CN110103852B - 用于自主车辆中的碰撞检测的系统和方法 - Google Patents
用于自主车辆中的碰撞检测的系统和方法 Download PDFInfo
- Publication number
- CN110103852B CN110103852B CN201910078355.5A CN201910078355A CN110103852B CN 110103852 B CN110103852 B CN 110103852B CN 201910078355 A CN201910078355 A CN 201910078355A CN 110103852 B CN110103852 B CN 110103852B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- autonomous
- collision
- data
- vector
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000013598 vector Substances 0.000 claims abstract description 116
- 230000001133 acceleration Effects 0.000 claims abstract description 88
- 230000033001 locomotion Effects 0.000 claims abstract description 56
- 230000007613 environmental effect Effects 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 34
- 230000005540 biological transmission Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000013479 data entry Methods 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 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
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012546 transfer 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
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
- B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- 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 or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B60W2420/408—
Abstract
提供用于检测物体和自主车辆之间的碰撞的系统和方法。该系统包括计算机视觉系统，该计算机视觉系统构造成使用所获取的环境数据来确定物体相对于自主车辆的速度矢量以及物体和自主车辆之间的距离。该自主驾驶系统还包括车辆运动感测模块，该车辆运动感测模块构造成使用所获取的车辆运动数据来确定自主车辆的加速度矢量。该自主驾驶系统还包括碰撞检测模块，该碰撞检测模块构造成当所确定的加速度矢量检测为具有与物体的所确定的速度矢量的方向基本上相同的方向时以及当物体和自主车辆之间的所确定距离小于预定量时，记录物体和自主车辆之间的碰撞。
Description
引言
本发明总地涉及自主车辆，并且更具体地说涉及用于自主车辆碰撞检测的系统和方法。
背景技术
这一部分提供了与本发明有关的背景信息，这些背景信息并非必然是现有技术。
自主车辆是能够在较少或没有用户输入的情形下感测其环境和导航的车辆。自主车辆使用诸如雷达、激光雷达、诸如照相机的图像传感器之类的感测装置来感测其环境。自主车辆系统可进一步使用来自全球定位系统(GPS)技术、导航系统、车辆对车辆通信、车辆对基础设施技术和/或线控驱动系统的信息以导航车辆。
车辆自动化已分类成范围从零到五的数值等级，零对应于在完全人为控制情况下的无自动化，五对应于在不具有人为控制的情况下的全自动化。诸如巡航控制、自适应巡航控制以及停车辅助系统之类的各种自动驾驶员辅助系统对应于较低的自动化等级，而完全“无人驾驶”车辆(包含自主驾驶代理)对应于较高的自动化等级。
自主车辆应能够检测与自主车辆周围的外部物体的碰撞。
因此，期望获得用于检测自主车辆和外部物体之间碰撞的系统和方法。从结合附图和前文技术领域和背景技术的后续具体实施方式和所附权利要求中，本发明的其他期望特征和特点会变得显而易见。
发明内容
提供用于检测自主车辆和诸如另一车辆、人员或其他物体之间碰撞的系统和方法。
在一个实施例中，提供一种用于车辆的自主驾驶系统。自主驾驶系统包括计算机视觉系统，该计算机视觉系统构造成使用所获取的环境数据来确定物体相对于自主车辆的速度矢量，并且还构造成确定物体和自主车辆之间的距离。自主驾驶系统还包括车辆运动感测模块，该车辆运动感测模块构造成使用所获取的车辆运动数据来确定自主车辆的加速度矢量。自主驾驶系统还包括碰撞检测模块，该碰撞检测模块构造成当所确定的加速度矢量与物体的所确定速度矢量相关联时以及当物体和自主车辆之间的所确定距离小于预定量时，记录物体和自主车辆之间的碰撞。
在一实施例中，车辆运动数据包括车辆加速度和/或车辆角度旋转数据(例如，车辆角速度数据)。
在一实施例中，该自主驾驶系统还包括至少一个环境传感器，该至少一个环境传感器选自：雷达、激光雷达以及光学照相机以获取环境数据。
在一实施例中，预定量(所确定距离与之相比较)基于物体的所确定相对速度矢量的幅值而动态地确定。
在一实施例中，自主驾驶系统还包括至少一个车辆运动传感器，该至少一个车辆运动传感器选自加速度计、压力传感器和/或惯性测量单元，该至少一个车辆运动传感器构造成获取车辆运动数据。
在一实施例中，该自主驾驶系统进一步包括车辆控制系统，该车辆控制系统构造成当碰撞记录模块记录碰撞时控制车辆至安全停止。
在一实施例中，自主驾驶系统进一步包括数据登陆系统，该数据登陆系统构造成在碰撞记录模块记录碰撞之前和之后的预定时间内存储所获取的车辆加速度数据、车辆角度旋转数据以及环境数据。在一实施例中，所获取的车辆加速度数据、车辆角度旋转数据以及环境数据存储在非易失性存储器中。所存储的车辆加速度数据、车辆角度旋转数据以及环境数据可用于机器学习、辩论或监管目的。
在一实施例中，碰撞检测模块构造成当所确定的加速度矢量检测为具有与物体的所确定速度矢量的方向基本上相同的方向时以及当所确定的加速度矢量具有大于预定阈值幅值的幅值时，记录物体和自主车辆之间的碰撞。在一实施例中，预定阈值幅值基于物体的速度矢量的幅值动态地确定。
在一实施例中，碰撞检测模块构造成使用所获取的车辆角度旋转数据来变换所获取的车辆加速度数据。
在一实施例中，提供检测自主车辆和物体之间碰撞的计算机实施方法。该方法包括如下步骤：使用至少一个环境传感器获取环境数据；以及使用处理器基于所感测的环境数据确定物体相对于自主车辆的速度矢量以及物体和自主车辆之间的距离。该方法还包括如下步骤：使用至少一个车辆运动感测模块而使用所获取的车辆运动数据确定自主车辆的加速度矢量。该方法还包括如下步骤：使用处理器来将物体和自主车辆之间的距离与预定距离相比较；以及当物体和自主车辆之间的距离小于预定距离时，将加速度矢量与物体的速度矢量相比较；以及当加速度矢量可与物体的速度矢量相关联时，记录物体和自主车辆之间的碰撞。
在一实施例中，至少一个环境传感器选自：雷达、激光雷达以及光学照相机，其构造成获取环境数据。
在一实施例中，至少一个车辆运动传感器选自：加速度计、压力传感器和/或惯性测量单元。
在一实施例中，该方法进一步包括如下步骤：当记录碰撞时，安全地控制自主车辆停止。
在一实施例中，该方法进一步包括如下步骤：在碰撞记录模块记录碰撞之前和之后的预定时间内存储车辆加速度数据和环境数据。
在一实施例中，该方法进一步包括如下步骤：将加速度矢量与预定阈值幅值相比较，并且仅仅当加速度矢量大于预定阈值幅值时才记录碰撞。
在一实施例中，预定阈值幅值基于物体的速度矢量的幅值动态地确定。
在一实施例中，提供一种车辆。该车辆包括自主驾驶系统。自主驾驶系统包括计算机视觉系统，该计算机视觉系统构造成使用所获取的环境数据来确定物体相对于自主车辆的速度矢量，并且还构造成确定物体和自主车辆之间的距离。自主驾驶系统还包括车辆运动感测模块，该车辆运动感测模块构造成使用所获取的车辆运动数据来确定自主车辆的加速度矢量。自主驾驶系统还包括碰撞检测模块，该碰撞检测模块构造成当所确定的加速度矢量与物体的所确定速度矢量相关联时以及当物体和自主车辆之间的所确定距离小于预定量时，记录物体和自主车辆之间的碰撞。
在一实施例中，车辆进一步包括至少一个环境传感器，该至少一个环境传感器选自：雷达、激光雷达以及光学照相机，以获取环境数据。
在一实施例中，车辆进一步包括至少一个车辆运动传感器，该至少一个车辆运动传感器选自：加速度计、压力传感器和/或惯性测量单元，其构造成获取车辆加速度数据和/或角度旋转数据。
在一实施例中，车辆运动数据包括车辆加速度数据和/或车辆角度旋转数据(例如，车辆角速度数据)。
在一实施例中，碰撞检测模块构造成使用所获取的车辆角度旋转数据来变换所获取的车辆加速度数据。
在一实施例中，该车辆进一步包括车辆控制系统，该车辆控制系统构造成当碰撞记录模块记录碰撞时控制车辆至安全停止。
在一实施例中，该车辆进一步包括数据登陆系统，该数据登陆系统构造成在碰撞记录模块记录碰撞之前和之后的预定时间内存储所获取的车辆运动数据和环境数据。
在一实施例中，碰撞检测模块构造成当所确定的加速度矢量与物体的所确定速度矢量相关联时以及当所确定的加速度矢量具有大于预定阈值幅值的幅值时，记录物体和自主车辆之间的碰撞。预定阈值幅值可基于物体的速度矢量的幅值动态地确定。
附图说明
之后会结合以下附图来描述示例性实施例，其中，类似的附图标记指代类似的元件，且附图中：
图1是说明根据各个实施例的具有自主驾驶系统的自主车辆的功能性框图；
图2是说明根据各个实施例的自主驾驶系统的系统和子系统的框图；
图3是说明根据各个实施例的碰撞检测系统的操作的示意图；
图4是说明根据各个实施例的碰撞检测系统的操作的另一示意图；
图5是说明根据各个实施例的碰撞检测系统的操作的另一示意图；
图6是说明根据各个实施例的方法的流程图；以及
图7是说明根据各个实施例的具有一台或多台图1的自主车辆的运输系统的功能性框图。
具体实施方式
以下具体实施方式在本质上仅是示例性的，并不旨在限制本方面的应用和使用此外，并不旨在受任何上述技术领域、背景技术、发明内容或下文具体实施方式提供的任何明确或暗示的理论所限制。如这里所使用的是，术语“模块”个别地或以任何组合指代任何硬件、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)、电子电路、处理器(共享、专用或集群)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/或提供所描述功能性的其他合适部件。
本发明的实施例在本文中可依照功能和/或逻辑方框部件和多种处理步骤予以描述。应当认识到，这些方框部件可由构造成执行特定功能的任意数量的硬件、软件和/或固件部件来实现。例如，本发明的一个实施例可采用诸如存储器元件、数字信号处理元件、逻辑元件、查询表等等的各种集成电路部件，这些集成电路部件可在一个或多个微处理器或其他控制装置的控制下执行多种功能。此外，本领域技术人员会意识到的是，本发明的实施例可结合任何数量的系统来实践，且这里描述的系统仅仅是本发明的示例性实施例。
出于简化起见，此处可能并不详细描述与系统的信号处理、数据传输、信令、控制以及其他功能性方面(以及这些系统的各个操作部件)相关联的传统技术。此外，此处包含的各个附图中所示的任何连接线旨在表示各种元件之间的示例功能关系和/或物理联接。应当注意到的是，在本发明的各实施例中可提供很多替代或附加功能关系或物理连接。
参照图1，自主引导系统总地以100示出。自主车辆引导系统与根据各个实施例的车辆10相关联。通常，自主引导系统100从传感器获得车辆10周围环境的测量值并且基于这些测量值智能地控制车辆10。
如图1中所示，车辆10通常包括底盘12、车体14、前车轮16以及后车轮18。车体14设置在底盘12上，并且基本上封围车辆10的部件。车体14和底盘12可共同地形成车架。车轮16-18各自在车体14的相应角部附近旋转地联接于底盘12。
在各种实施例中，车辆10是自主车辆，且自主引导系统100包含到自主车辆10(之后称为自主车辆10)中。自主车辆10例如是自动地受控以将乘客从一个位置运送至另一个位置的车辆。车辆10在所说明的实施例中示作乘用汽车，但应意识到的是，也可使用任何其他交通工具，包括摩托车、卡车、运动型多功能车辆(SUV)、娱乐车辆(RV)、海洋船只、飞行器等等。在一示例性实施例中，自主车辆10是所谓的级别四或级别五自动化系统。级别四系统指示“高自动化”，其指代这样的驾驶模式，即使人类驾驶员并未适当地响应于干预请求，专门由自动驾驶系统执行动态驾驶任务的所有方面。级别五系统指示“全自动化”，这指代在能由人类驾驶员管理的所有道路和环境条件下全部时间均由自动驾驶系统执行动态驾驶任务的所有方面。
如图所示，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、制动器系统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在各种实施例中可包括内燃机、诸如牵引电机的电动机器和/或燃料电池推进系统。变速器系统22构造成根据可选择的速度比来将动力从推进系统20传递至车辆车轮16-18。根据各种实施例，变速器系统22可包括步进比率自动变速器、无级变速器或其他合适的变速器。制动器系统26构造成将制动转矩提供给车辆车轮16-18。在各种实施例中，制动器系统26可包括摩擦制动器、线控制动器、诸如电动机器的再生制动系统和/或其他合适的制动系统。转向系统24影响车辆车轮16-18的位置。虽然出于说明的目的示作包括方向盘，但在本发明范围内所设想的一些实施例中，转向系统24可并不包括方向盘。
传感器系统28包括一个或多个传感器40a-40n，这些传感器感测自主车辆10的外部环境和/或内部环境的可观测状况。传感器40a-40n可包括不同类型的传感器，例如但不限于雷达、激光雷达、全球定位系统、光学照相机、热照相机、超声波传感器、惯性测量单元、压力传感器、加速度计和/或其他传感器。致动器系统30包括一个或多个致动器装置42a-42n，这些致动器装置控制一个或多个车辆特征件，例如但不限于推进系统20、变速器系统22、转向系统24以及制动器系统26。在各种实施例中，车辆特征件可进一步包括内部和/或外部车辆特征件，例如但不限于车门、后备箱以及诸如空气、音乐、照明等的舱室特征(未作标示)。
在一些实施例中，通信系统36构造成将信息无线地通信至其他实体48以及从其他实体通信信息，这些实体例如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程系统和/或个人装置(参照图2更详细地描述)。在一示例性实施例中，通信系统36是无线通信系统，该无线通信系统构造成经由使用IEEE 802.11标准的无线局域网(WLAN)或者通过使用蜂窝数据通信来进行通信。然而，诸如专用短距离通信(DSRC)信道的附加或替代的通信方法也被认为落在本发明的范围内。DSRC信道指代专门针对汽车用途设计的单向或双向短距离至中距离无线通信信道以及对应的一组协议和标准。
数据存储装置32存储用于自动地控制自主车辆10的数据。在各种实施例中，数据存储装置32存储可导航环境的限定图。在各种实施例中，限定图可由远程系统(参照图7进一步详细地描述)预先限定并且从该远程系统中获得。例如，限定图可由远程系统组装并且通信至自主车辆10(无线地和/或以有线的方式)并存储在数据存储装置32中。例如能意识到的是，数据存储装置32可以是控制器34的一部分、与控制器34分开、或者是控制器34的一部分以及是单独系统的一部分。
控制器34包括至少一个处理器44以及计算机可读存储装置或介质46。处理器44可以是任何客户定制或市场上可购得的处理器、中央处理单元(CPU)、图形处理单元(GPU)、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(呈微芯片或芯片组的形式)、宏处理器、其任何组合或者通常是用于执行指令的任何装置。计算机可读存储装置或介质46可例如包括只读存储器(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器。KAM是持久或非易失性存储器，其可用于在处理器44断电的同时存储各种操作变量。计算机可读存储装置或介质46可使用诸如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他电、磁性、光学或组合存储器装置的多个已知存储器装置的任何一个来实施，上述数据中的一些表示由控制器34用来控制自主车辆10的可执行指令。
这些指令可包括一个或多个分开的程序，每个程序均包括用于实施逻辑功能的可执行指令的有序列表。这些指令在由处理器44执行时、接收并处理来自传感器系统28的信号，执行逻辑、计算、方法和/或算法来用于自动地控制自主车辆10的部件，并且基于逻辑、计算、方法和/或算法生成控制信号，这些控制信号发送至致动器系统30，以自动地控制自主车辆10的各部件。虽然在图1中仅仅示出一个控制器34，但自主车辆10的实施例可包括任何数量的控制器34，这些控制器经由任何合适的通信介质或通信介质的组合来通信，并且协配以处理传感器信号、执行逻辑、计算、方法和/或算法，且产生控制信号来自动地控制自主车辆10的特征。
在各个实施例中，控制器34的一个或多个指令体现在自主引导系统100，并且在由处理器44执行时允许检测车辆10和车辆10周围环境中物体之间的碰撞，例如下文更详细解释的是。
根据各个实施例，控制器34实施如图2中所示的自主驾驶系统(ADS)70。也就是说，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)用于提供结合车辆10使用的自主驾驶系统70。
在各种实施例中，自主驾驶系统70的指令可通过功能、模块或系统来组织。例如，如图2中所示，自主驾驶系统70可包括计算机视觉系统74、定位系统76、引导系统78以及车辆控制系统80。例如能意识到的是，在各种实施例中，自主驾驶系统的指令可组织到任何数量的系统中(例如，组合、进一步划分等等)，因为本发明并非局限于本示例。通常，计算机视觉系统74合成并且处理来自环境传感器的传感器数据，并预测车辆10的环境的物体和特征的存在、位置、分类、速度和/或路径。如这里使用地是，环境传感器包括能够监控与车辆10外部的环境相关联的参数的传感器，例如光学照相机、激光雷达、雷达等等。环境传感器包括在传感器系统28中。
定位系统76处理传感器数据连同其他数据一起，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、相对于道路的车道的精确位置、车辆航向、速度等等)。引导系统78处理传感器数据连同其他数据，以确定车辆10所要遵循的路径。车辆控制系统80产生控制信号以发送至致动器系统30，从而根据预定路径来控制车辆10。
自主驾驶系统70还包括车辆运动感测模块82。车辆运动感测模块82构造成使用从车辆运动传感器获取的车辆运动数据，以确定车辆10的加速度矢量，例如下文会更详细解释的是。
如这里使用地是，车辆运动传感器包括适合于直接地或间接地检测车辆10的加速度的传感器，和/或适合于检测诸如车辆角速度数据的车辆旋转数据的传感器。这些类型的传感器可包括：惯性测量单元、加速度计、压力传感器、陀螺仪、速率传感器、MHD传感器或其他类型的传感器。车辆运动传感器包括在传感器系统28中。
自主驾驶系统70还包括碰撞检测系统84。碰撞检测系统84构造成确定车辆10和其他物体之间的碰撞事件，例如下文会更详细解释的是。
如上文解释地是，在各种实施例中，计算机视觉系统74合成并且处理来自环境传感器的传感器数据，并预测车辆10的环境的物体和特征的存在、位置、分类和/或路径。
在各种实施例中，计算机视觉系统74监控与环境的物体和特征相关联的某些参数。如图3中所示，计算机视觉系统74构造成使用从环境传感器获取的数据，以监控物体30、32(在图3中示意地表示为其他车辆)距车辆10的距离。此外，计算机视觉系统74还构造成使用从环境传感器获取的数据，以监控物体30、32与车辆10的相对速度矢量31、33。
监控物体30、32与车辆10的相对速度矢量31、33包含既监控物体30、32与车辆10的相对标量速度又监控这些物体30、32相对于车辆10的“航向”或行驶方向。
此外如图3中所示，计算机视觉系统74还限定碰撞周界83，远离车辆10的预定距离。碰撞周界的目的会在下文进行更详细地解释。碰撞周界距车辆10的距离可以是静态距离，或者可以是例如基于车辆周围物体的相对速度动态地计算的动态距离。动态调节碰撞周界可补偿碰撞检测系统中的延迟。
与车辆10周围的物体30、32的相对速度31、33以及距离相关的所获取数据从计算机视觉系统74发送至碰撞检测系统84。
碰撞检测系统84构造成当考虑到车辆的自身速度矢量11时，确定车辆10周围的物体30、32的所监控相对速度31、33的任何一个是否意指相关联的物体可能会拦截车辆的预定路径。在各种实施例中，当由碰撞检测系统84确定物体之间的拦截很有可能时，则物体由定位系统标识为威胁物。例如图3的情形中可观察到的是，当考虑到车辆的自身速度矢量11时，物体30、32两者均具有可能会导致拦截车辆10的速度矢量31、33。这样，针对图3中示出的情形，碰撞检测系统84可将物体30、32两者均标识为威胁物。
在将物体标识为威胁物之后，计算机视觉系统74结合碰撞检测系统81监控每个威胁物相对于车辆10的距离和速度矢量。以规则的间隔，每个威胁物相对于车辆10的所监控距离与碰撞周界83相比较，该碰撞周界可以是静态的，或者可基于物体30、32的速度矢量31、33动态地更新，例如上文详述的那样。
现参照图4(该视图示出图3中情形的时间发展)，威胁物30、32的位置已改变，从而使得威胁物32的速度矢量33和位置意指该威胁物32不再可能拦截车辆10。如果威胁物的相对速度矢量改变而使得威胁物与车辆10的拦截不再有可能，则该威胁物可由碰撞检测系统84“解除分类”为威胁物。
例如在图4中还可观察到的是，威胁物30的速度矢量31还未以会避免拦截车辆10的方式改变，且威胁物30已进入碰撞周界83内部。
如果威胁物进入碰撞周界83(即，威胁物和车辆10之间的所监控距离小于限定碰撞周界83的距10的静态或动态更新预定距离)，则碰撞检测系统81开始监控从传感器系统28的车辆运动传感器接收的车辆运动数据。如上文所解释的是，车辆运动传感器允许直接地或间接地确定车辆10的加速度矢量(即，车辆的加速度的方向和幅值)。
例如能在图5(该视图示出图4中情形的时间发展)中观察到的是，威胁物30在位置200处与车辆10碰撞。威胁物30与车辆10的碰撞产生车辆10的加速度矢量201，该加速度矢量可与威胁物30的速度矢量31的方向相关联。换言之，当考虑到车辆10的运动学移动限制时，威胁物30与车辆10的碰撞产生车辆10的加速度矢量201，该加速度矢量可归因于威胁物的速度的方向。加速度矢量201由传感器系统28的车辆运动传感器检测，且相关联的车辆运动数据发送至碰撞检测系统84。在一实施例中，车辆运动数据包括车辆加速度数据和车辆角度旋转数据。
当在威胁物处于碰撞周界83内部时车辆10的加速度矢量201由车辆运动传感器检测到时，碰撞检测系统84构造成将所检测的加速度矢量201与威胁物30的所监控速度矢量31相比较，以确定这些矢量是否可以相关联。如果当威胁物30处于碰撞周界83内部时车辆10的所检测加速度矢量201可与威胁物30的所监控速度矢量31相关联，则相当有可能的是，车辆10的所检测加速度矢量201已由威胁物30与车辆10碰撞而引起。这样，如果车辆10的所检测加速度矢量201可与处于碰撞周界83内部的威胁物30的所监控速度矢量31相关联，则碰撞检测系统84记录车辆10和威胁物30之间已存在碰撞。
在一个实施例中，车辆10的所检测加速度矢量201与威胁物30的所监控速度矢量31的比较通过将车辆10的加速度矢量201的方向与威胁物的所监控速度矢量31相比较来实现。如果所检测加速度矢量201与所监控速度矢量31方向基本上相同，碰撞检测系统84就确定加速度矢量201与所监控速度矢量31相关联并且记录碰撞。
在一些情形中，所检测加速度矢量201和所监控速度矢量31的方向的直接比较并非是检测威胁物和车辆之间碰撞的最精确方法。具体地说，即使威胁物30的速度矢量31是经由碰撞的加速度矢量201的原因，车辆10的某些运动学限制仍可致使所检测加速度矢量201的方向是与速度矢量31的方向不同的方向。这可例如在车辆轮胎限制改变加速度矢量201时发生。在这些情形中，期望经由另一方法使得加速度矢量201与速度矢量31相关联。
在一实施例中，加速度矢量201使用车辆旋转数据通过变换算法而与速度矢量相关联。具体地说，在一实施例中，车辆运动传感器构造成获取车辆旋转数据，例如，车辆10的角速度以及车辆10的线性加速度数据。在由车辆运动传感器检测的加速度并不与由车辆的重心经历的加速度相同的情形期间(例如，当车辆并不直线移动时或者由于诸如轮胎限制的其他车辆运动学限制)，所获取的车辆旋转数据用于将在车辆运动传感器处获取的加速度数据数学地变换为已在车辆的重心处经历的加速度数据。在此种变换之后，经变换的加速度数据可例如经由自由体图分析而与威胁物30的所监控速度矢量31相关联，其中，车辆在其自身的重心处建模为单点质量，并且牛顿力学用于使得所检测的加速度矢量与威胁物的速度矢量相关联。例如会意识到的是，在车辆运动传感器处获取的加速度数据向在车辆的重心处经历的加速度数据的变换需要了解车辆运动传感器的安装位置以及车辆的重心的位置。
连同车辆运动学限制一起，通过将车辆10的加速度矢量201与碰撞周界83内部的威胁物30的所监控速度矢量31相比较，且然后使用此种比较来确定这些矢量之间是否存在关联性允许确定车辆10和威胁物30之间是否已发生碰撞。此种技术避免与其他碰撞检测技术相关联的某些缺点。
确切地说，如果假设的碰撞检测技术仅仅隔离地利用单一类型的传感器(例如，隔离地使用环境传感器或者隔离地使用车辆运动传感器)来检测碰撞，则假阳性碰撞得以检测的可能性增大。对于低速碰撞事件，假阳性尤为可能。例如，如果碰撞检测系统仅仅依赖于从车辆运动传感器(例如，加速度计)的输出与预定阈值的比较来检测碰撞，则此种碰撞检测系统会无法精确地将低速碰撞事件与可能引起车辆加速的其他事件加以区分，而车辆加速事件在正常驾驶环境期间(例如，遇到坑洼)发生。此外，如果低速碰撞事件并不产生足够大的车辆加速度幅值来超过阈值加速度数值从而记录碰撞，则低速碰撞事件可能不被车辆10检测到。
进而，如果仅仅依赖于使用环境传感器对外部物体之间的距离与距车辆10的预定碰撞距离相比较，则外部物体极为靠近于车辆10通行但实际上并不与车辆10碰撞的情形可能由碰撞检测系统误标识为碰撞。确切地说，即使外部物体可能足够靠近于车辆10通行指示满足碰撞的预定阈值距离，仍并不提供碰撞的物理确认。
这样，多种不同类型传感器(例如，车辆运动传感器和环境传感器)的使用降低了由碰撞检测系统84检测到假阳性碰撞的可能性。
此外，通过要求在由车辆10经历的加速度矢量201与威胁物的速度31之间进行比较以确定这些矢量之间是否存在关联性并且由此记录碰撞，记录碰撞所需的阈值加速度数值可与仅仅使用单一类型的传感器(例如加速度计或压力传感器)的碰撞检测系统相比减小。
例如，仅仅使用车辆运动传感器(例如，加速度计)来检测碰撞的假设碰撞检测系统会需要在记录碰撞之前检测到相对较高的加速度，以防止车辆10的小加速度矢量(例如车门砰击、驾驶期间遇到坑洼或者由于车辆音响系统引起的明显空气压力变化)错误地触发碰撞的记录。然而，采用本发明的碰撞检测系统，针对记录碰撞，加速度阈值数值的幅值可能相对较低。这是由于威胁物的速度矢量方向与加速度矢量方向的比较以及威胁物距车辆10的距离的比较增大了车辆10的任何所检测加速度是由于与所监控威胁物相碰撞而引起的可能性。这样，由于增大了加速度是由于与所监控威胁物相碰撞而非由于其他非碰撞事件引起的概率，相对较小的加速度矢量阈值可用于检测碰撞。
在各种实施例中，所检测的加速度矢量201的幅值须大于预定加速度幅值阈值，以使得碰撞能由碰撞检测系统84加以记录。在各种实施例中，预定加速度幅值阈值是动态阈值，该阈值的数值由碰撞检测系统84基于所确定的威胁物速度而确定。与仅仅利用车辆运动传感器的碰撞检测技术相比，这允许进一步减少假阳性碰撞记录且同时仍允许较低的加速度阈值。
在碰撞由碰撞检测系统84检测到之后，碰撞检测系统84指令车辆控制系统80控制车辆10根据国家和/或州的法律而安全地停止在碰撞现场附近。在一个实施例中，车辆控制系统80会在记录碰撞之后控制车辆安全地停止在驾驶车道中。
在各种实施例中，如图2中所示，车辆10包括数据登陆系统86。在一实施例中，碰撞检测系统84指令数据登陆系统86大致在记录碰撞时将来自传感器系统28的传感器数据存储在存储器46中。例如，在一个实施例中，数据登陆系统86存储检测到碰撞之前30秒以及检测到碰撞之后5秒的由传感器系统28的传感器所获取的所有环境和车辆运动传感器数据。在一个实施例中，传感器系统数据存储在诸如KAM的非易失性存储器中。所存储的数据然后将可用于碰撞的事后审查。此种事后审查可用于机器学习、监管或辩论目的。
现参照图6，并且继续参照图1-4，示出说明根据本发明的能由图2所示自主驾驶系统70执行的控制方法的流程图。例如鉴于本发明能意识到的是，方法内的操作顺序并不限于图6中说明的按序执行，而是能在可适用的情形下并且根据本发明以一种或多种改变的顺序来执行。在各种实施例中，方法能基于一个或多个预定事件而按规划运行，和/或能在自主车辆10的操作期间持续地运行。
在方法的步骤500处，环境数据由自主车辆10的传感器系统28的至少一个环境传感器获取。
在步骤502处，所获取的环境数据用于确定至少一个物体相对于自主车辆10的速度矢量，以及确定至少一个物体和自主车辆10之间的距离。
在步骤504处，车辆运动数据使用自主车辆10的至少一个车辆运动传感器获取。车辆运动数据用于确定车辆10的加速度矢量。
在步骤506处，将自主车辆10和至少一个物体之间的距离与预定距离之间进行比较。如果自主车辆10和物体之间的距离大于预定距离，则该方法返回至步骤502。如果自主车辆10和物体之间的距离小于预定距离，则该方法行进至步骤508。
在步骤508处，将车辆的加速度矢量方向与物体的速度矢量方向进行比较。如果加速度矢量与威胁物的速度矢量相关联，则该方法行进至步骤510。如果加速度矢量并不与威胁物的速度矢量相关联，则该方法返回至步骤506。
在步骤510处，记录碰撞。在一些实施例中，响应于碰撞得以记录，可控制车辆以安全地停止在碰撞附近。
现参照图7，在各个实施例中，关于图1描述的自主车辆10可以适用于特定地理区域(例如，城市、学校或商业园区、购物中心、游乐园、活动中心等)中的出租车或穿梭系统的情形中，或者可以简单地由远程系统管理。例如，自主车辆10可与基于自主车辆的远程运输系统相关联。图7说明总地以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52，该运输系统与关于图1描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进一步包括一个或多个用户装置54，这些用户装置经由通信网络56与自主车辆10和/或远程运输系统52通信。
通信网络56支持由操作环境50支持的装置、系统和部件之间按需求的通信(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可包括无线载波系统60，该无线载波系统例如是蜂窝电话系统，该蜂窝电话系统包括多个发射塔(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与陆地通信系统相连接所需的任何其他联网部件。每个发射塔均包括发送和接收天线以及基站，其中，来自不同发射塔的基站直接地或者经由诸如基站控制器的中间设备连接于MSC。无线载波系统60能实施任何合适的通信技术，例如包括诸如诸如CDMA(例如，CDMA2000)、LTE(例如，4G LTE或5G LTE)GSM/GPRS的数字技术或者其他当前或新兴的无线技术。其他发射塔/基站/MSC布置也是可能的并且可用于无线载波系统60。例如，仅仅列举一些可能的布置，基站和发射塔可共同定位在相同部位或者他们可相对于彼此远程地定位，每个基站可用于单个发射塔或者单个基站可服务各个发射塔，或者各个基站可联接于单个MSC。
除了包括无线载波系统60以外，可包括呈卫星通信系统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。这可使用一个或多个通信卫星(未示出)和上行链路发射站(未示出)来进行。单向通信可例如包括卫星无线电服务，其中，节目内容(新闻、音乐等等)由发射站接收、打包上传且然后发送至卫星，该卫星将节目播送至用户。双向通信可例如包括使用卫星来中继车辆10和发射站之间的电话通信的卫星电话技术服务。卫星电话技术可附加于或替代无线载波系统60来使用。
可进一步包括陆地通信系统62，该陆地通信系统是连接于一个或多个路线电话的传统陆基电信网络，并且将无线载波系统60连接于远程运输系统52。例如，陆地通信系统62可包括公共交换电话网络(PSTN)，例如用于提供硬接线电话技术、分组交换数据通信以及因特网基础设施的那种。陆地通信系统62的一个或多个区段可通过使用标准有线网络、光纤或其他光学网络、电缆网络、电源线、诸如无线局域网(WLAN)的其他无线网络或提供宽带无线接入(BWA)的网络或任何其组合来实施。此外，远远程运输系统52无需经由陆地通信系统62连接，而是可包括无线电话技术设备，以使得其能与诸如无线载波系统60的无线网络直接地通信。
虽然在图7中示出仅仅一个用户装置54，但操作环境50的各实施例能支持任何数量的用户装置54，包括由一个人拥有、操作或以其他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可使用任何合适的硬件平台来实施。在这点上，用户装置54能以任何共同的规格来实现，包括但不限于：台式计算机；移动计算机(例如，平板电脑、膝上型电脑或上网本)；智能电话；视频游戏装置；数字媒体播放器；一件家庭娱乐设备；数字照相机或视频照相机；可穿戴计算装置(例如，智能手表、智能眼睛、智能服装)；等等。由操作环境50支持的每个用户装置54实现为计算机实施的或基于计算机的装置，其具有执行这里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。例如，用户装置54包括呈可编程装置的形式的微处理器，该微处理器包括一个或多个指令，这些指令存储在内部存储器结构中并且施加以接收二进制输入来产生二进制输出。在一些实施例中，用户装置54包括GPS模块，该GPS模块能够接收GPS卫星信号并且基于那些信号产生GPS坐标。在其他实施例中，用户装置54包括蜂窝通信功能性，以使得该装置使用一个或多个蜂窝通信协议经由通信网络56来执行语音和/或数据通信。在各种实施例中，用户装置54包括诸如触摸屏图形显示器的可视显示器或者其他显示器。
远程运输系统52包括一个或多个后端服务器系统，这些后端服务器系统可以是云基的、网络基的或者驻存在由远程运输系统52服务的特定校园或地理位置处。远程运输系统52能由现场提示器或自动提示器或者两者的组合操控。远程运输系统52能与用户装置54和自主车辆10a-10n通信，以规划驾乘、调度自主车辆10a-10n等等。在各种实施例中，远程运输系统52存储账户信息，例如用户授权信息、车辆标识符、简档记录、行为模式以及其他相关用户信息。
根据典型的使用情形工作流，远程运输系统52的注册用户会经由用户装置54产生驾乘请求。驾乘请求通常会指示乘客的期望搭乘位置(或当前GPS位置)、期望的目的地位置(其可识别预定车辆停靠站和/或用户指定的乘客目的地)以及搭乘时间。远程运输系统52接收驾乘请求、处理该请求并调度自主车辆10a-10n的选定一个(当且如果一个车辆可用时)来在指定的搭乘位置并且在合适的时刻处搭乘乘客。远程运输系统52还可产生适当构造的确认消息或通知并将其发送至用户装置54，以使得乘客了解车辆正在途中。
例如能意识到的是，这里公开的主题为可被认为是标准或基线自主车辆10和/或基于自主车辆的远程运输系统52提供某些增强特征和功能性。为此，自主车辆和基于自主车辆的远程运输系统可得以修改、增强或以其他方式补充，以提供下文更详细描述的附加特征。
虽然在前文详细描述中已呈现了至少一个示例性实施例，但应意识到的是存在各种各样变型。还应意识到的是，示例性实施例或多个示例性实施例仅仅是示例，但并不旨在以任何方式限制本发明的范围、可适用性或构造。而是，前文详细描述会为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利指引图。应理解的是，可对元件的功能和结构做出各种改变，而不会偏离在所附权利要求及其法律等同物中阐述的本发明范围。
Claims (7)
1.一种用于车辆的自主驾驶系统，所述自主驾驶系统包括：
计算机视觉系统，所述计算机视觉系统构造成使用所获取的环境数据来确定物体相对于所述车辆的速度矢量以及所述物体和所述车辆之间的距离；
车辆运动感测模块，所述车辆运动感测模块构造成使用所获取的车辆运动数据来确定所述车辆的加速度矢量；以及
碰撞检测模块，所述碰撞检测模块构造成当加速度矢量具有与所述物体的速度矢量相同的方向且加速度矢量具有大于预定阈值幅值的幅值时且当所述物体和所述车辆之间的所确定的距离小于预定量时，记录所述物体和所述车辆之间的碰撞，所述预定阈值幅值基于所述物体的所述速度矢量的幅值动态地确定。
2.根据权利要求1所述的自主驾驶系统，其中，所获取的车辆运动数据包括车辆加速度数据，和/或其中，所获取的车辆运动数据包括车辆角速度数据。
3.根据权利要求1所述的自主驾驶系统，其中，预定量基于物体的速度矢量的幅值动态地确定。
4.根据权利要求1所述的自主驾驶系统，其中，自主驾驶系统还包括至少一个车辆运动传感器，该至少一个车辆运动传感器选自加速度计、压力传感器和/或惯性测量单元，该至少一个车辆运动传感器构造成获取车辆运动数据。
5.一种检测自主车辆和物体之间的碰撞的方法，
所述方法包括：
使用至少一个环境传感器获取环境数据；
使用处理器基于所述环境数据确定物体相对于所述自主车辆的速度矢量；
使用处理器基于所感测的环境数据确定所述物体和所述自主车辆之间的距离；
使用至少一个车辆运动传感器获取车辆运动数据，并且使用处理器基于所述车辆运动数据确定所述自主车辆的加速度矢量；
使用处理器来将所述物体和所述自主车辆之间的距离与预定距离相比较；
当所述物体和所述自主车辆之间的所述距离小于预定距离时，将所述自主车辆的所述加速度矢量与所述物体的所述速度矢量相比较；以及
当所述加速度矢量具有与所述物体的所述速度矢量相同的方向且加速度矢量具有大于预定阈值幅值的幅值时，记录所述物体和所述自主车辆之间的碰撞，所述预定阈值幅值基于所述物体的所述速度矢量的幅值动态地确定。
6.一种车辆，所述车辆包括自主驾驶系统，所述自主驾驶系统包括：
计算机视觉系统，所述计算机视觉系统构造成使用所获取的环境数据来确定物体相对于所述车辆的速度矢量以及所述物体和所述车辆之间的距离；
车辆运动感测模块，所述车辆运动感测模块构造成使用所获取的车辆运动数据来确定所述车辆的加速度矢量；以及
碰撞检测模块，所述碰撞检测模块构造成当加速度矢量具有与所述物体的速度矢量相同的方向且加速度矢量具有大于预定阈值幅值的幅值时且当所述物体和所述车辆之间的所确定的距离小于预定量时，记录所述物体和所述车辆之间的碰撞，所述预定阈值幅值基于所述物体的所述速度矢量的幅值动态地确定。
7.根据权利要求6所述的车辆，进一步包括至少一个环境传感器，所述至少一个环境传感器选自：雷达、激光雷达以及光学照相机，以获取所述环境数据。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/886028 | 2018-02-01 | ||
| US15/886,028 US10611369B2 (en) | 2018-02-01 | 2018-02-01 | Systems and methods for collision detection in autonomous vehicles |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110103852A CN110103852A (zh) | 2019-08-09 |
| CN110103852B true CN110103852B (zh) | 2022-08-02 |
Family
ID=67224502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910078355.5A Active CN110103852B (zh) | 2018-02-01 | 2019-01-25 | 用于自主车辆中的碰撞检测的系统和方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10611369B2 (zh) |
| CN (1) | CN110103852B (zh) |
| DE (1) | DE102019102195B4 (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11391826B2 (en) * | 2017-09-27 | 2022-07-19 | Magna Electronics Inc. | Vehicle LIDAR sensor calibration system |
| US11221392B2 (en) * | 2018-07-31 | 2022-01-11 | GM Global Technology Operations LLC | Lidar object detection and data communications |
| EP3739419B1 (en) * | 2019-05-14 | 2021-11-10 | Sandvik Mining and Construction Oy | Autonomous mine vehicle operation |
| US11308741B1 (en) | 2019-05-30 | 2022-04-19 | State Farm Mutual Automobile Insurance Company | Systems and methods for modeling and simulation in vehicle forensics |
| CN110843775B (zh) * | 2019-11-30 | 2022-04-01 | 的卢技术有限公司 | 一种基于压力传感器的障碍物识别方法 |
| CN111121804B (zh) * | 2019-12-03 | 2023-09-26 | 重庆邮电大学 | 一种具有安全性约束的智能车辆路径规划方法及系统 |
| KR20220014436A (ko) * | 2020-07-27 | 2022-02-07 | 현대자동차주식회사 | 자율 주행 제어 장치 및 방법 |
| CN112606838B (zh) * | 2020-12-15 | 2022-07-01 | 东风汽车集团有限公司 | 一种车辆变道防碰撞控制方法及装置 |
| CN115909536A (zh) * | 2021-08-23 | 2023-04-04 | 博泰车联网(南京)有限公司 | 行车录像处理方法、车载终端及计算机存储介质 |
| CN115420522B (zh) * | 2022-09-16 | 2023-06-30 | 中汽研汽车检验中心(广州)有限公司 | 一种基于aeb工况下的正面碰撞测试方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8676431B1 (en) * | 2013-03-12 | 2014-03-18 | Google Inc. | User interface for displaying object-based indications in an autonomous driving system |
| CN105751999A (zh) * | 2016-03-31 | 2016-07-13 | 汪家琳 | 全智能全自动(无人)驾驶汽车 |
| CN106627368A (zh) * | 2016-11-14 | 2017-05-10 | 深圳市元征科技股份有限公司 | 一种车辆行驶环境显示方法及车载设备 |
| US9701307B1 (en) * | 2016-04-11 | 2017-07-11 | David E. Newman | Systems and methods for hazard mitigation |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010012749A1 (de) | 2010-03-25 | 2011-09-29 | Kuka Laboratories Gmbh | Verfahren zum Betreiben eines autonomen Flurförderfahrzeugs |
| DE102012111846B4 (de) | 2011-12-05 | 2019-05-16 | Xuan Zhou | Kollisionsschutzverfahren und Kollisionsschutzsystem |
| JP5835242B2 (ja) * | 2013-02-01 | 2015-12-24 | 株式会社デンソー | 車両用安全制御システム |
| JP5884771B2 (ja) * | 2013-05-22 | 2016-03-15 | 株式会社デンソー | 衝突緩和装置 |
| US9392431B2 (en) * | 2014-09-30 | 2016-07-12 | Verizon Patent And Licensing Inc. | Automatic vehicle crash detection using onboard devices |
| US9836980B2 (en) * | 2015-06-07 | 2017-12-05 | Apple Inc. | Collision avoidance of arbitrary polygonal obstacles |
| DE102015214986A1 (de) | 2015-08-06 | 2017-02-09 | Conti Temic Microelectronic Gmbh | Verfahren zur Unterstützung eines Fahrers eines Fahrzeugs zur Vermeidung von Unfällen mit Fußgängern |
| US10248872B2 (en) * | 2016-10-19 | 2019-04-02 | Texas Instruments Incorporated | Estimation of time to collision in a computer vision system |
-
2018
- 2018-02-01 US US15/886,028 patent/US10611369B2/en active Active
-
2019
- 2019-01-25 CN CN201910078355.5A patent/CN110103852B/zh active Active
- 2019-01-29 DE DE102019102195.2A patent/DE102019102195B4/de active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8676431B1 (en) * | 2013-03-12 | 2014-03-18 | Google Inc. | User interface for displaying object-based indications in an autonomous driving system |
| CN105751999A (zh) * | 2016-03-31 | 2016-07-13 | 汪家琳 | 全智能全自动(无人)驾驶汽车 |
| US9701307B1 (en) * | 2016-04-11 | 2017-07-11 | David E. Newman | Systems and methods for hazard mitigation |
| CN106627368A (zh) * | 2016-11-14 | 2017-05-10 | 深圳市元征科技股份有限公司 | 一种车辆行驶环境显示方法及车载设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE102019102195B4 (de) | 2022-05-12 |
| DE102019102195A1 (de) | 2019-08-01 |
| US20190232954A1 (en) | 2019-08-01 |
| CN110103852A (zh) | 2019-08-09 |
| US10611369B2 (en) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110103852B (zh) | 用于自主车辆中的碰撞检测的系统和方法 | |
| US10328934B2 (en) | Temporal data associations for operating autonomous vehicles | |
| US10282999B2 (en) | Road construction detection systems and methods | |
| US10317907B2 (en) | Systems and methods for obstacle avoidance and path planning in autonomous vehicles | |
| US10672206B2 (en) | Systems, methods and apparatuses for diagnostic fault detection by parameter data using a redundant processor architecture | |
| US20190061771A1 (en) | Systems and methods for predicting sensor information | |
| US10311658B2 (en) | Unexpected impulse change collision detector | |
| US11242060B2 (en) | Maneuver planning for urgent lane changes | |
| US10552695B1 (en) | Driver monitoring system and method of operating the same | |
| US20190011913A1 (en) | Methods and systems for blind spot detection in an autonomous vehicle | |
| US20180004215A1 (en) | Path planning of an autonomous vehicle for keep clear zones | |
| US20180224860A1 (en) | Autonomous vehicle movement around stationary vehicles | |
| US20180024239A1 (en) | Systems and methods for radar localization in autonomous vehicles | |
| US10466704B2 (en) | Autonomous vehicle localization | |
| US20200033855A1 (en) | Systems and methods for predicting entity behavior | |
| CN109131065B (zh) | 用于由自主车辆进行外部警告的系统和方法 | |
| US20190168805A1 (en) | Autonomous vehicle emergency steering profile during failed communication modes | |
| US10495733B2 (en) | Extendable sensor mount | |
| CN110758401A (zh) | 自主车辆操作期间的停止应急计划 | |
| US11815887B2 (en) | Vehicle control device, vehicle control method, vehicle, information processing device, information processing method, and program | |
| CN113692521A (zh) | 信息处理装置、信息处理方法和信息处理程序 | |
| US20180370503A1 (en) | Contact sensor assembly for brake systems in autonomous vehicles | |
| JP7192771B2 (ja) | 情報処理装置、情報処理方法、プログラム、及び、車両 | |
| US20200050191A1 (en) | Perception uncertainty modeling from actual perception systems for autonomous driving | |
| US10585434B2 (en) | Relaxable turn boundaries for autonomous vehicles |
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 |