CN110268457B - 用于确定至少两个车辆的集体操纵的方法、计算机程序产品、计算机能读取的介质、控制器和包括该控制器的车辆 - Google Patents

用于确定至少两个车辆的集体操纵的方法、计算机程序产品、计算机能读取的介质、控制器和包括该控制器的车辆 Download PDF

Info

Publication number
CN110268457B
CN110268457B CN201880009506.5A CN201880009506A CN110268457B CN 110268457 B CN110268457 B CN 110268457B CN 201880009506 A CN201880009506 A CN 201880009506A CN 110268457 B CN110268457 B CN 110268457B
Authority
CN
China
Prior art keywords
vehicle
collective
formation
maneuver
convoy
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
Application number
CN201880009506.5A
Other languages
English (en)
Other versions
CN110268457A (zh
Inventor
J·舒尔策
K·格尔
J·洛伊谢尔
M·维尔林
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.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Publication of CN110268457A publication Critical patent/CN110268457A/zh
Application granted granted Critical
Publication of CN110268457B publication Critical patent/CN110268457B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • 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
    • 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
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及一种用于确定至少两个车辆的集体操纵的方法(100)，所述方法包括：接收(102)第一车辆的状态和在本车辆的周围环境中至少一个另外的车辆的状态；在接收的第一车辆的状态和接收的在本车辆的周围环境中的所述至少一个另外的车辆的状态的基础上求出(104)针对第一车辆和所述至少一个另外的车辆的当前编队，其中，当前编队包括第一车辆和所述至少一个另外的车辆关于公路的相对排序；基于当前编队求出(106)多个集体操纵，其中，所述多个集体操纵中的一个集体操纵包括从当前编队到最终编队的一系列编队；针对来自多个集体操纵的一个集体操纵计算(108)用于第一车辆的轨迹和用于所述至少一个另外的车辆的轨迹；以及基于来自多个集体操纵的该集体操纵的计算出的轨迹和由本车辆的传感装置检测到的第一车辆的和所述至少一个另外的车辆的运动，确定(110)来自多个集体操纵的该集体操纵。

Description

用于确定至少两个车辆的集体操纵的方法、计算机程序产品、 计算机能读取的介质、控制器和包括该控制器的车辆
技术领域
本发明涉及一种用于确定至少两个车辆的集体操纵的方法。本发明还涉及一种计算机程序产品、一种计算机能读取的介质、一种控制器和一种车辆，该车辆包括用于确定至少两个车辆的集体操纵的控制器。
背景技术
自动驾驶车辆可以利用运动预测来评估其它车辆和另外的交通参与者的运动。例如可以评估车辆的当前实施的操纵或将来的操纵。车辆的可能的多个操纵经常手动地由车辆制造商得出并且提供给车辆。
发明内容
因此本发明的任务是，有效地改进车辆的集体操纵的确定。本发明的任务尤其是有效地求出第一车辆相对至少一个另外的车辆的集体操纵。
按照第一个方面，本发明的特征在于一种用于确定至少两个车辆的集体操纵的方法。集体操纵包括至少两个车辆的操纵、优选共同的操纵。所述方法一般可以将两个或两个以上的车辆彼此关联并且确定用于所述车辆的集体操纵。车辆可以例如是本车辆或能由本车辆的传感装置检测到的车辆。所述方法可以确定用于车辆组合的一个或多个集体操纵，在所述车辆组合中，本车辆是集体操纵的一部分或者本车辆不是集体操纵的一部分，例如当本车辆针对在本车辆的周围环境中的至少两个车辆确定集体操纵时。本车辆优选是正在自主行驶的车辆、特别是正在自主行驶的机动车。集体操纵可以包括本车辆的行驶操纵。所述方法包括接收第一车辆的、例如本车辆的或另外的车辆的状态以及接收在本车辆的周围环境中的至少一个另外的车辆的状态。周围环境可以包括本车辆的能由本车辆的传感装置检测到的道路段。所述状态可以例如包括位置和/或速度。第一车辆的和/或所述至少一个另外的车辆的状态可以由本车辆的下文起称为本车辆的传感装置的一个或多个传感器接收和/或由本车辆的与所述传感装置连接的控制器接收。所述方法还包括基于接收到的第一车辆的状态和接收到的在本车辆的周围环境中的所述至少一个另外的车辆的状态确定针对第一车辆的和所述至少一个另外的车辆的当前编队，其中，当前编队包括第一车辆和所述至少一个另外的车辆关于公路、特别是公路的一条或多条车道的相对排序。此外，所述方法还包括基于当前编队确定多个集体操纵、特别是多个可能的集体操纵，其中，所述多个集体操纵中的一个集体操纵包括从当前编队到最终编队的一系列编队。
所述方法还包括针对来自多个集体操纵的一个集体操纵计算用于第一车辆的至少一个轨迹和用于所述至少一个另外的车辆的至少一个轨迹。优选这样计算轨迹，使得集体操纵借助所计算的轨迹是可能的，也就是说，可能由集体操纵的车辆驶过。最后，所述方法包括基于所计算出的针对来自所述多个集体操纵的一个集体操纵的轨迹和通过本车辆的传感器检测到的第一车辆和所述至少一个另外的车辆的运动来确定集体操纵。
有利地，可以通过求出用于至少两个车辆的多个可能的集体操纵动态地对交通场景做出反应，在所述交通场景中，必须在操纵时考虑到在本车辆的周围环境中的例如一个或多个其它的车辆和/或一个或多个障碍物，例如停止不动的或已停车的车辆。本车辆因此可以灵活地与新的交通场景相匹配，而无需将所述新的交通场景事先储存在本车辆上。此外，可以通过求出针对每个操纵的一系列编队确保操纵的有效的计算。若所述方法例如在一秒的步幅内实施，那么本车辆在每一个时间步长内可以从所述多个集体操纵中选出一个集体操纵，该集体操纵根据所检测到的另外的车辆的运动确定。因此，本车辆可以始终实施优化的集体操纵，以便例如达到预定的目标。
按照一种有利的设计方案，第一车辆可以是本车辆，和/或第一车辆的状态和/或所述至少一个车辆的状态包括相应的车辆的位置、优选准确到车道的位置。为此可以有效地确定用于本车辆的集体操纵。此外，可以更为精确地检测当前的交通场景并且因此更为精确地检测当前编队。
按照另一种有利的设计方案，所述方法还可以包括确定在本车辆的周围环境中的一个或多个障碍物的状态。此外，基于第一车辆的、例如本车辆的状态、所述至少一个另外的车辆的状态和/或障碍物的状态求出当前编队，并且当前编队包括第一车辆、例如本车辆的、所述至少一个另外的车辆的和障碍物的关于公路的相对排序。为此，可以有效地求出一个编队，该编队包括带有一个或多个障碍物的交通状况。
按照另一种有利的设计方案，从当前编队到最终编队的一系列编队描述了在第一车辆和所述至少一个或多个另外的车辆之间的预定数量的成对的、横向的关系和/或第一车辆的和所述至少一个或多个另外的车辆的预定的经过顺序，和/或来自所述多个集体操纵的一个集体操纵可以包括第一车辆的轨迹和所述至少一个或多个另外的车辆的轨迹，和/或第一车辆的轨迹和所述至少一个或多个另外的车辆的轨迹关于当前编队和相同的最终编队可以是同伦的。同伦在此意味着，所有在操纵时参与的车辆的轨迹允许连续的转换，而不会出现与障碍物的碰撞和/或两个车辆的碰撞，这些车辆以当前编队作为起始编队并且具有相同的最终编队。为此可以有效地计算集体操纵。
按照另一种有利的设计方案，当前编队的相对的排序可以是准确到车道的，和/或当前编队和最终编队可以包括至少一个没有车辆和/或障碍物的区域。为此，可以精确地检测和有效地计算通过本车辆的操纵。
按照另一种有利的设计方案，求出多个集体操纵可以包括产生针对编队的树形数据结构，其中，当前编队是树形数据结构的根元素。此外，求出多个集体操纵还可以包括在使用预定数量的离散的运动动作的情况下通过改变起始编队的第一车辆、例如本车辆和/或所述至少一个或多个另外的车辆的相对排序来计算另外的编队，将所述另外的编队添加给树形数据结构并且检查所述另外的编队是否是最终编队。倘若所述另外的编队是最终编队，那么可以将从当前编队直至最终编队的一系列编队作为一个集体操纵添加给所述多个集体操纵并且因此求出针对所述多个集体操纵的一个集体操纵。为此可以在考虑到所述至少一个另外的车辆和/或一个或多个障碍物的情况下有效地计算或求出集体操纵。
按照另一种有利的设计方案，倘若所述另外的编队不是最终编队，那么求出多个操纵还可以包括：在使用预定数量的离散的运动动作的情况下通过改变当前编队的或所添加的另外的编队的本车辆的和/或所述至少一个另外的车辆的相对排序来计算另外的编队。求出多个操纵还可以包括将所述另外的编队添加给树形数据结构、检查所述另外的编队是否是最终编队以及根据检查所述另外的编队是否是最终编队的结果继续求出多个操纵，其中，持续地求出所述多个操纵，直至完全关于预定数量的离散的运动计算出所述另外的编队。为此，可以有效地计算或求出本车辆的完整的多个可能的操纵。
按照另一种有利的设计方案，用于来自所述多个操纵的一个操纵的轨迹关于至少一个车辆特定的参数和/或关于至少一个操纵特定的参数可以是成本优化的。为此，可以为本车辆的每个可能的操纵计算出有效的轨迹。
按照另一个方面，本发明的特征在于一种用于确定本车辆的操纵的计算机程序产品，其包括指令，在通过计算机或控制器实施计算机程序产品时，所述指令促使计算机或控制器实施上文说明的方法。
按照另一个方面，本发明的特征还在于一种计算机能读取的介质，所述计算机能读取的介质包括指令，当该指令在计算机上或控制器上运行时，该指令实施上文中说明的方法。
按照另一个方面，本发明的特征在于一种用于确定本车辆的操纵的控制器，其中，控制器包括用于实施上文说明的方法的器件。
按照另一个方面，本发明的特征在于一种车辆，该车辆包括上文所说明的用于确定本车辆的操纵的控制器。
本发明的其它特征由附图和附图说明得出。所有之前在说明书中提到的特征和特征组合以及接下来在附图说明中提到的和/或在附图中单独示出的特征和特征组合不仅能在分别说明的组合中使用，而且也能以其它组合使用或单独使用。
本发明基于接下来陈述的构思：
预测在自主行驶的车辆的、下文中也称为本车辆的周围环境中的车辆的运动是自主行驶的车辆的安全的、前瞻性的和协作性的行驶的先决条件。为了确定协作性的行驶策略，可能有用的是自主行驶的车辆在其自己的运动规划中使用周围车辆的有意的运动。但不能直接测量有意的运动。因此需要由自主行驶的车辆在交通场景中评估车辆的运动和/或操纵，在交通场景中，在自主行驶的车辆和另外的不同的交通参与者、例如车辆和/或障碍物之间存在一个或多个相关性。
预测或评估运动经常与一定的不安全性相关联。出于这个原因，可能很难得到唯一的、精确的和决定性的预测，自主行驶的车辆基于该预测可以达到它自己的运动计划。尤其在交通参与者彼此紧密关联的交通场景中，可以不以“交通参与者的运动彼此无关”为出发点。这可能导致：预测交通参与者的运动和规划自主行驶的车辆的运动不能分开来观察和解决。更确切地说，应相关联地解决运动的预测和运动的规划。下文中为此在编队的基础上定义了描述多个车辆在一个交通场景中的相对运动的操纵。
例如可以由此将赞成或反对操纵的决策关联起来，即，确认应当在交通场景中避免碰撞的条件。在假设车辆在一个交通状况下协作地行为时，可以规划针对给定的操纵的轨迹，以便描绘在所述交通场景中的人的行为。借助所规划的轨迹可以将操纵与对当前运动的观察相比较，在所规划的轨迹偏离当前的运动时，改变操纵。通过使用贝叶斯统计学可以通过可能的操纵推导出概率分布。概率分布最终可以用于，由本车辆选出确定的操纵并且进行行驶。
附图说明
下文中借助附图描述本发明的优选的实施例。由此得出了本发明的其它的细节、优选的设计方案和扩展设计方案。图中：
图1示意性地示出了用于确定本车辆的操纵的方法；
图2示意性地示出了示例性的交通场景和由该交通场景推导出的编队；
图3示意性地示出了用于识别图2的交通场景的操纵的迭代拓展的树形数据结构；
图4示意性地示出了图2的交通场景的纵向优化；
图5示意性地示出了图2的交通场景的横向优化；
图6示意性地示出了用于图2的交通场景的成本优化的轨迹；以及
图7示意性地示出了在图2的交通场景中的本车辆的可能的操纵的概率。
具体实施方式
图1详细地示出了一种用于确定本车辆的操纵、特别是本车辆相对至少一个另外的车辆的运动的行驶操纵的方法100。本车辆的操纵在此是无碰撞的，也就是说，避免了与一个或多个另外的车辆和/或障碍物的碰撞。操纵可以例如包括超车和/或避开障碍物和/或避开另一个车辆。所述操纵可以是行驶通过十字路口、行驶通过环形交通和/或驶入优先行驶道路。所述至少一个另外的车辆可以例如是由驾驶员手动地控制的车辆或自主行驶的车辆。在本车辆和一个或多个另外的车辆之间的通信不是必需的。所述至少一个另外的车辆可以例如是在车道上沿相反方向朝着本车辆的车道行驶的车辆和/或在优先行驶道路的车道上行驶的车辆，所述本车辆意图要驶入到该优先行驶道路上。所述至少一个另外的车辆一般是在本车辆的周围环境中的车辆，该车辆的运动会影响本车辆的操纵。
所述方法100可以首先确定102本车辆的状态和在本车辆的周围环境中、优选在本车辆的附近的周围环境中的至少一个另外的车辆的状态。本车辆的状态可以包括本车辆的位置和/或本车辆的速度。所述至少一个另外的车辆的状态可以包括所述至少一个车辆的位置和/或所述至少一个车辆的速度。本车辆的和所述至少一个另外的车辆的位置优选包括相应的车辆沿着道路走向或道路段的纵向位置和横向位置。车辆的速度、例如本车辆的和/或所述至少一个另外的车辆的速度可以包括纵向速度和横向速度。
可以关于Frenet坐标系求出位置、例如纵向位置和/或横向位置。此外，能准确到车道地确定本车辆的和所述至少一个另外的车辆的位置。为此，状态的确定102可以包括例如从服务器或从集成在本车辆中的本地数据存储器接收准确到车道的地图数据。为了确定车辆、例如本车辆和所述至少一个另外的车辆关于车道的位置，可以确定一个包围车辆的、有预定的长度和预定的宽度的盒子。盒子的预定的长度和盒子的预定的宽度可以例如根据车辆的长度和宽度确定。所述盒子可以在使用车辆的位置时绘制到准确到车道的地图上，以便确定车辆的准确到车道的位置。包围车辆的盒子优选相对一条线、例如中线，或者公路的其它对象定向。为此，可以简化车辆的准确到车道的绘制。
附加或备选地，所述方法100可以求出一个或多个障碍物的状态。所述障碍物可以处在本车辆的周围环境中并且影响本车辆的操纵，也就是说，不注意所述一个或多个障碍物就可能导致碰撞。因此在操纵本车辆时必须考虑到所述一个或多个障碍物。与确定其车辆的状态类似地可以确定障碍物的位置并且可选地确定障碍物的速度。障碍物优选是静态的对象，也就是说，障碍物的速度为零。此外，可以求出包围障碍物的盒子并且将该盒子准确到车道地绘制到准确到车道的地图上。因此，可以在确定本车辆的操纵时考虑到一个或多个障碍物。本车辆的操纵因此可以适配于包括一个或多个障碍物的较为复杂的交通状况。
所述方法100还可以基于本车辆的已确定的状态和在本车辆的周围环境中的所述至少一个另外的车辆的已确定的状态的基础上求出104针对本车辆的和所述至少一个另外的车辆的编队。编队在此描述了对象、例如本车辆和所述至少一个另外的车辆关于交通场景中的道路段或公路段的相对排序。借助编队可以简单地描述针对交通状况的操纵。对象可以是车辆、例如本车辆和/或所述至少一个另外的车辆，和/或障碍物。每个编队可以包括交通状况的有关对象的二维的相对位置的信息。在编队时可以忽略在对象之间的具体的距离和/或长度，以便简化求出编队。
为了求出编队，可以为在本车辆的周围环境中的道路段、优选没有十字路口的道路段定义一个局部的、包括所述道路段的Frenet坐标系。在使用局部的Frenet坐标系的情况下，可以确定在所述道路段上的一个或多个车辆的、例如本车辆和所述至少一个另外的车辆的二维位置以及一个或多个障碍物(倘若存在的话)的二维位置，并且将确定的位置投影到纵向维度中。所述一个或多个车辆以及一个或多个障碍物可以鉴于纵向维度加以分类。优选地，所述一个或多个车辆和所述一个或多个障碍物以升序关于在道路段上的纵向位置进行分类。可以为另一个计算储存车辆的和/或障碍物的经分类的顺序。此外，经分类的顺序还可以拓展了第二维度，在第二维度中为每个车辆或障碍物指派一个车道。车道的指派可以借助准确到车道的地图和车辆和/或障碍物借助盒子到准确到车道的地图上的绘制如上文已描述那样地完成。
图2示出了示例性的交通场景200和由该交通场景推导出的编队。交通场景200包括：本车辆202，即图2中的车辆A；作为障碍物的静止不动的车辆204，即图2中的车辆B；以及另一个车辆206，即图2中的车辆C，该车辆与本车辆202相向而行。备选地，在交通场景200中，本车辆也可以是车辆B或车辆C。但下文中以此为出发点，即，图2中的车辆A是本车辆202。公路或道路包括两条车道。在第一车道上有本车辆202和静止不动的车辆204。在第二车道上有另一个车辆206。同样地，在图2中示出了包围车辆202、204和206的盒子208、210、212，车辆202、204、206用所述盒子绘制到准确到车道的地图上。本车辆202的纵向位置是SA，静止不动的车辆204的纵向位置是SB以及另一个车辆206的纵向位置是SC。如上文中说明的那样，关于相应的纵向位置建立车辆202、204和206的经分类的顺序并且与针对相应的车道的信息关联起来。编队214因此包括车辆相对彼此的准确到车道的位置。
如在图2中示例性示出的那样，编队214可以表示为多个单元格的集聚。编队214的每个单元格均用最多一个车辆或一个障碍物占用。两个车辆或障碍物无法布置在相同的纵列上，也就是说，被占用的单元格的横向邻接的单元格始终是空着的。倘若在所述交通场景的所观察的道路段中车辆和/或障碍物重叠，那么这个信息就不会被进一步观察到。在不考虑可能的重叠的情况下明确地指派到一个单元格。
为了求出编队，可以为在本车辆的周围环境中的有十字路口的道路段同样定义一个局部的、包括道路段和十字路口的Frenet坐标系。在使用准确到车道的地图的情况下，可以提取出十字路口的不同的道路段并且推导出该道路段与十字路口的联接。为此，先是独立于彼此地确定用于第一道路段的编队和用于和第一道路段交叉的第二道路段的编队。倘若第一编队的单元格在第二编队中同样存在，那么就将所述单元格标记为十字路口单元格。继续标记，直到标记完所有的十字路口单元格。十字路口单元格不会被车辆或障碍物占用。若一个十字路口单元格例如在确定编队的时间点上被一个车辆占用，那么占用了该单元格的所述车辆可以安放到下一个紧接着的正常的单元格上。在此假设，已知车辆选择了哪个十字路口驶出口。
所述方法100可以以下文中也称为起始编队的所求出的当前编队为出发点来求出106多个集体操纵。当前编队包括本车辆的至少一个位置和另外的车辆的位置。可以在实施所述方法100的每个时间步长中重新计算所述多个集体操纵。时间步长可以例如是几分之一秒、1.0秒、1.1秒、1.2秒、...、两秒、三秒等。优选地，时间步长可以根据计算时间和/或信息获取选择得尽可能小，例如一秒。所述多个集体操纵包括在一个时间步长内的可能的集体操纵、优选所有可能的集体操纵。来自所述多个集体操纵的一个集体操纵可以定义为是从起始编队到最终编队的连续的编队的结果。集体操纵的每个编队均满足了预定的多个条件，所述条件说明了交通场景的一个或多个关键区域的成对的横向关系和/或经过顺序。关键区域可以是道路段的一个区域，该区域在集体操纵期间应当仅在特定的时间点上才被车辆驶过或根本没有被车辆驶过。来自所述多个集体操纵的一个集体操纵可以例如包括本车辆和一个或多个另外的车辆和/或障碍物，并且定义了本车辆相对至少一个另外的车辆和/或障碍物以及相对其它车辆的彼此间的运动。
为了能求出所述多个集体操纵，可以先如上文中在所述方法100的步骤104中描述的那样求出给定的交通场景的当前编队。所述多个集体操纵可以通过迭代地拓展树形数据结构完成，其中，树形数据结构的每个节点对应一个编队。通过迭代地拓展树形数据结构能以当前编队为出发点搜索可能的操纵。此外，可以通过迭代地拓展树形数据结构快速找到用于本车辆的可能的操纵，即使树形数据结构还没有完全拓展。
当前编队可以用作树形数据结构的根元素。可以详细地通过迭代拓展树形数据结构求出最终编队和在作为起始编队的当前编队和一个或多个最终编队之间的中间编队。最终编队可以是从当前编队到另外的最终编队的其它路径的中间编队。由此可以找到是另外的操纵的子操纵的操纵并且提高了在所述多个操纵中的操纵的数量，本车辆可以由所述多个操纵选出或确定待行驶的操纵。
以作为根元素的当前编队为出发点，可以根据一个或多个车辆的运动、特别是相对运动，例如本车辆的运动和/或所述至少一个另外的车辆的运动产生新的编队。一般可以通过预定数量的离散的动作
Figure GDA0003302959150000101
描述在由当前编队代表的交通场景的车辆和/或障碍物之间的相对运动，从这些离散的动作中选出一个动作，以便产生新的编队。预定数量的离散的动作可以限制搜索空间，在该搜索空间内可以搜索可能的操纵。所述多个动作的一个动作描述了关于一个编队的对象的相对排序、例如车辆的和/或障碍物的相对排序的改变。车辆动作对(V,a)∈V×A可以将一个编队、例如当前编队转换成新的编队。
关于纵向排序是沿行驶方向的下一个对象的对象，在下文中与车道无关地称为在前面的或在前面行驶的对象。横向动作aleft和aright代表了从右车道到左车道或者从左车道到右车道的车道变换。纵向动作along可以代表两个不同的动作：第一，经过在前面的或在前面行驶的对象，其中，在关于编队的纵向排序变换位置时引起了所述经过，或者，第二，车辆经过十字路口并且进入与该十字路口连接的一个车道中。
通过拓展树形数据结构可以产生编队，所述编队是车辆以当前编队为出发点的可能的动作。若树形数据结构完全用所有可能的动作拓展，那么存在以当前编队为出发点的所有可能的编队。为了更为有效地产生树形数据结构，可以定义一些限制条件(Abschneidebedingung)，所述限制条件摒弃或者没有继续观察树形数据结构的一条或多条路径和/或限制了树形数据结构的一条或多条路径的深度。借助限制条件可以例如防止在产生新的编队时绕弯。此外，可以通过限制条件排除车辆的不可能的行为和/或没有可能的行为、遵守交通规则和/或一般考虑到了车辆的驾驶员的有效的行为方式。限制条件可以额外考虑到行驶动态参数。
为了摒弃和/或限制树形数据结构的路径，可以例如定义下列限制条件：
-在相同的车道上经过：经过在相同的车道上的在前面的车辆或障碍物；
-不合适的车道变换：当在前方的车辆驶向另一个车辆时，变换到在所述前方的车辆的车道；实施到不存在的车道的车道变换。
-后面的、横向动作：变换到一个之前已经在所述操纵下在该车道上行驶的车道，而没有超车另一个车辆。
-重新超车：两个车辆经过彼此，它们之前在所述操纵下已经超车了。
-已经存在的新的编队：新的编队，其已经存在并且具有相同的起始编队。
为了确定新的编队作为最终编队，可以定义一些最终编队必须满足的条件。例如可以确认为是针对最终编队的条件的是：有不同的行驶方向的所有车辆必须经过彼此，和/或所有车辆均在一个车道上并且在此具有它们的正确的行驶方向。最终编队可以是针对另一个最终编队的中间编队。这意味着，在最终编队中可以进一步继续拓展树形数据结构的路径，直至满足至少一个所述限制条件和/或所有的最终条件。当前编队到最终编队的一条路径就是一个操纵，如上文所定义的那样。可以将相似的操纵，也就是说虽然具有类似的路径，但它们的结果关于相应的最终编队是类似的操纵从所述多个操纵中移除，以便进一步减少操纵的数量并且因此进一步降低计算的复杂度。
图3示出了经迭代拓展的树形数据结构和通过树形数据结构的拓展而得出的针对图2的示例性的交通场景的集体操纵。从起始编队F0起，确定了三个可能的最终编队FT1、FT2和FT3。从起始编队F0到最终编队FT1的路径描述了第一集体操纵M1，从起始编队F0到最终编队FT2的路径描述了第二集体操纵M2，从起始编队F0到最终编队FT3的路径描述了第三集体操纵M3。在第一集体操纵中，车辆A紧随车辆B。在第二集体操纵中，在车辆C经过车辆B之前，车辆A超车车辆B。在第三集体操纵中，在车辆C经过车辆B之后，车辆A超车车辆B。
所述方法100可以在求出106所述多个集体操纵之后，计算10基于所述多个集体操纵的每个集体操纵的至少一个轨迹。集体操纵的轨迹优选是同伦的，也就是说，在遵守交通场景的预定的、结构上的限制的情况下，集体操纵的轨迹可以连续地转换成所述集体操纵的另一个轨迹。优选地，计算来自所述多个集体操纵的每个集体操纵的用于每个对象、例如每个车辆和/或每个障碍物的轨迹。集体操纵的计算出的轨迹实现了所述集体操纵与另外的集体操纵以及与关于实际行驶轨迹的观察的比较。换句话说，计算出的轨迹代表一个集体操纵。为了产生集体操纵的轨迹，可以列出一个优化问题，该优化问题最小化在预定的条件下的成本函数。计算出的轨迹优选是用于集体操纵的成本最小的轨迹。
预定的条件可以包括与操纵相关的和/或与操纵无关的条件。与操纵无关的条件可以包括一个或多个行驶动态的参数，所述行驶动态的参数例如可以根据一个或多个车辆加以确认。与操纵相关的参数可以是涉及空间的参数，例如在哪一侧上两个车辆分别经过另一个车辆和/或与一个或多个车辆和/或障碍物应遵循怎样的安全间距，和/或基于时间的参数，例如两个或两个以上的车辆以怎样的排序经过关键的区域。针对两种类型的参数，即涉及空间的参数和基于时间的参数，这样来确认所述条件，从而避免了两个或两个以上的车辆的碰撞和/或车辆与障碍物的碰撞。
可以由一系列编队(操纵可定义所述一系列编队)例如推导出：车辆是否并且在哪一侧上经过障碍物和/或车辆。此外，可以由操纵的一系列编队推导出：车辆以怎样的顺序经过或者车辆以怎样的顺序经过障碍物。为了降低计算复杂度，可以将所述优化问题划分成至少两个子问题：一个用于优化本车辆的纵向控制的优化问题和一个用于优化本车辆的横向控制的优化问题。用于优化纵向控制的优化问题确保了经过顺序，而用于优化横向控制的优化问题则确保了正确的、成对的关系。优选地，先实施纵向优化并且将纵向优化的结果用作用于横向优化的输入。这样做的优点是，车辆的和/或障碍物的纵向位置对横向优化而言是已知的。
为了使来自所述多个操纵中的操纵的轨迹描绘出一般的人类驾驶行为，可以选择二次成本函数。借助该二次成本函数能将加速、偏离期望的速度和/或偏离纵向位置引入到一个或多个轨迹的计算中。此外，可以在成本函数中考虑到了所有车辆的和/或障碍物的成本。
图4示出了图2的交通场景的纵向优化以及图3的所求出的集体操纵M1、M2和M3，并且图5示出了图2的交通场景的横向优化和图3的所求出的集体操纵M1、M2和M3。图6示出了针对所求出的集体操纵M1、M2和M3的成本优化的和成本最小的轨迹。
在图4中，402示出了本车辆202的纵向轨迹，404示出了静止不动的车辆204的纵向轨迹，并且406示出了另外的车辆206的纵向轨迹。本车辆的纵向轨迹402不应横向穿过的区域用408标注。另外的车辆206的纵向轨迹406不应横向穿过的区域用410标注。区域408和/或410可以动态地在时间步长之间进行调整，以便考虑到车辆的、例如本车辆202和另外的车辆206的运动。
在图5中用510标注本车辆202的横向轨迹、用512标注静止不动的车辆204的横向轨迹以及用504标注所述另外的车辆206的横向轨迹。本车辆202的和所述另外的车辆206的横向轨迹不应横向穿过的区域用502标注，本车辆的横向轨迹不应横向穿过的区域用508标注，并且另外的车辆的横向轨迹不应横向穿过的区域用506标注。
若将相应的车辆的和操纵的图4的纵向轨迹和图5的横向轨迹聚集在一起，那么可以推导出在图6中示出的针对相应的集体操纵M1、M2和M3的用于本车辆202、静止不动的车辆204和所述另外的车辆206的轨迹。在图6中示出的轨迹可以直接由本车辆202行驶。
方法100还可以在针对来自所述多个集体操纵的一个集体操纵的计算出的轨迹的基础上和由本车辆的传感装置检测到的所述至少一个另外的车辆的运动的基础上确定110本车辆的操纵。在一个时间步长中确定来自所述多个集体操纵的正好一个集体操纵。在接下来的时间步长中可以确定另外的集体操纵。集体操纵在两个时间步长之间的变换使得能描绘人类驾驶员的行为，所述人类驾驶员不断评估交通场景并且在例如出现交通场景的变化或交通场景的重新评估导致其它操纵时，灵活地变换有意的操纵。
为了从所述多个集体操纵中确定本车辆的集体操纵，可以将本车辆的运动作为一个随机过程进行建模，该随机过程包括来自所述多个集体操纵的所有集体操纵，其中，在一个时间步长中仅来自所述多个集体操纵的一个集体操纵可能是有效的。此外可以定义操纵变换概率。优选地，在两个时间步长之间针对来自所述多个集体操纵的所有集体操纵，所述操纵变换概率处在10％。通过使用已知的评估方法可以评估所述集体操纵。例如可以使用卡尔曼滤波器、如交互的多重模型(简称为IMM卡尔曼滤波器)作为估计方法，以便评估集体操纵或集体操纵的状态。此外，可以通过使用已知的贝叶斯统计方法在集体操纵的所评估的状态、交通场景的一个或多个车辆的实际的运动的当前的测量值和/或操纵变换概率的基础上，确定针对每个集体操纵的概率，确定针对来自所述多个集体操纵的每个集体操纵的概率。有最高概率的集体操纵可以由本车辆选择并且行驶所选出的集体操纵的计算出的轨迹。
图7示出了用于集体操纵M1、M2和M3的所计算出的概率。在所述三个集体操纵M1、M2和M3中，集体操纵M3具有最高的概率。本车辆因此在图2的交通场景中选出集体操纵M3并且本车辆在集体操纵M3中计算出的轨迹在一个或多个步骤中行驶，直至另一个集体操纵在随后的时间步长中获得了更高的概率。
有利地，可以通过基于编队地代表集体操纵而有效地在确定车辆的集体操纵时考虑到车辆彼此间的或者车辆和障碍物之间的相对运动。可以通过使用编队有效地自动化地找出可能的集体操纵。倘若集体操纵不包括本车辆的话，本车辆可以由此更为明确地评估交通状况。并且，倘若本车辆是集体操纵的车辆的话，所计算出的针对特定的集体操纵的轨迹可以直接由本车辆驶过。因此可以在用于每个时间步长的所需的计算资源方面高效地重新确定本车辆的集体操纵。此外，可以由本车辆根据当前的交通场景找出可能的集体操纵本身。本车辆202因此可以与人类驾驶员类似地有效且灵活地对不同的并且快速变化的交通场景做出反应，其中本车辆202在实施所述方法的每个时间步长中实施对交通场景的重新评估。在此，本车辆可以考虑到在行驶中的车辆之间的相对运动和与静止的障碍物的相对运动并且快速地确定要行驶的集体操纵。
附图标记列表
100 方法
102 状态的接收
104 求出当前编队
106 求出多个操纵
108 轨迹的计算
110 本车辆的操纵的确定
200 交通场景
202 本车辆
204 停止的车辆
206 另外的车辆
208 盒
210 盒
212 盒
214 编队
300 可能的编队和操纵的树形数据结构
400 轨迹的纵向优化
402 本车辆的轨迹
404 固定不动的车辆的轨迹
406 另外的车辆的轨迹
408 本车辆的阻止区域
410 另外的车辆的阻止区域
500 轨迹的横向优化
502 本车辆的和所述另外的车辆的阻止区域
504 另外的车辆的轨迹
506 另外的车辆的阻止区域
508 本车辆的阻止区域
510 本车辆的轨迹
512 静止不动的车辆的轨迹
600 操纵的成本优化的轨迹
700 针对操纵的概率

Claims (9)

1.一种用于确定至少两个车辆的集体操纵的方法(100)，所述方法包括：
接收(102)第一车辆的状态和在本车辆的周围环境中至少一个另外的车辆的状态，其中，所述第一车辆是本车辆，并且所述第一车辆的状态和/或所述至少一个另外的车辆的状态包括相应的车辆的准确到车道的位置；
在接收的第一车辆的状态和接收的在本车辆的周围环境中的所述至少一个另外的车辆的状态的基础上求出(104)针对第一车辆和所述至少一个另外的车辆的当前编队，其中，当前编队包括第一车辆和所述至少一个另外的车辆关于公路的一条或多条车道的相对排序；
基于当前编队求出(106)多个集体操纵，其中，所述多个集体操纵中的一个集体操纵包括从当前编队到最终编队的一系列编队，
其中，从当前编队到最终编队的一系列编队说明了在第一车辆和所述至少一个另外的车辆之间的预定数量的成对的、横向的关系和/或说明了第一车辆和所述至少一个另外的车辆的预定的经过顺序；
其中，来自所述多个集体操纵的一个集体操纵包括第一车辆的一个轨迹和所述至少一个另外的车辆的一个轨迹；并且
其中，本车辆的轨迹和所述至少一个另外的车辆的轨迹关于当前编队和相同的最终编队是同伦的；
其中，求出多个集体操纵包括：
产生用于编队的树形数据结构，其中，当前编队是树形数据结构的根元素；
在使用预定数量的离散的运动动作的情况下，通过改变起始编队的第一车辆的和/或所述至少一个另外的车辆的相对排序计算另外的编队；
将所述另外的编队添加给树形数据结构；
检查所述另外的编队是否是最终编队；以及
倘若所述另外的编队是最终编队：那么将从当前编队直至最终编队的一系列编队作为集体操纵添加给所述多个集体操纵；
针对来自所述多个集体操纵的一个集体操纵计算(108)用于第一车辆的轨迹和用于所述至少一个另外的车辆的轨迹；以及
基于来自所述多个集体操纵的该集体操纵的计算出的轨迹和由本车辆的传感装置检测到的第一车辆的和所述至少一个另外的车辆的运动，确定(110)来自所述多个集体操纵的该集体操纵。
2.按照权利要求1所述的方法，其中，所述方法还包括：
确定在本车辆的周围环境中的障碍物的状态；
其中，在第一车辆的状态、所述至少一个另外的车辆的状态和障碍物的状态的基础上求出当前编队；以及
其中，当前编队包括第一车辆、所述至少一个另外的车辆和障碍物关于公路的相对排序。
3.按照权利要求1或2所述的方法，其中，当前编队的相对排序是准确到车道的；和/或
其中，当前编队和最终编队包括至少一个没有车辆和/或障碍物的区域。
4.按照权利要求1或2所述的方法，其中，求出多个集体操纵还包括：
倘若所述另外的编队不是最终编队：
那么在使用预定数量的离散的运动动作的情况下通过改变当前编队的或所添加的另外的编队的第一车辆的和/或所述至少一个另外的车辆的相对排序来计算另外的编队；
将所述另外的编队添加给树形数据结构；
检查所述另外的编队是否是最终编队；以及
根据检查所述另外的编队是否是最终编队的结果继续求出多个操纵，
其中，继续求出所述多个集体操纵，直至关于预定数量的离散的运动完全地计算出所述另外的编队。
5.按照权利要求1或2所述的方法，其中，用于来自所述多个集体操纵的一个集体操纵的轨迹关于至少一个车辆特定的参数和/或关于至少一个操纵特定的参数是成本优化的。
6.用于确定至少两个车辆的集体操纵的计算机程序产品，所述计算机程序产品包括指令，在通过计算机或控制器运行计算机程序产品时，所述指令促使计算机或控制器实施按照权利要求1至5中任一项所述的方法。
7.用于确定至少两个车辆的集体操纵的计算机能读取的介质，所述计算机能读取的介质包括指令，当在计算机上或控制器上运行时，所述指令实施按照权利要求1至5中任一项所述的方法。
8.用于确定至少两个车辆的集体操纵的控制器，其中，控制器包括用于实施按照权利要求1至5中任一项所述的方法的器件。
9.车辆，包括按照权利要求8所述的用于确定至少两个车辆的集体操纵的控制器。
CN201880009506.5A 2017-04-26 2018-03-06 用于确定至少两个车辆的集体操纵的方法、计算机程序产品、计算机能读取的介质、控制器和包括该控制器的车辆 Active CN110268457B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102017206987.2 2017-04-26
DE102017206987.2A DE102017206987A1 (de) 2017-04-26 2017-04-26 Verfahren, Computerprogrammprodukt, Computer-lesbares Medium, Steuergerät und Fahrzeug umfassen das Steuergerät zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen
PCT/EP2018/055452 WO2018197083A1 (de) 2017-04-26 2018-03-06 Verfahren, computerprogrammprodukt, computer-lesbares medium, steuergerät und fahrzeug umfassen das steuergerät zum bestimmen eines kollektiven manövers von wenigstens zwei fahrzeugen

Publications (2)

Publication Number Publication Date
CN110268457A CN110268457A (zh) 2019-09-20
CN110268457B true CN110268457B (zh) 2022-08-23

Family

ID=61622557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880009506.5A Active CN110268457B (zh) 2017-04-26 2018-03-06 用于确定至少两个车辆的集体操纵的方法、计算机程序产品、计算机能读取的介质、控制器和包括该控制器的车辆

Country Status (5)

Country Link
US (1) US20200050214A1 (zh)
EP (1) EP3616184A1 (zh)
CN (1) CN110268457B (zh)
DE (1) DE102017206987A1 (zh)
WO (1) WO2018197083A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019103106A1 (de) 2019-02-08 2020-08-13 Zf Automotive Germany Gmbh Steuerungssystem und Steuerungsverfahren zur interaktionsbasierten Langzeitbestimmung von Trajektorien für Kraftfahrzeuge
US11718300B2 (en) * 2019-02-27 2023-08-08 Zf Automotive Germany Gmbh Method and control unit for a system for controlling a motor vehicle
WO2020221420A1 (en) * 2019-04-29 2020-11-05 Volvo Truck Corporation A method for a lane change of a plurality of vehicles
JP7194640B2 (ja) * 2019-05-16 2022-12-22 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN112286049A (zh) * 2019-07-27 2021-01-29 华为技术有限公司 运动轨迹预测方法和装置
US11537127B2 (en) * 2019-09-12 2022-12-27 Uatc, Llc Systems and methods for vehicle motion planning based on uncertainty
DE102019129879A1 (de) 2019-11-06 2021-05-06 Zf Friedrichshafen Ag Verfahren sowie Steuergerät zum Steuern eines Kraftfahrzeugs
GB2594079A (en) * 2020-04-16 2021-10-20 Daimler Ag A method for tracking at least one object in the surroundings of an autonomous motor vehicle with a Frenet frame, as well as an assistance system
DE102020112036A1 (de) 2020-05-05 2021-11-11 Valeo Schalter Und Sensoren Gmbh Fahrerassistenz für ein kraftfahrzeug
US11577733B2 (en) 2020-09-30 2023-02-14 GM Global Technology Operations LLC Efficient road coordinates transformations library
DE102020214347A1 (de) 2020-11-16 2022-05-19 Volkswagen Aktiengesellschaft Bahnplanung eines Fahrzeugs
CN114506323B (zh) * 2022-04-20 2022-07-12 北京主线科技有限公司 编队车辆控制方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915465A (zh) * 2012-10-24 2013-02-06 河海大学常州校区 一种基于移动生物刺激神经网络的多机器人联合编队方法
CN104567891A (zh) * 2015-01-22 2015-04-29 北京微车一族信息技术发展有限公司 一种车队行车的地图导航方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080065328A1 (en) * 2006-09-08 2008-03-13 Andreas Eidehall Method and system for collision avoidance
US8676466B2 (en) * 2009-04-06 2014-03-18 GM Global Technology Operations LLC Fail-safe speed profiles for cooperative autonomous vehicles
JP5206752B2 (ja) * 2010-08-30 2013-06-12 株式会社デンソー 走行環境認識装置
DE102011005844A1 (de) * 2011-03-21 2012-09-27 Bayerische Motoren Werke Aktiengesellschaft Automatische Steuerung eines Fahrzeugs
DE102012005245A1 (de) * 2012-03-14 2012-09-20 Daimler Ag Unterstützen eines Fahrers eines Kraftfahrzeugs bei einem Überholvorgang
DE102013009252A1 (de) * 2013-06-03 2014-12-04 Trw Automotive Gmbh Steuergerät und Verfahren für eine Notfall-Lenkunterstützungsfunktion
US9165477B2 (en) * 2013-12-06 2015-10-20 Vehicle Data Science Corporation Systems and methods for building road models, driver models, and vehicle models and making predictions therefrom
US9164507B2 (en) * 2013-12-06 2015-10-20 Elwha Llc Systems and methods for modeling driving behavior of vehicles
DE102014211507A1 (de) * 2014-06-16 2015-12-17 Volkswagen Aktiengesellschaft Verfahren für ein Fahrerassistenzsystem eines Fahrzeugs
US9821801B2 (en) * 2015-06-29 2017-11-21 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling semi-autonomous vehicles
DE102015217891A1 (de) * 2015-09-17 2017-03-23 Volkswagen Aktiengesellschaft Bestimmen einer Soll-Trajektorie für ein Fahrzeug

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915465A (zh) * 2012-10-24 2013-02-06 河海大学常州校区 一种基于移动生物刺激神经网络的多机器人联合编队方法
CN104567891A (zh) * 2015-01-22 2015-04-29 北京微车一族信息技术发展有限公司 一种车队行车的地图导航方法

Also Published As

Publication number Publication date
US20200050214A1 (en) 2020-02-13
EP3616184A1 (de) 2020-03-04
WO2018197083A1 (de) 2018-11-01
CN110268457A (zh) 2019-09-20
DE102017206987A1 (de) 2018-10-31

Similar Documents

Publication Publication Date Title
CN110268457B (zh) 用于确定至少两个车辆的集体操纵的方法、计算机程序产品、计算机能读取的介质、控制器和包括该控制器的车辆
US11714417B2 (en) Initial trajectory generator for motion planning system of autonomous vehicles
JP7150067B2 (ja) 車両の制御システム、車両を制御する方法、及び非一時的コンピュータ可読メモリ
US11754408B2 (en) Methods and systems for topological planning in autonomous driving
CN110461676B (zh) 控制车辆的横向运动的系统和方法
Li et al. Real-time trajectory planning for autonomous urban driving: Framework, algorithms, and verifications
CN108445750B (zh) 用于车辆运动规划的方法和系统
Chu et al. Local path planning for off-road autonomous driving with avoidance of static obstacles
EP3959576A1 (en) Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout
US10345808B2 (en) Systems and methods to control autonomous vehicle motion
Claussmann et al. A path planner for autonomous driving on highways using a human mimicry approach with binary decision diagrams
Sezer Intelligent decision making for overtaking maneuver using mixed observable Markov decision process
US11529951B2 (en) Safety system, automated driving system, and methods thereof
Kala et al. Planning autonomous vehicles in the absence of speed lanes using an elastic strip
JP2023523350A (ja) 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム
US11209834B2 (en) Direct and indirect control of mixed-automata vehicle platoon
Wei et al. Game theoretic merging behavior control for autonomous vehicle at highway on-ramp
Huy et al. A practical and optimal path planning for autonomous parking using fast marching algorithm and support vector machine
Rosero et al. A software architecture for autonomous vehicles: Team lrm-b entry in the first carla autonomous driving challenge
Garrido et al. A two-stage real-time path planning: application to the overtaking manuever
Björnberg Shared control for vehicle teleoperation with a virtual environment interface
Taş Integrating combinatorial reasoning and continuous methods for optimal motion planning of autonomous vehicles
Bajić et al. Trajectory planning for autonomous vehicle using digital map
CN114217601B (zh) 自驾车的混合决策方法及其系统
TWI750762B (zh) 自駕車之混合決策方法及其系統

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