ECU、包含ECU的自主车辆及识别其附近车辆的方法与流程

本申请要求2017年3月28日提交的韩国专利申请第10-2017-0039300号的权益，其所述的全部通过引证结合于此。

本发明涉及一种用于车辆的自主驾驶的控制器(电子控制单元，ecu)、具备该控制器的自主车辆、以及识别附近车辆的方法。更具体地，本发明涉及：当识别到附近车辆时，能够考虑到废气的特性来提高识别精度的控制器、包括该ecu的自主车辆、以及识别自主车辆附近车辆的方法。

背景技术：

近年来，对自主导航技术的兴趣正在增加。自主导航技术是指能够在无需驾驶员介入的情况下自主驾驶车辆的技术。此外，当车辆自主行驶时，基于使用诸如lidar等的距离测量传感器获取的距离信息来识别与前车的距离，并且基于这种识别来执行诸如车道变换和智能巡航控制(scc)等的操作。

然而，在识别与前车的距离时，从前车排出的废气很可能会被误认为车辆。如果废气被检测为前车，则有可能会不考虑前车的实际移动而控制本车的行为，这可能对驾驶员造成严重的安全隐患，或者通过突然制动等将后车置于危险中。因此，需要一种防止将废气误认为车辆的技术。

技术实现要素：

因此，本发明涉及一种ecu、包含该ecu的自主车辆、以及识别自主车辆附近车辆的方法，其基本上消除由于相关技术的局限性和缺点引起的一个或多个问题。

本发明的一个方面是提供一种能够使自主车辆行驶期间由于废气导致误识别的影响最小化的ecu、包含该ecu的自主车辆、以及识别自主车辆附近车辆的方法。

将在以下说明部分中阐述本发明额外的优点、目的和特征，并且在这部分中对于本领域的普通技术人员而言，在通过以下的检验或者能够从本发明实施方式的实践中获悉而变得显而易见。本发明的特征和优点可通过在说明书、权利要求书以及附图中特别指出的结构来实现和得到。

为了实现根据本发明的实施方式的优点，正如在本文所体现和清楚描述的，一种识别自主车辆附近的车辆的方法，方法包括：电子控制单元(ecu)的自主驾驶逻辑通过从一定角度范围内在各个角度感测的距离中感测至少一个附近车辆来提取附近车辆信息；基于附近车辆信息来计算表示附近车辆的形状与废气的形状的接近程度的误识别指数；当误识别指数大于阈值误识别指数时，执行用于校正附近车辆信息的废气去除算法；以及利用附近车辆信息或通过废气去除算法而获得的所校正的附近车辆信息来估计当前帧之后附近车辆的移动。

本发明的另一方面，提供一种用于自主车辆的电子控制单元(ecu)，包括：附近车辆信息提取单元，被配置为通过从一定角度范围内在各个角度感测的距离中感测至少一个附近车辆来提取附近车辆信息，并且基于附近车辆信息来计算表示附近车辆的形状与废气的形状的接近程度的误识别指数；废气误识别去除单元，被配置为当误识别指数大于阈值误识别指数时，执行用于校正附近车辆信息的废气去除算法；以及附近车辆信息估计单元，被配置为利用附近车辆信息或通过废气去除算法而获得的所校正的附近车辆信息来估计当前帧之后附近车辆的移动。

应当理解，上述的一般性描述和下文的详细说明都是示例性和说明性的，并且旨在对所要求保护的本发明提供进一步说明。

附图说明

附图被包括以提供对本发明的进一步理解并且结合入本申请中且构成本申请的一部分，并且附图示出了本公开的实施方式并且连同说明书一起用来说明本公开的原理。在附图中：

图1是示意性示出根据本发明的实施方式的车辆的框图。

图2示出了对废气的误识别的示例。

图3是示出图1所示的自主驾驶逻辑的操作流程图。

图4示出了计算误识别指数的示例。

图5示出了废气去除算法的实施方式。以及

图6示出了通过图5的废气去除算法来去除废气的示例。

具体实施方式

现在将详细参考本公开的实施方式，在附图中示出了本公开实施方式的实例。尽可能地，在整个附图中将使用相同的附图标记来指代相同或相似的部件。如本文所使用的后缀“模块”和“单元”可互换地添加或使用以便于本说明书的准备，并且不旨在表示不同的含义或功能。因此，术语“模块”和“单元”可互换使用。

