CN111886167A - 通过碰撞风险图执行自动驾驶车辆控制 - Google Patents
通过碰撞风险图执行自动驾驶车辆控制 Download PDFInfo
- Publication number
- CN111886167A CN111886167A CN201780098064.1A CN201780098064A CN111886167A CN 111886167 A CN111886167 A CN 111886167A CN 201780098064 A CN201780098064 A CN 201780098064A CN 111886167 A CN111886167 A CN 111886167A
- Authority
- CN
- China
- Prior art keywords
- collision
- risk
- collision risk
- map
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000008859 change Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 6
- 230000003936 working memory Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的各示例描述了自动驾驶车辆中的用于降低碰撞风险的方法和装置。该方法包括:获取数字地图;获取与所述数字地图相关的碰撞风险图,其中所述碰撞风险图表示所述数字地图上的碰撞风险分布,所述碰撞风险分布至少包括具有高于预定阈值的碰撞风险的高碰撞风险区域的分布;从所获取的碰撞风险图中确定所述数字地图中至少与所述车辆的行驶路径有关的一部分的碰撞风险;以及基于所确定的碰撞风险来做出车辆控制决策以降低碰撞风险。
Description
技术领域
本发明总体涉及自动驾驶车辆,更具体地,涉及通过碰撞风险图来执行自动驾驶车辆控制。
背景技术
自动驾驶车辆(也称为无人驾驶汽车、自动驾驶汽车、机器人汽车)是一种能够感测其环境并且在无需人类输入的情况下导航的车辆。自动化汽车使用各种技术来检测其周边环境,诸如使用雷达、激光、GPS、测程法以及计算机视觉。高级的控制系统对感测信息进行解读以标识合适的导航路径,以及障碍物和相关路标。
基于驾驶自动化的程度,存在从完全手动到完全自动化系统的若干个等级。诸如自适应巡航控制(ACC)、泊车辅助、车道保持辅助(LKA)以及盲点监测系统之类的一些低等级自动化特征已经被广泛装备在汽车上。然而,具有更高程度自动化(当被人类驾驶员激活时,汽车完全接管驾驶的所有方面)的汽车仍然处于开发中。只有非常有限数量的测试汽车被批准在某些受限区域中在道路上试跑。高度自动驾驶(HAD)汽车需要极其高的安全性、可靠性以及稳健性。与之前提到的驾驶辅助特征相比,HAD系统明显更为复杂,因为该系统本身不得不做出关于驾驶的所有决策,包括路径规划、方向控制、速度控制等等。为了帮助HAD系统做出恰当的决策,全世界的公司和技术团队针对可能发生在道路上的各种情形开发和训练各种各样的决策模型。
在汽车事故中,汽车碰撞是一类常见的汽车事故。严重的碰撞可能导致乘客的受伤甚至死亡,并且即使是轻微的碰撞一般也会导致汽车的损坏。因此,碰撞避免对于高度自动驾驶而言是一项重要的任务。在如今的驾驶辅助技术中,一些汽车配备了所谓的“自动刹车系统”,该系统可以检测汽车前方的物体,并且如果汽车与该物体之间的距离小于阈值距离,则该系统会自动启动汽车的刹车以减速并避免碰撞。这一系统可能更适合那些简单的情况,诸如在交通流量小的情况下沿直路驾驶。然而,在可能发生频繁并线的繁忙交通下,或者在行车道合并和汽车交互频繁发生的入口或出口处等,这种驾驶辅助级别的技术通常无法应对这类复杂的情形,而人类驾驶员不得不接手。换言之,对于不需要任何人类干预的高度自动驾驶系统,需要一种有效且主动地防止汽车碰撞的新的方法和系统。
发明内容
本公开旨在提供自动驾驶车辆中的用于降低碰撞风险的方法和装置。该方法和系统与现有技术兼容。碰撞风险信息可被集成到当前的高精度地图定义中(作为预设信息或在线下载的信息)。在道路上可以实现更好的安全性。碰撞风险可被用于AD车辆的纵向速度规划和横向车道导航以尽可能降低碰撞风险。
根据本公开的第一示例实施例,提供了一种自动驾驶车辆中用于降低碰撞风险的计算机实现的方法,其中所述方法包括:获取数字地图;获取与所述数字地图相关的碰撞风险图,其中所述碰撞风险图表示所述数字地图上的碰撞风险分布,所述碰撞风险分布至少包括具有高于预定阈值的碰撞风险的高碰撞风险区域的分布;从所获取的碰撞风险图中确定所述数字地图中至少与所述车辆的行驶路径有关的一部分的碰撞风险;以及基于所确定的碰撞风险来做出车辆控制决策以降低碰撞风险。
