CN105015538A - 控制车辆横向车道定位 - Google Patents

Abstract

描述了用于控制车辆横向车道定位的方法和系统。计算设备可以被配置为识别在道路上车辆附近的物体。计算设备可以被配置为基于车辆的特征和物体的各个特征来估计车辆将横向地邻近物体的时间间隔。基于车辆的特征，计算设备可以被配置为估计在时间间隔期间车辆在道路上的纵向位置。基于物体的各个特征，计算设备可以被配置为确定在车辆的纵向位置处在时间间隔期间用于车辆的在车辆和物体之间维持的横向距离，并且基于横向距离提供控制车辆的指令。

Description

控制车辆横向车道定位

本申请是2013年4月28日提交的申请号为201310156473.6、名称为‘控制车辆横向车道定位’专利申请的分案申请。

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送到另一位置。一些自主车辆可能需要来自操作员(例如，飞行员、驾驶员，或乘客)的一些初始输入或连续输入。其他的系统(例如，自动驾驶系统)仅可在系统已使用时使用，这允许操作员从手动模式(其中操作员对车辆的移动执行高度控制)转换到自主模式(其中车辆基本自己驾驶)到位于两个模式之间的模式。

发明内容

本申请公开了涉及控制车辆横向车道定位的实施例。在一个方案中，本申请描述了一种方法。该方法可以包括通过计算设备来识别在车辆正在行驶的道路之上或者附近的物体。该方法还可以包括基于车辆的一个或多个特征和物体的一个或多个各个特征，估计时间间隔，在该时间间隔内车辆将横向地邻近物体。方法还包括：基于车辆的一个或多个特征，估计在时间间隔期间车辆在道路上的一个或多个纵向位置。方法还可以包括基于物体的一个或多个各个特征，确定在车辆的一个或多个纵向位置处在时间间隔期间用于车辆的在车辆和物体之间维持的横向距离。方法还可以包括基于横向距离使用计算设备来提供控制车辆的指令。

在另一个方案中，本申请描述了其上存储有可执行指令的非瞬态计算机可读介质，在计算设备执行该指令时，致使计算设备执行功能。所述功能可以包括基于轨迹识别在车辆正在行驶的道路之上或附近的一个或多个物体。功能还可以包括：对于一个或多个物体中的每个物体，基于车辆的一个或多个特征和各个物体的一个或多个各个特征，估计时间间隔，在该时间间隔期间车辆将横向地邻近各个物体；基于车辆的一个或多个特征，估计在各个时间间隔期间车辆在道路上的一个或多个各个纵向位置；并且基于各个物体的一个或多个各个特征，确定在车辆的一个或多个各个纵向位置处在各个时间间隔期间用于车辆的在车辆和各个物体之间维持的各个横向距离。功能还可以包括：基于涉及车辆和一个或多个物体的确定的各个横向距离，确定车辆的修改的轨迹。功能还可以包括：基于修改的轨迹提供控制车辆的指令。

在又一方案中，本申请描述了一种控制系统。控制系统可以包括至少一个处理器。控制系统还可以包括其上存储有可执行指令的存储器，在至少一个处理器执行该指令时，致使控制系统执行功能，所述功能包括基于轨迹识别在车辆正在行驶的道路之上或附近的一个或多个物体。功能还可以包括：对于一个或多个物体中的每个物体，基于车辆的一个或多个特征和各个物体的一个或多个各个特征，估计各个时间间隔，在该各个时间间隔期间车辆将横向地邻近各个物体；基于车辆的一个或多个特征，估计在各个时间间隔期间车辆在道路上的一个或多个各个纵向位置；以及基于各个物体的一个或多个各个特征，确定在车辆的一个或多个各个纵向位置处在各个时间间隔期间用于车辆的在车辆和各个物体之间维持的各个横向距离。功能还可以包括：基于涉及车辆和一个或多个物体确定的各个横向距离，确定车辆的修改的轨迹；并且基于修改的轨迹来提供控制车辆的指令。

前述的概要仅是说明性的，并非意图以任何方式进行限制。除了上述说明性的方案、实施例和特征，通过参考附图和下面详细的描述，进一步的方案、实施例和特征将变得显而易见。

附图说明

图1是根据示例性实施例的示例性机动车的简化框图。

图2示出了根据示例性实施例的示例性机动车。

图3是根据示例性实施例的用于控制车辆横向车道定位的方法的流程图。

图4A示出了根据示例性实施例的在道路上的车辆的横向定位。

图4B示出了根据示例性实施例的基于道路上的大型物体的车辆的横向定位。

图4C示出了根据示例性实施例的在高承载率车辆(HOV)车道上的车辆的横向定位。

图5是示意性示出根据示例性实施例的计算机程序的概念局部视图的示意图。

具体实施方式

下文的详细说明参考附图描述了所公开的系统和方法的各个特征和功能。在图中，除非上下文另有规定，否则类似的符号标示类似的部件。在本文中描述的说明性系统和方法实施例并不意味着限制。可以容易地理解，所公开的系统和方法的某些方面能够以广泛的各种不同配置进行排列和组合，在本文中考虑到了所有这些配置。

在路上运行的自主车辆可以依赖识别车辆附近的物体来确定对于在路上车辆安全的轨迹或路径。在一些示例中，跟随车道的几何中心可能不是足够安全的；相反，车辆可配置为基于多个因素来确定在车道中的横向位置。例如，车辆可以考虑道路的曲率、静态和动态障碍的邻近性、障碍的相对位置和速度等。

在示例中，配置为控制车辆跟随道路上的给定轨迹的计算设备可以被被配置为识别可能对车道内车辆的横向定位具有影响的一组物体。该组物体可以包括，例如在相邻车道中车辆后方和前方的汽车、静态物体(例如，防护轨、路缘、树木等)、在车辆前方和后方的摩托车和骑自行车的人等。在识别物体时，计算设备可以被配置为估计每个物体的特征，例如每个物体的大小、在各个车道中的每个物体的位置、每个物体相对于车辆的纵向和横向速度等。

基于每个物体的特征和车辆的特征(例如，车辆的速度)，计算设备可以被被配置为确定时间间隔，在该时间间隔期间车辆将横向邻近各个物体。此外，基于车辆的当前速度和估计的加速度/减速度，计算设备可以被被配置为在车辆将横向地邻近物体的时间间隔期间估计在道路上的车辆的一个或多个纵向位置(例如，离散位置)。

对于每个识别的物体，计算设备还可以被配置为基于各个物体的特征来估计在一个或多个估计的纵向位置处在时间间隔期间用于车辆的在车辆和各个物体之间维持的各个横向距离。计算设备可以被配置为实现探视程序(heuristics)，例如，模仿人类行为以确定相应的横向距离。例如，当以高速移动的大卡车或汽车横向邻近车辆时，计算设备可以被配量来确定横向距离大于当缓慢移动的车辆横向邻近于车辆时所确定的给定的横向距离。类似地，当摩托车、骑自行车的人和行人通过时可以确定大的横向距离。另外，计算设备可以被配置为确定用于动态物体的横向距离比用于静态的横向距离大。计算设备可以被配置为考虑其他因素来确定各个横向距离，所述因素例如为车辆当前所在车道的类型(例如，高承载率车辆车道)、道路条件等。

此外，计算设备可以被配置为基于为物体确定的各个横向距离来确定用于车辆的修改的轨迹。为确定修改的轨迹，计算设备可以被配置为对为各个物体所确定的每个各个横向距离分配各个权重。例如，各个权重可以是基于各个物体的特征确定的。计算设备可以被配置为考虑各个权重以确定修改的轨迹。计算设备可以被配置为提供指令以控制车辆(例如，修改速度、转向角度等)来使得车辆跟随修改的轨迹并且保持与车辆附近物体的安全横向距离。

