CN109085818A - 基于车道信息控制自动驾驶车辆的车门锁的方法和系统 - Google Patents

基于车道信息控制自动驾驶车辆的车门锁的方法和系统 Download PDF

Info

Publication number
CN109085818A
CN109085818A CN201810204159.3A CN201810204159A CN109085818A CN 109085818 A CN109085818 A CN 109085818A CN 201810204159 A CN201810204159 A CN 201810204159A CN 109085818 A CN109085818 A CN 109085818A
Authority
CN
China
Prior art keywords
automatic driving
driving vehicle
lane
road
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
Application number
CN201810204159.3A
Other languages
English (en)
Other versions
CN109085818B (zh
Inventor
朱帆
孔旗
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.)
Baidu USA LLC
Original Assignee
Baidu USA 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 Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN109085818A publication Critical patent/CN109085818A/zh
Application granted granted Critical
Publication of CN109085818B publication Critical patent/CN109085818B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • E—FIXED CONSTRUCTIONS
    • E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
    • E05F—DEVICES FOR MOVING WINGS INTO OPEN OR CLOSED POSITION; CHECKS FOR WINGS; WING FITTINGS NOT OTHERWISE PROVIDED FOR, CONCERNED WITH THE FUNCTIONING OF THE WING
    • E05F15/00—Power-operated mechanisms for wings
    • E05F15/70—Power-operated mechanisms for wings with automatic actuation
    • 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
    • E—FIXED CONSTRUCTIONS
    • E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
    • E05B—LOCKS; ACCESSORIES THEREFOR; HANDCUFFS
    • E05B81/00—Power-actuated vehicle locks
    • E05B81/54—Electrical circuits
    • E05B81/64—Monitoring or sensing, e.g. by using switches or sensors
    • E05B81/76—Detection of handle operation; Detection of a user approaching a handle; Electrical switching actions performed by door handles
    • E05B81/78—Detection of handle operation; Detection of a user approaching a handle; Electrical switching actions performed by door handles as part of a hands-free locking or unlocking operation

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Mechanical Engineering (AREA)

Abstract

根据一个实施方式，当接收到感知ADV的驾驶环境的感知数据时，基于所述感知数据确定道路的一个或多个车道的车道配置。基于车道配置，确定ADV的速度和ADV在ADV行驶所处的车道内的车道位置。基于车道配置、ADV的速度和ADV的车道位置，推导出驾驶场景。基于所述驾驶场景，锁定或解锁ADV的一个或多个车门的车门锁。考虑到特定时间点的驾驶场景，根据车门锁控制规则的集合可以确定是锁定还是解锁ADV的车门。

