CN104541284B - 障碍物评估技术 - Google Patents

障碍物评估技术 Download PDF

Info

Publication number
CN104541284B
CN104541284B CN201380038336.0A CN201380038336A CN104541284B CN 104541284 B CN104541284 B CN 104541284B CN 201380038336 A CN201380038336 A CN 201380038336A CN 104541284 B CN104541284 B CN 104541284B
Authority
CN
China
Prior art keywords
barrier
vehicle
data
evaluation process
barriers
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201380038336.0A
Other languages
English (en)
Other versions
CN104541284A (zh
Inventor
J.B.多德尔
J.朱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Giant Holdings
Waymo LLC
Original Assignee
Wai On LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wai On LLC filed Critical Wai On LLC
Publication of CN104541284A publication Critical patent/CN104541284A/zh
Application granted granted Critical
Publication of CN104541284B publication Critical patent/CN104541284B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0132—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

被配置为在自主模式中操作的车辆可从事一种障碍物评估技术，该技术包括使用传感器系统来收集与多个障碍物有关的数据，从多个障碍物中识别包括第一障碍物和第二障碍物的障碍物对，通过比较为第一障碍物收集的数据和为第二障碍物收集的数据来从事评估过程，并且响应于从事评估过程，作出对于第一障碍物和第二障碍物是否是两个单独的障碍物的判定。

Description

障碍物评估技术
背景技术
除非本文另外指出，否则本部分中描述的材料并不是本申请中的权利要求的现有技术，并且并不因为被包括在本部分中就被承认为是现有技术。
一般来说，车辆是一种被提供有动力的可动机器。车辆的示例包括轿车、卡车、摩托车、公共汽车、自行车，等等。车辆可被用于各种任务，例如人和货物的运输，以及许多其他用途。
一些车辆可能是部分或完全自动化的。例如，当车辆处于自动化模式中时，车辆操作的行驶方面中的一些或全部可由车辆控制系统来处理。在这种情况下，位于车上和/或在服务器网络中的计算设备可操作来执行诸如以下功能：规划行驶路线，感测车辆的各方面，感测车辆的环境，以及控制行驶组件，例如转向装置、油门和刹车。从而，自主的车辆可减少在车辆操作的各种方面中对人类交互的需要。
发明内容
在操作中，自主车辆传感器系统可分析车辆的环境并且检测某些障碍物——例如其他轿车——的存在。基于检测到的障碍物的位置或其他特性，车辆可将一些障碍物分类为只是一个大的障碍物的一部分，并且将其他障碍物分类为单独的、区分开的障碍物。然而，在一些情形中，这些分类可能是错误的。例如，当两辆轿车的位置并排时，或者当摩托车正经过半卡车时，车辆系统可能因为它们极为靠近而错误地将这些障碍物对的每一对分类为只是一个大障碍物。
因此，为了解决像这样的情形，以及可能其他情形，本文公开了方法和系统，其中车辆从事一种先进障碍物评估技术。更具体而言，车辆可收集关于至少两个障碍物的数据的历史。这种数据可与每个障碍物的速度、距离、朝向或某个其他特性有关。车辆随后可比较此历史数据并且判定两个障碍物之一是否采取了与两个障碍物是一个大障碍物的一部分不一致的某个动作(例如，车道改变)。取决于比较的结果，车辆可将两个障碍物分类为一个大障碍物或者两个单独的障碍物，视情况而定。障碍物评估技术的其他示例也是可能的。
例如，根据一个实施例，提供了一种方法，并且该方法包括车辆系统使用至少一个传感器来收集与多个障碍物有关的数据，从多个障碍物中识别包括第一障碍物和第二障碍物的障碍物对，通过比较为第一障碍物收集的数据和为第二障碍物收集的数据来从事评估过程，并且基于评估过程，作出对于第一障碍物和第二障碍物是否是两个单独的障碍物的判定。
根据另一实施例，提供了另一种方法，并且该方法包括车辆系统使用传感器系统来为第一障碍物和第二障碍物收集数据，该数据包括速度数据、距离数据和朝向数据中的至少一者，通过比较收集的数据并判定是否满足第一阈值来从事第一评估过程，基于第一评估过程，车辆系统作出关于第一障碍物和第二障碍物是否是两个单独的障碍物的第一判定，检测到一个或多个环境状况已变化并且作为响应将第一阈值改变到第二阈值，通过比较收集的数据并判定是否满足第二阈值来从事第二评估过程，并且基于第二评估过程，作出关于第一障碍物和第二障碍物是否是两个单独的障碍物的第二判定。
根据另一实施例，提供了一种车辆，并且该车辆包括至少一个传感器、至少一个处理器以及包括指令的数据存储装置，所述指令可被至少一个处理器执行来从至少一个传感器接收与多个潜在障碍物有关的数据，对多个潜在障碍物中的一对潜在障碍物进行至少一个评估，包括对所接收的数据的阈值比较，当评估指示出没有满足所接收的数据的阈值比较时，将一对潜在障碍物分类为单个障碍物，并且当评估指示出满足所接收的数据的至少一个阈值比较时，将一对潜在障碍物分类为两个单独的障碍物。
根据另一实施例，公开了一种非暂态计算机可读介质(CRM)。此CRM上存储有指令，这些指令可被计算设备执行来使得该计算设备执行功能，这些功能可包括使用至少一个传感器来收集与多个障碍物有关的数据，从多个障碍物中识别包括第一障碍物和第二障碍物的障碍物对，通过比较为第一障碍物收集的数据和为第二障碍物收集的数据来从事评估过程，以及基于评估过程，作出对于第一障碍物和第二障碍物是否是两个单独的障碍物的判定。
前述总结是说明性的，而并不打算以任何方式进行限定。除了以上描述的这些说明性方面、实施例和特征以外，通过参考附图和以下详细描述，另外的方面、实施例和特征将变得清楚。
附图说明
图1是根据示例实施例描绘车辆的框图。
图2根据示例实施例描绘了车辆。
图3A是根据示例实施例的车辆操作场景。
图3B是根据示例实施例的车辆操作场景。
图4是根据示例实施例的车辆操作场景。
图5是根据示例实施例的车辆操作场景。
图6根据示例实施例描绘了流程图。
图7是根据示例实施例的计算机程序产品的示意图。
具体实施方式
本文描述了示例方法和系统。本文描述的任何示例实施例或特征不一定要被解释为比其他实施例或特征更优选或有利。本文描述的示例实施例不欲进行限定。容易理解，公开的系统和方法的某些方面可按许多种不同的配置来布置和组合，所有这些在这里都已设想到。
另外，附图中示出的特定布置不应当被视为限制性的。应当理解，其他实施例可包括更多或更少的给定附图中示出的每种元素。另外，一些图示的元素可被组合或省略。此外，示例实施例可包括附图中没有图示的元素。
本文公开的示例实施例涉及在自主模式中操作车辆；并且尤其涉及从事至少一个障碍物评估技术以便判定两个障碍物是两个单独的障碍物(例如，两辆轿车)，还是它们是一个大障碍物的部分(例如，大卡车的两个部分)。
在本公开的上下文内，车辆可在各种操作模式中操作。在至少一个实施例中，这样的操作模式包括手动、半自主和自主模式。具体地，自主模式可在只有很少或者没有用户交互的情况下提供行驶操作。手动和半自主操作模式可包括更大程度的用户交互。
本文公开的一些方法可以部分或完全由被配置为在自主模式中操作的车辆在有或没有外部交互(例如，比如来自车辆的用户的外部交互)的情况下执行。本文公开的其他方法可部分或完全由服务器来执行。本领域技术人员将会理解，在车辆的操作期间有许多不同的具体方法和系统可以使用。这些具体方法和系统中的每一个在这里已设想到，并且若干个示例实施例在下文描述。
图1是根据示例实施例示出车辆100的功能框图。车辆100可被配置为完全或部分地在自主模式中操作。例如，车辆100在处于自主模式中时可控制其自身，并且可操作来根据本文记载的描述从事评估过程(以及其他过程)。在处于自主模式中时，车辆100可在没有人类交互的情况下操作。
车辆100可包括各种子系统，例如推进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。车辆100可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可被互连。从而，车辆100的描述的功能中的一个或多个可被分割成额外的功能组件或物理组件，或者组合成更少的功能组件或物理组件。在一些另外的示例中，可向图1所示的示例添加额外的功能组件和/或物理组件。
推进系统102可包括可操作来为车辆100提供动力运动的组件。取决于实施例，推进系统102可包括引擎/发动机118、能量源119、传动装置120和车轮/轮胎121。引擎/发动机118可以是内燃引擎、电动机、蒸汽机、斯特林引擎或其他类型的引擎和/或发动机的任何组合。在一些实施例中，引擎/发动机118可被配置为将能量源119转换成机械能量。在一些实施例中，推进系统102可包括多种类型的引擎和/或发动机。例如，气电混合动力车可包括汽油引擎和电动机。其他示例是可能的。
能量源119可表示可以完全或部分地为引擎/发动机118提供动力的能量来源。也就是说，引擎/发动机118可被配置为将能量源119转换成机械能量。能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。(一个或多个)能量源119可以额外地或替换地包括燃料箱、电池、电容器和/或飞轮的任何组合。能量源119也可以为车辆100的其他系统提供能量。
传动装置120可包括可操作来把来自引擎/发动机118的机械动力传送到车轮/轮胎121的元件。为此，传动装置120可包括变速箱、离合器、差速器和驱动轴。传动装置120也可包括其他元件。驱动轴可包括可耦合到一个或多个车轮/轮胎121的一个或多个轴。
车辆100的车轮/轮胎121可配置为各种形式，包括单轮车、自行车/摩托车、三轮车或者轿车/卡车四轮形式。其他车轮/轮胎几何结构是可能的，例如包括六个或更多个车轮的那些。车辆100的车轮/轮胎121的任何组合可操作来相对于其他车轮/轮胎121差速地旋转。车轮/轮胎121可表示固定地附着到传动装置120的至少一个车轮和耦合到车轮的边缘的可与驱动面发生接触的至少一个轮胎。车轮/轮胎121可包括金属和橡胶的任何组合，或者另外的材料组合。在其他实施例中，或者与车轮/轮胎121组合，或者作为其替代，其他运动方案是可能的，例如包括轨道、踏板、滑橇或者其他。
传感器系统104可包括被配置为感测关于车辆100的环境的信息的若干个传感器。例如，传感器系统104可包括全球定位系统(Global Positioning System，GPS)122、惯性测量单元(inertial measurement unit，IMU)124、RADAR单元126、激光测距仪/LIDAR单元128以及相机130。传感器系统104还可包括被配置为监视车辆100的内部系统的传感器(例如，O2监视器、燃油量表、机油温度)。其他传感器也是可能的。
传感器系统104中包括的传感器中的一个或多个可被配置为被单独和/或集体地促动以便修改一个或多个传感器的位置和/或朝向。
GPS 122可以是被配置为估计车辆100的地理位置的任何传感器。为此，GPS 122可包括可操作来提供关于车辆100相对于地球的位置的信息的收发器。
IMU 124可包括被配置为基于惯性加速度来感测车辆100的位置和朝向变化的传感器(例如，加速度计和陀螺仪)的任何组合。
