CN104787045B - 自动驾驶系统、计算机实现的自动驾驶的方法以及计算设备 - Google Patents
自动驾驶系统、计算机实现的自动驾驶的方法以及计算设备 Download PDFInfo
- Publication number
- CN104787045B CN104787045B CN201510020192.7A CN201510020192A CN104787045B CN 104787045 B CN104787045 B CN 104787045B CN 201510020192 A CN201510020192 A CN 201510020192A CN 104787045 B CN104787045 B CN 104787045B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path
- potential
- track
- vehicle path
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- B60W30/10—Path keeping
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及自动驾驶系统、计算机实现的自动驾驶的方法以及计算设备。公开了自动驾驶的系统、设备和方法。一种示例方法包括基于特定于车辆周围的环境的信息确定车道中的一条或多条潜在车辆路径,并且基于从部署在车辆上的一个或多个传感器接收的输入接收把接近所述一条或多条潜在车辆路径的一个或多个对象归类于感兴趣的对象的指示。该方法还包括基于所述一个或多个感兴趣的对象的属性从所述一条或多条潜在车辆路径中选择优选的车辆路径并且向一个或多个车辆系统发送控制车辆沿着优选车辆路径前进的命令。
Description
技术领域
本文公开的实施例涉及自动驾驶,并且更具体地涉及自动驾驶系统、计算机实现的自动驾驶的方法以及在自动驾驶系统中实现的计算设备。
背景技术
部分自动化或监视的驾驶系统被设计成帮助驾驶员在道路上安全并高效地操作车辆,例如,利用诸如驾驶员的眼睛跟踪的技术在驾驶员变得不专心时发送警告,利用车辆的车道跟踪在车辆离开其车道时向驾驶员发送警告,以及在自适应巡航控制被驾驶员激活时基于到驾驶员前面的车辆的距离来控制车辆速度。完全自动化的驾驶系统被设计成无需驾驶员交互或其它外部控制就在道路上操作车辆,例如自驾车辆。
发明内容
自动驾驶系统可以被描述为可以在不需要驾驶员交互的情况下在道路上操作车辆的系统。这里描述的自动驾驶系统可以基于车辆周围的驾驶环境的物理特征自主地操作车辆。驾驶环境的物理特征可以既包括基于地图信息车辆要沿着其前进的导航路线而且包括感兴趣的相关对象诸如其它车辆,这种感兴趣的相关对象影响沿着导航路线的哪条预定的潜在车辆路径将是该车辆沿着其前进的优选车辆路径。只有那些与车辆的导航路线最相关的对象需要在选择优选车辆路径的时候被考虑。
在一种实现中,公开了一种自动驾驶系统。所述系统包括部署在车辆上的一个或多个传感器以及与所述一个或多个传感器通信的计算设备。所述计算设备包括用于控制所述计算设备的操作的一个或多个处理器以及用于存储由所述一个或多个处理器使用的数据和程序指令的存储器。所述一个或多个处理器配置为执行存储在存储器中的指令,以便:基于特定于车辆周围的环境的信息,确定一条或多条潜在车辆路径;基于来自部署在车辆上的所述一个或多个传感器的输入,接收把接近所述一条或多条潜在车辆路径的一个或多个对象归类为感兴趣的对象的指示;基于所述一个或多个感兴趣的对象的属性,从所述一条或多条潜在车辆路径中选择优选车辆路径;以及向一个或多个车辆系统发送控制车辆沿着优选车辆路径前进的命令。
在另一种实现中,公开了一种计算机实现的自动驾驶的方法。所述方法包括:基于特定于车辆周围的环境的信息,确定一条或多条潜在车辆路径;基于从部署在车辆上的一个或多个传感器接收的输入,接收把接近所述一条或多条潜在车辆路径的一个或多个对象归类为感兴趣的对象的指示;基于所述一个或多个感兴趣的对象的属性,从所述一条或多条潜在车辆路径中选择优选车辆路径;以及向一个或多个车辆系统发送控制车辆沿着优选车辆路径前进的命令。
在另一种实现中,公开了一种计算设备。所述计算设备包括:用于控制计算设备的操作的一个或多个处理器以及用于存储由所述一个或多个处理器使用的数据和程序指令的存储器。所述一个或多个处理器配置为执行存储在存储器中的指令,以便:基于特定于车辆周围的环境的信息,确定一条或多条潜在车辆路径;基于从部署在车辆上的一个或多个传感器接收的输入,接收把接近所述一条或多条潜在车辆路径的一个或多个对象归类为感兴趣的对象的指示;基于所述一个或多个感兴趣的对象的属性,从所述一条或多条潜在车辆路径中选择优选车辆路径;以及向一个或多个车辆系统发送控制车辆沿着优选车辆路径前进的命令。
附图说明
本文的描述参考附图,其中相同的标号贯穿几个图都指相同的部件,并且其中:
图1是用于实现自动驾驶系统的计算设备的框图;
图2是包括图1的计算设备的车辆的示意性说明;
图3示出了由图2的车辆穿行的导航路线的示例部分和沿着该导航路线部分的潜在车辆路径的示例集合;
图4示出了由图2的车辆穿行的导航路线的另一示例部分和沿着该导航路线部分的潜在车辆路径的另一示例集合;
图5示出了接近图3的潜在车辆路径集合和图2的车辆的多个对象;
图6示出了接近图4的潜在车辆路径集合和图2的车辆的多个对象;
图7示出了通过图5的多个接近对象从图3的潜在车辆路径集合选择的示例优选车辆路径;
图8示出了通过图6的多个接近对象从图4的潜在车辆路径集合选择的示例优选车辆路径;以及
图9是由自动驾驶系统执行的过程的逻辑流程图。
具体实施方式
公开了用于车辆的自动驾驶系统。在自主地操作车辆时,自动驾驶系统可以配置为基于特定于车辆周围的环境的信息,例如基于地图信息和车道信息,为车辆确定要沿着导航路线前进的一条或多条潜在车辆路径。自动驾驶系统还可以配置为基于来自部署在车辆上的传感器的输入,接收把接近车辆的一个或多个对象归类为感兴趣的对象的指示。基于感兴趣的对象的属性,诸如感兴趣的对象关于车辆的相对位置和速度,自动驾驶系统可以从所述一条或多条潜在车辆路径中选择优选车辆路径并且发送控制车辆沿着该优选车辆路径前进的命令。
图1是用于实现自动驾驶系统的计算设备100的框图。计算设备100可以是任何类型的车辆安装的、手持式的、台式的或其它形式的单个计算设备,或者可以由多个计算设备组成。计算设备中的处理单元可以是常规的中央处理单元(CPU)102或者能够操纵或处理信息的任何其它类型的设备或者多个设备。计算设备中的存储器104可以是随机存取存储器设备(RAM)或者任何其它合适类型的存储设备。存储器104可以包括可以由CPU利用总线108访问的数据106。
存储器104还可以包括操作系统110和安装的应用112,安装的应用112包括允许CPU 102执行下述自动驾驶方法的程序。计算设备100还可以包括辅助的、附加的或者外部储存器114,例如存储卡、闪存驱动器、或者任何其它形式的计算机可读介质。安装的应用112可以完全或部分地存储在外部储存器114中并且根据需要加载到存储器104中进行处理。
计算设备100还可以耦合到一个或多个传感器116。传感器116可以捕捉数据和/或信号,供下述单元或系统处理,所述单元或系统包括惯性测量单元(IMU)、航位推算系统、全球导航卫星系统(GNSS)、光探测和测距(LIDAR)系统、雷达系统、声纳系统、基于图像的传感器系统、或者能够捕捉特定于车辆周围的环境的信息并且把对应的数据和/或信号输出到CPU 102的任何其它类型的系统,其中特定于车辆周围的环境的信息包括特定于诸如接近车辆导航路线的其它车辆、人行道之类的对象的信息、由车辆行进的路线的特征或者其它局部位置数据和/或信号。
传感器116还可以捕捉代表车辆的x、y和z轴位置、速度、加速度、旋转角度和旋转角速度的变化的数据以及对接近车辆的导航路线的对象的类似数据。如果传感器116捕捉用于航位推算系统的数据,则可以捕捉关于车轮转动速度、行进距离、转向角和转向角变化率的数据。如果传感器116捕捉用于GNSS的信号,则接收器可以计算在全局坐标中估计的车辆位置和速度。多个卫星可以被用来利用三维三角和时间估计来估计车辆的位置和速度。
如果传感器116捕捉用于LIDAR系统的数据,则可以捕捉关于车辆周围的环境的强度或反射返回的测距数据。在下述例子中,传感器116可以捕捉至少:用于航位推算系统或者估计车辆速度、加速度、减速度、位置和朝向的其它系统的数据;用于GNSS或者确定车辆位置和速度的其它系统的信号;以及用于LIDAR系统或者测量车辆离车道线(例如,路线表面标记或者路线边界)、障碍物、对象或者包括交通灯和道路标志的其它环境特征的距离的其它系统的数据。
计算设备100还可以耦合到一个或多个车辆系统118。车辆系统118可以包括各种车辆控制器和致动器。每个车辆控制器可以配置为向一个或多个车辆致动器发送命令。例如,一个车辆控制器可以是配置为向车辆致动器(例如引擎油门)发送基于油门踏板位置移动节流板位置的命令的推进控制器。在另一个例子中,车辆致动器可以是牵引控制系统或混合控制系统的部分。作为另一个例子,一个车辆控制器可以是配置为如果检测到比对方向盘的当前角度来说最优的更多或更少的偏航运动(围绕车辆垂直轴的旋转)就发送激活前或后轮刹车之一的命令的电子稳定性控制器。车辆系统118还可以与传感器116通信,该传感器116配置为捕捉指示车辆系统118的性能的数据。
在图1中所述的示例计算设备100中,存储在存储器104中的应用112包括至少数据分析器120和路径规划器122。这些应用112中每一个都在以下更具体地描述。一般而言,由传感器116捕捉的数据可以被这些应用112中的一个或多个用来理解车辆周围的环境、规划一条或多条潜在车辆路径用于车辆沿车辆导航路线的自主操作、提高车辆的位置精确度,并且向各个车辆系统118发送改变车辆的当前操作特性的命令。
图2示出了包括图1所述计算设备100的车辆200的示意图。计算设备100可以如图2中所示位于车辆200中,或者可以在备选位置(未示出)远离车辆200定位。如果计算设备100远离车辆定位,则车辆200可以包括与计算设备100通信的能力。
车辆200还可以包括多个传感器,诸如参考图1所描述的传感器116。所示的一个或多个传感器116可以配置为捕捉速度、加速度、车轮旋转速度以及到周围环境中的对象的距离的变化,用于由计算设备100用来估计车辆的位置和朝向、用于航位推算系统的转向角、用于由图像传感器处理的图像、基于来自多个卫星的信号的全局坐标中的车辆位置、或者可以被用来响应于其环境而确定车辆的当前状态或者确定车辆200的位置的任何其它数据和/或信号。
例如,如果传感器116配置为捕捉由LIDAR系统使用的数据,则传感器116可以捕捉关于来自车辆200周围区域中物理对象的激光返回的数据,其测距距离通过测量信号返回传感器116所花的时间来计算。激光返回可以包括由光源,例如被传感器116或者在车辆200上或者接近其的另一个源发射的激光,命中的对象反射的反向散射光。一旦光被对象反射,传感器116就可以捕捉对象上每个点的强度值和反射率,用于由例如数据分析器120、存储在计算设备100中或者可以让计算设备100访问的应用112中的一个来分析和归类对象。
通过例如过滤噪声、提取用于集群的特征和/或归类并跟踪对象,在图1中简要描述的数据分析器120可以分析由一个或多个传感器116捕捉的数据和/或信号。数据分析器120可以处理来自一个或多个传感器116的数据,使得数据被配置为由用来实现自动驾驶系统的其它各个应用112(诸如路径规划器122)使用。路径规划器122可以配置为基于当前车辆200相对于周围环境的位置以及由例如车辆200的驾驶员选择的目的地的任何点而为车辆200确定沿着其前进的导航路线。因此,路径规划器122可以基于从数据分析器120接收到的数据为车辆确定导航路线。
图3示出了由图2的车辆200穿行的导航路线的示例部分和沿着该导航路线部分的潜在车辆路径的示例集合。图3中所示的示例导航路线包括三条车道300、302、304。车道300、302、304中每一条都在车道边缘特征之间形成,其中车道边缘特征诸如在车道304底部边缘的路缘306、在车道300的顶部边缘的实线车道标记308,以及分别构成车道302的顶部边缘和底部边缘及车道300的底部边缘和车道304的顶部边缘的虚线车道标记310、312。这些车道特征可以由路径规划器122利用对应于车辆200的位置的地图信息识别并且由通过在车辆200上部署的传感器116捕捉的数据确认并且与地图信息进行比较。地图信息可以存储在计算设备100的存储器104中或者可以让路径规划器122从远处位置获得。在图3的示例导航路线中,数据分析器120和路径规划器122可以确定三条示例车道300、302、304设计成让车辆在相同的方向行进并且车辆200和其它对象,诸如其它车辆,可以沿着导航路线的部分在车道300、302、304之间转移。
数据分析器120和路径规划器122还可以使用可用的车道信息作为地图信息的部分或者被传感器116捕捉,诸如车道边缘特征、车道数目以及车道的总宽度,以便在车辆200遇到导航路线的给定部分之前预定潜在车辆路径的集合。地图信息可以例如从利用LIDAR传感器收集的数据建立并且利用同时定位和映射(SLAM)技术操纵以建立地图。地图信息还可以从路线网络定义文件(RNDF)或其它源收集。潜在车辆路径可以利用数值优化技术确定。图3中所示的车道300、302、304中的每一条都包括基于地图信息中存在的特征而选择的四或五条预定的潜在车辆路径。
例如,车道302包括五条潜在车辆路径。潜在车辆路径314在其在车道标记310、312之间存在时沿着车道302的中心,并且车辆200示为当前正在穿行这条潜在车辆路径314。潜在车辆路径316、318预定为从车道标记310、312偏移。偏移的量可以基于预定路径与其隔开的车道特征的类型。在潜在车辆路径316、318的例子中,偏移值是基于指示车道标记310、312是充当车道302的边缘的虚线的车道信息。对于与车道302关联的总共五条预定的潜在车辆路径314、316、318、320、322,车道302还包括刚好位于车道标记310、312内或者沿着其的潜在车辆路径320、322。
在另一个例子中,车道304包括四条潜在车辆路径。潜在车辆路径324位于靠近车道304的中心,如在车道标记312和路缘306之间建立的。潜在车辆路径326、328一开始被预定为分别从车道标记312和路缘306偏移。潜在车辆路径324不位于沿着车道304的确切中心,因为从路缘306到潜在车辆路径328的偏移量大于从车道标记312到潜在车辆路径326的偏移量,以考虑沿导航路线存在的车道特征类型,并且潜在车辆路径324配置为中心位于潜在车辆路径326、328之间。车道304还包括刚好位于车道标记312内或沿着其的潜在车辆路径322,其中潜在车辆路径322与车道302是共用的。车道304不包括沿路缘306的潜在车辆路径,因为这种类型的车道特征不能被车辆200安全地穿行,因此通过不选择靠近路缘306的潜在车辆路径而离路缘306保持足够的间隔。
图4示出了由图2的车辆200穿行的导航路线的另一示例部分和沿着该导航路线部分的潜在车辆路径的另一示例集合。图4中所示的示例导航路线包括构成两条道路之间的交叉的四条车道400、402、404、406。车道400、402、404、406中每一条都在车道边缘特征之间形成,其中车道边缘特征诸如位于车道402的底部边缘的路缘408和构成车道402的顶部的虚线车道标记410。类似地,路缘412构成车道406的右边缘并且虚线车道标记414构成车道406的左边缘。在图4的示例导航路线中,数据分析器120和路径规划器122可以确定车道400、402被设计成用于在相反方向的双向行车,就像车道404、406一样。另外,通过在四条行车道400、402、404、406的交点左转大约九十度,穿行图4的示例导航路线的车辆200可以从车道402换到车道406。车道400、402、404、406之间的其它转移也是可能的,但这里没有描述。
数据分析器120和路径规划器122还可以使用包括车道信息的地图信息来预定潜在车辆路径的集合。给定其中车辆200沿着需要从车道402左转到车道406的导航路线前进的例子,给出在地图信息中存在的车道特征,可以确定四条预定的潜在车辆路径。潜在车辆路径416位于靠近车道402、406的中心,因为它存在于车道标记410和路缘408之间以及车道标记414和路缘412之间。当车辆200计划从车道402换到车道406时,车辆200示为当前正穿行这条潜在车辆路径416。潜在车辆路径418、420一开始被预定为从车道标记410、414和路缘408、412偏移。当车辆200穿行图4所示的导航路线时,对于与车道402、406关联的总共四条预定的潜在车辆路径416、418、420和422,车道402、406还包括潜在车辆路径422,该路径刚好位于车道标记410、414内或者沿着车道标记410、414。
图5示出了接近图3的潜在车辆路径集合314、316、318、320、322和图2的车辆的多个对象。如上所述,在车辆200穿行导航路线的同时,数据分析器120可以识别并归类接近车辆200和/或潜在车辆路径314、316、318、320、322的对象。在确定潜在车辆路径314、316、318、320、322中哪一条对于让车辆200沿着导航路线前进是优选的时候,接近车辆200的有些对象比其它对象更重要。重要的对象,或者感兴趣的对象,可以在确定预定的潜在车辆路径314、316、318、320、322中哪一条维持到识别出的车道特征和感兴趣的对象的阈值距离时使用,以便从潜在车辆路径314、316、318、320、322中选择优选车辆路径。阈值距离可以依赖于所分析的车道特征的类型(例如,路缘对车道标记)或者感兴趣的对象的类型(例如,人行道、移动的车辆、静止的车辆)而变化。
例如,如果对象可以满足以下标准中的至少一个,则它不可能影响潜在车辆路径314、316、318、320、322的评估:对象关于车辆200具有正相对速度或者反过来(例如,对象离车辆200越来越远或者车辆200离对象越来越远)和到对象的距离除以对象的相对速度大于五(例如,车辆200与对象邻近之前的时间大于五秒)。反之,则反过来成立。关于车辆200具有负相对速度或者距离与相对速度之比小于五的对象可以被数据分析器120或路径规划器122归类为感兴趣的对象,在从潜在车辆路径314、316、318、320、322中选择优选车辆路径时使用。路径选择算法可以基于维持离相关对象、感兴趣的对象以及相关车道特征的安全距离,同时排除关于识别出的接近车辆200或者潜在车辆路径314、316、318、320、322的不相关对象的信息。
在图5的例子中,有三个接近车辆200和潜在车辆路径314、316、318、320、322的对象:车辆500、车辆502和车辆504。车辆500可以被分析以确定它离潜在车辆路径314、316、318、320、322足够远并且以足够低的相对速度行进,从而可以从优选车辆路径的确定中排除。类似地,车辆502可以被分析以确定它关于车辆200以足够大的正相对速度行进,从而可以从优选车辆路径的确定中排除。但是,可以发现车辆504在距离上靠近潜在车辆路径314、318和322,并且车辆200、504的速度和运动方向可以基于由传感器116收集的信息进行比较,以确定车辆200在缩短自身与车辆504之间的距离,使得车辆504将被归类为在确定潜在车辆路径314、316、318、320、322中哪一条将被选作优选车辆路径时感兴趣的对象。
图6示出了接近图4的潜在车辆路径集合416、418、420、422和图2的车辆200的多个对象。在这个例子中,有两个对象接近车辆200和潜在车辆路径416、418、420、422:车道404中的车辆600和车道402中的车辆602。数据分析器120或路径规划器122可以确定车辆602离车辆200和潜在车辆路径416、418、420、422足够远并且以足够高的相对速度行进,从而从优选车辆路径的确定中排除。但是,由于车辆600从车道404延伸到车道400并且位置非常靠近车道标记414,因此车辆600关于车辆200和车辆路径418、422的位置和相对速度可以被确定为与潜在车辆路径418、422充分相关,使得车辆600将被归类为感兴趣的对象并且在确定当车辆200从车道402换到车道406时潜在车辆路径416、418、420、422中哪一条被选作优选车辆路径时使用。
图7示出了通过图5的多个接近对象从图3的潜在车辆路径集合314、316、318、320、322中选择的示例优选车辆路径700。路径规划器122可以配置为在选择优选车辆路径700时评估感兴趣的对象,在这个例子中是车辆504,的位置和运动特性。优选车辆路径700以虚线示出并且一开始是沿着由车辆穿行的当前路径前进,与潜在车辆路径314重合,然后平滑地过渡到潜在车辆路径316,以便提供离感兴趣的对象(车辆504)至少阈值距离。潜在车辆路径316由路径规划器122既基于维持离车辆504的阈值距离又基于保持车辆200离其当前行进车道302的中心尽可能近来选择。使用预定的潜在车辆路径314、316、318、320、322的好处是到各个车道特征的阈值距离也被维持,同时在计算用于车辆200的平滑过渡时考虑其它感兴趣的对象,诸如车辆504。
如果没有潜在车辆路径314、316、318、320、322允许车辆200维持到感兴趣的相关对象的阈值距离,则路径规划器122还可以配置为使车辆200减速,以避开感兴趣的对象。此外,如果没有感兴趣的对象被数据分析器120或路径规划器122归类,则优选车辆路径可以仅仅基于车道信息,例如车道宽度和车道边缘特征,来选择,因为这种信息被用来建立潜在车辆路径314、316、318、320、322。例如,如果车辆504在图5和7的示例导航路线中不存在,则车辆200可以配置为当其沿着导航路线前进时维持其在车道302中沿着潜在车辆路径314的中心位置。
图8示出了通过图6的多个接近对象从图4的潜在车辆路径集合416、418、420、422中选择的示例优选车辆路径800。在这个例子中,当车辆200通过左转从车道402换到车道406时,车辆600是在选择优选车辆路径800时被路径规划器122使用的唯一一个感兴趣的对象。优选车辆路径800以虚线示出并且一开始是沿着车辆穿行的当前路径前进,与潜在车辆路径416重合,然后平滑地过渡到潜在车辆路径420,以便提供离感兴趣的对象(车辆600)至少阈值距离。潜在车辆路径420由路径规划器122既基于维持离车辆600的阈值距离又基于保持车辆200离其当前新的行进车道406的中心尽可能近来选择。在这个例子中,优选车辆路径420被选择,使得车辆200沿着转弯的整个曲率都维持离车辆600安全距离。
图9是由自动驾驶系统执行的过程900的逻辑流程图。在过程900的步骤902,自动驾驶系统可以基于特定于车辆200周围的环境的信息确定一条或多条潜在车辆路径,诸如图3中所示的潜在车辆路径314、316、318、320、322或图4中所示的潜在车辆路径416、418、420、422。如上所述,特定于环境的信息可以包括车道信息,诸如车道数目、每条车道的宽度、以及与每条车道有关的边缘特征。边缘特征可以包括例如车道标记、路缘、从路面到另一表面的过渡、或者可以被理解为指示车道边缘的任何其它指示。潜在车辆路径的确定还可以基于用于车辆200的导航路线,即,基于自动驾驶系统对车辆200为了到达给定目的地而应当沿着其前进的路径的理解。
在过程900的步骤904,自动驾驶系统可以基于从部署在车辆200上的一个或多个传感器116接收的输入,接收把接近所述一条或多条潜在车辆路径的一个或多个对象归类为感兴趣的对象的指示。例如,数据分析器120或路径规划器122应用可以配置为从传感器116接收或处理数据,以检测和/或分析接近车辆200或潜在车辆路径的对象的一个或多个属性。如上所述,被分析的检测到的对象的属性可以包括关于车辆200的相对速度、关于车辆200的相对运动方向、离车辆200的相对距离、以及离所述一条或多条潜在车辆路径的相对距离。
在过程900的步骤906,自动驾驶系统可以基于一个或多个感兴趣的对象的属性从一条或多条潜在车辆路径中选择优选车辆路径。依赖于接近对象的属性的评估结果,有些对象将从实现为选择优选车辆路径的算法中被排除,而其它对象将被归类为将影响优选车辆路径选择的感兴趣的对象。或者,如果没有感兴趣的对象被检测到或归类,则自动驾驶系统可以配置为仅仅基于车道信息和一条或多条识别出的潜在车辆路径来选择优选车辆路径,优先选择该优选车辆路径作为把车辆200维持在给定车道中的中心位置的潜在车辆路径,例如如与图3和4中的车道302、402关联的潜在车辆路径314、416。
在过程900的步骤908,自动驾驶系统可以向一个或多个车辆系统118发送控制车辆200沿着优选车辆路径前进的命令。该命令可以足以在车辆200接近一个或多个感兴趣的对象时修改车辆200的路径,从而在感兴趣的对象被清除后允许车辆200返回另一条潜在车辆路径。例如,如图7中所示,给定车辆200与感兴趣的对象之间的相对速度,基于维持到感兴趣的对象(车辆504)的相对位置的阈值距离,车辆200沿着优选车辆路径700从潜在车辆路径314平滑地过渡到潜在车辆路径316。实现这种过渡的车辆系统118可以包括例如转向系统和悬挂系统。在另一个例子中,如图8中所示,车辆200从车道402左转到车道406,从而基于感兴趣的对象(车辆600)的相对位置和速度沿着优选车辆路径800从潜在车辆路径416过渡到潜在车辆路径420。实现这种过渡的车辆系统118可以包括例如刹车系统、转向系统和悬挂系统。在步骤908之后,过程900结束。
以上描述涉及目前被认为最实际的实施例。但是,应当理解,本公开内容不限于这些实施例,相反,本公开内容要覆盖所附权利要求主旨和范围内所包括的各种修改和等效布置。例如,在上述实施例中,车辆200一般被描述为汽车。但是,车辆200不限于汽车,因为自动驾驶系统还可以对通常由驾驶员或操作员控制的其它车辆实现,诸如飞机、船等。权利要求的范围要符合最广泛的解释,从而涵盖法律允许的所有此类修改和等效结构。
Claims (21)
1.一种自动驾驶系统,包括:
部署在车辆上的一个或多个传感器;以及
与所述一个或多个传感器通信的计算设备,包括:
一个或多个处理器,用于控制所述计算设备的操作;以及
存储器,用于存储由所述一个或多个处理器使用的数据和程序指令,其中所述一个或多个处理器配置为执行存储在存储器中的指令,以便:
基于特定于车辆周围的环境的信息,确定沿车辆前方的导航路线的车道中的多条潜在车辆路径;
基于来自部署在车辆上的所述一个或多个传感器的输入,接收把接近所述多条潜在车辆路径的一个或多个对象归类为相应的一个或多个感兴趣的对象的指示;
基于所述一个或多个感兴趣的对象的属性,从所述多条潜在车辆路径中选择维持到所述一个或多个感兴趣的对象的阈值距离的优选车辆路径;以及
向一个或多个车辆系统发送控制车辆变换其当前路径并沿着导航路线遵循优选车辆路径前进的命令。
2.如权利要求1所述的系统,其中特定于车辆周围的环境的信息包括车道信息,所述车道信息包括车道数目和车道宽度以及车道边缘特征中的至少一个。
3.如权利要求1所述的系统,其中把接近所述多条潜在车辆路径的一个或多个对象归类为相应的一个或多个感兴趣的对象包括检测并分析接近所述多条潜在车辆路径的所述一个或多个对象的一个或多个属性,所述一个或多个属性包括:
关于车辆的相对速度和关于车辆的相对运动方向,以及
离车辆的相对距离和离所述多条潜在车辆路径的相对距离中的至少一个。
4.如权利要求2所述的系统,其中所述一个或多个处理器还配置为:
如果没有接近所述多条潜在车辆路径的对象被归类为相应的一个或多个感兴趣的对象,则基于所述多条潜在车辆路径和所述车道信息选择优选车辆路径。
5.如权利要求1所述的系统,其中特定于车辆周围的环境的信息包括车道信息,所述车道信息包括车道的车道边缘特征,并且其中所述多条潜在车辆路径中的每条潜在车辆路径保持离所述车道边缘特征阈值距离。
6.如权利要求5所述的系统,其中基于所述车道边缘特征将所述多条潜在车辆路径中的一条潜在车辆路径确定为车道的中心,以及基于所述车道边缘特征将所述多条潜在车辆路径中剩余的潜在车辆路径中的至少一些确定为从所述车道边缘特征偏移。
7.如权利要求5所述的系统,其中优选车辆路径最接近车道的中心。
8.一种计算机实现的自动驾驶的方法,包括:
基于特定于车辆周围的环境的信息,确定沿车辆前方的导航路线的车道中的多条潜在车辆路径;
基于从部署在车辆上的一个或多个传感器接收的输入,接收把接近所述多条潜在车辆路径的一个或多个对象归类为相应的一个或多个感兴趣的对象的指示;
基于所述一个或多个感兴趣的对象的属性,从所述多条潜在车辆路径中选择维持到所述一个或多个感兴趣的对象的阈值距离的优选车辆路径;以及
向一个或多个车辆系统发送控制车辆变换其当前路径并沿着导航路线遵循优选车辆路径前进的命令。
9.如权利要求8所述的方法,其中特定于车辆周围的环境的信息包括车道信息,所述车道信息包括车道数目和车道宽度以及车道边缘特征中的至少一个。
10.如权利要求8所述的方法,其中把接近所述多条车辆路径的一个或多个对象归类为相应的一个或多个感兴趣的对象包括检测并分析接近所述多条车辆路径的所述一个或多个对象的一个或多个属性,所述一个或多个属性包括:
关于车辆的相对速度和关于车辆的相对运动方向,以及
离车辆的相对距离和离所述多条潜在车辆路径的相对距离中的至少一个。
11.如权利要求9所述的方法,还包括:
如果没有接近所述多条潜在车辆路径的对象被归类为相应的一个或多个感兴趣的对象,则基于所述多条潜在车辆路径和车道信息选择优选车辆路径。
12.如权利要求8所述的方法,其中特定于车辆周围的环境的信息包括车道信息,所述车道信息包括车道的车道边缘特征,并且其中所述多条潜在车辆路径中的每条潜在车辆路径保持离所述车道边缘特征阈值距离。
13.如权利要求12所述的方法,其中基于所述车道边缘特征将所述多条潜在车辆路径中的一条潜在车辆路径确定为车道的中心,以及基于所述车道边缘特征将所述多条潜在车辆路径中剩余的潜在车辆路径中的至少一些确定为从所述车道边缘特征偏移。
14.如权利要求12所述的方法,其中优选车辆路径最接近车道的中心。
15.一种计算设备,包括:
一个或多个处理器,用于控制计算设备的操作;以及
存储器,用于存储由所述一个或多个处理器使用的数据和程序指令,其中所述一个或多个处理器配置为执行存储在存储器中的指令,以便:
基于特定于车辆周围的环境的信息,确定沿车辆前方的导航路线的车道中的多条潜在车辆路径;
基于从部署在车辆上的一个或多个传感器接收的输入,接收把接近所述多条潜在车辆路径的一个或多个对象归类为相应的一个或多个感兴趣的对象的指示;
基于所述一个或多个感兴趣的对象的属性,从所述多条潜在车辆路径中选择维持到所述一个或多个感兴趣的对象的阈值距离的优选车辆路径;以及
向一个或多个车辆系统发送控制车辆变换其当前路径并沿着导航路线遵循优选车辆路径前进的命令。
16.如权利要求15所述的计算设备,其中特定于车辆周围的环境的信息包括车道信息,所述车道信息包括车道数目和车道宽度以及车道边缘特征中的至少一个。
17.如权利要求15所述的计算设备,其中把接近所述多条车辆路径的一个或多个对象归类为相应的一个或多个感兴趣的对象包括检测并分析接近所述多条车辆路径的所述一个或多个对象的一个或多个属性,所述一个或多个属性包括:
关于车辆的相对速度和关于车辆的相对运动方向,以及
离车辆的相对距离和离所述多条潜在车辆路径的相对距离中的至少一个。
18.如权利要求16所述的计算设备,其中所述一个或多个处理器还配置为:
如果没有接近所述多条潜在车辆路径的对象被归类为相应的一个或多个感兴趣的对象,则基于所述多条潜在车辆路径和车道信息选择优选车辆路径。
19.如权利要求15所述的计算设备,其中特定于车辆周围的环境的信息包括车道信息,所述车道信息包括车道的车道边缘特征,并且其中所述多条潜在车辆路径中的每条潜在车辆路径保持离所述车道边缘特征阈值距离。
20.如权利要求19所述的计算设备,其中基于所述车道边缘特征将所述多条潜在车辆路径中的一条潜在车辆路径确定为车道的中心,以及基于所述车道边缘特征将所述多条潜在车辆路径中剩余的潜在车辆路径中的至少一些确定为从所述车道边缘特征偏移。
21.如权利要求19所述的计算设备,其中优选车辆路径最接近车道的中心。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/156,893 US9340207B2 (en) | 2014-01-16 | 2014-01-16 | Lateral maneuver planner for automated driving system |
US14/156,893 | 2014-01-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104787045A CN104787045A (zh) | 2015-07-22 |
CN104787045B true CN104787045B (zh) | 2017-11-07 |
Family
ID=53485123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510020192.7A Expired - Fee Related CN104787045B (zh) | 2014-01-16 | 2015-01-15 | 自动驾驶系统、计算机实现的自动驾驶的方法以及计算设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9340207B2 (zh) |
JP (1) | JP6342822B2 (zh) |
CN (1) | CN104787045B (zh) |
DE (1) | DE102015100316B4 (zh) |
Families Citing this family (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9405293B2 (en) * | 2014-05-30 | 2016-08-02 | Nissan North America, Inc | Vehicle trajectory optimization for autonomous vehicles |
JP6488594B2 (ja) * | 2014-09-02 | 2019-03-27 | アイシン・エィ・ダブリュ株式会社 | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム |
US10013508B2 (en) * | 2014-10-07 | 2018-07-03 | Toyota Motor Engineering & Manufacturing North America, Inc. | Joint probabilistic modeling and inference of intersection structure |
JP6310093B2 (ja) * | 2014-11-12 | 2018-04-11 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | 目標物体の検出方法、検出装置及びロボット |
CA3067160A1 (en) * | 2015-02-10 | 2016-08-18 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
US9880263B2 (en) * | 2015-04-06 | 2018-01-30 | Waymo Llc | Long range steerable LIDAR system |
US9639537B2 (en) | 2015-06-19 | 2017-05-02 | International Business Machines Corporation | Geographic space management |
US10019446B2 (en) | 2015-06-19 | 2018-07-10 | International Business Machines Corporation | Geographic space management |
US9805598B2 (en) * | 2015-12-16 | 2017-10-31 | International Business Machines Corporation | Management of mobile objects |
US9865163B2 (en) | 2015-12-16 | 2018-01-09 | International Business Machines Corporation | Management of mobile objects |
JP6558239B2 (ja) * | 2015-12-22 | 2019-08-14 | アイシン・エィ・ダブリュ株式会社 | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム |
JP6666537B2 (ja) * | 2015-12-22 | 2020-03-18 | 株式会社デンソーアイティーラボラトリ | 走行制御装置 |
US10303166B2 (en) * | 2016-05-23 | 2019-05-28 | nuTonomy Inc. | Supervisory control of vehicles |
CN107664504A (zh) * | 2016-07-29 | 2018-02-06 | 法乐第(北京)网络科技有限公司 | 一种路径规划装置 |
CN107664993A (zh) * | 2016-07-29 | 2018-02-06 | 法乐第(北京)网络科技有限公司 | 一种路径规划方法 |
CA3033463A1 (en) * | 2016-08-09 | 2018-02-15 | Nissan Motor Co., Ltd. | Control method and control device of automatic driving vehicle |
US11067996B2 (en) * | 2016-09-08 | 2021-07-20 | Siemens Industry Software Inc. | Event-driven region of interest management |
CN106371439B (zh) * | 2016-09-13 | 2020-11-20 | 同济大学 | 一种统一的自动驾驶横向规划方法与系统 |
US11092689B2 (en) * | 2016-09-20 | 2021-08-17 | Apple Inc. | Enabling lidar detection |
WO2018069757A2 (en) | 2016-10-11 | 2018-04-19 | Mobileye Vision Technologies Ltd. | Navigating a vehicle based on a detected barrier |
CN106527739A (zh) * | 2016-12-15 | 2017-03-22 | 北京小米移动软件有限公司 | 控制平衡车运动的方法及装置、平衡车 |
EP3828657A1 (en) * | 2016-12-23 | 2021-06-02 | Mobileye Vision Technologies Ltd. | Navigational system |
WO2018127789A1 (en) * | 2017-01-03 | 2018-07-12 | Innoviz Technologies Ltd. | Lidar systems and methods for detection and classification of objects |
US10345812B2 (en) * | 2017-01-10 | 2019-07-09 | GM Global Technology Operations LLC | Methods and apparatus for optimizing a trajectory for an autonomous vehicle |
US10209715B2 (en) | 2017-01-19 | 2019-02-19 | Robert Bosch Gmbh | System and method of using crowd-sourced driving path data in an autonomous or semi-autonomous driving system |
JP6589895B2 (ja) | 2017-01-19 | 2019-10-16 | トヨタ自動車株式会社 | 物体認識装置及び衝突回避装置 |
JP6579119B2 (ja) | 2017-01-24 | 2019-09-25 | トヨタ自動車株式会社 | 車両制御装置 |
US10518770B2 (en) * | 2017-03-14 | 2019-12-31 | Uatc, Llc | Hierarchical motion planning for autonomous vehicles |
EP4357869A3 (en) | 2017-03-20 | 2024-06-12 | Mobileye Vision Technologies Ltd. | Trajectory selection for an autonomous vehicle |
US10579062B2 (en) * | 2017-05-31 | 2020-03-03 | Baidu Usa Llc | Scalable smooth reference path generator for autonomous driving vehicles |
US10386856B2 (en) | 2017-06-29 | 2019-08-20 | Uber Technologies, Inc. | Autonomous vehicle collision mitigation systems and methods |
US10065638B1 (en) | 2017-08-03 | 2018-09-04 | Uber Technologies, Inc. | Multi-model switching on a collision mitigation system |
WO2019030916A1 (ja) * | 2017-08-10 | 2019-02-14 | 日産自動車株式会社 | 車線情報管理方法、走行制御方法及び車線情報管理装置 |
US10503175B2 (en) * | 2017-10-26 | 2019-12-10 | Ford Global Technologies, Llc | Lidar signal compression |
JP6881244B2 (ja) | 2017-11-06 | 2021-06-02 | トヨタ自動車株式会社 | 自動運転装置 |
US10933869B2 (en) | 2017-11-29 | 2021-03-02 | Uatc, Llc | Autonomous vehicle motion control systems and methods |
US10899348B2 (en) * | 2017-12-20 | 2021-01-26 | Here Global B.V. | Method, apparatus and computer program product for associating map objects with road links |
US10732632B2 (en) * | 2018-01-31 | 2020-08-04 | Baidu Usa Llc | Method for generating a reference line by stitching multiple reference lines together using multiple threads |
US12008922B2 (en) | 2018-07-02 | 2024-06-11 | Smartdrive Systems, Inc. | Systems and methods for comparing driving performance for simulated driving |
US10818102B1 (en) | 2018-07-02 | 2020-10-27 | Smartdrive Systems, Inc. | Systems and methods for generating and providing timely vehicle event information |
US11830365B1 (en) * | 2018-07-02 | 2023-11-28 | Smartdrive Systems, Inc. | Systems and methods for generating data describing physical surroundings of a vehicle |
CN109828599B (zh) * | 2019-01-08 | 2020-12-15 | 苏州极目机器人科技有限公司 | 飞行器作业路径规划方法以及控制装置和控制设备 |
WO2020149431A1 (ko) * | 2019-01-16 | 2020-07-23 | 엘지전자 주식회사 | 경로 제공 장치 및 그것의 제어 방법 |
CN109733392B (zh) * | 2019-01-30 | 2021-01-19 | 浙江吉利汽车研究院有限公司 | 一种避障方法及装置 |
US11066069B2 (en) * | 2019-03-04 | 2021-07-20 | Baidu Usa Llc | Extra-freedom stitch method for reference line smoothing |
CN112041774A (zh) * | 2019-03-28 | 2020-12-04 | 百度时代网络技术(北京)有限公司 | 用于3级自动驾驶车辆的基于摄像机的横向位置校准 |
TWI684085B (zh) * | 2019-04-24 | 2020-02-01 | 揚昇育樂事業股份有限公司 | 自駕車輛之自駕行駛路徑中央控制裝置 |
CN110147109A (zh) * | 2019-05-21 | 2019-08-20 | 重庆长安汽车股份有限公司 | 一种自动驾驶系统的原始模型开发系统 |
US11760379B2 (en) * | 2021-01-11 | 2023-09-19 | Toyota Research Institute, Inc. | Navigating an autonomous vehicle through an intersection |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001291299A1 (en) * | 2000-09-08 | 2002-03-22 | Raytheon Company | Path prediction system and method |
US7124027B1 (en) * | 2002-07-11 | 2006-10-17 | Yazaki North America, Inc. | Vehicular collision avoidance system |
US7102496B1 (en) * | 2002-07-30 | 2006-09-05 | Yazaki North America, Inc. | Multi-sensor integration for a vehicle |
JP4165168B2 (ja) * | 2002-09-27 | 2008-10-15 | 日産自動車株式会社 | 車両用運転操作補助装置 |
JP3835438B2 (ja) * | 2003-07-11 | 2006-10-18 | トヨタ自動車株式会社 | 衝突対応車両制御システム |
US7447592B2 (en) * | 2004-10-18 | 2008-11-04 | Ford Global Technologies Llc | Path estimation and confidence level determination system for a vehicle |
DE102005036049A1 (de) * | 2005-08-01 | 2007-02-08 | Robert Bosch Gmbh | Verfahren zur Erkennung eines Abbiegevorgangs und Fahrerassistenzsystem für Kraftfahrzeuge |
WO2007102405A1 (ja) * | 2006-03-01 | 2007-09-13 | Toyota Jidosha Kabushiki Kaisha | 自車進路決定方法および自車進路決定装置 |
US8050863B2 (en) * | 2006-03-16 | 2011-11-01 | Gray & Company, Inc. | Navigation and control system for autonomous vehicles |
JP5130638B2 (ja) * | 2006-03-22 | 2013-01-30 | 日産自動車株式会社 | 回避操作算出装置、回避制御装置、各装置を備える車両、回避操作算出方法および回避制御方法 |
JP5249525B2 (ja) * | 2007-05-28 | 2013-07-31 | 本田技研工業株式会社 | 車両操作支援装置 |
US8027029B2 (en) * | 2007-11-07 | 2011-09-27 | Magna Electronics Inc. | Object detection and tracking system |
US8170739B2 (en) * | 2008-06-20 | 2012-05-01 | GM Global Technology Operations LLC | Path generation algorithm for automated lane centering and lane changing control system |
CN102027519B (zh) * | 2008-07-10 | 2013-12-18 | 三菱电机株式会社 | 队列行驶辅助装置 |
US8078373B2 (en) * | 2008-11-21 | 2011-12-13 | GM Global Technology Operations LLC | Vehicle dynamics prediction with lane/path information using a preview-correction-prediction approach |
JP2010158987A (ja) * | 2009-01-08 | 2010-07-22 | Nissan Motor Co Ltd | 車両用転舵制御装置 |
JP5262986B2 (ja) * | 2009-03-05 | 2013-08-14 | 日産自動車株式会社 | 走行経路生成装置、走行経路生成方法、及び運転操作支援装置 |
US8626444B2 (en) * | 2009-03-16 | 2014-01-07 | The Hong Kong University Of Science And Technology | Safety based road map navigation |
US8352111B2 (en) * | 2009-04-06 | 2013-01-08 | GM Global Technology Operations LLC | Platoon vehicle management |
US8977489B2 (en) * | 2009-05-18 | 2015-03-10 | GM Global Technology Operations LLC | Turn by turn graphical navigation on full windshield head-up display |
US20110098922A1 (en) * | 2009-10-27 | 2011-04-28 | Visteon Global Technologies, Inc. | Path Predictive System And Method For Vehicles |
JP5426427B2 (ja) * | 2010-02-19 | 2014-02-26 | 日立オートモティブシステムズ株式会社 | 走行支援装置 |
KR20120064276A (ko) * | 2010-12-09 | 2012-06-19 | 한국전자통신연구원 | 이동통신 단말의 경로 관리장치, 경로 결정장치, 경로 검증장치, 내비게이션 서비스 제공시스템 및 경로 관리방법 |
BR112013016893A2 (pt) * | 2010-12-29 | 2016-10-25 | Siemens Sas | sistema e método para auxiliar na mudança de pista ativo para um veículo motorizado |
US9081387B2 (en) | 2011-03-01 | 2015-07-14 | Continental Teves Ag & Co. Ohg | Method and device for the prediction and adaptation of movement trajectories of motor vehicles |
US8670903B2 (en) * | 2011-05-05 | 2014-03-11 | GM Global Technology Operations LLC | Lane centering fail-safe control using differential braking |
US20130057397A1 (en) * | 2011-09-01 | 2013-03-07 | GM Global Technology Operations LLC | Method of operating a vehicle safety system |
JP5853589B2 (ja) * | 2011-10-26 | 2016-02-09 | 日産自動車株式会社 | 運転支援装置 |
KR101133037B1 (ko) | 2011-12-01 | 2012-04-04 | 국방과학연구소 | 자율이동차량용 충돌회피를 위한 경로갱신방법 및 그 장치 |
US8781170B2 (en) * | 2011-12-06 | 2014-07-15 | GM Global Technology Operations LLC | Vehicle ghosting on full windshield display |
US8473144B1 (en) * | 2012-10-30 | 2013-06-25 | Google Inc. | Controlling vehicle lateral lane positioning |
US9569984B2 (en) * | 2012-12-11 | 2017-02-14 | Abalta Technologies, Inc. | Recording, monitoring, and analyzing driver behavior |
-
2014
- 2014-01-16 US US14/156,893 patent/US9340207B2/en active Active
-
2015
- 2015-01-12 DE DE102015100316.3A patent/DE102015100316B4/de not_active Expired - Fee Related
- 2015-01-15 CN CN201510020192.7A patent/CN104787045B/zh not_active Expired - Fee Related
- 2015-01-15 JP JP2015005964A patent/JP6342822B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP6342822B2 (ja) | 2018-06-13 |
JP2015135679A (ja) | 2015-07-27 |
DE102015100316B4 (de) | 2018-05-17 |
US9340207B2 (en) | 2016-05-17 |
US20150197246A1 (en) | 2015-07-16 |
DE102015100316A1 (de) | 2015-07-16 |
CN104787045A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104787045B (zh) | 自动驾驶系统、计算机实现的自动驾驶的方法以及计算设备 | |
JP6738932B2 (ja) | シミュレーションプラットフォームに配置された、機械学習モデルを訓練するためのシステム及び方法 | |
JP6832421B2 (ja) | シミュレーションに基づく自動運転車の感知要求の評価方法 | |
CN110001658B (zh) | 用于车辆的路径预测 | |
CN111670468B (zh) | 移动体行为预测装置以及移动体行为预测方法 | |
US10852726B2 (en) | Systems and methods for transitioning a vehicle from an autonomous driving mode to a manual driving mode | |
US9915951B2 (en) | Detection of overhanging objects | |
US9141109B1 (en) | Automated driving safety system | |
CN110239562A (zh) | 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适 | |
US11458991B2 (en) | Systems and methods for optimizing trajectory planner based on human driving behaviors | |
CN109466543A (zh) | 规划自主运动 | |
JP2021524410A (ja) | ドライブエンベロープの決定 | |
CN109643118B (zh) | 基于关于车辆的环境的与功能相关的信息来影响车辆的功能 | |
US20200341474A1 (en) | Method and device for generating an autonomous driving trajectory of a vehicle | |
Raju et al. | Performance of open autonomous vehicle platforms: Autoware and Apollo | |
US20220188695A1 (en) | Autonomous vehicle system for intelligent on-board selection of data for training a remote machine learning model | |
CN106004876A (zh) | 用于自动驾驶系统的基于间隙的速度控制 | |
US11753012B2 (en) | Systems and methods for controlling the operation of an autonomous vehicle using multiple traffic light detectors | |
JP2019109675A (ja) | 運転行動データ生成装置、運転行動データベース | |
US11328602B2 (en) | System and method for navigation with external display | |
US11718290B2 (en) | Methods and systems for safe out-of-lane driving | |
US11814072B2 (en) | Method and system for conditional operation of an autonomous agent | |
JP6507841B2 (ja) | 先行車両推定装置及びプログラム | |
US11881031B2 (en) | Hierarchical processing of traffic signal face states | |
Bhatt et al. | WATonoBus: An All Weather Autonomous Shuttle |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180313 Address after: Aichi Prefecture, Japan Patentee after: Toyota Motor Corp. Address before: American Kentucky Patentee before: TOYOTA MOTOR ENGINEERING & MANUFACTURING NORTH AMERICA, Inc. |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171107 |
|
CF01 | Termination of patent right due to non-payment of annual fee |