Adaptive cruise control using features for target selection

Abstract

Aspects presented herein may improve the overall performance of adaptive cruise control (ACC) by enabling the ACC to use vision and free space detection to assist and verify ACC target selection. In one aspect, a first vehicle identifies a second vehicle as a potential ACC target. The first vehicle detects, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle. The first vehicle selects, or refrains from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle.

Description

ADAPTIVE CRUISE CONTROL USING FEATURES FOR TARGET SELECTIONTECHNICAL FIELD

[0001] The present disclosure relates generally to assisted / autonomous driving, and more particularly, to adaptive cruise control (ACC) systems associated with advanced driver assistance systems (ADAS) and / or assisted / autonomous driving.

[0002] INTRODUCTION

[0003] Wireless communication systems are widely deployed to provide various telecommunication services such as telephony, video, data, messaging, and broadcasts. Typical wireless communication systems may employ multiple-access technologies capable of supporting communication with multiple users by sharing available system resources. Examples of such multiple-access technologies include code division multiple access (CDMA) systems, time division multiple access (TDMA) systems, frequency division multiple access (FDMA) systems, orthogonal frequency division multiple access (OFDMA) systems, single-carrier frequency division multiple access (SC-FDMA) systems, and time division synchronous code division multiple access (TD-SCDMA) systems.

[0004] These multiple access technologies have been adopted in various telecommunication standards to provide a common protocol that enables different wireless devices to communicate on a municipal, national, regional, and even global level. An example telecommunication standard is 5G New Radio (NR) . 5G NR is part of a continuous mobile broadband evolution promulgated by Third Generation Partnership Project (3GPP) to meet new requirements associated with latency, reliability, security, scalability (e.g., with Internet of Things (IoT) ) , and other requirements. 5G NR includes services associated with enhanced mobile broadband (eMBB) , massive machine type communications (mMTC) , and ultra-reliable low latency communications (URLLC) . Some aspects of 5G NR may be based on the 4G Long Term Evolution (LTE) standard. There exists a need for further improvements in 5G NR technology. These improvements may also be applicable to other multi-access technologies and the telecommunication standards that employ these technologies.

[0005] BRIEF SUMMARY

[0006] The following presents a simplified summary of one or more aspects in order to provide a basic understanding of such aspects. This summary is not an extensive overview of all contemplated aspects. This summary neither identifies key or critical elements of all aspects nor delineates the scope of any or all aspects. Its sole purpose is to present some concepts of one or more aspects in a simplified form as a prelude to the more detailed description that is presented later.

[0007] In an aspect of the disclosure, a method, a computer-readable medium, and an apparatus are provided. The apparatus identifies a second vehicle as a potential adaptive cruise control (ACC) target. The apparatus detects, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle. The apparatus selects, or refrains from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle.

[0008] To the accomplishment of the foregoing and related ends, the one or more aspects may include the features hereinafter fully described and particularly pointed out in the claims. The following description and the drawings set forth in detail certain illustrative features of the one or more aspects. These features are indicative, however, of but a few of the various ways in which the principles of various aspects may be employed.BRIEF DESCRIPTION OF THE DRAWINGS

[0009] FIG. 1 is a diagram illustrating an example of a wireless communications system and an access network.

[0010] FIG. 2A is a diagram illustrating an example of a first frame, in accordance with various aspects of the present disclosure.

[0011] FIG. 2B is a diagram illustrating an example of downlink (DL) channels within a subframe, in accordance with various aspects of the present disclosure.

[0012] FIG. 2C is a diagram illustrating an example of a second frame, in accordance with various aspects of the present disclosure.

[0013] FIG. 2D is a diagram illustrating an example of uplink (UL) channels within a subframe, in accordance with various aspects of the present disclosure.

[0014] FIG. 3 is a diagram illustrating an example of a base station and user equipment (UE) in an access network.

[0015] FIG. 4 is a diagram illustrating an example of a vehicle performing road object detection using different types of sensors in accordance with various aspects of the present disclosure.

[0016] FIG. 5 is a diagram illustrating an example of an adaptive cruise control (ACC) system selecting an ACC target in accordance with various aspects of the present disclosure.

[0017] FIG. 6 is a diagram illustrating an example ACC system in accordance with various aspects of the present disclosure.

[0018] FIG. 7 is a diagram illustrating an example set of identifications or classifications associated with ACC in accordance with various aspects of the present disclosure.

[0019] FIG. 8 is a diagram illustrating an example ACC system that utilizes both radar / radio frequency (RF) detection and vision detection for ACC target selection in accordance with various aspects of the present disclosure.

[0020] FIG. 9 is a diagram illustrating an example of fusing free space (s) with ACC object (s) in accordance with various aspects of the present disclosure.

[0021] FIG. 10 is a diagram illustrating an example of verifying whether a detected object is a cut-in object and / or a closest in-lane object based on comparing a detected lane marker distance with a longitudinal distance of a detected free space between an ego vehicle and a target vehicle in accordance with various aspects of the present disclosure.

[0022] FIG. 11 is a diagram illustrating an example of verifying whether a detected object is a cut-in object and / or a closest in-lane object based on the lateral distance from (the center of) an ego vehicle to a lane marker meets a threshold derived from the detected free space in accordance with various aspects of the present disclosure.

[0023] FIG. 12 is a diagram illustrating an example of verifying whether a detected object is a cut-in object and / or a closest in-lane object based on whether the lateral position of the free space associated with a target vehicle crosses a lane marker by a defined threshold in accordance with various aspects of the present disclosure.

[0024] FIG. 13 is a flowchart of a method of detection.

[0025] FIG. 14 is a diagram illustrating an example of a hardware implementation for an example apparatus and / or network entity.DETAILED DESCRIPTION

[0026] Aspects presented herein may improve the overall performance of adaptive cruise control (ACC) by enabling the ACC to take advantage of the vision detection as vision detection may have a more accuracy / precise (lateral and longitudinal) distance detection compared to RF / radar-based detection. For example, in one aspect, an ego vehicle may be configured to perform object / lane detection based on radar (s) and / or camera (s) . Then, the ego vehicle may use vision detection (e.g., camera (s) ) to check whether a detected object (e.g., a vehicle) crosses a lane marker (e.g., into the lane of the ego vehicle or exit out of the lane of the ego vehicle) . Then, the ACC may combine the object detection with “free space detection, ” and compare the free space detection with the object detection result, thereby enhancing the accuracy and reliability of ACC target selection.

[0027] Aspects presented herein are directed to an algorithm / technique for reducing false brake in ACC. The enhanced solution includes multiple sources of information (e.g., radar, vision, sensors) and free space detection for more accurate target selection for ACC. The algorithm includes the following aspects: associate free space outline with ACC targets for in lane check, use free space outline’s lateral distance to select closest in-lane target, and use lane marker’s occluded when obstacle crossed lane marker to select in lane target.

[0028] The detailed description set forth below in connection with the drawings describes various configurations and does not represent the only configurations in which the concepts described herein may be practiced. The detailed description includes specific details for the purpose of providing a thorough understanding of various concepts. However, these concepts may be practiced without these specific details. In some instances, well known structures and components are shown in block diagram form in order to avoid obscuring such concepts.

[0029] Several aspects of telecommunication systems are presented with reference to various apparatus and methods. These apparatus and methods are described in the following detailed description and illustrated in the accompanying drawings by various blocks, components, circuits, processes, algorithms, etc. (collectively referred to as “elements” ) . These elements may be implemented using electronic hardware, computer software, or any combination thereof. Whether such elements are  implemented as hardware or software depends upon the particular application and design constraints imposed on the overall system.

[0030] By way of example, an element, or any portion of an element, or any combination of elements may be implemented as a “processing system” that includes one or more processors. When multiple processors are implemented, the multiple processors may perform the functions individually or in combination. Examples of processors include microprocessors, microcontrollers, graphics processing units (GPUs) , central processing units (CPUs) , application processors, digital signal processors (DSPs) , reduced instruction set computing (RISC) processors, systems on a chip (SoC) , baseband processors, field programmable gate arrays (FPGAs) , programmable logic devices (PLDs) , state machines, gated logic, discrete hardware circuits, and other suitable hardware configured to perform the various functionality described throughout this disclosure. One or more processors in the processing system may execute software. Software, whether referred to as software, firmware, middleware, microcode, hardware description language, or otherwise, shall be construed broadly to mean instructions, instruction sets, code, code segments, program code, programs, subprograms, software components, applications, software applications, software packages, routines, subroutines, objects, executables, threads of execution, procedures, functions, or any combination thereof.

[0031] Accordingly, in one or more example aspects, implementations, and / or use cases, the functions described may be implemented in hardware, software, or any combination thereof. If implemented in software, the functions may be stored on or encoded as one or more instructions or code on a computer-readable medium. Computer-readable media includes computer storage media. Storage media may be any available media that can be accessed by a computer. By way of example, such computer-readable media can include a random-access memory (RAM) , a read-only memory (ROM) , an electrically erasable programmable ROM (EEPROM) , optical disk storage, magnetic disk storage, other magnetic storage devices, combinations of the types of computer-readable media, or any other medium that can be used to store computer executable code in the form of instructions or data structures that can be accessed by a computer.

[0032] While aspects, implementations, and / or use cases are described in this application by illustration to some examples, additional or different aspects, implementations and / or use cases may come about in many different arrangements and scenarios. Aspects,  implementations, and / or use cases described herein may be implemented across many differing platform types, devices, systems, shapes, sizes, and packaging arrangements. For example, aspects, implementations, and / or use cases may come about via integrated chip implementations and other non-module-component based devices (e.g., end-user devices, vehicles, communication devices, computing devices, industrial equipment, retail / purchasing devices, medical devices, artificial intelligence (AI) -enabled devices, etc. ) . While some examples may or may not be specifically directed to use cases or applications, a wide assortment of applicability of described examples may occur. Aspects, implementations, and / or use cases may range a spectrum from chip-level or modular components to non-modular, non-chip-level implementations and further to aggregate, distributed, or original equipment manufacturer (OEM) devices or systems incorporating one or more techniques herein. In some practical settings, devices incorporating described aspects and features may also include additional components and features for implementation and practice of claimed and described aspect. For example, transmission and reception of wireless signals necessarily includes a number of components for analog and digital purposes (e.g., hardware components including antenna, radio frequency (RF) -chains, power amplifiers, modulators, buffer, processor (s) , interleaver, adders / summers, etc. ) . Techniques described herein may be practiced in a wide variety of devices, chip-level components, systems, distributed arrangements, aggregated or disaggregated components, end-user devices, etc. of varying sizes, shapes, and constitution.

[0033] Deployment of communication systems, such as 5G NR systems, may be arranged in multiple manners with various components or constituent parts. In a 5G NR system, or network, a network node, a network entity, a mobility element of a network, a radio access network (RAN) node, a core network node, a network element, or a network equipment, such as a base station (BS) , or one or more units (or one or more components) performing base station functionality, may be implemented in an aggregated or disaggregated architecture. For example, a BS (such as a Node B (NB) , evolved NB (eNB) , NR BS, 5G NB, access point (AP) , a transmission reception point (TRP) , or a cell, etc. ) may be implemented as an aggregated base station (also known as a standalone BS or a monolithic BS) or a disaggregated base station.

[0034] An aggregated base station may be configured to utilize a radio protocol stack that is physically or logically integrated within a single RAN node. A disaggregated base  station may be configured to utilize a protocol stack that is physically or logically distributed among two or more units (such as one or more central or centralized units (CUs) , one or more distributed units (DUs) , or one or more radio units (RUs) ) . In some aspects, a CU may be implemented within a RAN node, and one or more DUs may be co-located with the CU, or alternatively, may be geographically or virtually distributed throughout one or multiple other RAN nodes. The DUs may be implemented to communicate with one or more RUs. Each of the CU, DU and RU can be implemented as virtual units, i.e., a virtual central unit (VCU) , a virtual distributed unit (VDU) , or a virtual radio unit.

[0035] Base station operation or network design may consider aggregation characteristics of base station functionality. For example, disaggregated base stations may be utilized in an integrated access backhaul (IAB) network, an open radio access network (O-RAN (such as the network configuration sponsored by the O-RAN Alliance) ) , or a virtualized radio access network (vRAN, also known as a cloud radio access network (C-RAN) ) . Disaggregation may include distributing functionality across two or more units at various physical locations, as well as distributing functionality for at least one unit virtually, which can enable flexibility in network design. The various units of the disaggregated base station, or disaggregated RAN architecture, can be configured for wired or wireless communication with at least one other unit.

[0036] FIG. 1 is a diagram 100 illustrating an example of a wireless communications system and an access network. The illustrated wireless communications system includes a disaggregated base station architecture. The disaggregated base station architecture may include one or more CUs 110 that can communicate directly with a core network 120 via a backhaul link, or indirectly with the core network 120 through one or more disaggregated base station units (such as a Near-Real Time (Near-RT) RAN Intelligent Controller (RIC) 125 via an E2 link, or a Non-Real Time (Non-RT) RIC 115 associated with a Service Management and Orchestration (SMO) Framework 105, or both) . A CU 110 may communicate with one or more DUs 130 via respective midhaul links, such as an F1 interface. The DUs 130 may communicate with one or more RUs 140 via respective fronthaul links. The RUs 140 may communicate with respective UEs 104 via one or more radio frequency (RF) access links. In some implementations, the UE 104 may be simultaneously served by multiple RUs 140.

[0037] Each of the units, i.e., the CUs 110, the DUs 130, the RUs 140, as well as the Near-RT RICs 125, the Non-RT RICs 115, and the SMO Framework 105, may include one or more interfaces or be coupled to one or more interfaces configured to receive or to transmit signals, data, or information (collectively, signals) via a wired or wireless transmission medium. Each of the units, or an associated processor or controller providing instructions to the communication interfaces of the units, can be configured to communicate with one or more of the other units via the transmission medium. For example, the units can include a wired interface configured to receive or to transmit signals over a wired transmission medium to one or more of the other units. Additionally, the units can include a wireless interface, which may include a receiver, a transmitter, or a transceiver (such as an RF transceiver) , configured to receive or to transmit signals, or both, over a wireless transmission medium to one or more of the other units.

[0038] In some aspects, the CU 110 may host one or more higher layer control functions. Such control functions can include radio resource control (RRC) , packet data convergence protocol (PDCP) , service data adaptation protocol (SDAP) , or the like. Each control function can be implemented with an interface configured to communicate signals with other control functions hosted by the CU 110. The CU 110 may be configured to handle user plane functionality (i.e., Central Unit –User Plane (CU-UP) ) , control plane functionality (i.e., Central Unit –Control Plane (CU-CP) ) , or a combination thereof. In some implementations, the CU 110 can be logically split into one or more CU-UP units and one or more CU-CP units. The CU-UP unit can communicate bidirectionally with the CU-CP unit via an interface, such as an E1 interface when implemented in an O-RAN configuration. The CU 110 can be implemented to communicate with the DU 130, as necessary, for network control and signaling.

[0039] The DU 130 may correspond to a logical unit that includes one or more base station functions to control the operation of one or more RUs 140. In some aspects, the DU 130 may host one or more of a radio link control (RLC) layer, a medium access control (MAC) layer, and one or more high physical (PHY) layers (such as modules for forward error correction (FEC) encoding and decoding, scrambling, modulation, demodulation, or the like) depending, at least in part, on a functional split, such as those defined by 3GPP. In some aspects, the DU 130 may further host one or more  low PHY layers. Each layer (or module) can be implemented with an interface configured to communicate signals with other layers (and modules) hosted by the DU 130, or with the control functions hosted by the CU 110.

[0040] Lower-layer functionality can be implemented by one or more RUs 140. In some deployments, an RU 140, controlled by a DU 130, may correspond to a logical node that hosts RF processing functions, or low-PHY layer functions (such as performing fast Fourier transform (FFT) , inverse FFT (iFFT) , digital beamforming, physical random access channel (PRACH) extraction and filtering, or the like) , or both, based at least in part on the functional split, such as a lower layer functional split. In such an architecture, the RU (s) 140 can be implemented to handle over the air (OTA) communication with one or more UEs 104. In some implementations, real-time and non-real-time aspects of control and user plane communication with the RU (s) 140 can be controlled by the corresponding DU 130. In some scenarios, this configuration can enable the DU (s) 130 and the CU 110 to be implemented in a cloud-based RAN architecture, such as a vRAN architecture.

[0041] The SMO Framework 105 may be configured to support RAN deployment and provisioning of non-virtualized and virtualized network elements. For non-virtualized network elements, the SMO Framework 105 may be configured to support the deployment of dedicated physical resources for RAN coverage requirements that may be managed via an operations and maintenance interface (such as an O1 interface) . For virtualized network elements, the SMO Framework 105 may be configured to interact with a cloud computing platform (such as an open cloud (O-Cloud) 190) to perform network element life cycle management (such as to instantiate virtualized network elements) via a cloud computing platform interface (such as an O2 interface) . Such virtualized network elements can include, but are not limited to, CUs 110, DUs 130, RUs 140 and Near-RT RICs 125. In some implementations, the SMO Framework 105 can communicate with a hardware aspect of a 4G RAN, such as an open eNB (O-eNB) 111, via an O1 interface. Additionally, in some implementations, the SMO Framework 105 can communicate directly with one or more RUs 140 via an O1 interface. The SMO Framework 105 also may include a Non-RT RIC 115 configured to support functionality of the SMO Framework 105.

[0042] The Non-RT RIC 115 may be configured to include a logical function that enables non-real-time control and optimization of RAN elements and resources, artificial  intelligence (AI)  / machine learning (ML) (AI / ML) workflows including model training and updates, or policy-based guidance of applications / features in the Near-RT RIC 125. The Non-RT RIC 115 may be coupled to or communicate with (such as via an A1 interface) the Near-RT RIC 125. The Near-RT RIC 125 may be configured to include a logical function that enables near-real-time control and optimization of RAN elements and resources via data collection and actions over an interface (such as via an E2 interface) connecting one or more CUs 110, one or more DUs 130, or both, as well as an O-eNB, with the Near-RT RIC 125.

[0043] In some implementations, to generate AI / ML models to be deployed in the Near-RT RIC 125, the Non-RT RIC 115 may receive parameters or external enrichment information from external servers. Such information may be utilized by the Near-RT RIC 125 and may be received at the SMO Framework 105 or the Non-RT RIC 115 from non-network data sources or from network functions. In some examples, the Non-RT RIC 115 or the Near-RT RIC 125 may be configured to tune RAN behavior or performance. For example, the Non-RT RIC 115 may monitor long-term trends and patterns for performance and employ AI / ML models to perform corrective actions through the SMO Framework 105 (such as reconfiguration via O1) or via creation of RAN management policies (such as A1 policies) .

[0044] At least one of the CU 110, the DU 130, and the RU 140 may be referred to as a base station 102. Accordingly, a base station 102 may include one or more of the CU 110, the DU 130, and the RU 140 (each component indicated with dotted lines to signify that each component may or may not be included in the base station 102) . The base station 102 provides an access point to the core network 120 for a UE 104. The base station 102 may include macrocells (high power cellular base station) and / or small cells (low power cellular base station) . The small cells include femtocells, picocells, and microcells. A network that includes both small cell and macrocells may be known as a heterogeneous network. A heterogeneous network may also include Home Evolved Node Bs (eNBs) (HeNBs) , which may provide service to a restricted group known as a closed subscriber group (CSG) . The communication links between the RUs 140 and the UEs 104 may include uplink (UL) (also referred to as reverse link) transmissions from a UE 104 to an RU 140 and / or downlink (DL) (also referred to as forward link) transmissions from an RU 140 to a UE 104. The communication links may use multiple-input and multiple-output (MIMO) antenna technology, including  spatial multiplexing, beamforming, and / or transmit diversity. The communication links may be through one or more carriers. The base station 102  / UEs 104 may use spectrum up to Y MHz (e.g., 5, 10, 15, 20, 100, 400, etc. MHz) bandwidth per carrier allocated in a carrier aggregation of up to a total of Yx MHz (x component carriers) used for transmission in each direction. The carriers may or may not be adjacent to each other. Allocation of carriers may be asymmetric with respect to DL and UL (e.g., more or fewer carriers may be allocated for DL than for UL) . The component carriers may include a primary component carrier and one or more secondary component carriers. A primary component carrier may be referred to as a primary cell (PCell) and a secondary component carrier may be referred to as a secondary cell (SCell) .

[0045] Certain UEs 104 may communicate with each other using device-to-device (D2D) communication link 158. The D2D communication link 158 may use the DL / UL wireless wide area network (WWAN) spectrum. The D2D communication link 158 may use one or more sidelink channels, such as a physical sidelink broadcast channel (PSBCH) , a physical sidelink discovery channel (PSDCH) , a physical sidelink shared channel (PSSCH) , and a physical sidelink control channel (PSCCH) . D2D communication may be through a variety of wireless D2D communications systems, such as for example, BluetoothTM (Bluetooth is a trademark of the Bluetooth Special Interest Group (SIG) ) , Wi-FiTM (is a trademark of the Wi-Fi Alliance) based on the Institute of Electrical and Electronics Engineers (IEEE) 802.11 standard, LTE, or NR.

[0046] The wireless communications system may further include a Wi-Fi AP 150 in communication with UEs 104 (also referred to as Wi-Fi stations (STAs) ) via communication link 154, e.g., in a 5 GHz unlicensed frequency spectrum or the like. When communicating in an unlicensed frequency spectrum, the UEs 104  / AP 150 may perform a clear channel assessment (CCA) prior to communicating in order to determine whether the channel is available.

[0047] The electromagnetic spectrum is often subdivided, based on frequency / wavelength, into various classes, bands, channels, etc. In 5G NR, two initial operating bands have been identified as frequency range designations FR1 (410 MHz –7.125 GHz) and FR2 (24.25 GHz –52.6 GHz) . Although a portion of FR1 is greater than 6 GHz, FR1 is often referred to (interchangeably) as a “sub-6 GHz” band in various documents and articles. A similar nomenclature issue sometimes occurs with regard to FR2, which is often referred to (interchangeably) as a “millimeter wave” band in documents  and articles, despite being different from the extremely high frequency (EHF) band (30 GHz –300 GHz) which is identified by the International Telecommunications Union (ITU) as a “millimeter wave” band.

[0048] The frequencies between FR1 and FR2 are often referred to as mid-band frequencies. Recent 5G NR studies have identified an operating band for these mid-band frequencies as frequency range designation FR3 (7.125 GHz –24.25 GHz) . Frequency bands falling within FR3 may inherit FR1 characteristics and / or FR2 characteristics, and thus may effectively extend features of FR1 and / or FR2 into mid-band frequencies. In addition, higher frequency bands are currently being explored to extend 5G NR operation beyond 52.6 GHz. For example, three higher operating bands have been identified as frequency range designations FR2-2 (52.6 GHz –71 GHz) , FR4 (71 GHz –114.25 GHz) , and FR5 (114.25 GHz –300 GHz) . Each of these higher frequency bands falls within the EHF band.

[0049] With the above aspects in mind, unless specifically stated otherwise, the term “sub-6 GHz” or the like if used herein may broadly represent frequencies that may be less than 6 GHz, may be within FR1, or may include mid-band frequencies. Further, unless specifically stated otherwise, the term “millimeter wave” or the like if used herein may broadly represent frequencies that may include mid-band frequencies, may be within FR2, FR4, FR2-2, and / or FR5, or may be within the EHF band.

[0050] The base station 102 and the UE 104 may each include a plurality of antennas, such as antenna elements, antenna panels, and / or antenna arrays to facilitate beamforming. The base station 102 may transmit a beamformed signal 182 to the UE 104 in one or more transmit directions. The UE 104 may receive the beamformed signal from the base station 102 in one or more receive directions. The UE 104 may also transmit a beamformed signal 184 to the base station 102 in one or more transmit directions. The base station 102 may receive the beamformed signal from the UE 104 in one or more receive directions. The base station 102  / UE 104 may perform beam training to determine the best receive and transmit directions for each of the base station 102  / UE 104. The transmit and receive directions for the base station 102 may or may not be the same. The transmit and receive directions for the UE 104 may or may not be the same.

[0051] The base station 102 may include and / or be referred to as a gNB, Node B, eNB, an access point, a base transceiver station, a radio base station, a radio transceiver, a  transceiver function, a basic service set (BSS) , an extended service set (ESS) , a TRP, network node, network entity, network equipment, or some other suitable terminology. The base station 102 can be implemented as an integrated access backhaul (IAB) node, a relay node, a sidelink node, an aggregated (monolithic) base station with a baseband unit (BBU) (including a CU and a DU) and an RU, or as a disaggregated base station including one or more of a CU, a DU, and / or an RU. The set of base stations, which may include disaggregated base stations and / or aggregated base stations, may be referred to as next generation (NG) RAN (NG-RAN) .

[0052] The core network 120 may include an Access and Mobility Management Function (AMF) 161, a Session Management Function (SMF) 162, a User Plane Function (UPF) 163, a Unified Data Management (UDM) 164, one or more location servers 168, and other functional entities. The AMF 161 is the control node that processes the signaling between the UEs 104 and the core network 120. The AMF 161 supports registration management, connection management, mobility management, and other functions. The SMF 162 supports session management and other functions. The UPF 163 supports packet routing, packet forwarding, and other functions. The UDM 164 supports the generation of authentication and key agreement (AKA) credentials, user identification handling, access authorization, and subscription management. The one or more location servers 168 are illustrated as including a Gateway Mobile Location Center (GMLC) 165 and a Location Management Function (LMF) 166. However, generally, the one or more location servers 168 may include one or more location / positioning servers, which may include one or more of the GMLC 165, the LMF 166, a position determination entity (PDE) , a serving mobile location center (SMLC) , a mobile positioning center (MPC) , or the like. The GMLC 165 and the LMF 166 support UE location services. The GMLC 165 provides an interface for clients / applications (e.g., emergency services) for accessing UE positioning information. The LMF 166 receives measurements and assistance information from the NG-RAN and the UE 104 via the AMF 161 to compute the position of the UE 104. The NG-RAN may utilize one or more positioning methods in order to determine the position of the UE 104. Positioning the UE 104 may involve signal measurements, a position estimate, and an optional velocity computation based on the measurements. The signal measurements may be made by the UE 104 and / or the base station 102 serving the UE 104. The signals measured may be based on one or more of a satellite  positioning system (SPS) 170 (e.g., one or more of a Global Navigation Satellite System (GNSS) , global position system (GPS) , non-terrestrial network (NTN) , or other satellite position / location system) , LTE signals, wireless local area network (WLAN) signals, Bluetooth signals, a terrestrial beacon system (TBS) , sensor-based information (e.g., barometric pressure sensor, motion sensor) , NR enhanced cell ID (NR E-CID) methods, NR signals (e.g., multi-round trip time (Multi-RTT) , DL angle-of-departure (DL-AoD) , DL time difference of arrival (DL-TDOA) , UL time difference of arrival (UL-TDOA) , and UL angle-of-arrival (UL-AoA) positioning) , and / or other systems / signals / sensors.

[0053] Examples of UEs 104 include a cellular phone, a smart phone, a session initiation protocol (SIP) phone, a laptop, a personal digital assistant (PDA) , a satellite radio, a global positioning system, a multimedia device, a video device, a digital audio player (e.g., MP3 player) , a camera, a game console, a tablet, a smart device, a wearable device, a vehicle, an electric meter, a gas pump, a large or small kitchen appliance, a healthcare device, an implant, a sensor / actuator, a display, or any other similar functioning device. Some of the UEs 104 may be referred to as IoT devices (e.g., parking meter, gas pump, toaster, vehicles, heart monitor, etc. ) . The UE 104 may also be referred to as a station, a mobile station, a subscriber station, a mobile unit, a subscriber unit, a wireless unit, a remote unit, a mobile device, a wireless device, a wireless communications device, a remote device, a mobile subscriber station, an access terminal, a mobile terminal, a wireless terminal, a remote terminal, a handset, a user agent, a mobile client, a client, or some other suitable terminology. In some scenarios, the term UE may also apply to one or more companion devices such as in a device constellation arrangement. One or more of these devices may collectively access the network and / or individually access the network.

[0054] Referring again to FIG. 1, in certain aspects, the UE 104 may have an ACC component 198 that may be configured to identify a second vehicle as a potential ACC target; detect, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle; and select, or refrain from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle. In certain aspects, the base station 102 or the one or more location servers 168 may have an ACC configuration component 199 that may be configured to provide ACC related configurations to the UE 104.

[0055] FIG. 2A is a diagram 200 illustrating an example of a first subframe within a 5G NR frame structure. FIG. 2B is a diagram 230 illustrating an example of DL channels within a 5G NR subframe. FIG. 2C is a diagram 250 illustrating an example of a second subframe within a 5G NR frame structure. FIG. 2D is a diagram 280 illustrating an example of UL channels within a 5G NR subframe. The 5G NR frame structure may be frequency division duplexed (FDD) in which for a particular set of subcarriers (carrier system bandwidth) , subframes within the set of subcarriers are dedicated for either DL or UL, or may be time division duplexed (TDD) in which for a particular set of subcarriers (carrier system bandwidth) , subframes within the set of subcarriers are dedicated for both DL and UL. In the examples provided by FIGs. 2A, 2C, the 5G NR frame structure is assumed to be TDD, with subframe 4 being configured with slot format 28 (with mostly DL) , where D is DL, U is UL, and F is flexible for use between DL / UL, and subframe 3 being configured with slot format 1 (with all UL) . While subframes 3, 4 are shown with slot formats 1, 28, respectively, any particular subframe may be configured with any of the various available slot formats 0-61. Slot formats 0, 1 are all DL, UL, respectively. Other slot formats 2-61 include a mix of DL, UL, and flexible symbols. UEs are configured with the slot format (dynamically through DL control information (DCI) , or semi-statically / statically through radio resource control (RRC) signaling) through a received slot format indicator (SFI) . Note that the description infra applies also to a 5G NR frame structure that is TDD.

[0056] FIGs. 2A-2D illustrate a frame structure, and the aspects of the present disclosure may be applicable to other wireless communication technologies, which may have a different frame structure and / or different channels. A frame (10 ms) may be divided into 10 equally sized subframes (1 ms) . Each subframe may include one or more time slots. Subframes may also include mini-slots, which may include 7, 4, or 2 symbols. Each slot may include 14 or 12 symbols, depending on whether the cyclic prefix (CP) is normal or extended. For normal CP, each slot may include 14 symbols, and for extended CP, each slot may include 12 symbols. The symbols on DL may be CP orthogonal frequency division multiplexing (OFDM) (CP-OFDM) symbols. The symbols on UL may be CP-OFDM symbols (for high throughput scenarios) or discrete Fourier transform (DFT) spread OFDM (DFT-s-OFDM) symbols (for power limited scenarios; limited to a single stream transmission) . The number of slots within  a subframe is based on the CP and the numerology. The numerology defines the subcarrier spacing (SCS) (see Table 1) . The symbol length / duration may scale with 1 / SCS.

[0057] Table 1: Numerology, SCS, and CP

[0058] For normal CP (14 symbols / slot) , different numerologies μ 0 to 4 allow for 1, 2, 4, 8, and 16 slots, respectively, per subframe. For extended CP, the numerology 2 allows for 4 slots per subframe. Accordingly, for normal CP and numerology μ, there are 14 symbols / slot and 2μ slots / subframe. The subcarrier spacing may be equal to 2μ*15 kHz, where μ is the numerology 0 to 4. As such, the numerology μ=0 has a subcarrier spacing of 15 kHz and the numerology μ=4 has a subcarrier spacing of 240 kHz. The symbol length / duration is inversely related to the subcarrier spacing. FIGs. 2A-2D provide an example of normal CP with 14 symbols per slot and numerology μ=2 with 4 slots per subframe. The slot duration is 0.25 ms, the subcarrier spacing is 60 kHz, and the symbol duration is approximately 16.67 μs. Within a set of frames, there may be one or more different bandwidth parts (BWPs) (see FIG. 2B) that are frequency division multiplexed. Each BWP may have a particular numerology and CP (normal or extended) .

[0059] A resource grid may be used to represent the frame structure. Each time slot includes a resource block (RB) (also referred to as physical RBs (PRBs) ) that extends 12 consecutive subcarriers. The resource grid is divided into multiple resource elements (REs) . The number of bits carried by each RE depends on the modulation scheme.

[0060] As illustrated in FIG. 2A, some of the REs carry reference (pilot) signals (RS) for the UE. The RS may include demodulation RS (DM-RS) (indicated as R for one particular  configuration, but other DM-RS configurations are possible) and channel state information reference signals (CSI-RS) for channel estimation at the UE. The RS may also include beam measurement RS (BRS) , beam refinement RS (BRRS) , and phase tracking RS (PT-RS) .

[0061] FIG. 2B illustrates an example of various DL channels within a subframe of a frame. The physical downlink control channel (PDCCH) carries DCI within one or more control channel elements (CCEs) (e.g., 1, 2, 4, 8, or 16 CCEs) , each CCE including six RE groups (REGs) , each REG including 12 consecutive REs in an OFDM symbol of an RB. A PDCCH within one BWP may be referred to as a control resource set (CORESET) . A UE is configured to monitor PDCCH candidates in a PDCCH search space (e.g., common search space, UE-specific search space) during PDCCH monitoring occasions on the CORESET, where the PDCCH candidates have different DCI formats and different aggregation levels. Additional BWPs may be located at greater and / or lower frequencies across the channel bandwidth. A primary synchronization signal (PSS) may be within symbol 2 of particular subframes of a frame. The PSS is used by a UE 104 to determine subframe / symbol timing and a physical layer identity. A secondary synchronization signal (SSS) may be within symbol 4 of particular subframes of a frame. The SSS is used by a UE to determine a physical layer cell identity group number and radio frame timing. Based on the physical layer identity and the physical layer cell identity group number, the UE can determine a physical cell identifier (PCI) . Based on the PCI, the UE can determine the locations of the DM-RS. The physical broadcast channel (PBCH) , which carries a master information block (MIB) , may be logically grouped with the PSS and SSS to form a synchronization signal (SS)  / PBCH block (also referred to as SS block (SSB) ) . The MIB provides a number of RBs in the system bandwidth and a system frame number (SFN) . The physical downlink shared channel (PDSCH) carries user data, broadcast system information not transmitted through the PBCH such as system information blocks (SIBs) , and paging messages.

[0062] As illustrated in FIG. 2C, some of the REs carry DM-RS (indicated as R for one particular configuration, but other DM-RS configurations are possible) for channel estimation at the base station. The UE may transmit DM-RS for the physical uplink control channel (PUCCH) and DM-RS for the physical uplink shared channel (PUSCH) . The PUSCH DM-RS may be transmitted in the first one or two symbols of  the PUSCH. The PUCCH DM-RS may be transmitted in different configurations depending on whether short or long PUCCHs are transmitted and depending on the particular PUCCH format used. The UE may transmit sounding reference signals (SRS) . The SRS may be transmitted in the last symbol of a subframe. The SRS may have a comb structure, and a UE may transmit SRS on one of the combs. The SRS may be used by a base station for channel quality estimation to enable frequency-dependent scheduling on the UL.

[0063] FIG. 2D illustrates an example of various UL channels within a subframe of a frame. The PUCCH may be located as indicated in one configuration. The PUCCH carries uplink control information (UCI) , such as scheduling requests, a channel quality indicator (CQI) , a precoding matrix indicator (PMI) , a rank indicator (RI) , and hybrid automatic repeat request (HARQ) acknowledgment (ACK) (HARQ-ACK) feedback (i.e., one or more HARQ ACK bits indicating one or more ACK and / or negative ACK (NACK) ) . The PUSCH carries data, and may additionally be used to carry a buffer status report (BSR) , a power headroom report (PHR) , and / or UCI.

[0064] FIG. 3 is a block diagram of a base station 310 in communication with a UE 350 in an access network. In the DL, Internet protocol (IP) packets may be provided to a controller / processor 375. The controller / processor 375 implements layer 3 and layer 2 functionality. Layer 3 includes a radio resource control (RRC) layer, and layer 2 includes a service data adaptation protocol (SDAP) layer, a packet data convergence protocol (PDCP) layer, a radio link control (RLC) layer, and a medium access control (MAC) layer. The controller / processor 375 provides RRC layer functionality associated with broadcasting of system information (e.g., MIB, SIBs) , RRC connection control (e.g., RRC connection paging, RRC connection establishment, RRC connection modification, and RRC connection release) , inter radio access technology (RAT) mobility, and measurement configuration for UE measurement reporting; PDCP layer functionality associated with header compression  / decompression, security (ciphering, deciphering, integrity protection, integrity verification) , and handover support functions; RLC layer functionality associated with the transfer of upper layer packet data units (PDUs) , error correction through ARQ, concatenation, segmentation, and reassembly of RLC service data units (SDUs) , re-segmentation of RLC data PDUs, and reordering of RLC data PDUs; and MAC layer functionality associated with mapping between logical channels and  transport channels, multiplexing of MAC SDUs onto transport blocks (TBs) , demultiplexing of MAC SDUs from TBs, scheduling information reporting, error correction through HARQ, priority handling, and logical channel prioritization.

[0065] The transmit (TX) processor 316 and the receive (RX) processor 370 implement layer 1 functionality associated with various signal processing functions. Layer 1, which includes a physical (PHY) layer, may include error detection on the transport channels, forward error correction (FEC) coding / decoding of the transport channels, interleaving, rate matching, mapping onto physical channels, modulation / demodulation of physical channels, and MIMO antenna processing. The TX processor 316 handles mapping to signal constellations based on various modulation schemes (e.g., binary phase-shift keying (BPSK) , quadrature phase-shift keying (QPSK) , M-phase-shift keying (M-PSK) , M-quadrature amplitude modulation (M-QAM) ) . The coded and modulated symbols may then be split into parallel streams. Each stream may then be mapped to an OFDM subcarrier, multiplexed with a reference signal (e.g., pilot) in the time and / or frequency domain, and then combined together using an Inverse Fast Fourier Transform (IFFT) to produce a physical channel carrying a time domain OFDM symbol stream. The OFDM stream is spatially precoded to produce multiple spatial streams. Channel estimates from a channel estimator 374 may be used to determine the coding and modulation scheme, as well as for spatial processing. The channel estimate may be derived from a reference signal and / or channel condition feedback transmitted by the UE 350. Each spatial stream may then be provided to a different antenna 320 via a separate transmitter 318Tx. Each transmitter 318Tx may modulate a radio frequency (RF) carrier with a respective spatial stream for transmission.

[0066] At the UE 350, each receiver 354Rx receives a signal through its respective antenna 352. Each receiver 354Rx recovers information modulated onto an RF carrier and provides the information to the receive (RX) processor 356. The TX processor 368 and the RX processor 356 implement layer 1 functionality associated with various signal processing functions. The RX processor 356 may perform spatial processing on the information to recover any spatial streams destined for the UE 350. If multiple spatial streams are destined for the UE 350, they may be combined by the RX processor 356 into a single OFDM symbol stream. The RX processor 356 then converts the OFDM symbol stream from the time-domain to the frequency domain  using a Fast Fourier Transform (FFT) . The frequency domain signal includes a separate OFDM symbol stream for each subcarrier of the OFDM signal. The symbols on each subcarrier, and the reference signal, are recovered and demodulated by determining the most likely signal constellation points transmitted by the base station 310. These soft decisions may be based on channel estimates computed by the channel estimator 358. The soft decisions are then decoded and deinterleaved to recover the data and control signals that were originally transmitted by the base station 310 on the physical channel. The data and control signals are then provided to the controller / processor 359, which implements layer 3 and layer 2 functionality.

[0067] The controller / processor 359 can be associated with at least one memory 360 that stores program codes and data. The at least one memory 360 may be referred to as a computer-readable medium. In the UL, the controller / processor 359 provides demultiplexing between transport and logical channels, packet reassembly, deciphering, header decompression, and control signal processing to recover IP packets. The controller / processor 359 is also responsible for error detection using an ACK and / or NACK protocol to support HARQ operations.

[0068] Similar to the functionality described in connection with the DL transmission by the base station 310, the controller / processor 359 provides RRC layer functionality associated with system information (e.g., MIB, SIBs) acquisition, RRC connections, and measurement reporting; PDCP layer functionality associated with header compression  / decompression, and security (ciphering, deciphering, integrity protection, integrity verification) ; RLC layer functionality associated with the transfer of upper layer PDUs, error correction through ARQ, concatenation, segmentation, and reassembly of RLC SDUs, re-segmentation of RLC data PDUs, and reordering of RLC data PDUs; and MAC layer functionality associated with mapping between logical channels and transport channels, multiplexing of MAC SDUs onto TBs, demultiplexing of MAC SDUs from TBs, scheduling information reporting, error correction through HARQ, priority handling, and logical channel prioritization.

[0069] Channel estimates derived by a channel estimator 358 from a reference signal or feedback transmitted by the base station 310 may be used by the TX processor 368 to select the appropriate coding and modulation schemes, and to facilitate spatial processing. The spatial streams generated by the TX processor 368 may be provided  to different antenna 352 via separate transmitters 354Tx. Each transmitter 354Tx may modulate an RF carrier with a respective spatial stream for transmission.

[0070] The UL transmission is processed at the base station 310 in a manner similar to that described in connection with the receiver function at the UE 350. Each receiver 318Rx receives a signal through its respective antenna 320. Each receiver 318Rx recovers information modulated onto an RF carrier and provides the information to a RX processor 370.

[0071] The controller / processor 375 can be associated with at least one memory 376 that stores program codes and data. The at least one memory 376 may be referred to as a computer-readable medium. In the UL, the controller / processor 375 provides demultiplexing between transport and logical channels, packet reassembly, deciphering, header decompression, control signal processing to recover IP packets. The controller / processor 375 is also responsible for error detection using an ACK and / or NACK protocol to support HARQ operations.

[0072] At least one of the TX processor 368, the RX processor 356, and the controller / processor 359 may be configured to perform aspects in connection with the ACC component 198 of FIG. 1.

[0073] At least one of the TX processor 316, the RX processor 370, and the controller / processor 375 may be configured to perform aspects in connection with the ACC configuration component 199 of FIG. 1.

[0074] In recent years, vehicle manufacturers have been developing vehicles with assisted driving and / or autonomous driving capabilities. Assisted driving, which may also be called advanced driver assistance systems (ADAS) , may refer to a set of technologies designed to enhance vehicle safety and improve the driving experience by providing assistance and automation to the driver. These technologies may use various sensor (s) , such as camera (s) , radar (s) , light detection and ranging (lidar (s) or lidar sensor (s) ) , etc., and other components to monitor a vehicle’s surroundings and assist the driver of the vehicle with certain driving tasks. For example, some features of assisted driving systems may include: (1) adaptive cruise control (ACC) (e.g., a system that automatically adjusts a vehicle’s speed to maintain a safe following distance from the vehicle ahead) , (2) lane-keeping assist (LKA) (e.g., a system that uses cameras to detect lane markings and helps keep the vehicle centered within the lane, and provides steering inputs to prevent unintentional lane departure) , (3) , autonomous emergency  braking (AEB) (e.g., a system that detects potential collisions with obstacles or pedestrians and automatically apply the brakes to avoid or mitigate the impact) , (4) blind spot monitoring (BSM) (e.g., a system that uses sensors to detect vehicles in a driver’s blind spots and provides visual or audible alerts to avoid potential collisions during lane changes) , (5) parking assistance (e.g., a system that assists drivers in parking their vehicles by using camera (s) and sensor (s) to help with parallel parking or maneuvering into tight spaces) , and / or traffic sign recognition (e.g., camera (s) and image processing are used to recognize and display traffic signs such as speed limits, stop signs, and other road regulations on the vehicle’s dashboard) .

[0075] Autonomous driving (AD) , which may also be referred to as the autonomous driving system (ADS) , self-driving, and / or driverless technology, may refer to the ability of a vehicle to navigate and operate itself without specifying human intervention (e.g., travelling from one place to another place without a human controlling the vehicle) . The goal of the autonomous driving is to create vehicles that are capable of perceiving their surroundings, making decisions, and controlling their movements, all without the direct involvement of a human driver. To achieve or improve the autonomous driving, a vehicle may be specified to use a map (or map data) with detailed information, such as a high-definition (HD) map. An HD map may refer to a highly detailed and accurate digital map designed for use in autonomous driving and ADAS. In one example, HD maps may typically include one or more of: (1) geometric information (e.g., precise road geometry, including lane boundaries, curvature, slopes, and detailed 3D models of the surrounding environment) , (2) lane-level information (e.g., information about individual lanes on the road, such as lane width, lane type (e.g., driving, turning, or parking lanes) , and lane connectivity) , (3) road attributes (e.g., data on road features like traffic signs, signals, traffic lights, speed limits, and road markings) , (4) topology (e.g., information about the relationships between different roads, intersections, and connectivity patterns) , (5) static objects (e.g., locations and details of fixed objects along the road, such as buildings, traffic barriers, and poles) , (6) dynamic objects (e.g., real-time or frequently updated data about moving objects, like other vehicles, pedestrians, and cyclists) , and / or (7) localization and positioning: precise reference points and landmarks that help in accurate vehicle localization on the map, etc.

[0076] Note while some assisted / autonomous driving systems may demand the use of HD map data, there are also assisted / autonomous driving systems and information systems that may be configured not to use HD map data (e.g., due to costs) . For example, the Society of Automotive Engineers (SAE) has defined six levels of driving automation, from Level 0 (no automation) to Level 5 (full automation) . For Level 0 (no automation) , the human driver may be responsible for all aspects of driving, and the system may provide warnings or momentary assistance but does not take control of the vehicle. Example features for SAE Level 0 may include automatic emergency braking, blind spot warnings, and lane departure warnings, etc. As such, SAE Level 0 may not specify using HD map data. For Level 1 (driver assistance) , the vehicle may assist with either steering or acceleration / deceleration (but may not perform both simultaneously) . The human driver is still responsible for most driving tasks and may need to be ready to take over at any time. Example features for SAE Level 1 may include adaptive cruise control or lane-keeping assistance (e.g., lane centering) , etc. For Level 2 (partial automation) , the vehicle may control both steering and acceleration / deceleration under certain conditions, but the human driver is requested to remain engaged and monitor the driving environment at all times. Example features for SAE Level 2 may include ADAS, adaptive cruise control and lane-keeping assistance at the same time, etc. For Level 3 (conditional automation) , the vehicle may perform all driving tasks under specific conditions, and the human driver may not be specified to monitor the environment but may need to be ready to take over when requested by the system. Example features for SAE Level 3 may include traffic jam chauffeur, where the vehicle is capable of handling driving in traffic jams without driver intervention. For Level 4 (high automation) , the vehicle is capable of handling all driving tasks within certain conditions or environments (geofenced areas) . The system may operate without human intervention but may specify a human driver outside its operational domain. Example features for SAE Level 4 may include local driverless taxi and pedals / steering, etc. For Level 5 (full automation) , the vehicle is capable of performing all driving tasks under all conditions, and does not specify the human driver at any time. Example features for SAE Level 5 may include fully autonomous vehicles with no steering wheel or pedals. In summary, SAE Level 0 may be defined as features to provide warnings and assistance. ADAS is usually SAE Level 1 and 2, while AD is considered SAE level 3 to 5. Aspects presented herein  (described below) may apply to all levels of SAE, including SAE Level 0 (e.g., for speed warning) . For purposes of the present disclosure, a system or information system that is used in associated with SAE Level 0 to Level 5 may collectively be referred to as a “vehicle system, ” which may encompass the assisted driving and the autonomous driving.

[0077] To enable a vehicle to be capable of providing assisted driving and / or autonomous driving, the vehicle may be configured to use various machine learning (ML) and / or neural network (NN) frameworks. An ML / NN framework may refer to a set of tools, libraries, and / or software components that are configured to provide a structured way to design, build, and deploy ML / NN models and applications. These frameworks may be able to simplify the process of developing ML / NN algorithms and applications by providing a foundation of pre-built functions, algorithms, and utilities. They may typically include features for data preprocessing, model training, evaluation, and / or deployment, etc. ML / NN frameworks may come in various programming languages, and they may be configured to cater to different types of machine learning tasks, including supervised learning, unsupervised learning, and / or reinforcement learning, etc. An ML / NN model may refer to a mathematical representation of a real-world process or problem, created using ML / NN algorithms and techniques. These ML / NN models may be configured to make predictions, classify data, and / or solve specific tasks based on patterns and relationships learned from input data. A deep learning framework may refer to a specialized software library or toolset that provides specified components and abstractions for building, training, and deploying deep neural networks. Deep learning frameworks may be designed to facilitate the development of complex neural network models, especially deep neural networks with multiple layers. These frameworks may offer a wide range of pre-implemented layers, optimizers, loss functions, and other components, making it easier for researchers and developers to work with deep learning models.

[0078] FIG. 4 is a diagram 400 illustrating an example of a vehicle performing road object detection using different types of sensors in accordance with various aspects of the present disclosure. In some implementations, a vehicle system may be configured to perform road object detections using multiple types of sensors (and also one or more ML / NN models) . For purposes of the present disclosure, a road object or a traffic participant may refer to an object that is related to roads and driving, and is  typically / commonly used / considered by the vehicle system in providing assisted driving or performing autonomous driving. In some examples, the road object / traffic participant may also be referred to as a traffic-related object. For example, a road object / traffic participant may be another vehicle, a pedestrian, a cyclist / bicycle, an animal, a traffic cone, a traffic sign, a traffic light, traffic, a traffic lane, a traffic line, a vulnerable road user (VRU) , an object that is within a threshold distance of the vehicle, and / or any objects that may typically present on the roads (e.g., on the driving paths of vehicles) , etc. On the other hand, a non-road object or a non-traffic participant (which may also be referred to as a non-traffic related object) may refer to an object that is not related to roads and driving, and is typically / commonly not used / considered by the vehicle system in providing assisted driving or performing autonomous driving. For example, a non-road object / non-traffic participant may be an object that is not within a threshold distance of the vehicle (e.g., a house on the side of the road, a mountain that is far away) , an object that is not typically presented on a driving path / road (an airplane, a fire hydrant, a tree, etc. ) , a structure that is typically not traversed by vehicles (e.g., a pedestrian bridge) , etc. An ML / NN model may be trained to identify whether an object is a road object or a non-road object.

[0079] For example, as shown by the diagram 400, a vehicle or a vehicle system (collectively as a “UE 402” ) may be configured to use different types of sensors, such as a set of cameras 404 and / or a set of radars 406 for detecting road objects. For purposes of the present disclosure, the term “radar” may broadly refer to a device / component that is capable of detecting at least the presence and / or the distance of a physical object. Examples of radar may include an RF radar, a sonar, an ultrasonic sensor, a light detection and ranging (lidar) , etc. In some implementations, the UE 402 may also use different MN / NN models for identifying different types of road objects. For example, a first ML / NN model may be trained / used to detect and track polylines from sensor output (s) (e.g., images captured by the camera (s) of the vehicle, point clouds generated from radar (s)  / lidar (s) , etc. ) , while a second ML / NN model may be trained / used to detect and track objects in a three-dimensional (3D) space (e.g., to perform 3D object detection (3DOD) tasks) . Then, the outputs of different types of sensors (e.g., from the set of cameras 404 and the set of radars 406) may be processed and used by the ADAS or the autonomous driving system (e.g., for assisted / autonomous driving) . A point cloud may refer to a discrete set of data points  in space, where these points may represent a 3D shape or object. In some implementations, each point position may be associated with a set of Cartesian coordinates (X, Y, Z) . Point clouds may be produced by radar (s)  / lidar (s) by detecting multiple points on the external surfaces of objects.

[0080] For purposes of the present disclosure and in the context of assisted / autonomous driving, a vehicle that is capable of performing autonomous driving and / or certain amount of assisted driving may be referred to as an “ego vehicle” or simply “ego. ” For example, an “ego lane” may refer to a lane in which an ego vehicle itself is currently driving. As such, the term “ego” in such context may refer to the vehicle itself, and the term “ego lane” may imply that it is the lane where the (ego) vehicle is actively maneuvering and making decisions. Depending on the context, the term “ego lane” may be used for differentiating the lane occupied by the ego / autonomous vehicle from other lanes on the road.

[0081] Adaptive cruise control (ACC) may refer to an advanced driver assistance system (ADAS) that is capable of automatically adjusts the speed of an ego vehicle (referring to the vehicle performing the ACC) to maintain a safe following distance from the vehicle ahead (which may be referred to as the “target vehicle” for purposes of differentiation) . Unlike traditional cruise control, which is just capable of maintaining a set speed, ACC is configured to use a set of sensors (e.g., radar (s) , Lidar (s) , and / or camera (s) , etc. ) to monitor traffic conditions and respond to traffic conditions dynamically. For example, if the target vehicle in front of the ego vehicle slows down, ACC may reduce the speed of the ego vehicle to maintain a safe distance between the ego vehicle and the target vehicle. Then, if the road ahead clears, the ACC may enable the ego vehicle to accelerate back to the preset speed. Common features of ACC may include one or more of: (1) automatic speed adjustment (e.g., ACC may adjust an ego vehicle’s speed based on the traffic in front of it, rather than maintaining a set speed) ; (2) distance setting (e.g., ACC may enable users to choose a desired / suitable following distance from the target vehicle ahead) ; (3) brake and acceleration control (e.g., ACC may have the capability to apply braking and / or acceleration within a specified range to keep up with the dynamic traffic; and / or (4) limited self-driving capability (e.g., some advanced ACC systems may have the capability to work in a stop-and-go traffic, which bring an ego vehicle to a complete stop and resume the driving when the traffic moves again) . ACC may be particularly useful on highways  or long drives as it may enable a driver to avoid making constant speed adjustments manually.

[0082] ACC is typically configured with at least one target selection algorithm, which enables the ACC to select a target vehicle (if available) to follow and adjust the speed of the ego vehicle accordingly by using a combination of sensors to detect vehicles in the ego vehicle’s (potential) path (s) . For example, an ACC system may continually scan the road for objects and vehicles using sensor (s) . When the sensor (s) detect objects, the target selection algorithm of the ACC system may filter the detected objects to distinguish moving vehicles from stationary objects like road signs or guardrails (e.g., an ACC system may be primarily designed to track moving vehicles that are in the same lane, focusing on objects traveling in the same direction as the car) . Then, the ACC system may identify the closest moving vehicle (which may be referred to as the “closest in-lane object” ) that is directly in the path or lane of the ego vehicle. Typically, factors considered by the ACC system or the target selection algorithm for selecting the closest in-lane object may include: (1) the distance (e.g., the vehicle closest to the path of the ego vehicle is usually chosen as the target vehicle) , (2) the relative speed (e.g., the ACC system may assess how fast the other vehicle is moving to maintain an appropriate following distance) , (3) the lane position (e.g., the ACC system may be configured to focus on the vehicle directly ahead in the same lane, ignoring vehicles in adjacent lanes (which may be referred to as the “left-lane object” and / or the “right-lane object” ) unless they merge into the path of the ego vehicle (which may be referred to as a “cut-in” scenario) . The ACC system may perform continuous monitoring and adjustment. For example, when the selected target vehicle speeds up, slows down, or changes lanes (which may be referred to as a “cut-out” scenario) , the ACC system may continuously update / select its “target” vehicle. As an illustration, if a selected target vehicle exits the lane or moves out the range of the ego vehicle, the ACC may automatically search for a new target vehicle in the lane ahead or resumes the set speed if the road is clear (e.g., meaning there is no vehicle within a threshold distance ahead of the ego vehicle) . For purposes of the present disclosure, an “ACC target” may refer to a vehicle (or part of a vehicle) that is used (or potentially will be used) by an ACC system as a reference for performing ACC functions, such as adjusting the speed of the ego vehicle.

[0083] FIG. 5 is a diagram 500 illustrating an example of an ACC system selecting an ACC target in accordance with various aspects of the present disclosure. Currently, most ACC systems may be configured to select an ACC target (e.g., a target vehicle) based on the lateral distance of the ACC target. For example, as shown at 510, the ACC system on an ego vehicle 502 may calculated a lateral distance (Y1) between the center of the ego vehicle 502 and a lane marker 506. As shown at 512, when the ACC system detects a target vehicle 504 ahead of the ego vehicle 502 (e.g., based on performing the road object detection as described in connection with FIG. 4) , the ACC system may also calculate the lateral distance (Y2) from the center of the ego vehicle 502 to the target vehicle 504 (e.g., to the closest side of the target vehicle) . Then, based on the lateral distances Y1 and Y2, the ACC system may determine whether to select the target vehicle 504 as the ACC target. For example, when the lateral distance (Y2) is shorter / less than the lateral distance (Y1) (Y2 < Y1) (and also the longitudinal distance (D1) between the ego vehicle 502 and the target vehicle 504 is below a distance threshold) , the ACC system may select the target vehicle 504 as the (new / current) ACC target.

[0084] In some implementations or as alternative, the ACC system may also be configured to calculate a lateral offset between the current position of the target vehicle 504 and a predicted position of the ego vehicle 502 at the longitudinal distance (D1) of the target vehicle 504 (e.g., when the ego vehicle 502 is at the current longitudinal position of the target vehicle) . Then, the ACC system may determine whether to select the target vehicle 504 as the ACC target based on whether the lateral offset is greater than or smaller than a defined threshold (depending on the implementation) .

[0085] In some scenarios, when the lateral distance (Y2) between the center of the ego vehicle 502 and the target vehicle 504 is not accurate (e.g., the position of the target vehicle 504 detected by radar (s)  / camera (s) may not be precise enough) , the ACC system may falsely select the target vehicle 504 as the ACC target (e.g., when Y2 > Y1), which may lead to a false brake of ACC in some occasions.

[0086] Aspects presented herein may improve the overall performance of ACC by enabling the ACC to take advantage of the vision detection as vision detection may have a more accuracy / precise (lateral and longitudinal) distance detection compared to RF / radar-based detection. For example, in one aspect, an ego vehicle may be configured to perform object / lane detection based on radar (s) and / or camera (s) . Then, the ego  vehicle may use vision detection (e.g., camera (s) ) to check whether a detected object (e.g., a vehicle) crosses a lane marker (e.g., into the lane of the ego vehicle or exit out of the lane of the ego vehicle) . Then, the ACC may combine the object detection with “free space detection, ” and compare the free space detection with the object detection result, thereby enhancing the accuracy and reliability of ACC target selection.

[0087] FIG. 6 is a diagram 600 illustrating an example ACC system in accordance with various aspects of the present disclosure. At 610, after an ACC system / function is triggered / activated at a UE 602 (which may be used for collectively referring to an ego vehicle, a vehicle UE, an ACC system, a vehicle equipped with ACC, an ADAS with ACC, an on-board diagnostic (OBD) system, and / or an ACC algorithm, etc. ) , the UE 602 may obtain its motion information from sensor (s) . For example, the UE 602 may obtain its motion information such as its velocity, direction / heading, and / or acceleration using at least one inertial measurement unit (IMU) . In addition, the UE 602 may also obtain lane information around it based on vision detection, such as detecting lane markers around (or ahead of) the UE 602 using at least one camera.

[0088] At 612, the UE 602 may perform object detection using sensor (s) , such as using vision detection and / or radar detection to detect physical objects. For purposes of the present disclosure (and also for differentiation purposes) , a detection that uses at least one camera may be referred to as a “vision detection” or a “visual detection, ” and a detection that uses at least one radar (e.g., an RF radar, a Lidar, etc. ) may be referred to as a “radar detection. ” In addition, a detection that is configured / intended to detect physical objects (e.g., vehicles, road objects, obstacles, etc. ) , such as using vision detection and / or radar detection, may be referred to as an object detection, whereas a detection that is configured / intended to detect free space (e.g., spaces without physical objects) , such as using vision detection and / or radar detection, may be referred to as a free space detection (discuss in details below) .

[0089] At 614, the UE 602 may fuse object detection information obtained from different sensors, which may be referred to as an object fusion. For example, the UE 602 may fuse the object (s) detected from vision detection with object (s) detected from radar detection, and then obtain fused information for the detected object (s) , such as their position and / or velocity. For example, as the dimension, position, and / or velocity of an object detected from vision detection and radar detection may not be the same, the  object fusion is configured to combine them into one set of fused information (e.g., based on a defined algorithm, such as finding the averages between them) .

[0090] At 616, based on the motion information of the UE 602 and the lane information (obtained at 610) and the fused information of the detected object (s) (obtained at 614) , the UE 602 may calculate an offset (e.g., a lateral offset) between the position of a detected object (e.g., a target vehicle) and the predicted position of the UE 602 at the longitudinal distance of the detected object, such as described in connection with FIG. 5.For example, the UE 602 may calculate a lateral offset between the current position of a detected object and a predicted position of the UE 602 at the longitudinal distance of the detected object (e.g., when the UE 602 is at the current longitudinal position of the detected object) .

[0091] At 618, based on the offset calculation performed at 616, the UE 602 may identify / classify whether a detected object is a (1) closest in-lane object, (2) a secondary closest in-lane object, (3) a cut-in object, (4) a cut-out-object, (5) a left lane object, (6) a right lane object, or (7) none of above (for ACC purposes) .

[0092] FIG. 7 is a diagram 700 illustrating an example set of identifications or classifications associated with ACC in accordance with various aspects of the present disclosure. As shown at 702, a closest-in-lane object may refer to an object that is closest to (and also ahead of) the UE 602 in the lane currently travelled by the UE 602. As shown at 704, a secondary closest-in-lane object may refer to an object that is next closest to (and also ahead of) the UE 602 in the lane currently travelled by the UE 602 (e.g., typically the object ahead of the closest in-lane object) . As shown at 706, a cut-in object may refer to an object that is entering (cutting in) the lane currently travelled by the UE 602 from an adjacent lane, and as shown at 708, a cut-out object may refer to an object that is existing (cutting out) the lane currently travelled by the UE 602, such as to an adjacent lane or an exit. As shown at 710, a left lane object may refer to an object that is on the left lane of the UE 602, and as shown at 712, a right lane object may refer to an object that is on the right lane of the UE 602.

[0093] Referring back to 618 of FIG. 6, based on the identification / classification of a detected object, the UE 602 may determine whether to select the detected object as a (new / current) ACC target. For example, when a detected object is identified / classified as the closest in-lane object, the UE 602 may select the detected object as the ACC target. In another example, if the current ACC target (e.g., the current closest in-lane  object) becomes a cut-out object and the secondary closest in-lane object becomes the closest in-lane object, the UE 602 may select this new closest in-lane object as the ACC target. In another example, if the distance between the UE 602 and a cut-in object is shorter than the distance of the UE 602 and a current closest in-lane object, this cut-in object may become the new closest in-lane object, and the UE 602 may select this new closest in-lane object as the ACC target, etc.

[0094] FIG. 8 is a diagram 800 illustrating an example ACC system that utilizes both radar / RF detection and vision detection for ACC target selection in accordance with various aspects of the present disclosure. At 810, after an ACC system / function is triggered / activated at a UE 802 (which may be used for collectively referring to an ego vehicle, a vehicle UE, an ACC system, a vehicle equipped with ACC, an ADAS with ACC, an OBD system, and / or an ACC algorithm, etc. ) , the UE 802 may obtain its motion information from sensor (s) . For example, the UE 802 may obtain its motion information such as its velocity, direction / heading, and / or acceleration using at least one IMU. In addition, the UE 802 may also obtain lane information around it based on vision detection, such as detecting lane markers around (or ahead of) the UE 802 using at least one camera.

[0095] At 812, the UE 802 may perform object detection using sensor (s) , such as using vision detection and / or radar detection to detect physical objects. Then, at 814, the UE 802 may fuse object detection information obtained from different sensors, which may be referred to as an object fusion. For example, the UE 802 may fuse the object (s) detected from vision detection with object (s) detected from radar detection, and then obtain fused information for the detected object (s) , such as their position and / or velocity. For example, as the dimension, position, and / or velocity of an object detected from vision detection and radar detection may not be the same, the object fusion is configured to combine them into one set of fused information (e.g., based on a defined algorithm, such as finding the averages between them) .

[0096] At 816, based on the motion information of the UE 802 and the lane information (obtained at 810) and the fused information of the detected object (s) (obtained at 814) , the UE 802 may calculate an offset (e.g., a lateral offset) between the position of a detected object (e.g., a target vehicle) and the predicted position of the UE 802 at the longitudinal distance of the detected object, such as described in connection with FIG. 5.For example, the UE 802 may calculate a lateral offset between the current position  of a detected object and a predicted position of the UE 802 at the longitudinal distance of the detected object (e.g., when the UE 802 is at the current longitudinal position of the detected object) . Based on the offset calculation performed at 816, the UE 802 may also identify / classify whether a detected object is (1) a closest in-lane object, (2) a secondary closest in-lane object, (3) a cut-in object, (4) a cut-out-object, (5) a left lane object, (6) a right lane object, or (7) none of above (for ACC purposes) .

[0097] At 818, the UE 802 may perform free space detection using vision detection (e.g., using at least one camera) to detect free space (s) around (or ahead of) the UE 802 and / or free space (s) around the detected object. Note depending on implementations, the object detection at 812 based on vision detection and the free space detection based on vision at 818 may be performed (simultaneously) using the same camera (s) or using different cameras.

[0098] At 820, the UE 802 may fuse / combine the free space detection with the object detection (e.g., obtained / identified at 812, 814, and / or 816, etc. ) . For example, if the detected object (s) correspond to one or more of a closest in-lane object, a secondary closest in-lane object, a cut-in object, a cut-out-object, a left lane object, and / or a right lane object (which may collectively be referred to as “ACC object (s) ” or “potential ACC target (s) ” ) , the UE 802 may fuse / combine the detected free space (s) with the detected ACC object (s) and verify whether the detected free space (s) are consistent with the detected ACC object (s) .

[0099] FIG. 9 is a diagram 900 illustrating an example of fusing free space (s) with ACC object (s) in accordance with various aspects of the present disclosure. In one aspect of the present disclosure, the UE 802 may be configured to use free space detection from perception (e.g., referring to vision detection) , and combine the outline of the detected free space with detected ACC object (s) .

[0100] For example, as shown at 910, when the UE 802 performs the object detection using at least one camera and / or at least one radar, the UE 802 may detect an ACC object 902 that is in proximity to or ahead of the UE 802. Based on the object detection, the UE 802 may be configured to associate a set of coordinates with the ACC object 902. For ease of illustration, assuming the ACC object 902 is rectangular. As shown at 912, the UE 802 may associate a set of coordinates with one or more corners of the ACC object 902, such as corners that are able to be seen / detected by the UE 802 (e.g., corners that are facing the UE 802) . For example, a first corner (Corner A) of the ACC  object 902 may be associated with a first coordinate (X1, Y1) (collectively represented by “A (X1, Y1) ” ) , and a second corner (Corner B) of the ACC object 902 may be associated with a second coordinate (X2, Y2) (collectively represented by “B(X2, Y2) ” ) , etc.

[0101] As shown at 914, when the UE 802 performs the free space detection (e.g., using at least one camera and / or at least one radar) , the UE 802 may detect a free space area that is in proximity to or ahead of the UE 802, such as shown at 916. As shown at 918, the detected free space area may be represented by a set of outlines, which may be referred to as “free space outline (s) ” (e.g., free space outline (s) may correspond to a set of boundaries between the free space area and a set of physical objects) . Similarly, as shown at 920, the UE 802 may associate a set of coordinates with the free space outline (s) of the free space area. For example, as there may be a free space outline between the free space area and the ACC object 902, the UE 802 may associate a first point (Point a) of this outline with a first coordinate (x1, y1) (collectively represented by “a (x1, y1) ” ) , a second point (Point b) of this outline with a second coordinate (x2, y2) (collectively represented by “b (x2, y2) ” ) , …, and a sixth point (Point f) of this outline with a sixth coordinate (x6, y6) (collectively represented by “f(x6, y6) ” ) , etc.

[0102] Then, the UE 802 may determine whether the position of the ACC object 902 (e.g., obtained based on the object detection) matches (or is consistent) with the free space outline (e.g., obtained based on the free space detection) . For example, to check whether the free space outlines are the same, similar, or consistent with the position of the ACC object 902 (e.g., their difference is within a difference threshold) , the UE 802 may be configured to compare the coordinates of the free space outlines (e.g., a(x1, y1) to f (x6, y6) as shown at 920) with the coordinates of the ACC object 902 (e.g., A (X1, Y1) and B (X2, Y2) as shown at 912) . If the coordinates of the free space outlines are within the range of the coordinates of the ACC object 902 (e.g., x1 to x6 are in range of (X1-offset, X2+offset) and y1 to y6 are in range of (Y1-offset, Y1+offset) , the UE 802 may determine that the position of the ACC object 902 matches (or is consistent) with the free space outline. The offset may be a defined difference threshold, such as a difference measurement used for measuring the position difference / similarity. On the other hand, if the coordinates of the free space outlines are not within the range of the coordinates of the ACC object 902, the UE  802 may determine that the position of the ACC object 902 mismatches (or is not consistent) with the free space outline.

[0103] In other words, to fuse the free space outline to with ACC object (s) , the UE 802 may first find free space outline points in ego lane and adjacent lane (s) . Then, the UE 802 may find the nearest points in free space outline points (e.g., points a, b, c, d, e, f shown at 920) , and check the position with near side of obstacle position (e.g., points A and B at 912) . If these outline points are within the obstacle range, then the UE 802 may fuse them with the ACC object (s) . In some examples, if the free space outline (s) do not match with the ACC object (s) , the UE 802 may be configured to use the free space outline (s) for ACC purposes (e.g., information from the object detection may not be used) .

[0104] Referring back to FIG. 8, at 822, based on the offset calculation at 816 and / or the fusion of the object detection and free space detection, the UE 802 may be configured to verify whether a detected object (e.g., a potential ACC target, an ACC object, etc. ) is a cut-in object or becomes a closest in-lane object based on: (1) a detected lane marker distance between the UE 802 and the object is less than a longitudinal distance of the detected free space between the UE 802 and the object, and (2) the lateral distance from the UE 802 to the lane marker meets (e.g., is greater / smaller than or within) a threshold derived from the detected free space. Depending on implementations, to verify that a detected object is a cut-in object or becomes a closest in-lane object, the UE 802 may be configured / specified to satisfy both conditions (e.g., both (1) and (2) are met) or just at least one of the conditions (e.g., at least (1) or (2) is met) .

[0105] In other words, the UE 802 may use vision features to select an ACC target, such as using free space detection from perception (e.g., for detecting object / obstacle area and free space area) , and then combine the free space outline with potential ACC target (s) . When they are successful combined / associated (e.g., their differences are within a difference threshold) , then a potential ACC target that is identify to be a cut-in object and / or transitioning into a closest in-lane object may further be configured to go through a free space detection confirmation (at 822) . In one implementation, to use free space detection to confirm that a potential ACC target is a cut-in object and / or is transitioning into a closest in-lane object, the UE 802 may be configured to detect whether lane maker occluded condition and / or object in-lane condition are fulfilled.  This may include detecting whether a cut-in object’s associated free space detection point’s lateral position (e.g., position y) at least 1 point crosses a lane marker, and / or the related lane marker detection distance is less / smaller than the associated free space detection point’s longitudinal position, etc.

[0106] FIG. 10 is a diagram 1000 illustrating an example of verifying whether a detected object is a cut-in object and / or a closest in-lane object based on comparing a detected lane marker distance with a longitudinal distance of a detected free space between an ego vehicle and a target vehicle in accordance with various aspects of the present disclosure.

[0107] As discussed in connection with 818 of FIG. 8, the UE 802 may be configured to detect free space (s) around (or ahead of) the UE 802 and / or around a detected object, such as shown at 1010. In one example, as shown at 1012, based on the detected free space, the UE 802 may determine a longitudinal distance (D1) of the free space between the UE 802 and an ACC object 1002. As shown at 1014, the UE 802 may also detect and calculate the (longitudinal) length (D2) of a lane marker 1004 between the UE 802 and the ACC object 1002 (e.g., the lane marker 1004 may be the lane marker that is closest to both the UE 802 and the ACC object 1002) . Then, the UE 802 may compare the longitudinal distance (D1) of the free space between the UE 802 and the ACC object 1002 with the length (D2) of the lane marker 1004 between the UE 802 and the ACC object 1002. If the longitudinal distance (D1) is greater than or equal to the length (D2) (e.g., D1 ≥ D2) , it may indicate / confirm that the ACC object has crossed the lane marker 1004, and the ACC object is likely a cut-in object (and may also transition to a closest in-lane object) . The reason is that when the ACC object 1002 crosses the lane marker 1004, the ACC object 1002 may occlude / block at least a portion of the lane marker 1004. Thus, from the visual perception of the UE 802, the portion of the lane marker 1004 detected as shown at 1014 may either be shorter than or equal to the longitudinal distance (D1) .

[0108] On the other hand, if the longitudinal distance (D1) is less than the length (D2) (e.g., D1 < D2) , it may indicate / confirm that the ACC object has not crossed the lane marker 1004. In other words, if the UE 802 is able to observe the lane marker 1004 beyond the (longitudinal) position of the ACC object 1002, it may indicate that the ACC object 1002 has not crossed the lane marker 1004. Thus, the ACC object 1002 is unlikely a cut-in object.

[0109] FIG. 11 is a diagram 1100 illustrating an example of verifying whether a detected object is a cut-in object and / or a closest in-lane object based on the lateral distance from (the center of) an ego vehicle to a lane marker meets (e.g., is greater / smaller than or within) a threshold derived from the detected free space in accordance with various aspects of the present disclosure.

[0110] In another example, as shown at 1110, the UE 802 may determine a lateral distance (Y1) between the center of the UE 802 and the lane marker 1004 (e.g., the lane marker that is closest to both the UE 802 and the ACC object 1002) , and determine whether the ACC object 1002 is a cut-in object and / or is transitioning to a closest in-lane object based on comparing the lateral distance (Y1) with a threshold derived from the detected free space (e.g., the detected free space associated with the ACC object 1002) . In one implementation, as shown at 1112, the UE 802 may calculate a lateral distance (Y2) of the detected free space between the center of the UE 802 and the free space outline between the free space and the ACC object 1002 (e.g., as shown at 1114) . If the lateral distance (Y1) is greater than the lateral distance (Y2) , it may indicate that the ACC object 1002 has crossed the lane marker 1004, and is thereby a cut-in object (and may also transition into a closest in-lane object) . In this example, the lateral distance (Y2) is configured to be the threshold.

[0111] In another implementation, as shown at 1116, the UE 802 may calculate a lateral distance (Y3) that may include the lateral distance (Y2) (e.g., the detected free space between the center of the UE 802 and a free space outline) and the lateral distance / width of the ACC object 1002. In some examples, the lateral distance (Y3) may also configured to be the lateral distance between the center of the UE 802 and another free space outline (e.g., the free space outline that is on another side of the ACC object 1002 as shown at 1116) . Then, if the lateral distance (Y1) is between the range of Y2 to Y3, it may indicate that the ACC object 1002 has crossed the lane marker 1004, and is thereby a cut-in object (and may also transition into a closest in-lane object) . In this example, the lateral distance range (Y2) to (Y3) is configured to be the threshold. For example, if (Y2) = 4 feet and (Y3) = 11 feet (assuming the ACC object 1002 has a width of 7 feet) , the UE 802 may determine / verify that the ACC object 1002 is a cut-in object (and / or transitioning into the closest in-lane object) when the lateral distance (Y1) is between 4 to 11 feet (e.g., the threshold is 4 to 11 feet) .

[0112] FIG. 12 is a diagram 1200 illustrating an example of verifying whether a detected object is a cut-in object and / or a closest in-lane object based on whether the lateral position of the free space associated with a target vehicle crosses a lane marker by a defined threshold in accordance with various aspects of the present disclosure. In another example, as shown at 1210, the UE 802 may be configured to determine / verify whether the ACC object 1002 is a cut-in object and / or is transitioning to a closest in-lane object based on whether the lateral position of the free space associated with the ACC object 1002 crosses the lane marker 1004 by a defined threshold, such as by one (coordinate) point, by 1 foot, by X cm, etc. If the lateral position of the free space associated with the ACC object 1002 crosses the lane marker 1004 by the defined threshold, the UE 802 may determine that the ACC object is a cut-in object (and / or transitioning into the closest in-lane object) . If not, then the UE 802 may determine that the ACC object is not a cut-in object.

[0113] Referring back to FIG. 8, at 824, if a detected object is verified to be a cut-in object (e.g., based on the free space detection at 822) and / or transitioning to a closest in-lane object, the UE 802 may select the detected object as an ACC target. For example, if the UE 802 is currently performing the ACC without an ACC target, the UE 802 may select the detected object as the ACC target (e.g., for being the closest in-lane object) . If the UE 802 has previously selected another vehicle as the ACC target, the UE 802 may switch the ACC target from another vehicle to the detected object. On the other hand, at 826, if a detected object is not verified to be a cut-in object (e.g., based on the free space detection at 822) , the UE 802 may perform ACC without selecting the detected object as the ACC target. For example, the UE 802 may perform the ACC without an ACC target (e.g., if no ACC target available) , or performing the ACC with a current / previously selected ACC target (e.g., in other words, the UE 802 maintains the original ACC target) .

[0114] Aspects discussed in connection with FIGs. 8 to 12 may enable an ego vehicle performing ACC to verify whether a detected object is a cut-in object and / or is transitioning into a closest in-lane object (for ACC purpose) based on the free space associated with the detected object, thereby improving the reliability and accuracy of ACC target selection and preventing / reducing ACC false braking (e.g., which may occur when a wrong ACC target is selected) . Aspects presented herein provide a method to associate free space outline with ACC target (s) for in-lane check, use the  lateral distance of the free space outline to select a closest in-lane target of ACC, and also provide a method to use lane marker’s occluded / occlusion to determine whether an object crosses a lane marker (and to select the in-lane target) .

[0115] FIG. 13 is a flowchart 1300 of a method of detection at a first vehicle. The method may be performed by a first vehicle (e.g., the UE 104, 402, 602, 802; the ego vehicle 502; the apparatus 1404) . The method may enable the first vehicle (or its ACC system) to determine and verify whether to select a detected object as an ACC target based on the free space associated with the detected object.

[0116] At 1302, the first vehicle may identify a second vehicle as a potential ACC target, such as described in connection with FIGs. 6 to 8. For example, as discussed in connection with 816 of FIG. 8, based on the motion information of the UE 802 and the lane information (obtained at 810) and the fused information of the detected object (s) (obtained at 814) , the UE 802 may calculate an offset (e.g., a lateral offset) between the position of a detected object (e.g., a target vehicle) and the predicted position of the UE 802 at the longitudinal distance of the detected object, such as described in connection with FIG. 5. Based on the offset calculation performed at 816, the UE 802 may also identify / classify whether a detected object is (1) a closest in-lane object, (2) a secondary closest in-lane object, (3) a cut-in object, (4) a cut-out-object, (5) a left lane object, (6) a right lane object, or (7) none of above (for ACC purposes) . The identification of the second vehicle as the potential ACC target may be performed by, e.g., the ACC component 198, the camera 1432, the ECU 1434, the one or more sensors 1418, the transceiver (s) 1422, the cellular baseband processor (s) 1424, and / or the application processor (s) 1406 of the apparatus 1404 in FIG. 14.

[0117] At 1304, the first vehicle may detect, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle, such as described in connection with FIGs. 8 to 12. For example, as discussed in connection with 818 of FIG. 8, the UE 802 may perform free space detection using vision detection (e.g., using at least one camera) to detect free space (s) around (or ahead of) the UE 802 and / or free space (s) around the detected object. The detection of the free space may be performed by, e.g., the ACC component 198, the camera 1432, the ECU 1434, the one or more sensors 1418, the transceiver (s) 1422, the cellular baseband processor (s) 1424, and / or the application processor (s) 1406 of the apparatus 1404 in FIG. 14.

[0118] At 1306, the first vehicle may select, or refrain from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle, such as described in connection with FIGs. 8 to 12. For example, as discussed in connection with 822 of FIG. 8, based on the offset calculation at 816 and / or the fusion of the object detection and free space detection, the UE 802 may be configured to verify whether a detected object (e.g., a potential ACC target, an ACC object, etc. ) is a cut-in object or becomes a closest in-lane object based on: (1) a detected lane marker distance between the UE 802 and the object is less than a longitudinal distance of the detected free space between the UE 802 and the object, and (2) the lateral distance from the UE 802 to the lane marker is greater than or within a threshold derived from the detected free space. At 824, if a detected object is verified to be a cut-in object (e.g., based on the free space detection at 822) and / or transitions to a closest in-lane object, the UE 802 may select the detected object as an ACC target. For example, if the UE 802 is currently performing the ACC without an ACC target, the UE 802 may select the detected object as the ACC target (e.g., for being the closest in-lane object) . If the UE 802 has previously selected another vehicle as the ACC target, the UE 802 may switch the ACC target from another vehicle to the detected object. On the other hand, at 826, if a detected object is not verified to be a cut-in object (e.g., based on the free space detection at 822) , the UE 802 may perform ACC without selecting the detected object as the ACC target. For example, the UE 802 may perform the ACC without an ACC target (e.g., if no ACC target available) , or performing the ACC with a current / previously selected ACC target (e.g., in other words, the UE 802 maintains the original ACC target) . The selection of the second vehicle and / or the refrainment from selecting the second vehicle as the ACC target may be performed by, e.g., the ACC component 198, the camera 1432, the ECU 1434, the one or more sensors 1418, the transceiver (s) 1422, the cellular baseband processor (s) 1424, and / or the application processor (s) 1406 of the apparatus 1404 in FIG. 14.

[0119] In one example, to select, or refrain from selecting, the second vehicle as the ACC target based on the detected free space associated with the second vehicle, the first vehicle may be configured to verify whether the second vehicle is a cut-in object or becomes a closest in-lane object based on at least one of: (1) a detected lane marker distance between the first vehicle and the second vehicle is less than a longitudinal distance of the detected free space between the first vehicle and the second vehicle,  or (2) a lateral distance from center of the first vehicle to the detected lane marker is greater than or within a threshold derived from the detected free space, and select, or refrain from selecting, the second vehicle as the ACC target based on verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object. In some implementations, to select, or refrain from selecting, the second vehicle as the ACC target based on the verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object, the first vehicle may be configured to select the second vehicle as the ACC target if the second vehicle is verified to be the cut-in object or become the closest in-lane object, or perform ACC without the ACC target or maintain a third vehicle as the ACC target if the second vehicle is not verified to be the cut-in object or become the closest in-lane object.

[0120] In another example, to identify the second vehicle as the potential ACC target, the first vehicle may be configured to detect the second vehicle as the potential ACC target based on an object detection using at least one camera or at least one radar. In some implementations, to detect the free space associated with the second vehicle, the first vehicle may be configured to detect the free space associated with the second vehicle based on a free space detection using the at least one camera. In some implementations, the first vehicle may further be configured to determine whether a first set of coordinates associated with the second vehicle is consistent with a second set of coordinates associate with the free space, and combine or fuse the free space detection with the object detection based on the first set of coordinates and the second set of coordinates being consistent.

[0121] In another example, the first vehicle may output, based on selection or refrainment from selection, an indication to select, or refrain from selecting, the second vehicle as the ACC target. In some implementations, to output the indication, the first vehicle may be configured to transmit the indication to an ACC system or module, or perform ACC based on the indication.

[0122] In another example, the first vehicle may perform ACC with a third vehicle being set as the ACC target, wherein to select, or refrain from selecting, the second vehicle as the ACC target, the first vehicle may be configured to switch, or refrain from switching, the ACC target from the third vehicle to the second vehicle.

[0123] In another example, the potential ACC target corresponds to a cut-in object, and the ACC target corresponds to a closest in-lane object.

[0124] FIG. 14 is a diagram 1400 illustrating an example of a hardware implementation for an apparatus 1404. The apparatus 1404 may be a UE, a component of a UE, or may implement UE functionality. In some aspects, the apparatus 1404 may include at least one cellular baseband processor 1424 (also referred to as a modem) coupled to one or more transceivers 1422 (e.g., cellular RF transceiver) . The cellular baseband processor (s) 1424 may include at least one on-chip memory 1424' . In some aspects, the apparatus 1404 may further include one or more subscriber identity modules (SIM) cards 1420 and at least one application processor 1406 coupled to a secure digital (SD) card 1408 and a screen 1410. The application processor (s) 1406 may include on-chip memory 1406' . In some aspects, the apparatus 1404 may further include a Bluetooth module 1412, a WLAN module 1414, an ultrawide band (UWB) module 1438, an SPS module 1416 (e.g., GNSS module) , one or more sensors 1418 (e.g., barometric pressure sensor  / altimeter; motion sensor such as inertial measurement unit (IMU) , gyroscope, and / or accelerometer (s) ; light detection and ranging (LIDAR) , radio assisted detection and ranging (RADAR) , sound navigation and ranging (SONAR) , magnetometer, audio and / or other technologies used for positioning) , additional memory modules 1426, a power supply 1430, a camera 1432, and / or an electronic control unit (ECU) 1434. The Bluetooth module 1412, the UWB module 1438, the WLAN module 1414, and the SPS module 1416 may include an on-chip transceiver (TRX) (or in some cases, just a receiver (RX) ) . The Bluetooth module 1412, the WLAN module 1414, and the SPS module 1416 may include their own dedicated antennas and / or utilize the antennas 1480 for communication. The cellular baseband processor (s) 1424 communicates through the transceiver (s) 1422 via one or more antennas 1480 with the UE 104 and / or with an RU associated with a network entity 1402. The cellular baseband processor (s) 1424 and the application processor (s) 1406 may each include a computer-readable medium  / memory 1424' , 1406' , respectively. The additional memory modules 1426 may also be considered a computer-readable medium  / memory. Each computer-readable medium  / memory 1424' , 1406' , 1426 may be non-transitory. The cellular baseband processor (s) 1424 and the application processor (s) 1406 are each responsible for general processing, including the execution of software stored on the computer-readable medium  / memory. The software, when executed by the cellular baseband processor (s) 1424  / application processor (s) 1406, causes the cellular baseband processor (s) 1424  / application processor (s) 1406 to perform the various functions described supra. The cellular baseband processor (s) 1424 and the application processor (s) 1406 are configured to perform the various functions described supra based at least in part of the information stored in the memory. That is, the cellular baseband processor (s) 1424 and the application processor (s) 1406 may be configured to perform a first subset of the various functions described supra without information stored in the memory and may be configured to perform a second subset of the various functions described supra based on the information stored in the memory. The computer-readable medium  / memory may also be used for storing data that is manipulated by the cellular baseband processor (s) 1424  / application processor (s) 1406 when executing software. The cellular baseband processor (s) 1424  / application processor (s) 1406 may be a component of the UE 350 and may include the at least one memory 360 and / or at least one of the TX processor 368, the RX processor 356, and the controller / processor 359. In one configuration, the apparatus 1404 may be at least one processor chip (modem and / or application) and include just the cellular baseband processor (s) 1424 and / or the application processor (s) 1406, and in another configuration, the apparatus 1404 may be the entire UE (e.g., see UE 350 of FIG. 3) and include the additional modules of the apparatus 1404.

[0125] As discussed supra, the ACC component 198 may be configured to identify a second vehicle as a potential ACC target. The ACC component 198 may also be configured to detect, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle. The ACC component 198 may also be configured to select, or refrain from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle. The ACC component 198 may be within the cellular baseband processor (s) 1424, the application processor (s) 1406, or both the cellular baseband processor (s) 1424 and the application processor (s) 1406. The ACC component 198 may be one or more hardware components specifically configured to carry out the stated processes / algorithm, implemented by one or more processors configured to perform the stated processes / algorithm, stored within a computer-readable medium for implementation by one or more processors, or some combination thereof. When multiple processors are implemented, the multiple processors may perform the stated processes / algorithm individually or in combination. As shown, the apparatus 1404  may include a variety of components configured for various functions. In one configuration, the apparatus 1404, and in particular the cellular baseband processor (s) 1424 and / or the application processor (s) 1406, may include means for identifying a second vehicle as a potential ACC target. The apparatus 1404 may further include means for detecting, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle. The apparatus 1404 may further include means for selecting, or means for refraining from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle.

[0126] In one configuration, the means for selecting, or refraining from selecting, the second vehicle as the ACC target based on the detected free space associated with the second vehicle may include configuring the apparatus 1404 to verify whether the second vehicle is a cut-in object or becomes a closest in-lane object based on at least one of:

[0127] (1) a detected lane marker distance between the first vehicle and the second vehicle is less than a longitudinal distance of the detected free space between the first vehicle and the second vehicle, or (2) a lateral distance from center of the first vehicle to the detected lane marker is greater than or within a threshold derived from the detected free space, and select, or refrain from selecting, the second vehicle as the ACC target based on verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object. In some implementations, to select, or refrain from selecting, the second vehicle as the ACC target based on the verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object, the apparatus 1404 may be configured to select the second vehicle as the ACC target if the second vehicle is verified to be the cut-in object or become the closest in-lane object, or perform ACC without the ACC target or maintain a third vehicle as the ACC target if the second vehicle is not verified to be the cut-in object or become the closest in-lane object.

[0128] In another configuration, the means for identifying the second vehicle as the potential ACC target may include configuring the apparatus 1404 to detect the second vehicle as the potential ACC target based on an object detection using at least one camera or at least one radar. In some implementations, the means for detecting the free space associated with the second vehicle may include configuring the apparatus 1404 to detect the free space associated with the second vehicle based on a free space detection  using the at least one camera. In some implementations, the apparatus 1404 may further include means for determining whether a first set of coordinates associated with the second vehicle is consistent with a second set of coordinates associate with the free space, and means for combining or fusing the free space detection with the object detection based on the first set of coordinates and the second set of coordinates being consistent.

[0129] In another configuration, the apparatus 1404 may further include means for outputting, based on selection or means for refrainment from selection, an indication to select, or refrain from selecting, the second vehicle as the ACC target. In some implementations, the means for outputting the indication may include configuring the apparatus 1404 to transmit the indication to an ACC system or module, or perform ACC based on the indication.

[0130] In another configuration, the apparatus 1404 may further include means for performing ACC with a third vehicle being set as the ACC target, wherein the means for selecting, or means for refraining from selecting, the second vehicle as the ACC target may include configuring the apparatus 1404 to switch, or refrain from switching, the ACC target from the third vehicle to the second vehicle.

[0131] In another configuration, the potential ACC target corresponds to a cut-in object, and the ACC target corresponds to a closest in-lane object.

[0132] The means may be the ACC component 198 of the apparatus 1404 configured to perform the functions recited by the means. As described supra, the apparatus 1404 may include the TX processor 368, the RX processor 356, and the controller / processor 359. As such, in one configuration, the means may be the TX processor 368, the RX processor 356, and / or the controller / processor 359 configured to perform the functions recited by the means.

[0133] It is understood that the specific order or hierarchy of blocks in the processes  / flowcharts disclosed is an illustration of example approaches. Based upon design preferences, it is understood that the specific order or hierarchy of blocks in the processes  / flowcharts may be rearranged. Further, some blocks may be combined or omitted. The accompanying method claims present elements of the various blocks in a sample order, and are not limited to the specific order or hierarchy presented.

[0134] The previous description is provided to enable any person skilled in the art to practice the various aspects described herein. Various modifications to these aspects will be  readily apparent to those skilled in the art, and the generic principles defined herein may be applied to other aspects. Thus, the claims are not limited to the aspects described herein, but are to be accorded the full scope consistent with the language claims. Reference to an element in the singular does not mean “one and only one” unless specifically so stated, but rather “one or more. ” Terms such as “if, ” “when, ” and “while” do not imply an immediate temporal relationship or reaction. That is, these phrases, e.g., “when, ” do not imply an immediate action in response to or during the occurrence of an action, but simply imply that if a condition is met then an action will occur, but without requiring a specific or immediate time constraint for the action to occur. The word “exemplary” is used herein to mean “serving as an example, instance, or illustration. ” Any aspect described herein as “exemplary” is not necessarily to be construed as preferred or advantageous over other aspects. Unless specifically stated otherwise, the term “some” refers to one or more. Combinations such as “at least one of A, B, or C, ” “one or more of A, B, or C, ” “at least one of A, B, and C, ” “one or more of A, B, and C, ” and “A, B, C, or any combination thereof” include any combination of A, B, and / or C, and may include multiples of A, multiples of B, or multiples of C. Specifically, combinations such as “at least one of A, B, or C, ” “one or more of A, B, or C, ” “at least one of A, B, and C, ” “one or more of A, B, and C, ” and “A, B, C, or any combination thereof” may be A only, B only, C only, A and B, A and C, B and C, or A and B and C, where any such combinations may contain one or more member or members of A, B, or C. Sets should be interpreted as a set of elements where the elements number one or more. Accordingly, for a set of X, X would include one or more elements. When at least one processor (i.e., a set of one or more processors P) is configured to perform a set of functions F, each processor of P may be configured to perform a subset S of F, where  Accordingly, each processor of the at least one processor may be configured to perform a particular subset of the set of functions, where the subset is the full set, a proper subset of the set, or an empty subset of the set. A processor may be referred to as processor circuitry. A memory  / memory module may be referred to as memory circuitry. If a first apparatus receives data from or transmits data to a second apparatus, the data may be received / transmitted directly between the first and second apparatuses, or indirectly between the first and second apparatuses through a set of apparatuses. A device configured to “output” data or “provide” data, such as a  transmission, signal, or message, may transmit the data, for example with a transceiver, or may send the data to a device that transmits the data. A device configured to “obtain” data, such as a transmission, signal, or message, may receive, for example with a transceiver, or may obtain the data from a device that receives the data. Information stored in a memory includes instructions and / or data. All structural and functional equivalents to the elements of the various aspects described throughout this disclosure that are known or later come to be known to those of ordinary skill in the art are expressly incorporated herein by reference and are encompassed by the claims. Moreover, nothing disclosed herein is dedicated to the public regardless of whether such disclosure is explicitly recited in the claims. The words “module, ” “mechanism, ” “element, ” “device, ” and the like may not be a substitute for the word “means. ” As such, no claim element is to be construed as a means plus function unless the element is expressly recited using the phrase “means for. ”

[0135] As used herein, the phrase “based on” shall not be construed as a reference to a closed set of information, one or more conditions, one or more factors, or the like. In other words, the phrase “based on A” (where “A” may be information, a condition, a factor, or the like) shall be construed as “based at least on A” unless specifically recited differently.

[0136] The following aspects are illustrative only and may be combined with other aspects or teachings described herein, without limitation.

[0137] Aspect 1 is a method of detection at a first vehicle, comprising: identifying a second vehicle as a potential adaptive cruise control (ACC) target; detecting, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle; and selecting, or refraining from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle.

[0138] Aspect 2 is the method of aspect 1, wherein selecting, or refraining from selecting, the second vehicle as the ACC target based on the detected free space associated with the second vehicle comprises: verifying whether the second vehicle is a cut-in object or becomes a closest in-lane object based on at least one of: (1) a detected lane marker distance between the first vehicle and the second vehicle is less than a longitudinal distance of the detected free space between the first vehicle and the second vehicle, or (2) a lateral distance from center of the first vehicle to the detected lane marker is  greater than or within a threshold derived from the detected free space; and selecting, or refraining from selecting, the second vehicle as the ACC target based on verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object.

[0139] Aspect 3 is the method of aspect 1 or aspect 2, wherein selecting, or refraining from selecting, the second vehicle as the ACC target based on the verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object comprises: selecting the second vehicle as the ACC target if the second vehicle is verified to be the cut-in object or become the closest in-lane object, or performing ACC without the ACC target or maintaining a third vehicle as the ACC target if the second vehicle is not verified to be the cut-in object or become the closest in-lane object.

[0140] Aspect 4 is the method of any of aspects 1 to 3, wherein identifying the second vehicle as the potential ACC target comprises: detecting the second vehicle as the potential ACC target based on an object detection using at least one camera or at least one radar.

[0141] Aspect 5 is the method of any of aspects 1 to 4, wherein detecting the free space associated with the second vehicle comprises: detecting the free space associated with the second vehicle based on a free space detection using the at least one camera.

[0142] Aspect 6 is the method of any of aspects 1 to 5, further comprising: determining whether a first set of coordinates associated with the second vehicle is consistent with a second set of coordinates associate with the free space; and combining or fusing the free space detection with the object detection based on the first set of coordinates and the second set of coordinates being consistent.

[0143] Aspect 7 is the method of any of aspects 1 to 6, further comprising: outputting, based on selection or refrainment from selection, an indication to select, or refrain from selecting, the second vehicle as the ACC target.

[0144] Aspect 8 is the method of any of aspects 1 to 7, wherein outputting the indication comprises: transmitting the indication to an ACC system or module, or performing ACC based on the indication.

[0145] Aspect 9 is the method of any of aspects 1 to 8, further comprising: performing ACC with a third vehicle being set as the ACC target, wherein selecting, or refraining from selecting, the second vehicle as the ACC target comprises switching, or refraining from switching, the ACC target from the third vehicle to the second vehicle.

[0146] Aspect 10 is the method of any of aspects 1 to 9, wherein the potential ACC target corresponds to a cut-in object, and the ACC target corresponds to a closest in-lane object.

[0147] Aspect 11 is an apparatus for detection at a first vehicle, including: at least one memory; and at least one processor coupled to the at least one memory and, based at least in part on information stored in the at least one memory, the at least one processor is configured to implement any of aspects 1 to 10.

[0148] Aspect 12 is the apparatus of aspect 11, further including at least one transceiver coupled to the at least one processor.

[0149] Aspect 13 is an apparatus for detection at a first vehicle, including means for implementing any of aspects 1 to 10.

[0150] Aspect 14 is a computer-readable medium (e.g., a non-transitory computer-readable medium) storing computer executable code, where the code when executed by a processor causes the processor to implement any of aspects 1 to 10.

Claims

1.An apparatus for detection at a first vehicle, comprising:at least one memory; andat least one processor coupled to the at least one memory, the at least one processor is configured to:identify a second vehicle as a potential adaptive cruise control (ACC) target;detect, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle; andselect, or refrain from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle.2.The apparatus of claim 1, wherein to select, or refrain from selecting, the second vehicle as the ACC target based on the detected free space associated with the second vehicle, the at least one processor is configured to:verify whether the second vehicle is a cut-in object or becomes a closest in-lane object based on at least one of: (1) a detected lane marker distance between the first vehicle and the second vehicle is less than a longitudinal distance of the detected free space between the first vehicle and the second vehicle, or (2) a lateral distance from center of the first vehicle to the detected lane marker is greater than or within a threshold derived from the detected free space; andselect, or refrain from selecting, the second vehicle as the ACC target based on verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object.3.The apparatus of claim 2, wherein to select, or refrain from selecting, the second vehicle as the ACC target based on the verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object, the at least one processor is configured to:select the second vehicle as the ACC target if the second vehicle is verified to be the cut-in object or become the closest in-lane object, orperform ACC without the ACC target or maintain a third vehicle as the ACC target if the second vehicle is not verified to be the cut-in object or become the closest in-lane object.4.The apparatus of claim 1, wherein to identify the second vehicle as the potential ACC target, the at least one processor is configured to:detect the second vehicle as the potential ACC target based on an object detection using at least one camera or at least one radar.5.The apparatus of claim 4, wherein to detect the free space associated with the second vehicle, the at least one processor is configured to:detect the free space associated with the second vehicle based on a free space detection using the at least one camera.6.The apparatus of claim 5, wherein the at least one processor is further configured to:determine whether a first set of coordinates associated with the second vehicle is consistent with a second set of coordinates associate with the free space; andcombine or fuse the free space detection with the object detection based on the first set of coordinates and the second set of coordinates being consistent.7.The apparatus of claim 1, wherein the at least one processor is further configured to:output, based on selection or refrainment from selection, an indication to select, or refrain from selecting, the second vehicle as the ACC target.8.The apparatus of claim 7, wherein to output the indication, the at least one processor is configured to:transmit the indication to an ACC system or module, orperform ACC based on the indication.9.The apparatus of claim 1, wherein the at least one processor is further configured to:perform ACC with a third vehicle being set as the ACC target, wherein to select, or refrain from selecting, the second vehicle as the ACC target, the at least one processor is configured to switch, or refrain from switching, the ACC target from the third vehicle to the second vehicle.10.The apparatus of claim 1, wherein the potential ACC target corresponds to a cut-in object, and the ACC target corresponds to a closest in-lane object.11.A method of detection at a first vehicle, comprising:identifying a second vehicle as a potential adaptive cruise control (ACC) target;detecting, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle; andselecting, or refraining from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle.12.The method of claim 11, wherein selecting, or refraining from selecting, the second vehicle as the ACC target based on the detected free space associated with the second vehicle comprises:verifying whether the second vehicle is a cut-in object or becomes a closest in-lane object based on at least one of: (1) a detected lane marker distance between the first vehicle and the second vehicle is less than a longitudinal distance of the detected free space between the first vehicle and the second vehicle, or (2) a lateral distance from center of the first vehicle to the detected lane marker is greater than or within a threshold derived from the detected free space; andselecting, or refraining from selecting, the second vehicle as the ACC target based on verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object.13.The method of claim 12, wherein selecting, or refraining from selecting, the second vehicle as the ACC target based on the verification of whether the second vehicle is the cut-in object or becomes the closest in-lane object comprises:selecting the second vehicle as the ACC target if the second vehicle is verified to be the cut-in object or become the closest in-lane object, orperforming ACC without the ACC target or maintaining a third vehicle as the ACC target if the second vehicle is not verified to be the cut-in object or become the closest in-lane object.14.The method of claim 11, wherein identifying the second vehicle as the potential ACC target comprises:detecting the second vehicle as the potential ACC target based on an object detection using at least one camera or at least one radar.15.The method of claim 14, wherein detecting the free space associated with the second vehicle comprises:detecting the free space associated with the second vehicle based on a free space detection using the at least one camera.16.The method of claim 15, further comprising:determining whether a first set of coordinates associated with the second vehicle is consistent with a second set of coordinates associate with the free space; andcombining or fusing the free space detection with the object detection based on the first set of coordinates and the second set of coordinates being consistent.17.The method of claim 11, further comprising:outputting, based on selection or refrainment from selection, an indication to select, or refrain from selecting, the second vehicle as the ACC target.18.The method of claim 17, wherein outputting the indication comprises:transmitting the indication to an ACC system or module, orperforming ACC based on the indication.19.The method of claim 11, further comprising:performing ACC with a third vehicle being set as the ACC target, wherein selecting, or refraining from selecting, the second vehicle as the ACC target comprises switching, or refraining from switching, the ACC target from the third vehicle to the second vehicle.20.A computer-readable medium storing computer executable code at a user equipment (UE) , the code when executed by at least one processor causes the at least one processor to:identify a second vehicle as a potential adaptive cruise control (ACC) target;detect, based on identification of the second vehicle being the potential ACC target, a free space associated with the second vehicle; andselect, or refrain from selecting, the second vehicle as an ACC target based on the detected free space associated with the second vehicle.

Images