根据本发明的一个方面，公开了一种识别附近车辆的系统和方法。车辆的至少一个控制器：处理来自安装在车辆中的传感器的信息/信号、识别至少一个附近车辆、确定(重复地、周期性地监测)所识别的附近车辆的至少一个参数(位置、速度、宽度、长度)、以及利用附近车辆的至少一个参数来产生用于控制车辆的信号。

在实施方式中，针对每个附近车辆，控制器利用与车辆周围在第一时间点(t1，第一时帧)有关的信息(周期性地、重复地)计算参数，所述参数表示来自以下各项中的至少一项：(1)在沿着行驶车道的方向(纵向)上，本车与附近车辆之间的相对移动(距离、速度)；(2)在横穿行驶车道的方向(横向)上，本车与附近车辆之间的相对移动(距离、速度)；(3)附近车辆的宽度；以及(4)附近车辆在第一时间点的长度。在实施方式中，针对晚于第一时间点的第二时间点(t2或第二时间帧)，控制器计算参数，并追踪参数的变化。

在实施方式中，利用所计算的参数从第一时间点到第二时间点的变化，控制器计算误识别指数，所述误识别指数表示针对第二时间点来自附近车辆的废气被误认为附近车辆(或另一个车辆)结构的概率，或者针对比第一时间点晚的第二时间点将被误认的概率。当计算出的误识别指数大于预定阈值时，控制器应用额外的处理(s60)来校正/调整来自传感器的信息，或者校正/调整根据来自传感器的信息所计算的至少一个参数。当误识别指数小于预定阈值时，无需应用额外的处理/算法，附近车辆的位置和/或速度处于正常处理。

在实施方式中，本车和附近车辆之间的横向相对移动(速度)越大，误识别指数越大。在实施方式中，纵向相对移动(速度)越小，误识别指数越小。在实施方式中，附近车辆的宽度变化越大，误识别指数越大。在实施方式中，附近车辆的长度变化越大，误识别指数越大。

图1是示意性地示出根据本发明的实施方式的车辆的框图。

参照图1，车辆10是应用了自主导航技术的车辆。自主导航技术是指能够在无需驾驶员介入的情况下自主驾驶车辆的技术。自主导航技术旨在通过预防事故为用户提供便利和安全。

车辆10可包括信息提取单元100、自主驾驶逻辑200、和驱动单元300。

信息提取单元100被配置为收集关于车辆10附近的信息，并且信息提取单元可包括：距离测量传感器110，被配置为获取关于位于车辆10附近的物体的距离信息；摄像机120，被配置为获取关于车辆10附近的图像信息；以及速度传感器130，被配置为感测车辆10当前行进的速度。

具体地，距离测量传感器110可由lidar、雷达或超声波传感器来实现。距离测量传感器110能够以tof(飞行时间)方式向前发射特定波长的信号，然后利用特定波长的反射信号的探测时间差来感测与前方物体的距离。

自主驾驶逻辑200可以是软件、硬件或其组合以实现自主驾驶的功能。可将自主驾驶逻辑200实现为车辆10的电子控制单元(ecu)的一部分，但是本发明不限于此。

主控制逻辑210可用于负责自主驾驶功能的整体控制。主控制逻辑210可基于由附近车辆信息提取单元220、废气误识别去除单元230和/或附近车辆信息估计单元240提供的信息，生成用于控制驱动单元300的信号。

附近车辆信息提取单元220可基于以下各项中的至少一项，生成关于附近车辆的各种信息：来自距离测量传感器110的距离信息、来自摄像机120的图像、以及关于车辆的速度信息。附近车辆信息提取单元220还可使用各种信息来判断是否执行废气去除算法。废气去除算法是指由废气误识别去除单元230执行的算法。

废气误识别去除单元230可使用从附近车辆信息提取单元220提供的各种信息来判断所检测到的附近车辆是否为废气以及废气的类型，并且根据上述判断来校正相应的附近车辆的有关信息。

附近车辆信息估计单元240可利用来自废气误识别去除单元230或附近车辆信息提取单元220的附近车辆的位置和速度，估计附近车辆的后续移动。

驱动单元300被配置为根据主控制逻辑210的控制信号来执行车辆10的驱动，驱动单元300可包括用于基本控制车辆驱动的元件(例如制动器、加速器、变速器、以及转向系统)。

例如，当主控制逻辑210的控制信号是指示通过加速将车道改变到左车道的信号时，则可执行驱动控制，其中，由驱动单元300的加速器来施加加速并且由转向系统向左施加扭矩。

图2示出了废气的误识别的示例。

参照图2，左图示出了在第一时间点(t＝t1)时，废气未从与本车行驶在同一车道上的附近车辆中排出的情形(其含义是废气从行驶车辆中自然地排出，但废气量不足以大到导致距离测量传感器误识别)，右图示出了在晚于第一时间点(t1)的第二时间点(t＝t2，t2＞t1)时，废气从行驶在同一车道上的附近车辆中排出的情形。

首先，在左图中，在本车的行驶期间，距离测量传感器110向前发射特定波长的信号并且感测反射信号。由于反射发生在附近车辆的车身后方(图2中示出了四个实心点的反射点)，因此，利用从本车的第一点到四个反射点中的每一个反射点的距离，由距离测量传感器110感测的距同一车道中行驶的附近车辆的距离以及附近车辆的形状与实际的附近车辆相符。在这种情况下，基于来自距离测量传感器110的距离信息来控制驱动单元300不会导致产生问题。本车的计算系统从t1到t2周期性地、反复地监测距离。

然而，在右图(t＝t2)中，从本车的距离测量传感器110向前发射的特定波长的信号不是被附近车辆的车身而是被附近车辆排放的废气反射。因此，由距离测量传感器110感测到的与行驶在同一车道上的附近车辆的距离(利用从本车的第一点到十个反射点(实心点)中的每一个的反射点的距离来计算)比实际距离(和在第一时间点t1测量的距离)短，并且感测到的附近车辆的形状可能进一步向右伸展。在这种情况下，如果基于距离测量传感器110的距离信息来控制驱动单元300，则可能会执行不必要地诸如急减速等的控制操作，这可能对本车和其他附近车辆而言是危险的。

图3是示出图1所示的自主驾驶逻辑的操作流程图。图4示出了计算误识别指数的示例。图5示出了废气去除算法的实施方式。图6示出了通过图5的废气去除算法去除废气的示例。

参照图3至图6，在本车的行驶期间(在下文中，将车辆10称为本车)，本车的信息提取单元100可收集本车周围的相关信息(s10)。所收集的信息可包括：有关在距离测量传感器110前方一定角度(例如，120度)范围内在各个角度(例如，以1度的增量)感测距离的距离信息、关于前方拍摄的图像信息、以及本车的行驶速度。可将所收集的附近信息发送到附近车辆信息提取单元220。

附近车辆信息提取单元220可将在一定角度范围内在各个角度感测的距离聚类(cluster)到至少一个附近车辆。例如，如果感测到在连续角度范围内物体具有在一定距离范围内的距离，则可将该物体聚类到一个附近车辆。

附近车辆信息提取单元220可获取在以本车为中心的坐标系中每个附近车辆的顶点(左后顶点、右后顶点、左前顶点以及右前顶点)的二维坐标。如果不能直接从距离信息中获取附近车辆的一些顶点坐标，则附近车辆信息提取单元220可估计附近车辆的形状以获取未能获取的顶点的坐标。可基于附近车辆的顶点坐标来计算附近车辆的各种参数(例如，最小纵坐标、最小横坐标、最大纵坐标、最大横坐标、纵向中心坐标、横向中心坐标、车辆宽度和车辆长度)。在本说明书中，纵向是指车辆的前进(或行驶)方向或x轴的延伸方向，横向是指与本车的前进(行驶)方向垂直的方向或者y轴的延伸方向。当假定本车的位置为原点(0，0)时，x坐标随着点从左向右移动而增加，y坐标随着点向上移动而增加。

附近车辆信息提取单元220可对前一帧中的附近车辆的参数和当前帧中的附近车辆的参数执行计算操作，以计算各种能够被计算的参数(例如，纵向变化率、横向变化率、车辆宽度变化率、以及车辆长度变化率)。这里，帧可以指的是在一时间生成的一组附近车辆信息。

附近车辆信息提取单元220可从来自摄像机120的图像中获取本车正在行驶车道的车道宽度以及关于本车和附近车辆的车道信息。根据另一实施方式，附近车辆信息提取单元220可从导航程序中获取本车正在行驶车道的车道宽度以及有关本车和附近车辆的车道信息。

附近车辆信息提取单元220可从速度传感器130中获取关于本车的行驶速度(纵向速度和横向速度)的信息。

也就是说，附近车辆信息提取单元220可提取关于后续步骤中所需的本车和附近车辆的各种信息(以下称为“附近车辆信息”)(s20)。

附近车辆信息提取单元220可利用所提取的信息来计算误识别指数，并将误识别指数与阈值误识别指数进行比较，以判断是否执行废气去除算法(s30)。阈值误识别指数可以是考虑到传感器误差等而用实验方法确定的值。例如，阈值误识别指数可以是1.5，但是本发明不限于此。

图4示出了计算误识别指数pgas的实施方式。

可针对附近的每个车辆计算误识别指数pgas，并且可通过对附近车辆的横向移动指数、纵向移动指数、宽度变化指数以及长度变化指数进行计算和求和来计算误识别指数pgas。根据一个实施方式，误识别指数pgas可以不包括附近车辆的横向移动指数、纵向移动指数、宽度变化指数和长度变化指数中的至少一者。

附近车辆的横向移动指数被表示为以下项的乘积：附近车辆的横向变化率ydiff(t)和本车的横向速度vy(t)之间的差(绝对值)，附近车辆的车辆宽度w(t)对于平均车辆宽度wcar的比率。

附近车辆的横向变化率ydiff(t)是通过从当前帧的中心的横向坐标中减去前一帧的中心的横向坐标(在横向上最大坐标和最小坐标的平均值)并将相减的结果除以帧间时间所获得的结果，并且表示附近车辆在横向方向上移动的速度。因此，附近车辆的横向变化率ydiff(t)与本车的横向速度vy(t)之间的差(绝对值)可表明附近车辆和本车之间的横向速度的差。

考虑到当附近车辆沿着与本车相同的方向行驶时，除了特殊情况(例如，在车道变换期间)外，附近车辆的横向移动速度会几乎等于本车的横向移动速度，则附近车辆的横向变化率ydiff(t)与本车的横向速度vy(t)之间的差较大可意味着附近车辆的形状接近废气的形状。

此外，平均车辆宽度wcar表示附近车辆的平均车辆宽度(其可被预定为普通车辆的通常车辆宽度)。根据另一实施方式，当能够通过其他信息(例如，图像信息)识别附近车辆的车辆类型时，可参考预先存储车辆类型映射至对应车辆宽度的表来确定附近车辆的车辆宽度。可从最大横坐标和最小横坐标之间的差(绝对值)计算附近车辆的车辆宽度w(t)。附近车辆的车辆宽度w(t)与平均车辆宽度wcar的比率可表明附近车辆的车辆宽度是否异常。

考虑到正常的附近车辆的情况，附近车辆的车辆宽度与平均车辆宽度大致相同，附近车辆的车辆宽度w(t)与平均车辆宽度wcar的高比率可表明附近车辆的形状接近废气的形状。

也就是说，附近车辆的横向移动指数对应于以下指数：关于横向移动(或形状)，表示附近车辆的形状与废气的形状的接近程度。

可将附近车辆的纵向移动指数表示为以下项的乘积：附近车辆的纵向变化率xdiff(t)和本车的纵向速度vx(t)之间的差，附近车辆的长度l(t)相对于平均车辆长度lbump的比率。

附近车辆的纵向变化率xdiff(t)是通过从当前帧的中心的纵向坐标减去前一帧的中心的纵向坐标(在纵向方向上最大坐标和最小坐标的平均值)并且通过将相减的结果除以帧间时间而得到的结果，并且表示附近车辆在纵向方向上移动的速度。因此，附近车辆的纵向变化率xdiff(t)与本车的纵向速度vx(t)之间的差(绝对值)可表示附近车辆和本车之间的纵向速度的差。

考虑到当附近车辆沿着与本车相同的方向行驶时，除特殊情况(例如，在车道变换期间)外，附近车辆的纵向移动速度会几乎等于本车的纵向移动速度，则附近车辆的纵向变化率xdiff(t)与本车的纵向速度vx(t)之间的差较小可意味着附近车辆的形状接近废气的形状。

在此，与横向移动指数不同，在纵向移动指数中并未使用附近车辆的纵向变化率xdiff(t)与本车的纵向速度vx(t)之间的差的绝对值。纵向移动指数的负值意味着随着附近车辆的纵向变化率xdiff(t)与本车的纵向速度vx(t)之间的差变大，附近车辆快速远离本车，这进而意味着执行废气去除算法并不利于本车的安全性，因此省略该算法可有助于系统效率。

此外，平均车辆长度lbump表示附近车辆的平均车辆长度(其可被预定为常规车辆的通常车辆长度)。根据另一实施方式，当能够通过其他信息(例如，图像信息)识别附近车辆的车辆类型时，可参考其中预先存储的车辆类型映射至对应车辆长度的表，确定附近车辆的车辆长度。可根据最大纵坐标和最小纵坐标之间的差(绝对值)计算附近车辆的车辆长度l(t)。附近车辆的车辆长度l(t)与平均车辆长度lbump的比率可表明附近车辆的车辆长度是否异常。

考虑到正常的附近车辆的情况，附近车辆的车辆长度会与平均车辆长度大致相同，附近车辆的车辆长度l(t)与平均车辆长度lbump的高比率可表明附近车辆的形状接近废气的形状。

也就是说，附近车辆的纵向移动指数对应于以下指数：表示关于纵向移动(或形状)的附近车辆的形状与废气的形状接近程度。

宽度变化指数表示附近车辆的车辆宽度变化率wdiff(t)的绝对值，并且可通过将当前帧中附近车辆的车辆宽度w(t)与前一帧中附近车辆的车辆宽度w(t-1)的差除以帧间时间来计算。

除特殊情况(例如，车道变换)外，考虑到正常的附近车辆在经过一段时间几乎没有表现出长度的变化，附近车辆的车辆宽度变化率wdiff(t)的高绝对值可意味着附近车辆的形状接近废气的形状。

长度变化指数表示附近车辆的车辆长度变化率ldiff(t)的绝对值，并且可通过将当前帧中的附近车辆的车辆长度l(t)与前一帧中附近车辆的车辆长度l(t-1)的差除以帧间时间来计算。

除特殊情况(例如，车道变换)外，考虑到正常的附近车辆在经过一段时间几乎没有展现出长度的变化，附近车辆的车辆长度变化率ldiff(t)的高绝对值可意味着附近车辆的形状接近废气的形状。

因此，误识别指数pgas表示附近车辆的形状与废气的形状的接近程度，并且附近车辆信息提取单元220将误识别指数pgas与阈值误识别指数进行比较。如果误识别指数pgas超过阈值误识别指数(在s30中为“是”)，则附近车辆信息提取单元220控制废气误识别去除单元230执行废气去除算法。如果误识别指数pgas小于或等于阈值误识别指数(在s30中为“否”)，则附近车辆信息提取单元220执行控制操作，从而进行步骤s40而不执行废气去除算法。

附近车辆信息估计单元240可使用附近车辆的位置和速度来估计当前帧之后附近车辆的移动，所述附近车辆的位置和速度来自附近车辆信息提取单元220中的有关附近车辆的各种信息(或附近车辆信息)和/或来自校正的有关附近车辆的各种信息(或校正的附近车辆信息)之中。附近车辆信息估计单元240可估计在下一帧中附近车辆的位置，即，中心的预测纵向坐标xp(t)和中心的预测横向坐标yp(t)。

这里，可通过从所确定的附近车辆的位置(中心的纵向坐标和横向坐标)计算速度(纵向变化率和横向变化率)和帧间时间并且计算下一帧中的中心的预测纵向坐标xp(t)和预测横向坐标yp(t)，执行估计操作，但本发明的实施例不限于此。

附近车辆信息估计单元240不仅能够估计附近车辆在下一帧中的位置，还能够估计附近车辆在后续帧中的位置，并且除附近车辆的位置之外还能够估计其它信息(例如，速度)。

附近车辆信息估计单元240可存储估计的关于当前帧之后的附近车辆的信息，即，预测的车辆信息(s50)。

图5示出了用于由废气误识别去除单元230对附近车辆信息执行校正的废气去除算法。

废气误识别去除单元230可判断附近车辆的车辆长度变化率1diff(t)是否超过第一阈值指数δ1(s100)。第一阈值指数δ1可以是考虑到传感器误差、车道变更时车辆长度的变化等而用实验方法确定的值。

如果附近车辆的车辆长度变化率ldiff(t)大于第一阈值指数δ1(在s100中为“是”)，则这意味着关于附近车辆的纵向信息是不可信的，并且废气误识别去除单元230可进行判断车辆宽度变化率wdiff(t)是否大于第二阈值指数δ2(s110)。第二阈值指数δ2可以是考虑到传感器误差、车道变更时车辆长度的变化等而用实验方法确定的值。

如果附近车辆的车辆宽度变化率wdiff(t)小于或等于第二阈值指数δ2(在s110中为否)，则这意味着关于附近车辆的横向信息是可信的，并且因此废气误识别去除单元230将仅对关于附近车辆的纵向信息进行校正。

如果右后顶点的x坐标xrr(t)和左后顶点的x坐标xrl(t)彼此基本相等(例如，误差在几十厘米内)并且最小纵坐标xmin(t)小于左后顶点的x坐标xrl(t)，则废气误识别去除单元230可将最小纵坐标xmin(t)校正为右后顶点的x坐标xrr(t)和左后顶点的x坐标xrl(t)的平均值。由此，可将附近车辆的纵向中心坐标xc(t)计算为经校正的最小纵坐标xmin(t)和最大纵坐标xmax(t)的平均值(s120)。

因此，根据步骤s120，可使得由于将从车辆的后方中心排放并聚类的废气(例如图6的(a)中所示的废气)误识别为附近车辆而导致有关附近车辆的纵向信息的失真最小化。

如果附近车辆的车辆宽度变化率wdiff(t)超过第二阈值δ2(在s110中为“是”)，则这意味着关于附近车辆的横向信息也是不可信的，并且因此废气误识别去除单元230在步骤s130中对邻近本车的附近车辆的相关纵向信息和横向信息这两者进行校正。

由于在当前帧中获取的关于附近车辆的纵向信息和横向信息都是不可信的，因此废气误识别去除单元230可将在前一帧中估计并存储的预测纵向中心坐标xp(t-1)和预测横向中心坐标yp(t-1)确定为当前帧中的附近车辆的纵向中心坐标xc(t)和横向中心坐标yc(t)(s130)。

因此，根据步骤s130，可使由于将不规则方式排出的废气(例如图6的(b)中所示的废气)识别为附近车辆而导致关于附近车辆的纵向信息和横向信息的失真最小化。

如果附近车辆的车辆长度变化率ldiff(t)小于或等于第一阈值指数δ1(在s100中为“否”)，则这意味着关于附近车辆的纵向信息是可信的，并且废气误识别去除单元230可判断附近车辆的车辆宽度变化率wdiff(t)是否超过第二阈值指数δ2(s140)。

如果附近车辆的车辆宽度变化率wdiff(t)超过第二阈值δ2(在s140中为“是”)，则这意味着关于附近车辆的横向信息是不可信的，因此废气误识别去除单元230将在步骤s150中仅对有关附近车辆的横向信息进行校正。

如果最大横坐标ymax(t)超过本车的车道的一半车道宽度则废气误识别消除单元230可将最大横坐标ymax(t)校正为等于车道宽度的一半此外，如果最小横坐标ymin(t)小于本车的车道的一半车道宽度的负值则废气误识别去除单元230可将最小横坐标ymin(t)校正为等于车道宽度一半的负值

这里，校正条件和校正值是基于假定附近车辆位于与本车正在行驶的车道同一车道而被给出的。如果附近车辆位于与本车正在行驶车道不同的车道中，则可利用关于附近车辆的车道信息来改变校正条件和校正值。

例如，当本车在第k车道(其中，k是大于或等于1的整数)中行驶并且附近车辆在第m车道中行驶时(其中，m是大于或等于1的整数)，如果最大横坐标ymax(t)超过通过将本车车道的车道宽度的一半加入车道的车道宽度和(m-k)的乘积而获得的值，则废气误识别去除单元230可将最大横坐标ymax(t)校正为等于通过将本车车道的车道宽度的一半加入车道的车道宽度和(m-k)的乘积而获得的值。此外，如果最小横坐标ymin(t)小于通过将本车车道的车道宽度一半的负值加入车道的车道宽度和(m-k)的乘积而获得的值，则废气误识别去除单元230可将最小横坐标ymin(t)校正为等于通过将车道的车道宽度一半的负值加入车道的车道宽度和(m-k)的乘积而获得的值。

由此，可将附近车辆的横向中心坐标yc(t)计算为经校正的最小横坐标ymin(t)和经校正的最大横坐标ymax(t)的平均值(s150)。

因此，根据步骤s150，可使由于将横向伸展方式从车辆后方排出的废气(例如图6的(c)所示的废气)识别为附近车辆而导致有关附近车辆的纵向信息的失真最小化。

如果附近车辆的车辆宽度变化率wdiff(t)小于或等于第二阈值指数δ2(在s140中为“否”)，则这意味着关于附近车辆的横向信息也是可信的。然而，关于附近车辆的纵向信息的失真有可能造成严重的安全风险。因此，可另外地执行步骤s160。

也就是说，废气误识别去除单元230可判断附近车辆的纵向变化率xdiff(t)是否小于第三阈值指数δ3(s160)。第三阈值指数δ3可具有考虑到传感器误差、本车的速度等而用实验方法确定的值。第三阈值指数δ3可以是负数，但是本发明的实施方式不限于此。

如果附近车辆的纵向变化率xdiff(t)小于第三阈值指数δ3，则这意味着附近车辆朝向本车快速移动。因此，以超出正常范围的速度朝向本车的移动可被认为是表示从附近车辆排放并且停留在废气排放地的废气，而不认为是附近车辆。

因此，如果附近车辆的纵向变化率xdiff(t)小于第三阈值指数δ3(s160为“是”)，则废气误识别去除单元230考虑到在当前帧中获取的关于附近车辆的纵向信息不可信，可将在前一帧中估计并存储的预测纵向中心坐标xp(t-1)确定为当前帧中的附近车辆的纵向中心坐标xc(t)(s170)。

因此，根据步骤s170，可使由于将从附近车辆排放并停留在废气排放地的废气(例如图6的(d)中所示的废气)识别为附近车辆而导致关于附近车辆的纵向信息的失真最小化。

如果附近车辆的纵向变化率xdiff(t)大于或等于第三阈值指数δ3(在s160中的“否”)，则在当前帧中获取的关于附近车辆的纵向信息和横向信息可被认为是可信的，并且因此可使用关于附近车辆的未校正的纵向信息和未校正的横向信息来执行步骤s40。

也就是说，在根据本发明的实施方式的车辆中，可使由于将从附近车辆排出的废气误识别为附近车辆的一部分而导致有关附近车辆的信息(诸如附近车辆的位置和速度等)的失真最小化。

上述方法可实现为在计算机可读记录介质中作为计算机可读的代码。计算机可读记录介质包括被配置为存储由计算机系统可读的数据的各种记录介质。计算机可读记录介质的实例包括只读存储器(rom)、随机存取存储器(ram)、磁带、磁盘、闪存和光数据存储设备。计算机可读记录介质可分布在连接到网络的计算机系统上，并且因此计算机可读代码能够以分布的方式被存储和执行。

从上面的描述中显而易见，本发明的实施方式具有如下效果。

根据本发明的实施方式的一种ecu、具备该ecu的自主车辆、以及识别自主车辆的附近车辆的方法，能够使由于将从附近车辆排出的废气误识别为附近车辆的一部分而导致附近车辆的诸如位置和速度等信息的失真最小化。

通过本发明的实施方式能够获得的效果不限于上述效果，并且本领域技术人员从上述说明中能够清楚地了解本文未提及的其它效果。

关于本文公开的实施方式中所描述的逻辑块、模块或单元，可通过包括至少一个处理器、至少一个存储器和至少一个通信接口的计算设备来实现或执行。关于本文公开的实施方式中所描述的方法、过程或算法的要素可在硬件中、在由至少一个处理器执行的软件模块中、或两者的组合中直接体现。可将用于实现关于本文公开的实施方式中所描述的方法、过程或算法的计算机可执行指令存储在非暂时性计算机可读存储介质中。

对于本领域技术人员而言显而易见的是，在不脱离本发明的精神或范围的情况下，可对本发明进行各种修改和变形。因此，在所附权利要求书及其等同物的范围内，本发明旨在覆盖对本发明的修改和变形。