CN104554272B - 存在目标车辆和周围物体时的避让转向操作的路径规划 - Google Patents

存在目标车辆和周围物体时的避让转向操作的路径规划 Download PDF

Info

Publication number
CN104554272B
CN104554272B CN201410583800.0A CN201410583800A CN104554272B CN 104554272 B CN104554272 B CN 104554272B CN 201410583800 A CN201410583800 A CN 201410583800A CN 104554272 B CN104554272 B CN 104554272B
Authority
CN
China
Prior art keywords
path
distance
target
scanning element
main vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410583800.0A
Other languages
English (en)
Other versions
CN104554272A (zh
Inventor
S.曾
N.K.莫什楚克
R.贾法里
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations 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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN104554272A publication Critical patent/CN104554272A/zh
Application granted granted Critical
Publication of CN104554272B publication Critical patent/CN104554272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
    • 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
    • B60R21/0134—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 imminent contact with an obstacle, e.g. using radar systems
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • B62D15/0265—Automatic obstacle avoidance by steering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9318—Controlling the steering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Optics & Photonics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了存在目标车辆和周围物体时的避让转向操作的路径规划。一种用于计算在目标物体周围的虚拟目标路径的方法，其包括：提供识别检测到的物体的扫描点，以及将扫描点分为目标物体扫描点和其他物体扫描点。该方法从目标物体扫描点中识别最近扫描点以及对与最近扫描点相距预定安全距离的路径点进行识别。该方法确定通过路径点的与目标物体相邻的直目标线，并确定目标线和各个其他物体之间的距离，并且确定所有距离是否大于预定阈值距离。该方法对其距离小于预定阈值距离的各个其他物体的曲线点进行识别，并且对使用二次多项式函数将曲线点连接形成虚拟目标路径的曲线路径进行识别。

