CN109817008B - 自主车辆中用于交通繁忙情况中的无保护左转弯的系统和方法 - Google Patents
自主车辆中用于交通繁忙情况中的无保护左转弯的系统和方法 Download PDFInfo
- Publication number
- CN109817008B CN109817008B CN201811328507.4A CN201811328507A CN109817008B CN 109817008 B CN109817008 B CN 109817008B CN 201811328507 A CN201811328507 A CN 201811328507A CN 109817008 B CN109817008 B CN 109817008B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- zone
- signal
- traffic
- left turn
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 claims description 28
- 230000004807 localization Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method 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
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching an intersection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
- B60W60/00253—Taxi operations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0016—State machine analysis
-
- 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
- B60W2554/00—Input parameters relating 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
Abstract
一种在自主车辆中的方法包括当车辆处于停止区、车辆摆脱了接近车辆并且相关交通信号显示行驶信号时确定执行左转弯操纵。该方法进一步包括当车辆已进入两难区、车辆摆脱了接近车辆并且相关交通信号显示行驶信号、警告信号或者已经显示停止信号少于预定时间量时确定执行左转弯操纵。该方法进一步包括当车辆已进入交叉交通区、车辆摆脱了接近车辆并且相关交通信号显示行驶信号、警告信号或停止信号时确定执行左转弯操纵。
Description
技术领域
本公开总体上涉及自主车辆,并且更具体地涉及用于确定自主车辆何时开始无保护左转弯操纵的系统和方法。
背景技术
自主车辆是能够感测其环境并且以很少或不用用户输入进行导航的车辆。它通过使用诸如雷达、激光雷达、图像传感器等感测装置来这样做。自主车辆系统进一步使用来自全天候定位系统(GPS)技术、导航系统、车对车通信、车辆对基础设施技术和/或线控驱动系统的信息来对车辆进行导航。
虽然近年来自主车辆取得了显著的进展,但是这样的车辆仍然在许多方面有待改进。例如,自主车辆中的控制算法无法被优化来确定自主车辆何时开始无保护左转弯操纵。
因此,期望提供用于改进在尝试无保护左转弯操纵时自主车辆中的判定过程的系统和方法。另外,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描述和所附权利要求中将更清楚地明白本发明的其它期望特征和特性。
发明内容
在一个实施例中,一种在自主车辆中用于执行无保护左转弯操纵的处理器实施方法包括由处理器将车辆的当前区确定为第一区、第二区或第三区。该方法进一步包括当车辆处于第一区、摆脱了接近车辆并且相关交通信号显示行驶信号时由处理器确定时执行左转弯操纵。该方法进一步包括当车辆处于第二区、摆脱了接近车辆并且相关交通信号显示行驶信号、警告信号或者已经显示停止信号少于预定时间量时,由处理器确定执行左转弯操纵。该方法进一步包括当车辆处于第三区或者车辆的速度会将车辆推进到第三区中、摆脱了接近车辆并且相关交通信号显示行驶信号、警告信号或停止信号时,由处理器确定执行左转弯操纵。该方法进一步包括由处理器向车辆控件传送消息,该消息传达在已经确定车辆可以执行左转弯操纵之后可以解除停止点。
在一个实施例中,第一区包括停止区,其中停止区结束于车道的停止线,第二区包括两难区,其中两难区开始于车道的停止线处并结束于车道与交叉交通相交的位置,并且第三区包括交叉交通区,其中交叉交通区开始于车道与交叉交通相交的位置。
在一个实施例中,该方法进一步包括:由处理器确定车辆已接近车辆将尝试无保护左转弯操纵的交叉路口;由处理器监视车辆位置数据以确定车辆是位于第一区、第二区还是第三区中;由处理器监视一个或多个相对车道中的一台或多台接近车辆以确定车辆是否摆脱了将在车辆的期望转弯路径内穿过的接近车辆;以及由处理器监视交通控制装置以确定车辆所处车道的相关交通信号是显示行驶信号、警告信号还是停止信号。
在一个实施例中,监视车辆位置数据包括检索车辆定位数据,其识别车辆在全天候内部车辆地图上的位置。
在一个实施例中,车辆定位数据是从GPS传感器数据导出的。
在一个实施例中,监视一台或多台接近车辆包括从相机图像、雷达或激光雷达数据识别一个或多个驶来对象。
在一个实施例中,确定车辆摆脱了接近车辆包括预测一个或多个驶来对象的移动以及预测一个或多个预测对象是正足够慢地行驶还是会停止以允许车辆完成左转弯操纵。
在一个实施例中,监视交通控制装置包括检索相机图像数据,其识别相关交通信号是显示绿灯信号、黄灯信号还是红灯信号。
在一个实施例中提供了一种用于控制包括交叉路口状态机的自主车辆的系统,该交叉路口状态机包括通过编程在非暂时计算机可读介质中编码的指令而配置的一个或多个处理器。对于接近车辆将尝试从车道进行无保护左转弯操纵的交叉路口的自主车辆,交叉路口状态机配置为将车辆的当前区确定为第一区、第二区或第三区,当车辆处于第一区、摆脱了来自所有相对车道的接近车辆并且相关交通信号显示行驶信号时确定执行左转弯操纵,并且当车辆处于第二区、摆脱了来自所有相对车道的接近车辆并且相关交通信号显示行驶信号、警告信号或者已经显示停止信号少于预定时间量时确定执行左转弯操纵。交叉路口状态机进一步配置为当车辆处于第三区或者车辆的速度会将车辆推进到第三区中、摆脱了接近车辆并且相关交通信号显示行驶信号、警告信号或停止信号时确定执行左转弯操纵。
在一个实施例中,第一区包括停止区,其中停止区结束于车道的停止线,第二区包括两难区,其中两难区开始于车道的停止线处并结束于车道与交叉交通相交的位置,并且第三区包括交叉交通区,其中交叉交通区开始于车道与交叉交通相交的位置。
在一个实施例中,该系统进一步包括全天候观察器模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中全天候观察器模块配置为确定车辆已接近车辆将尝试无保护左转弯操纵的交叉路口并且调用交叉路口状态机以确定车辆何时可以执行左转弯操纵。
在一个实施例中,该系统进一步包括车辆定位模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中该车辆定位模块配置为监视车辆位置数据以确定车辆是位于停止区、两难区还是交叉交通区中,并且向交叉路口状态机提供车辆所处位置的区类型的标识。
在一个实施例中,车辆定位模块配置为通过检索从GPS传感器数据中导出的车辆定位数据来监视车辆位置数据,该车辆定位数据识别车辆在全天候内部车辆地图上的位置。
在一个实施例中,该系统进一步包括预测对象模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中该预测对象模块配置为监视一个或多个相对车道中的一台或多台接近车辆以确定车辆是否摆脱了将在车辆的期望转弯路径内穿过的接近车辆,并且向交叉路口状态机提供关于车辆是否摆脱了将在车辆的期望转弯路径内穿过的接近车辆的指示。
在一个实施例中,预测对象模块配置为使用相机图像、雷达或激光雷达数据来监视一台或多台接近车辆。
在一个实施例中,预测对象模块配置为通过预测一个或多个驶来对象的移动并预测一个或多个预测对象是正足够慢地行驶还是会停止以允许车辆完成左转弯操纵来确定车辆摆脱了接近车辆。
在一个实施例中,该系统进一步包括交通信号灯监视模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中该交通信号灯监视模块配置为监视交通控制装置以确定车辆所处车道的相关交通信号是显示绿灯信号、黄灯信号还是红灯信号,并向交叉路口状态机提供由交通信号显示的颜色的标识。
在一个实施例中,该系统进一步包括控制模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中该控制模块配置为从交叉路口状态机接收传达可以解除停止点的消息并在接收到该消息后控制车辆执行左转弯操纵。
在一个实施例中,预定时间量是2.5秒。
根据一个实施例的自主车辆包括:多个感测装置,其配置为确定自主车辆沿着路线的位置,识别相关交通信号是显示行驶信号、警告信号还是停止信号,并且使用相机图像、雷达或激光雷达数据来识别一台或多台驶来车辆。自主车辆进一步包括交叉路口状态机,其配置为当自主车辆处于车道中的停止区中时在自主车摆脱了来自所有相对车道的接近车辆并且相关交通信号显示行驶信号时确定执行左转弯操纵,其中停止区结束于停止线处。交叉路口状态机进一步配置为当自主车辆已进入两难区时在自主车辆摆脱了来自所有相对车道的接近车辆并且相关交通信号显示行驶信号、警告信号或者已经显示停止信号少于预定时间量时确定执行左转弯操纵,其中两难区开始于停止线处并结束于车道与交叉交通相交的最近位置。交叉路口状态机进一步配置为当自主车辆已经进入交叉交通区或者自主车辆的速度会将自主车辆推进到交叉交通区中时在自主车辆摆脱了接近车辆并且相关交通信号显示行驶信号、警告信号或停止信号时确定执行左转弯操纵,其中交叉交通区开始于车道与交叉交通相交的位置。
附图说明
下文将结合以下附图描述示例性实施例,其中相同标号表示相同元件,且其中:
图1是说明根据各种实施例的包括左转弯管理系统的自主车辆的功能框图;
图2是说明根据各种实施例的具有如图1中所示的一台或多台自主车辆的运输系统的功能框图;
图3是说明根据各种实施例的与自主车辆相关联的自主驾驶系统(ADS)的功能框图;
图4A、4B和4C呈现了根据各种实施例的用于理解本主题的示例性场景的俯视图;
图5是描绘根据各种实施例的在自主车辆中用于确定自主车辆应当何时尝试无保护左转弯操纵的示例性系统的框图;
图6是描绘根据各种实施例的示例性交叉路口状态机的示例性状态和操作的状态图;
图7是描绘根据各种实施例的在自主车辆中用于确定自主车辆应当何时尝试无保护左转弯操纵的示例性过程的过程流程图;并且
图8是描绘根据各种实施例的在自主车辆中用于确定自主车辆应当何时尝试无保护左转弯操纵的另一个示例性过程的过程流程图。
具体实施方式
具体实施方式本质上仅仅是示例性的,而不旨在限制应用和用途。另外,不存在被任何前述的技术领域、背景技术、发明内容或具体实施方式中提出的任何明确的或暗示的理论约束的意图。如本文所使用,术语“模块”是指单独地或呈任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置,包括但不限于:专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、处理器(共享、专用或成组)以及执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能性的其它合适部件。
本公开的实施例在本文可以依据功能和/或逻辑块部件和各个处理步骤来描述。应当明白的是,这些块部件可以由配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实现。例如,本公开的实施例可以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、查找表等,其可以在一个或多个微处理器或其它控制装置的控制下执行多种功能)。另外,本领域技术人员将明白的是,本公开的实施例可以结合任何数量的系统来实践,并且本文所述的系统仅仅是本公开的示例性实施例。
为了简明起见,本文可以不详细描述与信号处理、数字传输、信令、控制、机器学习模型、雷达、激光雷达、图像分析以及该系统(和该系统的单独操作部件)的其它功能方面有关的常规技术。另外,本文所包括的各个图式中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意的是,在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。
参考图1,总体上示为100的左转弯管理系统与根据各种实施例的车辆10相关联。通常,左转弯管理系统(或简称为“系统”)100确定车辆何时可以执行无保护左转弯操纵使得车辆控件可以控制车辆执行左转弯操纵。
如图1中所描绘,车辆10通常包括底盘12、车身14、前轮16以及后轮18。车身14被布置在底盘12上并大致上包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16到18各自在车身14的相应拐角附近旋转地联接到底盘12。
在各种实施例中,车辆10是自主车辆,而左转弯管理系统100结合在自主车辆10(下文称为自主车辆10)中。自主车辆10例如是被自动控制以将乘客从一个位置运送到另一个位置的车辆。在所说明的实施例中,车辆10被描绘为乘用车,但是应当明白的是,也可以使用包括摩托车、卡车、运动型多用途车辆(SUV)、休闲车辆(RV)、船舶、飞行器等任何其它车辆。
在示例性实施例中,自主车辆10对应于汽车工程师协会(SAE)“J3016”标准分类的自动驾驶等级下的四级或五级自动化系统。使用该术语,四级系统指示“高度自动化”,其指代自动驾驶系统执行动态驾驶任务的所有方面的驾驶模式,即使人类驾驶员对干预请求没有做出适当响应。另一方面,五级系统指示“全自动化”,其指代自动驾驶系统在可由人类驾驶员管理的所有道路和环境状况下在动态驾驶任务的所有方面的全面性能的驾驶模式。然而,应当明白的是,根据本主题的实施例不限于自动化类别的任何特定的分类学或标题。另外,根据本实施例的系统可以与其中可以实施本主题的任何车辆结合使用,而不管该车辆的自主权级别为何。
如所示,自主车辆10通常包括推进系统20、变速器系统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。推进系统20在各种实施例中可以包括内燃机、诸如牵引电动机等电机和/或燃料电池推进系统。变速器系统22配置为根据可选速比将来自推进系统20的动力传输到车轮16和18。根据各种实施例,变速器系统22可以包括分级传动比自动变速器、无级变速器或其它适当的变速器。
制动系统26配置为向车轮16和18提供制动转矩。在各种实施例中,制动系统26可以包括摩擦制动器、线控制动器、诸如电机等再生制动系统,和/或其它适当的制动系统。
转向系统24影响车轮16和/或18的位置。虽然为了说明目的而被描绘为包括方向盘25,但是在本公开的范围内预期的一些实施例中,转向系统24可以不包括方向盘。
传感器系统28包括感测自主车辆10的外部环境和/或内部环境的可观察状况(诸如一个或多个乘员的状态)并产生与该状况有关的传感器数据的一个或多个感测装置40a到40n。感测装置40a到40n可以包括但不限于雷达(例如,远程、中程-短程)、激光雷达、全球定位系统、光学相机(例如,前视、360度、后视、侧视、立体等)、热(例如,红外)相机、超声波传感器、测距传感器(例如,编码器)和/或可以结合根据本主题的系统和方法利用的其它传感器。
致动器系统30包括一个或多个致动器装置42a到42n,其控制一个或多个车辆特征,诸如但不限于推进系统20、变速器系统22、转向系统24以及制动系统26。在各种实施例中,自主车辆10还可以包括图1中未说明的内部和/或外部车辆特征,诸如各种车门、行李箱以及诸如无线电、音乐、照明、触摸屏显示部件(诸如与导航系统连接中所使用的部件)等驾驶室特征。
数据存储装置32存储用于自动控制自主车辆10的数据。在各种实施例中,数据存储装置32存储限定的可导航环境地图。在各种实施例中,限定地图可以由远程系统预定义(关于2进一步详细描述)并且从远程系统获取。例如,限定地图可以由远程系统组装并且(以无线方式和/或以有线方式)传送到自主车辆10并存储在数据存储装置32中。路线信息也可以被存储在数据存储装置32内-即,一组路段(在地理上与一个或多个限定地图相关联),其一起限定了用户可以从起始位置(例如,用户的当前位置)行驶到目标位置所采取的路线。如将明白的是,数据存储装置32可以为控制器34的一部分,与控制器34分开,或作为控制器34的一部分以及单独系统的一部分。
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介质46。处理器44可以为任何定制的或商业上可用的处理器、中央处理单元(CPU)、图形处理单元(GPU)、专用集成电路(ASIC)(例如,实施神经网络的定制ASIC)、现场可编程门阵列(FPGA)、与控制器34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片集的形式)、它们的任何组合或通常用于执行指令的任何装置。计算机可读存储装置或介质46可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储装置。KAM是一种持久或非易失性存储器,其可以在处理器44断电时用于存储各种操作变量。计算机可读存储装置或介质46可以使用诸如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪速存储器或能够存储数据的任何其它电动、磁性、光学或组合存储器装置的许多已知存储器中的任何一种来实施,其中的一些数据表示由控制器34用于控制自主车辆10的可执行指令。在各种实施例中,控制器34配置为实施如下面详细讨论的左转弯管理系统。
