CN105009175A - 基于传感器盲点和局限性来修改自主车辆的行为 - Google Patents

基于传感器盲点和局限性来修改自主车辆的行为 Download PDF

Info

Publication number
CN105009175A
CN105009175A CN201480010362.7A CN201480010362A CN105009175A CN 105009175 A CN105009175 A CN 105009175A CN 201480010362 A CN201480010362 A CN 201480010362A CN 105009175 A CN105009175 A CN 105009175A
Authority
CN
China
Prior art keywords
model
vehicle
information
comprehensive
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
Application number
CN201480010362.7A
Other languages
English (en)
Other versions
CN105009175B (zh
Inventor
德米特里·A·多尔戈夫
克里斯多佛·保罗·厄姆森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Giant Holdings Ltd.
Waymo LLC
Original Assignee
Google LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Google LLC filed Critical Google LLC
Publication of CN105009175A publication Critical patent/CN105009175A/zh
Application granted granted Critical
Publication of CN105009175B publication Critical patent/CN105009175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0095—Automatic control mode change
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection

Abstract

本公开的方面通常涉及对车辆(101)的环境的视图建模。所述视图不需要包括所述车辆实际上正在看到的物体或特征，而是如果所述传感器完全没有被阻塞，则包括该车辆能够使用其传感器(310-311、320-323、330-331)观察的那些区域。例如，对于物体检测组件(148)的多个传感器中的每一个，计算机(110)可以采用该传感器的视场的个体3D模型。天气信息被接收并且被用于调整模型(图13中的1304、1306)中的一个或多个。在该调整之后，所述模型可以被聚集到全面的3D模型(图10，图13中的1308)。所述全面的模型可以和详细地图信息组合指示在不同位置(图11中的1100，图13中的1310)检测到物体的概率。车辆的环境的模型可以基于所组合的全面的3D模型和详细地图信息(图13中的1312)来计算，并且可以用于操纵车辆(图13中的1314)。

Description

基于传感器盲点和局限性来修改自主车辆的行为
相关申请的交叉引用
本申请是提交于2013年1月25日的、题为基于传感器盲点和局限性来修改自主车辆的行为的美国专利申请13/749,793的继续申请，在此通过引用并入其全部内容。
背景技术
自主车辆使用各种计算系统来帮助将乘客从一个位置运输到另一个位置。一些自主车辆可能需要来自诸如领航员(pilot)、驾驶员、或乘客的操作者的一些初始输入或连续的输入。例如自动驾驶系统的其它系统可以只有当该系统已参与时使用，这使得操作员从手动模式(其中操作者行使对车辆移动的高度控制)切换到自主模式(其中车辆基本上自己驾驶)到介于二者之间的模式。
这样的车辆装备有各种类型的传感器以便检测周围的物体。例如，自主车辆可以包括激光、声纳、雷达、相机、和能够从车辆周围扫描并记录数据的其它设备。这些设备的组合(在一些情况下是单独的)可以用于构建在车辆的周围中检测到的物体的3D模型。
除了对在车辆的周围中的物体进行建模和检测之外，自主车辆还需要推导出未被这些传感器看到的世界的部分(例如，由于阻塞(occlusion))以安全地驾驶。不考虑这些传感器的局限性，这可以导致危险的操纵(maneuvers)，诸如经过死角、移动到部分被其它物体阻塞的空间中等等。
发明内容
本公开的一个方面提供一种方法。所述方法包括为用于检测在车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及在所述车辆的环境中的实际或预期的天气状况的实时测量中的一个或多个；基于所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；在所述调整之后，由处理器聚集所述多个3D模型以生成全面的3D模型；组合所述全面的3D模型和详细地图信息；以及使用所述组合的全面的3D模型和详细地图信息以操纵所述车辆。
在一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。在另一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器相对于所述车辆的位置和定向。在另一个示例中，所述天气信息是经由网络从远程计算机接收的。在另一个示例中，所述天气信息是从所述多个传感器中的一个接收的。在另一个示例中，所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。在另一个示例中，所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。在另一个示例中，组合所述全面的3D模型与详细地图信息导致注释有信息的所述车辆的环境的模型，所述信息描述所述环境的各部分是否被占用、未被占用、或未被观察到。
本公开的另一个方面提供一种系统。所述系统包括处理器，所述处理器被配置成为用于检测在车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及在所述车辆的环境中的实际或预期的天气状况的实时测量中的一个或多个；基于所述所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；在所述调整之后，聚集所述多个3D模型以生成全面的3D模型；组合所述全面的3D模型和详细地图信息；以及使用所述组合的全面的3D模型和详细地图信息以操纵所述车辆。
在一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。在另一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器相对于所述车辆的位置和定向。在另一个示例中，所述天气信息是经由网络从远程计算机接收的。在另一个示例中，所述天气信息是从所述多个传感器中的一个接收的。在另一个示例中，所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。在另一个示例中，所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。在另一个示例中，组合所述全面的3D模型和详细地图信息导致注释有信息的所述车辆的环境的模型，所述信息描述所述环境的各部分是否被占用、未被占用、或未被观察到。
本公开的另外的方面提供有形的、非暂时性的计算机可读存储介质，其上存储程序的计算机可读指令。所述指令在由处理器所执行时使得所述处理器执行方法。所述方法包括为用于检测在车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及在所述车辆的环境中实际或预期的天气状况的实时测量中的一个或多个；基于所述所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；在所述调整之后，聚集所述多个3D模型以生成全面的3D模型；组合所述全面的3D模型和详细地图信息；以及使用所述组合的全面的3D模型和详细地图信息以操纵所述车辆。
在一个示例中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。在另一个示例中，所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。在另一个示例中，所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。
附图说明
图1是根据示例性实施例的系统的功能图。
图2是根据示例性实施例的自主车辆的内部。
图3是根据本公开的方面的自主车辆的外部。
图4A-D是根据本公开的方面的自主车辆的图。
图5是根据本公开的方面的详细地图信息的示例。
图6是根据本公开的方面的详细地图信息的另一个示例。
图7A是根据本公开的方面的系统的图解图。
图7B是根据本公开的方面的系统的功能图。
图8A和8B是根据本公开的方面的用于传感器的3D模型的组件的示例。
图9A和9B是根据本公开的方面的用于传感器的3D模型的组件的其它示例。
图10是根据本公开的方面的用于多个传感器的全面的3D模型的示例。
图11是根据本公开的方面的用于多个传感器的全面的3D模型的另一个示例。
图12是根据本公开的方面的用于与详细地图信息相结合的多个传感器的全面的3D模型的示例。
图13是根据本公开的方面的示例流程图。
具体实施方式
本公开的方面通常涉及对车辆的环境的当前视图进行建模。该视图不需要包括该车辆实际上正在看到什么物体或特征，而是包括在传感器完全没有被阻塞(un-occluded)的情况下该车辆能够使用其传感器观察的那些区域。例如，对于物体检测组件的多个传感器中的每一个，计算机可以是该传感器视场的个体3D模型。天气信息被接收并用于调整模型中的一个或多个。在所述调整之后，所述模型可以被聚集在全面的3D模型中。该全面模型可以与详细地图信息相结合，所述详细地图信息指示在不同位置检测到物体的概率。车辆的环境的模型可以基于相结合的全面的3D模型和详细地图信息来计算，并且可以用于操纵该车辆。
如图1中所示出的，根据本公开的一个方面的自主驾驶系统100包括具有各种组件的车辆101。尽管本公开的某些方面在与特定类型的车辆相结合时特别有用，但该车辆可以是任何类型的车辆，包括但是不限于汽车、卡车、摩托车、公交车、船、飞机、直升机、割草机、休闲车、公共游乐场车辆、农用装置、施工装置、有轨电车、高尔夫手推车、火车、以及手推车。该车辆可以具有一个或多个计算机，诸如包含处理器120、存储器130以及典型地存在于通用计算机中的其它组件的计算机110。
存储器130存储能够被处理器120访问的信息，所述信息包括可被处理器120执行或另外使用的指令132和数据134。存储器130可以是能够存储可被处理器访问的信息的任何类型，包括计算机可读介质、或者存储可以借助于电子设备来读取的数据的其它介质，诸如硬盘驱动器、存储卡、ROM、RAM、DVD或其它光盘、以及能够写入的只读存储器。系统和方法可以包括上述的不同组合，由此指令和数据的不同部分存储在不同类型的介质上。
指令132可以是由处理器直接执行(诸如机器代码)或间接执行(诸如脚本)的任何指令集合。例如，所述指令可以作为机器代码存储在计算机可读介质上。在这方面，术语“指令”和“程序”可以在此互换使用。所述指令可以以对象代码格式存储用于处理器的直接处理，或者以包括脚本或者按需解释或提前编译的独立源代码模块的集合的任何其它计算机语言来存储。所述指令的功能、方法和例程将在下面更详细地解释。
数据134可以根据指令132由处理器120检索、存储或修改。例如，尽管所要求的主题不受限于任何特别的数据结构，但是数据可以存储在计算机寄存器中，作为具有多个或不同字段和记录的表存储在关系型数据库中、XML文档或平面文件(flat files)中。还可以以任何计算机可读格式对该数据进行格式化。仅进一步作为示例，图像数据可以被存储为像素网格组成的位图，所述像素网格根据压缩或未压缩、无损(例如BMP)或有损(例如JPEG)、以及位图或基于矢量的(例如SVG)、以及用于绘制图形的计算机指令的格式来存储。该数据可以包括足以识别相关信息的任何信息，诸如数字、描述性文本、所有权代码、对存储在相同存储器或不同存储器(包括其它网络位置)的其它区域中的数据的引用或者由功能所使用的用以计算相关数据的信息。
处理器120可以是任何常规的处理器，诸如商业可获得的CPU。替选地，该处理器可以是诸如ASIC或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机110的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机110的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中，处理器可以位于远离该车辆并且无线地与该车辆进行通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。
计算机110可以所有组件一般性地用于与计算机结合，诸如中央处理单元(CPU)、存储数据134和诸如web浏览器的指令的存储器(例如RAM和内部硬盘驱动器)、电子显示器142(例如具有屏幕的监视器、小的LCD触摸屏或可操作为显示信息的任何其它电子设备)、用户输入140(例如鼠标、键盘、触摸屏和/或麦克风)、以及用于收集关于人的状态或需求的明确的(例如手势)或隐含的(例如“这个人在睡觉”)信息的各种传感器(例如视频相机)。
在一个示例中，计算机110可以是合并入车辆101的自主驾驶计算系统。图2描绘了自主车辆的内部的示例性设计。该自主车辆可以包括非自主车辆的所有特征，例如：转向装置，诸如方向盘210；导航显示装置，诸如导航显示器215；以及变速杆装置，诸如变速杆220。该车辆还可以具有各种用户输入设备，诸如变速杆220、触摸屏217、或按钮输入219，用于激活或去激活一个或多个自主驾驶模式并且用于使得驾驶员或乘客290能够向自主驾驶计算机110提供诸如导航目的地的信息。
该自主驾驶计算系统可以能够与该车辆的各种组件进行通信。例如，返回到图1，计算机110可以与车辆的中央处理器160进行通信并且可以发送并接收来自车辆101的例如制动系统180、加速系统182、信号系统184、以及导航系统186的各个系统的信息，以便控制车辆101的运动、速度等。此外，当参与时，计算机110可以控制车辆101的这些功能中的一些或全部并且因此全部地或仅部分地自主。应该理解的是尽管各种系统和计算机110被示出为在车辆101内部，但是这些元件可以在车辆101外部或物理地远距离分离。
该车辆还可以包括与计算机110通信的地理位置组件144用于确定该设备的地理位置。例如，该位置组件可以包括GPS接收器用以确定该设备的纬度、经度和/或海拔位置。诸如基于激光的定位系统、惯性辅助GPS、或基于相机的定位的其它定位系统也可以用于识别该车辆的位置。该车辆的位置可以包括绝对地理位置，诸如纬度、经度、和海拔以及相对位置信息，诸如相对于直接(immediately)围绕它的其它车的位置，其经常可以用较少噪音的绝对地理位置来确定。
该车辆还可以包括与计算机110进行通信的其它设备，诸如加速度计、陀螺仪或另一个方向/速度检测设备146，以确定该车辆的方向和速度或向其改变方向和速度。仅作为示例，加速设备146可以确定其相对于重力的方向或垂直于其的平面的倾斜、偏航或翻转(或向其改变)。该设备还可以追踪速度的增加或减少以及这种改变的方向。如此处所述的设备的位置和定向数据的供给，可以自动地提供给用户、计算机110、其它计算机以及前述的组合。
计算机110可以通过控制各种组件来控制该车辆的方向和速度。作为示例，如果该车辆以完全自主模式操作，则计算机110可以使得该车辆加速(例如，通过增加提供给引擎的燃料或其它能源)、减速(例如，通过减少供应给引擎的燃料或通过施加制动)以及改变方向(例如，通过转动两个前轮)。
该车辆还可以包括用于检测车辆外部的物体的组件，所述物体诸如其它车辆、路上的障碍、交通信号灯、标志、树木等。该检测系统可以包括激光、声纳、雷达、相机或记录可被计算机110处理的数据的任何其它检测设备。例如，如果该车辆是小客车，则该汽车可以包括安装在车顶或其它方便位置的激光。
如图3所示，小客车301可以包括激光310和311，分别安装在该车辆的前面和顶部。激光310可以具有近似150米的范围、30度的垂直视场、以及近似30度的水平视场。激光311可以具有近似50-80米的范围、30度的垂直视场、以及360度的水平视场。所述激光可以向车辆提供范围和强度信息，该计算机可以使用所述信息来识别各个物体的位置和距离。在一个方面，所述激光可以通过在其轴上旋转并改变其倾斜来测量该车辆和面向该车辆的物体表面之间的距离。
该车辆还可以包括各种雷达监测单元，诸如那些用于自适应巡航控制系统的雷达检测单元。所述雷达监测单元可以位于汽车的前面和后面以及前保险杠的任一侧。如图3的示例中所示，车辆301包括位于该车辆的侧面(仅一侧被示出)、前面或后面的雷达监测单元320-323。这些雷达监测单元中的每一个可以具有用于近似18度的视场的近似200米的范围以及用于近似56度的视场的近似60米的范围。
在另一个示例中，各种各样的相机可以被安装在车辆上。相机可以被安装在预定距离处，使得2个或更多个相机的图像的视差可以被用于计算到各个物体的距离。如图3中所示，车辆301可以包括被安装在挡风玻璃340下面靠近后视镜(未示出)的2个相机330-331。相机330可以包括近似200米的范围以及近似30度的水平视场，而相机331可以包括近似100米的范围以及近似60度的水平视场。
每个传感器可以与特别的传感器场相关联，该传感器可以被用于在所述传感器场中检测物体。图4A是各种传感器的近似传感器场的自顶向下的视图。尽管这些场在图4A-4D中以两个维度(2D)示出，但是实际的传感器场是三维的。图4B分别基于这些传感器的视场描绘了用于激光310和311的近似2D的近似2D传感器场410和411。例如，2D传感器场410包括用于近似150米的近似30度的水平视场，以及传感器场411包括用于近似80米的360度的水平视场。未示出垂直视场，因为这些仅是2D示例。
图4C分别基于这些传感器的视场描绘了用于雷达监测单元320-323中的每一个的近似2D传感器场420A-423B。例如，雷达检测单元320包括传感器场420A和420B。传感器场420A包括用于近似200米的近似18度的水平视场，以及传感器场420B包括用于近似80米的近似56度的水平视场。类似地，雷达检测单元321-323包括传感器场421A-423A以及421B-423B。传感器场421A-423A包括用于近似200米的近似18度的水平视场，以及传感器场421B-423B包括用于近似80米的近似56度的水平视场。传感器场421A和422A延伸通过图4A和图4C的边缘。再次，未示出垂直视场，因为这些仅是2D示例。
图4D分别基于这些传感器的视场描绘了近似2D的传感器场430-431相机330-331。例如，相机330的传感器场430包括用于近似200米的近似30度的视场，以及相机430的传感器场431包括用于近似100米的近似60度的视场。再次，未示出垂直视场，因为这些仅是2D示例。
前述传感器可以允许该车辆评估并且可能响应其环境以便为乘客以及环境中的物体或人将安全性最大化。车辆类型、传感器的数目以及类型、传感器位置、传感器视场、以及传感器的(2D或3D)传感器场仅是示例性的。也可以利用各种其它配置。
除了上面所描述的传感器之外，计算机还可以使用来自其它传感器的输入。例如，这些其它传感器可以包括轮胎压力传感器、引擎温度传感器、制动热传感器、制动垫状态传感器、轮胎胎面传感器、燃料传感器、油面和品质传感器，空气质量传感器(用于检测温度、湿度、或在空气中的颗粒)等等。
许多这些传感器提供被计算机实时处理的数据，也就是说，传感器可以连续地更新其输出以反映在时间范围内或期间所感测的环境，并且连续地或按需地提供更新后的输出到该计算机，使得该计算机可以响应于所感测的环境来确定该车辆的当前方向或速度是否应该被修改。
除了由各种传感器提供的处理数据之外，该计算机还可以依赖于环境数据，所述环境数据在之前的时间点被获取并且预计不管车辆在环境中是否存在都保持。例如，返回图1，数据134可以包括详细地图信息136，例如识别道路、车道线、十字路口、人行横道、速度限制、交通信号、建筑物、标志、实时交通信息、植物、或其它这种物体和信息的形状和高度的高度详细地图。例如，地图信息可以包括与各种路段相关联的明确的速度限制信息。该速度限制数据可以被手动输入或从之前使用例如光学特性识别取得的速度限制标志的图像中扫描。
该地图信息可以包括三维地形地图，所述三维地形地图并入了上面所列出的物体中的一个或多个。例如，车辆可以基于实时数据(例如，使用其传感器来确定另一辆汽车的当前GPS位置)和其它数据(例如将GPS位置与之前存储的特定于车道的地图数据进行比较以确定另一辆汽车是否在转向车道内)来确定预期另一辆汽车转向。
图5是用于包括十字路口510的道路的一部分的地图信息500的示例。在该示例中，十字路口510是四向停车场，虽然地图信息136可以包括任何数目的不同的道路布置、组合、和/或如上所述的特征。地图信息包括由车道530-533和540-547限定的车道520-527。该地图信息还可以包括关于人行横道550-553的形状和位置的细节。超出道路的边界，地图信息500还可以包括诸如人行道560-563、结构体570-573、以及植物(诸如树)580-582的特征。结构体570-573可以包括各种类型的结构体。例如，结构体570和571可以包括诸如车库、商店、家、办公室等的建筑物。在另一个示例中，结构体572可以包括墙特征。
再次，尽管详细地图信息136在此处被描绘成基于图像的地图，但是该地图信息不需要完全地基于图像(例如，光栅)。例如，该地图信息可以包括一个或多个道路图或信息的图网络，所述信息的图网络诸如道路、车道、十字路口、以及这些特征之间的连接。每个特征可以被存储为图数据并且可以与诸如地理位置和其是否链接到其它有关特征的信息相关联。例如，停止场标志可以被链接到道路和十字路口。在一些示例中，考虑到某些道路图特征的有效查找，关联数据可以包括道路图的基于网格的索引。
详细的地图信息还可以编码有关于在各个区域内检测到物体的概率的信息。图6的地图信息600是这种地图信息的示例。例如，代替车辆的传感器必须看见壁572并且车辆的计算机将该特征识别为“壁”，该地图可以注释壁572对激光或雷达是不透明的，并且因此，地图信息600可以包括区域610，所述区域610与指示在壁572后面(或在壁上与车辆的传感器相对的一侧)检测到某物的概率为0的注释相关联。
在另一个示例中，地图信息600可以指示壁572是3英尺高。在这方面，区域610的注释可以注释对于那片区域，存在看见高于三英尺的物体的更高的置信度，以及看到矮于三英尺的物体的更低的置信度。在这方面，在详细的地图信息中限定的物体，诸如植物、建筑物、壁、纪念碑、标志、塔、和其它结构体或物体每个都可以与该车辆能够检测结构体与该车辆的传感器相对一侧的特点尺寸或形状的另一个物体的概率相关联。
计算机110还可以从其它计算机接收信息或转移信息到其它计算机。例如，由计算机110(诸如图5和图6中所示出的示例)存储的地图信息可以从其它计算机接收或被转移到其它计算机，和/或从车辆101的传感器收集的传感器数据可以被转移到另一个计算机用于此处所描述的处理。如图7A和7B所示，来自计算机110的数据可以经由网络被传送到计算机720用于进一步的处理。网络以及中间节点可以包括各种配置和协议，包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有通信协议的专用网络、以太网、WiFi和HTTP、以及前述的各种组合。这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备，诸如调制解调器和无线接口。在另一个示例中，数据可以通过将其存储在存储器上来转移，所述存储器可以被计算机110和720访问或者连接到计算机110和720。
在一个示例中，计算机720可以包括具有多个计算机的服务器，例如负载均衡服务器群，为了从计算机110接收、处理并传送数据的目的，其与网络的不同节点交换信息。该服务器可以被类似于计算机110配置，具有处理器730、存储器740、指令750、和数据760。
在一个示例中，服务器720的数据760可以包括提供天气相关的信息。例如，服务器720可以接收、监视、存储、更新、以及传送与天气相关的各种信息。该信息可以包括例如以报告形式、雷达信息形式、预报形式等的降水、云、和/或温度信息。
除了上面所描述的和在图中所图示的操作之外，现在将描述各种操作。应该理解的是，下面的操作不必以下面描述的精确顺序执行。相反，各个步骤可以以不同的顺序或者同时来处理，并且步骤也可以被添加或省去。
为了确定车辆的传感器的局限性并且调整该车辆的行为，计算机110可以生成该车辆的不同传感器中的每一个当前如何能够看见观察该车辆的环境的3D模型。这可以包括例如如果传感器的视场完全没有被物体阻挡则所述传感器能够看见的区域，而不包括所述传感器当前正在看见的物体和特征。给定传感器相对于该车辆的位置和定向，这些模型可以基于每个个体传感器的视场。该信息可以是预先确定的，例如在确定个体传感器模型中的每一个之前使用通用校准步骤。
例如，图8A和8B包括用于传感器311的个体3D模型800的组件。用于激光311的模型800可以包括如图8A(与图4B相同)所示出的2D传感器场411的维度以及图8B所示出的第三、垂直的维度811。因此，这些组件(411和811)的组合可以被用于生成用于激光311的3D模型800。还可以因此为物体检测组件148的传感器中的每一个生成类似的模型。
此外，个体传感器模型可以包括概率性数据，其描述在给定的传感器场内的各个点或区域检测到物体的置信度。例如，特定模型可以包括指示在给定的传感器场内检测到物体的置信度的信息。例如，一个模型可以具有在传感器场中间或在传感器某个距离之内检测到物体的更高的置信度，而在该传感器场的外部边缘具有更低的置信度。
图9A和9B是用于具有概率性数据的激光311的3D模型900的组件的示例。3D模型900的组件的阴影被示出为越靠近激光311的区域越深，在该区域检测到物体的置信度很可能更高，而离激光311较远的区域较浅，在该区域检测到物体的置信度很可能更低。
在另一个示例中，具有概率性数据的模型可以包括关于物体的尺寸和形状的非常详细的信息，所述物体很可能在模型内的特定位置内被检测到。例如，概率性数据可以描述区域，在该区域该传感器60％可能看到另一辆车辆，20％可能看到小的非金属物体等等。
个体传感器的该初始模型还可以包括利用关于天气的当前状态的信息，并且为每个个体传感器模型实时地调整形状和或概率信息。例如，基于从传感器接收到的、用于特定模型或不同传感器的数据，和/或来自从诸如服务器520的中央位置接收的实时信息的数据，可以自动地检测天气。在这方面，计算机110可以从所述传感器或从中央位置接收天气信息，并且使用该信息为所述传感器中的每一个调整3D模型的形状或其他特性。例如，如果存在大量的太阳强光或降水，则激光可能不如传感器可靠。类似地，当被用于有雾的情况下，雷达单元可能较不可靠等等。因此，示例性方法将是构建相关天气状况(例如雾的密度、雨量强度、地面湿度和反射率、日光强度和方向等)的参数化模型。此外，一种可能先验地构造这样的天气状况如何影响不同的传感器(例如，根据雾的密度减小有效的激光范围，根据日光强度和方向的激光中的盲点等)的模型，并且将这些适配的模型应用于计算所述传感器的在线视场。
接下来，所有传感器的个体模型可以被聚集以计算传感器当前能够观察哪些区域的全面的三维(3D)模型。该全面的模型可以是二进制地图，其简单地指示在其中车辆可以检测到物体的区域相对于在其中车辆的传感器不能检测到物体的区域。该信息可以已经包括了合并入个体模型的天气信息。
例如，图10是物体检测组件148的各个传感器的2D传感器场的聚集的示例。再次，尽管图10以2D示出，但是实际的组合模型可能是3D的。在该示例中，位于区域1010内的物体(相对于车辆301的位置)可以被车辆的传感器检测到，而位于区域1010外的物体则不能被检测到。
如果个体模型包括概率数据，则全面的3D模型可以也包括概率数据。在这方面，组合模型可以以各种方式组合来自个体传感器模型的检测概率。在一个示例中，3D模型的每个区域的概率可以是如通过处理个体传感器模型中的每一个的每个概率来确定的最大的检测概率。因此，如果在位置1一个传感器模型具有10％的概率检测到小客车尺寸的物体，而在位置1另一个传感器具有20％的概率检测到小客车尺寸的物体，则在位置1检测到小客车尺寸的物体的概率可以是20％。
在另一个示例中，概率可以以更复杂的方式相组合，诸如通过具有置信度区域或阈值。图11是基于用于个体传感器的多个模型的全面的3D模型1100的另一个示例。在该示例中，个体模型中的每一个可以已经包括天气信息。全面的3D模型1100还包括3个置信度区域1110、1120和1130。如阴影所指示的，相比于区域1120(在40％至69％之间)，区域1110可以具有在车辆的环境中检测到物体(例如大于70％)和特征的更高的置信度。类似地，相比于区域1130(在0至39％之间)，区域1120可以具有检测到物体和特征的置信度。其它全面的3D模型可以包括显著地更多或更少的置信度区域、不同类型的置信度值等。
用于多个传感器的该组合模型还可以与详细地图信息136相组合以计算传感器的阻塞和盲点。如上所述，可以用检测到物体的概率来对详细地图信息136进行编码。例如，使用车辆的当前位置，如从车辆的地理位置组件决定的，计算机110可以识别详细地图信息136的相关部分，并且将此信息与组合模型相组合。在这方面，详细地图信息136的包括检测到物体的概率的特征可以被用于调整组合模型。该组合或调整的结果可以是注释有信息的车辆的环境的模型，所述信息描述该环境的各部分是否被占用、未被占用、或未被观察到(不能被传感器检测到)。被占用的/空闲的数据可以来自实时传感器数据(例如，对来自卡车的传感器阻塞进行建模)以及之前数据(例如十字路口附近的建筑物可能阻挡所有传感器；高的草和树可能干扰激光和相机并且可能部分地阻挡(block)雷达；具有金属横梁的桥或隧道可能干扰雷达，导致具有高噪音水平的区域，其将等同于盲点)的组合。这些注释还可以包括如上面所描述的概率数据。
图12是地图信息600和全面的3D模型1100的组合的示例。在该示例中，如区域610所指示的，壁572阻塞(occlude)了3D模型1100的一部分。因此，用分别对应于置信度区域1100、1120、和1130的置信度值的新的置信度区域1210、1220、和1230来重新配置全面的3D模型。
因此，计算机110不必基于传感器数据重新构建环境的几何形状，因为该车辆的计算机已经具有在环境中应该看见什么以及不应该看见什么的期望。使用之前地图的另一个优势在于，该系统可以在更远的范围(在相关物体进入感测范围之前)推导出盲点和阻塞，例如，该系统可以知道其正在接近盲道十字路口，显著地早于车载传感器能够看见对阻塞负责的物体，其意味着车辆可以较早地修改其行为(例如，开始减速)并且更平缓和更安全地驱动。
组合模型和地图可以被计算机110用来做出驾驶决策并因此改善安全性。例如，如果其感测范围削弱了(例如，在雾中驾驶)则该计算机可以使得该车辆减速，如果该计算机对所述传感器对环境进行了足够的检测没有足够的信心则使该车辆复位以获得对世界的更好的视角，避免某些类型的有风险的操纵(例如，使用迎面行车道通过)。
图13的流程图1300是上面所描述的一些方面的示例，其可以由计算机110来执行。在该示例中，对于物体检测组件的多个传感器中的每一个，计算机110在块1302生成该传感器的视场的个体3D模型。在块1304，例如从传感器或从诸如计算机520的外部源接收天气信息。该天气信息可以包括例如降水、云、雾的密度、雨量强度、地面湿度和反射率、日光强度和方向和/或温度信息。这样的天气信息可以是报告、雷达信息、预测、实时测量等等的形式。在块1306，计算机然后基于所接收到的天气信息调整3D模型的一个或多个特性。这考虑实际的或所预期的天气状况对传感器中的一个或多个的影响。在此调整之后，在块1308，计算机将3D模型聚集到全面的3D模型中。在块1310，该全面的3D模型然后与详细地图信息相组合。如上面所述，这可以包括确定汽车的当前位置并且使用此信息来选择将要与全面的3D模型相组合的详细地图信息的相关部分。在块1312，计算机然后基于所组合的全面的3D模型和详细地图信息计算车辆的环境的模型。在块1314，车辆的环境的该模型然后被用于操纵该车辆。
由于可以在不脱离如权利要求限定的主题的情况下利用如上面讨论的特征的这些和其它变化以及组合，所以示例性实施例的前述描述应当被认为是说明性的，而不是对权利要求限定的主题的限制。还应该理解的是，此处所描述的示例的规定(以及措辞为“诸如”、“例如”、“包括”等等的分句)不应将所要求的主题限于特定示例；相反，这些示例旨在仅图示许多可能的方面中的一些。
工业实用性
本发明具有包括但不限于自主车辆的管理与控制的广泛的工业实用性。

Claims (20)

1.一种方法，包括：
为用于检测车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；
接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及所述车辆的环境中的实际或预期的天气状况的实时测量中的一个或多个；
基于所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；
在所述调整之后，由处理器聚集所述多个3D模型以生成全面的3D模型；
组合所述全面的3D模型和详细地图信息；以及
使用所组合的全面的3D模型和详细地图信息来操纵所述车辆。
2.根据权利要求1所述的方法，其中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。
3.根据权利要求1所述的方法，其中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器相对于所述车辆的位置和定向。
4.根据权利要求1所述的方法，其中，所述天气信息是经由网络从远程计算机接收的。
5.根据权利要求1所述的方法，其中，所述天气信息是从所述多个传感器中的一个接收的。
6.根据权利要求1所述的方法，其中：
所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及
所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。
7.根据权利要求1所述的方法，其中：
所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及
所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。
8.根据权利要求1所述的方法，其中，组合所述全面的3D模型和详细地图信息导致注释有信息的所述车辆的环境的模型，所述信息描述所述环境的各部分是否被占用、未被占用、或未被观察到。
9.一种系统，包括：
处理器，所述处理器被配置成：
为用于检测车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；
接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及所述车辆的环境中的实际或预期的天气状况的实时测量中的一个或多个；
基于所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；
在所述调整之后，聚集所述多个3D模型以生成全面的3D模型；
组合所述全面的3D模型和详细地图信息；以及
使用所组合的全面的3D模型和详细地图信息来操纵所述
车辆。
10.根据权利要求9所述的系统，其中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。
11.根据权利要求9所述的系统，其中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器相对于所述车辆的位置和定向。
12.根据权利要求9所述的系统，其中，所述天气信息是经由网络从远程计算机接收的。
13.根据权利要求9所述的系统，其中，所述天气信息是从所述多个传感器中的一个接收的。
14.根据权利要求9所述的系统，其中：
所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及
所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。
15.根据权利要求9所述的系统，其中：
所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及
所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。
16.根据权利要求9所述的系统，其中，组合所述全面的3D模型和详细地图信息导致注释有信息的所述车辆的环境的模型，所述信息描述所述环境的各部分是否被占用、未被占用、或未被观察到。
17.一种有形的、非暂时性的计算机可读存储介质，所述计算机可读存储介质上存储程序的计算机可读指令，所述指令在被处理器执行时使得所述处理器执行方法，所述方法包括：
为用于检测车辆的环境中的物体的多个传感器中的每个给定的传感器生成所述给定的传感器的视场的3D模型；
接收天气信息，所述天气信息包括报告、雷达信息、预报以及涉及所述车辆的环境中的实际或预期的天气状况的实时测量中的一个或多个；
基于所接收到的天气信息调整所述多个3D模型的一个或多个特性，以考虑所述实际的或预期的天气状况对所述多个传感器中的一个或多个的影响；
在所述调整之后，聚集所述多个3D模型以生成全面的3D模型；
组合所述全面的3D模型和详细地图信息；以及
使用所组合的全面的3D模型和详细地图信息来操纵所述车辆。
18.根据权利要求17所述的介质，其中，每个给定的传感器的视场的所述3D模型基于所述给定的传感器的未被阻挡的视场的预先确定的模型。
19.根据权利要求17所述的介质，其中：
所述多个3D模型中的至少一个模型包括概率数据，所述概率数据指示在所述至少一个模型的给定位置检测到物体的概率，以及
所述概率数据在聚集所述多个3D模型以生成所述全面的3D模型时被使用。
20.根据权利要求17所述的介质，其中：
所述详细地图信息包括概率数据，所述概率数据指示在所述地图的给定位置检测到物体的概率，以及
所述概率数据在组合所述全面的3D模型和详细地图信息时被使用。
CN201480010362.7A 2013-01-25 2014-01-17 基于传感器盲点和局限性来修改自主车辆的行为 Active CN105009175B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/749,793 2013-01-25
US13/749,793 US9367065B2 (en) 2013-01-25 2013-01-25 Modifying behavior of autonomous vehicles based on sensor blind spots and limitations
PCT/US2014/012020 WO2014116512A1 (en) 2013-01-25 2014-01-17 Modifying behavior of autonomous vehicles based on sensor blind spots and limitations

Publications (2)

Publication Number Publication Date
CN105009175A true CN105009175A (zh) 2015-10-28
CN105009175B CN105009175B (zh) 2017-08-08

Family

ID=51223805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480010362.7A Active CN105009175B (zh) 2013-01-25 2014-01-17 基于传感器盲点和局限性来修改自主车辆的行为

Country Status (6)

Country Link
US (7) US9367065B2 (zh)
EP (1) EP2948928B1 (zh)
JP (1) JP5944598B1 (zh)
KR (1) KR101655712B1 (zh)
CN (1) CN105009175B (zh)
WO (1) WO2014116512A1 (zh)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767698A (zh) * 2016-08-18 2018-03-06 罗伯特·博世有限公司 用于转换传感器数据的方法
CN108216223A (zh) * 2016-12-15 2018-06-29 福特全球技术公司 车辆间警告
CN108304782A (zh) * 2017-01-13 2018-07-20 福特全球技术公司 生成用于训练和验证检测模型的模拟传感器数据
CN108603938A (zh) * 2016-01-28 2018-09-28 康蒂-特米克微电子有限公司 用于确定机动车传感器的检测范围的方法和设备
CN108928348A (zh) * 2017-05-26 2018-12-04 德韧营运有限责任公司 生成广域感知场景图的方法和系统
CN109425359A (zh) * 2017-09-01 2019-03-05 通用汽车环球科技运作有限责任公司 用于生成实时地图信息的方法和系统
CN110770540A (zh) * 2017-05-31 2020-02-07 宝马股份公司 用于构建环境模型的方法和装置
CN111127651A (zh) * 2020-03-31 2020-05-08 江苏广宇科技产业发展有限公司 基于高精度可视化技术的自动驾驶测试开发方法及装置
CN111226135A (zh) * 2018-01-12 2020-06-02 宝马股份公司 用于确定自主驾驶车辆的多个传感器中的传感器的阻挡的方法、系统和计算机程序产品
CN111566511A (zh) * 2017-12-29 2020-08-21 伟摩有限责任公司 大型自主车辆的传感器集成
CN112009479A (zh) * 2019-05-31 2020-12-01 通用汽车环球科技运作有限责任公司 调整传感器视场的方法和设备
CN112313663A (zh) * 2018-06-18 2021-02-02 祖克斯有限公司 遮挡感知规划
CN112512887A (zh) * 2020-07-21 2021-03-16 华为技术有限公司 一种行驶决策选择方法以及装置
CN112537295A (zh) * 2019-09-05 2021-03-23 丰田自动车株式会社 驾驶辅助装置
US11061398B2 (en) 2015-11-04 2021-07-13 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US11106218B2 (en) 2015-11-04 2021-08-31 Zoox, Inc. Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes
US11283877B2 (en) 2015-11-04 2022-03-22 Zoox, Inc. Software application and logic to modify configuration of an autonomous vehicle
US11301767B2 (en) 2015-11-04 2022-04-12 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
CN114348023A (zh) * 2022-01-25 2022-04-15 北京三快在线科技有限公司 一种基于盲区的无人驾驶设备控制方法及装置
US11314249B2 (en) 2015-11-04 2022-04-26 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US11796998B2 (en) 2015-11-04 2023-10-24 Zoox, Inc. Autonomous vehicle fleet service and system
US11802969B2 (en) 2018-06-18 2023-10-31 Zoox, Inc. Occlusion aware planning and control

