CN108139756A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108139756A CN108139756A CN201780002709.7A CN201780002709A CN108139756A CN 108139756 A CN108139756 A CN 108139756A CN 201780002709 A CN201780002709 A CN 201780002709A CN 108139756 A CN108139756 A CN 108139756A
- Authority
- CN
- China
- Prior art keywords
- processing routine
- scene
- driving
- handles
- vehicle
- 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 35
- 238000012545 processing Methods 0.000 claims abstract description 195
- 230000004044 response Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 23
- 230000008447 perception Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 24
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 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
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 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
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 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
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
-
- 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
-
- 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
-
- 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
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/20—Static objects
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4026—Cycles
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
响应于从安装在自动驾驶车辆上的传感器接收的传感器数据,基于该传感器数据来感知周围环境。周围环境包括多个子环境。对于子环境中的每个,识别与子环境相关联的多个驾驶场景处理程序中的一个,每个驾驶场景处理程序均与多个驾驶场景中的一个相对应。调用识别的驾驶场景处理程序,以确定对应的子环境内的单独驾驶状况。基于由识别的驾驶场景处理程序提供的单独驾驶状况,确定周围环境的总体驾驶状况。基于周围环境的总体驾驶状况,规划路线段,所述路线段是与路线相关联的多个路线段中的一个。基于规划的路线段,控制并驾驶自动驾驶车辆。
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为自动驾驶车辆构建周围环境以制定驾驶决策。
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。
与人类在驾驶时制定各种决策相类似,自动驾驶车辆总是必须根据实际的周围的环境制定即时的驾驶决策,实际的周围环境包括但不限于信号灯、交通状况、安全法规、附近的行人和车辆等。当人类驾驶车辆时,他/她会隐然地认可每一个感知到的对象的存在,并将决策与每一个对象相关联。因此,人类驾驶员的实际决策结果来自于复杂且综合的过程,在这个过程中,针对每个对象的单独决策被综合并合成为最终的决策,该最终的决策转化为车辆的预期轨迹,并从而转化为方向盘、制动器和/或油门的实际操作。在自动驾驶车辆中模仿这样的思维过程是具有挑战性的。
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示例的框图。
图3A和图3B是示出根据本发明的某些实施方式的与自动驾驶车辆一起使用的数据处理系统的示例的框图。
图4A和图4B是示出根据本发明的一个实施方式的驾驶场景的示例的框图。
图5A和图5B是示出根据本发明的另一实施方式的驾驶场景的示例的框图。
图6是示出根据本发明的一个实施方式的驾驶场景的示例的框图。
图7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8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,当建造自动驾驶车辆时,系统通过构建特别为自动驾驶车辆设计的驾驶环境来模拟人的思维过程,从而了解驾驶环境和制定安全且适当的决策。驾驶环境(也被称为驾驶世界)由若干子环境(也被称为子世界)组成。每个子环境都涵盖用于指定目的的特定时空区域或驾驶场景。在一个实施方式中,待构建的环境捕捉人类在所有必需的环境下都能感知到的所有对象。在不同的场景下,对象可具有不同的含义,因此对对象作出不同的决策,因为对象可能出现在不同的子环境中。为了实际的最终决策和操纵,以耦合的方式将来自每个子环境中的对象的决策合并。指示车辆的实际操纵的最终决策从每个单独对象的最终决策中推断。子环境涵盖与人类驾驶经历相类似的所有必要场景,同时每个子环境优选地指定用于特定目的或驾驶场景,使得这些子环境可具有一定的独立性,从而使得易于开发、维护以及并行地迅速构建。
在一个实施方式中,响应于从安装在自动驾驶车辆上的各种传感器接收的传感器数据,基于该传感器数据,感知自动驾驶车辆的周围环境。周围环境包括自动驾驶车辆周围的多个子环境。对于子环境中的每个,识别与和子环境相对应的驾驶场景相关联的驾驶场景处理程序中的一个。驾驶场景处理程序中的每一个操纵驾驶子环境内的具体驾驶场景。调用识别的驾驶场景处理程序,以确定对应的子环境内的驾驶状况或驾驶环境。基于由驾驶场景处理程序提供的子环境的驾驶状况,确定周围环境的总体驾驶状况。基于对周围环境的总体驾驶状况的了解来规划路线段。根据该路线段,控制和驾驶自动驾驶车辆。路线段是从起始位置到目的地位置的路线的许多路线段中的一个。可沿着该路线对每个路线段反复执行上述过程。
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(也被称为加速单元)、制动单元203、计算机视觉系统204、导航单元205(也被称为导航和路径系统或导航/路径系统)和防撞单元206(也被称为障碍物回避系统)。转向单元201用来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相机211所捕获的图像,以识别自动驾驶车辆的环境中的对象和/或特征。该对象可以包括交通信号、车行道边界、其它车辆、行人和/或障碍物等。计算机视觉系统204可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中,计算机视觉系统204可以绘制环境地图,跟踪对象,以及估算对象的速度等。
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。目的地可以根据经由用户接口的用户输入来设定。导航系统205可以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用来识别、评估并且避免或以其它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,如图2所示的部件可以以硬件、软件或其组合实施。
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以由数据处理系统110控制或管理,尤其当在自动驾驶模式下操作时。数据处理系统110包括必要的硬件(例如,处理器、存储器、存储设备)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,随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的其它部件通信以获得行程相关数据。例如,数据处理系统110可以从位置服务器以及地图和POI(MPOI)服务器中获得位置和路线信息,所述位置服务器和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沿着路线行驶时,数据处理系统110也可以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还可以包括信息娱乐系统114,以向车辆101的乘客提供信息和娱乐。可基于本地存储和/或远程存储(例如,由服务器103至104提供的)的内容信息,接收、编译和呈现信息和娱乐内容。例如,信息可通过网络102从服务器103至104中的任一个中实时流动,并且显示在车辆101的显示设备上。信息可通过实时捕获(例如通过一个或多个相机)的本地信息来扩充,并且扩充的内容可以以虚拟现实的方式显示。
在自动驾驶车辆中,可能没有实际窗口或物理窗口。相反,“窗口”(文中称为虚拟窗口)可以用显示设备表示或替换,该显示装置即模制成车辆窗口形状的、可选地具有触摸屏的平面或弯曲屏幕的显示装置。显示装置将显示由适当的一个或更多个相机实时动态捕获的图像或图像流(例如,视频),就像用户在通过透明的窗口查看或观看实际的物理内容一样。对于“窗口”(例如,显示装置)中的每一个,存在相应的显示通道以流出待实时显示的相应内容,这些内容可以由例如信息娱乐系统114和/或数据处理系统110的增强现实系统集中处理。在这种情况下,增强的图像经由信息娱乐系统114以虚拟现实的方式显示,虚拟现实的方式也被称为增强现实的方式。
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确定适用于当前交通环境的某些类型的内容(例如,MPOI)。系统在内容索引(未显示)中执行查找操作,从而例如基于实时的行驶信息,将一列内容项(例如,赞助内容或广告)识别为内容项候选物。
根据一个实施方式,数据处理系统110包括规划模块和控制模块(未示出)。规划模块用来规划路线或路线的路线段,以允许控制模块控制和驾驶自动驾驶车辆101沿着规划的路线移动。该路线可以基于对自动驾驶车辆101周围的总体驾驶环境的了解或感知生成,其中,自动驾驶车辆101周围的总体驾驶环境基于从安装在自动驾驶车辆上的各种传感器接收的传感器数据。
在一个实施方式中,在构建或了解总体驾驶环境时,将驾驶环境划分或感知为一个或多个子环境,每个子环境代表环境的一部分。每个子环境由相应的驾驶场景处理程序处理,以确定表示子环境内的驾驶状况的驾驶参数集或元数据集。当沿着路线周期性地(例如,每0.1秒)移动时,自动驾驶车辆101从传感器系统115接收传感器数据并感知自动驾驶车辆101的周围环境。自动驾驶车辆101识别周围环境,并将周围环境划分为一个或多个子环境。
对于子环境中的每一个,识别并调用对应的驾驶场景处理程序,以确定该子环境的驾驶状况或设置。然后,基于子环境的独立驾驶状况,自动驾驶车辆101了解并确定整个驾驶环境的总体驾驶状况。基于对总体周围环境的驾驶状况的了解,规划下一个路线段。然后,自动驾驶车辆101根据该路线段移动。沿着该路线在不同的时间点对路线段中的每个反复执行上述过程。类似于视频流的视频帧,对于表示具体时间点处的周围环境的每个帧,执行上述过程以确定驾驶状况或驾驶参数,以便在下一路线段上驾驶自动驾驶车辆101。
图3A是示出根据本发明的一个实施方式的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可以实施为图1的自动驾驶车辆101。参考图3A,数据处理系统110包括但不限于规划模块301、控制模块302、地图和路线模块303和感知模块304。此外,数据处理系统110还包括驾驶场景处理程序310,每个驾驶场景处理程序处理总体驾驶环境的对应子环境内的特定驾驶场景。
感知模块304处理从传感器系统115接收的传感器数据以感知驾驶环境,诸如感知到的行人、车辆和障碍物,以及收集主车辆状态信息(定位、GPS信息和底盘状态)并将其转换注入规划模块301,以便进行处理和制定决策。感知模块304是处理“我看到什么,我在哪里”的模块。地图和路线模块303是存储地图和路线信息的模块。地图和路线模块305存储“我应该去哪里,我周围的道路是什么”的信息。
规划模块301基于各种信息为自动驾驶车辆规划路径或路线,该各种信息诸如为从传感器系统115接收的传感器数据和/或从各种源接收的实时信息(例如,定位、地图、作为地图和兴趣点的一部分的POI或MPOI数据库303)。规划和控制数据由规划模块301生成。基于规划和控制数据,控制模块302根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制自动驾驶车辆。所述规划和控制数据包括足够的信息,以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如,油门、制动和转弯命令)将车辆从路线或路径的第一点驾驶到第二点。
规划模块301是用于自动驾驶车辆制定驾驶决策和规划的核心逻辑模块。它考虑地图、路线和感知到的对象,并基于交通规则和/或先前的经验,决定和规划车辆应如何操纵。关于所期望的操纵状态的信息,诸如轨迹和速度/加速度,被传递到控制模块302进行进一步处理。应注意,规划模块301和控制模块302可以通信地联接至图2的车辆控制系统111的导航单元205或者与其集成在一起。
在规划路线或路线段时,规划模块301调用与由感知模块304确定的周围环境的、感知到的子环境相对应的一个或多个驾驶场景处理程序。每个驾驶场景处理程序处理感知到的子环境,以确定子环境的驾驶状况,包括确定该子环境内定位了什么对象,以及如果车辆决定进入该子环境时,车辆应该怎么移动。基于从驾驶场景处理程序获得的单独驾驶状况,规划模块301执行决策制定。具体地,规划模块301基于由单独驾驶场景处理程序感知和处理的子环境来构建总体周围环境。规划模块301基于来自单独驾驶场景处理程序的单独决策或建议作出最终的路线决策。然后,规划模块301生成代表下一路线段的规划和控制数据,并且将规划和控制数据传递至控制模块302。基于规划和控制数据,控制模块302向控制系统111发出适当的控制命令或指令,以驾驶车辆在下一线路段内移动。
图3B是示出根据本发明的一个实施方式的驾驶场景处理程序的示例的框图。参考图3B,在一个实施方式中,驾驶场景处理程序包括两层:1)特定场景处理程序305A;以及2)普通场景处理程序305B。特定场景处理程序305A中的每个处理特定的子环境,包括识别子环境中的对象,对象与车辆之间的距离,以及在车辆进入这些特定的子环境的情况下车辆应怎么移动的决策。普通场景处理程序305B中的每个处理由特定场景共享的某些普通场景。普通场景处理程序305B中的每个均可以由特定场景处理程序305A中的任一个调用。每个场景处理程序都提供了一系列API,所述一系列API基本上提取了属性或与某些属性相关联的对象。这些API由规划模块301进行平衡,以更好地了解周围环境,并基于它们作出适当的决策。
在一个实施方式中,特定场景处理程序305A包括但不限于前方车辆处理程序321、右前方车道处理程序322、左前方车道处理程序323、尾随车辆处理程序324、右邻域处理程序325、左逆向车道处理程序326、路口处理程序327、车道合并处理程序328、人行横道处理程序329和清除区处理程序330。普通场景处理程序305B包括但不限于主车辆处理程序331、交通信号处理程序332、停车标志处理程序333和让行标志处理程序334。
主车辆处理程序331提供与车辆自身有关的信息,包括但不限于车辆当前处在哪个车道,车辆在哪个方向移动以及车辆的定位、地图和路线信息。前方车辆处理程序321提供关于当前在自动驾驶车辆前面移动的前方车辆的信息,包括前方车辆的速度以及前方车辆与自动驾驶车辆之间的距离。前方车辆处理程序321还可以提供自动驾驶车辆是否应跟随前方车辆或越过前方车辆的建议。
右前方车道处理程序322和左前方车道处理程序323分别提供关于右前方车道和左前方车道相对于自动驾驶车辆的信息。提供的信息可包括定位在右前方车道和/或左前方车道的空间区域中的所有对象或车辆。例如,如果自动驾驶车辆不想变化车道,则前方车道处理程序可以指示挪动(nudge)的对象,或者如果自动驾驶车辆想要变化车道时,则前方车道处理程序可以指示要进行避让或赶超的对象。左逆向车道处理程序326可以指示对象正在相反的方向上接近自动驾驶车辆,并且建议是否挪动。车道合并处理程序328可以提供指示自动驾驶车辆是否应该让行或超车的信息。车道合并处理程序328可以与交通信号处理程序332和让行标志处理程序334相配合。
尾随车辆处理程序324可以识别跟随自动驾驶车辆的任何尾随车辆,包括尾随车辆的速度和尾随车辆与自动驾驶车辆之间的距离。右邻域对象处理程序325对不在任何实际车道上、但是到当前右车道的右相邻区域的任何对象的环境进行建模。示例包括在自行车车道右侧的自行车,在右侧路边的行人或在右边停放的车辆或静态对象。
路口处理程序327对整个交通枢纽进行建模,包括车辆从一个区域行驶到另一指定路口区域的区域。例如,当进行右转时,规划模块301将利用路口处理程序327提供可能的相冲突的交通,鉴于交通规则和交通状况,可能需要进行超车或让行。鉴于待执行的具体路线,路口处理程序327可以指示哪个对象或哪些对象要进行赶超、避让或停止。
人行横道处理程序329对潜在行人可能步行穿过的区域进行建模。人行横道处理程序329可以识别人行横道中是否有任何行人。清除区处理程序330对自动驾驶车辆可以前行通过但不能停止的区域进行建模。清除区处理程序330可以与交通信号处理程序332相配合,以确定自动驾驶车辆是否应该前行通过清除区或在进入清除区之前停车。
交通信号处理程序332提供信号信息,该信号信息统辖自动驾驶车辆到达目的地的当前路线。交通信号处理程序332还可指示,自从信号的上次变化以来,特定交通信号已保持多长时间。停车标志处理程序333提供指示当前车道或其它车道中是否存在停车标志的信息。停车标志处理程序333还可以指示自动驾驶车辆是否具有通行权。停车标志处理程序333还可以识别自动驾驶车辆具有或不具有通行权的对象。停车标志处理程序333还可以指示自动驾驶车辆是否在它再次开始移动之前已经停止了足够的时间(例如,3秒)。类似地,让行标志处理程序334指示当前车道和其它车道中是否存在让行标志。处理程序332至334可以由特定处理程序321-330中的任一个调用。
图4A是示出根据本发明的一个实施方式的驾驶场景的示例的框图。参考图4A,在这个示例中,自动驾驶车辆401(由主车辆处理程序331表示)驾驶在中间车道中。基于从传感器系统115接收的传感器数据,存在感知到的子环境402至405,它们中的每一个用虚线框指示。子环境402表示右前方车道场景。子环境403表示在主车辆401前面的前方车辆场景。子环境404表示左前方车道场景。子环境405表示尾随车辆场景。如图4B所示,一旦已感知到和识别出这些子环境402至405,可以由规划模块301识别和调用对应的驾驶场景处理程序,诸如前方车辆处理程序321、右前方车道处理程序322、左前方车道处理程序323和尾随车辆处理程序324。
基于由关联的场景处理程序提供的表示子环境的驾驶状况的信息,规划模块301规划路线或路线段,从而生成用于控制自动驾驶车辆的规划和控制数据。在这个示例中,前方车辆处理程序321可以提供关于子环境403中的前方车辆的信息,诸如该车辆的速度和与自动驾驶车辆的距离。它可以提供自动驾驶车辆是否应该跟随前方车辆或变化车道的建议。类似地,尾随车辆处理程序324提供关于子环境405内行驶在自动驾驶车辆后面的车辆的信息,包括它的速度和该尾随车辆与自动驾驶车辆之间的距离。
右前方车道处理程序322和左前方车道处理程序323提供它们相应的子环境404和402内的驾驶状况。在这个示例中,左前方车道处理程序323可以指示有两辆车辆在近的左车道行驶,以及还有另一车辆从远的左车道合并到近的左车道。右前方车道处理程序322可以指示远的右车道上有车辆,但是近的右车道中没有车辆。基于关于子环境402至405的所有信息,规划模块301可以决定变化车道至近的右车道。通过将总体环境分段为多个子环境,每个子环境由特定驾驶场景处理程序进行处理,规划模块301的决策制定可以更有效率。
图5A是示出根据本发明的另一实施方式的驾驶场景的示例的框图。参考图5A,在这个示例中,基于由传感器系统115提供的传感器数据,已感知到环境具有左逆向车道子环境502和右领域子环境503。因此,如图5B中所指示的,调用左逆向车道处理程序326和右领域处理程序325来确定子环境502至503内的驾驶状况。在这个示例中,左逆向处理程序326可以指示在相反方向的左车道中有即将到来的车辆,包括它的速度和距离。右领域处理程序325可以指示在车道的弯道上有行人和自行车,在该车道上,由主车辆子环境501表示的自动驾驶车辆正在行驶。因此,规划模块301可以规划路线,诸如降低自动驾驶车辆的速度,在经过行人和自行车之前让对面的车辆先前通过等。
图6是示出根据本发明的另一实施方式的驾驶场景的示例的图。参考图6,从由主车辆501表示的自动驾驶车辆的角度来看,感知到的环境包括一个或多个交通信号子环境602、路口子环境603、清除区子环境604和人行横道子环境605。因此,将由规划模块301调用的对应的处理程序包括路口处理程序327、人行横道处理程序329、清除区330、主车辆处理程序331和交通信号处理程序332。基于由这些处理程序提供的信息,规划模块301可以相应地进行规划。
图7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。过程700可以由处理逻辑执行,所述处理逻辑可以包括软件、硬件或它们的组合。例如,过程700可以由图1的数据处理系统110执行。参考图7,在框701处,处理逻辑从传感器系统接收传感器数据,该传感器系统具有安装在自动驾驶车辆上的各种传感器。在框702处,处理逻辑基于传感器数据感知自动驾驶车辆的周围环境,以确定一个或多个子环境的列表(例如,路口、人行横道、左车道、右车道)。在框703处,对于子环境中的每一个,处理逻辑识别并调用与子环境相对应的特定驾驶场景处理程序,以确定该子环境的驾驶状况。在框704处,处理逻辑基于由驾驶场景处理程序提供的驾驶状况,规划并生成路线或路线段的规划和控制数据。在框705处,处理逻辑基于规划和控制数据来驾驶和控制自动驾驶车辆。
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8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,大容量存储设备(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,这种大容量存储设备可以经由固态装置(SSD)来实施。然而,在其它实施方式中,大容量存储设备可以主要使用硬盘驱动器(HDD)来实施,其中较小量的SSD存储设备充当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)。处理模块/单元/逻辑1528可以表示上述部件中的任一个,例如规划模块301、控制模块302或驾驶场镜处理程序321至334中的任一个。处理模块/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。处理模块/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。
本文所述的处理模块/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,处理模块/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,处理模块/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设备、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施的方法,所述方法包括:
响应于从安装在自动驾驶车辆上的多个传感器接收的传感器数据,基于所述传感器数据感知周围环境,其中,所述周围环境包括在所述自动驾驶车辆周围的多个子环境;
对于所述子环境中的每个,
识别与所述子环境相关联的多个驾驶场景处理程序中的一个,每个驾驶场景处理程序均与多个驾驶场景中的一个对应,以及
调用所识别的驾驶场景处理程序,以确定对应的子环境内的单独驾驶状况;
基于由所识别的驾驶场景处理程序提供的所述单独驾驶状况,确定所述周围环境的总体驾驶状况;
基于所述周围环境的所述总体驾驶状况,规划路线段,生成规划和控制数据;以及
基于所述规划和控制数据,控制所述自动驾驶车辆。
2.根据权利要求1所述的方法,其中,所述多个驾驶场景处理程序中的每个均用来基于所述传感器数据提供驾驶参数,所述驾驶参数指示所述自动驾驶车辆在所述对应的子环境内应如何移动。
3.根据权利要求1所述的方法,其中,所述多个驾驶场景处理程序包括:
第一组驾驶场景处理程序,处理特定驾驶场景;以及
第二组驾驶场景处理程序,处理普通驾驶场景。
4.根据权利要求3所述的方法,其中,第一组中的驾驶场景处理程序中的每个调用第二组中的驾驶场景处理程序中的至少一个。
5.根据权利要求3所述的方法,其中,所述第一组驾驶场景处理程序包括:
第一处理程序,处理右车道场景;
第二处理程序,处理左车道场景;以及
第三处理程序,处理路口场景。
6.根据权利要求5所述的方法,其中,所述第一组驾驶场景处理程序还包括:
第四处理程序,处理前方车辆场景;
第五处理程序,处理尾随车辆场景;以及
第六处理程序,处理人行横道场景。
7.根据权利要求3所述的方法,其中,所述第二组驾驶场景处理程序包括:
第一处理程序,处理交通信号场景;
第二处理程序,处理停车标志场景;以及
第三处理程序,处理让行标志场景。
8.一种存储有指令的非暂时性机器可读介质,所述指令在由处理器执行时致使所述处理器执行操作自动驾驶车辆的操作,所述操作包括:
响应于从安装在自动驾驶车辆上的多个传感器接收的传感器数据,基于所述传感器数据感知周围环境,其中,所述周围环境包括在所述自动驾驶车辆周围的多个子环境;
对于所述子环境中的每个,
识别与所述子环境相关联的多个驾驶场景处理程序中的一个,每个驾驶场景处理程序均与多个驾驶场景中的一个对应,以及
调用所识别的驾驶场景处理程序,以确定对应的子环境内的单独驾驶状况;
基于由所识别的驾驶场景处理程序提供的所述单独驾驶状况,确定所述周围环境的总体驾驶状况;
基于所述周围环境的所述总体驾驶状况,规划路线段,生成规划和控制数据;以及
基于所述规划和控制数据,控制所述自动驾驶车辆。
9.根据权利要求8所述的机器可读介质,其中,所述多个驾驶场景处理程序中的每个均用来基于所述传感器数据提供驾驶参数,所述驾驶参数指示所述自动驾驶车辆在所述对应的子环境内应如何移动。
10.根据权利要求8所述的机器可读介质,其中,所述多个驾驶场景处理程序包括:
第一组驾驶场景处理程序,处理特定驾驶场景;以及
第二组驾驶场景处理程序,处理普通驾驶场景。
11.根据权利要求10所述的机器可读介质,其中,第一组中的驾驶场景处理程序中的每个调用第二组中的驾驶场景处理程序中的至少一个。
12.根据权利要求10所述的机器可读介质,其中,所述第一组驾驶场景处理程序包括:
第一处理程序,处理右车道场景;
第二处理程序,处理左车道场景;以及
第三处理程序,处理路口场景。
13.根据权利要求12所述的机器可读介质,其中,所述第一组驾驶场景处理程序还包括:
第四处理程序,处理前方车辆场景;
第五处理程序,处理尾随车辆场景;以及
第六处理程序,处理人行横道场景。
14.根据权利要求10所述的机器可读介质,其中,所述第二组驾驶场景处理程序包括:
第一处理程序,处理交通信号场景;
第二处理程序,处理停车标志场景;以及
第三处理程序,处理让行标志场景。
15.一种数据处理系统,包括:
处理器;以及
存储器,所述存储器联接至所述处理器,以存储指令,所述指令在由所述处理器执行时致使所述处理器执行操作自动驾驶车辆的操作,所述操作包括:
响应于从安装在自动驾驶车辆上的多个传感器接收的传感器数据,基于所述传感器数据感知周围环境,其中,所述周围环境包括在所述自动驾驶车辆周围的多个子环境;
对于所述子环境中的每个,
识别与所述子环境相关联的多个驾驶场景处理程序中的一个,每个驾驶场景处理程序均与多个驾驶场景中的一个对应,以及
调用所识别的驾驶场景处理程序,以确定对应的子环境内的单独驾驶状况;
基于由所识别的驾驶场景处理程序提供的所述单独驾驶状况,确定所述周围环境的总体驾驶状况;
基于所述周围环境的所述总体驾驶状况,规划路线段,生成规划和控制数据;以及
基于所述规划和控制数据,控制所述自动驾驶车辆。
16.根据权利要求15所述的系统,其中,所述多个驾驶场景处理程序中的每个均用来基于所述传感器数据提供驾驶参数,所述驾驶参数指示所述自动驾驶车辆在所述对应的子环境内应如何移动。
17.根据权利要求15所述的系统,其中,所述多个驾驶场景处理程序包括:
第一组驾驶场景处理程序,处理特定驾驶场景;以及
第二组驾驶场景处理程序,处理普通驾驶场景。
18.根据权利要求17所述的系统,其中,第一组中的驾驶场景处理程序中的每个调用第二组中的驾驶场景处理程序中的至少一个。
19.根据权利要求17所述的系统,其中,所述第一组驾驶场景处理程序包括:
第一处理程序,处理右车道场景;
第二处理程序,处理左车道场景;以及
第三处理程序,处理路口场景。
20.根据权利要求19所述的系统,其中,所述第一组驾驶场景处理程序还包括:
第四处理程序,处理前方车辆场景;
第五处理程序,处理尾随车辆场景;以及
第六处理程序,处理人行横道场景。
21.根据权利要求17所述的系统,其中,所述第二组驾驶场景处理程序包括:
第一处理程序,处理交通信号场景;
第二处理程序,处理停车标志场景;以及
第三处理程序,处理让行标志场景。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/250,815 | 2016-08-29 | ||
US15/250,815 US10712746B2 (en) | 2016-08-29 | 2016-08-29 | Method and system to construct surrounding environment for autonomous vehicles to make driving decisions |
PCT/US2017/013808 WO2018044340A1 (en) | 2016-08-29 | 2017-01-17 | Method and system to construct surrounding environment for autonomous vehicles to make driving decisions |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108139756A true CN108139756A (zh) | 2018-06-08 |
CN108139756B CN108139756B (zh) | 2021-04-16 |
Family
ID=61242450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780002709.7A Active CN108139756B (zh) | 2016-08-29 | 2017-01-17 | 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 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10712746B2 (zh) |
EP (1) | EP3332300B1 (zh) |
JP (1) | JP6684345B2 (zh) |
KR (1) | KR102071154B1 (zh) |
CN (1) | CN108139756B (zh) |
WO (1) | WO2018044340A1 (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032113A (zh) * | 2018-08-09 | 2018-12-18 | 北京智行者科技有限公司 | 车辆控制单元 |
CN109358592A (zh) * | 2018-08-30 | 2019-02-19 | 百度在线网络技术(北京)有限公司 | 车辆故障处理方法、装置、设备及存储介质 |
CN109606384A (zh) * | 2018-12-29 | 2019-04-12 | 百度在线网络技术(北京)有限公司 | 车辆控制方法、装置、设备和存储介质 |
CN109760675A (zh) * | 2019-03-12 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
CN109871017A (zh) * | 2019-02-20 | 2019-06-11 | 百度在线网络技术(北京)有限公司 | 自动驾驶参考线调用方法、装置和终端 |
CN110488814A (zh) * | 2019-07-30 | 2019-11-22 | 深圳市前海胡桃科技有限公司 | 一种自动驾驶方法、装置及终端设备 |
CN110491155A (zh) * | 2019-07-30 | 2019-11-22 | 深圳市前海胡桃科技有限公司 | 一种自动驾驶装置的调度方法、装置及自动驾驶装置 |
CN110727267A (zh) * | 2018-06-28 | 2020-01-24 | 百度(美国)有限责任公司 | 具有冗余超声雷达的自动驾驶车辆 |
CN110727276A (zh) * | 2018-07-17 | 2020-01-24 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的多模态运动规划框架 |
CN110796007A (zh) * | 2019-09-27 | 2020-02-14 | 华为技术有限公司 | 场景识别的方法与计算设备 |
CN110850862A (zh) * | 2018-07-27 | 2020-02-28 | 百度(美国)有限责任公司 | 为自动驾驶车辆调整沿路径的速度 |
CN110857101A (zh) * | 2018-08-24 | 2020-03-03 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的硬件集中时间同步集线器 |
CN110857993A (zh) * | 2018-08-24 | 2020-03-03 | 百度(美国)有限责任公司 | 用于自动驾驶车辆基于gps的高精度时间戳生成电路 |
CN110874063A (zh) * | 2018-08-09 | 2020-03-10 | 赫尔环球有限公司 | 用于道路的差异策略实施的方法、装置和计算机程序产品 |
CN110895147A (zh) * | 2018-08-24 | 2020-03-20 | 百度(美国)有限责任公司 | 自动驾驶车辆的用相机捕获图像数据的图像数据获取逻辑 |
CN111027349A (zh) * | 2018-10-10 | 2020-04-17 | 百度在线网络技术(北京)有限公司 | 一种防尾随提示方法、装置、设备及存储介质 |
CN111016921A (zh) * | 2018-10-10 | 2020-04-17 | 哈曼国际工业有限公司 | 用于确定车辆数据集熟悉度的系统和方法 |
CN111103874A (zh) * | 2018-10-26 | 2020-05-05 | 百度在线网络技术(北京)有限公司 | 用于控制车辆的自动驾驶的方法、装置、设备和介质 |
CN111158659A (zh) * | 2019-11-27 | 2020-05-15 | 华为技术有限公司 | 自动驾驶应用程序在不同开发平台间对接的方法 |
WO2020135880A1 (zh) * | 2018-12-29 | 2020-07-02 | 长城汽车股份有限公司 | 车辆自动驾驶时的行车道选择方法、选择系统及车辆 |
CN111399490A (zh) * | 2018-12-27 | 2020-07-10 | 华为技术有限公司 | 一种自动驾驶方法以及装置 |
CN111771206A (zh) * | 2019-01-30 | 2020-10-13 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的地图分区系统 |
CN111856923A (zh) * | 2019-04-30 | 2020-10-30 | 百度(美国)有限责任公司 | 加速对复杂驾驶场景的规划的参数学习的神经网络方法 |
CN111857117A (zh) * | 2019-04-17 | 2020-10-30 | 百度(美国)有限责任公司 | 用于在自动驾驶期间解码gps消息的gps消息解码器 |
CN112146680A (zh) * | 2019-06-28 | 2020-12-29 | 百度(美国)有限责任公司 | 基于特征图确定消失点 |
CN112249016A (zh) * | 2019-07-04 | 2021-01-22 | 现代自动车株式会社 | 用于自动驾驶车辆的掉头控制系统和方法 |
CN112313663A (zh) * | 2018-06-18 | 2021-02-02 | 祖克斯有限公司 | 遮挡感知规划 |
CN112363492A (zh) * | 2019-07-25 | 2021-02-12 | 百度(美国)有限责任公司 | 用于操作自动驾驶车辆的计算机实施的方法以及数据处理系统 |
CN112585052A (zh) * | 2018-08-27 | 2021-03-30 | 大众汽车股份公司 | 用于车辆的自动驾驶的方法和设备 |
CN112835346A (zh) * | 2019-11-04 | 2021-05-25 | 大众汽车(中国)投资有限公司 | 用于控制车辆的方法和系统、及车载自动驾驶系统 |
CN112965476A (zh) * | 2021-01-22 | 2021-06-15 | 西安交通大学 | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 |
CN113428174A (zh) * | 2020-03-23 | 2021-09-24 | 百度(美国)有限责任公司 | 自动驾驶车辆规划中的嵌套情景 |
CN113734191A (zh) * | 2020-05-29 | 2021-12-03 | 罗伯特·博世有限公司 | 人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作 |
CN113734196A (zh) * | 2021-08-27 | 2021-12-03 | 集度汽车有限公司 | 一种自动驾驶方法及自动驾驶系统及自动驾驶汽车 |
CN114274965A (zh) * | 2021-12-29 | 2022-04-05 | 深圳市元征科技股份有限公司 | 车辆控制方法、车辆控制装置、车载终端设备及存储介质 |
US11802969B2 (en) | 2018-06-18 | 2023-10-31 | Zoox, Inc. | Occlusion aware planning and control |
CN116991084A (zh) * | 2023-09-28 | 2023-11-03 | 北京斯年智驾科技有限公司 | 一种无人驾驶模拟仿真系统、方法、装置和存储介质 |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6650635B2 (ja) * | 2016-02-29 | 2020-02-19 | パナソニックIpマネジメント株式会社 | 判定装置、判定方法、および判定プログラム |
US10438074B2 (en) * | 2017-06-14 | 2019-10-08 | Baidu Usa Llc | Method and system for controlling door locks of autonomous driving vehicles based on lane information |
US11262756B2 (en) * | 2018-01-15 | 2022-03-01 | Uatc, Llc | Discrete decision architecture for motion planning system of an autonomous vehicle |
US10782699B2 (en) * | 2018-03-10 | 2020-09-22 | Baidu Usa Llc | Real-time perception adjustment and driving adaption based on surrounding vehicles' behavior for autonomous driving vehicles |
CN110398953B (zh) * | 2018-04-25 | 2024-06-14 | 长沙智能驾驶研究院有限公司 | 智能驾驶系统、方法及计算机可读存储介质 |
US11066067B2 (en) * | 2018-06-29 | 2021-07-20 | Baidu Usa Llc | Planning parking trajectory for self-driving vehicles |
KR102095333B1 (ko) * | 2018-07-24 | 2020-04-01 | 인하대학교 산학협력단 | 증강현실 기반 실차 테스트 방법 및 시스템 |
CN111199087A (zh) * | 2018-10-31 | 2020-05-26 | 百度在线网络技术(北京)有限公司 | 场景识别方法和装置 |
CN109677402A (zh) * | 2018-11-13 | 2019-04-26 | 顺丰科技有限公司 | 自动驾驶工具的安全防护系统及方法 |
US11084503B2 (en) * | 2018-12-26 | 2021-08-10 | Baidu Usa Llc | Mutual nudge algorithm for self-reverse lane of autonomous driving |
US10796571B2 (en) * | 2019-01-31 | 2020-10-06 | StradVision, Inc. | Method and device for detecting emergency vehicles in real time and planning driving routes to cope with situations to be expected to be occurred by the emergency vehicles |
EP3696786B1 (en) * | 2019-02-13 | 2023-12-13 | Volkswagen Aktiengesellschaft | System, vehicle, network component, apparatuses, methods, and computer programs for a vehicle and a network component |
US11373527B2 (en) * | 2019-03-25 | 2022-06-28 | Micron Technology, Inc. | Driver assistance for non-autonomous vehicle in an autonomous environment |
US11341846B2 (en) | 2019-04-04 | 2022-05-24 | Geotab Inc. | Traffic analytics system for defining road networks |
US10699564B1 (en) | 2019-04-04 | 2020-06-30 | Geotab Inc. | Method for defining intersections using machine learning |
US11335189B2 (en) | 2019-04-04 | 2022-05-17 | Geotab Inc. | Method for defining road networks |
US11403938B2 (en) | 2019-04-04 | 2022-08-02 | Geotab Inc. | Method for determining traffic metrics of a road network |
US11335191B2 (en) | 2019-04-04 | 2022-05-17 | Geotab Inc. | Intelligent telematics system for defining road networks |
CN111845785A (zh) * | 2019-04-29 | 2020-10-30 | 安波福技术有限公司 | 用于实现对传感器故障的自主运载工具响应的系统和方法 |
CN111982109A (zh) * | 2019-05-24 | 2020-11-24 | 北京百度网讯科技有限公司 | 用于路径规划的方法、装置、设备和计算机可读存储介质 |
EP3989198A4 (en) * | 2019-06-18 | 2023-07-19 | IHI Corporation | TRAVEL ITINERARY GENERATING DEVICE AND CONTROL DEVICE |
US11958183B2 (en) | 2019-09-19 | 2024-04-16 | The Research Foundation For The State University Of New York | Negotiation-based human-robot collaboration via augmented reality |
CN111178454A (zh) * | 2020-01-03 | 2020-05-19 | 北京汽车集团有限公司 | 自动驾驶数据的标注方法、云端控制平台及存储介质 |
US11740628B2 (en) * | 2020-03-18 | 2023-08-29 | Baidu Usa Llc | Scenario based control of autonomous driving vehicle |
JP7230894B2 (ja) * | 2020-09-29 | 2023-03-01 | いすゞ自動車株式会社 | 自動運転装置 |
CN112968946B (zh) * | 2021-02-01 | 2023-06-02 | 斑马网络技术有限公司 | 网联车的场景识别方法、装置及电子设备 |
JP7370495B2 (ja) * | 2021-03-22 | 2023-10-27 | 三菱電機株式会社 | 制御装置および制御方法 |
CN113640014A (zh) * | 2021-08-13 | 2021-11-12 | 北京赛目科技有限公司 | 自动驾驶车辆测试场景的构建方法、装置及可读存储介质 |
CN114298772A (zh) * | 2021-12-30 | 2022-04-08 | 阿波罗智联(北京)科技有限公司 | 信息展示方法、装置、设备以及存储介质 |
CN114407922A (zh) * | 2022-01-18 | 2022-04-29 | 上汽通用五菱汽车股份有限公司 | 智能车辆自动驾驶方法、装置、设备及可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5229941A (en) * | 1988-04-14 | 1993-07-20 | Nissan Motor Company, Limtied | Autonomous vehicle automatically running on route and its method |
US6151539A (en) * | 1997-11-03 | 2000-11-21 | Volkswagen Ag | Autonomous vehicle arrangement and method for controlling an autonomous vehicle |
WO2012166170A1 (en) * | 2011-06-01 | 2012-12-06 | Google Inc. | Sensor field selection |
DE102012208974A1 (de) * | 2011-06-01 | 2012-12-06 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | System und Verfahren zum sensorbasierten Aufbauen eines Umgebungsmodells |
CN104386063A (zh) * | 2014-09-19 | 2015-03-04 | 奇瑞汽车股份有限公司 | 基于人工智能的驾驶辅助系统 |
US9050977B1 (en) * | 2013-07-24 | 2015-06-09 | Google Inc. | Detecting and responding to tailgaters |
CN104890670A (zh) * | 2014-03-06 | 2015-09-09 | 鸿富锦精密工业(深圳)有限公司 | 驾驶辅助系统及驾驶辅助方法 |
US20150316387A1 (en) * | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
EP2993544A1 (en) * | 2013-05-01 | 2016-03-09 | Murata Machinery, Ltd. | Autonomous moving body |
CN105745670A (zh) * | 2013-11-25 | 2016-07-06 | 雷诺股份公司 | 用于为机动车辆形成夜间影像的系统和方法 |
CN105751999A (zh) * | 2016-03-31 | 2016-07-13 | 汪家琳 | 全智能全自动(无人)驾驶汽车 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4353192B2 (ja) * | 2006-03-02 | 2009-10-28 | トヨタ自動車株式会社 | 進路設定方法、装置、プログラム、および自動運転システム |
JP2009184633A (ja) * | 2008-02-08 | 2009-08-20 | Denso Corp | 車両制御システム |
JP2011048470A (ja) * | 2009-08-25 | 2011-03-10 | Toyota Motor Corp | 環境予測装置 |
US20130197736A1 (en) * | 2012-01-30 | 2013-08-01 | Google Inc. | Vehicle control based on perception uncertainty |
US8457827B1 (en) * | 2012-03-15 | 2013-06-04 | Google Inc. | Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles |
US20150316386A1 (en) * | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
US10871782B2 (en) * | 2016-07-01 | 2020-12-22 | Uatc, Llc | Autonomous vehicle control using submaps |
-
2016
- 2016-08-29 US US15/250,815 patent/US10712746B2/en active Active
-
2017
- 2017-01-17 KR KR1020187009648A patent/KR102071154B1/ko active IP Right Grant
- 2017-01-17 JP JP2018517268A patent/JP6684345B2/ja active Active
- 2017-01-17 EP EP17844576.3A patent/EP3332300B1/en active Active
- 2017-01-17 WO PCT/US2017/013808 patent/WO2018044340A1/en active Application Filing
- 2017-01-17 CN CN201780002709.7A patent/CN108139756B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5229941A (en) * | 1988-04-14 | 1993-07-20 | Nissan Motor Company, Limtied | Autonomous vehicle automatically running on route and its method |
US6151539A (en) * | 1997-11-03 | 2000-11-21 | Volkswagen Ag | Autonomous vehicle arrangement and method for controlling an autonomous vehicle |
WO2012166170A1 (en) * | 2011-06-01 | 2012-12-06 | Google Inc. | Sensor field selection |
DE102012208974A1 (de) * | 2011-06-01 | 2012-12-06 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | System und Verfahren zum sensorbasierten Aufbauen eines Umgebungsmodells |
EP2993544A1 (en) * | 2013-05-01 | 2016-03-09 | Murata Machinery, Ltd. | Autonomous moving body |
US9050977B1 (en) * | 2013-07-24 | 2015-06-09 | Google Inc. | Detecting and responding to tailgaters |
CN105745670A (zh) * | 2013-11-25 | 2016-07-06 | 雷诺股份公司 | 用于为机动车辆形成夜间影像的系统和方法 |
CN104890670A (zh) * | 2014-03-06 | 2015-09-09 | 鸿富锦精密工业(深圳)有限公司 | 驾驶辅助系统及驾驶辅助方法 |
US20150316387A1 (en) * | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
CN104386063A (zh) * | 2014-09-19 | 2015-03-04 | 奇瑞汽车股份有限公司 | 基于人工智能的驾驶辅助系统 |
CN105751999A (zh) * | 2016-03-31 | 2016-07-13 | 汪家琳 | 全智能全自动(无人)驾驶汽车 |
Cited By (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11802969B2 (en) | 2018-06-18 | 2023-10-31 | Zoox, Inc. | Occlusion aware planning and control |
CN112313663B (zh) * | 2018-06-18 | 2024-05-31 | 祖克斯有限公司 | 遮挡感知规划 |
CN112313663A (zh) * | 2018-06-18 | 2021-02-02 | 祖克斯有限公司 | 遮挡感知规划 |
CN110727267A (zh) * | 2018-06-28 | 2020-01-24 | 百度(美国)有限责任公司 | 具有冗余超声雷达的自动驾驶车辆 |
CN110727276A (zh) * | 2018-07-17 | 2020-01-24 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的多模态运动规划框架 |
CN110727276B (zh) * | 2018-07-17 | 2023-09-08 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的多模态运动规划框架 |
CN110850862A (zh) * | 2018-07-27 | 2020-02-28 | 百度(美国)有限责任公司 | 为自动驾驶车辆调整沿路径的速度 |
CN110874063A (zh) * | 2018-08-09 | 2020-03-10 | 赫尔环球有限公司 | 用于道路的差异策略实施的方法、装置和计算机程序产品 |
CN109032113A (zh) * | 2018-08-09 | 2018-12-18 | 北京智行者科技有限公司 | 车辆控制单元 |
CN110857993B (zh) * | 2018-08-24 | 2023-08-04 | 百度(美国)有限责任公司 | 用于自动驾驶车辆基于gps的高精度时间戳生成电路 |
CN110895147B (zh) * | 2018-08-24 | 2023-11-24 | 百度(美国)有限责任公司 | 自动驾驶车辆的用相机捕获图像数据的图像数据获取逻辑 |
CN110857101B (zh) * | 2018-08-24 | 2022-08-12 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的硬件集中时间同步集线器 |
CN110857101A (zh) * | 2018-08-24 | 2020-03-03 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的硬件集中时间同步集线器 |
CN110857993A (zh) * | 2018-08-24 | 2020-03-03 | 百度(美国)有限责任公司 | 用于自动驾驶车辆基于gps的高精度时间戳生成电路 |
CN110895147A (zh) * | 2018-08-24 | 2020-03-20 | 百度(美国)有限责任公司 | 自动驾驶车辆的用相机捕获图像数据的图像数据获取逻辑 |
US11987262B2 (en) | 2018-08-27 | 2024-05-21 | Volkswagen Aktiengesellschaft | Method and device for the automated driving of a vehicle |
CN112585052A (zh) * | 2018-08-27 | 2021-03-30 | 大众汽车股份公司 | 用于车辆的自动驾驶的方法和设备 |
US11398944B2 (en) | 2018-08-30 | 2022-07-26 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Vehicle fault handling method, apparatus, device and storage medium |
CN109358592A (zh) * | 2018-08-30 | 2019-02-19 | 百度在线网络技术(北京)有限公司 | 车辆故障处理方法、装置、设备及存储介质 |
CN111027349B (zh) * | 2018-10-10 | 2023-08-29 | 百度在线网络技术(北京)有限公司 | 一种防尾随提示方法、装置、设备及存储介质 |
CN111027349A (zh) * | 2018-10-10 | 2020-04-17 | 百度在线网络技术(北京)有限公司 | 一种防尾随提示方法、装置、设备及存储介质 |
CN111016921A (zh) * | 2018-10-10 | 2020-04-17 | 哈曼国际工业有限公司 | 用于确定车辆数据集熟悉度的系统和方法 |
CN111103874A (zh) * | 2018-10-26 | 2020-05-05 | 百度在线网络技术(北京)有限公司 | 用于控制车辆的自动驾驶的方法、装置、设备和介质 |
CN111399490A (zh) * | 2018-12-27 | 2020-07-10 | 华为技术有限公司 | 一种自动驾驶方法以及装置 |
CN111399490B (zh) * | 2018-12-27 | 2021-11-19 | 华为技术有限公司 | 一种自动驾驶方法以及装置 |
US11215996B2 (en) | 2018-12-29 | 2022-01-04 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and device for controlling vehicle, device, and storage medium |
WO2020135880A1 (zh) * | 2018-12-29 | 2020-07-02 | 长城汽车股份有限公司 | 车辆自动驾驶时的行车道选择方法、选择系统及车辆 |
CN109606384A (zh) * | 2018-12-29 | 2019-04-12 | 百度在线网络技术(北京)有限公司 | 车辆控制方法、装置、设备和存储介质 |
CN111771206B (zh) * | 2019-01-30 | 2024-05-14 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的地图分区系统 |
CN111771206A (zh) * | 2019-01-30 | 2020-10-13 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的地图分区系统 |
CN109871017B (zh) * | 2019-02-20 | 2022-09-13 | 阿波罗智能技术(北京)有限公司 | 自动驾驶参考线调用方法、装置和终端 |
CN109871017A (zh) * | 2019-02-20 | 2019-06-11 | 百度在线网络技术(北京)有限公司 | 自动驾驶参考线调用方法、装置和终端 |
CN109760675B (zh) * | 2019-03-12 | 2021-05-25 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
CN109760675A (zh) * | 2019-03-12 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
CN111857117A (zh) * | 2019-04-17 | 2020-10-30 | 百度(美国)有限责任公司 | 用于在自动驾驶期间解码gps消息的gps消息解码器 |
CN111856923A (zh) * | 2019-04-30 | 2020-10-30 | 百度(美国)有限责任公司 | 加速对复杂驾驶场景的规划的参数学习的神经网络方法 |
US11731612B2 (en) | 2019-04-30 | 2023-08-22 | Baidu Usa Llc | Neural network approach for parameter learning to speed up planning for complex driving scenarios |
CN112146680A (zh) * | 2019-06-28 | 2020-12-29 | 百度(美国)有限责任公司 | 基于特征图确定消失点 |
CN112146680B (zh) * | 2019-06-28 | 2024-03-29 | 百度(美国)有限责任公司 | 基于特征图确定消失点 |
CN112249016A (zh) * | 2019-07-04 | 2021-01-22 | 现代自动车株式会社 | 用于自动驾驶车辆的掉头控制系统和方法 |
CN112363492A (zh) * | 2019-07-25 | 2021-02-12 | 百度(美国)有限责任公司 | 用于操作自动驾驶车辆的计算机实施的方法以及数据处理系统 |
CN110491155A (zh) * | 2019-07-30 | 2019-11-22 | 深圳市前海胡桃科技有限公司 | 一种自动驾驶装置的调度方法、装置及自动驾驶装置 |
CN110488814A (zh) * | 2019-07-30 | 2019-11-22 | 深圳市前海胡桃科技有限公司 | 一种自动驾驶方法、装置及终端设备 |
CN110796007A (zh) * | 2019-09-27 | 2020-02-14 | 华为技术有限公司 | 场景识别的方法与计算设备 |
CN110796007B (zh) * | 2019-09-27 | 2023-03-03 | 华为技术有限公司 | 场景识别的方法与计算设备 |
CN112835346A (zh) * | 2019-11-04 | 2021-05-25 | 大众汽车(中国)投资有限公司 | 用于控制车辆的方法和系统、及车载自动驾驶系统 |
CN111158659A (zh) * | 2019-11-27 | 2020-05-15 | 华为技术有限公司 | 自动驾驶应用程序在不同开发平台间对接的方法 |
CN113428174A (zh) * | 2020-03-23 | 2021-09-24 | 百度(美国)有限责任公司 | 自动驾驶车辆规划中的嵌套情景 |
CN113734191A (zh) * | 2020-05-29 | 2021-12-03 | 罗伯特·博世有限公司 | 人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作 |
CN112965476A (zh) * | 2021-01-22 | 2021-06-15 | 西安交通大学 | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 |
CN112965476B (zh) * | 2021-01-22 | 2022-06-07 | 西安交通大学 | 一种基于多窗口模型的高速无人车轨迹规划系统及方法 |
CN113734196A (zh) * | 2021-08-27 | 2021-12-03 | 集度汽车有限公司 | 一种自动驾驶方法及自动驾驶系统及自动驾驶汽车 |
CN114274965A (zh) * | 2021-12-29 | 2022-04-05 | 深圳市元征科技股份有限公司 | 车辆控制方法、车辆控制装置、车载终端设备及存储介质 |
CN116991084A (zh) * | 2023-09-28 | 2023-11-03 | 北京斯年智驾科技有限公司 | 一种无人驾驶模拟仿真系统、方法、装置和存储介质 |
CN116991084B (zh) * | 2023-09-28 | 2023-12-19 | 北京斯年智驾科技有限公司 | 一种无人驾驶模拟仿真系统、方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
KR102071154B1 (ko) | 2020-01-29 |
JP2019501435A (ja) | 2019-01-17 |
US20180059672A1 (en) | 2018-03-01 |
CN108139756B (zh) | 2021-04-16 |
KR20180049040A (ko) | 2018-05-10 |
US10712746B2 (en) | 2020-07-14 |
WO2018044340A1 (en) | 2018-03-08 |
JP6684345B2 (ja) | 2020-04-22 |
EP3332300A1 (en) | 2018-06-13 |
EP3332300B1 (en) | 2020-04-29 |
EP3332300A4 (en) | 2018-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
JP6619778B2 (ja) | 自律走行車の車両交通行動を予測して運転決定をするための方法及びシステム | |
JP6684346B2 (ja) | 車両の周囲の状況に基づいて車両の一つ又は複数の軌跡を予測する方法とシステム | |
KR102096726B1 (ko) | 자율 주행 차량의 운행을 위한 제어 오류 보정 계획 방법 | |
CN107577227B (zh) | 操作无人驾驶车辆的方法、装置和数据处理系统 | |
CN109491375A (zh) | 用于自动驾驶车辆的基于驾驶场景的路径规划 | |
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 | |
CN108268033A (zh) | 使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统 | |
CN109489673A (zh) | 用于自动驾驶车辆的数据驱动地图更新系统 | |
CN108255171A (zh) | 用于提高自主驾驶车辆的稳定性的方法和系统 | |
CN110389583A (zh) | 生成自动驾驶车辆的轨迹的方法 | |
CN109426256A (zh) | 自动驾驶车辆的基于驾驶员意图的车道辅助系统 | |
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 | |
CN110347145A (zh) | 用于自动驾驶车辆的感知辅助 | |
JP2020004402A (ja) | ニューラルネットワークに基づく自動運転車両用の安全監視システム | |
CN108602509A (zh) | 基于运动规划来操作自动驾驶车辆的方法和系统 | |
CN110377024A (zh) | 用于自动驾驶车辆的自动数据标注 | |
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 | |
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 | |
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 | |
CN108732589A (zh) | 利用3d lidar和定位自动采集用于对象识别的训练数据 | |
CN107985313A (zh) | 用于自主车辆的基于弹簧系统的变换车道方法 | |
CN109429518A (zh) | 基于地图图像的自动驾驶交通预测 | |
CN110096053A (zh) | 用于自动驾驶车辆的驾驶轨迹生成方法、系统和机器可读介质 | |
CN108137015A (zh) | 用于自动驾驶车辆的侧滑补偿控制方法 |
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 |