Description

基于车道信息控制自动驾驶车辆的车门锁的方法和系统
技术领域
本公开的实施方式大体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及对自动驾驶车辆的车门锁进行自动控制。
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。
车门自动锁定是重要的安全特征。传统的自动车门锁系统仅基于车辆的速度来控制车辆的车门锁。例如，当车辆的速度达到一定速度时，传统车辆将自动锁定车门。这样的车门锁系统有时会在适当的情况下错误地锁定或解锁车门。
发明内容
根据本发明的一方面，提供了用于操作自动驾驶车辆的计算机实施方法，所述方法包括：接收感知自动驾驶车辆周围的驾驶环境的感知数据；基于所述感知数据，确定所述自动驾驶车辆移动所处的道路的一个或多个车道的车道配置；确定所述自动驾驶车辆的速度和所述自动驾驶车辆在所述自动驾驶车辆移动所处的车道内的车道位置；基于所述车道配置、所述自动驾驶车辆的速度和所述自动驾驶车辆的车道位置，推导出驾驶场景；以及基于所述驾驶场景，锁定或解锁所述自动驾驶车辆的一个或多个车门锁。
根据本发明的另一方面，提供了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：接收感知自动驾驶车辆周围的驾驶环境的感知数据；基于所述感知数据，确定所述自动驾驶车辆移动所处的道路的一个或多个车道的车道配置；确定所述自动驾驶车辆的速度和所述自动驾驶车辆在所述自动驾驶车辆移动所处的车道内的车道位置；基于所述车道配置、所述自动驾驶车辆的速度和所述自动驾驶车辆的车道位置，推导出驾驶场景；以及基于所述驾驶场景，锁定或解锁所述自动驾驶车辆的一个或多个车门锁。
根据本发明的又一方面，提供了数据处理系统，所述数据处理系统包括处理器和存储器，所述存储器联接到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，所述操作包括：接收感知自动驾驶车辆周围的驾驶环境的感知数据；基于所述感知数据，确定所述自动驾驶车辆移动所处的道路的一个或多个车道的车道配置；确定所述自动驾驶车辆的速度和所述自动驾驶车辆在所述自动驾驶车辆移动所处的车道内的车道位置；基于所述车道配置、所述自动驾驶车辆的速度和所述自动驾驶车辆的车道位置，推导出驾驶场景；以及基于所述驾驶场景，锁定或解锁所述自动驾驶车辆的一个或多个车门锁。
附图说明
本公开的实施方式在附图的各图中以示例而非限制的方式示出，附图中相同的附图标记表示相似的元件。
图1是示出根据一个实施方式的网络化系统的框图。
图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
图3是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。
图4是示出根据一个实施方式的车门控制规则的示例的框图。
图5是示出根据一个实施方式的对自动驾驶车辆的车门锁进行自动控制的过程的流程图。
图6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公开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公开的说明，而不应当解释为限制本公开。描述了许多特定细节以提供对本公开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公开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公开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，除了自动驾驶车辆(ADV)的速度之外，ADV的车门锁控制器还基于感知ADV周围的驾驶环境(例如，车道配置)的感知数据来自动地锁定或解锁ADV的车门。考虑到特定时间点感知的驾驶环境，根据车门锁控制规则的集合，车门锁控制器可确定是锁定还是解锁ADV的车门。在一个实施方式中，当接收到感知ADV的驾驶环境的感知数据时，基于所述感知数据来确定道路的一个或多个车道的车道配置。基于车道配置，确定ADV的速度和ADV在车道内的车道位置。基于车道配置、ADV的速度和ADV的车道位置推导出驾驶场景。基于驾驶场景锁定或解锁ADV的一个或多个车门的车门锁。
例如，基于ADV在ADV移动所处的车道内的车道位置，如果ADV在不同于最慢车道的车道中行驶，则可以锁定ADV的一个或多个车门锁。最慢车道是指最接近道路的路缘或人行道的车道，例如根据管辖区域为最右侧车道或最左侧车道。基于ADV移动所处的道路的地图信息，如果确定出ADV正在高速路或快速路上行驶，则可以锁定ADV的车门锁。另一方面，如果确定ADV正在最慢车道上行驶且ADV的速度低于预定阈值，则可以解锁ADV的车门锁；否则，可以锁定车门锁定。如果ADV正在最慢车道中行驶且ADV与车道的路缘或人行道之间的距离小于预定阈值，则可以解锁ADV的车门锁；否则，可以锁定车门锁定。如果ADV正在以低于预定阈值的速度移动且ADV位于道路的停车区域或装载区域内，则可以解锁ADV的车门锁；否则，可以锁定车门锁定。
图1是示出根据本公开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(MPOI)服务器或者位置服务器等。
自动驾驶车辆是指可以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包括但不限于感知与规划系统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(未示出)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/或感知与规划系统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相机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。相机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。相机211可以是静物相机和/或视频相机。相机可以是可机械地移动的，例如，通过将相机安装在旋转和/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)和制动单元203。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。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，包括例如键盘、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感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统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，感知与规划系统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。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述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信息可以本地寄存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统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的功能可以与感知与规划系统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)，感知与规划系统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。