车辆控制系统的示例可以用机动车的形式或呈机动车的形式来实现。可替换地，车辆控制系统可以用其他车辆的形式或呈其他车辆的形式来实现，例如，汽车、卡车、摩托车、公交车、轮船、飞机、直升机、割草机、大型旅行车、游乐园车辆、农场设备、建设设备、电车、高尔夫球车、火车和有轨电车。其他车辆也是可能的。

此外，示例性系统可以采用非瞬态计算机可读介质的形式，其上存储有程序指令，由至少一个处理器执行所述程序指令来提供本文描述的功能。示例性系统也可以采用机动车或机动车子系统的形式，其包括存储有这种程序指令的非瞬态计算机可读介质。

现在参考附图，图1是根据示例性实施例的示例性机动车100的简化框图。耦合到机动车100或包含于机动车100中的部件可以包括：推进系统102、传感器系统104、控制系统106、外围设备108、电源110、计算设备111以及用户接口112。计算设备111可以包括处理器113和存储器114。计算设备111可以是机动车100的控制器，或控制器的一部分。存储器114可以包括处理器113执行的指令115，并且还可以存储地图数据116。机动车100的部件可被配置为以彼此互连和/或与耦合到相应系统的其它部件互连的方式工作。例如，电源110可以为机动车100的所有部件提供动力。计算设备111可以被配置为从以下部件接收信息并控制以下部件：推进系统102、传感器系统104、控制系统106和外围设备108。计算设备111可以被配置为在用户接口112上生成图像显示并从用户接口112接收输入。

在其他的示例中，机动车100可以包括更多、更少或不同的系统，并且每个系统可以包括更多、更少或不同的部件。此外，示出的系统和部件可以用任意数量方式来进行组合和划分。

推进系统102可以被配置为提供用于机动车100的动力移动。如所示的，推进系统102包括发动机/电动机118、能源120、变速器122和车轮/轮胎124。

发动机/电动机118可以是或包括内燃机、电动机、蒸汽机和斯特林发动机的任意组合。其他的电动机和发动机也是可以的。在一些示例中，推进系统102能够包括多种类型的发动机和/或电动机。例如，气-电混合动力车能够包括汽油发动机和电动机。其他的示例是可以的。

能源120可以是完全或部分供以发动机/电动机118动力的能量的来源。也就是说，发动机/电动机118可以被配置为将能源120转换为机械能。能源120的示例包括汽油、柴油，其他基于石油的燃料、丙烷，其他基于压缩气体的燃料、乙醇、太阳能板、电池，和其他电能的来源。能源120能另外地或可替换地包括油箱、电池、电容器和/或飞轮的任意组合。在一些示例中，能源120还可以提供用于机动车100的其他系统的能量。

变速器122可以被配置为将机械能从发动机/电动机118传送到车轮/轮胎124。为了这个目的，变速器122可以包括齿轮箱、离合器、差速器(differential)、驱动轴，和/或其他元件。在变速器122包括驱动轴的示例中，驱动曲轴可以包括被配置为与车轮/轮胎124耦合的一个或多个轴。

机动车100的车轮/轮胎124能够以各种形式进行配置，包括单轮车、自行车/摩托车、三轮车，或四轮形式的汽车/卡车。其他的车轮/轮胎形式也是可能的，例如那些包括六轮或更多轮子的。机动车100的车轮/轮胎124可以被配置为相对于其他车轮/轮胎124进行有差别地旋转。在一些示例中，车轮/轮胎124可以包括至少一个固定附加到变速器122的车轮和至少一个与能够与驱动表面接触的车轮边缘联接的轮胎。车轮/轮胎124可以包括金属和橡胶的任意组合，或其他材料的组合。

推进系统102可以另外地或可替换地包括除了图示那些部件以外的部件。

传感器系统104可以包括多个传感器，其被配置为感测关于机动车100所在环境的信息。所图所示，传感器系统的传感器包括全球定位系统(GPS)模块126、惯性测量单元(IMU)128、无线电探测和测距(RADAR)单元130、激光测距仪和/或光探测和测距(LIDAR)单元132、相机134和被配置为修改传感器位置和/或方向的致动器136。传感器系统104也可以包括另外的传感器，例如包括，监视机动车100的内部系统的传感器(例如，O₂监视器、燃油表、发动机油温等)。其他的传感器也是可能的。

GPS模块126可以是被配置为估计机动车100的地理位置的任意传感器。为了这个目的，GPS模块126可以包括收发机，该收发机被配置为根据基于卫星的定位数据来估计机动车100相对于地球的位置。在示例中，计算设备111可以被配置为使用与地图数据116组合的GPS模块126来估计机动车100可能行驶的道路的车道边界位置。GPS模块126也可以采用其他形式。

IMU 128可以是被配置为基于惯性加速度来感测机动车100的位置和方向变化的传感器的任意组合。在一些示例中，传感器的组合可以包括，例如，加速度计和陀螺仪。其他的传感器组合也是可能的。

RADAR单元130可被认为是这样的物体检测系统：其可以被配置为使用无线电波来确定物体的特征，例如物体的范围、高度、方向或速度。RADAR单元130可以被配置为沿波径传送从任意物体反弹的无线电波或微波的脉冲。物体可以将波能的一部分返回到接收器(例如，盘状物或天线)，其也可以是RADAR单元130的一部分。RADAR单元130还可以被配置为对接收到的信号(从物体反弹)执行数字信号处理并且可以被配置为识别物体。

其他类似RADAR的系统已用在电磁光谱的其他部分。一个示例是LIDAR(光探测和测距)，其可以被配置为使用来自激光的可见光而非无线电波。

LIDAR单元132可以包括被配置为使用光线感测或检测机动车100所在环境中的物体的传感器。一般地，LIDAR是一种通过用光照亮目标来测量距目标的距离或目标的其他属性的光学遥感技术。作为示例，LIDAR单元132可以包括被配置为发出激光脉冲的激光源和/或激光扫描仪以及被配置为接收激光脉冲反射的检测器。例如，LIDAR单元132可以包括由旋转镜反射的激光测距仪，并且扫描仪以一维或二维扫描被数字化的场景，在特定的角度间距收集距离测量。在示例中，LIDAR单元132可以包括部件，例如光(例如，激光)源、扫描仪和光学器件、照片检测器和接收机电子设备，以及定位和导航系统。

在示例中，LIDAR单元132可以被配置为使用紫外线(UV)的、可视的，或红外的光线来使物体成像，并且其能用于宽范围的物体，包括非金属物体。在一个示例中，可以使用窄激光束以高分辨率来映射物体的物理特征。

在示例中，能够使用在从大约10微米(红外的)到大约250nm(UV)范围内的波长。典型地，经由反向散射来反射光线。不同类型的散射用于不同的LIDAR应用，例如瑞利散射、米氏散射和拉曼散射以及荧光。基于不同类型的反向散射，例如，LIDAR能相应地称为瑞利LIDAR、米氏LIDAR和拉曼LIDAR和Na/Fc/K荧光LIDAR。例如，波长的适当组合能够允许通过寻找反射信号强度中的取决于波长的改变来对物体进行远程映射。

使用扫描和非扫描LIDAR系统能够获得三维(3D)成像。“3D选通观察激光雷达”是非扫描激光测距系统的示例，其采用了脉冲激光器和快速门控相机(fast gated camera)。利用典型地使用CMOS(互补金属氧化物半导体)和混合CMOS/CCD(电荷耦合器件)制造技术建立在单个芯片上的高速检测器阵列和调制敏感检测器阵列也能执行成像LIDAR。在这些设备中，可以通过解调制或以高速选通来本地处理每个像素，使得能够处理阵列来表示来自相机的图像。使用这种技术，可以同时捕获上千个像素来创建3D点云以表示LIDAR单元132所检测到的物体或场景。

点云可以包括3D坐标系统的一组顶点。例如，这些顶点可以用X、Y和Z坐标来定义，并且可以表示物体的外部表面。LIDAR单元132可以被配置为通过测量在物体表面的大量点来创建点云，并且可以将点云输出为数据文件。作为通过LIDAR单元132进行物体的3D扫描处理的结果，点云能用于识别以及可视化物体。

在一个实施例中，能直接渲染点云来可视化物体。在另一示例中，能通过被称为表面重构的过程将点云转换为多边形或三角形网格模型。用于将点云转换为3D表面的示例性技术可以包括狄洛尼三角剖分、阿尔法形状，和球面枢轴。这些技术包括在点云的现有顶点上建立三角形网络。其他示例性技术可以包括将点云转换为体积距离场并且重构通过移动立方体算法所定义的隐式曲面。

相机134可以是被配置为捕捉机动车100所在环境的图像的任意相机(例如，静止相机、视频相机等)。为了这个目的，相机可以被配置为检测可见光，或可以被配置为检测来自光谱其他部分的光，例如红外光或紫外光。其他类型的相机也是可能的。相机134可以是二维检测器，或可以具有三维空间范围。在一些示例中，例如，相机134可以是被配置为生成指示从相机134到环境中多个的点距离的二维图像的范围检测器。为了这个目的，相机134可以使用一种或多种范围检测技术。例如，相机134可以被配置为使用结构光技术，在其中机动车100使用预定的光模式(例如网格或棋盘格模式)来照亮环境中的物体并且使用相机134来检测预定光模式从物体的反射。基于反射光模式中的失真，机动车100可以被配置为确定到物体上的点的距离。预定的光模式可以包括红外线，或另一波长的光线。

例如，致动器136可以被配置为修改传感器的位置和/或方向。

传感器系统104可以另外地或可替换地包括不同于图示那些部件的部件。

控制系统106可以被配置为控制机动车100的操作及其部件。为了这个目的，控制系统106可以包括转向单元138、节流阀140、制动器单元142、传感器融合算法144、计算机视觉系统146、导航或路径控制系统148，以及障碍躲避系统150。

转向单元138可以是被配置为调整机动车100的头部或方向的装置的任意组合。

节流阀140可以是被配置为控制发动机/电动机118的运行速度和加速度以及依次控制机动车100的速度和加速度的装置的任意组合。

制动器单元142可以是被配置为使机动车100减速的装置的任意组合。例如，制动器单元142可以使用摩擦来减缓车轮/轮胎124。作为另一示例，制动器单元142可以配置为再生的并且将车轮/轮胎124的动能转换为电流。制动器单元142也可以采用其他形式。

例如，传感器融合算法144可以包括计算设备111所执行的算法(或存储算法的计算机程序产品)。传感器融合算法144可以被配置为从传感器系统104接受数据作为输入。例如，数据可以包括表示在传感器系统104的传感器处检测到的信息的数据。传感器融合算法144可以包括，例如，卡尔曼滤波器、贝叶斯网络，或其他算法。传感器融合算法144还可以被配置为基于来自传感器系统104的数据来提供各种评价，例如包括，机动车100所在环境中的个体物体和/或特征的评估，特定情况的评估，和/或基于特定情况对可能的影响的评估。其他的评价也是可能的。

计算机视觉系统146可以是以下的任意系统：其被配置为处理和分析由相机134所捕捉的图像以便识别机动车100所在环境中的物体和/或特征，例如包括，车道信息、交通信号和障碍。为此，计算机视觉系统146可以使用物体识别算法、运动结构(SFM)算法、视频跟踪或其他计算机视觉技术。在一些示例中，计算机视觉系统146可以另外地被配置为映射环境、跟踪物体、估计物体的速度等。

导航和路径控制系统148可以是被配置为确定用于机动车100的驾驶路径的任意系统。导航和路径控制系统148可以另外地被配置为在机动车100运行的同时动态地更新驾驶路径。在一些示例中，导航和路径控制系统148可以被配置为合并来自传感器融合算法144、GPS模块126，和一个或多个预确定的地图的数据以确定用于机动车100的驾驶路径。

障碍躲避系统100可以是被配置为识别、评估和躲避或越过在机动车100所在环境中的障碍的任意系统。

控制系统106可以另外地或可替换地包括不同于那些图示部件的部件。

外围设备108可以被配置为允许机动车100与外部传感器、其他的机动车，和/或用户进行相互作用。为了这个目的，外围设备108可以包括，例如，无线通信系统152、触屏154、麦克风156，和/或扬声器158。

无线通信系统152可以是被配置为直接地或经由通信网络与一个或多个其他机动车、传感器，或其他实体无线耦合的任意系统。为了这个目的，无线通信系统152可以包括天线和芯片组，来用于与其他机动车、传感器，或其他实体直接地或通过空中接口进行通信。芯片组或无线通信系统152一般可以安排来根据一种或多种类型的无线通信(例如，协议)进行通信，所述无线通信例如为蓝牙、IEEE 802.11(包括任意的IEEE 802.11版次)描述的通信协议、蜂窝技术(例如GSM、CDMA、UMTS、EV-DO、WiMAX，或LTE)、Zigbee、专用短距离通信(DSRC)，以及射频识别(RFID)通信等其他可能技术。无线通信系统152也可以采用其他形式。

用户可以使用触屏154来向机动车100输入命令。为了这个目的，触屏154可以被配置为经由电容传感、电阻传感，或表面声波处理等其他可能技术来检测用户手指的至少一个位置和移动。触屏154能够在触屏表面的平行方向或平面方向、与触屏表面垂直的方向，或者两个方向上检测手指移动，并且还能够检测施加到触屏表面的压力级别。触屏154可以是一个或多个半透明或透明的绝缘层和一个或多个半透明或透明的传导层组成的。触屏154也可以采用其他形式。

麦克风156可以被配置为从机动车100的用户接收音频(例如，声音命令或其他音频输入)。类似地，扬声器158可以被配置为向机动车100的用户输出音频。

外围设备108可以另外地或可替换地包括不同于那些图示部件的部件。

电源110可以被配置为向机动车100的一些或所有部件提供电力。为了这个目的，电源110可以包括，例如，可充电锂离子或铅酸电池。在一些示例中，一组或多组电池能够被配置为提供电源。其他的电源材料和配置也是可能的。在一些示例中，电源110和能源120可以一起实现，如在一些纯电动车中。

包含于计算设备111中的处理器113可以包括一个或多个通用处理器和/或一个或多专用处理器(例如，图像处理器、数字信号处理器等)。某种程度上，处理器113包括多于一个处理器，这些处理器能独立地或组合地工作。计算设备111可以被配置为基于通过例如用户接口112所接收到的输入来控制机动车100的功能。

存储器114依次可以包括一个或多个易失性和/或一个或多个非易失性存储部件，例如光储存器、磁性储存器和/或有机储存器，并且存储器114可以完全或部分与处理器113进行集成。存储器114可以包含处理器113所执行的用于执行各种机动车功能的指令115(例如，程序逻辑)，包括本文中描述的任何功能或方法。

机动车100的部件能够被配置为以互连的方式与在其各个系统之内和/或之外的其他部件进行工作。为了这个目的，机动车100的部件和系统可以通过系统总线、网络和/或其他连接装置(未示出)可通信地链接在一起。

此外，虽然示出了每个部件和系统集成到机动车100中，但在一些示例中，一个或多个部件或系统可以可移除地安装或者使用有线或无线连接(机械地或者电地)而连接到机动车100上。

机动车100可以包括除了那些图示元件之外或取代那些图示元件的一个或多个元件。例如，机动车100可以包括一个或多个另外的接口和/或电源。其他另外的部件也是可能的。在这些示例中，存储器114还可以包括处理器113执行以控制另外的部件和/或与其通信的指令。

图2示出了根据实施例的示例性机动车200。具体地，图2示出了机动车200的右视图、前视图、后视图和顶视图。虽然在图2中示出的机动车200是汽车，但是其他示例是可能的。例如，机动车200可以表示卡车、厢式车、半拖挂卡车、摩托车、高尔夫球车、越野车，或农用车等其他示例。如所示的，机动车200包括第一传感器单元202、第二传感器单元204、第三传感器单元206、无线通信系统208和相机210。

第一、第二和第三传感器单元202-206中的每个可以包括全球定位系统传感器、惯性测量单元、RADAR单元、LIDAR单元、相机、车道检测传感器和声学传感器的任意组合。其他类型的传感器也是可能的。

虽然示出的第一、第二和第三传感器单元202安装在机动车200的特定位置上，但是在一些示例中，传感器单元202可安装在机动车200的其他位置，在机动车200的内部或外部。此外，虽然仅示出了三个传感器单元，但是在一些示例中，机动车200中可以包括更多或更少的传感器单元。

在一些示例中，第一、第二和第三传感器单元202-206中的一个或多个可以包括一个或多个可移动底座，传感器可以可移动地安装在可移动底座上。可移动底座可以包括，例如，旋转平台。安装在旋转平台上的传感器能够旋转，使得传感器可以从机动车200周围的每个方向获得信息。可替换地或另外地，可移动底座可以包括倾斜平台。安装在倾斜平台上的传感器能在特定的角度和/或方位角范围内倾斜，使得传感器可以从多个角度获得信息。可移动底座也可以采用其他形式。

此外，在一些示例中，第一、第二和第三传感器单元202-206中的一个或多个可以包括一个或多个致动器，所述致动器被配置为通过移动传感器和/或可移动底座来调整传感器单元中传感器的位置和/或方向。示例性致动器包括电动机、气动致动器、液压活塞、继电器、螺线管和压电致动器。其他的致动器也是可能的。

无线通信系统208可以是以下的任意系统：其被配置为直接地或经由通信网络(如上文参考图1中的无线通信系统152所述的通信网络)无线地与一个或多个其他机动车、传感器，或其他实体相耦合。虽然示出的无线通信系统208位于机动车200的车顶，但是在其他示例中无线通信系统208可以全部或部分地位于其他位置。

相机210可以是被配置为捕捉机动车200所在环境的图像的任意相机(例如，静止相机、视频相机等)。为了这个目的，相机210可以采用上文参考图1中的相机134所述的任意形式。虽然示出的相机210安装在机动车200的前挡风玻璃内，但是在其他的示例中，相机210可以安装在机动车200的其他位置，在机动车200的内部或外部。

机动车200可以包括那些图示部件之外的或取代那些图示部件的一个或多个部件。

机动车200的控制系统可以被配置为根据来自多个可能的控制策略中的控制策略来控制机动车200。控制系统可以被配置为从与机动车200耦合的传感器(在机动车200之上或之外)接收信息，基于所述信息修改控制策略(和相关的驾驶行为)，并且根据修改的控制策略来控制机动车200。控制系统还可以被配置为监视从传感器接收到的信息，并且连续地评估驾驶条件；并且还可以被配置为基于驾驶条件中的改变来修改控制策略和驾驶行为。

图3是根据示例性实施例的用于控制车辆横向车道定位的方法300的流程图。

方法300可以包括如块302-314中的一个或多个所示的一个或多个操作、功能或动作。虽然所示的块为顺序次序，但是在一些实例中可以并行地和/或按照不同于本文所描述的那些顺序来执行这些块。另外，基于期望的实现，可以将各个块组合为更少的块、划分为另外的块和/或移除掉。

此外，对于本文中公开的方法300和其他过程和方法，流程图示出了本实施例的一个可能的实现的功能和操作。在这方面，每个块可以表示模块、片段，或程序代码的一部分，其包括处理器执行的一个或多个指令来用于实现过程中的特定逻辑功能或步骤。程序代码可以存储在任意类型的计算机可读介质或存储器上，例如，包括磁盘或硬盘驱动器的存储设备。计算机可读介质可以包括非瞬态计算机可读介质，例如，用于短期存储数据的计算机可读介质，比如寄存器存储器、处理器高速缓存和随机访问存储器(RAM)。计算机可读介质还可以包括非瞬态介质或存储器，例如辅助的或永久的长期存储，比如只读存储器(ROM)、光盘或磁盘、只读光盘存储器(CD-ROM)。计算机可读介质还可以是任意其他的易失性或非易失性存储系统。计算机可读介质可以被认为是例如计算机可读存储介质、有形存储设备，或制造商的其他物品。

此外，对于本文中公开的方法300和其他过程和方法，图3中的每个块可以表示被连线来执行过程中特定逻辑功能的电路。

在块302，方法300包括通过计算设备基于轨迹来识别车辆正在行驶的道路之上或附近的一个或多个物体。例如，控制器或计算设备(例如图1中的计算设备111)可以是车载的或者可以是离板但是与车辆无线通信的。另外，计算设备可以被配置为以自治或半自治操作模式控制车辆。此外，计算设备可以被配置为从与车辆耦合的传感器和设备来接收例如与车辆的系统和子系统的条件、驾驶条件、道路条件等相关的信息。

计算设备可以被配置为识别在车辆行驶的道路之上或附近(例如，邻近)的一组附近的障碍或物体。例如，计算设备可以被配置为识别在车辆后方和前方的邻近车道中的车辆、紧挨着车辆或在车辆前方的静态物体(例如，在高速公路上的防护轨、路缘、树木、停泊的汽车、交通信号等)、在前方和后方的摩托车或骑自行车的人、在路上或路边的附近的行人，和可能影响在道路上的车道内的车辆横向定位的其他物体。

除了识别物体，计算设备可以被配置为确定所述物体的每个物体的各个特征。例如，计算设备可以被配置为确定物体的类型或对物体分类(例如，静态或动态、汽车或卡车、汽车或摩托车、交通信号或行人等)。还有，计算设备可以被配置为估计物体的大小(例如，宽度和长度)。此外，计算设备可以被配置为确定在道路上各个车道中的物体的位置，以及物体离车道边界有多近。在一些示例中，计算设备可以被配置为确定物体关于车辆的相对纵向速度和横向速度。这些特征是用于说明的示例，并且能够确定对车辆的车道内的车辆横向定位具有影响的其他特征。

为了识别物体和物体的特征，计算设备可以被配置为使用与车辆耦合的传感器和设备。例如，相机(例如，图1中的相机134或图2中的相机210，或任意其他图像捕捉设备)可以与车辆耦合并且与计算设备进行通信。相机可以被配置为捕捉道路或道路近处的图像或视频。计算设备可以被配置为接收图像或视频，并且使用例如图像处理技术来识别在图像或视频中所描述的物体。例如，计算设备可以被配置为比较图像的部分和物体的模板来识别物体。

在另一示例中，计算设备可以被配置为从与车辆耦合并与计算设备通信的LIDAR设备(例如，图1中的LIDAR单元132)接收基于LIDAR的信息，该信息可以包括三维(3D)点云。3D点云可以包括与从LIDAR设备发射出并且从道路上或道路附近的物体反射的光对应的点。

如参考图1中的LIDAR单元132所述的，LIDAR设备的操作可以涉及光学遥感技术，其使得能够测量散射光的属性以找到远处目标的范围和/或其他信息。例如，LIDAR设备可以被配置为发射激光脉冲作为波束，并且扫描该波束来生成二维或三维范围矩阵。在示例中，范围矩阵可以用于通过测量在传输脉冲和检测各个反射信号之间的时间延迟来确定到物体或表面的距离。

在示例中，LIDAR设备可以被配置为三维扫描围绕车辆的环境。在一些示例中，多于一个LIDAR设备可以与车辆耦合来扫描车辆的整个360°水平。LIDAR设备可以被配置为将表示道路上和道路附近的已被激光击中的障碍或物体的点数据的云提供到计算设备。除了范围之外，点可以由LIDAR设备以方位角和仰角方式表示，其可以转换为相对于附加到车辆的局部坐标系的(X,Y,Z)点数据。此外，LIDAR设备可以被配置为向计算设备提供从障碍反射的光或激光的强度值，其可以表明给定物体的表面类型。基于这些信息，计算设备可以被配置为识别物体和物体的特征，例如物体的类型、大小、速度，物体是否是具有回射表面的交通标志等。

还在另一示例中，计算设备可以被配置为从与车辆耦合并与计算设备通信的RADAR设备(例如，图1中的RADAR单元130)接收与物体的位置和特征相关的基于RADAR的信息。RADAR设备可以被配置为发射无线电波并且接收在道路上和道路附近的物体表面反弹回的反射出的无线电波。接收到的信号或基于RADAR的信息可以是例如表明给定物体的尺寸特征，并且可以指示给定的物体是静态还是移动的。

在另一示例中，计算设备可以被配量为访问地图信息，所述地图信息识别永久放置在道路上的静态物体，例如交通标志、防护轨等。

在一个示例中，计算设备可以被配置为基于从多个来源(例如图像捕捉设备、LIDAR设备、RADAR设备等)接收到的信息来检测和识别物体和物体的特征。但是，在另一示例中，计算设备可以被配置为基于从多个来源的子集接收到的信息来识别物体。例如，图像捕捉设备所捕捉的图像可能因为图像捕捉设备的故障而模糊，并且在另一示例中，道路的细节可能因为雾而在图像中是模糊的。在这些示例中，计算设备可以被配置为基于从LIDAR和/或RADAR单元接收到的信息来识别物体，并且可以被配置为忽视从图像捕捉设备接收到的信息。

在另一示例中，车辆可能正在一些电子噪声或干扰信号使得LIDAR设备和/或RADAE设备不正确地操作的道路的一部分上行驶。在这种情况下，计算设备可以被配置为基于从图像捕捉设备接收到的信息来识别物体，并且可以被配置为忽视从LIDAR和/或RADAR单元接收到的信息。

在一个示例中，计算设备可以被配置为基于道路的条件(例如，雾、电子干扰等)来对这些信息源进行排序。所述排序可以表示在识别物体方面依赖于哪个设备或给予哪个设备更多的权重。例如，如果雾出现在道路的一部分上，则LIDAR和RADAR设备可以比基于图像的设备有更高的排序，并且对从LIDAR和/或RADAR设备接收到的信息比从图像捕捉设备接收到的各个信息给予更大的权重。

图4A示出了根据示例性实施例在道路404上的车辆402的横向定位。车辆402可以在由车道边界406A和406B定义的车道内，并且可以跟随道路404上的轨迹408。被配置为控制车辆402的计算设备可以被配置为识别在道路404上的物体，例如移动物体(例如，汽车、卡车等)410A、410B、410C和410D；和静态物体，例如防护轨412。计算设备还可以被配置为确定物体410A-D和412的特征，例如大小、位置、速度、是否移动等。

返回参考图3，在块304处，方法300包括：对于一个或多个物体中的每个物体，基于车辆的一个或多个特征和各个物体的一个或多个各个特征，估计各个时间间隔，在该各个时间间隔期间车辆将横向邻近各个物体。计算设备可以被配置为例如从与车辆耦合的传感器接收指示车辆特征的信息，例如速度、加速度(或减速度)、转向角度或行驶方向等。此外，如在块302所述的，计算设备可能已经确定或接收表明用于在车辆附近识别处的各个物体的各个特征的信息(例如，大小、速度、行驶方向等)。基于车辆的特征和给定物体的各个特征，计算设备可以被配置为确定在不久的将来车辆将横向地邻近物体的时间间隔。在确定时间间隔时，计算设备还可以被配置为考虑道路的地理几何。例如，假设车辆的速度和物体的速度不变，则当道路是弯曲时的时间间隔将比道路是直的时的时间间隔更长。

参考图4A，被配置为控制车辆402的计算设备可以访问表示车辆402特征的信息，并且可以确定例如物体410A-B的物体的特征。例如，基于车辆402的特征和物体410A的各个特征，计算设备可以被配置为确定车辆402可能横向地邻近物体410A的道路404的范围或部分。在图4A中示出的道路404的部分如点414A和414B之间的部分。由点414A和414B确定的或在点414A和414B之间的道路404的区域或部分可以被称为“物体有效范围”。例如，物体有效范围可以被认为是物体410A可能对车辆402的横向定位具有影响的道路404的区域或部分。

对于所有其他识别出的物体可以估计类似的道路404的区域或部分。例如，点414C和414D定义了道路404中车辆402正在横向地邻近并且将要横向地邻近物体410B的一部分。如在图4A中示出的，例如，车辆402已开始横向地邻近物体410B，并且可以继续横向地邻近物体410B直到车辆402跨越点414D。

例如，可以基于车辆402的速度或路上的各个物体的任意变化来改变估计的时间间隔。因此，在一些示例中，计算设备可以被配置为对估计的时间间隔增加或减少时间缓冲量来解释或补偿这些改变。

返回参考图3，在块306处，方法300包括：对于每个物体，基于车辆的一个或多个特征，估计在各个时间间隔期间车辆在道路上的一个或多个各个纵向位置。基于车辆的特征，例如车辆的当前速度和预测的加速度或减速度，计算设备可以被配置为在块304处对于给定的物体所估计的各个时间间隔期间内，估计车辆在路上的各个纵向位置。例如，参考图4A，计算设备可以被配置为基于车辆402的特征和轨迹408来估计在点414A和点414B之间定义的区域中的车辆402的将来纵向位置的连续统。在那个区域中，车辆402将可能在如在块304处所估计的各个时间间隔期间横向地邻近物体410A。在示例中，与估计将来纵向位置的连续统不同，计算设备可以被配置为在各个时间间隔期间估计车辆402的离散纵向位置。例如，在车辆402将可能横向地邻近物体410A的区域，能够在每100毫秒的离散瞬间估计车辆位置。在每个各个时间间隔期间，可以相对于每个识别的物体来估计车辆402的将来纵向位置。

返回参考图3，在块308处，方法300包括：基于各个物体的一个或多个各个特征，确定在车辆的一个或多个各个纵向位置处在各个时间间隔期间用于车辆的维持车辆和各个物体之间的各个横向距离。对于在块302识别出的每个物体，计算设备可以被配置为估计优选的横向距离来维持在车辆和各个物体之间。在一个示例中，计算设备可以被配置为使用探试程序来模仿类似人的行为。一般地，在车辆和动态物体之间维持的横向距离比和静态物体之间维持的横向距离大，这是因为动态物体可能不可预知地改变例如位置、速度和加速度。在示例中，当车辆以高纵向速度超过汽车或被汽车超过时，在车辆和汽车之间维持的横向距离大于在车辆和静态物体(例如，防护轨)之间维持的给定横向距离。在另一示例中，与大卡车维持的横向距离可以大于与小的车辆维持的横向距离，这是因为卡车可能倾向于摇摆并且维持较大的横向距离可以比维持较小的横向距离更安全。

在另一示例中，当车辆可能超过摩托车、骑自行车的人和行人时，计算设备可以被配置为由于和这些物体碰撞的更严重后果而确定大的横向距离。在又一示例中，计算设备可以被配置为识别向车辆横向移动的物体，并且因而确定与该物体维持的大的横向距离。例如，大横向距离可以允许计算设备有足够的时间来响应物体横向速度中不可预测的改变，并且控制车辆在路上的安全位置。

在确定给定的横向距离时，计算设备可以被配置为考虑其他因素，例如道路条件(例如，雨、雪等)和车辆当前所在车道的类型。例如，车辆可能在高承载率车辆(HOV)车道，其中在HOV车道中的车辆和在常规或非HOV车道中的车俩之间速度差别很大。在一个示例中，计算设备可以被配置为考虑物体的类型。例如，如果物体是摩托车，则计算设备可以被配置为考虑摩托车可能分割车道。车道分割可以指两轮车辆在沿同一方向行进的车辆的车道之间移动。因此，分割车道的给定摩托车可以在车道之间以大大高于周围交通的速度移动。在这种情况下，计算设备可以被配置为确定大的横向距离以致使车辆偏离摩托车(例如，偏向路肩)并且确保安全性并避免与摩托车碰撞。这些因素是用于说明的示例，并且能够考虑其他因素来用于确定将在车辆和给定物体之间维持的给定横向距离。

在一个示例中，计算设备可以被配置为访问数据库，所述数据库包括从给定物体的给定特征到在车辆和给定物体之间维持的横向距离的映射。例如，所述映射可以基于类似人的驾驶行为的观察或基于经验的知识。在另一示例中，映射可以基于关于与给定类型物体维持的安全距离的交通控制指南。计算设备可以被配置为比较各个物体的各个特征与在映射中的给定特征来确定最佳匹配或最接近匹配，并且因而确定将在车辆和各个物体之间维持的各个横向距离。

除了数据库之外或可替换数据库，计算设备可以被配置为访问为各个驾驶场景确定的多个驾驶模型。对于每个这样的驾驶场景，可以生成驾驶模型并且可以为驾驶场景确定优选的横向距离。计算设备可以被配置为确定当前的驾驶场景类似于已生成驾驶模型的先前的驾驶场景，并且基于驾驶模型确定横向距离。例如，在摩托车的示例中，计算设备可以被配置为确定对于这种驾驶场景的给定的先前的模型，非常可能发生车道分割事件。基于高可能性，计算设备可以被配置为使车辆偏向路肩。

在图4A中，在当车辆402可能横向地邻近各个物体时的各个时间间隔期间，计算设备可以被配置为确定车辆402与物体410A、410B、410C、410D、防护装置和所有其他识别出的物体维持的各个横向距离。

在一些示例中，计算设备可以被配置为：对每个识别出的物体，确定排斥线以指示车辆402可以停留在排斥线的一边来确保安全。例如，计算设备可以被配置为关于物体410C确定排斥线416A。在一个示例中，排斥线416A可以定义将在车辆402和物体410C之间维持的最小横向距离。在这个示例中，计算设备可以被配置为使得车辆402停留在(即，排斥到)排斥线416A的右方，以在车辆402和物体410C之间至少维持最小横向距离。类似地，计算设备可以被配置为关于物体410D确定排斥线416B。排斥线416B可以定义将在车辆402和物体410D之间维持的最小横向距离。计算设备可以被配置为使得车辆402停留在排斥线416B的左方，以在车辆402和物体410D之间至少维持最小横向距离。

返回参考图3，在决策块310处，方法300确定是否达到识别物体的数量。如在块302所述的，在车辆附近识别的若干物体可能影响道路上的车道内的车辆横向定位。对于每个识别出的物体执行块304、306和308所述的步骤。如果对于所有识别出的物体执行了步骤，则方法300包括执行以下关于块312所述的步骤。

在块312，方法300包括：基于关于车辆和一个或多个物体的确定的各个横向距离，来确定车辆的修改的轨迹。计算设备可以包括、耦合于，或通信于导航和路径控制系统，例如参考图1描述的导航和路径控制系统148。使用导航和路径控制系统，计算设备可以被配置为确定用于车辆的驾驶路径或轨迹。计算设备可以另外地被配置为在车辆运行的同时动态更新轨迹，以考虑在块308处所确定的各个横向距离。

在一些示例中，计算设备可以被配置为控制车辆，使得车辆可以维持在块308所确定的与每个物体的各个横向距离。但是，在其他的示例中，维持在块308所确定的与每个物体的各个横向距离是不可能的。路上的物体可能彼此靠近，并且计算设备可以被配置为处理各个横向距离来确定用于车辆的修改轨迹，该轨迹可以被认为是最安全的，但可能不允许维持如所确定的各个横向距离。基于每个物体的各个特征可以区分各个横向距离的优先次序，并且基于这样的优先次序确定修改的轨迹。

作为用于说明的示例，计算设备可以被配置为估计在三秒内车辆将领先于车辆的当前位置五十米。在那个时间点，计算设备可以被配置为确定车辆将横向地邻近在车辆的车道右方并且当前在车辆后方的车道中的摩托车。摩托车可能以高速(例如，高于阈值速度)移动。还有，在这个示例中，在三秒之后，车辆将横向地邻近车辆左方的桥墩。计算设备可以被配置为考虑这两个物体(即，摩托车和桥墩)，并且在确定修改的轨迹时考虑这两个物体的相对位置。此外，计算设备可以被配置为在判定修改的轨迹时分配表明给予两个物体中的每一个的优先权或影响的各个权重。例如，不像摩托车，桥墩将不会横向移动，所以较大的权重可以分配给摩托车，并且计算设备可以被配置为确定优选的横向位置，其可以在车辆和摩托车之间留下大于车辆和桥墩之间的间隙。

因此，在示例中，计算设备可以被配置为基于在块302识别出的每个各个物体的各个特征来分配表明给予各个物体的优先权的各个权重。基于分配给各个物体的各个权重，计算设备可以被配置为确定修改的轨迹，其可能对于给定的车辆附近的各个物体的存在和各个物体的各个特征来说是最安全的轨迹。

在示例中，假设有若干物体彼此靠近并且在同一车道向车辆车道的右方(或左方)横向移动，计算设备可以被配置为确定各个横向距离并且可以被配置为选择在车辆和物体之间维持的各个横向距离的最大横向距离。

在另一示例中，在给定的时间段车辆可能横向地邻近在道路的给定部分的两个物体，其中两个物体的第一物体可能是在车辆的一侧移动的公共汽车或卡车或任意大型车辆，而两个物体的第二物体可能是在车辆的另一侧移动的小型汽车。在这个示例中，计算设备可以被配置为修改车辆的轨迹，使得车辆与第一物体的横向距离大于与第二物体的横向距离。因此，修改的轨迹可以相对于车辆的车道中间偏向于小型车辆。

在示例中，计算设备可以被配置为确定优选的轨迹，该轨迹以规定的限制边界来最小化或最大化给定的性能测量。例如，能够最小化的性能测量可以包括车辆从路径的偏离，如果跟随则车辆将维持与各个物体的确定的横向距离。在这个示例中，约束可以包括防止车辆做出对于乘客来说明显的突然或急动移动的平滑约束。例如，可以通过限制车辆的转向角度的改变或改变比率来制定平滑约束。其他的约束可以包括对车辆的纵向和横向速度变化的限制，使得车辆符合最大速度限制并且以使乘客舒适的方式运行。

在另一示例中，待被最小化的性能测量可以是当前即时时间和将来即时时间(在此时车辆可以到达道路上的目标位置)之间的时间阶段。在这个示例中，约束可以包括维持为路上每个识别出的物体确定的横向距离。在一些示例中，这些约束能够是不能违反的硬约束，而其他约束可以被合理违反。例如，如果识别出的在路上的物体中的一个是行人，则可将确定在车辆和行人之间维持的各个横向距离认为是不能违反的硬约束。因此，在确定修改的轨迹时，计算设备可以被配置为严格地遵守在车辆和行人之间维持各个横向距离。但是，在其他的示例中，确定在车辆和防护轨或另一小型车辆之间维持的给定横向距离可以合理违反。因此，在这些示例中，为确定修改的轨迹，计算设备可以被配置为考虑各个横向距离作为不用严格遵守(即，可以违反)的软约束。

除了通过优化来确定修改的轨迹外或者可替换地，计算设备可以被配置为利用探试程序来模仿基于经验的知识以确定修改的轨迹。如上文描述的，计算设备可以被配置为访问对于各个驾驶场景所确定的多个驾驶模型。计算设备可以被配置为确定当前驾驶场景和已生成驾驶模型的先前驾驶场景的相似性，并且基于驾驶模型确定修改的轨迹。例如，计算设备可以被配置为通过改变驾驶模型的参数来反映在驾驶模式中当前驾驶场景的特定环境(例如，车辆和/或物体的速度、到物体的距离、物体的特征等)，以确定修改的轨迹。

在图4A中，例如，计算设备可以被配置为确定用于物体410A和410B的各个横向距离，并且修改轨迹408来维持相对于物体410A和410B的安全横向定位。作为示例，如果物体410A是公共汽车或卡车，而物体410B是小型汽车，则计算设备可以被配置为修改轨迹408，使得车辆与物体410A的横向距离大于与物体410B的横向距离。

在示例中，两个排斥线416A和416B至少部分可以重叠，并且车辆402的宽度可以大于排斥线416A和416B之间定义的道路区域。在这个示例中，计算设备可以被配置为覆写排斥线416A和416B两者中的至少一个，并且控制车辆402使得不符合覆写线所提供的约束。例如，计算设备可以被配置为控制车辆402停留在排斥线416A的右方，并且跨过(即，违反)排斥线416B，或者反之亦然。在另一示例中，计算设备可以被配置为确定用于车辆402的修改轨迹为两条排斥线416A-B之间定义的区域的中间线，并且因而违反两个约束。在又一示例中，计算设备可以被配置为基于各个物体410C和410D的各个特征来在两条排斥线416A和416B之间排出优先级。例如，如果物体410C大于物体410D，或如果物体410C是摩托车而物体410D是小型车辆，则计算设备可以被配置为控制车辆402来遵守排斥线416A所设定的约束，即，停留在排斥线416A的右方，而违反排斥线416B所设定的约束。因此，在给定的驾驶场景中，给定的排斥线可以是不可违反的硬约束；而在另一驾驶场景中，给定的排斥线可以是计算设备能合理使得车辆违反并且仍确定安全轨迹的软约束。

图4B示出了根据示例性实施例的基于基于道路404上的大型物体418的车辆402的横向定位。大型物体418(例如可以是卡车)可以在车辆402的车道的右方车道。车辆402可以从后方接近大型物体418并且可以跟随轨迹420。被配置为控制车辆402的计算设备可能已识别出大型物体418，并且确定将在车辆402和大型物体418之间维持的横向距离。计算设备可以被配置为确定可以相对于轨迹408偏向左方的修改的轨迹422。

图4C示出了根据示例性实施例的在HOV车道中的车辆402的横向定位。可以由车道边界424A和424B定义HOV车道。HOV车道的特征在于在HOV车道中的车辆和在常规或非HOV车道中的车辆之间的速度差别很大。车辆402初始可以跟随轨迹426。被配置为控制车辆402的计算设备可以确定车辆402行驶在HOV车道内，并且响应地确定相对于轨迹426偏向左方(例如，朝向道路404的路肩)的修改的轨迹。

返回参考图3，在块314处，方法300包括：使用计算设备，基于修改的轨迹来提供控制车辆的指令。车辆的控制系统可以包括多个控制策略，所述控制策略可以是预确定的或适用于车辆的驾驶环境中的改变。一般地，控制策略可以包括与在各种驾驶环境中的交通相互作用相关联的指令或规则组。例如，控制策略可以包括这样的规则：在考虑安全和交通规则和注意事项(例如，车辆停在交叉口和在屈服(yield)状态的窗口机会、车道跟踪、速度控制、到道路上其他车辆的距离、超过其他车辆，和在停停走走交通中排队，和避免例如迎面而来的车道的可能导致不安全行为的区域，等等)的同时，确定车辆速度、转向角度，和车辆可能行驶的车道。例如，计算设备可以被配置为基于确定的修改的轨迹来确定包括用于行为的规则的控制策略，所述行为包括控制速度、转向角度，和安全地维持与在车辆附近的识别出的物体的横向距离的车辆的车道。

在示例中，给定的控制策略可以包括程序或计算机指令，其基于修改的轨迹来使控制车辆的致动器具有特征(例如，节流阀、转向角度、制动器、加速器，或者变速器换挡器)。给定的控制策略可以包括以优先权排序的行动集，并且行动集可以包括使车辆可以被配置为要完成任务(例如，从一个位置行驶到另一位置)的可替换的行动。例如，可替换的行动可以基于修改的轨迹以及分配给关于给定物体所确定的各个横向距离的各个权重进行排序。

在另一示例中，多个控制策略(例如，程序)可以连续地向计算设备建议行动。计算设备可以被配置为基于例如目标的权重集(例如，维持确定的横向距离、安全性、速度、修改的轨迹的平滑性，等)来决定选择哪一个策略。基于目标的权重集的评估，例如计算设备可以被配置为对多个控制策略和各个行动集进行排序，并且基于排序确定给定的控制策略和各个行动集。

因此，计算设备可以被配置为提供指令(例如，可以包括与修改的轨迹相关联的行动集或规则集)，所述指令可以被执行以控制车辆的致动器。例如，计算设备可以被配置为提供程序指令来调整车辆的平移速度，或转动速度，或两者，使得车辆可以跟随修改的轨迹。

在图4A中，例如，计算设备可以被配置为提供指令来控制车辆402，使得车辆可以维持与物体410A-D的安全横向距离，并且可能遵循由排斥线416A和416B所定义的约束。

在图4B中，被配置为控制车辆402的控制设备可以被配置为提供指令来控制车辆402，使得车辆402可以跟随修改的轨迹422而非轨迹420。通过这种方式，相对于车辆402跟随轨迹420时将车辆402与大型物体418分离的各个横向距离，车辆402可以关于大型物体418维持更大的横向距离。

在图4C中，被配置为控制车辆402的计算设备可以被配置为提供指令来控制车辆402，使得车辆402可以跟随修改的轨迹428而非轨迹426。通过这种方法，例如，相对于车辆402跟随轨迹426时将车辆402与物体430A和430B分离的各个横向距离，在HOV车道右方车道内车辆402可以关于物体430A和430B维持更大的横向距离。

这些控制行动和驾驶情况仅用于说明。其他示例性情况也是可能的。

在一些实施例中，公开的方法可以实现为计算机程序指令，所述指令以机器可读形式编码在计算机可读存储介质上或其他非瞬态介质或制造商的物品上。图5是示出了至少根据本文中出现的一些实施例来布置的示例性计算机程序产品500的概念局部视图的示意图，所述计算机程序产品500包括用于在计算设备上执行计算机处理的计算机程序。在一个实施例中，使用信号承载介质501提供示例性计算机程序产品500。信号承载介质501可以包括一个或多个程序指令502，当一个或多处理器(例如，计算设备111中的处理器113)执行所述程序指令502时，可以提供根据图1-4在上文所描述的功能或部分功能。因此，例如，参考在图3中示出的实施例，可以通过与信号承载介质501相关联的一个或多个指令来承担块302-312的一个或多个特征。此外，图5中的程序指令502也描述了示例性指令。

在一些示例中，信号承载介质501可以包括计算机可读介质503，例如但不限于，硬盘驱动器、光盘(CD)、数字视频盘(DVD)、数字磁带、存储器等。在一些实现中，信号承载介质501可以包括计算机可记录介质504，例如但不限于，存储器、读/写(R/W)CD、R/W DVD等。在一些实现中，信号承载介质501可以包括通信介质505，例如但不限于，数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路等)。因此，例如，信号承载介质501可以通过通信介质505的无线形式(例如，符合IEEE 802.11标准或其他传输协议的无线通信介质)来传递。

一个或多个程序指令502可以是，例如，计算机可执行和/或逻辑实现的指令。在一些示例中，计算设备(例如根据图1-4所描述的计算设备)可以被配置为提供各种操作、功能或行动来响应通过计算机可读介质503、计算机可记录介质504，和/或通信介质505中的一个或多个传递到计算设备的程序指令502。应理解在本文中描述的布置仅用于示例目的。这样，本领域的技术人员将理解其他布置和其他元件(例如，机器、接口、功能、顺序，和功能分组等)能被替代使用，并且根据期望的结果可以忽略一些元件。此外，所述的许多元件是可以实现为分离的或分布的部件或以任意适当组合和位置联合其他部件的功能实体。

虽然在本文中公开了各种方案和实施例，但是其他的方案和实施例对本领域的技术人员来说将是显而易见的。本文中公开的各种方案和实施例用于说明目的，而非意图用于限制，由所附权利要求指示真实范围，以及这些权利要求给予的等价物的全部范围。还应理解本文中使用的术语仅是用于描述具体实施例的目的，而非意图用于限制目的。

Claims (17)

1.一种控制车辆车道定位的方法，包括通过计算设备识别车辆正在行驶的道路之上或附近的物体；该方法的特征还在于：

基于所述车辆的特征和所述物体的各个特征估计所述车辆的一个或多个位置，在所述一个或多个位置处所述车辆将邻近所述物体，其中所述车辆的所述特征包括所述车辆的运动的速度和方向，并且其中所述物体的所述各个特征包括所述物体的运动的各个速度和各个方向；

基于所述物体的所述各个特征，确定所述车辆在所述车辆和所述物体之间维持所述车辆的一个或多个位置的距离；以及

使用所述计算设备基于所述距离提供控制所述车辆的指令。

2.根据权利要求1所述的方法，其中，识别所述物体包括：

从与所述车辆耦合的图像捕捉设备接收图像，其中，识别所述物体包括识别在所述图像中的所述物体，并且其中，所述图像捕捉设备是相机或光线检测和测距(LIDAR)设备中的一个。

3.根据权利要求1所述的方法，其中，所述物体的所述各个特征还包括以下中的一个或多个：所述物体的大小、所述物体在所述道路上的各个位置，或所述物体的类型。

4.根据权利要求3所述的方法，还包括：

接收来自与所述车辆耦合的LIDAR设备的基于LIDAR的信息或者由与所述车辆耦合的相机所捕捉的所述物体的图像中的一个或多个，其中，所述基于LIDAR的信息包括三维(3D)点云，所述点云包括基于从所述LIDAR设备发射并且从所述物体反射的光线的一组点；

从与所述车辆耦合的无线电检测和测距(RADAR)设备接收涉及所述物体的一个或多个各个运动特征的基于RADAR的信息；以及

基于所述基于LIDAR的信息和所述图像中的所述一个或多个以及所述基于RADAR的信息来确定所述物体的一个或多个各个特征。

5.根据权利要求1所述的方法，其中，估计所述一个或多个位置包括：进一步基于道路几何来估计所述一个或多个位置。

6.根据权利要求1所述的方法，其中，基于所述车辆的特征来估计所述车辆在所述道路上的一个或多个位置包括：基于所述车辆的速度和所述车辆的估计加速度或减速度来估计所述一个或多个位置。

7.根据权利要求1所述的方法，其中，所述计算设备被配置为访问给定物体的给定特征到维持在所述车辆和所述给定物体之间的给定距离的映射，并且其中，估计所述距离包括对所述物体的所述各个特征和在所述映射中的所述给定特征进行比较。

8.根据权利要求1所述的方法，其中，提供所述指令来控制所述车辆包括：修改所述车辆在所述道路上的轨迹，使得所述车辆在所述一个或多个位置维持在所述车辆和所述物体之间的所述距离，并且其中，修改所述轨迹包括至少修改所述车辆的转向角度。

9.根据权利要求1所述的方法，其中，所述计算设备被配置为以自治操作模式控制所述车辆。

10.一种控制车辆车道定位的方法，包括：

基于轨迹识别车辆正在行驶的道路之上或附近的一个或多个物体；

对于所述一个或多个物体中的每个物体：

基于所述车辆的一个或多个特征和各个物体的一个或多个各个特征，估计一个或多个各个位置，在所述一个或多个各个位置处所述车辆将邻近所述各个物体；

基于所述各个物体的所述一个或多个各个特征，确定所述车辆在所述车辆和所述各个物体之间维持所述车辆的所述一个或多个各个位置的各个距离；

基于所述各个物体的所述一个或多个各个特征，对为所述各个物体所确定的所述各个距离分配各个权重；

基于涉及所述车辆和所述一个或多个物体的确定的各个距离以及基于分配给所述各个距离的各个权重，确定用于所述车辆的修改的轨迹，其中所述各个权重表明所述各个距离对确定所述修改的轨迹的各自影响程度；以及

基于所述修改的轨迹来提供控制所述车辆的指令。

11.根据权利要求10所述的方法，其中，确定所述修改的轨迹的功能包括：进一步基于一个或多个道路条件和所述车辆在所述道路上的车道类型来确定所述修改的轨迹。

12.根据权利要求10所述的方法，其中，所述计算设备被配置为以自治操作模式控制所述车辆。

13.一种控制系统，包括：

至少一个处理器，其被配置用于：

基于轨迹识别车辆正在行驶的道路之上或附近的一个或多个物体；

对于所述一个或多个物体中的每个物体：

基于所述车辆的一个或多个特征和各个物体的一个或多个各个特征，估计一个或多个位置，在所述一个或多个位置处所述车辆将邻近所述各个物体；并且

基于所述各个物体的所述一个或多个各个特征，确定所述车辆在所述车辆和所述各个物体之间维持所述车辆的所述一个或多个各个位置的各个距离；

基于涉及所述车辆和所述一个或多个物体的确定的各个距离，确定用于所述车辆的修改的轨迹，其中确定所述修改的轨迹包括：

考虑所述各个距离作为硬约束，指示严格遵守在所述车辆和所述各个物体之间至少维持所述各个距离，或者

基于所述物体的所述一个或多个各个特征，考虑所述各个距离作为能够被违反的软约束；以及

基于所述修改的轨迹来提供控制所述车辆的指令。

14.根据权利要求13所述的控制系统，其中，基于所述修改的轨迹提供指令来控制所述车辆的功能包括：以自治操作模式提供控制所述车辆的指令。

15.根据权利要求13所述的控制系统，其中，所述物体的所述一个或多个各个特征包括以下中的一个或多个：所述物体是移动的还是静止的、所述物体的纵向速度、所述物体的横向速度、所述物体的运动的方向、所述物体的大小、所述物体在所述道路上的各个位置，或所述物体的类型。

16.根据权利要求15所述的控制系统，还包括：

与所述车辆耦合的光线检测和测距(LIDAR)设备，其中，所述LIDAR设备被配置为提供包括三维(3D)点云的基于LIDAR的信息，所述点云包括基于从所述LIDAR设备发射并且从所述一个或多个物体反射的光线的一组点；

与所述车辆耦合的相机，其中，所述相机被配置为提供所述一个或多个物体中的每个物体的一个或多个图像；以及

与所述车辆耦合的无线电检测和测距(RADAR)设备，其中，所述RADAR设备被配置为提供涉及所述一个或多个物体中的每个物体的一个或多个各个运动特征的基于RADAR的信息，

其中，所述功能还包括：基于所述基于LIDAR的信息、所述一个或多个图像，或所述基于RADAR的信息中的一个或多个，确定所述一个或多个物体中的每个物体的所述一个或多个各个特征。

17.根据权利要求13所述的控制系统，其中，所述控制系统被配置为访问给定物体的给定特征到在所述车辆和所述给定物体之间维持的给定的距离的映射，并且其中，估计所述各个距离的功能包括对所述各个物体的所述一个或多个各个特征和在所述映射中的所述给定特征进行比较。