RADAR单元126可表示利用无线电信号来感测车辆100的本地环境内的物体的系统。在一些实施例中，除了感测物体以外，RADAR单元126还可额外地被配置为感测物体的速度和/或前进方向。
类似地，激光测距仪或LIDAR单元128可以是被配置为利用激光来感测车辆100所位于的环境中的物体的任何传感器。取决于实施例，激光测距仪/LIDAR单元128可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。激光测距仪/LIDAR单元128可被配置为在相干(例如，利用外差检测)或非相干检测模式中操作。相机130可包括被配置为捕捉车辆100的环境的多个图像的一个或多个设备。相机130可以是静态相机或视频相机。
控制系统106可被配置为控制车辆100及其组件的操作。因此，控制系统106可包括各种元件，例如转向单元132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、导航/路线控制系统142以及障碍物避免系统144。转向单元132可表示可操作来调整车辆100的前进方向的机构的任何组合。
油门134可被配置为控制例如引擎/发动机118的操作速度并进而控制车辆100的速度。
制动单元136可包括被配置为将车辆100减速的机构的任何组合。制动单元136可使用摩擦力来减慢车轮/轮胎121。在其他实施例中，制动单元136可将车轮/轮胎121的动能转换为电流。制动单元136也可采取其他形式。
传感器融合算法138可以是被配置为接受来自传感器系统104的数据作为输入的算法(或者存储算法的计算机程序产品)。该数据可包括例如表示在传感器系统104的传感器处感测的信息的数据。传感器融合算法138可包括例如卡尔曼滤波器、贝叶斯网络或者其他算法。传感器融合算法138还可基于来自传感器系统104的数据来提供各种评价。取决于实施例，评价可包括对车辆100的环境中的个体物体和/或特征的评估、对特定情形的评估和/或基于特定情形对可能影响的评估。其他评价也是可能的。
计算机视觉系统140可以是可操作来处理和分析由相机130捕捉的图像以便识别车辆100的环境中的物体和/或特征的任何系统，所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(Structurefrom Motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统140可以额外地被配置为——也许与其他车辆系统的元件相结合——绘制环境的地图、跟踪物体、估计障碍物速度、估计各种障碍物之间以及障碍物与车辆100之间的距离、估计障碍物的前进方向和/或朝向(即，例如按360度刻度测量的障碍物面对的方向或者行进方向)或者障碍物的其他特性。
导航和路线控制系统142可以是被配置为确定车辆100的行驶路线的任何系统。导航和路线控制系统142可以额外地被配置为在车辆100处于操作中的同时动态地更新行驶路线。在一些实施例中，导航和路线控制系统142可被配置为结合来自传感器融合算法138、GPS 122和一个或多个预定地图的数据以为车辆100确定行驶路线。
障碍物避免系统144可表示被配置为识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物的控制系统。
控制系统106可以额外地或替换地包括除了所示出和描述的那些以外的组件。外围设备108可被配置为允许车辆100与外部传感器、其他车辆、其他计算机系统和/或用户之间的交互。例如，外围设备108可包括无线通信系统146、触摸屏148、麦克风150和/或扬声器152。
在示例实施例中，外围设备108可提供例如供车辆100的用户与用户接口116交互的手段。为此，触摸屏148可向车辆100的用户提供信息。用户接口116还可操作来来经由触摸屏148接受来自用户的输入。触摸屏148可被配置为经由电容感测、电阻感测或者表面声波过程等等来感测用户的手指的位置和移动中的至少一个。触摸屏148可能够感测在与触摸屏表面平行或共面的方向上、在与触摸屏表面垂直的方向上或者在这两个方向上的手指移动，并且还可能够感测施加到触摸屏表面的压力的水平。触摸屏148可由一个或多个半透明或透明绝缘层和一个或多个半透明或透明导电层形成。触摸屏148也可采取其他形式。
在其他情况中，外围设备108可提供用于车辆100与其环境内的设备通信的手段。麦克风150可被配置为从车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器152可被配置为向车辆100的用户输出音频。
在一个示例中，无线通信系统146可以被配置为直接地或者经由通信网络来与一个或多个设备无线地通信。例如，无线通信系统146可使用3G蜂窝通信，例如CDMA、EVDO、GSM/GPRS，或者4G蜂窝通信，例如WiMAX或LTE。或者，无线通信系统146可例如利用WiFi与无线局域网(wireless local area network，WLAN)通信。在一些实施例中，无线通信系统146可例如利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信系统，在本公开的上下文内是可能的。例如，无线通信系统146可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
电源110可向车辆100的各种组件提供电力，并且可表示例如可再充电锂离子、铅酸电池或者甚至固定电源，例如120伏特交流电源。在一些实施例中，这种电池的一个或多个电池组可被配置为提供电力。其他电源材料和配置是可能的。在一些实施例中，电源110和能量源119可一起实现，如一些全电动车中那样。
车辆100的许多或所有功能可受计算机系统112控制。计算机系统112可包括至少一个处理器113(其可包括至少一个微处理器)，处理器113执行存储在例如数据存储装置114这样的非暂态计算机可读介质中的指令115。计算机系统112还可表示用来以分布式方式控制车辆100的个体组件或子系统的多个计算设备。
在一些实施例中，数据存储装置114可包含指令115(例如，程序逻辑)，指令115可被处理器113执行来执行车辆100的各种功能，包括以上联系图1描述的那些。数据存储装置114也可包含额外的指令，包括向推进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令115以外，数据存储装置114还可存储数据，例如道路地图、路线信息，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统112使用。
车辆100可包括用户接口116，用于向车辆100的用户提供信息或从其接收输入。用户接口116可控制可在触摸屏148上显示的交互式图像的内容和/或布局或使能对其的控制。另外，用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备，例如无线通信系统146、触摸屏148、麦克风150和扬声器152。
计算机系统112可基于从各种子系统(例如，推进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制车辆100的功能。例如，计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍物避免系统144检测到的障碍物。取决于实施例，计算机系统112可操作来对车辆100及其子系统的许多方面提供控制。
车辆100的组件可被配置为与其各自系统内或外的其他组件以互连的方式工作。例如，在示例实施例中，相机130可捕捉多个图像，这些图像可表示关于在自主模式中操作的车辆100的环境的状态的信息。除了其他事物以外，环境可包括另外的车辆。计算机视觉系统140可这样基于数据存储装置114中存储的物体识别模型或者其他技术来识别其他车辆。
计算机系统112可基于关于车辆100的环境的状态的此信息来执行若干个判定。例如，计算机系统112可确定其他车辆的一个或多个预测行为。预测行为可基于若干个因素，包括车辆100的当前状态(例如，车辆速度、当前车道，等等)和车辆100的环境的当前状态(例如，速度限制、可用车道的数目、其他车辆的位置和相对运动，等等)。
在一些实施例中，计算机系统112可与数据存储装置114和其他系统通过接口连接来至少基于预测行为、车辆100的当前状态和车辆100的环境的当前状态来对控制系统106进行控制。例如，在一种情形中，计算机系统112可选择什么也不调整，因为另一车辆保持在其自己的车道中的可能性较高。然而，在另一种情形中，计算机系统112可选择控制车辆100稍微减速(通过减小油门134)或者在当前车道内稍微向一个方向或另一个方向偏移(通过控制转向单元132)以便避免潜在的碰撞。车辆100的组件之间的互连的其他示例在本公开的上下文内是很多且可能的。
虽然图1示出了车辆100的各种组件，即无线通信系统146、计算机系统112、数据存储装置114和用户接口116，被集成到车辆100中，但这些组件中的一个或多个可与车辆100分开安装或关联。例如，数据存储装置114可以部分或完全地与车辆100分开存在。从而，可以按位置可分开或在一起的设备元件的形式来提供车辆100。构成车辆100的设备元件可以按有线和/或无线方式来通信地耦合在一起。
图2示出了可与参考图1描述的车辆100相似或相同的车辆200。在至少一个实施例中，车辆200包括以下传感器元件：传感器单元202、无线通信系统204、LIDAR 206、激光测距仪208和相机210。在一些实施例中，车辆200的传感器元件——也许与没有描述的其他传感器元件相结合——构成传感器系统104的一部分，如参考图1所描述。虽然车辆200在图2中被示为轿车，但其他实施例是可能的。例如，车辆200可表示卡车、厢式货车、半挂卡车、摩托车、自行车、高尔夫球车、越野车或者农场车辆，以及其他示例。
在至少一个实施例中，传感器单元202——也许连同其他传感器元件——被配置为捕捉关于车辆200的环境的信息。例如，传感器单元202可包括相机、RADAR、LIDAR、测距仪和声学传感器的任何组合或者与相机、RADAR、LIDAR、测距仪和声学传感器的任何组合通信地耦合。其他类型的传感器也是可能的。在一些实施例中，传感器单元202包括可操作来调整传感器单元202中的一个或多个传感器的朝向的一个或多个可移动底座。在一个实施例中，可移动底座可包括旋转平台，该旋转平台可扫描传感器以获得来自车辆200周围的每个方向的信息。在另一实施例中，传感器单元202的可移动底座可在特定的角度和/或方位范围内以扫描方式移动。传感器单元202可例如被安装在轿车的顶盖上，然而其他安装位置也是可能的。此外，传感器单元202的传感器可分布在不同位置中并且不需要共同位于单个位置中。一些可能的传感器类型和安装位置包括LIDAR 206和激光测距仪208。
无线通信系统204的位置可如图2所示。或者，无线通信系统204可以完全或部分地位于别处。无线通信系统204可包括可被配置为与车辆200外部或内部的设备通信的无线发送器和接收器。具体而言，无线通信系统204可包括被配置为与例如在车辆通信系统或道路台站中的其他车辆和/或计算设备通信的收发器。这种车辆通信系统的示例包括专用短程通信(DSRC)、射频识别(radio frequency identification，RFID)和针对智能交通系统的其他提出的通信标准。
相机210可安装在车辆200的前挡风玻璃内部。相机210可被配置为捕捉车辆200的环境的多个图像。具体而言，如图所示，相机210可捕捉来自相对于车辆200的前看视野的图像。相机210的其他安装位置和视角是可能的。相机210可表示一个或多个可见光相机。替换地或额外地，相机210可包括红外感测能力。相机210可具有关联的光学器件，这些光学器件可操作来提供可调整的视野。另外，相机210可利用可移动底座来安装到车辆200，该可移动底座可操作来改变相机210的指向角度。
图3A和3B图示了车辆在道路上行进的示例场景。在每种场景中，道路被描绘为具有两条车道，即左侧车道和右侧车道，其中每条车道中的交通流量在同一方向上行进。在图3A中的道路上描绘的是车辆308、轿车316和卡车314。并且在图3B的道路上描绘的是车辆308和半卡车330。在每种场景中，车辆308可在自主模式中操作并且经由传感器单元310以及也许其他传感器元件收集传感器数据。具体地，相机可捕捉环境的多个图像来供车辆308的控制器分析。替换地或额外地，另一传感器，例如RADAR单元或激光测距仪/LIDAR单元，可发射一系列信号并随后检测一系列信号反射。在任何情况下，基于传感器单元310的操作，车辆308可收集一系列数据点来供车辆308的控制器分析。此分析可揭示每个障碍物的某些特性，包括形状、朝向、前进方向、速度、给定障碍物与车辆308之间的距离以及给定障碍物与其他检测到的障碍物之间的距离。额外的特性也是可能的。
例如，在图3A描绘的示例场景中，传感器单元310收集了数据点的两个群集：一个群集在车辆316的当前位置，另一个群集在车辆314的当前位置。这些数据点被描绘为小方形326并且在一些实施例中是通过检测发射的RADAR或激光信号的反射来收集的。每个群集可被车辆308初步分类为障碍物。然而，在额外的分析后，鉴于两个障碍物的极为靠近和每个障碍物的相似速度，车辆308可错误地将两个障碍物分类为跨越两条车道的宽度的一个大障碍物324。如图3A所揭示的，对两个障碍物的更准确分类是分类为两个单独的障碍物320和322。
现在参考图3B，传感器单元310类似地收集了数据点的两个群集：一个群集位于半卡车330的驾驶室处，另一个群集位于沿着半卡车330的拖车之处。同样，这些数据点被描绘为小方形338。车辆308可将数据点的每个群集初步分类为障碍物。然而，在额外的分析后，鉴于两个障碍物的形状，车辆308可错误地将两个障碍物分类为两个单独的障碍物332和334。如图3B所揭示的，对两个障碍物的更准确分类是它们是一个大障碍物336的部分。
在任一场景中，(i)将两个障碍物320和322分类为一个大障碍物324和(ii)将一个大障碍物336分类为两个单独障碍物332和334的错误分类有可能会使车辆308的路线控制系统以及车辆308的其他控制系统迷惑。由于此迷惑，车辆308的控制系统可退出自主模式并且转变到手动模式或者出于安全起见而采取某个其他动作。因此，为了解决像这样的情形以及也许其他情形，根据本文进一步描述的实施例，车辆308可从事一个或多个先进障碍物评估技术，以尝试更准确地对检测到的障碍物分类。
一般来说，车辆，例如车辆308，可通过如下方式来从事至少一个障碍物评估技术：比较为至少两个障碍物收集的历史数据，并且基于历史数据判定两个障碍物是否采取了与两个障碍物是一个大障碍物的部分不一致的某个动作。这种动作的示例包括(但不限于)：车道改变、速度差、变化的朝向、变化的前进方向，等等。根据一个示例评估技术，车辆308为两个障碍物收集数据并且分析该数据来判定两个障碍物是否在它们之间有变化的差别距离。通常，在某一时刻位于与彼此相距一个距离之处但后来位于与彼此相距不同距离之处的两个障碍物更有可能是两个单独的障碍物，而不太可能是一个大障碍物的部分。而随着时间的流逝在其间维持着相对恒定的距离的两个障碍物更有可能是一个大障碍物的部分，而不太可能是两个单独的障碍物。
在至少一个实施例中，车辆308通过判定在两个障碍物之间是否有大于或等于一定阈值距离的距离变化来判定两个障碍物是否在其间有过变化的差别距离。车辆308执行这种测量的一种方式是从两个障碍物之间的最大测得距离中减去两个障碍物之间的最小测得距离。在结果大于或等于阈值距离的情况下，车辆308可使用这种测量——单独地或者与其他信息相结合——作为断定两个障碍物是两个单独的障碍物的基础。而在结果小于阈值距离的情况下，车辆308可使用这种测量——单独地或者与其他信息相结合——作为断定两个障碍物是一个大障碍物的部分的基础。这个阈值距离可以例如是五英尺；然而，可以使用任何阈值距离(或单位)。另外，判定两个障碍物是否在其间有过变化的差别距离的其他方式也是可能的。
根据另一种示例评估技术，车辆308为两个障碍物收集数据并且分析该数据来判定两个障碍物是否具有不同的速度。通常，在某个时刻以不同速度移动的两个障碍物更有可能是两个单独的障碍物，而不太可能是一个大障碍物的部分。而随着时间的流逝相当地维持着相对相似的速度的两个障碍物更有可能是一个大障碍物的部分，而不太可能是两个单独的障碍物。
在至少一个实施例中，车辆308通过判定两个障碍物是否有过大于或等于一定阈值速度的速度差来判定两个障碍物有过不同速度。在曾经在两个障碍物之间测量到大于或等于阈值速度的速度差异的情况下，车辆308可使用这种测量——单独地或者与其他信息相结合——作为断定两个障碍物是两个单独的障碍物的基础。而在未曾在两个障碍物之间测量到大于或等于阈值速度的速度差异的情况下，车辆308可使用这种测量——单独地或者与其他信息相结合——作为断定两个障碍物是一个大障碍物的部分的基础。这个阈值速度可以例如是5英里每小时(MPH)；然而，可以使用任何阈值速度(或单位)。另外，判定两个障碍物是否有过不同的同时发生的速度的其他方式也是可能的。
根据另一种示例评估技术，车辆308为两个障碍物收集数据并且分析该数据来判定两个障碍物是否有过不同的相对朝向或前进方向。通常，在某个时刻面向不同的方向或者有过不同的相对前进方向的两个障碍物更有可能是两个单独的障碍物，而不太可能是一个大障碍物的部分。而随着时间的流逝相当地维持着相似的朝向或前进方向的两个障碍物更有可能是一个大障碍物的部分，而不太可能是两个单独的障碍物。
在至少一个实施例中，车辆308通过判定两个障碍物是否有过大于或等于一定阈值度的朝向或前进方向差异来判定两个障碍物是否有过不同的相对朝向或前进方向。在曾经在两个障碍物之间测量到大于或等于阈值度的前进方向或朝向差异的情况下，车辆308可使用这种测量——单独地或者与其他信息相结合——作为断定两个障碍物是两个单独的障碍物的基础。而在未曾在两个障碍物之间测量到大于或等于阈值度的朝向或前进方向差异的情况下，车辆308可使用这种测量——单独地或者与其他信息相结合——作为断定两个障碍物是一个大障碍物的部分的基础。这个阈值度可以例如是四度；然而，可以使用任何阈值度(或单位)。另外，判定两个障碍物是否曾经有过不同的相对朝向或前进方向的其他方式也是可能的。
在一些实施例中，可能有这样的情形：车辆308改变(即，增大或减小)某个阈值以便使得障碍物评估过程更准确(或者出于其他原因)，是有利的。这样的情形可包括(但不限于)：当交通状况变化时(例如，从拥塞到畅通)，当道路状况或天气变化时(例如，从干燥到湿润)，当道路类型变化时(例如，从城市到高速公路)，当时间变化时(例如，从夜间到白天)，或者出于任何其他原因。诸如此类的状况的变化可被称为“环境状况”的变化。
