CN107463170A - 用于自主车辆导航的交通控制设备与通车车道基于传感器的关联性 - Google Patents
用于自主车辆导航的交通控制设备与通车车道基于传感器的关联性 Download PDFInfo
- Publication number
- CN107463170A CN107463170A CN201710341871.3A CN201710341871A CN107463170A CN 107463170 A CN107463170 A CN 107463170A CN 201710341871 A CN201710341871 A CN 201710341871A CN 107463170 A CN107463170 A CN 107463170A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- control equipment
- sensor
- traffic
- traffic control
- 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.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 30
- 238000013500 data storage Methods 0.000 claims abstract description 28
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 description 26
- 230000015654 memory Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/10—Path keeping
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Abstract
一种用于生成映射数据的系统,其包含宿主车辆和联接到宿主车辆的至少一个传感器。传感器能够检测交通控制设备,并能够检测车辆的运动。该系统另外包含非暂时性数据存储设备和处理器。处理器与传感器和数据存储设备进行通信。处理器配置成响应于驾驶循环过程中用于检测交通控制设备和检测车辆运动的至少一个传感器而识别与车辆相关联的通车车道、将通车车道与交通控制设备相关联、以及将通车车道与交通控制设备的关联性存储在数据存储设备中,以便随后供自动驾驶系统访问。
Description
技术领域
本发明涉及由自动驾驶系统控制的自主车辆,尤其是配置成在驾驶循环过程中无需人为干预便可自动控制车辆转向、加速和制动的那些自主车辆。
背景技术
现代车辆的操作正在变得越来越自动化,也就是说,能够在越来越少的驾驶员干预的情况下进行驾驶控制。车辆自动化分为从0(对应于没有自动化,完全人为控制)到5(对应于没有人为控制,完全自动化)的数字水平。各种自动化的驾驶员辅助系统,比如巡航控制系统、自适应巡航控制系统、以及驻车辅助系统对应于较低的自动化水平,而真正的“无人驾驶”车辆则对应于较高的自动化水平。
发明内容
根据本发明生成映射数据的系统包含宿主车辆和联接到宿主车辆的至少一个传感器。传感器能够检测交通控制设备,并能够检测车辆的运动。该系统另外包含非暂时性数据存储设备和处理器。处理器与传感器和数据存储设备进行通信。处理器配置成响应于驾驶循环过程中用于检测交通控制设备和检测车辆运动的至少一个传感器而识别与车辆相关联的通车车道、将通车车道与交通控制设备相关联、以及将通车车道与交通控制设备的关联性存储在数据存储设备中,以便随后供自动驾驶系统访问。
根据至少一个实施例,检测车辆的运动包含检测宿主车辆的运动。
根据至少一个实施例,传感器能够检测接近宿主车辆的目标车辆的运动,而且检测车辆的运动包含检测目标车辆的运动。
根据至少一个实施例,宿主车辆是具有自动驾驶系统的自主车辆。自动驾驶系统配置成在随后的驾驶循环中访问数据存储设备。
根据至少一个实施例,处理器和数据存储设备均联接到宿主车辆。
根据至少一个实施例,非暂时性数据存储设备包含远程数据存储设备。在这种实施例中,系统可以另外地包含联接到车辆的无线通信系统,其中处理器经由无线通信系统与传感器或远程数据存储器进行通信。
根据本发明的车辆控制方法包含向宿主车辆提供能够检测交通控制设备和能够检测车辆运动的至少一个传感器。该方法另外包含响应于在驾驶循环过程中对交通控制设备的检测和对车辆运动的检测而识别与车辆相关联的通车车道,并将通车车道与交通控制设备相关联。该方法进一步包含将通车车道与交通控制设备的关联性存储在非暂时性数据存储设备中。
根据至少一个实施例,检测车辆的运动包含检测宿主车辆的运动。
根据至少一个实施例,传感器能够检测接近宿主车辆的目标车辆的运动,而且检测车辆的运动包含检测目标车辆的运动。
根据至少一个实施例,该方法另外包含通过自主车辆的自动驾驶系统访问非暂时性数据存储设备。自主车辆可以是宿主车辆。
根据至少一个实施例,非暂时性数据存储设备远离车辆。
根据各个实施例,关联性由与宿主车辆相关联的至少一个处理器执行或由远离宿主车辆的服务器执行。
根据本发明的自主车辆包含自动驾驶系统,其配置成在驾驶循环过程中控制车辆的转向、加速和制动。车辆另外包含至少一个传感器,其能够检测交通控制设备,并能够检测车辆的运动。车辆进一步包含非暂时性数据存储设备和至少一个处理器。处理器与传感器和数据存储设备进行通信。处理器配置成响应于驾驶循环过程中用于检测交通控制设备和检测车辆运动的至少一个传感器而识别与车辆相关联的通车车道、将通车车道与交通控制设备相关联、以及将通车车道与交通控制设备的关联性存储在数据存储设备中,以便随后供自动驾驶系统访问。
根据至少一个实施例,传感器能够检测与自主车辆不同的目标车辆的运动。
根据至少一个实施例,车辆另外包含无线通信设备。处理器进一步配置成将通车车道与交通控制设备的关联性传达至远程服务器,以便随后供其它自动驾驶系统访问。处理器可以进一步配置成从远程服务器接收车道与其它交通控制设备的其它关联性。
根据本发明的实施例提供了许多优点。例如,根据本发明的系统和方法可以对交叉路口进行更快且更廉价的映射,以用于自主车辆的导航。
当结合附图考虑优选实施例的以下具体实施方式时,将更容易了解本发明的上述优点和其它优点和特征。
附图说明
图1是根据本发明的车辆的示意图;
图2是根据本发明的车辆控制系统的示意图;
图3是根据本发明的车辆控制方法的第一个实施例的流程图;
图4是根据本发明的车辆控制方法的第二个实施例的流程图;
图5是根据本发明的车辆控制方法的第三个实施例的流程图;
图6是根据本发明的车辆控制方法的第四个实施例的流程图;以及
图7是根据本发明的车辆控制方法的第五个实施例的流程图。
具体实施方式
本文中描述了本发明的实施例。然而,应当理解,所公开的实施例仅仅是实例,其它实施例可以采用各种不同的和替代形式。图表并非按比例绘制;一些特征可能被放大或缩小,以显示特定部件的细节。因此,本文公开的特定结构和功能细节不应解释为限制,而仅仅解释为用于教导本领域的技术人员以各种方式利用本发明的代表性基础知识。如本领域普通技术人员将理解的,参照任一个附图所示和所述的各种特征可以与一个或一个以上的其它附图中所示的特征相结合,以形成未明确示出或描述的实施例。所示特征的结合提供了用于典型应用的代表性实施例。然而,对于特定应用或实施方式,可以期望与本发明的教导相一致的各种组合和修改。
现在参照图1,示意性地示出了根据本发明的一种机动车辆10。机动车辆10包含推进系统12,其在各个实施例中可以包含内燃机、电动机(比如牵引电机)、和/或燃料电池推进系统。
机动车辆10还包含变速器14,其配置成根据可选择的速度比将动力从推进系统12传输至车轮16。根据各个实施例,变速器14可以包含分级换挡自动变速器、无级变速器、或其它合适的变速器。
机动车辆10另外包含转向系统18。尽管为了便于说明而示出为包含方向盘,但是在本发明的范围内构想的一些实施例中,转向系统18可以不包含方向盘。
机动车辆10另外包含多个车轮16和相关联的车轮制动器20,车轮制动器20配置成向车轮16提供制动扭矩。在各个实施例中,车轮制动器20可以包含摩擦制动器、再生制动系统(比如电机)、和/或其它合适的制动系统。
推进系统12、变速器14、转向系统18和车轮制动器20与至少一个控制器22进行通信或受其控制。尽管为了说明的目的而示出为单个单元,但控制器22可以另外包含一个或一个以上的其它控制器,共同地被称为“控制器”。控制器22可以包含与各种类型的计算机可读存储设备或介质进行通信的微处理器或中央处理单元(CPU)。计算机可读存储设备或介质可以例如包含只读存储器(ROM)、随机存取存储器(RAM)、磨损修正系数存储器(KAM)中的易失性和非易失性存储设备。磨损修正系数存储器(KAM)是一种持久性或非易失性存储设备,可以用于在关闭CPU的同时存储各种操作变量。可以用多种已知的存储设备中的任一种来执行计算机可读存储设备或介质,比如PROM(可编程只读存储器)、EPROM(电可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、闪存、或能够存储数据的任何其它的电、磁、光或其组合的存储设备,其中一些数据表示可执行的指令,由控制器22用于控制车辆。
控制器22配备有用于自动控制车辆10内的各种致动器的自动驾驶系统(ADS)24。在一个示例性实施例中,自动驾驶系统24配置成无需人为干预而控制推进系统12、变速器14、转向系统18、车轮制动器20,以分别控制车辆的加速、转向和制动。
自动驾驶系统24配置成响应于来自多个传感器26(其可以包含GPS、雷达、激光雷达、光学摄像机、热成像摄像机、超声波传感器、加速度计、和/或其它合适的传感器)的输入而控制推进系统12、变速器14、转向系统18、以及车轮制动器20。
车辆10另外包含无线通信系统28,其配置成与其它车辆(“V2V”)和/或基础设施(“V2I”)进行无线通信。在一个示例性实施例中,无线通信系统28配置成经由专用短程通信(DSRC)信道进行通信。短程通信信道是指专门设计用于汽车的单向或双向短程到中程无线通信信道,以及对应的一套协议和标准。然而,其它或替代的无线通信标准(比如IEEE802.11和蜂窝数据通信)也被视为在本发明的范围之内。
在一个示例性实施例中,自动驾驶系统24是所谓的4级或5级自动化系统。4级系统表示“高度自动化”,是指即使在驾驶员没有对请求进行适当响应而加以干预的情况下,由自动驾驶系统对动态驾驶任务的所有方面进行驾驶模式特定操作。5级系统表示“完全自动化”,是指在可以由人类驾驶员管理的所有道路和环境条件下,由自动驾驶系统对动态驾驶任务的所有方面均进行全职操作。
现在参照图2,示出了用于控制车辆的系统30的一个实施例。系统30包含无线通信设备28'。在一个示例性实施例中,无线通信设备28'与图1中所示和上述的车辆10大体上类似布置的自主车辆相关联。
无线通信设备28'与至少一个遥控服务器32进行通信。在一个示例性实施例中,无线通信设备28'配置成比如经由蜂窝数据通信协议或其它合适的无线通信协议与服务器32进行无线通信。
无线通信设备28”配置成向服务器32传输信息。服务器32包含至少一个计算机可读存储设备34。服务器32可以包含与计算机可读存储设备34进行通信的微处理器或中央处理单元(CPU)。计算机可读存储设备34提供有数据36,比如,以一个或一个以上的数据库的形式提供,包含交通控制设备数据库,其具有已知的交通控制设备和相关联的交叉路口位置的清单。
多个其它的无线通信设备28”也与服务器32进行通信。其它的无线通信设备28″配置成比如通过访问数据库36或者通过将信息从服务器32“推送到”其它的无线通信设备28”而从服务器32接收信息。在一个示例性实施例中,多个其它的无线通信设备28”联接到多个其它车辆。
在一个示例性实施例中,自动驾驶系统24能够处理来自传感器26的输入,以识别接近的交通控制设备。交通控制设备包含但不限于停车标志、停车指示灯、让行标志、方向标志、以及交通管理标志。自动驾驶系统24可以例如处理从光学摄像机获得的图像,以识别即将到来的交通信号灯。
在一些交叉路口处,比如具有多条车道的交叉路口和/或在道路拐弯处的交叉路口,已知的自主驾驶系统在确定遵守哪个或哪些交通控制设备方面可能很具挑战性,比如确定哪些交通控制设备与自动驾驶系统控制下的车辆的当前通车车道相关联。在这种交叉路口处,已知的自动驾驶系统24可以观察到交通控制设备,比如交通信号灯的颜色变化,但缺乏其它信息,因此难以确定是否基于当前车道而遵守交通控制设备。
当前方法为自动驾驶系统24提供交叉路口相关的其它信息,包含对交叉路口进行人工注释。根据这些已知的注释方法,人类观察者将观察到交叉路口的交通控制设备的位置,连同任何适用的红绿灯时间。位置和时间信息被存储在数据库中,随后分发至自动驾驶系统。对于每个交叉路口,该过程通常要进行5-10分钟。因此,对大量的交叉路口进行注释可能耗时且昂贵。
现在参照图3,以流程图的形式示出了根据本发明的车辆控制方法。该方法从框40处开始。
如框42处所示,宿主车辆配备有传感器,用于检测交通控制设备,并用于检测宿主车辆以及接近宿主车辆的目标车辆的运动。上文参照图1描述了这种传感器的实例。在一个示例性实施例中,宿主车辆是与图1中所示的车辆大体上类似配置的自主车辆。然而,在其它实施例中,宿主车辆可以例如是人类控制的车辆,即配备有此类传感器,但不被自动驾驶系统24控制。
通过传感器检测交通控制设备并进行识别,如框44处所示。另外,检测接近宿主车辆的目标车辆的运动和/或宿主车辆的运动,依然如框44处所示。可以采用本领域普通技术人员所认识到的各种方式来进行检测和识别。
识别与移动中的车辆相关联的通车车道,如框46处所示。作为实例,如果在框44中检测到宿主车辆的运动,那么通车车道可以与宿主车辆的当前车道相关联,而如果在框44中检测到目标车辆的运动,那么通车车道可以与目标车辆相关联。根据各个实施例,可以在宿主车辆上(比如通过自动驾驶系统24)或者远端(比如通过服务器32)进行识别。下文将参照图4讨论车道识别的一个示例性实施例。
然后,在框46中识别的通车车道与交通控制设备相关联,如框48中所示。根据各个实施例,可以在宿主车辆上(比如通过自动驾驶系统24)或者远端(比如通过服务器32)进行关联。下文将参照图5-7讨论此关联性的示例性实施例。
然后,将通车车道与交通控制设备的关联性存储在非暂时性数据存储设备内,如框50中所示。根据各个实施例,数据存储设备可以在车辆本地(比如与控制器22相关联)或者远端,比如存储设备34与服务器32相关联。
可以看到,根据本发明的具有自动驾驶系统24的车辆10可以响应于检测到的车辆运动而将通车车道与交通控制设备相关联。自动驾驶系统24随后可以访问所存储的关联性,以确定是否基于车辆的当前车道而遵守所观察到的交通控制设备。此外,此关联性可以传输至服务器32并存储在存储设备34中,以便随后供具有其它自动驾驶系统的其它车辆访问。此外,不被自动驾驶系统控制的车辆也可以将通车车道与交通控制设备相关联,并将此关联性传输至服务器32。因此,无需人工注释便可将交叉路口的交通控制设备进行自动映射。
现在参照图4,以流程图的形式示出了根据本发明的车辆的控制方法的第二个实施例。该方法从框60处开始。
确定车辆是否接近受控的交叉路口,如操作62处所示。受控的交叉路口是指两条路的交叉路口,其具有向道路上的车辆提供指示的至少一个交通控制设备。
如果操作62确定为否,那么控制返回到操作62。因此,算法不继续进行,除非并直至宿主车辆接近受控的交叉路口。
如果操作62确定为是,那么确定路缘石(比如道路与中央分隔带或人行道之间的凸起界面)是否位于宿主车辆的正左侧,比如其间没有其它车道,如操作64处所示。在该实施例中,左侧在所谓的右侧驾驶管辖区域内用于指示车辆的驾驶员侧。然而,在一些实施例中,比如在所谓的左侧驾驶管辖区域内可能用到的方向可能与这些实施例中具体讨论的那些不同。
如果操作64确定为是,那么确定黄色车道分隔实线(比如,通常用于分隔相反车道或指示道路边界)是否位于车辆的正左侧,如操作66处所示。
如果操作66确定为是,那么宿主车辆的当前车道被识别为左车道,如框68处所示。在一个示例性实施例中,当前车道可以被识别为当前路段的最左车道。然后,控制回到操作62。
如果操作66确定为否,那么确定任何渠化车道是否位于车辆的左侧,如操作70处所示。渠化车道是指并行车道,或者不开口、不合并或不结束的车道。在一些情况下,通过画线或凸起的阻挡物将渠化车道与交叉路口的其它部分隔开。
如果操作70确定为是,即渠化车道被检测到在宿主车辆的左侧,那么当前车道可以被识别为“其它”,比如既不是最左车道,也不是最右车道,如框71处所示。此种车道可以被称为中间车道。在一个示例性实施例中,如果检测到多条中间车道,那么可以基于比如车辆左侧检测到的路缘石与车辆右侧检测到的路缘石之间的相对距离来估算当前车道。然后,控制回到操作62。
如果操作70确定为否,即渠化车道被检测为在宿主车辆的左侧,那么控制继续进行到框68,宿主车辆的当前车道被识别为左车道。
返回到操作64,如果确定为否,那么确定路缘石是否位于车辆的正右侧,如操作72处所示。
如果操作72确定为否,比如在车辆的左侧或右侧没有识别到路缘石,那么控制继续进行到框71,且该车道被识别为“其它”,如上所述。然后,控制回到操作62。
如果操作72确定为是,那么确定当前通车车道是否检测到右转箭头交通指示标志,比如在标牌上或在路上,如操作74处所示。
如果操作74确定为是,即检测到了右转箭头交通指示标志,那么宿主车辆的当前车道可以被识别为右车道,如框76处所示。在一个示例性实施例中,当前车道可以被识别为当前路段的最右车道。然后,控制回到操作62。
如果操作74确定为否,那么确定路边指示特征是否被识别为在宿主车辆的正右侧,如操作78处所示。路边指示特征包含但不限于检测到的道路边缘、自行车道、或并行驻车线。
如果操作78确定为是,即检测到了道路边缘指示特征,那么控制继续进行到框76,且宿主车辆的当前车道可以被识别为右车道。然后,控制回到操作62。
如果操作78确定为否,那么控制继续进行到框71,且该车道被识别为“其它”,如上所述。然后,控制回到操作62。
本领域普通技术人员应该认识到,可以比如采用自动驾驶系统24,基于从传感器26接收到的输入,根据各种算法对操作64、66、70、72、74和78自动进行确定。
可以看到,根据本发明的实施例提供了一种识别宿主车辆是在左车道、右车道或其它车道的方法。本领域普通技术人员应该认识到,也可以对其它的道路边缘指示特征进行评估,以确定指定车道内是否存在车辆。如下文将进一步详细讨论的,识别到的宿主车辆的车道随后可以用于将检测到的车流与特定车道相关联。
现在参照图5,以流程图的形式示出了根据本发明的车辆的控制方法的第三个实施例。该方法从框80处开始。
确定宿主车辆是否停在交通控制设备处,比如被识别为红色转向箭头或红灯的交通控制设备,如操作82处所示。
如果操作82确定为否,那么控制返回到操作82。因此,算法不继续进行,除非并直至宿主车辆在交通控制设备处停止。
如果操作82确定为是,那么确定宿主车辆是否已经开始移动通过交叉路口,且识别到绿色箭头或绿色交通信号灯,如操作84处所示。
如果操作84确定为是,那么确定当前路段和宿主车辆的车道是否已知,如操作86中所示。可以采用图4中所示的算法获得车道信息。可以从例如导航系统数据中获得路段信息。
如果操作86确定为是,那么将交通控制设备的位置、交通控制设备的类型和状态(比如标志、转向箭头、或指示灯)以及当前车道或轨迹之间的关系存储在数据库中,如框88处所示。根据各个实施例,数据存储设备可以在车辆本地(比如与控制器22相关联),或者远端(比如存储设备34与服务器32相关联)。然后,控制回到操作82。
如果操作86确定为否,那么不充分的信息可用于将交通控制设备与当前车道相关联,如框90处所示。然而,依然可以跟踪当前车道的可能轨迹,比如可以用概率性确定来预测与当前车道可能相关联的交通控制设备。
返回到操作84,如果操作84确定为否,即宿主车辆并未移动通过交叉路口,同时观察到了绿色箭头或绿灯,那么确定宿主车辆是否在交叉路口处观察到了停车或让行,如操作92处所示。观察停车或让行是指自动识别停车或让行交通控制设备,宿主车辆进行停车或让行行为,或这两者。停车或让行行为可以包含例如短暂停车并随后恢复车辆运动。
如果操作92确定为是,那么控制继续进行到操作86,且如果已知了足够的信息,则可以将交通控制设备和车道的关联性进行存储,如上所述。
如果操作92确定为否,那么确定宿主车辆是否已经穿过交叉路口,如操作94处所示。
如果操作94确定为否,那么控制返回到操作84。
如果操作94确定为是,那么该交叉路口未识别或记录到交通控制设备,如框96处所示。然后,控制回到操作82。
现在参照图6,以流程图的形式示出了根据本发明的车辆的控制方法的第四个实施例。该方法从框100处开始。
确定宿主车辆是否停在交叉路口附近,并确定当前路段和车道是否已知,如操作102处所示。
如果操作102确定为是,那么确定宿主车辆是否检测到交通控制设备的转换,比如宿主车辆检测到交通信号灯从红色变成绿色,如操作104处所示。
如果操作104确定为是,那么确定宿主车辆是否检测到邻近车道内相对于交通控制设备转换的目标车辆运动。相对于交通控制设备转换的目标车辆运动是指例如在交通控制设备转换之后,检测到目标车辆从停车状态转换到移动状态接近宿主车辆,这表示目标车辆的运动是响应于交通控制设备的转换。根据各个实施例,邻近车道可以指宿主车辆当前车道左侧或右侧的车道,或者相对于宿主车辆当前车道十字交叉的车道。
如果操作106确定为是,那么将交通控制设备的位置、交通控制设备的类型和状态(比如标志、转向箭头、或指示灯)以及当前车道或轨迹均的关系存储在数据库中,如框108处所示。根据各个实施例,数据存储设备可以在车辆本地(比如,与控制器22相关联)或者远端(比如,存储设备34与服务器32相关联)。然后,控制回到操作102。
如果操作102、104或106确定为否,那么不充分的信息可用于将交通控制设备与特定车道相关联,且控制返回到操作102。
现在参照图7,以流程图的形式示出了根据本发明的车辆的控制方法的第五个实施例。该方法从框110处开始。
确定宿主车辆是否接近交叉路口并减速,并确定当前路段和车道是否已知,如操作112处所示。
如果操作112确定为是,那么确定宿主车辆是否检测到黄灯、让行灯、或停车标志,如操作114处所示。
如果操作114确定为是,那么将交通控制设备的位置、交通控制设备的类型和状态(比如标志、转向箭头、或指示灯)、以及当前车道或轨迹的关系存储在数据库中,如框116处所示。根据各个实施例,数据存储设备可以在车辆本地(比如,与控制器22相关联)或者远端(比如,存储设备34与服务器32相关联)。然后,控制回到操作112。
如果操作112或114确定为否,那么不充分的信息可用于将交通控制设备与特定车道相关联,且控制返回到操作112。
可以看到,根据本发明的实施例基于宿主车辆和宿主车辆附近检测到的目标车辆的行为,提供了交通控制设备的识别和关联方法。这可以对交叉路口进行更快且更廉价的映射,以用于自主车辆的导航。此外,可以基于来自自主车辆和不受自动驾驶系统控制的车辆的信息而进行映射。
如前所述,各个实施例的特征可以进行结合,以形成可能没有明确描述或示出的本发明的进一步的实施例。虽然各种实施例可能已经相对于一个或一个以上的期望特性而被描述为提供优点或优于其它实施例或现有技术的实施方式,但本领域普通技术人员认识到可以对一个或一个以上的特征或特性进行折衷,以实现期望的整体系统属性,这取决于具体的应用和实施方式。这些属性可以包含但不限于成本、强度、耐久性、生命周期成本、市场性、外观、包装、尺寸、可用性、重量、可制造性、组装难易程度等。因此,相对于一个或一个以上的特性而被描述为不如其它实施例或本领域实施方式更期望的实施例并非在本发明的范围之外,且可以期望用于特定应用。
尽管以上描述了示例性实施例,但这些实施例并非旨在描述权利要求书所包含的所有可能形式。说明书中所用的词语仅仅是描述性词语,而非限制性词语,应该认识到,在不背离本发明的精神和范围的前提下,可以进行各种修改。如前所述,各个实施例的特征可以进行结合,以形成可能没有明确描述或示出的本发明的进一步的实施例。虽然各种实施例可能已经相对于一个或一个以上的期望特性而被描述为提供优点或优于其它实施例或现有技术的实施方式,但本领域普通技术人员认识到可以对一个或一个以上的特征或特性进行折衷,以实现期望的整体系统属性,这取决于具体的应用和实施方式。这些属性可以包含但不限于成本、强度、耐久性、生命周期成本、市场性、外观、包装、尺寸、可用性、重量、可制造性、组装难易程度等。因此,相对于一个或一个以上的特性而被描述为不如其它实施例或本领域实施方式更期望的实施例并非在本发明的范围之外,且可以期望用于特定应用。
Claims (8)
1.一种用于生成映射数据的系统,其包括:
宿主车辆;
联接到所述宿主车辆的至少一个传感器,所述至少一个传感器能够检测交通控制设备,并能够检测车辆的运动;
非暂时性数据存储设备;以及
处理器,其与所述至少一个传感器和所述数据存储设备进行通信,所述处理器配置成响应于驾驶循环过程中用于检测交通控制设备和检测车辆运动的所述至少一个传感器而识别与所述车辆相关联的通车车道、将所述通车车道与所述交通控制设备相关联、以及将所述通车车道与所述交通控制设备的关联性存储在所述数据存储设备中,以便随后供自动驾驶系统访问。
2.根据权利要求1所述的系统,其中检测车辆的运动包含检测所述宿主车辆的运动。
3.根据权利要求1所述的系统,其中所述至少一个传感器能够检测接近所述宿主车辆的目标车辆的运动,且其中检测车辆的运动包含检测所述目标车辆的运动。
4.根据权利要求1所述的系统,其中所述宿主车辆是包含自动驾驶系统的自主车辆,所述自动驾驶系统配置成在随后的驾驶循环过程中访问所述数据存储设备。
5.根据权利要求1所述的系统,其中所述处理器和数据存储设备联接到所述宿主车辆。
6.根据权利要求1所述的系统,其中所述非暂时性数据存储设备包含远程数据存储设备。
7.根据权利要求6所述的系统,其进一步包含联接到所述车辆的无线通信系统,其中所述处理器经由所述无线通信系统与所述传感器进行通信。
8.根据权利要求6所述的系统,其进一步包含联接到所述车辆的无线通信系统,其中所述处理器经由所述无线通信系统与所述远程数据存储设备进行通信。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/173,914 US9891628B2 (en) | 2016-06-06 | 2016-06-06 | Sensor-based association of traffic control devices to traffic lanes for autonomous vehicle navigation |
US15/173914 | 2016-06-06 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107463170A true CN107463170A (zh) | 2017-12-12 |
Family
ID=60483163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710341871.3A Pending CN107463170A (zh) | 2016-06-06 | 2017-05-16 | 用于自主车辆导航的交通控制设备与通车车道基于传感器的关联性 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9891628B2 (zh) |
CN (1) | CN107463170A (zh) |
DE (1) | DE102017112306A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111301413A (zh) * | 2018-12-10 | 2020-06-19 | 通用汽车环球科技运作有限责任公司 | 用于控制自主车辆的系统和方法 |
CN111936947A (zh) * | 2018-04-11 | 2020-11-13 | 美光科技公司 | 基于众包对象数据映射确定自主车辆状态 |
CN113614309A (zh) * | 2019-01-28 | 2021-11-05 | 动态Ad有限责任公司 | 检测道路异常 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160144778A1 (en) * | 2014-11-24 | 2016-05-26 | David M. Tucker | Enhanced communication system for vehicle hazard lights |
CA3123216A1 (en) | 2018-12-11 | 2020-06-18 | Ess-Help, Inc. | Enhanced operation of vehicle hazard and lighting communication systems |
US11590887B2 (en) | 2019-03-15 | 2023-02-28 | Ess-Help, Inc. | Control of high visibility vehicle light communication systems |
US11135968B2 (en) | 2019-03-28 | 2021-10-05 | Ess-Help, Inc. | Remote vehicle hazard and communication beacon |
US11521398B2 (en) | 2019-11-26 | 2022-12-06 | GM Global Technology Operations LLC | Method and apparatus for traffic light positioning and mapping using crowd-sensed data |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080162027A1 (en) * | 2006-12-29 | 2008-07-03 | Robotic Research, Llc | Robotic driving system |
CN101334845A (zh) * | 2007-06-27 | 2008-12-31 | 中国科学院自动化研究所 | 一种基于轨迹序列分析和规则归纳的视频行为识别方法 |
CN101466583A (zh) * | 2006-06-11 | 2009-06-24 | 沃尔沃技术公司 | 用于使用自动车道保持系统来维持横向车辆间距的方法和设备 |
US20120083960A1 (en) * | 2010-10-05 | 2012-04-05 | Google Inc. | System and method for predicting behaviors of detected objects |
CN102792316A (zh) * | 2010-01-22 | 2012-11-21 | 谷歌公司 | 交通信号的映射和检测 |
CN103065470A (zh) * | 2012-12-18 | 2013-04-24 | 浙江工业大学 | 基于单目多检测面的机器视觉的车辆闯红灯行为检测装置 |
CN103853155A (zh) * | 2014-03-31 | 2014-06-11 | 李德毅 | 智能车路口通行方法及系统 |
CN104470781A (zh) * | 2012-06-01 | 2015-03-25 | 谷歌公司 | 基于替代数据推断交通信号状态和车辆环境的其他方面 |
CN104766058A (zh) * | 2015-03-31 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
DE102015010647A1 (de) * | 2015-08-14 | 2016-03-24 | Daimler Ag | System zur Unterstützung eines autonomen Fahrbetriebs von Fahrzeugen |
-
2016
- 2016-06-06 US US15/173,914 patent/US9891628B2/en active Active
-
2017
- 2017-05-16 CN CN201710341871.3A patent/CN107463170A/zh active Pending
- 2017-06-05 DE DE102017112306.7A patent/DE102017112306A1/de active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101466583A (zh) * | 2006-06-11 | 2009-06-24 | 沃尔沃技术公司 | 用于使用自动车道保持系统来维持横向车辆间距的方法和设备 |
US20080162027A1 (en) * | 2006-12-29 | 2008-07-03 | Robotic Research, Llc | Robotic driving system |
CN101334845A (zh) * | 2007-06-27 | 2008-12-31 | 中国科学院自动化研究所 | 一种基于轨迹序列分析和规则归纳的视频行为识别方法 |
CN102792316A (zh) * | 2010-01-22 | 2012-11-21 | 谷歌公司 | 交通信号的映射和检测 |
US20120083960A1 (en) * | 2010-10-05 | 2012-04-05 | Google Inc. | System and method for predicting behaviors of detected objects |
CN104470781A (zh) * | 2012-06-01 | 2015-03-25 | 谷歌公司 | 基于替代数据推断交通信号状态和车辆环境的其他方面 |
CN103065470A (zh) * | 2012-12-18 | 2013-04-24 | 浙江工业大学 | 基于单目多检测面的机器视觉的车辆闯红灯行为检测装置 |
CN103853155A (zh) * | 2014-03-31 | 2014-06-11 | 李德毅 | 智能车路口通行方法及系统 |
CN104766058A (zh) * | 2015-03-31 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
DE102015010647A1 (de) * | 2015-08-14 | 2016-03-24 | Daimler Ag | System zur Unterstützung eines autonomen Fahrbetriebs von Fahrzeugen |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111936947A (zh) * | 2018-04-11 | 2020-11-13 | 美光科技公司 | 基于众包对象数据映射确定自主车辆状态 |
CN111936947B (zh) * | 2018-04-11 | 2024-03-29 | 美光科技公司 | 基于众包对象数据映射确定自主车辆状态 |
CN111301413A (zh) * | 2018-12-10 | 2020-06-19 | 通用汽车环球科技运作有限责任公司 | 用于控制自主车辆的系统和方法 |
CN113614309A (zh) * | 2019-01-28 | 2021-11-05 | 动态Ad有限责任公司 | 检测道路异常 |
CN113614309B (zh) * | 2019-01-28 | 2023-01-10 | 动态Ad有限责任公司 | 检测道路异常 |
Also Published As
Publication number | Publication date |
---|---|
US9891628B2 (en) | 2018-02-13 |
DE102017112306A1 (de) | 2018-01-04 |
US20170351266A1 (en) | 2017-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107463170A (zh) | 用于自主车辆导航的交通控制设备与通车车道基于传感器的关联性 | |
US11056005B2 (en) | Traffic light detection and lane state recognition for autonomous vehicles | |
US10824148B2 (en) | Operating an autonomous vehicle according to road user reaction modeling with occlusions | |
US10928828B2 (en) | Detecting unfamiliar signs | |
US20150166069A1 (en) | Autonomous driving style learning | |
US11543823B2 (en) | Reducing inconvenience to surrounding road users caused by stopped autonomous vehicles | |
CN110471415A (zh) | 具有自动驾驶模式的车辆及其控制方法和系统 | |
JP2023159310A (ja) | 自律走行車のフォールバック動作を実装するためのシステム | |
US20240092392A1 (en) | Detecting and Responding to Malfunctioning Traffic Lights | |
CA3131961C (en) | Signaling for turns for autonomous vehicles | |
US20220055659A1 (en) | Mode selection according to system conditions | |
US11610412B2 (en) | Vehicle neural network training | |
EP4145420A1 (en) | Hierarchical processing of traffic signal face states | |
US11733696B2 (en) | Detecting loops for autonomous vehicles | |
EP3995379B1 (en) | Behavior prediction for railway agents for autonomous driving system |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171212 |
|
RJ01 | Rejection of invention patent application after publication |