CN111344646B - 用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法 - Google Patents

用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法 Download PDF

Info

Publication number
CN111344646B
CN111344646B CN201880058486.0A CN201880058486A CN111344646B CN 111344646 B CN111344646 B CN 111344646B CN 201880058486 A CN201880058486 A CN 201880058486A CN 111344646 B CN111344646 B CN 111344646B
Authority
CN
China
Prior art keywords
trajectory
vehicle
proposed
data
autonomous 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.)
Active
Application number
CN201880058486.0A
Other languages
English (en)
Other versions
CN111344646A (zh
Inventor
孙行
林於菟
刘浏
马凯杰
禤子杰
赵宇飞
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.)
Tucson Ltd
Original Assignee
Tucson Ltd
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 Tucson Ltd filed Critical Tucson Ltd
Priority to CN202410149967.XA priority Critical patent/CN117991795A/zh
Publication of CN111344646A publication Critical patent/CN111344646A/zh
Application granted granted Critical
Publication of CN111344646B publication Critical patent/CN111344646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • B62D15/0255—Automatic changing of lane, e.g. for passing another vehicle
    • 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
    • B62D15/026—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation combined with automatic distance control, i.e. electronic tow bar
    • 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
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

公开了用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法。具体实施例包括：生成针对自主车辆的第一建议轨迹；使用预测模块生成邻近主体的预测结果轨迹；基于邻近主体的预测结果轨迹对第一建议轨迹进行评分；如果第一建议轨迹的分数低于最小可接受阈值，则生成针对自主车辆的第二建议轨迹，并生成邻近主体的相对应预测结果轨迹；以及输出针对自主车辆的建议轨迹，其中与建议轨迹相对应的分数等于或高于最小可接受阈值。

Description

用于自主车辆的轨迹规划的基于数据驱动的预测的系统和 方法
相关申请的交叉引用
本申请要求于2017年9月7日提交的美国专利申请No.15/698,607的优先权。
版权声明
本专利文件的公开的一部分包含受版权保护的材料。版权拥有者不反对任何人按照在美国专利商标局的专利文件或记录中所显示的那样以传真形式复制本专利文件或专利公开，但在其他方面保留所有版权。以下声明适用于本文的公开内容以及形成本文档一部分的附图：版权2016-2017，TuSimple，保留所有权利。
技术领域
本专利文件总体上涉及用于轨迹规划的工具(系统、装置、方法、计算机程序产品等)、车辆控制系统和自主驾驶系统，更具体地涉及，但不限于，用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法。
背景技术
自主车辆通常被配置和控制为遵循基于计算的行驶路径的轨迹。然而，当诸如障碍物的变量存在于行驶路径上时，自主车辆必须执行控制操作，使得可以通过实时改变行驶路径以避开障碍物来安全地驾驶车辆。
在相关技术中，通过将行驶路径的空间信息(例如坐标、方向角、曲率等)表示为移动距离的多项式或数学函数来确定自主车辆控制操作，以避免静态障碍物。然而，当在行驶路径上存在动态障碍物时，根据相关技术的自主车辆可能无法准确地预测车辆是否将与动态障碍物碰撞。具体地，相关技术没有考虑自主车辆和其他动态车辆之间的相互作用。因此，传统的自主车辆控制系统不能准确地预测其他邻近动态车辆的未来位置。因此，不能实现传统自主车辆的最佳性能。例如，邻近的动态障碍物的非预期行为可能导致与传统自主车辆的碰撞。
发明内容
本文公开了用于提供自主车辆的轨迹规划的系统和方法。具体地，本公开总体涉及使用基于数据驱动的预测的方法进行自主车辆的轨迹规划。一方面，本文的系统可以包括被配置为收集数据的各种传感器、计算设备以及用于预测在自主车辆附近的其他车辆和/或动态对象的轨迹的预测模块。最初，计算设备生成轨迹选项，而预测模块使用分别与每个车辆和/或动态对象的可能轨迹有关的数据来预测所检查的车辆和/或动态对象的反应。可以将与预测的反应相对应的数据发送到计算设备，以完善最初建议的轨迹选项。计算设备随后可以指示预测模块进一步收集数据并进行预测以完成轨迹规划过程。
附图说明
在附图的各图中以示例而非限制的方式示出了各种实施例，在附图中：
图1示出了其中可以实现示例实施例的基于预测的轨迹规划模块的示例生态系统的框图；
图2示出了示例实施例中的用于训练和构建基于预测的轨迹规划系统的训练阶段；
图3和图4示出了示例实施例的基于预测的轨迹规划系统的组件；
图5示意了示出示例实施例的基于预测的轨迹规划的示例行驶场景；
图6是示出了用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法的示例实施例的过程流程图；以及
图7以计算机系统的示例形式示出了机器的示意图，在该计算机系统内一组指令在被执行时可以使得机器执行本文所讨论的方法中的任何一个或多个。
具体实施方式
在下面的描述中，出于解释的目的，阐述了许多具体细节以便提供对各种实施例的透彻理解。然而，对于本领域的普通技术人员而言显而易见的是，可以在没有这些具体细节的情况下实践各种实施例。
如各种示例实施例中所述，本文描述了用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法。可以在车辆生态系统101中的车载控制系统150的情况下使用本文公开的示例实施例。在一个示例实施例中，驻留在车辆105中的具有基于预测的轨迹规划模块200的车载控制系统150可以像图1中所示的架构和生态系统101一样进行配置。然而，对于本领域的普通技术人员而言显而易见的是，可以在各种其他应用以及系统中实现、配置和使用本文描述和要求保护的基于预测的轨迹规划模块200。
现在参考图1，框图示出了示例生态系统101，其中可以实现示例实施例的车载控制系统150和基于预测的轨迹规划模块200。将在下面更详细地描述这些组件。生态系统101包括各种系统和组件，它们可以生成信息/数据和相关服务的一个或多个源和/或将其传递给车载控制系统150和基于预测的轨迹规划模块200，其可以安装在车辆105中。例如，作为车辆子系统140的设备之一，安装在车辆105中的相机可以生成可由车载控制系统150接收的图像和定时数据。车载控制系统150和在其中执行的图像处理模块可以接收该图像和定时数据输入。图像处理模块可以从图像和定时数据中提取对象数据，以识别车辆附近的对象。如以下更详细描述的，基于预测的轨迹规划模块200可以处理对象数据，并基于检测的对象生成车辆的轨迹。轨迹可以由自主车辆控制子系统(作为车辆子系统140的另一子系统)使用。自主车辆控制子系统例如可以使用实时生成的轨迹来安全高效地控制车辆105导航通过现实世界驾驶环境，同时避开障碍物并安全地控制车辆。
在本文所述的示例实施例中，车载控制系统150可以与多个车辆子系统140进行数据通信，所有这些车辆子系统140可以驻留在用户的车辆105中。提供车辆子系统接口141以促进车载控制系统150和多个车辆子系统140之间的数据通信。车载控制系统150可以被配置为包括数据处理器171，以执行基于预测的轨迹规划模块200，用于处理从车辆子系统140中的一个或多个接收的对象数据。数据处理器171可与数据存储设备172组合，该数据存储设备172作为车载控制系统150中的计算系统170的一部分。数据存储设备172可用于存储数据、处理参数和数据处理指令。可以提供处理模块接口165以促进数据处理器171与基于预测的轨迹规划模块200之间的数据通信。在各个示例实施例中，类似于基于预测的轨迹规划模块200配置的多个处理模块可以被提供以供数据处理器171执行。如图1中的虚线所示，基于预测的轨迹规划模块200可以集成到车载控制系统150中，可选地下载到车载控制系统150中，或与车载控制系统150分开部署。
车载控制系统150可以被配置为从与其连接的广域网120和网络资源122接收数据或向其发送数据。车载网络支持设备130和/或用户移动设备132可用于经由网络120进行通信。网络支持设备接口131可由车载控制系统150使用以促进经由车载网络支持设备130在车载控制系统150和网络120之间的数据通信。类似地，车载控制系统150可以使用用户移动设备接口133来促进通过用户移动设备132在车载控制系统150和网络120之间的数据通信。以这种方式，车载控制系统150可以获得通过网络120对网络资源122的实时访问。网络资源122可以用于获得用于由数据处理器171执行的处理模块、训练内部神经网络的数据内容、系统参数或其他数据。
生态系统101可以包括广域数据网络120。网络120代表一个或多个常规广域数据网络，例如因特网、蜂窝电话网络、卫星网络、寻呼机网络、无线广播网络、游戏网络、WiFi网络、对等网络、IP语音(VoIP)网络等。这些网络120中的一个或多个可用于将用户或客户端系统与网络资源122(例如，网站、服务器、中央控制站点等)连接起来。网络资源122可以生成和/或分发数据，该数据可以在车辆105中经由车载网络支持设备130或用户移动设备132被接收。网络资源122还可以托管网络云服务，其可以支持用于计算或协助处理对象输入或对象输入分析的功能。天线可用于经由蜂窝、卫星、无线电或其他常规信号接收机制将车载控制系统150以及基于预测的轨迹规划模块200与数据网络120连接。这样的蜂窝数据网络当前可用(例如，VerizonTM、AT&TTM、T-MobileTM等)。此类基于卫星的数据或内容网络目前也可用(例如，SiriusXMTM、HughesNetTM等)。诸如AM/FM无线电网络、寻呼机网络、UHF网络、游戏网络、WiFi网络、对等网络、IP语音(VoIP)网络等的常规广播网络也是众所周知的。因此，如下面更详细地描述的，车载控制系统150和基于预测的轨迹规划模块200可以经由车载网络支持设备接口131接收基于网络的数据或内容，该车载网络支持设备接口131可以用于与车载网络支持设备接收器130和网络120连接。通过这种方式，车载控制系统150和基于预测的轨迹规划模块200可以支持车辆105内的各种可联网车载设备和系统。
如图1所示，车载控制系统150和基于预测的轨迹规划模块200还可以从用户移动设备132接收数据、对象处理控制参数和训练内容，该用户移动设备132可以位于车辆105内部或附近。用户移动设备132可以代表标准移动设备，例如蜂窝电话、智能电话、个人数字助理(PDA)、MP3播放器、平板计算设备(例如，iPadTM)、膝上型计算机、CD播放器和其他移动设备，该移动设备可以产生、接收和/或传递用于车载控制系统150和基于预测的轨迹规划模块200的数据、对象处理控制参数和内容。如图1所示，移动设备132也可以与网络云120进行数据通信。移动设备132可以从移动设备132本身的内部存储器组件或通过网络120从网络资源122获取数据和内容。另外，移动设备132本身可以包括GPS数据接收器、加速度计、WiFi三角测量或移动设备中的其他地理位置传感器或组件，其可用于在任何时间(通过移动设备)确定用户的实时地理位置。在任何情况下，如图1所示，车载控制系统150和基于预测的轨迹规划模块200都可以从移动设备132接收数据。
仍然参考图1，生态系统101的示例实施例可以包括车辆操作子系统140。对于在车辆105中实现的实施例，许多标准车辆包括操作子系统，例如支持监测/控制用于发动机、制动器、变速器、电气系统、排放系统、内部环境等的子系统的电子控制单元(ECU)。例如，经由车辆子系统接口141从车辆操作子系统140(例如，车辆105的ECU)传送给车载控制系统150的数据信号可以包括关于车辆105的一个或多个组件或子系统的状态的信息。具体地，可以从车辆操作子系统140传送给车辆105的控制器局域网(CAN)总线的数据信号可以经由车辆子系统接口141由车载控制系统150来接收和处理。本文描述的系统和方法的实施例可以与使用本文定义的CAN总线或类似的数据通信总线的基本上任何机械化系统一起使用，包括但不限于工业设备、船、卡车、机械、或汽车；因此，本文使用的术语“车辆”可以包括任何此类机械化系统。本文描述的系统和方法的实施例还可以与采用某种形式的网络数据通信的任何系统一起使用；然而，不需要这种网络通信。
仍然参考图1，生态系统101以及其中的车辆操作子系统140的示例实施例可以包括支持车辆105的操作的各种车辆子系统。通常，车辆105可以采用以下形式：例如，小汽车、卡车、摩托车、公共汽车、船、飞机、直升机、割草机、推土机、雪地摩托、飞行器、休旅车、游乐园车、农用设备、建筑设备、电车、高尔夫球车、火车和手推车。其他车辆也是可能的。车辆105可被配置为完全或部分地以自主模式操作。例如，车辆105可以在自主模式下控制自己，并且可操作以确定车辆的当前状态及其环境、确定该环境中至少一个其他车辆的预测行为、确定可以与该至少一个其他车辆执行预测行为的概率相对应的置信度、以及基于所确定的信息来控制车辆105。当处于自主模式时，车辆105可以被配置为在没有人类交互的情况下进行操作。
车辆105可以包括各种车辆子系统，例如车辆驱动子系统142、车辆传感器子系统144、车辆控制子系统146和乘员接口子系统148。如上所述，车辆105还可以包括车载控制系统150、计算系统170以及基于预测的轨迹规划模块200。车辆105可以包括更多或更少的子系统，并且每个子系统可以包括多个元件。此外，车辆105的每个子系统和元件可以互连。因此，车辆105的所描述的功能中的一个或多个可以被划分为附加的功能或物理组件，或者被组合为较少的功能或物理组件。在一些其他示例中，可以将其他功能和物理组件添加到图1所示的示例中。
车辆驱动子系统142可以包括可操作以为车辆105提供动力运动的组件。在示例实施例中，车辆驱动子系统142可以包括发动机或电动机、车轮/轮胎、变速器、电气子系统和电源。发动机或电动机可以是内燃发动机、电动机、蒸汽发动机、燃料电池发动机、丙烷发动机或其他类型的发动机或电动机的任何组合。在一些示例实施例中，发动机可以配置为将动力源转换成机械能。在一些示例实施例中，车辆驱动子系统142可以包括多种类型的发动机或电动机。例如，气电混合汽车可以包括汽油发动机和电动机。其他示例也是可能的。
车辆105的车轮可以是标准轮胎。车辆105的车轮可以被配置为各种形式，例如包括单轮车、自行车、三轮车或四轮车(例如，在汽车或卡车上)形式。其他车轮几何形状也是可能的，例如包括六个或更多个车轮的那些。车辆105的车轮的任何组合可以可操作以相对于其他车轮不同地旋转。车轮可以表示固定地附接到变速器的至少一个车轮、以及耦接到车轮的轮辋的至少一个轮胎，其可以与驱动表面接触。车轮可以包括金属和橡胶的组合或材料的另一组合。变速器可包括可操作以将机械动力从发动机传递给车轮的元件。为此，变速器可以包括齿轮箱、离合器、差速器和驱动轴。变速器也可以包括其他元件。驱动轴可包括可耦接至一个或多个车轮的一个或多个轮轴。电气系统可包括可操作以传送和控制车辆105中的电信号的元件。这些电信号可用于激活车辆105的灯、伺服、电动机和其他电驱动或控制设备。动力源可以表示可以全部或部分地为发动机或电动机供电的能量。即，发动机或电动机可以被配置为将动力源转换成机械能。动力源的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、燃料电池、太阳能板、电池和其他电源的来源。动力源可以附加地或替代地包括能量箱、电池、电容器或飞轮的任何组合。动力源也可以为车辆105的其他子系统提供能量。
车辆传感器子系统144可以包括多个传感器，其被配置为感测关于车辆105的环境或状况的信息。例如，车辆传感器子系统144可以包括惯性测量单元(TMU)、全球定位系统(GPS)收发器、RADAR单元、激光测距仪/LIDAR单元以及一个或多个相机或图像捕捉设备。车辆传感器子系统144还可以包括被配置为监测车辆105的内部系统的传感器(例如，O2监测器、燃料表、发动机油温)。其他传感器也是可能的。车辆传感器子系统144中包括的一个或多个传感器可以被配置为单独地或共同地被致动，以便修改一个或多个传感器的位置、取向或两者。
IMU可以包括被配置为基于惯性加速度感测车辆105的位置和取向变化的传感器(例如，加速度计和陀螺仪)的任何组合。GPS收发器可以是被配置为估计车辆105的地理位置的任何传感器。为此，GPS收发器可以包括可操作以提供关于车辆105相对于地表的位置的信息的接收器/发送器。RADAR单元可以表示利用无线电信号来感测车辆105的局部环境内的对象的系统。在一些实施例中，除了感测对象之外，RADAR单元还可以被配置为感测车辆105附近的对象的速度和行进方向。激光测距仪或LIDAR单元可以是被配置为使用激光器来感测车辆105所在环境中的对象的任何传感器。在示例实施例中，激光测距仪/LIDAR单元可包括一个或多个激光源、激光扫描仪以及一个或多个检测器以及其他系统组件。激光测距仪/LIDAR单元可以被配置为以相干(例如，使用外差检测)或非相干检测模式操作。相机可以包括一个或多个设备，该设备被配置为捕捉车辆105的环境的多个图像。相机可以是静止图像相机或运动摄像机。
车辆控制系统146可以被配置为控制车辆105及其组件的操作。因此，车辆控制系统146可包括各种元件，例如转向单元、油门、制动单元、导航单元和自主控制单元。
转向单元可以表示可操作以调节车辆105的行进方向的机构的任何组合。油门可以被配置为控制例如发动机的操作速度，并进而控制车辆105的速度。制动单元可以包括被配置为使车辆105减速的机构的任何组合。制动单元可以以标准方式使用摩擦使车轮减速。在其他实施例中，制动单元可以将车轮的动能转换为电流。制动单元也可以采用其他形式。导航单元可以是被配置为确定车辆105的行驶路径或路线的任何系统。导航单元可以被附加地配置为在车辆105操作时动态地更新驾驶路径。在一些实施例中，导航单元可以被配置为合并来自基于预测的轨迹规划模块200、GPS收发器以及一个或多个预定地图的数据，以便确定车辆105的驾驶路径。自主控制单元可以表示被配置为识别、评估、避开或以其他方式协商车辆105的环境中的潜在障碍物的控制系统。通常，自主控制单元可以被配置为在没有驾驶员的情况下控制车辆105进行操作或提供驾驶员辅助以控制车辆105。在一些实施例中，自主控制单元可以被配置为合并来自基于预测的轨迹规划模块200、GPS收发器、RADAR、LIDAR、相机和其他车辆子系统的数据，以确定车辆105的行驶路径或轨迹。车辆控制系统146可以附加地或替代地包括除了示出和描述的那些组件之外的组件。
乘员接口子系统148可以被配置为允许车辆105与外部传感器、其他车辆、其他计算机系统和/或车辆105的乘员或用户之间的交互。例如，乘员接口子系统148可以包括标准视觉显示设备(例如，等离子体显示器、液晶显示器(LCD)、触摸屏显示器、平视显示器等)、扬声器或其他音频输出设备、麦克风或其他音频输入设备、导航界面以及用于控制车辆105的内部环境(例如，温度、风扇等)的界面。
在示例实施例中，乘员接口子系统148可以提供例如用于车辆105的用户/乘员与其他车辆子系统进行交互的装置。视觉显示设备可以向车辆105的用户提供信息。用户接口设备还可以可操作以经由触摸屏接受来自用户的输入。触摸屏可以被配置为经由电容感测、电阻感测或表面声波过程等来感测用户手指的位置和移动中的至少一个。触摸屏能够感测在与触摸屏表面平行或成平面的方向上、在垂直于触摸屏表面的方向上或者在这两者上的手指移动，并且还能够感测被施加到触摸屏表面的压力水平。触摸屏可以由一个或多个半透明或透明的绝缘层和一个或多个半透明或透明的导电层形成。触摸屏也可以采用其他形式。
在其他实例中，乘员接口子系统148可以提供用于车辆105与其环境内的设备进行通信的装置。麦克风可以被配置为从车辆105的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器可以被配置为向车辆105的用户输出音频。在一个示例实施例中，乘员接口子系统148可被配置为直接地或经由通信网络与一个或多个设备无线通信。例如，无线通信系统可以使用3G蜂窝通信，例如CDMA、EVDO、GSM/GPRS，或4G蜂窝通信，例如WiMAX或LTE。备选地，无线通信系统可以例如使用与无线局域网(WLAN)通信。在一些实施例中，无线通信系统146可以例如使用红外链路、/>或/>直接与设备进行通信。在本公开的上下文中，诸如各种车辆通信系统之类的其他无线协议也是可能的。例如，无线通信系统可以包括一个或多个专用短程通信(DSRC)设备，其可以包括车辆和/或路侧站点之间的公共或私有数据通信。
车辆105的许多或全部功能可以由计算系统170控制。计算系统170可以包括至少一个数据处理器171(其可以包括至少一个微处理器)，其执行存储在非暂时性计算机可读介质(例如，数据存储设备172)中的处理指令。计算系统170还可以表示多个计算设备，其可以用来控制车辆105的处于分布式方式的各个组件或子系统。在一些实施例中，数据存储设备172可以包含可由数据处理器171执行以执行车辆105的各种功能的处理指令(例如，程序逻辑)，包括本文结合附图所描述的那些功能。数据存储设备172还可以包含其他指令，包括将数据发送给车辆驱动子系统142、车辆传感器子系统144、车辆控制子系统146以及乘员接口子系统148中的一个或多个、从其接收数据、与其进行交互或对其进行控制的指令。
除了处理指令之外，数据存储设备172还可以存储诸如对象处理参数、训练数据、道路地图和路径信息等信息之类的数据。车辆105和计算系统170可以在车辆105以自主、半自主和/或手动模式进行操作期间使用此类信息。
车辆105可以包括用于向车辆105的用户或乘员提供信息或者从车辆105的用户或乘员接收信息的用户界面。用户界面可以控制可以在显示设备上显示的交互式图像的内容和布局或实现对可以在显示设备上显示的交互式图像的内容和布局的控制。此外，用户界面可包括在一组乘员接口子系统148内的一个或多个输入/输出设备，例如显示设备、扬声器、麦克风或无线通信系统。
计算系统170可以基于从各个车辆子系统(例如，车辆驱动子系统140、车辆传感器子系统144和车辆控制子系统146)接收的以及从乘员接口子系统148接收的输入来控制车辆105的功能。例如，计算系统170可以使用来自车辆控制系统146的输入，以便控制转向单元以避开由车辆传感器子系统144检测到的障碍物，并遵循由基于预测的轨迹规划模块200生成的轨迹。在示例实施例中，计算系统170可操作以提供对车辆105及其子系统的许多方面的控制。
尽管图1示出了车辆105的各种组件，例如车辆子系统140、计算系统170、数据存储设备172以及基于预测的轨迹规划模块200，它们被集成到车辆105中，这些组件中的一个或多个可以独立于车辆105而安装或相关联。例如，数据存储设备172可以部分地或全部地与车辆105分开地存在。因此，可以以可以分开定位或定位在一起的设备元件的形式来提供车辆105。构成车辆105的设备元件可以以有线或无线方式通信地耦合在一起。
另外，如上所述，可以通过车载控制系统150从本地和/或远程源获得其他数据和/或内容(在本文中表示为辅助数据)。辅助数据可以用于基于各种因素来增加、修改或训练基于预测的轨迹规划模块200的操作，这些因素包括用户正在操作车辆的情况(例如，车辆的位置、指定的目的地、行进方向、速度、一天中的时间、车辆的状态等)以及可以从如本文所述的各种源(本地和远程)获得的各种其他数据。
在特定实施例中，车载控制系统150和基于预测的轨迹规划模块200可以被实现为车辆105的车载组件。在各个示例实施例中，车载控制系统150以及与之进行数据通信的基于预测的轨迹规划模块200可以被实现为集成组件或单独组件。在示例实施例中，可以通过使用经由网络120与移动设备132和/或网络资源122的数据连接来动态地升级、修改和/或扩充车载控制系统150和/或基于预测的轨迹规划模块200的软件组件。车载控制系统150可以周期性地向移动设备132或网络资源122查询更新，或者可以将更新推送到车载控制系统150。
如各示例实施例中所描述的，本文公开了用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法。现在参考图2，本文公开的示例实施例可以在用于自主车辆的基于预测的轨迹规划系统202的上下文中使用。现实世界数据收集系统201可以用于训练或配置用于基于预测的轨迹规划系统202的处理参数。如下文更详细描述的，对于示例实施例，基于预测的轨迹规划系统202可以基于提供给基于预测的轨迹规划系统202的对象数据并基于基于预测的轨迹规划系统202从数据收集系统201接收的训练来生成车辆轨迹。训练数据收集系统201可以包括一组感知信息收集设备或传感器，可以包括：图像生成设备(例如相机)、通过受激辐射发射的光放大(激光)设备、光检测和测距(LIDAR)设备、全球定位系统(GPS)设备、声音导航和测距(声纳)设备、无线电检测和测距(雷达)设备等。由信息收集设备在各个交通地点收集的感知信息可以包括：交通或车辆图像数据、道路数据、环境数据、来自LIDAR或雷达设备的距离数据以及从位于邻近特定道路(例如，监视的位置)的数据收集系统201的信息收集设备接收的其他传感器信息。另外，数据收集系统201可以包括安装在移动的测试车辆中的信息收集设备，该移动的测试车辆导航通过感兴趣的环境或位置中的预定路线。感知信息可以包括从中可以获得或计算在自主车辆附近或邻近的相邻车辆的位置和速度的信息。数据收集系统201也可以收集相应的地面真值数据。
现实世界数据收集系统201可以在不同场景和不同驾驶员意图下收集车辆的实际轨迹和相应的地面真值数据。不同场景可以对应于不同的位置、不同的交通模式、不同的环境条件等。场景可以例如由占据栅格、地图上的车辆状态的集合、或图形表示(例如一个或多个感兴趣区域的自上而下的图像)来表示。驾驶员意图可以与驾驶员的短期驾驶目标相对应，例如并入匝道、在路口右转、掉头等。驾驶员意图还可以对应于一组驾驶员或车辆控制动作，以实现特定的短期驾驶目标。
由数据收集系统201收集的图像数据和其他感知数据以及地面真值数据反映了与位置或路线、场景和正在被监视的驾驶员意图有关的真实、现实、现实世界的交通信息。使用众所周知的数据收集设备的标准能力，可以将收集到的交通和车辆图像数据以及其他感知或传感器数据无线传输(或以其他方式传输)到标准计算系统的数据处理器，现实世界数据收集系统201可以在该处理器上被执行。备选地，所收集的交通和车辆图像数据以及其他感知或传感器数据可以被存储在被监视位置处或测试车辆中的存储设备中，并且随后被传送到标准计算系统的数据处理器。由训练数据收集系统201收集或计算的交通和车辆图像数据以及其他感知或传感器数据、地面真值数据和驾驶员意图数据可用于生成训练数据，训练数据可以在训练阶段由基于预测的轨迹规划系统202处理。例如，众所周知，可以在训练阶段中基于提供给神经网络或其他机器学习系统的训练数据来训练神经网络，以产生配置的输出。现实世界数据收集系统201提供的训练数据可以用于训练基于预测的轨迹规划系统202，以构建生成预测模型(图3所示的预测模块175)，给定车辆的当前上下文和在训练阶段接收的训练，生成预测模型可以预测车辆的未来轨迹。因此，基于预测的轨迹规划系统202可以使用现实世界数据收集系统201在训练阶段提供的机器学习训练和现实世界对象数据来创建数据驱动的预测模型中的相对应车辆或对象轨迹。因此，示例实施例使用现实世界数据收集系统201来收集与人类驾驶行为相对应的数据，然后使用基于预测的轨迹规划系统202，基于人类驾驶行为来生成预测的车辆轨迹。另外，示例实施例可以使用损失函数来检查和校正由现实世界数据收集系统201提供给基于预测的轨迹规划系统202的训练的结果。
在示例实施例中，由基于预测的轨迹规划系统202执行的处理可以分为两个阶段：离线训练阶段和操作阶段。在离线训练阶段，由现实世界数据收集系统201提供的处理的数据可以用于训练基于预测的轨迹规划系统202，基于预测的轨迹规划系统202可以构建轨迹预测模块175(图3所示)，轨迹预测模块175的使用将在下面更详细地描述。在示例实施例中，预测模块175可以被实现为神经网络，神经网络可以使用由现实世界数据收集系统201提供的处理的数据来训练。因此，预测模块175可以被训练以基于现实世界数据收集系统201提供的处理的数据来模拟或预测真实世界场景中具有驾驶员的车辆的行为和轨迹。由于预测模块175是使用现实世界的人类行为数据来训练的，由预测模块175生产的车辆的预测行为和轨迹与具有人类驾驶员的真实环境中的车辆的实际行为和轨迹紧密相关并基于人类驾驶员行为模型。
在如上所述在训练阶段中对预测模块175进行训练之后，可以在基于预测的轨迹规划系统202的操作阶段中部署预测模块175。如上所述，在操作阶段，基于预测的轨迹规划系统202可以使用基于人类驾驶员行为模型来生成预测的车辆轨迹。基于预测的轨迹规划系统202的操作阶段在下面更详细地描述。
作为由基于预测的轨迹规划系统202执行的处理的结果，可以产生与预测或模拟的驾驶员行为以及预测或模拟的车辆轨迹相对应的数据，并将其反馈到基于预测的轨迹规划系统中202以改进预测轨迹的准确性。可以执行损失计算以用于该目的。最终，改进的基于预测的轨迹规划系统202可以用于将高度准确的预测交通轨迹信息提供给用户或用于自主车辆的控制系统的配置。具体地，可以将预测或模拟的交通轨迹信息提供给用于创建虚拟世界的系统组件，在该虚拟世界中可以训练和改进自主车辆的控制系统。该虚拟世界被配置为(尽可能)与人类驾驶员操作车辆的现实世界相同。换句话说，由基于预测的轨迹规划系统202生成的预测或模拟的交通轨迹信息直接或间接有用于配置自主车辆的控制系统。对于本领域普通技术人员将显而易见的是，本文描述和要求保护的基于预测的轨迹规划系统202和预测或模拟的交通轨迹信息可以在多种其他应用和系统中实现、配置、处理和使用。
现在参考图3，该图示出了基于预测的轨迹规划系统202和其中的基于预测的轨迹规划模块200的组件的示例实施例。在示例实施例中，基于预测的轨迹规划模块200可以被配置为包括轨迹处理模块173和预测模块175。如下面更详细地描述的，轨迹处理模块173和预测模块175用于使得能够基于输入对象数据210来生成车辆的轨迹，输入对象数据210从包括一个或多个相机的一个或多个车辆传感器子系统144接收并由图像处理模块进行处理以识别邻近主体(例如，移动的车辆、动态对象、或车辆附近的其他对象)。如上所述，所生成的车辆轨迹还基于现实世界数据收集系统201在人类驾驶员行为模型中对预测模块175的训练。轨迹处理模块173和预测模块175可以被配置为由车载控制系统150的数据处理器171执行的软件模块。基于预测的轨迹规划模块200的模块173和175可以接收输入对象数据210并产生轨迹220，车辆控制子系统146的自主控制子系统可以使用该轨迹220来更有效、更安全地控制车辆105。作为其轨迹规划处理的一部分，轨迹处理模块173和预测模块175可以被配置为与轨迹规划和预测配置参数174一起工作，轨迹规划和预测配置参数174可以用于定制和微调基于预测的轨迹规划模块200的操作。轨迹规划和预测配置参数174可以被存储在车辆控制系统150的存储器172中。
在示例实施例中，基于预测的轨迹规划模块200可以被配置为包括与车载控制系统150的接口，如图1所示，基于预测的轨迹规划模块200可以通过该接口发送和接收如本文描述的数据。另外，基于预测的轨迹规划模块200可以被配置为包括与车载控制系统150和/或其他生态系统101子系统的接口，基于预测的轨迹规划模块200可以通过该接口从上述各种数据源接收辅助数据。如上所述，基于预测的轨迹规划模块200还可以在未部署在车辆中并且不一定在车辆中或与车辆一起使用的系统和平台中实施。
在图3所示的示例实施例中，基于预测的轨迹规划模块200可以被配置为包括轨迹处理模块173和预测模块175，以及为清楚起见未示出的其他处理模块。这些模块中的每一个都可以被实现为在基于预测的轨迹规划模块200的可执行环境中执行或激活的软件、固件或其他逻辑组件，基于预测的轨迹规划模块200在车辆控制系统150内操作或与车辆控制系统150进行数据通信。以下结合本文提供的附图更详细地描述示例实施例的这些模块中的每一个。
用于自主车辆的轨迹规划的基于数据驱动的预测的系统及方法
本文公开了用于提供自主车辆的轨迹规划的系统和方法。具体地，本公开总体涉及使用基于数据驱动的预测的方法进行自主车辆的轨迹规划。一方面，本文的系统可以包括被配置为收集数据的各种传感器、计算设备以及用于预测在自主车辆附近的其他车辆和/或动态对象的轨迹的预测模块。最初，计算设备生成轨迹选项，而预测模块使用分别与每个车辆和/或动态对象的可能轨迹有关的数据来预测所检查的车辆和/或动态对象的反应。可以将与预测的反应相对应的数据发送到计算设备，以完善最初建议的轨迹选项。计算设备随后可以指示预测模块进一步收集数据并进行预测以完成轨迹规划过程。
图4示出了示例实施例的基于预测的轨迹规划模块200的组件。如图所示，基于预测的轨迹规划模块200可以被配置为包括轨迹处理模块173和预测模块175。基于预测的轨迹规划模块200和其中的轨迹处理模块173可以从一个或多个车辆传感器子系统144(包括一个或多个相机)接收输入对象数据210。来自车辆传感器子系统144的图像数据可以由图像处理模块处理，以识别邻近主体或其他对象(例如，移动的车辆、动态对象或车辆105附近的其他对象)。语义分割的过程可以用于此目的。可以由基于预测的轨迹规划模块200及其中的轨迹处理模块173接收与所识别的邻近主体或其他对象有关的信息作为输入对象数据210。轨迹处理模块173可以使用输入对象数据210作为轨迹规划过程的一部分。具体地，轨迹处理模块173可以最初生成针对自主车辆105的第一建议轨迹。第一建议轨迹可以对应于用于将车辆105导航到期望的目的地的特定路径。第一建议轨迹还可以对应于用于控制车辆105以避开在车辆105附近检测到的障碍物的特定路径。第一建议轨迹也可以对应于用于引导车辆105执行特定动作的特定路径，特定动作例如超过另一车辆、调整速度或行进方向以保持与其他车辆的分离、轮流操纵车辆、执行受控停车等。在这些情况的每一个中，第一建议轨迹可以使车辆105对其速度和行进方向进行顺序改变。由于车辆105的速度或行进方向的改变，邻近车辆105的道路上的其他主体或车辆可能会对车辆105在速度或行进方向或其他动作方面的改变做出反应。在示例实施例中，提供了预测模块175，以预计或预测邻近主体对车辆105在速度或行进方向方面的改变的可能反应。因此，轨迹处理模块173可以提供第一建议轨迹作为对预测模块175的输入。预测模块175可以使用第一建议轨迹来生成被预测由于车辆105遵循第一建议轨迹而导致的邻近主体的可能轨迹或可能轨迹的分布。可以基于根据训练场景配置的机器学习技术来确定邻近主体的这些可能轨迹，训练场景是从如上所述使用现实世界数据收集系统201收集并训练的先前的现实世界人类驾驶员行为模型数据集合产生的。这些可能轨迹也可以使用配置数据310来配置或调谐。在从许多人类驾驶员行为模型驾驶场景以及训练机器数据集和规则集(或神经网络等)收集数据的过程中，可以用可变的置信度或概率水平来确定邻近主体的可能轨迹。与特定预测轨迹相关的置信度水平或概率值可以被保持或与在与第一建议轨迹的期望执行相对应的时间点被检测为在车辆105附近的每个邻近主体的预测轨迹相关联。预测模块175可以相对于轨迹处理模块173生成的第一建议轨迹针对每个邻近主体生成这些预测轨迹和置信度水平。预测模块175可以针对每个邻近主体生成预测轨迹和相对应的置信度水平作为相对于轨迹处理模块173生成的第一建议轨迹的输出。如图4所示，预测模块175的输出可以被反馈到轨迹处理模块173作为输入。轨迹处理模块173可以使用预测模块175所生成的针对每个邻近主体的预测轨迹和相对应的置信度水平，以确定针对邻近主体的预测轨迹中的任一个是否可能导致车辆105基于相关分数低于最小可接受阈值而违反预定义目标。轨迹处理模块173可以关于任何邻近主体的预测轨迹来对第一建议轨迹进行评分。第一建议轨迹的分数与第一建议轨迹符合车辆105的预定义目标的水平有关，预定义目标包括安全性、效率、合法性、乘客舒适度等。每个目标的最小分数阈值可以预定义。例如，与转弯速率、加速或停止速率、速度、间距等有关的得分阈值可以预定义，并且可以用于确定针对车辆105的建议轨迹是否可能违反预定义的目标。如果由轨迹处理模块173基于任何邻近主体的预测轨迹所生成的针对第一建议轨迹的分数可能违反预定义目标，则轨迹处理模块173可以拒绝第一建议轨迹，并且轨迹处理模块173可以生成第二建议轨迹。可以将第二建议轨迹提供给预测模块175，以关于第二建议轨迹生成针对每个邻近主体的一组新的预测轨迹和置信度水平。预测模块175生成的针对每个邻近主体的一组新的预测轨迹和置信度水平可以从预测模块175输出，并提供作为轨迹处理模块173的输入。再次，轨迹处理模块173可以使用与第二建议轨迹相对应的每个邻近主体的预测轨迹和置信度水平，确定邻近主体的预测轨迹中的任一个是否可能导致车辆105基于相关分数低于最小可接受阈值而违反预定义目标。如果由轨迹处理模块173基于针对任何邻近主体的一组新的预测轨迹生成的针对第二建议轨迹的分数可能违反预定义目标，则轨迹处理模块173可以拒绝第二建议轨迹，并且轨迹处理模块173可以生成第三建议轨迹。可以重复该过程，直到由轨迹处理模块173生成并由预测模块175处理的建议轨迹使得每个邻近主体的预测轨迹和置信度水平导致车辆105的建议轨迹基于相关分数达到或高于最小可接受阈值而满足预定义目标。备选地，可以重复该过程直到一段时间或超过迭代计数。如果如上所述的示例实施例的过程导致满足预定义目标的预测轨迹、置信度水平和相关分数，则提供相对应的建议轨迹220作为基于预测的轨迹规划模块200的输出，如图4中所示。
图5示出了示例性行驶场景401，行驶场景401示出了示例性实施例的基于预测的轨迹规划。在示例实施例中，如上所述，基于预测的轨迹规划模块200使用从车辆传感器子系统接收的对象数据210以及由预测模块175生成的针对邻近主体的预测轨迹和置信度水平或概率。参考图5，轨迹处理模块173可以最初生成在给定时间点针对自主车辆A的第一推荐或建议轨迹或路径410。轨迹或路径可以被指定为沿指定路径从当前车辆位置到期望车辆位置的路点的集合。例如，如图5所示，在具有多个车道的道路上示出了自主车辆A。为了示意示例的目的，基于预测的轨迹规划模块200可以被认为是驻留在自主车辆A中或与自主车辆A一起操作。在所示的示例中，邻近主体B(例如，道路上的另一车辆或动态对象)占据相邻车道中自主车辆A后方右侧的位置，并沿相同的行驶方向行驶。可以基于从车辆传感器子系统接收的对象数据来确定邻近主体B的存在、速度和行进方向。
在图5所示的示例中，预测模块175首先提供对邻近主体(车辆B)的移动的初始预测，该初始预测可以具有一组具有其相应概率(例如，预测轨迹分布)的预测轨迹的形式，即概率为0.4的轨迹422、概率为0.2的轨迹424和概率为0.4的轨迹426。为了进一步说明图5的示例中的三个预测轨迹，预测轨迹422预期车辆B将在其当前车道中加速；预测轨迹424预期车辆B将在其当前车道中减速；预测轨迹426预期车辆B将执行变道操纵。轨迹处理模块173可以生成第一建议轨迹410，其使得车辆A能够在图5的示例中平滑地执行向右侧车道的车道改变。如上所述，可以将第一建议轨迹410发送给预测模块175，在预测模块175中基于第一建议轨迹410生成新的预测轨迹分布。在这种情况下，新的预测轨迹分布具有相同的轨迹选项422、424、426的集合的形式，其更新的概率值分别为0.5、0.1、0.4。为了进一步分析图5中所示的示例场景，车辆A可以尝试执行第一建议轨迹410。然而，在该示例中，车辆B具有驾驶员不想让路给车辆A的高概率；因此，车辆B有高概率加速执行轨迹422以沿当前车道前进。该高概率由预测模块175生成的针对轨迹选项422的更新概率值0.5表示。在轨迹处理模块173的下一次迭代中，当推荐第一建议轨迹410并且预测高概率轨迹422时，由轨迹处理模块173生成与相对于高概率轨迹422的第一建议轨迹410相对应的分数将非常低，这指示直到在车辆B到达车辆A前方之前，车辆A将无法执行第一建议轨迹410以及安全地执行期望的车道改变行为。在这种情况下，第一建议轨迹410将是低效的，例如，如果车辆A需要到达右侧车道以驶出附近的公路出口。如果需要到达右侧车道以驶出出口是车辆A的目标，则第一建议轨迹410的执行将无法实现目标。在这种情况下，由轨迹处理模块173生成的第一建议轨迹410的分数将非常低。在评估第一建议轨迹410的低分数之后，轨迹处理模块173可以提出第二建议轨迹412，在第二建议轨迹412中将执行更积极的车道改变操作。轨迹处理模块173可以将该第二建议轨迹412发送到预测模块175。预测模块175可以基于第二建议轨迹412生成新的预测轨迹分布。在图5的示例中，新的预测轨迹分布可以包括建议轨迹选项422、424和426，其轨迹概率分别为0.05、0.55和0.4。针对车辆B的预测移动的这些新轨迹概率是由第二建议轨迹412(如果车辆A执行)引起的。在此示例中，车辆A执行第二建议轨迹412将迫使车辆B减速并以更高概率执行其预测轨迹424。由于车辆A执行第二建议轨迹412将使车辆A能够满足其到达右侧车道以驶出附近的公路出口的目标，由轨迹处理模块173生成的第二建议轨迹412的分数会较高。假设第二建议轨迹412的较高分数达到或超过目标阈值，轨迹处理模块173可以将第二建议轨迹412输出作为可接受的轨迹，并且车辆A可以执行第二建议轨迹412。
注意，在该示例中，轨迹处理模块173与预测模块175之间的反馈环路仅两次迭代并且仅针对一个邻近主体(例如，车辆B)执行。在实际情况下，会有更多的迭代和更多邻近对象轨迹要预测。同样在每次迭代中，可能存在多个建议轨迹，而不是只有一个从轨迹处理模块173发送到预测模块175。在这些情况下，将对发送到预测模块175的每个建议轨迹进行多个轨迹预测。
现在参考图6，流程图示出了用于提自主车辆的轨迹规划的系统和方法1000的示例实施例。该示例实施例可以被配置为：生成针对自主车辆的第一建议轨迹(处理框1010)；使用预测模块生成邻近主体的预测结果轨迹(处理框1020)；基于邻近主体的预测结果轨迹对第一建议轨迹进行评分(处理框1030)；如果第一建议轨迹的分数低于最小可接受阈值，则生成针对自主车辆的第二建议轨迹，并生成邻近主体的相对应预测结果轨迹(处理框1040)；以及输出针对自主车辆的建议轨迹，其中与建议轨迹相对应的分数等于或高于最小可接受阈值(处理框1050)。
如本文所使用的，除非另有说明，否则术语“移动设备”包括可以与本文所述的车载控制系统150和/或基于预测的轨迹规划模块200通信以获得通过任何数据通信模式传送的数据信号、消息或内容的读取或写入访问权限的任何计算或通信设备。在许多情况下，移动设备130是手持式便携式设备，例如智能电话、移动电话、蜂窝电话、平板计算机、膝上型计算机、显示寻呼机、射频(RF)设备、红外(IR)设备、全球定位设备(GPS)、个人数字助理(PDA)、手持计算机、可穿戴计算机、便携式游戏机、其他移动通信和/或计算设备或组合一个或多个前述设备的集成设备等。另外，移动设备130可以是计算设备、个人计算机(PC)、多处理器系统、基于微处理器的或可编程的消费电子设备、网络PC、诊断设备、由车辆119的制造商或服务技术人员操作的系统等，但不仅限于便携式设备。移动设备130可以接收和处理多种数据格式中的任何一种格式的数据。数据格式可以包括任何编程格式、协议或语言或被配置为以任何编程格式、协议或语言进行操作，包括但不限于JavaScript、C++、iOS、Android等。
如本文所使用的，除非另有说明，否则术语“网络资源”包括可以与本文所述的车载控制系统150和/或基于预测的轨迹规划模块200通信以获得对通过任何模式的进程间或联网数据通信传送的数据信号、消息或内容的读取或写入访问权限的任何设备、系统或服务。在许多情况下，网络资源122是数据网络可访问的计算平台，包括客户端或服务器计算机、网站、移动设备、对等(P2P)网络节点等。此外，网络资源122可以是Web设备、网络路由器、交换机、网桥、网关、诊断设备、由车辆119的制造商或服务技术人员操作的系统或者是能够执行一组指令(顺序或其他方式)的任何机器，该指令指定要由该机器执行的动作。此外，虽然仅示出了单个机器，但是术语“机器”也可以被理解为包括机器的任何集合，其单独地或共同地执行一组(或多组)指令以执行本文讨论的任何一个或多个方法。网络资源122可以包括网络可传输数字内容的各个提供者或处理器中的任何一个。通常，所采用的文件格式是可扩展标记语言(XML)，但是各种实施例不限于此，并且可以使用其他文件格式。例如，各种实施例可以支持除超文本标记语言(HTML)/XML之外的数据格式或除开放/标准数据格式之外的格式。本文所述的各种实施例可以支持任何电子文件格式，例如可移植文档格式(PDF)、音频(例如，运动图像专家组音频第3层-MP3等)、视频(例如，MP4等)以及由特定内容站点定义的任何专有交换格式。
与网络资源122一起使用的广域数据网络120(也称为网络云)可以被配置为将一个计算或通信设备与另一计算或通信设备耦合。可以使网络能够采用任何形式的计算机可读数据或介质来将信息从一个电子设备传送到另一电子设备。网络120可以包括互联网，以及其他广域网(WAN)、蜂窝电话网络、城域网、局域网(LAN)、其他分组交换网络、电路交换网络、例如通过通用串行总线(USB)或以太网端口的直接数据连接、其他形式的计算机可读介质或其任何组合。网络120可以包括互联网，以及其他广域网(WAN)、蜂窝电话网络、卫星网络、空中广播网络、AM/FM无线电网络、寻呼机网络、UHF网络、其他广播网络、游戏网络、WiFi网络、对等网络、IP语音(VoIP)网络、城域网、局域网(LAN)、其他分组交换网络、电路交换网络、直接数据连接(例如，通过通用串行总线(USB)或以太网端口)、其他形式的计算机可读介质或其任意组合。在一组互连的网络(包括基于不同架构和协议的网络)上，路由器或网关可以充当网络之间的链接，使得消息能够在不同网络上的计算设备之间发送。而且，网络内的通信链路通常可以包括双绞线电缆、USB、火线、以太网或同轴电缆，而网络之间的通信链路可以利用模拟或数字电话线、包括T1、T2、T3和T4的全部或部分专用数字线路、综合业务数字网(ISDN)、数字用户线(DSL)、包括卫星链路、蜂窝电话链路或本领域普通技术人员公知的其他通信链路的无线链路。此外，远程计算机和其他相关电子设备可以通过调制解调器和临时电话链路远程连接到网络。
网络120还可以包括可以进一步覆盖独立自组织网络等的各种无线子网络中的任何一个，以提供面向基础设施的连接。这样的子网络可以包括网状网络、无线LAN(WLAN)网络、蜂窝网络等。该网络还可以包括通过无线无线电链路或无线收发器连接的终端、网关、路由器等的自主系统。这些连接器可以被配置为自由随机移动并任意组织，以使网络拓扑可以快速变化。网络120还可以采用多个标准无线和/或蜂窝协议或接入技术中的一个或多个，包括结合本文附图中描述的网络接口712和网络714在本文阐述的那些。
在特定实施例中，移动设备132和/或网络资源122可以充当使得用户能够访问和使用车载控制系统150和/或基于预测的轨迹规划模块200与车辆子系统的一个或多个组件交互的客户端设备。这些客户端设备132或122实际上可以包括被配置为通过诸如本文所述的网络120之类的网络发送和接收信息的任何计算设备。这样的客户端设备可以包括移动设备，例如蜂窝电话、智能电话、平板计算机、显示寻呼机、射频(RF)设备、红外(IR)设备、全球定位设备(GPS)、个人数字助理(PDA)、手持式计算机、可穿戴计算机、游戏控制台、组合一个或多个前述设备的集成设备等。客户端设备还可以包括其他计算设备，例如个人计算机(PC)、多处理器系统、基于微处理器的或可编程的消费电子产品、网络PC等。这样，客户端设备在功能和特征方面可以广泛地变化。例如，被配置为电话的客户端设备可以具有数字小键盘和几行单色LCD显示器，在其上只能显示文本。在另一示例中，支持网络的客户端设备可以具有触敏屏幕、手写笔和彩色LCD显示屏，其中可以显示文本和图形两者。此外，支持网络的客户端设备可以包括浏览器应用，该浏览器应用能够接收和发送无线应用协议消息(WAP)和/或有线应用消息等。在一个实施例中，浏览器应用被启用以采用超文本标记语言(HTML)、动态HTML、手持设备标记语言(HDML)、无线标记语言(WML)、WMLScript、JavaScriptTM、可扩展HTML(xHTML)、紧凑HTML(CHTML等)来显示和发送带有相关信息的消息。
客户端设备还可以包括至少一个客户端应用，该至少一个客户端应用被配置为经由网络传输从另一计算设备接收内容或消息。客户端应用可以包括提供和接收文本内容、图形内容、视频内容、音频内容、警报、消息、通知等的功能。此外，客户端设备还可以被配置为例如通过短消息服务(SMS)、直接消息传递(例如，Twitter)、电子邮件、多媒体消息服务(MMS)、即时消息传递(IM)、互联网中继聊天(IRC)、mIRC、Jabber、增强消息传递服务(EMS)、文本消息传递、智能消息传递、空中(OTA)消息传递等在另外的计算设备之间传送和/或接收消息等。客户端设备还可以包括无线应用设备，客户端应用被配置在该无线应用设备上，以使得该设备的用户能够经由网络无线地向/从网络资源发送和接收信息。
可以使用增强执行环境的安全性的系统来实现车载控制系统150和/或基于预测的轨迹规划模块200，从而提高安全性并降低车载控制系统150和/或基于预测的轨迹规划模块200以及相关服务可能被病毒或恶意软件破坏的可能性。例如，可以使用可信执行环境来实现车载控制系统150和/或基于预测的轨迹规划模块200，其可以确保敏感数据以安全的方式被存储、处理和传送。
图7以计算系统700的示例形式示出了机器的示意图，在其中当一组指令被执行时和/或当处理逻辑被激活时可以使该机器执行所描述的和/或本文所要求保护的方法中的任何一个或多个。在替代实施例中，该机器作为独立设备进行操作，或者可以连接(例如，联网)到其他机器。在联网部署中，机器可以在服务器-客户端网络环境中以服务器或客户端机器的身份进行操作，或者在对等(或分布式)网络环境中作为对等机器进行操作。该机器可以是个人计算机(PC)、膝上型计算机、平板计算系统、个人数字助理(PDA)、蜂窝电话、智能电话、网络设备、机顶盒(STB)、网络路由器、交换机或网桥、或能够执行一组指令(顺序指令或其他指令)或激活指定该机器要执行的动作的处理逻辑的任何机器。此外，虽然仅示出了单个机器，但是术语“机器”也可以被理解为包括机器的任何集合，其单独地或共同地执行一组(或多组)指令或处理逻辑以执行本文描述和/或要求保护的方法中的任意一个或多个。
示例计算系统700可以包括可以通过总线或其他数据传输系统706彼此通信的数据处理器702(例如，片上系统(SoC)、通用处理核心、图形核心和可选地其他处理逻辑)和存储器704。移动计算和/或通信系统700还可包括各种输入/输出(I/O)设备和/或接口710，例如触摸屏显示器、音频插孔、语音接口以及可选地网络接口712。在示例实施例中，网络接口712可以包括一个或多个无线电收发器，其被配置为与任何一个或多个标准无线和/或蜂窝协议或接入技术(例如，第二代(2G)、2.5代、第三代(3G)、第四代(4G)和下一代蜂窝系统的无线电接入、全球移动通信系统(GSM)、通用分组无线电业务(GPRS)、增强型数据GSM环境(EDGE)、宽带码分多址(WCDMA)、LTE、CDMA2000、WLAN、无线路由器(WR)网等)兼容。网络接口712还可被配置为与各种其他有线和/或无线通信协议一起使用，包括TCP/IP、UDP、SIP、SMS、RTP、WAP、CDMA、TDMA、UMTS、UWB、WiFi、WiMax、IEEE 802.11x等。本质上，网络接口712可以实际上包括或支持任何有线和/或无线通信和数据处理机制，通过该机制，信息/数据可以通过网络714在计算系统700和另一计算或通信系统之间传送。
存储器704可以代表机器可读介质，在其上存储体现本文所描述和/或要求保护的方法或功能中的任何一个或多个的一组或多组指令、软件、固件或其他处理逻辑(例如，逻辑708)。在由移动计算和/或通信系统700执行期间，逻辑708或其一部分也可以完全或至少部分地驻留在处理器702内。这样，存储器704和处理器702也可以构成机器可读介质。逻辑708或其一部分也可以被配置为处理逻辑或逻辑，其至少一部分部分地以硬件实现。逻辑708或其一部分还可以经由网络接口712通过网络714发送或接收。虽然示例实施例的机器可读介质可以是单个介质，但是术语“机器可读介质”应当被认为包括存储一个或多个指令集的单个非暂时性介质或多个非暂时性介质(例如，集中式或分布式数据库和/或相关联的高速缓存和计算系统)。术语“机器可读介质”也可以被认为包括任何非暂时性介质，其能够存储、编码或携带一组指令以供机器执行并且使机器执行各种实施例的任何一个或多个方法，或者能够存储、编码或携带由该组指令利用或与之相关联的数据结构。因此，术语“机器可读介质”可被认为包括但不限于固态存储器、光学介质和磁性介质。
提供本公开的摘要以允许读者快速地确定技术公开的性质。提交本文档时应理解为不会将其用于解释或限制权利要求的范围或含义。另外，在前述具体实施方式中，可以看出，出于简化本公开的目的，在单个实施例中将各种特征组合在一起。本公开的方法不应被解释为反映了以下意图：所要求保护的实施例需要比每个权利要求中明确记载的特征更多的特征。相反，如所附权利要求所反映的，本发明主题在于少于单个公开实施例的所有特征。因此，所附权利要求由此并入详细描述中，其中每个权利要求独立地作为单独的实施例。

Claims (18)

1.一种轨迹规划系统，包括：
数据处理器；以及
轨迹规划模块，能够由数据处理器执行，所述轨迹规划模块被配置为执行针对自主车辆的基于数据驱动的预测的轨迹规划操作，所述轨迹规划操作被配置为：
生成针对自主车辆的第一建议轨迹；
从被包括在所述自主车辆中的车辆传感器子系统接收对应于邻近主体的对象数据，所述对象数据包括对应于所述邻近主体中的每个邻近主体的速度和轨迹数据；
基于所接收的所述对象数据和所述第一建议轨迹，使用预测模块生成针对所述邻近主体中的每个邻近主体的预测结果轨迹；
基于邻近主体的预测结果轨迹对第一建议轨迹进行评分；
如果第一建议轨迹的分数低于最小可接受阈值，则生成针对自主车辆的第二建议轨迹，并生成针对所述邻近主体的对应预测结果轨迹；以及
输出针对所述自主车辆的所述第二建议轨迹，其中与所述第二建议轨迹相对应的分数等于或高于所述最小可接受阈值；以及
使所述自主车辆遵循所述第二建议轨迹。
2.根据权利要求1所述的系统，其中，所述基于数据驱动的预测的轨迹规划操作包括机器可学习的组件。
3.根据权利要求1所述的系统，其中，输出的建议轨迹取决于邻近主体的预测结果轨迹。
4.根据权利要求1所述的系统，其中，所述基于数据驱动的预测的轨迹规划操作被配置为：生成预测结果轨迹及其置信度值，或者生成邻近主体的轨迹分布。
5.根据权利要求1所述的系统，其中，所述预测模块被配置为：将与邻近主体的预测轨迹相对应的信息保留为数学或数据表示。
6.根据权利要求1所述的系统，其中，所述建议轨迹被输出到车辆控制子系统，以使自主车辆遵循输出的建议轨迹。
7.一种轨迹规划方法，包括：
生成针对自主车辆的第一建议轨迹；
从被包括在所述自主车辆中的车辆传感器子系统接收对应于邻近主体的对象数据，所述对象数据包括对应于所述邻近主体中的每个邻近主体的速度和轨迹数据；
基于所接收的所述对象数据和所述第一建议轨迹，使用预测模块生成针对所述邻近主体中的每个邻近主体的预测结果轨迹；
基于邻近主体的预测结果轨迹对第一建议轨迹进行评分；
如果第一建议轨迹的分数低于最小可接受阈值，则生成针对自主车辆的第二建议轨迹，并生成针对所述邻近主体中的每个邻近主体的对应预测结果轨迹；以及
输出针对所述自主车辆的所述第二建议轨迹，其中与所述第二建议轨迹相对应的分数等于或高于所述最小可接受阈值；以及
使所述自主车辆遵循所述第二建议轨迹。
8.根据权利要求7所述的方法，包括：使机器实现可学习预测模块。
9.根据权利要求7所述的方法，其中，输出的建议轨迹取决于邻近主体的预测结果轨迹。
10.根据权利要求7所述的方法，包括：生成预测结果轨迹及其置信度值，或者生成邻近主体的轨迹分布。
11.根据权利要求7所述的方法，包括：使预测模块将与邻近主体的预测轨迹相对应的信息保留为数学或数据表示。
12.根据权利要求7所述的方法，包括：将建议轨迹输出到车辆控制子系统，以使自主车辆遵循输出的建议轨迹。
13.一种非暂时性机器可用存储介质，包含指令，所述指令在由机器执行时使所述机器：
生成针对自主车辆的第一建议轨迹；
从被包括在所述自主车辆中的车辆传感器子系统接收对应于邻近主体的对象数据，所述对象数据包括对应于所述邻近主体中的每个邻近主体的速度和轨迹数据；
基于所接收的所述对象数据和所述第一建议轨迹，使用预测模块生成针对所述邻近主体中的每个邻近主体的预测结果轨迹；
基于邻近主体的预测结果轨迹对第一建议轨迹进行评分
如果第一建议轨迹的分数低于最小可接受阈值，则生成针对自主车辆的第二建议轨迹，并生成针对所述邻近主体中的每个邻近主体的对应预测结果轨迹；以及
输出针对所述自主车辆的所述第二建议轨迹，其中与所述第二建议轨迹相对应的分数等于或高于所述最小可接受阈值；以及
使所述自主车辆遵循所述第二建议轨迹。
14.根据权利要求13所述的非暂时性机器可用存储介质，其中，所述指令还被配置为：实现机器学习。
15.根据权利要求13所述的非暂时性机器可用存储介质，其中，输出的建议轨迹取决于邻近主体的预测结果轨迹。
16.根据权利要求13所述的非暂时性机器可用存储介质，其中，所述指令还被配置为：生成预测结果轨迹及其置信度值，或者生成邻近主体的轨迹分布。
17.根据权利要求13所述的非暂时性机器可用存储介质，其中，所述预测模块被配置为：将与邻近主体的预测轨迹相对应的信息保留为数学或数据表示。
18.根据权利要求13所述的非暂时性机器可用存储介质，其中，所述建议轨迹被输出到车辆控制子系统，以使自主车辆遵循输出的建议轨迹。
CN201880058486.0A 2017-09-07 2018-09-04 用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法 Active CN111344646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410149967.XA CN117991795A (zh) 2017-09-07 2018-09-04 用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/698,607 2017-09-07
US15/698,607 US10649458B2 (en) 2017-09-07 2017-09-07 Data-driven prediction-based system and method for trajectory planning of autonomous vehicles
PCT/US2018/049424 WO2019050873A1 (en) 2017-09-07 2018-09-04 SYSTEM BASED ON DATA GUIDED PREDICTION AND TRACK PLANNING METHOD OF AUTONOMOUS VEHICLES

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202410149967.XA Division CN117991795A (zh) 2017-09-07 2018-09-04 用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法

Publications (2)

Publication Number Publication Date
CN111344646A CN111344646A (zh) 2020-06-26
CN111344646B true CN111344646B (zh) 2024-01-26

Family

ID=65518612

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202410149967.XA Pending CN117991795A (zh) 2017-09-07 2018-09-04 用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法
CN201880058486.0A Active CN111344646B (zh) 2017-09-07 2018-09-04 用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202410149967.XA Pending CN117991795A (zh) 2017-09-07 2018-09-04 用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法

Country Status (5)

Country Link
US (3) US10649458B2 (zh)
EP (1) EP3679443A4 (zh)
CN (2) CN117991795A (zh)
AU (2) AU2018330031B2 (zh)
WO (1) WO2019050873A1 (zh)

Families Citing this family (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10640111B1 (en) 2016-09-07 2020-05-05 Waymo Llc Speed planning for autonomous vehicles
US10678241B2 (en) * 2017-09-06 2020-06-09 GM Global Technology Operations LLC Unsupervised learning agents for autonomous driving applications
US10953880B2 (en) 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
US10953881B2 (en) 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
US10649458B2 (en) 2017-09-07 2020-05-12 Tusimple, Inc. Data-driven prediction-based system and method for trajectory planning of autonomous vehicles
US10782694B2 (en) 2017-09-07 2020-09-22 Tusimple, Inc. Prediction-based system and method for trajectory planning of autonomous vehicles
US10782693B2 (en) 2017-09-07 2020-09-22 Tusimple, Inc. Prediction-based system and method for trajectory planning of autonomous vehicles
US20190129831A1 (en) * 2017-10-27 2019-05-02 Uber Technologies, Inc. Autonomous Vehicle Simulation Testing Systems and Methods
US10739775B2 (en) * 2017-10-28 2020-08-11 Tusimple, Inc. System and method for real world autonomous vehicle trajectory simulation
US10967861B2 (en) * 2018-11-13 2021-04-06 Waymo Llc Using discomfort for speed planning in responding to tailgating vehicles for autonomous vehicles
US10627825B2 (en) * 2017-11-22 2020-04-21 Waymo Llc Using discomfort for speed planning in autonomous vehicles
US10860018B2 (en) * 2017-11-30 2020-12-08 Tusimple, Inc. System and method for generating simulated vehicles with configured behaviors for analyzing autonomous vehicle motion planners
US11718303B2 (en) * 2018-01-03 2023-08-08 Toyota Research Institute, Inc. Vehicles and methods for building vehicle profiles based on reactions created by surrounding vehicles
US10983522B2 (en) * 2018-03-09 2021-04-20 Baidu Usa Llc Emergency stop speed profile for autonomous vehicles
US10740914B2 (en) 2018-04-10 2020-08-11 Pony Ai Inc. Enhanced three-dimensional training data generation
JP7073880B2 (ja) * 2018-04-19 2022-05-24 トヨタ自動車株式会社 進路決定装置
US11117584B2 (en) * 2018-04-27 2021-09-14 Honda Motor Co., Ltd. Merge behavior systems and methods for mainline vehicles
US11572099B2 (en) 2018-04-27 2023-02-07 Honda Motor Co., Ltd. Merge behavior systems and methods for merging vehicles
US10909866B2 (en) * 2018-07-20 2021-02-02 Cybernet Systems Corp. Autonomous transportation system and methods
US10901417B2 (en) * 2018-08-31 2021-01-26 Nissan North America, Inc. Autonomous vehicle operational management with visual saliency perception control
CN108983213B (zh) * 2018-09-07 2021-01-01 百度在线网络技术（北京）有限公司 障碍物静止状态的确定方法、装置、设备及存储介质
KR20200034037A (ko) * 2018-09-14 2020-03-31 현대자동차주식회사 차량의 주행 제어 장치 및 방법
US11829870B2 (en) * 2018-11-26 2023-11-28 Uber Technologies, Inc. Deep reinforcement learning based models for hard-exploration problems
US20190126922A1 (en) * 2018-12-27 2019-05-02 Intel Corporation Method and apparatus to determine a trajectory of motion in a predetermined region
DE102019103106A1 (de) * 2019-02-08 2020-08-13 Zf Automotive Germany Gmbh Steuerungssystem und Steuerungsverfahren zur interaktionsbasierten Langzeitbestimmung von Trajektorien für Kraftfahrzeuge
US11556126B2 (en) * 2019-02-20 2023-01-17 Toyota Research Institute, Inc. Online agent predictions using semantic maps
CN109934164B (zh) * 2019-03-12 2020-12-01 杭州飞步科技有限公司 基于轨迹安全度的数据处理方法和装置
JP7156989B2 (ja) * 2019-03-25 2022-10-19 本田技研工業株式会社 走行制御装置、走行制御方法、およびプログラム
WO2020205655A1 (en) * 2019-03-29 2020-10-08 Intel Corporation Autonomous vehicle system
CN114080634B (zh) * 2019-07-03 2024-04-26 伟摩有限责任公司 使用锚定轨迹的代理轨迹预测
US11340622B2 (en) * 2019-08-30 2022-05-24 Waymo Llc Determining respective impacts of agents
KR20210030147A (ko) * 2019-09-09 2021-03-17 삼성전자주식회사 3d 렌더링 방법 및 장치
CN112660148B (zh) * 2019-09-30 2022-09-02 阿波罗智能技术(北京)有限公司 确定车辆的调头路径的方法、装置、设备和介质
US11586931B2 (en) * 2019-10-31 2023-02-21 Waymo Llc Training trajectory scoring neural networks to accurately assign scores
US11912271B2 (en) 2019-11-07 2024-02-27 Motional Ad Llc Trajectory prediction from precomputed or dynamically generated bank of trajectories
US11494533B2 (en) * 2019-11-27 2022-11-08 Waymo Llc Simulations with modified agents for testing autonomous vehicle software
RU2750243C2 (ru) * 2019-12-24 2021-06-24 Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" Способ и система для формирования траектории для беспилотного автомобиля (sdc)
WO2021133832A1 (en) * 2019-12-27 2021-07-01 Waymo Llc Conditional behavior prediction for autonomous vehicles
US12001958B2 (en) * 2020-03-19 2024-06-04 Nvidia Corporation Future trajectory predictions in multi-actor environments for autonomous machine
US20220048503A1 (en) 2020-08-12 2022-02-17 Argo AI, LLC Path-conditioned motion forecasting for vehicle motion planning
US11927967B2 (en) * 2020-08-31 2024-03-12 Woven By Toyota, U.S., Inc. Using machine learning models for generating human-like trajectories
US11628858B2 (en) * 2020-09-15 2023-04-18 Baidu Usa Llc Hybrid planning system for autonomous vehicles
CN112101527B (zh) * 2020-09-15 2023-09-01 北京百度网讯科技有限公司 识别车道变化的方法和装置、电子设备和存储介质
US12097845B2 (en) 2020-10-28 2024-09-24 Toyota Research Institute, Inc. Systems and methods for identifying high-risk driving situations from driving data
CN112530202B (zh) * 2020-11-23 2022-01-04 中国第一汽车股份有限公司 一种车辆变道的预测方法、装置、设备及车辆
CN112706785B (zh) * 2021-01-29 2023-03-28 重庆长安汽车股份有限公司 一种自动驾驶车辆行驶环境认知目标选择方法、装置及存储介质
EP3998594A1 (en) * 2021-02-19 2022-05-18 Lilium eAircraft GmbH A system and method for navigating an aircraft
US12024204B2 (en) 2021-04-09 2024-07-02 Direct Cursus Technology L.L.C Method of and system for predicting a maneuver of an object
US20220327919A1 (en) * 2021-04-12 2022-10-13 At&T Intellectual Property I, L.P. Predicting road blockages for improved navigation systems
WO2022241771A1 (zh) * 2021-05-21 2022-11-24 华为技术有限公司 一种预测方法、装置、车辆和智能驾驶系统
US11891060B2 (en) 2021-07-13 2024-02-06 Canoo Technologies Inc. System and method in lane departure warning with full nonlinear kinematics and curvature
US11908200B2 (en) 2021-07-13 2024-02-20 Canoo Technologies Inc. System and method in the prediction of target vehicle behavior based on image frame and normalization
US11840147B2 (en) 2021-07-13 2023-12-12 Canoo Technologies Inc. System and method in data-driven vehicle dynamic modeling for path-planning and control
US11845428B2 (en) 2021-07-13 2023-12-19 Canoo Technologies Inc. System and method for lane departure warning with ego motion and vision
US11891059B2 (en) 2021-07-13 2024-02-06 Canoo Technologies Inc. System and methods of integrating vehicle kinematics and dynamics for lateral control feature at autonomous driving
US12017661B2 (en) * 2021-07-13 2024-06-25 Canoo Technologies Inc. System and method in vehicle path prediction based on full nonlinear kinematics
CN113561994B (zh) * 2021-08-13 2022-04-05 北京三快在线科技有限公司 轨迹规划方法、装置、存储介质及电子设备
US12060060B1 (en) * 2021-08-31 2024-08-13 Zoox, Inc. Vehicle control using trajectory clustering and reactive prediction
CN114265398B (zh) * 2021-11-16 2023-12-15 长安大学 自动驾驶车辆轨迹规划方法、装置、电子设备及存储介质
US20230406362A1 (en) * 2022-06-15 2023-12-21 Baidu Usa Llc Planning-impacted prediction evaluation
US20240059312A1 (en) * 2022-08-22 2024-02-22 Waymo Llc Predictability estimation using behavior prediction models
CN116664964B (zh) * 2023-07-31 2023-10-20 福思(杭州)智能科技有限公司 数据筛选方法、装置、车载设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384540A (zh) * 2016-10-20 2017-02-08 深圳市元征科技股份有限公司 车辆实时轨迹预测方法及预测系统
WO2017079236A2 (en) * 2015-11-04 2017-05-11 Zoox, Inc. Internal safety systems for robotic vehicles
US9669827B1 (en) * 2014-10-02 2017-06-06 Google Inc. Predicting trajectories of objects based on contextual information
WO2017095614A1 (en) * 2015-12-04 2017-06-08 Waymo Llc Collision mitigated braking for autonomous vehicles
US9717387B1 (en) * 2015-02-26 2017-08-01 Brain Corporation Apparatus and methods for programming and training of robotic household appliances

Family Cites Families (250)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2608513A1 (de) 1976-03-02 1977-09-08 Standard Elektrik Lorenz Ag Anordnung zur weichensteuerung fuer ein verkehrssystem
US6822563B2 (en) 1997-09-22 2004-11-23 Donnelly Corporation Vehicle imaging system with accessory control
US5877897A (en) 1993-02-26 1999-03-02 Donnelly Corporation Automatic rearview mirror, vehicle lighting control and vehicle interior monitoring system using a photosensor array
US7103460B1 (en) 1994-05-09 2006-09-05 Automotive Technologies International, Inc. System and method for vehicle diagnostics
US7783403B2 (en) 1994-05-23 2010-08-24 Automotive Technologies International, Inc. System and method for preventing vehicular accidents
WO1996026482A2 (en) 1995-02-23 1996-08-29 Philips Electronics N.V. System comprising an apparatus and a peripheral device for the apparatus, and an apparatus and a peripheral device for such a system
US7655894B2 (en) 1996-03-25 2010-02-02 Donnelly Corporation Vehicular image sensing system
US6084870A (en) 1996-07-22 2000-07-04 Qualcomm Incorporated Method and apparatus for the remote monitoring and configuration of electronic control systems
US6263088B1 (en) 1997-06-19 2001-07-17 Ncr Corporation System and method for tracking movement of objects in a scene
US6594821B1 (en) 2000-03-30 2003-07-15 Transmeta Corporation Translation consistency checking for modified target instructions by comparing to original copy
US8711217B2 (en) 2000-10-24 2014-04-29 Objectvideo, Inc. Video surveillance system employing video primitives
US6590507B2 (en) * 2001-03-05 2003-07-08 Hrl Laboratories, Llc Method and system for providing personalized traffic alerts
US7363149B2 (en) 2001-12-13 2008-04-22 Robert Bosch Gmbh Autonomous in-vehicle navigation system and diagnostic system
US7167519B2 (en) 2001-12-20 2007-01-23 Siemens Corporate Research, Inc. Real-time video object generation for smart cameras
EP1504276B1 (en) 2002-05-03 2012-08-08 Donnelly Corporation Object detection system for vehicle
US9007197B2 (en) 2002-05-20 2015-04-14 Intelligent Technologies International, Inc. Vehicular anticipatory sensor system
US6975923B2 (en) 2002-10-01 2005-12-13 Roke Manor Research Limited Autonomous vehicle guidance on or near airports
US6791471B2 (en) 2002-10-01 2004-09-14 Electric Data Systems Communicating position information between vehicles
US6777904B1 (en) 2003-02-25 2004-08-17 Ford Global Technologies, Llc Method and system for controlling a motor
EP3454315A1 (en) 2004-04-08 2019-03-13 Mobileye Vision Technologies Ltd. Collision warning system
WO2005098739A1 (en) 2004-04-08 2005-10-20 Mobileye Technologies Limited Pedestrian detection
WO2005098751A1 (en) 2004-04-08 2005-10-20 Mobileye Technologies Limited Crowd detection
US7526103B2 (en) 2004-04-15 2009-04-28 Donnelly Corporation Imaging system for vehicle
US8078338B2 (en) 2004-10-22 2011-12-13 Irobot Corporation System and method for behavior based control of an autonomous vehicle
KR100954621B1 (ko) 2005-02-23 2010-04-27 파나소닉 전공 주식회사 자동운전차량 및 평면 장애물인식방법
KR100802511B1 (ko) 2005-10-11 2008-02-13 주식회사 코리아 와이즈넛 토픽 기반의 검색 서비스 제공 시스템 및 그 방법
US8553088B2 (en) 2005-11-23 2013-10-08 Mobileye Technologies Limited Systems and methods for detecting obstructions in a camera field of view
DE102005058809A1 (de) 2005-12-09 2007-06-14 Hella Kgaa Hueck & Co. Bahnplanung
US8164628B2 (en) 2006-01-04 2012-04-24 Mobileye Technologies Ltd. Estimating distance to an object using a sequence of images recorded by a monocular camera
US8150155B2 (en) 2006-02-07 2012-04-03 Qualcomm Incorporated Multi-mode region-of-interest video object segmentation
US8265392B2 (en) 2006-02-07 2012-09-11 Qualcomm Incorporated Inter-mode region-of-interest video object segmentation
US7689559B2 (en) 2006-02-08 2010-03-30 Telenor Asa Document similarity scoring and ranking method, device and computer program product
WO2007102367A1 (ja) * 2006-02-28 2007-09-13 Toyota Jidosha Kabushiki Kaisha 物体進路予測方法、装置、プログラム、および自動運転システム
US8050863B2 (en) 2006-03-16 2011-11-01 Gray & Company, Inc. Navigation and control system for autonomous vehicles
US8417060B2 (en) 2006-03-20 2013-04-09 Arizona Board Of Regents For And On Behalf Of Arizona State University Methods for multi-point descriptors for image registrations
US8108092B2 (en) 2006-07-14 2012-01-31 Irobot Corporation Autonomous behaviors for a remote vehicle
US7786898B2 (en) 2006-05-31 2010-08-31 Mobileye Technologies Ltd. Fusion of far infrared and visible images in enhanced obstacle detection in automotive applications
US20080065328A1 (en) 2006-09-08 2008-03-13 Andreas Eidehall Method and system for collision avoidance
EP2383713B1 (en) 2006-12-06 2013-05-29 Mobileye Technologies Limited Detecting and recognizing traffic signs
US20080249667A1 (en) 2007-04-09 2008-10-09 Microsoft Corporation Learning and reasoning to enhance energy efficiency in transportation systems
US7839292B2 (en) 2007-04-11 2010-11-23 Nec Laboratories America, Inc. Real-time driving danger level prediction
US8229163B2 (en) 2007-08-22 2012-07-24 American Gnc Corporation 4D GIS based virtual reality for moving target prediction
US8041111B1 (en) 2007-10-15 2011-10-18 Adobe Systems Incorporated Subjective and locatable color theme extraction for images
US9176006B2 (en) 2008-01-15 2015-11-03 Mobileye Vision Technologies Ltd. Detection and classification of light sources using a diffraction grating
US9117133B2 (en) 2008-06-18 2015-08-25 Spectral Image, Inc. Systems and methods for hyperspectral imaging
US20100049397A1 (en) 2008-08-22 2010-02-25 Garmin Ltd. Fuel efficient routing
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US8345956B2 (en) 2008-11-03 2013-01-01 Microsoft Corporation Converting 2D video into stereo video
US9459515B2 (en) 2008-12-05 2016-10-04 Mobileye Vision Technologies Ltd. Adjustable camera mount for a vehicle windshield
US8265850B2 (en) 2009-02-02 2012-09-11 GM Global Technology Operations LLC Method and apparatus for target vehicle following control for adaptive cruise control
US8175376B2 (en) 2009-03-09 2012-05-08 Xerox Corporation Framework for image thumbnailing based on visual similarity
JP2012521708A (ja) 2009-03-26 2012-09-13 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 色周波数に基づく顕著性マップを用いて画像を修正する方法及び装置
US8676466B2 (en) 2009-04-06 2014-03-18 GM Global Technology Operations LLC Fail-safe speed profiles for cooperative autonomous vehicles
US8271871B2 (en) 2009-04-30 2012-09-18 Xerox Corporation Automated method for alignment of document objects
US8392117B2 (en) 2009-05-22 2013-03-05 Toyota Motor Engineering & Manufacturing North America, Inc. Using topological structure for path planning in semi-structured environments
US8645480B1 (en) 2009-07-19 2014-02-04 Aaron T. Emigh Trust representation by similarity
DE102009046124A1 (de) 2009-10-28 2011-05-05 Ifm Electronic Gmbh Verfahren und Vorrichtung zur Kalibrierung eines 3D-TOF-Kamerasystems
TWI393074B (zh) 2009-12-10 2013-04-11 Ind Tech Res Inst 移動物體偵測裝置與方法
US20110190972A1 (en) 2010-02-02 2011-08-04 Gm Global Technology Operations, Inc. Grid unlock
JP5627076B2 (ja) 2010-02-10 2014-11-19 シチズンホールディングス株式会社 サーマルプリンタ
JP2011176748A (ja) 2010-02-25 2011-09-08 Sony Corp 画像処理装置および方法、並びにプログラム
US8726305B2 (en) 2010-04-02 2014-05-13 Yahoo! Inc. Methods and systems for application rendering and management on internet television enabled displays
KR101145112B1 (ko) 2010-05-11 2012-05-14 국방과학연구소 자율이동차량의 조향제어장치, 이를 구비하는 자율이동차량 및 자율이동차량의 조향제어방법
US9753128B2 (en) 2010-07-23 2017-09-05 Heptagon Micro Optics Pte. Ltd. Multi-path compensation using multiple modulation frequencies in time of flight sensor
US8751100B2 (en) 2010-08-13 2014-06-10 Deere & Company Method for performing diagnostics or software maintenance for a vehicle
US9118816B2 (en) 2011-12-06 2015-08-25 Mobileye Vision Technologies Ltd. Road vertical contour detection
US9280711B2 (en) 2010-09-21 2016-03-08 Mobileye Vision Technologies Ltd. Barrier and guardrail detection using a single camera
US8509982B2 (en) 2010-10-05 2013-08-13 Google Inc. Zone driving
EP2448251B1 (en) 2010-10-31 2019-09-25 Mobileye Vision Technologies Ltd. Bundling night vision and other driver assistance systems (DAS) using near infra red (NIR) illumination and a rolling shutter
EP2641401B1 (en) 2010-11-15 2017-04-05 Huawei Technologies Co., Ltd. Method and system for video summarization
US9251708B2 (en) 2010-12-07 2016-02-02 Mobileye Vision Technologies Ltd. Forward collision warning trap and pedestrian advanced warning system
US9823339B2 (en) 2010-12-21 2017-11-21 Microsoft Technology Licensing, Llc Plural anode time-of-flight sensor
US9282144B2 (en) 2011-01-14 2016-03-08 Bae Systems Plc Unmanned vehicle selective data transfer system and method thereof
US9323250B2 (en) 2011-01-28 2016-04-26 Intouch Technologies, Inc. Time-dependent navigation of telepresence robots
WO2012115594A1 (en) 2011-02-21 2012-08-30 Stratech Systems Limited A surveillance system and a method for detecting a foreign object, debris, or damage in an airfield
US8401292B2 (en) 2011-04-26 2013-03-19 Eastman Kodak Company Identifying high saliency regions in digital images
US9233659B2 (en) 2011-04-27 2016-01-12 Mobileye Vision Technologies Ltd. Pedestrian collision warning system
KR101777875B1 (ko) 2011-04-28 2017-09-13 엘지디스플레이 주식회사 입체 영상 표시장치와 그 입체 영상 조절 방법
US20120314070A1 (en) 2011-06-09 2012-12-13 GM Global Technology Operations LLC Lane sensing enhancement through object vehicle information for lane centering/keeping
US9183447B1 (en) 2011-06-09 2015-11-10 Mobileye Vision Technologies Ltd. Object detection using candidate object alignment
GB2492848A (en) 2011-07-15 2013-01-16 Softkinetic Sensors Nv Optical distance measurement
DE112012003140T5 (de) 2011-07-28 2014-06-26 Honda Motor Co., Ltd. Drahtloses Energieübertragungsverfahren
US8744123B2 (en) 2011-08-29 2014-06-03 International Business Machines Corporation Modeling of temporarily static objects in surveillance video data
DE102011083749B4 (de) 2011-09-29 2015-06-11 Aktiebolaget Skf Rotorblatt einer Windkraftanlage mit einer Vorrichtung zum Erfassen eines Abstandswertes und Verfahren zum Erfassen eines Abstandswertes
US8891820B2 (en) 2011-09-29 2014-11-18 The Boeing Company Multi-modal sensor fusion
US20140143839A1 (en) 2011-11-16 2014-05-22 Flextronics Ap, Llc. On board vehicle remote control module
CN104115197A (zh) 2011-12-05 2014-10-22 布莱特瓦维森有限公司 智能交通标志系统与方法
US9297641B2 (en) 2011-12-12 2016-03-29 Mobileye Vision Technologies Ltd. Detection of obstacles at night by analysis of shadows
FR2984254B1 (fr) 2011-12-16 2016-07-01 Renault Sa Controle de vehicules autonomes
US8810666B2 (en) 2012-01-16 2014-08-19 Google Inc. Methods and systems for processing a video for stabilization using dynamic crop
JP5605381B2 (ja) 2012-02-13 2014-10-15 株式会社デンソー クルーズ制御装置
US9042648B2 (en) 2012-02-23 2015-05-26 Microsoft Technology Licensing, Llc Salient object segmentation
US8457827B1 (en) 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
US9476970B1 (en) 2012-03-19 2016-10-25 Google Inc. Camera based localization
US8737690B2 (en) 2012-04-06 2014-05-27 Xerox Corporation Video-based method for parking angle violation detection
US8718861B1 (en) 2012-04-11 2014-05-06 Google Inc. Determining when to drive autonomously
US9495874B1 (en) * 2012-04-13 2016-11-15 Google Inc. Automated system and method for modeling the behavior of vehicles and other agents
EP2839633B1 (en) 2012-04-18 2019-03-20 Brightway Vision Ltd. Mulitple gated pixel per readout
US9723233B2 (en) 2012-04-18 2017-08-01 Brightway Vision Ltd. Controllable gated sensor
US9549158B2 (en) 2012-04-18 2017-01-17 Brightway Vision Ltd. Controllable single pixel sensors
JP6416085B2 (ja) 2012-05-29 2018-10-31 ブライトウェイ ビジョン リミテッド 適用可能な被写界深度を使用するゲーテッド撮像
US9134402B2 (en) 2012-08-13 2015-09-15 Digital Signal Corporation System and method for calibrating video and lidar subsystems
WO2014030164A1 (en) 2012-08-21 2014-02-27 Brightway Vision Ltd. Simultaneously illuminating traffic light signals at different ranges
US9025880B2 (en) 2012-08-29 2015-05-05 Disney Enterprises, Inc. Visual saliency estimation for images and video
US9165190B2 (en) 2012-09-12 2015-10-20 Avigilon Fortress Corporation 3D human pose and shape modeling
US9120485B1 (en) 2012-09-14 2015-09-01 Google Inc. Methods and systems for smooth trajectory generation for a self-driving vehicle
US9111444B2 (en) 2012-10-31 2015-08-18 Raytheon Company Video and lidar target detection and tracking system and method for segmenting moving targets
EP2925494B1 (en) 2012-12-03 2020-07-08 ABB Schweiz AG Teleoperation of machines having at least one actuated mechanism and one machine controller comprising a program code including instructions for transferring control of the machine from said controller to a remote control station
US9625569B2 (en) 2012-12-17 2017-04-18 pmdtechnologies ag Time-of-flight camera with motion detection
US9602807B2 (en) 2012-12-19 2017-03-21 Microsoft Technology Licensing, Llc Single frequency time of flight de-aliasing
US9081385B1 (en) 2012-12-21 2015-07-14 Google Inc. Lane boundary detection using images
US9092430B2 (en) 2013-01-02 2015-07-28 International Business Machines Corporation Assigning shared catalogs to cache structures in a cluster computing system
US8788134B1 (en) 2013-01-04 2014-07-22 GM Global Technology Operations LLC Autonomous driving merge management system
EP2946336B1 (en) 2013-01-15 2023-06-21 Mobileye Vision Technologies Ltd. Stereo assist with rolling shutters
US9096267B2 (en) 2013-01-21 2015-08-04 GM Global Technology Operations LLC Efficient data flow algorithms for autonomous lane changing, passing and overtaking behaviors
US9277132B2 (en) 2013-02-21 2016-03-01 Mobileye Vision Technologies Ltd. Image distortion correction of a camera with a rolling shutter
US8988524B2 (en) 2013-03-11 2015-03-24 The United States Of America As Represented By The Secretary Of The Army Apparatus and method for estimating and using a predicted vehicle speed in an indirect vision driving task
US9111355B1 (en) 2013-03-13 2015-08-18 Hrl Laboratories, Llc Selective color processing for vision systems that enables optimal detection and recognition
US9147255B1 (en) 2013-03-14 2015-09-29 Hrl Laboratories, Llc Rapid object detection by combining structural information from image segmentation with bio-inspired attentional mechanisms
US9652860B1 (en) 2013-03-15 2017-05-16 Puretech Systems, Inc. System and method for autonomous PTZ tracking of aerial targets
US9342074B2 (en) 2013-04-05 2016-05-17 Google Inc. Systems and methods for transitioning control of an autonomous vehicle to a driver
CN103198128A (zh) 2013-04-11 2013-07-10 苏州阔地网络科技有限公司 一种云教育平台的数据搜索方法及系统
AU2013205548A1 (en) 2013-04-30 2014-11-13 Canon Kabushiki Kaisha Method, system and apparatus for tracking objects of a scene
US9438878B2 (en) 2013-05-01 2016-09-06 Legend3D, Inc. Method of converting 2D video to 3D video using 3D object models
US9025825B2 (en) 2013-05-10 2015-05-05 Palo Alto Research Center Incorporated System and method for visual motion based object segmentation and tracking
US9729860B2 (en) 2013-05-24 2017-08-08 Microsoft Technology Licensing, Llc Indirect reflection suppression in depth imaging
US9671243B2 (en) 2013-06-13 2017-06-06 Mobileye Vision Technologies Ltd. Vision augmented navigation
IL227265A0 (en) 2013-06-30 2013-12-31 Brightway Vision Ltd Smart flash for the camera
KR102111784B1 (ko) 2013-07-17 2020-05-15 현대모비스 주식회사 차량 위치 인식 장치 및 방법
US20150046060A1 (en) 2013-08-12 2015-02-12 Mitsubishi Electric Research Laboratories, Inc. Method and System for Adjusting Vehicle Settings
US9315192B1 (en) 2013-09-30 2016-04-19 Google Inc. Methods and systems for pedestrian avoidance using LIDAR
US9122954B2 (en) 2013-10-01 2015-09-01 Mobileye Vision Technologies Ltd. Performing a histogram using an array of addressable registers
US9738280B2 (en) 2013-10-03 2017-08-22 Robert Bosch Gmbh Adaptive cruise control with on-ramp detection
US9330334B2 (en) 2013-10-24 2016-05-03 Adobe Systems Incorporated Iterative saliency map estimation
US9299004B2 (en) 2013-10-24 2016-03-29 Adobe Systems Incorporated Image foreground detection
EP3092599B1 (en) 2013-12-04 2019-03-06 Mobileye Vision Technologies Ltd. Systems and methods for mimicking a leading vehicle
EP2887311B1 (en) 2013-12-20 2016-09-14 Thomson Licensing Method and apparatus for performing depth estimation
WO2015103159A1 (en) 2013-12-30 2015-07-09 Tieman Craig Arnold Connected vehicle system with infotainment interface for mobile devices
US9248832B2 (en) 2014-01-30 2016-02-02 Mobileye Vision Technologies Ltd. Systems and methods for detecting traffic signal details
US9664789B2 (en) 2014-02-20 2017-05-30 Mobileye Vision Technologies Ltd. Navigation based on radar-cued visual imaging
CN103793925B (zh) 2014-02-24 2016-05-18 北京工业大学 融合时空特征的视频图像视觉显著程度检测方法
DE102014205170A1 (de) 2014-03-20 2015-11-26 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zum Ermitteln einer Trajektorie für ein Fahrzeug
CN106458049B8 (zh) 2014-03-24 2019-09-10 密执安州立大学董事会 对电动车辆的电池电力需求的预测
US9739609B1 (en) 2014-03-25 2017-08-22 Amazon Technologies, Inc. Time-of-flight sensor with configurable phase delay
US9471889B2 (en) 2014-04-24 2016-10-18 Xerox Corporation Video tracking based method for automatic sequencing of vehicles in drive-thru applications
CN105100134A (zh) 2014-04-28 2015-11-25 思科技术公司 屏幕共享缓存管理
WO2015177648A1 (en) 2014-05-14 2015-11-26 Ofer Springer Systems and methods for curb detection and pedestrian hazard assessment
US9720418B2 (en) 2014-05-27 2017-08-01 Here Global B.V. Autonomous vehicle monitoring and control
WO2015186002A2 (en) 2014-06-03 2015-12-10 Mobileye Vision Technologies Ltd. Systems and methods for detecting an object
US9457807B2 (en) 2014-06-05 2016-10-04 GM Global Technology Operations LLC Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver
IL233356A (en) 2014-06-24 2015-10-29 Brightway Vision Ltd Sensor-based imaging system with minimum wait time between sensor exposures
US9628565B2 (en) 2014-07-23 2017-04-18 Here Global B.V. Highly assisted driving platform
US9766625B2 (en) 2014-07-25 2017-09-19 Here Global B.V. Personalized driving of autonomously driven vehicles
US20160026787A1 (en) 2014-07-25 2016-01-28 GM Global Technology Operations LLC Authenticating messages sent over a vehicle bus that include message authentication codes
US9731713B2 (en) * 2014-09-10 2017-08-15 Volkswagen Ag Modifying autonomous vehicle driving by recognizing vehicle characteristics
US9554030B2 (en) 2014-09-29 2017-01-24 Yahoo! Inc. Mobile device image acquisition using objects of interest recognition
US9746550B2 (en) 2014-10-08 2017-08-29 Ford Global Technologies, Llc Detecting low-speed close-range vehicle cut-in
US9779276B2 (en) 2014-10-10 2017-10-03 Hand Held Products, Inc. Depth sensor based auto-focus system for an indicia scanner
US9773155B2 (en) 2014-10-14 2017-09-26 Microsoft Technology Licensing, Llc Depth from time of flight camera
US9959903B2 (en) 2014-10-23 2018-05-01 Qnap Systems, Inc. Video playback method
US9547985B2 (en) 2014-11-05 2017-01-17 Here Global B.V. Method and apparatus for providing access to autonomous vehicles based on user context
KR101664582B1 (ko) 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
KR102312273B1 (ko) 2014-11-13 2021-10-12 삼성전자주식회사 거리영상 측정용 카메라 및 그 동작방법
US9494935B2 (en) 2014-11-13 2016-11-15 Toyota Motor Engineering & Manufacturing North America, Inc. Remote operation of autonomous vehicle in unexpected environment
CN113654561A (zh) 2014-12-05 2021-11-16 苹果公司 自主导航系统
US9347779B1 (en) 2014-12-10 2016-05-24 Here Global B.V. Method and apparatus for determining a position of a vehicle based on driving behavior
US9701306B2 (en) * 2014-12-23 2017-07-11 Toyota Motor Engineering & Manufacturing North America, Inc. Risk mitigation for autonomous vehicles relative to turning objects
EP3845427A1 (en) 2015-02-10 2021-07-07 Mobileye Vision Technologies Ltd. Sparse map for autonomous vehicle navigation
US9805294B2 (en) 2015-02-12 2017-10-31 Mitsubishi Electric Research Laboratories, Inc. Method for denoising time-of-flight range images
US10115024B2 (en) 2015-02-26 2018-10-30 Mobileye Vision Technologies Ltd. Road vertical contour detection using a stabilized coordinate frame
JP6421684B2 (ja) 2015-04-17 2018-11-14 井関農機株式会社 乗用草刈機
JP6202538B2 (ja) 2015-04-21 2017-09-27 本田技研工業株式会社 運転支援方法、プログラム、および運転支援装置
US9691286B2 (en) 2015-04-22 2017-06-27 The Boeing Company Data driven airplane intent inferencing
US9649999B1 (en) 2015-04-28 2017-05-16 Sprint Communications Company L.P. Vehicle remote operations control
US10635761B2 (en) 2015-04-29 2020-04-28 Energid Technologies Corporation System and method for evaluation of object autonomy
US9483839B1 (en) 2015-05-06 2016-11-01 The Boeing Company Occlusion-robust visual object fingerprinting using fusion of multiple sub-region signatures
US10345809B2 (en) 2015-05-13 2019-07-09 Uber Technologies, Inc. Providing remote assistance to an autonomous vehicle
CN104882025B (zh) 2015-05-13 2017-02-22 东华大学 一种基于车联网技术的碰撞检测预警方法
US9613273B2 (en) 2015-05-19 2017-04-04 Toyota Motor Engineering & Manufacturing North America, Inc. Apparatus and method for object tracking
US20160347309A1 (en) * 2015-05-28 2016-12-01 Delphi Technologies, Inc. Automated vehicle with erratic other vehicle avoidance
US9690290B2 (en) 2015-06-04 2017-06-27 Toyota Motor Engineering & Manufacturing North America, Inc. Situation-based transfer of vehicle sensor data during remote operation of autonomous vehicles
US9711050B2 (en) * 2015-06-05 2017-07-18 Bao Tran Smart vehicle
DE102015211926A1 (de) 2015-06-26 2016-12-29 Robert Bosch Gmbh Verfahren und Vorrichtung zum Ermitteln bzw. Bewerten einer Soll-Trajektorie eines Kraftfahrzeugs
JP6436237B2 (ja) 2015-07-23 2018-12-12 日本電気株式会社 経路切替装置、経路切替システムおよび経路切替方法
US9785145B2 (en) 2015-08-07 2017-10-10 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US9989965B2 (en) 2015-08-20 2018-06-05 Motionloft, Inc. Object detection and analysis via unmanned aerial vehicle
US9587952B1 (en) 2015-09-09 2017-03-07 Allstate Insurance Company Altering autonomous or semi-autonomous vehicle operation based on route traversal values
EP3353706A4 (en) 2015-09-15 2019-05-08 SZ DJI Technology Co., Ltd. SYSTEM AND METHOD FOR MONITORING UNIFORM TARGET TRACKING
KR101714250B1 (ko) 2015-10-28 2017-03-08 현대자동차주식회사 주변 차량의 이동 경로의 예측 방법
US9632502B1 (en) 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US9754490B2 (en) 2015-11-04 2017-09-05 Zoox, Inc. Software application to request and control an autonomous vehicle service
US9734455B2 (en) 2015-11-04 2017-08-15 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
WO2017079349A1 (en) 2015-11-04 2017-05-11 Zoox, Inc. System for implementing an active safety system in an autonomous vehicle
US9507346B1 (en) 2015-11-04 2016-11-29 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US9612123B1 (en) 2015-11-04 2017-04-04 Zoox, Inc. Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes
US10019903B2 (en) * 2015-12-03 2018-07-10 Institute For Information Industry System and method for informing nearby vehicle to avoid a moving vehicle which is malfunctioning
JP6657881B2 (ja) 2015-12-04 2020-03-04 株式会社デンソー 車両制御装置
US10127685B2 (en) 2015-12-16 2018-11-13 Objectvideo Labs, Llc Profile matching of buildings and urban structures
US10102434B2 (en) 2015-12-22 2018-10-16 Omnivision Technologies, Inc. Lane detection system and method
EP3400419A2 (en) 2016-01-05 2018-11-14 Mobileye Vision Technologies Ltd. Trained navigational system with imposed constraints
US10029682B2 (en) 2016-01-22 2018-07-24 Toyota Motor Engineering & Manufacturing North America, Inc. Surrounding vehicle classification and path prediction
US9568915B1 (en) 2016-02-11 2017-02-14 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling autonomous or semi-autonomous vehicle
US20190016339A1 (en) * 2016-02-16 2019-01-17 Honda Motor Co., Ltd. Vehicle control device, vehicle control method, and vehicle control program
US9760837B1 (en) 2016-03-13 2017-09-12 Microsoft Technology Licensing, Llc Depth from time-of-flight using machine learning
EP3433131B1 (en) 2016-03-23 2023-07-12 Netradyne, Inc. Advanced path prediction
US9535423B1 (en) 2016-03-29 2017-01-03 Adasworks Kft. Autonomous vehicle with improved visual detection ability
US9672734B1 (en) 2016-04-08 2017-06-06 Sivalogeswaran Ratnasingam Traffic aware lane determination for human driver and autonomous vehicle driving system
US9776638B1 (en) 2016-04-20 2017-10-03 GM Global Technology Operations LLC Remote interrogation and override for automated driving system
US9672446B1 (en) 2016-05-06 2017-06-06 Uber Technologies, Inc. Object detection for an autonomous vehicle
US10449962B2 (en) 2016-06-23 2019-10-22 Honda Motor Co., Ltd. System and method for vehicle control using vehicular communication
CN106340197B (zh) 2016-08-31 2021-05-14 北京万集科技股份有限公司 一种车路协同辅助驾驶系统及方法
US10699305B2 (en) * 2016-11-21 2020-06-30 Nio Usa, Inc. Smart refill assistant for electric vehicles
US10261574B2 (en) 2016-11-30 2019-04-16 University Of Macau Real-time detection system for parked vehicles
US11295458B2 (en) 2016-12-01 2022-04-05 Skydio, Inc. Object tracking by an unmanned aerial vehicle using visual sensors
CN106781591A (zh) 2016-12-19 2017-05-31 吉林大学 一种基于车路协同的城市车辆导航系统
US10268200B2 (en) * 2016-12-21 2019-04-23 Baidu Usa Llc Method and system to predict one or more trajectories of a vehicle based on context surrounding the vehicle
US10353390B2 (en) 2017-03-01 2019-07-16 Zoox, Inc. Trajectory generation and execution architecture
US9953236B1 (en) 2017-03-10 2018-04-24 TuSimple System and method for semantic segmentation using dense upsampling convolution (DUC)
US10147193B2 (en) 2017-03-10 2018-12-04 TuSimple System and method for semantic segmentation using hybrid dilated convolution (HDC)
WO2018183008A1 (en) 2017-03-31 2018-10-04 Airprox USA, Inc. Virtual radar apparatus and method
US10209089B2 (en) 2017-04-03 2019-02-19 Robert Bosch Gmbh Automated image labeling for vehicles based on maps
US10710592B2 (en) * 2017-04-07 2020-07-14 Tusimple, Inc. System and method for path planning of autonomous vehicles based on gradient
US10134279B1 (en) * 2017-05-05 2018-11-20 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for visualizing potential risks
US10591920B2 (en) 2017-05-24 2020-03-17 Qualcomm Incorporated Holistic planning with multiple intentions for self-driving cars
US20180373980A1 (en) 2017-06-27 2018-12-27 drive.ai Inc. Method for training and refining an artificial intelligence
US10268191B1 (en) * 2017-07-07 2019-04-23 Zoox, Inc. Predictive teleoperator situational awareness
US10564638B1 (en) * 2017-07-07 2020-02-18 Zoox, Inc. Teleoperator situational awareness
US10496099B2 (en) * 2017-07-18 2019-12-03 Uatc, Llc Systems and methods for speed limit context awareness
US10579063B2 (en) 2017-07-21 2020-03-03 Uatc, Llc Machine learning for predicting locations of objects perceived by autonomous vehicles
US11256983B2 (en) 2017-07-27 2022-02-22 Waymo Llc Neural networks for vehicle trajectory planning
US10656657B2 (en) 2017-08-08 2020-05-19 Uatc, Llc Object motion prediction and autonomous vehicle control
US10223807B1 (en) 2017-08-23 2019-03-05 TuSimple Feature extraction from 3D submap and global map system and method for centimeter precision localization using camera-based submap and lidar-based global map
US10223806B1 (en) 2017-08-23 2019-03-05 TuSimple System and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10565457B2 (en) 2017-08-23 2020-02-18 Tusimple, Inc. Feature matching and correspondence refinement and 3D submap position refinement system and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10762673B2 (en) 2017-08-23 2020-09-01 Tusimple, Inc. 3D submap reconstruction system and method for centimeter precision localization using camera-based submap and LiDAR-based global map
US10782694B2 (en) 2017-09-07 2020-09-22 Tusimple, Inc. Prediction-based system and method for trajectory planning of autonomous vehicles
US10649458B2 (en) 2017-09-07 2020-05-12 Tusimple, Inc. Data-driven prediction-based system and method for trajectory planning of autonomous vehicles
US10782693B2 (en) 2017-09-07 2020-09-22 Tusimple, Inc. Prediction-based system and method for trajectory planning of autonomous vehicles
US20190079526A1 (en) 2017-09-08 2019-03-14 Uber Technologies, Inc. Orientation Determination in Object Detection and Tracking for Autonomous Vehicles
US10410055B2 (en) 2017-10-05 2019-09-10 TuSimple System and method for aerial video traffic analysis
US10019011B1 (en) 2017-10-09 2018-07-10 Uber Technologies, Inc. Autonomous vehicles featuring machine-learned yield model
US10812589B2 (en) 2017-10-28 2020-10-20 Tusimple, Inc. Storage architecture for heterogeneous multimedia data
US10666730B2 (en) 2017-10-28 2020-05-26 Tusimple, Inc. Storage architecture for heterogeneous multimedia data
US10739775B2 (en) 2017-10-28 2020-08-11 Tusimple, Inc. System and method for real world autonomous vehicle trajectory simulation
CN108010360A (zh) 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知系统
CN112004729B (zh) 2018-01-09 2023-12-01 图森有限公司 具有高冗余的车辆的实时远程控制
CN108182817A (zh) 2018-01-11 2018-06-19 北京图森未来科技有限公司 自动驾驶辅助系统、路侧端辅助系统和车载端辅助系统
CN111989716B (zh) 2018-01-11 2022-11-15 图森有限公司 用于自主车辆操作的监视系统
US10685244B2 (en) 2018-02-27 2020-06-16 Tusimple, Inc. System and method for online real-time multi-object tracking
US11222271B2 (en) 2018-04-19 2022-01-11 International Business Machines Corporation Vehicular driving actions in the presence of non-recurrent events

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9669827B1 (en) * 2014-10-02 2017-06-06 Google Inc. Predicting trajectories of objects based on contextual information
US9717387B1 (en) * 2015-02-26 2017-08-01 Brain Corporation Apparatus and methods for programming and training of robotic household appliances
WO2017079236A2 (en) * 2015-11-04 2017-05-11 Zoox, Inc. Internal safety systems for robotic vehicles
WO2017095614A1 (en) * 2015-12-04 2017-06-08 Waymo Llc Collision mitigated braking for autonomous vehicles
CN106384540A (zh) * 2016-10-20 2017-02-08 深圳市元征科技股份有限公司 车辆实时轨迹预测方法及预测系统

Also Published As

Publication number Publication date
US20190072973A1 (en) 2019-03-07
AU2018330031B2 (en) 2023-08-31
WO2019050873A1 (en) 2019-03-14
US10649458B2 (en) 2020-05-12
AU2023266229A1 (en) 2023-12-07
US20200241546A1 (en) 2020-07-30
EP3679443A1 (en) 2020-07-15
US11853071B2 (en) 2023-12-26
CN111344646A (zh) 2020-06-26
EP3679443A4 (en) 2021-05-12
AU2018330031A1 (en) 2020-04-23
US20240288868A1 (en) 2024-08-29
CN117991795A (zh) 2024-05-07

Similar Documents

Publication Publication Date Title
CN111344646B (zh) 用于自主车辆的轨迹规划的基于数据驱动的预测的系统和方法
US11948082B2 (en) System and method for proximate vehicle intention prediction for autonomous vehicles
US11892846B2 (en) Prediction-based system and method for trajectory planning of autonomous vehicles
US10782693B2 (en) Prediction-based system and method for trajectory planning of autonomous vehicles
US10710592B2 (en) System and method for path planning of autonomous vehicles based on gradient
CN111356620B (zh) 用于自主车辆控制以最小化能量成本的系统和方法
US20190367019A1 (en) System and method for proximate vehicle intention prediction for autonomous vehicles
CN111183073B (zh) 使用人类驾驶模式来管理自主车辆的速度控制的系统和方法
CN111373458B (zh) 用于自主车辆的轨迹规划的基于预测的系统和方法
CN112154088B (zh) 用于自主车辆的自动车道变更控制的系统和方法
CN112272844B (zh) 针对用于自主车辆的邻近车辆意图预测的系统和方法

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
GR01 Patent grant
GR01 Patent grant