图4根据示例实施例描绘了一种示例场景，其中车辆308可从事障碍物评估技术。图4中的场景是在三个时刻T1、T2和T3描绘的。在时刻T1，车辆308在道路上的左侧车道中行进，而轿车316和卡车314在道路上的右侧车道中行进。车辆308在自主模式中操作并且经由传感器单元310收集数据。在一些实施例中(如上所述)，数据是多个数据点的形式，在图4中描绘为小方形326。如图所示，在轿车316的位置处检测到数据点的一个群集，并且在卡车314的位置处检测到数据点的另一群集。在时刻T1，车辆308可初步将一个群集分类为障碍物320，并且将另一群集分类为障碍物322。另外，基于收集到的数据，车辆308可判定障碍物320与障碍物322朝向相同的方向，并且因此在相同的方向上行进，如从每个障碍物伸出的箭头所指示。另外，车辆308可判定每个障碍物320和322以大约60英里每小时(miles perhour，MPH)行进，并且相距大约二十英尺。
在时刻T2，车辆308可继续为障碍物320和322收集传感器数据，并且基于该数据判定障碍物320将其速度增大到了70MPH并且在更靠近障碍物322的方向上移动了十五英尺，同时将其前进方向向左改变了大约五度并开始在车辆308前方改变车道。另外，基于收集的数据，车辆308可判定障碍物322从时刻T1起维持了相对相同的前进方向和速度。
最后，在时刻T3，车辆308可继续为障碍物320和322收集传感器数据，并且基于该数据判定障碍物320和322两者都以大约60MPH在行进，维持大致相同的前进方向，并且大约相距几英尺。此时，车辆308可根据上述过程中的至少一些来从事障碍物评估技术。例如，车辆308可分析从时刻T1起为障碍物320和322收集的数据的历史，并且判定这些障碍物在其间有过：(i)超过十五英尺的距离变化，(ii)大约10MPH的最大同时速度差，以及(iii)大约五度的最大前进方向或朝向差。车辆308可进一步判定这些测量值中的至少一者超过了相应的阈值。因此，车辆308可使用此判定——单独地或者与其他信息相结合——作为断定障碍物320和322是两个单独的障碍物的基础。由于此断定，车辆308可继续为每个障碍物320和322维持障碍物历史数据的缓存，以及根据车辆308在其检测到两个单独的障碍物时的操作来采取任何其他动作。
图5根据示例实施例描绘了另一种示例场景，其中车辆308可从事障碍物评估技术。图5中的场景是在三个时刻T1、T2和T3描绘的。在时刻T1，车辆308在道路上的左侧车道中行进，而半卡车330在道路上的右侧车道中行进。车辆308在自主模式中操作并且经由传感器单元310收集数据点(同样描绘为小方形338)。如图所示，在半卡车330的驾驶室的位置处检测到数据点的一个群集，并且沿着半卡车330的拖车检测到数据点的另一群集。在时刻T1，车辆308可初步将一个群集分类为障碍物332，并且将另一群集分类为障碍物334。另外，基于收集到的数据，车辆308可判定每个障碍物朝向相同的方向并且因此在相同的方向上行进，如从每个障碍物伸出的箭头所指示。另外，车辆308可判定每个障碍物332和334在以大致相同的速度(60MPH)行进，并且相距大约四英尺。
在时刻T2，车辆308可继续为障碍物332和334收集传感器数据，并且基于该数据判定每个障碍物将其速度增大到了70MPH并且每个障碍物将其前进方向向左改变了大约五度并开始在车辆308前方改变车道。另外，基于收集到的数据，车辆308可判定每个障碍物在其间维持了相对于恒定的四英尺的距离。
最后，在时刻T3，车辆308可继续为障碍物320和322收集传感器数据，并且基于该数据判定障碍物332和334两者都将其速度减小到了大约60MPH，维持着大致相同的前进方向，并且仍相距大约四英尺。此时，车辆308可根据上述过程中的至少一些来从事障碍物评估技术。例如，车辆308可分析从时刻T1起为障碍物332和334收集的数据的历史，并且判定这些障碍物在其间有(i)相对恒定的距离差，(ii)接近零的MPH速度差，以及(iii)相对相似的同时前进方向或朝向。车辆308可进一步判定这些测量值中没有一个超过了相应的阈值。因此，车辆308可使用此判定——单独地或者与其他信息相结合——作为断定障碍物332和334是一个大障碍物336的部分的基础。由于此断定，车辆308可合并关于每个障碍物332和334的障碍物历史数据的缓存，以及根据车辆308在其检测到一个大障碍物时的操作来采取任何其他动作。
上述场景只是示例，如车辆308这样的车辆可从事障碍物评估技术的其他场景是可能的。例如，在一个场景中(未描绘)，车辆308可检测三个或更多个障碍物(例如，障碍物A、B和C)并且对于检测到的障碍物的每个障碍物对(例如，A-B、A-C和B-C)从事障碍物评估技术。还有其他示例也是可能的。
图6是描绘示例障碍物评估过程的流程图600。该示例过程可包括如方框602、604、606、608和/或610中的一个或多个描绘的一个或多个操作、功能或动作，其中每一者可由利用图1-5描述的任何系统执行；然而，可以使用其他配置。
另外，本领域技术人员将会理解，本文描述的流程图图示了示例实施例的某些实现方式的功能和操作。在此，每个流程图的每个方框可表示程序代码的模块、片段或部分，其包括可由处理器(例如，上文参考车辆100描述的计算机系统112中的处理器113)执行来实现该过程中的特定逻辑功能或步骤的一个或多个指令。程序代码例如可被存储在任何类型的计算机可读介质上(例如计算机可读存储介质或非暂态介质，例如上文参考车辆100描述的数据存储装置114)，例如包括盘或硬盘驱动器的存储设备。此外，每个方框可表示被布线来执行该过程中的特定逻辑功能的电路。替换实现方式被包括在本申请的示例实施例的范围内，其中功能可不按所示出或论述的顺序执行，包括基本上同时执行或按相反顺序执行，这取决于所涉及的功能，这是本领域技术人员将会理解的。
如图所示，流程图600开始于方框602，在这里车辆为多个障碍物收集数据。如上所述，至少一个传感器元件，例如相机、RADAR、激光测距仪/LIDAR或者其他元件，可为每个障碍物收集一系列数据点。这些数据点可揭示关于在收集数据时每个障碍物的各种特性，例如包括障碍物的形状、朝向、前进方向和速度，以及障碍物与其他障碍物或者车辆本身之间的距离。也存在收集这种数据的其他方式。
在方框604，车辆对于多个障碍物之中的两个障碍物从事评估过程。如上所述，车辆从事评估过程的一种方式是比较为两个障碍物收集的数据并且判定障碍物改变彼此之间的距离、改变相对于彼此的速度以及改变相对于彼此的朝向或前进方向的程度。从事评估过程的其他方式也是可能的。
在方框606，车辆基于该评估过程作出是否满足了至少一个阈值条件的判定。例如，在一些实施例中，车辆可判定障碍物是否在其间有过大于或等于一定距离阈值的距离变化。在一些实施例中，车辆可判定障碍物是否在其间有过大于或等于一定速度阈值的差别速度。并且在一些实施例中，车辆可判定障碍物是否在其间有过大于或等于朝向阈值的朝向差。车辆也可从事任意数目的其他阈值条件判定。
如果车辆判定满足至少一个阈值条件，则车辆可使用这种判定——单独地或者与其他信息相结合——作为前进到方框608并且将两个障碍物分类为两个单独的障碍物的基础。然而，如果车辆判定没有阈值条件得到满足，则车辆可使用这种判定——单独地或者与其他信息相结合——作为前进到方框610并且将两个障碍物分类为一个大障碍物的基础。其他响应动作也是可能的。
示例过程——例如由流程图600描绘的那个——以及本文描述的其他示例过程可以完全或部分由车辆及其子系统来执行。然而，应当理解，示例过程可以完全或部分地由其他计算设备来实现，例如位于车辆远程的那些计算设备。例如，示例过程可以完全或部分地由从诸如与车辆相关联的设备之类的设备接收数据的服务器系统来实现。可实现示例过程的计算设备或计算设备的组合的其他示例是可能的。
在一些实施例中，本文描述的过程可实现为以机器可读格式编码在非暂态计算机可读存储介质上或者其他非暂态介质或制品上的计算机程序指令。图7是图示出根据本文给出的至少一些实施例布置的示例计算机程序产品的概念性部分视图的示意图，该示例计算机程序产品包括用于在计算设备上执行计算机过程的计算机程序。
在一个实施例中，利用信号承载介质702来提供示例计算机程序产品700。信号承载介质702可包括一个或多个编程指令704，这些编程指令704在被一个或多个处理器执行时可提供以上参考图1-6描述的功能或功能的部分。在一些示例中，信号承载介质702可包含计算机可读介质706，例如——但不限于——硬盘驱动器、致密盘(Compact Disc，CD)、数字视频盘(Digital Video Disk，DVD)、数字磁带、存储器，等等。在一些实现方式中，信号承载介质702可包含计算机可记录介质708，例如——但不限于——存储器、读/写(R/W)CD、R/W DVD，等等。在一些实现方式中，信号承载介质702可包含通信介质710，例如但不限于数字和/或模拟通信介质(例如，光纤缆线、波导、有线通信链路、无线通信链路，等等)。从而，例如，信号承载介质702可由无线形式的通信介质710来传达。
一个或多个编程指令704可以例如是计算机可执行指令和/或逻辑实现的指令。在一些示例中，例如图1的计算机系统112那样的计算设备可被配置为响应于由计算机可读介质706、计算机可记录介质710和/或通信介质710中的一个或多个传达到处理器113的编程指令704(例如，存储在数据存储装置114中的指令115)而提供各种操作、功能或动作。
非暂态计算机可读介质也可分布在多个数据存储元件之间，这些数据存储元件的位置可以彼此远离。执行存储的指令中的一些或全部的计算设备可以是车辆，例如图2所示的车辆200。或者，执行存储的指令中的一些或全部的计算设备可以是另一计算设备，例如服务器。
以上详细描述参考附图对公开的系统、设备和过程的各种特征和功能进行了描述。虽然本文已公开了各种方面和实施例，但本领域技术人员将会清楚其他方面和实施例。本文公开的各种方面和实施例是为了例示，而并不打算进行限定，真实的范围和精神由所附权利要求指示。