Description

存在目标车辆和周围物体时的避让转向操作的路径规划
技术领域
本发明大体上涉及用于确定在主车辆前方的物体周围的虚拟目标路径的系统和方法，以及更加具体地，本发明涉及使用采用了二次多项式函数的几何算法确定在主车辆前的目标车辆周围的虚拟目标路径的系统和方法。
背景技术
现代车辆有时包括采用了用于启动碰撞警告或防撞的物体检测传感器和其他主动安全应用的防撞系统。现有技术中已知有各种这类防撞系统和/或自适应巡航控制系统，如果检测到有可能或即将与另一车辆或物体发生碰撞，这类系统提供自动车辆控制（诸如，刹车），并且还可提供警告以使驾驶员采取补救措施防止碰撞。例如，众所周知，自适应巡航控制系统采用前视传感器（诸如，雷达或LiDAR传感器），如果车辆正靠近另一车辆，则该前视传感器提供自动速度控制和/或刹车。同样，众所周知，防撞系统采用了传感器用于确定是否即将与物体发生碰撞，即使车辆操作者正在控制车辆，防撞系统也可提供自动车辆刹车。
用于这些类型的系统的物体检测传感器可使用众多技术中的任意一种技术，诸如近程雷达、远程雷达、具有图像处理的摄像头、激光或LiDAR、超声波等。物体检测传感器对在主车辆路径中的车辆和其他物体进行检测，并且应用软件使用物体检测信息提供警告或采取适当的行动。该警告可为在车辆仪表板上或在平视显示器（HUD）中的可视指示，并且/或者，可为声音警告或其他触觉反馈装置，诸如触觉座椅。在许多车辆中，物体检测传感器直接集成到车辆的前保险杠或其他仪表板中。
这些类型的系统常常采用在车辆的近场中具有窄视场的远程传感器。具体地说，传感器信号从车辆上的点源发出并在车辆的前进方向上延伸，通常延伸约150米。碰撞警告系统向车辆前方传输雷达或激光束并对来自车辆前方的物体的反射进行处理。该系统从该反射生成测量结果并基于车辆速度、相对于物体的方向、道路表面状况等对碰撞的可能性进行评估。
有时用在车辆上对车辆周围的物体进行检测并提供这些物体的范围和这些物体的方位的雷达和LiDAR传感器提供来自这些物体的反射作为多个扫描点，这些扫描点合并为点集群范围图，其中，在传感器的整个视场中，每½°提供一个单独的扫描点。因此，如果在主车辆前方检测到目标车辆或其他物体，那么可能会有多个扫描点返回，这些扫描点对目标车辆距主车辆的距离进行识别。通过提供扫描返回点的集群，可更易于检测到具有各种任意形状的物体（诸如，卡车、拖车、自行车、行人、护栏、K-栅栏等），其中，物体越大和/或离主车辆越近，提供的扫描点越多。
迄今，防撞系统一般局限于在车辆驾驶员未及时采取避让动作防止碰撞的情况下提供自动刹车的系统。然而，这类防撞系统可得益于提供自动刹车和转向结合以避免碰撞。
转让给本申请的受让人并以引用的方式并入本文的于2010年10月20日提交的序列号为第12/908,699号的名称为“Vehicle Collision Avoidance and Warning System”（车辆防撞和警告系统）的美国专利申请公开了一种采用自动刹车和转向结合的防撞系统。该防撞系统基于主车辆的速度、主车辆的加速度、目标车辆的速度、目标车辆的加速度、从主车辆到目标车辆的距离以及主车辆和目标车辆所行驶的道路的摩擦系数定义了第一、第二、第三和第四阈值，这些阈值对主车辆与目标车辆发生碰撞的时间进行识别，其中，第一阈值大于第二阈值，第二阈值大于第三阈值，并且第三阈值大于第四阈值。该防撞系统确定发生碰撞的时间是否小于第一阈值，并且如果发生碰撞的时间小于第一阈值，则发起碰撞警告。如果发生碰撞的时间小于第一阈值，则防撞系统还要确定发生碰撞的时间是否小于第二阈值，并且如果发生碰撞的时间小于第二阈值，则提供主车辆的有限自动刹车。如果发生碰撞的时间小于第二阈值，则防撞系统还要确定发生碰撞的时间是否小于第三阈值，并且如果发生碰撞的时间小于第三阈值，则检查与主车辆相邻的道路车道是否无障碍的情况。如果发生碰撞的时间小于第三阈值并且与主车辆相邻的车道并非无障碍，则防撞系统提供全自动防撞刹车。如果发生碰撞的时间小于第三阈值并且与主车辆相邻的车道无障碍，则防撞系统还要确定发生碰撞的时间是否小于第四阈值。如果发生碰撞的时间小于第四阈值并且与主车辆相邻的车道无障碍，则防撞系统同时提供主车辆的自动转向和刹车。
如上所论述的，为本领域所知的是：在车辆驾驶员自身未采取避让动作的情况下，防撞系统提供主车辆的自动转向以避开在主车辆前方的较慢的或停止的物体。该防撞系统向车辆驾驶员提供警告，并且，可根据驾驶员是否采取避让动作提供自动刹车和/或自动转向。如果该系统确定有必要进行自动转向以避免碰撞，则该系统必须为主车辆计算安全转向路径以提供转向控制。某些这类系统能够检测车道标线以便计算主车辆的转向路径，以改变车道以避免碰撞。这些防撞系统还提供转向命令，这些转向命令使主车辆遵循计算出来的转向路径以提供车辆转向。例如，序列号为12/399,317名称为“Model BasedPredictive Control for Automated Lane Centering/Changing Control Systems”（用于自动车道定中/改变控制系统的基于模型的预测控制）的美国专利申请公开了用于在自动或半自动车辆驱动系统中提供转向控制以进行车道改变或车道定中的系统和方法。然而，在没有用于防撞的相邻车道的车道标线的情况下，在这些类型的防撞系统中仍然需要计算避让转向路径。
发明内容
根据本发明的教导，公开了用于计算虚拟目标路径的系统和方法，该虚拟目标路径用于计算在目标物体（诸如，停在主车辆前方或在主车辆前方缓慢行驶的目标车辆）周围的避让转向路径。该方法包括：提供多个扫描点，该多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别，以及将多个扫描点分成从目标物体接收到的目标物体扫描点和从其他物体接收到的其他物体扫描点（如果存在）。该方法进一步包括：对目标物体扫描点中的最近扫描点进行识别，该最近扫描点是距主车辆最近的扫描点；以及，对与最近扫描点相距预定安全距离的曲线点进行识别。该方法确定与目标物体相邻的通过曲线点并且在主车辆遵循避让转向路径之前与主车辆的行驶路径的方向相平行的直目标线。该方法确定多个扫描点是否包括物体扫描点，并且如果不存在物体扫描点，则使虚拟目标路径成为直线。该方法在如果存在其他物体扫描点时确定在目标线和由其他物体扫描点所识别的各个其他物体之间的距离，确定所有距离是否均大于预定阈值距离，并且如果所有距离均大于阈值距离，则使虚拟目标路径成为目标线。该方法对其距离小于预定阈值距离的各个其他物体的曲线点进行识别，其中，各个曲线点与目标物体和其他物体相距预定安全距离，并且对使用二次多项式函数将曲线点连接为虚拟目标路径的曲线路径进行识别。
1、一种用于确定虚拟目标路径的方法，该虚拟目标路径用于计算在主车辆的行驶路径中的目标物体周围的主车辆的避让转向路径，所述方法包括：
提供多个扫描点，该多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别；
将多个扫描点分成从目标物体接收到的目标物体扫描点和如果其他物体存在时从其他物体接收到的其他物体扫描点；
从目标物体扫描点中识别最近扫描点，所述最近扫描点是距主车辆最近的扫描点；
识别与最近扫描点相距预定安全距离的路径点；
确定与目标物体相邻的通过路径点并且在主车辆遵循避让转向路径之前与主车辆的行驶路径的方向平行的直目标线；
确定多个扫描点是否包括其他物体扫描点；
如果不存在其他物体扫描点，则使避让转向路径成为直目标线；
如果确实存在其他物体扫描点，则确定在目标线和由其他物体扫描点所识别的各个其他物体之间的距离；
确定所有距离是否均大于预定阈值距离；
如果所有距离均大于阈值距离，则使避让转向路径成为直目标线；
识别其距离小于预定阈值距离的各个其他物体的曲线点，其中，各个曲线点与目标物体和其他物体相距预定安全距离；以及
对将曲线点连接形成虚拟目标路径的曲线路径进行识别。
2、根据方案1所述的方法，其进一步包括：在识别最近扫描点之前，确定虚拟目标路径在目标物体的左侧还是右侧。
3、根据方案2所述的方法，其中，识别避让转向路径在目标物体的左侧还是右侧包括使用多个扫描点，包括：通过使用Delaunay三角剖分的三角形表示扫描点之间的空间；定义在Delaunay三角形的边的中点处的顶点；将线段定义为连接至顶点的线并使用Dijkstra算法确定开始节点和结束节点之间的最短路径，其中，开始节点是具有最小X坐标值的顶点而结束节点是具有最大X坐标值的顶点；以及选择在目标物体扫描点和其他物体扫描点之间具有较宽距离的特定路径。
4、根据方案1所述的方法，其中，确定直目标线包括使用方程式：
其中，和表示主车辆相对于总体坐标X-Y的当前位置，和为曲线点的分量，以及，为从正X轴沿逆时针方向测得的主车辆的相对方向角。
5、根据方案1所述的方法，其中，识别各个其他物体的曲线点包括：确定各个物体与直目标线的物体距离；确定各个其他物体是否与目标线相距预定安全距离；对其与目标线的距离小于安全距离的其他物体进行识别和选择；识别所选的其他物体的曲线点以及忽略其与目标线的距离大于预定安全距离的其他物体的曲线点。
6、根据方案1所述的方法，其进一步包括：在主车辆已经过目标物体之后，继续确定主车辆的虚拟目标路径，其中，扫描点包括其他物体扫描点。
7、根据方案6所述的方法，其中，在主车辆已经过目标物体之后确定主车辆的虚拟转向路径包括：基于其他物体扫描点的X坐标值将其分成组，并且接着识别所选的其他物体扫描点以识别与所选点相距安全距离的曲线点。
8、根据方案1所述的方法，其中，识别连接曲线点的曲线路径包括：使用二次多项函数。
9、根据方案1所述的方法，其进一步包括：在将扫描点分成目标物体扫描点和其他物体扫描点之前，使用聚类算法降低多个扫描点的复杂度。
10、根据方案1所述的方法，其进一步包括：忽略与主车辆的距离超出预定安全距离的扫描点。
11、根据方案1所述的方法，其进一步包括：从其他物体中检测目标车辆作为目标物体。
12、根据方案1所述的方法，其进一步包括：计算在目标物体和其他物体之间的通道宽度，以及，如果通道宽度小于预定阈值宽度，则中止避让转向操作。
13、根据方案1所述的方法，其中，至少一个传感器为至少一个LiDAR传感器。
14、一种用于确定虚拟目标路径的方法，虚拟目标路径用于计算在主车辆的行驶路径中的目标车辆周围的主车辆的避让转向路径，所述方法包括：
提供多个扫描点，所述多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别；
将多个扫描点分成从目标车辆接收到的目标车辆扫描点和如果其他物体存在时从其他物体接收到的其他物体扫描点；
对目标车辆扫描点中的最近扫描点进行识别，所述最近扫描点为距主车辆最近的扫描点；
对与最近扫描点相距预定安全距离的路径点进行识别；
确定与目标车辆相邻的通过路径点并且在主车辆遵循避让转向路径之前与主车辆的行驶路径的方向平行的直目标线；
确定多个扫描点是否包括其他物体扫描点；
如果不存在其他物体扫描点，则使避让转向路径成为直目标线；
如果确实存在其他物体扫描点，则确定在目标线和由其他物体扫描点所识别的各个其他物体之间的距离；
确定所有距离是否均大于预定阈值距离；以及
如果所有距离均大于阈值距离，则使避让转向路径成为直目标线。
15、根据方案14所述的方法，其进一步包括：在对最近扫描点进行识别之前，确定虚拟目标路径在目标车辆的左侧还是右侧。
16、根据方案14所述的方法，其中，确定直目标线包括使用方程式：
其中，和是主车辆相对于总体坐标X-Y的当前位置，和为曲线点的分量，以及为从正X轴沿逆时针方向测得的主车辆的相对方向角。
17、一种用于确定虚拟目标路径的方法，虚拟目标路径用于计算在主车辆的行驶路径中的目标车辆周围的主车辆的避让转向，所述方法包括：
提供多个扫描点，所述多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别；
将多个扫描点分成从目标车辆接收到的目标车辆扫描点和如果其他物体存在时从其他物体接收到的其他物体扫描点；
对目标车辆扫描点中的最近扫描点进行识别，所述最近扫描点为距主车辆最近的扫描点；
对与最近扫描点相距预定安全距离的路径点进行识别；
确定与目标物体相邻的通过路径点并且在主车辆遵循避让转向路径之前与主车辆的行驶路径的方向平行的直目标线；
识别其距离小于预定阈值距离的各个其他物体的曲线点，其中，各个曲线点与目标车辆和其他物体相距预定安全距离；以及
对使用二次多项函数将曲线点连接形成避让转向路径的曲线路径进行识别。
18、根据方案17所述的方法，其中，确定直目标线包括使用方程式：
其中，和是主车辆相对于总体坐标X-Y的当前位置，和为曲线点的分量，以及，为从正X轴沿逆时针方向测得的主车辆的相对方向角。
19、根据方案17所述的方法，其中，识别各个其他物体的曲线点包括：确定各个物体与直目标线的物体距离；确定各个其他物体是否与目标线相距预定安全距离；对其与目标线的距离小于安全距离的其他物体进行识别和选择；对所选的其他物体的曲线点进行识别以及忽略其与目标线的距离大于预定安全距离的其他物体的曲线点。
20、根据方案17所述的方法，其进一步包括：在主车辆已经过目标物体之后，继续确定主车辆的虚拟目标路径，其中，扫描点包括其他物体扫描点。
本发明的附加特征将通过以下结合附图所做的说明和所附权利要求书变得显而易见。
附图说明
图1是在目标车辆后面的主车辆的图示，并且示出了主车辆绕过目标车辆以实现防撞目的的避让转向路径；
图2是图示了避让转向操作的计算和实现的过程的框图；
图3是示出了用于使用几何法确定虚拟目标路径的过程的流程图；
图4是示出了用于在直线路径中行驶的主车辆的直线路径线的图示；
图5是示出了用于在曲线路径中行驶的主车辆的曲线路径线的图示；
图6是示出了用于计算虚拟目标曲线的忽略的检测到的物体的图示；
图7是示出了计算在目标车辆和物体之间的通道宽度的图示；
图8是示出了使用Delaunay三角剖分的空间表示的图形；
图9是示出了用作Dijkstra算法中的顶点的Delaunay三角剖分的所选边的中点的图形；
图10是示出了连接Delaunay三角剖分中的顶点的线段的图形；
图11是示出了使用Dijkstra算法的最短路径的空间表示的图形；
图12是示出了路上没有其他物体的情况下主车辆在目标车辆周围进行避让路径操作的图示；
图13是示出了主车辆在沿着直线路径的目标车辆和其他物体之间进行避让路径操作的图示；
图14是示出了主车辆在目标车辆周围进行相对于其他物体是曲线的避让路径操作的图示；
图15是主车辆在已经过目标车辆之后在物体周围进行避让路径操作的图示；
图16是主车辆使用虚拟势场法在目标车辆周围进行避让路径操作并确定目标极限的图示；
图17是主车辆使用虚拟势场法在目标车辆周围进行避让路径操作并确定物体极限的图示；
图18是二维高斯函数的示例；以及
图19是示出了用于使用虚拟势场方法确定避让转向路径的过程的流程图。
具体实施方式
对涉及用于确定在主车辆前方的目标物体周围的虚拟目标路径以实现防撞目的的系统和方法的本发明实施例的以下论述本质上仅为示例性的，而决不旨在以任何形式限制本发明或其应用或使用。
如以下将详细论述的，本发明提出了采用了用于确定虚拟目标路径的算法的两种技术，该虚拟目标路径用于寻找在主车辆前方的停止的或较慢的物体周围的避让转向路径以实现防撞目的，这两种技术人不使用对道路上的车道标线的检测。这两种算法基于均采用了二次多项式函数的几何法和虚拟势场法。要指出，虽然本发明不包括或论述避免与物体发生碰撞的自动刹车，但是，自动刹车可以与是本发明一部分的防撞系统中的自动避让转向结合使用。还要指出，本发明也不包括或论述向车辆转向系统提供转向命令以遵循避让转向路径。然而，提供这类命令也可是本发明一部分的防撞系统的一部分。
图1是示出了在目标车辆14后方行驶的主车辆12的图示10，其中，目标车辆14比主车辆12行驶得慢或是停止的。目标车辆14旨在表示在主车辆12前方的位于主车辆12的行驶方向的碰撞路径内的任何物体。要指出，在以下整个论述的其他图中，附图标记12和14将分别用于主车辆和目标车辆。主车辆12包括防撞系统16，该防撞系统16可操作地执行包括确定如本文所论述的虚拟目标路径的各种计算和操作。防撞系统16从一般表示为传感器18的一个或多个传感器接收传感器信号，传感器可为用于本文所论述之目的的任何适当的传感器，诸如雷达、LiDAR、摄像头、超声传感器等。针对本发明，系统16通常使用来自设置在主车辆12上的LiDAR传感器的数据扫描点，其中，该数据扫描点还表示为来自仅在目标车辆14上示出的所有物体的扫描点26。该数据扫描点按照本领域技术人员很好理解的方式转换为数据扫描点集群图。使用LiDAR传感器从检测到的物体提供数据扫描点集群是本领域技术人员所熟知的，例如见转让给本申请受让人并以引用的方式并入本文的于2013年5月23日提交的序列号为第13/901,123号的名称为“Probabilistic Target Selection and ThreatAssessment Method and Application to Intersection Collision Alert System”（概率目标选择和威胁评估方法以及交叉碰撞警报系统）的美国专利申请。
防撞系统16使用来自LiDAR传感器18的扫描点26检测目标车辆14，以及，如有必要，在车辆驾驶员自身未在安全时间量内采取适当的避让动作的情况下，在避开其他物体22（诸如，建设桶、护栏、树、指示牌等）的同时，确定在目标车辆14周围的避让转向路径20。防撞系统16使用虚拟目标路径24寻找避让转向路径20。如下文将详细论述的，计算虚拟目标路径24以允许主车辆12经过目标车辆14时使主车辆12与目标车辆14相距安全距离并且还与物体22（若其存在）相距安全距离。如果不存在物体22或者远离目标车辆14足够远的距离，则在避让操作之前虚拟目标路径24会与主车辆方向平行。如果物体22离目标车辆14近到其会出现碰撞问题，则虚拟目标路径24可为弯曲路径。在该具体论述中，无车道标线供传感器18进行检测以识别与目标车辆14相邻的车辆12可转入的车道。防撞系统16将检测在目标车辆14两侧上的物体22，并且将基于这些物体确定目标车辆14哪一侧为主车辆12提供了最安全的避让转向路径。
图2是防撞系统30的示意框图，该防撞系统30可用作在主车辆12上的系统16。系统30包括增强防撞（ECA）控制器32，该ECA控制器32向主车辆12提供转向命令，其中，车辆动态计算由处理器34提供，该处理器34提供了距离值D到车道变换路径处理器36，该距离值D是主车辆12和目标车辆14之间的距离。如果距离D连同在主车辆12和目标车辆14之间的相对速度要求采取避让转向动作，则处理器36使用由虚拟车道处理器提供的虚拟目标路径系数a、b和c计算避让转向路径20。如果要确定避让转向路径20，则处理器36在方块38处为主车辆12提供所需的横向偏移Δ并在方块40处为主车辆12提供所需的方向角以限定路径20，见图1。包括在处理器34中的LiDAR传感器向感知模块处理器42提供数据扫描点图，该感知模块处理器42处理数据并提供传感器数据融合、物体检测、物体追踪等。本领域的技术人员会轻易知晓对来自各类传感器的数据、图像和信息以及其他信号进行处理并结合该信息以检测和监测在主车辆12周围的静止物体和移动物体的处理器和算法。将处理过的数据扫描点信息提供给虚拟车道处理器44，该虚拟车道处理器44输出用于二次多项函数的值a、b和c，从而按照以下将详细论述的方式限定虚拟目标路径24。将比较器46中的横向偏移值Δ减去值c以提供所需横向偏移的变化，并且，将比较器48中的所需方向减去值b以生成所需方向的变化，以提供转向路径20的变化，将这些变化提供给ECA控制器32。
图3是示出了用于使用几何算法确定虚拟目标路径24的过程的流程图62。要指出，在执行几何防撞分析和计算之前，系统30已经基于其他算法以及监测主车辆12和目标车辆14的速度和位置的控制确定可能会发生碰撞或易于发生碰撞的风险。要进一步指出，流程图62的操作是在虚拟车道处理器44中执行的。该算法开始于框64并且接着在决策菱形框66确定是否已接收到来自感知模块处理器42的新数据扫描点图，并且如果未接收到新数据扫描点图，则在框68退出该算法。如果在决策菱形框66接收到了新数据扫描点图，则该算法进行到方框70在扫描集群数据点上执行预处理步骤。该预处理操作执行许多功能，包括：确定哪些数据点来自目标车辆14、哪些数据点来自其他物体22、那些物体是什么等。基于对哪些数据点表示什么物体以及这些数据点相对于主车辆12的位置的确定，该算法在预处理操作中确定对于虚拟目标路径24而言目标车辆14的哪一侧是最好或最安全的一侧，从而使主车辆12可更安全地避开目标车辆14。
以下论述描述了在方框70通过LiDAR传感器18检测到的一组所有物体来检测目标车辆14的方法。基于主车辆12的行驶路径考虑了两种不同的情况。
针对主车辆12行驶在直线路径中的第一种情况，其中，假设主车辆12的横摆率非常小，即。图4是示出了沿由直线162和164所限定的路径跟随目标车辆14的主车辆12的图示160。主车辆12的行驶路径在总体坐标中限定为：
其中，和分别表示主车辆12在总体坐标中的位置和方向，以及为主车辆12的宽度。
一旦计算出了线162和164，则识别出位于路径线162和164所限定的区域内的所有扫描点26，即，满足以下不等式的那些点26：
其中，为各个扫描点26在总体坐标中的位置。
图示160示出了路径线162和164以及位于限定区域内和限定区域外的扫描点26。由于LiDAR传感器18提供了哪个扫描点26属于哪个检测到的物体22的信息，因此针对位于该区域内的各个物体22，可以计算出扫描点26的数量。将限定区域内扫描点26数量最多的物体22视为用于计算虚拟目标曲线的“目标车辆”。
针对主车辆12沿曲线路径行驶的第二种情况，其中，假设主车辆12的横摆角速度大于阈值，即。图5是示出了沿由曲线172和174所限定的曲线路径跟随目标车辆14的主车辆12的图示170。主车辆12在某一时间点的行驶路径可使用具有以下参数的圆曲线进行限定：
其中，为主车辆12的纵向速度，为圆曲线的半径，以及为总体坐标中的圆心的位置。
有了这些参数，可使用主车辆12两侧的两条平行曲线172和174界定主车辆12的路径区域。与第一种情况相似，通过满足以下不等式发现位于该区域内的扫描点26：
。
图示170示出了路径曲线172和174以及位于针对该情况的限定区域内和限定区域外的扫描点26。针对位于该区域内的各个物体22，计算扫描点26的数量，以及，将该区域内扫描点26数量最多的物体26视为用于计算虚拟目标曲线的目标车辆14。
注意，每接收到新扫描点数据并且在开始实际避让转向操作之前，重复以上用于检测目标车辆14的计算。在主车辆12的避让转向操作开始之后，目标车辆14在避让转向操作之前总是对应的检测到的物体22。在避让操作控制已触发而由于大的碰撞时间值避让转向操作未开始的时间段称为“预处理阶段”，如下所论述的。
LiDAR传感器18可检测远离目标车辆14的侧面物体和在主车辆12的路径周围的需要在方框70被忽略的不相关物体。这些物体可包括树、房子和其他不会在虚拟目标曲线计算中起作用的不相关物体。因此，需要采用忽略那些遥远物体的技术。这可通过在目标车辆14的两侧上限定安全范围而简单地实现。图6是识别在目标车辆14之外的安全距离的图示180，其中，在安全距离之外检测到的物体182不包括在虚拟目标曲线的计算中。如果检测到的物体满足以下任何条件，则在计算中将其忽略。
其中，和分别为目标扫描点和物体扫描点的Y坐标，以及为安全通道宽度，该安全通道宽度限定了范围，忽略在该范围之外检测到的物体。
例如，当主车辆12经过目标车辆14时，如果没有来自目标车辆14的可用的扫描点，则将目标车辆14最后的可用的扫描点考虑用于方程式（8）中的计算。
如果在任何时刻发现避让转向操作由于在目标车辆14和物体22之间的空间不足而不安全，则应发送信号至ECA控制器32以停止或中止避让转向操作。图7是示出了用于计算在目标车辆14和物体22之间的通道宽度以确定通道宽度是否为避让转向操作提供了充足空间的情况的图示190。为了判定通道宽度，首先选择位于覆盖了从目标车辆14后部到前部的距离的预定边界内的那些物体点。在这些边界内的所选物体点满足以下不等式：
其中，为在目标车辆区域内的物体点的组。接着将通道宽度计算为桶形点与目标车辆14的沿Y坐标的最小距离，更具体地说：
如果方程式（10）中得到的通道宽度小于安全距离，则发送中止信号至ECA控制器32。
下面将在以下十步（编号：1-10）算法中对为在目标车辆14周围的虚拟目标路径24寻找最佳左方向或右方向的算法进行描述。该算法将来自LiDAR传感器18的扫描点26用作输入，其中，假设来自目标车辆14的扫描点26是已知的。这可使用不同的方法来实现，诸如传感器输出的图像处理。
1、使用聚类算法简化扫描图。
2、使用下面论述的方程式（14）和（18）将聚类扫描点转换为总体坐标X-Y。
3、使用本领域技术人员所熟知的“Delaunay三角剖分”用三角形表示在聚类扫描点之间的空间。作为示例，图8示出了用于一组数据扫描点的Delaunay三角剖分，其中，顶行的点和底行的点50表示来自物体22的扫描点，而内部的点52表示来自目标车辆14的扫描点。
4、将顶点54定义为Delaunay三角形的边56的中点，如图9所示，如果：
a、边56不连接两个目标车辆扫描点52，以及
b、沿边56所连接的两个扫描点的Y坐标的差值大于预定阈值T，即，。
5、将线段58定义为连接属于同一三角形的两个顶点54的线，见图10。
6、通过步骤4中的顶点54和步骤5中的线段58定义图形。
7、基于以下的开始节点、结束节点和距离函数，使用“Dijkstra算法”为步骤6中图形中寻找最短路径：
a、将开始节点定义为具有最小X坐标值的顶点54。
b、将结束节点定义为具有最大X坐标值的顶点54。
c、各个线段58的距离由三个分量组成：
其中，为第k条线段58的长度；为从正X坐标测得的第k条线段58的倾斜角的绝对值；为表示在目标车辆扫描点26和物体扫描点之间的通道宽度的分量；以及，系数α1、α2、α3表示距离函数的各个分量的权值。
注意，确定出来的最短路径是根据方程式（11）中的新距离函数，而非在开始和结束节点之间的常规距离。图11示出了选择的沿下路径60从开始节点94到结束节点96的路径，其表示在目标车辆14右侧的虚拟目标路径24。选择加权系数α，从而使对应于在目标车辆14和物体22之间的通道宽度的第三分量在确定最短路径中起到更重要的作用。在图11中，例如，选择下路径60是因为在目标车辆点26和物体点之间的下路径60比上路径宽。
8、基于扫描点与最短路径的相对位置，将扫描点分为左点和右点，即，在路径上方的扫描点属于左点，而在路径下方的扫描点属于右点。
9、如果目标车辆扫描点属于右点，则车道改变的安全方向为“向左”并且将在左组中的非目标车辆扫描点视为物体点；否则，安全方向为“向右”并且将在右组中的非目标车辆扫描点视为物体点。在确定目标曲线系数时忽略其他扫描点。
10、一旦存在来自感知模块处理器42的新数据扫描点时，就重复步骤1至步骤9。
为了寻找方程式（11）中的与目标车辆14和物体22之间的路径的宽度相对应的距离函数，使用以下五个步骤：
1、寻找X坐标值处于由目标车辆扫描点a的X坐标所确定的范围内的顶点54。
2、将在步骤1中得到的顶点54分为两组，这两组的顶点54在目标车辆点26上方或下方。
3、寻找与在步骤1中的各个顶点54相对应的通道宽度，如下：
a、如果顶点54在目标车辆扫描点a下方，则通道宽度计算为在通过三角边连接至顶点54的最小目标车辆点（根据Y坐标）和最小物体点（根据Y坐标）之间的Y坐标差值。
b、如果顶点54在目标车辆扫描点a上方，则通道宽度计算为在通过三角边连接至顶点54的最大目标车辆点（根据Y坐标）和最大物体点（根据Y坐标）之间的Y坐标差值。
4、寻找各组顶点54的通道宽度的最小值，并且将最小值最低的组表示为星号组。如果这些组的最小值相同，则星号组不存在。
5、得到各个线段58的距离函数，如下：
a、如果线段58连接至在步骤1中得到的任何顶点54：
i、如果顶点54属于步骤4中定义的星号组，则将线段58的距离函数设为该组的最小通道宽度。
ii、如果顶点54不属于星号组或星号组不存在，则将线段58的距离函数设为零。
b、如果线段58未连接至在步骤1中得到的任何顶点54，则将距离函数设为零。
寻找虚拟目标路径24的安全方向的算法应在检测到目标车辆14时开始，并需要在实际防撞操作开始之前完成。假如安全车道改变方向由于新的一组数据点时时发生变化，则可采用用于最新近决策的具有更多权值的加权平均法。
回到图3，在已经执行了上面所论述的预处理计算之后，在方框72，该算法确定了曲线点p * ，如图12中的图示88所示，该曲线点p * 为从虚拟路径24安全方向距目标车辆14上的最近扫描点26的预定安全距离，其中，将各个扫描点26指定为并且将在目标车辆14上的最近扫描点指定为。接着，在方框74，该算法确定表示虚拟目标路径24的可能性的目标线92，其在开始避让转向操作前与主车辆12的方向平行并且通过点p * 。
测量在目标车辆14上的最近扫描点26到在路径变化操作既定方向上的目标线92的安全距离。目标线92在总体坐标X-Y中可表示为：
其中，表示曲线点p * 的Y坐标，其通过如下得到：
其中，为目标车辆14上的扫描点26在总体坐标X-Y中的Y坐标；为距目标车辆14的安全距离，以及TD为主车辆12的转弯方向。注意，在避让转向操作开始时，总体坐标X-Y与主车辆坐标x-y相同。将目标车辆点26从主车辆坐标x-y转换为总体坐标X-Y，如下所示：
其中，和表示主车辆12相对于总体坐标X-Y的当前位置，以及为从正X轴沿逆时针方向测得的主车辆12的相对方向角。
可在主车辆坐标x-y中得到目标线92，如下所示：
其中：
接着，在决策菱形框76，该算法确定是否存在任何检测到的周围物体。如果在决策菱形框76没有检测到物体，那么在方框78目标线92变成目标路径24并且该算法在框68结束以等待下一个扫描集群图。换言之，在避让转向操作开始时，目标路径24为平行于主车辆12的目标线92并且与目标车辆14相距安全距离。
如果该算法在决策菱形框76处确实检测到了物体，那么该算法在方框80确定最近的周围物体22到目标线92的距离。如图13中的图示90所示，接着确定从各个检测到的物体点到目标线92的距离。使用在方程式（15）中的线表示，可通过如下得到距离：
其中，和均为在主车辆坐标x-y中检测到的物体点。
接着，在决策菱形框82，该算法确定物体点是否与目标线92相距安全距离。如果在决策菱形框确定所有的物体点均与目标线92相隔安全距离，即，，则目标路径24将为方程式（15）中给出的目标线92（在方框78）。
如果在决策菱形框82确定方程式（17）中给出的任何物体点距目标线92的最小距离均小于安全距离db，即，，则在框84使用如下逐步算法寻找作为目标路径102的目标路径24，如图14中的图示100所示，该目标路径102是曲线的从而通过安全距离避开物体22。
1、将检测到的物体点从主车辆坐标x-y转换为总体坐标X-Y，如下：
。
2、将转换后的物体点按X坐标升序排序，即，。
3、在排序后的物体点中，基于从物体点到方程式（14）中的目标线92的距离和在总体坐标X-Y中的排序后的物体点的Y坐标，选择寻找目标路径24的临界点，具体地：
a) 寻找相距目标线92的距离小于安全距离的第一选择点；
b) 使用如下方程式选择其他临界物体点：
。
4、寻找对应于所选物体点的曲线点。计算曲线点，从而使它们沿Y轴与所选物体点相距安全距离并且通过如下方程式得到：
。
5、如果曲线点相距目标点的最小距离小于安全距离，即，，则忽略曲线点，其中：
。
6、加入对应于目标点的两个曲线点和，如下所示：
其中，定义了目标路径24并且在方程式（13）中给出。
7、如果曲线点相距物体点的最小距离小于安全距离，即，，则忽略曲线点，其中：
。
8、将在步骤4至步骤7中确定的曲线点转换为主车辆坐标x-y，如下所示：
。
9、诸如通过使用方程式（26）通过步骤8中的转换过的曲线点拟合二次多项函数，来寻找目标路径102，其中，曲线拟合在最小二乘意义上完成。
以下论述提供了如何使用最小二乘意义上的曲线拟合方法寻找二次多项式的系数的细节。假设已经计算出了曲线点，下一步是寻找二次多项式，从而使以下成本函数最小化，如下所示：
其中，为曲线点的位置，、和为前一次得到的多项式系数，以及，、和为一些正常数。
方程式（27）中的第一项确保产生的多项式曲线距离曲线点足够近，而其他项确保产生的多项式曲线是平滑的并且多项式系数从一个时刻到下一个时刻无较大变化。为了寻找使方程式（27）中的成本函数e最小化的优化系数，对以下方程组求解。
其可写为以下矩阵的形式：
其中：
。
接着，得到如下二次多项式系数：
。
现在考虑主车辆12基于以上的论述已经沿路径102经过目标车辆14并且仅有来自物体22的物体扫描点可用的情况，如图5中的图示110所示。在这种情况下，目标路径24计算为目标路径112，并且将沿着避免撞到路边物体22的路径引导主车辆12。
如下，为了寻找目标路径112，首先基于物体点的X坐标值将其分成组：
其中，表示第j个物体点，为第k组物体点，以及，为恒定长度，指定了沿X轴的各个组的宽度。
接着得到所选物体点，如下所示：
其中：
。
计算与所选物体点相对应的曲线点，从而使这些曲线点沿Y轴与所选物体点相距安全距离，如下：
。
曲线点最终使用方程式（25）转换为主车辆坐标x-y，以及，通过转换的曲线点拟合二次多项式函数来确定目标路径112。
总结以上所论述的几何法，给出了以下分步式算法。
1、从LiDAR传感器18收集扫描点并且使用聚类算法简化这些扫描点。
2、从检测到的物体的扫描点中寻找在主车辆12的行驶路径中的目标车辆物体。
3、忽略检测到的远离目标车辆14并且与避让车道变化操作不相关的物体的那些扫描点。
4、基于检测到的点确定应急路径变化操作的安全方向，并且将扫描点分为两类，包括：目标车辆点和物体点（如果其存在）。
5、计算在目标车辆和检测到的物体之间的通道宽度，并且，如果通道宽度小于阈值，发送中止信号以停止避让转向操作。
6、使用目标车辆点计算在方程式（15）中给出的目标线92。
7、基于以下情况寻找目标路径24：
a、如果未检测到物体点，那么方程式（15）中的目标线92为所需的目标路径24。
b、在存在一些物体点的情况下：
i、如果从物体点到目标线92的最小距离（方程式（17）中给出的）等于或大于安全距离，则在方程式（15）中的目标线92为所需的目标路径24。
ii、如果物体点到目标线92的最小距离（方程式（17）中给出的）小于安全距离，则遵循上面所定义的算法来寻找目标路径102。
c、在仅有物体点并且主车辆12已经经过目标车辆14的情况下，遵循上面所定义的算法来寻找目标路径112。
8、一旦存在来自LiDAR 传感器18的新数据扫描点时，重复步骤1至步骤4。
势场法和算法也是在虚拟车道处理器44中进行的，并且使用了虚拟势场的概念来计算虚拟目标路径24。首先，该算法创建了在目标车辆扫描点和物体扫描点中具有较大值的人工势场，并且，离这些点越远，其值逐渐减小，从而可以确定主车辆12在目标车辆14和物体22之间的最安全位置。因此，当满足某些限制条件时，在势场的最小值处会找到目标路径24。以下的论述是分别参考图16和图17中的图示120和图示130进行的，图16和图17示出了主车辆12、目标车辆14和避让转向路径20。
为了确保虚拟目标路径24离目标车辆14和物体22足够远，首先将势场定义为二维高斯函数的总和，一个二维高斯函数用于目标车辆扫描点，一个二维高斯函数用于物体扫描点，其最大值出现在各个检测到的点中，如下所示：
其中，n和m分别为目标车辆点ai（i=1，2，…，n）的数量和物体点（j=1，2，…，m）的数量，以及：
其中，A为振幅，以及，σx和σy为高斯函数的X和Y扩展。图18是示出了二维高斯函数的示例的在X-Y-Z空间中的图表。
图19是示出了势场方法的过程的流程图140。在方框142，该算法从LiDAR传感器18收集扫描点26并且使用聚类算法简化扫描点26。方框144，该算法从检测到的物体的扫描点寻找在主车辆12的行驶路径中的目标车辆物体。在方框146，该算法忽略检测到的远离目标车辆14并且与避让车道变化操作不相关的物体的那些扫描点。在方框148该算法使用检测到的扫描点26确定虚拟目标路径24的安全方向，并且，以与上面所论述的在预处理步骤在方框70执行中的几何法相同的方式将扫描点26分为两类，包括：目标车辆点和物体点（如果其存在）。在方框150，该算法计算目标车辆14和检测到的物体之间的通道宽度，并且，如果通道宽度小于阈值，则发送中止信号以停止避让转向操作。在方框152该算法使用方程式（14）和（18）将检测到的目标点和物体点转换为总体坐标X-Y，并且在方框154使用方程式（37）对势场进行定义。
接着，在方框156该算法在发现目标路径24的所需区域中在X-Y平面中定义网格122，并且计算势场各个网点124（g = 1, 2, …, N）处的值。具体地说，网点124是X-Y平面中的X线和X-Y平面中的Y线相交的位置，其中，X-Y平面中的X线在主车辆12的行驶方向上，而Y线与X线垂直。针对网格122中的各条X线 （g = 1, 2, …, N），该算法在方框158确定用于网格122中的那条线的沿Y线的势场的局部最小点，即，在Y方向上具有最小或最低的势场值的网点124，网点124是目标车辆14或物体22可能定位的最低可能点，并由此在避让操作期间主车辆12的最安全位置受限于以下条件：
其中，和分别为目标极限和物体极限，并且定义为确保在目标车辆点的所需侧或在目标车辆点和物体点（如果其存在）之间的安全区域中找到局部最小点。图16中的图示120示出了如何能够找到目标极限的细节，而图17中的图示130示出了如何能够找到物体极限的细节。确定的各条X线的最小点（如果存在）为曲线点，即，。
在方程式（40）中，目标极限（g =1, 2, …, N）确保在目标车辆14的所需侧找到曲线点并且确保曲线点与目标车辆14相距安全距离，其中，目标极限通过如下方程式确定：
。
在方程式（40）中，物体极限（g =1, 2, …, N）确保在物体点的所需侧找到曲线点并且确保曲线点与物体点相距安全距离。为了寻找在各个网格点124处的物体极限，首先寻找与网格点（即，对于g =1, 2, …, N）相距较近间隔的所有物体点的向量，如下所示：
其中，对于所有的g =1, 2, …, N， 为空向量。
接着，得到物体极限，如下所示：
。
在未检测到物体点的情况下，可基于目标极限确定物体极限，如下所示：
其中，α为可任意选择的正常数并且确定目标路径24可以距离目标车辆14多近。
接着，在方框160该算法使用方程式（25）将确定（在方框158）的曲线点转换为主车辆坐标x-y。在方框162该算法通过在方框160转换的曲线点拟合二次多项式函数来找到目标曲线，其中，该曲线拟合在最小二乘意义上完成。接着，该算法返回到方框142等待下一个数据点扫描集群。
本领域的技术人员应理解，本文为了描述本发明所论述的多个和各种步骤和过程可指由使用电现象操作和/或转换数据的计算机、处理器或其他电子计算装置所执行的操作。那些计算机和电子装置可采用各种易失性和/或非易失性存储器，包括其上存储有可执行程序的非临时性计算机可读介质，该可执行程序包括各种能够由计算机或处理器实施的代码或可执行指令，其中，存储器和/或计算机可读介质可包括所有形式和类型的存储器和其他计算机可读介质。
前述论述仅仅公开和描述了本发明的示例性实施例。本领域的技术人员通过这类论述并且通过附图和权利要求书易于认识到：在不脱离如以下权利要求书中限定的本发明的精神和范围的情况下，可对本发明进行各种改变、修改和变化。

Claims (17)

1.一种用于确定虚拟目标路径的方法，该虚拟目标路径用于计算在主车辆的行驶路径中的目标物体周围的主车辆的避让转向路径，所述方法包括：
提供多个扫描点，该多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别；
将多个扫描点分成从目标物体接收到的目标物体扫描点和如果其他物体存在时从其他物体接收到的其他物体扫描点；
确定虚拟目标路径在目标物体的左侧还是右侧，包括：使用多个扫描点；通过使用Delaunay三角剖分的三角形表示扫描点之间的空间；定义在Delaunay三角形的边的中点处的顶点；将线段定义为连接至顶点的线并使用Dijkstra算法确定开始节点和结束节点之间的最短路径，其中，开始节点是具有最小X坐标值的顶点而结束节点是具有最大X坐标值的顶点；以及选择在目标物体扫描点和其他物体扫描点之间具有较宽距离的特定路径；
从目标物体扫描点中识别最近扫描点，所述最近扫描点是距主车辆最近的扫描点；
识别与最近扫描点相距预定安全距离的路径点；
确定与目标物体相邻的通过路径点并且在主车辆遵循避让转向路径之前与主车辆的行驶路径的方向平行的直目标线；
确定多个扫描点是否包括其他物体扫描点；
如果不存在其他物体扫描点，则使避让转向路径成为直目标线；
如果确实存在其他物体扫描点，则确定在目标线和由其他物体扫描点所识别的各个其他物体之间的距离；
确定所有距离是否均大于预定阈值距离；
如果所有距离均大于阈值距离，则使避让转向路径成为直目标线；
识别其距离小于预定阈值距离的各个其他物体的曲线点，其中，各个曲线点与目标物体和其他物体相距预定安全距离；
对将曲线点连接形成虚拟目标路径的曲线路径进行识别；以及
所述主车辆的增强防撞控制器利用所述避让转向路径向所述主车辆提供转向命令。
2.根据权利要求1所述的方法，其中，确定直目标线包括使用方程式：
其中，和表示主车辆相对于总体坐标X-Y的当前位置，和为曲线点的分量，以及，为从正X轴沿逆时针方向测得的主车辆的相对方向角。
3.根据权利要求1所述的方法，其中，识别各个其他物体的曲线点包括：确定各个物体与直目标线的物体距离；确定各个其他物体是否与目标线相距预定安全距离；对其与目标线的距离小于安全距离的其他物体进行识别和选择；识别所选的其他物体的曲线点以及忽略其与目标线的距离大于预定安全距离的其他物体的曲线点。
4.根据权利要求1所述的方法，其进一步包括：在主车辆已经过目标物体之后，继续确定主车辆的虚拟目标路径，其中，扫描点包括其他物体扫描点。
5.根据权利要求4所述的方法，其中，在主车辆已经过目标物体之后确定主车辆的虚拟转向路径包括：基于其他物体扫描点的X坐标值将其分成组，并且接着识别所选的其他物体扫描点以识别与所选点相距安全距离的曲线点。
6.根据权利要求1所述的方法，其中，识别连接曲线点的曲线路径包括：使用二次多项函数。
7.根据权利要求1所述的方法，其进一步包括：在将扫描点分成目标物体扫描点和其他物体扫描点之前，使用聚类算法降低多个扫描点的复杂度。
8.根据权利要求1所述的方法，其进一步包括：忽略与主车辆的距离超出预定安全距离的扫描点。
9.根据权利要求1所述的方法，其进一步包括：从其他物体中检测目标车辆作为目标物体。
10.根据权利要求1所述的方法，其进一步包括：计算在目标物体和其他物体之间的通道宽度，以及，如果通道宽度小于预定阈值宽度，则中止避让转向操作。
11.根据权利要求1所述的方法，其中，至少一个传感器为至少一个LiDAR传感器。
12.一种用于确定虚拟目标路径的方法，虚拟目标路径用于计算在主车辆的行驶路径中的目标车辆周围的主车辆的避让转向路径，所述方法包括：
提供多个扫描点，所述多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别；
将多个扫描点分成从目标车辆接收到的目标车辆扫描点和如果其他物体存在时从其他物体接收到的其他物体扫描点；
确定虚拟目标路径在目标物体的左侧还是右侧，包括：使用多个扫描点；通过使用Delaunay三角剖分的三角形表示扫描点之间的空间；定义在Delaunay三角形的边的中点处的顶点；将线段定义为连接至顶点的线并使用Dijkstra算法确定开始节点和结束节点之间的最短路径，其中，开始节点是具有最小X坐标值的顶点而结束节点是具有最大X坐标值的顶点；以及选择在目标物体扫描点和其他物体扫描点之间具有较宽距离的特定路径；
对目标车辆扫描点中的最近扫描点进行识别，所述最近扫描点为距主车辆最近的扫描点；
对与最近扫描点相距预定安全距离的路径点进行识别；
确定与目标车辆相邻的通过路径点并且在主车辆遵循避让转向路径之前与主车辆的行驶路径的方向平行的直目标线；
确定多个扫描点是否包括其他物体扫描点；
如果不存在其他物体扫描点，则使避让转向路径成为直目标线；
如果确实存在其他物体扫描点，则确定在目标线和由其他物体扫描点所识别的各个其他物体之间的距离；
确定所有距离是否均大于预定阈值距离；
如果所有距离均大于阈值距离，则使避让转向路径成为直目标线；以及
所述主车辆的增强防撞控制器利用所述避让转向路径向所述主车辆提供转向命令。
13.根据权利要求12所述的方法，其中，确定直目标线包括使用方程式：
其中，和是主车辆相对于总体坐标X-Y的当前位置，和为曲线点的分量，以及为从正X轴沿逆时针方向测得的主车辆的相对方向角。
14.一种用于确定虚拟目标路径的方法，虚拟目标路径用于计算在主车辆的行驶路径中的目标车辆周围的主车辆的避让转向，所述方法包括：
提供多个扫描点，所述多个扫描点用于对来自主车辆上的一个或多个传感器的检测到的物体进行识别；
将多个扫描点分成从目标车辆接收到的目标车辆扫描点和如果其他物体存在时从其他物体接收到的其他物体扫描点；
确定虚拟目标路径在目标物体的左侧还是右侧，包括：使用多个扫描点；通过使用Delaunay三角剖分的三角形表示扫描点之间的空间；定义在Delaunay三角形的边的中点处的顶点；将线段定义为连接至顶点的线并使用Dijkstra算法确定开始节点和结束节点之间的最短路径，其中，开始节点是具有最小X坐标值的顶点而结束节点是具有最大X坐标值的顶点；以及选择在目标物体扫描点和其他物体扫描点之间具有较宽距离的特定路径；
对目标车辆扫描点中的最近扫描点进行识别，所述最近扫描点为距主车辆最近的扫描点；
对与最近扫描点相距预定安全距离的路径点进行识别；
确定与目标物体相邻的通过路径点并且在主车辆遵循避让转向路径之前与主车辆的行驶路径的方向平行的直目标线；
识别其距离小于预定阈值距离的各个其他物体的曲线点，其中，各个曲线点与目标车辆和其他物体相距预定安全距离；
对使用二次多项函数将曲线点连接形成避让转向路径的曲线路径进行识别；以及
所述主车辆的增强防撞控制器利用所述避让转向路径向所述主车辆提供转向命令。
15.根据权利要求14所述的方法，其中，确定直目标线包括使用方程式：
其中，和是主车辆相对于总体坐标X-Y的当前位置，和为曲线点的分量，以及，为从正X轴沿逆时针方向测得的主车辆的相对方向角。
16.根据权利要求14所述的方法，其中，识别各个其他物体的曲线点包括：确定各个物体与直目标线的物体距离；确定各个其他物体是否与目标线相距预定安全距离；对其与目标线的距离小于安全距离的其他物体进行识别和选择；对所选的其他物体的曲线点进行识别以及忽略其与目标线的距离大于预定安全距离的其他物体的曲线点。
17.根据权利要求14所述的方法，其进一步包括：在主车辆已经过目标物体之后，继续确定主车辆的虚拟目标路径，其中，扫描点包括其他物体扫描点。
CN201410583800.0A 2013-10-28 2014-10-28 存在目标车辆和周围物体时的避让转向操作的路径规划 Active CN104554272B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/065235 2013-10-28
US14/065,235 US9174672B2 (en) 2013-10-28 2013-10-28 Path planning for evasive steering maneuver in presence of target vehicle and surrounding objects

Publications (2)

Publication Number Publication Date
CN104554272A CN104554272A (zh) 2015-04-29
CN104554272B true CN104554272B (zh) 2018-03-30

Family

ID=52811852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410583800.0A Active CN104554272B (zh) 2013-10-28 2014-10-28 存在目标车辆和周围物体时的避让转向操作的路径规划

Country Status (3)

Country Link
US (1) US9174672B2 (zh)
CN (1) CN104554272B (zh)
DE (1) DE102014114827A1 (zh)

Families Citing this family (95)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170242443A1 (en) 2015-11-02 2017-08-24 Peloton Technology, Inc. Gap measurement for vehicle convoying
US11334092B2 (en) 2011-07-06 2022-05-17 Peloton Technology, Inc. Devices, systems, and methods for transmitting vehicle data
US9582006B2 (en) 2011-07-06 2017-02-28 Peloton Technology, Inc. Systems and methods for semi-autonomous convoying of vehicles
US10520581B2 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Sensor fusion for autonomous or partially autonomous vehicle control
US10520952B1 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Devices, systems, and methods for transmitting vehicle data
US10254764B2 (en) 2016-05-31 2019-04-09 Peloton Technology, Inc. Platoon controller state machine
WO2014107203A2 (en) * 2012-10-04 2014-07-10 Hooper William W Proximity sensor
US11294396B2 (en) 2013-03-15 2022-04-05 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US20180210463A1 (en) 2013-03-15 2018-07-26 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US20150285639A1 (en) * 2014-04-04 2015-10-08 Umm-Al-Qura University Method and system for crowd sensing to be used for automatic semantic identification
US9321461B1 (en) * 2014-08-29 2016-04-26 Google Inc. Change detection using curve alignment
KR102036050B1 (ko) * 2014-12-30 2019-10-24 주식회사 만도 차선 변경 장치 및 방법
US9751558B2 (en) 2015-03-25 2017-09-05 Ford Global Technologies, Llc Handwheel obstruction detection and inertia compensation
US9868443B2 (en) * 2015-04-27 2018-01-16 GM Global Technology Operations LLC Reactive path planning for autonomous driving
DE102015208790A1 (de) * 2015-05-12 2016-11-17 Volkswagen Aktiengesellschaft Bestimmen einer Trajektorie für ein Fahrzeug
CN105159291B (zh) * 2015-07-10 2018-04-20 北京印刷学院 一种基于信息物理网的车队智能避障装置及避障方法
JP6421391B2 (ja) * 2015-07-15 2018-11-14 本田技研工業株式会社 車両制御装置、車両制御方法、および車両制御プログラム
JP2017030569A (ja) * 2015-07-31 2017-02-09 アイシン精機株式会社 駐車支援装置
DE102015217891A1 (de) * 2015-09-17 2017-03-23 Volkswagen Aktiengesellschaft Bestimmen einer Soll-Trajektorie für ein Fahrzeug
US9981656B2 (en) 2015-10-13 2018-05-29 Ford Global Technologies, Llc Vehicle parking assist system
US10328933B2 (en) 2015-10-29 2019-06-25 Ford Global Technologies, Llc Cognitive reverse speed limiting
JP6316265B2 (ja) * 2015-12-01 2018-04-25 本田技研工業株式会社 車線変更制御装置
US9895945B2 (en) 2015-12-08 2018-02-20 Ford Global Technologies, Llc Trailer backup assist system with hitch assist
DE102016009760A1 (de) * 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Führen eines Kraftfahrzeugs entlang eines Pfades
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
US20180052470A1 (en) * 2016-08-18 2018-02-22 GM Global Technology Operations LLC Obstacle Avoidance Co-Pilot For Autonomous Vehicles
US10369998B2 (en) 2016-08-22 2019-08-06 Peloton Technology, Inc. Dynamic gap control for automated driving
JP6690056B2 (ja) 2016-08-22 2020-04-28 ぺロトン テクノロジー インコーポレイテッド 自動連続車両の制御システムアーキテクチャ
US9829883B1 (en) 2016-10-17 2017-11-28 Ford Global Technologies, Llc Trailer backup assist system having remote control and user sight management
CN116203551A (zh) * 2016-11-02 2023-06-02 佩路通科技股份有限公司 用于车辆护航的间隙测量
CN110249204B (zh) * 2016-12-06 2021-11-09 日产北美公司 用于自主车辆的解决方案路径叠加界面
CN110214264A (zh) * 2016-12-23 2019-09-06 御眼视觉技术有限公司 具有施加的责任约束的导航系统
US10173590B2 (en) * 2017-02-27 2019-01-08 GM Global Technology Operations LLC Overlaying on an in-vehicle display road objects associated with potential hazards
US10145953B2 (en) 2017-03-31 2018-12-04 Ford Global Technologies, Llc Virtual steerable path
DE102018107515A1 (de) * 2017-03-31 2018-10-04 Ford Global Technologies, Llc Virtueller Lenkweg
EP3389026A1 (en) * 2017-04-12 2018-10-17 Volvo Car Corporation Apparatus and method for road vehicle driver assistance
US10649457B2 (en) * 2017-05-02 2020-05-12 Cnh Industrial America Llc System and method for autonomous vehicle system planning
JP2018197059A (ja) * 2017-05-24 2018-12-13 トヨタ自動車株式会社 衝突回避制御装置
US10390474B2 (en) 2017-06-19 2019-08-27 Cnh Industrial America Llc. Path planning system for a work vehicle
US10492355B2 (en) 2017-06-19 2019-12-03 Cnh Industrial America Llc Path planning system for a work vehicle
US11430071B2 (en) 2017-08-16 2022-08-30 Mobileye Vision Technologies Ltd. Navigation based on liability constraints
JP6609292B2 (ja) * 2017-08-24 2019-11-20 株式会社Ｓｕｂａｒｕ 車外環境認識装置
US10732260B2 (en) * 2017-09-05 2020-08-04 GM Global Technology Operations LLC Radar calibration systems and methods
US10754339B2 (en) * 2017-09-11 2020-08-25 Baidu Usa Llc Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US10427716B2 (en) 2017-09-12 2019-10-01 Ford Global Technologies, Llc Hitch assist system and method
DE102017125729A1 (de) * 2017-11-03 2019-05-23 Audi Ag Fahrerassistenzsystem für ein zumindest teilweise automatisch fahrendes Kraftfahrzeug, Kraftfahrzeug und Verfahren zum Regeln einer Fahrdynamik
CN109154821B (zh) * 2017-11-30 2022-07-15 深圳市大疆创新科技有限公司 轨迹生成方法、装置和无人驾驶地面车辆
US20180150080A1 (en) * 2018-01-24 2018-05-31 GM Global Technology Operations LLC Systems and methods for path planning in autonomous vehicles
KR102540919B1 (ko) 2018-02-20 2023-06-07 현대자동차주식회사 차량의 주행 제어 장치 및 방법
US10775801B2 (en) * 2018-03-08 2020-09-15 Baidu Usa Llc Determining speeds along a path for autonomous driving vehicles
JP6661695B2 (ja) * 2018-05-09 2020-03-11 三菱電機株式会社 移動体検出装置、車両制御システム、移動体検出方法および車両制御方法
CN110018632B (zh) * 2018-06-22 2020-10-09 长城汽车股份有限公司 一种车辆变道控制方法和装置
CN108944921B (zh) * 2018-07-03 2020-11-20 驭势（上海）汽车科技有限公司 一种用于车辆的纵向控制的方法与设备
US10899323B2 (en) 2018-07-08 2021-01-26 Peloton Technology, Inc. Devices, systems, and methods for vehicle braking
CN109515437A (zh) * 2018-09-10 2019-03-26 江苏大学 一种考虑前后车辆的acc车辆控制方法
CN110966919A (zh) * 2018-09-29 2020-04-07 深圳市掌网科技股份有限公司 一种室内三维扫描系统及其使用方法
CN109376642B (zh) * 2018-10-16 2022-03-04 长安大学 一种基于驾驶员行为的运动车辆状态预测方法
CN111086508A (zh) * 2018-10-24 2020-05-01 罗伯特·博世有限公司 自动躲避或减轻碰撞的方法及控制系统、存储介质和汽车
US10762791B2 (en) 2018-10-29 2020-09-01 Peloton Technology, Inc. Systems and methods for managing communications between vehicles
US11110918B2 (en) 2018-11-02 2021-09-07 Zoox, Inc. Dynamic collision checking
US11048260B2 (en) 2018-11-02 2021-06-29 Zoox, Inc. Adaptive scaling in trajectory generation
US11208096B2 (en) 2018-11-02 2021-12-28 Zoox, Inc. Cost scaling in trajectory generation
US11077878B2 (en) 2018-11-02 2021-08-03 Zoox, Inc. Dynamic lane biasing
JP7183521B2 (ja) * 2018-11-30 2022-12-06 マツダ株式会社 経路候補設定システム及び経路候補設定方法
CN109784526B (zh) * 2018-12-05 2023-02-28 阿波罗智能技术(北京)有限公司 通行路径的规划方法、装置、设备及可读存储介质
CN109375210B (zh) * 2018-12-10 2022-10-21 西安电子科技大学 基于雷达和全景联合的无人装置目标检测系统和方法
US11443643B2 (en) * 2018-12-13 2022-09-13 10757969 Canada Corporation Control system for controlling unmanned aircraft systems
CN109508016A (zh) * 2018-12-26 2019-03-22 北京工商大学 水质采样巡航船路径规划最优化方法
US20200298859A1 (en) * 2019-03-21 2020-09-24 The Regents Of The University Of Michigan Safe Autonomous Overtaking with Intention Estimation
US11427196B2 (en) 2019-04-15 2022-08-30 Peloton Technology, Inc. Systems and methods for managing tractor-trailers
CN109976355B (zh) * 2019-04-26 2021-12-10 腾讯科技（深圳）有限公司 轨迹规划方法、系统、设备及存储介质
US11493926B2 (en) 2019-05-15 2022-11-08 Baidu Usa Llc Offline agent using reinforcement learning to speedup trajectory planning for autonomous vehicles
US11467591B2 (en) * 2019-05-15 2022-10-11 Baidu Usa Llc Online agent using reinforcement learning to plan an open space trajectory for autonomous vehicles
US11409284B2 (en) * 2019-05-15 2022-08-09 Baidu Usa Llc Relaxation optimization model to plan an open space trajectory for autonomous vehicles
US11511737B2 (en) * 2019-05-23 2022-11-29 Systomix, Inc. Apparatus and method for processing vehicle signals to compute a behavioral hazard measure
US10915766B2 (en) * 2019-06-28 2021-02-09 Baidu Usa Llc Method for detecting closest in-path object (CIPO) for autonomous driving
JP7162142B2 (ja) * 2019-08-02 2022-10-27 日立Astemo株式会社 エイミング装置、運転制御システム、及びセンサデータの補正量の計算方法
WO2021050745A1 (en) * 2019-09-10 2021-03-18 Zoox, Inc. Dynamic collision checking
CN110654381B (zh) 2019-10-09 2021-08-31 北京百度网讯科技有限公司 用于控制车辆的方法和装置
CN110765970B (zh) * 2019-10-31 2022-08-09 北京地平线机器人技术研发有限公司 最近障碍物的确定方法和装置、存储介质、电子设备
CN114730526A (zh) * 2019-11-28 2022-07-08 三菱电机株式会社 物体识别装置、物体识别方法及物体识别程序
CN111123253B (zh) * 2019-12-26 2022-05-17 成都纳雷科技有限公司 基于自适应门限目标聚类的车辆识别方法、系统及介质
CN111367299B (zh) * 2020-05-26 2020-09-29 弗徕威智能机器人科技（上海）有限公司 行车避让方法、移动机器人和存储介质
CN111717199B (zh) * 2020-06-24 2021-09-17 中国第一汽车股份有限公司 自动换道避撞控制方法、装置、车辆及存储介质
CN111862137A (zh) * 2020-07-15 2020-10-30 上海钧正网络科技有限公司 一种根据点集确定图形边界的方法、装置
DE102020120773A1 (de) 2020-08-06 2022-02-10 Valeo Schalter Und Sensoren Gmbh Verfahren zum Ermitteln einer Ausweich-Trajektorie für ein Fahrzeug
CN111966125B (zh) * 2020-08-18 2022-11-11 重庆交通大学 一种基于改进人工势场的无人机航迹避障重构方法
CN112061139B (zh) * 2020-09-03 2022-02-18 三一专用汽车有限责任公司 自动驾驶控制方法、自动驾驶装置和计算机存储介质
CN112277939B (zh) * 2020-10-30 2022-09-06 重庆长安汽车股份有限公司 一种对于避让前方压线车辆的偏移控制系统及方法
US11884268B2 (en) 2020-11-25 2024-01-30 Ford Global Technologies, Llc Motion planning in curvilinear coordinates for autonomous vehicles
CN112527000B (zh) * 2020-12-23 2021-10-26 中南大学 矿井下智能驾驶的局部路径规划方法及系统
US20220348257A1 (en) * 2021-04-28 2022-11-03 Aptiv Technologies Limited System and method of providing evasive steering assist
KR20230055722A (ko) * 2021-10-19 2023-04-26 현대모비스 주식회사 차량의 타겟 감지 시스템 및 방법
CN115092252B (zh) * 2022-06-15 2023-09-26 北京航空航天大学 无驾驶室双桥转向矿卡的垂直泊车路径规划及控制方法
CN117719498B (zh) * 2024-02-08 2024-04-16 深圳市欧冶半导体有限公司 路径规划方法、装置、电子设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102881171A (zh) * 2012-05-24 2013-01-16 中国科学院深圳先进技术研究院 车辆检测方法及其车辆检测系统以及车辆路径规划系统
CN102963358A (zh) * 2011-08-31 2013-03-13 通用汽车环球科技运作有限责任公司 有急动度限制时确定避撞机动路径的系统和方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2005276241B2 (en) 2004-07-09 2010-06-10 Bae Systems Plc Collision avoidance system
US7991550B2 (en) * 2006-02-03 2011-08-02 GM Global Technology Operations LLC Method and apparatus for on-vehicle calibration and orientation of object-tracking systems
US8050863B2 (en) * 2006-03-16 2011-11-01 Gray & Company, Inc. Navigation and control system for autonomous vehicles
US8532862B2 (en) * 2006-11-29 2013-09-10 Ryan A. Neff Driverless vehicle
EP2169500B1 (en) * 2008-09-25 2012-04-04 Volvo Car Corporation Method of assessing vehicle paths in a road environment and a vehicle path assessment system.
US8126642B2 (en) * 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US8629784B2 (en) * 2009-04-02 2014-01-14 GM Global Technology Operations LLC Peripheral salient feature enhancement on full-windshield head-up display
KR101220542B1 (ko) 2010-08-04 2013-01-10 중앙대학교 산학협력단 로봇 경로 제어 방법 및 장치
US8527172B2 (en) 2010-10-20 2013-09-03 GM Global Technology Operations LLC Vehicle collision avoidance and warning system
US20130030651A1 (en) 2011-07-25 2013-01-31 GM Global Technology Operations LLC Collision avoidance maneuver through differential braking

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102963358A (zh) * 2011-08-31 2013-03-13 通用汽车环球科技运作有限责任公司 有急动度限制时确定避撞机动路径的系统和方法
CN102881171A (zh) * 2012-05-24 2013-01-16 中国科学院深圳先进技术研究院 车辆检测方法及其车辆检测系统以及车辆路径规划系统

Also Published As

Publication number Publication date
CN104554272A (zh) 2015-04-29
DE102014114827A9 (de) 2015-08-06
US9174672B2 (en) 2015-11-03
US20150120137A1 (en) 2015-04-30
DE102014114827A1 (de) 2015-04-30

Similar Documents

Publication Publication Date Title
CN104554272B (zh) 存在目标车辆和周围物体时的避让转向操作的路径规划
CN104554258B (zh) 采用虚拟势场技术的避让转向操作的路径规划
US20220066457A1 (en) Trajectory setting device and trajectory setting method
US9937905B2 (en) Side collision avoidance system and method for vehicle
US11400941B2 (en) Moving body behavior prediction device
US11898855B2 (en) Assistance control system that prioritizes route candidates based on unsuitable sections thereof
CN107128366A (zh) 用于对拖曳车辆通过弯道提供校正的车道跟随路径的系统和方法
KR102112125B1 (ko) 차량 제어 장치
US20200317192A1 (en) Vehicle control device
CN108263383A (zh) 在协同自适应巡航控制系统中控制速度的装置和方法
JP6809531B2 (ja) 車両判定方法、走行経路補正方法、車両判定装置、及び走行経路補正装置
JP6654923B2 (ja) 地図情報出力装置
CN102132335A (zh) 行驶环境识别装置
CN107241916A (zh) 车辆的行驶控制装置以及行驶控制方法
EP3456596A1 (en) Method and device of predicting a possible collision
Kim et al. Design of integrated risk management-based dynamic driving control of automated vehicles
US10095238B2 (en) Autonomous vehicle object detection
CN109664885A (zh) 车载交通辅助
JP2020060369A (ja) 地図情報システム
CN116872921A (zh) 一种车辆规避风险方法、系统、车辆及存储介质
US10766490B2 (en) Driving assistance method and driving assistance apparatus
JP5771930B2 (ja) 走行軌跡作成装置
CN114559923A (zh) 一种无人驾驶车辆自动紧急避障系统及其控制方法
US11087147B2 (en) Vehicle lane mapping
JP2020060674A (ja) 地図情報システム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant