CN110239562A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110239562A
CN110239562A CN201910034391.1A CN201910034391A CN110239562A CN 110239562 A CN110239562 A CN 110239562A CN 201910034391 A CN201910034391 A CN 201910034391A CN 110239562 A CN110239562 A CN 110239562A
Authority
CN
China
Prior art keywords
path
group
surrounding vehicles
perception information
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
CN201910034391.1A
Other languages
English (en)
Other versions
CN110239562B (zh
Inventor
陶佳鸣
李栋
蒋一飞
张亮亮
胡江滔
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 CN110239562A publication Critical patent/CN110239562A/zh
Application granted granted Critical
Publication of CN110239562B publication Critical patent/CN110239562B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • 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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0082—Automatic parameter input, automatic initialising or calibrating means for initialising the control system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/408—Traffic behavior, e.g. swarm
    • 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
    • B60W2556/45—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads

Landscapes

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

Abstract

提供了一种用于自动驾驶的实时感知调整和校正以及驾驶调适方法。该系统将分析围绕ADV的周围车辆的驾驶行为，其被利用来基于该分析以改进其原始感知，并适应更新的驾驶环境。在一个实施方式中，除了由传感器提供的感知信息之外，该系统基于感知信息来分析周围车辆的行为。系统可以基于周围车辆的行为检测到，可能存在没有基于感知信息检测到的障碍物。可选地，系统可以基于周围车辆的行为检测到，基于感知信息确定的障碍物实际上可能不存在。然后可以相应地调整为ADV创建的路径以改进ADV的自动驾驶。

