から知られている他のアプローチは、センサにより供給される情報を直接的に使用することである。このアプローチは、センサにより提供されるデータに関して十分な統計情報をセンサが供給する場合にのみ適用可能である。このことは、実際上センサメーカがこのタイプの情報を提供しない場合には通常当てはまらないため、また不利な点である。
Ｈｕｇｈ Ｄｕｒｒａｎｔ－Ｗｈｙｔｅ， "Ｍｕｌｔｉ Ｓｅｎｓｏｒ Ｄａｔａ Ｆｕｓｉｏｎ"， Ａｕｓｔｒａｌｉａｎ Ｃｅｎｔｒｅ ｆｏｒ Ｆｉｅｌｄ Ｒｏｂｏｔｉｃｓ， Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｙｄｎｅｙ， ２００６．
本発明が解決しようとする課題は、セントラルレベル追跡アーキテクチャにおいてセンサ不確かさをより正確にモデリングすることであり、つまり、異なるセンサについて連関ゲートをより高速かつより安価に定義することであり、これにより、追跡性能が改善され、異なるセンサについて連関ゲートがより良好に定義される。本発明の目的は、センサ検出の融合に役に立つセンサによる測定誤差の記述についてより良好なツールを意思決定者に提供することである。
本課題を解決するために、発明者は、本発明の第１態様において、少なくとも１つのセンサ物体に関して複数のセンサ検出を融合するセントラルレベル追跡アーキテクチャシステムにおいてセンサの不確かさをモデリングするコンピュータ実装方法であって、各少なくとも１つのセンサ物体は各センサ各々から各々の距離に位置し、距離は各センサ各々の主軸に関して計算される方法において、
現在の観測シーケンスにおいて実行される以下のステップ：
Ｓ１．１．各センサに関して少なくとも１つのセンサ物体のセンサ検出を取得して保存するステップであって、各センサ検出は少なくとも１つのセンサ物体の少なくとも１つの次元に対応し、各センサ検出は各々のセンサ検出誤差を含むステップ；
Ｓ１．２．各センサに関して各次元についてセンサ検出誤差所定量を設定することにより、各センサに関して各次元について所定の連関ゲート最小閾値を設定するステップ；
Ｓ１．３．距離の関数として、センサ検出誤差所定量を用いて、各センサに関して各センサ検出誤差の増加をモデリングするステップ；
Ｓ１．４．所定の連関ゲート最小閾値を超える各々のセンサ検出誤差をモデリングに従って増加させることにより、各センサに関して各次元に対応する各センサ検出について連関ゲートを計算するステップ；
Ｓ１．５．各センサに関してスケーリング手法を用いて各センサ検出と連関する共分散行列を計算するステップ；および
Ｓ１．６．全てのセンサに対応する複数の共分散行列を保存し、現在の観測シーケンスの複数のセンサ検出をその直前の観測シーケンスの少なくとも１つの融合物体と融合するためにセントラルレベル追跡システムに対して複数の共分散行列を利用可能にするステップであって、各少なくとも１つの融合物体は各少なくとも１つのセンサ物体に対応するステップを備える方法を案出した。
各共分散行列は、各次元に対応するその対応するセンサの不確かさの形状を示す。
本発明の第２態様において、少なくとも１つのコンピュータ処理装置コアを有し、少なくとも１つの揮発性メモリＲＡＭと少なくとも１つの不揮発性メモリＲＯＭとを備えるデータ処理ハードウェアにおいて、任意の好ましい実施形態によるセンサの不確かさをモデリングするコンピュータ実装方法を実行するように構成されることを特徴とするデータ処理ハードウェアが提供される。
本発明の第３態様において、プログラムがデータ処理ハードウェアにより実行されるとデータ処理ハードウェアに任意の好ましい実施形態によるコンピュータ実装方法のステップを実行させる命令を備えることを特徴とするコンピュータプログラムが提供される。
発明の有利な点
本発明の主な有利な点は以下の通りである。
本発明の方法は、先行技術と比較して、センサにより供給される測定の不確かさをより高速かつより安価に推定することを可能にする。不確かさの推定が改善されることにより、センサによる誤差の補正を改善するためのより多くのツールが意思決定者に提供され、融合における各センサの特徴がより良好に活用される。
本発明の方法はロバストであり、大きいメモリまたは大きい処理能力を必要とすることなく、センサメーカからの十分な統計情報を必要とすることなく、組み込みシステムに簡単にフィットすることが可能である。
本発明の方法は、センサ物体が移動中であって異なるタイプのセンサのうちの少なくとも１つがセンサ物体の動きを検出する、任意の技術分野において用いることができる。例えば、本方法は、自動車産業または土工産業または建設産業において用いることができる。
図１は、極座標表示を用いて連関ゲートを計算する原理を示し、本発明の理解を容易にするため、少なくとも１つの融合物体ＦＯｋの位置が平面において２次元表示されている。 図２は、デカルト座標表示を用いて連関ゲートを計算する原理を示し、本発明の理解を容易にするため、少なくとも１つの融合物体ＦＯｋの位置が平面において２次元表示されている。 図３Ａは、デカルト座標表示を用いて車両の１つのレーダおよび１つのカメラについて連関ゲートを作成する原理を示す。 図３Ｂは、デカルト座標表示を用いて車両の１つのレーダおよび１つのカメラについての連関ゲートを作成する原理を示す。 図４は、カメラおよびレーダについての共分散行列のマッチング楕円体を示し、本発明の理解を容易にするため、少なくとも１つの融合物体ＦＯｋの位置が平面において２次元表示されている。
本発明に係る方法は、単一のセンサ物体または複数のセンサ物体に関して、センサにより取得されたセンサ検出を融合するセントラルレベル追跡アーキテクチャシステムにおいて用いられる。
本発明の方法は、センサを備える任意の陸上車両に適用することができ、陸上車両は自車両と称される。自車両は、例えば、乗用車、トラック、トレーラロール、バス、クレーン、土工機械、トラクタ、自動二輪車、二輪車等である。
自車両は、自動または有人であってよい。
簡潔のため、実施形態の詳細な説明および例示を通して、自車両の各センサ各々から距離ｄｋに位置する単一のセンサ物体Ｏｋであって、距離ｄｋは各センサ各々の主軸に関して計算され、各センサ検出はセンサ物体Ｏｋの少なくとも１つの次元に対応する、単一のセンサ物体Ｏｋが言及されるどの場合においても、単一のセンサ物体Ｏｋについて開示される教示を準用して、全てのセンサ物体Ｏｋに適用すると理解されるべきである。
本発明に係る方法は、少なくとも２つのセンサを用いることを必要とするのは、単一のセンサにより取得されるセンサ検出においては融合は存在しないからである。
簡潔のため、本明細書を通して、「センサ」という用語は、任意の実施形態において本発明の方法を実施するためにセンサ検出を供給するように選択された自車両のセンサを示す。自車両には、本発明に関連しない他のセンサが設けられてもよい。
本発明のセンサ物体Ｏｋは移動中である。自車両は、一般に、移動中であるが、その一方、例えば、交通信号灯での待機時等のように、一時的に停止している場合がある。
各センサ物体Ｏｋは、技術、物体の位置およびセンサ搭載位置に応じて、それ自体に固有の形状を有する。
センサは、各センサ物体Ｏｋの移動を追跡し、各センサ各々の視野ＦＯＶ内に位置する各センサ物体Ｏｋについて少なくとも１つの次元を測定する。本発明の方法は、２つまたは３つ以上のセンサの視野ＦＯＶに同時に位置するセンサ物体Ｏｋに適用する。
測定は、各センサ各々のメーカの仕様に応じて、センサにより行われる。
本発明の適用に関わらず、センサの測定は、センサ融合のためのセントラルレベル追跡システムアーキテクチャにおける１つまたは様々な融合ユニットに送信される。
センサの測定は、本発明の全てのステップを実行するデータ処理ハードウェアにより取得される。取得されたセンサの測定は、「検出」または「センサ検出」とも別称され、各々のセンサにより取得された値のデータを意味し、このデータは、その後、開示されているように、本方法のステップにおいてデータ処理ハードウェアにより処理される。
本発明に係る方法は６つのステップを備える。全てのステップは、現在の観測シーケンスにおいてデータ処理ハードウェアにより実行される。
その直前の観測シーケンスにおいて、特定のセンサ物体Ｏｋに対応する少なくとも１つの融合物体ＦＯｋが計算されたものと理解されるべきである。
第１ステップにおいて、各センサ物体Ｏｋに関して各センサによるセンサ検出を現在の観測シーケンスにおいて取得して保存し、各センサ検出は少なくとも１つのセンサ物体Ｏｋの少なくとも１つの次元に対応する。各センサ検出は各々のセンサ検出誤差を含む。
第２ステップにおいて、距離ｄｋの関数として、各センサに関して各次元についてセンサ検出誤差所定量を設定することにより、各センサに関して各次元について所定の連関ゲート最小閾値を設定する。
第３ステップにおいて、距離ｄｋの関数として、センサ検出誤差所定量を用いて、各センサに関して各センサ検出誤差の増加をモデリングする。
不確かさのモデリングは、各センサおよび各センサ物体Ｏｋについて独立して行われ、つまり、モデリングのパラメータは、
センサについては、
全てのセンサについて同じパラメータまたは
一部もしくは全てのセンサについて異なるパラメータの何れかであってよく、
センサ物体Ｏｋについては、
全てのセンサ物体Ｏｋについて同じパラメータまたは
一部もしくは全てのセンサ物体Ｏｋについて異なるパラメータの何れかであってよい。
不確かさのモデリングは、センサメーカが提供する情報を用いて行われ、この情報から、センサ誤差記述に用いるべき標準偏差が推定される。
次に、第４ステップにおいて、所定の連関ゲート最小閾値を超える各々のセンサ検出誤差をモデリングに従って増加させることにより、各センサに関して各次元に対応する各センサ検出について連関ゲートを計算する。
増加の上限値は、それに対応する技術仕様に記載されている各センサの測定の限界値により定義される。
連関ゲート、別称、検証ゲートは、現在の観測シーケンスの各センサ検出およびその直前の観測シーケンスの融合物体ＦＯｋの周辺の観測領域である。各センサ検出は、それに対応するセンサ物体Ｏｋの目標位置を示す。
ゲートのサイズは、欠損連関の確率に対する偽連関の確率の評価に基づき先行技術文献から利用可能な基準を用いて、つまり、カイ二乗分布を使用して設定される。ゲートのサイズは、間接的にではあるものの融合アルゴリズム以外により、ステップ２および３においてモデリングされたセンサ誤差のサイズおよび形状に大きく影響を及ぼされる。
先行技術文献により周知であるように、センサ不確かさのモデルは、測定を最良に用いることを可能とするために重要である。
極端な例として、２つのセンサによる検出を融合する場合であって、１つのセンサはＸ方向の位置測定が非常に精度が高くＹ方向の位置測定が非常に不良であり、２つ目のセンサは反対の特性、つまり、Ｙ方向において非常に精度が高くＸ方向において非常に不良である場合が考えられる。用いられる融合方法はカルマンフィルタ（例えば、ｈｔｔｐｓ：／／ｅｎ．ｗｉｋｉｐｅｄｉａ．ｏｒｇ／ｗｉｋｉ／Ｋａｌｍａｎ＿ｆｉｌｔｅｒを参照）であり、ここでは既知であると仮定される関連する方程式に基づくものと仮定すると、その結果得られる推定位置は第１センサのＸ位置および第２センサのＹ位置を多くの場合用いる。この結果を融合アルゴリズムから得るために、そして、カルマンフィルタの場合に限定しない場合、測定誤差の正確な記述を融合アルゴリズムに供給することが重要である。また、同じ記述が連関ゲート定義に影響を及ぼすのは、センサによる値がより高い精度ならばより厳密な連関基準となりより低い精度ならばより脆弱な連関基準となることに起因する。このことは、上記第５ステップにおいてカイ二乗分布が用いられる場合に反映される。
第５ステップにおいて、各センサに関してスケーリング手法を用いて各センサ検出と連関する共分散行列を計算する。
共分散行列は、センサの視野ＦＯＶにおける距離ｄｋに依存し、スケーリングによる、各々の連関ゲートについて計算可能な各次元についての関数である。スケーリングは、様々な式を用いて行うことができ、非限定的な例は、距離と角度に関する線形補間である。
共分散行列は、各次元に対応するその対応するセンサの不確かさの形状を示す。
第６ステップにおいて、全てのセンサに対応する複数の共分散行列を保存し、現在の観測シーケンスの複数のセンサ検出をその直前の観測シーケンスの少なくとも１つの融合物体ＦＯｋと融合するためにセントラルレベル追跡システムに対して複数の共分散行列を利用可能にし、各少なくとも１つの融合物体ＦＯｋは各少なくとも１つのセンサ物体Ｏｋに対応する。
その直前の観測シーケンスにおける融合物体の連関ゲートまたはその各々の連関ゲートと現在の観測シーケンスの各センサ検出の連関ゲートまたはその各々の連関ゲートとのオーバラップは、各々のセンサ検出が検証され、これにより、１つまたは複数の融合物体ＦＯｋと融合されてよいことを示すものと見なされる。本発明はセンサ検出の不確かさを決定するためのより良好なツールを提供するに過ぎないため、検証およびセンサ検出融合の規則は、本発明の範囲外である。
開示される本発明の方法は、センサにより供給される測定の不確かさを推定するための、単純ではあるものの量的で、先行技術と比較して、より高速かつより安価な方法であるという有利な点を有するのは、本方法により不確かさの数式として出力される共分散行列は、理論およびセンサメーカのセンサ文書資料において利用可能なデータに基づいていることから計算を行う時間が先行技術よりも短期間であり、他方では、センサ正確度を有する長期間で複雑で高価な測定行動を必要としないからであり、共分散行列および本方法は先行技術の方法よりも安価である。
不確かさの記述を改善することにより、センサの検出の使用を改善して融合において各センサの特徴をより高速かつより安価に活用するためのより多くのツールが意思決定者に提供される。
本発明の方法は、ロバストであり、大きいメモリまたは大きい処理能力を必要とすることなく、組み込みシステムに簡単にフィットすることが可能であるのは、共分散行列の計算は大きいメモリまたは大きい処理能力を必要としないからである。また、本発明の方法を用いることにより、センサメーカからの十分な統計情報はもはや必要とされないのは、センサデータシートに記載されている簡略化された情報セットがあればセンサ融合の目的にかなう記述を供給するために十分な共分散行列を計算するのに通常足りるからであり、これにより、センサメーカが誤差に関して十分な情報を提供していないようなセンサについて、本発明は特に有利となっている。
好ましい実施形態において、本方法は第５ステップのサブステップをさらに備える。
第５ステップにおいて、各共分散行列を、マッチング楕円体を用いて、各々の共分散行列のサイズに比例して、各次元に対応する連関ゲートのサイズに比例して、グラフィック表示する。
