CN104843001A - 密集车辆环境中的自主控制 - Google Patents
密集车辆环境中的自主控制 Download PDFInfo
- Publication number
- CN104843001A CN104843001A CN201510079208.1A CN201510079208A CN104843001A CN 104843001 A CN104843001 A CN 104843001A CN 201510079208 A CN201510079208 A CN 201510079208A CN 104843001 A CN104843001 A CN 104843001A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- road
- computing machine
- sets
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 17
- 230000001133 acceleration Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 235000012813 breadcrumbs Nutrition 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0965—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages responding to signals from another vehicle, e.g. emergency vehicle
-
- 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
- B60W40/06—Road conditions
-
- 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
- B60W30/14—Adaptive cruise control
-
- 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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- 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
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2554/00—Input parameters relating to objects
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
-
- 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
- B60W2756/00—Output or target parameters relating to data
- B60W2756/10—Involving external transmission of data to or from the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
一种密集车辆环境中的自主控制。本发明提供了一种第一车辆中的计算机,其被编程为从第一车辆中的至少一个传感器接收第一套数据,且从至少一辆第二车辆接收第二套数据。该第二套数据来自至少一辆第二车辆中的至少一个传感器。将该计算机进一步编程为使用第一套数据和第二套数据两者分辨正被第一车辆横穿的道路的至少一个特征。
Description
背景技术
车辆——特别是正被自主或半自主操作的车辆,可通过多种机构——例如包括于车辆中的传感器等,获得关于周围条件的数据。传感器数据可提供关于环境条件、道路边缘或道路中的车道等的信息,且可用于规划车辆的恰当速度、车辆的恰当路径等。但是,现存的车辆传感器数据受限于与可由其确定的信息相关的限制。例如,车辆传感器可受限于它们提供用于自主或半自主地操作车辆的数据的能力。这在密集环境中,即多辆车辆分享道路且通常影响其他车辆的视线、导航能力等的地区中可为特别真实的。
附图说明
图1为示例性自主车辆感测系统的框图。
图2是车辆道路的框图。
图3为用于密集环境中的自主车辆的示例性过程的图。
发明内容
根据本发明,提供一种在第一车辆中的计算机中执行的方法,该计算机被配置为在自主和半自主模式的至少一个中操作该车辆,该方法包含:
从第一车辆中的至少一个传感器接收第一套数据;
从至少一辆第二车辆接收第二套数据,其中第二套数据来自至少一辆第二车辆中的至少一个传感器;且
使用第一套数据和第二套数据两者以分辨正被第一车辆横穿的道路的至少一个特征。
根据本发明的一个实施例,本发明的方法进一步包含使用包括所分辨的至少一个特征的第一套数据和第二套数据两者确定用于第一车辆的至少一个自主行为。
根据本发明的一个实施例,其中至少一个自主行为为制动、加速、变道、及距前方车辆的距离的改变的至少一个。
根据本发明的一个实施例,其中所分辨的至少一个特征包括可获得的一个或多个行驶车道、道路的曲率、道路的斜坡、公路入口坡道、障碍物、天气条件和道路表面条件。
根据本发明的一个实施例,其中所分辨的至少一个特征包括至少一个目标,该目标包括靠近道路的物体和该至少一辆第二车辆中的一个。
根据本发明的一个实施例,其中至少一个目标包括至少一辆第三车辆。
根据本发明的一个实施例,本发明的方法进一步包含构建包围该第一车辆的环境的虚拟地图,该虚拟地图包括所分辨的至少一个特征。
根据本发明的一个实施例,其中来自至少一辆第二车辆的第二套数据包括雷达数据、激光雷达数据和图像数据的至少一个。
根据本发明的一个实施例,其中在专用短程通信(DSRC)消息中提供第二套数据的一些而非全部。
根据本发明,提供一种系统,其包含车辆中的计算机,该计算机包含处理器和存储器,其中将该计算机编程为:
从该第一车辆中的至少一个传感器接收第一套数据;
从至少一辆第二车辆接收第二套数据,其中该第二套数据来自至少一辆第二车辆中的至少一个传感器;且
使用第一套数据和第二套数据两者以分辨正被该第一车辆横穿的道路的至少一个特征。
根据本发明的一个实施例,其中将计算机进一步编程为使用包括所分辨的至少一个特征的第一套数据和第二套数据两者以确定用于第一车辆的至少一个自主行为。
根据本发明的一个实施例,其中至少一个自主行为为制动、加速、变道和距前方车辆的距离的改变的至少一个。
根据本发明的一个实施例,其中所分辨的至少一个特征包括可获得的一个或多个行驶车道、道路的曲率、道路的斜坡、公路入口坡道、障碍物、天气条件和道路表面条件。
根据本发明的一个实施例,其中所分辨的至少一个特征包括至少一个目标,该至少一个目标包括靠近道路的物体和至少一辆第二车辆中的一个。
根据本发明的一个实施例,其中至少一个目标包括至少一辆第三车辆。
根据本发明的一个实施例,其中将该计算机进一步编程为构建包围该第一车辆的环境的虚拟地图,该虚拟地图包括所分辨的至少一个特征。
根据本发明的一个实施例,其中来自至少一辆第二车辆的第二套数据包括雷达数据、激光雷达数据和图像数据的至少一个。
根据本发明的一个实施例,其中在专用短程通信(DSRC)消息中提供第二套数据的一些而非全部。
具体实施方式
引言
图1为密集环境——即包括超过一辆车辆101的道路等,例如州际公路、城市道路等——中的示例性自主车辆系统100的框图。车辆101中的计算装置105通常通过一个或多个消息116从一个或多个数据收集器110和/或一辆或多辆第二车辆101接收所收集的数据115。该计算装置105进一步包括自主驾驶模块106,例如作为存储于计算装置105的存储器中并可由该计算装置105的处理器执行的一组指令。可由第一车辆101计算机105使用所收集的数据115以做出关于车辆101操作的决定,该操作包括处于自主或半自主模式的车辆101的操作。
来自消息116的数据的使用可仅基于来自车辆101数据收集器110的所收集的数据115来提供与车辆101的自主或半自主操作相比的车辆101的改善的操作。例如,在第一车辆101的前部上的数据收集器110,例如相机、雷达、激光雷达等可受限于或受阻于第二车辆101和/或道路的特征,例如拐弯、山坡、例如下落物体这样的障碍物、封闭的车道、建筑物区域等。因此,一个或多个消息116可从一辆或多辆第二车辆101提供数据至车辆101计算机105以扩大和/或取代所收集的数据115,第二车辆101位于提供不能由第一车辆101中的数据收集器110获得的数据或已知比第一车辆101中的数据115更准确的数据的位置中。
因此,该系统100可用于密集环境中,即包括多辆车辆101的道路等中。通常,该系统100可基于关于周围环境的数据115辅助预测车辆101将行驶的路径,基于数据115辅助确定车辆101应行驶的路径,及分辨车辆101的周围环境——例如道路——中的障碍物、异常情况等。该系统100可因此在包围车辆101的环境中的条件并不反映现存的地图的情况下或可存储于车辆101计算机105存储器和/或用于导航的被称为电子地平线时是有益的。例如,在道路施工区域中,在道路中可获得的若干车道、道路的曲率坡道等可不为所存储的地图所反映。进一步,第一车辆101的传感器数据收集器110可例如因交通阻塞、降水、雾等而堵塞或受阻,因此不能获得数据115或至少不能获得正确的数据115。但是,通过使用来自一辆或多辆第二车辆101的数据115,第一车辆101可构造电子地平线,例如反映在车辆的周围的环境——例如可获得的行驶车道、实际道路曲率、斜坡、障碍物等——中呈现的现象的虚拟地图。
示例性系统要素
车辆101包括通常包括处理器和存储器的车辆计算机105,该存储器包括一种或多种形式的计算机可读介质,且存储用于执行包括本文中所公开的多种操作的处理器可执行的指令。例如,计算机105通常包括,且能够执行用来选择自主操作模式的指令,以调整自主操作模式,以改变车辆101的自主操作模式等。
进一步,该计算机105可包括超过一个计算装置。例如可通过一个或多个计算装置——例如包括于车辆101中的用于监控和/或控制各种车辆组件的控制器等,例如发动机控制单元(ECU)、传输控制单元(TCU)、动力转向控制单元(PSCU)等执行归因于本文中的计算机105的操作。计算机105通常被配置为用于控制器局域网(CAN)总线等上的通信。该计算机105还可具有至车载诊断连接器(OBD II)的连接,或可将该计算机105硬线连接至具体的驾驶员控制界面或子系统ECU I/O(输入/输出)。通过CAN总线、OBD II和/或其他的有线或无线机构,该计算机105可传输消息至车辆中的各种装置,和/或从各种装置——例如包括数据收集器110的控制器、致动器、传感器等接收消息。备选地或额外地,在计算机105实际上包含多个装置的情况下,可将该CAN总线等用于作为本公开中的计算机105所描述的装置之间的通信。
