CN107918758B - 能够进行环境情景分析的车辆 - Google Patents

能够进行环境情景分析的车辆 Download PDF

Info

Publication number
CN107918758B
CN107918758B CN201710924399.6A CN201710924399A CN107918758B CN 107918758 B CN107918758 B CN 107918758B CN 201710924399 A CN201710924399 A CN 201710924399A CN 107918758 B CN107918758 B CN 107918758B
Authority
CN
China
Prior art keywords
host vehicle
vehicle
lane
target
processor
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.)
Active
Application number
CN201710924399.6A
Other languages
English (en)
Other versions
CN107918758A (zh
Inventor
埃里克·L·里德
乔纳森·迪德里希
罗伯特·克洛斯克
阿迪尔·尼扎姆·西迪基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN107918758A publication Critical patent/CN107918758A/zh
Application granted granted Critical
Publication of CN107918758B publication Critical patent/CN107918758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/06—Road conditions
    • B60W40/072—Curvature of the road
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Valves And Accessory Devices For Braking Systems (AREA)

Abstract

一种主车辆可以包括：马达、制动器、传感器、处理器，该处理器被配置为：(a)基于虚拟地图的车道边界来预测目标车辆的目标路径；(b)将目标路径与主车辆的预测的主路径进行比较；(c)基于比较来应用制动器；(d)将目标路径和主路径预测为各自具有二维表面积的形状；(e)确定形状是否相交，并且基于该确定，(f)计算目标车辆到达交点的第一时间间隔，以及(g)主车辆到达交点的第二时间间隔。

Description

能够进行环境情景分析的车辆
技术领域
本申请涉及车辆的环境情景(environmental context)(例如，交通车道标记)。
背景技术
现有车辆被配置为基于现有车辆的速度和目标车辆的速度来预测碰撞。然而，这些预测中的许多没有考虑目标车辆的速度基于环境情景的可能变化。例如，如果目标车辆正在环形车道中行驶，则目标车辆的速度(速度包括航向或方向)将可能旋转以遵循环形车道。因此，需要在碰撞预测中将环境情景作为因素考虑的解决方案。
发明内容
一种主车辆可以包括：马达、制动器、传感器、处理器，该处理器被配置为：(a)基于虚拟地图的车道边界来预测目标车辆的目标路径；(b)将目标路径与主车辆的预测的主路径进行比较；(c)基于比较来应用制动器；(d)将目标路径和主路径预测为各自具有二维表面积的形状；(e)确定形状是否相交，并且基于该确定，(f)计算目标车辆到达交点的第一时间间隔，以及(g)主车辆到达交点的第二时间间隔。
根据本发明，提供一种主车辆，该主车辆包括：
马达、制动器、传感器、处理器，该处理器被配置为：
基于虚拟地图的车道边界来预测目标车辆的目标路径；
将目标路径与主车辆的预测的主路径进行比较；
基于比较来应用制动器。
根据本发明的一个实施例，其中处理器被配置为基于(a)接收到的街道地图和(b)从传感器接收到的测量结果来构建虚拟地图。
根据本发明的一个实施例，其中传感器包括摄像机并且处理器被配置为基于由摄像机拍摄到的图像来将车道边界应用于虚拟地图。
根据本发明的一个实施例，其中处理器被配置为识别目标车辆的车道，确定识别出的车道的车道边界的曲率半径，并且基于确定的曲率半径来预测目标路径。
根据本发明的一个实施例，其中处理器被配置为：
确定(a)识别出的车道的第一车道边界的第一曲率半径，(b)识别出的车道的第二车道边界的第二曲率半径；
基于(a)和(b)来计算中间曲率半径；
基于计算出的中间曲率半径来预测目标路径。
根据本发明的一个实施例，其中处理器被配置为基于目标路径，预测目标车辆在第一未来时间的位置范围，并且预测目标车辆在第二未来时间的位置范围。
根据本发明的一个实施例，其中第一未来时间是预定时间间隔乘以第一数字，并且第二未来时间是预定时间间隔乘以第一数字加一。
根据本发明的一个实施例，其中处理器被配置为使得目标车辆在第二未来时间的预测的位置范围的总面积超过目标车辆在第一未来时间的预测的位置范围的总面积。
根据本发明的一个实施例，其中处理器被配置为使得目标车辆在第一未来时间的预测的位置范围的总面积超过目标车辆的总面积。
根据本发明的一个实施例，其中处理器被配置为将目标路径和主路径预测为各自具有二维表面积的形状。
根据本发明的一个实施例，其中处理器被配置为确定形状是否相交，并且基于确定来计算目标车辆到达交点的第一时间间隔以及主车辆到达交点的第二时间间隔。
根据本发明的一个实施例，其中处理器被配置为确定第一时间间隔的任何部分是否与第二时间间隔的任何部分重叠。
根据本发明的一个实施例，其中处理器被配置为基于肯定重叠确定来应用制动器。
根据本发明，提供一种主车辆，该车辆包括：
马达、转向装置、传感器、处理器，该处理器被配置为：
基于虚拟地图的车道边界来预测目标车辆的目标路径；
将目标路径与主车辆的预测的主路径进行比较；
基于比较来致动转向装置。
根据本发明的一个实施例，其中处理器被配置为将目标路径和主路径预测为各自具有二维表面积的形状。
根据本发明的一个实施例，其中处理器被配置为确定形状是否相交，并且基于确定来计算目标车辆到达交点的第一时间间隔以及主车辆到达交点的第二时间间隔。
根据本发明的一个实施例，其中处理器被配置为确定第一时间间隔的任何部分是否与第二时间间隔的任何部分重叠。
根据本发明的一个实施例，其中处理器被配置为基于肯定重叠确定来致动转向装置。
根据本发明的一个实施例，其中处理器被配置为基于(a)接收到的街道地图和(b)从传感器接收到的测量结果来构建虚拟地图。
根据本发明，提供一种主车辆，该主车辆包括：
马达、警告灯、传感器、处理器，该处理器被配置为：
基于虚拟地图的车道边界来预测目标车辆的目标路径；
将目标路径与主车辆的预测的主路径进行比较；
基于比较来激活警告灯。
附图说明
为了更好地理解本发明，可以参照以下附图中所示的实施例。附图中的部件不一定按比例绘制并且相关元件可以被省略，或在某些情况下比例可以被夸大，以便强调和清楚地说明在此所描述的新颖性特征。此外，系统部件可以不同地布置，如本领域中已知的那样。进一步地，在附图中，贯穿几个视图，相同的附图标记指代相应的部分。
图1是车辆计算系统的框图；
图2是包括车辆计算系统的主车辆的俯视平面图；
图3是对应于碰撞威胁评估的框图；
图4是图3的框图的更具体的实施例；
图5是第一交通场景并且表示以图形形式呈现的一种虚拟地图；
图6示出了与第一、第二和第三交通场景相关联的可能操作；
图7是第二交通场景并且表示以图形形式呈现的一种虚拟地图；
图8示出了交叉车流警报系统的特征；
图9是第三交通场景并且表示以图形形式呈现的一种虚拟地图；
图10示出了与第一、第二和第三交通场景相关联的可能操作；
图11示出了与第一、第二和第三交通场景相关联的可能操作；
图12示出了与第一、第二和第三交通场景相关联的可能操作；
图13示出了与第一、第二和第三交通场景相关联的可能操作；以及
图14示出了与第一、第二和第三交通场景相关联的可能操作。
具体实施方式
虽然本发明可以体现为各种形式，但是在附图中示出并且将在下文中描述一些示例性和非限制性实施例，要理解的是，本公开应被认为是本发明的例证，而不是旨在将本发明限制为所说明的具体实施例。
在本申请中，反意连词的使用旨在包括连词。定冠词或不定冠词的使用并不旨在表示基数。特别是，参考“该”对象或“一个(a/an)”对象旨在还表示可能的复数个这样的对象之一。此外，连词“或”可以被用于表达作为一种选择同时存在和作为另一种选择相互排斥的特征。换句话说，连词“或”应该被理解为作为一种选择包括“和/或”和作为另一种选择包括“两者之一/或”。
图1示出了主车辆200的计算系统100。主车辆200被连接为(是指主车辆200被配置为)(a)从外部实体(例如，基础设施、服务器、其他连接的车辆)接收无线数据，以及(b)向外部实体传送无线数据。主车辆200可以是自主的、半自主的或手动的。主车辆200包括马达、电池、由马达驱动的至少一个车轮以及被配置为使至少一个车轮绕轴转动的转向系统。主车辆200可以是化石燃料(例如柴油、汽油、天然气)驱动、混合动力、全电动、燃料电池驱动等。
车辆例如在以下专利申请中进行了描述：米勒(Miller)的专利申请号为15/076,210的美国申请、普拉萨德(Prasad)的专利号为8,180,547的美国专利、拉沃伊(Lavoie)的专利申请号为15/186,850的美国申请、达马托(D′Amato)的专利公开号为2006/0117921的美国专利和胡(Hu)的专利申请号为14/972,761的美国申请，所有这些的全部内容都通过引用并入本文。主车辆200可以包括在米勒、普拉萨德、拉沃伊、达马托和胡中所描述的任何特征。
计算系统100驻留在主车辆200中。计算系统100能够自动控制主车辆200内的机械系统并且促进主车辆200与外部实体(例如，连接的基础设施、因特网、其他连接的车辆)之间的通信以及其他。计算系统100包括数据总线101、一个或多个处理器108、易失性存储器107、非易失性存储器106、用户界面105、远程信息处理单元104、致动器和马达103以及本地传感器102。
数据总线101在电子部件之间传送电子信号或数据。处理器108对电子信号或数据执行操作以产生经修改的电子信号或数据。易失性存储器107存储由处理器108接近即时调用的数据。非易失性存储器106存储易失性存储器107和/或处理器108调用的数据。非易失性存储器106包括包含硬盘驱动器、固态硬盘(SSD)、数字化视频光盘(DVD)、蓝光光盘(Blu-Ray)等的一系列非易失性存储器。用户界面105包括显示器、触摸屏显示器、键盘、按钮和使用户能够与计算系统交互的其他设备。远程信息处理单元104使能够经由蓝牙、蜂窝数据(例如第三代移动通信技术(3G)、长期演进(LTE))、通用串行总线(USB)等与外部实体进行有线和无线通信。
致动器/马达103产生有形结果。致动器/马达103的示例包括燃料喷射器、挡风玻璃刮水器、制动灯回路、变速器、安全气囊、安装到传感器的马达(例如，配置为使本地传感器102旋转的马达)、发动机、动力传动系统马达、转向装置、盲点警告灯等。
本地传感器102将数字读数或测量结果传送到处理器108。本地传感器102的示例包括温度传感器、旋转传感器、安全带传感器、速度传感器、摄像机、激光雷达(lidar)传感器、雷达传感器、红外传感器、超声波传感器、时钟、湿度传感器、雨传感器、光传感器等。应当理解的是，图1的各种电子部件中的任何一个可以包括单独的或专用的处理器和存储器。计算系统100的结构和操作的进一步细节例如在米勒、普拉萨德、拉沃伊、达马托和胡中进行描述。
图2总体示出并说明了主车辆200，该主车辆200包括计算系统100。本地传感器102中的一些安装在主车辆200的外部(其它位于车辆200内部)。本地传感器102a被配置为检测车辆200前方的对象。本地传感器102b被配置为检测车辆200后方的对象，如由后方感测范围109b所示。左传感器102c和右传感器102d被配置为对车辆200的左侧和右侧执行相似的功能。
如前所述，本地传感器102a至102d可以是超声波传感器、激光雷达传感器、雷达传感器、红外传感器、摄像机、麦克风及其任何组合等。主车辆200包括位于车辆内部中或车辆外部上的多个其它本地传感器102。本地传感器102可以包括在米勒、普拉萨德、拉沃伊、达马托和胡中公开的任何一个或全部传感器。图1和2所示的部件的总体布置是现有技术。
应当理解的是，主车辆200(并且更具体地，主车辆200的处理器108)被配置为执行本文所述的方法和操作。在一些情况下，主车辆200被配置为经由存储在计算系统100的易失性存储器107和/或非易失性存储器106上的计算机程序来执行这些功能。
一个或多个处理器被“配置为”：至少当一个或多个处理器中的至少一个与存储有体现所公开的方法步骤或框的代码或指令的软件程序的存储器有效通信时，执行所公开的方法步骤、框或操作。处理器、存储器和软件如何配合的进一步描述出现在普拉萨德中。根据一些实施例，与主车辆200有效通信的移动电话或外部服务器执行下面讨论的方法和操作中的一些或全部。
根据各种实施例，主车辆200包括普拉萨德的车辆100a的一些或全部特征。根据各种实施例，计算系统100包括普拉萨德的图2的车辆计算和通信系统(VCCS)102的一些或全部特征。根据各种实施例，主车辆200与普拉萨德的图1所示的一些或全部设备(包括游离或移动设备110、通信塔116、电信网络118、因特网120和数据处理中心(即，一个或多个服务器)122)通信。本申请中所描述的每个实体(例如，连接的基础设施、其他车辆、移动电话、服务器)可以共享参考图1和2所描述的任何一个或全部特征。
当术语“加载的车辆”在权利要求书中使用时，在此被定义为是指：“包括马达、多个车轮、电源和转向系统的车辆；其中马达将扭矩传递到多个车轮中的至少一个，从而驱动多个车轮中的至少一个；其中电源向马达供应能量；并且其中转向系统被配置为使多个车轮中的至少一个转向”。主车辆200可以是加载的车辆。
当术语“配备的电动车辆”在权利要求中使用时，在此被定义为是指“包括电池、多个车轮、马达、转向系统的车辆；其中马达将扭矩传递到多个车轮中的至少一个，从而驱动多个车轮中的至少一个；其中电池是可再充电的并且被配置为向马达供应电能，从而驱动马达；并且其中转向系统被配置为使多个车轮中的至少一个转向”。主车辆200可以是配备的电动车辆。
图3是基于(a)感测到的外部实体和(b)感测到的环境情景(也称为情景)来产生驾驶决策的框图。驾驶决策包括影响主车辆200的物理、有形变化的任何指令。驾驶决策包括加速、减速(例如，制动)、重新规划路线、重新规划路径(即，调整航向)和发出警报(例如，使灯闪烁、产生音频)的指令。驾驶决策还可以包括影响外部车辆的物理、有形变化的任何指令。外部实体是物理的、有形的外部对象，并且包括外部车辆、行人、障碍物(例如，建筑物、墙、凹坑)。环境情景通常是非物理的和且非有形的(尽管环境情景是参照物理和有形对象(例如街道标志、涂漆的道路标记、不可行驶的区域(例如草地))进行感测的)。因此，环境情景代表了与驾驶有关的人为强加的规则。规则的示例包括速度限制、非限制区域、指定的交通流方向、指定的停靠点(如由停车标志和红灯以及其他方面来指示)。
情景和实体可以从本地传感器102和/或远程信息处理单元104(例如，从服务器、外部车辆和外部基础设施接收到的先前生成的街道地图)得出。尽管摄像机可以被配置为感测外部实体，但是将图像转换成外部实体的坐标所需的处理软件是低效的，并且有时是不准确的。然而，摄像机在拍摄对比度和色彩方面是有效的。与红外传感器、雷达传感器、激光雷达传感器和/或超声波传感器相关联的处理软件在将来自传感器的测量结果转换成外部实体的坐标方面是有效的。这种处理软件在捕获颜色和对比度方面是低效的并且有时不能捕获颜色和对比度。换句话说，摄像机擅长捕获二维而不是三维信息，而红外传感器、雷达传感器、激光雷达传感器和/或超声波传感器擅长捕获三维而不是二维信息。
当测量环境时，由于有限的环境照明或天气条件，来自摄像机本地传感器102的图像可能不充足。为了增加情景测量系统的稳健性，可以通过导航系统(由存储的地图数据、全球定位系统(gps)、罗盘组成)将基于矢量或光栅的图形数据传递到主车辆200上的图像处理算法。这些图像可用于细化图像处理子系统执行情景分析的区域或增加用于进行制动/加速/路径规划决策的环境分类的置信度。
实际上，情景标记通常是二维的或实际上是二维的。例如，印刷在道路标志上的字母实际上是二维的。计算机最好能够通过将印刷的字母的对比度和/或颜色与周围环境进行比较来从环境噪声中辨别印刷的字母。类似地，涂漆的车道线实际上是二维的。计算机最好能够通过比较涂漆的车道线与周围环境的对比度或颜色来从环境噪声中辨别涂漆的车道线。因此，主车辆200可被配置为利用摄像机本地传感器102来解析环境情景并且利用诸如雷达、激光雷达、超声波本地传感器102的非摄像机本地传感器来解析外部实体(静态的或动态的)。
参考图3，主车辆200从传感器102和/或经由远程信息处理单元104接收到的数据(例如，包括道路的速度限制和街道地图的数据库)提取情景301。主车辆200从本地传感器102和/或经由远程信息处理单元104接收到的数据提取实体302。提取的实体包括诸如位置、二维或三维尺寸和形状、速度、加速度、航向、属性(例如，动物、行人、车辆)之类的性质。
一旦外部实体已被解析，就根据情景分析外部实体以产生碰撞威胁评估303。碰撞威胁评估包括例如碰撞时间和/或碰撞距离等。碰撞威胁评估将外部实体和/或主车辆200的预测的未来性质考虑在内。例如，碰撞时间的分析可以假定以某一速度行进的外部实体保持该某一速度，并且主车辆200保持其当前速度。主车辆200基于碰撞威胁评估303来产生驾驶决策304。
从本地传感器提取实体及其性质的方法在本领域中是已知的。确定碰撞威胁的方法在本领域中是已知的。确定碰撞威胁的一些方法在以下美国专利申请中公开：比德纳(Bidner)的申请号为15/183,355的申请，其全部内容通过引用并入本文。
图4是参考图3讨论的方法和操作的更具体的实施例。外部实体401a至401n经由远程信息处理单元104将数据传送到主车辆200。一些外部实体(例如，外部实体401b)可以代理未连接的外部实体(例如，外部实体401a)。远程信息处理单元104将接收到的数据转发到处理器108和/或存储器106、107。本地传感器102将感测到的数据(例如，测量结果)转发到处理器108和/或存储器106、107。
处理器108基于转发的数据来构建主车辆200周围区域的虚拟地图402。虚拟地图402不需要以图形方式显示或可显示。作为一个示例，虚拟地图402可以体现为存储在存储器106、107中的对象及其属性。基于感测到的(即，接收到的)数据(例如街道地图)来构建虚拟地图的合适的编制程序或软件在本领域中是已知的。虚拟地图可以是二维或三维的。虚拟地图包括置于解析出的、检测到的或接收到的情景404中的解析出的、检测到或接收到的实体403。情景包括下列中的一些或全部：
(A)表面位置和属性，其包括(i)不可行驶或超出边界的表面和(ii)可行驶表面。可行驶表面可能会被速度限制分开或分段。主车辆200经由从外部源接收到的地图信息来确定可行驶表面。本地情景传感器102经由图像的对比度和/或颜色来补充该信息。图像处理编程软件基于对比度和/或颜色来解析可行驶表面，并且相应地将可行驶表面与不可行驶表面分开。例如，显示为绿色并且在车道之外的表面被标记为不可行驶表面。
(B)可行驶表面的车道，其包括(i)车道的位置和(ii)车道的属性。车道的位置包括下列中的一些或全部：车道长度、车道宽度、车道坐标、车道曲率和车道数量。车道的属性对应于车道的规则。规则包括交通流的方向和变道合法性。主车辆200经由从外部源接收到的地图信息来确定车道及其性质。本地传感器102经由图像的对比度和/或颜色来补充该信息。图像处理编程软件基于对比度和/或颜色来解析车道线。处理器108基于解析出的车道线来确定上述车道性质中的任何一个。
(C)可行驶表面上的停车位，其包括(i)停车位的位置和(ii)停车位的属性。停车位的位置包括停车位的宽度和深度。停车位的属性包括与停车位相关的规则(例如，仅允许平行停车，仅允许残疾人停车)。主车辆200经由从外部源接收到的地图信息来确定停车位及其属性。本地传感器102经由图像的对比度和/或颜色来补充该信息。图像处理编程软件基于图像的对比度和/或颜色来解析停车位的边界(例如，涂漆的停车线)。处理器108基于解析出的边界来确定上述车道性质中的任何一个。
如前所述，主车辆200将解析出的情景应用于解析出的实体。将解析出的情景应用于解析出的实体包括基于解析出的情景来预测或估计解析出的实体的未来性质(例如，位置、速度、加速度、航向)。因此，解析出的实体的预测的或估计的未来性质至少取决于(a)解析出的实体的当前性质和(b)情景。下面提供了示例。
如前所述，主车辆200基于解析出的实体的预测的或估计的未来性质来执行解析出的实体的碰撞威胁评估405。如前所述，主车辆200基于碰撞威胁评估405来产生驾驶决策406。
图5示出了主车辆200的示例虚拟地图。交通环岛(traffic circle)501与道路502、503和506相交。道路502在从主车辆200朝向交通环岛中心501a的方向上是单行道。道路506与道路505和504相交。交通环岛包括由车道线501b分开的车道501c和501d以及不可行驶的中心501a。车道501c和501d承载并行交通流，如由虚车道线501b所示。道路506包括车道506b和506c。车道506b承载与车道506c相反方向上的交通，如由双车道线506a所示。主车辆200在道路502上，速度(velocity)为200a(速度(velocity)包括速率(speed)和航向)。第二车辆201在交通环岛501的车道501c中，速度为200b。第三车辆202在道路504上，速度为202a。第四车辆203在道路506的车道506b中，速度为203a。第五车辆204在道路505上，速度为204a。
如图5所示，每个车辆由框表示。每个框包括三角形(未标记)。每个三角形指向相应车辆的前保险杠。在其他附图中，三角形可以具有不同的尺寸。除非另有说明，否则这种尺寸变化并不意在表达潜在的意义，而仅仅是用于增加清晰度的制图技术。
主速度200a为零，使得主车辆200停止。第二速度201a包括指向主车辆200的航向201a。因此，如果主车辆200将要保持停止并且如果第二车辆201将要继续沿着第二航向201a(如上所述，速度包括航向)行驶，则主车辆200和第二车辆201将碰撞。
然而，车道501c是弯曲的。如果第二车辆201遵循车道501c，则第二航向201a将旋转以保持与车道501c平行。主车辆200基于情景(即，车道501c的曲率)来预测第二航向201a将遵循车道501c。主车辆200与第二车辆201之间的碰撞威胁评估产生零或低的碰撞概率。因此，主车辆200不会基于主车辆200与第二车辆201之间的预期碰撞而产生驾驶决策(例如，规避操纵)。根据一些实施例，驾驶决策是基于碰撞的概率的大小。
图6和7涉及碰撞威胁评估的第一实施例。图8至14涉及碰撞威胁评估的第二实施例。第一和第二实施例二者的特征可以组合。
参考图6，主车辆200通过计算从第二车辆201延伸到主车辆200的参考段601a来响应触发器。触发器是基于主车辆200的位置和速度以及第二车辆201的位置和速度。
在图6中，参考段601a是将第二车辆201连接到主车辆200的最短段。根据其他实施例，参考段601a是从主车辆200的中点到第二车辆201的前表面的中点。主车辆200计算与参考段601a的两端相交的一系列弯曲段601b至601g。弯曲段601b至601g可以间隔开预定间隔。弯曲段601b至601g遵循预定的几何函数。一些或全部可以是抛物线。由第一车辆200计算出的弯曲段601b至601g的总数是基于(a)预定间隔和(b)主车辆200和/或第二车辆201的速度和/或加速度。参考段601a的每一侧上的弯曲段的数量是基于主车辆200和/或第二车辆201的速度和/或加速度。
外弯曲段601f和601g对应于第二车辆201的极端路径。例如，基于第二速度201a，外弯曲段601f和601g表示不会导致第二车辆201变得不可控制(例如，旋转或侧翻(flipping))的第二车辆201与主车辆200之间的最极端的弯曲碰撞路径。主车辆200预加载有基于第二车辆201的性质(例如，速度)来确定外弯曲段601f和601g的曲率的一个或多个函数。
根据实施例，主车辆200在确定参考段601a之后确定外弯曲段601f和601g，然后在外弯曲段601g和参考段601a之间填充第一预定数量的中间弯曲段601c和601e，并且在外弯曲段601f和参考段601a之间填充第二预定数量的中间弯曲段。第一和第二预定数量可以是(a)预设的，(b)相等的，(c)基于参考段601a相对于第二速度201a的角度。
主车辆200根据情景来评估每个段601。主车辆200可以针对每个段601确定第二车辆201破坏的规则的数量(如上所述由情景得出)。主车辆200还可以确定每个破坏的规则的程度。
如果第二车辆201遵循段601f，则第二车辆201将(a)以角度602不合法地离开交通环岛501，(b)不合法地穿过不可行驶表面507的点603和604之间限定的距离，以及(c)以角度605不合法地进入道路502。角度602、点603和604之间的距离、以及角度605对应于破坏的规则的程度。
代替识别每个不合法行为，主车辆200可以计算与一个或多个破坏的规则相对应的每个段601的部分。例如，参考段601a可以被分解成从第二车辆201延伸到点608的合法的第一部分和从点608延伸到主车辆200的不合法的第二部分。当穿过段601a的第一部分时，第二速度201a将充分地匹配(即，在预定限度内匹配)车道501c的曲率，被认为是合法的。当穿过段601a的第二部分时，第二速度201a将充分地偏离车道501c以及最终道路502的曲率，被认为是不合法的。因此，段601a的不合法活动的程度至少与第二部分的距离有关。相比之下，整个段601g都将被认定为不合法活动，因为在沿段601g的每个点处，第二速度201a将充分地偏离车道501c的曲率，并且最终将与道路502的行进方向相反(如上所述，道路502为朝向中心501a的单行道)。
主车辆200根据以下中的一个或多个来执行针对每个段601的碰撞威胁评估：段601是否包括不合法活动(即，违反情景的活动)以及不合法活动的大小或程度。具有更大程度的非法活动的段601被忽视或视为不太可能。主车辆200对每个段601的碰撞威胁评估进行求和。如果总和高于预定概率阈值，则主车辆200产生对应于规避操纵(即，计算以达到以下目的的操纵：(a)减小碰撞的概率和/或(b)减小在碰撞时主车辆200与第二车辆201之间的可能的速度差)的驾驶决策(例如，控制转向、制动和/或加速)。
转向图7，主车辆200沿着双车道单向道路707以速度200a行驶。第二车辆201以速度201a驶入到停车场702的停车位703中。第三、第四和第五车辆202、203和204已被停放。停车位703由两条侧线(未标记)和端线704来限定。混凝土防撞栏705将道路707与停车场702分开。道路707包括邻近道路707并且平行于道路707延伸的涂漆线706。
主车辆200经由本地实体传感器来解析车辆201至204并且指定针对车辆201至204的速度。主车辆200确定第二速度201a(如上所述，速度包括速率和航向)。主车辆200确定主速度200a。主车辆200至少部分地经由本地情景传感器102a来解析情景。
在一种情况下，主车辆200经由图像处理软件来识别七个停车位的涂漆线。主车辆200将识别出的涂漆线与预加载的参考停车位几何形状进行比较。主车辆200识别出涂漆线之间的宽度(对应于停车位的宽度)落在预加载的参考停车位几何形状中的宽度的预定范围内。主车辆200识别出每个停车位由三条涂漆线来限定，并且因此是与预加载的参考停车位几何形状中的至少一些匹配的开口的矩形。主车辆200识别出停车位被分组一起成为多个相邻的停车位。给出这些识别中的一些或全部，主车辆将停车位情景应用于停车位703。主车辆200采用从外部服务器接收到的地图信息来确认停车位情景，将与停车场702相关联的区域识别为停车场。
在另一种情况下，主车辆200接收(或先前已经接收)来自外部服务器的识别停车场702的坐标的信息。基于该先前接收到的信息，主车辆200利用本地传感器102来扫描停车场702的坐标并且确认接收到的信息与由本地传感器102拍摄到的图像的特征一致。
混凝土墙705是三维的并且可以采用本地传感器102来解析。主车辆200将混凝土墙705标记为稳定的基础设施，并且识别出混凝土墙705的高度超过停车场702的垂直坐标。
主车辆200执行第二车辆201和主车辆200之间的碰撞威胁评估。如果主车辆200以主速度200a继续，并且第二车辆201以第二速度201a继续，则主车辆200和第二车辆201将在点701处碰撞。
然而，主车辆200基于情景来预测第二车辆201的未来位置和未来速度。更具体地，主车辆200根据停车位703的端线704来预测第二速度201a将降低。主车辆200预测第二车辆201的未来位置将紧邻端线704(即，不与端线交叉)。主车辆200对于混凝土防撞栏705和涂漆线706执行类似的分析。因此，应当理解的是，当执行碰撞威胁评估时，主车辆200基于解析出的情景来预测实体的未来速度。
根据一些实施例，用于在主车辆200与第二车辆201之间延伸参考段601a的触发器是基于不存在阻挡第二车辆201与主车辆200的碰撞路径的实体(包括基础设施，例如混凝土防撞栏705)。当实体是具有至少预定厚度的固体、在预定角度范围内与地面平面相交、并且终止于邻近最靠近第二车辆201的一侧上的基础设施的地面上方的至少预定高度时，实体阻挡碰撞路径。这里，混凝土防撞栏705超过预定厚度，与地面相交成90度(并因此落在预定角度范围内)，并且在端线704与混凝土防撞栏705之间的地面上方延伸预定高度。因此，主车辆200不会在主车辆200与第二车辆201之间延伸参考段601a。
图8至图14涉及碰撞威胁评估的第二实施例。这些实施例可以包括先前参考碰撞威胁评估的第一实施例所讨论的任何特征。图8至14的操作可以应用于任何碰撞威胁评估(不仅是交叉车流警报)以及任何交通状况(例如，不仅当主车辆正倒车进入道路时)。
参考图8至14，主车辆200可以被配置为发出交叉车流(CT)警报，该交叉车流警报是碰撞威胁评估的一种形式。CT警报提醒主驾驶员主车辆200何时可以回到交叉车流中。参考图8，CT警报依赖于本地传感器102。后部本地传感器102b可以包括CT本地传感器102e和102f，它们分别被配置为发射CT信号图案801和802。CT本地传感器102e和102f可以是雷达、激光雷达、超声波或先前关于本地传感器102所讨论的任何其它类型的传感器。
主车辆200(并且如前所述，更具体地处理器108)被配置为预测采用CT本地传感器检测到的外部实体的路径。CT警报的一般概念在本领域中是已知的。
参考图8，基于如由CT本地传感器102e、102f检测到的第二车辆201的位置、速度和/或加速度并且基于如由其他本地传感器102检测到的主车辆200的位置、速度和/或加速度来预测第二车辆201与主车辆200相交(即，碰撞)。因此，主车辆200发出CT警报。CT警报可以包括在用户界面105上显示的提醒(包括使灯闪烁)、制动器的自动应用等。继续参考图8，尽管检测到第三车辆202，但是主车辆200确定第三车辆202停止。因此，主车辆200可以忽略第三车辆202。
参考图9，主车辆200被配置为应用虚拟地图402以增强CT警报的准确性。在图9中，主车辆200是在行车道802中并且正在倒车进入车道501c。图9其他方面类似于图5。在至少一些现有的CT报警系统下，主车辆200将第二车辆201的路径错误地预测为路径901。路径901表示在瞬时第二速度201a保持前进到未来的情况下第二车辆201的路径。然而，第二车辆201更可能遵循车道501c的曲率，并且因此路径902相比于路径901更可能发生。因此，在至少一些现有的CT警报系统下，主车辆200将错误地预测停止在当前的位置可能导致碰撞，并且回到车道501c将避免碰撞。然而，正确的预测(或至少最可能准确的预测)是主车辆200立即停在行车道802中将避免碰撞，而回到车道501c中(并且因此与路径902相交)可能导致碰撞。
主车辆200被配置为通过(a)检测第二车辆201的当前性质和(b)根据情景修改那些当前性质来获得正确的结果。更具体地，并且参照图10，主车辆200进行以下操作中的一些或全部：首先，检测第二车辆201的当前性质(包括当前车道)；第二，基于与第二车辆201的当前车道对应的虚拟地图数据来预测第二车辆201的理想路径1001和/或实际路径1301。
为了找到理想路径1001，可以找到一系列点1002的坐标。参考图11讨论坐标的识别。上述和下面讨论的路径可以表示第二车辆201上的固定点的位置(例如，第二车辆201的前保险杠的中心的位置)。
如图11所示，第二车辆201的当前车道可以被分割成片段1111。每个片段1111可以被限定为存在于限定车道501c(如在虚拟地图402中所识别的)的外车道边界1112和内车道边界1113之间。每个片段1111可以被限定为具有相同的(例如，大致相同的)表面积。每个片段1111可以被限定为具有小于预定片段表面积的任何表面积。
因为行车道502与车道501c相交，所以可以应用额外的边界1114以将行车道502与车道501c分开。额外的边界1114可以是在外边界1112的相对端部1115与1116之间限定的直线。额外的边界1114可以已经存在于虚拟地图中。额外的边界1114可以是弯曲的，其曲率内插在外边界1112的分割部分之间。
每个片段可以在外边界1112和内边界1113与横向边界1117之间限定。每个横向边界1117可以被设置为使得与边界1112和1113二者相交成90度的预定范围内(例如，±10％)的角度1119、1120。如图11所示，第一片段1111a的横向边界1117b可以用作相邻片段1111b的横向边界1117b。上述过程可以是迭代的，继续调整片段1111的大小(以及因此重新定位横向边界1117)直到满足上述条件。此后，找到每个横向边界1117的中点1122。然后基于中点1122内插理想路径1001(例如，理想路径1001可以是与每个中点1122相交的最佳拟合线)。
为了校正实际情况(例如，第二车辆201偏离理想路径1001)，理想路径1001可以被加宽以形成实际路径1301。为了找到实际路径1301，可以找到一系列外部和内部实际点1201、1202。外部实际点1201可以被限定为位于外边界1113外或理想路径1001外预定距离处的横向边界1117上。内部实际点1202可以被限定为位于边界1113内或理想路径1001内预定距离处的横向边界1117上。
回到图9，第二车辆201的路径902因此可以被设置为实际路径1301或理想路径1001(取决于所应用的实施例)。主车辆200可以应用上述操作中的任何一个或任何其它合适的操作来预测主路径(及其相关联的时间或范围)。主车辆200确定主路径(未示出)是否与第二车辆路径902相交。如果存在相交，则主车辆200确定相交是否将同时发生(例如，在单个时间点或在单个时间点的某个相交范围内)。因此，应当理解的是，参考图9，在第二车辆201遵循车道501d而不是车道501c并且预测主车辆200仅占用行车道802和车道501c的情况下，如果主车辆200的路径不与第二车辆201的路径相交，则主车辆20可以预测不碰撞。
为了找到同时相交，主车辆200可以经过一系列时间相交间隔。在每个时间间隔，可以确定主车辆200的预测占用面积是否与第二车辆201的预测的占用面积相交(或者落在预测的占用面积的预定距离内)。预测的占用面积至少为相应车辆的尺寸并且可以更大，因为如下所述，可以预测每个车辆在任何给定的时间点处占用的位置的范围。
为了考虑第二车辆201的定时，每个横向边界1117可以映射到第二车辆201的前保险杠的前中心，并且可以基于第二车辆201的当前性质(例如，速度、加速度)与时间点(或时间点的范围)配对。如果应用范围，则随着距离第二车辆201的当前位置的距离增加，范围可能变宽。
作为一个示例，第一横向边界1117a可以与未来一秒相关联，并且第二横向边界1117b可以与未来三秒相关联。作为另一示例，第一横向边界1117a可以与未来一到四秒(三秒的范围)相关联，第二横向边界1117b可以与未来三到七秒(四秒的范围)相关联，并且第三横向边界(未标记)可以与未来五到十一秒(六秒的范围)相关联。与片段1111的内部面积相关联的时间可以内插在连续横向边界1117之间。与这些操作平行，也可以使用相同或任何其它合适的技术来确定主车辆路径的定时。
每个相交时间间隔被映射到对应于时间间隔的第二车辆201和主车辆200的任何位置。例如，如果相交时间间隔为0.1秒，则发生在0.1秒的第二车辆的每个位置被识别为对应。假设第一横向边界的时间范围为0.01秒至0.2秒，并且第二横向边界的时间范围为0.1秒至0.4秒。根据该示例，整个第一片段1111a对应于0.1秒的相交时间间隔。因此，第二车辆201在0.1相交时间间隔的占用面积将包括整个第一片段1111a。
为了将具有二维面积的第二车辆201的车身考虑在内，可以延长每个占用面积。例如，当路径被映射到第二车辆201的前保险杠的中心时，占用面积可以朝向第二车辆201的当前位置延伸，以将第二车辆201的车身考虑在内。例如，并且参考图14，位置1401在0.3秒的第三时间间隔(0.1*3，其中3表示时间间隔)的对应范围可以是整个第一片段1111a和第二片段1111b的一部分。车身面积1402被添加到位置1401的相应范围，以产生总占用面积1403等于1401的面积加上1402的面积。由于前面讨论的原因，随着时间间隔增长，总占用面积增加。例如，在0.1的时间间隔，总占用面积可以为100平方米。在0.2秒的下一个间隔时间，总占用面积可以为150平方米。在0.3秒的下一个时间间隔，总占用面积可以为250平方米。
对于主车辆200执行相同或其它合适的操作。如果主车辆200和第二车辆201在任何给定的时间相交间隔的占用面积重叠(或落在彼此的预定距离内)，则发现存在同时相交。仅执行通过时间间隔的推进直到确定同时相交存在(即，一旦确定存在同时相交存在就结束)。如果对于某一时间间隔同时相交存在，则计算结束，并立即发出CT警报。如果同时相交不存在，则计算可以进行到下一个时间间隔。
如上所述，参考图8至14讨论的操作可以应用于非CT警报系统(例如，其他形式的碰撞威胁评估)。参考图8至图14讨论的操作可以应用于先前讨论的任何实施例，包括参考图1至7讨论的任何实施例。

Claims (15)

1.一种主车辆，包括：
马达、制动器、传感器、处理器，所述处理器被配置为：
识别目标车辆的车道；
确定识别出的车道的车道边界的曲率半径；
基于虚拟地图的车道边界和确定的车道边界的曲率半径来预测所述目标车辆的目标路径；
将所述目标路径与所述主车辆的预测的主路径进行比较；
基于所述比较来应用所述制动器。
2.根据权利要求1所述的主车辆，其中所述处理器被配置为基于(a)接收到的街道地图和(b)从所述传感器接收到的测量结果来构建所述虚拟地图。
3.根据权利要求2所述的主车辆，其中所述传感器包括摄像机并且所述处理器被配置为基于由所述摄像机拍摄到的图像来将所述车道边界应用于所述虚拟地图。
4.根据权利要求1所述的主车辆，其中所述处理器被配置为：
确定(a)所述识别出的车道的第一车道边界的第一曲率半径，(b)所述识别出的车道的第二车道边界的第二曲率半径；
基于(a)和(b)来计算中间曲率半径；
基于所述计算出的中间曲率半径来预测所述目标路径。
5.根据权利要求4所述的主车辆，其中所述处理器被配置为基于所述目标路径，预测所述目标车辆在第一未来时间的位置范围，并且预测所述目标车辆在第二未来时间的位置范围。
6.根据权利要求5所述的主车辆，其中所述第一未来时间是预定时间间隔乘以第一数字，并且所述第二未来时间是第一数字加一以后再乘以所述预定时间间隔。
7.根据权利要求6所述的主车辆，其中所述处理器被配置为使得所述目标车辆在所述第二未来时间的所述预测的位置范围的总面积超过所述目标车辆在所述第一未来时间的所述预测的位置范围的总面积。
8.根据权利要求7所述的主车辆，其中所述处理器被配置为使得所述目标车辆在所述第一未来时间的所述预测的位置范围的总面积超过所述目标车辆的总面积。
9.根据权利要求1所述的主车辆，其中所述处理器被配置为将所述目标路径和所述主路径预测为各自具有二维表面积的形状。
10.根据权利要求9所述的主车辆，其中所述处理器被配置为确定所述形状是否相交，并且基于所述确定来计算所述目标车辆到达交点的第一时间间隔以及所述主车辆到达所述交点的第二时间间隔。
11.根据权利要求10所述的主车辆，其中所述处理器被配置为确定所述第一时间间隔的任何部分是否与所述第二时间间隔的任何部分重叠。
12.根据权利要求11所述的主车辆，其中所述处理器被配置为基于肯定重叠确定来应用所述制动器。
13.一种主车辆，包括：
马达、转向装置、传感器、处理器，所述处理器被配置为：
识别目标车辆的车道；
确定识别出的车道的车道边界的曲率半径；
基于虚拟地图的车道边界和确定的车道边界的曲率半径来预测所述目标车辆的目标路径；
将所述目标路径与所述主车辆的预测的主路径进行比较；
基于所述比较来致动所述转向装置。
14.根据权利要求13所述的主车辆，其中所述处理器被配置为：
将所述目标路径和所述主路径预测为各自具有二维表面积的形状；
确定所述形状是否相交，并且基于所述确定来计算所述目标车辆到达交点的第一时间间隔以及所述主车辆到达所述交点的第二时间间隔；
确定所述第一时间间隔的任何部分是否与所述第二时间间隔的任何部分重叠；
基于肯定重叠确定来致动所述转向装置；
基于(a)接收到的街道地图和(b)从所述传感器接收到的测量结果来构建所述虚拟地图。
15.一种主车辆，包括：
马达、警告灯、传感器、处理器，所述处理器被配置为：
识别目标车辆的车道；
确定识别出的车道的车道边界的曲率半径；
基于虚拟地图的车道边界和确定的车道边界的曲率半径来预测目标车辆的目标路径；
将所述目标路径与所述主车辆的预测的主路径进行比较；
基于所述比较来激活所述警告灯。
CN201710924399.6A 2016-10-06 2017-09-30 能够进行环境情景分析的车辆 Active CN107918758B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662405183P 2016-10-06 2016-10-06
US62/405,183 2016-10-06
US15/418,556 2017-01-27
US15/418,556 US10377376B2 (en) 2016-10-06 2017-01-27 Vehicle with environmental context analysis

Publications (2)

Publication Number Publication Date
CN107918758A CN107918758A (zh) 2018-04-17
CN107918758B true CN107918758B (zh) 2023-06-02

Family

ID=61829899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710924399.6A Active CN107918758B (zh) 2016-10-06 2017-09-30 能够进行环境情景分析的车辆

Country Status (4)

Country Link
US (1) US10377376B2 (zh)
CN (1) CN107918758B (zh)
MX (1) MX2017012907A (zh)
RU (1) RU2017134361A (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018163817A1 (ja) * 2017-03-06 2018-09-13 パナソニックＩｐマネジメント株式会社 駐車場の車両走行制御システム、および駐車場の車両走行制御システムの制御方法
US11080537B2 (en) * 2017-11-15 2021-08-03 Uatc, Llc Autonomous vehicle lane boundary detection systems and methods
US11724691B2 (en) * 2018-09-15 2023-08-15 Toyota Research Institute, Inc. Systems and methods for estimating the risk associated with a vehicular maneuver
JP7373914B2 (ja) * 2019-01-09 2023-11-06 現代自動車株式会社 車両およびその制御方法
US10719076B1 (en) * 2019-02-25 2020-07-21 Rockwell Collins, Inc. Lead and follower aircraft navigation system
FR3093690B1 (fr) * 2019-03-14 2021-02-19 Renault Sas Procédé de sélection pour un véhicule automobile d’une voie de circulation d’un rond-point
US11351991B2 (en) * 2019-03-25 2022-06-07 Zoox, Inc. Prediction based on attributes
US11021148B2 (en) * 2019-03-25 2021-06-01 Zoox, Inc. Pedestrian prediction based on attributes
JP2021043707A (ja) * 2019-09-11 2021-03-18 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN111062372B (zh) * 2020-03-13 2020-07-03 北京三快在线科技有限公司 一种预测障碍物轨迹的方法及装置
KR20210127267A (ko) * 2020-04-13 2021-10-22 현대자동차주식회사 차량 및 그 제어방법
US11823458B2 (en) 2020-06-18 2023-11-21 Embedtek, LLC Object detection and tracking system
US11673548B2 (en) 2020-09-10 2023-06-13 Ford Global Technologies, Llc Vehicle detection and response
US11731661B2 (en) 2020-10-01 2023-08-22 Argo AI, LLC Systems and methods for imminent collision avoidance
US11618444B2 (en) * 2020-10-01 2023-04-04 Argo AI, LLC Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior
US11358598B2 (en) * 2020-10-01 2022-06-14 Argo AI, LLC Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection
CN112729320B (zh) * 2020-12-22 2022-05-17 中国第一汽车股份有限公司 一种障碍物地图构建方法、装置、设备及存储介质
US11880203B2 (en) * 2021-01-05 2024-01-23 Argo AI, LLC Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries
CN115019832A (zh) * 2022-05-27 2022-09-06 中国第一汽车股份有限公司 一种车辆用基于情感分析的免唤醒交互方法及装置
CN115311892B (zh) * 2022-08-05 2023-11-24 合众新能源汽车股份有限公司 车位显示方法、装置和电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101497330A (zh) * 2008-01-29 2009-08-05 福特全球技术公司 用于碰撞过程预测的系统
CN105339228A (zh) * 2013-05-09 2016-02-17 罗伯特·博世有限公司 静止目标识别的自适应巡航控制

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5479173A (en) 1993-03-08 1995-12-26 Mazda Motor Corporation Obstacle sensing apparatus for vehicles
JPH09142236A (ja) 1995-11-17 1997-06-03 Mitsubishi Electric Corp 車両の周辺監視方法と周辺監視装置及び周辺監視装置の故障判定方法と周辺監視装置の故障判定装置
JP3223239B2 (ja) * 1996-11-12 2001-10-29 本田技研工業株式会社 車両制御装置
JP2001328451A (ja) * 2000-05-18 2001-11-27 Denso Corp 進行路推定装置、先行車認識装置、及び記録媒体
US6862537B2 (en) 2002-03-21 2005-03-01 Ford Global Technologies Llc Sensor fusion system architecture
US7248151B2 (en) 2005-01-05 2007-07-24 General Motors Corporation Virtual keypad for vehicle entry control
US7729857B2 (en) * 2005-08-18 2010-06-01 Gm Global Technology Operations, Inc. System for and method of detecting a collision and predicting a vehicle path
CN101287634B (zh) * 2005-10-13 2012-08-15 日产自动车株式会社 车辆驾驶辅助系统
US20100198428A1 (en) 2009-01-30 2010-08-05 Delphi Technologies, Inc. Multi-purpose fob system
GB0901906D0 (en) * 2009-02-05 2009-03-11 Trw Ltd Collision warning apparatus
CA2658963A1 (en) 2009-03-23 2010-09-23 Richard Harrington D.c. power generating automotive shock absorber
JP2010249613A (ja) 2009-04-14 2010-11-04 Toyota Motor Corp 障害物認識装置及び車両制御装置
US8315756B2 (en) * 2009-08-24 2012-11-20 Toyota Motor Engineering and Manufacturing N.A. (TEMA) Systems and methods of vehicular path prediction for cooperative driving applications through digital map and dynamic vehicle model fusion
US8340894B2 (en) 2009-10-08 2012-12-25 Honda Motor Co., Ltd. Method of dynamic intersection mapping
US8614622B2 (en) 2010-03-08 2013-12-24 Ford Global Technologies, Llc Method and system for enabling an authorized vehicle driveaway
DE102010032063A1 (de) 2010-06-09 2011-05-12 Daimler Ag Verfahren zur Erfassung einer Umgebung eines Fahrzeugs
JP5804676B2 (ja) 2010-06-29 2015-11-04 ダイハツ工業株式会社 運転支援装置
US8810431B2 (en) 2011-10-20 2014-08-19 GM Global Technology Operations LLC Highway merge assistant and control
US9098086B2 (en) * 2012-08-07 2015-08-04 Caterpillar Inc. Method and system for planning a turn path for a machine
US8798809B2 (en) 2012-08-21 2014-08-05 GM Global Technology Operations LLC System for passive entry and passive start using near field communication
US9110772B2 (en) 2012-11-08 2015-08-18 GM Global Technology Operations LLC Mobile device-activated vehicle functions
US20140293753A1 (en) 2013-04-02 2014-10-02 David Pearson Smartphone activated vehicle entry device
SE537621C2 (sv) 2013-09-10 2015-08-11 Scania Cv Ab Detektering av objekt genom användning av en 3D-kamera och en radar
CN103699717A (zh) * 2013-12-03 2014-04-02 重庆交通大学 基于前视断面选点的复杂道路汽车行驶轨迹预测方法
JP6180968B2 (ja) * 2014-03-10 2017-08-16 日立オートモティブシステムズ株式会社 車両制御装置
US9248834B1 (en) * 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
CN104821080B (zh) * 2015-03-02 2017-04-12 北京理工大学 基于宏观城市交通流的智能车辆行驶速度及时间预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101497330A (zh) * 2008-01-29 2009-08-05 福特全球技术公司 用于碰撞过程预测的系统
CN105339228A (zh) * 2013-05-09 2016-02-17 罗伯特·博世有限公司 静止目标识别的自适应巡航控制

Also Published As

Publication number Publication date
CN107918758A (zh) 2018-04-17
US20180099663A1 (en) 2018-04-12
US10377376B2 (en) 2019-08-13
MX2017012907A (es) 2018-09-27
RU2017134361A (ru) 2019-04-03

Similar Documents

Publication Publication Date Title
CN107918758B (zh) 能够进行环境情景分析的车辆
CN109927719B (zh) 一种基于障碍物轨迹预测的辅助驾驶方法和系统
US20220397402A1 (en) Systems and methods for determining road safety
EP4273837A2 (en) Systems and methods for predicting blind spot incursions
US11288521B2 (en) Automated road edge boundary detection
US20200049511A1 (en) Sensor fusion
US11938926B2 (en) Polyline contour representations for autonomous vehicles
US11313976B2 (en) Host vehicle position estimation device
CN110060467B (zh) 车辆控制装置
US11898855B2 (en) Assistance control system that prioritizes route candidates based on unsuitable sections thereof
US20220027642A1 (en) Full image detection
US11460851B2 (en) Eccentricity image fusion
GB2556427A (en) Vehicle with environmental context analysis
US9616886B2 (en) Size adjustment of forward objects for autonomous vehicles
US20220371583A1 (en) Systems and Methods for Selectively Decelerating a Vehicle
EP3947093A1 (en) On-road localization methodologies and equipment utilizing road surface characteristics
CN114126940A (zh) 电子控制装置
Valldorf et al. Advanced Microsystems for Automotive Applications 2007
RU2746026C1 (ru) Способ и система для генерации опорного пути беспилотного автомобиля (SDC)
WO2019127076A1 (en) Automated driving vehicle control by collision risk map
CN114572243A (zh) 物标检测装置以及搭载有该物标检测装置的车辆
RU2757037C1 (ru) Способ и система для выявления наличия колеи на текущей местности
박성렬 Efficient Environment Perception based on Adaptive ROI for Vehicle Safety of Automated Driving Systems
CN118182500A (zh) 车辆视野核验方法、装置、设备、存储介质和程序产品

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