详情

原文传递用于预测碰撞的车辆及车辆的操作方法

专利名称：	用于预测碰撞的车辆及车辆的操作方法
摘要：	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。
专利类型：	发明专利
申请人：	现代自动车株式会社;起亚株式会社
发明人：	申章浩
专利状态：	有效
申请日期：	2023-04-21T00:00:00+0800
发布日期：	2023-11-21T00:00:00+0800
申请号：	CN202310431348.5
公开号：	CN117087661A
代理机构：	北京路浩知识产权代理有限公司
代理人：	张晶;崔龙铉
分类号：	B60W30/095;B60W60/00;B60W40/02;B60W40/00;B60W50/00;B;B60;B60W;B60W30;B60W60;B60W40;B60W50;B60W30/095;B60W60/00;B60W40/02;B60W40/00;B60W50/00
申请人地址：	韩国首尔;
主权项：	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，获得附近车辆的状态信息；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，其中，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。 11.根据权利要求10所述的操作方法，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。 12.根据权利要求10所述的操作方法，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。 13.根据权利要求12所述的操作方法，其中，确定所述碰撞危险程度包括：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。 14.根据权利要求10所述的操作方法，其中，通过利用多个所述传感器获得所述附近车辆的所述状态信息包括：检查多个所述传感器是否检测到相同的附件车辆，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。 15.根据权利要求10所述的操作方法，其中，生成所述俯视图像包括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。 16.根据权利要求10所述的操作方法，进一步包括：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。 17.根据权利要求10所述的操作方法，其中，通过所述人工神经网络模型确定所述碰撞模式包括通过预先训练的卷积神经网络模型，即CNN模型，确定所述碰撞模式，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。 18.根据权利要求10所述的操作方法，其中，所述附近车辆的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。