此外,该计算机105可包括或通信地被耦接至一个或多个无线电频率(RF)收发器、接收器和/或发射器,且可被配置为用于和网络120和/或其他车辆101通信。例如,通常将计算机105配置为用于发送消息116(下文进一步描述)至其他车辆101和从其他车辆101接收消息116。已知包括硬件、通信协议等的各种技术用于车辆到车辆通信。例如,可根据专用短程通信(DSRC)等将本文中所述的消息116发送和接收。如已知,DSRC是在由美国政府具体分配的5.9 GHz带中的谱中的短波至中波范围操作的相对低功率。
通常,车辆101计算机105的通信可包括各种有线和/或无线网络技术,例如蜂窝(cellar)、蓝牙、有线和/或无线分组网络等。进一步,该计算机105——例如在模块106中——通常包括用于接收例如来自一个或多个数据收集器110和/或人机界面(HMI)——例如交互式声音应答(IVR)系统、包括触屏等的图形用户界面(GUI)等——的数据的指令。此外,计算机105通常被配置为从一个或多个消息116检索关于一辆或多辆其他车辆101的数据。
自主驾驶模块106通常包括于在计算机105中存储且由该计算机105执行的指令中。使用接纳于该计算机105——例如来自数据收集器110、服务器125等——中的数据,该模块106可控制各种车辆101组件和/或操作,而无需驾驶员来操作该车辆101。例如,可使用该模块106以操控车辆101速度、加速度、降速度、转向、车辆之间的距离和/或车辆之间的时间量、车辆之间的变道最小间隙、跨路径左转最小量(left-turn-across-pathminimum)、至抵达的时间(time-to-arrival)、抵达跨交叉口的交叉口(无信号)最小时间(intersection(without signal)minimum time-to-arrival tocross the intersection)等。当车辆101处于自主或半自主模式时在确定将采取的一个或多个行动中,模块106可使用所收集的数据115和/或来自提供于一个或多个消息116中的一辆或多辆其他车辆101的数据。
数据收集器110可包括多种装置。例如,车辆中的各种控制器可作为数据收集器110操作,以通过CAN总线提供所收集的数据115——例如关于车辆速度、加速度等的所收集的数据115。进一步,传感器等、全球定位系统(GPS)设备等可包括于车辆中,且可被配置为数据收集器110,以例如通过有线或无线连接直接向计算机105提供数据。数据收集器110还可包括传感器等,例如中波范围和长波范围传感器,用于检测且还可能地获取来自于如下文进一步描述的标记160及车辆101外面的其他条件的信息。例如,传感器数据收集器110可包括机构——例如无线电、雷达、激光雷达、声呐、相机或其他可被用于检测标记160和/或获得与车辆101的自主操作相关的其他所收集的数据115——例如测量车辆101和其他车辆或物体之间的距离的图像捕捉装置,以检测其他车辆或物体,和/或检测道路情况,例如弯道、坑洼、凹地、颠簸、梯度的改变等。
计算机105的存储器通常存储所收集的数据115。所收集的数据115可包括多种来自数据收集器110的收集于车辆101中的数据,该数据包括从一个或多个标记160获得的数据115。以上和以下,例如就标记160提供了所收集的数据115的示例,且进一步,数据115还可包括在计算机105中由此所计算的数据。通常,所收集的数据115可包括可由收集装置110聚集的任何数据和/或由这些数据计算的任何数据。因此,所收集的数据115可包括多种与车辆101操作和/或性能相关的数据115,及特别与该车辆101的运动相关的数据。例如,除了从例如以下所讨论的标记160获得的数据115之外,所收集的数据115还可包括与车辆101速度、加速度、制动、变道和/或车道使用(例如在特定的道路和/或类型的道路,例如州际公路上)、在各自速度或速度范围下距其他车辆的平均距离和/或与车辆101操作相关的其他数据115相关的数据。
消息116可包括与车辆101的操作相关的多种数据。例如,用于DSRC的由汽车工程师协会(Society of Automotive Engineers)颁布的目前的说明书为包括消息116中的广泛种类的车辆101数据作准备,这些数据包括车辆101位置(例如纬度和经度)、速度、前进方向、加速状态、制动系统状态、变速器状态、方向盘位置等。但是,消息116并不限于包括于DSRC标准或任何其他标准中的数据要素。例如,消息116可包括广泛种类的从车辆101数据收集器110所获得的所收集的数据115,例如相机图像、雷达或激光雷达数据、来自红外线传感器的数据等。因此,第一车辆101可从第二车辆101接收所收集的数据115,由此第一车辆101计算机105可使用来自第二车辆101的所收集的数据115作为至第一车辆101中的自主模块106的输入,即以确定第一车辆101的自主或半自主操作。
有益地,消息116可包括来自车辆101的历史数据115。即,除了基于实时或近实时基础的报告消息116中的数据115,车辆101可包括与先于与一个或多个与消息116相关的当前时间或近当前时间的一个或多个时间段相关的数据115。例如,消息116可表明多个时间的车辆101位置(例如纬度和经度)、速度和前进方向。有时可将这样的数据115称为“痕迹导航”(breadcrumb)数据,因为可由这样的数据115确定车辆101的过去路径和/或计划路径。进一步,痕迹导航数据并不限于与提供这样的数据115相关的车辆101的路径的数据115。例如,车辆101可提供与可包括于所收集的数据115中和提供于消息116中的多种现象相关的痕迹导航数据,例如检测到的另一辆车辆101的位置、速度、前进方向等、道路、例如降水这样的天气条件、温度等和道路上的物体等。
如上所述的网络120代表通过其车辆计算机105可与远程服务器125和/或用户装置150通信的一个或多个机构。因此,网络120可为各种有线或无线通信机构的一种或多种,包括任何所需的有线(例如电缆和纤维)和/或无线(例如蜂窝、无线、卫星、微波和无线电频率)通信机构的组合,和任何所需的网络拓扑结构(或当利用多个通信机构时的多个拓扑结构)。示例性通信网络包括无线通信网络(例如使用蓝牙、IEEE 802.11等)、局域网(LAN)和/或广域网(WAN),其包括提供数据通信服务器的因特网。
该服务器125可为一个或多个计算机服务器,每一个通常包括至少一个处理器和至少一个存储器,该存储器存储由处理器可执行的指令,包括用于执行本文中所述的各个步骤和过程的指令。该服务器125可包括或被通信地耦接至用于存储从一辆或多辆车辆101接收的所收集的数据115的数据仓130(data store)。
用户装置150可为包括处理器和存储器及通信能力的多个计算装置的任何一个。例如,用户装置150可为使用IEEE 802.11、蓝牙和/或蜂窝通信协议,包括用于无线通信的能力的便携式计算机、平板计算机、智能手机等。进一步,该用户装置150可使用这样的通信能力通过网络120通信,包括与车辆101计算机105通信。用户装置150可通过其他机构,例如车辆101中的网络、已知的协议——例如蓝牙等——与车辆101计算机105通信。因此,可使用用户装置150来执行归因于本文中的数据收集器110的某些操作,例如在用户装置150中的声音分辨功能、相机、全球定位系统(GPS)功能等可用于向计算机105提供数据115。进一步,可使用用户装置150以向计算机105提供人机界面(HMI)。
示例性环境
图2是正被多辆车辆101a、101b、101c、101d和101e横穿的道路155的框图。大体上,如上所讨论的,各个车辆101可使用数据收集器110获得各种所收集的数据115,且通过一个或多个消息116将各种所收集的数据115通信至其他车辆101。
因此,每一车辆101可获得其他方式不可获得的数据115。例如,物体160可封闭道路155。第一车辆101a可从一辆或多辆第二车辆101接收包括关于物体160的这样的数据115的一个或多个消息116,关于物体160的这样的数据115是第一车辆101a以其他方式不可获得的。例如,如图2中所述的,第二车辆101b可阻碍第一车辆101a中的传感器收集器110获得关于物体160的信息。举另一个示例,道路155可弯曲,改变高度,呈现交通障碍物,车道封闭等,阻止第一车辆101获得用来识别和/或避免影响行驶的物体和/或道路155的特征的数据115。
示例性流程
图3是处于自主模式的自主车辆101感测系统的示例性过程的图,其通常根据第一车辆101计算机105中的指令来执行。
该过程300在框305中开始,其中车辆101进行自主驾驶操作。即,车辆101是部分或完全自主地操作,即部分或者完全由自主驾驶模块106控制的方式,其可被配置为根据所收集的数据115操作车辆101。例如,所有的车辆101操作,例如转向、制动、加速等可由计算机105中的模块106控制。在框220中,车辆101可在部分自主模式——有时也被称为半自主模式(即部分人工方式,其中一些操作,例如制动可由驾驶员人工控制,而其他操作——包括转向——可由计算机105控制)操作也是可行的。类似地,模块106可控制车辆101何时变道。进一步,过程200可在车辆101驾驶操作开始——例如当由车辆乘员通过计算机105的用户界面人工启动——之后在某些点处开始是可行的。
处于自主或半自主模式中的车辆101通常传输和接收,或至少监听消息116。而且,可理解的是并不处于自主或半自主模式和/或不包括自主模块106或缺乏一些或所有的自主操作能力的车辆101可包括信息收集器110,获得所收集的信息115且提供消息116。包括于消息116中的具体的数据元素可为根据已知的标准或协议的,例如DSRC,但也如上所述,可包括并未包括于任何当前标准或协议中的车辆101的所收集的数据115。例如,除了与位置、速度等相关的数据115,车辆101可在消息116中提供传感器数据115,例如雷达、激光雷达等数据、图片、声音等。
无论如何,在框305之后的框310中,计算机105确定其是否已经接收来自一辆或多辆第二车辆101的一个或多个消息116。如果不是这样,则过程300返回框305。否则,过程300前进至框315。
在以下相应地描述每一个的框315-330中,计算机105——例如在模块106中——确定任何行为是否合适在车辆101中以执行半自主或自主操作。在做出这样的决定时,计算机105执行如上所述的关于框305的自主或半自主操作,但额外地或选择地用作输入,用于在一个或多个消息116中确定从一辆或多辆第二车辆101获得的至少一个自主操作数据。该计算机105可然后执行这样的确定的自主操作。可能的自主操作或行为包括——通过示例方式且无任何限制地——制动、加速、变道和距前方车辆101——即在车辆101前方的车辆——的距离的改变。
例如,假设第一车辆101沿丘陵道路跟随第二车辆101。进一步,假设第一车辆101以至少半自主模式操作,这样正使用自适应巡航控制。即,第一车辆101使用雷达等检测和测量距第二车辆101的距离。但是,在丘陵环境中,特别是如果第一车辆101具有刚性悬挂物,则雷达可能不能有效地检测第二车辆101,例如在第一车辆101正爬坡并且第二车辆101为处于上坡顶处或在上坡顶之上处的情况下。因此,来自第二车辆101的所收集的数据115,例如报告第二车辆101的位置、速度、前进方向等可包括于消息116中且然后被第一车辆101中的计算机105使用,以维持预先确定的速度和/或距第二车辆101的预先确定的距离。进一步,车辆101计算机105可如上所述,从多辆第二车辆101接收消息116。而且,计算机105在规划行为当处于自主或半自主模式时的一个或多个行动时可使用来自多辆第二车辆101的数据115。例如,自主模块106的信心可在多辆第二车辆101的每一辆提供相互一致的数据115的情况下,或在这个意义上可以增加,在这种情况或这个意义上例如表明道路155中的物体160,表明道路155中的特定条件——例如水、冰等,表明道路155中的所需路径——例如变道,以避免物体160——例如施工障碍物等。
因此,在框315中,获得了当前的所收集的数据115,及在一个或多个消息116中接收的当前或近当前的数据。此外,计算机105分析历史数据的消息116,例如DSRC“痕迹导航”数据等。即,该计算机105可使用一个或多个消息116中的数据以确定在超过一个时间点中——即时间段的一辆或多辆车辆101的位置、速度和/或其他属性,例如加速度、降速度等。
然后,在框320中,除了在第一车辆101中收集的实时或近实时的数据115之外,使用来自多辆第二车辆101的历史数据或痕迹导航数据的第一车辆101中的计算机105可构建所谓的电子地平线,例如局部建立于车辆101中——例如计算机105中——的包围第一车辆101的环境的地图。例如,车辆101可依赖于所存储的地图以使用全球定位系统(GPS)应用来导航。该地图——例如存储于计算机105的存储器和/或车辆101中的相关装置中——可包括关于道路155、可获得的车道的数量、交通流的方向、交叉口、入口坡道、出口坡道等的信息,相应地,可将这样的存储的地图用于构建初始电子地平线。
但是,因为来自此电子地平线的信息依赖于GPS以相对于基础设施定位车辆(101),位置确定受限于车辆101内的GPS系统的性能。在许多情况下此机构的准确性将并不允许将车辆101定位于道路155上的准确交通车道中,或在一些情况下,在道路155相互靠近而基本上平行延伸的情况下或在存在出口/入口/服务/掉头车道的情况下。而且,在这样的存储的地图中的信息可能并不反映实际情况,例如当一个或多个物体160阻碍一些或所有的道路155时,当在道路155中执行施工区域等时。在这些情况下,可获得的行驶车道、交叉口、可获得的出口坡道和/或入口坡道等可不如所存储的地图中反映的。但是,通过使用来自包围车辆101的数据115,例如位置数据、速度数据、前进方向数据等,车辆101计算机105可构建虚拟地图,例如反映包围车辆101的环境的——例如道路155的——真实条件或特征的电子地平线。这样的构造的虚拟地图可表明可获得的行驶车道、例如道路155中的物体160(有时物体160和/或第二车辆101被称为“目标”)这样的障碍物,及其他条件,例如天气条件、影响行驶通过道路155等的道路表面条件——例如冰、废物等的存在。通常,如本文中所使用的,车辆101周围的“环境”可意指车辆101周围预先确定的半径,例如500米、1000米等,和/或在道路155等上的车辆101前方/或后方的预先确定的距离。
在框320之后,在框325中,第一车辆101计算机105基于第一车辆101中的所收集的数据115估计第一车辆101路径。即,使用关于第一车辆101的速度、位置、加速度/降速度等的信息,计算机105可计划关于电子地平线的用于第一车辆101的可能的路径。
在框325之后,在框330中,第一车辆101计算机105分析——例如集合——所有本地的电子地平线——例如已由来自第一车辆101及就以上关于框320所述的一辆或多辆第二车辆101的数据115的融合而产生的地图、信息。即,使用统计分析技术等估计可能的环境和目标位置(例如根据X、Y、Z坐标系)、速率/加速度矢量(例如再次,根据X、Y、Z坐标系)及即将到来的或相连的道路/车辆路径、可能的路径等。
然后,在框330之后,在框335中,该计算机105向模块106和/或车辆101中的任何自主和/或半自主模块提供预测的车辆101路径、可能的一个或多个目标位置和/或路径及环境数据——例如车道可获得性、道路摩擦等。
在框330之后,在框340中,计算机105确定过程300是否应当继续。例如,如果自主驾驶操作停止且驾驶员恢复人工控制,如果车辆101被切断电源等,过程300可停止。在任何情况下,如果过程300不应当继续,则过程300在框310之后停止。否则,该过程300继续至框305。
结论
计算装置——例如本文中所讨论的那些——基本上每一个包括可由例如以上所分辨的那些这样的一个或多个计算装置可执行的且用于执行以上所述的过程的框或步骤的指令。例如,将以上所讨论的过程框具体化为计算机可执行的指令。
计算机可执行的指令可从使用多种编程语言和/或技术而产生的计算机程序编码或翻译,该编程语言和/或技术包括而没有限制,且单独或组合的JavaTM、C、C++、Visual Basic、Java Script、Perl、HTML等。通常处理器(例如微处理器)例如从存储器、计算机可读介质等接收指令,且执行执行这些指令,由此执行包括本文中所述的一个或多个过程的一个或多个过程。这样的指令和其他数据可使用多种计算机可读介质存储和传输。计算装置中的文件通常为在计算机可读介质——例如存储介质、随机读取存储器等——上存储的数据的集合。
计算机可读介质包括参与提供可由计算机读取的数据(例如指令)的任何介质。这样的介质可为许多形式,包括但不限于非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘和其他的永久性存储器。易失性介质包括典型地构成主存储器的动态随机存取存储器(DRAM)。通常形式的计算机可读介质包括例如软盘、柔性盘、硬盘、磁带、任何其他的磁性介质、CD-ROM、DVD、任何其他的光学介质、穿孔卡片、纸带、任何其他具有孔的图案的物理介质、RAM、PROM、EPROM、FLASHEEPROM、任何其他存储芯片或盒式磁带或计算机可从其读取的任何其他介质。
在附图中,相同的附图标记表明相同的要素。进一步,可改变这些要素的一些或全部。关于本文中所述的介质、过程、系统、方法等,应理解的是,尽管已经将这样的过程的步骤等描述为根据某些有序的顺序发生,但还可采用本文中所述的顺序以外的顺序执行的步骤来执行这样的过程。进一步应理解的是,可同时执行某些步骤,可添加其他步骤,或可省略本文中所述的某些步骤。换句话说,提供本文中的过程的描述是为了解释某些实施例的目的,且绝不应当诠释为限定所要求保护的发明。
因此,要理解的是,以上说明书意在解释性的,而不是限制性的。所提供的示例以外的许多实施例和应用对阅读了以上说明书的本领域技术人员而言是显而易见的。本发明的范围不应当参考以上说明书而确定,相反,而是应当参考所附权利要求书,连同等价于这样的权利要求书所赋予的全部范围来确定。预料且希望的是未来的发展将出现在本文中所讨论的技术领域中,且会将所公开的系统和方法纳入这样的未来的实施例中。总之,应理解的是,本发明能够修改和改变,且仅由以下权利要求书限定。
权利要求书中所使用的所有术语意在给出它们最宽的合理构成,和本领域技术人员所理解的它们的普通含义——除非是在本文中明确指定为相反。特别是,单数冠词——例如“一”(a)、“该”(the)、“所述”(said)等的使用应被理解为描述所指定的要素的一个或多个,除非权利要求明确限定为相反。
Claims (10)
1.一种在第一车辆中的计算机中执行的方法,该计算机被配置为在自主和半自主模式的至少一个中操作该车辆,该方法包含:
从第一车辆中的至少一个传感器接收第一套数据;
从至少一辆第二车辆接收第二套数据,其中第二套数据来自至少一辆第二车辆中的至少一个传感器;且
使用第一套数据和第二套数据两者以分辨正被第一车辆横穿的道路的至少一个特征。
2.如权利要求1的方法,其进一步包含使用包括所分辨的至少一个特征的第一套数据和第二套数据两者确定用于第一车辆的至少一个自主行为。
3.如权利要求2的方法,其中至少一个自主行为为制动、加速、变道、及距前方车辆的距离的改变的至少一个。
4.如权利要求1的方法,其中所分辨的至少一个特征包括可获得的一个或多个行驶车道、道路的曲率、道路的斜坡、公路入口坡道、障碍物、天气条件和道路表面条件。
5.如权利要求1的方法,其中所分辨的至少一个特征包括至少一个目标,该目标包括靠近道路的物体和该至少一辆第二车辆中的一个。
6.一种系统,其包含车辆中的计算机,该计算机包含处理器和存储器,其中将该计算机编程为:
从该第一车辆中的至少一个传感器接收第一套数据;
从至少一辆第二车辆接收第二套数据,其中该第二套数据来自至少一辆第二车辆中的至少一个传感器;且
使用第一套数据和第二套数据两者以分辨正被该第一车辆横穿的道路的至少一个特征。
7.如权利要求6的系统,其中将计算机进一步编程为使用包括所分辨的至少一个特征的第一套数据和第二套数据两者以确定用于第一车辆的至少一个自主行为。
8.如权利要求7的系统,其中至少一个自主行为为制动、加速、变道和距前方车辆的距离的改变的至少一个。
9.如权利要求6的系统,其中所分辨的至少一个特征包括可获得的一个或多个行驶车道、道路的曲率、道路的斜坡、公路入口坡道、障碍物、天气条件和道路表面条件。
10.如权利要求6的系统,其中所分辨的至少一个特征包括至少一个目标,该至少一个目标包括靠近道路的物体和至少一辆第二车辆中的一个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310775555.2A CN116803784A (zh) | 2014-02-14 | 2015-02-13 | 密集车辆环境中的自主控制 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/180,788 | 2014-02-14 | ||
US14/180,788 US9079587B1 (en) | 2014-02-14 | 2014-02-14 | Autonomous control in a dense vehicle environment |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310775555.2A Division CN116803784A (zh) | 2014-02-14 | 2015-02-13 | 密集车辆环境中的自主控制 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104843001A true CN104843001A (zh) | 2015-08-19 |
Family
ID=52781433
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310775555.2A Pending CN116803784A (zh) | 2014-02-14 | 2015-02-13 | 密集车辆环境中的自主控制 |
CN201510079208.1A Pending CN104843001A (zh) | 2014-02-14 | 2015-02-13 | 密集车辆环境中的自主控制 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310775555.2A Pending CN116803784A (zh) | 2014-02-14 | 2015-02-13 | 密集车辆环境中的自主控制 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9079587B1 (zh) |
CN (2) | CN116803784A (zh) |
DE (1) | DE102015202367A1 (zh) |
GB (1) | GB2524384A (zh) |
MX (1) | MX342567B (zh) |
RU (1) | RU2015104551A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104859649A (zh) * | 2014-02-25 | 2015-08-26 | 福特全球技术公司 | 自主驾驶传感系统和方法 |
CN105774729A (zh) * | 2016-03-25 | 2016-07-20 | 奇瑞汽车股份有限公司 | V2v主动安全系统及其控制方法 |
CN107021099A (zh) * | 2016-01-04 | 2017-08-08 | 福特全球技术公司 | 自主车辆紧急操作模式 |
CN107042826A (zh) * | 2015-12-29 | 2017-08-15 | 法拉第未来公司 | 基于立体摄相机检测接近车辆的物体的系统和方法 |
CN107128304A (zh) * | 2016-02-26 | 2017-09-05 | 福特全球技术公司 | 使用听觉数据的碰撞避免 |
CN107218948A (zh) * | 2016-03-21 | 2017-09-29 | 福特全球技术公司 | 用于预测路径属性和驾驶历史的融合的系统、方法和装置 |
CN107451521A (zh) * | 2016-04-29 | 2017-12-08 | 福特全球技术公司 | 车辆车道图估算 |
CN108162966A (zh) * | 2016-12-05 | 2018-06-15 | 罗伯特·博世有限公司 | 提供沿第一轨迹运行至少两个车辆的信号的方法和设备 |
CN108536114A (zh) * | 2017-03-01 | 2018-09-14 | 北京图森未来科技有限公司 | 一种车辆控制装置 |
CN108931978A (zh) * | 2017-05-18 | 2018-12-04 | 福特全球技术公司 | 车辆冰撞击预测 |
CN109213145A (zh) * | 2017-07-06 | 2019-01-15 | 福特全球技术公司 | 受损车辆的导航 |
CN109415065A (zh) * | 2016-07-15 | 2019-03-01 | 哈曼国际工业有限公司 | 用于虚拟化驾驶环境的装置和方法以及车辆 |
CN109835339A (zh) * | 2019-03-21 | 2019-06-04 | 北京经纬恒润科技有限公司 | 一种换道决策方法及装置 |
CN111741882A (zh) * | 2018-02-22 | 2020-10-02 | 大众汽车股份公司 | 用于机动车的基于群的轨迹 |
CN114475617A (zh) * | 2022-04-15 | 2022-05-13 | 中汽创智科技有限公司 | 一种路况识别方法、装置、设备及存储介质 |
Families Citing this family (107)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8606512B1 (en) | 2007-05-10 | 2013-12-10 | Allstate Insurance Company | Route risk mitigation |
US10157422B2 (en) | 2007-05-10 | 2018-12-18 | Allstate Insurance Company | Road segment safety rating |
US9932033B2 (en) | 2007-05-10 | 2018-04-03 | Allstate Insurance Company | Route risk mitigation |
US10096038B2 (en) | 2007-05-10 | 2018-10-09 | Allstate Insurance Company | Road segment safety rating system |
US10254764B2 (en) | 2016-05-31 | 2019-04-09 | Peloton Technology, Inc. | Platoon controller state machine |
US11334092B2 (en) | 2011-07-06 | 2022-05-17 | Peloton Technology, Inc. | Devices, systems, and methods for transmitting vehicle data |
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 |
US9582006B2 (en) | 2011-07-06 | 2017-02-28 | Peloton Technology, Inc. | Systems and methods for semi-autonomous convoying of vehicles |
US20170242443A1 (en) * | 2015-11-02 | 2017-08-24 | Peloton Technology, Inc. | Gap measurement for vehicle convoying |
CA2907452A1 (en) | 2013-03-15 | 2014-09-18 | Peloton Technology Inc. | Vehicle platooning systems and methods |
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 |
US9563199B1 (en) * | 2013-11-27 | 2017-02-07 | Google Inc. | Assisted perception for autonomous vehicles |
US9355423B1 (en) | 2014-01-24 | 2016-05-31 | Allstate Insurance Company | Reward system related to a vehicle-to-vehicle communication system |
US9390451B1 (en) | 2014-01-24 | 2016-07-12 | Allstate Insurance Company | Insurance system related to a vehicle-to-vehicle communication system |
US10096067B1 (en) | 2014-01-24 | 2018-10-09 | Allstate Insurance Company | Reward system related to a vehicle-to-vehicle communication system |
US10803525B1 (en) | 2014-02-19 | 2020-10-13 | Allstate Insurance Company | Determining a property of an insurance policy based on the autonomous features of a vehicle |
US10783586B1 (en) * | 2014-02-19 | 2020-09-22 | Allstate Insurance Company | Determining a property of an insurance policy based on the density of vehicles |
US9940676B1 (en) | 2014-02-19 | 2018-04-10 | Allstate Insurance Company | Insurance system for analysis of autonomous driving |
US10796369B1 (en) | 2014-02-19 | 2020-10-06 | Allstate Insurance Company | Determining a property of an insurance policy based on the level of autonomy of a vehicle |
US10783587B1 (en) * | 2014-02-19 | 2020-09-22 | Allstate Insurance Company | Determining a driver score based on the driver's response to autonomous features of a vehicle |
US9715711B1 (en) | 2014-05-20 | 2017-07-25 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle insurance pricing and offering based upon accident risk |
US11669090B2 (en) | 2014-05-20 | 2023-06-06 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
US9972054B1 (en) | 2014-05-20 | 2018-05-15 | State Farm Mutual Automobile Insurance Company | Accident fault determination for autonomous vehicles |
US10373259B1 (en) | 2014-05-20 | 2019-08-06 | State Farm Mutual Automobile Insurance Company | Fully autonomous vehicle insurance pricing |
US10599155B1 (en) | 2014-05-20 | 2020-03-24 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
US10475127B1 (en) | 2014-07-21 | 2019-11-12 | State Farm Mutual Automobile Insurance Company | Methods of providing insurance savings based upon telematics and insurance incentives |
DE102014014120A1 (de) * | 2014-09-24 | 2015-04-02 | Daimler Ag | Funktionsfreigabe einer hochautomatisierten Fahrfunktion |
US10831204B1 (en) | 2014-11-13 | 2020-11-10 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle automatic parking |
US9928474B1 (en) | 2014-12-12 | 2018-03-27 | Amazon Technologies, Inc. | Mobile base utilizing transportation units for delivering items |
US9656805B1 (en) | 2014-12-12 | 2017-05-23 | Amazon Technologies, Inc. | Mobile base utilizing transportation units for receiving items |
US9809305B2 (en) | 2015-03-02 | 2017-11-07 | Amazon Technologies, Inc. | Landing of unmanned aerial vehicles on transportation vehicles for transport |
US9555736B2 (en) | 2015-04-03 | 2017-01-31 | Magna Electronics Inc. | Vehicle headlamp control using sensing and communication systems |
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 |
US9497590B1 (en) | 2015-06-19 | 2016-11-15 | International Business Machines Corporation | Management of moving objects |
US11100211B2 (en) | 2015-08-26 | 2021-08-24 | Peloton Technology, Inc. | Devices, systems, and methods for remote authorization of vehicle platooning |
US20210258486A1 (en) | 2015-08-28 | 2021-08-19 | State Farm Mutual Automobile Insurance Company | Electric vehicle battery conservation |
EP3353615A4 (en) * | 2015-09-15 | 2019-04-10 | Peloton Technology Inc. | VEHICLE IDENTIFICATION AND LOCALIZATION USING SENSOR FUSION AND COMMUNICATION BETWEEN VEHICLES |
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 |
US20170174221A1 (en) * | 2015-12-18 | 2017-06-22 | Robert Lawson Vaughn | Managing autonomous vehicles |
US11242051B1 (en) | 2016-01-22 | 2022-02-08 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle action communications |
US10134278B1 (en) | 2016-01-22 | 2018-11-20 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle application |
US10395332B1 (en) | 2016-01-22 | 2019-08-27 | State Farm Mutual Automobile Insurance Company | Coordinated autonomous vehicle automatic area scanning |
US10503168B1 (en) | 2016-01-22 | 2019-12-10 | State Farm Mutual Automotive Insurance Company | Autonomous vehicle retrieval |
US9940834B1 (en) | 2016-01-22 | 2018-04-10 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle application |
US11719545B2 (en) | 2016-01-22 | 2023-08-08 | Hyundai Motor Company | Autonomous vehicle component damage and salvage assessment |
US11441916B1 (en) | 2016-01-22 | 2022-09-13 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle trip routing |
US10324463B1 (en) | 2016-01-22 | 2019-06-18 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation adjustment based upon route |
US10269075B2 (en) | 2016-02-02 | 2019-04-23 | Allstate Insurance Company | Subjective route risk mapping and mitigation |
US10239529B2 (en) * | 2016-03-01 | 2019-03-26 | Ford Global Technologies, Llc | Autonomous vehicle operation based on interactive model predictive control |
US10553122B1 (en) | 2016-03-22 | 2020-02-04 | Amazon Technologies, Inc. | Unmanned aerial vehicle data collection for routing |
WO2017180394A1 (en) * | 2016-04-12 | 2017-10-19 | Pcms Holdings, Inc. | Method and system for online performance monitoring of the perception system of road vehicles |
US10216188B2 (en) | 2016-07-25 | 2019-02-26 | Amazon Technologies, Inc. | Autonomous ground vehicles based at delivery locations |
WO2018026603A1 (en) | 2016-08-02 | 2018-02-08 | Pcms Holdings, Inc. | System and method for optimizing autonomous vehicle capabilities in route planning |
US10139244B2 (en) | 2016-08-17 | 2018-11-27 | Veoneer Us Inc. | ADAS horizon and vision supplemental V2X |
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 |
US10369998B2 (en) | 2016-08-22 | 2019-08-06 | Peloton Technology, Inc. | Dynamic gap control for automated driving |
JP6597520B2 (ja) | 2016-08-26 | 2019-10-30 | トヨタ自動車株式会社 | 情報処理装置 |
DE102016216520A1 (de) * | 2016-09-01 | 2018-03-01 | Robert Bosch Gmbh | Verfahren und System zum Betrieb eines Fahrzeugs |
US10248120B1 (en) | 2016-09-16 | 2019-04-02 | Amazon Technologies, Inc. | Navigable path networks for autonomous vehicles |
US10241516B1 (en) | 2016-09-29 | 2019-03-26 | Amazon Technologies, Inc. | Autonomous ground vehicles deployed from facilities |
US10303171B1 (en) | 2016-09-29 | 2019-05-28 | Amazon Technologies, Inc. | Autonomous ground vehicles providing ordered items in pickup areas |
US10245993B1 (en) | 2016-09-29 | 2019-04-02 | Amazon Technologies, Inc. | Modular autonomous ground vehicles |
US10222798B1 (en) | 2016-09-29 | 2019-03-05 | Amazon Technologies, Inc. | Autonomous ground vehicles congregating in meeting areas |
US10152058B2 (en) * | 2016-10-24 | 2018-12-11 | Ford Global Technologies, Llc | Vehicle virtual map |
US10233021B1 (en) | 2016-11-02 | 2019-03-19 | Amazon Technologies, Inc. | Autonomous vehicles for delivery and safety |
US10514690B1 (en) | 2016-11-15 | 2019-12-24 | Amazon Technologies, Inc. | Cooperative autonomous aerial and ground vehicles for item delivery |
WO2018098161A1 (en) * | 2016-11-22 | 2018-05-31 | Dispatch, Inc. | Methods for autonomously navigating across uncontrolled and controlled intersections |
US11263579B1 (en) | 2016-12-05 | 2022-03-01 | Amazon Technologies, Inc. | Autonomous vehicle networks |
EP3552071B1 (en) | 2016-12-08 | 2020-10-21 | PCMS Holdings, Inc. | System and method for routing and reorganization of a vehicle platoon in a smart city |
JP6809890B2 (ja) * | 2016-12-15 | 2021-01-06 | 日立オートモティブシステムズ株式会社 | 車両制御装置 |
US10310500B1 (en) | 2016-12-23 | 2019-06-04 | Amazon Technologies, Inc. | Automated access to secure facilities using autonomous vehicles |
US10308430B1 (en) | 2016-12-23 | 2019-06-04 | Amazon Technologies, Inc. | Distribution and retrieval of inventory and materials using autonomous vehicles |
US10310499B1 (en) | 2016-12-23 | 2019-06-04 | Amazon Technologies, Inc. | Distributed production of items from locally sourced materials using autonomous vehicles |
US10459441B2 (en) * | 2016-12-30 | 2019-10-29 | Baidu Usa Llc | Method and system for operating autonomous driving vehicles based on motion plans |
US10108191B2 (en) * | 2017-01-06 | 2018-10-23 | Ford Global Technologies, Llc | Driver interactive system for semi-autonomous modes of a vehicle |
US10232849B2 (en) * | 2017-01-23 | 2019-03-19 | Ford Global Technologies, Llc | Collision mitigation and avoidance |
US10782704B2 (en) | 2017-01-30 | 2020-09-22 | Toyota Motor Engineering & Manufacturing North America, Inc. | Determination of roadway features |
US11364922B2 (en) * | 2017-03-07 | 2022-06-21 | Mitsubishi Electric Corporation | Driving assistance device, driving assistance method, and computer readable medium |
US20180286246A1 (en) * | 2017-03-31 | 2018-10-04 | Intel Corporation | Sensor-derived road hazard detection and reporting |
DE102017208163A1 (de) * | 2017-05-15 | 2018-11-15 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs |
GB2562522B (en) * | 2017-05-18 | 2020-04-22 | Jaguar Land Rover Ltd | Systems and methods for controlling vehicle manoeuvers |
US11232391B1 (en) | 2017-08-31 | 2022-01-25 | Amazon Technologies, Inc. | Customized indoor and outdoor navigation maps and routes for autonomous vehicles |
US10551506B2 (en) * | 2017-12-20 | 2020-02-04 | Cubic Corporation | Onboard device and controller for vehicle-to-vehicle detection |
JP7034721B2 (ja) * | 2018-01-10 | 2022-03-14 | アルパイン株式会社 | 無人輸送機の制御装置及び制御方法 |
US10890920B2 (en) * | 2018-02-15 | 2021-01-12 | Aptiv Technologies Limited | Vehicle map-data gathering system and method |
AU2019257245A1 (en) * | 2018-04-05 | 2020-10-15 | Tusimple, Inc. | System and method for automated lane change control for autonomous vehicles |
US10884418B2 (en) * | 2018-04-25 | 2021-01-05 | Aptiv Technologies Limited | Vehicle route planning based on instances of other vehicles stopping automated operation |
US10723362B2 (en) | 2018-06-05 | 2020-07-28 | Denso International America, Inc. | Driver assistance system operating based on autonomous statuses of host and local vehicles while in a multi-level autonomous environment |
US10899323B2 (en) | 2018-07-08 | 2021-01-26 | Peloton Technology, Inc. | Devices, systems, and methods for vehicle braking |
US10762791B2 (en) | 2018-10-29 | 2020-09-01 | Peloton Technology, Inc. | Systems and methods for managing communications between vehicles |
US11392130B1 (en) | 2018-12-12 | 2022-07-19 | Amazon Technologies, Inc. | Selecting delivery modes and delivery areas using autonomous ground vehicles |
US11052914B2 (en) | 2019-03-14 | 2021-07-06 | GM Global Technology Operations LLC | Automated driving systems and control logic using maneuver criticality for vehicle routing and mode adaptation |
US11427196B2 (en) | 2019-04-15 | 2022-08-30 | Peloton Technology, Inc. | Systems and methods for managing tractor-trailers |
CN110111566B (zh) * | 2019-04-19 | 2021-07-06 | 腾讯科技(深圳)有限公司 | 轨迹预测方法、装置和存储介质 |
US11300677B2 (en) | 2019-07-08 | 2022-04-12 | GM Global Technology Operations LLC | Automated driving systems and control logic for host vehicle velocity estimation using wide aperture radar |
US11927955B2 (en) | 2019-07-29 | 2024-03-12 | Waymo Llc | Methods for transitioning between autonomous driving modes in large vehicles |
US11474530B1 (en) | 2019-08-15 | 2022-10-18 | Amazon Technologies, Inc. | Semantic navigation of autonomous ground vehicles |
US11260970B2 (en) | 2019-09-26 | 2022-03-01 | Amazon Technologies, Inc. | Autonomous home security devices |
US10796562B1 (en) | 2019-09-26 | 2020-10-06 | Amazon Technologies, Inc. | Autonomous home security devices |
US20210124360A1 (en) * | 2019-10-23 | 2021-04-29 | GM Global Technology Operations LLC | System and process for closest in path vehicle following |
US11584377B2 (en) * | 2019-11-21 | 2023-02-21 | Gm Cruise Holdings Llc | Lidar based detection of road surface features |
WO2022075493A1 (ko) * | 2020-10-06 | 2022-04-14 | 엘지전자 주식회사 | 자율 주행 시스템에서 v2x 통신 장치의 강화 학습 수행 방법 |
US12014552B2 (en) | 2021-12-07 | 2024-06-18 | GM Global Technology Operations LLC | Intelligent vehicle systems and control logic for incident prediction and assistance in off-road driving situations |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050012602A1 (en) * | 2002-09-23 | 2005-01-20 | Michael Knoop | Method and device for preventing collision of vehicles |
CN101823486A (zh) * | 2010-04-30 | 2010-09-08 | 奇瑞汽车股份有限公司 | 一种自动驾驶系统 |
CN102282600A (zh) * | 2009-01-19 | 2011-12-14 | 丰田自动车株式会社 | 车辆控制装置 |
CN102616235A (zh) * | 2012-04-09 | 2012-08-01 | 北京航空航天大学 | 一种基于车车通信的协同避撞装置及避撞方法 |
CN102831768A (zh) * | 2012-08-15 | 2012-12-19 | 大连理工大学 | 一种基于车联网的混合动力客车行驶工况预测方法 |
CN103339009A (zh) * | 2010-10-05 | 2013-10-02 | 谷歌公司 | 对自主车辆的诊断和修理 |
CN103373354A (zh) * | 2012-04-30 | 2013-10-30 | 通用汽车环球科技运作有限责任公司 | 车辆转弯辅助系统和方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7629899B2 (en) | 1997-10-22 | 2009-12-08 | Intelligent Technologies International, Inc. | Vehicular communication arrangement and method |
EP0958565B1 (de) | 1997-02-06 | 2004-06-16 | ATX Europe GmbH | Übermittlung gebietsbezogener verkehrsinformationen |
US8965677B2 (en) * | 1998-10-22 | 2015-02-24 | Intelligent Technologies International, Inc. | Intra-vehicle information conveyance system and method |
US8947531B2 (en) * | 2006-06-19 | 2015-02-03 | Oshkosh Corporation | Vehicle diagnostics based on information communicated between vehicles |
JP4821498B2 (ja) | 2006-08-14 | 2011-11-24 | トヨタ自動車株式会社 | 運行管理システム及び隊列走行装置 |
US8179281B2 (en) * | 2006-10-13 | 2012-05-15 | Continental Teves Ag & Co. Ohg | Method and apparatus for identifying concealed objects in road traffic |
US8532862B2 (en) * | 2006-11-29 | 2013-09-10 | Ryan A. Neff | Driverless vehicle |
EP2524269B1 (en) * | 2010-01-15 | 2017-08-30 | Leica Geosystems AG | A system and method of data sharing |
DE102010007240A1 (de) * | 2010-02-09 | 2011-08-11 | Daimler AG, 70327 | Verfahren zur Ermittlung eines Spurverlaufes einer Fahrstrecke |
WO2012095658A1 (en) * | 2011-01-14 | 2012-07-19 | Bae Systems Plc | Data transfer system and method thereof |
DE102011007132A1 (de) * | 2011-04-11 | 2012-10-11 | Robert Bosch Gmbh | Energiesparende Betriebssteuerung |
US8880272B1 (en) * | 2012-03-16 | 2014-11-04 | Google Inc. | Approach for estimating the geometry of roads and lanes by using vehicle trajectories |
JP5641073B2 (ja) * | 2012-05-18 | 2014-12-17 | 株式会社デンソー | 無線通信装置および無線測位システム |
US8880273B1 (en) * | 2013-01-16 | 2014-11-04 | Google Inc. | System and method for determining position and distance of objects using road fiducials |
US8849494B1 (en) * | 2013-03-15 | 2014-09-30 | Google Inc. | Data selection by an autonomous vehicle for trajectory modification |
CN103259851A (zh) | 2013-04-19 | 2013-08-21 | 麦特汽车服务股份有限公司 | 一种基于服务中心的车辆轨迹管理方法及其车载智能终端装置 |
-
2014
- 2014-02-14 US US14/180,788 patent/US9079587B1/en active Active
-
2015
- 2015-02-10 DE DE102015202367.2A patent/DE102015202367A1/de active Pending
- 2015-02-10 MX MX2015001842A patent/MX342567B/es active IP Right Grant
- 2015-02-11 GB GB1502281.7A patent/GB2524384A/en not_active Withdrawn
- 2015-02-11 RU RU2015104551A patent/RU2015104551A/ru not_active Application Discontinuation
- 2015-02-13 CN CN202310775555.2A patent/CN116803784A/zh active Pending
- 2015-02-13 CN CN201510079208.1A patent/CN104843001A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050012602A1 (en) * | 2002-09-23 | 2005-01-20 | Michael Knoop | Method and device for preventing collision of vehicles |
CN102282600A (zh) * | 2009-01-19 | 2011-12-14 | 丰田自动车株式会社 | 车辆控制装置 |
CN101823486A (zh) * | 2010-04-30 | 2010-09-08 | 奇瑞汽车股份有限公司 | 一种自动驾驶系统 |
CN103339009A (zh) * | 2010-10-05 | 2013-10-02 | 谷歌公司 | 对自主车辆的诊断和修理 |
CN102616235A (zh) * | 2012-04-09 | 2012-08-01 | 北京航空航天大学 | 一种基于车车通信的协同避撞装置及避撞方法 |
CN103373354A (zh) * | 2012-04-30 | 2013-10-30 | 通用汽车环球科技运作有限责任公司 | 车辆转弯辅助系统和方法 |
CN102831768A (zh) * | 2012-08-15 | 2012-12-19 | 大连理工大学 | 一种基于车联网的混合动力客车行驶工况预测方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104859649A (zh) * | 2014-02-25 | 2015-08-26 | 福特全球技术公司 | 自主驾驶传感系统和方法 |
CN107042826A (zh) * | 2015-12-29 | 2017-08-15 | 法拉第未来公司 | 基于立体摄相机检测接近车辆的物体的系统和方法 |
CN107021099A (zh) * | 2016-01-04 | 2017-08-08 | 福特全球技术公司 | 自主车辆紧急操作模式 |
CN107128304A (zh) * | 2016-02-26 | 2017-09-05 | 福特全球技术公司 | 使用听觉数据的碰撞避免 |
CN107218948A (zh) * | 2016-03-21 | 2017-09-29 | 福特全球技术公司 | 用于预测路径属性和驾驶历史的融合的系统、方法和装置 |
CN105774729A (zh) * | 2016-03-25 | 2016-07-20 | 奇瑞汽车股份有限公司 | V2v主动安全系统及其控制方法 |
CN105774729B (zh) * | 2016-03-25 | 2018-05-11 | 奇瑞汽车股份有限公司 | V2v主动安全系统 |
CN107451521A (zh) * | 2016-04-29 | 2017-12-08 | 福特全球技术公司 | 车辆车道图估算 |
CN109415065A (zh) * | 2016-07-15 | 2019-03-01 | 哈曼国际工业有限公司 | 用于虚拟化驾驶环境的装置和方法以及车辆 |
CN109415065B (zh) * | 2016-07-15 | 2022-11-01 | 哈曼国际工业有限公司 | 用于虚拟化驾驶环境的装置和方法以及车辆 |
US11511768B2 (en) | 2016-07-15 | 2022-11-29 | Harman International Industries, Incorporated | Device and method for virtualizing driving environment, and vehicle |
CN108162966A (zh) * | 2016-12-05 | 2018-06-15 | 罗伯特·博世有限公司 | 提供沿第一轨迹运行至少两个车辆的信号的方法和设备 |
CN108536114A (zh) * | 2017-03-01 | 2018-09-14 | 北京图森未来科技有限公司 | 一种车辆控制装置 |
CN108931978A (zh) * | 2017-05-18 | 2018-12-04 | 福特全球技术公司 | 车辆冰撞击预测 |
CN108931978B (zh) * | 2017-05-18 | 2024-05-10 | 福特全球技术公司 | 车辆冰撞击预测 |
CN109213145A (zh) * | 2017-07-06 | 2019-01-15 | 福特全球技术公司 | 受损车辆的导航 |
CN111741882A (zh) * | 2018-02-22 | 2020-10-02 | 大众汽车股份公司 | 用于机动车的基于群的轨迹 |
CN109835339A (zh) * | 2019-03-21 | 2019-06-04 | 北京经纬恒润科技有限公司 | 一种换道决策方法及装置 |
CN114475617A (zh) * | 2022-04-15 | 2022-05-13 | 中汽创智科技有限公司 | 一种路况识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
RU2015104551A3 (zh) | 2018-07-06 |
US9079587B1 (en) | 2015-07-14 |
RU2015104551A (ru) | 2016-08-27 |
GB2524384A (en) | 2015-09-23 |
MX342567B (es) | 2016-10-05 |
CN116803784A (zh) | 2023-09-26 |
DE102015202367A1 (de) | 2015-08-20 |
GB201502281D0 (en) | 2015-04-01 |
MX2015001842A (es) | 2015-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104843001A (zh) | 密集车辆环境中的自主控制 | |
US10422649B2 (en) | Autonomous driving sensing system and method | |
CN110431037B (zh) | 包括运用部分可观察马尔可夫决策过程模型示例的自主车辆操作管理 | |
CN104574953B (zh) | 交通信号预测 | |
CN106891893B (zh) | 车辆模式确定 | |
US11565722B2 (en) | Vehicle trajectory prediction near or at traffic signal | |
CN104572065A (zh) | 远程车辆监控系统和方法 | |
US11859990B2 (en) | Routing autonomous vehicles using temporal data | |
CN104574952A (zh) | 车辆导航用航摄数据 | |
CN104786964A (zh) | 自主车辆降水检测 | |
US20200272159A1 (en) | Method and vehicle control system for intelligent vehicle control about a roundabout | |
US20180215374A1 (en) | Self-parking vehicle | |
US20200062243A1 (en) | Autonomous parking in an indoor parking facility | |
US20210300359A1 (en) | Systems and methods for modeling pedestrian activity | |
US11587366B1 (en) | Systems and methods for selecting locations to validate automated vehicle data transmission | |
JP2021005866A (ja) | ビークルマイクロクラウドによる協調パーキングスペースサーチ | |
US11572731B2 (en) | Vehicle window control | |
JP5110125B2 (ja) | 情報処理装置及びコンピュータプログラム | |
JP6809339B2 (ja) | 自動走行制御装置 | |
US20220333933A1 (en) | Enhanced vehicle and trailer operation | |
Worrall et al. | A probabilistic method for detecting impending vehicle interactions | |
JP4940278B2 (ja) | パーキング無線通信システム | |
US20210262813A1 (en) | Method, computer program, apparatus, vehicle, and network entity for predicting a deadlock situation for an automated vehicle | |
CN114442596A (zh) | 一种车辆测试方法和系统 | |
US10403139B2 (en) | Local navigation system for vehicle navigation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150819 |
|
RJ01 | Rejection of invention patent application after publication |