服务器103可以是为各种客户端执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或由人类驾驶者驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括表示发出的驾驶命令(例如，油门命令、制动命令、转向命令)和由车辆的传感器在不同时间点采集的车辆的响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计数据123还可例如包括描述不同时间点的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计数据123，机器学习引擎122出于各种目的生成或训练规则、算法和/或预测模型124的集合。在一个实施方式中，规则124可以包括车门锁控制规则313的集合。车门锁控制规则规定了自动驾驶车辆的车门锁应该锁定或解锁的某些驾驶场景。可基于大量的驾驶统计数据123以及ADV自动驾驶期间的用户交互来编制车门锁控制规则。机器学习引擎122配置成根据相关的交通安全规则或法规基于驾驶统计数据123学习乘客关于车门锁操作的倾向。车门锁控制规则的示例在图4中示出，这将在下面进一步详细描述。然后车门锁控制规则将上传到ADV中以实时用于控制ADV的车门锁。
图3是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可实施为图1的自动驾驶车辆101的一部分，其包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、车道配置确定模块307和车门锁控制器308。
模块301-308中的一些或全部可以以软件、硬件或其组合来实施。例如，这些模块可安装在永久性存储装置352中，加载到存储器351中并由一个或多个处理器(未示出)执行。应注意的是，这些模块中的一些或全部可以与图2的车辆控制系统111的一些模块或全部模块通信地联接或集成在一起。模块301-308中的一些可一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS单元212)以及管理与用户的行程或路线相关的任何数据。定位模块301(也称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户界面登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置(例如，直线车道或弯曲车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个相机采集的图像，从而标识自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统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，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象，预测模块303预测在该境况下对象将如何表现。考虑到地图/路线信息311和交通规则312的集合，基于感知该时间点的驾驶环境的感知数据执行预测。例如，如果对象是相反方向的车辆并且当前驾驶环境包括交叉路口，则预测模块303将预测车辆是可能直行前进还是转弯。如果感知数据指示交叉路口没有交通灯，则预测模块303可预测出车辆在进入交叉路口前可能必须完全停止。如果感知数据指示车辆当前位于仅左转弯车道或仅右转弯车道，则预测模块303可预测车辆分别更可能左转弯或右转弯。
针对每个对象，决策模块304作出关于如何处理对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何应对所述对象(例如，超车、让行、停止、超过)。决策模块304可以根据诸如交通规则或驾驶规则312的规则集合来作出此类决定，所述规则集合可以存储在永久性存储装置352中。
基于针对所感知到的每个对象的决定，规划模块305为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块304决定如何面对所述对象，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定经过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧经过。规划和控制数据由规划模块305生成，包括描述车辆300将在下一移动周期(例如，下一路线/路径段)中如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块306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来控制并驾驶自动驾驶车辆。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。
在一个实施方式中，规划阶段在一定数量的规划周期(也称为例如命令周期，例如，每次间隔100毫秒(ms))执行。对于每个规划周期或命令周期，将基于规划和控制数据发出一个或多个控制命令。换言之，对于每100ms，规划模块305规划下一路线段或路径段，例如，包括目标位置和ADV到达目标位置所需的时间。可替代地，规划模块305可进一步指定特定的速度、方向和/或转向角度等。在一个实施方式中，规划模块305规划下一预定时间段(例如，5秒)的路线段或路径段。对于每个规划周期，规划模块305基于前一周期中规划的目标位置来规划当前周期(例如，下一个5秒)的目标位置。随后，控制模块306基于当前周期的规划和控制数据来生成一个或多个控制命令(例如，油门控制命令、制动控制命令、转向控制命令)。
应注意的是，决策模块304和规划模块305可集成为集成模块。决策模块304/规划模块305可包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可确定一系列速度和前进方向以实现使自动驾驶车辆沿着基本上避免了感知到的障碍物的路径移动，同时大体上使自动驾驶车辆沿着通往最终目的地的基于道路的路径前进。该目的地可根据经由用户接口系统113的用户输入而设置。导航系统可在自动驾驶车辆操作时动态地更新驾驶路径。导航系统可结合来自GPS系统和一个或多个地图的数据，以便确定自动驾驶车辆的驾驶路径。
决策模块304/规划模块305还可包括防碰撞系统或防碰撞系统的功能，以标识、评估和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，防碰撞系统可通过操作控制系统111中的一个或多个子系统来实现自动驾驶车辆的导航的改变，以进行变向操纵、转弯操纵、制动操纵等。防碰撞系统可基于周围交通型式、道路状况等自动地确定可行的障碍物回避操纵。防碰撞系统可以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。防碰撞系统可自动地选择可用的且使自动驾驶车辆的乘员最安全的操纵。防碰撞系统可选择预测的使自动驾驶车辆的乘客车厢中的加速度值最小的回避操纵。