Claims (12)

1.一种用于障碍物评估的方法，包括：
车辆系统使用至少一个传感器来收集与多个障碍物有关的数据；
所述车辆系统从所述多个障碍物中识别障碍物对，所述障碍物对包括第一障碍物和第二障碍物；
所述车辆系统通过比较为所述第一障碍物收集的数据和为所述第二障碍物收集的数据来从事评估过程，其中，所述评估过程包括以下各项的至少一者：
(i)对于所述第一障碍物和第二障碍物之间的距离变化是否超过距离阈值的判定，
(ii)对于所述第一障碍物和第二障碍物之间的速度差是否超过速度阈值的判定；以及
(iii)对于所述第一障碍物和第二障碍物之间的朝向差是否超过朝向阈值的判定；以及
基于所述评估过程，所述车辆系统作出对于所述第一障碍物和所述第二障碍物是否是两个单独的障碍物的判定。
2.如权利要求1所述的方法，还包括所述车辆系统基于收集的数据判定所述第一障碍物和所述第二障碍物中的至少一者采取了与所述第一障碍物和所述第二障碍物是单个障碍物不一致的某个动作；并且
所述车辆系统将所述障碍物对分类为两个单独的障碍物。
3.如权利要求1所述的方法，还包括所述车辆系统基于收集的数据判定所述第一障碍物和所述第二障碍物没有采取任何与所述第一障碍物和所述第二障碍物是单个障碍物不一致的动作；并且
所述车辆系统将所述障碍物对分类为单个障碍物。
4.如权利要求1所述的方法，其中，收集的数据包括距离数据，并且其中所述评估过程包括：
计算所述第一障碍物和所述第二障碍物之间的距离的变化；以及
判定所述距离的变化是否超过距离阈值。
5.如权利要求1所述的方法，其中，收集的数据包括速度数据，并且其中所述评估过程包括：
计算所述第一障碍物和所述第二障碍物之间的速度差；以及
判定所述速度差是否超过速度阈值。
6.如权利要求1所述的方法，其中，收集的数据包括朝向数据，并且其中所述评估过程包括：
计算所述第一障碍物和所述第二障碍物之间的朝向差；以及
判定所述朝向差是否超过朝向阈值。
7.一种用于障碍物评估的方法，包括：
车辆系统使用传感器系统来为第一障碍物和第二障碍物收集数据，收集的数据包括速度数据、距离数据和朝向数据中的至少一者；
所述车辆系统通过比较收集的数据并判定是否满足第一阈值来从事第一评估过程；
基于所述第一评估过程，所述车辆系统作出对于所述第一障碍物和所述第二障碍物是否是两个单独的障碍物的第一判定；
所述车辆系统检测到一个或多个环境状况已变化并且作为响应将所述第一阈值改变到第二阈值；
所述车辆系统通过比较收集的数据并判定是否满足所述第二阈值来从事第二评估过程；以及
基于所述第二评估过程，作出对于所述第一障碍物和所述第二障碍物是否是两个单独的障碍物的第二判定。
8.如权利要求7所述的方法，其中，所述第一评估过程包括计算所述第一障碍物和所述第二障碍物之间的距离的变化，并且判定所述距离的变化是否超过第一距离阈值，并且
其中，所述第二评估过程包括计算所述第一障碍物和所述第二障碍物之间的距离的新变化，并且判定所述距离的新变化是否超过第二距离阈值。
9.如权利要求7所述的方法，其中，所述第一评估过程包括计算所述第一障碍物和所述第二障碍物之间的速度差，并且判定所述速度差是否超过第一速度阈值，并且
其中，所述第二评估过程包括计算所述第一障碍物和所述第二障碍物之间的新的速度差，并且判定所述新的速度差是否超过第二速度阈值。
10.如权利要求7所述的方法，其中，所述第一评估过程包括计算所述第一障碍物和所述第二障碍物之间的朝向差，并且判定所述朝向差是否超过第一朝向阈值，并且
其中，所述第二评估过程包括计算所述第一障碍物和所述第二障碍物之间的新的朝向差，并且判定所述新的朝向差是否超过第二朝向阈值。
11.一种非暂态计算机可读介质(CRM)，其上存储有指令，所述指令可被计算设备执行来使得该计算设备执行功能，所述功能包括：
使用至少一个传感器来收集与多个障碍物有关的数据；
从所述多个障碍物中识别障碍物对，所述障碍物对包括第一障碍物和第二障碍物；
通过比较为所述第一障碍物收集的数据和为所述第二障碍物收集的数据来从事评估过程，其中，所述评估过程包括以下各项的至少一者：
(i)对于所述第一障碍物和第二障碍物之间的距离变化是否超过距离阈值的判定，
(ii)对于所述第一障碍物和第二障碍物之间的速度差是否超过速度阈值的判定；以及
(iii)对于所述第一障碍物和第二障碍物之间的朝向差是否超过朝向阈值的判定；以及
基于所述评估过程，作出对于所述第一障碍物和所述第二障碍物是否是两个单独的障碍物的判定。
12.如权利要求11所述的CRM，其中，所述功能还包括：
基于所述评估过程判定没有满足阈值条件；以及
响应于判定没有满足阈值条件，将所述障碍物对分类为单个障碍物。
CN201380038336.0A 2012-06-06 2013-05-29 障碍物评估技术 Expired - Fee Related CN104541284B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/489,794 US8781721B2 (en) 2012-06-06 2012-06-06 Obstacle evaluation technique
US13/489,794 2012-06-06
PCT/US2013/043118 WO2013184464A1 (en) 2012-06-06 2013-05-29 Obstacle evaluation technique

Publications (2)

Publication Number Publication Date
CN104541284A CN104541284A (zh) 2015-04-22
CN104541284B true CN104541284B (zh) 2018-05-29

Family

ID=49712499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380038336.0A Expired - Fee Related CN104541284B (zh) 2012-06-06 2013-05-29 障碍物评估技术

Country Status (6)

Country Link
US (2) US8781721B2 (zh)
EP (3) EP3617020A1 (zh)
JP (2) JP6392750B2 (zh)
KR (2) KR101763261B1 (zh)
CN (1) CN104541284B (zh)
WO (1) WO2013184464A1 (zh)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011112149A1 (de) * 2011-09-01 2013-03-07 Valeo Schalter Und Sensoren Gmbh Verfahren zum Durchführen eines Parkvorgangs eines Fahrzeugs sowie Fahrerassistenzeinrichtung
JP6128413B2 (ja) * 2012-08-24 2017-05-17 パナソニックＩｐマネジメント株式会社 警報装置、端末装置、警報システム、警報出力方法、通知方法
DE112013006943B4 (de) * 2013-04-12 2022-08-11 Toyota Jidosha Kabushiki Kaisha Fahrumgebungsbewertungssystem, Fahrumgebungsbewertungsverfahren, Fahrerassistenzvorrichtung und Fahrumgebungsanzeigevorrichtung
US10599155B1 (en) 2014-05-20 2020-03-24 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US10185998B1 (en) * 2014-05-20 2019-01-22 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US9625582B2 (en) 2015-03-25 2017-04-18 Google Inc. Vehicle with multiple light detection and ranging devices (LIDARs)
DE102015217386A1 (de) * 2015-09-11 2017-03-16 Robert Bosch Gmbh Verfahren und System zum Betreiben eines Kraftfahrzeugs
US9881219B2 (en) * 2015-10-07 2018-01-30 Ford Global Technologies, Llc Self-recognition of autonomous vehicles in mirrored or reflective surfaces
EP3410415B1 (en) * 2016-01-28 2020-11-18 Ricoh Company, Ltd. Image processing device, imaging device, moving body device control system and image processing program
US10328949B2 (en) * 2016-01-28 2019-06-25 Toyota Motor Engineering & Manufacturing North America, Inc. Sensor blind spot indication for vehicles
JP6477575B2 (ja) 2016-04-19 2019-03-06 トヨタ自動車株式会社 周辺情報検出センサの配設構造
KR102060267B1 (ko) * 2016-06-27 2019-12-27 닛산 지도우샤 가부시키가이샤 물체 추적 방법 및 물체 추적 장치
DE102016009763A1 (de) * 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen
US10802450B2 (en) 2016-09-08 2020-10-13 Mentor Graphics Corporation Sensor event detection and fusion
US11067996B2 (en) * 2016-09-08 2021-07-20 Siemens Industry Software Inc. Event-driven region of interest management
US10552690B2 (en) 2016-11-04 2020-02-04 X Development Llc Intuitive occluded object indicator
JP6777518B2 (ja) * 2016-11-29 2020-10-28 トヨタ自動車株式会社 車両制御システム
US10558264B1 (en) 2016-12-21 2020-02-11 X Development Llc Multi-view display with viewer detection
CN106651061B (zh) * 2017-03-10 2019-10-01 交通运输部公路科学研究所 一种基于dsrc数据与点检测器数据的实时融合方法
US20200103907A1 (en) * 2017-03-30 2020-04-02 Honda Motor Co., Ltd. Vehicle control system, vehicle control method, and vehicle control program
CN109145680B (zh) * 2017-06-16 2022-05-27 阿波罗智能技术(北京)有限公司 一种获取障碍物信息的方法、装置、设备和计算机存储介质
JP6976414B2 (ja) * 2018-03-14 2021-12-08 本田技研工業株式会社 鞍乗り型車両の情報報知装置、鞍乗り型車両、および情報報知方法
US11288523B2 (en) 2018-09-27 2022-03-29 The Boeing Company Pseudo-range estimation from a passive sensor
US11495028B2 (en) * 2018-09-28 2022-11-08 Intel Corporation Obstacle analyzer, vehicle control system, and methods thereof
KR20200037736A (ko) * 2018-09-28 2020-04-09 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량의 저속 정경을 위한 보행자 상호 작용 시스템
US11285844B2 (en) 2019-01-31 2022-03-29 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle seat with morphing portions
US11370330B2 (en) * 2019-03-22 2022-06-28 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle seat with morphing portions
CN111746534A (zh) * 2019-03-26 2020-10-09 奥迪股份公司 车辆驾驶辅助系统、包括其的车辆及相应的方法和介质
US11752901B2 (en) 2019-03-28 2023-09-12 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle seat with tilting seat portion
CN112630799B (zh) * 2019-09-24 2022-11-29 阿波罗智能技术(北京)有限公司 用于输出信息的方法和装置
US11560159B2 (en) * 2020-03-25 2023-01-24 Baidu Usa Llc Group and combine obstacles for autonomous driving vehicles
CN111516677B (zh) * 2020-04-28 2023-03-21 深圳市国脉畅行科技股份有限公司 车辆行驶盲区监测方法、装置、计算机设备及存储介质
US11897379B2 (en) 2021-10-20 2024-02-13 Toyota Motor Engineering & Manufacturing North America, Inc. Seat with shape memory material member actuation

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5617199A (en) * 1995-04-26 1997-04-01 Laser Technology, Inc. Device, and associated method, for determining distances between moving objects
CN101903229A (zh) * 2007-12-19 2010-12-01 罗伯特·博世有限公司 用于匹配车辆导向的方法与装置