指令可以包括一个或多个单独的程序,每个程序包括用于实施逻辑功能的可执行指令的有序列表。指令在由处理器44执行时接收并处理来自传感器系统28的信号(例如,传感器数据),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,并且产生控制信号,其被传输到致动器系统30以基于逻辑、计算、方法和/或算法来自动地控制自主车辆10的部件。虽然图1中仅示出了一个控制器34,但是自主车辆10的实施例可以包括通过任何合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号、执行逻辑、计算、方法和/或算法并且产生控制信号以自动控制自主车辆10的特征的任意数量的控制器34。
通信系统36配置为向和从其它实体48(诸如但不限于其它车辆(“V2V”通信)、基础设施(“V2I”通信)、网络(“V2N”通信)、行人(“V2P”通信)、远程运输系统和/或用户装置(关于图2更详细地描述)无线地传送信息。在示例性实施例中,通信系统36是配置为经由使用IEEE802.11标准的无线局域网(WLAN)或通过使用蜂窝数据通信来进行通信的无线通信系统。然而,诸如专用短程通信(DSRC)信道等附加或替代通信方法也被认为在本公开的范围内。DSRC信道是指专门为汽车使用以及对应的一组协议和标准而设计的单向或双向短程到中程无线通信信道。
现在参考图2,在各种实施例中,关于图1描述的自主车辆10可以适用于在某个地理区域(例如,城市、学校或商业园区、购物中心、游乐园、活动中心等)的出租车或班车系统的背景下或可以只需由远程系统管理。例如,自主车辆10可以与基于自主车辆的远程运输系统相关联。图2说明了总体上以50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运输系统(或简称为“远程运输系统”)52,其与关于图1所描述的一台或多台自主车辆10a到10n相关联。在各种实施例中,操作环境50(其全部或部分可以对应于图1中所示的实体48)进一步包括经由通信网络56与自主车辆10和/或远程运输系统52进行通信的一个或多个用户装置54。
通信网络56根据需要支持在由操作环境50支持的装置、系统和部件之间(例如,经由有形的通信链路和/或无线通信链路)的通信。例如,通信网络56可以包括无线载波系统60,诸如蜂窝电话系统,其包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)(未示出)以及将无线载波系统60与陆地通信系统连接所需要的任何其它联网部件。每个蜂窝塔都包括发送和接收天线以及基站,其中来自不同蜂窝塔的基站直接或经由诸如基站控制器等中间设备连接到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)诸如CDMA(例如,CDMA2000)、LTE(例如,4G LTE或5G LTE)、GSM/GPRS或其它当前或正涌现的无线技术等数字技术。其它蜂窝塔/基站/MSC布置是可能的并且可以结合无线载波系统60使用。例如,基站和蜂窝塔可以共同位于相同站点处或它们可以远离彼此,每个基站可以负责单个蜂窝塔或单个基站可以服务于各个蜂窝塔,且各个基站可以联接到单个MSC,这里仅列举几种可能布置。
除包括无线载波系统60外,可以包括呈卫星通信系统64的形式的第二无线载波系统来提供与自主车辆10a到10n进行的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路传输站(未示出)来进行。单向通信可以包括(例如)卫星无线电服务,其中节目内容(新闻、音乐等)是由传输站接收、封装上传并且然后发送到卫星,从而向用户广播该节目。双向通信可以包括(例如)使用卫星以在车辆10与站之间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,可以利用卫星电话。
可以进一步包括陆地通信系统62,其为连接到一个或多个陆线电话的常规陆基电信网络并且将无线载波系统60连接到远程运输系统52。例如,陆地通信系统62可以包括诸如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的公共交换电话网(PSTN)。一段或多段陆地通信系统62可以通过使用标准有线网络、光纤或其它光学网络、电缆网络、电力线、其它无线网络(诸如无线局域网(WLAN))或提供宽带无线接入(BWA)的网络或其任何组合来实施。另外,远程运输系统52不需要经由陆地通信系统62连接,反而可以包括无线电话设备使得其可以直接与无线网络(诸如无线载波系统60)通信。
虽然在图2中仅示出了一个用户装置54,但是操作环境50的实施例可以支持任意数量的用户装置54,包括由一个人拥有、操作或以其它方式使用的多个用户装置54。由操作环境50支持的每个用户装置54可以使用任何合适的硬件平台来实施。就此而言,用户装置54可以任何常见外形规格来实现,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;家庭娱乐设备的部件;数码相机或视频摄影机;可穿戴计算装置(例如,智能手表、智能眼镜、智能服装);等。由操作环境50支持的每个用户装置54被实现为具有执行本文描述的各种技术和方法所需的硬件、软件、固件和/或处理逻辑的计算机实施的或基于计算机的装置。例如,用户装置54包括可编程装置形式的微处理器,该微处理器包括存储在内部存储器结构中并且被应用来接收二进制输入以创建二进制输出的一个或多个指令。在一些实施例中,用户装置54包括能够接收GPS卫星信号并且基于那些信号产生GPS坐标的GPS模块。在其它实施例中,用户装置54包括蜂窝通信功能性使得该装置通过通信网络56使用一个或多个蜂窝通信协议(如本文所讨论)执行语音和/或数据通信。在各种实施例中,用户装置54包括可视显示器,诸如触摸屏图形显示器或其它显示器。
远程运输系统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为基于云的、基于网络的或常驻在由远程运输系统52服务的特定校园或地理位置。远程运输系统52可以由现场顾问、自动顾问、人工智能系统或它们的组合来人工操作。远程运输系统52可以与用户装置54和自主车辆10a到10n进行通信以安排乘车、派遣自主车辆10a到10n等。在各种实施例中,远程运输系统52存储诸如用户认证信息、车辆标识符、简档记录、生物测量数据、行为模式以及其它相关用户信息等账户信息。
根据典型的用例工作流程,远程运输系统52的注册用户可以经由用户装置54创建乘车请求。乘车请求通常将指示乘客希望的乘车位置(或当前GPS位置)、期望目的地位置(其可以表示预定义的车辆停靠点和/或用户指定的乘客目的地)以及乘车时间。远程运输系统52接收乘车请求、处理该请求,并且在指定的乘车地点且在适当的时间派遣自主车辆10a到10n中的选定车辆来让乘客乘车(当一台车辆可用时和如果一台车辆可用)。运输系统52还可以向用户装置54产生并发送适当配置的确认消息或通知,以使乘客知道车辆正在途中。
如可以明白的是,本文公开的主题提供了可以被认为是标准或基线的自主车辆10和/或基于自主车辆的远程运输系统52的某些增强的特征和功能。为此,自主车辆和基于自主车辆的远程运输系统可以被修改、增强或以其它方式补充以提供下面更详细描述的附加特征。
根据各种实施例,控制器34实施如图3中所示的自主驾驶系统(ADS)70。即,利用控制器34的合适软件和/或硬件部件(例如,处理器44和计算机可读存储装置46)来提供与车辆10结合使用的自主驾驶系统70。
在各种实施例中,自主驾驶系统70的指令可以由功能或系统组织。例如,如图3中所示,自主驾驶系统70可以包括感知系统74、定位系统76、路径规划系统78以及车辆控制系统80。如可以明白的是,在各种实施例中,由于本公开不限于本示例,所以可以将指令组织(例如,组合、进一步划分等)为任何数量的系统。
在各种实施例中,感知系统74合成并处理所获取的传感器数据并且预测对象的存在、位置、分类和/或路径以及车辆10的环境的特征。在各种实施例中,感知系统74可以包含来自多个传感器(例如,传感器系统28)(包括但不限于相机、激光雷达、雷达和/或任何数量的其它类型的传感器)的信息。
定位系统76处理传感器数据以及其它数据以确定车辆10相对于环境的位置(例如,相对于地图的本地位置、相对于道路车道的确切位置、车辆航向等)。如可以明白的是,可以采用各种技术来实现这种定位,包括例如同时定位和映射(SLAM)、粒子滤波器、卡尔曼滤波器、贝叶斯滤波器等。
路径规划系统78处理传感器数据以及其它数据以确定车辆10遵循的路径。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辅助控制器34的功能,诸如特征检测/分类、障碍减少、路线穿越、映射、传感器集成、地面实况确定等。
在各种实施例中,左转弯管理系统100的全部或部分可以包括在感知系统74、定位系统76、路径规划系统78和/或车辆控制系统80内。如上面简要提到的,图1的左转弯管理系统100配置为确定自主车辆10应当何时开始无保护左转弯操纵。
图4A、4B和4C呈现了用于理解本主题的示例性场景的俯视图。更具体地,图4A说明了示例性自主车辆402在无保护左转弯操纵405进入第二车道406之前在第一车道404中。在该示例中,无保护左转弯是在没有停止可能穿过车辆的转弯路径(例如,在无保护左转弯操纵期间的车辆行驶路径)的所有交通的信号的情况下针对相对交通进行的左转弯。在该示例中,示例性自主车辆402停止在位于人行横道412前面的车道404中的停止线410后面的停止区408中。示例性自主车辆402在停止区408中等待相对车道416中的驶来车辆414在尝试无保护左转弯操纵405之前通过。
图4B也说明了示例性自主车辆402在无保护左转弯操纵405进入第二车道406之前在第一车道404中。在该示例中,示例性自主车辆402停止在两难区418中,该两难区开始于车道404中的停止线410处并结束于车道404与交叉交通(例如,在径直穿过车辆的车道404的车道420流动的交通)相交的最近位置处。两难区418是车辆402在没有被另一台合法驾驶的车辆撞击的危险的情况下可以停止的最后区域。示例性自主车辆402在两难区418中(例如,超出人行横道412)等待相对车道416中的驶来车辆414在尝试无保护左转弯操纵405之前通过。
图4C也说明了示例性自主车辆402在无保护左转弯操纵405进入第二车道406之前在第一车道404中。在该示例中,示例性自主车辆402停止在交叉交通区422中,该交叉交通区开始于车道404与交叉交通(例如,在径直穿过车辆的车道404的车道420流动的交通)相交的位置。交叉交通区422是车辆402在停止的情况下可能被车道420中的另一台车辆、从交叉车道406转弯进入相对车道416的车辆、或从相对车道416转弯进入交叉车道420的车辆撞击。示例性自主车辆402在交叉交通区422中等待相对车道416中的驶来车辆414在尝试无保护左转弯操纵405之前通过。
图5是描绘在自主车辆中用于确定自主车辆应当何时尝试无保护左转弯操纵的示例性系统500的框图。示例性系统500包括交叉路口状态机502、全天候观察器模块504、车辆控制模块506、车辆定位模块508、车辆预测对象模块510以及交通信号灯监视模块512。
示例交叉路口状态机502配置为当示例性自主车辆接近该车辆将尝试无保护左转弯操纵的交叉路口时在车辆中被调用。示例性交叉路口状态机502进一步配置为确定车辆何时可以执行无保护左转弯操纵。示例性交叉路口状态机502还配置为将消息传送到车辆控制模块506,该消息传达在示例性交叉路口状态机502已经确定车辆可以执行左转弯操纵之后可以解除停止点。
图6是描绘示例性交叉路口状态机的示例性状态和操作的状态图600。参考图5和6,当调用示例性交叉路口状态机502时(在602处),通过车辆相对于车辆将执行无保护左转弯操纵的交叉路口的位置来确定示例性交叉路口状态机502操作的状态。车辆可以处于三个区之一:停止区、两难区或交叉交通区,并且示例性状态机502在车辆执行转弯并且示例性状态机502进入期间执行无保护左转弯操纵的状态610之前相应地处于三种状态之一:停止区状态604、两难区状态606或交叉交通区状态608。在执行左转弯操纵之后,示例性状态机502结束操作(在612处)。示例性状态机502不直接控制车辆的移动,而是通过将解除转弯停止消息(例如,解除停止点的消息)传送到车辆控件(例如,控制模块)来发信号通知车辆何时可以开始左转弯操纵。506)。
当车辆处于停止区(并且示例性交叉路口状态机处于状态604)时,交叉路口状态机配置为当车辆摆脱了来自所有相对车道的接近车辆并且相关交通信号显示指示车辆车道中的交通可以继续的绿灯信号时确定车辆可以执行左转弯操纵。示例性交叉路口状态机502进一步配置为在这些条件下将解除转弯停止消息传送到车辆控件(操作614)。
当车辆已进入两难区(并且示例性交叉路口状态机处于状态606)时,交叉路口状态机配置为当车辆摆脱了来自所有相对车道的接近车辆并且相关交通信号显示绿灯信号、黄灯信号或者显示红灯信号少于预定时间量时确定车辆可以执行左转弯操纵。该示例中的预定时间量是2.5秒。示例性交叉路口状态机502进一步配置为在这些条件下将解除转弯停止消息传送到车辆控件(操作616)。
当车辆已进入交叉交通区或者车辆的速度会将车辆推进到交叉交通区中(并且示例性交叉路口状态机处于状态608)时,交叉路口状态机配置为确定车辆何时可以执行左转弯操纵。当相关交通信号显示绿灯信号、黄灯信号或红灯信号时,示例性交叉路口状态机可以在车辆摆脱了接近车辆时判定可以解除停止点,并且示例性交叉路口状态机502配置为在这些条件下将解除转弯停止消息传送到车辆控件(操作618)。
示例性全天候观察器模块504配置为始终监视车辆的位置,确定车辆已接近车辆将尝试无保护左转弯操纵的交叉点,并且调用交叉路口状态机以确定车辆何时可以执行左转弯操纵。
示例性车辆控制模块506尤其配置为从交叉路口状态机接收传达可以解除停止点的消息。示例性车辆控制模块506进一步配置为在接收到传达已解除停止的消息之后控制车辆执行左转弯操纵。
示例性车辆定位模块508配置为监视车辆位置数据以确定车辆是位于停止区、两难区还是交叉交通区中并向交叉路口状态机提供车辆所处位置的区类型的标识。车辆定位模块进一步配置为通过检索从GPS传感器数据中导出的车辆定位数据来监视车辆位置数据,该车辆定位数据识别车辆在全天候内部(例如,车辆本地)车辆地图上的位置。
示例性预测对象模块510配置为监视一个或多个相对车道中的一台或多台接近车辆以确定车辆是否摆脱了将在车辆的期望转弯路径内穿过的接近车辆,并且向交叉路口状态机提供关于车辆是否摆脱了将在车辆的期望转弯路径内穿过的接近车辆的指示。预测对象模块配置为使用相机图像、雷达和/或激光雷达数据来监视一台或多台接近车辆。预测对象模块配置为通过预测一个或多个驶来对象的移动并预测一个或多个预测对象是正足够慢地行驶还是会停止以允许车辆完成左转弯操纵来确定车辆摆脱了接近车辆。
示例性交通信号灯监视模块512配置为监视交通控制装置以确定车辆所处车道的相关交通信号是显示绿灯信号、黄灯信号还是红灯信号。示例性交通信号灯监视模块512配置为向交叉路口状态机提供由交通信号显示的颜色的标识。示例性交通信号灯监视模块512进一步配置为检索相机图像数据,其识别相关交通信号是显示行驶(例如,绿灯)信号、警告(例如,黄灯)信号或停止(例如,红灯)信号。
示例性系统100或500可以包括嵌入在控制器34内的任何数量的附加子模块,其可以被组合和/或进一步划分以类似地实施本文所述的系统和方法。另外,系统100或500的输入可以从传感器系统28接收,从与自主车辆10相关联的其它控制模块(未示出)接收,从通信系统36接收,和/或由图1的控制器34内的其它子模块(未示出)确定/建模。另外,输入还可以进行预处理,诸如子采样、降噪、归一化、特征提取、丢失数据还原等。
上述各种模块可以被实施为受到监督、无监督、半监督或强化学习并且执行分类(例如,二进制或多类分类)、回归、聚类、降维和/或这样的任务的一个或多个机器学习模型。这样的模型的示例包括但不限于人工神经网络(ANN)(诸如递归神经网络(RNN)和卷积神经网络(CNN))、决策树模型(诸如分类和回归树(CART))、集合学习模型(诸如增强、自举聚合、梯度增强机器和随机森林)、贝叶斯网络模型(例如,朴素贝叶斯)、主成分分析(PCA)、支持向量机(SVM)、聚类模型(诸如K-最近邻、K均值、期望最大化、层次聚类等)以及线性判别分析模型。
在一些实施例中,由系统100或500使用的机器学习模型的训练在远离车辆10的系统(例如,图2中的系统52)内发生并且随后被下载到车辆10用于在车辆10的正常操作期间使用。在其它实施例中,训练至少部分地在车辆10自身的控制器34内发生,并且随后该模型为车队(诸如图2中所描绘的车队)中的外部系统和/或其它车辆所共享。训练数据可以类似地由车辆10产生或者从外部获取,并且可以在训练之前被划分为训练集、验证集以及测试集。
图7是描绘在自主车辆中用于确定自主车辆应当何时尝试无保护左转弯操纵的示例性过程700的过程流程图。示例性过程700开始于相关交通信号灯显示黄灯信号同时自主车辆等待间隙以执行无保护左转弯操纵(操作702)。确定自主车辆是否已进入或通过两难区(判定704)。如果自主车辆没有进入或通过两难区(在判定704处为否),则自主车辆停止(或保持停止)并在恢复尝试执行无保护左转弯操纵之前等待相关交通信号灯显示绿灯交通信号(操作706)。
如果自主车辆已进入或通过两难区(在判定704处为是),则自动车辆在执行无保护左转弯操纵之前继续等待在相对车道中清除交通(操作708)。确定在相对车道中是否清除交通(判定710)。如果在相对车道中清除交通(在判定710处为是),则自主车辆可以执行无保护左转弯操纵(操作712)。如果在相对车道中没有清除交通(在判定710处为否),则确定相关交通信号灯是否正在显示红灯信号(判定714)。如果相关交通信号灯没有显示红灯信号(在判定714处为否),则自主车辆在执行无保护左转弯操纵之前继续等待在相对车道中清除交通(操作708)。
如果相关交通信号灯显示红灯信号(在判定714处为是),则在该示例中启动具有2.5秒长度的倒计时定时器(操作716)。自主车辆继续等待在相对车道中清除交通(操作718)。确定在相对车道中是否清除交通(判定720)。如果在相对车道中清除交通(在判定720处为是),则自主车辆可以执行无保护左转弯操纵(操作722)。如果在相对车道中没有清除交通(在判定720处为否),则确定倒计时定时器是否已经完成倒计时(判定724)。如果倒计时定时器还没有完成倒计时(在判定724处为否),则自主车辆继续等待在相对车道中清除交通(操作718)。
如果倒计时定时器已经完成倒计时(在判定724处为是),则确定自主车辆的前进速度是否会将车辆推进到交叉交通中(判定726)。如果确定自主车辆的前进速度不会将车辆推进到交叉交通中(在判定726处为否),则自主车辆停止(或保持停止)并在恢复尝试执行无保护左转弯操纵之前等待相关交通信号灯显示绿灯交通信号(操作728)。如果确定自主车辆的前进速度会将车辆推进到交叉交通中(在判定726处为是),则自主车辆可以执行无保护左转弯操纵(操作730)。
图8是描绘在自主车辆中用于确定自主车辆应当何时尝试无保护左转弯操纵的另一个示例性过程800的过程流程图。示例性过程800包括确定车辆是否处于停止区(操作802)。当车辆处于停止区时,车辆可以在车辆摆脱了来自所有相对车道的接近车辆并且相关交通信号显示绿灯信号时执行左转弯操纵(操作804)。
示例性过程800包括确定车辆是否已进入两难区(判定806)。当车辆已进入两难区时,在车辆摆脱了来自所有相对车道的接近车辆并且相关交通信号显示绿灯信号、黄灯信号或者已经显示红灯信号少于预定时间量时,车辆可以执行左转弯操纵(操作808)。
示例性过程800包括确定车辆是否已进入交叉交通区或车辆的速度是否会将车辆推进到交叉交通区中(判定810)。如果车辆已进入交叉交通区或者车辆的速度会将车辆推进到交叉交通区中,则当车辆摆脱了接近车辆并且相关交通信号显示绿灯信号、黄灯信号或红灯信号时车辆可以执行左转弯操纵(操作812)。
在一个实施例中,提供了一种在自主车辆中用于执行无保护左转弯操纵的处理器实施方法。该方法包括由处理器确定车辆的当前区是第一区、第二区或第三区中的至少一个。该方法进一步包括当车辆处于第一区、摆脱了接近车辆并且相关交通信号显示绿灯信号时由处理器确定执行左转弯操纵。该方法进一步包括当车辆处于第二区、摆脱了接近车辆并且相关交通信号显示绿灯信号、黄灯信号或者已经显示红灯信号少于预定时间量时确定执行左转弯操纵。该方法进一步包括当车辆处于第三区或者车辆的速度会将车辆推进到第三区中、摆脱了接近车辆并且相关交通信号显示绿灯信号、黄灯信号或红灯信号时由处理器确定执行左转弯操纵。该方法进一步包括由处理器向车辆控件传送消息,该消息传达在已经确定车辆可以执行左转弯操纵之后可以解除停止点。
这些方面和其它实施例可以包括以下一个或多个特征。第一区包括可以停止区,其中停止区结束于车道的停止线,第二区可以包括两难区,其中两难区开始于车道的停止线处并结束于车道与交叉交通相交的位置,并且第三区可以包括交叉交通区,其中交叉交通区开始于车道与交叉交通相交的位置。该方法可以进一步包括:由处理器确定车辆已接近车辆将尝试无保护左转弯操纵的交叉路口;由处理器监视车辆位置数据以确定车辆是位于第一区、第二区还是第三区中;由处理器监视一个或多个相对车道中的一台或多台接近车辆以确定车辆是否摆脱了将在车辆的期望转弯路径内穿过的接近车辆;以及由处理器监视交通控制装置以确定车辆所处车道的相关交通信号是显示绿灯信号、黄灯信号还是红灯信号。
监视车辆位置数据可以包括检索车辆定位数据,其识别车辆在全天候内部车辆地图上的位置。车辆定位数据可以从GPS传感器数据导出。监视一台或多台接近车辆可以包括从相机图像、雷达或激光雷达数据识别一个或多个驶来对象。确定车辆摆脱了接近车辆可以包括预测一个或多个驶来对象的移动并预测一个或多个预测对象是正足够慢地行驶还是会停止以允许车辆完成左转弯操纵。监视交通控制装置可以包括检索相机图像数据,其识别相关交通信号是显示绿灯信号、黄灯信号还是红灯信号。该方法可以进一步包括在接收到传达可以解除停止点的消息之后控制车辆执行左转弯操纵。
在另一个实施例中,提供了一种用于控制包括交叉路口状态机的自主车辆的系统,该交叉路口状态机包括通过编程在非暂时计算机可读介质中编码的指令而配置的一个或多个处理器。对于接近车辆将尝试从车道进行无保护左转弯操纵的交叉路口的自主车辆,交叉路口状态机配置为将车辆的当前区确定为第一区、第二区或第三区中的至少一个,当车辆处于第一区、摆脱了来自所有相对车道的接近车辆并且相关交通信号显示绿灯信号时确定执行左转弯操纵,并且当车辆处于第二区、摆脱了来自所有相对车道的接近车辆并且相关交通信号显示绿灯信号、黄灯信号或者已经显示红灯信号少于预定时间量时确定执行左转弯操纵。交叉路口状态机进一步配置为当车辆处于第三区或者车辆的速度会将车辆推进到第三区中、摆脱了接近车辆并且相关交通信号显示绿灯信号、黄灯信号或红灯信号时确定执行左转弯操纵。
这些方面和其它实施例可以包括以下一个或多个特征。第一区包括可以停止区,其中停止区结束于车道的停止线,第二区可以包括两难区,其中两难区开始于车道的停止线处并结束于车道与交叉交通相交的位置,并且第三区可以包括交叉交通区,其中交叉交通区开始于车道与交叉交通相交的位置。该系统可以进一步包括全天候观察器模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中全天候观察器模块配置为确定车辆已接近车辆将尝试无保护左转弯操纵的交叉路口并且调用交叉路口状态机以确定车辆何时可以执行左转弯操纵。
该系统可以进一步包括车辆定位模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中该车辆定位模块配置为监视车辆位置数据以确定车辆是位于停止区、两难区还是交叉交通区中,并且向交叉路口状态机提供车辆所处位置的区类型的标识。车辆定位模块可以配置为通过检索从GPS传感器数据中导出的车辆定位数据来监视车辆位置数据,该车辆定位数据识别车辆在全天候内部车辆地图上的位置。
该系统可以进一步包括预测对象模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中该预测对象模块配置为监视一个或多个相对车道中的一台或多台接近车辆以确定车辆是否摆脱了将在车辆的期望转弯路径内穿过的接近车辆,并且向交叉路口状态机提供关于车辆是否摆脱了将在车辆的期望转弯路径内穿过的接近车辆的指示。预测对象模块可以配置为使用相机图像、雷达或激光雷达数据来监视一台或多台接近车辆。预测对象模块可以配置为通过预测一个或多个驶来对象的移动并预测一个或多个预测对象是正足够慢地行驶还是会停止以允许车辆完成左转弯操纵来确定车辆摆脱了接近车辆。
该系统可以进一步包括交通信号灯监视模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中该交通信号灯监视模块配置为监视交通控制装置以确定车辆所处车道的相关交通信号是显示绿灯信号、黄灯信号还是红灯信号,并向交叉路口状态机提供由交通信号显示的颜色的标识。交通信号灯监视模块可以配置为检索相机图像数据,其识别相关交通信号是显示绿灯信号、黄灯信号还是红灯信号。
该系统可以进一步包括控制模块,其包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,其中该控制模块配置为从交叉路口状态机接收传达可以解除停止点的消息并在接收到该消息后控制车辆执行左转弯操纵。预定时间量可以包括2.5秒。
在另一个实施例中,提供了一种自主车辆。自主车辆包括多个感测装置,其配置为确定自主车辆沿着路线的位置,识别相关交通信号是显示绿灯信号、黄灯信号还是红灯信号,并且使用相机图像、雷达或激光雷达数据来识别一台或多台驶来车辆。自主车辆进一步包括交叉路口状态机,其配置为当自主车辆处于车道中的停止区中时在自主车摆脱了来自所有相对车道的接近车辆并且相关交通信号显示绿灯信号时确定执行左转弯操纵,其中停止区结束于停止线处。交叉路口状态机进一步配置为当自主车辆已进入两难区时在自主车辆摆脱了来自所有相对车道的接近车辆并且相关交通信号显示绿灯信号、黄灯信号或者已经显示红灯信号少于预定时间量时确定执行左转弯操纵,其中两难区开始于停止线处并结束于车道与交叉交通相交的最近位置。交叉路口状态机进一步配置为当自主车辆已经进入交叉交通区或者车辆的速度会将车辆推进到交叉交通区中时在车辆摆脱了接近车辆并且相关交通信号显示绿灯信号、黄灯信号或红灯信号时确定执行左转弯操纵,其中交叉交通区开始于车道与交叉交通相交的位置。
虽然前述详细描述中已经提出了至少一个示例性实施例,但是应当明白的是,存在许多变化。还应当明白的是,示例性实施例或多个示例性实施例仅仅是示例并且不旨在以任何方式限制本公开的范围、实用性或配置。实情是,前文详细描述将给本领域技术人员提供用于实施示例性实施例或多个示例性实施例的便捷指引。在不脱离所附权利要求和其合法等同物的范围的情况下,可以对元件的功能和布置做出各种改变。
Claims (9)
1.一种在自主车辆中用于执行无保护左转弯操纵的处理器实施方法,所述方法包括:
由处理器确定所述车辆的当前区是第一区、第二区或第三区中的至少一个;
当所述车辆处于所述第一区、摆脱了接近车辆并且相关交通信号显示行驶信号时由所述处理器确定执行左转弯操纵;
当所述车辆处于所述第二区、摆脱了接近车辆并且所述相关交通信号显示行驶信号、警告信号或者已经显示停止信号少于预定时间量时由所述处理器确定执行所述左转弯操纵;
当所述车辆处于所述第三区或者所述车辆的速度会将所述车辆推进到所述第三区中、摆脱了接近车辆时由所述处理器确定执行所述左转弯操纵:以及
由所述处理器向车辆控件传送消息,所述消息传达在已经确定所述车辆能够执行所述左转弯操纵之后能够解除停止点,
其中:
所述第一区包括停止区,其中所述停止区终止于车道的停止线处;
所述第二区包括两难区,其中所述两难区开始于所述车道的所述停止线处并且结束于所述车道与交叉交通相交的位置;并且
所述第三区包括交叉交通区,其中所述交叉交通区开始于所述车道与交叉交通相交的位置。
2.根据权利要求1所述的方法,进一步包括:
由所述处理器确定所述车辆已接近交叉路口,在该交叉路口处,所述车辆将尝试无保护左转弯操纵;
由所述处理器监视车辆位置数据以确定所述车辆是位于所述第一区、所述第二区还是所述第三区中;
由所述处理器监视一个或多个相对车道中的一台或多台接近车辆以确定所述车辆是否摆脱了将在所述车辆的期望转弯路径内穿过的所述一台或多台接近车辆;以及
由所述处理器监视交通控制装置以确定所述车辆所处车道的相关交通信号是显示行驶信号、警告信号还是停止信号。
3.根据权利要求2所述的方法,其中监视车辆位置数据包括检索车辆定位数据,其识别所述车辆在全天候内部车辆地图上的位置。
4.根据权利要求2所述的方法,其中监视交通控制装置包括检索相机图像数据,其识别所述相关交通信号是显示绿灯信号、黄灯信号还是红灯信号。
5.一种用于控制包括交叉路口状态机的自主车辆的系统,所述交叉路口状态机包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,对于接近交叉路口的自主车辆,在该交叉路口处所述自主车辆将尝试无保护左转弯操纵,所述交叉路口状态机配置为:
确定所述车辆的当前区是第一区、第二区或第三区中的至少一个;
当所述车辆处于所述第一区、摆脱了来自所有相对车道的接近车辆并且相关交通信号显示行驶信号时确定执行所述左转弯操纵;
当所述车辆处于所述第二区、摆脱了来自所有相对车道的接近车辆并且所述相关交通信号显示行驶信号、警告信号或者已经显示停止信号少于预定时间量时确定执行所述左转弯操纵;以及
当所述车辆处于所述第三区或者所述车辆的速度会将所述车辆推进到所述第三区中、摆脱了接近车辆并且所述相关交通信号显示行驶信号、警告信号或停止信号时确定执行所述左转弯操纵,
其中:
所述第一区包括停止区,其中所述停止区终止于车道的停止线处;
所述第二区包括两难区,其中所述两难区开始于所述车道的停止线处并且结束于所述车道与交叉交通相交的位置;并且
所述第三区包括交叉交通区,其中所述交叉交通区开始于所述车道与交叉交通相交的位置。
6.根据权利要求5所述的系统,进一步包括全天候观察器模块,所述全天候观察器模块包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,所述全天候观察器模块配置为:
确定所述车辆已接近交叉路口,在该交叉路口处,所述车辆将尝试所述无保护左转弯操纵:以及
调用所述交叉路口状态机以确定所述车辆何时能够执行所述左转弯操纵。
7.根据权利要求6所述的系统,进一步包括车辆定位模块,所述车辆定位模块包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,所述车辆定位模块配置为:
监视车辆位置数据以确定所述车辆是位于所述停止区、所述两难区还是所述交叉交通区中;以及
向所述交叉路口状态机提供所述车辆所处位置的区类型的标识。
8.根据权利要求5所述的系统,进一步包括预测对象模块,所述预测对象模块包括通过编程在非暂时性计算机可读介质中编码的指令而配置的一个或多个处理器,所述预测对象模块配置为:
监视一个或多个相对车道中的一台或多台接近车辆以确定所述车辆是否摆脱了将在所述车辆的期望转弯路径内穿过的接近车辆;以及
向所述交叉路口状态机提供关于所述车辆是否摆脱了将在所述车辆的期望转弯路径内穿过的接近车辆的指示。
9.一种自主车辆,包括:
多个感测装置,其配置为:
确定所述自主车辆沿着路线的位置,
识别相关交通信号是显示行驶信号、警告信号还是停止信号,以及
使用相机图像、雷达或激光雷达数据来识别一台或多台驶来车辆;以及
交叉路口状态机,其配置为:
当所述自主车辆处于车道中的停止区中时在所述自主车辆摆脱了来自所有相对车道的接近车辆并且相关交通信号显示所述行驶信号时确定执行左转弯操纵,其中所述停止区结束于停止线处;
当所述自主车辆已进入两难区时在所述自主车辆摆脱了来自所有相对车道的接近车辆并且所述相关交通信号显示所述行驶信号、所述警告信号或者已经显示所述停止信号少于预定时间量时确定执行所述左转弯操纵,其中所述两难区开始于所述停止线处并结束于所述车道与交叉交通相交的最近位置;以及
当所述自主车辆已进入所述交叉交通区或者所述自主车辆的速度会将所述车辆推进到所述交叉交通区中时在所述车辆摆脱了接近车辆并且所述相关交通信号显示所述行驶信号、所述警告信号或所述停止信号时确定执行所述左转弯操纵,其中所述交叉交通区开始于所述车道与交叉交通相交的位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/820,272 US10198002B2 (en) | 2017-11-21 | 2017-11-21 | Systems and methods for unprotected left turns in high traffic situations in autonomous vehicles |
US15/820272 | 2017-11-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109817008A CN109817008A (zh) | 2019-05-28 |
CN109817008B true CN109817008B (zh) | 2021-09-07 |
Family
ID=61559933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811328507.4A Active CN109817008B (zh) | 2017-11-21 | 2018-11-08 | 自主车辆中用于交通繁忙情况中的无保护左转弯的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10198002B2 (zh) |
CN (1) | CN109817008B (zh) |
DE (1) | DE102018129066B4 (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019202722A (ja) * | 2018-05-25 | 2019-11-28 | 株式会社デンソー | 車両制御装置 |
US10909866B2 (en) * | 2018-07-20 | 2021-02-02 | Cybernet Systems Corp. | Autonomous transportation system and methods |
US11030364B2 (en) * | 2018-09-12 | 2021-06-08 | Ford Global Technologies, Llc | Evaluating autonomous vehicle algorithms |
US11137766B2 (en) * | 2019-03-07 | 2021-10-05 | Zoox, Inc. | State machine for traversing junctions |
US11161504B2 (en) * | 2019-03-19 | 2021-11-02 | Honda Motor Co., Ltd. | Vehicle control apparatus and method |
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 |
US11341846B2 (en) | 2019-04-04 | 2022-05-24 | Geotab Inc. | Traffic analytics system for defining road networks |
US11480962B1 (en) | 2019-06-28 | 2022-10-25 | Zoox, Inc. | Dynamic lane expansion |
DE102019214420A1 (de) * | 2019-09-23 | 2021-03-25 | Robert Bosch Gmbh | Verfahren zum zumindest assistierten Überqueren eines Knotenpunkts durch ein Kraftfahrzeug |
DE102019214413A1 (de) * | 2019-09-23 | 2021-03-25 | Robert Bosch Gmbh | Verfahren zum zumindest teilautomatisierten Führen eines Kraftfahrzeugs |
US11427191B2 (en) | 2019-10-31 | 2022-08-30 | Zoox, Inc. | Obstacle avoidance action |
US11532167B2 (en) | 2019-10-31 | 2022-12-20 | Zoox, Inc. | State machine for obstacle avoidance |
US11530961B2 (en) | 2019-11-07 | 2022-12-20 | Geotab, Inc. | Vehicle vocation system |
JP2022138782A (ja) * | 2021-03-11 | 2022-09-26 | トヨタ自動車株式会社 | 交差点管制システム、交差点管制方法、及び、プログラム |
US11827223B2 (en) * | 2021-03-31 | 2023-11-28 | GM Global Technology Operations LLC | Systems and methods for intersection maneuvering by vehicles |
US11731630B2 (en) * | 2021-04-27 | 2023-08-22 | Ford Global Technologies, Llc | Methods and systems for asserting right of way for traversing an intersection |
CN113665573B (zh) * | 2021-09-07 | 2023-02-28 | 中汽创智科技有限公司 | 无保护左转工况下车辆行驶方法、装置、设备及介质 |
CN114332815B (zh) * | 2021-12-24 | 2023-08-29 | 广州小鹏自动驾驶科技有限公司 | 交通灯状态检测方法、装置、车辆及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103802720A (zh) * | 2014-02-18 | 2014-05-21 | 江苏新安电器有限公司 | 一种电动车防撞装置及方法 |
CN105151043A (zh) * | 2015-08-19 | 2015-12-16 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车紧急避让的系统和方法 |
CN205451512U (zh) * | 2016-01-05 | 2016-08-10 | 常州加美科技有限公司 | 一种交通信号灯路口无人驾驶汽车安全行驶装置 |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
CN107111953A (zh) * | 2015-02-13 | 2017-08-29 | 宝马股份公司 | 用于提示车辆驾驶状况的系统和方法 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8112220B2 (en) * | 2006-05-03 | 2012-02-07 | International Business Machines Corporation | Management of traffic signals at road intersection to avoid blocking vehicles |
US7925438B2 (en) * | 2007-10-30 | 2011-04-12 | Alpine Electronics, Inc. | Method and apparatus for displaying route guidance list for navigation system |
KR101118947B1 (ko) * | 2009-01-13 | 2012-02-27 | 도요타 지도샤(주) | 운전 지원 장치 |
US8620032B2 (en) | 2011-05-10 | 2013-12-31 | GM Global Technology Operations LLC | System and method for traffic signal detection |
JP5397452B2 (ja) | 2011-11-01 | 2014-01-22 | トヨタ自動車株式会社 | 運転支援装置 |
EP2738520B1 (en) * | 2012-11-28 | 2017-01-11 | Elektrobit Automotive GmbH | Technique for assisting driving a vehicle based on an identified road mark |
JPWO2014192370A1 (ja) * | 2013-05-31 | 2017-02-23 | 日立オートモティブシステムズ株式会社 | 車両制御装置 |
JP6128218B2 (ja) * | 2013-07-19 | 2017-05-17 | 日産自動車株式会社 | 車両用運転支援装置及び車両用運転支援方法 |
US9559804B2 (en) * | 2013-10-07 | 2017-01-31 | Savari, Inc. | Connected vehicles adaptive security signing and verification methodology and node filtering |
DE202014001053U1 (de) | 2014-02-07 | 2015-05-08 | Adam Opel Ag | Fahrerassistenzsystem für ein Fahrzeug und Fahrzeug |
CN104494598B (zh) * | 2014-11-23 | 2017-03-29 | 北京联合大学 | 一种用于智能车辆的路口行驶控制方法 |
DE102015202451A1 (de) * | 2015-02-11 | 2016-08-11 | Volkswagen Aktiengesellschaft | Vorrichtung und Verfahren zur Beschleunigung eines Fahrzeugs beim Start an einer Lichtzeichenanlage |
KR101663511B1 (ko) * | 2015-04-30 | 2016-10-14 | 엘지전자 주식회사 | 차량 운전 보조 장치, 차량 운전 보조 장치의 제어 방법 및 차량 |
US20170015239A1 (en) * | 2015-07-13 | 2017-01-19 | Ford Global Technologies, Llc | System and method for no-turn-on-red reminder |
CN204759760U (zh) * | 2015-07-22 | 2015-11-11 | 北京博曼迪汽车科技有限公司 | 一种车辆的路口防碰撞预警装置和系统 |
US9688273B2 (en) * | 2015-10-27 | 2017-06-27 | GM Global Technology Operations LLC | Methods of improving performance of automotive intersection turn assist features |
JP2017102830A (ja) | 2015-12-04 | 2017-06-08 | 株式会社デンソー | 運転支援装置、プログラム |
JP6304223B2 (ja) * | 2015-12-10 | 2018-04-04 | トヨタ自動車株式会社 | 運転支援装置 |
