CN105835878B - 在乘员视野和传感器检测受阻环境中的自主车辆操作 - Google Patents
在乘员视野和传感器检测受阻环境中的自主车辆操作 Download PDFInfo
- Publication number
- CN105835878B CN105835878B CN201610058609.3A CN201610058609A CN105835878B CN 105835878 B CN105835878 B CN 105835878B CN 201610058609 A CN201610058609 A CN 201610058609A CN 105835878 B CN105835878 B CN 105835878B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- autonomous vehicle
- detected obstacle
- obstacle object
- driving maneuver
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 claims description 58
- 230000004044 response Effects 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004438 eyesight Effects 0.000 abstract description 8
- 230000033001 locomotion Effects 0.000 description 30
- 238000004458 analytical method Methods 0.000 description 27
- 230000007613 environmental effect Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 239000000446 fuel Substances 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 239000003502 gasoline Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000000053 physical method Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000021317 sensory perception Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- -1 diesel Substances 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching an intersection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及在乘员视野和传感器检测受阻环境中的自主车辆操作。给出了涉及为乘员视野和车辆传感器受阻环境中的自主车辆降低风险的布置。可以相对于自主车辆的未来计划驾驶操纵来识别在外部环境中的信息关键区域。如果信息关键区域的至少一部分由于障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外,则可以确定障碍物体是否正在相对于未来计划驾驶操纵有利地移动。如果障碍物体正在相对于未来计划驾驶操纵有利地移动,则可以使自主车辆在相对于障碍物体移动的同时实现未来计划驾驶操纵,以使得自主车辆被检测到的障碍物体庇护而免受位于所述信息关键区域的至少一部分中的任何潜在物体影响。
Description
技术领域
本文所描述的主题一般地涉及具有自主操作模式的车辆,并且更具体地,涉及这种车辆在其中乘员视野和传感器检测区域被阻挡的环境中的操作。
背景技术
一些车辆包括其中使用计算系统来沿着行驶路线导航和/或操纵车辆的操作模式,其中只有极少或者没有来自人类驾驶员的输入。这种车辆包括被配置为检测关于周围环境(包括在环境中的物体的存在)的信息的传感器。计算系统被配置为处理检测到的信息,以确定如何导航和/或操纵车辆通过周围环境。在一些情况下,周围环境可能存在不能被人类乘员或车辆传感器感测到的部分。由于这些盲区,因此在一些情况下,车辆继续前进可能是不安全的。
发明内容
在一个方面,本公开内容针对一种在乘员视野和车辆传感器受阻环境中操作自主车辆的方法。该方法包括相对于自主车辆的未来计划驾驶操纵识别在外部环境中的信息关键区域。该方法还包括感测自主车辆的外部环境的至少一部分,以检测位于所述外部环境的至少一部分中的障碍物体的存在。该方法还包括:响应于确定所述信息关键区域的至少一部分由于检测到的障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外,确定检测到的障碍物体是否正在相对于自主车辆的未来计划驾驶操纵有利地移动。此外,该方法包括:响应于确定检测到的障碍物体正在相对于自主车辆的未来计划驾驶操纵有利地移动,使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵,以使得自主车辆被检测到的障碍物体庇护而免受位于所述信息关键区域的至少一部分中的任何潜在物体的影响,所述信息关键区域的至少一部分由于检测到的障碍物体而位于确定的乘员可视区域和确定的传感器检测区域之外。
在另一个方面,本公开内容针对一种用于在乘员视野和车辆传感器受阻环境中操作自主车辆的系统。该系统包括传感器系统。所述传感器系统被配置为感测自主车辆的外部环境的至少一部分,以检测位于所述外部环境的至少一部分中的障碍物体的存在。
该系统还包括处理器,所述处理器被可操作地连接到传感器系统。所述处理器被编程为启动可执行操作。所述可执行操作包括相对于自主车辆的未来计划驾驶操纵识别在外部环境中的信息关键区域。可执行操作还包括确定外部环境的乘员可视区域。可执行操作还包括确定外部环境的传感器检测区域。
可执行操作包括:响应于确定信息关键区域的至少一部分由于检测到的障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外,确定检测到的障碍物体是否正在相对于自主车辆的未来计划驾驶操纵有利地移动。可执行操作包括:响应于确定检测到的障碍物体正在相对于自主车辆的未来计划驾驶操纵有利地移动,使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵,以使得自主车辆被检测到的障碍物体庇护而免受位于所述信息关键区域的至少一部分中的任何潜在物体的影响,所述信息关键区域的至少一部分由于检测到的障碍物体而位于确定的乘员可视区域和确定的传感器检测区域之外。
在还有的另一个方面,本公开内容针对一种用于在乘员视野和车辆传感器受阻环境中操作自主车辆的计算机程序产品。该计算机程序产品包括其中含有程序代码的计算机可读存储介质。所述程序代码可被处理器执行以执行一种方法。所述方法包括相对于自主车辆的未来计划驾驶操纵识别在外部环境中的信息关键区域。该方法还包括感测自主车辆的外部环境的至少一部分,以检测位于所述外部环境的至少一部分中的障碍物体的存在。
该方法还包括确定外部环境的乘员可视区域。另外,该方法包括确定外部环境的传感器检测区域。该方法包括:响应于确定信息关键区域的至少一部分由于检测到的障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外,确定检测到的障碍物体是否正在相对于自主车辆的未来计划驾驶操纵有利地移动。该方法包括:响应于确定检测到的障碍物体正在相对于自主车辆的未来计划驾驶操纵有利地移动,使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵,以使得自主车辆被检测到的障碍物体庇护而免受位于所述信息关键区域的至少一部分中的任何潜在物体的影响,所述信息关键区域的至少一部分由于检测到的障碍物体而位于确定的乘员可视区域和确定的传感器检测区域之外。
附图说明
图1是自主车辆的例子。
图2是在视野受阻环境中操作自主车辆的方法的例子。
图3A是其中针对车辆的未来计划驾驶操纵的信息关键区域的至少一部分由于检测到的障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外的环境的例子。
图3B是图3A的环境的例子,其示出了检测到的障碍物体正在相对于车辆的未来计划驾驶操纵有利地移动。
图4A是其中针对车辆的未来计划驾驶操纵的信息关键区域的至少一部分由于检测到的障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外的环境的例子。
图4B是图4A的环境的例子,其示出了检测到的障碍物体正在相对于车辆的未来计划驾驶操纵有利地移动。
具体实施方式
本详细说明涉及自主车辆在视野受阻环境中的操作。更具体地,本详细说明涉及当环境中的信息关键区域的至少一部分由于障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外时的自主车辆的操作。在一个或多个实现中,可以确定检测到的障碍物体是否正在相对于自主车辆的未来计划驾驶操纵有利地移动。响应于确定检测到的障碍物体正在相对于自主车辆的未来计划驾驶操纵有利地移动,可以使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵,以使得自主车辆被检测到的障碍物体庇护而免受位于信息关键区域中的任何潜在物体的影响。本详细说明涉及结合这些特征的系统、方法和计算机程序产品。在至少一些情况下,这些系统、方法和计算机程序产品可以提高车辆自主操作时的安全性和/或乘员的信心。
本文公开了详细的实施例;但是,应当理解,所公开的实施例只是要作为示例性的。因此,本文所公开的具体结构和功能细节不应当被解释为限制,而是仅仅作为权利要求的基础和作为用于教导本领域技术人员在几乎任何适当的详细结构中以各种方式利用本文的各方面的代表性基础。此外,本文使用的术语和短语不是要进行限制,而是对可能的实现提供可理解的说明。各种实施例在图1-4B中示出,但是实施例并不限于所示出的结构或应用。
应当理解,为了说明的简化和清楚,在适当的情况下,附图标记在不同的图中被重复,以指示对应的或类似的元件。此外,阐述了大量的具体细节,以便提供对本文所描述的实施例的透彻理解。但是,本领域普通技术人员将理解,本文所描述的实施例可以在没有这些具体细节的情况下进行实践。
参考图1,其示出了示例车辆100。如本文所使用的,“车辆”是指任何形式的机动交通工具。在一个或多个实现中,车辆100可以是汽车。虽然本文将相对于汽车描述布置,但是可以理解,实施例并不限于汽车。在一个或多个实现中,车辆100可以是船只、飞行器或任何其它形式的机动交通工具。车辆100可以具有前端102和后端104。
根据本文的布置,车辆100可以是自主车辆。如本文所使用的,“自主车辆”是指被配置为在自主模式下操作的车辆。“自主模式”是指使用一个或多个计算系统来沿着行驶路线导航和/或操纵车辆,其中只有极少的或者没有来自人类驾驶员的输入。在一个或多个布置中,车辆100可以被高度自动化。在一些情况下,车辆100可以被配置为在自主模式和手动模式之间选择性地切换。这种切换可以以现在已知的或以后开发的任何合适的方式来实现。“手动模式”是指车辆沿着行驶路线的大部分导航和/或操纵都是由人类驾驶员执行的。
车辆100可以包括各种元件,其中一些可以是自主驾驶系统的一部分。车辆100的一些可能的元件在图1中示出并且现在将对其进行描述。应该理解,车辆100不一定要具有图1中示出的或本文描述的所有元件。车辆100可以具有图1中示出的各种元件的任意组合。此外,车辆100可以具有除了图1中示出的那些元件之外的附加元件。在一些布置中,车辆100可以不包括图1中示出的元件中的一个或多个元件。此外,虽然各个元件在图1中被示为位于车辆100之内,但是应当理解,这些元件中的一个或多个元件可以位于车辆100的外部。此外,示出的元件可以物理地分开很大的距离。
车辆100可以包括一个或多个处理器110。“处理器”是指如下的任何组件或任何一组组件:所述任何组件或任何一组组件被配置为执行本文所描述的任何处理或者执行任何形式的指令从而运行这些处理或使得这些处理被执行。处理器110可以利用一个或多个通用和/或一个或多个专用处理器来实现。合适的处理器的例子包括微处理器、微控制器、DSP处理器和可以执行软件的其它电路系统。合适的处理器的还有的例子包括但不限于,中央处理单元(CPU)、阵列处理器、矢量处理器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、专用集成电路(ASIC)、可编程逻辑电路系统和控制器。处理器110可以包括被配置为运行包含在程序代码中的指令的至少一个硬件电路(例如,集成电路)。在其中存在多个处理器110的布置中,这些处理器可以彼此独立地工作或者一个或多个处理器可以彼此组合工作。在一个或多个布置中,处理器110可以是车辆100的主处理器。例如,处理器110可以是引擎控制单元(ECU)。
车辆100可以包括一个或多个数据存储库115,以用于存储一种或多种类型的数据。数据存储库115可以包括易失性和/或非易失性存储器。合适的数据存储库115的例子包括RAM(随机存取存储器)、闪存存储器、ROM(只读存储器)、PROM(可编程只读存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、寄存器、磁盘、光盘、硬盘驱动器或任何其它合适的存储介质或其任意组合。数据存储库115可以是处理器110的组件,或者数据存储库115可以被可操作地连接到处理器110以用于被其使用。如贯穿本说明书所使用的,术语“可操作地连接”可以包括直接或间接的连接,并且包括不直接物理接触的连接。
车辆100可以包括自主驾驶模块120。自主驾驶模块120可以被实现为计算机可读程序代码,当该计算机可读程序代码被处理器执行时,实现本文所描述的各种处理中的一个或多个处理,包括例如确定车辆100的当前驾驶操纵、未来驾驶操纵和/或修改。自主驾驶模块120也可以直接或间接地使得对其的此类驾驶操纵或修改被实现。自主驾驶模块120可以是处理器110的组件,或者自主驾驶模块120可以在可操作地连接有处理器110的其它处理系统上执行和/或在其中分布。
自主驾驶模块120可以包括可被处理器110执行的指令(例如,程序逻辑)。这些指令可以包括如下指令:执行各种车辆功能的指令和/或将数据传送到车辆100或其一个或多个系统(例如,车辆系统145中的一个或多个系统)的指令,从车辆100或其一个或多个系统接收数据的指令,与车辆100或其一个或多个系统交互的指令,和/或控制车辆100或其一个或多个系统的指令。可替代地或附加地,数据存储库115可以包含此类指令。
车辆100可以包括查看分析模块121。查看分析模块121可以被实现为计算机可读程序代码,当该计算机可读程序代码被处理器执行时,实现本文所描述的各种处理中的一个或多个处理。查看分析模块121可以是处理器110的组件,或者查看分析模块121可以在可操作地连接有处理器110的其它处理系统上执行和/或在其中分布。
查看分析模块121可以被配置为检测、分析、评估和/或解释关于车辆100的外部环境的信息,以确定乘员可视区域。“乘员可视区域”是指对车辆乘员可见的外部环境的一部分。确定乘员可视区域可以基于一个或多个因素,包括例如乘员在车辆100内的位置、外部环境中的障碍(例如,其它车辆、天气状况,等等)、车辆中的障碍(例如,阻挡视场的车辆框架或造型的部分、窗户的浮脏,等等)、座位位置(例如,高度、在车辆纵向方向上的位置、倾斜位置等)、人类乘员身体测量值(例如身高)、人类乘员身体限制和/或人类乘员感官感知限制,这仅仅是列举几种可能性。人类乘员身体测量值、人类乘员身体限制和/或人类乘员感官感知限制可以基于特定人的数据、人类平均值或其它数据集。
在一个或多个布置中,人类乘员身体测量值可以基于人类乘员的一个或多个特征的实际测量值。作为例子,可以捕获人类乘员的身体的至少一部分的一个或多个图像。例如,人类乘员的身体的至少一部分的一个或多个图像可以由扫描仪、照相机和/或传感器捕获。查看分析模块121或其它元件可以包括任何合适的身体识别软件和/或身体分析软件。在一个或多个布置中,可以捕获人类乘员的面部的至少一部分。可以使用面部识别和/或分析软件来促进图像捕获和/或分析捕获的图像。分析图像可以包括确定或测量人类乘员的一个或多个身体特征,诸如眼睛大小、瞳孔距离、眼睛之间的距离、至少一只眼睛和一个或多个其它面部或身体特征之间的距离、至少一只眼睛和车辆内的结构之间的距离、头部角度、眼睛的角度、每只眼睛中的垂直经线、每只眼睛中的水平经线,这仅仅是列举几种可能性。
在一个或多个布置中,可以至少部分地使用这些测量值来确定乘员可视区域。在一个或多个布置中,乘员可视区域也可以通过把关于人类的视场的信息/数据作为因素来确定。例如,在一个或多个布置中,预定的人类视场可以包括一组预定的视力范围,其可以基于特定的人、人类平均值或其它数据集。作为例子,一组预定的视力范围可以包括:从每只眼睛的垂直经线向鼻子(例如,朝鼻子或向内)大约60度到从每只眼睛的垂直经线向颞部(例如,离开鼻子或向外)大约100度,并且高于每只眼睛的水平经线大约60度和低于每只眼睛的水平经线大约75度。
在一个或多个布置中,查看分析模块121可以被配置为在确定乘员可视区域时,确定或说明(account for)车辆100的人类乘员的实际视力范围。例如,查看分析模块121可以被配置为获取、访问和/或接收与车辆的人类乘员的视力的一个或多个方面相关的信息/数据。例如,查看分析模块121可以被配置为执行车辆100的人类乘员的至少部分视场测试。可替代地或者附加地,查看分析模块121可以接收与人类乘员的视力对应的信息/数据或输入,包括关于任何医疗状况、矫正镜片、视敏度、之前的视力测试等的信息/数据。
查看分析模块121可以被配置为确定在外部环境中检测到的物体相对于乘员查看区域的位置。更具体地,查看分析模块121可以被配置为确定在外部环境中检测到的物体是否位于乘员可视区域之外。可替代地或者附加地,查看分析模块121可以被配置为确定外部环境的信息关键区域的至少一部分是否位于确定的乘员可视区域之外。
查看分析模块121可以包括可由处理器110执行的指令(例如,程序逻辑)。此类指令可以包括如下的指令:确定乘员查看区域的指令、确定检测到的物体相对于乘员查看区域的位置的指令和/或确定信息关键区域的至少一部分是否位于确定的乘员可视区域之外的指令。可替代地或附加地,数据存储库115可以包含此类指示。
车辆100可以包括信息关键区域确定模块122。信息关键区域确定模块122可以被实现为计算机可读程序代码,当该计算机可读程序代码被处理器执行时,实现本文所描述的各种处理。信息关键区域确定模块122可以是处理器110的组件,或者信息关键区域确定模块122可以在可操作地连接有处理器110的其它处理系统上执行和/或在其中分布。
信息关键区域确定模块122可以被配置为识别沿着车辆的行驶路线的信息关键区域。“信息关键区域”是指其中所包含的信息对于执行未来驾驶操纵很关键的车辆的外部环境的任何部分。在这种上下文中,“关键”是指在确定车辆是否能够安全地和成功地完成未来驾驶操纵时重要的信息。信息关键区域可以随着车辆100的地点、位置和/或方向发生改变而改变。此外,取决于外部环境,对于给定的未来驾驶操纵,可能存在一个信息关键区域或者多于一个的信息关键区域。
信息关键区域确定模块122可以被可操作地连接到传感器系统125、照相机系统127、导航系统180和/或车辆100的其它元件,以识别信息关键区域。在一个或多个布置中,信息关键区域确定模块122可以被可操作地连接到可以包括有地图或其它数据的数据存储库115中的一个或多个。随着车辆100沿着行驶路线行驶,可以相对于外部环境的其它部分评估车辆100将沿着行驶路线执行的未来驾驶操纵。
本文描述了信息关键区域的各种例子。例如,如果车辆正在接近交叉路口并且计划右转到另一条街道上,则一个信息关键区域将会是位于该交叉路口左边的另一街道的至少一部分。这种区域的一个例子在图4A中的450处示出。在这种区域中存在或不存在物体对于未来驾驶操纵(例如右转到街道上)将会是关键的。在一个或多个布置中,信息关键区域可以位于预定区域或距离之内。例如,对于在图4A中示出的信息关键区域,该信息关键区域可以从交叉路口延伸到距离该交叉路口预定的距离。在一个或多个布置中,预定距离可以是小于或等于大约50英尺、小于或等于大约75英尺、小于或等于大约100英尺、小于或等于150英尺、小于或等于大约200英尺,等等。
如上所述,车辆100可以包括传感器系统125。传感器系统125可以包括一个或多个传感器。“传感器”是指可以检测、确定、评估、监测、测量、量化和/或感测一些东西的任何设备、组件和/或系统。该一个或多个传感器可以被配置为实时地检测、确定、评估、监测、测量、量化和/或感测。如本文所使用的,术语“实时”是指用户或系统对于特定处理或要做出的决定感觉为足够及时或者使得处理器能够跟上某个外部处理的处理响应性的水平。传感器系统125可以具有相关联的传感器检测区域。“传感器检测区域”是指位于传感器系统中的一个或多个传感器的范围之内的环境的一部分。传感器系统125的传感器检测区域可以通过例如传感器系统125、查看分析模块121和/或其它模块或元件来确定。
在其中传感器系统125包括多个传感器的布置中,这些传感器可以彼此独立地工作。可替代地,这些传感器中的两个或更多个可以彼此组合工作。传感器系统125和/或一个或多个传感器可以被可操作地连接到处理器110、数据存储库115、自主驾驶模块120和/或车辆100的其它元件。
传感器系统125可以包括任何合适类型的传感器。例如,传感器系统125可以包括被配置为检测、确定、评估、监测、测量、量化和/或感测关于车辆100的信息的一个或多个传感器。可替代地或附加地,传感器系统125可以包括被配置为检测、确定、评估、监测、测量、量化和/或感测关于车辆100所位于的外部环境的信息的一个或多个传感器,其中外部环境的信息包括关于在外部环境中的物体的信息。这些物体可以是静止的物体或移动的物体。作为以上例子中的一个或多个例子的替代或附加,传感器系统125可以包括被配置为检测、确定、评估、监测、测量、量化和/或感测车辆100的位置和/或环境中的物体相对于车辆100的位置的一个或多个传感器。这些和其它类型的传感器的各种例子将在本文进行描述。应当理解,实施例不限于所描述的特定传感器。
传感器系统125可以包括被配置为诸如像基于惯性加速度来检测、确定、评估、监测、测量、量化和/或感测车辆100的位置和方位变化的一个或多个传感器。在一个或多个布置中,传感器系统125可以包括加速计、陀螺仪和/或其它合适的传感器。传感器系统125可以包括可监测车辆100的一个或多个内部系统(例如,氧气监视器、燃料计、引擎机油温度、冷却剂温度等)的传感器。
传感器系统125可以包括一个或多个环境传感器126。环境传感器126可以被配置为检测、确定、评估、监测、测量、量化和/或感测在车辆100的外部环境的至少一部分中的物体和/或关于这些物体的信息/数据。一个或多个环境传感器126可以在车辆的任何合适的位置中提供。在一个或多个布置中,环境传感器126中的一个或多个可以位于朝着车辆100的前端102。在一个或多个布置中,一个或多个环境传感器126可以位于车辆100的前端102的左侧。可替代地或附加地,一个或多个环境传感器126可以位于车辆100的前端102的右侧。附加地或可替代地,一个或多个环境传感器126可以位于车辆100的后端104处或靠近车辆100的后端104的任何合适的位置。
环境传感器126的各种例子将在本文进行描述。但是,应当理解,实施例并不限于所描述的特定传感器。
在一个或多个布置中,环境传感器126中的一个或多个可以至少部分地使用无线电信号(例如,基于雷达的传感器)。一个或多个基于无线电的传感器可以被配置为直接或间接地检测、确定、评估、监测、测量、量化和/或感测车辆100的外部环境中的一个或多个物体的存在、每个检测到的物体相对于车辆100的位置、每个检测到的物体与车辆100之间在一个或多个方向上(例如,在纵向方向、横向方向和/或其它(一个或多个)方向上)的距离、每个检测到的物体的速度和/或每个检测到的物体的移动。
在一个或多个布置中,环境传感器126中的一个或多个可以至少部分地使用激光器。例如,环境传感器126中的一个或多个可以是激光测距仪或LIDAR(激光雷达)或被包括作为激光测距仪或LIDAR的一部分。这种设备可以包括被配置为发射激光的激光源和/或激光扫描器和被配置为检测激光的反射的检测器。激光测距仪或LIDAR可以被配置为以连贯或不连贯的检测模式操作。一个或多个基于激光的传感器可以被配置为直接或间接地检测、确定、评估、监测、测量、量化和/或感测车辆100的外部环境中的一个或多个物体的存在、每个检测到的物体相对于车辆100的位置、每个检测到的物体和车辆100之间在一个或多个方向上(例如,在纵向方向、横向方向和/或其它(一个或多个)方向上)的距离、每个检测到的物体的速度和/或每个检测到的物体的移动。
在一个或多个布置中,环境传感器126中的一个或多个可以至少部分地使用超声波。这种传感器可以包括被配置为发射超声波信号的超声波源和被配置为检测超声波信号的反射的检测器。一个或多个基于超声波的环境传感器126可以被配置为直接或间接地检测、确定、评估、监测、测量、量化和/或感测车辆100的外部环境中的一个或多个物体的存在、每个检测到的物体相对于车辆100的位置、每个检测到的物体和车辆100之间在一个或多个方向上(例如,在纵向方向、横向方向和/或其它(一个或多个)方向上)的距离、每个检测到的物体的速度和/或每个检测到的物体的移动。这种检测可以基于反射的超声波信号的特性(例如,强度)。
在一些布置中,传感器系统125、处理器110和/或模块120、121、122中的一个或多个模块可以被配置为直接或间接地检测、确定、评估、监测、测量、量化和/或感测检测到的物体的一个或多个方面、特性和/或属性。例如,传感器系统125、处理器110和/或模块120、121、122中的一个或多个可以被配置为直接或间接地检测、确定、评估、监测、测量、量化/或感测检测到的物体的尺寸、相对尺寸、长度、宽度、高度、维度、材料、材料属性、速度、加速度和/或运动轨迹。
作为上述传感器中的任何传感器的替代或附加,传感器系统125可以包括其它类型的传感器。传感器系统125、处理器110和/或模块120、121、122中的一个或多个模块可以可操作地控制传感器系统125的传感器中的一个或多个传感器的移动。应当注意,本文所描述的任何传感器都可以在相对于车辆100的任何合适的位置提供。例如,一个或多个传感器可以位于车辆100内、一个或多个传感器可以位于车辆的外部和/或一个或多个传感器可以位于使得该一个或多个传感器暴露于车辆100的外部。
车辆100可以包括照相机系统127。在一个或多个布置中,照相机系统127可以是传感器系统125的一部分。照相机系统127可以包括一个或多个照相机128和/或一个或多个乘员视野照相机129。“照相机”被定义为可以捕获视觉数据的任何设备、组件和/或系统。“视觉数据”包括视频和/或图像信息/数据。视觉数据可以是任何合适的形式。
在一个或多个布置中,照相机128中的一个或多个和/或乘员视野照相机129中的一个或多个可以包括透镜(未示出)和图像捕获元件(未示出)。图像捕获元件可以是任何合适类型的图像捕获设备或系统,包括例如区域阵列传感器、电荷耦合器件(CCD)传感器、互补金属氧化物半导体(CMOS)传感器、线性阵列传感器、CCD(单色)。图像捕获元件可以捕获电磁频谱上任何合适波长的图像。图像捕获元件可以捕获彩色图像和/或灰度图像。照相机128中的一个或多个和/或乘员视野照相机129中的一个或多个可以被配置为具有放大和/或缩小能力。
在一个或多个布置中,照相机128中的一个或多个和/或乘员视野照相机129中的一个或多个可以面向外部。“面向外部”是指被定向、放置、配置、可操作和/或布置为从车辆100的外部环境的至少一部分捕获视觉数据的照相机。一个或多个照相机128和/或一个或多个乘员视野照相机129可以位于车辆100的任何合适部分。例如,照相机128中的一个或多个和/或乘员视野照相机129中的一个或多个可以位于车辆100之内。照相机128中的一个或多个和/或乘员视野照相机129中的一个或多个可以位于车辆100的外部。照相机128中的一个或多个和/或乘员视野照相机129中的一个或多个可以位于车辆100的外部或暴露于车辆100的外部。
照相机128中的一个或多个和/或乘员视野照相机129中的一个或多个的位置可以是固定的,以使得其位置不相对于车辆100变化。照相机128中的一个或多个和/或乘员视野照相机129中的一个或多个可以是可移动的,以使得其位置可以改变,从而使得能够捕获来自车辆100的外部环境的不同部分的视觉数据。照相机128和/或乘员视野照相机129的移动可以以任何合适的方式来实现。例如,照相机128和/或乘员视野照相机129可以围绕一个或多个轴可旋转、可转动、可滑动和/或可扩展,这仅仅是列举几种可能性。在一个或多个布置中,照相机128和/或乘员视野照相机129可以具有任何合适的运动范围,包括例如基本上球形的、基本上半球形的、基本上圆形的和/或基本上线性的。如本文所使用的,术语“基本上”包括其修饰的确切术语和它的轻微变形。因此,例如,术语“基本上球形的”是指确切的球形和它的轻微变型。
一个或多个照相机128、乘员视野照相机129、一个或多个照相机128的移动和/或一个或多个乘员视野照相机129的移动可以由照相机系统127、传感器系统125、处理器110和/或模块120、121、122中的任何一个或多个模块来控制。
“乘员视野照相机”是指被配置、放置、位于、可移动和/或定向为捕获、获得和/或收集车辆的外部环境的视觉数据,以确定或评估可以被车辆的人类乘员实际看到的外部环境的一部分或多个部分的任何照相机。乘员可视区域可以通过例如查看分析模块121和/或处理器110来确定。一个或多个乘员视野照相机129可以在任何合适的位置提供。例如,一个或多个乘员视野照相机129可以位于车辆100的内部里。
在一个或多个布置中,可以提供一个或多个乘员视野照相机129来捕获、获得和/或收集视觉数据,以使得可以确定车辆100的驾驶员的乘员可视区域。可替代地或附加地,可以提供一个或多个乘员视野照相机129来捕获、获得和/或收集视觉数据,以使得可以确定车辆100的非驾驶员乘客的乘员可视区域。
查看分析模块121和/或处理器110可以被配置为分析由一个或多个乘员视野照相机129捕获的视觉数据来确定乘员可视区域。查看分析模块121和/或处理器110可以被配置为分析由传感器系统125捕获的关于在外部环境中检测到的物体的信息/数据,以及相对于乘员可视区域定位检测到的物体。传感器系统125、查看分析模块121和/或处理器110可以被配置为确定传感器检测区域。查看分析模块121和/或处理器110可以被配置为评估或比较乘员可视区域和传感器检测区域。
在一个或多个布置中,车辆100可以包括物体识别模块123。在一个或多个布置中,物体识别模块123可以包括人工或计算智能元件,例如,神经网络、模糊逻辑或其它机器学习算法。在一些布置中,传感器系统125、处理器110和/或物体识别模块123可以被配置为直接或间接地检测、确定、评估、测量、量化和/或感测检测到的物体的一个或多个维度。例如,基于从传感器系统125的一个或多个传感器接收到的数据,可以确定检测到的物体的一个或多个维度的直接测量值。可以被直接或间接地检测、确定、评估、测量、量化和/或感测的维度的例子包括长度、宽度和/或高度。
在一些布置中,传感器系统125、处理器110和/或物体识别模块123可以被配置为直接或间接地检测、确定、评估、测量、量化和/或感测检测到的物体的至少一部分的相对尺寸。在这点上,“大物体”是具有比预定维度大的一个或多个维度的任何物体或者是以其它方式基于一个或多个因素被认定为“大”的任何物体。“非大物体”是具有小于预定维度的一个或多个维度的任何物体或者是以其它方式基于一个或多个因素被认定为非大的任何物体。
检测到的物体的相对尺寸可以以任何合适的方式来确定。例如,检测到的物体的维度(例如长度、宽度和/或高度)可以与预定维度进行比较。预定维度可以具有任何合适的值。在一个或多个布置中,如果检测到的维度大于预定维度,则该物体可以被确定、分类和/或认为是大物体。这种比较、确定、分类和/或考虑可以通过例如处理器110和/或物体识别模块123做出。如果检测到的维度小于或等于预定维度,则物体可以被确定、分类或认为是非大物体。
在一个或多个布置中,预定维度可以是预定长度。在这种布置中,检测到的物体的相对尺寸可以相对于预定长度来确定。例如,可以检测物体的长度。检测到的物体的长度可以与预定长度进行比较。预定长度可以是任何合适的长度。在一个或多个布置中,预定长度可以是基本上等于或大于车辆100的长度。在一个或多个布置中,诸如在较小的车辆的情况下,预定长度可以是大于车辆100的长度的值。在一些布置中,如果检测到的长度大于预定长度,则物体可以被确定、分类和/或认为是大物体。如果检测到的长度小于或等于预定长度,则该物体可以被确定、分类和/或认为是非大物体。
可替代地或附加地,物体的相对尺寸可以基于一个或多个输入来确定。例如,传感器系统125可以被配置为直接或间接地检测、确定、评估、测量、量化和/或感测在物体一侧上的车轮或轮胎的数量。基于检测到的车轮或轮胎的数量,处理器110和/或物体识别模块123可以确定物体是否是大物体。例如,如果在周围物体的一侧上检测到两个以上的车轮,则可以将它确定为是大物体(例如,卡车)。
可替代地或附加地,传感器系统125、处理器110和/或物体识别模块123可以被配置为直接或间接地检测、确定、评估、测量、量化和/或感测物体的车轮或轮胎的尺寸。作为例子,物体的车轮或轮胎可以具有相关联的直径和/或半径。车轮或轮胎的尺寸可以通过直接测量车轮或轮胎的直径或半径来确定。在一些布置中,检测到的轮胎或车轮的直径或半径可以与预定直径或半径进行比较。预定直径或半径可以是任何合适的值。在一个或多个布置中,预定直径或半径可以基本上等于车辆100的轮胎或车轮的直径或半径。在一个或多个布置中,诸如在具有较小的车轮或轮胎的车辆的情况下,预定直径或半径可以是大于车辆100的轮胎或车轮的直径或半径的值。如果检测到的直径或半径大于预定直径或半径,则该物体可以被确定为是大或长的物体。如果检测到的直径或半径小于或等于预定直径或半径,则该物体可以被确定、分类和/或认为是非大物体。这种比较和/或确定可以通过例如处理器110和/或物体识别模块123做出。
物体识别模块123可以包括物体图像数据库(未示出)和/或对物体图像数据库进行访问。物体图像数据库可以包括多种不同物体(例如车辆)的一个或多个图像。本文将结合车辆对布置进行描述,但是应该理解,布置并不限于车辆。实际上,物体图像数据库可以包括非车辆物体的一个或多个图像。这些图像可以是多种不同车辆的至少一部分车辆的外部的一个或多个部分。例如,图像可以是车辆的至少一部分。图像可以以任何合适的格式来提供。车辆图像数据库可以位于车辆100上,诸如在数据存储库115中,或者车辆图像数据库可以位于车辆100的外部的来源中(例如,在基于云的数据存储库中)。
作为例子,物体识别模块123也可以包括任何合适的车辆识别软件或其它物体识别软件。车辆识别软件可以分析由照相机系统127捕获的图像。车辆识别软件可以查询用于可能的匹配的车辆图像数据库。例如,由照相机系统127捕获的图像可以与用于可能的匹配的车辆图像数据库中的图像进行比较。可替代地或附加地,由照相机系统127和/或传感器系统125捕获的图像的测量值或其它方面可以与车辆图像数据库中的任何图像的测量值或其它方面进行比较。如果在捕获的图像和车辆数据库中的图像之间存在匹配,则物体识别模块123可以将检测到的物体识别为特定类型的车辆。
“匹配”是指由传感器系统收集到的图像或其它信息与在车辆数据库中的图像中的一个或多个图像基本上相同。例如,由传感器系统收集到的图像或其它信息与在车辆数据库中的图像中的一个或多个图像可以在预定概率(例如,至少大约85%、至少大约90%、至少大约95%或更大)或置信度水平内匹配。
在一个或多个布置中,车辆100可以包括物体移动分类模块124。传感器系统125、处理器110和/或物体移动分类模块124可以被配置为确定、评估和/或分类关于信息关键区域的物体相对于未来计划操纵的移动。“未来计划驾驶操纵”是指为了使车辆沿车辆的当前行驶路线继续前进而意图或计划发生的车辆的任何移动或动作。
在一个或多个布置中,物体移动分类模块124可以确定物体正在相对于车辆100的未来计划驾驶操纵有利地移动还是不利地移动。“有利地移动”是指当自主车辆正在实现未来计划驾驶操纵时,物体正在它将位于信息关键区域和自主车辆之间的方向上和/或以这样的方式移动。“不利地移动”是指当自主车辆正在实现未来计划驾驶操纵时,物体正在它将不位于信息关键区域和自主车辆之间的方向上和/或以这样的方式移动。
车辆100可以包括输入系统130。“输入系统”被定义为使得信息/数据能够被录入到机器中的任何设备、组件、系统、元件或布置或它们的组。输入系统130可以接收来自车辆乘员(例如,驾驶员或乘客)的输入。可以使用任何合适的输入系统130,包括例如键盘、显示器、触摸屏、多点触摸屏、按钮、操纵杆、鼠标、轨迹球、麦克风和/或其组合。
车辆100可以包括输出系统135。“输出系统”被定义为使得信息/数据能够被呈现给车辆乘员(例如,个人、车辆乘员等)的任何设备、组件、系统、元件或布置或它们的组。输出系统135可以向车辆乘员呈现信息/数据。如上所述,输出系统135可以包括显示器。可替代地或附加地,输出系统135可以包括麦克风、耳机和/或扬声器。车辆100的一些组件既可以用作输入系统130的组件又可以用作输出系统135的组件。
车辆100可以包括一个或多个车辆系统145。一个或多个车辆系统145的各种例子在图1中示出。但是,车辆100可以包括更多、更少或不同的系统。应当理解,尽管特定的车辆系统被单独定义,但是这些系统或其部分中的每一个或任何一个都可以通过车辆100内的硬件和/或软件以其它方式来组合或隔离。
车辆100可以包括推进系统150。推进系统150可以包括被配置为向车辆100提供动力运动的现在已知的或以后开发的一个或多个机构、设备、元件、组件、系统和/或其组合。推进系统150可以包括引擎和能源来源。
引擎可以是现在已知的或以后开发的任何合适类型的引擎或发动机。例如,引擎可以是内燃机引擎、电动发动机、蒸汽引擎和/或斯特林(Stirling)引擎,这仅仅是列举几种可能性。在一些实施例中,推进系统可以包括多种引擎类型。例如,气电混合动力车辆可以包括汽油引擎和电动发动机。
能量来源可以是可用来至少部分地给引擎提供动力的任何合适的能量的来源。引擎可以被配置为将能量来源转换为机械能。能量来源的例子包括汽油、柴油、丙烷、氢气、其它压缩的基于气体的燃料、乙醇、太阳能面板、电池和/或其它电力的来源。可替代地或附加地,能量来源可以包括燃料箱、电池、电容器和/或飞轮。在一些实施例中,可以使用能量来源为车辆100的其它系统提供能量。
车辆100可以包括车轮、轮胎和/或履带。可以使用任何合适类型的车轮、轮胎和/或履带。在一个或多个布置中,车辆100的车轮、轮胎和/或履带可以被配置为相对于车辆100的其它车轮、轮胎和/或履带差动地旋转。车轮、轮胎和/或履带可以由任何合适的材料制成。
车辆100可以包括制动系统155。制动系统155可以包括被配置为使车辆100减速的现在已知的或以后开发的一个或多个机构、设备、元件、组件、系统和/或其组合。作为例子,制动系统155可以使用摩擦来使车轮/轮胎减速。制动系统155可以将车轮/轮胎的动能转换为电流。
此外,车辆100可以包括转向系统160。转向系统160可以包括被配置为调整车辆100的航向的现在已知的或以后开发的一个或多个机构、设备、元件、组件、系统和/或其组合。
车辆100可以包括油门系统165。油门系统165可以包括被配置为控制车辆100的引擎/发动机的操作速度并且进而控制车辆100的速度的现在已知的或以后开发的一个或多个机构、设备、元件、组件、系统和/或其组合。
车辆100可以包括传输系统170。传输系统170可以包括被配置为从车辆100的引擎/发动机向车轮/轮胎传送机械动力的现在已知的或以后开发的一个或多个机构、设备、元件、组件、系统和/或其组合。例如,传输系统170可以包括变速箱、离合器、差动器、驱动轴和/或其它元件。在其中传输系统170包括驱动轴的布置中,驱动轴可以包括被配置为耦合到车轮/轮胎的一个或多个轴。
车辆100可以包括信号系统175。信号系统175可以包括被配置为向车辆100的驾驶员提供照明和/或提供关于车辆100的一个或多个方面的信息的现在已知的或以后开发的一个或多个机构、设备、元件、组件、系统和/或其组合。例如,信号系统175可以提供关于车辆的存在、位置、尺寸、行驶方向的信息和/或关于行驶的方向和速度的驾驶员的意图。例如,信号系统175可以包括前灯、尾灯、刹车灯、危险警示灯和转弯信号灯。
车辆100可以包括导航系统180。导航系统180可以包括被配置为确定车辆100的地理位置和/或为车辆100确定行驶路线的现在已知的或以后开发的一个或多个机构、设备、元件、组件、系统、应用和/或其组合。
导航系统180可以包括为车辆100确定行驶路线的一个或多个地图应用。例如,驾驶员或乘客可以输入出发地和目的地。地图应用可以确定出发地和目的地之间的一条或多条合适的行驶路线。行驶路线可以基于一个或多个参数(例如,最短行驶距离、最短行驶时间量等)来选择。在一些布置中,导航系统180可以被配置为当车辆100在操作中时动态地更新行驶路线。
导航系统180可以包括全球定位系统、本地定位系统或地理定位系统。导航系统180可以利用多种卫星定位系统中的任何一种来实现,卫星定位系统诸如是美国全球定位系统(GPS)、俄罗斯Glonass系统、欧洲伽利略系统、中国北斗系统或使用来自一组卫星系统的卫星的任何系统或将来开发的任何卫星系统,包括计划的中国COMPASS系统和印度区域导航卫星系统。此外,导航系统180可以使用传输控制协议(TCP)和/或地理信息系统(GIS)以及定位服务。
导航系统180可以包括被配置为估计车辆100相对于地球的位置的收发器。例如,导航系统180可以包括确定车辆的纬度、经度和/或海拔高度的GPS收发器。导航系统180可以使用其它系统(例如,基于激光的定位系统、惯性辅助的GPS和/或基于照相机的定位)来确定车辆100的位置。
可替代地或附加地,导航系统180可以是诸如利用W3C地理定位应用编程接口(API)的基于接入点的地理定位服务。利用这种系统,车辆100的位置可以通过咨询位置信息服务器来确定,包括例如互联网协议(IP)地址、Wi-Fi和蓝牙媒体访问控制(MAC)地址、射频标识(RFID)、Wi-Fi连接位置、或设备GPS和全球移动通信系统(GSM)/码分多址(CDMA)小区ID。因此,应该理解,其中确定车辆100的地理位置的具体方式将取决于所使用的特定位置跟踪系统的操作方式。
处理器110和/或自主驾驶模块120可以被可操作地连接,以与各种车辆系统145和/或其各个组件通信。例如,返回到图1,处理器110和/或自主驾驶模块120可以处于通信状态,以向各种车辆系统145发送信息和/或从各种车辆系统145接收信息,从而控制车辆100的移动、速度、操纵、航向、方向等。处理器110和/或自主驾驶模块120可以控制这些车辆系统145中的一些或全部,并且因此,可以是部分或完全自主的。
处理器110和/或自主驾驶模块120可以可操作地通过控制车辆系统145中的一个或多个系统和/或其组件来控制车辆100的导航和/或操纵。例如,当在自主模式下操作时,处理器110和/或自主驾驶模块120可以控制车辆100的方向和/或速度。处理器110和/或自主驾驶模块120可以使车辆100加速(例如,通过增加提供给引擎的燃料供给)、减速(例如,通过减少到引擎的燃料供给和/或通过施加刹车)和/或改变方向(例如,通过使前面两个车轮转向)。如本文所使用的,“使”或“使得”是指让、强迫、迫使、指挥、命令、指示和/或使得事件或动作能够发生或至少处于其中这种事件或动作可以或者以直接的方式或者以间接的方式发生的状态。
车辆100可以包括一个或多个致动器140。致动器140可以是可操作地修改、调整和/或改变车辆系统145中的一个或多个系统或其组件从而对从处理器110和/或自主驾驶模块120接收信号或其它输入做出响应的任何元件或元件的组合。可以使用任何合适的致动器。例如,一个或多个致动器140可以包括发动机、气动致动器、液压活塞、继电器、螺线管和/或压电致动器,这仅仅是列举几种可能性。
根据本文所描述的布置,车辆100可以被配置为用于在乘员视野受阻环境中操作自主车辆。根据本文的布置,车辆100(或其一个或多个元件)可以被配置为确定外部环境的乘员可视区域、传感器系统125和/或照相机系统127的传感器检测区域和/或识别沿着车辆100的当前行驶路线的与未来计划驾驶操纵有关的信息关键区域。
在一个或多个布置中,可以响应于确定在外部环境中的一个或多个检测到的物体位于确定的乘员可视区域之外而采取动作。例如,动作可以是在车辆100内发出警报。可替代地或附加地,动作可以是使车辆100的当前驾驶操纵被修改。可能的动作的这些和其它的例子将贯穿本说明进行更详细的描述。在一个或多个布置中,处理器110、自主驾驶模块120、查看分析模块121和/或(一个或多个)其它元件可以被配置为确定在外部环境中的一个或多个检测到的物体是否位于确定的乘员可视区域之外。
在一个或多个布置中,可以确定信息关键区域的至少一部分是否由于检测到的障碍物体的存在而位于确定的乘员可视区域以及确定的传感器检测区域之外。在一个或多个布置中,响应于这种确定,可以确定检测到的障碍物体是否正在相对于车辆100的未来计划驾驶操纵有利地移动。这些和/或其它确定可以至少部分地由处理器110、自主驾驶模块120、查看分析模块121、信息关键区域确定模块122、物体识别模块123、物体移动分类模块124和/或(一个或多个)其它元件做出。在一个或多个布置中,如果确定检测到的障碍物体正在相对于车辆100的未来驾驶计划操纵有利地移动,则可以使车辆100在相对于障碍物体移动的同时实现未来计划驾驶操纵,以使得车辆被障碍物体庇护而免受位于信息关键区域中的任何潜在物体的影响。
既然已描述了车辆100的各种潜在的系统、设备、元件和/或组件,现在将描述用于在视野受阻环境中操作自主车辆的各种方法。现在参考图2,其示出了在行驶路线的视野受阻部分中操作自主车辆的另一种方法的例子。现在将描述方法200的各种可能的步骤。在图2中示出的方法200可以适用于以上关于图1描述的实施例,但是应当理解,方法200可以利用其它合适的系统和布置来运行。而且,方法200可以包括这里未示出的其它步骤,并且事实上,方法200不限于包括在图2中示出的每一个步骤。这里示出的作为方法200的一部分的步骤不限于这种特定的时间顺序。事实上,这些步骤中的一些步骤可以以与所示出的顺序不同的顺序来执行和/或这些示出的步骤中的至少一些步骤可以同时发生。
在方框210处,可以识别沿行驶路线的至少一部分的信息关键区域。信息关键区域可以与车辆100的未来驾驶操纵有关。信息关键区域的识别可以由车辆100的任何合适的元件或元件的组合来执行。在一个或多个布置中,信息关键区域的识别可以至少部分地由信息关键区域确定模块122、导航系统180和/或处理器110来执行。在一些布置中,信息关键区域的识别可以被连续地或以任何合适的时间间隔执行。方法200可以继续到方框220。
在方框220处,可以感测自主车辆的外部环境的至少一部分,以检测位于其中的物体的存在。更具体地,可以感测自主车辆的外部环境的至少一部分,以检测位于其中的障碍物体的存在。“障碍物体”是阻挡乘员可视区域和/或传感器检测区域的一部分的任何物体。感测外部环境以检测位于其中的一个或多个障碍物体的存在可以由车辆100的任何合适的元件或元件的组合来执行。在一个或多个布置中,外部环境的感测可以至少部分地由传感器系统125(或其组件)、照相机系统127(或其部分)和/或处理器110来执行。方法200可以继续到方框230。
在方框230处,可以确定外部环境的乘员可视区域。乘员可视区域的确定可以由车辆100的任何合适的元件或元件的组合来执行。在一个或多个布置中,乘员可视区域的确定可以由传感器系统125、照相机系统127(例如,一个或多个乘员视野照相机)、查看分析模块121和/或处理器110来执行。乘员可视区域的确定可以被连续地或以任何合适的时间间隔执行。方法200可以继续到方框240。
在方框240处,可以相对于外部环境确定车辆的传感器检测区域。传感器检测区域的确定可以由车辆100的任何合适的元件或元件的组合来执行。在一个或多个布置中,传感器检测区域的确定可以由传感器系统125、照相机系统127、查看分析模块121和/或处理器110来执行。传感器检测区域的确定可以被连续地或以任何合适的时间间隔执行。方法200可以继续到方框250。
在方框250处,可以确定信息关键区域的至少一部分是否由于障碍物体的存在而位于乘员可视区域和传感器检测区域两者之外。这种确定可以由车辆100的任何合适的元件或元件的组合来执行。例如,在一个或多个布置中,该确定可以由处理器110、传感器系统125、照相机系统127、查看分析模块121和/或信息关键区域确定模块122来执行。
响应于确定信息关键区域的至少一部分由于障碍物体的存在而位于乘员可视区域和传感器检测区域两者之外,可以确定视野障碍物体是否正在相对于车辆100的未来计划驾驶操纵有利地移动。这种确定可以由车辆100的任何合适的元件或元件的组合来执行。例如,在一个或多个布置中,该确定可以由处理器110、传感器系统125、照相机系统127、自主驾驶模块120和/或物体移动分类模块124来执行。该方法可以继续到方框260。
可以确定检测到的阻碍物体相对于车辆100的未来计划驾驶操纵是正在有利地移动还是不利地移动。这种确定可以由车辆100的任何合适的元件或元件的组合来执行。例如,在一个或多个布置中,该确定可以由处理器110、传感器系统125、照相机系统127、自主驾驶模块120和/或物体移动分类模块124来执行。
在方框260处,响应于确定检测到的障碍物体正在相对于车辆的未来计划驾驶操纵有利地移动,可以使车辆100的未来计划驾驶操纵被实现。未来计划驾驶操纵可以在自主车辆相对于障碍物体移动的同时被实现,以使得自主车辆被障碍物体庇护而免受位于信息关键区域,尤其是由于检测到的障碍物体而位于乘员可视区域和传感器检测区域两者之外的信息关键区域的至少一部分中的任何潜在物体的影响。
在一个或多个布置中,处理器110和/或自主驾驶模块120可以使车辆100实现未来计划驾驶操纵。处理器110和/或自主驾驶模块120可以被可操作地连接到车辆系统145中的一个或多个系统,以使得未来计划驾驶操纵被实现。在一个或多个布置中,处理器110和/或自主驾驶模块120可以可操作地控制一个或多个致动器140,该致动器140可以控制车辆系统145中的一个或多个系统或其部分以实现未来计划驾驶操纵。
应该注意,使得未来计划驾驶操纵被实现可以自动地执行。在一个或多个布置中,可以提示车辆乘员(例如驾驶员和/或其它乘客)提供实现未来计划驾驶操纵的许可。可以以任何合适的方式提示车辆乘员。例如,提示可以呈现在车辆100内的显示器上。可替代地或附加地,提示可以通过一个或多个音频频道可听得到地输出给车辆乘员。可以使用其它形式的提示作为上述形式的提示的替代或附加。响应于接收到与车辆乘员同意实现未来计划驾驶操纵对应的输入,可以使车辆100实现未来计划驾驶操纵。
未来计划驾驶操纵可以是任何类型的驾驶操纵。例如,未来计划驾驶操纵可以是经过交叉路口、右转、左转或者甚至绕过环岛。当前行驶路线可以具有多个未来计划驾驶操纵。
此外,相对于障碍物体移动以便被障碍物体庇护而免受位于信息关键区域中的任何潜在物体影响可以是车辆100的任何合适的移动。在一个或多个布置中,相对于检测到的障碍物体的移动可以包括使得卡车保持在车辆100和信息关键区域350之间的移动。在一些情况下,相对于检测到的障碍物体的移动可以包括车辆100以与检测到的障碍物体基本上相同的速度向前移动。在一些情况下,相对于检测到的障碍物体的移动可以包括车辆100在检测到的障碍物体旁边移动而不移动超过检测到的障碍物体。在一个或多个布置中,可以在车辆100和检测到的障碍物体之间维持预定的横向间距。在一个或多个布置中,可以在车辆和检测到的障碍物体之间维持预定的领先距离。“领先距离”是指检测到的障碍物体的前方点和车辆的前方点之间的距离。前方点可以是车辆和/或检测到的障碍物体的最前方点。前方点是相对于车辆和检测到的障碍物体的行驶方向确定的。
在一个或多个布置中,可以响应于一个或多个附加因素而使得自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵。例如,可以确定检测到的障碍物体是否是大物体。这种确定可以由例如传感器系统125、照相机系统127、处理器110和/或物体识别模块123做出。在一个或多个布置中,还可以响应于确定检测到的障碍物体是大物体而使得自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵。因此,如果检测到的障碍物体被确定为是大物体,则可以使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵。但是,如果检测到的障碍物体被确定为是非大物体,则将不使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵,因为非大物体可能是用作庇护车辆100免受位于信息关键区域中的任何潜在物体影响的差的候选。
当使车辆实现未来计划驾驶操纵时,方法200可以结束。可替代地,方法200可以返回到方框210。作为另一种替代,方法200可以包括附加的方框(未示出)。在一些情况下,车辆100可以继续相对于检测到的障碍物体移动,至少直到车辆100经过信息关键区域和/或完成未来计划驾驶操纵为止。
应当注意,在一个或多个实现中,响应于确定检测到的障碍物体正在相对于车辆的未来计划驾驶操纵不利地移动,车辆100的未来计划驾驶操纵可以不被实现或者在一段时间内不被实现和/或直到预定事件发生为止才被实现。作为例子,响应于确定检测到的障碍物体正在相对于车辆100的未来计划驾驶操纵不利地移动,未来计划驾驶操纵的实现可以被延迟,直到信息关键区域位于乘员可视区域和/或传感器检测区域中的至少一个之内为止。例如,车辆100可以等待实现未来计划驾驶,直到障碍物体已移动足够的距离从而使得信息关键区域变得位于乘员可视区域和/或传感器检测区域中的至少一个之内为止。
现在将相对于图3A和3B描述根据方法200的车辆100的操作的一个非限制性例子。为了这个例子的目的,车辆100可以在包括第一道路305和第二道路310的环境300中行驶。如本文所使用的,“道路”是指在两个地方之间的并且车辆可以在其上行驶的大路、路线、路径或小路。道路可以是铺砌的或以其它方式改善的,以便于车辆在其上行驶。在一些情况下,道路可以是未铺砌或未开发的。道路可以是公共道路或私有道路。道路可以包括一个或多个桥梁、隧道、支撑结构、交汇口、人行横道、立交与收费道路或者是其一部分。
第一道路305和第二道路310可以彼此交叉,以形成交叉路口325。在一个或多个布置中,相对于交叉路口325的交通可以利用任何合适的交通控制设备(例如,停止标志、交通信号灯等)来调控。在一个或多个布置中,交叉路口325可以不具有相关联的交通控制设备。第一道路305和第二道路310可以相对于彼此以任何合适的角度定向。例如,如在图3A和3B中所示出的,第一道路305和第二道路310可以相对于彼此被定向为基本上90度。但是,在一个或多个布置中,第一道路305和第二道路310可以相对于彼此被定向为成锐角。在一个或多个布置中,第一道路305和第二道路310可以相对于彼此成钝角。此外,在一些布置中,交叉路口325可以由两条以上的道路形成。
第一道路305可以包括多条行驶车道306、307、308。如本文所使用的,“行驶车道”是被指定为被单线的车辆使用的道路的一部分和/或正在被单线的车辆使用的道路的一部分。在一些情况下,一个或多个行驶车道306、307、308可以通过第一道路305上的标志或以任何其它合适的方式来指定。在一些情况下,一个或多个行驶车道306、307、308可能没有被标记。
第一道路305和第二道路310可以具有任何合适的构造和/或布局。第一道路305和/或第二道路310可以被指定用于双向行驶,包括多条行驶车道。为了这个例子的目的,第一道路305可以包括第一组一个或多个行驶车道303和第二组一个或多个行驶车道304。第一组行驶车道303可以意图或被指定用于在第一方向316上的车辆行驶。第二组行驶车道304可以意图或被指定用于在第二方向317上的车辆行驶。第一方向316可以与第二方向317不同。例如,第一方向316可以与第二方向317基本上相反。
第一组行驶车道303和第二组行驶车道304可以包括任何合适类型和/或数量的行驶车道。例如,图3A和3B示出了至少与交叉路口325下方的第一道路305的部分相关的例子,其中第一组行驶车道303可以包括两个行驶车道306、307。第二组行驶车道304可以包括单条行驶车道308。
第二道路310可以包括第三组一个或多个行驶车道318和第四组一个或多个行驶车道319。第三组行驶车道318可以意图或被指定用于在第三方向313上的车辆行驶。第四组行驶车道319可以意图或被指定用于在第四方向314上的车辆行驶。第三方向313可以与第四方向314不同。例如,第三方向313可以与第四方向314基本上相反。
第三组行驶车道318和第四组行驶车道319可以包括任何合适类型和/或数量的行驶车道。例如,图3A和3B示出了其中第三组行驶车道318可以包括行驶车道311并且第四组行驶车道319可以包括行驶车道312的例子。
应当理解,本文相对于第一道路305、第二道路310和/或交叉路口325示出和描述的布置仅仅作为例子提供,并且布置并不限于所示出和描述的特定布置。实际上,本文描述的布置可以与具有任何数量、类型和/或布置的行驶车道的道路结合使用。
车辆100可以在第一道路305上行驶。车辆100的当前行驶路径可以包括在第一道路305上向前行驶并且经过交叉路口325。车辆100可以在第一方向316上行驶时接近交叉路口325。随着车辆100接近交叉路口325,车辆100的当前行驶车道可以是行驶车道306。“当前行驶车道”是指车辆在当前时刻正在上面行驶的行驶车道。另一个车辆(例如卡车330)可以位于行驶车道307中。车辆100和卡车330可以停在交叉路口325处。可以在车辆100和卡车330前进到交叉路口325中之前,诸如通过交通控制设备给予其指示,以使其停止。
沿着行驶路线的至少一部分的一个或多个信息关键区域可以被车辆100(例如,信息关键区域确定模块122、导航系统180和/或处理器110)识别。信息关键区域可以与车辆100的未来计划驾驶操纵有关。在这个例子中,未来计划驾驶操纵可以是在第一道路305上在第一方向316上向前行驶通过交叉路口325。因此,一个信息关键区域可以包括位于交叉路口325左边(在图3A和3B中)的行驶车道312的区域,因为当车辆100在第一道路305上前进通过交叉路口325时,在这个区域中行驶的任何车辆都将是车辆100所关心的。
车辆100可以确定外部环境300的乘员可视区域360。但是,乘员可视区域360可能会由于一个或多个障碍物体(例如卡车330)的存在而受到影响。在这种情况下,乘员可视区域360可能不会像没有卡车330存在时原本的那样大。
车辆100可以确定传感器检测区域370。传感器检测区域370可能会由于一个或多个障碍物体(例如卡车330)的存在而受到影响。在这种情况下,传感器检测区域370可能不会像没有卡车330存在时原本的那样大。
车辆100(查看分析模块121、信息关键区域确定模块122和/或处理器110)可以确定信息关键区域350的至少一部分是否位于确定的乘员可视区域360和传感器检测区域370之外。如在图3A的例子中示出的,信息关键区域350由于卡车330的存在而位于确定的乘员可视区域360和传感器检测区域370之外。因此,传感器系统125和(一个或多个)车辆乘员(例如,驾驶员)都不能感测信息关键区域350。因此,执行未来计划驾驶操纵(例如,在第一道路305上在第一方向316上向前移动)将会存在较高的风险,这是因为没有得到关于信息关键区域350的足够信息。在这个例子中,另一个车辆380可以存在于信息关键区域350中。
响应于确定信息关键区域的至少一部分位于确定的乘员可视区域360和确定的传感器检测区域370之外,可以确定卡车330是否正在相对于车辆100的未来计划驾驶操纵有利地移动。车辆100可以监测卡车330以评估其移动。在一个或多个布置中,车辆100可以保持停止,直到它确定卡车330是否正在相对于车辆100的未来计划驾驶操纵有利地移动为止。卡车330的移动可以由传感器系统125、照相机系统127和/或处理器110来检测。确定卡车330是否正在相对于车辆100的未来计划驾驶操纵有利或不利地移动可以由车辆100的任何合适的元件或元件的组合来执行。例如,在一个或多个布置中,该确定可以由处理器110、传感器系统125、照相机系统127(例如,一个或多个乘员视野照相机)、自主驾驶模块120和/或物体移动分类模块124来执行。
在这个例子中,如在图3B中所示出的,卡车330可以沿着第一道路305在第一方向316上向前移动。因此,由于卡车330正在如下的方向上和/或以如下的方式移动:当车辆100在第一道路305上在第一方向316上行驶通过交叉路口325时,卡车330将位于信息关键区域350和车辆100之间,所以卡车330正在相对于车辆100的未来计划驾驶操纵(在第一道路305上在第一方向316上行驶通过交叉路口325)有利地移动。这种布置在图3B中示出。
响应于确定卡车330正在相对于车辆100的未来计划驾驶操纵有利地移动,可以使车辆100在相对于卡车330移动的同时实现未来计划驾驶操纵。在一个或多个布置中,处理器110和/或自主驾驶模块120可以使车辆100实现未来计划驾驶操纵。处理器110和/或自主驾驶模块120可以被可操作地连接到车辆系统145中的一个或多个系统,以实现未来计划驾驶操纵。在一个或多个布置中,处理器110和/或自主驾驶模块120可以可操作地控制一个或多个致动器140,该致动器140可以控制车辆系统145中的一个或多个系统或其部分来实现未来计划驾驶操纵。
如上所述,车辆100相对于卡车330移动。可以实现任何合适的相对移动。例如,在一个或多个布置中,车辆100可以以与卡车330基本上相同的速度移动。在一个或多个布置中,车辆100可以在维持预定最小横向间隔385的同时在卡车330的旁边移动。在一个或多个布置中,车辆100可以向前移动而不移动超过卡车330。在一个或多个布置中,可以维持车辆100和卡车330之间的预定领先距离386。
鉴于以上所述,可以理解,卡车330可以庇护车辆100免受位于信息关键区域350的至少一部分中的任何潜在物体(例如车辆380)的影响,所述信息关键区域350的至少一部分由于卡车330而位于确定的乘员可视区域360和确定的传感器检测区域370之外。通过以这种方式操作,被信息关键区域350中的物体(例如,车辆380)撞击上的风险会降低,因为,更可能地,这种物体将会首先撞击到卡车330上。
车辆100可以继续相对于车辆移动到任何合适的点。例如,车辆100可以继续相对于卡车330移动,至少直到车辆100经过信息关键区域350为止。可替代地或附加地,车辆100可以继续相对于卡车330移动,至少直到车辆100完成未来计划驾驶操纵为止。
现在将相对于图4A和4B描述车辆100根据方法200操作的另一个非限制性例子。为了这个例子的目的,车辆100可以在环境400中行驶。为简单起见,环境400可以至少关于第一和第二道路305、310与环境300基本上相同。因此,对环境300的以上描述同样适用于环境400并且被结合于此。
车辆100和卡车330可以在交叉路口325处停止。为了在图4A中所示出的例子的目的,未来计划驾驶操纵可以是右转到第二道路310上。虽然以下图4A和4B的讨论涉及右手转弯499,但是应当理解,布置并不限于右转。实际上,本文所描述的布置可以与左转或者甚至环岛结合使用。
沿着行驶路线的至少一部分的一个或多个信息关键区域可以由车辆100(例如,信息关键区域确定模块122、导航系统180和/或处理器110)识别。由于车辆100的未来计划驾驶操纵是右转到第二道路310上,因此一个信息关键区域可以包括位于交叉路口325的左边(在图4A和4B中)的行驶车道312的区域350,这是因为当车辆100右转到第二道路310上时,在这个区域350中行驶的任何车辆都将是车辆100所关心的。
车辆100可以确定乘员可视区域360和传感器检测区域370,这两者都由于卡车330的存在受到影响。如在图4A中所示出的,车辆100可以确定信息关键区域350的至少一部分是否位于确定的乘员可视区域360和传感器检测区域370之外。因此,传感器系统125和(一个或多个)车辆乘员(例如,驾驶员)都不能感测信息关键区域350。因此,执行未来计划驾驶操纵(例如,在第一道路305上在第一方向316上向前移动)将会存在较高的风险,这是因为没有得到关于信息关键区域350的足够信息。在这个例子中,另一个车辆380可以存在于信息关键区域350中。
响应于确定信息关键区域的至少一部分位于确定的乘员可视区域360和确定的传感器检测区域370之外,可以确定卡车330是否正在相对于车辆100的未来计划驾驶操纵有利地移动。在这个例子中,如在图4B中所示出的,卡车330可以沿着第一道路305在第一方向316上向前移动。因此,由于卡车330正在如下的方向上和/或以如下的方式移动:当车辆100在第一道路305上在第一方向316上行驶通过交叉路口325时,卡车330将位于信息关键区域350和车辆100之间,所以卡车330正在相对于车辆100的未来计划驾驶操纵(右转到第二道路310上)有利地移动。这种布置在图4B中示出。
响应于确定卡车330正在相对于车辆100的未来计划驾驶操纵有利地移动,可以使车辆100在相对于卡车330移动的同时实现未来计划驾驶操纵。可以实现任何合适的相对移动。例如,在一个或多个布置中,车辆100可以在使卡车330保持在车辆100和信息关键区域350之间的同时,以一个或多个速度移动,以完成右手转弯499。
鉴于以上所述,可以理解,卡车330可以庇护车辆100免受位于信息关键区域350的至少一部分中的任何潜在物体(例如车辆380)的影响,所述信息关键区域350的至少一部分由于卡车330而位于确定的乘员可视区域360和确定的传感器检测区域370之外。通过以这种方式操作,被信息关键区域350中的物体(例如,车辆380)撞击上的风险会降低,因为更可能地,这种物体将会首先撞击到卡车330上。
应当理解,本文描述的布置可以提供多种益处,包括本文提及的益处中的一种或多种益处。例如,本文描述的布置可以当自主车辆在视野受阻环境中操作时提高自主车辆的性能。本文描述的布置可以通过利用物理屏障或环境中的可移动屏蔽来实现未来计划驾驶操纵,从而向车辆乘员提供某种程度的舒适感和信心。此外,本文描述的布置可以潜在地提高车辆的安全操作。
附图中的流程图和框图示出了根据各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,其包含用于实现(一个或多个)具体逻辑功能的一个或多个可执行指令。也应当注意,在一些可替代的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,被示为连续的两个方框实际上可以基本上并行地执行,或者它们有时也可以按相反的顺序执行,这取决于所涉及的功能。
上述系统、组件和/或处理可以以硬件或硬件和软件的组合实现,并且可以在一个处理系统中以集中方式实现或者以其中不同元件跨若干个互连的处理系统分布的分布式方式实现。任何种类的处理系统或适于运行本文所述方法的其它装置都是合适的。硬件和软件的典型组合可以是具有计算机可用程序代码的处理系统,当所述计算机可用程序代码被加载和执行时,控制处理系统,以使得它运行本文所述的方法。该系统、组件和/或处理也可以被嵌入在诸如计算机程序产品或其它数据程序存储设备的计算机可读存储中、可被机器读取、有形地包含可被机器执行以实现本文所述方法和处理的指令的程序。这些元件也可以被嵌入在应用产品中,其包含使本文所述的方法能够实现的所有特征,并且当其在处理系统中被加载时能够运行这些方法。
此外,本文所描述的布置可以采取包含在其上包含(例如,存储)有计算机可读程序代码的一个或多个计算机可读介质中的计算机程序产品的形式。可以使用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。短语“计算机可读存储介质”是指非临时性存储介质。计算机可读存储介质可以是例如但不限于,电子、磁、光、电磁、红外、或半导体系统、装置或设备或上述任何合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)将包括以下:具有一条或多条电线的电连接、便携式计算机盘、硬盘驱动器(HDD)、固态驱动器(SSD)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、光存储设备、磁存储设备或上述任何合适的组合。在本文档的上下文中,计算机可读存储介质可以是可包含或存储用于被指令执行系统、装置或设备使用或与其结合使用的程序的任何有形介质。
包含在计算机可读介质上的程序代码可以利用任何适当的介质来传送,介质包括但不限于无线、有线、光纤、电缆、RF等或者上述任何合适的组合。用于运行本布置的各方面的操作的计算机程序代码可以用一种或多种编程语言的任意组合来编写,包括诸如JavaTM、Smalltalk、C++等面向对象的编程语言和诸如“C”编程语言或类似编程语言的常规过程式编程语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为独立的软件包执行、部分地在用户计算机上并且部分地在远程计算机上执行或者完全地在远程计算机或服务器上执行。在后者的情形中,远程计算机可以通过任何类型的网络,包括局域网(LAN)或广域网(WAN)连接到用户的计算机,或者可以(例如,利用互联网服务提供商通过互联网)连接到外部计算机。
如本文所使用的,术语“一”和“一个”被定义为一个或多于一个。如本文所使用的,术语“多个”被定义为两个或多于两个。如本文所使用的,术语“另一个”被定义为至少第二个或更多个。如本文所使用的,术语“包括”和/或“具有”被定义为包含(即,开放性语言)。如本文所使用的,短语“...和...中的至少一个”指代并且包括相关联的列出项中的一个或多个的任何和所有可能的组合。作为例子,短语“A、B和C中的至少一个”包括只有A、只有B、只有C、或其任何组合(例如AB、AC、BC或ABC)。
本文的各方面在不背离其精神或基本属性的情况下,可以以其它形式来体现。因此,应该参考以下权利要求,而不是以上说明书作为对本发明的范围的指示。
Claims (15)
1.一种在乘员视野和车辆传感器受阻环境中操作自主车辆的方法,所述方法包括:
相对于自主车辆的未来计划驾驶操纵识别在外部环境中的信息关键区域;
感测自主车辆的外部环境的至少一部分,以检测位于所述外部环境的至少一部分中的障碍物体的存在;
响应于确定所述信息关键区域的至少一部分由于检测到的障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外,确定检测到的障碍物体是否正在相对于自主车辆的未来计划驾驶操纵有利地移动;以及
响应于确定检测到的障碍物体正在相对于自主车辆的未来计划驾驶操纵有利地移动,使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵,以使得自主车辆被检测到的障碍物体庇护而免受位于所述信息关键区域的至少一部分中的任何潜在物体的影响,所述信息关键区域的至少一部分由于检测到的障碍物体而位于确定的乘员可视区域和确定的传感器检测区域之外。
2.如权利要求1所述的方法,其中使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵包括使所述自主车辆在以与所述检测到的障碍物体基本上相同的速度向前移动的同时实现所述未来计划驾驶操纵。
3.如权利要求1所述的方法,其中使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵包括使所述自主车辆在沿所述检测到的障碍物体旁边移动而不移动超过所述检测到的障碍物体的同时实现所述未来计划驾驶操纵。
4.如权利要求1所述的方法,其中使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵被执行,直到以下中的至少一个出现为止:
所述自主车辆经过所述信息关键区域;以及
所述自主车辆完成所述未来计划驾驶操纵。
5.如权利要求1所述的方法,还包括:
确定所述检测到的障碍物体是否是大物体;以及
其中使所述自主车辆在相对于所述检测到的障碍物体移动的同时实现所述未来计划驾驶操纵还响应于确定所述检测到的障碍物体是大物体。
6.如权利要求1所述的方法,其中所述未来计划驾驶操纵包括与所述检测到的障碍物体在基本上相同的方向上行驶。
7.如权利要求1所述的方法,其中所述未来计划驾驶操纵包括右转或左转中的一个。
8.一种用于在乘员视野和车辆传感器受阻环境中操作自主车辆的系统,所述系统包括:
传感器系统,所述传感器系统被配置为:
感测自主车辆的外部环境的至少一部分,以检测位于所述外部环境的至少一部分中的障碍物体的存在;以及
处理器,所述处理器被可操作地连接到传感器系统,所述处理器被编程为启动可执行操作,所述可执行操作包括:
相对于自主车辆的未来计划驾驶操纵识别在外部环境中的信息关键区域;
确定外部环境的乘员可视区域;
确定外部环境的传感器检测区域;
响应于确定信息关键区域的至少一部分由于检测到的障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外,确定检测到的障碍物体是否正在相对于自主车辆的未来计划驾驶操纵有利地移动;以及
响应于确定检测到的障碍物体正在相对于自主车辆的未来计划驾驶操纵有利地移动,使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵,以使得自主车辆被检测到的障碍物体庇护而免受位于所述信息关键区域的至少一部分中的任何潜在物体的影响,所述信息关键区域的至少一部分由于检测到的障碍物体而位于确定的乘员可视区域和确定的传感器检测区域之外。
9.如权利要求8所述的系统,其中使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵包括使所述自主车辆在以与所述检测到的障碍物体基本上相同的速度向前移动的同时实现所述未来计划驾驶操纵。
10.如权利要求8所述的系统,其中使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵包括使所述自主车辆在沿所述检测到的障碍物体旁边移动而不移动超过所述检测到的障碍物体的同时实现所述未来计划驾驶操纵。
11.如权利要求8所述的系统,其中使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵被执行,直到以下中的至少一个出现为止:
所述自主车辆经过所述信息关键区域;以及
所述自主车辆完成所述未来计划驾驶操纵。
12.如权利要求8所述的系统,还包括:
确定所述检测到的障碍物体是否是大物体;以及
其中使所述自主车辆在相对于所述检测到的障碍物体移动的同时实现所述未来计划驾驶操纵还响应于确定所述检测到的障碍物体是大物体。
13.如权利要求8所述的系统,其中所述未来计划驾驶操纵包括与所述检测到的障碍物体在基本上相同的方向上行驶。
14.如权利要求8所述的系统,其中所述未来计划驾驶操纵包括右转或左转中的一个。
15.一种用于在乘员视野和车辆传感器受阻环境中操作自主车辆的计算机程序产品,所述计算机程序产品包括其中含有程序代码的计算机可读存储介质,所述程序代码可被处理器执行以执行一种方法,所述方法包括:
相对于自主车辆的未来计划驾驶操纵识别在外部环境中的信息关键区域;
感测自主车辆的外部环境的至少一部分,以检测位于所述外部环境的至少一部分中的障碍物体的存在;
确定外部环境的乘员可视区域;
确定外部环境的传感器检测区域;
响应于确定信息关键区域的至少一部分由于检测到的障碍物体的存在而位于确定的乘员可视区域和确定的传感器检测区域之外,确定检测到的障碍物体是否正在相对于自主车辆的未来计划驾驶操纵有利地移动;以及
响应于确定检测到的障碍物体正在相对于自主车辆的未来计划驾驶操纵有利地移动,使自主车辆在相对于检测到的障碍物体移动的同时实现未来计划驾驶操纵,以使得自主车辆被检测到的障碍物体庇护而免受位于所述信息关键区域的至少一部分中的任何潜在物体的影响,所述信息关键区域的至少一部分由于检测到的障碍物体而位于确定的乘员可视区域和确定的传感器检测区域之外。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/609,286 | 2015-01-29 | ||
US14/609,286 US9493157B2 (en) | 2015-01-29 | 2015-01-29 | Autonomous vehicle operation in obstructed occupant view and sensor detection environments |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105835878A CN105835878A (zh) | 2016-08-10 |
CN105835878B true CN105835878B (zh) | 2020-12-11 |
Family
ID=56410122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610058609.3A Expired - Fee Related CN105835878B (zh) | 2015-01-29 | 2016-01-28 | 在乘员视野和传感器检测受阻环境中的自主车辆操作 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9493157B2 (zh) |
JP (2) | JP6696781B2 (zh) |
CN (1) | CN105835878B (zh) |
DE (1) | DE102016100737A1 (zh) |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9649979B2 (en) * | 2015-01-29 | 2017-05-16 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle operation in view-obstructed environments |
KR101709521B1 (ko) * | 2015-07-30 | 2017-03-09 | 주식회사 한글과컴퓨터 | 무인 스마트카를 이용한 공익서비스 시스템 및 방법 |
US10183667B2 (en) * | 2015-09-15 | 2019-01-22 | Deere & Company | Human presence detection on a mobile machine |
DE102016216465A1 (de) * | 2016-08-31 | 2018-03-01 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und hindernisassistenzvorrichtung zur automatischen aktivierung einer hinderniserkennungsvorrichtung eines kraftfahrzeugs |
US10466714B2 (en) * | 2016-09-01 | 2019-11-05 | Ford Global Technologies, Llc | Depth map estimation with stereo images |
US10515390B2 (en) | 2016-11-21 | 2019-12-24 | Nio Usa, Inc. | Method and system for data optimization |
US10266182B2 (en) * | 2017-01-10 | 2019-04-23 | Ford Global Technologies, Llc | Autonomous-vehicle-control system and method incorporating occupant preferences |
US11009875B2 (en) | 2017-03-09 | 2021-05-18 | Waymo Llc | Preparing autonomous vehicles for turns |
US10209718B2 (en) * | 2017-03-14 | 2019-02-19 | Starsky Robotics, Inc. | Vehicle sensor system and method of use |
WO2018183870A1 (en) * | 2017-03-30 | 2018-10-04 | Xevo Inc. | Method and system for providing predictions via artificial intelligence (ai) models using a distributed system |
US10124804B2 (en) * | 2017-04-12 | 2018-11-13 | GM Global Technology Operations LLC | Method and apparatus for traffic control device detection optimization |
US11214143B2 (en) | 2017-05-02 | 2022-01-04 | Motional Ad Llc | Visually obstructed object detection for automated vehicle using V2V/V2I communications |
CN107301773A (zh) * | 2017-06-16 | 2017-10-27 | 上海肇观电子科技有限公司 | 一种向目标对象提示信息的方法及装置 |
US10234302B2 (en) | 2017-06-27 | 2019-03-19 | Nio Usa, Inc. | Adaptive route and motion planning based on learned external and internal vehicle environment |
US10386856B2 (en) | 2017-06-29 | 2019-08-20 | Uber Technologies, Inc. | Autonomous vehicle collision mitigation systems and methods |
US10065638B1 (en) | 2017-08-03 | 2018-09-04 | Uber Technologies, Inc. | Multi-model switching on a collision mitigation system |
WO2019032353A1 (en) * | 2017-08-10 | 2019-02-14 | Amazon Technologies, Inc. | STRATEGY MODES FOR AUTONOMOUS VEHICLE OPERATIONS |
US11079771B2 (en) | 2017-08-10 | 2021-08-03 | Amazon Technologies, Inc. | Coordinated optimization of autonomous vehicle operations |
US10872476B2 (en) | 2017-08-10 | 2020-12-22 | Amazon Technologies, Inc. | Broadcast strategy modes for autonomous vehicle operations |
US10870437B2 (en) | 2017-08-10 | 2020-12-22 | Amazon Technologies, Inc. | Determination of strategy modes for autonomous vehicle operations |
US11092961B2 (en) | 2017-08-10 | 2021-08-17 | Amazon Technologies, Inc. | Strategy modes for autonomous vehicle operations |
US10739774B2 (en) * | 2017-10-06 | 2020-08-11 | Honda Motor Co., Ltd. | Keyframe based autonomous vehicle operation |
US10635109B2 (en) * | 2017-10-17 | 2020-04-28 | Nio Usa, Inc. | Vehicle path-planner monitor and controller |
US10935978B2 (en) | 2017-10-30 | 2021-03-02 | Nio Usa, Inc. | Vehicle self-localization using particle filters and visual odometry |
US10331135B2 (en) * | 2017-11-22 | 2019-06-25 | GM Global Technology Operations LLC | Systems and methods for maneuvering around obstacles in autonomous vehicles |
JP6965426B2 (ja) * | 2017-11-23 | 2021-11-10 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | 到着時間を推定するためのシステムおよび方法 |
CN113865606B (zh) * | 2017-11-23 | 2024-08-20 | 北京嘀嘀无限科技发展有限公司 | 估计到达时间的系统和方法 |
US10866103B2 (en) * | 2018-02-12 | 2020-12-15 | Aptiv Technologies Limited | Vehicle perception-data gathering system and method |
US10495733B2 (en) * | 2018-02-26 | 2019-12-03 | GM Global Technology Operations LLC | Extendable sensor mount |
US11378956B2 (en) * | 2018-04-03 | 2022-07-05 | Baidu Usa Llc | Perception and planning collaboration framework for autonomous driving |
CN108764115B (zh) * | 2018-05-24 | 2021-12-14 | 东北大学 | 一种卡车危险提醒方法 |
EP3599141B1 (en) * | 2018-07-25 | 2022-12-14 | Continental Autonomous Mobility Germany GmbH | A multi hypothesis prediction device for a vehicle |
US20220041184A1 (en) * | 2018-10-18 | 2022-02-10 | Caratica Ai Ltd. | Method and system for obstacle detection |
US10824148B2 (en) | 2018-12-14 | 2020-11-03 | Waymo Llc | Operating an autonomous vehicle according to road user reaction modeling with occlusions |
US11167751B2 (en) * | 2019-01-18 | 2021-11-09 | Baidu Usa Llc | Fail-operational architecture with functional safety monitors for automated driving system |
US11760377B2 (en) * | 2019-02-26 | 2023-09-19 | Harman International Industries, Incorporated | Shape-shifting control surface for an autonomous vehicle |
JP2020158047A (ja) * | 2019-03-28 | 2020-10-01 | 本田技研工業株式会社 | 車両制御システム |
US11420621B2 (en) | 2019-03-31 | 2022-08-23 | Gm Cruise Holdings Llc | Autonomous vehicle maneuvering based upon risk associated with occluded regions |
JP2021012467A (ja) * | 2019-07-04 | 2021-02-04 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
CN110784685B (zh) * | 2019-10-23 | 2021-06-29 | 上海能塔智能科技有限公司 | 车辆清洁状况的监控方法及装置、存储介质、终端 |
US11544936B2 (en) | 2019-12-20 | 2023-01-03 | Zoox, Inc. | In-path obstacle detection and avoidance system |
US20210229641A1 (en) * | 2020-01-29 | 2021-07-29 | GM Global Technology Operations LLC | Determination of vehicle collision potential based on intersection scene |
US11325594B2 (en) * | 2020-02-10 | 2022-05-10 | GM Global Technology Operations LLC | Sensor fusion based on intersection scene to determine vehicle collision potential |
US20210291866A1 (en) | 2020-03-23 | 2021-09-23 | Toyota Motor North America, Inc. | Transport item management |
US11718288B2 (en) | 2020-03-23 | 2023-08-08 | Toyota Motor North America, Inc. | Consensus-based transport event severity |
US11574543B2 (en) | 2020-03-23 | 2023-02-07 | Toyota Motor North America, Inc. | Transport dangerous location warning |
US11433920B2 (en) * | 2020-05-29 | 2022-09-06 | Robert Bosch Gmbh | Map-based prediction and mitigation of performance limitations for autonomous vehicles |
US11613381B2 (en) * | 2020-08-14 | 2023-03-28 | Tusimple, Inc. | Launchpad for autonomous vehicles |
DE102020213514A1 (de) | 2020-10-28 | 2022-04-28 | Volkswagen Aktiengesellschaft | Situationsabhängige Festlegung von Beobachtungsbereichen für zumindest teilautonom betriebene Kraftfahrzeuge |
CN112650243B (zh) * | 2020-12-22 | 2023-10-10 | 北京百度网讯科技有限公司 | 车辆控制方法、装置、电子设备和自动驾驶车辆 |
CN113677585B (zh) * | 2021-06-22 | 2023-06-16 | 华为技术有限公司 | 一种盲区检测方法和装置 |
DE102023201580A1 (de) | 2023-02-22 | 2024-08-22 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Verhaltensplanung eines Ego-Fahrzeugs als Teil einer Verkehrsszene |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003344539A (ja) | 2002-05-22 | 2003-12-03 | Toshiba Tec Corp | 自律走行車 |
JP2006298310A (ja) * | 2005-04-25 | 2006-11-02 | Nissan Motor Co Ltd | 車両用走行制御装置 |
JP5024255B2 (ja) | 2008-09-25 | 2012-09-12 | トヨタ自動車株式会社 | 運転支援装置 |
US8126642B2 (en) | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
JP2011194979A (ja) * | 2010-03-18 | 2011-10-06 | Toyota Motor Corp | 運転支援装置 |
US8509982B2 (en) * | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
JP2012192878A (ja) * | 2011-03-17 | 2012-10-11 | Toyota Motor Corp | 危険度判定装置 |
US8589014B2 (en) | 2011-06-01 | 2013-11-19 | Google Inc. | Sensor field selection |
US9760092B2 (en) * | 2012-03-16 | 2017-09-12 | Waymo Llc | Actively modifying a field of view of an autonomous vehicle in view of constraints |
US9020660B2 (en) * | 2012-05-10 | 2015-04-28 | GM Global Technology Operations LLC | Efficient intersection autonomous driving protocol |
US8793046B2 (en) * | 2012-06-01 | 2014-07-29 | Google Inc. | Inferring state of traffic signal and other aspects of a vehicle's environment based on surrogate data |
US9180882B1 (en) * | 2012-06-20 | 2015-11-10 | Google Inc. | Avoiding blind spots of other vehicles |
DE102012024930A1 (de) * | 2012-12-20 | 2014-06-26 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Fahrzeug mit Entfernungsüberwachungseinrichtung |
US9367065B2 (en) | 2013-01-25 | 2016-06-14 | Google Inc. | Modifying behavior of autonomous vehicles based on sensor blind spots and limitations |
KR101811470B1 (ko) * | 2013-05-03 | 2017-12-22 | 주식회사 만도 | 차량 간 교차로 충돌 방지방법 |
US9080866B1 (en) * | 2013-06-26 | 2015-07-14 | Google Inc. | Methods and systems for detection of reflective markers at long range |
MX345733B (es) * | 2013-07-19 | 2017-02-14 | Nissan Motor | Dispositivo de asistencia a la conduccion para vehiculo y metodo de asistencia a la conduccion para vehiculo. |
EP2921363A1 (en) * | 2014-03-18 | 2015-09-23 | Volvo Car Corporation | Vehicle, vehicle system and method for increasing safety and/or comfort during autonomous driving |
-
2015
- 2015-01-29 US US14/609,286 patent/US9493157B2/en active Active
-
2016
- 2016-01-18 DE DE102016100737.4A patent/DE102016100737A1/de active Pending
- 2016-01-26 JP JP2016012316A patent/JP6696781B2/ja active Active
- 2016-01-28 CN CN201610058609.3A patent/CN105835878B/zh not_active Expired - Fee Related
-
2020
- 2020-01-10 JP JP2020003034A patent/JP6963042B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020097410A (ja) | 2020-06-25 |
JP2016164063A (ja) | 2016-09-08 |
DE102016100737A1 (de) | 2016-08-04 |
CN105835878A (zh) | 2016-08-10 |
JP6963042B2 (ja) | 2021-11-05 |
US9493157B2 (en) | 2016-11-15 |
JP6696781B2 (ja) | 2020-05-20 |
US20160221573A1 (en) | 2016-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105835878B (zh) | 在乘员视野和传感器检测受阻环境中的自主车辆操作 | |
JP7125443B2 (ja) | 視界遮断環境における自律移動体の操作方法 | |
US9475491B1 (en) | Lane changing for autonomous vehicles | |
US9701306B2 (en) | Risk mitigation for autonomous vehicles relative to turning objects | |
US10005464B2 (en) | Autonomous vehicle operation at multi-stop intersections | |
US9573592B2 (en) | Risk mitigation for autonomous vehicles relative to oncoming objects | |
US10556600B2 (en) | Assessment of human driving performance using autonomous vehicles | |
JP7517835B2 (ja) | 不明瞭な路上障害物の回避 | |
US10571911B2 (en) | Mixed autonomous and manual control of a vehicle | |
US9676387B2 (en) | Splash condition detection for vehicles | |
US9764736B2 (en) | Autonomous vehicle operation relative to unexpected dynamic objects | |
US9694813B2 (en) | Autonomous vehicle operation within a center turn lane | |
US9815462B2 (en) | Path determination for automated vehicles | |
US9434382B1 (en) | Vehicle operation in environments with second order objects | |
US9429440B2 (en) | Driving action determination for travel route exit event | |
US11359927B2 (en) | Mapping of temporal roadway conditions | |
US11565720B2 (en) | Autonomous vehicle, system, and method of operating an autonomous vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210401 Address after: Aichi Prefecture, Japan Patentee after: Toyota Motor Corp. Address before: Kentucky, USA Patentee before: Toyota Motor Engineering & Manufacturing North America, Inc. |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201211 |
|
CF01 | Termination of patent right due to non-payment of annual fee |