CN104908741A - 自主驾驶传感系统及方法 - Google Patents
自主驾驶传感系统及方法 Download PDFInfo
- Publication number
- CN104908741A CN104908741A CN201510086806.1A CN201510086806A CN104908741A CN 104908741 A CN104908741 A CN 104908741A CN 201510086806 A CN201510086806 A CN 201510086806A CN 104908741 A CN104908741 A CN 104908741A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- autonomous
- computing machine
- sensor
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 40
- 230000009471 action Effects 0.000 claims abstract description 24
- 230000001133 acceleration Effects 0.000 claims description 10
- 230000005055 memory storage Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 26
- 238000004891 communication Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 14
- 230000007246 mechanism Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G01C21/34—Route searching; Route guidance
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
从各自的数据源收集第一和第二组数据。第一和第二组数据的每一个均提供用于分别从第一和第二类别的自主车辆操作中选择出来的决定。作出采取从第一类别的自主车辆操作中选择出来的自主行动的决定。使用来自分别与第一和第二类别的自主车辆操作相关的第一和第二组数据的每一个中的数据来确定自主行动。
Description
相关申请
本申请要求于2014年2月24日提交的,序列号为61/943,590,题为“自动驾驶传感系统及方法”的美国临时专利申请的优先权,本申请在此通过引用并入了该专利的全部内容。
背景技术
车辆——特别是自主操作或半自主操作的车辆——可以通过各种机制来获取与环境状况相关的数据,例如包含于车辆的传感器或诸如此类。传感器数据可以提供与环境状况相关的信息,例如道路或道路中的车道的边缘等,并且可以用于为车辆制定适当的速度、为车辆制定适当的路径等。然而,现有的车辆传感器数据受到与由此确定的信息相关的限制。例如,车辆计算机也许不能利用来自各种传感器的、与各种现象相关的、各种格式等的数据。
发明内容
根据本发明,提供一种在于车辆中的计算机中执行的方法,方法包括:
从各自的数据源收集第一和第二组数据,第一和第二组数据的每一个均提供用于分别从第一和第二类别的自主车辆操作中选择出来的决定;
确定采取从第一类别的自主车辆操作中选择出来的自主行动;
使用来自分别与第一和第二类别的自主车辆操作相关的第一和第二组数据的每一个中的数据来确定自主行动。
根据本发明的一个实施例,各自的数据源包含车辆中的传感器。
根据本发明的一个实施例,传感器包含雷达、激光雷达、声呐以及相机中的至少一个。
根据本发明的一个实施例,第一组数据从车辆中的传感器收集而来,并且第二组数据由从车辆中的传感器收集来的数据派生而来。
根据本发明的一个实施例,第一组数据包含全球定位系统(GPS)数据和地图数据中的至少一个,以及第二组数据包含从至少一个车辆传感器收集到的与车辆速度和加速度相关的数据中的至少一个。
根据本发明的一个实施例,自主行动与车辆道路、接近车辆的物体以及第二车辆中的一个相关。
根据本发明的一个实施例,自主行动为确定车辆路径、确定车辆是否应当变更车道、以及确定是否调整车辆速度中的一个。
根据本发明的一个实施例,两个或多个来源包含车辆中的传感器和远程服务器。
根据本发明的一个实施例,进一步包含使用时间标记和地理坐标中的至少一个来同步数据。
根据本发明的一个实施例,第一类别和第二类别中的每一个选自于包含战略决定、战术决定以及操作决定的群组。
根据本发明,提供一种系统,包括配置安装于车辆中的计算机,计算机包含处理器和存储器,存储器储存由处理器来执行的指令,使得计算机被编程为执行以下步骤:
从各自的数据源收集第一和第二组数据,第一和第二组数据的每一个均提供用于分别从第一和第二类别的自主车辆操作中选择出来的决定;
确定采取从第一类别的自主车辆操作中选择出来的自主行动;
使用来自分别与第一和第二类别的自主车辆操作相关的第一和第二组数据的每一个中的数据来确定自主行动。
根据本发明的一个实施例,各自的数据源包含车辆中的传感器。
根据本发明的一个实施例,传感器包含雷达、激光雷达、声呐以及相机中的至少一个。
根据本发明的一个实施例,第一组数据从车辆中的传感器收集而来,并且第二组数据由从车辆中的传感器收集来的数据派生而来。
根据本发明的一个实施例,第一组数据包含全球定位系统(GPS)数据和地图数据中的至少一个,以及第二组数据包含从至少一个车辆传感器收集到的与车辆速度和加速度相关的数据中的至少一个。
根据本发明的一个实施例,自主行动与车辆道路、接近车辆的物体以及第二车辆中的一个相关。
根据本发明的一个实施例,自主行动为确定车辆路径、确定车辆是否应当变更车道、以及确定是否调整车辆速度中的一个。
根据本发明的一个实施例,两个或多个来源包含车辆中的传感器和远程服务器。
根据本发明的一个实施例,计算机进一步编程用于使用时间标记和地理坐标中的至少一个来同步数据。
根据本发明的一个实施例,第一类别和第二类别中的每一个选自于包含战略决定、战术决定以及操作决定的群组。
附图说明
图1是示例性自主车辆传感系统的框图;
图2是包含传感器标记的车辆道路的框图;
图3是用于自主模式下的自主车辆传感系统的示例性流程图;
图4是确定用于在车辆中实施自主行动的数据的示例性流程图。
具体实施方式
引言
图1是示例性自主车辆系统100的框图,包含装备有一个或更多传感器数据采集器110的车辆101,该传感器数据采集器110收集与车辆101附近环境相关的采集到的数据115,该环境例如包含道路115(在图2中所说明的)和靠近其的区域、一个或更多目标物体160等。车辆101中的计算装置105总体接收采集到的数据115,并且进一步包含自主驾驶模块106,例如,作为一组储存于计算装置105的储存器中,并由其处理器来执行的指令,可以凭借这些指令来自主或半自主进行一些或全部车辆101的操作,即无需人为控制和/或伴有有限的人为干预。
采集到的数据115包括与道路155和/或周围环境相关的数据,该环境包含一个或更多目标160,该数据115可以被车辆101的计算机105用来作出与车辆101操作相关的决定,包含车辆101的自主操作。由于采集到的数据115可以涉及车辆101环境和/或目标160的各种不同方面,并且可以包含各种不同传感器数据采集器110的各种格式的数据115,计算机105可以进一步配置用于使用各种机制来整合或融合各种数据115来作出与一个或更多车辆101的行动相关的决定。
例如,计算机105可以被编程来执行分成一个或更多类别的自主任务,包含战略、战术和操作任务。战略任务在这里被定义为作出与车辆101的路径有关的决定,例如确定到目的地或路点的最佳路径、因交通状况或道路状况而重新选择车辆101的路径等。战术任务在这里被定义为在行驶于已经确定的车辆101路径中时确定车辆101的速度和/或转向。因此,战术任务的实例包含作出车道变更、制动、加速、保持与一个或更多周围车辆之间的预定距离等。操作任务包含控制各种车辆101组件的操作,以便支持战术任务的实施,例如,确定车辆101合适的横向或纵向控制而驱动节气门来增加动力传动系统的动力、驱动制动器、驱动转向器来改变转向角度等。各种采集到的数据115可以被用来支持这些不同类别的任务。有利地,典型专用于一个类别的任务的数据可以用来支持另一个类别的任务。例如,全球定位系统(GPS)数据115可以被用于支持车辆101路径选择的战略任务。然而,GPS数据115还可以被用于支持像确定并调整车辆101速度这样的战术任务。
典型系统要素
车辆101包括车载计算机105,该车载计算机通常包括处理器和存储器,该存储器包括一种或更多种形式的计算机可读介质,并存储处理器可执行的用于执行各种操作的指令,包括本发明所公开的那些。例如,计算机105总体包括并有能力执行用于选择车辆101自主操作模式、调整车辆101自主操作模式、更换车辆101自主操作模式等的指令。
进一步地,计算机105可以包括或通信地耦接——例如通过在下文进一步描述的车辆101通信总线——至多于一个的计算装置,如控制器或诸如此类包括在车辆101内用于监测和/或控制各种车辆部件的装置,如发动机控制单元(ECU),传输控制单元(TCU)等。计算机105大体上配置用于在车辆101内的网络上进行通信,例如控制器局域网(CAN)总线或诸如此类。计算机105也可以与车载诊断装置连接器(OBD-II)连接。通过CAN总线,OBD-II,和/或其它有线或无线机制,计算机105可以传递信息至车辆中的各种装置和/或从各种装置接收信息,该各种装置如为控制器,驱动器,传感器等,包括数据采集装置110。可选地或附加地,在计算机105实际上包含多个装置的情况下,CAN总线或诸如此类可用于本发明中计算机105表示的装置之间的通信。进一步地,正如下文所提到的,例如ECU、TCU等这样的各种控制器或诸如此类可以通过例如CAN总线或诸如此类这样的车辆101网络向计算机105提供数据115。
另外,计算机105可以配置用于与一个或更多远程计算机125通过网络120来通信,正如下文所述,网络120可以包含各种有线和/或无线的网络技术,例如蜂窝、蓝牙、有线和/或无线的分组网络等。进一步地,例如作为部分模块106的计算机105总体包含用于接收数据的指令,该数据来自于例如一个或更多数据采集器110和/或人机界面(HMI),该人机界面(HMI)例如互动式语音应答(IVR)系统、包含触摸屏或诸如此类的图形用户界面(GUI)等。
如上所述,由计算机105储存并执行的指令总体包括自主驾驶模块106。运用计算机105接收到的数据,该数据来自于如数据采集器110的采集到的数据115、服务器125等,模块106可以在无驾驶员操作车辆101的情况下作出各种决定或控制各种车辆101部件和/或操作。例如,模块106可以用于调节车辆101的如速度、加速度、减速度、转向等这样的操作行动,以及如车辆之间的距离和/或车辆之间的时间量、车辆之间车道变更的最小间隙、最小左转跨越路径、特定位置的抵达时间、穿越十字路口的十字路口(无信号)最短抵达时间等这样的战术行动。同样地,模块106可以基于数据115来作出例如车辆101路径、路径上的路点等这样的战略决定。
数据采集装置110可以包括多种装置。例如如前所述,车辆中各种控制器可以起到数据采集装置110的作用,以通过CAN总线提供采集到的数据115,如与车辆速度,加速度等有关的采集到的数据115。进一步地,传感器或诸如此类,全球定位系统(GPS)装置等可以被包括在车辆中,且配置作为数据采集装置110以直接为计算机105提供数据,如通过有线或无线连接。数据采集器110还可以包括用于检测并有可能获取来自如下所述的目标160的信息以及车辆101外部其他状况的传感器以及诸如此类,例如中距离和长距离传感器。例如,传感器数据采集器110可以包括如无线电、RADAR(雷达)、LIDAR(激光雷达)、声波定位仪、相机或其它图像捕捉装置这样的机构,其可部署用于测定目标160和/或获取与车辆101自主操作相关的其它采集到的数据115,例如测量车辆101与其它车辆或物体之间的距离,以便发现其它车辆或物体,和/或侦查路况,例如弯道、坑洼、下沉、突起、坡度的变化等。进一步例如,GPS数据115可以与2D和/或3D高分辨率数字地图数据、和/或例如储存于计算机105的储存器中的被认为是“电子层数据(Electronic Horizon data)”的基本数据相结合。基于涉及已知形式的航位推测法、和/或某些其他即时定位与地图构建(SLAM)和/或已知的可能使用GPS数据115的定位计算的数据115,数码地图数据115可以被用作有关数据,以便在计算机105确定车辆101路径或支持路径规划与为战术驾驶决策的决定程序中使用。
计算机105的存储器总体储存采集到的数据115。采集到的数据115可以包括车辆101中从数据采集器110采集到的多种数据,包含从一个或更多目标160获得的数据115。以上或下面提供了采集到的数据115的实例,例如与目标160相关,以及此外,数据115可以进一步包括计算机105由此计算出来的数据。总之,采集的数据115可以包括任何可以被采集装置110采集的数据和/或从这些数据中计算出的数据,例如像原始雷达或激光雷达数据115值这样的原始传感器110数据115值、例如像由原始雷达数据115计算的物体160的距离这样的派生数据值、例如像由车辆101的引擎控制器或一些其它控制和/或监控系统提供的测量数据值。总之,可以收集各种类型的原始数据115,例如图像数据115,涉及反射光或声音的数据115,指示环境光、温度、速度、加速度、偏航等总量的数据115。
因此,总体上,采集到的数据115可以包括与车辆101操作和/或性能有关的多种数据115,也包括尤其与车辆101运动有关的数据。例如,除了如下文所讨论的从目标160获取的数据115以外,采集到的数据115可以包括与车辆101速度、加速度、制动、变道、车道使用(例如在特定道路和/或道路类型,例如州际高速公路)、在各自的速度或速度范围下与其它车辆的平均距离有关的数据115,和/或与车辆101操作相关的其它数据115。
另外,采集到的数据115可以由远程服务器125和/或一个或更多其它车辆101来提供,例如,使用车辆间通信。包含硬件、通信协议等在内的各种技术已知用于车辆间通信。例如,可以根据专用短程通信(DSRC)来发送并接收车辆间消息,或诸如此类。正如人们已知的,DSRC是在专门由美国政府在5.9GHz频段中分配的频谱中的在短至中等范围内功率相对较低的操作。在任何情况下,车辆间消息中的信息可以包含采集到的数据115,例如传输车辆101的位置(根据地理坐标,例如经度和纬度)、速度、加速度、减速度等。进一步地,传输车辆101可以提供其它一个或更多目标160的数据115,例如位置、速度等。
网络120表示一个或更多能够让车载计算机105与远程服务器125和/或用户装置150通信的机制。因此,网络120可以是一个或更多各种有线或无线通信机制,该通信机制包括任何所需有线(例如电缆或光纤)和/或无线(例如蜂窝、无线、卫星、微波以及射频)通信机制的组合,以及任何所需网络拓扑(或运用多元通信机制时的多个拓扑)。示例性通信网络包括无线通信网络(例如运用蓝牙、IEEE 802.11等),局域网(LAN)和/或包括因特网在内的广域网(WAN),提供数据通信服务。
服务器125可以是一个或更多计算机服务器,每个计算机服务器总体包括至少一个处理器和至少一个存储器,存储器储存处理器执行的指令,该指令包括用于实施本发明所描述的各种步骤和程序的指令。服务器125可以包括或通信地耦合至数据存储器130,其用于储存从一辆或多辆车辆101接受的采集到的数据115
附加地或可选地,服务器可以提供由车辆105所使用的数据115,例如在模块106中使用。通常来自于例如通过服务器125的数据存储器130、其它车辆101、和/或车辆101中的数据采集器110等不同来源的数据115组合可以被合成和/或组合以便为警告、消息和/或自主操作提供基础。例如,第一车辆101可以检测道路155中的物体160。物体160可以被归类为潜在的障碍,但是然后——例如当第一车辆101接近物体160时——确定其为不会使第一车辆101的进程面临危险的尺寸、形状、和/或位置。第一车辆101可以随后向服务器125提供与物体160相关的数据115,该服务器125会将这样的数据115储存于数据存储器130。与物体160相关的数据115随后会被提供至一个或更多在邻近物体160的区域的第二车辆101,第二车辆101可以借此得益于表明物体160实际上不会对第二车辆101造成威胁的数据115。相应地,车辆101可以使用其自己的操作历史和/或由其它车辆101记录的历史,以便作出与自主操作有关的决定。
用户装置150可以是各种包括处理器和存储器以及通信能力的计算装置中的任何一种。例如,用户装置150可以是包括能够使用IEEE 802.11、蓝牙和/或蜂窝通信协议来进行无线通信的便携式计算机、平板计算机、智能电话等。进一步地,用户装置150可以运用这种通信能力通过网络120与包括车载计算机105进行通信。用户装置150可以通过其它机制与车辆101计算机105进行通信,该机制例如车辆101中的网络、例如蓝牙这样的已知协议等。因此,在用户装置150可以被用于对计算机105提供数据115的情况下,用户装置150可以被用于执行本发明中归属于数据采集器110的某些操作,例如,语音识别功能、相机、全球定位系统(GPS)功能等。此外,用户装置150可以用于为计算机105提供人机界面(HMI)。
正如图2所看到的,一个或更多目标160可以接近道路155。目标或物体160可以是各种物体中的任何一个,例如车辆101、岩石、标志、凸出物、壁障、车道标志、路灯、停车灯、十字路口等。在本发明中,“接近”的意义包含在道路155的表面上或道路155附近的表面上(例如处于、靠近或邻近道路155的路肩等)行进、静止、被嵌入或固定,或者位于其中或其上,例如在所述表面的几英尺以内的柱上的标记等。进一步地,目标160可以通过悬置在道路155上来接近道路155,例如在桥边或桥下、在为道路上方的悬置标志而配置的建筑结构之上等。通常目标160接近道路155意味着目标160被定位为其能够被行进于接近目标160的道路155之上的一个或更多车辆101中的数据采集器110检测到。
示例性过程流程
图3是自主车辆101传感系统在自主模式下的示例性流程图。
过程300起始于框305,在框305中,车辆101进行自主驾驶操作。也就是说车辆101为部分或完全自主操作,即部分或完全由自主驾驶模块106控制的模式,该模块可以配置用于根据采集到的数据115来操作车辆101。例如,如转向、制动、速度等这样的所有车辆101的操作可以由计算机105中的模块106来控制。车辆在框305还有可能部分或半自主操作,即部分手动的方式,其中,例如制动这样的一些操作可以由驾驶员手动控制,同时包含转向在内的其它操作可以由计算机105来控制。同样地,模块106可以控制车辆101何时变更车道。进一步地,过程300起始于车辆101驾驶操作开始之后的一些点是有可能的,例如由车辆乘员通过计算机105的用户界面手动发起。
接下来在框310,数据采集器110获取采集到的数据115。例如,相机数据采集器110可以收集图片数据115,引擎控制单元可以提供RPM(每分钟转数)数据115,速度传感器110可以提供速度数据115,以及像雷达、激光雷达、声学的等其它一些数据115。
接下来在框315,例如在预定时间段内采集到的数据115在时间上同步。也就是说一个或更多采集到的数据115可以指定同样的时间标记或诸如此类,表明每一个如此标记的数据115代表与感测到的数据115相关的同一时间。进一步地,采集到的数据115可以与位置有关联,例如由车辆101中的数据采集器110使用全球定位系统(GPS)或诸如此类检测到的地理坐标的经纬度或诸如此类,并且可以根据与采集到的数据115相关的相似位置来与其它采集到的数据115同步或关联。
接下来在框320,已经在时间上同步的采集到的数据115,即如前文关于框315中所述地与特定时间或时间段相关联,随后在空间上同步。例如车辆101可以包含全球定位系统(GPS)数据115,以及另外可以确定定位信息,例如一个或更多可能包含其它车辆101的目标160的位置、速度、加速度、和/或减速度等。例如,目标160的定位可以使用图像数据115、雷达数据115、激光雷达数据115等来确定。进一步地,如上所述,车辆101可以从一个或更多第二车辆101和/或远程服务器125通过网络120来接收一个或更多车辆间通信中的数据115。如前文关于框315、320中所述的,从外部来源接收到的这样的数据115同样可以在时间上和空间上同步,包括与车辆101中收集的数据115。
接下来在框325,采集到的数据115可以与一组地图数据同步。例如,计算机105可以在存储器中储存相应与车辆周围区域地理坐标相关的地图信息,例如指示道路,地标,如限速、车道数、行进方向、现有建筑这样的道路特征等。在框325,这样的地图数据与数据115相关联,该数据115拥有由地图数据所指示的坐标处和附近的空间坐标。
接下来在框330,计算机105执行数据验证步骤。例如,各种数据115可以被查验以便确定数据115在可接受的范围内,例如,高于预定阀值的速度数据可以被视为无效等,该预定阀值设置于车辆101的可能速度或高于可能速度。
接下来在框335,计算机105可以确定至少一个战略、战术、或操作行动是适当的,例如选择或改变车辆101路径、减小速度以便遵守速度限制、变更车道、为可能的汛情而减缓至适当的速度、改变车辆101和其它车辆之间的距离等。然而,在一些情况下,计算机105可以确定不必采取行动。例如,目标160可以指示道路中特定车道速度限制变化或不可得等,车辆101在该道路的可用车道中新的速度限制下行进。在任何情况下,计算机105执行任何框335所确定的行动。例如,速度、与其它车辆之间的距离、行进车道等可以如上所述进行调整。作为确定行动是否适当和/或确定执行的行动的一部分,计算机105选择资料或数据115来支持该行动。在一些情况下,计算机105可以选择通常用于例如战略决定这样的第一类别的决策的资料115,用于例如战术决定这样的第二类别的决策的资料115。下文将结合图4来描述用于确定车辆101的自主行动的数据115的过程400。
在跟随框335的框340,计算机105确定过程300是否继续。例如,如果自主驾驶模式结束并且驾驶员恢复手动控制、如果车辆101电源关闭等,过程300可以结束。在任何情况下,如果过程300不应继续,过程300紧随框340而结束。否则,过程300继续前进至框305。
图4是确定在执行车辆101的自主行动中使用的数据115的示例性过程400的示图。过程400开始于框405,在框405中车辆101的计算机105——例如根据自主模块106的指令——识别将要作出的关于车辆101中潜在的自主行动的决定。例如,如上所述,计算机105可以识别各种战略、战术、和/或操作决定,例如需要为车辆101确定路径、确定车辆101是否应该变更车道、确定是否调整车辆101的速度等。
接下来在框410,计算机105识别用于在框405中识别的决定或判定的数据115。例如,计算机105确定接收到的与框405中识别的决定或判定相关的数据115是否足够作出决定或判定,和/或通常为另一类别的决定而提供的数据115是否可以用于补充接收到的与决定或判定相关的数据115。例如,计算机105通常可以使用来自雷达和/或激光雷达传感器110的数据115来确定是否变更车道。然而,GPS数据115也可以被使用,例如通过提供与例如道路狭窄、即将到来的建筑结构、存在的可能影响交通模式的入口或出口坡道等即将到来的道路特征相关的信息。进一步地,除了确定特定类型的数据115是否可以使用以外,计算机105还可以根据驾驶环境来限制特定类型的数据115是使用。例如,GPS数据115支持战术操作的使用可能受限于车辆101在被归类为高速公路的道路上驾驶的情况,例如四车道的高速公路或诸如此类。
总之,在框410,计算机105确定除了与一个类别的决定相关的数据115之外,是否包含额外的与第二类别相关的数据115。如果没有找到有用的第二类别的数据,则过程400紧随框410结束。否则过程400继续前进至框415。
在框415,计算机105同步并验证数据115,例如,如前所述。
紧随框415,在框420,计算机105使用如上所述识别的数据115来执行行动。紧随框415,过程400结束。
结论
计算装置,例如本发明中所讨论的那些,通常各自包括一个或多个计算装置(如上所述的那些)可执行的指令,用于执行上述过程的框或步骤。例如上述讨论的过程框可以呈现为计算机可执行的指令。
计算机可执行的指令可以从使用多种程序设计语言和/或技术建立的计算机程序中被编译或解读,这些程序设计语言和/或技术,非为限制,包括JavaTM,C,C++,Visual Basic,Java Script,Perl,HTML等中单独一个或结合。通常,处理器(如微处理器)如从存储器,计算机可读介质等接收指令,并且执行这些指令,从而执行一个或多个过程,包括本发明中所述过程的一个或多个。这样的指令和其它数据可以被存储且使用多种计算机可读介质传送。计算装置中的文件通常是存储在计算机可读介质(例如存储介质,随机存取存储器等)中的数据集。
计算机可读介质包括参与提供计算机可读数据(如指令)的任何介质。这样的介质可以采取许多形式,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,例如光盘或磁盘以及其它持续内存。易失性介质包括动态随机存取存储器(DRAM),其典型地构成主存储器。计算机可读介质的普遍形式包括,例如软盘(floppy disk),可折叠磁盘(flexible disk),硬盘,磁带,其它磁性介质,CD-ROM,,DVD,其它光学介质,穿孔卡片,纸带,其它具有孔排列模块的物理介质,RAM,PROM,EPROM,FLASH-EEPROM,其它存储芯片或磁片盒,或其它计算机可读的介质。
在附图中,相同的附图标记指示相同元件。进一步地,这些元件中的一些或全部可以被改变。至于本发明中所述的介质,过程,系统,方法等,应当理解的是,虽然这些过程等的步骤等被描述成根据一定的有序序列发生,这些过程可以实施为以不同于本发明所述顺序的顺序来执行所述的步骤。进一步应当理解,某些步骤可以同时执行,其它步骤可以增加,或在此所述的某些步骤可以省略。换句话说,提供本发明过程的描述目的在于说明某些实施例,而不应以任何方式被解释为限制要求保护的发明。
因此,应当理解的是,上述说明旨在说明而不是限制。除了提供的例子,在阅读上述说明基础之上许多实施例和应用对本领域技术人员来说是显而易见的。本发明的范围不应参照上述说明来确定,而是应该参照权利要求连同这些权利要求所享有的全部等效范围确定。可以预见和预期未来的发展将会发生在本发明讨论的领域,且本发明所公开的系统和方法将会被结合到这些未来的实施例中。总之,应当理解的是,本发明能够进行修改和变化并且仅被以下权利要求限定。
在权利要求中使用的所有术语旨在被给予它们如本领域中技术人员理解的通常含义,除非在此作出明确相反的指示。特别是单数冠词如“一”,“该”,“所述”等的使用应被理解为叙述一个或多个所示元件,除非权利要求中叙述了明确相反的限制。
Claims (10)
1.一种在车辆中的计算机上执行的方法,方法包括:
从各自的数据源收集第一和第二组数据,第一和第二组数据的每一个均提供用于分别从第一和第二类别的自主车辆操作中选择出来的决定;
确定采取从第一类别的自主车辆操作中选择出来的自主行动;
使用来自分别与第一和第二类别的自主车辆操作相关的第一和第二组数据的每一个中的数据来确定自主行动。
2.根据权利要求1所述的方法,其中各自的数据源包含车辆中的传感器。
3.根据权利要求2所述的方法,其中传感器包含雷达、激光雷达、声呐以及相机中的至少一个。
4.根据权利要求1所述的方法,其中第一组数据从车辆中的传感器收集而来,并且第二组数据由从车辆中的传感器收集来的数据派生而来。
5.根据权利要求1所述的方法,其中第一组数据包含全球定位系统(GPS)数据和地图数据中的至少一个,以及第二组数据包含从至少一个车辆传感器收集到的与车辆速度和加速度相关的数据中的至少一个。
6.一种系统,包括配置为安装于车辆中的计算机,计算机包含处理器和存储器,存储器储存由处理器来执行的指令,使得计算机被编程为执行以下步骤:
从各自的数据源收集第一和第二组数据,第一和第二组数据的每一个均提供用于分别从第一和第二类别的自主车辆操作中选择出来的决定;
确定采取从第一类别的自主车辆操作中选择出来的自主行动;
使用来自分别与第一和第二类别的自主车辆操作相关的第一和第二组数据的每一个中的数据来确定自主行动。
7.根据权利要求6所述的系统,其中各自的数据源包含车辆中的传感器。
8.根据权利要求7所述的系统,其中传感器包含雷达、激光雷达、声呐以及相机中的至少一个。
9.根据权利要求6所述的系统,其中第一组数据从车辆中的传感器收集而来,并且第二组数据由从车辆中的传感器收集来的数据派生而来。
10.根据权利要求6所述的系统,其中第一组数据包含全球定位系统(GPS)数据和地图数据中的至少一个,以及第二组数据包含从至少一个车辆传感器收集到的与车辆速度和加速度相关的数据中的至少一个。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461943590P | 2014-02-24 | 2014-02-24 | |
US61/943,590 | 2014-02-24 | ||
US14/599,714 | 2015-01-19 | ||
US14/599,714 US10422649B2 (en) | 2014-02-24 | 2015-01-19 | Autonomous driving sensing system and method |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104908741A true CN104908741A (zh) | 2015-09-16 |
CN104908741B CN104908741B (zh) | 2019-12-10 |
Family
ID=53782682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510086806.1A Active CN104908741B (zh) | 2014-02-24 | 2015-02-25 | 自主驾驶传感系统及方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10422649B2 (zh) |
CN (1) | CN104908741B (zh) |
DE (1) | DE102015202859A1 (zh) |
MX (1) | MX2015002350A (zh) |
RU (1) | RU2015105685A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111208691A (zh) * | 2018-11-22 | 2020-05-29 | 南京人工智能高等研究院有限公司 | 拍摄视角的调整方法、装置、电子设备及存储介质 |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10360636B1 (en) | 2012-08-01 | 2019-07-23 | Allstate Insurance Company | System for capturing passenger and trip data for a taxi vehicle |
US11307042B2 (en) | 2015-09-24 | 2022-04-19 | Allstate Insurance Company | Three-dimensional risk maps |
US20170174221A1 (en) * | 2015-12-18 | 2017-06-22 | Robert Lawson Vaughn | Managing autonomous vehicles |
US10699347B1 (en) | 2016-02-24 | 2020-06-30 | Allstate Insurance Company | Polynomial risk maps |
CN106347374A (zh) * | 2016-09-28 | 2017-01-25 | 深圳市元征科技股份有限公司 | 车辆环境采集融合装置及方法 |
US9905133B1 (en) | 2016-09-30 | 2018-02-27 | Allstate Insurance Company | Controlling autonomous vehicles to provide automated emergency response functions |
US9979813B2 (en) | 2016-10-04 | 2018-05-22 | Allstate Solutions Private Limited | Mobile device communication access and hands-free device activation |
US11295218B2 (en) | 2016-10-17 | 2022-04-05 | Allstate Solutions Private Limited | Partitioning sensor based data to generate driving pattern map |
KR102272801B1 (ko) | 2016-11-29 | 2021-07-02 | 블랙모어 센서스 앤드 애널리틱스, 엘엘씨 | 포인트 클라우드 데이터 세트에서 객체의 분류를 위한 방법 및 시스템 |
US11624828B2 (en) | 2016-11-30 | 2023-04-11 | Blackmore Sensors & Analytics, Llc | Method and system for adaptive scanning with optical ranging systems |
US11802965B2 (en) | 2016-11-30 | 2023-10-31 | Blackmore Sensors & Analytics Llc | Method and system for doppler detection and doppler correction of optical chirped range detection |
CN110140064B (zh) | 2016-11-30 | 2023-07-18 | 布莱克莫尔传感器和分析有限责任公司 | 利用光学测距系统进行自动实时自适应扫描的方法和系统 |
US10422880B2 (en) | 2017-02-03 | 2019-09-24 | Blackmore Sensors and Analytics Inc. | Method and system for doppler detection and doppler correction of optical phase-encoded range detection |
US20180286246A1 (en) * | 2017-03-31 | 2018-10-04 | Intel Corporation | Sensor-derived road hazard detection and reporting |
DE102018204829A1 (de) | 2017-04-12 | 2018-10-18 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zur Analyse einer Fahrzeugumgebung sowie Fahrzeug mit einer solchen Vorrichtung |
US10319225B2 (en) * | 2017-05-24 | 2019-06-11 | Toyota Motor Engineering & Manufacturing North America, Inc. | System, method, and computer-readable storage medium for determining road type |
DE102017210070A1 (de) * | 2017-06-14 | 2018-12-20 | Robert Bosch Gmbh | Verfahren zum Erstellen einer digitalen Karte für ein automatisiertes Fahrzeug |
US10401495B2 (en) | 2017-07-10 | 2019-09-03 | Blackmore Sensors and Analytics Inc. | Method and system for time separated quadrature detection of doppler effects in optical range measurements |
US10967862B2 (en) * | 2017-11-07 | 2021-04-06 | Uatc, Llc | Road anomaly detection for autonomous vehicle |
WO2019094538A1 (en) * | 2017-11-13 | 2019-05-16 | Cummins, Inc. | Predictive and optimal vehicle operation control in platooning operations |
US11378956B2 (en) * | 2018-04-03 | 2022-07-05 | Baidu Usa Llc | Perception and planning collaboration framework for autonomous driving |
US11104345B2 (en) * | 2018-04-18 | 2021-08-31 | Rivian Ip Holdings, Llc | Methods, systems, and media for determining characteristics of roads |
EP3785043B1 (en) * | 2018-04-23 | 2023-08-16 | Blackmore Sensors & Analytics, LLC | Method and system for controlling autonomous vehicle using coherent range doppler optical sensors |
KR102462027B1 (ko) * | 2018-05-15 | 2022-11-02 | 현대모비스 주식회사 | 객체 감지 센서의 세척 장치 및 방법 |
US20200124435A1 (en) * | 2018-10-17 | 2020-04-23 | Toyota Motor North America, Inc. | Distributed route determination system |
US11173921B2 (en) | 2018-11-19 | 2021-11-16 | Micron Technology, Inc. | Sensor fusion to determine reliability of autonomous vehicle operation |
US11822010B2 (en) | 2019-01-04 | 2023-11-21 | Blackmore Sensors & Analytics, Llc | LIDAR system |
US11827247B2 (en) | 2020-02-19 | 2023-11-28 | Verizon Connect Development Limited | Systems and methods for externally assisted self-driving |
US11521485B2 (en) * | 2020-05-24 | 2022-12-06 | Lemko Corporation | Automated vehicle control distributed network apparatuses and methods |
US20230034488A1 (en) * | 2021-06-22 | 2023-02-02 | Santh Sathya | Air and road vehicle system |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050149251A1 (en) * | 2000-07-18 | 2005-07-07 | University Of Minnesota | Real time high accuracy geospatial database for onboard intelligent vehicle applications |
CN101299301A (zh) * | 2007-05-04 | 2008-11-05 | 通用汽车环球科技运作公司 | 具有集成数字地图的慢速或停止车辆的提前顾问 |
US20090292468A1 (en) * | 2008-03-25 | 2009-11-26 | Shunguang Wu | Collision avoidance method and system using stereo vision and radar sensor fusion |
CN102139696A (zh) * | 2010-02-02 | 2011-08-03 | 通用汽车环球科技运作有限责任公司 | 疏堵 |
CN102227612A (zh) * | 2008-10-24 | 2011-10-26 | 格瑞股份公司 | 自主驾驶车辆的控制和系统 |
CN103370249A (zh) * | 2010-10-05 | 2013-10-23 | 谷歌公司 | 用于预测检测到的物体的行为的系统和方法 |
Family Cites Families (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5983161A (en) * | 1993-08-11 | 1999-11-09 | Lemelson; Jerome H. | GPS vehicle collision avoidance warning and control system and method |
US5469356A (en) * | 1994-09-01 | 1995-11-21 | Caterpillar Inc. | System for controlling a vehicle to selectively allow operation in either an autonomous mode or a manual mode |
US6449559B2 (en) * | 1998-11-20 | 2002-09-10 | American Gnc Corporation | Fully-coupled positioning process and system thereof |
US7124027B1 (en) * | 2002-07-11 | 2006-10-17 | Yazaki North America, Inc. | Vehicular collision avoidance system |
KR20040091788A (ko) | 2003-04-22 | 2004-11-02 | 현대자동차주식회사 | 고속도로 자율주행 시스템 및 그의 제어방법 |
DE602005019499D1 (de) | 2004-07-15 | 2010-04-08 | Hitachi Ltd | Fahrzeugsteuerungsystem |
JP4600357B2 (ja) * | 2006-06-21 | 2010-12-15 | トヨタ自動車株式会社 | 測位装置 |
DE102007044006A1 (de) | 2007-09-14 | 2009-04-02 | Robert Bosch Gmbh | Fahrerloses Elektrofahrzeug |
WO2009084134A1 (ja) * | 2007-12-28 | 2009-07-09 | Mitsubishi Electric Corporation | ナビゲーション装置 |
US8751154B2 (en) * | 2008-04-24 | 2014-06-10 | GM Global Technology Operations LLC | Enhanced clear path detection in the presence of traffic infrastructure indicator |
US8917904B2 (en) * | 2008-04-24 | 2014-12-23 | GM Global Technology Operations LLC | Vehicle clear path detection |
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
US8364334B2 (en) * | 2008-10-30 | 2013-01-29 | Honeywell International Inc. | System and method for navigating an autonomous vehicle using laser detection and ranging |
US20100198491A1 (en) * | 2009-02-05 | 2010-08-05 | Paccar Inc | Autonomic vehicle safety system |
US8676466B2 (en) * | 2009-04-06 | 2014-03-18 | GM Global Technology Operations LLC | Fail-safe speed profiles for cooperative autonomous vehicles |
JP5709476B2 (ja) * | 2010-11-10 | 2015-04-30 | 富士通テン株式会社 | レーダ装置 |
US8924150B2 (en) * | 2010-12-29 | 2014-12-30 | GM Global Technology Operations LLC | Vehicle operation and control system for autonomous vehicles on full windshield display |
US8773251B2 (en) * | 2011-02-10 | 2014-07-08 | Sitting Man, Llc | Methods, systems, and computer program products for managing operation of an automotive vehicle |
US8761990B2 (en) * | 2011-03-30 | 2014-06-24 | Microsoft Corporation | Semi-autonomous mobile device driving with obstacle avoidance |
CN202453733U (zh) | 2011-04-22 | 2012-09-26 | 河南理工大学 | 基于gps/gsm的导盲车 |
US20120310465A1 (en) * | 2011-06-02 | 2012-12-06 | Harman International Industries, Incorporated | Vehicle nagivation system |
KR20130015739A (ko) | 2011-08-04 | 2013-02-14 | 엘지전자 주식회사 | 운전자 상태 기반의 자율 이동 방법 및 그 장치 |
US8965633B2 (en) * | 2011-09-02 | 2015-02-24 | GM Global Technology Operations LLC | System and method for speed adaptive steering override detection during automated lane centering |
US9073576B2 (en) * | 2011-09-02 | 2015-07-07 | GM Global Technology Operations LLC | System and method for smooth steering override transition during automated lane centering |
US9771070B2 (en) * | 2011-12-09 | 2017-09-26 | GM Global Technology Operations LLC | Method and system for controlling a host vehicle |
DE102011121442A1 (de) | 2011-12-16 | 2013-06-20 | Gm Global Technology Operations, Llc | Autonomes Anfahren |
DE102011121948A1 (de) * | 2011-12-22 | 2013-06-27 | Gm Global Technology Operations, Llc | Vorausschau auf Aktionen eines autonomen Fahrsystems |
US8755967B1 (en) * | 2012-03-23 | 2014-06-17 | Google Inc. | Estimating road lane geometry using lane marker observations |
US8700251B1 (en) * | 2012-04-13 | 2014-04-15 | Google Inc. | System and method for automatically detecting key behaviors by vehicles |
US8996228B1 (en) * | 2012-09-05 | 2015-03-31 | Google Inc. | Construction zone object detection using light detection and ranging |
US8838321B1 (en) * | 2012-11-15 | 2014-09-16 | Google Inc. | Modifying a vehicle state based on the presence of a special-purpose vehicle |
KR101371866B1 (ko) * | 2012-12-14 | 2014-03-07 | 현대자동차주식회사 | 운전정보 데이터베이스 기반의 무인 자율주행 서비스 장치 및 그 방법 |
US8788134B1 (en) * | 2013-01-04 | 2014-07-22 | GM Global Technology Operations LLC | Autonomous driving merge management system |
US9096267B2 (en) * | 2013-01-21 | 2015-08-04 | GM Global Technology Operations LLC | Efficient data flow algorithms for autonomous lane changing, passing and overtaking behaviors |
ES2812627T3 (es) * | 2013-01-22 | 2021-03-17 | Klimator Ab | Método y disposición para recolectar y procesar datos relacionados con el estado de carretera |
US9164511B1 (en) * | 2013-04-17 | 2015-10-20 | Google Inc. | Use of detected objects for image processing |
US9254846B2 (en) * | 2013-05-03 | 2016-02-09 | Google Inc. | Predictive reasoning for controlling speed of a vehicle |
US8825259B1 (en) * | 2013-06-21 | 2014-09-02 | Google Inc. | Detecting lane closures and lane shifts by an autonomous vehicle |
US9145139B2 (en) * | 2013-06-24 | 2015-09-29 | Google Inc. | Use of environmental information to aid image processing for autonomous vehicles |
US9403482B2 (en) * | 2013-11-22 | 2016-08-02 | At&T Intellectual Property I, L.P. | Enhanced view for connected cars |
US9547989B2 (en) * | 2014-03-04 | 2017-01-17 | Google Inc. | Reporting road event data and sharing with other vehicles |
-
2015
- 2015-01-19 US US14/599,714 patent/US10422649B2/en active Active
- 2015-02-17 DE DE102015202859.3A patent/DE102015202859A1/de active Pending
- 2015-02-19 RU RU2015105685A patent/RU2015105685A/ru not_active Application Discontinuation
- 2015-02-23 MX MX2015002350A patent/MX2015002350A/es unknown
- 2015-02-25 CN CN201510086806.1A patent/CN104908741B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050149251A1 (en) * | 2000-07-18 | 2005-07-07 | University Of Minnesota | Real time high accuracy geospatial database for onboard intelligent vehicle applications |
CN101299301A (zh) * | 2007-05-04 | 2008-11-05 | 通用汽车环球科技运作公司 | 具有集成数字地图的慢速或停止车辆的提前顾问 |
US20090292468A1 (en) * | 2008-03-25 | 2009-11-26 | Shunguang Wu | Collision avoidance method and system using stereo vision and radar sensor fusion |
CN102227612A (zh) * | 2008-10-24 | 2011-10-26 | 格瑞股份公司 | 自主驾驶车辆的控制和系统 |
CN102139696A (zh) * | 2010-02-02 | 2011-08-03 | 通用汽车环球科技运作有限责任公司 | 疏堵 |
CN103370249A (zh) * | 2010-10-05 | 2013-10-23 | 谷歌公司 | 用于预测检测到的物体的行为的系统和方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111208691A (zh) * | 2018-11-22 | 2020-05-29 | 南京人工智能高等研究院有限公司 | 拍摄视角的调整方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10422649B2 (en) | 2019-09-24 |
RU2015105685A3 (zh) | 2018-10-02 |
CN104908741B (zh) | 2019-12-10 |
MX2015002350A (es) | 2015-09-10 |
RU2015105685A (ru) | 2016-09-10 |
US20150241226A1 (en) | 2015-08-27 |
DE102015202859A1 (de) | 2015-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104908741A (zh) | 自主驾驶传感系统及方法 | |
CN106891893B (zh) | 车辆模式确定 | |
US9079587B1 (en) | Autonomous control in a dense vehicle environment | |
WO2018220971A1 (ja) | 通信制御装置、通信制御方法、及びコンピュータプログラム | |
JP4350126B2 (ja) | 経路案内システム及び方法 | |
CN106627579A (zh) | 车辆队列中的协调测试 | |
CN106240565A (zh) | 碰撞减轻和躲避 | |
CN109426263A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN104574952A (zh) | 车辆导航用航摄数据 | |
CN104786964A (zh) | 自主车辆降水检测 | |
CN113748316B (zh) | 用于车辆遥测的系统和方法 | |
US10442429B2 (en) | Wrong-way vehicle detection | |
US11804136B1 (en) | Managing and tracking scouting tasks using autonomous vehicles | |
JP2006327314A (ja) | 配光制御システム及び配光制御方法 | |
US20130173150A1 (en) | System and method for estimating the most probable path of a vehicle travelling on a road | |
CN104574953A (zh) | 交通信号预测 | |
US10809722B2 (en) | Navigation system with route prediction mechanism and method of operation thereof | |
JP2011503639A (ja) | 地図の更新において使用される、実世界の変化を検出するために複数の車両からのプローブ・データを使用する方法及びシステム | |
EP4101717A1 (en) | Method and system for identifying confidence level of autonomous driving system | |
CN114170823B (zh) | 车辆调配系统、车辆调配服务器及车辆调配方法 | |
CN113753072A (zh) | 基于人体驾驶参考数据的自动舒适度评分系统 | |
GB2614579A (en) | Graph exploration for rulebook trajectory generation | |
CN112985825B (zh) | 用于确定自动驾驶系统的乘坐稳定性的方法 | |
CN116892931A (zh) | 用于运载工具的方法、系统和可读介质 | |
US20230256994A1 (en) | Assessing relative autonomous vehicle performance via evaluation of other road users |
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 |