CN107036600B - 用于自主交通工具导航的系统和方法 - Google Patents
用于自主交通工具导航的系统和方法 Download PDFInfo
- Publication number
- CN107036600B CN107036600B CN201610851493.9A CN201610851493A CN107036600B CN 107036600 B CN107036600 B CN 107036600B CN 201610851493 A CN201610851493 A CN 201610851493A CN 107036600 B CN107036600 B CN 107036600B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- model
- navigation
- road
- route
- 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
- 238000000034 method Methods 0.000 title description 19
- 230000033001 locomotion Effects 0.000 claims abstract description 98
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 17
- 230000033228 biological regulation Effects 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 16
- 230000006378 damage Effects 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000036626 alertness Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 206010021033 Hypomenorrhoea Diseases 0.000 claims description 2
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 53
- 238000006243 chemical reaction Methods 0.000 description 30
- 239000000446 fuel Substances 0.000 description 19
- 238000005259 measurement Methods 0.000 description 13
- 241001465754 Metazoa Species 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 238000013459 approach Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 241001272996 Polyphylla fullo Species 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000009191 jumping Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000035484 reaction time Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001010 compromised effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000013399 early diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- -1 gravel Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0005—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with arrangements to save energy
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Aviation & Aerospace Engineering (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Hospice & Palliative Care (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Educational Technology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Developmental Disabilities (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Social Psychology (AREA)
Abstract
公开了一种用于自动导航交通工具的系统,该系统包括:数据储存器,包含一个或多个区域的一个或多个地图;电子接口,用于:(i)从外部数据源接收与所述一个或多个区域相关的数据;(ii)从物理传感器接收与所述交通工具的运动相关的参数;以及(iii)从定位设备接收所述交通工具的位置;包括处理电路的导航处理器,所述处理电路被适配成通过在计算上求解约束最小化问题来确定用于使所述交通工具从所述一个或多个区域中的给定点通行到所述一个或多个区域中的另一个点的初始最优路线。
Description
技术领域
本发明总体上涉及自动化交通工具系统的领域。更具体地,本发明涉及用于自主交通工具导航的系统和方法。
背景技术
数字计算、通信的领域中的进步以及计算机视觉、感测、导航、控制、力学、发动机的算法和系统中的进步导致各种交通工具类型自动导航而不必使人类有负担的新时代的黎明。
尽管已经在该领域中论证了一些进步,但有多得多的事情要做以便实现真正自主、可靠且安全的交通工具导航。
发明内容
本发明包括用于自主交通工具导航的系统和方法。所公开的架构和算法方案允许实质上在没有来自人类驾驶员的帮助和干预的情况下的自主交通工具导航。
本发明将经常针对有轮子的地面交通工具(诸如,私家车)加以说明和解释,然而,交通工具类型和应用不受任何具体类型的交通工具的限制,而是还包括有轮子的汽车、家庭机器人、旋翼飞行器、无人机、步行机、飞机、小船、帆船等——实际上,现今已知或未来将发明出的有受控导航能力的任何机器。
自主导航的问题可以被定义为环境中的交通工具从特定初始位置或起点位移到特定最终位置或目的地的位移的问题。为了简明,将通常表示空间中的交通工具位置的完整描述,并包括其质心的坐标{x1,x2,x3}和其相对于某预选择坐标系的旋转角度两者:该坐标可以是欧几里得体系中的空间坐标,并且该角度可以是滚转、俯仰和偏航的角度或者沿交通工具的惯性力矩的主轴的角度。可以为了方便而选择其他类型的空间坐标和角度,诸如球坐标、欧拉角、四元数等。
我们将通过交通工具的刚性体描述来限制讨论,然而,所公开的本发明也适用于其他类型的交通工具,诸如步行机或者在其运动期间显著改变其形状和惯性力矩的其他交通工具。
轨迹由自主交通工具导航系统(也称为“交通工具导航系统”、“导航系统”或“系统”)计算,且在必要时沿途更新或更改。交通工具由其(一个或多个)发动机的力经由促动器或运动控制器来移动。
(一个或多个)发动机以及促动器可以在不同种类的交通工具之间不同:对于有轮子的汽车,控制器是油门、传动装置、轮子的转向装置以及制动器;对于机动船,其为其发动机的推力和方向以及其舵的倾斜度;对于帆船,其为其帆相应于风的位置和幅度的位置以及相应的船和舵方向。四轴无人机的运动控制器是其发动机和螺旋桨。飞机的运动控制器是其发动机、方向舵、升降舵、副翼、襟翼的推力。
尽管针对各种类型的交通工具的不同类型的运动控制器之间有明显区别,它们具有很多共同之处——每一个运动控制器将力施加到交通工具上,交通工具进而将该力转换成交通工具速度和运动方向的改变(或保持)。
由运动控制器施加的力依赖于控制器、交通工具和周围环境的状态。例如,由汽车的发动机通过轮子施加的力依赖于发动机的扭矩的量、发动机与驱动轮之间的传动装置、以及轮子与道路之间的摩擦力;由转弯轮施加到汽车上的力依赖于汽车速度、轮子的倾角以及轮子与道路之间的摩擦力;由帆船舵或由飞机控制表面(例如,方向舵、升降舵、副翼、襟翼)施加的力依赖于其倾角和水或气流的相对速度等。
由运动控制器投射到交通工具上的力的精确值是根据该运动控制器的物理模型、环境的模型和测量来计算的。运动控制器和局部环境的准确物理模型的创建和维护以及通过频繁测量来自运动控制器的力和环境而对这些模型的连续更新允许交通工具运动的准确预测和导航问题的最优解。
重要的是要注意,由于多种原因,自动驾驶系统将提高行程的安全性、效率和舒适度。人类驾驶员易于犯错和注意力分散。驾驶员在他们的驾驶技巧方面不同,但是甚至他们中最好的也无法声称完美的计算、规划和执行,并且他们的反应延迟、他们能够处理的信息的量以及他们对交通工具、道路、环境的多个参数的判断的准确度比计算机和电子传感器弱得多。
运动控制器和交通工具环境的物理模型的知识和应用以及交通工具的运动的力学方程的进一步求解允许最大程度地获得交通工具的物理上可能的运动和轨迹。这进而允许在针对给定交通工具、其控制器和环境在物理上可能的所有路径当中搜索真正最优导航路径。
在讨论最优导航路径之前,重要的是准确地定义最优性准则。最优性被制订为多个因素之间的折衷,该多个因素经常是相互竞争的。例如,最优导航可以意味着:对沿途的人和乘客来说安全;快速;遵守路标、交通灯、道路的规则和限制;最小化成本;环境友好;舒适且沿道路有优美风景。
沿途的更短时间的需求可能与低燃料消耗和低导航成本的需求相矛盾。许多其他因素相互影响,并且使它们中的一个优化和完美将因其他因素而发生。例如,通常方式是建议对交通工具外的人和乘客而言的某种“绝对100%”安全性。然而,由于缺乏理解,声称可以以100%安全性执行导航是危险的谎言,且这将不可避免地导致沉重的后果。考虑内部有乘客从起点移动到目的地的交通工具。某其他交通工具可能撞到它,某路人可能跳到轮子下,其上方或其下面的桥可能倒塌,并且最后,地震、海啸、恐怖行动(其根源不能在撰写时加以描述)、雷击以及甚至坠落陨石可能发生。因此,为了绝对安全以免于特定事故,交通工具的速度不应当超过几公里每小时;为了绝对安全以免于一些其他事故,交通工具应当停止不动。然而,诸如地震、雷暴陨石和恐怖行动之类的事故仍将使乘客遭受危险。
所公开的用于解决优化问题的方法之一是通过构造将旅途“成本”的各种度量进行组合的成本函数:
根据本发明的一些实施例,分量成本函数利用与分量的重要性成比例的权重来对安全性、舒适度、燃料消耗、成本和行程时间进行编码。诸如燃料消耗和行程时间之类的一些估计是公知的速度函数,并可以被相当准确地计算;诸如行程舒适度和由于特定交通工具应力而引起的交通工具摊销的成本之类的其他估计被计算为加速度、道路铺设和速度等的函数;作为速度、道路、交通、一天中的时间、照明等的函数的诸如安全性之类的又一些其他估计可以是作为上面列出的因素的函数根据事故概率的已知统计和近似建模来完成的。
根据本发明的一些实施例,速度限制也可以是法律实施条例的因素,在这种情况下,在成本函数中存在一分量,其针对法定限制以下的速度具有零值且针对法定限制以上的速度具有急剧上升。
根据本发明的一些实施例,由于成本函数已经具有反映旅途安全性的分量,因此法定速度分量的值无需取刚好在法定速度限制以上的无限值,而是取足够高且上升的值,从而评估可能的罚款和其他法定惩罚的量。毕竟,存在法定速度限制应当被稍微超过的一些情形——在驾送医疗急诊患者到医院的情况下或者在对面车道中对另一汽车进行超车的情况下——在对面车道上移动期间安全性风险急剧上升,并且因此,为了最小化总体成本函数,应当减少对面车道上的时间,这可能通过稍稍超过法定速度限制而可达到。在法定速度限制为55mph的情况下,在对面车道上在30秒期间以55mph对以50mph移动的汽车进行超车可能引发比在15秒期间以60mph对其进行超车更高的总体风险。
对于飞机导航的情况,速度自下受失速速度的限制,且自上受最大结构安全速度限制的限制;导航路线受空域、航空规则、空中交通控制等的限制。对于船舶、小船、帆船等的海洋导航的情况,受适当的海洋规则、海图和海洋服务的限制。
根据本发明的一些实施例,导航系统继续如下:在接收到目的地请求之后,系统规划一般路线。最优路径的初始规划类似于现代卫星导航器系统正在做的规划——即,它们正在规划从起点到目的地的路线。与传统导航器系统的区别是:规划该路径,从而优化总体成本函数——包括旅行的安全性以及燃料、交通工具等的费用;此外,所规划的路径将包括预期交通工具速度的沿途标记。
根据本发明的一些实施例,规划阶段可以类似于现代导航辅助系统,现代导航辅助系统正在规划最短路径。一些可选的新颖特征存在于所公开的系统中:目的地请求可以连同进一步的使命描述或属性一起到来,该进一步的使命描述或属性被转换成成本函数(019B)。例如,对于紧急医疗运送,时间延迟的成本将比对于休闲旅行更高。考虑到安全性、时间、成本和其他可能因素的考虑,对路线进行规划以最小化期望总体成本函数。
根据本发明的一些实施例,在路线被规划之后,其被划分成短路线段,这些短路线段对于驾驶“容易消化”。存在路线的可由监视摄像机和传感器直接观察的路线段。交通工具的运动启动,并且进一步控制交通工具直到到达目的地是增量迭代的方法,其中速度幅度和方向由交通工具运动促动器根据从传感器、交通控制、其他交通工具、天气报告和其他信息源获得的实时信息来更改。
根据本发明的一些实施例,存在由系统迭代地执行的两个基本动作:(1)沿所规划的路径的导航;(2)对中断的反应。
根据本发明的一些实施例,对于沿路径的导航,迭代地选择从当前交通工具位置起始且依赖于传感器的范围、交通工具速度和其他因素而在沿路径的某充分距离处结束的适当路径段。
根据本发明的一些实施例,计算沿当前路径段的详细期望轨迹。其被计算以继续当前交通工具速度和方向,并且考虑到下述各项而最小化成本函数(019B):路径和局部环境的约束;来自感知路径、环境、交通工具、乘客和负载的传感器的信息;对速度和位置的法定要求;交通工具及其运动促动器的物理限制;以及路径的安全性、速度、舒适度和价格的考虑因素。
根据本发明的一些实施例,在沿当前段的详细期望轨迹被计算之后,通过交通工具的速度和位置的周期性验证(这些更新和验证是以适当的采样率(典型地以1赫兹到1000赫兹之间的频率)来执行的)来测量交通工具实际轨迹。处理实际位置与期望轨迹之间的区别,从而对运动促动器的校正动作以及期望轨迹的更新和修改两者作出贡献。
根据本发明的一些实施例,根据所选目的地、导航空间的物理约束和交通工具的物理限制来对空间中的轨迹确定路线。例如,沿适当的道路对针对有轮子的交通工具的路径确定路线;针对飞机的轨迹——沿适当的空中交通路线,考虑空域规则、空中交通、天气、来自交通控制的最近更新、飞机的物理性质和限制等;类似地,根据导航地图、天气预报、交通模式等来构造针对船舶或小船的路线。
除了如上所述沿所构造的路线移动交通工具外,导航系统具有另一重要功能,其为对改变和发生的情形的交互式反应。
需要交通工具控制中的“立即”响应的许多不同道路中断可能发生:交通灯、路标、穿行路途的其他交通工具、穿行路途或甚至跳到道路上的行人或动物、以及与其他驾驶员、行人的错误、所导航的交通工具的故障、附近交通工具、道路基础设施、事故等相关的其他危险情形。
根据本发明的一些实施例,尽管多个可能道路中断有明显的多样性,它们具有非常多的共同之处,且可以由以下方案解决:
持续地寻找新的道路中断。道路中断是环境改变的事件,使得沿最近规划路线的所规划的运动将导致交通工具、其乘客或人、交通工具外的动物或财产碰撞或遭受危险。在检测到道路中断时,系统计算消除或最小化“成本”的最优反应并执行。针对轨迹改变的最优性的准则可以包括乘客和人的安全性、该交通工具和周围交通工具和财产的安全性、交通规则和规定、乘客的舒适度、行程的时间和成本等。可以通过受约束的最小化问题的求解来计算轨迹的最优改变,在该求解中,最优性的准则被包括到成本函数中,并且该求解受交通工具能力、导航空间和交通规则的物理限制以及物理环境约束。在计算交通工具轨迹和路线的最优改变时,对它们进行更新并且沿经更新的轨迹执行进一步的交通工具运动。
对一些有挑战性的道路中断的成功响应可能需要交通工具的最大物理能力的参与,以避免受伤或损害。在这些情形中,次优交通工具性能将导致次优解。以下列出几个示例:
动物突然跳到道路中穿行交通工具的路径,太接近于交通工具而不允许在撞击之前完全停下,这可以由适当的急转向矫正。太少的转向将导致大概率的撞击,而太多的转向将导致交通工具打滑或翻车。
在高速急转弯期间前轮胎的爆裂需要交通工具的物理模型的更新以及在适当的程度上同时应用制动和转弯,以便保持在车道中或者至少最小化从车道向外的滚转的损害。
不可避免地,在一些情况下,给定当前交通工具能力、道路状况、所有参与者的速度和位置,则甚至在物理学定律下可能的最佳的最优解也将导致对交通工具的损害且甚至使参与者的健康和生命遭受危险。然而,甚至在这些不幸的情况下,仍然存在明确定义的最优性准则——对人类生命的最小风险以及对财产的最小损害。
尤其是在对紧急道路中断的反应中交通工具的最优转向需要准确的交通工具模型,包括针对受损害的交通工具的模型更新:爆胎的交通工具具有与道路不同的摩擦力,然而,其仍然必须被以可控方式转向直到其安全地停在路肩上或停在适当的安全位置处。
因此,根据本发明的一些实施例,我们将自动无驾驶员交通工具导航的问题简化成以下各项:(1)获得起点(1a)、目的地点(1b)和使命优先级(1c)。(2)根据使命优先级和在先数据、交通工具和环境和交通模型、天气和交通更新,构造成本函数(2a),从而反映优先级和可用信息。(3)找到最小化成本函数(2a)的最优路径(3a)。(4)沿最优路径(3a)驾驶交通工具,从而应用交通工具运动控制器以最小化成本函数(2a)。(4)监视环境和交通工具并维持通信以便及时地检测需要在驾驶交通工具时作出反应(4b)的任何道路中断(4a)或者导航路径(4c)的改变。(5)计算对所检测到的道路中断(4a)的最优反应,从而通过求解交通工具的运动方程来最小化成本函数。
对于具有刚性构造的交通工具和其相对于交通工具的移动和位移可忽略的负载,刚性体近似是有效的:其中M=∑imi是交通工具及其负载的总质量,并且是其质心的速度。注意,我们通过标量M来表示质量并通过向量来表示角动量。对于改变其形状和质量分布的交通工具,运动方程必须被分别地应用于交通工具和负载系统的每一个移动部分。
上面呈现的等式描述了交通工具的运动且可以用于预测其轨迹并搜索最优控制。
然而,我们未定义在等式(44a)和(50a)中提及且由交通工具上的运动促动器施加的具体力。
在自动驾驶系统的以上一般描述中,考虑的默认示例是有轮子的汽车的驾驶。然而,所公开的本发明适用于能够受控地改变其在空间中的位置的许多不同交通工具和机器的自动驾驶和驾驶员辅助。在系统级,各种类型的交通工具与运输装置之间的主要区别是以下各项:
(1)不同运输媒介——道路;空气;水;
(2)不同交通工具类型、运动模式、规则和约束;
(3)作用于运动促动器以及促动器和交通工具的物理模型上的不同的力。
现在让我们考虑针对汽车的自动导航系统的功能中的一些。将针对在公共道路上运行的四轮私家车给出许多示例。然而,所公开的本发明的应用领域不受汽车类型和环境的限制。其包括在地面上运行移动的其他类型的运输机,诸如:履带、农机、装甲车和坦克、有轮子的、有履带的和有腿的机器。
可在系统中实现的任务包括:路标和交通灯的识别;道路、其路肩、交通方向、障碍物和凸起、速度限制、汽车信号灯(转弯)、制动的识别;行人和动物穿行、道路中断(其为需要速度和/或转向的立即改变的情形);自主导航系统中使用的通信系统可以包括GPS系统、GLONASS以及其他卫星导航系统、无线电交通和天气更新、汽车对汽车、汽车对道路基础设施通信。
对于这些情况,交通工具的运动促动器主要基于与道路或表面的摩擦力。空气和风通常具有辅助且不太重要的影响,除了高速汽车和强风。对于有腿的步行机器——应当根据微环境模型、表面模型、摩擦力测量和估计来评估腿与表面之间的反应、摩擦力、由腿支撑的最大力,腿上的负载可以由内置传感器计算或测量;在运动方程中评估和考虑惯性力矩、质心、形状、以及由于腿延伸而被应用于交通工具的力的力矩的改变。
附图说明
在本说明书的结束部分中特别指出且突出要求保护被视为本发明的主题。然而,关于组织和操作方法这两者,本发明与其目的、特征和优势一起可以通过参照在与附图一起阅读时的以下详细描述而获得最佳理解,在附图中:
图1示出了用于自主交通工具导航的示例性系统的框图;
其包括针对交通工具、环境、驾驶员和交通工具控制的物理模型的框以及表示监视交通工具、环境驾驶员和交通工具控制器的传感器的框。
图2表示交通工具及其诊断传感器的示例性物理模型的框图。
图3示出了示例性环境和微环境物理模型和测量传感器的框图。
图4示出了示例性驾驶员和示例性道路安全性模型和诊断传感器。
图5示出了示例性交通工具控制器模型和交通工具控制器的传感器。
图6示出了示例性自动驾驶系统的一般执行流程图。
图7示出了实现对有轮子的乘客汽车的控制的示例性自动驾驶系统的框中的一些。
图8示出了实现对家庭机器人的控制的示例性自动驾驶系统的框中的一些。
图9示出了实现对无人机的控制的示例性自动驾驶系统的框中的一些。
图10示出了实现对飞机的控制的示例性自动驾驶系统的框中的一些。
图11图示了在作为交通工具速度的函数而绘制的成本函数的示例上搜索最优导航解的示例性机制。
将意识到的是,为了图示的简明和清楚,各图中所示的元件未必按比例绘制。例如,为了清楚,元件中的一些的尺寸可以相对于其他元件而夸大。进一步地,在适当考虑的情况下,可以在各图之间重复附图标记以指示对应或相似的元件。
具体实施方式
在以下详细描述中,阐述了许多具体细节以便提供对本发明的透彻理解。然而,本领域技术人员将理解,可以在没有这些具体细节的情况下实践本发明。在其他实例中,未详细描述公知的方法、过程、组件和电路以免使本发明模糊。
除非以其他方式具体声明,如从以下讨论中显而易见的那样,意识到:遍及本说明书,利用诸如“处理”、“测算”、“计算”、“确定”等之类的术语的讨论指代下述计算机或计算系统或类似电子计算设备的动作和/或过程:该计算机或计算系统或类似电子计算设备将被表示为计算系统的寄存器和/或存储器内的物理(诸如,电子)量的数据操控和/或变换成被类似表示为计算系统的存储器、寄存器或其他这样的信息储存、传输或显示设备内的物理量的其他数据。
本发明的实施例可以包括用于执行本文中的操作的设备。该设备可以被具体构造以用于期望目的,或者其可以包括由计算机中存储的计算机程序选择性地激活或重配置的通用计算机。这样的计算机程序可以存储在计算机可读储存介质中,该计算机可读储存介质诸如但不限于包括硬盘驱动器、固态驱动器、闪存、随机存取存储器(RAM)的任何类型的盘或者适用于存储电子指令的任何其他类型的介质。
本文呈现的过程和显示不是固有地与任何特定计算机或其他设备相关的。各种通用系统可以与根据本文中的教导的程序一起使用,或者其可以被证明对将更专门的设备构造成执行期望方法来说是方便的。多种这些系统的期望结构将从以下描述中出现。另外,本发明的实施例不是参照任何特定编程语言来描述的。将意识到的是,多种编程语言可以被用于实现如本文描述的本发明的教导。
本发明包括用于自主交通工具导航的系统和方法。所公开的架构和算法方案允许实质上在没有来自人类驾驶员的帮助和干预的情况下的自主交通工具导航。
本发明将经常针对有轮子的地面交通工具(诸如,私家车)加以说明和解释,然而,交通工具类型和应用不受任何具体类型的交通工具的限制,而是还包括有轮子的汽车、家庭机器人、旋翼飞行器、无人机、步行机、飞机、小船、帆船等——实际上,现今已知或未来将发明出的有受控导航能力的任何机器。
自主导航的问题可以被定义为环境中的交通工具从特定初始位置或起点位到特定最终位置或目的地的问题。为了简明,将通常表示空间中的交通工具位置的完整描述,并包括其质心的坐标{x1,x2,x3}和其相对于某预选择坐标系的旋转角度两者:该坐标可以是欧几里得体系中的空间坐标,并且该角度可以是滚转、俯仰和偏航的角度或者沿交通工具的惯性力矩的主轴的角度。可以为了方便而选择其他类型的空间坐标和角度,诸如球坐标、欧拉角、四元数等。
我们将通过交通工具的刚性体描述来限制讨论,然而,所公开的本发明也适用于其他类型的交通工具,诸如步行机或者在其运动期间显著改变其形状和惯性力矩的其他交通工具。
轨迹由自主交通工具导航系统(也称为“交通工具导航系统”、“导航系统”或“系统”)计算,且在必要时沿途更新或更改。交通工具由其(一个或多个)发动机的力经由促动器或运动控制器来移动。
(一个或多个)发动机以及促动器可以在不同种类的交通工具之间不同:对于有轮子的汽车,控制器是油门、传动装置、轮子的转向装置以及制动器;对于机动船,其为其发动机的推力和方向以及其舵的倾斜度;对于帆船,其为其帆相应于风的位置和幅度的位置以及相应的小船和舵方向。四轴无人机的运动控制器是其发动机和螺旋桨。飞机的运动控制器是其发动机、方向舵、升降舵、副翼、襟翼的推力。
尽管针对各种类型的交通工具的不同类型的运动控制器之间有明显区别,它们具有很多共同之处——每一个运动控制器将力施加到交通工具上,交通工具进而将该力转换成交通工具速度和运动方向的改变(或保持)。
由运动控制器施加的力依赖于控制器、交通工具和周围环境的状态。例如,由汽车的发动机通过轮子施加的力依赖于发动机的扭矩的量、发动机与驱动轮之间的传动装置、以及轮子与道路之间的摩擦力;由转弯轮施加到汽车上的力依赖于汽车速度、轮子的倾角以及轮子与道路之间的摩擦力;由帆船舵或由飞机控制表面(例如,方向舵、升降舵、副翼、襟翼)施加的力依赖于其倾角和水或气流的相对速度等。
由运动控制器投射到交通工具上的力的精确值是根据该运动控制器的物理模型、环境的模型和测量来计算的。运动控制器和局部环境的准确物理模型的创建和维护以及通过来自运动控制器的力和环境的频繁测量而对这些模型的连续更新允许交通工具运动的准确预测和导航问题的最优解。
重要的是要注意,由于多种原因,自动驾驶系统将提高行程的安全性、效率和舒适度。人类驾驶员易于犯错和注意力分散。驾驶员在他们的驾驶技巧方面不同,但是甚至他们中最好的也无法声称完美的计算、规划和执行,并且他们的反应延迟、他们能够处理的信息的量以及他们对交通工具、道路、环境的多个参数的判断的准确度比计算机和电子传感器弱得多。
运动控制器和交通工具环境的物理模型的知识和应用以及交通工具的运动的力学方程的进一步求解允许最大程度地获得交通工具的物理上可能的运动和轨迹。这进而允许在针对给定交通工具、其控制器和环境在物理上可能的所有路径当中搜索真正最优导航路径。
在讨论最优导航路径之前,重要的是准确地定义最优性准则。最优性被制订为多个因素之间的折衷,该多个因素经常是相互竞争的。例如,最优导航可以意味着:对沿途的人和乘客来说安全;快速;遵守路标、交通灯、道路的规则和限制;最小化成本;环境友好;舒适且沿道路有优美风景。
沿途的更短时间的需求可能与低燃料消耗和低导航成本的需求相矛盾。许多其他因素相互影响,并且使它们中的一个优化和完美将因其他因素而发生。例如,通常方式是建议对交通工具外的人和乘客而言的某种“绝对100%”安全性。然而,由于缺乏理解,声称可以以100%安全性执行导航是危险的谎言,且这将不可避免地导致沉重的后果。考虑内部有乘客从起点移动到目的地的交通工具。某其他交通工具可能撞到它,某路人可能跳到轮子下,其上方或其下面的桥可能倒塌,并且最后,地震、海啸、恐怖行动(其根源不能在撰写时加以描述)、雷击以及甚至坠落陨石可能发生。因此,为了绝对安全以免于特定事故,交通工具的速度不应当超过几公里每小时;为了绝对安全以免于一些其他事故,交通工具应当停止不动。然而,诸如地震、雷暴陨石和恐怖行动之类的事故仍将使乘客遭受危险。
所公开的用于解决优化问题的方法之一是通过构造将旅途“成本”的各种度量进行组合的成本函数:
根据本发明的一些实施例,分量成本函数利用与分量的重要性成比例的权重来对安全性、舒适度、燃料消耗、成本和行程时间进行编码。诸如燃料消耗和行程时间之类的一些估计是公知的速度函数,并可以被相当准确地计算;诸如行程舒适度和由于特定交通工具应力而引起的交通工具摊销的成本之类的其他估计被计算为加速度、道路铺设和速度等的函数;作为速度、道路、交通、一天中的时间、照明等的函数的诸如安全性之类的又一些其他估计可以是作为上面列出的因素的函数根据事故概率的已知统计和近似建模来完成的。
根据本发明的一些实施例,速度限制也可以是法律实施条例的因素,在这种情况下,在成本函数中存在一分量,其针对法定限制以下的速度具有零值且针对法定限制以上的速度具有急剧上升。
根据本发明的一些实施例,由于成本函数已经具有反映旅途安全性的分量,因此法定速度分量的值无需取刚好在法定速度限制以上的无限值,而是取足够高且上升的值,从而评估可能的罚款和其他法定惩罚的量。毕竟,存在法定速度限制应当被稍微超过的一些情形——在驾送医疗急诊患者到医院的情况下或者在对面车道中对另一汽车进行超车的情况下——在对面车道上的移动期间安全性风险急剧上升,并且因此,为了最小化总体成本函数,应当减少对面车道上的时间,这可能通过稍稍超过法定速度限制而可达到。在法定速度限制为55mph的情况下,在对面车道上在30秒期间以55mph对以50mph移动的汽车进行超车可能引发比在15秒期间以60mph对其进行超车更高的总体风险。
对于飞机导航的情况,速度自下受失速速度的限制,且自上受最大结构安全速度限制的限制;导航路线受空域、航空规则、空中交通控制等的限制。对于船舶、小船、帆船等的海洋导航的情况,受适当的海洋规则、海图和海洋服务的限制。
根据本发明的一些实施例,导航系统继续如下:在接收到目的地请求之后,系统规划一般路线。最优路径的初始规划类似于现代卫星导航器系统正在做的规划——即,它们正在规划从起点到目的地的路线。与传统导航器系统的区别是:规划该路径,从而优化总体成本函数——包括旅行的安全性以及燃料、交通工具等的费用;此外,所规划的路径将包括预期交通工具速度的沿途标记。
根据本发明的一些实施例,规划阶段可以类似于现代导航辅助系统,现代导航辅助系统正在规划最短路径。一些可选的新颖特征存在于所公开的系统中:目的地请求可以连同进一步的使命描述或属性一起到来,该进一步的使命描述或属性被转换成成本函数(019B)。例如,对于紧急医疗运送,时间延迟的成本将比对于休闲旅行更高。考虑到安全性、时间、成本和其他可能因素的考虑,对路线进行规划以最小化期望总体成本函数。
根据本发明的一些实施例,在路线被规划之后,其被划分成短路线段,这些短路线段对于驾驶“容易消化”。存在路线的可由监视摄像机和传感器直接观察的路线段。交通工具的运动启动,并且进一步控制交通工具直到到达目的地是增量迭代的方法,其中速度幅度和方向由交通工具运动促动器根据从传感器、交通控制、其他交通工具、天气报告和其他信息源获得的实时信息来更改。
根据本发明的一些实施例,存在由系统迭代地执行的两个基本动作:(1)沿所规划的路径的导航;(2)对中断的反应。
根据本发明的一些实施例,对于沿路径的导航,迭代地选择从当前交通工具位置起始且依赖于传感器的范围、交通工具速度和其他因素而在沿路径的某充分距离处结束的适当路径段。
根据本发明的一些实施例,计算沿当前路径段的详细期望轨迹。其被计算以继续当前交通工具速度和方向,并且考虑到下述各项而最小化成本函数(019B):路径和局部环境的约束;来自感知路径、环境、交通工具、乘客和负载的传感器的信息;对速度和位置的法定要求;交通工具及其运动促动器的物理限制;以及路径的安全性、速度、舒适度和价格的考虑因素。
根据本发明的一些实施例,在沿当前段的详细期望轨迹被计算之后,通过交通工具的速度和位置的周期性验证(这些更新和验证是以适当的采样率(典型地以1赫兹到1000赫兹之间的频率)来执行的)来测量交通工具实际轨迹。处理实际位置与期望轨迹之间的区别,从而对运动促动器的校正动作以及期望轨迹的更新和修改两者作出贡献。
根据本发明的一些实施例,根据所选目的地、导航空间的物理约束和交通工具的物理限制来对空间中的轨迹确定路线。例如,沿适当的道路对针对有轮子的交通工具的路径确定路线;针对飞机的轨迹——沿适当的空中交通路线,考虑空域规则、空中交通、天气、来自交通控制的最近更新、飞机的物理性质和限制等;类似地,根据导航地图、天气预报、交通模式等来构造针对船舶或小船的路线。
除了如上所述沿所构造的路线移动交通工具外,导航系统具有另一重要功能,其为对改变和发生的情形的交互式反应。
需要交通工具控制中的“立即”响应的许多不同道路中断可能发生:交通灯、路标、穿行路途的其他交通工具、穿行路途或甚至跳到道路上的行人或动物、以及与其他驾驶员、行人的错误、所导航的交通工具的故障、附近交通工具、道路基础设施、事故等相关的其他危险情形。
根据本发明的一些实施例,尽管多个可能道路中断有明显的多样性,它们具有非常多的共同之处,且可以由以下方案解决:
持续地寻找新的道路中断。道路中断是环境改变的事件,使得沿最近规划路线的所规划的运动将导致交通工具、其乘客或人、交通工具外的动物或财产碰撞或遭受危险。在检测到道路中断时,系统计算消除或最小化“成本”的最优反应并执行。针对轨迹改变的最优性的准则可以包括乘客和人的安全性、该交通工具和周围交通工具和财产的安全性、交通规则和规定、乘客的舒适度、行程的时间和成本等。可以通过受约束的最小化问题的求解来计算轨迹的最优改变,在该求解中,最优性的准则被包括到成本函数中,并且该求解受交通工具能力、导航空间和交通规则的物理限制以及物理环境约束。在计算交通工具轨迹和路线的最优改变时,对它们进行更新并且沿经更新的轨迹执行进一步的交通工具运动。
对一些有挑战性的道路中断的成功响应可能需要交通工具的最大物理能力的参与,以避免受伤或损害。在这些情形中,次优交通工具性能将导致次优解。以下列出几个示例:
动物突然跳到道路中穿行交通工具的路径,太接近于交通工具而不允许在撞击之前完全停下,这可以由适当的急转向矫正。太少的转向将导致大概率的撞击,而太多的转向将导致交通工具打滑或翻车。
在高速急转弯期间前轮胎的爆裂需要交通工具的物理模型的更新以及在适当的程度上同时应用制动和转弯,以便保持在车道中或者至少最小化从车道向外的滚转的损害。
不可避免地,在一些情况下,给定当前交通工具能力、道路状况、所有参与者的速度和位置,则甚至在物理学定律下可能的最佳的最优解也将导致对交通工具的损害且甚至使参与者的健康和生命遭受危险。然而,甚至在这些不幸的情况下,仍然存在明确定义的最优性准则——对人类生命的最小风险以及对财产的最小损害。
尤其是在对紧急道路中断的反应中交通工具的最优转向需要准确的交通工具模型,包括针对受损害的交通工具的模型更新:爆胎的交通工具具有与道路不同的摩擦力,然而,其仍然必须被以可控方式转向直到其安全地停在路肩上或停在适当的安全位置处。
因此,根据本发明的一些实施例,我们将自动无驾驶员交通工具导航的问题简化成以下各项:(1)获得起点(1a)、目的地点(1b)和使命优先级(1c)。(2)根据使命优先级和在先数据、交通工具和环境和交通模型、天气和交通更新,构造成本函数(2a),从而反映优先级和可用信息。(3)找到最小化成本函数(2a)的最优路径(3a)。(4)沿最优路径(3a)驾驶交通工具,从而应用交通工具运动控制器以最小化成本函数(2a)。(4)监视环境和交通工具并维持通信以便及时地检测需要在驾驶交通工具时作出反应(4b)的任何道路中断(4a)或者导航路径(4c)的改变。(5)计算对所检测到的道路中断(4a)的最优反应,从而通过求解交通工具的运动方程来最小化成本函数。
对于具有刚性构造的交通工具和其相对于交通工具的移动和位移可忽略的负载,刚性体近似是有效的:其中M=∑imi是交通工具及其负载的总质量,并且是其质心的速度。注意,我们通过标量M来表示质量并通过向量来表示角动量。对于改变其形状和质量分布的交通工具,运动方程必须被分别地应用于交通工具和负载系统的每一个移动部分。
上面呈现的等式描述了交通工具的运动且可以用于预测其轨迹并搜索最优控制。
然而,我们未定义在等式(44a)和(50a)中提及且由交通工具上的运动促动器施加的具体力。
在自动驾驶系统的以上一般描述中,考虑的默认示例是有轮子的汽车的驾驶。然而,所公开的本发明适用于能够受控地改变其在空间中的位置的许多不同交通工具和机器的自动驾驶和驾驶员辅助。在系统级,各种类型的交通工具与运输装置之间的主要区别是以下各项:
(1)不同运输媒介——道路;空气;水;
(2)不同交通工具类型、运动模式、规则和约束;
(3)作用于运动促动器以及促动器和交通工具的物理模型上的不同的力。
现在让我们考虑针对汽车的自动导航系统的功能中的一些。将针对在公共道路上运行的四轮私家车给出许多示例。然而,所公开的本发明的应用领域不受汽车类型和环境的限制。其包括在地面上运行移动的其他类型的运输机,诸如:履带、农机、装甲车和坦克、有轮子的、有履带的和有腿的机器。
可在系统中实现的任务包括:路标和交通灯的识别;道路、其路肩、交通方向、障碍物和凸起、速度限制、汽车信号灯(转弯)、制动的识别;行人和动物穿行、道路中断(其为需要速度和/或转向的立即改变的情形);自主导航系统中使用的通信系统可以包括GPS系统、GLONASS以及其他卫星导航系统、无线电交通和天气更新、汽车对汽车、汽车对道路基础设施通信。
对于这些情况,交通工具的运动促动器主要基于与道路或表面的摩擦力。空气和风通常具有辅助且不太重要的影响,除了高速汽车和强风。对于有腿的步行机器——应当根据微环境模型、表面模型、摩擦力测量和估计来评估腿与表面之间的反应、摩擦力、由腿支撑的最大力,腿上的负载可以由内置传感器计算或测量;在运动方程中评估和考虑惯性力矩、质心、形状、以及由于腿延伸而被应用于交通工具的力的力矩的改变。图1示出了用于自主交通工具导航的示例性系统的框图。
其包括针对交通工具105、环境115、驾驶员安全性125的物理模型的框,驾驶员安全性125包括驾驶员和乘客在交通工具内的位置以及驾驶员警觉性水平;其还包括针对交通工具控制模型135的框,以及表示监视交通工具110、环境120、驾驶员130和交通工具控制器140的传感器的框。
处理单元150执行必要的计算,并且其操作将稍后详细地加以解释。处理单元从交通工具物理模型105和交通工具诊断传感器110;环境物理模型115和环境测量传感器120;驾驶员、乘客和负载安全性模型以及传感器接收数据,并通过交通工具控制模块140将控制命令发送到交通工具控制器135。
框160表示所有通信接口,其包括从卫星导航系统接收信号、向180处的进一步处理发送数据、以及接收所请求的数据和处理结果。
图2表示交通工具及其诊断传感器的物理模型的框图。210表示用于运动方程的求解和仿真的交通工具的物理模型。交通工具的质量和惯性张量定义其对所施加的力的响应。交通工具质量可以是预先已知的、所计算出的或所测量出的。对于汽车,其为被施加于每一个轮子的重量之和;对于飞机,其为在起飞前被所使用的燃料的重量补偿的重量。惯性张量是通过(48a)根据交通工具或预先已知的交通工具模型内的3维质量分布来计算且根据燃料消耗或交通工具形状的改变来更新的。经由根据由运动控制器施加的力和交通工具运动的已知改变而对等式(47-50b)的逆向求解来完成惯性张量的逆向估计。
220表示交通工具及其凸壳的几何模型,其是估计潜在碰撞所必需的。经由防止碰撞、加速度和力作用于交通工具来保持交通工具的结构完整性。飞机驾驶可以提供良好示例,这是由于存在可能取决于襟翼的状态、传动装置、速度和必须维持以便保证交通工具完整性的其他参数的最大速度、加速度、负载。
230表示引擎、运动控制器、其诊断、维护、燃料水平等。引擎传感器与发动机建模和信息处理一起允许在人类驾驶员之前无法实现的水平上对发动机的诊断和维护:引擎诊断可以包括对压力、噪声、振动水平、温度、油、燃料、气体的压力、作为引擎RPM的函数的推力、燃料消耗、气体的量和其他参数的测量。与引擎操作一起获得的数据的这些经组合的测量和处理将允许任何潜在引擎问题的早期诊断、故障预测以及发动机的准确且及时的维护。例如,现有技术发动机中的气体、油、燃料过滤器的改变通常是根据操作小时数来执行的,然而在所公开的方法中,维护基于所监视的诊断参数以及由发动机负载和状况作为因素的综合的操作小时数。例如,在经加速的负载、应力下、在布满灰尘的空气中和/或在油、燃料压力、噪声水平、振动和/或其他操作诊断的异常和接近异常指示的情况下操作发动机将造成针对更早维护或更早发动机检验的推荐。该自动诊断及其连续记录将导致更加延长、可靠、环境友好且更安全的引擎操作。
240表示交通工具及其传感器的其他控制、诊断和反馈。在这里提及的交通工具控制有:使轮子转向,以及汽车的制动;小船的舵、引擎、船首推力器和帆;方向舵、升降舵、副翼、襟翼、飞机的轮子的转向和制动、以及对任何特定交通工具的领域的技术人员来说将显而易见的许多其他运动控制。
250是微环境的模型,其为交通工具的邻近地区中的物理环境的模型,对当前运动的规划、运动促动器的响应的建模、道路中断的搜索和预测以及操纵的规划来说是必要的。对于有轮子的交通工具,微环境可以包括当前处于交通工具周围的道路和地形的3维地图、道路和地形表面的质量和状态(例如,表面的类型,其是否是湿的、冰冻的、被雪、尘、砾石、沙等覆盖)、对摩擦力系数、风力和方向、降水的估计。微环境模型包括足够接近以致有机会干扰交通工具运动的所有交通工具、人、物体和动物。
现在让我们考虑若干具体交通工具。家用机器人是能够在人类住宅公寓中操作而没有领域限制的机器人交通工具。操作目的可以包括清扫公寓、从餐桌拾起脏盘子并将它们递送到洗碗机中、拾起散乱的脏衣服并将它们递送到洗衣机中等等。家庭机器人的微环境是公寓的布局以及机器人当前位于其中的具体房间。
人类、宠物、家具和其他障碍物的位置。使命相关对象(诸如污垢、脏碟子、要洗的衣物等)的位置。
对于无人机,微环境可以包括其当前操作附近地区的详细地图以及沿路线的详细地图;处于其最接近的附近地区中且沿路线的作为天气报告而接收、被测量、被感测或被估计的风。沿路线的障碍物、人、动物和物体。
对于飞机,除上述信息外,微环境还可以包括大气、降水、空域边界、空中交通信息等的模型。
对于帆船,微环境还可以包括水深、水流、潮水信息;并且为了应对坏天气,其还可以包括邻近波的即刻高度速度和位置,以便适当地对小船进行定向从而以最佳方式勇闯公海。
图3示出了环境和微环境物理模型以及测量传感器的框图。其示意性地图示了使用微环境模型以有益于交通工具导航、舒适度和安全性以及经由地图和环境信息的更新有益于其他交通工具和用户。
330表示与获取和测量环境和交通工具的各种参数的所有各种类型的传感器相对应的交通工具的传感器,它们包括视频摄像机、3D扫描仪、压力和风速测量传感器、深度计、雷达、声纳;速度、加速度、力、振动、压力油、温度等的测量。它们的信息被获取、被数字化且被传送到微环境模型310、反映物体、主体的位置、表面、规则、地形图的附近地图和模型320。微环境模型310和附近地图320这两者均对在340中由“导航”图示的路线规划和可能的重新规划作出贡献。此外,微环境310模型和附近地图320这两者均对“有策略的运动”350作出贡献,“有策略的运动”350图示了在何处规划和执行对道路中断的交通工具反应。情形和“有策略的运动”响应的示例中的一些是:汽车前面的道路上的凸起的识别;减速且绕着它驾驶的操纵,如果道路和邻近的交通允许这样的话;对孩子或动物跳到道路上的反应;对轮胎爆裂的反应;坏天气中小船以有利的角度与滚浪相迎的有策略的运动;飞机驾驶对空气湍流的调整等等。
390表示向某远程服务器或附近交通工具的通信。除了别的目的以外,该通信可以用于报告由交通工具收集的信息并对附近报告380、地图更新370、天气报告360等作出贡献。这些信息报告可以包括与安全性有关的任何信息,该信息包括由交通工具摄像机和传感器观察到的紧急或安全情形。
通信390可以用于从路灯、路标和其他道路基础设施获得与道路的状态有关的信息。通信390还可以用于将交通工具的状态和/或其导航意图传送到道路基础设施,以可能用于协调交通工具速度和基础设施信号。例如,可以将交通灯与交通工具运动进行同步,使得通过适配交通工具速度或者通过适配灯光改变的交通灯定时,交通工具以“绿波”经过交通灯。
通信390还可以用于交通工具对交通工具通信。通信390还可以用于向其他交通工具通知导航意图和状况,以告知它们的意图并协商操纵,诸如车道改变、穿行路口、相互碰撞避免等等。换言之,通信390可以用于将交通工具的导航与其他交通工具和/或其他交通工具导航系统的导航/移动进行协调,以优化交通工具之间的交互。
此外,由交通工具及其传感器收集的与环境和/或道路相关的信息可以被转发到其他交通工具以及服务器,以用于进一步更新地图、天气、环境报告、紧急报告和其他用途。
图4示出了驾驶员和负载安全性模型以及诊断传感器。450是驾驶员的模型,其包括他的当前能力水平、意识的水平、医疗状况和姿势的估计。当前驾驶员能力水平是反映他的驾驶能力、他对危险和快速展开的道路挑战的警觉性的因素,并反映驾驶的安全性水平。驾驶员能力越强,则旅途越安全,驾驶员可安全控制汽车的最大速度越高,并且他可成功承受的道路挑战越棘手。针对驾驶员医疗状况的系统意识可以允许对诸如心搏停止、中风、知觉丧失之类的医疗状况或者一般使他的生命遭受危险且特别使他的即时驾驶能力遭受危险的其他状况的早期诊断。最后,驾驶员姿势估计可以有助于气囊的高效且安全的激活。
驾驶员意识和能力是根据观察他对由430观察到的道路挑战的反应(他对交通工具控制420的连续动作)的传感器410、除了别的装置以外由道路传感器、加速度计和450中的视频分析观察到的所得到的车辆行为、以及根据将驾驶员反应与所建议的自动驾驶系统响应440进行比较来评估的。
驾驶员模型450允许根据人类驾驶员的当前能力和意识水平来设置当他控制汽车时汽车上的驾驶和速度限制。对于具有较低意识、较长反应时间、较低能力水平的驾驶员,可以降低交通工具可实现的最大速度。此外,在关键情形中,驾驶系统可以在自动模式中干预并取得交通工具控制。该干预是在当所估计的驾驶员警觉性和能力水平不允许他成功地对道路挑战作出响应的时刻外、但在当驾驶系统仍能够成功地作出响应的时刻之前完成的。
根据一些实施例,评估驾驶员意识可以包括:
-后台运行交通工具自主驾驶系统;
-监视交通工具环境,并确定事件和路径段;
-根据自主驾驶系统来确定交通工具控制方案;
-监视驾驶员行为/反应、由驾驶员应用的控制、以及交通工具行为;
-针对所观察到的环境事件中的至少一些,确定对应驾驶员反应的延迟;
-评估交通工具导航的平滑度和安全性;和/或
-将驾驶员反应与自主驾驶系统确定的反应进行比较。
图5示出了交通工具控制器模型和交通工具控制器的传感器。510“自动驾驶仪”表示自动驾驶系统。其从交通工具物理模型接收输入,该输入是对路线和操纵进行计算和建模所必需的;测量实际交通工具位置、速度、旋转和加速度的传感器520的反馈,运动控制器530和540的反馈,从而允许遵循来自控制器的被施加于交通工具的实际力和动作。
处理的层级由框510、520、530示出。自动驾驶仪510表示路线规划级别的策略性规划和处理、道路挑战的检测以及产生一般决策;交通工具操纵框520负责具体操纵的规划,并且动作控制器530负责其执行。它们从交通工具物理模型550接收输入,该输入是根据交通工具实际能力来规划和执行操纵所必需的;从运动控制器模型560接收输入,该输入是根据其运动控制器的实际能力来规划和执行交通工具运动所必需的,该实际能力进而依赖于当前微环境570,并且该输入是根据力学、空气动力学和/或流体动力学方程来计算的。考虑到实际且不理想的控制器性能和维护,针对故障诊断而测量、分门别类地记录控制器上的工作负载以及它们的性能。
图6示出了自动驾驶系统的一般执行流程图。在610中,系统接收目的地和优先级。目的地可以通过用户命令或者经由通信从另一系统接收。考虑将来自商店的食品或货物递送到生活公寓的自主交通工具。其从家庭计算机、家庭机器人、能够检查其内容且订购丢失的供给物的冰箱等接收目的地或整个使命。不同优先级的示例包括针对速度、风景、价格最小化、道路安全性等的优先级。
在620中,对路线进行规划,并且将所规划的路线划分成更小的段,这些段对于详细规划容易消化。段是道路的部分,其短到足以针对任何障碍物足够好地观察,以详细规划交通工具轨迹,且短到足以预期道路中断将很可能不在交通工具沿该段通行期间改变。
在当前段的执行期间,不断地针对“情形中断”640的出现而检查道路、汽车和微环境,“情形中断”640也称作“道路挑战”、“挑战情形”、“道路中断”等。
情形中断的示例包括:人跳到绕路上;汽车的机械故障;爆胎;道路上的其他驾驶员的事故或错误;道路上的交通的任何相关参与者的位置、速度的突然意料不到的改变;坠落的石头、建筑物、桥等。所检测到的情形中断需要交通工具轨迹中的校正。“中断”(阻断)的含义是:针对其的搜索被不断地执行,并且无论何时该中断被检测到,其都接收针对立即系统处理和响应的高优先级。
650表示轨迹和路线验证的框,其中将交通工具位置和路线与所规划的路线进行比较。
在框660中,计算在640中检测到的对可能检测到的道路中断的反应或在650中检测到的路线偏离。其可以是减速或者停止交通工具或转向等。如果交通工具是飞机并且情形中断是飞机上起火,则反应可以是到交通控制的通信和最接近的合适机场的紧急着陆请求。如果交通工具是帆船并且情形中断是有人落水,则反应可以包括通知人类船员、减速、通知所有附近船舶以及操纵驶向落水的人。如果交通工具是在山路中急转弯期间的有轮子的交通工具并且情形中断是前胎爆胎,则可能的反应可以包括带有同时校正转向的减速,以安全地来到安全的受保护的地方或者至少在对生命的风险和汽车的损害方面最小化惩罚。
自动系统相比于人类驾驶员的优势之一是:由于系统传感器和通信相比于人类感官的优越性、由于始终的警觉性、更高的反应速度、以及计算对仅受给定微环境内的交通工具能力和物理学定律限制的道路挑战的最优反应的能力而导致的更高安全性水平。
最后,680图示了当到达目的地时690中的导航终止或者否则沿经过630的路径继续。
图7示出了实现对有轮子的客车的控制的自动驾驶系统的框中的一些。其示出:自动驾驶仪750(自动驾驶系统)从道路传感器和促动器传感器710接收针对处理的输入(例如,用于估计轮子与道路之间的牵引力)。交通工具传感器710评估交通工具及其引擎的状态,微环境传感器730执行行人、交通工具、障碍物的检测、微环境测量和映射、来自交通控制服务的交通灯、路标、交通向导的检测和评估;在770中接收天气广播以及轨迹估计所必需的其他信息。在770中经由引擎推力的施加、传动装置、转向轮和制动来完成汽车运动的执行和控制。
图8示出了实现对家庭机器人的控制的自动驾驶系统的框中的一些。在810中获得新使命之后,考虑操作微环境的地图和与其中的障碍物、人类和动物有关的传感器数据,在820中对路线进行规划。路线被划分成步骤的序列。在每一个步骤830的执行期间,传感器数据的处理允许在840中检测可能的使命中断(也称作道路挑战/道路中断/情形中断/道路情形等)。使命异常的示例可以是使路线模糊的一件家具、穿行路线的人或宠物。如果重新确定路线和重新规划是可能的,则在820中更新路线,否则中止使命并且机器人为新使命做好准备。
图9示出了实现对无人机的控制的自动驾驶系统的框中的一些。作为无人机的示例,考虑四轴飞行无人机。然而,该图的各个方面中的至少一些可以关于飞行、航行、骑行其他种类的无人机或交通工具。框910图示了以下问题的连续跟踪:搜索障碍物、保持动态和静态平衡、以及遵循由人类用户或自动系统定义的轨迹。框920图示了由用户或外部命令系统应用的交互式控制,框930表示将对交互式控制920的响应以及来自920的平衡、障碍物避免和轨迹遵循的需求这两者进行了整合的处理。最后,940表示实现在930中获得的结果的促动器控制,诸如转子或其他种类的运动控制器。
图10示出了实现对飞机的控制的自动驾驶系统的框中的一些。存在专用于飞机类型的交通工具的若干特定方面。方面之一是将速度维持在特定最小速度(失速速度)以上的必要性,这是因为在失速速度以下的速度,飞机将不能够维持飞行而是实际上将坠落。此外,该最小速度依赖于飞机负载和燃料重量、襟翼的状态、坡度角、空气密度等,其中这些依赖性是本领域中根据针对每一个具体飞机类型的计算、仿真和准确测量已知的。
飞机导航的其他限制是天气、风、能见度、用于着陆的特定类型的机场的需求、交通分隔等的限制。现在让我们考虑多维空间,其维度由表征飞机及其飞行的状态的各种参数形成,这些参数为:飞机速度、重量、空气密度、坡度角、襟翼的状态、攻角、发动机推力等。该空间的维数等于张开该空间的参数的数目。飞机的安全操作仅在这些参数的特定限制内受保护,该特定限制由该参数空间内的特定子空间定义。
作为进一步阐明示例,可以在特定最大速度以下扩展襟翼和传动装置,并且必须在襟翼扩展的每一个级别处维持特定最小速度。当以特定值以下的垂直和横向速度执行降落时,安全着陆是可能的。
其处于自动飞行驾驶系统搜索解的该参数子空间内。
在图10中表示针对飞机的自动驾驶系统的进一步方面中的一些:1015表示交通地图;1020表示飞行控制表面的状态,诸如副翼、方向舵、升降舵和襟翼;1030表示与着陆相关的模型的概要,其包括着陆下降以及对速度、减小速率、天气等的限制;1010表示对飞行模式的各种限制;1035表示交通分隔;1040表示相对于交通地图和机场的当前位置以及飞行和飞机参数;最后,1050表示“相包络”——参数空间的安全子空间,如上所述。
图11图示了在作为交通工具速度的函数而绘制的成本函数的示例上搜索最优导航解的机制。其用于图示搜索最优导航路线的和最优导航操纵的所公开的方法,包括对道路中断的响应作为对约束最小化问题的解。约束最小化的问题对应用数学和物理学的适当分支中的技术人员是已知的。首先,构造“成本函数”,这反映了针对给定问题的最优性的准则且符合交通工具及其环境的物理限制和特性。1110指示最小化行程时间的需求,并示出:行程时间随交通工具速度的增大而减少。1120指示特定速度限制以上的罚款的成本以及其上升概率和值。水平箭头指示不同路段或状况中速度限制的可变性。1130指示行程安全性,具有通常随速度的上升而上升的风险。1140指示燃料费用,其指示燃料消耗随着速度的上升而上升。最后,1150示出总体成本函数,其总结了旅途的燃料费用1140、行程时间1110、潜在罚款1120和安全性1130。水平箭头指示曲线形状可以依赖于诸如道路和交通状况、驾驶员能力和警觉性、或者自动系统的算法、交通工具状态和状况等之类的不同因素而变化。曲线的形状可以在不同的准确度级别下根据简单经验评估而评估,以显式地计算交通工具和环境的物理模型。仅示出了成本因素的速度依赖性,真正的最优解存在于由交通工具的所有控制参数张开的多维空间中,且由交通工具、道路、交通和环境的特性定义和限制。
根据一些实施例,可以提供用于自动导航交通工具的示例性自主交通工具导航系统(AVNS),该系统可以包括:
数据储存器,用于存储在物理上描述一个或多个区域的一个或多个数据集(例如,地图);
用于从外部数据源接收与所述一个或多个区域相关的数据的电子接口;
用于控制所述交通工具的一个或多个控制的电子接口;
用于从物理传感器接收与所述交通工具的运动相关的参数的电子接口;
包括处理电路的导航处理器,所述处理电路被适配成:通过在计算上求解约束最小化问题,确定用于使所述交通工具从所述一个或多个区域中的给定点通行到所述一个或多个区域中的另一个点的初始最优路线,其中:
(i)所述约束最小化问题的约束是所述交通工具的物理能力和限制以及所述一个或多个区域内的适于使所述交通工具通行的物理空间;以及
(ii)所述约束最小化问题的优化参数是成本函数,该成本函数包括表示下述各项中每一个的成本值的加权聚合:乘客的安全性、其他人的安全性、所述交通工具和其他财产的安全性、对交通条例的遵守、最小化行程时间以及最小化成本;
被适配成与公共基础设施通信的电子通信单元,其中所述AVNS可以进一步被适配成当执行导航计算时将交通灯周期作为因素;
被适配成与其他交通工具通信的电子通信单元,其中所述AVNS可以进一步被适配成当执行导航计算时将从其他交通工具接收的数据作为因素;
交通工具物理模型,包括:交通工具的质量、交通工具的尺寸、交通工具的质量分布、交通工具的惯性力矩、交通工具的空气动力学或流体动力学性质;其中所述交通工具物理模型用于求解和仿真运动方程以预测在特定状况集合中所述交通工具的行为,从而便于经由所述用于控制所述交通工具的一个或多个控制的电子接口而对所述交通工具的控制;
交通工具运动控制器模型,用于计算要发送到所述一个或多个控制的信号,以便实现在给定境况集合中所述交通工具的给定操纵;
交通工具专用环境模型,包括由外部源在所述交通工具上施加的力的模型。根据一些实施例,所述交通工具专用环境模型包括由风在所述交通工具上施加的力的模型,并且来自外部数据源的与所述一个或多个区域相关的数据包括所述一个或多个区域中的风向和风速。根据一些实施例,所述交通工具专用环境模型包括由波和流在所述交通工具上施加的力的模型,并且来自外部数据源的与所述一个或多个区域相关的数据包括所述一个或多个区域中的波和流参数。根据一些实施例,所述交通工具专用环境模型包括由道路在所述交通工具上施加的力的模型。
根据一些实施例,确定初始最优路线包括应用运动方程以找到最小化所述成本函数的交通工具轨迹。
根据一些实施例,所述导航处理器包括路线规划逻辑和路线执行单元,其中:
a.所述路线规划逻辑被配置成:
i.接收:起点、目的地点、来自所述数据储存器的地图、所述地图中的区域的环境特性、以及导航偏好集合,以及
ii.构造就所接收到的导航偏好集合而言对所述交通工具最优的初始最优路线。
b.所述路线执行单元监视所述交通工具在所述初始最优路线上的通行,从而连续地针对所述初始最优路线的中断进行监视,其中所述初始最优路线的中断是新境况;基于将所述新境况作为因素求解约束最小化问题,期望改变或修改或执行所述初始最优路线。
根据一些实施例,所述AVNS被适配成使用所述用于控制所述交通工具的一个或多个控制的电子接口,以使所述交通工具响应于所述新境况而执行操纵。
根据一些实施例,所述AVNS被适配成使用所述用于控制所述交通工具的一个或多个控制的电子接口,以使所述交通工具通行最优路径。
根据一些实施例,所述AVNS的所述交通工具物理模型被配置成:当求解和仿真运动方程以预测在特定状况集合中所述交通工具的行为时,将对所述交通工具的一个或多个组件造成的故障或损害作为因素。
根据一些实施例,所述AVNS被配置成:在所述交通工具的故障或对所述交通工具的损害发生时,实时地更新所述交通工具物理模型。
根据一些实施例,所述AVNS被配置成:在所述交通工具的故障或对所述交通工具的损害发生时,实时地更新所述交通工具物理模型。
根据一些实施例,所述AVNS可以被安装在机器人、机动车、帆船、飞机等中。
根据一些实施例,可以提供一种驾驶员驾驶能力评估的方法,包括:
-监视交通工具的环境并识别所述交通工具的路径中的道路挑战;
-监视对所识别的道路挑战的驾驶员反应并确定所述驾驶员反应的反应时间;
-基于所监视的驾驶员反应和所确定的反应时间来限制所述交通工具的最大速度;和/或
-评估不同时间驾驶员的意识状态并记录所述评估。
尽管本文已经说明和描述了本发明的某些特征,但本领域技术人员现在将想到许多修改、替代、改变和等同物。因此,应当理解的是,所附权利要求意图覆盖落在本发明的真正精神内的所有这样的修改和改变。
Claims (19)
1.一种用于自动导航交通工具的系统,所述系统包括:
数据储存器,用于存储在物理上描述一个或多个区域的一个或多个数据集;
第一电子接口,用于从外部数据源接收与所述一个或多个区域相关的数据;
第二电子接口,用于从物理传感器接收与所述交通工具的运动相关的参数;
包括处理电路的导航处理器,所述处理电路被适配成:通过在计算上求解约束最小化问题,确定用于使所述交通工具从所述一个或多个区域中的给定点通行到所述一个或多个区域中的另一个点的初始最优路线,
其中:
(iii)所述约束最小化问题的约束是所述交通工具的物理能力和限制以及所述一个或多个区域内的适于使所述交通工具通行的物理空间;以及
(iv)所述约束最小化问题的优化参数是成本函数,该成本函数包括表示下述各项中每一个的成本值的加权聚合:乘客的安全性、所述交通工具外的人的安全性、所述交通工具和周围交通工具和财产的安全性、对交通条例的遵守、最小化行程时间以及最小化成本,所述安全性是作为速度、道路、交通、一天中的时间、照明的函数根据事故概率的已知统计和近似建模来完成的。
2.根据权利要求1所述的系统,其中,确定初始最优路线包括:应用运动方程以找到最小化所述成本函数的交通工具轨迹。
3.根据权利要求1所述的系统,其中,所述导航处理器包括路线规划逻辑和路线执行单元,其中:
a.所述路线规划逻辑被配置成:
i.接收:起点、目的地点、来自所述数据储存器的地图、所述地图中的区域的环境特性、以及导航偏好集合,以及
ii.构造就所接收到的导航偏好集合而言对所述交通工具最优的初始最优路线;
b.所述路线执行单元监视所述交通工具在所述初始最优路线上的通行,从而连续地针对所述初始最优路线的中断进行监视,其中所述初始最优路线的中断是新境况;基于将所述新境况作为因素求解约束最小化问题,期望改变或修改或者执行所述初始最优路线。
4.根据权利要求1所述的系统,进一步包括:用于控制所述交通工具的一个或多个控制的第四电子接口。
5.根据权利要求3所述的系统,进一步包括用于控制所述交通工具的一个或多个控制的第四电子接口,并且其中,所述系统被适配成使用所述第四电子接口以使所述交通工具响应于所述新境况而执行操纵。
6.根据权利要求4所述的系统,其中,所述系统被适配成使用所述第四电子接口,以使所述交通工具通行最优路径。
7.根据权利要求6所述的系统,其中,所述系统包括交通工具物理模型、交通工具运动控制器模型和交通工具专用环境模型,其中:
a.所述交通工具物理模型包括:交通工具的质量、交通工具的尺寸、交通工具的质量分布、交通工具的惯性力矩、交通工具的空气动力学或流体动力学性质;
b.所述交通工具物理模型用于求解和仿真运动方程以预测在特定状况集合中所述交通工具的行为,从而便于经由所述第四电子接口而对所述交通工具的控制;
c.所述运动控制器模型用于计算要发送到所述一个或多个控制的信号,以便实现在给定境况集合中对所述交通工具的给定操纵;
d.所述交通工具专用环境模型包括由外部源在所述交通工具上施加的力的模型。
8.根据权利要求7所述的系统,其中,所述交通工具物理模型被配置成:当求解和仿真运动方程以预测在特定状况集合中所述交通工具的行为时,将对所述交通工具的一个或多个组件造成的故障或损害作为因素。
9.根据权利要求8所述的系统,其中,所述系统被配置成:在所述交通工具的故障或对所述交通工具的损害发生时,实时地更新所述交通工具物理模型。
10.根据权利要求7所述的系统,其中,所述交通工具专用环境模型包括由风在所述交通工具上施加的力的模型,并且来自外部数据源的与所述一个或多个区域相关的数据包括所述一个或多个区域中的风向和风速。
11.根据权利要求7所述的系统,其中,所述交通工具专用环境模型包括由波和流在所述交通工具上施加的力的模型,并且来自外部数据源的与所述一个或多个区域相关的数据包括所述一个或多个区域中的波和流参数。
12.根据权利要求7所述的系统,其中,所述交通工具专用环境模型包括由道路在所述交通工具上施加的力的模型。
13.根据权利要求6所述的系统,其特征在于,所述系统还包括:
驾驶员模型,包括:当前能力水平和意识水平,当前能力水平是反映驾驶员的驾驶能力、驾驶员对危险和快速展开的道路挑战的警觉性的因素;
所述驾驶员模型允许根据人类驾驶员的当前能力水平和意识水平来设置当驾驶员控制汽车时汽车上的驾驶和速度限制;
所述系统在自动模式中干预并取得交通工具控制:该干预是在当所估计的驾驶员警觉性和能力水平不允许他成功地对道路挑战作出响应的时刻外、但在当所述系统仍能够成功地作出响应的时刻之前完成的。
14.根据权利要求1所述的系统,其中,所述交通工具是机器人。
15.根据权利要求1所述的系统,其中,所述交通工具是机动车。
16.根据权利要求1所述的系统,其中,所述交通工具是帆船。
17.根据权利要求1所述的系统,其中,所述交通工具是飞机。
18.根据权利要求1所述的系统,进一步包括被适配成与公共基础设施通信的电子通信单元,其中所述系统进一步被适配成当执行导航计算时将交通灯周期作为因素。
19.根据权利要求1所述的系统,进一步包括被适配成与其他交通工具通信的电子通信单元,并且所述系统进一步被适配成当执行导航计算时将从其他交通工具接收的数据作为因素。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562234738P | 2015-09-30 | 2015-09-30 | |
US62/234,738 | 2015-09-30 | ||
US14/949,919 | 2015-11-24 | ||
US14/949,919 US10002471B2 (en) | 2015-09-30 | 2015-11-24 | Systems and methods for autonomous vehicle navigation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107036600A CN107036600A (zh) | 2017-08-11 |
CN107036600B true CN107036600B (zh) | 2020-06-02 |
Family
ID=58412810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610851493.9A Expired - Fee Related CN107036600B (zh) | 2015-09-30 | 2016-09-26 | 用于自主交通工具导航的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (2) | US10002471B2 (zh) |
CN (1) | CN107036600B (zh) |
Families Citing this family (122)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9616773B2 (en) | 2015-05-11 | 2017-04-11 | Uber Technologies, Inc. | Detecting objects within a vehicle in connection with a service |
EP3303077B1 (en) * | 2015-06-01 | 2020-01-22 | Volvo Truck Corporation | A driver assistance system |
US10002471B2 (en) * | 2015-09-30 | 2018-06-19 | Ants Technology (Hk) Limited | Systems and methods for autonomous vehicle navigation |
US10712160B2 (en) | 2015-12-10 | 2020-07-14 | Uatc, Llc | Vehicle traction map for autonomous vehicles |
RU2018125029A (ru) * | 2015-12-10 | 2020-01-10 | Убер Текнолоджис, Инк. | Карта сцепления транспортного средства для автономных транспортных средств |
US9841763B1 (en) | 2015-12-16 | 2017-12-12 | Uber Technologies, Inc. | Predictive sensor array configuration system for an autonomous vehicle |
US9840256B1 (en) | 2015-12-16 | 2017-12-12 | Uber Technologies, Inc. | Predictive sensor array configuration system for an autonomous vehicle |
BR102016024151B1 (pt) * | 2016-01-06 | 2021-10-13 | Cnh Industrial America Llc | Meio legível por computador não transitório tangível, sistema e método para controlar pelo menos um veículo agrícola autônomo |
DE102016002603A1 (de) * | 2016-03-03 | 2017-09-07 | Audi Ag | Verfahren zur Ermittlung und Bereitstellung einer auf eine vorbestimmte Umgebung bezogenen, Umfelddaten enthaltenden Datenbank |
US9990548B2 (en) | 2016-03-09 | 2018-06-05 | Uber Technologies, Inc. | Traffic signal analysis system |
US10459087B2 (en) | 2016-04-26 | 2019-10-29 | Uber Technologies, Inc. | Road registration differential GPS |
US9672446B1 (en) | 2016-05-06 | 2017-06-06 | Uber Technologies, Inc. | Object detection for an autonomous vehicle |
US20180003511A1 (en) | 2016-07-01 | 2018-01-04 | Uber Technologies, Inc. | Autonomous vehicle localization using submaps |
US10640111B1 (en) * | 2016-09-07 | 2020-05-05 | Waymo Llc | Speed planning for autonomous vehicles |
US10678240B2 (en) * | 2016-09-08 | 2020-06-09 | Mentor Graphics Corporation | Sensor modification based on an annotated environmental model |
US10018475B2 (en) * | 2016-09-09 | 2018-07-10 | Ford Global Technologies, Llc | Water depth detection for vehicle navigation |
US10421460B2 (en) * | 2016-11-09 | 2019-09-24 | Baidu Usa Llc | Evaluation framework for decision making of autonomous driving vehicle |
CN107223200B (zh) * | 2016-12-30 | 2023-02-28 | 达闼机器人股份有限公司 | 一种导航方法、装置及终端设备 |
WO2018129711A1 (en) * | 2017-01-13 | 2018-07-19 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Method and system for determining road frictions of autonomous driving vehicles using learning-based model predictive control |
MX2019009397A (es) | 2017-02-10 | 2019-12-05 | Nissan North America Inc | Gestion operacional de vehiculo autonomo que incluye operar una instancia de modelo de proceso de decision de markov parcialmente observable. |
KR102090920B1 (ko) | 2017-02-10 | 2020-03-19 | 닛산 노쓰 아메리카, 인크. | 자율주행 차량 운용 관리 제어 |
CA3052953C (en) | 2017-02-10 | 2021-11-09 | Nissan North America, Inc. | Autonomous vehicle operational management blocking monitoring |
CN106951627A (zh) * | 2017-03-15 | 2017-07-14 | 北京百度网讯科技有限公司 | 车辆自动驾驶的仿真测试方法、装置、设备及计算机可读存储介质 |
WO2018189843A1 (ja) * | 2017-04-12 | 2018-10-18 | 日産自動車株式会社 | 運転制御方法及び運転制御装置 |
WO2018195869A1 (en) * | 2017-04-27 | 2018-11-01 | SZ DJI Technology Co., Ltd. | Systems and methods for generating real-time map using movable object |
JP7000704B2 (ja) * | 2017-05-16 | 2022-01-19 | 富士フイルムビジネスイノベーション株式会社 | 移動式サービス提供装置及びプログラム |
DE102017212373A1 (de) | 2017-07-19 | 2019-01-24 | Volkswagen Aktiengesellschaft | Verfahren zur Bestimmung einer Trajektorie für eine autonom fahrendes Kraftfahrzeug, Steuereinrichtung und Kraftfahrzeug |
US10353399B2 (en) * | 2017-07-21 | 2019-07-16 | AI Incorporated | Polymorphic path planning for robotic devices |
US10532749B2 (en) * | 2017-08-11 | 2020-01-14 | Uatc, Llc | Systems and methods to adjust autonomous vehicle parameters in response to passenger feedback |
US10663309B2 (en) * | 2017-08-18 | 2020-05-26 | GM Global Technology Operations LLC | Route planning and adaptation based on vehicle health management information |
US10948919B2 (en) * | 2017-09-11 | 2021-03-16 | Baidu Usa Llc | Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles |
EP3682304A4 (en) * | 2017-09-12 | 2021-07-14 | HRL Laboratories, LLC | COARSE GRAIN, MULTI-LAYERED FLOW INFORMATION DYNAMICS FOR MULTI-SCALE MONITORING |
CN107979887A (zh) * | 2017-10-25 | 2018-05-01 | 吴正矗 | 一种联动智能室外照明网络系统及用于该系统的照明单元 |
US11263835B2 (en) * | 2017-10-27 | 2022-03-01 | The Boeing Company | Vehicle fault detection system and method utilizing graphically converted temporal data |
US10836405B2 (en) | 2017-10-30 | 2020-11-17 | Nissan North America, Inc. | Continual planning and metareasoning for controlling an autonomous vehicle |
WO2019088989A1 (en) * | 2017-10-31 | 2019-05-09 | Nissan North America, Inc. | Reinforcement and model learning for vehicle operation |
US11702070B2 (en) | 2017-10-31 | 2023-07-18 | Nissan North America, Inc. | Autonomous vehicle operation with explicit occlusion reasoning |
US10967861B2 (en) | 2018-11-13 | 2021-04-06 | Waymo Llc | Using discomfort for speed planning in responding to tailgating vehicles for autonomous vehicles |
US10627825B2 (en) | 2017-11-22 | 2020-04-21 | Waymo Llc | Using discomfort for speed planning in autonomous vehicles |
CN111629945B (zh) | 2017-11-30 | 2022-04-26 | 日产北美公司 | 自主车辆运行管理场景 |
US11260875B2 (en) | 2017-12-07 | 2022-03-01 | Uatc, Llc | Systems and methods for road surface dependent motion planning |
US10816990B2 (en) * | 2017-12-21 | 2020-10-27 | Baidu Usa Llc | Non-blocking boundary for autonomous vehicle planning |
US11874120B2 (en) | 2017-12-22 | 2024-01-16 | Nissan North America, Inc. | Shared autonomous vehicle operational management |
WO2019122933A1 (en) * | 2017-12-22 | 2019-06-27 | Farfetch UK Limited | Central control system and method |
US10935975B2 (en) * | 2017-12-22 | 2021-03-02 | Tusimple, Inc. | Method and system for modeling autonomous vehicle behavior |
US11042163B2 (en) | 2018-01-07 | 2021-06-22 | Nvidia Corporation | Guiding vehicles through vehicle maneuvers using machine learning models |
US20190220016A1 (en) * | 2018-01-15 | 2019-07-18 | Uber Technologies, Inc. | Discrete Decision Architecture for Motion Planning System of an Autonomous Vehicle |
CN110352153B (zh) | 2018-02-02 | 2024-07-19 | 辉达公司 | 自主车辆中用于障碍物躲避的安全程序分析 |
JP7010048B2 (ja) * | 2018-02-16 | 2022-01-26 | トヨタ自動車株式会社 | 移動体、業務支援方法、業務支援プログラムおよび業務支援システム |
CN111133447B (zh) | 2018-02-18 | 2024-03-19 | 辉达公司 | 适于自主驾驶的对象检测和检测置信度的方法和系统 |
US11110941B2 (en) | 2018-02-26 | 2021-09-07 | Renault S.A.S. | Centralized shared autonomous vehicle operational management |
WO2019168869A1 (en) | 2018-02-27 | 2019-09-06 | Nvidia Corporation | Real-time detection of lanes and boundaries by autonomous vehicles |
WO2019178548A1 (en) | 2018-03-15 | 2019-09-19 | Nvidia Corporation | Determining drivable free-space for autonomous vehicles |
WO2019182974A2 (en) | 2018-03-21 | 2019-09-26 | Nvidia Corporation | Stereo depth estimation using deep neural networks |
DE112019001605T5 (de) | 2018-03-27 | 2020-12-17 | Nvidia Corporation | Trainieren, testen und verifizieren von autonomen maschinen unter verwendung simulierter umgebungen |
US11585672B1 (en) * | 2018-04-11 | 2023-02-21 | Palantir Technologies Inc. | Three-dimensional representations of routes |
US20190315342A1 (en) * | 2018-04-13 | 2019-10-17 | GM Global Technology Operations LLC | Preference adjustment of autonomous vehicle performance dynamics |
US11691755B2 (en) * | 2018-04-16 | 2023-07-04 | Wing Aviation Llc | Multi-UAV management |
US10935974B1 (en) * | 2018-04-19 | 2021-03-02 | State Farm Mutual Automobile Insurance Company | Manual control re-engagement in an autonomous vehicle |
US11334753B2 (en) | 2018-04-30 | 2022-05-17 | Uatc, Llc | Traffic signal state classification for autonomous vehicles |
US11112257B2 (en) * | 2018-05-02 | 2021-09-07 | Microsoft Technology Licensing, Llc | Navigation with sun glare information |
US10635764B2 (en) * | 2018-05-03 | 2020-04-28 | Didi Research America, Llc | Method and device for providing vehicle navigation simulation environment |
CN109029476B (zh) * | 2018-06-04 | 2020-06-23 | 京东数字科技控股有限公司 | 一种用于确定可达区域的方法和装置 |
US11966838B2 (en) | 2018-06-19 | 2024-04-23 | Nvidia Corporation | Behavior-guided path planning in autonomous machine applications |
US10860023B2 (en) * | 2018-06-25 | 2020-12-08 | Mitsubishi Electric Research Laboratories, Inc. | Systems and methods for safe decision making of autonomous vehicles |
US11354406B2 (en) * | 2018-06-28 | 2022-06-07 | Intel Corporation | Physics-based approach for attack detection and localization in closed-loop controls for autonomous vehicles |
US11120688B2 (en) | 2018-06-29 | 2021-09-14 | Nissan North America, Inc. | Orientation-adjust actions for autonomous vehicle operational management |
CN109240290B (zh) * | 2018-09-04 | 2021-09-03 | 南京理工大学 | 一种电力巡检机器人返航路径确定方法 |
US10961921B2 (en) | 2018-09-19 | 2021-03-30 | Pratt & Whitney Canada Corp. | Model-based control system and method for a turboprop engine |
DE112019004698T5 (de) * | 2018-09-20 | 2021-06-24 | Jaguar Land Rover Limited | Steuerungssystem für ein fahrzeug |
JP7070295B2 (ja) * | 2018-09-27 | 2022-05-18 | オムロン株式会社 | 制御装置 |
CN110968088B (zh) * | 2018-09-30 | 2023-09-12 | 百度(美国)有限责任公司 | 车辆控制参数的确定方法、装置、车载控制器和无人车 |
CN113039563B (zh) | 2018-11-16 | 2024-03-12 | 辉达公司 | 学习生成用于训练神经网络的合成数据集 |
DE102018220127A1 (de) * | 2018-11-23 | 2020-05-28 | Ford Global Technologies, Llc | Spurwechselassistenzsystem |
US20210403041A1 (en) * | 2018-12-13 | 2021-12-30 | Siemens Aktiengesellschaft | Automated system including reachability analysis |
WO2020140049A1 (en) | 2018-12-28 | 2020-07-02 | Nvidia Corporation | Distance to obstacle detection in autonomous machine applications |
WO2020140047A1 (en) | 2018-12-28 | 2020-07-02 | Nvidia Corporation | Distance to obstacle detection in autonomous machine applications |
US11170299B2 (en) | 2018-12-28 | 2021-11-09 | Nvidia Corporation | Distance estimation to objects and free-space boundaries in autonomous machine applications |
CN109753073A (zh) * | 2019-01-25 | 2019-05-14 | 温州大学 | 一种无人驾驶智能车速管理系统 |
WO2020163390A1 (en) | 2019-02-05 | 2020-08-13 | Nvidia Corporation | Driving lane perception diversity and redundancy in autonomous driving applications |
US11466998B1 (en) | 2019-02-15 | 2022-10-11 | State Farm Mutual Automobile Insurance Company | Systems and methods for dynamically generating optimal routes for management of multiple vehicles |
US11493345B1 (en) * | 2019-02-15 | 2022-11-08 | State Farm Mutual Automobile Insurance Company | Systems and methods for dynamically generating optimal routes for vehicle delivery management |
WO2020165908A2 (en) * | 2019-02-17 | 2020-08-20 | Guardian Optical Technologies Ltd | System, device, and methods for detecting and obtaining information on objects in a vehicle |
CN109814568B (zh) * | 2019-02-19 | 2022-05-03 | 阿波罗智能技术(北京)有限公司 | 无人车速度轨迹的生成方法、装置和存储介质 |
WO2020185779A1 (en) | 2019-03-11 | 2020-09-17 | Nvidia Corporation | Intersection detection and classification in autonomous machine applications |
US10809734B2 (en) | 2019-03-13 | 2020-10-20 | Mobile Industrial Robots A/S | Route planning in an autonomous device |
US11169513B2 (en) * | 2019-03-29 | 2021-11-09 | Tusimple, Inc. | Operational testing of autonomous vehicles |
US11442467B2 (en) | 2019-03-29 | 2022-09-13 | Wipro Limited | Method and system for generating a trajectory for navigating an autonomous vehicle |
US11741719B2 (en) * | 2019-08-27 | 2023-08-29 | GM Global Technology Operations LLC | Approach to maneuver planning for navigating around parked vehicles for autonomous driving |
US11788861B2 (en) | 2019-08-31 | 2023-10-17 | Nvidia Corporation | Map creation and localization for autonomous driving applications |
US11958183B2 (en) | 2019-09-19 | 2024-04-16 | The Research Foundation For The State University Of New York | Negotiation-based human-robot collaboration via augmented reality |
FR3101469A1 (fr) * | 2019-09-27 | 2021-04-02 | Psa Automobiles Sa | Procédé et dispositif de détermination d’un trajet pour véhicule |
CN110853335B (zh) * | 2019-11-14 | 2020-11-27 | 东南大学 | 高速公路常发性瓶颈路段协作车队冲突避险自主决策方法 |
US11899454B2 (en) | 2019-11-26 | 2024-02-13 | Nissan North America, Inc. | Objective-based reasoning in autonomous vehicle decision-making |
US11635758B2 (en) | 2019-11-26 | 2023-04-25 | Nissan North America, Inc. | Risk aware executor with action set recommendations |
US11613269B2 (en) | 2019-12-23 | 2023-03-28 | Nissan North America, Inc. | Learning safety and human-centered constraints in autonomous vehicles |
US11300957B2 (en) | 2019-12-26 | 2022-04-12 | Nissan North America, Inc. | Multiple objective explanation and control interface design |
US11898859B2 (en) * | 2020-01-06 | 2024-02-13 | Motional Ad Llc | System and method for updating map data |
US11577746B2 (en) | 2020-01-31 | 2023-02-14 | Nissan North America, Inc. | Explainability of autonomous vehicle decision making |
US11714971B2 (en) | 2020-01-31 | 2023-08-01 | Nissan North America, Inc. | Explainability of autonomous vehicle decision making |
CN111942396B (zh) * | 2020-02-17 | 2021-12-24 | 采埃孚汽车系统(上海)有限公司 | 自动驾驶控制装置、方法及自动驾驶系统 |
US11429107B2 (en) | 2020-02-21 | 2022-08-30 | Argo AI, LLC | Play-forward planning and control system for an autonomous vehicle |
US11643105B2 (en) | 2020-02-21 | 2023-05-09 | Argo AI, LLC | Systems and methods for generating simulation scenario definitions for an autonomous vehicle system |
EP3879400A1 (en) * | 2020-03-12 | 2021-09-15 | Volkswagen Ag | Method and device for configuring a system architecture of an autonomous vehicle |
US11782438B2 (en) | 2020-03-17 | 2023-10-10 | Nissan North America, Inc. | Apparatus and method for post-processing a decision-making model of an autonomous vehicle using multivariate data |
US11592299B2 (en) | 2020-03-19 | 2023-02-28 | Mobile Industrial Robots A/S | Using static scores to control vehicle operations |
US12077190B2 (en) | 2020-05-18 | 2024-09-03 | Nvidia Corporation | Efficient safety aware path selection and planning for autonomous machine applications |
US11648959B2 (en) | 2020-10-20 | 2023-05-16 | Argo AI, LLC | In-vehicle operation of simulation scenarios during autonomous vehicle runs |
US11978266B2 (en) | 2020-10-21 | 2024-05-07 | Nvidia Corporation | Occupant attentiveness and cognitive load monitoring for autonomous and semi-autonomous driving applications |
CN112937576B (zh) * | 2020-10-29 | 2022-05-20 | 北京理工大学 | 基于驾驶员状态与车辆状态关联性的车辆辅助控制方法 |
KR20220095317A (ko) * | 2020-12-29 | 2022-07-07 | 현대자동차주식회사 | 차량 |
CN112991796B (zh) * | 2021-02-07 | 2023-06-06 | 易特智行科技(张家口)有限公司 | 一种自动驾驶交通灯识别系统及方法 |
US12019449B2 (en) | 2021-02-18 | 2024-06-25 | Argo AI, LLC | Rare event simulation in autonomous vehicle motion planning |
US11175663B1 (en) | 2021-03-15 | 2021-11-16 | Sea Machines Robotics, Inc. | Automated marine navigation |
US12078995B1 (en) | 2021-04-26 | 2024-09-03 | Zoox, Inc. | Vehicle control based on wind compensation |
CN113552382A (zh) * | 2021-07-26 | 2021-10-26 | 浙江中控技术股份有限公司 | 风速风向测量方法、装置及系统 |
US20230303111A1 (en) * | 2022-03-22 | 2023-09-28 | Here Global B.V. | Autonomous vehicle navigation using non-connected map fragments |
CN114814990B (zh) * | 2022-05-06 | 2023-08-11 | 自然资源部第一海洋研究所 | 一种海湾纳潮量预报与监测装置及其工作方法 |
CN114636417B (zh) * | 2022-05-23 | 2022-09-02 | 珠海翔翼航空技术有限公司 | 基于图像识别的飞行器迫降路径规划方法、系统和设备 |
DE102022116199A1 (de) * | 2022-06-29 | 2024-01-04 | Man Truck & Bus Se | Verfahren zur Bestimmung einer Fahrstrategie für eine Transportfahrt eines selbstfahrenden Nutzfahrzeugs |
CN116911511B (zh) * | 2023-09-14 | 2023-12-12 | 中建三局信息科技有限公司 | 一种商砼运输车辆实时管理方法、装置、设备及存储介质 |
CN118387142B (zh) * | 2024-06-27 | 2024-09-10 | 广汽埃安新能源汽车股份有限公司 | 一种车辆自动驾驶的速度控制方法、装置及车辆 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697736B2 (en) * | 2002-02-06 | 2004-02-24 | American Gnc Corporation | Positioning and navigation method and system thereof |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19928295A1 (de) * | 1999-06-22 | 2000-12-28 | Bosch Gmbh Robert | Verfahren und Vorrichtung zum Bestimmen einer Route von einem Ausgangsort zu einem Zielort |
GB2370460A (en) * | 2000-12-21 | 2002-06-26 | Nokia Mobile Phones Ltd | Segmented route guidance |
DE10145299A1 (de) * | 2001-09-14 | 2003-04-03 | Bosch Gmbh Robert | Verfahren zur automatischen Berechnung von optimalen Routen |
US20070203623A1 (en) * | 2006-02-28 | 2007-08-30 | J3S, Inc. | Autonomous water-borne vehicle |
JP4995499B2 (ja) * | 2006-06-23 | 2012-08-08 | アイシン・エィ・ダブリュ株式会社 | 地図情報配信システム |
JP4656023B2 (ja) * | 2006-08-11 | 2011-03-23 | 株式会社デンソー | 地図表示装置 |
JP4903616B2 (ja) * | 2007-03-29 | 2012-03-28 | アイシン・エィ・ダブリュ株式会社 | 地図更新データ供給装置、地図データ更新システム、及び地図更新データ供給方法 |
US8482486B2 (en) * | 2009-04-02 | 2013-07-09 | GM Global Technology Operations LLC | Rear view mirror on full-windshield head-up display |
KR101214474B1 (ko) * | 2009-09-15 | 2012-12-24 | 한국전자통신연구원 | 네비게이션 장치 및 이를 이용한 주행 경로 정보 제공 방법, 자동 주행 시스템 및 그 방법 |
US20130201316A1 (en) * | 2012-01-09 | 2013-08-08 | May Patents Ltd. | System and method for server based control |
JP5599830B2 (ja) * | 2012-02-03 | 2014-10-01 | クラリオン株式会社 | 経路案内システム、経路案内サーバ装置およびナビゲーション端末装置 |
US20140032087A1 (en) * | 2012-07-25 | 2014-01-30 | Mobiwize Solutions Ltd. | Reducing fuel consumption by accommodating to anticipated road and driving conditions |
US9751534B2 (en) * | 2013-03-15 | 2017-09-05 | Honda Motor Co., Ltd. | System and method for responding to driver state |
US9630631B2 (en) * | 2013-10-03 | 2017-04-25 | Honda Motor Co., Ltd. | System and method for dynamic in-vehicle virtual reality |
US10115164B1 (en) * | 2013-10-04 | 2018-10-30 | State Farm Mutual Automobile Insurance Company | Systems and methods to quantify and differentiate individual insurance risk based on actual driving behavior and driving environment |
US9073430B1 (en) * | 2014-01-07 | 2015-07-07 | International Business Machines Corporation | Driver reaction time measurement |
US9404761B2 (en) * | 2014-05-30 | 2016-08-02 | Nissan North America, Inc. | Autonomous vehicle lane routing and navigation |
US9714831B2 (en) * | 2014-07-07 | 2017-07-25 | Microsoft Technology Licensing, Llc | Travel path identification based upon statistical relationships between path costs |
US9766625B2 (en) * | 2014-07-25 | 2017-09-19 | Here Global B.V. | Personalized driving of autonomously driven vehicles |
US9514651B2 (en) * | 2014-08-19 | 2016-12-06 | Here Global B.V. | Optimal warning distance |
DE112014006929B4 (de) * | 2014-09-05 | 2023-03-02 | Mitsubishi Electric Corporation | Autonomes Fahrmanagementsystem, Server und autonomes Fahrmanagementverfahren |
EP3040809B1 (en) * | 2015-01-02 | 2018-12-12 | Harman Becker Automotive Systems GmbH | Method and system for controlling a human-machine interface having at least two displays |
US10002471B2 (en) * | 2015-09-30 | 2018-06-19 | Ants Technology (Hk) Limited | Systems and methods for autonomous vehicle navigation |
US9640079B1 (en) * | 2016-02-09 | 2017-05-02 | Honeywell International Inc. | Methods and systems facilitating holding for an unavailable destination |
-
2015
- 2015-11-24 US US14/949,919 patent/US10002471B2/en active Active - Reinstated
-
2016
- 2016-09-26 CN CN201610851493.9A patent/CN107036600B/zh not_active Expired - Fee Related
-
2018
- 2018-05-15 US US15/979,497 patent/US20180261023A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697736B2 (en) * | 2002-02-06 | 2004-02-24 | American Gnc Corporation | Positioning and navigation method and system thereof |
Also Published As
Publication number | Publication date |
---|---|
CN107036600A (zh) | 2017-08-11 |
US10002471B2 (en) | 2018-06-19 |
US20180261023A1 (en) | 2018-09-13 |
US20170090478A1 (en) | 2017-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107036600B (zh) | 用于自主交通工具导航的系统和方法 | |
US11960303B2 (en) | Situational awareness, vehicle control, and/or contingency planning for aircraft actuator failure | |
CN113015664B (zh) | 感知防撞 | |
US11900823B2 (en) | Systems and methods for computing flight controls for vehicle landing | |
JP6051162B2 (ja) | 検出された物体の挙動を予測するシステム及び方法 | |
JP6272637B2 (ja) | 航空交通の間隔保持システム | |
US8744738B2 (en) | Aircraft traffic separation system | |
JP2020040659A (ja) | 自律運転乗物用の制御及びシステム | |
Sebbane | Smart autonomous aircraft: flight control and planning for UAV | |
KR20140052978A (ko) | 무인 운송체용 제어 컴퓨터 | |
KR20200003911A (ko) | 항공기에 대한 외부 오브젝트를 감지하고 회피하기 위한 시스템 및 방법 | |
GB2453854A (en) | Fully-automated flight management system for aircraft | |
CN113156927A (zh) | 自动驾驶车辆的安全控制方法及安全控制装置 | |
US11763555B2 (en) | System and method for ground obstacle detection and database management | |
CN112262055B (zh) | 实时控制自动驾驶车辆的系统和方法 | |
EP4114701A1 (en) | Localization error monitoring | |
CN109383763A (zh) | 一种用于预测飞行器所产生的尾涡流的移位的预测方法 | |
US20240010198A1 (en) | Methods and Systems for Adjusting Vehicle Behavior Based on Ambient Ground Relative Wind Speed Estimations | |
CN114248794A (zh) | 车辆的控制方法、装置及车辆 | |
EP2930581B1 (en) | System and method for surface vehicle trajectory description | |
Lee | On the Complete Automation of Vertical Flight Aircraft Ship Landing | |
Goodrich et al. | Transformational autonomy and personal transportation: Synergies and differences between cars and planes | |
Geiger et al. | Flight testing a real time implementation of a UAV path planner using direct collocation | |
Richards et al. | Self-Directed and Informed Forced-Landing System for UAV Avoidance of On-Ground Persons, Vehicles, and Structures | |
Kosuru et al. | INTELLIGENT PATH PLANNING TECHNIQUE FOR AUTONOMOUS VEHICLES USING IMPROVED HARMONY SEARCH OPTI-MIZED FUZZY CONTROL |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200602 Termination date: 20210926 |