各マッチング楕円体は各次元に対応するその対応するセンサの不確かさの形状を示し、楕円体のサイズが大きいほど、それに対応して、各々のセンサの検出の不確かさの程度は大きくなる。
複数の共分散行列をマッチング楕円体としてグラフィック表示することにより、本発明は、不確かさを低減させるためにどのセンサおよび／またはセンサの視野ＦＯＶのどの領域が意思決定者によるアクションを必要とするかについて、グラフィック全体像を有することが意思決定者に可能になるというさらなる有利な点を有する。実装例および図４は、そのような全体像を概略的に示す。
複数の共分散行列のグラフィック表示を用いる本発明の方法またはそれを用いない本発明の方法は、様々な数の次元に適用可能であり、それらのうち３つの好ましい実施形態が以下に示される。
１つの好ましい実施形態において、１つの次元のみ、つまり、センサ物体Ｏｋの位置が存在する。グラフィック表示の簡潔のため、全ての図はセンサ物体Ｏｋの位置についての本方法の適用を示している。
不図示である別の好ましい実施形態において、２つの次元、つまり、センサ物体Ｏｋの位置および、簡潔のため、センサ物体Ｏｋの速度と称される、自車両に対するセンサ物体Ｏｋの相対速度が存在する。
不図示である別の好ましい実施形態において、３つの次元、つまり、センサ物体Ｏｋの位置、速度および加速度が存在する。
次元のタイプおよび数の選択には、それに対応する変数を推定するための特定の必要性が考慮に入れられる。例えば、自車両が土工機械であって、このタイプの機械は乗用車と比較して非常に移動が緩慢であることが分かっている場合、センサ物体Ｏｋの加速度を用いる必要はなく、状況によっては、速度も用いる必要はない。
これとは対照的に、自車両が路上走行車両である場合、特に、自車両が所定の速度を超えて、例えば、６０ｋｍ／ｈを超えて移動している時にセンサの不確かさを低減する必要がある場合、センサ物体Ｏｋの位置、速度および加速度を本方法において用いるために選択することは好都合である。
好ましい実施形態において、センサは同じタイプからなり、つまり、レーダセンサ、カメラ、超音波センサ、ライダセンサ等からなる。
別の好ましい実施形態において、センサは２つまたは３つ以上のタイプからなり、つまり、レーダセンサおよびカメラ、レーダセンサおよび超音波センサ、レーダセンサおよびライダセンサ、カメラ、レーダセンサおよび超音波センサ等からなる。
センサのタイプの数および組み合わせは、自車両のセンサの既存の構成および意思決定者が行うセンサの選択により定義される。
不図示である１つの例において、いくつかの自車両には単一のタイプのセンサ、例えば、カメラが設けられる。この場合、一部または全てのカメラが本発明の方法の適用に用いられる。
不図示である他の例において、他の自車両には３つのタイプのセンサ、つまり、カメラ、レーダセンサおよび超音波センサが設けられる。
全ての例において、本方法は、車両の全てのセンサまたは一部のセンサのみに適用することができる。
自車両の一部のセンサのみに本発明の方法を用いることは、例えば、自車両に関して所定の領域、例えば、ブラインドスポットから物体を検出するセンサの不確かさを低減させる必要があることを意思決定者がわかっている場合に、有用である。
別の好ましい実施形態において、センサ検出が少なくとも１つのカメラおよび少なくとも１つのレーダにより取得される。この実施形態は実装例において示され、図３Ａ、３Ｂおよび４に図示されている。
センサの数およびタイプの複数の組み合わせならびに各センサにより測定される次元の数およびタイプの複数の組み合わせを可能とすることにより、本発明は、自車両のセンサの不確かさを低減する各特定の必要性に適合し、自車両のセンサの既存の構成に適合するという有利な点を有する。
本発明は、基準系、つまり、極座標系またはデカルト座標系から独立している。
任意の好ましい実施形態による方法の何れかのステップにおいてなされる全ての計算は、極座標またはデカルト座標の何れかにおいて行うことができる。
必要に応じて、本方法の何れかのステップの結果および本方法自体の結果は、極座標からデカルト座標へと変換可能であり、その逆方向の変換も可能である。
極座標表示を用いるかまたはデカルト座標表示を用いるかの選択は、どちらの基準系が計算をより簡略化し、どちらの基準系が融合に用いられるかに依存する、便宜な選択である。
例えば、追跡システムはデカルト基準系を用いるように構成されていると仮定すると、その一方で、グローバルの不確かさは動径および角度の不確かさに当然分割されることから、レーダの計測の不確かさは極座標においてより単純に記述される。この例については、主基準システムはデカルト基準系であり、レーダの測定の不確かさは極座標からデカルト座標へと変換される。
図１は、１つの次元のみ、つまり、位置のみが存在する実施形態について極座標において連関ゲートを計算する原理を概略的に示す。図１から、径方向の距離が距離ｄｋであり、方位角がセンサの主軸と各々のセンサの基準方向との間の角度θであることを見ることができる。従って、図１において例示される位置ｐは（ｄｋ，θ）と書かれる。
図２は、同じ実施形態について、デカルト座標ｘ，ｙにおける連関ゲートの同じ計算を概略的に示し、簡潔のため、基準方向はｙ軸である。図２から、位置ｐはｐ（ｘ，ｙ）と書かれることを見ることができる。
本発明の第２態様において、少なくとも１つのコンピュータ処理装置コアを有し、少なくとも１つの揮発性メモリＲＡＭと少なくとも１つの不揮発性メモリＲＯＭとを備えるデータ処理ハードウェアにおいて、任意の好ましい実施形態によるセンサの不確かさをモデリングするコンピュータ実装方法を実行するように構成されることを特徴とするデータ処理ハードウェアが提供される。
好ましい実施形態において、データ処理ハードウェアはセンサ処理装置とは別体の処理装置であって、センサ処理装置と通信プロトコルにより通信する。
別の好ましい実施形態において、データ処理ハードウェアは１つまたは複数のセンサ処理装置に含まれ、本発明の方法に加えて、センサ処理装置の通常のタスクを実行する。
本発明の第３態様において、プログラムがデータ処理ハードウェアにより実行されるとデータ処理ハードウェアに任意の好ましい実施形態によるコンピュータ実装方法のステップを実行させる命令を備えることを特徴とするコンピュータプログラムが提供される。
実装例
図３Ａ、３Ｂおよび４を参照して、実装例において、２つのタイプのセンサ、つまり、レーダおよびカメラを用いる好ましい実施形態を概略的に示す。
理解を容易にするため、単一のセンサ物体Ｏｋに対応する単一の融合物体ＦＯｋが図示され、センサ物体Ｏｋの位置ｐ（ｘ，ｙ）のみが示される。
図３Ａおよび３Ｂは、自車両の１つのレーダおよび１つのカメラについて連関ゲートを作成する原理を示す。
図３Ａにおいて、レーダおよびカメラによるセンサ検出を取得した後の状況が概略的に示される。各楕円は、受信された測定が与えられた時、融合物体ＦＯｋが約６８％の信頼度で実際にセンサ物体Ｏｋである可能性がある領域を記述する。
その直前の観測シーケンスの融合物体ＦＯｋも概略的に示されている。問題は、現在の観測シーケンスの２つのセンサ検出を融合物体ＦＯｋと融合させるべきか否かである。
図３Ｂにおいて、両方のセンサについての連関ゲートの増加の結果が概略的に示され、連関ゲートは２つの矩形として示される。また、図３Ｂは、一方はレーダについての共分散行列、他方はカメラについての共分散行列である２つの共分散行列についてのマッチング楕円体表示を示している。
一般に、径方向に位置する連関ゲート、この場合、レーダについての連関ゲートの増加は、幅よりも長さにおいて顕著である。同様に、一般に、横方向に位置する連関ゲート、この場合、カメラの連関ゲートの増加は、長さよりも幅において顕著である。
融合物体ＦＯｋとの連関ゲートのオーバラップは、現在の観測シーケンスのセンサ検出が検証され、融合物体ＦＯｋと融合されるべきであることを示すものと見なされる。
オーバラップは、分布間の距離測度を計算する式、例えば、マハラノビス距離またはカルバック・ライブラー情報量を用いて評価される。
図３Ａおよび３Ｂと図４に示される原理に基づいて、自車両は、前方右角度、前方左角度、後方右角度および後方左角度に設けられた４つのサイドレーダであって、左および右はｘ軸の正側への移動方向に関して考慮される４つのサイドレーダと、３つのカメラであって、１つのカメラは前方を向き、２つのカメラは側方、つまり、側方左と側方右を向く３つのカメラとを有する乗用車またはバスである例が示される。
また、レーダセンサの視野ＦＯＶの限界線が図４においてＦＲ，ＦＬ，ＲＲ，ＲＬにより示されている一方、カメラのＦＯＶの限界線が図４においてＣにより示されている。
図４は、２つのタイプの共分散行列のマッチング楕円体を示し、２つのタイプの共分散行列とは
カメラならびに前方左レーダおよび前方右レーダについての共分散行列ＣＲであって、２つの楕円体は互いに対して垂直であり、
視野ＦＯＶの他の部分の全てについて、２つのレーダについての自車両レーダ共分散Ｒｃおよび２つのカメラについてのカメラ共分散Ｃｃであって、２つの楕円体は一方が他方の内側にある。
図４から、距離と角度が増加する場合にどのようにセンサの不確かさが一般に増加するかを見ることができる。このことの厳密な生じ方は、センサ文書資料により記述される特定のセンサの特徴に関連するものであり、共分散行列の係数に反映される。
本方法および本システムの詳細な説明が好ましい実施形態に関して開示されている一方、本発明の様々な変形および変更は、本発明の教示の本質的な範囲を逸脱することなく、その有利な点を減じることなく当業者には明らかであることを当業者は理解するだろう。従って、そのような変形および変更は添付の請求項の範囲内であることが意図される。
なお、本願は、特許請求の範囲に記載の発明に関するものであるが、他の観点として以下も含む。
１．
少なくとも１つのセンサ物体（Ｏ ｋ ）に関して複数のセンサ検出を融合するセントラルレベル追跡アーキテクチャシステムにおいてセンサの不確かさをモデリングするコンピュータ実装方法であって、各前記少なくとも１つのセンサ物体（Ｏ ｋ ）は各前記センサ各々から各々の距離（ｄ ｋ ）に位置し、前記距離（ｄ ｋ ）は各前記センサ各々の主軸に関して計算される方法において、
現在の観測シーケンスにおいて実行される以下のステップ：
Ｓ１．１．各前記センサに関して前記少なくとも１つのセンサ物体（Ｏ ｋ ）のセンサ検出を取得して保存するステップであって、各センサ検出は前記少なくとも１つのセンサ物体（Ｏ ｋ ）の少なくとも１つの次元に対応し、各センサ検出は各々のセンサ検出誤差を含むステップ；
Ｓ１．２．各前記センサに関して各次元についてセンサ検出誤差所定量を設定することにより、各前記センサに関して各次元について所定の連関ゲート最小閾値を設定するステップ；
Ｓ１．３．前記距離（ｄ ｋ ）の関数として、前記センサ検出誤差所定量を用いて、各前記センサに関して各センサ検出誤差の増加をモデリングするステップ；
Ｓ１．４．前記所定の連関ゲート最小閾値を超える各々のセンサ検出誤差をモデリングに従って増加させることにより、各前記センサに関して各次元に対応する各センサ検出について連関ゲートを計算するステップ；
Ｓ１．５．各前記センサに関してスケーリング手法を用いて各センサ検出と連関する共分散行列を計算するステップ；および
Ｓ１．６．全ての前記センサに対応する複数の共分散行列を保存し、前記現在の観測シーケンスの複数のセンサ検出をその直前の観測シーケンスの少なくとも１つの融合物体（ＦＯ ｋ ）と融合するために前記セントラルレベル追跡システムに対して前記複数の共分散行列を利用可能にするステップであって、各前記少なくとも１つの融合物体（ＦＯ ｋ ）は各前記少なくとも１つのセンサ物体（Ｏ ｋ ）に対応するステップを備え、
各前記共分散行列が、各次元に対応するその対応する前記センサの不確かさの形状を示す
ことを特徴とする方法。
２．
Ｓ２．５．各前記共分散行列についてマッチング楕円体を、各々の前記共分散行列のサイズに比例して、各次元に対応する前記連関ゲートのサイズに比例して、グラフィック表示するステップ
をさらに備える上記１に記載の方法。
３．
前記少なくとも１つのセンサ物体（Ｏ ｋ ）の位置である１つの次元について実行される上記１または２に記載の方法。
４．
前記少なくとも１つのセンサ物体（Ｏ ｋ ）の速度であるさらなる次元について実行される上記３に記載の方法。
５．
前記少なくとも１つのセンサ物体（Ｏ ｋ ）の加速度であるさらなる次元について実行される上記４に記載の方法。
６．
前記少なくとも１つの次元の測定が同じタイプのセンサによるセンサ検出を取得することにより行われる上記１～５の何れか１つに記載の方法。
７．
前記少なくとも１つの次元の測定が異なるタイプのセンサによるセンサ検出を取得することにより行われる上記１～５の何れか１つに記載の方法。
８．
センサ検出が少なくとも１つのカメラおよび少なくとも１つのレーダにより取得される上記７に記載の方法。
９．
本発明の１つまたは複数のステップの表示を極座標またはデカルト座標の何れかで行い、各ステップ各々の結果を極座標からデカルト座標へとまたはデカルト座標から極座標へと各々変換可能である上記１～８の何れか１つに記載の方法。
１０．
少なくとも１つのコンピュータ処理装置コアを有し、少なくとも１つの揮発性メモリＲＡＭと少なくとも１つの不揮発性メモリＲＯＭとを備えるデータ処理ハードウェアにおいて、上記１～９の何れか１つに記載のセンサの不確かさをモデリングするコンピュータ実装方法を実行するように構成されることを特徴とするデータ処理ハードウェア。
１１．
センサ処理装置とは別体の処理装置であって、前記センサ処理装置と通信プロトコルにより通信する上記１０に記載のデータ処理ハードウェア。
１２．
１つまたは複数のセンサ処理装置に含まれている上記１０に記載のデータ処理ハードウェア。
１３．
プログラムが上記１０～１２の何れか１つに記載のデータ処理ハードウェアにより実行されると前記データ処理ハードウェアに上記１～９の何れか１つに記載のコンピュータ実装方法のステップを実行させる命令を備えることを特徴とするコンピュータプログラム。
自車両
ＦＯｋ 融合物体
ｄｋ 距離
径方向の距離 ｄｋ および 方位角 θ 融合物体 ＦＯｋ の極座標
ｐ 位置
ｘ，ｙ 融合物体ＦＯｋのデカルト座標
ＦＬ 前方左レーダの視野ＦＯＶの限界線
ＦＲ 前方右レーダの視野ＦＯＶの限界線
ＲＬ 後方左レーダの視野ＦＯＶの限界線
ＲＲ 後方右レーダの視野ＦＯＶの限界線
Ｃ 前方を向くカメラの視野ＦＯＶの限界線
Ｒｃ レーダ・レーダ共分散
Ｃｃ カメラ・カメラ共分散
ＣＲ カメラ・レーダ共分散

Claims (13)

  1. 少なくとも１つのセンサ物体（Ｏｋ）に関して複数のセンサ検出を融合するセントラルレベル追跡アーキテクチャシステムにおいてセンサの不確かさをモデリングするコンピュータ実装方法であって、各前記少なくとも１つのセンサ物体（Ｏｋ）は各前記センサ各々から各々の距離（ｄｋ）に位置し、前記距離（ｄｋ）は各前記センサ各々の主軸に関して計算される方法において、
    現在の観測シーケンスにおいて実行される以下のステップ：
    Ｓ１．１．各前記センサに関して前記少なくとも１つのセンサ物体（Ｏｋ）のセンサ検出を取得して保存するステップであって、各センサ検出は前記少なくとも１つのセンサ物体（Ｏｋ）の少なくとも１つの次元に対応し、各センサ検出は各々のセンサ検出誤差を含む、ステップ；
    Ｓ１．２．各前記センサに関して、前記距離（ｄ ｋ ）の関数として各次元についてセンサ検出誤差所定量を設定することにより、各前記センサに関して、各次元について所定の連関ゲート最小閾値を設定するステップ；
    Ｓ１．３．前記距離（ｄｋ）の関数として、前記センサ検出誤差所定量を用いて、各前記センサに関して各センサ検出誤差の増加をモデリングするステップ；
    Ｓ１．４．前記所定の連関ゲート最小閾値を超える各々のセンサ検出誤差をモデリングに従って増加させることにより、各前記センサに関して各次元に対応する各センサ検出について連関ゲートを計算するステップ；
    Ｓ１．５．各前記センサに関してスケーリング手法、特に、前記距離（ｄ ｋ ）と、センサの主軸と各々のセンサの基準方向との間の角度（θ）に関する線形補間を用いて各センサ検出と連関する共分散行列を計算するステップであって、当該共分散行列は、前記各連関ゲートのスケーリングによって計算可能な、前記センサの視野における距離（ｄ ｋ ）に依存する、各次元についての関数である、共分散行列を計算するステップ；および
    Ｓ１．６．各共分散行列をＳ１．５のステップに記載されているように計算し、全ての前記センサに対応する複数の共分散行列を保存し、かつ現在の観測シーケンスの複数のセンサ検出をその直前の観測シーケンスの少なくとも１つの融合物体（ＦＯｋ）と融合するために前記セントラルレベル追跡アーキテクチャシステムに対して前記複数の共分散行列を利用可能にするステップであって、各前記少なくとも１つの融合物体（ＦＯｋ）は各前記少なくとも１つのセンサ物体（Ｏｋ）に対応する、ステップを備え、
    各前記共分散行列が、各次元に対応する対応のセンサの不確かさの形状を示す
    ことを特徴とする方法。
  2. Ｓ２．５．各前記共分散行列についてマッチング楕円体を、各々の前記共分散行列のサイズに比例して、各次元に対応する前記連関ゲートのサイズに比例して、グラフィック表示するステップ
    をさらに備える請求項１に記載の方法。
  3. 前記少なくとも１つのセンサ物体（Ｏｋ）の位置である１つの次元について実行される請求項１または２に記載の方法。
  4. 前記少なくとも１つのセンサ物体（Ｏｋ）の速度であるさらなる次元について実行される請求項３に記載の方法。
  5. 前記少なくとも１つのセンサ物体（Ｏｋ）の加速度であるさらなる次元について実行される請求項４に記載の方法。
  6. 前記少なくとも１つの次元の測定が同じタイプのセンサによるセンサ検出を取得することにより行われる請求項１～５の何れか１項に記載の方法。
  7. 前記少なくとも１つの次元の測定が異なるタイプのセンサによるセンサ検出を取得することにより行われる請求項１～５の何れか１項に記載の方法。
  8. センサ検出が少なくとも１つのカメラおよび少なくとも１つのレーダにより取得される請求項７に記載の方法。
  9. 本発明の１つまたは複数のステップの表示を極座標またはデカルト座標の何れかで行い、各ステップ各々の結果を極座標からデカルト座標へとまたはデカルト座標から極座標へと各々変換可能である請求項１～８の何れか１項に記載の方法。
  10. 少なくとも１つのコンピュータ処理装置コアを有し、少なくとも１つの揮発性メモリＲＡＭと少なくとも１つの不揮発性メモリＲＯＭとを備えるデータ処理ハードウェアにおいて、請求項１～９の何れか１項に記載のセンサの不確かさをモデリングするコンピュータ実装方法を実行するように構成されることを特徴とするデータ処理ハードウェア。
  11. センサ処理装置とは別体の処理装置であって、前記センサ処理装置と通信プロトコルにより通信する請求項１０に記載のデータ処理ハードウェア。
  12. １つまたは複数のセンサ処理装置に含まれている請求項１０に記載のデータ処理ハードウェア。
  13. プログラムが請求項１０～１２の何れか１項に記載のデータ処理ハードウェアにより実行されると前記データ処理ハードウェアに請求項１～９の何れか１項に記載のコンピュータ実装方法のステップを実行させる命令を備えることを特徴とするコンピュータプログラム。
JP2023552196A 2021-03-24 2022-03-17 セントラルレベル追跡アーキテクチャにおいてセンサの不確かさをモデリングする方法 Active JP7614387B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP21164726 2021-03-24
EP21164726.8 2021-03-24
EP21184188.7 2021-07-07
EP21184188.7A EP4063911A1 (en) 2021-03-24 2021-07-07 Method of modelling the uncertainty of sensors in a central-level tracking architecture
PCT/EP2022/057075 WO2022200188A1 (en) 2021-03-24 2022-03-17 Method of modelling the uncertainty of sensors in a central-level tracking architecture

Publications (2)

Publication Number Publication Date
JP2024507990A JP2024507990A (ja) 2024-02-21
JP7614387B2 true JP7614387B2 (ja) 2025-01-15

Family

ID=81306937

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023552196A Active JP7614387B2 (ja) 2021-03-24 2022-03-17 セントラルレベル追跡アーキテクチャにおいてセンサの不確かさをモデリングする方法

Country Status (3)

Country Link
US (1) US12546883B2 (ja)
JP (1) JP7614387B2 (ja)
WO (1) WO2022200188A1 (ja)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9212869B1 (en) * 2013-03-14 2015-12-15 Lockheed Martin Corporation Passive range estimating engagement system and method
EP3572839A1 (en) * 2018-05-23 2019-11-27 Aptiv Technologies Limited Method of estimating a velocity magnitude of a moving target in a horizontal plane and radar detection system
EP3611541B1 (en) * 2018-08-16 2024-07-03 Aptiv Technologies AG Method of determining an uncertainty estimate of an estimated velocity
US11430087B2 (en) * 2019-12-20 2022-08-30 Zoox, Inc. Using maps comprising covariances in multi-resolution voxels

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Chang Joo Lee et al.，"Sensor fusion for vehicle tracking based on the estimated probability"，IET Intelligent Transport Systems，2018年10月，Vol.12, No.10，pp.1386-1395，DOI: 10.1049/iet-its.2018.5024
Kyeong-Eun Kim et al.，"Sensor Fusion for Vehicle Tracking with Camera and Radar Sensor"，2017 17th International Conference on Control, Automation and Systems (ICCAS 2017)，2017年10月，pp.1075-1077，DOI: 10.23919/ICCAS.2017.8204375
Sofie Nilsson et al.，"Object Level Fusion of Extended Dynamic Objects"，2016 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI)，2016年09月，pp.251-258，DOI: 10.1109/MFI.2016.7849497

Also Published As

Publication number Publication date
US20240168154A1 (en) 2024-05-23
JP2024507990A (ja) 2024-02-21
US12546883B2 (en) 2026-02-10
WO2022200188A1 (en) 2022-09-29

Similar Documents

Publication Publication Date Title
US12570293B2 (en) Method and device for multi-sensor data fusion for automated and autonomous vehicles
EP3929046B1 (en) Vertical parking method
JP7461720B2 (ja) 車両位置決定方法及び車両位置決定装置
JP6942712B2 (ja) コンテキスト及び深さ順序を用いる、部分的に遮られた物体の検出
US11731649B2 (en) High precision position estimation method through road shape classification-based map matching and autonomous vehicle thereof
US10650253B2 (en) Method for estimating traffic lanes
US20240294179A1 (en) Data processing method and apparatus
JP6910973B2 (ja) 車両制御装置及びその制御方法並びに車両制御システム
US20210031795A1 (en) Correcting a position of a vehicle with slam
CN112771591B (zh) 用于评价运输工具的环境中的对象对运输工具的行驶机动动作的影响的方法
KR101503473B1 (ko) 차량의 주행 상황 판단 시스템 및 방법
EP3872692A1 (en) Compensation for vertical road curvature in road geometry estimation
US11127304B2 (en) Method, device, and computer-readable storage medium with instructions for estimating the pose of a transportation vehicle
US12217516B2 (en) Method and device for multi-sensor data fusion for automated and autonomous vehicles
US9440651B2 (en) Method and device for monitoring a setpoint trajectory of a vehicle
US12535322B2 (en) System and methods of vehicle pose estimation
CN115719375B (zh) 目标融合方法、装置及电子设备、计算机可读存储介质
JP7614387B2 (ja) セントラルレベル追跡アーキテクチャにおいてセンサの不確かさをモデリングする方法
JP7597860B2 (ja) 畳み込みニューラルネットワークを用いて駐車スペースを記述する周辺環境情報を検出する方法
CN115060252B (zh) 车辆定位方法
US11613272B2 (en) Lane uncertainty modeling and tracking in a vehicle
EP4063911A1 (en) Method of modelling the uncertainty of sensors in a central-level tracking architecture
CN116848432A (zh) 通过确定物体遮挡以检测车辆环境中的物体的方法、计算装置和传感器系统
US20240078749A1 (en) Method and apparatus for modeling object, storage medium, and vehicle control method
EP4459324A1 (en) Method for resolving local minima problems in determinations of a free space boundary in a vehicle assistance system

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230828

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240619

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240917

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20241204

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20241226

R150 Certificate of patent or registration of utility model

Ref document number: 7614387

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150