Description

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
技术领域
本公开的实施方式总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基于实时感知调整自动驾驶车辆的自动驾驶。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、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。
运动规划和控制是自动驾驶的关键操作。可以基于由自动驾驶车辆(ADV)的传感器捕获的感知ADV周围的驾驶环境的感知信息来规划控制ADV的路径。然而，如果ADV仅仅依赖于其当前的传感器系统，那么它可能具有非常有限的感知。利用现有的传感器技术，可以在一定距离范围内对其周围环境进行检测。
例如，为了使用安装在ADV上的传感器来检测障碍物，存在最小高度要求。其中一些可能是路障，例如大的宽的(但短的)石头、或小动物。通常，存在错误的障碍物检测，包括位置、大小、类型等。如果ADV不能准确地检测出障碍物，则可能导致紧急停止或暂停，或一些其他错误。
发明内容
根据本申请的一方面，提供了一种用于操作自动驾驶车辆的计算机实施的方法，所述方法包括：
接收感知由自动驾驶车辆的一个或多个传感器捕获的道路上的一个或多个障碍物的第一感知信息；
接收感知所述自动驾驶车辆周围的一个或多个车辆的第二感知信息；
基于与所述道路相关联的一组交通规则和地图数据，基于所述第一感知信息和所述第二感知信息创建第一组路径；
分析所述第二感知信息以确定所述周围车辆的驾驶行为；
基于对所述周围车辆的驾驶行为的分析来修改所述第一组的一个或多个路径，生成第二组路径；以及
基于一组一个或多个路径选择规则来选择所述第二组的路径中的一个以控制所述自动驾驶车辆。
根据本申请的另一方面，提供了一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时致使所述处理器执行操作自动驾驶车辆的操作，所述操作包括：
接收感知由自动驾驶车辆的一个或多个传感器捕获的道路上的一个或多个障碍物的第一感知信息；
接收感知所述自动驾驶车辆周围的一个或多个车辆的第二感知信息；
基于与所述道路相关联的一组交通规则和地图数据，基于所述第一感知信息和所述第二感知信息创建第一组路径；
分析所述第二感知信息以确定所述周围车辆的驾驶行为；
基于对所述周围车辆的驾驶行为的分析来修改所述第一组的一个或多个路径，生成第二组路径；以及
基于一组一个或多个路径选择规则来选择所述第二组的路径中的一个以控制所述自动驾驶车辆。
根据本申请的又一方面，提供了一种数据处理系统，包括：
处理器；以及
存储器，联接至所述处理器以存储指令，所述指令在由所述处理器执行时致使所述处理器执行操作，所述操作包括：
接收感知由自动驾驶车辆的一个或多个传感器捕获的道路上的一个或多个障碍物的第一感知信息；
接收感知所述自动驾驶车辆周围的一个或多个车辆的第二感知信息；
基于与所述道路相关联的一组交通规则和地图数据，基于所述第一感知信息和所述第二感知信息创建第一组路径；
分析所述第二感知信息以确定所述周围车辆的驾驶行为；
基于对所述周围车辆的驾驶行为的分析来修改所述第一组的一个或多个路径，生成第二组路径；以及
基于一组一个或多个路径选择规则来选择所述第二组的路径中的一个以控制所述自动驾驶车辆。
附图说明
本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考标记指示相似元件。
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3A至图3B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4A和4B是示出根据一个实施方式的规划模块的示例的示意图。
图5是示出根据一个实施方式的路径规划的过程的示意图。
图6A和6B是示出根据一个实施方式的驾驶场景的示意图。
图7A和7B是示出根据另一实施方式的驾驶场景的示意图。
图8A和8B是示出根据另一实施方式的驾驶场景的示意图。
图9是示出根据一个实施方式的操作自动驾驶车辆的过程的流程图。
图10A和10B是示出根据某些实施方式的基于周围车辆的驾驶行为修改路径的过程的流程图。
图11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。下列描述和附图是本公开的说明，而不应当解释为对本公开进行限制。描述了许多特定细节以提供对本公开的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，提供了一种用于自动驾驶的实时感知调整和校正以及驾驶调适方法。该系统将分析围绕ADV的周围车辆的驾驶行为，其被利用来基于该分析以改进其原始感知，并适应更新的驾驶环境。在一个实施方式中，除了由传感器提供的感知信息之外，该系统还基于感知信息来分析周围车辆的行为。系统可以基于周围车辆的行为检测到，可能存在没有基于感知信息检测到的障碍物。可选地，系统可以基于周围车辆的行为检测到，基于感知信息确定的障碍物实际上可能不存在。然后可以相应地调整为ADV创建的路径以改进ADV的自动驾驶。
根据一个实施方式，例如，从安装在ADV上的一个或多个传感器接收第一感知信息，其中第一感知信息感知道路内的一个或多个障碍物。接收感知ADV周围的一个或多个车辆的第二感知信息。基于第一感知信息和第二感知信息创建第一组路径。对第二感知信息执行分析以确定周围车辆的驾驶行为。基于对周围车辆的驾驶行为的分析来修改第一组的一个或多个路径。基于对改第一组路径的修改来生成第二组路径。基于一组一个或多个路径选择规则或选择标准来选择第二组的路径中的一个以控制ADV。
在一个实施方式中，对于周围车辆中的每个，基于(基于第二感知信息确定的)周围车辆的当前位置以及(基于周围车辆的驾驶历史确定的)先前位置来确定周围车辆的移动趋势。在修改第一组的路径时，可以根据从第一感知信息观察的障碍物和周围车辆的行为来调整路径的路径成本，其中，以第二组路径中的最低路径成本来选择所选择的路径。
根据另一个实施方式，系统基于周围车辆的行为识别到周围车辆的一个或多个绕行以避开道路内的第一位置。系统还基于障碍物感知信息确定在第一位置的预定邻近范围内不存在障碍物。在这个场景中，在第一位置周围一定有车辆必须绕行并避开的物体。因此，系统在第一位置的邻近范围内添加至少一个虚拟障碍物，并且，进一步根据虚拟障碍物来生成第二组路径。可以根据添加的虚拟障碍物增加第一组路径中行驶通过第一位置或在第一位置的预定邻近范围内行驶的任何路径的路径成本，其可以用于后续的路径选择。可选地，第一组中的路径的至少一些路径基于其相对于第一位置的相对位置或距离来调整(例如，增加路径成本)。
根据又一个实施方式，系统基于障碍物感知信息确定存在位于道路内的第一位置的障碍物。系统进一步基于周围车辆的行为，识别到周围车辆中的一个或多个移动通过第一位置或在第一位置的预定邻近范围内移动。可以在生成第二组路径之前从道路上移除障碍物。可以根据移除的障碍物来降低行驶通过第一位置或在第一位置的预定邻近范围内行驶的路径的路径成本，其可以用于后续的路径选择。可选地，第一组中的路径的至少一些路径基于其相对于第一位置的相对位置或距离来调整(例如，减少路径成本)。
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)服务器或位置服务器等。
自动驾驶车辆是指可被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可包括传感器系统，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和传感器系统115。自动驾驶车辆101还可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可经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。
现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS单元212可包括收发器，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可另外感测对象的速度和/或前进方向。LIDAR单元215可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还可包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可包括其它传感器，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。
返回参考图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、存储装置)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。可替代地，感知与规划系统110可与车辆控制系统111集成在一起。
例如，作为乘客的用户可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。可替代地，此类位置和MPOI信息可本地高速缓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可由第三方实体进行操作。可替代地，服务器103至104的功能可与感知与规划系统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可以是数据分析系统，从而为各种客户执行数据分析服务。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员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括指示所发出的驾驶指令(例如，油门、制动、转向指令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如，速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述不同时间点下的驾驶环境的信息，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，出于各种目的，机器学习引擎122生成或训练一组规则、算法和/或预测模型124。在一个实施方式中，规则、算法和/或预测模型124包括关于如何分析ADV的周围车辆的感知信息以确定周围车辆的驾驶行为的信息。规则、算法和/或预测模型124还可以包括关于如何基于周围车辆的驾驶行为来调整路径的路径成本的信息。术语“周围车辆”是指在特定ADV的前方或前面的车辆，或者直接前方，或者位于相邻车道的前方。
图3A和图3B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可被实施为图1的自动驾驶车辆101的一部分，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3A至图3B，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、以及路线安排模块307。
模块301至307中的一些或全部可以以软件、硬件或其组合实施。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，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至307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的当前定位(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(又称作为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可例如经由用户接口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的诸如地图与路线信息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，从而可作为地图与路线信息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摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可包括交通信号、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预测对象在这种情况下将如何表现。预测是基于感知数据执行的，该感知数据在考虑一组地图/路线信息311和交通规则312的时间点感知驾驶环境。例如，如果对象为相反方向上的车辆且当前驾驶环境包括十字路口，则预测模块303将预测车辆是否可能会笔直向前移动或转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于左转唯一车道或右转唯一车道，则预测模块303可能预测车辆将更可能分别左转或右转。
针对每个对象，决策模块304作出关于如何处置对象的决定。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决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可存储在永久性存储装置352中。
路线安排模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于从起始位置到目的地位置的给定行程，例如从用户接收的给定行程，路线安排模块307获得路线与地图信息311，并确定从起始位置至到达目的地位置的所有可能路线或路径。路线安排模块307可生成地形图形式的参考线，它确定了从起始位置至到达目的地位置的每个路线。参考线是指不受其它诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。即，如果道路上没有其它车辆、行人或障碍物，则ADV应精确地或紧密地跟随参考线。然后，将地形图提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线，以根据由其它模块提供的其它数据选择和更改最佳路线中的一个，其中，其它数据诸如为来自定位模块301的交通状况、由感知模块302感知到的驾驶环境以及由预测模块303预测的交通状况。根据时间点下的特定驾驶环境，用于控制ADV的实际路径或路线可能接近于或不同于由路线安排模块307提供的参考线。
基于针对所感知到的对象中的每个的决定，规划模块305使用由路线安排模块307提供的参考线作为基础，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决定对该对象做什么，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可决定超过所述对象，而规划模块305可确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可指示车辆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，规划阶段在多个规划周期(也称作为命令周期)中执行，例如，在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或命令周期中的每一个，将基于规划和控制数据发出一个或多个控制命令。即，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需要的时间。可替代地，规划模块305还可规定具体的速度、方向和/或转向角等。在一个实施方式中，规划模块305为下一个预定时段(诸如，5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于在前一周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。控制模块306然后基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门、制动、转向控制命令)。
应注意，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，导航系统可确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可根据经由用户接口系统113进行的用户输入来设定。导航系统可在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
决策模块304/规划模块305还可包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其它方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可通过以下方式实现自动驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统可基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统可自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。
根据一个实施方式，ADV的驾驶统计数据可以被捕获并保持为存储在永久性存储装置403中的驾驶统计数据313的一部分。类似地，由感知模块302捕获的感知信息也可以保持为感知历史314的一部分。这些信息可以用于确定其他车辆的行为并相应地调整ADV的路径。
图4A是示出根据一个实施方式的规划模块的示例的框图。图4B是示出根据一个实施方式的规划模块的操作的处理流程图。参照图4A和4B，规划模块305包括，但不限于，车辆行为分析模块411、路径生成模块412、路径调整模块413、和路径选择模块414。这些模块411-414可以加载到存储器402中并由一个或多个处理器401执行。模块411-412还可以集成到更少的集成模块中。
根据一个实施方式，从感知模块302接收第一感知信息(在该示例中，感知道路上的一个或多个障碍物的障碍物感知信息431)和第二感知信息(在该示例中，感知一个或多个周围车辆的周围车辆感知信息432)。基于感知信息431-432，路径生成模块412被配置为基于与道路相关联的一组交通规则和地图数据生成第一组路径433。车辆行为分析模块411至少分析周围车辆感知信息来确定ADV周围车辆的行为。根据周围车辆的行为，路径调整模块413被配置为基于路径调整规则423调整路径433中的一个或多个路径，以生成第二组路径作为调整的路径434。路径调整规则423可以指定如何调整路径，诸如，例如应当调整多少路径成本。然后，路径选择模块414使用路径选择规则或路径选择标准来选择路径434中的一个，其中所选择的路径435将用于控制ADV。路径选择规则或标准可以指定应该如何选择路径，诸如，例如，基于最低路径成本。
在一个实施方式中，在分析车辆的驾驶行为时，对于每个周围车辆，车辆行为分析模块411基于车辆感知信息432和/或障碍物感知信息431确定车辆的(当前规划周期的)当前位置。车辆行为分析模块411进一步确定车辆的(先前规划周期的)先前位置，其可以基于与车辆相关联的感知历史422获得。然后，车辆行为分析模块411可以确定车辆的移动趋势，作为车辆驾驶行为的一部分。
在一个实施方式中，当修改第一组路径433的一个或多个路径时，路径调整模块413根据基于第一感知信息431观察到的障碍物和周围车辆的驾驶行为来修改路径的路径成本。利用路径的修改路径成本生成第二组路径434。路径成本表示ADV在特定路径上行驶时可能产生的在与障碍物相撞的风险或乘客的舒适度水平方面的成本。较高的路径成本表明与障碍物相撞的机会或概率较高，或者乘客的不适程度较高。所选择的路径435是基于一组路径选择规则或路径选择标准从调整的路径434中选择的。在特定实施方式中，所选择的路径435在第二组路径434中的路径中具有最小的路径成本。
现在参考图5，在这个示例中，假设存在可以从地图数据获得的三个车道。每个车道包括构成车道的一系列参考点，其可由规划模块305或路线安排模块307设置。每个参考点与参考点成本相关联。路径成本是使用预定数学公式、基于与路径相关联的参考点的成本计算的，诸如，例如，通过对所有参考点的成本求和。
在本示例中，假设道路上没有障碍物，路径生成器412基于感知信息431-432生成第一组路径503-505。因此，ADV 501可以被控制以沿着路径503-505中的任意一个移动。最终将基于路径选择规则或标准(诸如，例如，最小路径成本)来选择路径503-505中的一个。在此示例中，路径504基于参考点511和522-524形成；路径503基于参考点511-514形成；路径505基于参考点511和532-534形成。基于ADV 101的当前位置，参考点511-514、522-524和532-534中的每个被分配有参考点成本。在一个实施方式中，参考点的参考点成本可以与该参考点与附近障碍物之间的距离相关。例如，参考点522-524和532-534的成本可能高于参考点512-514，因为它们更靠近道路的边缘。在这个示例中，道路的边缘被认为是障碍物，因为它影响车辆的安全和乘客的舒适度。因此，在这个示例中，可以选择路径503，因为其路径成本将是最低的。
根据一个实施方式，基于周围车辆的驾驶行为，车辆行为分析模块411可以确定道路上存在障碍物，即使这种障碍物可以不作为障碍物感知信息431的一部分示出。在此示例中，基于周围车辆的驾驶行为，路径调整模块413确定障碍物502位于道路内的该特定位置。鉴于障碍物502，路径调整模块413修改路径503-505中的至少一些的参考点中的至少一些的成本。某些参考点的增加的成本表明在相关参考点邻近范围内存在障碍物。在一个实施方式中，路径调整模块413可增加参考点533-534和514的成本，因为它们更接近障碍物502。可选地，可以基于它们相对于障碍物502的各自相对位置或距离来按比例调整障碍物502预定邻近范围内的所有参考点的成本。经修改的第一组路径在修改后成为第二组路径434。当路径选择模块414从第二组中选择路径之一时，由于路径503-505的修改路径成本，可以选择路径504。
图6A示出了根据一个实施方式的特定驾驶场景。参考图6A，确定围绕ADV的周围车辆(在本示例中，车辆A、B和C)，全部将车道从右车道改为左车道。基于障碍物感知信息，在右车道上没有障碍物。但是基于车辆A-C的行驶行为，系统可能会认为一定存在阻塞了右车道的物体。然后，如图6B所示，该系统在车辆A-C试图避开的位置添加虚拟障碍物610。因此，可增加行驶通过该特定位置610或在该特定位置610预定邻近范围内的路径的路径成本。具有增加的成本的路径减少了随后被选择的机会，这进而导致ADV避开与虚拟障碍物610相关联的该特定位置。
图7A示出了根据另一个实施方式的另一个驾驶场景。参考图7A，在这个示例中，在时间点701，基于障碍物感知信息431检测到障碍物710。然而，在时间点702，基于车辆感知信息432，检测到车辆A行驶通过障碍物710或在障碍物710的预定邻近范围内行驶。随后，在时间点703，车辆B也行驶通过障碍物710或在障碍物710的预定邻近范围内行驶。如果超过预定数量的车辆行驶通过障碍物710的位置，则系统可以确定障碍物710可能不存在，系统可通过降低接近障碍物710的路径的路径成本来清除障碍物710，如图7B所示。在一个实施方式中，如果所有的车辆在前面行驶经过障碍物710的预定邻近范围，则障碍物710将被完全移除。如果大多数或所有周围的车辆可沿绕过障碍物710的车道或道路的中心线驾驶而没有躲避它，则特定类型的成本，诸如相关联路径的躲避成本可以降低。这种情况是指部分堵塞的驾驶方案。
根据一个实施方式，如图8A和8B所示，可以利用上述技术来基于周围车辆的驾驶行为来更早地规划ADV。参见图8A，在这个示例中，系统检测到ADV前方的所有车辆都从右车道改变到左车道，尽管没有基于感知信息检测到障碍物。系统还能够通过改变车道生成警报或改变路线安排以跟随车流，以避免最后一刻重新安排路线，如图8B所示。
图9是示出根据一个实施方式的基于周围车辆的驾驶行为操作自动驾驶车辆的过程的流程图。过程900可由处理逻辑执行，所述处理逻辑可包括软件、硬件或它们的组合。例如，过程900可以由规划模块305执行。参考图9，在操作901中，例如从感知模块302接收第一感知信息，感知道路或车道上的一个或多个障碍物，这些障碍物被ADV的一个或多个传感器捕获。在操作902中，接收感知ADV周围的一个或多个车辆的第二感知信息。在操作903中，基于第一感知信息和第二感知信息创建第一组路径，例如，使用与道路相关联的一组交通规则和地图数据。在操作904中，分析第二感知信息以确定周围车辆的驾驶行为。在操作905中，基于对周围车辆的驾驶行为的分析，修改第一组路径中的一个或多个路径。相应地生成第二组路径。在操作906中，基于一组一个或多个路径选择规则(例如，最小路径成本)来选择第二组中的路径之一以控制ADV。
图10A是示出根据一个实施方式的基于周围车辆的驾驶行为修改自动驾驶车辆的路径的过程的流程图。过程1000可以作为图9的操作905的一部分来执行。参考图10A，在操作1001中，处理逻辑基于车辆的驾驶行为识别出一个或多个车辆绕行以避开道路内的第一位置。在操作1002中，处理逻辑基于障碍物感知信息确定在第一位置的预定邻近范围内不存在障碍物。在操作1003中，处理逻辑在第一位置的预定邻近范围内添加虚拟障碍物。在操作1004中，对于行驶通过第一位置或在第一位置的预定邻近范围内的任何路径，增加路径成本。可选地，基于路径和第一位置的相对位置(例如，路径与第一位置之间的距离)，成比例地增加路径成本。
图10B是示出根据另一实施方式的基于周围车辆的驾驶行为修改自动驾驶车辆的路径的过程的流程图。过程1050可以作为图9的操作905的一部分来执行。参考图10B，在操作1051中，基于障碍物感知信息确定存在位于道路内的第一位置的障碍物。在操作1052中，处理逻辑基于车辆的驾驶行为识别到一个或多个周围车辆移动通过第一位置或在第一位置的预定邻近范围内移动。在操作1053中，障碍物从道路上移除。在操作1054中，将行驶通过第一位置或在第一位置的邻近范围内行驶的任何路径的路径成本降低。可选地，基于路径与第一位置的相对位置(例如，路径与第一位置之间的距离)，成比例地减少路径成本。
应注意，如上文示出和描述的部件中的一些或全部可在软件、硬件或其组合中实施。例如，此类部件可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。可替代地，此类部件可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11是示出可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可包括许多不同的部件。这些部件可实施为集成电路(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，某些实施方式中可具有附加的部件，此外，其它实施方式中可具有所示部件的不同布置。系统1500可表示台式计算机、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可包括显示控制器、图形处理器和/或显示装置。
处理器1501可与存储器1503通信，存储器1503在一个实施方式中可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可包括鼠标、触摸板、触敏屏幕(其可与显示装置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可包括音频装置。音频装置可包括扬声器和/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还可包括成像处理子系统(例如，摄像机)，所述成像处理子系统可包括用于促进摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可经由传感器集线器(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，大容量存储装置(未示出)也可联接到处理器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，这种大容量存储装置可经由固态装置(SSD)来实施。然而，在其它实施方式中，大容量存储装置可主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储装置充当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可表示上述部件中的任一个，例如规划模块305和/或控制模块306。处理模块/单元/逻辑1528还可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他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储装置、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按不同的顺序执行。此外，一些操作可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，可对本发明作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (21)

1.一种用于操作自动驾驶车辆的计算机实施的方法，所述方法包括：
接收感知由自动驾驶车辆的一个或多个传感器捕获的道路上的一个或多个障碍物的第一感知信息；
接收感知所述自动驾驶车辆周围的一个或多个车辆的第二感知信息；
基于与所述道路相关联的一组交通规则和地图数据，基于所述第一感知信息和所述第二感知信息创建第一组路径；
分析所述第二感知信息以确定所述周围车辆的驾驶行为；
基于对所述周围车辆的驾驶行为的分析来修改所述第一组的一个或多个路径，生成第二组路径；以及
基于一组一个或多个路径选择规则来选择所述第二组的路径中的一个以控制所述自动驾驶车辆。
2.根据权利要求1所述的方法，其中，分析所述第二感知信息包括：
对于所述周围车辆中的每个，确定所述周围车辆的当前位置；以及
根据所述障碍物的位置，基于所述周围车辆的所述当前位置和先前位置来确定所述周围车辆的移动趋势。
3.根据权利要求1所述的方法，其中，修改所述第一组的一个或多个路径包括根据从所述第一感知信息观察的所述障碍物和所述周围车辆的行为来调整所述路径的路径成本，其中，以所述第二组路径中的最低路径成本来选择所选择的路径。
4.根据权利要求1所述的方法，其中，修改所述第一组的一个或多个路径包括：
基于所述周围车辆的行为识别到所述周围车辆的一个或多个绕行以避开所述道路内的第一位置；
基于所述第一感知信息确定在所述第一位置的预定邻近范围内不存在障碍物；以及
在所述第一位置的所述预定邻近范围内添加至少一个虚拟障碍物，其中，进一步根据所述虚拟障碍物来生成所述第二组路径。
5.根据权利要求4所述的方法，还包括：增加所述第一组的路径中行驶通过所述第一位置或在所述第一位置的所述预定邻近范围内行驶的任何路径的路径成本，其中，所选择的路径在所述第二组中的路径中具有最低的路径成本。
6.根据权利要求4所述的方法，其中，所选择的路径被配置为使所述自动驾驶车辆绕行所述第一位置并避开所述第一位置。
7.根据权利要求1所述的方法，其中，修改所述第一组的一个或多个路径包括：
基于所述第一感知信息确定存在位于所述道路内的第一位置的障碍物；
基于所述周围车辆的行为，识别到所述周围车辆中的一个或多个移动通过所述第一位置或在所述第一位置的预定邻近范围内移动；以及
在生成所述第二组路径之前从所述道路上移除所述障碍物。
8.根据权利要求6所述的方法，还包括：减少所述第一组路径中行驶通过所述第一位置或在所述第一位置的所述预定邻近范围内行驶的任何路径的路径成本，其中，所选择的路径在所述第二组中的路径中具有最低的路径成本。
9.一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时致使所述处理器执行操作自动驾驶车辆的操作，所述操作包括：
接收感知由自动驾驶车辆的一个或多个传感器捕获的道路上的一个或多个障碍物的第一感知信息；
接收感知所述自动驾驶车辆周围的一个或多个车辆的第二感知信息；
基于与所述道路相关联的一组交通规则和地图数据，基于所述第一感知信息和所述第二感知信息创建第一组路径；
分析所述第二感知信息以确定所述周围车辆的驾驶行为；
基于对所述周围车辆的驾驶行为的分析来修改所述第一组的一个或多个路径，生成第二组路径；以及
基于一组一个或多个路径选择规则来选择所述第二组的路径中的一个以控制所述自动驾驶车辆。
10.根据权利要求9所述的机器可读介质，其中，分析所述第二感知信息包括：
对于所述周围车辆中的每个，确定所述周围车辆的当前位置；以及
根据所述障碍物的位置，基于所述周围车辆的所述当前位置和先前位置来确定所述周围车辆的移动趋势。
11.根据权利要求9所述的机器可读介质，其中，修改所述第一组的一个或多个路径包括根据从所述第一感知信息观察的所述障碍物和所述周围车辆的行为来调整所述路径的路径成本，其中，以所述第二组路径中的最低路径成本来选择所选择的路径。
12.根据权利要求9所述的机器可读介质，其中，修改所述第一组的一个或多个路径包括：
基于所述周围车辆的行为识别到所述周围车辆的一个或多个绕行以避开所述道路内的第一位置；
基于所述第一感知信息确定在所述第一位置的预定邻近范围内不存在障碍物；以及
在所述第一位置的所述预定邻近范围内添加至少一个虚拟障碍物，其中，进一步根据所述虚拟障碍物来生成所述第二组路径。
13.根据权利要求12所述的机器可读介质，还包括：增加所述第一组的路径中行驶通过所述第一位置或在所述第一位置的所述预定邻近范围内行驶的任何路径的路径成本，其中，所选择的路径在所述第二组中的路径中具有最低的路径成本。
14.根据权利要求12所述的机器可读介质，其中，所选择的路径被配置为使所述自动驾驶车辆绕行所述第一位置并避开所述第一位置。
15.根据权利要求9所述的机器可读介质，其中，修改所述第一组的一个或多个路径包括：
基于所述第一感知信息确定存在位于所述道路内的第一位置的障碍物；
基于所述周围车辆的行为，识别到所述周围车辆中的一个或多个移动通过所述第一位置或在所述第一位置的预定邻近范围内移动；以及
在生成所述第二组路径之前从所述道路上移除所述障碍物。
16.根据权利要求14所述的机器可读介质，其中，所述操作还包括：减少所述第一组路径中行驶通过所述第一位置或在所述第一位置的所述预定邻近范围内行驶的任何路径的路径成本，其中，所选择的路径在所述第二组中的路径中具有最低的路径成本。
17.一种数据处理系统，包括：
处理器；以及
存储器，联接至所述处理器以存储指令，所述指令在由所述处理器执行时致使所述处理器执行操作，所述操作包括：
接收感知由自动驾驶车辆的一个或多个传感器捕获的道路上的一个或多个障碍物的第一感知信息；
接收感知所述自动驾驶车辆周围的一个或多个车辆的第二感知信息；
基于与所述道路相关联的一组交通规则和地图数据，基于所述第一感知信息和所述第二感知信息创建第一组路径；
分析所述第二感知信息以确定所述周围车辆的驾驶行为；
基于对所述周围车辆的驾驶行为的分析来修改所述第一组的一个或多个路径，生成第二组路径；以及
基于一组一个或多个路径选择规则来选择所述第二组的路径中的一个以控制所述自动驾驶车辆。
18.根据权利要求17所述的系统，其中，分析所述第二感知信息包括：
对于所述周围车辆中的每个，确定所述周围车辆的当前位置；以及
根据所述障碍物的位置，基于所述周围车辆的所述当前位置和先前位置来确定所述周围车辆的移动趋势。
19.根据权利要求17所述的系统，其中，修改所述第一组的一个或多个路径包括根据从所述第一感知信息观察的所述障碍物和所述周围车辆的行为来调整所述路径的路径成本，其中，以所述第二组路径中的最低路径成本来选择所选择的路径。
20.根据权利要求17所述的系统，其中，修改所述第一组的一个或多个路径包括：
基于所述周围车辆的行为识别到所述周围车辆的一个或多个绕行以避开所述道路内的第一位置；
基于所述第一感知信息确定在所述第一位置的预定邻近范围内不存在障碍物；以及
在所述第一位置的所述邻近范围内添加至少一个虚拟障碍物，其中，进一步根据所述虚拟障碍物来生成所述第二组路径。
21.根据权利要求20所述的系统，还包括：增加所述第一组路径中减少所述第一组路径中行驶通过所述第一位置或在所述第一位置的所述预定邻近范围内行驶的任何路径的路径成本，其中，所选择的路径在所述第二组中的路径中具有最低的路径成本。
CN201910034391.1A 2018-03-10 2019-01-15 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 Active CN110239562B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/917,575 US10782699B2 (en) 2018-03-10 2018-03-10 Real-time perception adjustment and driving adaption based on surrounding vehicles' behavior for autonomous driving vehicles
US15/917,575 2018-03-10

Publications (2)

Publication Number Publication Date
CN110239562A true CN110239562A (zh) 2019-09-17
CN110239562B CN110239562B (zh) 2022-10-28

Family

ID=67842602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910034391.1A Active CN110239562B (zh) 2018-03-10 2019-01-15 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

Country Status (3)

Country Link
US (1) US10782699B2 (zh)
JP (1) JP6975512B2 (zh)
CN (1) CN110239562B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112498365A (zh) * 2019-11-08 2021-03-16 百度（美国）有限责任公司 基于置信度水平和距离、响应于障碍物的自动驾驶车辆的延迟决策
CN112817306A (zh) * 2019-10-29 2021-05-18 大众汽车股份公司 车辆的远程操作式驾驶
WO2021093419A1 (zh) * 2019-11-12 2021-05-20 深圳创维数字技术有限公司 路径导航方法、装置及计算机可读存储介质
CN113232025A (zh) * 2021-06-07 2021-08-10 上海大学 一种基于接近觉感知的机械臂避障方法
CN113625698A (zh) * 2020-04-23 2021-11-09 纳恩博（常州）科技有限公司 控制车辆转向的方法、装置和存储介质
CN113753070A (zh) * 2020-06-04 2021-12-07 百度（美国）有限责任公司 自动车辆的锁定行人检测与预测
CN114063613A (zh) * 2021-10-25 2022-02-18 浙江小族智能科技有限公司 游乐车及其控制方法、装置、存储介质、终端

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7073880B2 (ja) * 2018-04-19 2022-05-24 トヨタ自動車株式会社 進路決定装置
US11086327B2 (en) * 2018-11-05 2021-08-10 Wipro Limited Method and system for determining safe navigation of autonomous vehicle
US11593539B2 (en) * 2018-11-30 2023-02-28 BlueOwl, LLC Systems and methods for facilitating virtual vehicle operation based on real-world vehicle operation data
US11513518B2 (en) * 2019-01-30 2022-11-29 Toyota Motor Engineering & Manufacturing North America, Inc. Avoidance of obscured roadway obstacles
US11131993B2 (en) 2019-05-29 2021-09-28 Argo AI, LLC Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout
RU2746026C1 (ru) * 2019-12-25 2021-04-06 Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" Способ и система для генерации опорного пути беспилотного автомобиля (SDC)
WO2021150492A1 (en) 2020-01-20 2021-07-29 BlueOwl, LLC Training virtual occurrences of a virtual character using telematics
US11685398B2 (en) 2020-02-27 2023-06-27 Baidu Usa Llc Lane based routing system for autonomous driving vehicles
US11648965B2 (en) * 2020-09-28 2023-05-16 Argo AI, LLC Method and system for using a reaction of other road users to ego-vehicle actions in autonomous driving
CN112437111B (zh) * 2020-10-13 2022-08-26 上海京知信息科技有限公司 一种基于上下文感知的车路协同系统
KR102302977B1 (ko) * 2020-10-21 2021-09-16 서경덕 복수의 무인 이동체 통합 제어 시스템
EP4012338A1 (en) * 2020-12-09 2022-06-15 Valeo Internal Automotive Software Egypt, a limited liability company Guiding a motor vehicle based on a camera image and a navigational command
US11504622B1 (en) 2021-08-17 2022-11-22 BlueOwl, LLC Systems and methods for generating virtual encounters in virtual games
US11697069B1 (en) 2021-08-17 2023-07-11 BlueOwl, LLC Systems and methods for presenting shared in-game objectives in virtual games
US11969653B2 (en) 2021-08-17 2024-04-30 BlueOwl, LLC Systems and methods for generating virtual characters for a virtual game
US11896903B2 (en) 2021-08-17 2024-02-13 BlueOwl, LLC Systems and methods for generating virtual experiences for a virtual game
US11977385B2 (en) * 2021-11-11 2024-05-07 Gm Cruise Holdings Llc Obstacle detection based on other vehicle behavior
CN114415689B (zh) * 2022-01-25 2024-05-28 无锡市金沙田科技有限公司 一种跟随车的决策方法及系统
US20230331252A1 (en) * 2022-04-15 2023-10-19 Gm Cruise Holdings Llc Autonomous vehicle risk evaluation
CN114719867B (zh) * 2022-05-24 2022-09-02 北京捷升通达信息技术有限公司 一种基于传感器的车辆导航方法及系统
CN115691183A (zh) * 2022-08-31 2023-02-03 广州软件应用技术研究院 一种基于端边云协同计算的车路协同驾驶方法及系统

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003276538A (ja) * 2002-03-26 2003-10-02 Toyota Central Res & Dev Lab Inc 障害物予測装置
JP2011186878A (ja) * 2010-03-10 2011-09-22 Nissan Motor Co Ltd 移動体走行経路生成装置
WO2013111310A1 (ja) * 2012-01-26 2013-08-01 トヨタ自動車株式会社 物体認識装置および車両制御装置
JP2013180638A (ja) * 2012-03-01 2013-09-12 Nissan Motor Co Ltd 車両用走行制御装置
CN103335658A (zh) * 2013-06-19 2013-10-02 华南农业大学 一种基于弧线路径生成的自主车辆避障方法
CN103635947A (zh) * 2011-08-31 2014-03-12 日产自动车株式会社 车辆驾驶辅助装置
JP2014139756A (ja) * 2013-01-21 2014-07-31 Toyota Motor Corp 運転支援装置
JP2015058890A (ja) * 2013-09-20 2015-03-30 株式会社デンソー 走行軌道生成装置、および走行軌道生成プログラム
CN104700657A (zh) * 2013-12-06 2015-06-10 大连东浦机电有限公司 一种基于人工神经网络的周边车辆行为预判系统
US20160061612A1 (en) * 2014-09-02 2016-03-03 Hyundai Motor Company Apparatus and method for recognizing driving environment for autonomous vehicle
CN106020205A (zh) * 2016-07-22 2016-10-12 百度在线网络技术（北京）有限公司 一种无人车系统节能控制方法和装置
CN106064626A (zh) * 2015-04-20 2016-11-02 丰田自动车株式会社 车辆行驶控制装置
US20160327953A1 (en) * 2015-05-05 2016-11-10 Volvo Car Corporation Method and arrangement for determining safe vehicle trajectories
WO2016194168A1 (ja) * 2015-06-03 2016-12-08 日産自動車株式会社 走行制御装置及び方法
CN106428009A (zh) * 2015-07-31 2017-02-22 福特全球技术公司 车辆轨迹确定
CN106598055A (zh) * 2017-01-19 2017-04-26 北京智行者科技有限公司 一种智能车局部路径规划方法及其装置、车辆
CN107031656A (zh) * 2015-12-18 2017-08-11 福特全球技术公司 用于车轮止动器检测的虚拟传感器数据生成
US20170320500A1 (en) * 2016-05-03 2017-11-09 Hyundai Motor Company Path planning apparatus and method for autonomous vehicle
US20170334441A1 (en) * 2016-05-19 2017-11-23 Honda Motor Co., Ltd. Vehicle control system, traffic information sharing system, vehicle control method, and vehicle control program
US20180011494A1 (en) * 2016-07-05 2018-01-11 Baidu Usa Llc Standard scene-based planning control methods for operating autonomous vehicles
US20180059672A1 (en) * 2016-08-29 2018-03-01 Baidu Usa Llc Method and system to construct surrounding environment for autonomous vehicles to make driving decisions

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9997080B1 (en) * 2015-10-06 2018-06-12 Zipline International Inc. Decentralized air traffic management system for unmanned aerial vehicles
DE102015224338B4 (de) * 2015-12-04 2021-10-28 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung in einem Kraftfahrzeug zum automatisierten Fahren
JP6768787B2 (ja) * 2016-03-15 2020-10-14 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
US10309777B2 (en) * 2016-12-30 2019-06-04 DeepMap Inc. Visual odometry and pairwise alignment for high definition map creation
US10948919B2 (en) * 2017-09-11 2021-03-16 Baidu Usa Llc Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles
US10754339B2 (en) * 2017-09-11 2020-08-25 Baidu Usa Llc Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US10606277B2 (en) * 2017-09-18 2020-03-31 Baidu Usa Llc Speed optimization based on constrained smoothing spline for autonomous driving vehicles
US11163309B2 (en) * 2017-11-30 2021-11-02 Direct Current Capital LLC Method for autonomous navigation
US11620906B2 (en) * 2017-12-27 2023-04-04 Direct Current Capital LLC Method for accessing supplemental sensor data from other vehicles
US20190204834A1 (en) * 2018-01-04 2019-07-04 Metawave Corporation Method and apparatus for object detection using convolutional neural network systems
US10816977B2 (en) * 2018-01-26 2020-10-27 Baidu Usa Llc Path and speed optimization fallback mechanism for autonomous vehicles
US10976745B2 (en) * 2018-02-09 2021-04-13 GM Global Technology Operations LLC Systems and methods for autonomous vehicle path follower correction
US11099017B2 (en) * 2018-02-13 2021-08-24 Baidu Usa Llc Determining driving paths for autonomous driving vehicles based on offset points
US10775801B2 (en) * 2018-03-08 2020-09-15 Baidu Usa Llc Determining speeds along a path for autonomous driving vehicles
WO2019191313A1 (en) * 2018-03-27 2019-10-03 Nvidia Corporation Remote operation of vehicles using immersive virtual reality environments
US11378956B2 (en) * 2018-04-03 2022-07-05 Baidu Usa Llc Perception and planning collaboration framework for autonomous driving
US11520335B2 (en) * 2018-04-12 2022-12-06 Baidu Usa Llc Determining driving paths for autonomous driving vehicles based on map data
US10816985B2 (en) * 2018-04-17 2020-10-27 Baidu Usa Llc Method on moving obstacle representation for trajectory planning
US10800408B2 (en) * 2018-05-24 2020-10-13 Baidu Usa Llc Determining driving paths for autonomous driving that avoid moving obstacles
US11199842B2 (en) * 2018-06-26 2021-12-14 Baidu Usa Llc Determining driving paths for autonomous driving using parallel processing
US11186276B2 (en) * 2018-07-27 2021-11-30 Baidu Usa Llc Adjusting speeds along a path for autonomous driving vehicles
US11097748B2 (en) * 2018-10-23 2021-08-24 Baidu Usa Llc Two-step reference line smoothing method to mimic human driving behaviors for autonomous driving cars

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003276538A (ja) * 2002-03-26 2003-10-02 Toyota Central Res & Dev Lab Inc 障害物予測装置
JP2011186878A (ja) * 2010-03-10 2011-09-22 Nissan Motor Co Ltd 移動体走行経路生成装置
CN103635947A (zh) * 2011-08-31 2014-03-12 日产自动车株式会社 车辆驾驶辅助装置
WO2013111310A1 (ja) * 2012-01-26 2013-08-01 トヨタ自動車株式会社 物体認識装置および車両制御装置
JP2013180638A (ja) * 2012-03-01 2013-09-12 Nissan Motor Co Ltd 車両用走行制御装置
JP2014139756A (ja) * 2013-01-21 2014-07-31 Toyota Motor Corp 運転支援装置
CN103335658A (zh) * 2013-06-19 2013-10-02 华南农业大学 一种基于弧线路径生成的自主车辆避障方法
JP2015058890A (ja) * 2013-09-20 2015-03-30 株式会社デンソー 走行軌道生成装置、および走行軌道生成プログラム
CN104700657A (zh) * 2013-12-06 2015-06-10 大连东浦机电有限公司 一种基于人工神经网络的周边车辆行为预判系统
US20160061612A1 (en) * 2014-09-02 2016-03-03 Hyundai Motor Company Apparatus and method for recognizing driving environment for autonomous vehicle
CN106064626A (zh) * 2015-04-20 2016-11-02 丰田自动车株式会社 车辆行驶控制装置
US20160327953A1 (en) * 2015-05-05 2016-11-10 Volvo Car Corporation Method and arrangement for determining safe vehicle trajectories
CN106114503A (zh) * 2015-05-05 2016-11-16 沃尔沃汽车公司 用于确定安全车辆轨迹的方法和装置
WO2016194168A1 (ja) * 2015-06-03 2016-12-08 日産自動車株式会社 走行制御装置及び方法
CN106428009A (zh) * 2015-07-31 2017-02-22 福特全球技术公司 车辆轨迹确定
CN107031656A (zh) * 2015-12-18 2017-08-11 福特全球技术公司 用于车轮止动器检测的虚拟传感器数据生成
US20170320500A1 (en) * 2016-05-03 2017-11-09 Hyundai Motor Company Path planning apparatus and method for autonomous vehicle
US20170334441A1 (en) * 2016-05-19 2017-11-23 Honda Motor Co., Ltd. Vehicle control system, traffic information sharing system, vehicle control method, and vehicle control program
US20180011494A1 (en) * 2016-07-05 2018-01-11 Baidu Usa Llc Standard scene-based planning control methods for operating autonomous vehicles
CN106020205A (zh) * 2016-07-22 2016-10-12 百度在线网络技术（北京）有限公司 一种无人车系统节能控制方法和装置
US20180059672A1 (en) * 2016-08-29 2018-03-01 Baidu Usa Llc Method and system to construct surrounding environment for autonomous vehicles to make driving decisions
CN106598055A (zh) * 2017-01-19 2017-04-26 北京智行者科技有限公司 一种智能车局部路径规划方法及其装置、车辆

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
于少伟: "智能车辆自动超车控制仿真研究", 《系统仿真学报》 *
刘博等: "无人驾驶车辆自动避障路径规划仿真研究", 《计算机仿真》 *
吴乙万等: "基于动态虚拟障碍物的智能车辆局部路径规划方法", 《湖南大学学报(自然科学版)》 *
陆虹等: "虚拟驾驶环境中车辆智能体的驾驶行为模型", 《计算机与现代化》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112817306A (zh) * 2019-10-29 2021-05-18 大众汽车股份公司 车辆的远程操作式驾驶
CN112498365A (zh) * 2019-11-08 2021-03-16 百度（美国）有限责任公司 基于置信度水平和距离、响应于障碍物的自动驾驶车辆的延迟决策
WO2021093419A1 (zh) * 2019-11-12 2021-05-20 深圳创维数字技术有限公司 路径导航方法、装置及计算机可读存储介质
CN113625698A (zh) * 2020-04-23 2021-11-09 纳恩博（常州）科技有限公司 控制车辆转向的方法、装置和存储介质
CN113625698B (zh) * 2020-04-23 2024-05-03 纳恩博（常州）科技有限公司 控制车辆转向的方法、装置和存储介质
CN113753070A (zh) * 2020-06-04 2021-12-07 百度（美国）有限责任公司 自动车辆的锁定行人检测与预测
CN113232025A (zh) * 2021-06-07 2021-08-10 上海大学 一种基于接近觉感知的机械臂避障方法
CN113232025B (zh) * 2021-06-07 2022-04-22 上海大学 一种基于接近觉感知的机械臂避障方法
CN114063613A (zh) * 2021-10-25 2022-02-18 浙江小族智能科技有限公司 游乐车及其控制方法、装置、存储介质、终端

Also Published As

Publication number Publication date
CN110239562B (zh) 2022-10-28
US20190278277A1 (en) 2019-09-12
JP6975512B2 (ja) 2021-12-01
JP2019167091A (ja) 2019-10-03
US10782699B2 (en) 2020-09-22

Similar Documents

Publication Publication Date Title
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
US11328219B2 (en) System and method for training a machine learning model deployed on a simulation platform
CN108089572B (zh) 用于车辆定位的方法和装置
US11545033B2 (en) Evaluation framework for predicted trajectories in autonomous driving vehicle traffic prediction
CN110345955A (zh) 用于自动驾驶的感知与规划协作框架
CN110377025A (zh) 用于自动驾驶车辆的传感器聚合框架
CN109489673A (zh) 用于自动驾驶车辆的数据驱动地图更新系统
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
CN109935077A (zh) 用于为自动驾驶车辆构建车辆与云端实时交通地图的系统
CN110388931A (zh) 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法
CN110389584A (zh) 用于评估自动驾驶车辆的轨迹候选项的方法
CN111380534B (zh) 用于自动驾驶车辆的基于st图学习的方法
CN109426256A (zh) 自动驾驶车辆的基于驾驶员意图的车道辅助系统
CN110377024A (zh) 用于自动驾驶车辆的自动数据标注
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
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
CN109947090A (zh) 用于自动驾驶车辆规划的非阻塞边界
CN110386142A (zh) 用于自动驾驶车辆的俯仰角校准方法
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
CN109429518A (zh) 基于地图图像的自动驾驶交通预测
CN110389585A (zh) 用于自动驾驶车辆的基于学习的速度规划器
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
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
CN110347145A (zh) 用于自动驾驶车辆的感知辅助
CN110389580A (zh) 用于规划自动驾驶车辆的路径的漂移校正的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant