CN108803594A - 用于自主车辆中的障碍物避让及路径规划的系统和方法 - Google Patents

用于自主车辆中的障碍物避让及路径规划的系统和方法 Download PDF

Info

Publication number
CN108803594A
CN108803594A CN201810340757.3A CN201810340757A CN108803594A CN 108803594 A CN108803594 A CN 108803594A CN 201810340757 A CN201810340757 A CN 201810340757A CN 108803594 A CN108803594 A CN 108803594A
Authority
CN
China
Prior art keywords
vehicle
barrier
path
autonomous vehicle
observed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810340757.3A
Other languages
English (en)
Inventor
C·J·夏米
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN108803594A publication Critical patent/CN108803594A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/02—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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • 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
    • 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
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

提供了用于控制车辆的系统和方法。用于车辆的路径规划方法包括建立用于第一车辆的第一路径，然后在第一车辆处接收与在第一车辆附近所观察到的一辆或多辆领先车辆的行为相关联的传感器数据。该方法还包括基于传感器数据建立偏离于第一路径的修正路径，然后利用处理器对第一车辆在其沿着修正路径行驶时所观察到的障碍物进行分类。

Description

用于自主车辆中的障碍物避让及路径规划的系统和方法
技术领域
本公开总体上涉及车辆，诸如自主车辆，并且更具体地涉及存在道路障碍物时用于路径规划的系统和方法。
背景技术
自主车辆是能够感测其环境并在几乎没有或没有用户输入的情况下进行驾驶的车辆。这可通过使用诸如雷达、激光雷达、影像传感器等感测装置实现。自主车辆还使用来自全球定位系统(GPS)技术、导航系统、车间通讯、车辆-基础设施技术和/或线控系统的信息对车辆进行导航。
虽然在近几年自主车辆取得了显著的进步，但此类车辆仍可能在许多方面有待改善。例如，对于车辆来说屡见不鲜的是沿着其规划路径会遇到某些形式的意想不到的障碍物。也就是说，尤其是在自主车辆中，障碍物是在路径规划过程中没有充分考虑到的诸如减速带、坑洞等的某些类型的嵌入式障碍物以及诸如停止的车辆、轮胎碎片、小动物等的暂时性障碍物。
因此，希望提供用于实现自主车辆中目标避让和路径规划的系统和方法。从以下结合附图和前面的技术领域及背景技术进行的详细说明和所附权利要求中可以更清楚地了解本公开的其他理想特征和特性。
发明内容
提供了用于控制自主车辆的系统和方法。在一个实施例中，用于车辆的路径规划方法包括建立用于第一车辆的第一路径，然后在第一车辆处接收与在第一车辆附近所观察到的一辆或多辆领先车辆的行为相关联的传感器数据。该方法还包括基于传感器数据建立偏离于第一路径的修正路径，然后使用处理器对第一车辆在其沿着修正路径行驶时所观察到的障碍物进行分类。
在一个实施例中，自主车辆包括配置成产生与位于自主车辆附近的一辆或多辆领先车辆相关联的传感器数据的一个或多个传感器、配置成接收传感器数据并基于领先车辆的行为建立偏离于最初建立的路径的修正路径的领先车辆观察模块。自主车辆还包括含有处理器的障碍物分类模块，该障碍物分类模块配置成对自主车辆在沿着修正路径行驶时所观察到的障碍物进行分类。
附图说明
下面将结合下述附图对示例性实施例进行描述，其中相同的附图标记表示相同的元件，其中：
图1是根据各个实施例的示出包括系统的自主车辆的功能框图；
图2是根据各个实施例的示出具有图1所示的一辆或多辆自主车辆的交通系统的功能框图；
图3是根据各个实施例的示出与自主车辆相关联的自主驾驶系统 (ADS)的功能框图；
图4是具有用于描述各个实施例的相关联车辆的示例性道路的概念性俯视图；
图5是根据各个实施例的示出用于自主车辆的系统的数据流程图；以及
图6是根据各个实施例的示出用于控制自主车辆的控制方法的流程图。
具体实施方式
下面的详细描述本质上仅仅是示例性的，并非意图限制应用和使用。另外，不存在被任何前述的技术领域、背景、摘要或者下面的详细描述中提出的任何表述的或暗示的理论约束的意图.在本文中，术语“模块”指任何硬件、软件、固件、电控部件、处理逻辑和/或处理器装置，其为单独地或以任何组合方式，包括但不限于：专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子线路、处理器(共用的、专用的或群组的)以及执行一个或多个软件或固件程序、组合逻辑电路和/或其他提供所描述功能的适当部件的存储器。
本公开实施例在此可参考功能和/或逻辑块部件以及各个处理步骤描述。应该意识到，可通过配置成执行特定功能的任意数量的硬件、软件和 /或固件来实现这些块部件。例如，本公开的一个实施例可采用各种集成电路部件(例如存储器元件、数字信号处理元件、逻辑元件、查询表等)，它们可以在一个或多个微处理器或者其他控制装置的控制下执行各种功能。此外，本领域技术人员应当理解本公开的实施例可以结合任何数量的系统实施并且本文所述的系统仅仅是本公开的示例性实施例。
为简要起见，在本文中可能没有详细描述与信号处理、数据传输、通信、控制、机器学习、图像分析和系统的其他功能方面(以及该系统独立操作的部件)相关的常规技术。另外，本文中所包含的各个图中所示的连线意在表示各个元件间的示例性功能关系和/或物理联接。应当注意到，许多可选择的或附加的功能关系或物理连接可存在于本公开的实施例中。
参考图1，根据各个实施例，大体如100所示的障碍物避让/路径规划系统(或仅为障碍物避让系统)与车辆10相关联。一般来说，障碍物避让系统100能够观察车辆10附近的一辆或多辆车辆(例如，在同一车道似乎要绕过尚未看见的障碍物的领先车辆)的行为并基于该行为和障碍物的性质修改其建立的路径。本地的或基于云端的地图数据可以在此时进行更新以记录障碍物的存在。
如图1所示，车辆10大体上包括底盘12、车身14、前轮16和后轮 18。车身14布置在底盘12上且基本上包围了车辆10的部件。车身14和底盘12可共同地形成车架。每个车轮16-18都在靠近车身14的相应角落处可旋转地联接到底盘12。
在各个实施例中，车辆10为自主车辆且驾驶模式选择系统100被装在自主车辆10(下文称为自主车辆10)中。自主车辆10是例如自动控制地将乘客从一个位置运送到另一个位置的车辆。车辆10在图示的实施例中被描绘为轿车，但应该理解，也可以使用任何其它的车辆，包括摩托车、卡车、运动型多功能车(SUVs)、娱乐车(RVs)、船只、飞行器等等。
在一个示例性实施例中，自主车辆10对应于汽车工程师学会(SAE) 自动驾驶级别“J3016”标准分类下的4级或5级自主系统。通过使用此术语， 4级系统表示“高度自动化”，指的是一种即使人类驾驶员没有对请求做出适合的回应来进行干预，然而自动驾驶系统也会执行动态驾驶任务的所有方面的驾驶模式。另一方面，5级系统表示“全自动化”，指的是一种自动驾驶系统在人类驾驶员能够驾驭的道路和环境条件下执行动态驾驶任务的所有方面的驾驶模式。然而应当理解，根据本公开的实施例并不限于任何特定分类或规则的自动化类别。尽管在本文中车辆10通常称作“自主车辆”，但这一术语在使用时不失一般性，因为本公开可应用于任何车辆或移动平台，该车辆或移动平台采用路径规划并可能需要基于在其路径上的障碍物修改建立的路径。
如图所示，自主车辆10大体上包括推进系统20、传动系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储装置32、至少一个控制器34以及通信系统36。在各个实施例中，推进系统20可包括内燃机、诸如牵引电动机类的电机和/或燃料电池推进系统。传动系统22配置成用于根据可选择的速度比将动力从推进系统20传输到车轮16和18。根据各个实施例，传动系统22可包括有级自动变速传动装置、无级变速传动装置或其他适合的传动装置。
制动系统的26配置成用于为车轮16和18提供制动扭矩。在各个实施例中，制动系统26包括摩擦制动器、线控制动器、诸如电机类的再生制动系统和/或其他适合的制动系统。
转向系统24影响车轮16和/或18的位置。虽然为说明起见被描述为包括方向盘，但在一些预期在本公开范围内的实施例中，转向系统24可以不包括方向盘。
传感器系统28包括一个或多个感测自主车辆10的可观察的内部和外部环境条件的感测装置40a-40n。感测装置40a-40n可包括但不限于雷达、激光雷达、全球定位系统、光学摄像机、热成像摄像机、超声传感器和/ 或其它传感器。在一些实施例中，感测装置40a-40n包括一个或多个能观察车辆乘客并对其相应的状态进行分类(例如，使用训练的神经网络或其它现有技术中已知的分类模型)的传感器。
致动器系统30包括一个或多个执行器装置42a-42n，该执行器装置 42a-42n控制一个或多个车辆特征部，诸如但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各个实施例中，自主车辆10也可以包括未在图1中示出的内部和/或外部的车辆装置，诸如各种车门、后备箱以及诸如空气、音乐、灯光、触摸屏显示部件(诸如连接导航系统时使用的部件)之类的驾驶室特征部。
数据存储装置32存储用于自动控制自主车辆10的数据。在各个实施例中，数据存储装置32存储限定的可导航环境的地图。在各个实施例中，可以从远程系统预先确定或获取限定的地图(参考图2更详细地描述)。例如，限定的地图可以由远程系统组装并传输到自主车辆10(无线或有线的方式)，再存储在数据存储装置32中。路径信息也可以存储于数据存储装置32内，即一组路段(与一张或多张限定的地图在地理上相关联)，这些路段共同限定了用户可以采纳以从起始位置(例如用户的当前位置)行驶到目标位置的路线。应当理解，数据存储装置32可以是控制器34的一部分并与控制器34相分离，或者可以是控制器34的一部分并且是分离系统的一部分。
控制器34包括至少一个处理器44和计算机可读存储装置或媒介46。处理器44可以是任何定制的或可从市场上购得的处理器、中央处理器 (CPU)、图形处理器(GPU)、与控制器34相关联的数个处理器中的辅助处理器、基于半导体的微处理器(微芯片或芯片组形式)及其任何组合或者通常用于执行指令的任何装置。计算机可读存储装置或媒介46可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和磨损修正系数存储器(KAM)中的易失性和非易失性存储。KAM是可以用来在处理器44 断电时存储各种操作变量的持续性或非易失性存储器。计算机可读存储或媒介46可以用众多已知存储装置中任何一个来实现，诸如PROMs(可编程只读存储器)、EPROMs(电子可编程只读存储器)、EEPROMs(电可擦除可编程只读存储器)、快闪存储器或任何其它的能存储数据的电、磁、光或组合存储器装置，其中的一些代表可执行的指令，被控制器34用来控制自主车辆10。
该指令可以包括一个或多个单独的程序，其中每个程序包括用于实施逻辑功能的可执行指令的有序表。当被处理器44执行时，指令接收并处理来自传感器系统28的信号、执行用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法，并且基于上述逻辑、计算、方法和/或算法产生至致动器系统30的控制信号来自动控制自主车辆10的部件。虽然在图 1中仅示出了一个控制器34，但是自主车辆10的实施例能够包括任何数量的控制器34，其通过任何适合的通信媒介或者通信媒介的组合来通信，并且配合地处理传感器信号、执行逻辑、计算、方法和/或算法，并且产生控制信号来自动控制自主车辆10的特征部。在一种实施例中，在下面详细讨论，控制器34被配置为基于乘员的喜好、车辆状态和乘员状态来允许乘员选择驾驶模式。
通信系统36配置成无线地通信信息至其他实体48和从其他实体48 无线地接收信息，其他实体48诸如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程传输系统和/或用户装置(如图2所示更详细地描述)。在示例性实施例中，通信系统36是无线通信系统，其配置成经由无线局域网(WLAN)使用IEEE802.11标准或者通过使用蜂窝数据通信来通信。然而，附加的或者替代性的通信方法，诸如专用短程通信(DSRC) 信道也被认为在本公开范围内。DSRC信道指的是专门被设计成用于汽车用途的单向或双向短程至中程无线通信信道以及对应的一组协议和标准。
现在参照图2所示，在各个实施例中，关于图1描述的自主车辆10 可以适用于某个地理区域(例如，城市、学校或商业学校、购物中心、游乐园、活动中心等)中的出租车或定期班车系统，也可只由远程系统管理。例如，自主车辆10可以与基于自主车辆的远程传输系统相关联。图2图示了通常在50处示出的操作环境的示例性实施例，该操作环境包括基于自主车辆的远程传输系统(或只是“远程传输系统”)52，其与如关于图1 所述的一个或多个自主车辆10a-10n相关联。在各种实施例中，操作环境 50(其全部或部分可对应于图1中所示的实体48)还包括通过通信网络 56与自主车辆10和/或远程传输系统52进行通信的一个或多个用户装置 54。
通信网络56根据需要支持在操作环境50所支持的装置、系统以及部件之间的通信(例如，经由有形通信链路和/或无线通信链路)。例如，通信网络56可以包括无线载波系统60，例如包括多个蜂窝塔的蜂窝电话系统(未示出)、一个或多个移动交换中心(MSCs)(未示出)，以及将无线载波系统60与陆地通信系统连接所需的任何其他网络部件。每个小区发射塔包括发送和接收天线和基站，来自不同小区发射塔的基站直接或经由诸如基站控制器等中间装置连接到MSC。无线载波系统60可以实施任何合适的通信技术，包括例如，数字技术，诸如CDMA(例如CDMA2000)、 LTE(例如4G LTE或5G LTE)、GSM/GPRS，或其他当前或新兴的无线技术。其他小区发射塔/基站/MSC布置是可能的，并且可以与无线载波系统 60一起使用。例如，基站和小区发射塔可以位于同一个地点或者它们可以彼此远程定位，每个基站可以负责单个小区发射塔或者单个基站可以为各种小区发射塔服务或者各种基站可以联接到单个MSC，仅举几个可能的布置。
除了包括无线载波系统60之外，还可以包括以卫星通信系统64的形式的第二无线载波系统，以提供与自主车辆10a-10n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发送站(未示出) 来完成。单向通信可以包括，例如，卫星广播服务，其中节目内容(新闻、音乐等)由发送站接收、打包上传，然后发送到卫星，卫星再向用户广播节目。双向通信可以包括，例如，在车辆10和站之间使用卫星来中继电话通信的卫星电话服务。除了或代替无线载波系统60之外，还可以使用卫星电话。
还可以包括陆地通信系统62，其连接到一个或多个固定电话的传统陆基电信网络，并将无线载波系统60连接到远程传输系统52。例如，陆地通信系统62可以包括公共交换电话网(PSTN)，诸如其用于提供硬接线电话、分组交换数据通信和因特网基础设施。可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、诸如无线局域网(WLANs)等其他无线网络或提供宽带无线接入(BWA)的网络或其中的任何组合来实施陆地通信系统62的一个或多个段。此外，远程传输系统52不必经由陆地通信系统62连接，而是可以包括无线电话装置，使得其可以直接与诸如无线载波系统60的无线网络通信。
虽然图2中仅示出一个用户装置54，但是操作环境50的实施例可支持任何数量的用户装置54，包括由一个人所有、操作或者以其他方式使用的多个用户装置50。由操作环境50支持的每个用户装置54均可以使用任何合适的硬件平台来实施。在这方面，用户装置54可以任何常见的形状因数实施，该用户装置包括但不限于：台式计算机；移动计算机(例如，平板计算机、膝上型计算机或上网本计算机)；智能电话；视频游戏装置；数字媒体播放器；家庭娱乐设备置的部件；数字摄像机或视频摄像机；可穿戴式计算装置(例如，智能手表、智能眼镜、智能服装)；等。操作环境50所支持的每个用户装置54被实现为计算机实施的或者基于计算机的装置，该计算机实施的或者基于计算机的装置具有执行本文中描述的各种技术和方法所需要的硬件、软件、固件以及/或者处理逻辑。例如，用户装置54包括可编程装置的形式的微处理器，其包括存储在内部存储器结构中的一个或多个指令，并用于接收二进制输入以创建二进制输出。在一些实施例中，用户装置54包括能够接收GPS卫星信号并基于这些信号产生 GPS坐标的GPS模块。在其他实施例中，用户装置54包括蜂窝通信功能，使得该装置使用一个或多个蜂窝通信协议在通信网络56上执行语音和/或数据通信，如本文中讨论的。在各种实施例中，用户装置54包括可视显示，诸如触摸屏图形显示或其他显示。
远程传输系统52包括一个或多个后端服务器系统，未示出)，该后端服务器系统可以是基于云的、基于网络的或驻留在由远程传输系统52服务的特定校园或地理位置。远程传输系统52可以由现场顾问、自动顾问、人工智能系统或其组合来控制。远程传输系统52可以与用户装置54和自主车辆10a-10n进行通信以便安排乘坐、调度自主车辆10a-10n等。在各种实施例中，远程传输系统52存储诸如用户认证信息、车辆标识符、简档记录、生物统计数据、行为模式和其它相关用户信息的存储账户信息。
根据典型使用案例工作流程，远程传输系统52的注册用户可以经由用户装置54创建乘坐请求。该乘坐请求通常将表明乘客的期望搭车地点 (或者当前GPS地点)、期望目的地地点(其可以确定预定义车辆停留和/ 或用户指定的乘客目的地)以及搭车时间。远程传输系统52接收乘坐请求，处理该请求，并且调度自主车辆10a-10n中的选择车辆(当其中一个可用时)在恰当时间去指定搭车地点接乘客。交通运输系统52还可以产生合适配置的确认消息或者通知并且将其发送至用户装置54，以便让乘客知道车辆正在途中。
如可以理解的，本文中公开的主题提供了可以被视为标准或者基准自主车辆10和/或基于自主车辆的远程传输系统52的某些增强特征和功能。为此，可以对自主车辆以及基于自主车辆的远程传输系统进行修改、增强，或者以其他方式补充以便提供下文更加详细描述的附加特征。
根据各种实施例，控制器34实现了如图3所示的自主驾驶系统(ADS) 70。也就是说，控制器34(例如处理器44和计算机可读存储装置46)的适合的软件和/或硬件部件用来提供与车辆10一起使用的自主驾驶系统70。
在各种实施例中，自主驾驶系统70的指令可以通过功能或系统来管理。例如，如图3所示，自主驾驶系统70可以包括传感器融合系统74、定位系统76、制导系统78和车辆控制系统80。可以理解，在各种实施例中，指令可以组织成任意数量的系统(例如，组合的、进一步划分的等)，因为本公开不限于本实例。
在各种实施例中，传感器融合系统74合成和处理传感器数据，并预测车辆10的物体和环境特征的存在、位置、分类和/或路径。在各种实施例中，传感器融合系统74可以包含来自多个传感器的信息，包括但不限于摄像机、激光雷达、雷达和/或任意数量的其他类型传感器。
定位系统76处理传感器数据以及其他数据，用以确定车辆10相对于环境的位置(例如，相对于地图的局部位置、相对于道路的车道的精确位置、车辆的航向、速度等)。制导系统78处理传感器数据以及其他数据，用以确定车辆10要遵照的路径。车辆控制系统80根据所确定的路径产生用于控制车辆10的控制信号。
在各种实施例中，控制器34实施机器学习技术以协助控制器34的功能，例如特征检测/分类、障碍物减少、路由遍历、映射、传感器集成、地面真实测定等等。
如前简述，图1的障碍物避让系统100被配置为观察一个或多个领先车辆(即在同一车道上的车辆10前面的车辆)的行为，基于该观察建立一个修正路径，然后对障碍物进行分类以供进一步处理和路径规划。
为了说明根据各种实施例的系统和方法的操作，图4示出了具有中心线451和可能影响道路420的路径规划的两个障碍物--即障碍物471和472 的示例性道路420。沿着道路420的车道421行驶的是车辆400(例如，自主车辆10)以及另外四辆车辆401、402、403和404，它们可能是也可能不是自主车辆。如本文所使用，车辆400可以指“第一车辆”，而车辆 401-404则可以指“领先车辆”，因为它们位于车辆400的前面，一般在相同车道421中向相同的方向移动。
可以看出，车辆401-404通常采用的路径452由于障碍物471和472 而偏离已建立的第一路径453。也就是说，可见车辆401-404略微向右(相对于车辆400)转以避让障碍物471(其基本上位于中心线451上)，并且更剧烈地向左转以避让障碍物472。显而易见的是，没有障碍物471和472 的理想路径453通常将是如图所示的沿着车道中心的路径。然而，为了避让障碍物471和472，车辆401-404已经偏离理想路径，相反沿着将被描述为“修改”路径452的路径行驶。根据本主题的系统和方法处理车辆10 可能解决路径中的偏离的方式。
现在结合图1至图4并参考图5，示例性障碍物避让系统500通常包括领先车辆观察模块520，其配置成接收与车辆10附近的车辆(即在车辆 10的前方的车辆)相关联的传感器输入502(例如，图1中接收到的传感器系统28)并且在基本相同的车道上行驶，如图4所示。传感器输入502 可以包括，例如与所述车辆401-404的位置和路径有关的激光雷达和/或光学数据。给定输入502，模块520被配置为基于所观察到的车辆行为(即，试图跟随领先车辆401-404的路径)建立修正路径503。系统500还包括障碍物分类模块530，其被配置为随着车辆10沿着修正路径行驶而对实际观察到或以其他方式所感测到的障碍物进行分类(例如，分类为多个适当类别中的一个)。然后模块530产生输出504，其包括关于所观察到的和/ 或所感测到的障碍物的信息，诸如障碍物位置、物体分类等。
可以以各种方式实现模块520和530，包括作为已经由监督或无监督学习训练的机器学习模型。例如，模块520和530可以作为可以确定领先车辆401-404的位置、速度、加速度、航向以及其他属性的卷积神经网络或其他这样的模型来实现。通常，可以理解根据本公开的系统100的各种实施例包括嵌入在控制器34内的任何数量的子模块。如可以理解的那样，如图5所示的子模块可以被组合和/或被进一步划分以类似地选择多种驾驶模式(或一种模式，这取决于是否提供了多个运动驾驶)。可以从传感器系统28接收、从与自主车辆10相关联的其他控制模块(未示出)接收、从通信系统36接收，和/或由其他在图1中的控制器34内的其他子模块(未示出)来确定/建模至系统100的输入。
现在参考图6，并继续参考图1-5，所示流程图提供了根据本公开的可以由系统100执行的控制方法600。如根据本公开可以理解的那样，该方法内的操作顺序不限于如图6所示的顺序执行，但是可以按照适用和根据本公开以一种或多种变化的顺序执行。在各种实施例中，方法600可以被安排为基于一个或多个预定事件进行，和/或可以在自主车辆10的操作期间连续进行。
最初，在601处，假定已经通过适合的路径规划模块(例如，如结合图3所描述的)为车辆400建立了路径(例如，“第一路径”)。该建立的路径可能对应理想中心路径453，如图4所示。
接下来，在602处，车辆400观察一辆或多辆领先车辆401-404的行为。也就是说，车辆400能够跟踪和存储(例如，经由与控制器34一起工作的传感器系统28)车辆401-404中的一个或多个的路径。虽然图4示出了由车辆400可观察到的四个车辆401-404，但是实施例的范围不限于此。车辆400可以跟踪单辆车辆的路径或任何数量的车辆的路径以确定修订的路径452。
需要注意的是，如图4所示，车辆400可能不能直接观察到沿理想路径存在的障碍物472，因为其可能被车辆401和402阻挡和/或直到车辆400 直接遇到它才可见。然而，车辆400可以通过观察车辆401-404的行为来推断障碍物472的存在。以这种方式跟随一辆或多辆领先车辆的行为有时指“面包屑导航”。这种面包屑导航可用于暂时性物体(例如471)和嵌入式障碍物(例如472)两者。在一些实施例中(例如，在坑洼和其他道路不平整的情况下)，车辆400可能不能够经由光学、激光雷达或其他传感器直接观察障碍物472，而是通过加速度计和传感器系统28内的其他传感器装置来推断出存在这样的障碍物。
接下来，在603处，车辆400(经由模块520)确定与第一路径445 的偏差，然后在504处基于所观察到的行为建立修正路径452。在这一点上，车辆400(和模块530)将配置成预测当其沿着修正路径452移动时可能遇到障碍物。
因此，如果遇到障碍物471或472，车辆400观察并对障碍物分类。可以使用多种分类方案。在一个实施例中，例如，模块530将障碍物分类为“暂时性的”或“嵌入式的”。需要理解的是，这些分类或类别为并非旨在是穷尽的或限制性的，而是仅被用作有助于开发路径规划启发法的粗略的类别。可以定义任何数量的预定义类型。如下面详细描述的，该分类可以由车辆10的车载系统执行，例如传感器系统28和控制器34。
如本文所使用的，“暂时性”障碍物是可能在或可能不在车辆的直接路径中的障碍物，但是仍然是驾驶员可能通过改变其路径来适应的障碍物。暂时性障碍物的实例包括但不限于箱子、汽车部件、小动物(有生命或无生命的)、轮胎碎片、紧急车辆、交通锥标、在路肩停靠的汽车、倒下的树枝、风滚草等。这样的障碍物是“暂时性”存在的，通常会在短期内将其从道路上移除(或者以其他方式让其无害)，并且不会成为车辆每天会遇到的长期障碍物类型。在图4中，比如图中所示的障碍物471为纸板箱，其可以被分类为暂时性障碍物。
相反，“嵌入式”障碍物是可能在或可能不在车辆的直接路径中的障碍物，并且不是严格要求路径改变的障碍物，尽管如此，其仍然是大多数驾驶员会试图通过改变路径来避让的特征或对象。嵌入式障碍物的实例包括但不限于坑洼、大隆起、减速带、凸起，特别是粗糙的车道、凸起的井盖等。这种障碍物是“嵌入式的”，从某种意义上说其不同于暂时性障碍物，它们可能在延长的时间段内，例如直到对该道路进行适当维护为止停留在原地。在图4中，例如障碍物472被示出为可能被认为是嵌入式障碍物的坑洼。
通常，当车辆400足够接近障碍物471、472时，其将能够(通过传感器的任何组合)让障碍物成像并记录所得到的传感器输入特性(步骤 606)。然后可以使用该信息，例如进一步训练障碍物分类模块530-也就是说，模块530可以随时间增加其对障碍物特性的理解。
以障碍物471为例，有利于路径规划的障碍物信息可能包括，例如障碍物的光学图像(在这种情况下为纸板箱的图像)、障碍物的激光雷达图像(例如，点云)、障碍物的GPS坐标、关于障碍物可能停留在道路420 中的时间长度的预测等。后期时间预测可以经由机器学习模型来确定，诸如卷积神经网络，该机器学习模型配置成对障碍物471进行分类，并且在给定过去数据(其也可以存储在外部系统52中)的情况下估计该类物体可能停留在道路上的平均时间。
如上所述，在诸如障碍物472的嵌入式障碍物的情况下，车辆400可能不能实际地在视觉上或利用激光雷达观察到该障碍物。这种相比于看到而更可能被“感觉”到的碰撞和浅坑洼的情况尤其如此。在这种情况下，可以经由车辆10可用的其他传感器信息来确认嵌入式障碍物的存在，例如可以感测与当车辆悬挂遭遇这样的障碍物时相关联的大“加速度变化率”值 (加速度的时间导数)的加速度计和其他IMU数据。这种传感器信息可以与光学和激光雷达数据结合使用，以进一步训练由模块530实现的模式。
最后，在步骤607，车辆400随后向外部实体提供关于障碍物471和/ 或472的信息，例如图2的系统52可以将障碍物信息存储在数据库53内作为用于车辆400和任何其他对系统52进行访问的车辆的未来路径规划的地图数据。也就是说，所观察到的障碍物的存在可能在随后一段时间影响路径规划。根据一个实施例，模块530可以基于其分类来估计障碍物的可能的“半衰期”。例如，根据过去的经验和训练，车辆可能会预期坑洼472 会保留在原地数周甚至数月，但会假定箱子471会在几个小时内从道路420 移除。车辆400以及其他车辆的后续观察可以用于确认或让障碍物471、 472在道路420中的存在无效，并相应地修改数据库53内的地图数据。在一些实施例中，所存储的障碍物信息包括基于车辆响应度量(例如，来自 IMU的加速度变化率测量等)的障碍物的严重程度的度量、该障碍物在车道的位置(右侧或左侧)以及是否可以在不跨越车道边界的情况下避让该障碍物。也就是说，如果无法避让该障碍物，则AV10可能会选择减速或改变驾驶风格以尽量减少对AV10的影响。
尽管在前面的详细描述中已经呈现了至少一个示例性实施例，但应该理解实施例存在多种变化。还应该理解，一种示例性实施例或多种示例性实施例仅是实例，并不意图以任何方式限制本公开的范围、适用性或配置。而且，前面的详细描述将为本领域技术人员提供用于实施一种示例性实施例或多种示例性实施例的便利的路线图。应该理解，在不脱离如所阐述的权利要求及其合法等效物的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。

Claims (10)

1.一种用于车辆的路径规划方法，所述方法包括：
建立用于第一车辆的第一路径；
在所述第一车辆处接收与在所述第一车辆附近所观察到的一辆或多辆领先车辆的行为相关联的传感器数据；
基于所述传感器数据建立偏离于所述第一路径的修正路径；以及
用处理器对所述第一车辆沿着所述修正路径时所观察到的障碍物进行分类。
2.根据权利要求1所述的方法，其中所述障碍物分类为暂时性障碍物和嵌入式障碍物中的一类。
3.根据权利要求1所述的方法，还包括记录所述所观察到的障碍物的多个特性并经由网络将所述特性传送到远程数据库。
4.根据权利要求3所述的方法，其中所述多个特性包括与所述所观察到的障碍物相关联的严重程度度量。
5.根据权利要求3所述的方法，其中所述多个特性包括对所述所观察到的障碍物可能持续存在的时间的估计。
6.根据权利要求3所述的方法，其中所述多个特性包括所述所观察到的障碍物的车道布置的指示。
7.一种自主车辆，包括：
一个或多个传感器，其配置成产生与位于所述自主车辆附近的一辆或多辆领先车辆相关联的传感器数据；
领先车辆观察模块，其配置成接收所述传感器数据，并基于所述领先车辆的行为建立偏离于最初建立的路径的修正路径；和
障碍物分类模块，其包括处理器并配置成对所述自主车辆在沿着所述修正路径观察到的障碍物进行分类。
8.根据权利要求7所述的自主车辆，其中所述障碍物分类模块将所述障碍物分类为暂时性障碍物和嵌入式障碍物中的一种。
9.根据权利要求7所述的自主车辆，还包括记录所述所观察到的障碍物的多个特性并经由网络将所述特性发送到远程数据库。
10.根据权利要求9所述的自主车辆，其中所述多个特性包括与所述所观察到的障碍物相关联的严重程度度量。
CN201810340757.3A 2017-04-28 2018-04-17 用于自主车辆中的障碍物避让及路径规划的系统和方法 Pending CN108803594A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/581467 2017-04-28
US15/581,467 US10317907B2 (en) 2017-04-28 2017-04-28 Systems and methods for obstacle avoidance and path planning in autonomous vehicles

Publications (1)

Publication Number Publication Date
CN108803594A true CN108803594A (zh) 2018-11-13

Family

ID=63797301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810340757.3A Pending CN108803594A (zh) 2017-04-28 2018-04-17 用于自主车辆中的障碍物避让及路径规划的系统和方法

Country Status (3)

Country Link
US (1) US10317907B2 (zh)
CN (1) CN108803594A (zh)
DE (1) DE102018110153A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109631929A (zh) * 2019-02-20 2019-04-16 百度在线网络技术（北京）有限公司 基于黑名单的重导航方法、装置及存储介质
TWI712526B (zh) * 2018-12-18 2020-12-11 大陸商北京航跡科技有限公司 用於確定自動駕駛中的駕駛路徑的系統和方法
CN113205697A (zh) * 2021-05-08 2021-08-03 联陆智能交通科技(上海)有限公司 车辆紧急避让方法、系统及介质
WO2021168699A1 (en) * 2020-02-26 2021-09-02 Baidu.Com Times Technology (Beijing) Co., Ltd. Trajectory planning with obstacle avoidance for autonomous driving vehicles
CN116086477A (zh) * 2023-01-30 2023-05-09 禾多科技（北京）有限公司 局部路径信息生成方法、装置、设备和计算机可读介质

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10026309B1 (en) 2016-04-11 2018-07-17 State Farm Mutual Automobile Insurance Company Networked vehicle control systems to facilitate situational awareness of vehicles
US10233679B1 (en) 2016-04-11 2019-03-19 State Farm Mutual Automobile Insurance Company Systems and methods for control systems to facilitate situational awareness of a vehicle
US10247565B2 (en) 2016-04-11 2019-04-02 State Farm Mutual Automobile Insurance Company Traffic risk avoidance for a route selection system
US11851041B1 (en) 2016-04-11 2023-12-26 State Farm Mutual Automobile Insurance Company System for determining road slipperiness in bad weather conditions
US10222228B1 (en) 2016-04-11 2019-03-05 State Farm Mutual Automobile Insurance Company System for driver's education
US10019904B1 (en) 2016-04-11 2018-07-10 State Farm Mutual Automobile Insurance Company System for identifying high risk parking lots
US10486708B1 (en) 2016-04-11 2019-11-26 State Farm Mutual Automobile Insurance Company System for adjusting autonomous vehicle driving behavior to mimic that of neighboring/surrounding vehicles
US10872379B1 (en) 2016-04-11 2020-12-22 State Farm Mutual Automobile Insurance Company Collision risk-based engagement and disengagement of autonomous control of a vehicle
US10196058B2 (en) 2016-11-28 2019-02-05 drive.ai Inc. Method for influencing entities at a roadway intersection
US10261513B2 (en) 2016-12-19 2019-04-16 drive.ai Inc. Methods for communicating state, intent, and context of an autonomous vehicle
JP6915476B2 (ja) * 2017-09-25 2021-08-04 トヨタ自動車株式会社 情報提供システム、車載装置、情報提供方法、及びプログラム
CN111315623B (zh) * 2017-11-06 2022-10-21 本田技研工业株式会社 车辆控制装置
US20190248364A1 (en) * 2018-02-12 2019-08-15 GM Global Technology Operations LLC Methods and systems for road hazard detection and localization
US20200001779A1 (en) 2018-06-27 2020-01-02 drive.ai Inc. Method for communicating intent of an autonomous vehicle
JP7115180B2 (ja) * 2018-09-21 2022-08-09 トヨタ自動車株式会社 画像処理システムおよび画像処理方法
US11513518B2 (en) * 2019-01-30 2022-11-29 Toyota Motor Engineering & Manufacturing North America, Inc. Avoidance of obscured roadway obstacles
US20220206153A1 (en) * 2019-02-18 2022-06-30 Koito Manufacturing Co., Ltd. Vehicular sensing system and vehicle
CN109703568B (zh) * 2019-02-19 2020-08-18 百度在线网络技术（北京）有限公司 自动驾驶车辆行驶策略实时学习的方法、装置和服务器
US11157784B2 (en) * 2019-05-08 2021-10-26 GM Global Technology Operations LLC Explainable learning system and methods for autonomous driving
US20200388154A1 (en) * 2019-07-11 2020-12-10 Lg Electronics Inc. Method of providing a service of a vehicle in automated vehicle and highway systems and apparatus therefor
US11614739B2 (en) 2019-09-24 2023-03-28 Apple Inc. Systems and methods for hedging for different gaps in an interaction zone
US11680804B2 (en) * 2019-12-02 2023-06-20 Toyota Motor North America, Inc. System and method for verifying roads
US11282388B2 (en) 2020-01-31 2022-03-22 Toyota Motor Engineering & Manufacturing North America, Inc. Edge-assisted alert system
CN111583691B (zh) * 2020-04-23 2021-08-20 北京踏歌智行科技有限公司 一种集群式的障碍物同步方法
CN112415999B (zh) * 2020-10-29 2023-04-07 宁波吉利汽车研究开发有限公司 自动驾驶路径点的处理方法、装置、设备及存储介质
US20230067887A1 (en) * 2021-08-27 2023-03-02 Zoox, Inc. Techniques for detecting road blockages and generating alternative routes
CN117325185B (zh) * 2023-11-27 2024-04-09 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101409019A (zh) * 2007-10-11 2009-04-15 罗伯特·博世有限公司 空间分辨的驾驶员辅助系统
CN102409599A (zh) * 2011-09-22 2012-04-11 中国科学院深圳先进技术研究院 道路路面检测方法及系统
CN103604435A (zh) * 2013-11-27 2014-02-26 上海交通大学 基于地图和减速带匹配的定位方法
CN104584084A (zh) * 2012-08-24 2015-04-29 罗伯特·博世有限公司 用于求取行驶路段的危险源的方法和设备
CN104812645A (zh) * 2012-09-27 2015-07-29 谷歌公司 基于车辆行为确定驾驶环境的改变
CN104870288A (zh) * 2012-11-06 2015-08-26 谷歌公司 辅助自主车辆行驶经过车道合并的方法和系统
CN105046765A (zh) * 2015-08-19 2015-11-11 莆田市云驰新能源汽车研究院有限公司 行车记录仪及基于行车记录仪改善驾驶行为的方法
CN105121248A (zh) * 2013-04-18 2015-12-02 丰田自动车株式会社 驾驶辅助设备以及驾驶辅助方法
CN105741595A (zh) * 2016-04-27 2016-07-06 常州加美科技有限公司 一种基于云端数据库的无人驾驶车辆导航行车方法
DE102015202930A1 (de) * 2015-02-18 2016-08-18 Robert Bosch Gmbh Verfahren und Vorrichtung zum Melden eines Hindernisses
CN106470885A (zh) * 2014-08-07 2017-03-01 日立汽车系统株式会社 车辆控制系统以及具备该车辆控制系统的行为计划系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007048029A2 (en) * 2005-10-21 2007-04-26 Deere & Company Systems and methods for obstacle avoidance
US20080262669A1 (en) * 2006-09-22 2008-10-23 Jadi, Inc. Autonomous vehicle controller
US8392065B2 (en) * 2008-09-11 2013-03-05 Deere & Company Leader-follower semi-autonomous vehicle with operator on side
US8229618B2 (en) * 2008-09-11 2012-07-24 Deere & Company Leader-follower fully autonomous vehicle with operator on side
US8989972B2 (en) * 2008-09-11 2015-03-24 Deere & Company Leader-follower fully-autonomous vehicle with operator on side
US8126642B2 (en) * 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US9669828B2 (en) * 2012-06-01 2017-06-06 Toyota Motor Engineering & Manufacturing North America, Inc. Cooperative driving and collision avoidance by distributed receding horizon control
US9711050B2 (en) * 2015-06-05 2017-07-18 Bao Tran Smart vehicle
US9821801B2 (en) * 2015-06-29 2017-11-21 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling semi-autonomous vehicles
US9958864B2 (en) * 2015-11-04 2018-05-01 Zoox, Inc. Coordination of dispatching and maintaining fleet of autonomous vehicles
US9829889B1 (en) * 2016-05-10 2017-11-28 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle advanced notification system and method of use
US11010615B2 (en) * 2016-11-14 2021-05-18 Lyft, Inc. Rendering a situational-awareness view in an autonomous-vehicle environment
US10127818B2 (en) * 2017-02-11 2018-11-13 Clear Commute Ventures Pty Ltd Systems and methods for detecting and avoiding an emergency vehicle in the proximity of a substantially autonomous vehicle
US10710592B2 (en) * 2017-04-07 2020-07-14 Tusimple, Inc. System and method for path planning of autonomous vehicles based on gradient

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101409019A (zh) * 2007-10-11 2009-04-15 罗伯特·博世有限公司 空间分辨的驾驶员辅助系统
CN102409599A (zh) * 2011-09-22 2012-04-11 中国科学院深圳先进技术研究院 道路路面检测方法及系统
CN104584084A (zh) * 2012-08-24 2015-04-29 罗伯特·博世有限公司 用于求取行驶路段的危险源的方法和设备
CN104812645A (zh) * 2012-09-27 2015-07-29 谷歌公司 基于车辆行为确定驾驶环境的改变
CN104870288A (zh) * 2012-11-06 2015-08-26 谷歌公司 辅助自主车辆行驶经过车道合并的方法和系统
CN105121248A (zh) * 2013-04-18 2015-12-02 丰田自动车株式会社 驾驶辅助设备以及驾驶辅助方法
CN103604435A (zh) * 2013-11-27 2014-02-26 上海交通大学 基于地图和减速带匹配的定位方法
CN106470885A (zh) * 2014-08-07 2017-03-01 日立汽车系统株式会社 车辆控制系统以及具备该车辆控制系统的行为计划系统
DE102015202930A1 (de) * 2015-02-18 2016-08-18 Robert Bosch Gmbh Verfahren und Vorrichtung zum Melden eines Hindernisses
CN105046765A (zh) * 2015-08-19 2015-11-11 莆田市云驰新能源汽车研究院有限公司 行车记录仪及基于行车记录仪改善驾驶行为的方法
CN105741595A (zh) * 2016-04-27 2016-07-06 常州加美科技有限公司 一种基于云端数据库的无人驾驶车辆导航行车方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI712526B (zh) * 2018-12-18 2020-12-11 大陸商北京航跡科技有限公司 用於確定自動駕駛中的駕駛路徑的系統和方法
CN109631929A (zh) * 2019-02-20 2019-04-16 百度在线网络技术（北京）有限公司 基于黑名单的重导航方法、装置及存储介质
CN109631929B (zh) * 2019-02-20 2021-04-30 百度在线网络技术（北京）有限公司 基于黑名单的重导航方法、装置及存储介质
US11687080B2 (en) 2019-02-20 2023-06-27 Apollo Intelligent Driving Technology (Beijing) Co., Ltd. Blacklist-based re-navigation method and apparatus, and storage medium
WO2021168699A1 (en) * 2020-02-26 2021-09-02 Baidu.Com Times Technology (Beijing) Co., Ltd. Trajectory planning with obstacle avoidance for autonomous driving vehicles
CN113795801A (zh) * 2020-02-26 2021-12-14 百度时代网络技术（北京）有限公司 自动驾驶车辆的避障轨迹规划
US11878712B2 (en) 2020-02-26 2024-01-23 Baidu Usa Llc Trajectory planning with obstacle avoidance for autonomous driving vehicles
CN113795801B (zh) * 2020-02-26 2024-06-21 百度时代网络技术（北京）有限公司 自动驾驶车辆的避障轨迹规划
CN113205697A (zh) * 2021-05-08 2021-08-03 联陆智能交通科技(上海)有限公司 车辆紧急避让方法、系统及介质
CN116086477A (zh) * 2023-01-30 2023-05-09 禾多科技（北京）有限公司 局部路径信息生成方法、装置、设备和计算机可读介质
CN116086477B (zh) * 2023-01-30 2024-02-20 禾多科技（北京）有限公司 局部路径信息生成方法、装置、设备和计算机可读介质

Also Published As

Publication number Publication date
US20180314259A1 (en) 2018-11-01
US10317907B2 (en) 2019-06-11
DE102018110153A1 (de) 2018-10-31

Similar Documents

Publication Publication Date Title
CN108803594A (zh) 用于自主车辆中的障碍物避让及路径规划的系统和方法
CN109814543B (zh) 道路廊道
CN109425359A (zh) 用于生成实时地图信息的方法和系统
CN108725446B (zh) 用于自主车辆的俯仰角补偿
US11242060B2 (en) Maneuver planning for urgent lane changes
CN108766011B (zh) 用于自主车辆的停车评分
US20190332109A1 (en) Systems and methods for autonomous driving using neural network-based driver learning on tokenized sensor inputs
CN109814520A (zh) 用于确定自主车辆的安全事件的系统和方法
CN109131346A (zh) 用于预测自主车辆中的交通模式的系统和方法
US10495493B2 (en) Systems and methods for controlling sensing device field of view
CN109808688A (zh) 针对即将到来的变道在自主车辆中调整速度的系统和方法
CN108806295A (zh) 自动车辆路线穿越
CN108268034A (zh) 用于车辆的专家模式
CN108628206A (zh) 道路施工检测系统和方法
CN110126825A (zh) 用于低级别前馈车辆控制策略的系统和方法
CN109509352A (zh) 针对禁行区的自主车辆的路径规划
CN109866778A (zh) 具有自动辅助的自主车辆操作
CN109283924A (zh) 分类方法及系统
CN108961320A (zh) 确定移动物体速度的方法和系统
CN109085819A (zh) 用于实施自主车辆中的驾驶模式的系统和方法
CN110014936A (zh) 用于自主车辆的充电系统
US20180224860A1 (en) Autonomous vehicle movement around stationary vehicles
CN109115230A (zh) 自主车辆定位
CN110435667A (zh) 用于控制自主车辆的系统和方法
CN108791184A (zh) 用于自主车辆的车门致动器调整

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181113