Families Citing this family (161)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8509982B2 (en) 2010-10-05 2013-08-13 Google Inc. Zone driving
US10520952B1 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Devices, systems, and methods for transmitting vehicle data
US20170242443A1 (en) 2015-11-02 2017-08-24 Peloton Technology, Inc. Gap measurement for vehicle convoying
US9582006B2 (en) 2011-07-06 2017-02-28 Peloton Technology, Inc. Systems and methods for semi-autonomous convoying of vehicles
US10520581B2 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Sensor fusion for autonomous or partially autonomous vehicle control
US9367065B2 (en) * 2013-01-25 2016-06-14 Google Inc. Modifying behavior of autonomous vehicles based on sensor blind spots and limitations
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
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
US9187099B2 (en) 2013-10-17 2015-11-17 Richard M. Powers Systems and methods for predicting weather performance for a vehicle
US9321461B1 (en) 2014-08-29 2016-04-26 Google Inc. Change detection using curve alignment
US9248834B1 (en) 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
US10444760B2 (en) * 2014-12-17 2019-10-15 Husqvarna Ab Robotic vehicle learning site boundary
EP3234721B1 (en) * 2014-12-17 2021-11-24 Husqvarna AB Multi-sensor, autonomous robotic vehicle with mapping capability
US9649979B2 (en) 2015-01-29 2017-05-16 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle operation in view-obstructed environments
US9493157B2 (en) 2015-01-29 2016-11-15 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle operation in obstructed occupant view and sensor detection environments
US10366285B2 (en) 2015-04-09 2019-07-30 Bendix Commercial Vehicle Systems Llc Method and apparatus for determining the operation of a vehicle safety system
US9963155B2 (en) 2015-05-29 2018-05-08 Clearpath Robotics, Inc. Method, system and apparatus for path control in unmanned vehicles
US20160368336A1 (en) 2015-06-19 2016-12-22 Paccar Inc Use of laser scanner for autonomous truck operation
EP3118834B1 (en) * 2015-07-13 2019-07-03 Volvo Car Corporation Lane change control arrangement, a vehicle comprising such arrangement and a method for controlling lane changes
US9869560B2 (en) 2015-07-31 2018-01-16 International Business Machines Corporation Self-driving vehicle's response to a proximate emergency vehicle
US9483948B1 (en) 2015-08-07 2016-11-01 International Business Machines Corporation Automated control of interactions between self-driving vehicles and pedestrians
US9785145B2 (en) 2015-08-07 2017-10-10 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US9721397B2 (en) 2015-08-11 2017-08-01 International Business Machines Corporation Automatic toll booth interaction with self-driving vehicles
US9718471B2 (en) 2015-08-18 2017-08-01 International Business Machines Corporation Automated spatial separation of self-driving vehicles from manually operated vehicles
US9481366B1 (en) 2015-08-19 2016-11-01 International Business Machines Corporation Automated control of interactions between self-driving vehicles and animals
US9896100B2 (en) 2015-08-24 2018-02-20 International Business Machines Corporation Automated spatial separation of self-driving vehicles from other vehicles based on occupant preferences
US9731726B2 (en) 2015-09-02 2017-08-15 International Business Machines Corporation Redirecting self-driving vehicles to a product provider based on physiological states of occupants of the self-driving vehicles
US10183667B2 (en) * 2015-09-15 2019-01-22 Deere & Company Human presence detection on a mobile machine
US10082797B2 (en) 2015-09-16 2018-09-25 Ford Global Technologies, Llc Vehicle radar perception and localization
US9513632B1 (en) 2015-09-16 2016-12-06 International Business Machines Corporation Driving mode alerts from self-driving vehicles
US9566986B1 (en) 2015-09-25 2017-02-14 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US9481367B1 (en) 2015-10-14 2016-11-01 International Business Machines Corporation Automated control of interactions between self-driving vehicles and animals
US9834224B2 (en) 2015-10-15 2017-12-05 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US9751532B2 (en) 2015-10-27 2017-09-05 International Business Machines Corporation Controlling spacing of self-driving vehicles based on social network relationships
US9944291B2 (en) 2015-10-27 2018-04-17 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US10607293B2 (en) 2015-10-30 2020-03-31 International Business Machines Corporation Automated insurance toggling for self-driving vehicles
US10496766B2 (en) 2015-11-05 2019-12-03 Zoox, Inc. Simulation system and methods for autonomous vehicles
US10745003B2 (en) 2015-11-04 2020-08-18 Zoox, Inc. Resilient safety system for a robotic vehicle
US9910441B2 (en) 2015-11-04 2018-03-06 Zoox, Inc. Adaptive autonomous vehicle planner logic
US9734455B2 (en) 2015-11-04 2017-08-15 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US9878664B2 (en) 2015-11-04 2018-01-30 Zoox, Inc. Method for robotic vehicle communication with an external environment via acoustic beam forming
US9517767B1 (en) 2015-11-04 2016-12-13 Zoox, Inc. Internal safety systems for robotic vehicles
US10248119B2 (en) 2015-11-04 2019-04-02 Zoox, Inc. Interactive autonomous vehicle command controller
US10334050B2 (en) 2015-11-04 2019-06-25 Zoox, Inc. Software application and logic to modify configuration of an autonomous vehicle
US9720415B2 (en) * 2015-11-04 2017-08-01 Zoox, Inc. Sensor-based object-detection optimization for autonomous vehicles
US10000124B2 (en) 2015-11-04 2018-06-19 Zoox, Inc. Independent steering, power, torque control and transfer in vehicles
US9802661B1 (en) 2015-11-04 2017-10-31 Zoox, Inc. Quadrant configuration of robotic vehicles
US9916703B2 (en) 2015-11-04 2018-03-13 Zoox, Inc. Calibration for autonomous vehicle operation
US9958864B2 (en) 2015-11-04 2018-05-01 Zoox, Inc. Coordination of dispatching and maintaining fleet of autonomous vehicles
US9804599B2 (en) 2015-11-04 2017-10-31 Zoox, Inc. Active lighting control for communicating a state of an autonomous vehicle to entities in a surrounding environment
US9507346B1 (en) 2015-11-04 2016-11-29 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US9754490B2 (en) 2015-11-04 2017-09-05 Zoox, Inc. Software application to request and control an autonomous vehicle service
US9701239B2 (en) 2015-11-04 2017-07-11 Zoox, Inc. System of configuring active lighting to indicate directionality of an autonomous vehicle
US10176525B2 (en) 2015-11-09 2019-01-08 International Business Machines Corporation Dynamically adjusting insurance policy parameters for a self-driving vehicle
US9791861B2 (en) 2015-11-12 2017-10-17 International Business Machines Corporation Autonomously servicing self-driving vehicles
US10061326B2 (en) 2015-12-09 2018-08-28 International Business Machines Corporation Mishap amelioration based on second-order sensing by a self-driving vehicle
US9836973B2 (en) 2016-01-27 2017-12-05 International Business Machines Corporation Selectively controlling a self-driving vehicle's access to a roadway
US10328949B2 (en) * 2016-01-28 2019-06-25 Toyota Motor Engineering & Manufacturing North America, Inc. Sensor blind spot indication for vehicles
US10291348B2 (en) 2016-02-02 2019-05-14 Bao Tran Systems and methods for control of drones
US9835709B2 (en) 2016-02-02 2017-12-05 Bao Tran Systems and methods for permission based control of robots
SE541846C2 (en) 2016-02-10 2019-12-27 Scania Cv Ab Method and control unit for rear view
US11573325B2 (en) 2016-03-11 2023-02-07 Kaarta, Inc. Systems and methods for improvements in scanning and mapping
JP6987797B2 (ja) 2016-03-11 2022-01-05 カールタ インコーポレイテッド リアルタイムオンラインエゴモーション推定を有するレーザスキャナ
US10989542B2 (en) * 2016-03-11 2021-04-27 Kaarta, Inc. Aligning measured signal data with slam localization data and uses thereof
US11567201B2 (en) 2016-03-11 2023-01-31 Kaarta, Inc. Laser scanner with real-time, online ego-motion estimation
CN109074733A (zh) * 2016-04-28 2018-12-21 本田技研工业株式会社 车辆控制系统、车辆控制方法及车辆控制程序
US10034066B2 (en) 2016-05-02 2018-07-24 Bao Tran Smart device
US10685391B2 (en) 2016-05-24 2020-06-16 International Business Machines Corporation Directing movement of a self-driving vehicle based on sales activity
EP3465371A4 (en) 2016-05-31 2019-12-18 Peloton Technology Inc. STATE MACHINE FOR PLATOON REGULATOR
US10126136B2 (en) 2016-06-14 2018-11-13 nuTonomy Inc. Route planning for an autonomous vehicle
US11092446B2 (en) 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
US10309792B2 (en) 2016-06-14 2019-06-04 nuTonomy Inc. Route planning for an autonomous vehicle
US10829116B2 (en) 2016-07-01 2020-11-10 nuTonomy Inc. Affecting functions of a vehicle based on function-related information about its environment
US10133942B2 (en) 2016-07-05 2018-11-20 Nauto Global Limited System and method for automatic driver identification
US10209081B2 (en) 2016-08-09 2019-02-19 Nauto, Inc. System and method for precision localization and mapping
US10369998B2 (en) 2016-08-22 2019-08-06 Peloton Technology, Inc. Dynamic gap control for automated driving
JP6690056B2 (ja) 2016-08-22 2020-04-28 ぺロトン テクノロジー インコーポレイテッド 自動連続車両の制御システムアーキテクチャ
US10182225B1 (en) * 2016-08-31 2019-01-15 Amazon Technologies, Inc. Processing images to remove precipitation
US10497129B1 (en) 2016-08-31 2019-12-03 Amazon Technologies, Inc. Image-based weather condition detection
US10678240B2 (en) * 2016-09-08 2020-06-09 Mentor Graphics Corporation Sensor modification based on an annotated environmental model
US10733460B2 (en) 2016-09-14 2020-08-04 Nauto, Inc. Systems and methods for safe route determination
WO2018053175A1 (en) 2016-09-14 2018-03-22 Nauto Global Limited Systems and methods for near-crash determination
US10093322B2 (en) 2016-09-15 2018-10-09 International Business Machines Corporation Automatically providing explanations for actions taken by a self-driving vehicle
US10643256B2 (en) 2016-09-16 2020-05-05 International Business Machines Corporation Configuring a self-driving vehicle for charitable donations pickup and delivery
US9905133B1 (en) 2016-09-30 2018-02-27 Allstate Insurance Company Controlling autonomous vehicles to provide automated emergency response functions
US10857994B2 (en) 2016-10-20 2020-12-08 Motional Ad Llc Identifying a stopping place for an autonomous vehicle
US10331129B2 (en) 2016-10-20 2019-06-25 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10681513B2 (en) 2016-10-20 2020-06-09 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10473470B2 (en) 2016-10-20 2019-11-12 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10146223B1 (en) 2016-10-21 2018-12-04 Waymo Llc Handling sensor occlusions for autonomous vehicles
CN110178104A (zh) 2016-11-07 2019-08-27 新自动公司 用于确定驾驶员分心的系统和方法
US10259452B2 (en) 2017-01-04 2019-04-16 International Business Machines Corporation Self-driving vehicle collision management system
US10363893B2 (en) 2017-01-05 2019-07-30 International Business Machines Corporation Self-driving vehicle contextual lock control system
US10529147B2 (en) 2017-01-05 2020-01-07 International Business Machines Corporation Self-driving vehicle road safety flare deploying system
US11097736B2 (en) 2017-02-28 2021-08-24 Clearpath Robotics Inc. Systems and methods for traction detection and control in a self-driving vehicle
US10234864B2 (en) * 2017-03-07 2019-03-19 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10095234B2 (en) 2017-03-07 2018-10-09 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10281920B2 (en) 2017-03-07 2019-05-07 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10152060B2 (en) 2017-03-08 2018-12-11 International Business Machines Corporation Protecting contents of a smart vault being transported by a self-driving vehicle
US10338594B2 (en) 2017-03-13 2019-07-02 Nio Usa, Inc. Navigation of autonomous vehicles to enhance safety under one or more fault conditions
EP3605500B1 (en) * 2017-03-28 2023-11-15 Pioneer Corporation Output device, control method, program, and storage medium
US10423162B2 (en) 2017-05-08 2019-09-24 Nio Usa, Inc. Autonomous vehicle logic to identify permissioned parking relative to multiple classes of restricted parking
CN110892233A (zh) * 2017-05-22 2020-03-17 Pcms控股公司 用于传感器范围和视场的车载增强可视化的方法和装置
US10753753B2 (en) 2017-05-26 2020-08-25 Ford Global Technologies, Llc Vehicle route navigation
CN109145680B (zh) * 2017-06-16 2022-05-27 阿波罗智能技术(北京)有限公司 一种获取障碍物信息的方法、装置、设备和计算机存储介质
WO2018229549A2 (en) 2017-06-16 2018-12-20 Nauto Global Limited System and method for digital environment reconstruction
US10430695B2 (en) 2017-06-16 2019-10-01 Nauto, Inc. System and method for contextualized vehicle operation determination
US10453150B2 (en) 2017-06-16 2019-10-22 Nauto, Inc. System and method for adverse vehicle event determination
CN107257375B (zh) * 2017-06-19 2019-11-19 深圳市盛路物联通讯技术有限公司 一种基于过滤网关的终端设备工作状态检测方法及系统
US10369974B2 (en) 2017-07-14 2019-08-06 Nio Usa, Inc. Control and coordination of driverless fuel replenishment for autonomous vehicles
US10710633B2 (en) 2017-07-14 2020-07-14 Nio Usa, Inc. Control of complex parking maneuvers and autonomous fuel replenishment of driverless vehicles
US20190041859A1 (en) * 2017-08-04 2019-02-07 Aptiv Technologies Limited Sensor failure compensation system for an automated vehicle
JP7043755B2 (ja) * 2017-08-29 2022-03-30 ソニーグループ株式会社 情報処理装置、情報処理方法、プログラム、及び、移動体
US11625045B2 (en) * 2017-08-31 2023-04-11 Uatc, Llc Systems and methods for controlling an autonomous vehicle with occluded sensor zones
WO2019099605A1 (en) 2017-11-17 2019-05-23 Kaarta, Inc. Methods and systems for geo-referencing mapping systems
US10501085B2 (en) 2017-12-07 2019-12-10 Waymo Llc Early object detection for unprotected turns
US10558873B2 (en) 2017-12-14 2020-02-11 Waymo Llc Methods and systems for controlling extent of light encountered by an image capture device of a self-driving vehicle
US10921142B2 (en) * 2017-12-14 2021-02-16 Waymo Llc Methods and systems for sun-aware vehicle routing
JP2019109705A (ja) * 2017-12-18 2019-07-04 パイオニア株式会社 データ構造、記録装置及び記録方法並びに記録用プログラム
DE102018100667A1 (de) 2018-01-12 2019-07-18 Connaught Electronics Ltd. Computersichtvorfusion und räumlich-zeitliche Verfolgung
US11022971B2 (en) 2018-01-16 2021-06-01 Nio Usa, Inc. Event data recordation to identify and resolve anomalies associated with control of driverless vehicles
US10480952B2 (en) 2018-02-01 2019-11-19 Didi Research America, Llc Probabilistic navigation system and method
US11084512B2 (en) * 2018-02-12 2021-08-10 Glydways, Inc. Autonomous rail or off rail vehicle movement and system among a group of vehicles
US10613550B2 (en) * 2018-02-12 2020-04-07 Vinod Khosla Autonomous rail vehicle movement and system among a group of vehicles on a rail system
WO2019165194A1 (en) 2018-02-23 2019-08-29 Kaarta, Inc. Methods and systems for processing and colorizing point clouds and meshes
WO2019169031A1 (en) 2018-02-27 2019-09-06 Nauto, Inc. Method for determining driving policy
JP2019168984A (ja) * 2018-03-23 2019-10-03 パイオニア株式会社 データ構造
CN108482025B (zh) * 2018-05-03 2021-05-07 河南省高迈科技有限公司 具有四轮自动定位功能的胎压监测系统及其定位方法
US11048265B2 (en) 2018-06-18 2021-06-29 Zoox, Inc. Occlusion aware planning
WO2020009826A1 (en) 2018-07-05 2020-01-09 Kaarta, Inc. Methods and systems for auto-leveling of point clouds and 3d models
US10845818B2 (en) * 2018-07-30 2020-11-24 Toyota Research Institute, Inc. System and method for 3D scene reconstruction of agent operation sequences using low-level/high-level reasoning and parametric models
US10706724B2 (en) * 2018-08-01 2020-07-07 GM Global Technology Operations LLC Controlling articulating sensors of an autonomous vehicle
US10832093B1 (en) 2018-08-09 2020-11-10 Zoox, Inc. Tuning simulated data for optimized neural network activation
US11353577B2 (en) * 2018-09-28 2022-06-07 Zoox, Inc. Radar spatial estimation
US10762791B2 (en) 2018-10-29 2020-09-01 Peloton Technology, Inc. Systems and methods for managing communications between vehicles
US11390277B2 (en) 2018-11-30 2022-07-19 Clearpath Robotics Inc. Systems and methods for self-driving vehicle collision prevention
US11693423B2 (en) * 2018-12-19 2023-07-04 Waymo Llc Model for excluding vehicle from sensor field of view
US11598864B2 (en) 2018-12-27 2023-03-07 Wipro Limited Method and system for testing LiDAR sensors
US11338816B2 (en) * 2019-02-02 2022-05-24 Ford Global Technologies, Llc Over-the-air flashing and reproduction of calibration data using data regression techniques
US11400924B2 (en) * 2019-03-31 2022-08-02 Gm Cruise Holdings Llc Autonomous vehicle maneuvering based upon risk associated with occluded regions
US11427196B2 (en) 2019-04-15 2022-08-30 Peloton Technology, Inc. Systems and methods for managing tractor-trailers
EP3973695A4 (en) 2019-05-23 2023-08-02 Streetscope, Inc. DEVICE AND METHOD FOR PROCESSING VEHICLE SIGNALS TO CALCULATE A BEHAVIORAL RISK MEASURE
KR20210008260A (ko) 2019-07-12 2021-01-21 현대자동차주식회사 자율주행차량의 거동 제어 장치 및 그 방법
US11649147B2 (en) 2019-09-20 2023-05-16 Clearpath Robotics Inc. Autonomous material transport vehicles, and systems and methods of operating thereof
US11348332B2 (en) * 2019-09-25 2022-05-31 Toyota Research Institute, Inc. Object location analysis
US11474203B2 (en) 2019-09-27 2022-10-18 Wipro Limited Method and system for determining correctness of Lidar sensor data used for localizing autonomous vehicle
KR20210051601A (ko) * 2019-10-31 2021-05-10 엘지전자 주식회사 인공지능 무빙 에이전트
US11288509B2 (en) * 2019-11-12 2022-03-29 Toyota Research Institute, Inc. Fall detection and assistance
US20210191399A1 (en) * 2019-12-23 2021-06-24 Waymo Llc Real-Time Adjustment Of Vehicle Sensor Field Of View Volume
US11127301B1 (en) 2020-03-10 2021-09-21 Denso Corporation Systems and methods for adapting operation of an assistance system according to the presence of a trailer
CN113442830B (zh) * 2020-03-24 2023-07-18 荷兰移动驱动器公司 交通安全管控方法、车载装置
EP3901661A1 (en) * 2020-04-22 2021-10-27 Bayerische Motoren Werke Aktiengesellschaft Method and control unit for operating an autonomous vehicle
DE102020111486A1 (de) * 2020-04-28 2021-10-28 Daimler Ag Verkehrsregelkonforme Entscheidungsfindung in dynamischen Verkehrsszenarien
US11320272B2 (en) 2020-07-07 2022-05-03 Waymo Llc Localization adaptation based on weather estimation
CN112489495B (zh) * 2020-10-26 2023-01-17 浙江吉利控股集团有限公司 一种车辆预警方法、装置、电子设备及存储介质
US11733054B2 (en) 2020-12-11 2023-08-22 Motional Ad Llc Systems and methods for implementing occlusion representations over road features
US11488422B1 (en) * 2021-06-22 2022-11-01 Samsara Inc. Fleet metrics analytics reporting system
US11845454B2 (en) 2021-09-14 2023-12-19 Motional Ad Llc Operational envelope detection with situational assessment
US20230093601A1 (en) * 2021-09-14 2023-03-23 Motional Ad Llc Environmental limitation and sensor anomaly system and method
US11851091B2 (en) 2021-09-14 2023-12-26 Motional Ad Llc Immobility detection within situational context
FR3133816A1 (fr) * 2022-03-23 2023-09-29 Psa Automobiles Sa Procédé et dispositif de détermination d’instructions de contrôle pour véhicule en fonction de l’éblouissement d’une caméra du véhicule par le soleil

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526352B1 (en) * 2001-07-19 2003-02-25 Intelligent Technologies International, Inc. Method and arrangement for mapping a road
US7630806B2 (en) * 1994-05-23 2009-12-08 Automotive Technologies International, Inc. System and method for detecting and protecting pedestrians
CN101915991A (zh) * 2009-04-02 2010-12-15 通用汽车环球科技运作公司 全后窗平视显示器上的后方停车辅助
CN102679994A (zh) * 2011-03-09 2012-09-19 哈曼贝克自动系统股份有限公司 使用三维模型计算导航路线

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7049945B2 (en) * 2000-05-08 2006-05-23 Automotive Technologies International, Inc. Vehicular blind spot identification and monitoring system
US7209221B2 (en) 1994-05-23 2007-04-24 Automotive Technologies International, Inc. Method for obtaining and displaying information about objects in a vehicular blind spot
US5644386A (en) 1995-01-11 1997-07-01 Loral Vought Systems Corp. Visual recognition system for LADAR sensors
JP4104782B2 (ja) 1999-05-28 2008-06-18 三菱電機株式会社 情報可視化装置、情報可視化方法およびその方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体
US9321401B2 (en) * 2003-11-06 2016-04-26 Woodstock Transportation Components, Inc. Stop-arm with camera system
JP4179135B2 (ja) 2003-11-07 2008-11-12 日産自動車株式会社 車両用運転操作補助装置および車両用運転操作補助装置を備えた車両
JP3931879B2 (ja) * 2003-11-28 2007-06-20 株式会社デンソー センサフュージョンシステム及びそれを用いた車両制御装置
US7912633B1 (en) * 2005-12-01 2011-03-22 Adept Mobilerobots Llc Mobile autonomous updating of GIS maps
US8577538B2 (en) 2006-07-14 2013-11-05 Irobot Corporation Method and system for controlling a remote vehicle
US7310190B2 (en) * 2006-02-09 2007-12-18 Delphi Technologies, Inc. Vehicle imaging system with windshield condition determination
US7729607B2 (en) * 2006-05-31 2010-06-01 Technologies4All, Inc. Camera glare reduction system and method
JP2007333486A (ja) * 2006-06-13 2007-12-27 Denso Corp 車両用障害物検知装置
EP2036043A2 (en) * 2006-06-26 2009-03-18 Lockheed Martin Corporation Method and system for providing a perspective view image by intelligent fusion of a plurality of sensor data
JP4730267B2 (ja) * 2006-07-04 2011-07-20 株式会社デンソー 車両用視界状況判定装置
US20080262669A1 (en) 2006-09-22 2008-10-23 Jadi, Inc. Autonomous vehicle controller
US8532862B2 (en) * 2006-11-29 2013-09-10 Ryan A. Neff Driverless vehicle
US7865285B2 (en) * 2006-12-27 2011-01-04 Caterpillar Inc Machine control system and method
US8543255B2 (en) 2008-06-27 2013-09-24 Raytheon Company Apparatus and method for controlling an unmanned vehicle
US8385971B2 (en) * 2008-08-19 2013-02-26 Digimarc Corporation Methods and systems for content processing
US9026315B2 (en) * 2010-10-13 2015-05-05 Deere & Company Apparatus for machine coordination which maintains line-of-site contact
US8126642B2 (en) * 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
DE102009009896B4 (de) * 2009-02-20 2011-02-10 Eads Deutschland Gmbh Verfahren und Vorrichtung zur Erfassung von Zielobjekten
US8384532B2 (en) * 2009-04-02 2013-02-26 GM Global Technology Operations LLC Lane of travel on windshield head-up display
US8269652B2 (en) * 2009-04-02 2012-09-18 GM Global Technology Operations LLC Vehicle-to-vehicle communicator on full-windshield head-up display
US8676466B2 (en) * 2009-04-06 2014-03-18 GM Global Technology Operations LLC Fail-safe speed profiles for cooperative autonomous vehicles
US8340438B2 (en) * 2009-12-17 2012-12-25 Deere & Company Automated tagging for landmark identification
BR112012024415A2 (pt) * 2010-03-26 2017-08-08 Fortem Solutions Inc método e sistema para navegar por uma pluralidade de câmeras e controle cooperativo de câmeras
JP5206752B2 (ja) * 2010-08-30 2013-06-12 株式会社デンソー 走行環境認識装置
WO2012029058A1 (en) * 2010-08-30 2012-03-08 Bk-Imaging Ltd. Method and system for extracting three-dimensional information
US9043129B2 (en) * 2010-10-05 2015-05-26 Deere & Company Method for governing a speed of an autonomous vehicle
AU2011352997B2 (en) * 2010-12-30 2015-06-18 Irobot Corporation Mobile human interface robot
WO2013006826A2 (en) 2011-07-06 2013-01-10 Peloton Technology Inc. Systems and methods for semi-autonomous vehicular convoying
US8888304B2 (en) * 2012-05-10 2014-11-18 Christopher V. Beckman Optical control techniques
US8612135B1 (en) * 2012-02-14 2013-12-17 Google Inc. Method and apparatus to localize an autonomous vehicle using convolution
US9279693B2 (en) * 2012-02-17 2016-03-08 Blackberry Limited Navigation system and method for determining a route based on sun position and weather
US8571743B1 (en) * 2012-04-09 2013-10-29 Google Inc. Control of vehicles based on auditory signals
US9367065B2 (en) * 2013-01-25 2016-06-14 Google Inc. Modifying behavior of autonomous vehicles based on sensor blind spots and limitations
EP2881697A1 (en) * 2013-12-06 2015-06-10 BAE Systems PLC Capturing and processing images
KR101513591B1 (ko) * 2014-08-26 2015-04-21 (주)비엔티솔루션 웹 3d를 이용한 실시간 해양공간정보 제공시스템
JP6819076B2 (ja) 2016-05-17 2021-01-27 株式会社デンソー 走行計画作成装置及びセンタ
US9840253B1 (en) * 2016-06-14 2017-12-12 Delphi Technologies, Inc. Lane keeping system for autonomous vehicle during camera drop-outs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7630806B2 (en) * 1994-05-23 2009-12-08 Automotive Technologies International, Inc. System and method for detecting and protecting pedestrians
US6526352B1 (en) * 2001-07-19 2003-02-25 Intelligent Technologies International, Inc. Method and arrangement for mapping a road
CN101915991A (zh) * 2009-04-02 2010-12-15 通用汽车环球科技运作公司 全后窗平视显示器上的后方停车辅助
CN102679994A (zh) * 2011-03-09 2012-09-19 哈曼贝克自动系统股份有限公司 使用三维模型计算导航路线

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11061398B2 (en) 2015-11-04 2021-07-13 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US11796998B2 (en) 2015-11-04 2023-10-24 Zoox, Inc. Autonomous vehicle fleet service and system
US11314249B2 (en) 2015-11-04 2022-04-26 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US11301767B2 (en) 2015-11-04 2022-04-12 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US11283877B2 (en) 2015-11-04 2022-03-22 Zoox, Inc. Software application and logic to modify configuration of an autonomous vehicle
US11106218B2 (en) 2015-11-04 2021-08-31 Zoox, Inc. Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes
CN108603938B (zh) * 2016-01-28 2023-08-22 康蒂-特米克微电子有限公司 用于确定机动车传感器的检测范围的方法和设备
CN108603938A (zh) * 2016-01-28 2018-09-28 康蒂-特米克微电子有限公司 用于确定机动车传感器的检测范围的方法和设备
CN107767698A (zh) * 2016-08-18 2018-03-06 罗伯特·博世有限公司 用于转换传感器数据的方法
CN107767698B (zh) * 2016-08-18 2022-04-12 罗伯特·博世有限公司 用于转换传感器数据的方法
CN108216223A (zh) * 2016-12-15 2018-06-29 福特全球技术公司 车辆间警告
CN108304782A (zh) * 2017-01-13 2018-07-20 福特全球技术公司 生成用于训练和验证检测模型的模拟传感器数据
CN108928348A (zh) * 2017-05-26 2018-12-04 德韧营运有限责任公司 生成广域感知场景图的方法和系统
CN110770540B (zh) * 2017-05-31 2024-04-09 宝马股份公司 用于构建环境模型的方法和装置
CN110770540A (zh) * 2017-05-31 2020-02-07 宝马股份公司 用于构建环境模型的方法和装置
CN109425359A (zh) * 2017-09-01 2019-03-05 通用汽车环球科技运作有限责任公司 用于生成实时地图信息的方法和系统
CN111566511B (zh) * 2017-12-29 2024-04-16 伟摩有限责任公司 侧面传感器组件和包括其的自主车辆
CN111566511A (zh) * 2017-12-29 2020-08-21 伟摩有限责任公司 大型自主车辆的传感器集成
US11899466B2 (en) 2017-12-29 2024-02-13 Waymo Llc Sensor integration for large autonomous vehicles
CN111226135B (zh) * 2018-01-12 2023-09-05 宝马股份公司 用于确定多个传感器中的传感器的阻挡的方法和系统
CN111226135A (zh) * 2018-01-12 2020-06-02 宝马股份公司 用于确定自主驾驶车辆的多个传感器中的传感器的阻挡的方法、系统和计算机程序产品
US11802969B2 (en) 2018-06-18 2023-10-31 Zoox, Inc. Occlusion aware planning and control
CN112313663A (zh) * 2018-06-18 2021-02-02 祖克斯有限公司 遮挡感知规划
CN112009479A (zh) * 2019-05-31 2020-12-01 通用汽车环球科技运作有限责任公司 调整传感器视场的方法和设备
CN112537295A (zh) * 2019-09-05 2021-03-23 丰田自动车株式会社 驾驶辅助装置
CN111127651A (zh) * 2020-03-31 2020-05-08 江苏广宇科技产业发展有限公司 基于高精度可视化技术的自动驾驶测试开发方法及装置
CN112512887A (zh) * 2020-07-21 2021-03-16 华为技术有限公司 一种行驶决策选择方法以及装置
CN114348023A (zh) * 2022-01-25 2022-04-15 北京三快在线科技有限公司 一种基于盲区的无人驾驶设备控制方法及装置

Also Published As

Publication number Publication date
US20230341871A1 (en) 2023-10-26
JP2016520882A (ja) 2016-07-14
CN105009175B (zh) 2017-08-08
US20160266581A1 (en) 2016-09-15
KR20150111983A (ko) 2015-10-06
JP5944598B1 (ja) 2016-07-05
EP2948928A4 (en) 2016-10-05
EP2948928A1 (en) 2015-12-02
US20200159248A1 (en) 2020-05-21
US20140214255A1 (en) 2014-07-31
US11726493B2 (en) 2023-08-15
US9367065B2 (en) 2016-06-14
EP2948928B1 (en) 2017-07-19
US20220050474A1 (en) 2022-02-17
US20180032084A1 (en) 2018-02-01
US10663975B2 (en) 2020-05-26
WO2014116512A1 (en) 2014-07-31
KR101655712B1 (ko) 2016-09-07
US20180032085A1 (en) 2018-02-01
US11188092B2 (en) 2021-11-30
US10663976B2 (en) 2020-05-26
US9811091B2 (en) 2017-11-07

Similar Documents

Publication Publication Date Title
CN105009175B (zh) 基于传感器盲点和局限性来修改自主车辆的行为
US11807235B1 (en) Modifying speed of an autonomous vehicle based on traffic conditions
US11327501B1 (en) Detecting sensor degradation by actively controlling an autonomous vehicle
US9709679B1 (en) Building elevation maps from laser data
CN107798305B (zh) 检测车道标记
US8948958B1 (en) Estimating road lane geometry using lane marker observations
US9600768B1 (en) Using behavior of objects to infer changes in a driving environment
US20130197736A1 (en) Vehicle control based on perception uncertainty
CN103718124A (zh) 传感器域选择

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20170706

Address after: California, USA

Applicant after: Weimo Co.,Ltd.

Address before: California, USA

Applicant before: Giant Holdings Ltd.

Effective date of registration: 20170706

Address after: California, USA

Applicant after: Giant Holdings Ltd.

Address before: California, USA

Applicant before: Google Inc.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant