CN110341717A - 在静止车辆周围的自主车辆移动 - Google Patents
在静止车辆周围的自主车辆移动 Download PDFInfo
- Publication number
- CN110341717A CN110341717A CN201910196390.7A CN201910196390A CN110341717A CN 110341717 A CN110341717 A CN 110341717A CN 201910196390 A CN201910196390 A CN 201910196390A CN 110341717 A CN110341717 A CN 110341717A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- stationary vehicle
- double parking
- stationary
- processor
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000003068 static effect Effects 0.000 claims description 12
- 230000006854 communication Effects 0.000 description 34
- 238000004891 communication Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 8
- 230000001413 cellular effect Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 3
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 2
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
- B62D15/0255—Automatic changing of lane, e.g. for passing another 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
- 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
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
- B62D15/0265—Automatic obstacle avoidance by steering
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- 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—
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
Abstract
在一个实施例中,一种用于控制自主车辆在静止车辆周围的移动的方法包括:通过一个或多个传感器获得与静止车辆有关的数据;通过处理器基于数据做出与静止车辆有关的多个初始确定;通过处理器基于多个初始确定来确定静止车辆是否是并排停车的;以及如果确定了静止车辆是并排停车的,则通过由处理器提供的指令,利于自主车辆在静止车辆周围的移动。
Description
技术领域
本公开总体涉及车辆,并且更具体地,涉及用于自主车辆的移动的系统和方法。
背景技术
自主车辆是一种能够感测其环境并利用很少或不利用用户输入来导航的车辆。其通过利用感测装置来实现以上功能,例如,雷达、激光雷达、图像传感器等。自主车辆系统进一步使用来自全球定位系统(GPS)技术、导航系统、车辆-到-车辆通信、车辆-到-基础设施技术、和/或线控系统的信息来导航车辆。
尽管相比于传统车辆自主车辆提供了许多潜在的优点,但是在某些情况下可能希望改善自主车辆的移动,例如另一静止车辆。
因此,希望能够提供用于自主车辆的移动的系统和方法。
发明内容
提供了用于控制自主车辆在静止车辆周围的移动的系统和方法。在一个实施例中,用于控制自主车辆在静止车辆周围的移动的方法包括:通过一个或多个传感器获得与静止车辆有关的数据;通过处理器基于该数据做出与静止车辆有关的多个初始确定;通过处理器基于多个初始确定来确定静止车辆是否是并排停车的;以及如果确定了静止车辆是并排停车的,则通过由处理器提供的指令利于车辆在静止车辆周围的移动。
另外在一个实施例中,方法进一步包括其中做出多个初始确定包括确定静止车辆的警示灯是否被打开;并且
确定静止车辆是否是并排停车的至少部分基于警示灯是否被打开。
另外在一个实施例中,做出多个初始确定包括确定在静止车辆附近的交通是否正以大于预定阈值的速度移动;并且确定静止车辆是否是并排停车的至少部分基于交通是否正在以大于预定阈值的速度移动。
另外在一个实施例中,做出多个初始确定包括确定静止车辆是否在红灯处停止;并且确定静止车辆是否是并排停车的至少部分基于静止车辆是否在红灯处停止。
另外在一个实施例中,做出多个初始确定包括确定静止车辆是否在停车标志处停止;并且确定静止车辆是否是并排停车的至少部分基于静止车辆是否在停车标志处停止。
另外在一个实施例中,做出多个初始确定包括确定静止车辆是否被设置在另一车辆后方;并且确定静止车辆是否是并排停车的至少部分基于静止车辆是否被设置在另一车辆后方。
另外在一个实施例中,做出多个初始确定包括确定静止车辆最近是否已经在预定量的时间内移动;并且确定静止车辆是否是并排停车的至少部分基于静止车辆是否已经在预定量的时间内移动。
另外在一个实施例中,做出多个初始确定包括:确定静止车辆的警示灯是否被打开;并且确定在静止车辆附近的交通是否正在以大于预定阈值的速度移动;并且确定静止车辆是否是并排停车的包括:如果警示灯打开、交通正在以大于预定阈值的速度移动或者两者兼有,则确定静止车辆是并排停车的。
另外在一个实施例中,做出多个初始确定包括:确定静止车辆是否在红灯处停止;确定静止车辆是否在停车标志处停止;并且确定静止车辆是否被设置在另一车辆后方;并且确定静止车辆是否是并排停车的包括如果满足以下标准中任意一个或多个则确定静止车辆并不是并排停车的,即:静止车辆在红灯处停止,静止车辆在停车标志处停止,或者静止车辆在另一车辆后方停止。
另外在一个实施例中,如果静止车辆在预定量的时间内未曾移动,则确定静止车辆是并排停车的;并且如果静止车辆在预定量的时间内未曾移动,则确定静止车辆是并排停车的。
在另一实施例中,一种用于控制自主车辆在静止车辆周围的移动的系统包括并排停车目标模块和并排停车确定模块。并排停车目标模块配置为至少利于获得与静止车辆有关的数据。并排停车确定模块包括处理器并且被配置为至少利于
基于该数据做出与静止车辆有关的多个初始确定;基于多个初始确定来确定静止车辆是否是并排停车的;以及如果确定了静止车辆是并排停车的,则利自主车辆在静止车辆周围的移动。
另外在一个实施例中,并排停车确定模块配置为至少利于确定静止车辆的警示灯是否被打开;并且确定静止车辆是否是并排停车的至少部分基于警示灯是否被打开。
另外在一个实施例中,并排停车确定模块配置为至少利于确定确定在静止车辆附近的交通是否正以大于预定阈值的速度移动;并且确定静止车辆是否是并排停车的至少部分基于交通是否正以大于预定阈值的速度移动。
另外在一个实施例中,并排停车确定模块配置为至少利于确定静止车辆是否在红灯处停止;并且确定静止车辆是否是并排停车的至少部分基于静止车辆是否在红灯处停止。
另外在一个实施例中,并排停车确定模块配置为至少利于确定静止车辆是否在停车标志处停止;并且确定静止车辆是否是并排停车的至少部分基于静止车辆是否在停车标志处停止。
另外在一个实施例中,并排停车确定模块配置为至少利于确定静止车辆是否在停车标志处停止;并且
确定静止车辆是否是并排停车的至少部分基于静止车辆是否在停车标志处停止。
另外在一个实施例中,并排停车确定模块配置为至少利于确定静止车辆最近是否已经在预定量的时间内移动;并且确定静止车辆是否是并排停车的至少部分基于静止车辆是否已经在预定量的时间内移动。
另外在一个实施例中,并排停车确定模块配置为至少利于确定静止车辆的警示灯是否被打开;并且确定在静止车辆附近的交通是否正在以大于预定阈值的速度移动;并且如果警示灯打开、交通正在以大于预定阈值的速度移动或者两者兼有,则确定静止车辆是并排停车的。
另外在一个实施例中,并排停车确定模块配置为至少利于确定静止车辆是否在红灯处停止;确定静止车辆是否在停车标志处停止;确定静止车辆是否被设置在另一车辆后方;并且如果满足以下标准中任意一个或多个则确定静止车辆并不是并排停车的,即:静止车辆在红灯处停止,静止车辆在停车标志处停止,或者静止车辆在另一车辆后方停止。
在另一示范性实施例中,自主车辆包括多个传感器、转向系统以及处理器。多个传感器配置为至少利于获得与设置在自主车辆附近的静止车辆有关的数据。处理器配置为至少利于基于该数据做出与静止车辆有关的多个初始确定;基于多个初始确定来确定静止车辆是否是并排停车的;以及如果确定了静止车辆是并排停车的,则通过从处理器提供给转向系统的指令,利于车辆在静止车辆周围的移动。
附图说明
以下将结合附图来描述示范性实施例,其中相同的附图标记指代相同的元件,并且其中:
图1是示出了根据各种实施例的自主车辆的功能框图;
图2是示出了根据各种实施例的具有一个或多个图1中所示自主车辆的运输系统的功能框图;
图3是示出了根据各种实施例的与自主车辆相关联的自主驾驶系统(ADS)的功能框图;
图4是示出了根据各种实施例的用于自主车辆的并排停车操纵控制系统的数据流图;
图5是根据各种实施例的道路上在静止车辆附近的自主车辆的示意图;以及
图6是根据各种实施例的用于在静止车辆周围进行操纵的控制过程的流程图。
具体实施方式
以下详细描述在本质上仅是示范性的,并且并不旨在限制应用和使用。另外,不存在被任何前述的技术领域、背景技术、发明内容或以下详细描述中提出的任何明确的或暗示的理论约束的意图。如本文所使用,术语“模块”是指单独地或呈任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置,包括但不限于:专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、处理器(共享、专用或成组)以及执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能性的其他合适部件。
本公开的实施例在本文中可依据功能和/或逻辑块部件和各个处理步骤来描述。应当理解的是,这些块部件可由被配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实现。例如,本公开的实施例可采用各种集成电路部件,例如,存储器元件、数字信号处理元件、逻辑元件、查找表等,其可以在一个或多个微处理器或其他控制装置的控制下执行多种功能。另外,本领域技术人员将理解的是,本公开的实施例可结合任何数量的系统来实践,并且本文所述的系统仅仅是本公开的示范性实施例。
为了简洁起见,本文可以不再详细描述与信号处理、数据传输、信号发送、控制、机器学习、图像分析以及该系统(和该系统的单独操作部件)的其他功能方面有关的常规技术。另外,本文中所包含的各个图示中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意的是,在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。
参考图1,根据各种实施例,总体上以100示出的并排停车操纵控制系统100与车辆10相关联。一般来说,并排停车操纵控制系统(或简称为“系统”)100控制车辆10在附近静止车辆周围的操纵。
如图1中所示,车辆10通常包括底盘12、车身14、前轮16以及后轮18。车身14被布置在底盘12上并且大体上包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16至18各自在车身14的相应拐角附近可旋转地联接到底盘12。
在各种实施例中,车辆10是自主车辆并且并排停车操纵控制系统100和/或其部件被结合到自主车辆10中(以下称为自主车辆10)。自主车辆10例如是一种被自动控制以将乘客从一个位置运送到另一个位置的车辆。车辆10在所示实施例中被描绘为客车,但是应当理解的是,还可以使用任何其他车辆,包括摩托车、卡车、运动型多功能车(SUV)、娱乐车辆(RV)、船舶、飞行器等。
在示范性实施例中,自主车辆10对应于在自动化驾驶等级的美国汽车工程师学会(SAE)“J3016”标准分类下的四级或五级自动化系统。利用该术语,四级系统指示“高度自动化”,其指代其中自动驾驶系统执行动态驾驶任务的所有方面的驾驶模式,即使人类驾驶员对干预请求没有做出适当响应。另一方面,五级系统指示“全自动化”,其指代其中自动驾驶系统在可由人类驾驶员管理所有道路和环境状况下执行动态驾驶任务的所有方面。然而,应当理解,根据本发明主题的实施例并不限于自动化类别的任何特定分类或量规。此外,根据本发明实施例的系统可以结合利用导航系统和/或其他系统以提供路线引导和/或实施的任何自主或其他车辆来使用。
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。在各种实施例中,推进系统20包括内燃机、诸如牵引马达的电机和/或燃料电池推进系统。变速器系统22被配置为根据可选速度比将来自推进系统20的动力传递到车辆车轮16和18。根据各种实施例,变速器系统22可包括分级传动比自动变速器、无级变速器或其他适当的变速器。
制动系统26被配置为向车辆车轮16和18提供制动转矩。在各种实施例中,制动系统26可以包括摩擦制动器、线控制动器、诸如电机的再生制动系统,和/或其他适当的制动系统。
转向系统24影响车辆车轮16和/或18的位置。虽然为了说明目的而被描绘为包括方向盘25,但是在本公开的范围内设想的一些实施例中,转向系统24可不包括方向盘。
传感器系统28包括感测自主车辆10的外部环境和/或内部环境的可观察状况的一个或多个感测装置40a至40n。感测装置40a至40n可以包括但不限于雷达、激光雷达、全球定位系统、光学相机、热感相机、超声波传感器、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至42n,其控制车辆10一个或多个车辆特征。在各种实施例中,致动器装置42a至42n,此外,在各种实施例中,致动器装置42a至42n(也被称为致动器42)控制一个或多个特征,例如但不限于推进系统20、变速器系统22、转向系统24、制动系统26,以及用于打开和关闭车辆10的门的致动器。在各种实施例中,自主车辆10还可以包括图1中未示出的内部和/或外部车辆特征,例如行李箱,以及诸如无线电、音乐、照明、触摸屏显示部件(例如那些结合导航系统使用的部件)等客舱特征。
数据存储装置32存储用于自动控制自主车辆10的数据。在各种实施例中,数据存储装置32存储可导航环境的已定义地图。在各种实施例中,已定义地图可由远程系统预定义并且从远程系统获取(关于图2进一步详细描述的)。例如,已定义地图可由远程系统组装并且(以无线方式和/或以有线方式)传送到自主车辆10并存储在数据存储装置32中。路线信息也可以存储在数据装置32内-即,一组道路分段(地理地与已定义地图中的一个或多个相关联),它们一起定义了用户从开始位置(例如用户的当前位置)到目标位置可能采取的路线。另外在各种实施例中,数据存储装置32存储和车辆10可以在其上行驶的道路有关的数据。如可以理解的,数据存储装置32可为控制器34的一部分,与控制器34分开,或作为控制器34的一部分以及单独系统的一部分。
控制器34包括至少一个处理器44和计算机可读存储装置或介质46。处理器44可为任何定制的或商业上可获得的处理器、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(采用微芯片或芯片组的形式)、它们的任何组合或通常用于执行指令的任何装置。计算机可读存储装置或介质46可包括例如采用只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)的易失性和非易失性存储装置。KAM是一种持久或非易失性存储器,其可在处理器44断电时用于存储各种操作变量。计算机可读存储装置或介质46可使用诸如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、光学或组合存储器装置的许多已知存储器中的任何一种来实施,其中的一些数据表示由控制器34用于控制自主车辆10的可执行指令。
指令可包括一个或多个单独的程序,每个程序包括用于实施逻辑功能的可执行指令的有序列表。指令在由处理器44执行时接收并处理来自传感器系统28的信号,执行用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法,并且生成被传送给致动器系统30的控制信号以基于逻辑、计算、方法和/或算法来自动地控制自主车辆10的部件。虽然图1中仅示出了一个控制器34,但是自主车辆10的实施例可包括通过任何合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号、执行逻辑、计算、方法和/或算法且产生控制信号以自动控制自主车辆10的特征的任意数量的控制器34。在一个实施例中,如以下所详细讨论的,控制器34被配置为用于车辆10在静止车辆周围的操纵。
通信系统36被配置为向和从其他实体48(例如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程运输系统和/或用户装置(关于图2更详细进行描述的)无线地传送信息。在示范性实施例中,通信系统36是被配置为经由使用IEEE 802.11标准的无线局域网(WLAN)或通过使用蜂窝数据通信来进行通信的无线通信系统。然而,诸如专用短距离通信(DSRC)信道等附加或替代通信方法也被认为在本公开的范围内。DSRC信道是指专门为汽车使用而设计的单向或双向短距离到中距离无线通信信道,以及对应的一组协议和标准。
现在参考图2,在各种实施例中,关于图1描述的自主车辆10可以适合于在特定地理区域(例如,城市、学校或或商业园区、购物中心、游乐园、活动中心等)中的出租车或往返运输系统的背景下使用或者可以仅通过远程系统进行管理。例如,自主车辆10可以与基于自主车辆的远程运输系统相关联。图2示出了操作环境的示范性实施例,大体上以50示出,其包括基于自主车辆的远程运输系统(或简称为“远程运输系统”)52,该远程运输系统与关于图1所述的一个或多个自主车辆10a至10n相关联。在各种实施例中,操作环境50(其全部或部分可以对应于图1中所示的实体48)进一步包括一个或多个用户装置54,该一个或多个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根据需要支持操作环境50所支持的装置、系统和部件之间的通信(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可以包括无线载波系统60,比如蜂窝电话系统,其包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)(未示出)、以及将无线载波系统60与陆地通信系统进行连接所需的任何其他联网部件。每个蜂窝塔包括发送和接收天线以及基站,来自不同蜂窝塔的基站直接或经由诸如基站控制器的中间设备连接至MSC。无线载波系统60可以实施任何合适的通信技术,包括例如,诸如CDMA(例如,CDMA 2000)、LTE(例如,4G LTE或5G LTE)、GSM/GPRS的数字技术,或者其他当前或正在出现的无线技术。其他蜂窝塔/基站/MSC布置也是可能的且可与无线载波系统60一起使用。例如,基站和蜂窝塔可以共同位于相同的地点或者它们可以彼此远程地定位,每个基站可以负责单个蜂窝塔或者单个基站可以服务不同的蜂窝塔,或者不同的基站可以耦合至单个MSC,仅举出一些可能的布置作为例子。
除了包括无线载波系统60之外,还可以包括采用卫星通信系统64形式的第二无线载波系统以提供与自主车辆10a至10n的单向或双向通信。这可以利用一个或多个通信卫星(未示出)和上行链路传输站(未示出)完成。单向通信可以包括,例如卫星无线电服务,其中节目内容(新闻、音乐等)由传输站接收、打包以用于上传以及随后发送至卫星,卫星将节目广播给订户。双向通信可以包括,例如卫星电话服务,其利用卫星来在车辆10和站之间中继电话通信。可以利用卫星电话作为无线载波系统60的补充或替代。
可以进一步包括陆地通信系统62,其可以是连接至一个或多个陆线电话的传统的陆基电信网络并且将无线载波系统60连接至远程运输系统52。例如,陆地通信系统62可以包括公共交换电话网(PSTN),比如用来提供硬线电话、分组交换数据通信以及因特网基础架构的PSTN。陆地通信系统62的一个或多个分段可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、诸如无线局域网(WLAN)的其他无线网络、或者提供宽带无线接入(BWA)的网络或者它们的任何组合来实施。此外,远程运输系统52并不需要经由陆地通信系统62连接,但是可以包括无线电话设备,使得其可以直接与诸如无线载波系统60的无线网络通信。
尽管图2中仅显示了一个用户装置54,操作环境50的实施例可以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。操作环境50所支持的每个用户装置54可以利用任何合适的硬件平台来实施。就这一点而言,用户装置54可以按照任何常见的形式因素来实现,包括但不限于:桌上型计算机;移动计算机(例如,平板计算机、膝上型计算机,或者上网本计算机);智能电话;电子游戏装置;数字媒体播放器;家庭娱乐设备的部件;数字相机或摄像机;可穿戴计算装置(例如,智能手表、智能眼镜、智能服装);或者诸如此类。操作环境50所支持的每个用户装置54被实现为计算机实施的或基于计算机的装置,其具有执行本文所述的各种技术和方法所需要的硬件、软件、固件和/或处理逻辑。例如,用户装置54包括采用可编程装置形式的微处理器,其包括存储在内部存储器结构中并应用于接收二进制输入以创建二进制输出的的一个或多个指令。在一些实施例中,用户装置54包括能够接收GPS卫星信号并基于这些信号生成GPS坐标的GPS模块。在其他实施例中,用户装置54包括蜂窝通信功能,以便该装置利用一种或多种蜂窝通信协议在通信网络56上实现语音和/或数据通信,如本文所讨论的。在各种实施例中,用户装置54包括视觉显示器,比如触摸屏图形显示器或其他显示器。
远程运输系统52包括一个或多个后端服务器系统(未示出),其可以是基于云的、基于网络的,或者驻存在由远程运输系统52伺服的特定园区或地理位置处。远程运输系统52可以由现场顾问人工控制,或者是自动顾问、人工智能系统,或者它们的组合。远程运输系统52可以与用户装置54和自主车辆10a至10n通信,以调度搭乘、派遣自主车辆10a至10n等。在各种实施例中,远程运输系统52存储账户信息,比如订户认证信息、车辆标识符、简档记录、生物测量数据、行为模式,以及其他相关的订户信息。在一个实施例中,如以下进一步详细描述的,远程运输系统52包括路线数据库53,其存储和导航系统路线有关的信息,包括用于沿各种路线的道路的车道标记,以及特定路线段是否且在多大程度上受已经由一个或多个自主车辆10a至10n检测到的建筑区域或其他可能危险或障碍的影响。
根据典型的使用情况流程,远程运输系统52的注册用户可以经由用户装置54创建搭乘请求。搭乘请求通常将指示乘客的期望搭车位置(或当前的GPS位置)、期望的目的地位置(其可以标识预定车站和/或用户指定的乘客目的地)以及搭车时间。远程运输系统52接收搭乘请求、处理该请求,并且(当且如果一个可用时)派遣自主车辆10a至10n中的选定一个来在指定搭车位置处和在合适的时间搭载该乘客。运输系统52还可以生成并向用户装置54发送经合适配置的确认消息或通知,以使乘客知晓车辆正在路上。
如可以理解的,本文所公开的主题为被认为是标准和基础自主车辆10和/或基于自主车辆的远程运输系统52提供了增强特征和功能。为此目的,自主车辆和基于自主车辆的远程运输系统可以被修改、增强,或者以其他方式补充以提供以下更详细描述的附加特征。
根据各种实施例,控制器34实现图3中所示的自主驾驶系统(ADS)。也就是说,控制器34的合适的软件和/或硬件部件(例如,处理器44和计算机可读存储装置46)被用来提供结合车辆10一起使用的ADS。
在各种实施例中,自主驾驶系统70的指令可以由功能或系统组织。例如,如图3中所示,自主驾驶系统70可以包括传感器融合系统74、定位系统76、导向系统78,以及车辆控制系统80。如可以理解的,在各种实施例中,指令可以被组织成任意数量的系统(例如,组合的、进一步划分的等),因为本公开并不限于本示例。
在各种实施例中,传感器融合系统74合成并处理传感器数据并预测目标的存在、位置、类别和/或路径以及车辆10的环境的特征。在各种实施例中,传感器融合系统74可以合并来自多个传感器的信息,包括但不限于相机、激光雷达、雷达和/或任意数量的其他类型的传感器。
定位系统76处理传感器数据连同其他数据,以确定车辆10相对于环境的位置(例如,相对于地图的局部位置、相对于道路的车道的精确位置、车辆前进方向、速度等)。导向系统78处理传感器数据连同其他数据以确定车辆10将遵照的路径。车辆控制系统80生成用于根据所确定的路径控制车辆10的控制信号。
在各种实施例中,控制器34实施机器学习技术来辅助控制器34的功能,比如特征检测/分类、拥塞减轻、路线穿越、绘图、传感器集成、地面真实情况确定,等等。
参考回图1,在各种实施例中,控制器34的一个或多个指令体现在图1中的用户并排停车操纵控制系统100中,其控制用于车辆10的停车位置的选择。
参考图4,示范性的并排停车操纵控制系统400大体上包括并排停车目标模块410和并排停车确定模块420。在各种实施例中,并排停车目标模块410设置在车辆10车上,例如,作为图1中传感器系统20的一部分。另外在所示实施例中,并排停车目标模块410包括接口411、传感器412以及收发器413。
在各种实施例中,接口411包括输入装置414。输入装置414接收来自车辆10的用户(例如,乘员)的输入。在某些实施例中,用户输入包括关于当前车辆搭乘的期望目的地的输入。在某些实施例中,输入装置414可以包括一个或多个触摸屏、旋钮、按钮、麦克风和/或其他装置。
传感器412提供和车辆10、车辆10的当前搭乘、道路以及车辆10附近的周围环境有关的传感器数据,该周围环境包括设置在车辆10附近的额任何静止车辆以及和此类静止车辆有关的情形。在各种实施例中,传感器412包括一个或多个相机415、激光雷达传感器417和/或其他传感器418(例如,变速器传感器、车轮速度传感器、加速度计和/或其他类型的传感器)。
此外,在各种实施例中,收发器412与并排停车确定模块420进行通信,例如通过一个或多个有线和/或无线连接,例如图2中的通信网络56。另外,在各种实施例中,收发器413还与远离车辆10的一个或多个信息源(例如,一个或多个全球定位系统(GPS)卫星、远程服务和/或例如关于交通流量等的其他远程数据源)进行通信,例如通过一个或多个有线和/或无线连接,例如图2中的通信网络56。此外,在某些实施中,收发器413还接收来自用户的输入(例如,请求的车辆10的目的地),例如来自图2中的用户装置54(例如通过一个或多个有线和/或无线连接,例如图2中的通信网络56)。
在各种实施例中,并排停车确定模块420同样设置在车辆10车上,例如,作为图1中控制器34的一部分。另外在所示实施例中,并排停车确定模块420包括处理器422、存储器424以及收发器426。
在各种实施例中,处理器422做出各种确定并且为车辆10提供控制,包括图1中的转向系统24,以及包括在可能并排停车的某些附近静止车辆周围对车辆10进行操纵。另外在各种实施例中,图4中的处理器422对应于图1中的处理器44。
在各种实施例中,存储器424存储用于在控制车辆10的过程中,包括在可能并排停车的附近静止车辆周围对车辆10进行操纵过程中由处理器422使用的各种类型的信息。例如,在某些实施例中,除了关于附近道路的特征和/或其他类型的信息之外,存储器424存储和交通流量、交通灯模式后位置、停车标志位置和/后静止车辆的移动的近期历史有关的数据。另外在各种实施例中,存储器424是图1中数据存储装置32的一部分。在各种实施例中,收发器426与并排停车目标模块410进行通信,例如通过一个或多个有线和/或无线连接,例如图2中的通信网络56。另外在各种实施例中,收发器426还利于指令从处理器422传送到停车位置目标模块410,例如通过图2中的通信网络56。
进一步参考图4,在各种实施例中,输入431被提供给并排停车目标模块410。在各种实施例中,针对并排停车目标模块410包含的输入431包括来自一个或多个远程数据源的数据(例如,针对位置数据的GPS卫星和/或具有关于最近交通模式、交通灯历史、附近静止车辆的最近移动等),例如通过收发器413所接收的数据。
另外继续参考图4,在各种实施例中,并排停车目标模块410提供输出432,该输出用作并排停车确定模块420的输入。在各种实施例中,并排停车目标模块410的输出432(或者,用于并排停车确定模块420的输入)包括由并排停车确定模块420所使用的用于在确定附近静止车辆是否是并排停车过程中使用的信息,使得车辆10可以在静止车辆是并排停车的情况下可以适当地静止车辆周围操纵,等等。例如,在各种实施例中,输出432包括通过各种传感器412获得的传感器数据(例如,相机数据、激光雷达数据以及与车辆10的操作、车辆10附近的静止车辆、交通模式和交通灯历史等有关的其他数据),以及和以上所述第三方数据源有关的信息(例如,GPS卫星和/或远程服务器和/或具有关于交通流量、交通灯历史的信息的其他数据服务,和/或与车辆10、其周围环境和/或附近静止车辆有关的其他数据)。另外在某些实施例中,输出432被从并排停车目标模块410的收发器413提供给并排停车确定模块420(例如,通过有线或无线连接)。
另外如图4中所示,在各种实施例中,并排停车确定模块420提供输出434。在各种实施例中,并排停车确定模块420的输出434包括从处理器422到一个或多个车辆系统(例如,图1中的转向系统24)的指令,以用于当适当时在并排停车的静止车辆周围操纵车辆10。
现在转向图5,提供了根据各种实施例的在特定环境中的自主车辆10的示意图。如图5中所示,在各种实施例中,车辆10正在当前车辆搭乘期间沿道路500运行。在所示示例中,道路500包括两个车道502、504,同时车辆10当前正在当前车道504中运行。另外如图5中所示,第二车辆(例如,静止车辆)506设置在车辆10的前方。另外如图5中所示,在某些实施例中,在其他可能的目标中,一个或多个其他目标例如第三车辆508和/或交通灯510设置在第二车辆506的前方。另外对车辆10附近的各种障碍物(例如,其他车辆和/或其他目标)510进行检测和监测。此外,同样如图5中所示,各种附加的车辆512正在移动作为交通流量的一部分,例如在相邻车道502中。
如将在以下关于图6的控制方法600更详细进行阐述的,在各种实施例中,车辆10可以或可以不在第二车辆506周围操纵,例如,除了其他可能的考虑因素之外,根据第二车辆506是否是并排停车的。此外,同样如以下结合图6的控制方法600所进一步讨论的,在各种实施例中,在评估第二车辆506是否是并排停车的利用了多种不同的确定。
现在参考图6,提供了根据各种实施例的用于在并排停车的静止车辆周围操纵自主车辆的控制方法600的流程图。以下将结合图6并且继续参考图1至图5来讨论控制方法600。在各种实施例中,控制方法600可以通过系统100以及图1至图5中根据示范性实施例的相关实施方式来执行。如根据本公开可以理解的,方法内的操作次序并不限于如图6中所例示的顺序执行,而是可以按照适用于并根据本公开的一种或多种不同的次序来执行。在各种实施例中,控制方法600可以被预先安排为基于一个或多个预定事件来运行和/或可以在自主车辆10的操作期间连续地运行。
在各种实施例中,控制方法600可以在602处开始。在各种实施例中,当乘员在车辆10内时602发生并且车辆10按照自动化方式开始操作。
在604处获得乘客输入。在各种实施例中,乘客输入和通过车辆10的行驶的期望目的地有关。在各种实施例中,用户输入可以通过图4中的输入装置414和/或图2中的用户装置54(例如,通过图4中的收发器413)获得。
另外在各种实施例中,在606处获得传感器数据。在各种实施例中,数据从图4中的各种传感器412获得。例如,在各种实施例中,分别从图4中的相机415和激光雷达417获得并监测相机数据和激光雷达数据。例如,在各种实施例中,相机和激光雷达数据被用于检测和监测道路以及车辆10附近的目标,包括在图5中的在车辆10前方的静止车辆(目标车辆)506以及附加的车辆和其他目标(例如,对应于图5中的各种目标508、510和512)。另外在各种实施例中,通过图4中的其他传感器418获得各种其他数据(例如,利用声呐、雷达和/或其他传感器进一步检测和跟踪目标,通过车轮速度传感器和加速度计获得与车辆的速度和加速度有关的测量值,等等)。
在608处获得地图数据。在各种实施例中,地图数据从存储器中检索得到,例如图4中的存储器424(例如,对应于图1中车辆10车载的的数据存储装置32)。在某些实施例中,地图数据可以从图2中的基于自主车辆的远程运输系统52的路线数据库53检索得到。另外在各种实施例中,地图数据包括地图以及和在车辆10附近的道路和/或在从车辆10的当前位置到其目的地(例如,每次乘客输入的)的路途附近或路途上的道路有关的相关数据。
在各种实施例中,在610处获得其他数据。在各种实施例中,在610处通过收发器413从一个或多个远程数据源或利用该一个或多个远程数据源获得其他数据。作为示例,在某些实施例中,610中的其他数据可以包括利用一个或多个GPS卫星的GPS数据,包括车辆10的当前位置。作为另一示例,在某些实施例中,610中的其他数据还可以包括关于道路的适用交通流量和模式、交通灯历史、附近静止车辆的移动历史和/或天气、建筑物的数据,和/或来自一个或多个远程源的可能对停车位置、路线选择和/或车辆10的其他操作有影响的其他数据,和/或一种或多种各种其他类型的数据。
在612处规划并实施用于自主车辆的路径。在各种实施例中,通过图3中的ADS 70利用604中的乘客输入和608中的地图数据为图1中的车辆10生成并实施到达请求的目的地(例如,对应于图5中的目的地505)的路径,例如,通过由处理器422所提供的自动化指令。在各种实施例中,612中的路径包括按照预期能够在最大化相关评分和/或期望标准(例如,最小化行驶时间、最大化安全性和舒适度等)的同时利于车辆10到预期目的地的车辆10的移动路径。可以理解的是,在各种实施例中,该路径还可以包含其他数据,例如606中的传感器数据和/或610中的其他数据。在各种实施例中,利用图4的处理器422来规划并实施用于车辆10的路径。
在614处确定车辆的当前位置。在各种实施例中,当前位置通过处理器422利用从604、608、606和/或610获得的信息来确定。例如,在某些实施例中,当前位置利用GPS和/或其他定位系统来确定,和/或从此类系统接收。在某些其他实施例中,位置可以利用来自车辆的其他传感器数据来确定(例如,通过通过输入装置414提供的和/或通过收发器413接收的用户输入,与地图数据相结合的相机数据和/或传感器信息,等等)。
在616处关于设置在车辆10附近的另一车辆做出识别。在各种实施例中,图4中的处理器422基于606中的传感器数据识别此类车辆(此后也被称为“目标车辆”,例如图5中的目标车辆506)。在各种实施例中,616中的确定通过图4中的处理器422确定。
在618处关于616中的目标车辆是否在车辆的前方做出确定。在各种实施例中,图4中的处理器422基于606中的传感器数据做出此确定。在某些实施例中,如果目标车辆至少基本上直接在车辆10的前方,则目标车辆被确定为在车辆10的前方。在某些其他实施例中,如果目标车辆在车辆10将要向前直行的情况下降阻挡车辆10的移动,则目标车辆被确定为在车辆10的前方。
如果在618中确定了目标车辆并不在车辆10的前方,则过程返回至606。606至618之后在各个迭代中重复,直到在618的迭代中确定目标车辆在车辆10的前方为止。
一旦在618的迭代中确定目标车辆在车辆10的前方,则在620处继续监测目标车辆。在各种实施例中,通过图4中的处理器422利用608中连续更新的传感器数据来连续地监测目标车辆的位置、移动和周围环境。
在622处做出关于目标车辆是否正在移动的确定。在各种实施例中,622中的确定通过图4中的处理器422利用608中连续更新的传感器数据和620中的监测来做出。
如果在622处确定了目标车辆正在移动,则在624处针对车辆10和目标车辆采取一个或多个动作。在各种实施例中,图4中的处理器422向图1中的转向系统24提供指令以用于车辆10按照引导者/跟随者模式跟随目标车辆。过程随后返回到606。606至622之后在各个迭代中重复,直到在622的迭代中确定目标车辆未在移动。
一旦在622的迭代中确定目标车辆未在移动,则在626处针对传感器数据提供过滤。在各种实施例中,图4中的处理器422对606中的传感器数据提供各种级别的过滤以用于620中的连续监测和以下所讨论的628至648中的后续确定。例如,在某些实施例中,针对传感器数据提供平滑。例如,在一些实施例中,除了其他可能的平滑技术和/或其他可能的过滤技术之外,关于目标车辆在不同的连续时间点上顺序地采取多个距离读数(例如,在一个实施例中,五个读数)并进行分析,例如以用于在确定目标车辆是否正在移动的过程中使用。
在628中关于目标车辆的警示灯是否已经被打开做出确定。在某些实施例中,此确定通过图4中的处理器422基于606中的传感器数据(例如,来自图4中的相机415和/或激光雷达417)来做出。
在一个实施例中,如果在628处确定了警示灯被打开,则在630处确定该目标车辆是并排停车的。在某些实施例中,此确定通过图4中的处理器422来做出。此外,在632处提供用于车辆10在目标和两周围的移动的指令,以及在634处实施该指令以用于在目标车辆周围对车辆10操纵。在某些实施例中,指令由图4中的处理器你422提供,并且通过图1中的转向系统24来实施。另外在某些实施例中,作为指令的一部分,处理器422为车辆10规划在目标车辆周围移动的路径,并且除了其他可能的检查之外,在实施之前检查以确认该路径是干净的,从而确保在目标车辆周围对车辆10进行平滑且成功的操纵。过程随后返回至606,如以上所讨论的。
相反,如果在628处确定警示灯未打开,则在636处关于附近交通是否正在以充分的速度自动做出确定。在各种实施例中,图4中的处理器422基于由606处的传感器和/或610处的其他源(例如,交通报告)所提供的信息,确定在目标车辆附近的交通中的车辆的平均速度(例如,图5中的附加车辆512)是否正在以大于或等于预定阈值的速度行驶。
在一个实施例中,如果在636处确定了交通正在以充分的速度移动,则在以上引用的630处确定目标车辆是并排停车的。类似于以上讨论,在632处针对车辆10在目标车辆周围的移动提供指令,在634处实施该指令,并且过程随后返回至以上引用的606。
相反,如果在636处确定了交通并未以充分的速度移动(或者,在一些实施例中,根本不存在正在移动的交通),则在638处关于目标车辆是否在红灯(例如,作为图5中的交通灯510的一部分)处停止做出确定。在各种实施例中,图4中的处理器422基于在606处由传感器(例如,相机415和/或激光雷达417)提供的信息做出此确定。
在一个实施例中,如果在638处确定了目标车辆在红灯处停止,则在640处确定该目标车辆并不是并排停车的。在某些实施例中,该确定通过图4中的处理器422做出。此外,由于目标车辆不能被视为是并排停车的,则在642处关于车辆10的当前路径和行驶程序没有变化。另外在某些实施例中,过程返回至620以进行进一步监测。
相反,如果在638处确定目标车辆并非在红灯处停车,则在644处关于目标车辆是否在停车标志处停止做出确定。在各种实施例中,图4中的处理器422基于在606处由传感器(例如,相机415和/或激光雷达417)提供的信息做出此确定。
在一个实施例中,如果在644处确定了目标车辆在停车标志处停止,则在以上引用的640处确定该目标车辆并不是并排停车的。如以上所讨论的,在某些实施例中,此确定由图4中的处理器422做出。同样如以上所讨论的,由于目标车辆不能被视为是并排停车的,则在642处关于车辆10的当前路径和行驶程序没有变化,并且过程返回至620以进行进一步的监测。
相反,如果在644处确定目标车辆并非在停车标志处停车,则在646处关于目标车辆是否在另一车辆后方停止做出确定。在各种实施例中,图4中的处理器422基于在606处由传感器(例如,相机415和/或激光雷达417)提供的信息做出此确定。在某些实施例中,如果另一车辆被基本上设置在目标车辆的前方,则目标车辆(例如,图5中的车辆506)被视为在另一个车辆(例如,图5中的车辆508)后方停止。在某些实施例中,如果另一车辆被设置成使得其将阻挡目标车辆的向前移动,则目标车辆(例如,图5中的车辆506)被视为在另一个车辆(例如,图5中的车辆508)后方停止。
在一个实施例中,如果在646处确定了目标车辆在另一车辆后方停止,则在以上引用的640处确定该目标车辆并不是并排停车的。如以上所讨论的,在某些实施例中,此确定由图4中的处理器422做出。同样如以上所讨论的,由于目标车辆不能被视为是并排停车的,则在642处关于车辆10的当前路径和行驶程序没有变化,并且过程返回至620以进行进一步的监测。
相反,如果在646处确定了目标车辆并未在另一车辆后方停止,则在648处关于目标车辆最近是否已经移动做出确定。在各种实施例中,图4中的处理器422基于在606处由传感器(例如,相机415和/或激光雷达417)提供的信息,在数据已经在626处经过过滤之后(例如,通过在相对于目标车辆移动的时间内采取多个连续的数据点)。在某些实施例中,如果目标车辆在过去的若干分钟内已经移动,则目标车辆(例如,图5中的车辆506)被视为最近已经移动,尽管这种方式可以在不同的实施例中改变。
在一个实施例中,如果在648处确定了目标车辆最近已经移动,则在以上引用的640处确定该目标车辆并不是并排停车的。如以上所讨论的,在某些实施例中,此确定由图4中的处理器422做出。同样如以上所讨论的,由于目标车辆不能被视为是并排停车的,则在642处关于车辆10的当前路径和行驶程序没有变化,并且过程返回至620以进行进一步的监测。
相反,在一个实施例中,如果在648处确定了目标车辆最近未曾移动,则作为替代在以上引用的630处确定该目标车辆是并排停车的。按照以上讨论,在某些实施例中,图4中的处理器422在630处做出目标车辆是并排停车的确定,并且在632处提供用于车辆10在目标车辆周围移动的指令。另外根据以上讨论,在某些实施例中,图1中的转向系统24在634处实施操纵指令,并且过程随后前进到以上引用的606。
因此,如图6中所示以及以上结合其所进行讨论的,在某些实施例中,在确定目标车辆是否是并排停车的过程中通过使用628至648利用了决策树。可以理解的是,这种方式在某些实施例中可以改变。例如,在某些实施例中,除了其他可能的变型之外,在计算可以表示目标车辆是并排停车的可能性的评分的过程中,可以一起利用以上所讨论的各种因素的组合(例如,警示灯、交通流量、红灯、停车标志、在另一车辆后方停止,和/或目标车辆的最近移动)(例如,在一些实施例中,这些因素的全部)。
在各种实施例中,公开的方法和系统能够在并排停车的目标车辆周围操纵自主车辆。例如,在各种实施例中,在静止车厢周围操纵自主车辆基于关于静止车辆是否是并排停车的确定,其继而基于各种与静止车辆有关的各种初始确定(在各种实施例中,包括目标车辆是否打开了警示灯,以及目标车辆是否在交通灯或停车标志处停止,目标车辆是否在另一个车辆后方停止,以及目标车辆最近是否已经移动)。
尽管在前面的详细描述中已经提出了至少一个示范性实施例,但是应该理解的是仍存在大量的变型。还应该理解的是,示范性实施例或多个示范性实施例仅是示例,而并非旨在以任何方式限制本公开的范围、适用性或配置。而是,前面的详细描述将为本领域技术人员提供用于实现示范性实施例或多个示范性实施例的便利路线图。应当理解的是,在不脱离如所附权利要求及其合法等同物所阐述的本公开的范围的情况下,可以在元件的功能和设置上做出各种改变。
Claims (10)
1.一种用于控制自主车辆在静止车辆周围的移动的方法,所述方法包括:
通过一个或多个传感器获得与所述静止车辆有关的数据;
通过处理器基于所述数据做出与所述静止车辆有关的多个初始确定;
通过所述处理器基于所述多个初始确定来确定所述静止车辆是否是并排停车的;以及
如果确定了所述静止车辆是并排停车的,则通过由所述处理器提供的指令,利于所述自主车辆在所述静止车辆周围的移动。
2.根据权利要求1所述的方法,其中:
做出所述多个初始确定包括确定所述静止车辆的警示灯是否被打开;并且
确定所述静止车辆是否是并排停车的至少部分基于所述警示灯是否被打开。
3.根据权利要求1所述的方法,其中:
做出所述多个初始确定包括确定在所述静止车辆附近的交通是否正以大于预定阈值的速度移动;并且
确定所述静止车辆是否是并排停车的至少部分基于所述交通是否正以大于所述预定阈值的速度移动。
4.根据权利要求1所述的方法,其中:
做出所述多个初始确定包括确定所述静止车辆是否在红灯处停止;并且
确定所述静止车辆是否是并排停车的至少部分基于所述静止车辆是否在红灯处停止。
5.根据权利要求1所述的方法,其中:
做出所述多个初始确定包括确定所述静止车辆是否在停车标志处停止;并且
确定所述静止车辆是否是并排停车的至少部分基于所述静止车辆是否在停车标志处停止。
6.根据权利要求1所述的方法,其中:
做出所述多个初始确定包括确定所述静止车辆是否被设置在另一车辆后方;并且
确定所述静止车辆是否是并排停车的至少部分基于所述静止车辆是否被设置在另一车辆后方。
7.根据权利要求1所述的方法,其中:
做出所述多个初始确定包括确定所述静止车辆最近是否已经在预定量的时间内移动;并且
确定所述静止车辆是否是并排停车的至少部分基于所述静止车辆是否已经在所述预定量的时间内移动。
8.根据权利要求1所述的方法,其中:
做出所述多个初始确定包括:
确定所述静止车辆的警示灯是否被打开;以及
确定在所述静止车辆附近的交通是否正在以大于预定阈值的速度移动;以及
确定所述静止车辆是否是并排停车的包括:如果所述警示灯打开、所述交通正在以大于所述预定阈值的速度移动或者两者兼有,则确定所述静止车辆是并排停车的。
9.一种用于控制自主车辆在静止车辆周围的移动的系统,所述系统包括:
并排停车目标模块,所述并排停车目标模块配置为至少利于获得与所述静止车辆有关的数据;以及
并排停车确定模块,所述并排停车确定模块包括处理器并且被配置为至少利于:
基于所述数据做出与所述静止车辆有关的多个初始确定;
基于所述多个初始确定来确定所述静止车辆是否是并排停车的;以及
如果确定了所述静止车辆是并排停车的,则利于所述自主车辆在所述静止车辆周围的移动。
10.一种自主车辆,包括:
多个传感器,所述多个传感器配置为至少利于获得与设置在所述自主车辆附近的静止车辆有关的数据;以及
转向系统;以及
处理器,所述处理器配置为至少利于:
基于所述数据做出与所述静止车辆有关的多个初始确定;
基于所述多个初始确定来确定所述静止车辆是否是并排停车的;以及
如果确定了所述静止车辆是并排停车的,则通过从所述处理器提供给所述转向系统的指令,利于所述自主车辆在所述静止车辆周围的移动。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/943572 | 2018-04-02 | ||
US15/943,572 US20180224860A1 (en) | 2018-04-02 | 2018-04-02 | Autonomous vehicle movement around stationary vehicles |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110341717A true CN110341717A (zh) | 2019-10-18 |
Family
ID=63038373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910196390.7A Pending CN110341717A (zh) | 2018-04-02 | 2019-03-15 | 在静止车辆周围的自主车辆移动 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180224860A1 (zh) |
CN (1) | CN110341717A (zh) |
DE (1) | DE102019107485A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113525352A (zh) * | 2021-06-21 | 2021-10-22 | 上汽通用五菱汽车股份有限公司 | 车辆的泊车方法、车辆及计算机可读存储介质 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10353390B2 (en) | 2017-03-01 | 2019-07-16 | Zoox, Inc. | Trajectory generation and execution architecture |
US10955851B2 (en) * | 2018-02-14 | 2021-03-23 | Zoox, Inc. | Detecting blocking objects |
US10414395B1 (en) | 2018-04-06 | 2019-09-17 | Zoox, Inc. | Feature-based prediction |
US11126873B2 (en) | 2018-05-17 | 2021-09-21 | Zoox, Inc. | Vehicle lighting state determination |
JP2020104738A (ja) | 2018-12-27 | 2020-07-09 | トヨタ自動車株式会社 | 報知装置 |
US11561547B2 (en) * | 2019-02-20 | 2023-01-24 | Gm Cruise Holdings Llc | Autonomous vehicle routing based upon spatiotemporal factors |
KR20200103464A (ko) * | 2019-02-25 | 2020-09-02 | 현대자동차주식회사 | 차량 제어 장치 및 방법 |
US11741719B2 (en) * | 2019-08-27 | 2023-08-29 | GM Global Technology Operations LLC | Approach to maneuver planning for navigating around parked vehicles for autonomous driving |
US11605290B2 (en) * | 2020-01-28 | 2023-03-14 | GM Cruise Holdings LLC. | Updating maps based on traffic object detection |
JP7276195B2 (ja) * | 2020-02-26 | 2023-05-18 | トヨタ自動車株式会社 | サーバ、プログラム、及び情報処理方法 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020198632A1 (en) * | 1997-10-22 | 2002-12-26 | Breed David S. | Method and arrangement for communicating between vehicles |
US20110071761A1 (en) * | 2009-09-18 | 2011-03-24 | Charles Arnold Cummings | Holistic cybernetic vehicle control |
EP2797027A1 (en) * | 2013-04-25 | 2014-10-29 | Volvo Car Corporation | A vehicle driver alert arrangement, a vehicle and a method for alerting a vehicle driver |
US20150153735A1 (en) * | 2013-12-04 | 2015-06-04 | Mobileye Vision Technologies Ltd. | Systems and methods for detecting and responding to traffic laterally encroaching upon a vehicle |
US20150206014A1 (en) * | 2014-01-22 | 2015-07-23 | Xerox Corporation | Video-based system for automated detection of double parking violations |
US9205828B1 (en) * | 2012-06-29 | 2015-12-08 | Google Inc. | Method and apparatus for determining vehicle location based on motor feedback |
US20160161270A1 (en) * | 2014-12-09 | 2016-06-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to yield scenarios |
US9381916B1 (en) * | 2012-02-06 | 2016-07-05 | Google Inc. | System and method for predicting behaviors of detected objects through environment representation |
US9558659B1 (en) * | 2014-08-29 | 2017-01-31 | Google Inc. | Determining the stationary state of detected vehicles |
US9557736B1 (en) * | 2015-04-08 | 2017-01-31 | Google Inc. | Detecting street parked vehicles |
US20170057510A1 (en) * | 2013-07-12 | 2017-03-02 | Google Inc. | Methods And Systems For Determining Instructions For Pulling Over An Autonomous Vehicle |
CN106560365A (zh) * | 2015-10-06 | 2017-04-12 | 福特全球技术公司 | 使用经地图数据增强的听觉数据的碰撞避免 |
DE102016203086A1 (de) * | 2016-02-26 | 2017-08-31 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Fahrerassistenz |
US20170341642A1 (en) * | 2014-06-25 | 2017-11-30 | Nissan Motor Co., Ltd. | Vehicle control apparatus |
CN107433945A (zh) * | 2016-05-27 | 2017-12-05 | 罗伯特·博世有限公司 | 用于使机动车自动停车的方法和设备 |
US20170349168A1 (en) * | 2016-06-02 | 2017-12-07 | Ford Global Technologies, Llc | Vehicle collision avoidance |
WO2017220174A1 (de) * | 2016-06-23 | 2017-12-28 | Wabco Gmbh | Verfahren zum ermitteln einer notbremssituation eines fahrzeuges sowie vorrichtung zur durchführung des verfahrens |
US20180074507A1 (en) * | 2017-11-22 | 2018-03-15 | GM Global Technology Operations LLC | Road corridor |
US20180079423A1 (en) * | 2017-11-27 | 2018-03-22 | GM Global Technology Operations LLC | Active traffic participant |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10579063B2 (en) * | 2017-07-21 | 2020-03-03 | Uatc, Llc | Machine learning for predicting locations of objects perceived by autonomous vehicles |
-
2018
- 2018-04-02 US US15/943,572 patent/US20180224860A1/en not_active Abandoned
-
2019
- 2019-03-15 CN CN201910196390.7A patent/CN110341717A/zh active Pending
- 2019-03-22 DE DE102019107485.1A patent/DE102019107485A1/de not_active Withdrawn
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020198632A1 (en) * | 1997-10-22 | 2002-12-26 | Breed David S. | Method and arrangement for communicating between vehicles |
US20110071761A1 (en) * | 2009-09-18 | 2011-03-24 | Charles Arnold Cummings | Holistic cybernetic vehicle control |
US9381916B1 (en) * | 2012-02-06 | 2016-07-05 | Google Inc. | System and method for predicting behaviors of detected objects through environment representation |
US9205828B1 (en) * | 2012-06-29 | 2015-12-08 | Google Inc. | Method and apparatus for determining vehicle location based on motor feedback |
EP2797027A1 (en) * | 2013-04-25 | 2014-10-29 | Volvo Car Corporation | A vehicle driver alert arrangement, a vehicle and a method for alerting a vehicle driver |
US20170057510A1 (en) * | 2013-07-12 | 2017-03-02 | Google Inc. | Methods And Systems For Determining Instructions For Pulling Over An Autonomous Vehicle |
US20150153735A1 (en) * | 2013-12-04 | 2015-06-04 | Mobileye Vision Technologies Ltd. | Systems and methods for detecting and responding to traffic laterally encroaching upon a vehicle |
US20150206014A1 (en) * | 2014-01-22 | 2015-07-23 | Xerox Corporation | Video-based system for automated detection of double parking violations |
US20170341642A1 (en) * | 2014-06-25 | 2017-11-30 | Nissan Motor Co., Ltd. | Vehicle control apparatus |
US9558659B1 (en) * | 2014-08-29 | 2017-01-31 | Google Inc. | Determining the stationary state of detected vehicles |
US20160161270A1 (en) * | 2014-12-09 | 2016-06-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to yield scenarios |
US9557736B1 (en) * | 2015-04-08 | 2017-01-31 | Google Inc. | Detecting street parked vehicles |
CN106560365A (zh) * | 2015-10-06 | 2017-04-12 | 福特全球技术公司 | 使用经地图数据增强的听觉数据的碰撞避免 |
DE102016203086A1 (de) * | 2016-02-26 | 2017-08-31 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Fahrerassistenz |
CN107433945A (zh) * | 2016-05-27 | 2017-12-05 | 罗伯特·博世有限公司 | 用于使机动车自动停车的方法和设备 |
US20170349168A1 (en) * | 2016-06-02 | 2017-12-07 | Ford Global Technologies, Llc | Vehicle collision avoidance |
WO2017220174A1 (de) * | 2016-06-23 | 2017-12-28 | Wabco Gmbh | Verfahren zum ermitteln einer notbremssituation eines fahrzeuges sowie vorrichtung zur durchführung des verfahrens |
US20180074507A1 (en) * | 2017-11-22 | 2018-03-15 | GM Global Technology Operations LLC | Road corridor |
US20180079423A1 (en) * | 2017-11-27 | 2018-03-22 | GM Global Technology Operations LLC | Active traffic participant |
Non-Patent Citations (2)
Title |
---|
《中国公路学报》编辑部: "中国汽车工程学术研究综述?2017", 《中国公路学报》 * |
YANN JOEL PRAT等: "《IP.COM非专利全文库》", 17 June 2016, IP.COM * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113525352A (zh) * | 2021-06-21 | 2021-10-22 | 上汽通用五菱汽车股份有限公司 | 车辆的泊车方法、车辆及计算机可读存储介质 |
CN113525352B (zh) * | 2021-06-21 | 2022-12-02 | 上汽通用五菱汽车股份有限公司 | 车辆的泊车方法、车辆及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
DE102019107485A1 (de) | 2019-10-02 |
US20180224860A1 (en) | 2018-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110341717A (zh) | 在静止车辆周围的自主车辆移动 | |
CN108628206A (zh) | 道路施工检测系统和方法 | |
CN108802761A (zh) | 用于激光雷达点云异常的方法和系统 | |
US10391931B2 (en) | System and method for providing enhanced passenger use of an autonomous vehicle | |
CN108268034A (zh) | 用于车辆的专家模式 | |
US10146225B2 (en) | Systems and methods for vehicle dimension prediction | |
US10268987B2 (en) | Multi-mode transportation management | |
CN109814543A (zh) | 道路廊道 | |
CN110068346A (zh) | 用于自主车辆中不受保护的操纵缓解的系统和方法 | |
CN109814520A (zh) | 用于确定自主车辆的安全事件的系统和方法 | |
CN109521764A (zh) | 车辆远程辅助模式 | |
CN109866778A (zh) | 具有自动辅助的自主车辆操作 | |
CN109131346A (zh) | 用于预测自主车辆中的交通模式的系统和方法 | |
CN109808688A (zh) | 针对即将到来的变道在自主车辆中调整速度的系统和方法 | |
CN109507998A (zh) | 用于自主车辆之间的协作的系统和方法 | |
CN110422171A (zh) | 使用基于神经网络的驾驶员学习的自主驾驶 | |
CN109817008A (zh) | 自主车辆中用于交通繁忙情况中的无保护左转弯的系统和方法 | |
CN108766011A (zh) | 用于自主车辆的停车评分 | |
CN110083163A (zh) | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 | |
CN108803594A (zh) | 用于自主车辆中的障碍物避让及路径规划的系统和方法 | |
CN110126837A (zh) | 用于自主车辆运动规划的系统和方法 | |
CN108725446A (zh) | 用于自主车辆的俯仰角补偿 | |
CN109291929A (zh) | 用于自动驾驶系统的深度集成融合架构 | |
CN110126839A (zh) | 用于自主车辆路径跟随器校正的系统和方法 | |
CN109085820A (zh) | 临界条件的自主车辆驾驶系统和方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191018 |