根据一个实施方式，车道配置确定模块307(也称为驾驶场景确定模块)配置成接收来自感知模块302的感知数据、来自预测模块303的预测数据和/或来自决策模块304的决策数据以及来自地图和路线信息源311的地图和路线数据。车道配置确定模块307还可例如从规划模块305和/或控制模块306接收其它数据(诸如，规划和控制数据)。基于该数据，车道配置确定模块307确定ADV正在行驶的车道的车道配置。基于车道配置以及ADV的速度和ADV在ADV移动所处的车道内的车道位置，由车道配置确定模块307确定驾驶场景。基于驾驶场景，车门锁控制器308配置成控制ADV的车门的车门锁。
在一个实施方式中，基于驾驶场景，车门锁控制器308在车门锁控制规则的集合中进行查找以确定车门锁的状态或将对车门锁执行的控制行动。图4中示出了车门锁控制规则的示例。现在参考图4，在此示例中，在驾驶场景与锁状态(场景/锁状态)映射表400中维持车门锁控制规则。映射表400包括多个映射条目。每个映射条目将特定的驾驶场景401映射到车门锁状态或要采取的行动402。基于由车道配置确定模块307确定的特定驾驶场景，车门锁控制器308在表400中进行查找以搜索并定位与所述驾驶场景匹配的映射条目。然后，车门锁控制器308从匹配的条目获得车门锁状态，并基于车门锁状态锁定或解锁ADV的车门锁。
在一个实施方式中，基于ADV在ADV移动所处的车道内的车道位置，如果ADV不同于最慢车道的车道中行驶，则可以锁定ADV的一个或多个车门锁。最慢车道是指最靠近道路的路缘或人行道的车道，例如根据管辖区域为最右侧车道或最左侧车道。ADV的车道位置可以基于由感知模块302提供的感知数据而确定。例如，可以基于由相机采集的道路的图像来确定车道位置，包括对该图像执行图像识别以确定ADV正在行驶的车道。
根据另一实施方式，如果确定ADV正在高速路或快速路上行驶，则可以锁定ADV的车门锁。这种确定可以基于地图和路线信息来执行。例如，对于高清晰度地图，地图可以提供指示特定道路是否是高速路或快速路的附加元数据。对于常规地图，可例如基于地图中道路的形状和/或颜色以及ADV的速度和该时间点采集的驾驶环境的实时图像而对地图图像执行图像识别以识别道路是否为高速路或快速路。
根据另一实施方式，如果确定ADV正在最慢车道上行驶并且ADV的速度低于预定阈值，则可以解锁ADV的车门锁；否则，可以锁定车门锁。根据管辖区域，最慢车道可能是最右侧车道(例如，美国体系)或最左侧车道(例如，香港体系)。车辆的速度可以通过多种传感器来测量。如果ADV正在最慢车道上行驶并且ADV与车道的路缘或人行道之间的距离小于预定阈值，则可以解锁ADV的车门锁；否则，可以锁定车门锁。车辆与路缘之间的距离可以通过诸如相机或雷达等多种传感器来测量。如果ADV正在以低于预定阈值的速度移动并且ADV位于道路的停车区域或装载区域内，则可以解锁ADV的车门锁；否则，可以锁定车门锁。可以基于地图和路线数据和/或基于驾驶环境的实时图像的感知数据来确定停车区域或装载区域。应注意的是，车道配置确定模块307和车门锁控制器308可以被一起集成为集成模块。还应注意的是，虽然车门锁控制规则被描述为映射表，但车门锁控制规则也可以以其它形式(例如，数据库)来实施。
图5是示出根据一个实施方式的对自动驾驶车辆的车门锁进行控制的过程的流程图。过程500可以通过处理逻辑来执行，处理逻辑可以包括软件、硬件或它们的组合。例如，过程500可以通过车道配置确定模块307和/或车门锁控制器308执行。参考图5，在操作501中，处理逻辑接收感知ADV周围的驾驶环境的感知数据。感知数据可以包括由感知模块302、预测模块303、决策模块304、规划模块305和/或控制模块306提供的信息。在操作502中，处理逻辑基于感知数据确定ADV行驶所处的道路的车道配置。在操作503中，处理逻辑确定ADV的速度和ADV的车道位置。在操作504中，处理逻辑基于车道配置、ADV的速度和ADV的位置推导出ADV的驾驶场景。在操作505中，处理逻辑基于所述驾驶场景来锁定或解锁ADV的车门锁。在一个实施方式中，处理逻辑基于驾驶场景在车门锁控制规则的集合中进行查找以确定与所述驾驶场景对应的锁状态，并且基于所确定的锁状态来控制ADV的车门锁。
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是示出可以与本公开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的感知与规划系统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、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，相机)，所述成像处理子系统可以包括用于促进相机功能(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305、控制模块306、车道配置确定模块307和/或车门锁控制器308。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公开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；因为此类细节和本公开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公开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它技术人员。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行动和处理，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。
本公开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。
本公开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公开的实施方式的教导。
在以上的说明书中，已经参考本公开的具体示例性实施方式对本公开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公开的更宽泛精神和范围的情况下，可以对本公开作出各种修改。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.用于操作自动驾驶车辆的计算机实施方法，所述方法包括：
接收感知自动驾驶车辆周围的驾驶环境的感知数据；
基于所述感知数据，确定所述自动驾驶车辆移动所处的道路的一个或多个车道的车道配置；
确定所述自动驾驶车辆的速度和所述自动驾驶车辆在所述自动驾驶车辆移动所处的车道内的车道位置；
基于所述车道配置、所述自动驾驶车辆的速度和所述自动驾驶车辆的车道位置，推导出驾驶场景；以及
基于所述驾驶场景，锁定或解锁所述自动驾驶车辆的一个或多个车门锁。
2.根据权利要求1所述的方法，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的不同于最慢车道的车道中行驶；以及
响应于确定出所述自动驾驶车辆正在所述道路的不同于所述最慢车道的车道中行驶，锁定所述一个或多个车门锁。
3.根据权利要求1所述的方法，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在高速路或快速路中行驶；以及
响应于确定出所述自动驾驶车辆正在高速路或快速路中行驶，锁定所述一个或多个车门锁。
4.根据权利要求1所述的方法，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的最慢车道中行驶；
确定所述自动驾驶车辆的速度是否低于预定阈值；以及
响应于确定出所述自动驾驶车辆正在所述道路的最慢车道中行驶且所述自动驾驶车辆的速度低于所述预定阈值，解锁所述一个或多个车门锁。
5.根据权利要求1所述的方法，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在以低于预定阈值的速度移动以及所述自动驾驶车辆是否位于所述道路的停车区域或装载区域内；以及
响应于确定出所述自动驾驶车辆正在以低于所述预定阈值的速度移动且位于所述道路的停车区域或装载区域内，解锁所述一个或多个车门锁。
6.根据权利要求1所述的方法，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的最慢车道中行驶；
基于所述感知数据，确定所述自动驾驶车辆与所述最慢车道的路缘之间的距离；以及
响应于确定出所述自动驾驶车辆正在所述道路的最慢车道中行驶且所述自动驾驶车辆与所述最慢车道的路缘之间的距离低于第一预定阈值，解锁所述一个或多个车门锁。
7.根据权利要求6所述的方法，还包括：确定所述自动驾驶车辆的速度是否低于第二预定阈值，其中，所述一个或多个车门锁仅在所述自动驾驶车辆的速度低于所述第二预定阈值时解锁。
8.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：
接收感知自动驾驶车辆周围的驾驶环境的感知数据；
基于所述感知数据，确定所述自动驾驶车辆移动所处的道路的一个或多个车道的车道配置；
确定所述自动驾驶车辆的速度和所述自动驾驶车辆在所述自动驾驶车辆移动所处的车道内的车道位置；
基于所述车道配置、所述自动驾驶车辆的速度和所述自动驾驶车辆的车道位置，推导出驾驶场景；以及
基于所述驾驶场景，锁定或解锁所述自动驾驶车辆的一个或多个车门锁。
9.根据权利要求8所述的机器可读介质，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的不同于最慢车道的车道中行驶；以及
响应于确定出所述自动驾驶车辆正在所述道路的不同于所述最慢车道的车道中行驶，锁定所述一个或多个车门锁。
10.根据权利要求8所述的机器可读介质，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在高速路或快速路中行驶；以及
响应于确定出所述自动驾驶车辆正在高速路或快速路中行驶，锁定所述一个或多个车门锁。
11.根据权利要求8所述的机器可读介质，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的最慢车道中行驶；
确定所述自动驾驶车辆的速度是否低于预定阈值；以及
响应于确定出所述自动驾驶车辆正在所述道路的最慢车道中行驶且所述自动驾驶车辆的速度低于所述预定阈值，解锁所述一个或多个车门锁。
12.根据权利要求8所述的机器可读介质，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在以低于预定阈值的速度移动以及所述自动驾驶车辆是否位于所述道路的停车区域或装载区域内；以及
响应于确定出所述自动驾驶车辆正在以低于所述预定阈值的速度移动且位于所述道路的停车区域或装载区域内，解锁所述一个或多个车门锁。
13.根据权利要求8所述的机器可读介质，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的最慢车道中行驶；
基于所述感知数据，确定所述自动驾驶车辆与所述最慢车道的路缘之间的距离；以及
响应于确定出所述自动驾驶车辆正在所述道路的最慢车道中行驶且所述自动驾驶车辆与所述最慢车道的路缘之间的距离低于第一预定阈值，解锁所述一个或多个车门锁。
14.根据权利要求13所述的机器可读介质，其中，所述操作还包括：确定所述自动驾驶车辆的速度是否低于第二预定阈值，其中，所述一个或多个车门锁仅在所述自动驾驶车辆的速度低于所述第二预定阈值时解锁。
15.数据处理系统，包括：
处理器；以及
存储器，联接到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，所述操作包括：
接收感知自动驾驶车辆周围的驾驶环境的感知数据；
基于所述感知数据，确定所述自动驾驶车辆移动所处的道路的一个或多个车道的车道配置；
确定所述自动驾驶车辆的速度和所述自动驾驶车辆在所述自动驾驶车辆移动所处的车道内的车道位置；
基于所述车道配置、所述自动驾驶车辆的速度和所述自动驾驶车辆的车道位置，推导出驾驶场景；以及
基于所述驾驶场景，锁定或解锁所述自动驾驶车辆的一个或多个车门锁。
16.根据权利要求15所述的系统，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的不同于最慢车道的车道中行驶；以及
响应于确定出所述自动驾驶车辆正在所述道路的不同于所述最慢车道的车道中行驶，锁定所述一个或多个车门锁。
17.根据权利要求15所述的系统，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在高速路或快速路中行驶；以及
响应于确定出所述自动驾驶车辆正在高速路或快速路中行驶，锁定所述一个或多个车门锁。
18.根据权利要求15所述的系统，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的最慢车道中行驶；
确定所述自动驾驶车辆的速度是否低于预定阈值；以及
响应于确定出所述自动驾驶车辆正在所述道路的最慢车道中行驶且所述自动驾驶车辆的速度低于所述预定阈值，解锁所述一个或多个车门锁。
19.根据权利要求15所述的系统，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在以低于预定阈值的速度移动以及所述自动驾驶车辆是否位于所述道路的停车区域或装载区域内；以及
响应于确定出所述自动驾驶车辆正在以低于所述预定阈值的速度移动且位于所述道路的停车区域或装载区域内，解锁所述一个或多个车门锁。
20.根据权利要求15所述的系统，其中，锁定或解锁所述自动驾驶车辆的一个或多个车门锁包括：
基于所述感知数据，确定所述自动驾驶车辆是否正在所述道路的最慢车道中行驶；
基于所述感知数据，确定所述自动驾驶车辆与所述最慢车道的路缘之间的距离；以及
响应于确定出所述自动驾驶车辆正在所述道路的最慢车道中行驶且所述自动驾驶车辆与所述最慢车道的路缘之间的距离低于第一预定阈值，解锁所述一个或多个车门锁。
21.根据权利要求20所述的系统，其中，所述操作还包括：确定所述自动驾驶车辆的速度是否低于第二预定阈值，其中，所述一个或多个车门锁仅在所述自动驾驶车辆的速度低于所述第二预定阈值时解锁。
CN201810204159.3A 2017-06-14 2018-03-13 基于车道信息控制自动驾驶车辆的车门锁的方法和系统 Active CN109085818B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/622,377 US10438074B2 (en) 2017-06-14 2017-06-14 Method and system for controlling door locks of autonomous driving vehicles based on lane information
US15/622,377 2017-06-14

Publications (2)

Publication Number Publication Date
CN109085818A true CN109085818A (zh) 2018-12-25
CN109085818B CN109085818B (zh) 2022-01-21

Family

ID=64656996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810204159.3A Active CN109085818B (zh) 2017-06-14 2018-03-13 基于车道信息控制自动驾驶车辆的车门锁的方法和系统

Country Status (2)

Country Link
US (1) US10438074B2 (zh)
CN (1) CN109085818B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544375A (zh) * 2019-06-10 2019-12-06 河南北斗卫星导航平台有限公司 一种车辆监管方法、装置及计算机可读存储介质
CN111021849A (zh) * 2019-12-10 2020-04-17 上海擎感智能科技有限公司 车门自动解锁系统以及方法
CN116291067A (zh) * 2023-04-20 2023-06-23 重庆赛力斯新能源汽车设计院有限公司 一种车门锁智能启闭的控制方法及装置

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11367354B2 (en) * 2017-06-22 2022-06-21 Apollo Intelligent Driving Technology (Beijing) Co., Ltd. Traffic prediction based on map images for autonomous driving
KR102617265B1 (ko) * 2018-03-13 2023-12-26 삼성전자주식회사 사용자 음성 입력을 처리하는 장치
CN110969728B (zh) * 2018-09-30 2021-04-23 北京骑胜科技有限公司 一种车锁控制方法及装置、计算机可读存储介质
CN113553255B (zh) * 2021-06-16 2024-06-04 阿波罗智联(北京)科技有限公司 路线场景文件的生成方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103850545A (zh) * 2012-11-28 2014-06-11 周凤翔 阶段式安全开启车门的方法
CN104442660A (zh) * 2014-11-10 2015-03-25 无锡悟莘科技有限公司 一种车辆停车门控方法
CN204506708U (zh) * 2015-02-13 2015-07-29 长安大学 保证在城市道路上停止的机动车车门安全打开的警报装置
CN105620391A (zh) * 2016-03-16 2016-06-01 宁波市江东精诚自动化设备有限公司 一种车辆智能助理系统
CN105835765A (zh) * 2016-01-26 2016-08-10 乐卡汽车智能科技（北京）有限公司 车辆防撞系统、方法及车辆
CN106394243A (zh) * 2015-07-29 2017-02-15 福特全球技术公司 用于基于检测到的门状态的车辆控制的系统和方法
CN206000340U (zh) * 2016-04-26 2017-03-08 富莱茵汽车部件有限公司 一种车门互锁装置
CN106545264A (zh) * 2016-11-10 2017-03-29 交控科技股份有限公司 一种基于列车所处场景的列车车门控制方法

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7979172B2 (en) * 1997-10-22 2011-07-12 Intelligent Technologies International, Inc. Autonomous vehicle travel control systems and methods
US20100131300A1 (en) * 2008-11-26 2010-05-27 Fred Collopy Visible insurance
US8509982B2 (en) * 2010-10-05 2013-08-13 Google Inc. Zone driving
WO2016070193A1 (en) * 2014-10-31 2016-05-06 Nodal Inc. Systems, apparatus, and methods for improving safety related to movable/moving objects
US20160288788A1 (en) * 2015-03-31 2016-10-06 Toyota Motor Engineering & Manufacturing North America, Inc. Gap-based speed control for automated driving system
US9836056B2 (en) * 2015-06-05 2017-12-05 Bao Tran Smart vehicle
US9711050B2 (en) * 2015-06-05 2017-07-18 Bao Tran Smart vehicle
US9682707B1 (en) * 2015-08-27 2017-06-20 Waymo Llc Detecting and responding to parking behaviors in autonomous vehicles
US9804599B2 (en) * 2015-11-04 2017-10-31 Zoox, Inc. Active lighting control for communicating a state of an autonomous vehicle to entities in a surrounding environment
US9791857B2 (en) * 2016-03-10 2017-10-17 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for monitoring and alerting vehicle occupant to operating efficiencies of autonomous driving assistance systems
US10656640B2 (en) * 2016-07-07 2020-05-19 Applied Minds, Llc Systems and methods for centralized control of autonomous vehicles
US10762358B2 (en) * 2016-07-20 2020-09-01 Ford Global Technologies, Llc Rear camera lane detection
US10203696B2 (en) * 2016-07-26 2019-02-12 Waymo Llc Determining drivability of objects for autonomous vehicles
JP7139331B2 (ja) * 2016-08-19 2022-09-20 マサチューセッツ インスティテュート オブ テクノロジー 資源配分管理を改善するために注意力バッファを使用するシステムおよび方法
US10712746B2 (en) * 2016-08-29 2020-07-14 Baidu Usa Llc Method and system to construct surrounding environment for autonomous vehicles to make driving decisions
US10019008B2 (en) * 2016-09-28 2018-07-10 Baidu Usa Llc Sideslip compensated control method for autonomous vehicles
US10049328B2 (en) * 2016-10-13 2018-08-14 Baidu Usa Llc Group driving style learning framework for autonomous vehicles
US10053091B2 (en) * 2016-10-25 2018-08-21 Baidu Usa Llc Spring system-based change lane approach for autonomous vehicles
US10421460B2 (en) * 2016-11-09 2019-09-24 Baidu Usa Llc Evaluation framework for decision making of autonomous driving vehicle
KR102003940B1 (ko) * 2016-11-11 2019-10-01 엘지전자 주식회사 자율 주행 차량 및 그 제어방법
US10802484B2 (en) * 2016-11-14 2020-10-13 Baidu Usa Llc Planning feedback based decision improvement system for autonomous driving vehicle
US10139818B2 (en) * 2016-11-16 2018-11-27 Baidu Usa Llc Visual communication system for autonomous driving vehicles (ADV)
US10114374B2 (en) * 2016-11-16 2018-10-30 Baidu Usa Llc Emergency handling system for an autonomous driving vehicle (ADV)
WO2018090289A1 (en) * 2016-11-17 2018-05-24 Baidu.Com Times Technology (Beijing) Co., Ltd. Method and system for autonomous vehicle speed following
US9874871B1 (en) * 2016-11-21 2018-01-23 Baidu Usa Llc Method to dynamically adjusting steering rates of autonomous vehicles
US10054945B2 (en) * 2016-11-23 2018-08-21 Baidu Usa Llc Method for determining command delays of autonomous vehicles
US10579065B2 (en) * 2016-11-23 2020-03-03 Baidu Usa Llc Algorithm and infrastructure for robust and efficient vehicle localization
EP3350661B1 (en) * 2016-11-24 2021-05-05 Baidu.com Times Technology (Beijing) Co., Ltd. Method and system for steering control of an autonomous vehicle
US10442435B2 (en) * 2016-12-14 2019-10-15 Baidu Usa Llc Speed control parameter estimation method for autonomous driving vehicles
US10272924B2 (en) * 2016-12-19 2019-04-30 Baidu Usa Llc Determining control characteristics for an autonomous driving vehicle
US20180170392A1 (en) * 2016-12-20 2018-06-21 Baidu Usa Llc Method and System to Recognize Individual Driving Preference for Autonomous Vehicles
JP6645418B2 (ja) * 2016-12-27 2020-02-14 トヨタ自動車株式会社 自動運転装置
US11584372B2 (en) * 2016-12-28 2023-02-21 Baidu Usa Llc Method to dynamically adjusting speed control rates of autonomous vehicles
US10353393B2 (en) * 2016-12-29 2019-07-16 Baidu Usa Llc Method and system for improving stability of autonomous driving vehicles
DE102017200151B4 (de) * 2017-01-09 2019-08-22 Ford Motor Company Betriebsverfahren für ein Kraftfahrzeug zur Beförderung einer Person, Kraftfahrzeug
US10464530B2 (en) * 2017-01-17 2019-11-05 Nio Usa, Inc. Voice biometric pre-purchase enrollment for autonomous vehicles
US10272778B2 (en) * 2017-01-18 2019-04-30 Baidu Usa Llc Method and system for determining unit gain of speed control for autonomous driving vehicles
US10940795B2 (en) * 2017-01-18 2021-03-09 Baidu Usa Llc Method for keeping distance between an autonomous driving vehicle and a following vehicle using a braking light
US20180211123A1 (en) * 2017-01-25 2018-07-26 Toyota Research Institute, Inc. Occupant detection system in a vehicle
US10436595B2 (en) * 2017-02-02 2019-10-08 Baidu Usa Llc Method and system for updating localization maps of autonomous driving vehicles
US10380890B2 (en) * 2017-02-08 2019-08-13 Baidu Usa Llc Autonomous vehicle localization based on walsh kernel projection technique
US10976413B2 (en) * 2017-02-14 2021-04-13 Baidu Usa Llc LIDAR system with synchronized MEMS mirrors
US11192523B2 (en) * 2017-02-22 2021-12-07 Ford Global Technologies, Llc Automatic power door opening on sustained presence
WO2018157386A1 (en) * 2017-03-03 2018-09-07 Baidu.Com Times Technology (Beijing) Co., Ltd. Longitude cascaded controller preset for controlling autonomous driving vehicle reentering autonomous driving mode
US11308391B2 (en) * 2017-03-06 2022-04-19 Baidu Usa Llc Offline combination of convolutional/deconvolutional and batch-norm layers of convolutional neural network models for autonomous driving vehicles
US10095234B2 (en) * 2017-03-07 2018-10-09 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10281920B2 (en) * 2017-03-07 2019-05-07 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10234864B2 (en) * 2017-03-07 2019-03-19 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10183641B2 (en) * 2017-03-23 2019-01-22 Baidu Usa Llc Collision prediction and forward airbag deployment system for autonomous driving vehicles

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103850545A (zh) * 2012-11-28 2014-06-11 周凤翔 阶段式安全开启车门的方法
CN104442660A (zh) * 2014-11-10 2015-03-25 无锡悟莘科技有限公司 一种车辆停车门控方法
CN204506708U (zh) * 2015-02-13 2015-07-29 长安大学 保证在城市道路上停止的机动车车门安全打开的警报装置
CN106394243A (zh) * 2015-07-29 2017-02-15 福特全球技术公司 用于基于检测到的门状态的车辆控制的系统和方法
CN105835765A (zh) * 2016-01-26 2016-08-10 乐卡汽车智能科技（北京）有限公司 车辆防撞系统、方法及车辆
CN105620391A (zh) * 2016-03-16 2016-06-01 宁波市江东精诚自动化设备有限公司 一种车辆智能助理系统
CN206000340U (zh) * 2016-04-26 2017-03-08 富莱茵汽车部件有限公司 一种车门互锁装置
CN106545264A (zh) * 2016-11-10 2017-03-29 交控科技股份有限公司 一种基于列车所处场景的列车车门控制方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544375A (zh) * 2019-06-10 2019-12-06 河南北斗卫星导航平台有限公司 一种车辆监管方法、装置及计算机可读存储介质
CN111021849A (zh) * 2019-12-10 2020-04-17 上海擎感智能科技有限公司 车门自动解锁系统以及方法
CN116291067A (zh) * 2023-04-20 2023-06-23 重庆赛力斯新能源汽车设计院有限公司 一种车门锁智能启闭的控制方法及装置
CN116291067B (zh) * 2023-04-20 2024-05-28 重庆赛力斯新能源汽车设计院有限公司 一种车门锁智能启闭的控制方法及装置

Also Published As

Publication number Publication date
CN109085818B (zh) 2022-01-21
US20180363337A1 (en) 2018-12-20
US10438074B2 (en) 2019-10-08

Similar Documents

Publication Publication Date Title
CN109489673A (zh) 用于自动驾驶车辆的数据驱动地图更新系统
US10816984B2 (en) Automatic data labelling for autonomous driving vehicles
JP6644742B2 (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
JP6684345B2 (ja) 自律走行車の走行を決定するための周辺環境を構築する方法及びシステム
CN109426256A (zh) 自动驾驶车辆的基于驾驶员意图的车道辅助系统
CN108732589A (zh) 利用3d lidar和定位自动采集用于对象识别的训练数据
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
CN110345955A (zh) 用于自动驾驶的感知与规划协作框架
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
CN109491375A (zh) 用于自动驾驶车辆的基于驾驶场景的路径规划
CN108137015A (zh) 用于自动驾驶车辆的侧滑补偿控制方法
CN110349404A (zh) 操作自动驾驶车辆和警示服务的方法、系统和机器可读介质
CN108475057A (zh) 基于车辆周围的情境预测车辆的一个或多个轨迹的方法和系统
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
CN108604095A (zh) 动态调整自动驾驶车辆的转向率的方法
CN110462543A (zh) 用于评估自动驾驶车辆的感知要求的基于仿真的方法
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
CN110389585A (zh) 用于自动驾驶车辆的基于学习的速度规划器
CN110347145A (zh) 用于自动驾驶车辆的感知辅助
CN108255171A (zh) 用于提高自主驾驶车辆的稳定性的方法和系统
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
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
CN108733046A (zh) 用于自动驾驶车辆的轨迹重新规划的系统和方法
CN108089571A (zh) 用于预测无人驾驶车辆的车辆交通行为以做出驾驶决策的方法和系统

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