CN108027243A - 用于操作自动驾驶车辆的控制误差校正规划方法 - Google Patents
用于操作自动驾驶车辆的控制误差校正规划方法 Download PDFInfo
- Publication number
- CN108027243A CN108027243A CN201780003090.1A CN201780003090A CN108027243A CN 108027243 A CN108027243 A CN 108027243A CN 201780003090 A CN201780003090 A CN 201780003090A CN 108027243 A CN108027243 A CN 108027243A
- Authority
- CN
- China
- Prior art keywords
- route
- automatic driving
- driving vehicle
- vehicle
- point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 36
- 238000012937 correction Methods 0.000 title description 3
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 description 28
- 238000012545 processing Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005036 potential barrier Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- 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
-
- 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
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
-
- 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
- G05D1/0231—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
- G05D1/0248—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 in combination with a laser
-
- 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
- G05D1/0257—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, 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
-
- 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
- G05D1/0276—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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
- G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/54—Audio sensitive means, e.g. ultrasound
-
- 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
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
在一个实施方式中,接收指示自动驾驶车辆待从路径的第一点移动到第二点的运动规划和控制数据。运动规划和控制数据描述路径内从第一点到第二点的多个路线。对于每个路线,根据自动驾驶车辆的物理特性来执行路线的模拟以生成模拟路线。计算控制误差,该控制误差代表路线和模拟路线之间的差异。基于路线和相关联的模拟路线之间的控制误差选择路线之一。根据选择出的路线操作自动驾驶车辆从第一点移动到第二点。
Description
技术领域
本发明的实施方式总体涉及操作自动驾驶车辆。更具体地,本发明的实施方式涉及用于操作自动驾驶车辆的控制误差校正规划方法。
背景技术
以自动驾驶模式运行(例如,无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时,车辆可以使用车载传感器导航到各个位置,从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
运动规划和控制是自动驾驶驱动中的关键操作。然而,传统的运动规划操作主要通过其曲率和速度估计完成给定路径的难度,而没有考虑不同类型的车辆的限制或特征的差异。相同的运动规划和控制应用到所有类型的车辆,这在某些情况下可能是不准确和不平稳的。
附图说明
本发明的实施方式在附图的各图中以举例而非限制的方式示出,附图中的相同参考数字指示相似元件。
图1是示出根据本发明的一个实施方式的网络化系统的框图。
图2是示出根据本发明的一个实施方式的自动驾驶车辆的框图。
图3是示出根据本发明的一个实施方式的自动驾驶车辆可使用的数据处理系统的示例的框图。
图4是根据本发明的一个实施方式的用于模拟自动驾驶车辆的路线的处理流程。
图5是示出根据本发明的一个实施方式的考虑到用于路线选择的经模拟路线的规划路线的示例的图。
图6是示出根据本发明的一个实施方式的操作自动驾驶车辆的过程的流程图。
图7是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
将参考以下所讨论的细节来描述本发明的各种实施方式和方面,附图将示出所述各种实施方式。下列描述和附图是对本发明的说明,而不应当解释为限制本发明。描述了许多特定细节以提供对本发明各种实施方式的全面理解。然而,在某些情况下,并未描述众所周知的或常规的细节以提供对本发明的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本发明的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
根据一些实施方式,一机构被用于根据所讨论的特定车辆的物理驱动特性,来估计由自动驾驶车辆的规划系统规划出的路线的控制误差。在一个实施方式中,根据与规划模块提供的路径的一个或多个路线中的每个路线相关联的规划和控制信息,执行模拟以基于相应车辆的物理特征和/或限制为每个路线生成模拟路线。将模拟路线与每个规划路线进行比较,以确定模拟路线和规划路线之间的控制误差。控制误差用于选择具有用于驱动车辆的最小控制误差的规划路线中的一个。因此,在具有该特定类型的车辆的一组物理特征和/或限制的情况下,选择出的路线最接近特定人类驾驶员将驾驶相同类型的车辆的路线。这将减少如下情况的可能性:由于其物理特征或限制(例如,最小转弯半径)或者规划路线不平稳或对乘客不舒适,而使得车辆不能执行规划路线。
在一个实施方式中,接收指示自动驾驶车辆将从路径的第一点移动到第二点的运动规划和控制数据。运动规划和控制数据包括描述从路径内的第一点到第二点的一个或多个路线的信息。针对每个路线,考虑到自动驾驶车辆的物理特性,基于路线的规划和控制数据执行模拟以生成模拟路线。车辆的物理特性可从相同或相似类型或型号的车辆的车辆文档获得。车辆的物理特性(也称为驾驶特征或驾驶限制)可包括但不限于最小转弯半径、预定距离的加速时间,预定距离的减速时间以及车辆的物理尺寸(例如,高度、宽度和重量)等。
对于每个路线,计算路线和对应的模拟路线之间的控制误差。在一个实施方式中,相对于模拟路线的曲线或曲线图绘制每个路线的曲线或曲线图,以确定在不同时间点,特别是在曲率点处的每个路线与模拟路线之间的最大差异。最大差异被用作该特定路线的控制误差的一部分。然后基于路线的控制误差选择路线之一,例如最少或最小的控制误差。然后根据所选择的路线操作自动驾驶车辆。
图1是示出根据本发明的一个实施方式的自动驾驶车辆网络配置的框图。参考图1,网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆,但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络,例如,有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集,诸如,网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(POI)服务器或者位置服务器等。
自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆,在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统,所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中,自动驾驶车辆101包括,但不限于,数据处理系统110、车辆控制系统111、无线通信系统112、用户接口系统113、信息娱乐系统114和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件,诸如:发动机、车轮、方向盘、变速器等,所述部件可以由车辆控制系统111和/或数据处理系统110使用多种通信信号和/或命令进行控制,该多种通信信号和/或命令例如,加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如,部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议,但也用于许多其它环境。
现在参考图2,在一个实施方式中,传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器,所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中,除感测对象之外,雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外,LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的,例如,通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其它传感器,诸如:声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如,麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下,油门传感器和制动传感器可以集成为集成式油门/制动传感器。
在一个实施方式中,车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)、制动单元203、计算机视觉系统204、导航单元205(还被称为导航和路径控制或导航/路径控制系统)以及防撞单元206(也被称为避障系统)。转向单元201用于调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度,电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。
计算机视觉单元或系统204用来处理和分析由一个或多个摄像机211捕获的图像,以便识别自动驾驶车辆的环境中的对象和/或特征。所述对象可包括交通信号、道路边界、其他交通工具、行人和/或障碍物等。计算机视觉系统204可使用对象识别算法、视频跟踪和其他计算机视觉技术。在一些实施方式中,计算机视觉系统204可映射环境、跟踪对象以及估计对象的速度等。
导航单元或系统205用来确定用于自动驾驶车辆的驾驶路径。例如,导航系统可以确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向:所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时,基本上避免感知到的障碍物。目的地可根据用户输入通过用户界面来设置。导航系统205可在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统205可以将来自GPS系统和一个或多个地图的数据合并,以确定用于自动驾驶车辆的驾驶路径。
防撞单元或系统206用于识别、评估并且避免或以其他方式越过自动驾驶车辆的环境中的潜在障碍物。例如,防撞系统206可以通过以下方式实现自动驾驶车辆的导航中的变化:操作控制系统中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统206可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统206可以被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统206可以自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统206可以选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。应注意,图2所示的部件可以以硬件、软件或其组合来实现。
回到图1,无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如,无线通信系统112可以与一个或多个装置直接无线通信,或者经由通信网络进行无线通信,诸如,通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN),例如,使用WiFi,以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如,乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分,包括例如关键字、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可由数据处理系统110控制或管理,尤其当在自动驱动模式下操作时。数据处理系统110包括必要的硬件(例如处理器、存储器、存储装置)和软件(例如操作系统、规划和路线安排程序),以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息,处理所接收的信息,规划从起始点到目的地点的路线或路径,然后基于规划和控制信息来驾驶车辆101。替代地,数据处理系统110可以与车辆控制系统111集成在一起。
例如,作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。数据处理系统110与自动驾驶车辆101的其他部件通信以获得行程相关数据。例如,数据处理系统110可从位置服务器以及地图和兴趣点(MPOI)服务器获得位置和路线信息,该MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务,并且MPOI服务器105提供地图服务和某些位置的POI。替代地,此类位置和MPOI信息可以本地高速缓存在数据处理系统110的永久性存储装置中。
在自动驾驶车辆101沿着路线行进期间,数据处理系统110还可从交通信息系统或服务器(TIS)获得实时交通信息。应注意,服务器103至104可以由第三方实体进行操作。替代地,服务器103至104的功能可以与数据处理系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如,障碍物、对象、附近车辆),数据处理系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101,以安全且高效到达指定目的地。
根据一个实施方式,自动驾驶车辆101可进一步包括信息娱乐系统114,以向车辆101的乘客提供信息和娱乐。信息和娱乐内容可基于本地和/或远程(例如,由服务器103至104提供)存储的内容信息被接收、编译和渲染。例如,可通过网络102从服务器103至104中的任一个实时地传输信息,并且在车辆101的显示装置上显示信息。信息可通过例如由一个或多个摄像机实时捕获的本地信息来增强,然后被增强的内容可以以虚拟现实的方式显示。
在自动驾驶车辆中,可以不存在实际窗口或物理窗口。相反,“窗口”(本文中被称为虚拟窗口)可由显示装置(即,模制成车窗形状的平坦或弯曲的屏幕显示装置)来代表或替换,显示装置可选地具有触摸屏。显示装置显示由合适的一个或多个摄像机实时动态捕获的图像或图像流(例如,视频),如同用户正在通过透视窗口观看或查看实际物理内容一样。对于每个“窗口”(例如,显示装置),存在相应的显示通道以实时地传输待显示的相应内容,其可通过增强现实系统(例如信息娱乐系统114和/或数据处理系统110)集中处理。在这种情况下,增强图像经由信息娱乐系统114以虚拟现实的方式显示,也被称为增强现实方式。
例如,从内容数据库或从远程内容提供者或内容服务器接收的内容项目可被叠加到由摄像机本地捕获的图像上,以成为增强图像。然后,增强图像被显示在自动驾驶车辆101内的显示装置上。显示装置可配置为显现为车辆的普通窗口。当用户观看显示装置时,图像的对象以虚拟现实的方式显示为虚拟对象,如同用户通过车辆的普通窗口观看物理对象。显示装置可实时显示增强图像流(例如增强视频),其类似于或模拟增强现实(AR)环境。
在一个实施方式中,基于位置和路线信息、MPOI信息和/或实时交通信息,信息娱乐系统114和/或数据处理系统110确定适合当前交通环境的某些类型的内容(例如MPOI)。系统在内容索引(未示出)中执行查找操作,以例如基于实时驾驶信息将列表内容项目(例如,赞助内容或广告)识别为内容项目候选。
在一个实施方式中,系统使用各种排序算法对列表中的内容项目进行排序。内容项目可基于用户的用户文档来排序。例如,可基于可从用户文档导出的用户偏好对内容项目进行排序。用户文档可基于用户过去的用户操作历史来编译。在一个实施方式中,系统将一个或多个内容排序模型应用于每个内容项目以确定每个内容项目的排序分数。可选择具有高于预定阈值的排序分数的内容项目。可使用代表过去的类似驾驶环境或交通状况的已知特征的集合来训练内容排序模型。也可基于类似用户的用户文档来训练内容排序模型。
然后将所选内容项目渲染并且显示在自动驾驶车辆内的显示装置上。在一个实施方式中,系统还将选择的内容项目增加到使用自动驾驶车辆的一个或多个摄像机在某一时间点捕获的图像上。在一个实施方式中,在图像上执行图像识别并且导出或理解由图像表示的内容。例如,可导出一个或多个关键字来描述图像或POI。内容项目列表还可基于由图像表示的一个或多个关键字或POI来识别。然后系统将选择的内容项目增加到图像上,生成增强图像,在增强图像中内容项目可叠加在图像上。然后,增强图像显示在自动驾驶车辆的显示装置上。应注意,根据一些实施方式,信息娱乐系统114可与数据处理系统110集成在一起。
替代地,用户可从来自内容存储器或数据库的预编译内容(例如,视频、电影)的列表中选择,内容存储器或数据库可经由网络(例如,云网络)通过内容提供者的内容服务器周期性更新。因此,用户可特别地选择例如从数据存储器125中获取的、待显示在显示装置上的实时捕获的实时实际内容或预先渲染的内容。例如,如果自动驾驶车辆101正在纽约市的下雪天行驶,那么用户可切换显示装置以显示夏威夷的阳光环境,如同自动驾驶车辆101正在阳光天行驶一样。内容可以协作或协同方式(即,虚拟现实的方式)显示在多个显示装置(例如,多个窗口)中。
根据一个实施方式,数据处理系统110包括路线模拟系统(未示出),以根据自动驾驶车辆101的物理驾驶特性来估计由自动驾驶车辆101的规划系统所规划的路线的控制误差。在一个实施方式中,根据与由规划模块提供的路径的一个或多个路线相关联的规划和控制信息,路线模拟系统执行模拟,以基于自动驾驶车辆101的物理特征和/或限制为与路径相关联的每条路线生成模拟路线。可基于可由数据分析系统(诸如服务器103)生成和提供的模拟方法或模拟模型来执行模拟。模拟方法或模型可基于在大量人类驾驶员驾驶的大量相同或相似类型车辆的大量驾驶数据而生成。驾驶数据可由数据收集模块121收集并且由分析模块122分析,以生成用于各种类型车辆的模拟方法或模型125。
将模拟路线与规划路线中的对应一个规划路线进行比较,以确定模拟路线与规划路线之间的控制误差。控制误差被用来选择具有用于驾驶自动驾驶车辆101的最小控制误差的规划路线中的一个。因此,所选择的路线最接近在自动驾驶车辆101具有特定类型车辆的一组物理特征和/或限制的情况下,特定人类驾驶员将驾驶相同类型车辆的路线。这将减少如下情况的可能性:由于物理特征或限制(例如,最小转弯半径)或者规划路线不平稳或乘客不舒适,而使得车辆不能执行规划路线。
图3是示出根据本发明的一个实施方式可与自动驾驶车辆一起使用的数据处理系统的示例的框图。系统300可实现为图1的数据处理系统110的一部分。参考图3,系统300包括但不限于规划模块311、控制模块312、模拟模块313以及可选的内容呈现模块314。模块311至314可以以软件、硬件或其组合实现。在一个实施方式中,模块311至314可安装并且存储在永久性存储装置302中、被加载到系统存储器301中,并且由一个或多个处理器(未示出)执行。内容呈现模块314可联接到图1的信息娱乐系统114或者实现为图1的信息娱乐系统114的一部分,以基于存储在内容存储器322中的内容或者通过网络从远程内容服务器实时传输的内容,向车辆的乘客提供信息娱乐信息。
规划模块311基于从传感器系统115接收的诸如传感器数据和/或从各种来源(例如,位置、地图、作为地图和兴趣点的一部分的POI或MPOI数据库323)接收的实时信息,来规划用于自动驾驶车辆的路径或路线。规划和控制数据由规划模块311产生。基于规划和控制数据,控制模块312根据规划和控制数据所定义的路线或路径,向车辆控制系统111发送适当的命令或信号以控制车辆。规划和控制数据包括足够的信息,以沿着路线或路径在不同时间点使用适当的车辆设置或驾驶参数(例如,油门、制动命令和转向命令),将车辆从路径或路线的第一点驱动到第二点。应注意,规划模块311和控制模块312可通信地联接到图2的车辆控制系统111的导航单元205或与导航单元205集成在一起。
根据一个实施方式,当通过规划模块311生成沿路线的、路径的规划和控制数据时,规划和控制数据描述从路径或路径的路径段的第一点(例如,起始点)到第二点(例如,结束点或目的地点)的一个或多个路线组。不同的路线可具有不同的驾驶参数,例如速度、加速度、沿相应路线的不同时间点的转弯角度。
响应于由规划模块311提供的规划和控制数据,控制模块312调用模拟模块313以针对每个规划路线执行基于车辆文档321的模拟。根据一个实施方式,模拟模块313使用一个或多个模拟方法或模型325,基于作为规划路线的规划和控制数据的一部分的路线信息以及从车辆的车辆文档321获得的车辆物理特性(例如,特征和/或驾驶限制)来执行模拟。车辆文档321和模拟方法/模型325可例如由数据分析系统103预先编译并存储在永久性存储装置302中。
车辆文档321可针对车辆的特定类型或型号被专门编译。车辆文档321可包括车辆的某些物理和驾驶特征,例如最小转弯半径、加速度、制动、物理尺寸(例如,高度、宽度、重量、车轮尺寸或直径、轮距)、以及发动机或马力等。最小转弯半径是指车辆可进行的最小的圆形转弯(即,U形转弯)的半径。加速度参数是指车辆可从零速度加速到预定速度(例如,60英里每小时或mph)的时间或距离。制动参数是指车辆可从预定速度(例如,60mph)减速到零的时间或距离。
在一个实施方式中,基于根据车辆文档321专门规划的规划和控制数据来生成模拟路线。控制模块312和/或模拟模块313比较模拟路线与由规划模块311产生的对应规划路线。对于每个路线,基于比较来确定控制误差。控制误差表示对应路线与对应的模拟路线之间的差异。在一个实施方式中,可绘制路线和模拟路线的曲线或图形,并且确定不同的时间点的两个图形之间的差异。最大差异可用作两条路线之间的控制误差。较大的控制误差表明,车辆根据对应规划路线更可能有困难或不平稳地驾驶。基于与规划路线关联的控制误差,然后选择规划路线之一,所选路线可具有所有路线的控制误差中的最小或最少控制误差。在一个实施方式中,控制模块312向规划模块311提供反馈(例如,控制误差)以允许规划模块311选择规划路线之一。除了控制误差之外,规划模块311可基于诸如路线曲率、速度等其他特征来选择最佳路线。然后根据选择的路线驾驶车辆。
图4是根据本发明一个实施方式的用于模拟自动驾驶车辆的路线的处理流程。参考图4,模拟系统400包括具有模拟逻辑411和控制误差计算器412的模拟模块313。当规划模块生成路线时,路线的路线信息401和车辆文档信息321被提供给模拟模块313。在一个实施方式中,基于车辆文档321和路线信息401,模拟逻辑411使用模拟方法或模型325执行模拟,以生成模拟路线402。控制误差计算器412比较模拟路线402和规划路线401,以确定控制误差403。处理400可针对由规划模块提供的每个规划路线迭代地执行。可选择具有最小控制误差的一个规划路线。
图5是示出根据本发明一个实施方式的考虑到用于路线选择的模拟路线的规划路线的示例的图。参考图5,在该示例中,在处理阶段501处,规划模块301已生成第一规划路线511和第二规划路线512。在处理阶段502处,基于对与第一规划路线511相关联的规划和控制数据以及车辆的车辆文档执行的模拟,来生成第一模拟路线521。在处理阶段503处,基于对与第二规划路线512相关联的规划和控制数据以及车辆的车辆文档执行的模拟,来生成第二模拟路线522。
对模拟路线521与规划路线511进行比较以确定表示路线511和521之间的差异或不同的第一控制误差。在一个实施方式中,绘制路线511和521的曲线图,确定不同时间点的曲线图的数据点之间的差异。在该示例中,点531处的最大差异被用作与路线511相关联的第一控制误差。类似地,对模拟路线522与规划路线512进行比较以确定与第二规划路线512相关联的第二控制误差532。在该示例中,点531处代表的第一控制误差大于点532处代表的第二控制误差。因此,选择规划路线512来操作车辆。
图6是示出根据本发明一个实施方式的操作自动驾驶车辆的过程的流程图。过程600可通过处理逻辑器来执行,该处理逻辑器可包括软件、硬件或其组合。例如,过程600可由图3的系统300执行。参考图6,在框601处,处理逻辑接收从与自动驾驶车辆关联的路径的第一点到第二点的、一个或多个规划路线组中的规划和控制数据。对于每个规划路线,处理逻辑对路线的相应规划和控制数据以及自动驾驶车辆的车辆文档执行模拟,以生成模拟路线。在框603处,处理逻辑比较模拟路线和规划路线,以确定代表模拟路线和规划路线之间差异的控制误差。在框604处,基于规划路线的控制误差来选择规划路线之一。所选择的规划路线在规划路线中具有最小或最少的控制误差。在框605处,自动驾驶车辆根据选择的规划路线进行操作。
应注意,如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如,此类部件可以实施为安装并存储在永久性存储装置中的软件,所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地,此类部件可以实施为编程或嵌入到专用硬件(诸如,集成电路(例如,专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码,所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外,此类部件可以实施为处理器或处理器内核中的特定硬件逻辑,作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
图6是示出可以与本发明的一个实施方式一起使用的数据处理系统的示例的框图。例如,系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统,例如,图1的数据处理系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板(诸如,计算机系统的主板或插入卡)的其它模块或者实施为以其它方式并入计算机系统的机架内的部件。
还应注意,系统1500旨在示出计算机系统的许多部件的高阶视图。然而,应当理解的是,某些实施例中可以具有附加的部件,此外,其它实施例中可以具有所示部件的不同布置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外,虽然仅示出了单个机器或系统,但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。
在一个实施方式中,系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器,诸如,微处理器、中央处理单元(CPU)等。更具体地,处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器,诸如,专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、网络处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。
处理器1501(其可以是低功率多核处理器套接口,诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口,图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。
处理器1501可以与存储器1503通信,存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)装置,诸如,随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可以存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如,各种操作系统、装置驱动程序、固件(例如,输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统,例如,机器人操作系统(ROS)、来自公司的操作系统、来自苹果公司的Mac来自公司的LINUX、UNIX,或者其它实时或嵌入式操作系统。
系统1500还可以包括IO装置,诸如装置1505至1508,包括网络接口装置1505、可选的输入装置1506,以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如,全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如,手写笔)和/或键盘(例如,物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如,输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种,以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。
IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风,以促进支持语音的功能,诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如,PCI-PCI桥)、传感器(例如,诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如,摄像机),所述成像处理子系统可以包括用于促进摄像机功能(诸如,记录照片和视频片段)的光学传感器,诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510,而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。
为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储,大容量存储装置(未示出)也可以联接到处理器1501。在各种实施方式中,为了实现更薄且更轻的系统设计并且改进系统响应性,这种大容量存储装置可以经由固态装置(SSD)来实施。然而,在其它实施方式中,大容量存储装置可以主要使用硬盘驱动器(HDD)来实施,其中较小量的SSD存储装置充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储,从而使得在系统活动重新启动时能够实现快速通电。另外,闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储,所述系统软件包括所述系统的BIOS以及其它固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质),其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如,模块、单元和/或逻辑1528)。模块/单元/逻辑1528可以表示上述部件中的任一个,例如如上所述的搜索引擎、编码器、交互记录模块。模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内,数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。
计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质,但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如,集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质,所述指令集用于由机器执行并且使得所述机器执行本发明的任何一种或多种方法。因此,术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质,或者任何其它非暂时性机器可读介质。
本文所述的模块/单元/逻辑1528、部件以及其它特征可以实施为分立硬件部件或集成在硬件部件(诸如,ASICS、FPGA、DSP或类似装置)的功能中。此外,模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外,模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意,虽然系统1500被示出为具有数据处理系统的各种部件,但是并不旨在表示使部件互连的任何特定架构或方式;因为此类细节和本发明的实施方式没有密切关系。还应当认识到,具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其它数据处理系统也可以与本发明的实施方式一起使用。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式,以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中,算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而,应当牢记,所有这些和类似的术语均旨在与适当的物理量关联,并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出,否则应当了解,在整个说明书中,利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理,所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据,并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储装置、传输或显示装置内类似地表示为物理量的其它数据。
本发明的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机构。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质(例如,只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行,所述处理逻辑包括硬件(例如,电路、专用逻辑等)、软件(例如,体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的,但是应当了解,所述操作中的一些可以按不同的顺序执行。此外,一些操作可以并行地执行而不是顺序地执行。
本发明的实施方式并未参考任何特定的编程语言进行描述。应认识到,可以使用多种编程语言来实施如本文描述的本发明的实施方式的教导。
在以上的说明书中,已经参考本发明的具体示例性实施方式对本发明的实施方式进行了描述。将显而易见的是,在不脱离所附权利要求书中阐述的本发明的更宽泛精神和范围的情况下,可以对本发明作出各种修改。因此,应当在说明性意义而不是限制性意义上来理解本说明书和附图。
Claims (21)
1.一种用于操作自动驾驶车辆的计算机实现的方法,所述方法包括:
接收指示自动驾驶车辆待从路径的第一点移动到第二点的运动规划和控制数据,所述运动规划和控制数据描述所述路径内从所述第一点到所述第二点的多个路线;
对于所述路线中的每个,
根据所述自动驾驶车辆的物理特性执行所述路线的模拟以生成模拟路线,以及
计算代表所述路线与所述模拟路线之间的差异的控制误差;
基于所述路线和相关联的所述模拟路线之间的控制误差选择所述路线之一;以及
根据选择出的路线操作所述自动驾驶车辆从所述第一点移动到所述第二点。
2.根据权利要求1所述的方法,其中,所述选择出的路线具有所述路线的所述控制误差中的最小的控制误差。
3.根据权利要求1所述的方法,其中,所述自动驾驶车辆的所述物理特性从专门针对相同型号的所述自动驾驶车辆所编译的车辆文档获得。
4.根据权利要求3所述的方法,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆的转弯半径。
5.根据权利要求3所述的方法,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆从0至60英里每小时的加速时间。
6.根据权利要求3所述的方法,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆的高度或重量。
7.根据权利要求1所述的方法,其中,计算代表所述路线与所述模拟路线之间的差异的控制误差包括:
基于所述路线的路线元数据绘制第一曲线;
基于所述模拟路线的模拟元数据绘制第二曲线;
定位所述第一曲线和所述第二曲线之间的最大差异所处的时间点;以及
计算所述最大差异的距离以代表控制误差。
8.一种非暂时性机器可读介质,所述非暂时性机器可读介质中存储有指令,所述指令在由处理器执行时使得所述处理器执行用于操作自动驾驶车辆的操作,所述操作包括:
接收指示自动驾驶车辆待从路径的第一点移动到第二点的运动规划和控制数据,所述运动规划和控制数据描述所述路径内从所述第一点到所述第二点的多个路线;
对于所述路线中的每个,
根据所述自动驾驶车辆的物理特性执行所述路线的模拟以生成模拟路线,以及
计算代表所述路线和所述模拟路线之间的差异的控制误差;
基于所述路线和相关联的所述模拟路线之间的控制误差选择所述路线之一;以及
根据选择出的路线操作所述自动驾驶车辆从所述第一点移动到所述第二点。
9.根据权利要求8所述的机器可读介质,其中,所述选择出的路线具有所述路线的所述控制误差中的最小的控制误差。
10.根据权利要求8所述的机器可读介质,其中,所述自动驾驶车辆的所述物理特性从专门针对相同型号的所述自动驾驶车辆所编译的车辆文档获得。
11.根据权利要求10所述的机器可读介质,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆的转弯半径。
12.根据权利要求10所述的机器可读介质,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆从0至60英里每小时的加速时间。
13.根据权利要求10所述的机器可读介质,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆的高度或重量。
14.根据权利要求8所述的机器可读介质,其中,计算代表所述路线与所述模拟路线之间的差异的控制误差包括:
基于所述路线的路线元数据绘制第一曲线;
基于所述模拟路线的模拟元数据绘制第二曲线;
定位所述第一曲线和所述第二曲线之间的最大差异所处的时间点;以及
计算所述最大差异的距离以代表控制误差。
15.一种数据处理系统,包括:
处理器;以及
存储器,所述存储器与所述处理器联接以存储指令,所述指令在由所述处理器执行时使得所述处理器执行用于操作自动驾驶车辆的操作,所述操作包括:
接收指示自动驾驶车辆待从路径的第一点移动到第二点的运动规划和控制数据,所述运动规划和控制数据描述所述路径内从所述第一点到所述第二点的多个路线;
对于所述路线中的每个,
根据所述自动驾驶车辆的物理特性执行所述路线的模拟以生成模拟路线,以及
计算代表所述路线和所述模拟路线之间的差异的控制误差;
基于所述路线和相关联的所述模拟路线之间的控制误差选择所述路线之一;以及
根据选择出的路线操作所述自动驾驶车辆从所述第一点移动到所述第二点。
16.根据权利要求15所述的系统,其中,所述选择出的路线具有所述路线的所述控制误差中的最小的控制误差。
17.根据权利要求15所述的系统,其中,所述自动驾驶车辆的所述物理特性从专门针对相同型号的所述自动驾驶车辆所编译的车辆文档获得。
18.根据权利要求17所述的系统,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆的转弯半径。
19.根据权利要求17所述的系统,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆从0至60英里每小时的加速时间。
20.根据权利要求17所述的系统,其中,所述自动驾驶车辆的所述物理特性包括所述自动驾驶车辆的高度或重量。
21.根据权利要求15所述的系统,其中,计算代表所述路线与所述模拟路线之间的差异的控制误差包括:
基于所述路线的路线元数据绘制第一曲线;
基于所述模拟路线的模拟元数据绘制第二曲线;
定位所述第一曲线和所述第二曲线之间的最大差异所处的时间点;以及
计算所述最大差异的距离以代表控制误差。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/216,566 | 2016-07-21 | ||
US15/216,566 US10162354B2 (en) | 2016-07-21 | 2016-07-21 | Controlling error corrected planning methods for operating autonomous vehicles |
PCT/US2017/013781 WO2018017154A1 (en) | 2016-07-21 | 2017-01-17 | Controlling error corrected planning methods for operating autonomous vehicles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108027243A true CN108027243A (zh) | 2018-05-11 |
CN108027243B CN108027243B (zh) | 2021-10-19 |
Family
ID=60988444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780003090.1A Active CN108027243B (zh) | 2016-07-21 | 2017-01-17 | 用于操作自动驾驶车辆的控制误差校正规划方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10162354B2 (zh) |
EP (1) | EP3335006B1 (zh) |
JP (1) | JP6674019B2 (zh) |
KR (1) | KR102096726B1 (zh) |
CN (1) | CN108027243B (zh) |
WO (1) | WO2018017154A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845577A (zh) * | 2018-07-13 | 2018-11-20 | 武汉超控科技有限公司 | 一种嵌入式自动驾驶控制器及其安全监控方法 |
CN109571467A (zh) * | 2018-11-23 | 2019-04-05 | 北京控制工程研究所 | 双轮差速机器人运动模型标定方法、装置及里程计系统 |
CN110531750A (zh) * | 2018-05-23 | 2019-12-03 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的pid嵌入式lqr |
CN110533943A (zh) * | 2018-05-23 | 2019-12-03 | 百度(美国)有限责任公司 | 确定自动驾驶车辆的车道改变轨迹的方法 |
CN110750052A (zh) * | 2019-09-30 | 2020-02-04 | 奇点汽车研发中心有限公司 | 驾驶模型的训练方法和装置、电子设备和介质 |
CN111044992A (zh) * | 2018-10-11 | 2020-04-21 | 百度(美国)有限责任公司 | 用于自动驾驶的基于交叉验证的自动lidar校准 |
CN111256714A (zh) * | 2018-11-30 | 2020-06-09 | 北汽福田汽车股份有限公司 | 路径规划方法、装置及车辆 |
CN112513762A (zh) * | 2018-08-20 | 2021-03-16 | 宝马股份公司 | 可扩展的远程操作自主机器人 |
CN112740188A (zh) * | 2018-08-07 | 2021-04-30 | 伟摩有限责任公司 | 使用偏差进行基于日志的模拟 |
CN115320635A (zh) * | 2021-09-01 | 2022-11-11 | 百度(美国)有限责任公司 | 评估自主驾驶车辆的规划功能的方法及系统 |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10908045B2 (en) | 2016-02-23 | 2021-02-02 | Deka Products Limited Partnership | Mobility device |
US11399995B2 (en) | 2016-02-23 | 2022-08-02 | Deka Products Limited Partnership | Mobility device |
US10926756B2 (en) | 2016-02-23 | 2021-02-23 | Deka Products Limited Partnership | Mobility device |
EP3443426B1 (en) | 2016-04-14 | 2022-10-26 | DEKA Products Limited Partnership | A transporter and a control method for a transporter |
WO2018057757A1 (en) * | 2016-09-21 | 2018-03-29 | Apple Inc. | Cognitive Load Routing Metric for Vehicle Guidance |
US11403816B2 (en) * | 2017-11-30 | 2022-08-02 | Mitsubishi Electric Corporation | Three-dimensional map generation system, three-dimensional map generation method, and computer readable medium |
US11718303B2 (en) * | 2018-01-03 | 2023-08-08 | Toyota Research Institute, Inc. | Vehicles and methods for building vehicle profiles based on reactions created by surrounding vehicles |
US11687079B2 (en) * | 2018-01-26 | 2023-06-27 | Uatc, Llc | Methods, devices, and systems for analyzing motion plans of autonomous vehicles |
US11636375B2 (en) * | 2018-02-27 | 2023-04-25 | Toyota Research Institute, Inc. | Adversarial learning of driving behavior |
US10996679B2 (en) * | 2018-04-17 | 2021-05-04 | Baidu Usa Llc | Method to evaluate trajectory candidates for autonomous driving vehicles (ADVs) |
US10564643B2 (en) * | 2018-05-31 | 2020-02-18 | Nissan North America, Inc. | Time-warping for autonomous driving simulation |
RU2751382C1 (ru) | 2018-05-31 | 2021-07-13 | Ниссан Норт Америка, Инк. | Планирование траектории |
CA3239378A1 (en) * | 2018-06-07 | 2019-12-12 | Deka Products Limited Partnership | System and method for distributed utility service execution |
US11066067B2 (en) * | 2018-06-29 | 2021-07-20 | Baidu Usa Llc | Planning parking trajectory for self-driving vehicles |
US11054829B2 (en) * | 2018-07-17 | 2021-07-06 | Baidu Usa Llc | Multimodal motion planning framework for autonomous driving vehicles |
US11561547B2 (en) * | 2019-02-20 | 2023-01-24 | Gm Cruise Holdings Llc | Autonomous vehicle routing based upon spatiotemporal factors |
JP7155043B2 (ja) * | 2019-02-28 | 2022-10-18 | 株式会社日立製作所 | サーバ、車両制御システム |
US11105642B2 (en) * | 2019-04-17 | 2021-08-31 | Waymo Llc | Stranding and scoping analysis for autonomous vehicle services |
US11602093B2 (en) | 2019-06-11 | 2023-03-14 | Cnh Industrial America Llc | System and method for controlling the operation of a seed-planting implement based on topographical features present within a field |
CN110502004B (zh) * | 2019-07-01 | 2022-05-17 | 江苏大学 | 一种面向智能车辆激光雷达数据处理的行驶区域重要性权值分布建模方法 |
US11494533B2 (en) * | 2019-11-27 | 2022-11-08 | Waymo Llc | Simulations with modified agents for testing autonomous vehicle software |
US11851086B2 (en) * | 2020-06-26 | 2023-12-26 | Waymo Llc | Using simulations to identify differences between behaviors of manually-driven and autonomous vehicles |
US11568688B2 (en) * | 2020-08-25 | 2023-01-31 | Motional Ad Llc | Simulation of autonomous vehicle to improve safety and reliability of autonomous vehicle |
US12091049B2 (en) | 2022-02-10 | 2024-09-17 | Waymo Llc | Methods and systems for automatic problematic maneuver detection and adapted motion planning |
KR102668182B1 (ko) * | 2022-10-26 | 2024-05-24 | (주) 하나텍시스템 | 자율주행 차량의 인프라 가이던스 정보 순응도 검증방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5122957A (en) * | 1989-02-28 | 1992-06-16 | Nissan Motor Company, Limited | Autonomous vehicle for automatically/autonomously running on route of travel and its method using fuzzy control |
CN1728152A (zh) * | 2004-03-03 | 2006-02-01 | 雅马哈发动机株式会社 | 用于使用软计算优化器的机动车的智能强健控制系统 |
EP2051151A1 (en) * | 2007-10-15 | 2009-04-22 | Saab Ab | Method and apparatus for generating at least one voted flight trajectory of a vehicle |
US20130211656A1 (en) * | 2012-02-09 | 2013-08-15 | Electronics And Telecommunications Research Institute | Autonomous driving apparatus and method for vehicle |
US9355562B1 (en) * | 2012-08-14 | 2016-05-31 | Google Inc. | Using other vehicle trajectories to aid autonomous vehicles driving through partially known areas |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06300580A (ja) * | 1993-04-15 | 1994-10-28 | Fuji Heavy Ind Ltd | 車輛の軌道追従制御装置 |
US6680694B1 (en) * | 1997-08-19 | 2004-01-20 | Siemens Vdo Automotive Corporation | Vehicle information system |
US6707421B1 (en) * | 1997-08-19 | 2004-03-16 | Siemens Vdo Automotive Corporation | Driver information system |
JP4229358B2 (ja) * | 2001-01-22 | 2009-02-25 | 株式会社小松製作所 | 無人車両の走行制御装置 |
US7343232B2 (en) * | 2003-06-20 | 2008-03-11 | Geneva Aerospace | Vehicle control system including related methods and components |
US7877350B2 (en) * | 2005-06-27 | 2011-01-25 | Ab Initio Technology Llc | Managing metadata for graph-based computations |
JP2007033331A (ja) * | 2005-07-28 | 2007-02-08 | Pioneer Electronic Corp | 経路探索装置及び方法、該経路探索装置を備えるナビゲーション装置またはナビゲーションシステム、並びに経路探索用コンピュータプログラム |
US8050863B2 (en) * | 2006-03-16 | 2011-11-01 | Gray & Company, Inc. | Navigation and control system for autonomous vehicles |
US8195364B2 (en) * | 2007-02-12 | 2012-06-05 | Deere & Company | Perception model for trajectory following autonomous and human augmented steering control |
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
JP5593606B2 (ja) * | 2008-11-28 | 2014-09-24 | 株式会社ジェイテクト | 走行支援装置 |
WO2011032208A1 (en) * | 2009-09-15 | 2011-03-24 | The University Of Sydney | A system and method for autonomous navigation of a tracked or skid-steer vehicle |
US9678508B2 (en) * | 2009-11-16 | 2017-06-13 | Flanders Electric Motor Service, Inc. | Systems and methods for controlling positions and orientations of autonomous vehicles |
JP5782708B2 (ja) * | 2010-12-03 | 2015-09-24 | 日産自動車株式会社 | 走行支援装置 |
US9104537B1 (en) * | 2011-04-22 | 2015-08-11 | Angel A. Penilla | Methods and systems for generating setting recommendation to user accounts for registered vehicles via cloud systems and remotely applying settings |
US8775006B2 (en) * | 2011-07-14 | 2014-07-08 | GM Global Technology Operations LLC | System and method for enhanced vehicle control |
US8788121B2 (en) * | 2012-03-09 | 2014-07-22 | Proxy Technologies, Inc. | Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles |
US20140309836A1 (en) * | 2013-04-16 | 2014-10-16 | Neya Systems, Llc | Position Estimation and Vehicle Control in Autonomous Multi-Vehicle Convoys |
US10551851B2 (en) * | 2013-07-01 | 2020-02-04 | Steven Sounyoung Yu | Autonomous unmanned road vehicle for making deliveries |
DE102013013867A1 (de) * | 2013-08-20 | 2015-03-12 | Audi Ag | Kraftfahrzeug und Verfahren zur Steuerung eines Kraftfahrzeugs |
EP3114574A4 (en) | 2014-03-03 | 2018-03-07 | Inrix, Inc. | Traffic obstruction detection |
JP6486605B2 (ja) * | 2014-04-14 | 2019-03-20 | 日野自動車株式会社 | 操舵制御装置 |
JP2015224954A (ja) * | 2014-05-28 | 2015-12-14 | クラリオン株式会社 | 駐車場所選択装置 |
EP3001272B1 (en) * | 2014-09-26 | 2017-04-12 | Volvo Car Corporation | Method of trajectory planning for yielding manoeuvres |
US9562779B2 (en) * | 2014-12-23 | 2017-02-07 | Here Global B.V. | Method and apparatus for providing a steering reliability map based on driven curvatures and geometry curvature |
WO2016130719A2 (en) * | 2015-02-10 | 2016-08-18 | Amnon Shashua | Sparse map for autonomous vehicle navigation |
US9821801B2 (en) * | 2015-06-29 | 2017-11-21 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling semi-autonomous vehicles |
JP6376059B2 (ja) * | 2015-07-06 | 2018-08-22 | トヨタ自動車株式会社 | 自動運転車両の制御装置 |
US9764736B2 (en) * | 2015-08-14 | 2017-09-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle operation relative to unexpected dynamic objects |
US10407047B2 (en) * | 2015-12-07 | 2019-09-10 | Magna Electronics Inc. | Vehicle control system with target vehicle trajectory tracking |
DE102015225242A1 (de) * | 2015-12-15 | 2017-06-22 | Volkswagen Aktiengesellschaft | Verfahren und System zur automatischen Steuerung eines Folgefahrzeugs mit einem Scout-Fahrzeug |
US9711851B1 (en) * | 2016-02-04 | 2017-07-18 | Proxy Technologies, Inc. | Unmanned vehicle, system and method for transmitting signals |
KR20170124816A (ko) * | 2016-05-03 | 2017-11-13 | 현대자동차주식회사 | 차량 주행 상황을 고려한 경로 산출 장치 및 방법 |
US10031525B2 (en) * | 2016-06-10 | 2018-07-24 | Cnh Industrial America Llc | Swath tracking system for an off-road vehicle |
-
2016
- 2016-07-21 US US15/216,566 patent/US10162354B2/en active Active
-
2017
- 2017-01-17 KR KR1020187009556A patent/KR102096726B1/ko active IP Right Grant
- 2017-01-17 JP JP2018517547A patent/JP6674019B2/ja active Active
- 2017-01-17 CN CN201780003090.1A patent/CN108027243B/zh active Active
- 2017-01-17 EP EP17831449.8A patent/EP3335006B1/en active Active
- 2017-01-17 WO PCT/US2017/013781 patent/WO2018017154A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5122957A (en) * | 1989-02-28 | 1992-06-16 | Nissan Motor Company, Limited | Autonomous vehicle for automatically/autonomously running on route of travel and its method using fuzzy control |
CN1728152A (zh) * | 2004-03-03 | 2006-02-01 | 雅马哈发动机株式会社 | 用于使用软计算优化器的机动车的智能强健控制系统 |
EP2051151A1 (en) * | 2007-10-15 | 2009-04-22 | Saab Ab | Method and apparatus for generating at least one voted flight trajectory of a vehicle |
US20130211656A1 (en) * | 2012-02-09 | 2013-08-15 | Electronics And Telecommunications Research Institute | Autonomous driving apparatus and method for vehicle |
US9355562B1 (en) * | 2012-08-14 | 2016-05-31 | Google Inc. | Using other vehicle trajectories to aid autonomous vehicles driving through partially known areas |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11260849B2 (en) | 2018-05-23 | 2022-03-01 | Baidu Usa Llc | Method for determining lane changing trajectories for autonomous driving vehicles |
CN110531750B (zh) * | 2018-05-23 | 2023-01-24 | 百度(美国)有限责任公司 | 一种用于操作自动驾驶车辆的计算机实施的方法、可读介质及系统 |
CN110531750A (zh) * | 2018-05-23 | 2019-12-03 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的pid嵌入式lqr |
CN110533943A (zh) * | 2018-05-23 | 2019-12-03 | 百度(美国)有限责任公司 | 确定自动驾驶车辆的车道改变轨迹的方法 |
CN108845577A (zh) * | 2018-07-13 | 2018-11-20 | 武汉超控科技有限公司 | 一种嵌入式自动驾驶控制器及其安全监控方法 |
CN112740188A (zh) * | 2018-08-07 | 2021-04-30 | 伟摩有限责任公司 | 使用偏差进行基于日志的模拟 |
CN112513762B (zh) * | 2018-08-20 | 2024-04-16 | 宝马股份公司 | 可扩展的远程操作自主机器人 |
CN112513762A (zh) * | 2018-08-20 | 2021-03-16 | 宝马股份公司 | 可扩展的远程操作自主机器人 |
CN111044992A (zh) * | 2018-10-11 | 2020-04-21 | 百度(美国)有限责任公司 | 用于自动驾驶的基于交叉验证的自动lidar校准 |
CN111044992B (zh) * | 2018-10-11 | 2023-12-26 | 百度(美国)有限责任公司 | 用于自动驾驶的基于交叉验证的自动lidar校准 |
CN109571467A (zh) * | 2018-11-23 | 2019-04-05 | 北京控制工程研究所 | 双轮差速机器人运动模型标定方法、装置及里程计系统 |
CN111256714A (zh) * | 2018-11-30 | 2020-06-09 | 北汽福田汽车股份有限公司 | 路径规划方法、装置及车辆 |
CN110750052A (zh) * | 2019-09-30 | 2020-02-04 | 奇点汽车研发中心有限公司 | 驾驶模型的训练方法和装置、电子设备和介质 |
CN115320635A (zh) * | 2021-09-01 | 2022-11-11 | 百度(美国)有限责任公司 | 评估自主驾驶车辆的规划功能的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6674019B2 (ja) | 2020-04-01 |
US10162354B2 (en) | 2018-12-25 |
EP3335006A4 (en) | 2018-08-08 |
CN108027243B (zh) | 2021-10-19 |
EP3335006A1 (en) | 2018-06-20 |
EP3335006B1 (en) | 2019-10-16 |
KR20180049029A (ko) | 2018-05-10 |
KR102096726B1 (ko) | 2020-04-02 |
JP2018531385A (ja) | 2018-10-25 |
US20180024553A1 (en) | 2018-01-25 |
WO2018017154A1 (en) | 2018-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108027243A (zh) | 用于操作自动驾驶车辆的控制误差校正规划方法 | |
JP6310531B2 (ja) | 自律走行車において拡張仮想現実コンテンツを提供するシステム及び方法 | |
JP6456902B2 (ja) | リアルタイム交通情報に基づいて自律走行車においてコンテンツを提供するシステムおよび方法 | |
CN110377024A (zh) | 用于自动驾驶车辆的自动数据标注 | |
CN110345955A (zh) | 用于自动驾驶的感知与规划协作框架 | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
CN110378483A (zh) | 部署在模拟平台上的用于训练机器学习模型的系统和方法 | |
CN110239562A (zh) | 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适 | |
JP6578331B2 (ja) | 自律走行車のコマンド遅延を決定するための方法 | |
CN108604095A (zh) | 动态调整自动驾驶车辆的转向率的方法 | |
CN108137083A (zh) | 用于自动驾驶车辆控制的系统延迟估计方法 | |
CN110325935A (zh) | 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线 | |
CN109489673A (zh) | 用于自动驾驶车辆的数据驱动地图更新系统 | |
CN110083149A (zh) | 用于自动驾驶车辆的路径与速度优化后馈机制 | |
CN108025742A (zh) | 使用电极的自动驾驶车辆人类驾驶员接管机制 | |
CN108139884A (zh) | 模拟自动驾驶车辆移动的物理模型和结合机器学习的方法 | |
CN109429518A (zh) | 基于地图图像的自动驾驶交通预测 | |
CN110388931A (zh) | 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法 | |
JP2018531385A6 (ja) | 自律走行車を運行させるための制御エラー補正計画方法 | |
CN108205830A (zh) | 识别对于无人驾驶车辆的个人驾驶偏好的方法和系统 | |
CN108137015A (zh) | 用于自动驾驶车辆的侧滑补偿控制方法 | |
CN110389580A (zh) | 用于规划自动驾驶车辆的路径的漂移校正的方法 | |
JP2018084573A (ja) | 頑健で効率的な車両測位用のアルゴリズム及びインフラ | |
CN108139756A (zh) | 为自动驾驶车辆构建周围环境以制定驾驶决策的方法和系统 | |
CN110386142A (zh) | 用于自动驾驶车辆的俯仰角校准方法 |
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 |