CN106828492A

CN106828492A - 对控制车辆的速度的预测性推理

Info

Publication number: CN106828492A
Application number: CN201710000895.2A
Authority: CN
Inventors: D.多尔戈夫; D.弗格森
Original assignee: Google LLC
Current assignee: Giant Holdings; Waymo LLC
Priority date: 2013-05-03
Filing date: 2014-04-22
Publication date: 2017-06-13
Anticipated expiration: 2034-04-22
Also published as: KR101614677B1; KR20190133804A; US20160272207A1; WO2014179109A1; US20160214607A1; JP6192812B2; CN107097787B; US20140330479A1; KR102051090B1; CN107097787A; CN105358397B; CN106828492B; JP2017214065A; US9254846B2; KR20160049017A; US9381917B1; EP2991875A4; JP2016523751A; KR20150127745A; US9561797B2

Abstract

本申请涉及用于控制车辆的速度的方法，包括：由计算设备的至少一个处理器基于从通信地链接到计算设备的至少一个传感器接收的数据，识别在与自主车辆基本上相同的车道中在自主车辆前面行驶的车辆；至少一个处理器基于数据识别车辆前面的交通控制对象；至少一个处理器确定车辆前面的交通控制对象的状态；至少一个处理器确定缓冲距离，缓冲距离是车辆后方的在该处自主车辆被预测为基本上达到车辆的速度的最小距离；至少一个处理器基于缓冲距离、交通控制对象的状态和自主车辆的速度，确定在该处调整自主车辆的速度的距离；以及至少一个处理器基于距离来控制自主车辆以调整自主车辆的速度。

Description

对控制车辆的速度的预测性推理

本申请是申请日为2014年04月22日、申请号为201480037918.1、发明名称为“对控制车辆的速度的预测性推理”的发明专利申请的分案申请。

相关申请的交叉引用

本申请要求于2013年5月3日提交的美国专利申请第13/886,563号的优先权，其通过引用整体合并于此。

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位置。一些自主车辆可能要求来自操作者(诸如，领航员、驾驶员、或者乘客)的一些初始输入或者连续输入。其它系统(例如，自动领航系统)可以只在该系统已经被采用的时候使用，其准许操作者从手动模式(其中操作者对车辆的移动行驶高度的控制)切换到自主模式(其中车辆实质上自己驾驶)和介于两者之间的模式。

发明内容

本申请公开了涉及对控制车辆的速度的预测性推理的实施例。在一个方面，本申请描述一种方法。所述方法可以包括识别在自主车辆前面行驶的第一车辆。所述方法还可以包括识别在第一车辆前面的第二车辆，第一车辆和第二车辆在与自主车辆基本上相同的车道中行驶。所述方法还可以包括确定第一缓冲距离，第一缓冲距离是第一车辆之后的在该处自主车辆将基本上达到第一车辆的速度的最小距离。所述方法还可以包括确定第二缓冲距离，第二缓冲距离是第二车辆之后的在该处第一车辆将基本上达到第二车辆的速度的最小距离。所述方法还可以包括基于第一缓冲距离和第二缓冲距离以及自主车辆的速度来确定在该处调整自主车辆的速度的距离。所述方法还可以包括由计算设备基于所述距离提供调整自主车辆的速度的指令。

在另一个方面，本申请描述了一种其上存储有指令的非瞬时性计算机可读介质，所述指令当被计算设备运行时使得该计算设备执行功能。所述功能可以包括识别在自主车辆前面行驶的第一车辆。所述功能还可以包括识别在第一车辆前面的第二车辆，第一车辆和第二车辆在与自主车辆基本上相同的车道中行驶。所述功能还可以包括确定第一缓冲距离，第一缓冲距离是第一车辆之后的在该处自主车辆将基本上达到第一车辆的速度的最小距离。所述功能还可以包括确定第二缓冲距离，第二缓冲距离是第二车辆之后的在该处第一车辆将基本上达到第二车辆的速度的最小距离。所述功能还可以包括基于第一缓冲距离和第二缓冲距离以及自主车辆的速度来确定在该处调整自主车辆的速度的距离。所述功能还可以包括基于所述距离提供调整自主车辆的速度的指令。

在又一个方面，本申请描述了一种系统。所述系统可以包括至少一个处理器。所述系统还可以包括其上存储有指令的存储器，所述指令当被至少一个处理器运行时使得该系统执行功能。所述功能可以包括识别在自主车辆前面的第一物体。所述功能还可以包括识别在第一物体前面的第二物体，其中，第一物体和第二物体在与自主车辆基本上相同的车道中。所述功能还可以包括确定第一缓冲距离，第一缓冲距离是第一物体之后的在该处自主车辆将基本上达到第一物体的速度的最小距离。所述功能还可以包括确定第二缓冲距离，第二缓冲距离是第二物体之后的在该处第一物体将基本上达到第二物体的速度的最小距离。所述功能还可以包括基于第一缓冲距离和第二缓冲距离以及自主车辆的速度来确定在该处调整自主车辆的速度的距离。所述功能还可以包括基于所述距离提供调整自主车辆的速度的指令。

前述的总结仅仅是说明性的，并且不意图以任何方式进行限制。除了上述的说明性方面、实施例、和特征之外，通过参考附图和随后的详细描述，另外的方面、实施例、和特征将变得清楚。

附图说明

图1是示例汽车的简化框图。

图2示出示例汽车。

图3是用于调整自主车辆的速度的示例方法的流程图。

图4A示出用于确定在该处调整自主车辆的速度的距离的示例。

图4B示出用于在存在交通控制物体时确定在该处调整自主车辆的速度的距离的示例。

图5示出关于行驶道路的示例方法的实施方式。

图6是示出计算机程序的概念性局部视图的示意图。

具体实施方式

以下详细描述参考附图描述了所公开的系统和方法的各种特征和功能。在附图中，相似的符号标识相似的组件，除非上下文另外指示。这里描述的说明性系统和方法不打算成为限制性的。可以容易地理解，所公开的系统和方法的某些方面可以以各种各样的不同配置来布置和组合，所述所有配置都在此被预期。

在道路或者行驶路线上行进的自主车辆可以被配置为识别自主车辆的环境内的物体以便确定对自主车辆的当前速度的调整。所述物体可以是其它车辆、交通控制物体、或者其它类型的物体。在一些示例中，每个识别的物体可以被独立地考虑，并且物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距(range)，可以被用来确定自主车辆将调整到的速度。

然而，在其它示例中，自主车辆或者与自主车辆相关联的计算设备可以被配置为基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所述物体的行为，并且所述物体可以全部被一起考虑——每一个都依赖于彼此的行为。然后，自主车辆能够基于所预测的所述物体的行为来调整它的速度。换句话说，自主车辆能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)什么稳定状态。其它特性/因素也可以被考虑以便确定自主车辆的速度，诸如，自主车辆在行驶的道路/车道中的横向位置、道路的曲率、静态和动态物体的接近度、等等。

在预测性速度控制的一个示例中，被配置为调整自主车辆的速度的计算设备可以识别在所述车辆前面的多个物体。所述物体可以包括，例如，在与自主车辆相同的车道中在自主车辆前面行驶的其它车辆，诸如，卡车、自行车、和摩托车。所述物体还可以包括其它类型的静态或者动态物体，诸如行人、停车标志、收费亭、树、防护栏等等。当识别出物体时，计算设备可以被配置为估计每个物体的特性，诸如物体的速度、加速度、尺寸、重量、行驶方向、以及纵向和横向速度。

在识别出所述物体之后，计算设备可以确定用于在自主车辆和距自主车辆最远的所识别的物体之间的每个物体的缓冲距离。例如，如果计算设备识别出在车辆前面的第一物体和第二物体，所述第二物体比第一物体位于距自主车辆更远的距离，则计算设备可以确定在该处自主车辆将基本上达到第一物体的速度的第一缓冲距离，并且还确定在该处第一物体将基本上达到第二物体的速度的第二缓冲距离。所述缓冲距离可以基于所识别的物体的速度。在一些示例中，缓冲距离还可以基于所识别的物体的其它特性。

基于缓冲距离和所述自主车辆的速度，然后计算设备可以确定在该处调整自主车辆的速度的距离。所述距离还可以是物体和自主车辆的其它特性以及任何预定的(例如，校正的)常数的函数。计算设备可以被配置为接下来基于距离提供调整自主车辆的速度的指令。

在一些实施例中，所述指令可以在计算设备检测到在自主车辆前面的物体中的至少一个的速度的变化之前被提供。因而，自主车辆可以在这样的变化发生之前基于对所述物体中的至少一个的速度的变化的估计来调整它的速度。这样的在(多个)物体的速度方面的变化可以在各种实施例中被不同地评估。例如，在速度方面的变化可以由超出给定阈值的(多个)物体的速度来指示。其它示例也是可能的。

除了提供调整自主车辆的速度的指令之外，计算设备可以被配置为提供修改自主车辆的转向角的指令，以使得自主车辆遵循给定的轨迹和/或维持与自主车辆附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。计算设备还可以被配置为实施启发式方法来模仿类似人类行为，从而确定距离并调整自主车辆的速度(以及或许以其它方式控制自主车辆，诸如调整自主车辆的转向/轨迹)。

示例的车辆控制系统可以实施在汽车中或者可以采取汽车的形式。可替换地，车辆控制系统可以实施在其它车辆中或者采取其它车辆的形式，所述其它车辆诸如轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车。其它车辆也是可能的。

另外，示例系统可以采取其上存储有程序指令的非瞬时性计算机可读介质的形式，所述程序指令可以被至少一个处理器执行以提供这里描述的功能。示例系统还可以采取汽车或者汽车的子系统的形式，其包括其上存储有这样的程序指令的这样的非瞬时性计算机可读介质。

现在参照图，图1是根据示例实施例的示例汽车100的简化框图。耦合到汽车100或包括在汽车100中的组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可包括处理器113和存储器114。计算设备111可以是汽车100的控制器或该控制器的一部分。存储器114可包括处理器113可运行的指令115，并且还可以存储地图数据116。汽车100的组件可被配置为以与彼此互连和/或与耦合到各系统的其它组件互连的方式工作。例如，电源110可向汽车100的所有组件提供电力。计算设备111可被配置为从推进系统102、传感器系统104、控制系统106和外围设备108接收数据并对它们进行控制。计算设备111可被配置为在用户接口112上生成图像的显示并从用户接口112接收输入。

在其它示例中，汽车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、更少或不同的组件。此外，示出的系统和组件可以按任意数量的方式进行组合或划分。

推进系统102可被配置为向汽车100提供动力运动。如图所示，推进系统102包括引擎/发动机(engine/motor)118、能量源120、传动装置(transmission)122和车轮/轮胎124。

引擎/发动机118可以是内燃机、电动机、蒸汽机和斯特林发动机或包括它们的任意组合。其它发动机和引擎也是可能的。在一些示例中，推进系统102可包括多种类型的引擎和/或发动机。例如，气电混合轿车可包括汽油发动机和电动机。其它示例是可能的。

能量源120可以是完全或部分向引擎/发动机118供能的能量来源。也就是说，引擎/发动机118可被配置为将能量源120转换为机械能。能量源120的示例包括汽油、柴油、其它基于石油的燃料、丙烷、其它基于压缩气体的燃料、乙醇、太阳能电池板、电池和其它电力来源。(一个或多个)能量源120可以额外地或可替换地包括燃料箱、电池、电容器和/或飞轮的任意组合。在一些示例中，能量源120也可以为汽车100的其它系统提供能量。

传动装置122可被配置为将机械动力从引擎/发动机118传送到车轮/轮胎124。为此，传动装置122可包括变速箱、离合器、差速器、驱动轴和/或其它元件。在传动装置122包括驱动轴的示例中，驱动轴可包括被配置为耦合到车轮/轮胎124的一个或多个轮轴(axle)。

汽车100的车轮/轮胎124可配置为各种形式，包括单轮车、自行车/摩托车、三轮车或者轿车/卡车四轮形式。其它车轮/轮胎形式也是可能的，诸如包括六个或更多个车轮的那些。汽车100的车轮/轮胎124可被配置为相对于其它车轮/轮胎124差速地旋转。在一些示例中，车轮/轮胎124可包括固定地附着到传动装置122的至少一个车轮和可与驾驶表面(driving surface)接触的耦合到车轮的边缘的至少一个轮胎。车轮/轮胎124可包括金属和橡胶的任意组合，或者其它材料的组合。

推进系统102可以额外地或可替换地包括除了所示出的那些以外的组件。

传感器系统104可包括被配置为感测关于汽车100所位于的环境的信息的若干个传感器。如图所示，传感器系统的传感器包括全球定位系统(Global Positioning System，GPS)126、惯性测量单元(inertial measurement unit，IMU)128、无线电检测和测距(RADAR)单元130、激光测距仪(range finder)和/或光检测和测距(LIDAR)单元132、相机134、以及被配置为修改传感器的位置和/或朝向的致动器136。传感器系统104也可包括额外的传感器，包括例如监视汽车100的内部系统的传感器(例如，O₂监视器、燃油量表、机油温度，等等)。其它传感器也是可能的。

GPS模块126可以是被配置为估计汽车100的地理位置的任何传感器。为此，GPS模块126可包括被配置为根据基于卫星的定位数据来估计汽车100相对于地球的位置的收发器。在示例中，计算设备111可被配置为结合地图数据116使用GPS模块126来估计汽车100可在其上行驶的道路上的车道边界的位置。GPS模块126也可采取其它形式。

IMU 128可以是被配置为基于惯性加速度来感测汽车100的位置和朝向变化的传感器的任意组合。在一些示例中，传感器的组合可包括例如加速度计和陀螺仪。传感器的其它组合也是可能的。

RADAR单元130可以被看作物体检测系统，其可被配置为使用无线电波来检测物体的特性，诸如物体的间距、高度、方向或速度。RADAR单元130可被配置为发送无线电波或微波的脉冲，其可从所述波的路径中的任何物体弹回。物体可将所述波的一部分能量返回至接收器(例如，抛面或天线)，该接收器也可以是RADAR单元130的一部分。RADAR单元130还可被配置为对(从物体弹回的)接收到的信号执行数字信号处理，并且可被配置为识别物体。

其它类似于RADAR的系统已用在电磁波谱的其它部分上。一个示例是LIDAR(光检测和测距)，其可被配置为使用来自激光的可见光，而非无线电波。

LIDAR单元132可包括传感器，该传感器被配置为使用光来感测或检测汽车100所位于的环境中的物体。通常，LIDAR是可通过利用光照射目标来测量到目标的距离或目标的其它属性的光学遥感技术。作为示例，LIDAR单元132可包括被配置为发射激光脉冲的激光源和/或激光扫描仪，和被配置为接收激光脉冲的反射的检测器。例如，LIDAR单元132可包括由旋转镜反射的激光测距仪，并且在一个维度或两个维度上围绕数字化场景扫描激光，从而以指定角度间隔采集距离测量值。在示例中，LIDAR单元132可包括诸如光(例如，激光)源、扫描仪和光学系统、光电检测器和接收器电子器件、以及位置和导航系统的组件。

在示例中，LIDAR单元132可被配置为使用紫外光(UV)、干涉测量可见度、或近红外光对物体成像，并且可用于广泛的目标，包括非金属物体。在一个示例中，窄激光波束可用于以高分辨率对物体的物理特征进行地图绘制。

在示例中，从约10微米(红外)至约250纳米(UV)的范围中的波长可被使用。光通常经由后向散射被反射。不同类型的散射被用于不同的LIDAR应用，诸如瑞利散射、米氏散射和拉曼散射以及荧光。基于不同种类的后向散射，作为示例，LIDAR可因此被称为瑞利激光RADAR、米氏LIDAR、拉曼LIDAR以及钠/铁/钾荧光LIDAR。波长的适当组合可允许例如通过寻找反射信号的强度的依赖波长的变化对物体进行远程地图绘制。

可使用扫描LIDAR系统和非扫描LIDAR系统两者实现三维(3D)成像。“3D选通观测激光RADAR(3D gated viewing laser radar)”是非扫描激光测距系统的示例，其应用脉冲激光和快速选通相机。成像LIDAR也可使用通常使用CMOS(互补金属氧化物半导体)和混合CMOS/CCD(电荷耦合器件)制造技术在单个芯片上构建的高速检测器阵列和调制敏感检测器阵列来执行。在这些器件中，每个像素可通过以高速解调或选通来被局部地处理，以使得所述阵列可被处理成表示来自相机的图像。使用此技术，可同时获取上千个像素以创建表示由LIDAR单元132检测到的物体或场景的3D点云。

点云可包括3D坐标系统中的一组顶点。这些顶点，例如，可由X、Y、Z坐标定义，并且可表示物体的外表面。LIDAR单元132可被配置为通过测量物体表面上的大量点来创建点云，并可将点云作为数据文件输出。作为通过LIDAR单元132的对物体的3D扫描过程的结果，点云可用于识别和可视化物体。

在一个示例中，点云可被直接渲染以可视化物体。在另一示例中，点云可通过可被称为表面重建的过程被转换为多边形或三角形网格模型。用于将点云转换为3D表面的示例技术可包括德洛内三角剖分、阿尔法形状和旋转球。这些技术包括在点云的现有顶点上构建三角形的网络。其它示例技术可包括将点云转换为体积距离场，以及通过移动立方体算法重建这样定义的隐式表面。

相机134可以是被配置为捕获汽车100所位于的环境的图像的任意相机(例如，静态相机、视频相机等)。为此，相机可被配置为检测可见光，或可被配置为检测来自光谱的其它部分的光(诸如红外光或紫外光)。其它类型的相机也是可能的。相机134可以是二维检测器，或可具有三维空间范围。在一些示例中，相机134例如可以是间距检测器，其被配置为生成指示从相机134到环境中的若干点的距离的二维图像。为此，相机134可使用一种或多种间距检测技术。例如，相机134可被配置为使用结构光技术，其中汽车100利用预定光图案，诸如栅格或棋盘格图案，对环境中的物体进行照射，并且使用相机134检测从物体的预定光图案的反射。基于反射的光图案中的畸变，汽车100可被配置为检测到物体上的点的距离。预定光图案可包括红外光或其它波长的光。

致动器136例如可被配置为修改传感器的位置和/或朝向。

传感器系统104可额外地或可替换地包括除了所示出的那些以外的组件。

控制系统106可被配置为控制汽车100及其组件的操作。为此，控制系统106可包括转向单元138、油门140、制动单元142、传感器融合算法144、计算机视觉系统146、导航或路线控制(pathing)系统148以及避障系统150。

转向单元138可以是被配置为调整汽车100的前进方向或方向的机构的任意组合。

油门140可以是被配置为控制引擎/发动机118的操作速度和加速度并进而控制汽车100的速度和加速度的机构的任意组合。

制动单元142可以是被配置为使汽车100减速的机构的任意组合。例如，制动单元142可使用摩擦来减慢车轮/轮胎124。作为另一示例，制动单元142可被配置为再生的(regenerative)并且将车轮/轮胎124的动能转换为电流。制动单元142也可采取其它形式。

传感器融合算法144可以包括例如计算设备111可运行的算法(或者存储算法的计算机程序产品)。传感器融合算法144可被配置为接受来自传感器系统104的数据作为输入。所述数据可包括例如表示在传感器系统104的传感器处感测到的信息的数据。传感器融合算法144可包括例如卡尔曼滤波器、贝叶斯网络或者另外的算法。传感器融合算法144还可被配置为基于来自传感器系统104的数据来提供各种评价，包括例如对汽车100所位于的环境中的个体物体和/或特征的评估、对特定情形的评估、和/或基于特定情形对可能影响的评估。其它评价也是可能的。

计算机视觉系统146可以是被配置为处理和分析由相机134捕获的图像以便识别汽车100所位于的环境中的物体和/或特征的任何系统，所述物体和/或特征包括例如车道信息、交通信号和障碍物。为此，计算机视觉系统146可使用物体识别算法、从运动中恢复结构(Structure from Motion，SFM)算法、视频跟踪或其它计算机视觉技术。在一些示例中，计算机视觉系统146可以额外地被配置为对环境进行地图绘制、跟踪物体、估计物体的速度，等等。

导航和路线控制系统148可以是被配置为确定汽车100的驾驶路线的任何系统。导航和路线控制系统148可以额外地被配置为在汽车100处于行进中的同时动态地更新驾驶路线。在一些示例中，导航和路线控制系统148可被配置为结合来自传感器融合算法144、GPS模块126和一个或多个预定地图的数据以便为汽车100确定驾驶路线。

避障系统150可以是被配置为识别、评估和避免或者以其它方式越过汽车100所位于的环境中的障碍物的任何系统。

控制系统106可以额外地或可替换地包括除了所示出的那些以外的组件。

外围设备108可被配置为允许汽车100与外部传感器、其它车辆和/或用户交互。为此，外围设备108可包括例如无线通信系统152、触摸屏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无线耦合至一个或多个其它汽车、传感器或其它实体的任何系统。为此，无线通信系统152可包括用于直接或通过空中接口与其它汽车、传感器或其它实体通信的天线和芯片集。芯片集或无线通信系统152通常可被布置为根据一个或多个其它类型的无线通信(例如，协议)来通信，所述无线通信诸如蓝牙、IEEE 802.11(包括任何IEEE 802.11修订版)中描述的通信协议、蜂窝技术(诸如GSM、CDMA、UMTS、EV-DO、WiMAX或LTE)、紫蜂、专用短程通信(dedicated short rangecommunications，DSRC)以及射频识别(radio frequency identification，RFID)通信，等等。无线通信系统152也可采取其它形式。

触摸屏154可被用户用来向汽车100输入命令。为此，触摸屏154可被配置为经由电容感测、电阻感测或者表面声波过程等等来感测用户的手指的位置和移动中的至少一者。触摸屏154可以能够感测在与触摸屏表面平行或与触摸屏表面在同一平面内的方向上、在与触摸屏表面垂直的方向上、或者在这两个方向上的手指移动，并且还可以能够感测施加到触摸屏表面的压力的水平。触摸屏154可由一个或多个半透明或透明绝缘层和一个或多个半透明或透明导电层形成。触摸屏154也可采取其它形式。

麦克风156可被配置为从汽车100的用户接收音频(例如，声音命令或其它音频输入)。类似地，扬声器158可被配置为向汽车100的用户输出音频。

外围设备108可以额外地或可替换地包括除了所示出的那些以外的组件。

电源110可被配置为向汽车100的一些或全部组件提供电力。为此，电源110可包括例如可再充电锂离子或铅酸电池。在一些示例中，一个或多个电池组可被配置为提供电力。其它电源材料和配置也是可能的。在一些示例中，电源110和能量源120可一起实现，如在一些全电动车中那样。

包括在计算设备111中的处理器113可包括一个或多个通用处理器和/或一个或多个专用处理器(例如，图像处理器、数字信号处理器等)。就处理器113包括多于一个处理器而言，这种处理器可单独工作或组合工作。计算设备111可被配置为例如基于通过用户接口112接收的输入来控制汽车100的功能。

存储器114进而可包括一个或多个易失性存储组件和/或一个或多个非易失性存储组件，诸如光、磁和/或有机存储装置，并且存储器114可全部或部分与处理器113集成。存储器114可包含可由处理器113执行的指令115(例如，程序逻辑)，以执行各种汽车功能，包括本文中描述的功能或方法中的任何一个。

汽车100的组件可被配置为以与在其各自的系统内部和/或外部的其它组件互连的方式工作。为此，汽车100的组件和系统可通过系统总线、网络和/或其它连接机制(未示出)来通信地链接在一起。

另外，尽管组件和系统的每一个被示出为集成到汽车100中，但是在一些示例中，一个或多个组件或系统可使用有线或无线连接来被可移除地安装在汽车100上或以其它方式(机械地或电气地)连接至汽车100。

汽车100可包括除了所示出的那些或代替所示出的那些的一个或多个元件。例如，汽车100可包括一个或多个额外的接口和/或电源。其它额外的组件也是可能的。在这些示例中，存储器114还可以包括指令，其可被处理器113运行来控制额外的组件和/或与额外的组件通信。

图2示出根据实施例的示例汽车200。具体地，图2示出了汽车200的右侧视图、前视图、后视图和顶视图。虽然汽车200在图2中被图示为轿车，但其它示例是可能的。例如，汽车200可表示卡车、厢式货车、半挂卡车、摩托车、高尔夫球车、越野车或者农场汽车，以及其它示例。如图所示，汽车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中的每一者可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。其它类型的传感器也是可能的。

尽管第一、第二和第三传感器单元202被示为安装在汽车200上的特定位置中，但在一些示例中，传感器单元202可安装在汽车200上的别处，安装在汽车200内部或外部。另外，尽管只示出了三个传感器单元，但在一些示例中，汽车200中可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中的一个或多个可包括一个或多个可移动底座，所述传感器可以可移动地安装在这些底座上。可移动底座可包括例如旋转平台。安装在旋转平台上的传感器可被旋转以使得传感器可获得来自汽车200周围的每个方向的信息。可替换地或额外地，可移动底座可包括倾斜平台。安装在倾斜平台上的传感器可在特定的角度和/或方位范围内被倾斜以使得传感器可获得来自各种角度的信息。可移动底座也可采取其它形式。

另外，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的传感器的位置和/或朝向。示例致动器包括马达(motor)、气动致动器、液压活塞、继电器、螺线管和压电致动器。其它致动器也是可能的。

无线通信系统208可以是被配置为直接地或者经由通信网络来无线地耦合到一个或多个其它汽车、传感器或其它实体的任何系统，如以上针对图1中的无线通信系统152所描述的那样。尽管无线通信系统208被示为位于汽车200的顶盖上，但在其它示例中，无线通信系统208可以完全或部分地位于别处。

相机210可以是被配置为捕获汽车200所位于的环境的图像的任何相机(例如，静态相机、视频相机，等等)。为此，相机210可采取如以上针对图1中的相机134所描述的任何形式。尽管相机210被示为安装在汽车200的前挡风玻璃内部，但在其它示例中，相机210可安装在汽车200上的别处，安装在汽车200内部或外部。

汽车200可包括除了所示出的那些或代替所示出的那些的一个或多个其它组件。

汽车200的控制系统可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汽车200。控制系统可被配置为从耦合到汽车200(在汽车200上或汽车200外)的传感器接收信息，基于该信息修改控制策略(以及相关联的驾驶行为)，并且根据经修改的控制策略控制汽车200。控制系统还可被配置为监视从传感器接收到的信息，并且持续评估驾驶状况；并且也可被配置为基于驾驶状况的变化修改控制策略和驾驶行为。

图3是用于调整车辆的速度的示例方法300的流程图。方法300可包括一个或多个操作、功能或动作，如方框302-308中的一个或多个所图示的。虽然方框按相继顺序示出，但这些方框在一些情况下可并行执行和/或按与本文中描述的顺序不同的顺序执行。并且，各种方框可基于期望的实现方式组合成更少的方框，划分成额外的方框，和/或被移除。

此外，对于本文中公开的方法300以及其它过程和方法，流程图示出了当前实施例的一个可能实现方式的功能和操作。就这一点而言，每个方框可代表程序代码的模块、片段或部分，其包括可由处理器运行以实现过程中的特定逻辑功能或步骤的一个或多个指令。程序代码可被存储在任意类型的计算机可读介质或存储器中，诸如例如包括盘或硬盘驱动器的存储设备。计算机可读介质可包括非瞬时性计算机可读介质，诸如例如像寄存器存储器、处理器缓存和随机存取存储器(Random Access Memory，RAM)那样在短时间段里存储数据的计算机可读介质。计算机可读介质还可包括诸如次级或永久长期存储装置之类的非瞬时性介质或存储器，例如，像只读存储器(read only memory，ROM)、光盘或磁盘、致密盘只读存储器(compact-disc read only memory，CD-ROM)。计算机可读介质也可以是任何其它易失性或非易失性存储系统。计算机可读介质可被看作例如计算机可读存储介质、有形存储设备或者其它制品。

此外，对于方法300和这里所公开的其它过程和方法，图3中的每个方框可以表示被连线以执行所述过程中的特定逻辑功能的电路。为了示例，图3中所示的方法300将被描述为由诸如图1中的计算设备111的示例计算设备实现。方法300还能被描述为由自主车辆实现，因为计算设备可以是车载的或者可以是非车载的但是与该车辆无线通信。因此，术语“计算设备”和“自主车辆”在本文中可以互换。然而，在一些示例中，所述计算设备可以被配置为以自主或者半自主操作模式来控制车辆。应该理解，其它实体或者实体组合能够实现示例方法300的一个或多个步骤。

在方框302，方法300包括识别在自主车辆前面的第一物体。另外，在方框304，所述方法包括：识别在第一物体前面的第二物体，其中第一物体和第二物体基本上处于与自主车辆相同的车道中。然而，应该理解，除了识别在自主车辆前面(或基本上在自主车辆前方)并且处于与自主车辆基本上相同的车道中的物体之外或者代替所述识别，计算设备能够被配置为识别自主车辆的环境内的其它物体，包括例如在自主车辆侧面的(例如，道路上的相邻车道)物体、和/或在自主车辆后面的物体。

在一些示例中，除了第一物体之外，计算设备可以识别在自主车辆和第二物体之间其它物体，诸如在自主车辆前方并且在第二物体后面行驶的多个车辆。所述物体可以位于距自主车辆的纵向距离阈值内或者距自主车辆的横向距离阈值内。例如，在行驶道路上，自主车辆可以基于在自主车辆前方的与该车辆处于相同车道中的其它车辆或者物体的行为来调整其速度。另外，所述自主车辆可以基于行驶道路上的相邻车道中的车辆或者其它物体的行为来调整其速度，诸如在邻近车辆从其当前车道移动到自主车辆正在其中行驶的车道时做出调整。在一些情景中，当可以期望自主车辆基于在相同车道中行驶的、位于该自主车辆前方或者该自主车辆后面给定纵向距离处的车辆来调整它的速度时，可以不期望自主车辆基于在横向上位于距该自主车辆所述相同给定距离处的物体(例如，超出相邻车道的车道中的物体)的行为来调整它的速度。

在一些示例中，在第一物体前面的第二物体以及在自主车辆和第二物体之间的其它物体可以包括另一车辆(例如，轿车、自行车、等等)。在其它示例中，第二物体可以包括交通控制物体，诸如停车标志、交通信号灯、交通锥标、路面标记、道路边界障碍、等等。在又一些其它示例中，第二物体可以是行人，诸如在即将到来的十字路口穿越街道的行人。其它示例也是可能的。

除了识别物体之外，计算设备可以被配置为确定每个物体的各个特性。例如，计算设备可以被配置为确定物体的类型或者对物体进行分类(例如，轿车还是卡车、轿车还是摩托车、交通标志还是行人、等等)。另外，计算设备能够确定物体是在移动还是静止。在一些示例中，在自主车辆和第二物体之间识别的至少一个物体可以是动态(例如，移动的)物体。

计算设备可以被配置为估计所述物体的尺寸(例如，宽度和长度)和重量。另外，计算设备可以被配置为确定物体的运动方向，诸如所述物体是正朝向自主车辆移动还是正远离所述车辆移动。更进一步，计算设备可以被配置为确定所述物体的传动类型(例如，手动和自动)和传动模式，诸如，所述物体是处于停放模式、驾驶模式、倒车模式、还是中性传动模式。又进一步，计算设备可以被配置为确定所述物体在道路上的各自车道中的位置或者所述物体在行驶路线中的位置、以及所述物体可以距离车道边界多近。在一些示例中，计算设备可以被配置为确定物体相对于自主车辆的相对纵向速度和横向速度。这些特性是用于图示的示例，并且其它特性也可以被确定。

交通控制物体的特性也可以被确定，诸如交通信号灯的颜色。在一些示例中，当红色交通信号灯被识别为基本上在车辆前方的物体(例如，第二物体)时，计算设备可以被配置为忽略超出交通信号灯的(例如，比交通信号灯更远离自主车辆的)物体。相同的配置可以应用在停车标志被识别的情景中。在其它示例中，当绿色交通信号灯被计算设备识别时，计算设备可以被配置为忽略作为物体的绿色交通信号灯，并且因而，自主车辆的速度可以不基于绿色交通信号灯的存在而被调整。在又一些其它示例中，当黄色交通信号灯被计算设备识别时，计算设备可以被配置为犹如交通信号灯是红色或者绿色时那样执行功能，或者可以执行其它功能。计算设备还可以被配置为检测交通信号灯何时将改变颜色。

为了识别物体和物体的特性，计算设备可以被配置为使用耦合至自主车辆的传感器和设备。例如，相机(诸如图1中的相机134或者图2中的相机210)或者任何其它图像捕获设备可以耦合至自主车辆并且可以与计算设备通信。所述相机可以被配置为捕获行驶路线/道路和行驶路线/道路附近的图像或者视频。计算设备可以被配置为接收所述图像或者视频，并且使用图像处理技术来识别例如所述图像或者视频中描绘的物体。计算设备可以被配置为例如将所述图像的部分与物体的模板进行比较以识别物体。

在另一个示例中，计算设备可以被配置为从耦合至自主车辆并且与计算设备通信的LIDAR设备(例如，图1中的LIDAR单元132)接收可以包括三维(3D)点云的基于LIDAR的信息。3D点云可以包括与从LIDAR设备发出并且从道路上的或者道路附近的物体反射的光相对应的点。

如针对图1中的LIDAR单元132所描述的，LIDAR设备的操作可以涉及光学遥感科技，其使得能够测量散射光的属性以便找到遥远目标的间距和/或其它信息。LIDAR设备，例如，可以被配置为将激光脉冲作为波束发出，并且扫描该波束以生成二维的或者三维的间距矩阵。在示例中，间距矩阵可以被用来通过测量脉冲的发送和相应的反射信号的检测之间的时间延迟来确定距物体或者表面的距离。

在示例中，LIDAR设备可以被配置为在三个维度中扫描自主车辆周围的环境。在一些示例中，超过一个LIDAR设备可以耦合至车辆以便扫描车辆的完整的360°全景。LIDAR设备可以被配置为向计算设备提供点数据的云，其表示道路上的和道路附近的已经被激光打中的障碍物或者物体。除了间距之外，LIDAR设备可以利用方位角和俯仰角来表示点，其可以被转换成相对于附着于自主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物反射回的光或者激光的强度值，所述强度值可以指示给定物体的表面类型。基于这样的信息，计算设备可以被配置为识别物体和物体的特性，诸如，物体的类型、尺寸、速度、物体是否是具有反光表面的交通标志、等等。

在又一个示例中，计算设备可以被配置为从耦合至自主车辆并且与计算设备通信的RADAR设备(例如，图1中的RADAR单元130)接收与物体的位置和特性有关的基于RADAR的信息。RADAR设备可以被配置为发出无线电波并且收回从道路上和道路附近的物体的表面弹回的所发出的无线电波。接收到的信号或者基于RADAR的信息可以指示例如给定物体的几何特性，并且可以指示给定物体是静止的还是移动的。

在又一个示例中，计算设备可以被配置为能够访问地图信息，所述地图信息识别永久地放置在道路上的静态物体(诸如交通信号灯、交通标志、防护栏等等)。地图信息还可以被周期性地更新，并且可以包括关于可能在自主车辆附近的最近已经发生的事故以及发生的损坏或交通的信息。

在一个示例中，计算设备可以被配置为基于从多个源(诸如图像捕获设备、LIDAR设备、RADAR设备等等)接收的信息来检测和识别物体及物体的特性。然而，在另一个示例中，计算设备可以被配置为基于从所述多个源的子集接收的信息来识别物体。例如，由图像捕获设备所捕获的图像可能由于图像捕获设备的故障而模糊，并且在另一个示例中，在图像中道路的细节可能因为雾而模糊。在这些示例中，计算设备可以被配置为基于从LIDAR和/或RADAR单元接收的信息来识别物体，并且可以被配置为忽视从图像捕获设备接收的信息。

在另一个示例中，自主车辆可能在这样的道路的一部分中行驶：一些电噪声或者干扰信号可能导致LIDAR设备和/或RADAR设备不正确地操作。在这种情况下，计算设备可以被配置为基于从图像捕获设备接收的信息来识别物体，并且可以被配置为忽视从LIDAR和/或RADAR单元接收的信息。

在一个示例中，计算设备可以被配置为基于道路的状况(例如，雾、电子干扰等等)对这些信息源进行排序。所述排序可以指示在识别物体的过程中依赖哪个(哪些)设备或者给予哪个(哪些)设备更多的权重。作为示例，如果在道路的一部分中存在雾，则LIDAR和RADAR设备可以被排序成高于基于图像的设备，并且从LIDAR和/或RADAR设备接收的信息可以被给予比从图像捕获设备接收的各个信息更多的权重。

计算设备还可以被配置为从耦合至自主车辆的传感器和设备接收与例如自主车辆的系统和子系统的状况相关联的信息。另外，计算设备可以被配置为接收与自主车辆的周围环境(诸如，驾驶状况和道路状况(例如，雨、雪、等等))相关联的信息。例如，指示在车辆前面道路结冰或者湿滑的信息可能导致计算设备修改它对自主车辆的速度的调整。其它示例也是可能的。

在方框306，方法300包括确定第一缓冲距离，第一缓冲距离是在第一物体之后的、自主车辆将在该处基本上达到第一物体的速度的最小距离。另外，在方框308，所述方法包括确定第二缓冲距离，第二缓冲距离是在第二物体之后的、第一物体将在该处基本上达到第二物体的速度的最小距离。更进一步，在方框310，所述方法包括基于第一缓冲距离和第二缓冲距离以及自主车辆的速度来确定在该处调整自主车辆的速度的距离。应该理解，当在自主车辆的环境内识别出除了第一物体和第二物体之外的其它物体时，其它缓冲距离也可以被确定。

图4A示出用于确定缓冲距离和在该处调整车辆的速度的距离的示例情景。如图所示，在+y方向上行驶的自主车辆400(例如，自主车辆的计算设备)可以识别基本上在自主车辆400的前方并且也在+y方向上行驶的多个物体402-408。所述多个物体402-408可以包括在自主车辆400前面行驶的物体(诸如车辆402)以及在自主车辆400和车辆402之间的多个物体(诸如，车辆404、车辆406、和车辆408)。如图所示，每个车辆可以具有能够被用来确定距离(诸如，从该车辆到自主车辆400的间距)r_i、汽车的速度/速率v_i、和汽车的加速度(或者减速度)a_i的各自的特性。

自主车辆400还可以具有能够被用来确定距离的特性，诸如自主车辆400的速度/速率r₀和自主车辆400的加速度/减速度a₀。另外，所述距离可以是基于自主车辆的纵向速度v_LONG和自主车辆的横向速度v_LAT。在一些示例中，所述距离除了基于自主车辆的速度(例如，自主车辆的当前速度)之外，所述距离还可以基于车辆的其它特性，包括自主车辆的运动方向、尺寸、行驶路线上的位置、和类型、以及其它特性。

在一些示例中，自主车辆400还可以确定车辆402-408中的每一个的缓冲距离，并且可以使用每个缓冲距离来预测车辆402-408的行为，以及确定在所述车辆之后的在该处自主车辆400应该调整它的速度的距离。每个缓冲距离可以表示在给定车辆之后的在该处紧跟着该给定车辆的另一车辆将匹配(或基本上达到)该给定车辆的速度的最小距离。通过确定缓冲距离，自主车辆400能够确定何时(或者在距最近或最远物体的什么距离处)它将需要调整它的速度。例如，自主车辆400可以确定车辆404将在缓冲距离b₄处匹配车辆402的速度，车辆406将在缓冲距离b₃处匹配车辆404的速度，并且车辆408将在缓冲距离b₂处匹配车辆406的速度。要注意，缓冲距离b₁大约为零，因为车辆408最靠近自主车辆400，并且因此自主车辆400能够被假定为匹配车辆408的速度。另外，如果车辆402开始减速，则自主车辆400可以确定缓冲距离，并因而确定自主车辆400和车辆402之间的每个车辆的缓冲距离，自主车辆400将需要更早地(在距车辆402的某一距离处)减速。然后，自主车辆400可以在车辆404-408对车辆402的速度变化作出反应并也开始减速之前开始减速。

缓冲距离可以是从车辆到给定车辆的间距的函数，并且可以在车辆更远离自主车辆400时更短。例如，车辆402的缓冲距离b₄可以短于其它缓冲距离，因为车辆402最远离自主车辆400，并且因此它的未来行为对自主车辆400的影响没有更靠近车辆400的车辆的行为那么多。在一些示例中，可以通过将给定时间常数乘以车辆400的速度来确定缓冲距离。确定缓冲距离的其它示例也是可能的。

图4B示出用于确定在该处调整车辆的速度的距离的另一示例情景。如图所示，与图4A的在+y方向上行驶的自主车辆400类似的自主车辆450可以识别基本上在自主车辆450前方的多个物体452-458。自主车辆450可以识别在距车辆450间距r_S处的红色交通信号灯452(例如，第二物体)。另外，自主车辆450可以识别各自在+y方向上行驶的车辆454、车辆456、和车辆458，并且确定每个车辆的特性，诸如各个的速度(纵向的和横向的)、加速度、距自主车辆450的间距等等。

当自主车辆450识别出红色交通信号灯452和在自主车辆450和所述红色交通信号灯452之间的移动车辆454-458时，自主车辆450可以被配置为确定在该处调整它的速度的距离。另外，自主车辆450可以在车辆454-458由于即将到来的前面的红色交通信号灯而开始减速并且停止之前确定所述距离。换句话说，自主车辆450可以预测车辆454-458将需要开始减速并停止在红色交通信号灯452之前，并因此在车辆454-458停下来或者开始减速之前调整它的速度。在一些情景中，红色交通信号灯452可以替代地是停止的车辆或者不移动的其它物体，其在这样的情景中(例如，作为以零速度行驶的物体)将被自主车辆450以同样的方式来识别和对待。

在自主车辆450和红色交通信号灯452之间不存在车辆454-458和没有物体的一些示例中，自主车辆450可以确定它需要在过距离r_S之后停下来。然而，在诸如图4B中所示的一个示例的示例中，自主车辆450可以确定它具有更短的停下来的距离，因为车辆454-458在它的前方。因而，自主车辆450可以基于所述间距r_S和缓冲距离b_S来确定在该处调整它的速度的距离。

除了以上提及的影响缓冲距离的因子之外或者代替以上提及的影响缓冲距离的因子，所述缓冲距离可以是基于给定物体或多个物体的长度以及处于零速度的每个物体之间的预定最小间隔。例如，如图所示，每个车辆可以具有长度y。在其它示例中，物体的长度可以不同。另外，当停止时每个车辆之间的预定(例如，估计)最小间隔可以是间隔x。因而，自主车辆450可以通过将车辆的长度与预定的间隔相加来确定b_S(例如，b_S＝y+y+y+x+x＝3y+2x)。因此，车辆450在该处应该调整它的速度的距离可以等于距红色交通信号灯452的间距r_S减去缓冲距离b_S(例如，r_S-b_S)。

通常，当交通信号灯被识别时，自主车辆(例如，车辆的计算设备)可以基于交通信号灯的当前状态确定在该处调整它的速度的距离。然而，在一些示例中，自主车辆可以被配置为预测交通信号灯的状态变化。例如，自主车辆可以确定，在交通信号灯当前为红色的同时，交通信号灯可能在给定时间段之后改变为绿色。依照给定的时间段，自主车辆可以将交通信号灯认定为绿色交通信号灯，并且预测在自主车辆和交通信号灯之间的车辆将开始增大它们的速度。然后自主车辆可以根据它的当前速度而加速、减速、或者保持速度。

作为示例，自主车辆可能正在接近红色交通信号灯，但是可能距交通信号灯和所述交通信号灯前方的停止的车辆足够远的距离以至于它还没有开始减速。自主车辆可以确定交通信号灯将在一个短时间段之后从红色改变为绿色，并且因此确定车辆不久将开始加速。因为自主车辆可能仍然距交通信号灯和车辆较远的距离，所以如果自主车辆确定等到自主车辆更靠近所述车辆时所述车辆将已经加速足够多从而自主车辆的当前速度(或者增大后的速度)可以基本上与自主车辆正接近的最靠近自主车辆的先前停止的车辆(例如，图4B中的车辆458)的速度匹配，则自主车辆可以维持它的当前速度(或者增大它的速度)。其它示例也是可能的。

应该理解，应用在针对图4B描述的示例中的推理也能够应用在多个识别的物体正在移动(例如，没有交通控制设备)的示例中，诸如针对图4A描述的示例。还应该理解，自主车辆450、红色交通信号灯452、以及图4B中所示的车辆454-458之间的距离/间距可以不是按比例的。具体地，有可能车辆454和红色交通信号灯452之间的距离将远远大于车辆之间的最小间隔距离x。

回头参考图3，在方框312，方法300包括基于距离提供调整自主车辆的速度的指令。在多个动态物体位于自主车辆和第二物体之间的一些示例中，计算设备可以在确定所述动态物体中的一个或多个的速度变化之前调整自主车辆的速度。

自主车辆的控制系统可以包括多个控制策略，其可以是预定的或者适应于自主车辆的驾驶环境的变化，所述驾驶环境包括预测的基本上在自主车辆前方的、在自主车辆后面的、和/或在自主车辆侧面的物体的动作。通常，控制策略可以包括与各种驾驶场景下的交通交互相关联的指令集或者规则。所述控制策略例如可以包括在考虑安全和交通规则和关注点(例如，停在十字路口处和让行情形下的机会窗口的其它车辆、车道跟踪、速度控制、距道路上的其它车辆的距离、超越其它车辆、和在停停走走的交通中排队、以及避开可能导致不安全的行为的区域(诸如即将到来的交通车道)等等)的同时确定自主车辆的速度、转向角、和自主车辆可以在其上行驶的车道的规则。例如，计算设备可以被配置为基于在方框310中确定的距离来确定包括用于控制自主车辆的速度、转向角、和车道的动作的规则的控制策略。控制策略还可以还基于自主车辆与邻近物体(例如，道路边界和在相邻车道中行驶的车辆)之间的横向距离。另外，给定的控制策略(或者多个策略)可以包括程序或者计算机指令，其表现控制自主车辆的致动器(例如，油门、转向器、制动器、加速器、或者变速器)的特性。

在一些示例中，由计算设备提供的用于调整对自主车辆的控制(例如，速度、转向等等)的指令可以基于道路几何学，诸如道路是直的、稍微弯曲的、还是非常弯曲的等等。

图5示出关于行驶道路的示例方法的实施方式。车辆500可以在诸如高速公路的道路上的车道501中。被配置为控制自主车辆500的计算设备可以被配置为识别行驶道路上基本上在自主车辆500前方的多个物体。所述多个物体可以包括与自主车辆500在相同车道501中的物体502，诸如移动物体(例如，轿车、卡车等等)。所述多个物体还可以包括在自主车辆500的车道501的相邻车道511中的移动物体504、506、508、和510。在一些示例中，计算设备可以不被配置为识别物体510，直到物体510的整个长度都在自主车辆500前方为止。

在一些示例中，计算设备可以被配置为识别自主车辆500的环境内的其它物体，诸如位于自主车辆500后面在相邻车道中的物体512。在其它示例中，计算设备可以被配置为忽略可能超出距自主车辆500的阈值距离的物体，诸如物体514。计算设备还可以识别诸如护栏516的静态物体。计算设备还可以被配置为确定物体502-516的特性，诸如尺寸、位置、速度等等。

在一些示例中，自主车辆500可以被配置为仅仅识别基本上在它前方的物体，并且可以因此忽略物体512和514。在其它示例中，计算设备可以被配置为识别物体512和514，但是可以忽略它们，直到它们在距自主车辆500的阈值距离内为止。在这样的示例中，计算设备可以监视物体512和514的特性以便预测它们的未来行为，同时在确定在该处调整自主车辆500的速度的距离是并不考虑它们的特性，直到所述物体在距自主车辆500的阈值距离内为止。例如，自主车辆500可以预测物体512将加速、超过自主车辆500的速度、并且超越自主车辆500。自主车辆500也可以预测物体512的其它动作(例如，物体512可以超越自主车辆并且移动到与自主车辆相同的车道中)。

计算设备可以基于识别的物体502-516、它们的特性、和各自的缓冲距离来确定在该处调整自主车辆500的速度的距离。在一些示例中，然而，计算设备可以确定基本上在自主车辆500前方的一个或多个物体(诸如物体508)可能改变车道或者正在改变车道。因而，计算设备可以修改距离以对此做出应对(例如，调整缓冲距离)。例如，如果物体508将车道从车道511改变为车道501，则物体508可能更靠近自主车辆500，并且因此自主车辆500可能需要调整它的速度以便匹配物体508的速度。在检测到物体508正在改变车道之前，自主车辆500可能已经以更高的速度在行驶，因为没有物体被识别为处于与自主车辆500和物体502相同的车道501中，并且在检测到物体508已经改变车道之后，自主车辆500可以降低其速度。另外，计算设备可以预测到，一旦物体508已经完全地或者部分地进入车道501，则物体510将提速到匹配物体506的速度。计算设备也可以被配置为做出其它确定/预测，并且相应地修改距离。

在一些示例中，计算设备可以被配置为在识别的物体502-516之间排列优先级以便确定距离。例如，如果物体508在与自主车辆500和物体502相同的车道501中，则物体508的行为可以比相邻车道511中的物体504、506、和510的行为被更多地考虑。这样的优先级排列可以例如采取修改的缓冲距离的形式(例如，物体510的缓冲距离可以短于物体508的缓冲距离，尽管物体510更靠近自主车辆500)。因此，计算设备可以被配置为向所确定的距离加上距离的缓冲量或者从所确定的距离减去距离的缓冲量，以便应对或者弥补这样的车道变化，以及应对或弥补自主车辆500的环境中的任何其它变化。优先级排列也可以以其它方式来实现。

在一些示例中，如上所述的方法可以仅仅在自主车辆和第二物体之间存在除了所识别的第一物体之外的至少一个移动物体时由计算设备实现。在自主车辆和第二物体之间不存在移动物体的示例中，如上所述的方法可以不被实现，或者可以根据另一方法或者本文中没有描述的方法来实现。

在一些实施例中，所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。图6示意性地示出根据这里展示的至少一些实施例而布置的示例计算机程序产品的概念性局部视图，所述示例计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。在一个实施例中，示例计算机程序产品600是使用信号承载介质601来提供的。所述信号承载介质601可以包括一个或多个程序指令602，其当被一个或多个处理器(例如，计算设备111中的处理器113)运行时可以提供以上针对图1-图5描述的功能或者部分功能。因此，例如，参考图3中所示的实施例，方框302-306的一个或多个特征可以由与信号承载介质601相关联的一个或多个指令来承担。此外，图6中的程序指令602也描述示例指令。

在一些示例中，信号承载介质601可以包含计算机可读介质603，诸如但不限于，硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器等等。在一些实施方式中，信号承载介质601可以包含计算机可记录介质604，诸如但不限于，存储器、读/写(R/W)CD、R/WDVD、等等。在一些实施方式中，信号承载介质601可以包含通信介质605，诸如但不限于，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、等等)。因此，例如，信号承载介质601可以由无线形式的通信介质605(例如，遵守IEEE 802.11标准或者其它传输协议的无线通信介质)来传达。

一个或多个程序指令602可以是，例如，计算机可执行指令或者逻辑实施指令。在一些示例中，诸如针对图1-图5描述的计算设备的计算设备可以被配置为，响应于通过计算机可读介质603、计算机可记录介质604、和/或通信介质605中的一个或多个传达到计算设备的程序指令602，提供各种操作、功能、或者动作。应该理解，这里描述的布置仅仅是用于示例的目的。因而，本领域技术人员将理解，其它布置和其它元素(例如，机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用，并且一些元素可以根据所期望的结果而一并省略。另外，所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。

虽然本文中已经公开了各种方面和实施例，但是其它方面和实施例将对本领域技术人员显而易见。本文中所公开的各种方面和实施例是用于例示的目的并且不意图进行限制，真实的范围由所附权利要求以及这样的权利要求有资格得到的等效物的全部范围所指示。还要理解，这里使用的术语仅仅是用于理解描述特定实施例的目的，而不意图进行限制。

Claims

1.一种用于控制车辆的速度的方法，包括：

由计算设备的至少一个处理器基于从通信地链接到所述计算设备的至少一个传感器接收的数据，识别在与自主车辆基本上相同的车道中在所述自主车辆前面行驶的车辆；

所述至少一个处理器基于所述数据识别所述车辆前面的交通控制对象；

所述至少一个处理器确定所述车辆前面的所述交通控制对象的状态；

所述至少一个处理器确定缓冲距离，所述缓冲距离是所述车辆后方的在该处所述自主车辆被预测为基本上达到所述车辆的速度的最小距离；

所述至少一个处理器基于所述缓冲距离、所述交通控制对象的状态和所述自主车辆的速度，确定在该处调整所述自主车辆的速度的距离；以及

所述至少一个处理器基于所述距离来控制所述自主车辆以调整所述自主车辆的速度。

2.如权利要求1所述的方法，其中，确定所述交通控制对象的状态包括确定所述交通控制对象的当前状态，所述交通控制对象的当前状态是在所述交通控制对象被识别时所述交通控制对象的状态，以及

其中基于所述交通控制对象的状态确定所述距离包括基于所述交通控制对象的当前状态确定所述距离。

3.如权利要求1所述的方法，其中，确定所述交通控制对象的状态包括(i)确定所述交通控制对象的当前状态，所述交通控制对象的当前状态是在所述交通控制对象被识别时所述交通控制对象的状态，以及(ii)基于所述交通控制对象的当前状态来确定所述交通控制对象的预测状态，所述交通控制对象被预测为在所述交通控制对象被识别的时间之后的预定时间段改变到所述交通控制对象的预测状态，以及

其中基于所述交通控制对象的状态确定所述距离包括基于所述交通控制对象的预测状态来确定所述距离。

4.如权利要求1所述的方法，其中，所述车辆和所述交通控制对象在距所述自主车辆的纵向距离阈值内并且在距所述自主车辆的横向距离阈值内。

5.如权利要求1所述的方法，其中，所述车辆的速度包括所述车辆的纵向速度和所述车辆的横向速度中的一个或多个，以及

其中，在该处调整所述自主车辆的速度的距离还基于以下各项中的一个或多个：所述车辆的加速度、所述车辆的减速度、所述车辆是移动的还是静止的、所述车辆的运动方向、所述车辆的尺寸、所述车辆的重量、所述车辆在行驶道路上的位置、和所述车辆的类型。

6.如权利要求1所述的方法，其中，在该处调整所述自主车辆的速度的距离还基于以下各项中的一个或多个：所述自主车辆的加速度、所述自主车辆的减速度、所述自主车辆的运动方向、所述自主车辆的尺寸、所述自主车辆在行驶道路上的位置、和所述自主车辆的类型。

7.如权利要求1所述的方法，其中，所述车辆是第一车辆，并且其中所述缓冲距离是第一缓冲距离，所述方法还包括：

所述至少一个处理器基于所述数据来识别在所述第一车辆前方并且在所述第一车辆和所述交通控制对象之间的第二车辆，所述第二车辆在与所述自主车辆和所述第一车辆基本上相同的车道中行驶；以及

所述至少一个处理器确定第二缓冲距离，所述第二缓冲距离是所述第二车辆后方的在该处所述第一车辆被预测为基本上达到所述第二车辆的速度的最小距离，

其中，在该处调整所述自主车辆的速度的距离还基于所述第二缓冲距离。

8.如权利要求7所述的方法，其中，所述第一缓冲距离和第二缓冲距离还基于所述第一车辆和第二车辆的长度以及在零速度时所述第一车辆和第二车辆之间的预定最小间隙。

9.一种用于控制车辆的速度的设备，包括：

用于基于从通信地链接到所述设备的至少一个传感器接收的数据来识别在与自主车辆基本上相同的车道中在所述自主车辆前面行驶的车辆的装置；

用于基于所述数据识别所述车辆前面的交通控制对象的装置；

用于确定所述车辆前面的所述交通控制对象的状态的装置；

用于确定缓冲距离的装置，所述缓冲距离是所述车辆后方的在该处所述自主车辆被预测为基本上达到所述车辆的速度的最小距离；

用于基于所述缓冲距离、所述交通控制对象的状态和所述自主车辆的速度，确定在该处调整所述自主车辆的速度的距离的装置；以及

用于基于所述距离来控制所述自主车辆以调整所述自主车辆的速度的装置。

10.如权利要求9所述的设备，其中，所述交通控制对象是被配置为在至少三个不同状态下操作的交通信号灯，所述至少三个不同状态包括红色信号灯状态、黄色信号灯状态和绿色信号灯状态。

11.如权利要求9所述的设备，其中，所述交通控制对象是停车标志。

12.如权利要求9所述的设备，其中，所述交通控制对象是交通锥、路面标记或道路边界障碍。

13.如权利要求9所述的设备，其中，所述至少一个传感器包括耦合到所述自主车辆的图像捕获设备，所述设备进一步包括：

用于从所述图像捕获设备接收一个或多个图像的装置，

其中所述数据包括所述一个或多个图像，

其中基于所述数据识别所述车辆包括识别所述一个或多个图像中的所述车辆，

其中基于所述数据识别所述交通控制对象包括识别所述一个或多个图像中的所述交通控制对象，

其中确定所述交通控制对象的状态包括至少部分地基于所述一个或多个图像来确定所述交通控制对象的状态。

14.一种用于控制车辆的速度的系统，包括：

至少一个传感器；

至少一个处理器；以及

存储有指令的存储器，当所述指令被所述至少一个处理器运行时使得所述系统执行操作，包括：

基于从所述至少一个传感器接收的数据，识别在与自主车辆基本上相同的车道中在所述自主车辆前面行驶的车辆；

基于所述数据识别所述车辆前面的交通控制对象；

确定所述车辆前面的所述交通控制对象的状态；

确定缓冲距离，所述缓冲距离是所述车辆后方的在该处所述自主车辆被预测为基本上达到所述车辆的速度的最小距离；

基于所述缓冲距离、所述交通控制对象的状态和所述自主车辆的速度，确定在该处调整所述自主车辆的速度的距离；以及

基于所述距离来控制所述自主车辆以调整所述自主车辆的速度。

15.如权利要求14所述的系统，其中，确定在该处调整所述自主车辆的速度的距离包括将所述自主车辆到所述交通控制对象的距离减去所述缓冲距离。

16.如权利要求14所述的系统，其中所述车辆是第一车辆，并且其中所述缓冲距离是第一缓冲距离，所述操作还包括：

基于所述数据来识别在所述第一车辆前方并且在所述第一车辆和所述交通控制对象之间的第二车辆，所述第二车辆在与所述自主车辆和所述第一车辆基本上相同的车道上行驶；以及

确定第二缓冲距离，所述第二缓冲距离是所述第二车辆后方的在该处所述第一车辆被预测为基本上达到所述第二车辆的速度的最小距离，

17.如权利要求14所述的系统，其中，所述交通控制对象是被配置为在至少三个不同状态下操作的交通信号灯，所述至少三个不同状态包括红色信号灯状态、黄色信号灯状态和绿色信号灯状态，以及

其中，控制所述自主车辆以调整所述自主车辆的速度包括控制所述自主车辆在确定所述交通控制对象的状态改变之前调整所述自主车辆的速度。

18.如权利要求14所述的系统，其中，确定所述交通控制对象的状态包括(i)确定所述交通控制对象的当前状态，所述交通控制对象的当前状态是在所述交通控制对象被识别时所述交通控制对象的状态，以及(ii)基于所述交通控制对象的当前状态来确定所述交通控制对象的预测状态，所述交通控制对象被预测为在所述交通控制对象被识别的时间之后的预定时间段改变到所述交通控制对象的预测状态，所述操作还包括：

基于所述交通控制对象的当前状态和所述交通控制对象的预测状态中的一个或两个，来估计所述车辆的速度的预测变化，

其中所述距离还基于所述车辆的速度的预测变化。

19.如权利要求18所述的系统，其中，控制所述自主车辆以调整所述自主车辆的速度包括控制所述自主车辆在估计所述车辆的速度的所述预测变化之前调整所述自主车辆的速度。

20.如权利要求14所述的系统，其中，所述至少一个传感器包括：

光检测和测距(LIDAR)设备，耦合到所述自主车辆，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，所述三维(3D)点云包括基于从所述LIDAR设备发出并且从所述车辆和所述交通控制对象反射的光的点集合；

相机，耦合到所述自主车辆，其中所述相机被配置为提供所述车辆和所述交通控制对象的一个或多个图像；以及

无线电检测和测距(RADAR)设备，耦合到所述自主车辆，其中所述RADAR设备被配置为提供与以下至少一个有关的基于RADAR的信息：所述车辆的加速度、所述车辆的减速度、所述车辆是移动还是静止、所述车辆的运动方向、所述车辆的尺寸、所述车辆的重量、所述车辆在行驶道路上的位置、和所述车辆的类型，

其中所述数据包括所述基于LIDAR的信息、所述一个或多个图像、和所述基于RADAR的信息。