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US122006A (en) * 1871-12-19 Improvement in bung-inserters
US5983161A (en) 1993-08-11 1999-11-09 Lemelson; Jerome H. GPS vehicle collision avoidance warning and control system and method
US6553130B1 (en) 1993-08-11 2003-04-22 Jerome H. Lemelson Motor vehicle warning and control system and method
JP3044522B2 (ja) * 1995-03-01 2000-05-22 本田技研工業株式会社 車両における対照物認識方法
JP3044524B2 (ja) * 1995-05-23 2000-05-22 本田技研工業株式会社 車両における対照物検知方法
JP3866328B2 (ja) 1996-06-06 2007-01-10 富士重工業株式会社 車両周辺立体物認識装置
JP3315054B2 (ja) * 1997-04-04 2002-08-19 富士重工業株式会社 車外監視装置
DE19751004A1 (de) * 1997-11-18 1999-05-20 Daimler Chrysler Ag Verfahren zur Verarbeitung von Radarsignalen
JP3356058B2 (ja) * 1998-05-27 2002-12-09 三菱自動車工業株式会社 車両用後方モニタシステム
DE19926559A1 (de) * 1999-06-11 2000-12-21 Daimler Chrysler Ag Verfahren und Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernung
JP4118452B2 (ja) * 1999-06-16 2008-07-16 本田技研工業株式会社 物体認識装置
JP4115638B2 (ja) * 1999-10-19 2008-07-09 本田技研工業株式会社 物体認識装置
DE10030258A1 (de) 2000-06-20 2002-01-03 Daimler Chrysler Ag Verfahren zur Abstandsregelung eines Fahrzeugs zu einem vorausfahrenden Fremdfahrzeug und Abstandsregelsystem
US6859705B2 (en) * 2001-09-21 2005-02-22 Ford Global Technologies, Llc Method for operating a pre-crash sensing system with object classifier in a vehicle having a countermeasure system
JP3739693B2 (ja) * 2001-11-09 2006-01-25 本田技研工業株式会社 画像認識装置
JP3750644B2 (ja) * 2002-09-27 2006-03-01 日産自動車株式会社 車両用運転操作補助装置、車両用運転操作補助方法、およびその方法を適用した車両
DE10254402B4 (de) * 2002-11-21 2011-02-17 Lucas Automotive Gmbh System zur Beeinflussung der Geschwindigkeit eines Kraftfahrzeuges
US7764808B2 (en) * 2003-03-24 2010-07-27 Siemens Corporation System and method for vehicle detection and tracking
DE10324217A1 (de) * 2003-05-28 2004-12-16 Robert Bosch Gmbh Vorrichtung zur Klassifizierung von wenigstens einem Objekt mit einer Umfeldsensorik
JP4052650B2 (ja) * 2004-01-23 2008-02-27 株式会社東芝 障害物検出装置、方法及びプログラム
EP1741079B1 (en) * 2004-04-08 2008-05-21 Mobileye Technologies Limited Collision warning system
WO2006013689A1 (ja) * 2004-08-06 2006-02-09 Murata Manufacturing Co., Ltd. レーダ
ITMO20040245A1 (it) * 2004-09-24 2004-12-24 Meta System Spa Sistema e metodo di rilevamento degli ostacoli in particolare per sistemi di agevolazione del parcheggio di veicoli.
DE102005024716B4 (de) * 2005-05-30 2023-09-21 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erkennung und Klassifizierung von Objekten
US8364366B2 (en) * 2005-06-24 2013-01-29 Deere & Company System and method for providing a safety zone associated with a vehicle
US20070276600A1 (en) 2006-03-06 2007-11-29 King Timothy I Intersection collision warning system
US8947531B2 (en) 2006-06-19 2015-02-03 Oshkosh Corporation Vehicle diagnostics based on information communicated between vehicles
JP5080333B2 (ja) 2007-04-06 2012-11-21 本田技研工業株式会社 自律移動体のための物体認識装置
JP5309582B2 (ja) * 2007-05-11 2013-10-09 日産自動車株式会社 車両の走行制御方法及び走行制御装置
JP4450023B2 (ja) * 2007-07-12 2010-04-14 トヨタ自動車株式会社 自車両危険度取得装置
WO2009033286A1 (en) 2007-09-14 2009-03-19 Magna International Inc. Object detection and ranging method
EP2040220B1 (de) * 2007-09-24 2014-07-02 Delphi Technologies, Inc. Verfahren zur Hinderniserkennung
US8670592B2 (en) * 2008-04-24 2014-03-11 GM Global Technology Operations LLC Clear path detection using segmentation-based method
JP4717105B2 (ja) 2008-08-29 2011-07-06 株式会社日立製作所 自律移動ロボット装置及びかかる装置における飛び出し衝突回避方法
CN102077250B (zh) * 2009-01-09 2014-04-16 松下电器产业株式会社 移动体检测方法及移动体检测装置
JP4957747B2 (ja) * 2009-05-18 2012-06-20 トヨタ自動車株式会社 車両環境推定装置
JP5385009B2 (ja) * 2009-05-29 2014-01-08 日立オートモティブシステムズ株式会社 車両制御装置および車両制御方法
US8744661B2 (en) 2009-10-21 2014-06-03 Berthold K. P. Horn Method and apparatus for reducing motor vehicle traffic flow instabilities and increasing vehicle throughput
JP5371725B2 (ja) * 2009-12-16 2013-12-18 富士重工業株式会社 物体検出装置
JP5018943B2 (ja) * 2010-09-07 2012-09-05 株式会社デンソー レーダ装置
KR101395089B1 (ko) * 2010-10-01 2014-05-16 안동대학교 산학협력단 장애물 감지 시스템 및 방법
WO2012117505A1 (ja) * 2011-02-28 2012-09-07 トヨタ自動車株式会社 走行支援装置及び方法
JP5666987B2 (ja) * 2011-05-25 2015-02-12 株式会社デンソー 移動物体検出装置
US9562778B2 (en) * 2011-06-03 2017-02-07 Robert Bosch Gmbh Combined radar and GPS localization system
US9318023B2 (en) * 2011-08-31 2016-04-19 GM Global Technology Operations LLC System and method for collision avoidance maneuver path determination with jerk limit
US8694222B2 (en) * 2011-10-26 2014-04-08 GM Global Technology Operations LLC Collision avoidance system and method of operating the same
US8688365B2 (en) * 2012-01-18 2014-04-01 International Business Machines Corporation Method and system for detection of motor vehicle movement to avoid collisions
US9139133B2 (en) * 2012-05-31 2015-09-22 GM Global Technology Operations LLC Vehicle collision warning system and method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5617199A (en) * 1995-04-26 1997-04-01 Laser Technology, Inc. Device, and associated method, for determining distances between moving objects
CN101903229A (zh) * 2007-12-19 2010-12-01 罗伯特·博世有限公司 用于匹配车辆导向的方法与装置

Also Published As

Publication number Publication date
US20130332061A1 (en) 2013-12-12
EP2858869A1 (en) 2015-04-15
KR20170089967A (ko) 2017-08-04
JP2015531095A (ja) 2015-10-29
US8781721B2 (en) 2014-07-15
CN104541284A (zh) 2015-04-22
EP4089650A1 (en) 2022-11-16
JP2017062819A (ja) 2017-03-30
WO2013184464A1 (en) 2013-12-12
EP3617020A1 (en) 2020-03-04
KR101792985B1 (ko) 2017-11-01
JP6392750B2 (ja) 2018-09-19
KR20150024340A (ko) 2015-03-06
EP2858869A4 (en) 2016-05-11
KR101763261B1 (ko) 2017-07-31
US20140288817A1 (en) 2014-09-25
US9495875B2 (en) 2016-11-15

Similar Documents

Publication Publication Date Title
CN104541284B (zh) 障碍物评估技术
US11983015B2 (en) Methods and systems for transportation to destinations by a self-driving vehicle
US11068726B1 (en) Static obstacle detection
US11281918B1 (en) 3D position estimation of objects from a monocular camera using a set of known 3D points on an underlying surface
CN104271420B (zh) 基于其他车辆的预测行为修改自主车辆的行为
CN104870288B (zh) 辅助自主车辆行驶经过车道合并的方法和系统
US9928431B2 (en) Verifying a target object with reverse-parallax analysis
US9026303B1 (en) Object detection based on known structures of an environment of an autonomous vehicle
US9387854B1 (en) Use of environmental information to aid image processing for autonomous vehicles
CN104395168B (zh) 通过与其它车辆维持安全距离来在道路上安全地导航
US20180329423A1 (en) System To Optimize Sensor Parameters In An Autonomous Vehicle
US8838322B1 (en) System to automatically measure perception sensor latency in an autonomous vehicle
CN107628027A (zh) 基于替代数据推断交通信号状态和车辆环境的其他方面
CN104271419A (zh) 鉴于约束主动修改自主车辆的视野

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20171030

Address after: California, USA

Applicant after: Weimo Co.,Ltd.

Address before: California, USA

Applicant before: Giant Holdings

Effective date of registration: 20171030

Address after: California, USA

Applicant after: Giant Holdings

Address before: California, USA

Applicant before: Google Inc.

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180529