US10068471B2 (en) * | 2015-12-21 | 2018-09-04 | Collision Control Communications, Inc. | Collision avoidance and traffic signal preemption system |
CN106960601A (zh) * | 2016-01-19 | 2017-07-18 | 法拉第未来公司 | 自动化车辆对进行十字路口穿越的协商系统和方法 |
KR101951035B1 (ko) * | 2016-01-29 | 2019-05-10 | 한국전자통신연구원 | 차량의 자율 주행 시스템 및 그 방법 |
DE102017101250A1 (de) * | 2016-03-09 | 2017-09-14 | Subaru Corporation | Fahrtsteuerungsvorrichtung für Fahrzeug |
DE102016007899B4 (de) | 2016-06-28 | 2023-10-26 | Audi Ag | Verfahren zum Betreiben einer Einrichtung zur Verkehrssituationsanalyse, Kraftfahrzeug und Datenverarbeitungseinrichtung |
CN106128137B (zh) * | 2016-08-29 | 2019-01-18 | 长沙理工大学 | 一种基于车联网的城市道路交通路口车内交通信息灯预警方法及系统 |
CN106809160B (zh) * | 2017-03-16 | 2018-08-10 | 广东轻工职业技术学院 | 一种交叉路口驾驶辅助方法及系统 |
CN106781699A (zh) * | 2017-03-20 | 2017-05-31 | 中南大学 | 汽车安全行驶辅助系统及其数据处理方法 |
CN106846915A (zh) * | 2017-04-11 | 2017-06-13 | 湛引根 | 智能交通防撞系统及实现方法 |
CN107346611B (zh) * | 2017-07-20 | 2021-03-23 | 北京纵目安驰智能科技有限公司 | 一种自主驾驶的车辆的避障方法以及避障系统 |
-
2017
- 2017-11-21 US US15/820,272 patent/US10198002B2/en active Active
-
2018
- 2018-11-08 CN CN201811328507.4A patent/CN109817008B/zh active Active
- 2018-11-19 DE DE102018129066.7A patent/DE102018129066B4/de active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103802720A (zh) * | 2014-02-18 | 2014-05-21 | 江苏新安电器有限公司 | 一种电动车防撞装置及方法 |
CN107111953A (zh) * | 2015-02-13 | 2017-08-29 | 宝马股份公司 | 用于提示车辆驾驶状况的系统和方法 |
CN105151043A (zh) * | 2015-08-19 | 2015-12-16 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车紧急避让的系统和方法 |
CN205451512U (zh) * | 2016-01-05 | 2016-08-10 | 常州加美科技有限公司 | 一种交通信号灯路口无人驾驶汽车安全行驶装置 |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
Also Published As
Publication number | Publication date |
---|---|
CN109817008A (zh) | 2019-05-28 |
DE102018129066A1 (de) | 2019-05-23 |
US10198002B2 (en) | 2019-02-05 |
DE102018129066B4 (de) | 2023-06-22 |
US20180074502A1 (en) | 2018-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109817008B (zh) | 自主车辆中用于交通繁忙情况中的无保护左转弯的系统和方法 | |
CN110068346B (zh) | 用于自主车辆中不受保护的操纵缓解的系统和方法 | |
CN108802761B (zh) | 用于激光雷达点云异常的方法和系统 | |
CN109814544B (zh) | 用于在自主车辆中操纵绕过障碍物的系统和方法 | |
CN109814520B (zh) | 用于确定自主车辆的安全事件的系统和方法 | |
CN109949590B (zh) | 交通信号灯状态评估 | |
US10282999B2 (en) | Road construction detection systems and methods | |
CN108268034B (zh) | 用于车辆的专家模式 | |
US20180074506A1 (en) | Systems and methods for mapping roadway-interfering objects in autonomous vehicles | |
US20190332109A1 (en) | Systems and methods for autonomous driving using neural network-based driver learning on tokenized sensor inputs | |
US10317907B2 (en) | Systems and methods for obstacle avoidance and path planning in autonomous vehicles | |
US10488861B2 (en) | Systems and methods for entering traffic flow in autonomous vehicles | |
US20180093671A1 (en) | Systems and methods for adjusting speed for an upcoming lane change in autonomous vehicles | |
US20180150080A1 (en) | Systems and methods for path planning in autonomous vehicles | |
US20190061771A1 (en) | Systems and methods for predicting sensor information | |
US20180079422A1 (en) | Active traffic participant | |
US20190026588A1 (en) | Classification methods and systems | |
US20190011913A1 (en) | Methods and systems for blind spot detection in an autonomous vehicle | |
US10528057B2 (en) | Systems and methods for radar localization in autonomous vehicles | |
US10620637B2 (en) | Systems and methods for detection, classification, and geolocation of traffic objects | |
US20180224860A1 (en) | Autonomous vehicle movement around stationary vehicles | |
US20180024239A1 (en) | Systems and methods for radar localization in autonomous vehicles | |
US20200070822A1 (en) | Systems and methods for predicting object behavior | |
CN109131276B (zh) | 用于自主车辆中的制动系统的接触式传感器组件 | |
US20180079423A1 (en) | Active traffic participant |
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 |