根据本公开的第二示例实施例,提供了一种用于生成碰撞风险图的计算机实现的方法,其中所述方法包括:获取数字地图;生成针对所述数字地图的碰撞风险分布;以及将所生成的碰撞风险分布集成到所述数字地图中。
根据本公开的第三示例实施例,提供了一种用于降低碰撞风险的装置,其中所述装置包括:数字地图获取模块,所述数字地图获取模块被配置成获取数字地图;碰撞风险图获取模块,所述碰撞风险图获取模块被配置成获取与所述数字地图相关的碰撞风险图,其中所述碰撞风险图表示所述数字地图上的碰撞风险分布,所述碰撞风险分布至少包括具有高于预定阈值的碰撞风险的高碰撞风险区域的分布;碰撞风险确定模块,所述碰撞风险确定模块被配置成从所获取的碰撞风险图中确定所述数字地图中至少与所述车辆的行驶路径有关的一部分的碰撞风险;以及决策模块,所述决策模块被配置成基于所确定的碰撞风险来做出车辆控制决策以降低碰撞风险。
根据本公开的第四示例实施例,提供了一种包括第三示例实施例的装置的车辆。
根据本公开的第五示例实施例,提供了一种用于生成碰撞风险图的系统,其中所述系统包括:用于获取数字地图的装置;用于生成针对所述数字地图的碰撞风险分布的装置;以及用于将所生成的碰撞风险分布集成到所述数字地图中的装置。
提供该概述以便以简化形式介绍概念的选集,所述概念在以下详细描述中被进一步描述。本概述并不旨在标识所要求保护主题的关键特征或必要特征,也不旨在用于限制所要求保护主题的范围。各示例的附加方面、特征、和/或优点将在以下描述中阐述,并且根据该描述而部分地显而易见,或者可通过实践本发明而获知。
附图说明
结合附图,通过以下对示例性实施例的详细描述,本公开的上述和其它方面和优点将变得显而易见,这些附图作为示例解说了本公开的原理。注意,附图不一定按比例绘制。
图1解说了HD地图的示例性图像,其示出了在一交叉路口处的3D道路网络数据特征。
图2解说了示例性导航系统,其中在右侧窗口中示出了RTTI。
图3解说了交叉路口处的一些示例性类型的交汇点。
图4解说了根据本发明的实施例的示例性碰撞风险图。
图5解说了道路上具有高碰撞风险的场景的另一示例。
图6是根据本公开的实施例的用于在自动驾驶车辆中降低碰撞风险的示例性方法600的流程图。
图7是根据本公开的实施例的用于生成碰撞风险图的示例性方法700的流程图。
图8解说了根据本发明的实施例的用于降低碰撞风险的示例性装置800。
图9解说了根据本发明的实施例的示例性车辆900。
图10解说了根据本公开的示例性实施例的其中可应用本公开的一般硬件环境。
具体实施方式
在以下的具体实施方式中,阐述了许多具体细节以提供对所描述的示例性实施例的透彻理解。然而,对于本领域的技术人员将显而易见的是,所描述的各实施例可以在没有这些具体细节中的一些或所有的情况下实行。在其他示例性实施例中,没有详细描述众所周知的结构或处理步骤,以避免不必要地使本公开的概念变得模糊。
在说明书中贯穿使用的术语“车辆”可以泛指汽车、飞机、直升机、轮船或诸如此类的交通工具。为了简单起见,结合“汽车”来描述本发明,但是本文所描述的各实施例不仅限于“汽车”,而是可适用于其他种类的交通工具。除非另外说明,否则说明书中贯穿使用的术语“A或B”是指“A和B”以及“A或B”,而不意味着只能是A和B。
为了提供用于高度自动驾驶车辆的有效且可靠的碰撞避免系统,本发明提供了一种表示和存储有关交通信息的先验知识作为碰撞概率分布的方法,以及使用这一知识来做出安全驾驶决策的自动驾驶系统。例如,高速公路的入口和出口区域周围通常会有更多的交通流量,这样的先验知识可以被AD车辆使用以提前进行车道变更,从而避免与其他车辆的可能交互和可能碰撞。
这样的交通信息的先验知识包括但不限于以下示例性现有技术:
1.高精度(或有时称为“HD”)数字地图被普遍用于自动驾驶系统。HD数字地图通常包含丰富的道路/车道元素信息,诸如车道形状几何结构、车道类型和转弯方向、车道连接、交通信号灯位置以及相关车道和/或行驶方向、车道标记以及道路标记等。这类信息对于车辆导航、定位以及作决策是重要的。图1解说了HD地图的示例性图像,其示出了在一交叉路口处的3D道路网络数据特征。然而,HD地图仅提供道路基础设施的建筑物信息,例如,沿道路/在道路上建造的对象、表面上的喷涂等等。这类信息不反映人类/交通行为,即汽车在交叉路口期间通常如何驾驶。
2.同样很普遍的是导航系统会检索RTTI(实时交通信息),并与导航地图对齐以为驾驶员或自动驾驶系统提供实时导航支持。RTTI提供实时信息,但这类实时信息与道路的较大区域相关,而不是关于车道交互的详细交通流量。此外,RTTI要求与后端的在线网络连接。图2解说了示例性导航系统,其中在右侧窗口中示出了RTTI。
3.在道路建设中,特别是在交叉路口,通常会分析(甚至模拟)车道交通的交汇点以支持道路/车道结构的设计。图3解说了交叉路口处的一些示例类型的交汇点。道路建设设计可分析车道交通状况,但通常仅用于道路建设,而不用在汽车系统中以用于导航支持。
总之,以上提到的关于交通信息的先验知识都没有直接与汽车碰撞相联系。然而,这些信息在根据本发明的碰撞避免中是有用的,以下将参照之后的附图进一步描述细节。
图4解说了根据本发明的实施例的示例性碰撞风险图。在该图的上部,示出了具有两条车道的道路的一部分的平面图,该部分具有一个入口和一个出口。这一道路结构常见于高速公路或高架道路上。在该图中,行驶方向是页面上从左向右的方向,因此靠近入口和出口的车道称为“右车道”或“内车道”,而另一条车道因此被称为“左车道”或“外车道”。如上文中提到的,高速公路的入口和出口区域附近通常会有更多的交通流量。例如,在高速公路入口区域,沿着内车道行驶的汽车可能有与从入口切入的汽车发生碰撞的危险。类似地,在高速公路出口区域,沿着外车道行驶的汽车可能将其车道变为内车道以便从出口离开,因而这一变道导致与沿内车道驾驶的汽车碰撞的风险。因此,在该图中,在内车道上在与入口和出口的交汇点处分别示出了两个实心椭圆,以表示高碰撞风险。
在图的下部,显示了因车道而异的碰撞风险分布的绘图。纵轴代表特定车道的碰撞风险,而横轴代表道路的各位置。在该绘图中,有一条直线和一条曲线。直线代表外车道的碰撞风险。由于外车道并不明显受入口和出口区域的影响,因此碰撞风险分布看起来是处于相对低值的直线。作为对比,曲线对应于内车道的碰撞风险。如从该绘图中可以看到的,在普通区域,内车道的碰撞风险与外车道的碰撞风险大致相同。然而,当变得靠近入口区域时,风险曲线迅速上升,而峰值出现在对应于由椭圆所表示的交汇点的位置处。随后,在通过入口区域之后,风险曲线迅速回落至对应于普通区域的初始值。类似的风险曲线的上升和回落发生在出口区域。
图5解说了道路上具有高碰撞风险的场景的另一示例。在所解说的场景中,道路中心有一排树木(或其他障碍物)。因此,汽车的传感器的视野被树木部分遮挡,这导致如果突然出现原先没有看见的对象(行人、自行车或诸如此类),则在交叉路口碰撞的风险很高。因此,交叉路口和车道的交点也用实心椭圆来表示。可以提供类似的风险分布绘图(未示出),其中风险曲线在交叉路口附近上升,在交叉路口之后回落。
现在回到图4,可以看到,在本发明中,碰撞概率被集成到高精度地图中(作为HAD车辆的先验知识)。集成可被分为两个步骤:
(1)生成碰撞风险
碰撞的风险或概率可以通过分析静态道路结构(即车道在几何上如何合并、分岔或彼此交叉)来生成。
碰撞风险也可以通过收集和提取交互(例如,合并、切入、交叉)车辆的轨迹来生成。汽车交互发生的频率越高,在该区域中发生此类碰撞的可能性就越高。这类收集可以来自自动驾驶汽车在道路上的传感器检测、来自交通监控摄像头等等。
(2)表示碰撞风险
对于在一条车道上行驶而言可能的碰撞区域被表示为沿车道中心线的2D(纵向和横向)高斯分布。
碰撞风险区域的一种高斯分布包括(纵向和横向)平均值、方差、以及碰撞来源,即(碰撞的)另一个对象来自何处(例如,来自另一条车道、入口、出口等)。可以按许多方式来表示这类碰撞来源,诸如几何的(例如多边形)、语义的(例如车道id)、或概率的(例如高斯)等等。
可以将几个单独的碰撞分布添加在一起,以生成沿车道的整体碰撞分布。
可以存储所生成和表示的碰撞风险,以便在AD车辆中用于做出安全驾驶决策。对于位于前方的给定碰撞区域,AD车辆使用碰撞来源来知晓碰撞与哪个来源(例如车道)位置有关,以及该来源上是否存在任何对象(车辆、行人等)。
如果该区域中有对象,则碰撞风险有效,AD车辆应规划针对该对象的碰撞避免轨迹。
如果AD车辆无法检测该区域(由于传感器限制)(因而AD车辆不知道该区域中是否存在任何对象),则AD车辆应减速至安全速度,以便一旦有对象从未检测区域冲出,AD车辆就能够完全停下。
沿道路的碰撞风险可被用于AD车辆的纵向速度规划。AD车辆(沿行驶方向)的最高速度根据有效的碰撞风险来调整以确保安全。
沿道路的碰撞风险还可被用于AD车辆的横向控制。在多条车道中,前方具有较低碰撞风险的车道被视为对于AD车辆保持驾驶而言的优选车道。
作为示例,所生成的碰撞风险图可以看起来像是普通的数字地图,但是嵌入了地图上每个有效位置(例如坐标)的碰撞风险。当碰撞风险图被车辆的自动化系统使用时,系统可以读出与区域、路线或地图上感兴趣的任何其他部分有关的碰撞风险。作为另一示例,可以基于碰撞风险来标识具有高于预定阈值的碰撞风险的区域(或所谓的高碰撞风险区域)。如果需要,可以在车辆的显示器上向驾驶员呈现这些区域,诸如在车辆处于手动驾驶模式时,或者当其被配置为在自动驾驶过程中被显示在显示器上作为对于用户的辅助提示,以为潜在的减速或变道做好准备,甚至为接手做好准备。
图6是根据本公开的实施例的用于在自动驾驶车辆中降低碰撞风险的示例性方法600的流程图。
方法600开始于块602,获取数字地图。数字地图可以是来自地图供应商的用于导航的任何地图,例如“Here Maps”、“Google Maps”等等。数字地图可以从车辆上的本地存储设备中获取。替代地,数字地图可以经由网络连接从远程服务器索取。作为非限制性示例,所获取的数字地图可以仅是地图中本地或远程可用的特定部分。例如,基于车辆的当前位置,将仅获取当前位置周围的相关区域的数字地图,例如当前位置所属的城市、省或国家的地图,或者就是距离该位置在一定距离(例如几公里或几十公里)内的地图。要获取的数字地图的范围还可以基于车辆驾驶员输入的用于导航的目标目的地。
在块604,获取与数字地图相关的碰撞风险图。碰撞风险图可以是图4-5中解说的那些或者呈现与数字地图集成在一起的碰撞风险分布的任何其它合适的碰撞风险图。如上文提到的,碰撞风险分布可包括沿道路或车道的碰撞风险分布。作为非限制性实施例,在碰撞风险图中已经标识出具有高于预定阈值的碰撞风险的高碰撞风险区域,诸如如图4-5中所解说的红色圆圈。
在框606处,可以从所获取的碰撞风险图中确定数字地图中至少与车辆的行驶路径有关的一部分的碰撞风险。作为一个示例,驾驶员可以在车辆的导航系统中设置目的地。基于当前位置和该目的地,导航系统可规划路线以使车辆可遵循该路线。一旦规划了路线,就可以获取与该路线有关的碰撞风险图,并且也因而可以确定相应的碰撞风险。作为非限制性实施例,还可以从碰撞风险图中确定高碰撞风险区域的位置和大小。
在块608处,基于所确定的碰撞风险来做出车辆控制决策以降低碰撞风险。例如,如果前方的碰撞风险高,或者前方存在高碰撞风险区域,则AD车辆可以减速、变道或执行任何其它适当的动作以降低碰撞风险。在一个实施例中,当检测到高碰撞风险区域时,车辆可以进一步检测在该区域中是否存在对象。如果在该区域中有对象,则车辆被控制减速,或者可以针对该对象规划一些避免碰撞的轨迹,诸如换到具有相对较低碰撞风险的另一车道。如果在该区域中没有对象,则车辆可以采取较少的碰撞避免动作甚至不采取这类动作,例如可保持其速度和车道。
在某些情况下,由于道路上障碍物的阻挡,可能无法检测到该区域中是否存在对象。为了确保安全,还是可以将车辆减速至安全速度,以便一旦对象从未经检测的区域冲出,车辆仍然可以完全停止。
图7是根据本公开的实施例的用于生成碰撞风险图的示例性方法700的流程图。方法702开始于块702,获取数字地图。类似于结合图6所描述的,数字地图可以是来自地图供应商的任何地图。
在块704,生成针对所获取的数字地图的碰撞风险图。如之前提到的,可以基于对于道路上驾驶交通行为的知识来生成碰撞风险分布。例如,碰撞风险可以通过分析静态道路结构(即车道在几何上如何合并、分岔或彼此交叉)来生成。碰撞风险也可以通过收集和提取交互(例如,合并、切入、交叉)车辆的轨迹来生成。
在框706处,可以将所生成的碰撞风险分布集成到数字地图中以形成碰撞风险图。如以上结合图4-5所描述的,碰撞风险图的一个示例可以被表示为沿车道中心线的2D(纵向和横向)高斯分布。作为另一示例,碰撞风险图可包括数字地图上的高碰撞风险区域。
图8解说了用于降低碰撞风险的示例性装置800。装置800可包括被配置为获取数字地图的数字地图获取模块802,以及被配置为获取与该数字地图相关的碰撞风险图的碰撞风险图获取模块804。如上所述的,碰撞风险图可以表示数字地图上的碰撞风险分布,该碰撞风险分布至少包括具有高于预定阈值的碰撞风险的高碰撞风险区域的分布。装置800可进一步包括:碰撞风险确定模块806,其被配置为从所获取的碰撞风险图中确定与车辆的行驶路径相关的数字地图的至少一部分的碰撞风险,以及决策模块808,其被配置为基于所确定的碰撞风险来做出车辆控制决策以降低碰撞风险。
图9解说了根据本发明的实施例的示例性车辆900。车辆900可包括用于降低碰撞风险的装置,诸如图8中的装置800。像普通车辆一样,车辆900可进一步包括一个或多个传感器(未示出),其用于收集车辆状态,诸如速度、加速度、位置等等。车辆900可以进一步包括用于检测附近对象的装置,诸如车辆前方的对象(例如用以确定其是否在高碰撞风险区域内)。车辆900还可包括用于检测交通信号灯、交通标志、车道线等的装置。而且,车辆900可以包括存储设备,其用于存储数字地图、碰撞风险图、自动驾驶系统以及在车辆上执行的软件。
图10解说了根据本公开的示例性实施例的其中可应用本公开的一般硬件环境1000。
参照图10,现在将描述计算设备1000,计算设备1000是可应用于本公开的各方面的硬件设备的示例。计算设备1000可以是配置成执行处理和/或计算的任何机器,可以是但不限于工作站、服务器、桌面型计算机、膝上型计算机、平板计算机、个人数字助理、智能电话、车载计算机、或其任何组合。以上提及的系统可以全部或者至少部分地由计算设备1000或类似设备或系统来实现。
计算设备1000可以包括可能地经由一个或多个接口来与总线1002连接或者与总线1002处于通信的元件。例如,计算设备1000可以包括总线1002、以及一个或多个处理器1004、一个或多个输入设备1006和一个或多个输出设备1008。该一个或多个处理器1004可以是任何类型的处理器,并且可以包括但不限于一个或多个通用处理器和/或一个或多个专用处理器(诸如专门的处理芯片)。输入设备1006可以是可将信息输入计算设备的任何类型的设备,并且可以包括但不限于鼠标、键盘、触摸屏、话筒、和/或遥控器。输出设备1008可以是可呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。计算设备1000还可以包括非瞬态存储设备1010或者与非瞬态存储设备1010相连接,该非瞬态存储设备1010可以是为非瞬态的且可实现数据存储的任何存储设备,并且可以包括但不限于盘驱动器、光存储设备、固态存储、软盘、软磁盘、硬盘、磁带或任何其他磁性介质、光盘或任何其他光介质、ROM(只读存储器)、RAM(随机存取存储器)、高速缓存存储器和/或任何其他存储器芯片或存储器盒、和/或计算机可从其读取数据、指令和/或代码的任何其他介质。非瞬态存储设备1010可以能与接口分开。非瞬态存储设备1010可以具有用于实现上述方法和步骤的数据/指令/代码。计算设备1000还可以包括通信设备1012。通信设备1012可以是能实现与外部装置和/或网络的通信的任何类型的设备或系统,并且可以包括但不限于调制解调器、网卡、红外通信设备、诸如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设施之类的无线通信设备和/或芯片组等等。
当计算设备1000被用作车载设备时,计算设备1000还可以连接至外部设备,例如GPS接收机、用于感测不同环境数据的传感器(诸如加速度传感器、车轮速度传感器、陀螺仪)、等等。以此方式,计算设备1000可以例如接收指示车辆的行驶情况的位置数据和传感器数据。当计算设备1000被用作车载设备时,计算设备1000还可以连接至用于控制车辆的行驶和操作的其他设施(诸如引擎系统、雨刮器、制动防抱死系统等)。
另外,非瞬态存储设备1010可以具有地图信息和软件元素,以使得处理器1004可以执行路线引导处理。另外,输出设备1006可以包括用于显示地图、车辆的位置标记以及指示车辆的行驶情况的图像的显示器。输出设备1006还可以包括具有用于音频引导的耳机的扬声器或接口。
总线1002可以包括但不限于工业标准架构(ISA)总线、微通道架构(MCA)总线、增强型ISA(EISA)总线、视频电子标准协会(VESA)本地总线、以及外围组件互连(PCI)总线。具体地,对于车载设备,总线1002可以包括控制器局域网(CAN)总线或者被设计成用于汽车上的应用的其他架构。
计算设备1000还可以包括工作存储器1014,工作存储器1014可以是可存储对于处理器1004的工作而言有用的指令和/或数据的任何类型的工作存储器,并且可以包括但不限于随机存取存储器和/或只读存储器设备。
软件元素可以位于工作存储器1014中,包括但不限于操作系统1016、一个或多个应用程序1018、驱动程序和/或其他数据和代码。用于执行上述方法和步骤的指令可以包括在一个或多个应用程序1018中,并且以上提及的装置800的各单元可以通过处理器1004读取和执行一个或多个应用程序1018的指令来实现。软件元素的指令的可执行代码或源代码可以被存储在非瞬态计算机可读存储介质(诸如上述存储设备1010)中,并且可以可能地通过编译和/或安装而被读取到工作存储器1014中。软件元素的指令的可执行代码或源代码也可以从远程位置下载。
从上面的实施例中,本领域技术人员可以清楚地知道,本公开可以由具有必要硬件的软件来实现,或者由硬件、固件等来实现。基于这样的理解,本公开的实施例可以部分地以软件形式来实施。可以将计算机软件存储在诸如计算机的软盘、硬盘、光盘或闪存之类的可读存储介质中。该计算机软件包括一系列指令,以使计算机(例如,个人计算机、服务站或网络终端)执行根据本公开的相应实施例的方法或其一部分。
在整个说明书中,已经对“一个示例”或“一示例”进行了参考,这意味着在至少一个示例中包括具体描述的特征、结构或特性。因此,此类短语的使用可能涉及不止一个示例。此外,所描述的特征、结构或特性可以在一个或多个示例中以任何合适的方式组合。
然而,相关领域的技术人员可以认识到,可以在没有一个或多个特定细节的情况下,或者在其他方法、资源、材料等的情况下实践这些示例。在其他实例中,没有详细示出或描述众所周知的结构、资源或操作以避免使这些示例的各方面模糊。
尽管已经解说和描述了诸样例和应用,但是应当理解,这些示例不限于上述精确的配置和资源。可以对本文公开的方法和系统的布置、操作和细节作出对于本领域技术人员而言显而易见的各种修改、改变和变化,而不会脱离所要求保护的示例的范围。
Claims (16)
1.一种自动驾驶车辆中用于降低碰撞风险的计算机实现的方法,其特征在于,所述方法包括:
获取数字地图;
获取与所述数字地图相关的碰撞风险图,其中所述碰撞风险图表示所述数字地图上的碰撞风险分布,所述碰撞风险分布至少包括具有高于预定阈值的碰撞风险的高碰撞风险区域的分布;
从所获取的碰撞风险图中确定所述数字地图中至少与所述车辆的行驶路径有关的一部分的碰撞风险;以及
基于所确定的碰撞风险来做出车辆控制决策以降低碰撞风险。
2.如权利要求1所述的方法,其特征在于,确定碰撞风险进一步包括:
检测在所述车辆前方的行驶路径中是否存在高碰撞风险区域。
3.如权利要求2所述的方法,其特征在于,所述做出车辆控制决策进一步包括:
响应于检测到这一高碰撞风险区域,控制所述车辆以降低所述碰撞风险。
4.如权利要求2所述的方法,其特征在于,所述做出车辆控制决策进一步包括:
响应于检测到这一高碰撞风险区域,检测在所检测到的高碰撞风险区域中是否存在对象;以及
响应于在所检测到的高碰撞风险区域中检测到这一对象,控制所述车辆以降低所述碰撞风险。
5.如权利要求2所述的方法,其特征在于,所述做出车辆控制决策进一步包括:
响应于检测到这一高碰撞风险区域,检测在所检测到的高碰撞风险区域中是否存在对象;以及
响应于不能够检测所检测到的高碰撞风险区域中是否存在对象,控制所述车辆以降低所述碰撞风险。
6.如权利要求3-5中任意一项所述的方法,其特征在于,所述控制所述车辆包括以下至少一项:
调整所述车辆的速度;或者
为所述车辆规划碰撞避免轨迹。
7.如前述权利要求中的任意一项所述的方法,其特征在于,所述碰撞风险图进一步包括沿所述数字地图上的道路分布的碰撞风险,并且其中所述做出车辆控制决策进一步包括:
基于沿所述行驶路径的碰撞风险来规划所述车辆的纵向速度。
8.如前述权利要求中的任意一项所述的方法,其特征在于,所述碰撞风险图进一步包括沿所述数字地图上的车道分布的碰撞风险,并且其中所述做出车辆控制决策进一步包括:
如果沿所述行驶路径存在多条车道,则控制所述车辆变道以保持驾驶在具有最低碰撞风险的车道上。
9.一种用于生成碰撞风险图的计算机实现的方法,其特征在于,所述方法包括:
获取数字地图;
生成针对所述数字地图的碰撞风险分布;以及
将所生成的碰撞风险分布集成到所述数字地图中。
10.如权利要求10所述的方法,其特征在于,所述碰撞风险分布是通过分析所述数字地图上的静态道路结构或通过收集并提取所述数字地图上的交互车辆的轨迹来生成的。
11.如权利要求9或10中的任意一项所述的方法,其特征在于,所述碰撞风险分布被表示为纵向和横向的高斯分布,并且所述纵向和横向的高斯分布包括以下因子中的一项或多项:
纵向和横向高斯分布均值;
纵向和横向高斯分布方差;以及
碰撞来源。
12.如权利要求11所述的方法,其特征在于,所述碰撞来源包括:另一车道、入口、出口、或交叉路口。
13.如权利要求11或12中的任意一项所述的方法,其特征在于,所述碰撞来源按以下方式中的一项来表示:几何、语义、或概率。
14.一种用于降低碰撞风险的装置,其特征在于,所述装置包括:
数字地图获取模块,所述数字地图获取模块被配置成获取数字地图;
碰撞风险图获取模块,所述碰撞风险图获取模块被配置成获取与所述数字地图相关的碰撞风险图,其中所述碰撞风险图表示所述数字地图上的碰撞风险分布,所述碰撞风险分布至少包括具有高于预定阈值的碰撞风险的高碰撞风险区域的分布;
碰撞风险确定模块,所述碰撞风险确定模块被配置成从所获取的碰撞风险图中确定所述数字地图中至少与所述车辆的行驶路径有关的一部分的碰撞风险;以及
决策模块,所述决策模块被配置成基于所确定的碰撞风险来做出车辆控制决策以降低碰撞风险。
15.一种包括如权利要求14所述的装置的车辆。
16.一种用于生成碰撞风险图的系统,其特征在于,所述系统包括:
用于获取数字地图的装置;
用于生成针对所述数字地图的碰撞风险分布的装置;以及
用于将所生成的碰撞风险分布集成到所述数字地图中的装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/118892 WO2019127076A1 (en) | 2017-12-27 | 2017-12-27 | Automated driving vehicle control by collision risk map |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111886167A true CN111886167A (zh) | 2020-11-03 |
Family
ID=67062781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780098064.1A Pending CN111886167A (zh) | 2017-12-27 | 2017-12-27 | 通过碰撞风险图执行自动驾驶车辆控制 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111886167A (zh) |
WO (1) | WO2019127076A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210042188A (ko) * | 2019-10-08 | 2021-04-19 | 현대자동차주식회사 | 차량 및 그 제어방법 |
FR3128851A1 (fr) * | 2021-11-05 | 2023-05-12 | Kuhn Sas | Dispositif de commande d’au moins un engin agricole mobile à l’intérieur d’une parcelle agricole |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030204299A1 (en) * | 2002-04-30 | 2003-10-30 | Ford Global Technologies, Inc. | Ramp identification in adaptive cruise control |
CN103832434A (zh) * | 2012-11-22 | 2014-06-04 | 中国移动通信集团公司 | 一种行车安全控制系统及方法 |
US20150160024A1 (en) * | 2013-12-11 | 2015-06-11 | Here Global B.V. | Ranking of Path Segments Based on Incident Probability |
CN105526942A (zh) * | 2016-01-25 | 2016-04-27 | 重庆邮电大学 | 基于威胁估计的智能车辆路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103680209B (zh) * | 2013-12-21 | 2016-08-17 | 曹乃承 | 交通信息系统和路况采集发布、防追尾、事故判断方法 |
-
2017
- 2017-12-27 WO PCT/CN2017/118892 patent/WO2019127076A1/en active Application Filing
- 2017-12-27 CN CN201780098064.1A patent/CN111886167A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030204299A1 (en) * | 2002-04-30 | 2003-10-30 | Ford Global Technologies, Inc. | Ramp identification in adaptive cruise control |
CN103832434A (zh) * | 2012-11-22 | 2014-06-04 | 中国移动通信集团公司 | 一种行车安全控制系统及方法 |
US20150160024A1 (en) * | 2013-12-11 | 2015-06-11 | Here Global B.V. | Ranking of Path Segments Based on Incident Probability |
CN105526942A (zh) * | 2016-01-25 | 2016-04-27 | 重庆邮电大学 | 基于威胁估计的智能车辆路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019127076A1 (en) | 2019-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11720116B1 (en) | Collision mitigation static occupancy grid | |
EP3299921B1 (en) | Location specific assistance for an autonomous vehicle control system | |
KR102237413B1 (ko) | 일시적 속도 제한 표시판에 응답하도록 구성된 자율주행 차량 시스템 | |
CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
US20200298846A1 (en) | Apparatus for preventing pedestrian collision accident, system having the same, and method thereof | |
US10431094B2 (en) | Object detection method and object detection apparatus | |
US8346463B2 (en) | Driving aid system and method of creating a model of surroundings of a vehicle | |
KR102433273B1 (ko) | 자율 차량들을 위한 폴리라인 컨투어 표현들 | |
JP7119365B2 (ja) | 運転行動データ生成装置、運転行動データベース | |
JPWO2008126389A1 (ja) | 安全運転支援装置 | |
JP7362733B2 (ja) | 道路環境情報の自動化クラウドソーシング | |
JPWO2016063385A1 (ja) | 走行経路演算装置 | |
US11845435B2 (en) | Driving assistance device | |
CN114126940A (zh) | 电子控制装置 | |
US11403951B2 (en) | Driving assistance for a motor vehicle when approaching a tollgate | |
KR102408746B1 (ko) | 충돌 위험 저감 장치 및 방법 | |
GB2556427A (en) | Vehicle with environmental context analysis | |
WO2020144204A1 (en) | Control system for a vehicle | |
JP2023504604A (ja) | 車両を選択的に減速させるシステムおよび方法 | |
JP2021082286A (ja) | 車線変更の検出を改良するためのシステム、非一時的コンピュータ可読媒体および方法 | |
CN111886167A (zh) | 通过碰撞风险图执行自动驾驶车辆控制 | |
US20210004016A1 (en) | U-turn control system for autonomous vehicle and method therefor | |
KR102355426B1 (ko) | 주행 경로 상의 장애물 탐색 및 회피를 위한 방법 및 장치 | |
US11866041B1 (en) | Vehicle control in rescue lane scenarios |
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 |