CN112172816A - 自动驾驶车辆的车道变换控制装置和方法 - Google Patents
自动驾驶车辆的车道变换控制装置和方法 Download PDFInfo
- Publication number
- CN112172816A CN112172816A CN201911180777.XA CN201911180777A CN112172816A CN 112172816 A CN112172816 A CN 112172816A CN 201911180777 A CN201911180777 A CN 201911180777A CN 112172816 A CN112172816 A CN 112172816A
- Authority
- CN
- China
- Prior art keywords
- autonomous vehicle
- vehicle
- lane change
- learning
- change control
- 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
- 230000008859 change Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000000306 recurrent effect Effects 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/181—Preparing for stopping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/04—Vehicle stop
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/14—Cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/18—Propelling the vehicle
- B60Y2300/18008—Propelling the vehicle related to particular drive situations
- B60Y2300/18091—Preparing for stopping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/18—Propelling the vehicle
- B60Y2300/18008—Propelling the vehicle related to particular drive situations
- B60Y2300/18166—Overtaking, changing lanes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本发明提供一种用于自动驾驶车辆的车道变换控制装置和方法,其提高了在道路上变换车道的安全性和准确性。具体地,车道变换控制装置包括:学习装置,其学习自动驾驶车辆在道路上能够变换车道的环境;以及控制器,其基于学习装置的学习结果来控制自动驾驶车辆的车道变换。
Description
相关申请的交叉引用
本申请要求于2019年7月1日提交的韩国专利申请第10-2019-0078879号的优先权和权益,其全部内容通过引用合并于此。
技术领域
本发明涉及一种基于深度学习来控制自动驾驶车辆的车道变换的技术。
背景技术
本部分中的陈述仅提供与本申请相关的背景信息并且不构成现有技术。
一般而言,深度学习或深度神经网络是机器学习算法的一种形式,其具有排列在输入和输出之间,并由人工神经网络(ANN)实施的多个层次。基于特定结构、要解决的问题或目标的需要,人工神经网络可包括卷积神经网络(CNN)或递归神经网络(RNN)。
输入到卷积神经网络的数据分为训练集和测试集。卷积神经网络通过训练集学习神经网络的权重,并通过测试集识别学习到的结果。
在卷积神经网络中,当输入数据时,从输入层到隐藏层逐步执行操作,并输出结果。在此过程中,输入数据仅通过所有节点一次。
当输入数据仅通过所有节点一次时,这意味着该结构不考虑数据顺序,即时间方面。因此,无论输入数据的时间顺序如何,卷积神经网络都进行学习。
相反,递归神经网络具有将隐藏层的结果再次输入到隐藏层的结构。这种结构意味着考虑了输入数据的时间顺序。
现有技术中用于自动驾驶车的车道变换控制技术是当自动驾驶车辆要行驶的车道(目标车道)中的前方车辆和后方车辆之间的空间(进入空间)超过参考值时,即,仅当变换车道时自动驾驶车辆不受前方车辆和后方车辆的阻碍的情况下进行车道变换的技术。因此,在城市驾驶或交通拥堵的情况下,即,进入空间很少超过参考值的情况下,车道变换控制技术不能进行车道变换。
发明内容
已经做出本发明以解决现有技术中出现的上述问题,同时完整地保持现有技术所实现的优点。
本发明的一方面提供了一种车道变换控制装置和方法,该装置和方法通过基于自动驾驶车辆变换车道时必须考虑到的各种类型的数据进行深度学习并基于学习结果控制自动驾驶车辆的车道变换,来使自动驾驶车辆即使在城市驾驶或交通拥堵的情况下也能够变换车道。
本发明要解决的技术问题不限于上述问题,并且本发明所属领域的技术人员从以下描述中将清楚地理解本文中未提及的任何其他技术问题。此外,将容易理解,本发明的方面和优点可以通过所附权利要求及其组合中阐述的方式来实现。
根据本发明的一方面,一种自动驾驶车辆的车道变换控制装置,包括:学习装置,配置为学习自动驾驶车辆能够进行车道变换的环境;以及控制器,配置为基于学习装置的学习结果来控制自动驾驶车辆的车道变换。
即使确定自动驾驶车辆能够进行车道变换,控制器也可考虑在目标车道上行驶的后方车辆是否让行于自动驾驶车辆来控制自动驾驶车辆的车道变换。
当自动驾驶车辆的车道变换期间后方车辆未让行自动驾驶车辆时,控制器可停止自动驾驶车辆并可重新确定自动驾驶车辆是否能够进行车道变换。
当后方车辆的速度降低时,控制器可确定后方车辆让行于自动驾驶车辆。当后方车辆的速度保持或增加时,控制器可确定后方车辆未让行自动驾驶车辆。
通过另外考虑后方车辆的信号灯是否闪烁,控制器可确定后方车辆是否让行于自动驾驶车辆。
学习装置可将在目标车道上行驶的后方车辆让行于自动驾驶车辆的情况作为自动驾驶车辆能够变换车道的环境。
学习装置可通过接收在目标车道中行驶的前方车辆和后方车辆的速度、前方车辆的信号灯是否闪烁、前方车辆的制动灯是否亮起、后方车辆的信号灯是否闪烁以及自动驾驶车辆的航向角中的至少一个的输入来学习自动驾驶车辆能够进行车道变换的环境。学习装置可基于递归神经网络(RNN)进行学习。
根据本发明的另一方面,一种用于自动驾驶车辆的车道变换控制方法包括:通过学习装置学习自动驾驶车辆能够变换车道的环境;以及基于学习装置的学习结果通过控制器来控制自动驾驶车辆的车道变换。
控制自动驾驶车辆的车道变换的步骤可包括:即使确定自动驾驶车辆能够进行车道变换,也考虑在目标车道上行驶的后方车辆是否让行于自动驾驶车辆来控制自动驾驶车辆的车道变换。
控制自动驾驶车辆的车道变换的步骤可进一步包括:当自动驾驶车辆的车道变换期间后方车辆未让行于自动驾驶车辆时,停止自动驾驶车辆并重新确定自动驾驶车辆是否能够进行车道变换。
重新确定自动驾驶车辆是否能够进行车道变换的步骤可包括:当后方车辆的速度降低时,确定后方车辆让行于自动驾驶车辆;以及当后方车辆的速度保持或提高时,确定后方车辆未让行自动驾驶车辆。
确定后方车辆让行于自动驾驶车辆的步骤可包括:当检测到在后方车辆的速度降低的同时后方车辆的信号灯闪烁时,确定后方车辆让行于自动驾驶车辆。
学习环境的步骤可包括:将在目标车道上行驶的后方车辆让行于自动驾驶车辆的情况作为自动驾驶车辆能够变换车道的环境。
学习环境的步骤可包括:通过接收在目标车道中行驶的前方车辆和后方车辆的速度、前方车辆的信号灯是否闪烁、前方车辆的制动灯是否亮起、后方车辆的信号灯是否闪烁以及自动驾驶车辆的航向角中的至少一个的输入来学习自动驾驶车辆能够变换车道的环境。可基于递归神经网络(RNN)来学习环境。
通过本文提供的说明,其它可应用领域将变得明显。应理解,说明书和具体实施例仅旨在用于说明的目的而不旨在限制本申请的范围。
附图说明
为了可以更好地理解本申请,将参照附图来描述以示例的方式给出的本申请的各种形式,在附图中:
图1是示出自动驾驶车辆的车道变换控制装置的一种形式的配置的视图;
图2是示出自动驾驶车辆的车道变换控制装置进行操作的行驶环境的视图;
图3是示出自动驾驶车辆的车道变换控制装置所具备的RNN的结构的视图;
图4是表示自动驾驶车辆的车道变换控制方法的流程图;以及
图5是示出用于执行自动驾驶车辆的车道变换控制方法的计算系统的一种形式的框图。
本文描述的附图仅用于说明的目的并且不旨在以任何方式限制本申请的范围。
具体实施例
下面的说明在本质上仅仅是示例性的,并非旨在限制本申请、应用或用途。应当理解,在整个附图中,相应的附图标记表示相同或相应的部件和特征。
在下文中,将参照示例性附图详细描述本发明的一些实施例。此外,在描述本发明的实施例时,将排除对公知的特征或功能的详细描述,以免不必要地模糊了本申请的主旨。
在描述本申请的实施例的元件时,可以使用诸如第一、第二、A、B、(a)和(b)之类的术语。这些术语仅用于区分一个元件与另一个元件,并且元件的特征、顺序或次序等不受这些术语的限制。除非另外限定,否则本文使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域的技术人员通常理解的含义相同的含义。在通常使用的字典中定义的那些术语被解释为具有与相关技术领域中的上下文含义相同的含义,并且不应被解释为具有理想的或过于正式的含义,除非在本发明中明确限定为具有这种含义。
图1是示出根据本发明的实施例的自动驾驶车辆的车道变换控制装置的配置的视图。
如图1所示,自动驾驶车辆的车道变换控制装置100可包括:存储器10、传感器20、学习装置30以及控制器40。这些组件可组合在一起以形成为一个整体,或者基于实现根据本发明的实施例的自动驾驶车辆的车道变换控制装置100的方式,可省略一些组件。特别地,学习装置30可与控制器40集成,并且可实现为使控制器40执行学习装置30的功能。
在下文中,将详细描述上述组件。存储器10可存储基于自动驾驶车辆在道路上变换车道时必须考虑的各种数据进行深度学习以及基于学习结果来控制自动驾驶车辆的车道变换的过程中所需的各种逻辑、算法和程序。
具体地,存储器10可存储阈值Pavail,该阈值Pavail基于其中学习进行到预定水平或完全进行学习的递归神经网络(RNN)的输出来确定是否试图变换车道。当RNN的输出P超过阈值(P>Pavail)时,自动驾驶车辆可能试图变换车道。
存储器10可包括闪存类型、硬盘类型、微型类型和卡类型(例如,安全数字(SD)卡或极端数字(XD)卡)的存储器以及随机访问存储器(RAM)类型、静态RAM(SRAM)类型、只读存储器(ROM)类型、可编程ROM(PROM)类型、电可擦除PROM(EEPROM)类型、磁性RAM(MRAM)类型、磁盘类型和光盘类型的存储器中的至少一种类型的存储介质。
传感器20可测量在自动驾驶车辆附近行驶的其他车辆的速度。换言之,传感器20可测量位于目标车道200中的前方车辆220和后方车辆230的速度,如图2所示。
传感器20可测量自动驾驶车辆210的航向角θ。
传感器20可检测前方车辆220的信号灯是否闪烁以及前方车辆220的制动灯是否亮起。
传感器20可检测后方车辆230的信号灯是否闪烁以及后方车辆230的制动灯是否亮起。
传感器20可包括光检测和测距(LiDAR)传感器、摄像机、无线电检测和测距(RaDAR)传感器、超声传感器等。
作为参照,LiDAR传感器是一种环境感知传感器,其安装在自动驾驶车辆210中,以在旋转的同时向前发射激光束,并基于激光束从反射体反射回来的时间来测量反射体的位置坐标。
摄像机安装在自动驾驶车辆210的前侧、后侧、左侧和右侧,以拍摄包括自动驾驶车辆210周围的车道、车辆和障碍物的图像。摄像机可在目标车道200上拍摄前方车辆220的信号灯和制动灯的图像。此外,摄像机可拍摄后方车辆230的信号灯的图像。
在辐射电磁波之后,RaDAR传感器接收从物体反射的电磁波,并测量与物体的距离、物体的方向等。RaDAR传感器可安装在自动驾驶车辆210的前保险杠上以及其后侧。RaDAR传感器能够识别距离RaDAR很远的物体,并且几乎不受天气影响。
学习装置30可基于当根据RNN进行车道变换时必须考虑的各种类型的数据来学习车道变换环境(自动驾驶车辆210能够变换车道的环境)。各种类型的数据可包括在目标车道200上行驶的前方车辆220和后方车辆230的速度、前方车辆220的信号灯是否闪烁、前方车辆220的制动灯是否亮起、后方车辆230的信号灯是否闪烁以及自动驾驶车辆210的航向角θ中的至少一种。
学习装置30可生成自动驾驶车辆210的车道变换模型作为学习结果。车道变换模型包括在如下情况下进行车道变换:即使前方车辆220和后方车辆230阻碍了自动驾驶车辆210,当后方车辆230让行于自动驾驶车辆210时,自动驾驶车辆210也能够变换车道,以及在变换车道时,自动驾驶车辆210不受前方车辆220和后方车辆230阻碍。
学习装置30可包括例如具有如图3所示的结构的RNN。RNN可考虑输入数据的时间顺序,因为RNN具有以下结构,即,将隐藏层的输出再次输入到隐藏层。
控制器40执行总体控制以使上述组件能够正常执行其功能。控制器40可以硬件或软件形式来实现,或者可以硬件和软件组合的形式来实现。控制器40可以是但不限于微处理器来实现。
特别地,控制器40可基于自动驾驶车辆210变换车道时必须考虑的各种数据来进行深度学习以及基于学习结果来控制自动驾驶车辆210的车道变换的过程中所需的各种控制。
如图2所示,应用了根据本发明的实施例的自动驾驶车辆的车道变换控制装置100的行驶环境针对的是当后方车辆230不让行自动驾驶车辆210时(当后方车辆230不降低速度时)自动驾驶车辆210无法变换车道的环境。
相应地,基于学习装置30的学习结果,即使控制器40确定自动驾驶车辆210能够变换车道,也可根据后方车辆230是否让行于自动驾驶车辆210来确定车道变换的成功或失败。换言之,当后方车辆230让行于自动驾驶车辆210时,控制器40可立即完成自动驾驶车辆210的车道变换。然而,当后方车辆230不让行自动驾驶车辆210时,控制器40必须停止自动驾驶车辆210试图进入后方车辆230的前方空间,并重新确定自动驾驶车辆210是否能够变换车道。可重复执行确定过程,直到自动驾驶车辆210完全变换车道为止。
因此,控制器40可引导后方车辆230让行于自动驾驶车辆210,同时允许自动驾驶车辆210缓慢进入前方车辆220与后方车辆230之间的空间。当后方车辆230不让行自动驾驶车辆210时,控制器40可停止自动驾驶车辆210,并且当后方车辆230让行于自动驾驶车辆210时,控制器40可使自动驾驶车辆210重新进入该空间并完成车道变换。
在下文中,将详细描述控制器40的与自动驾驶车辆210的车道变换有关的操作。
控制器40可将由传感器20测量的各种类型的数据应用于学习装置30的学习结果,并且可确定自动驾驶车辆210是否能够变换车道。
当确定自动驾驶车辆210能够变换车道时,控制器40通过传感器20监视目标车道200上的后方车辆230的速度,同时使得自动驾驶车辆210进入目标车道200。此时,控制器40可另外监视后方车辆230的信号灯是否闪烁。
当后方车辆230降低速度或停止时,控制器40确定后方车辆230让行于自动驾驶车辆210,并完成车道变换。当后方车辆230的速度保持或增加时,控制器40确定后方车辆230的驾驶员无意让行于自动驾驶车辆210,并停止自动驾驶车辆210。
控制器40将在当前停止位置由传感器20测量的各种类型的数据应用于学习装置30的学习结果,并重新确定自动驾驶车辆210是否能够变换车道。此后,重复执行上述过程。
通过上述过程,即使在车辆集中的行驶环境中,控制器40也可安全地控制自动驾驶车辆210的车道变换。
图4是示出根据本发明的实施例的用于自动驾驶车辆的车道变换控制方法的流程图。
首先,学习装置30学习自动驾驶车辆能够变换车道的环境(401)。换言之,学习装置30学习如下情况:即,当在目标车道上行驶的后方车辆让行于自动驾驶车辆时,自动驾驶车辆能够变换车道,作为自动驾驶车辆能够变换车道的环境。此时,学习装置30可接收在目标车道上行驶的前方车辆的速度、后方车辆的速度、前方车辆的信号灯是否闪烁、前方车辆的制动灯是否亮起、后方车辆的信号灯是否闪烁以及自动驾驶车辆的航向角中的至少一项的输入,以学习自动驾驶车辆能够变换车道的环境。
此后,控制器40基于学习装置30的学习结果来控制自动驾驶车辆的车道变换(402)。换言之,即使确定自动驾驶车辆能够变换车道,控制器40也考虑在目标车道上行驶的后方车辆是否让行于自动驾驶车辆来控制自动驾驶车辆的车道变换。
图5是示出根据本发明的实施例的用于执行用于自动驾驶车辆的车道变换控制方法的计算系统的框图。
参照图5,可以通过计算系统来实现根据本发明的实施例的上述用于自动驾驶车辆的车道变换控制方法。计算系统1000可以包括经由总线1200相互连接的至少一个处理器1100、存储器(Memory)1300、用户接口输入装置1400、用户接口输出装置1500、储存器(Storage)1600和网络接口1700。
处理器1100可以是中央处理单元(CPU)或半导体设备,用于执行存储器1300和/或储存器1600中存储的指令的处理。存储器1300和储存器1600可以包括各种类型的易失性或非易失性存储介质。例如,存储器1300可以包括ROM(只读存储器)1310和RAM(随机存取存储器)1320。
因此,与说明书中公开的实施例结合描述的方法或算法的操作可以利用通过处理器1100执行的硬件模块、软件模块或其组合直接实施。软件模块可以驻留在存储介质(即,存储器1300和/或储存器1600)上,例如RAM、闪存、ROM、EPROM、EEPROM、寄存器、硬盘、可移动磁盘或CD-ROM。示例性存储介质可以联接至处理器1100,并且处理器1100可以从存储介质中读取信息并且可以在存储介质中写入信息。可替代地,存储介质可以与处理器1100集成。处理器1100和存储介质可驻留在专用集成电路(ASIC)中。ASIC可驻留在用户终端内。在另一种情况下,处理器和存储介质可以以用户端的分离元件的形式存在。在另一种情况下,处理器1100和存储介质可以作为单独的组件驻留在用户终端中。
根据本发明的实施例的用于自动驾驶车辆的车道变换控制装置和方法基于自动驾驶车辆变换车道时必须考虑的各种数据来进行深度学习,并基于学习结果来控制自动驾驶车辆的车道变换,从而即使在城市驾驶或交通拥堵的情况下,也能够使自动驾驶车辆进行车道变换。
上文尽管参考示例性实施方案和附图描述本申请,但是本申请并不限于此,而是可以由本申请所属领域的技术人员进行各种修改和改变而不偏离本申请的精神和范围。
因此,提供本发明的示例性实施例以解释本发明的精神和范围,而非限制它们,使得本发明的精神和范围不受实施例的限制。本发明的范围应该基于所附权利要求来解释,并且与权利要求等同的范围内的所有技术思想都应当包括在本发明的范围内。
Claims (16)
1.一种自动驾驶车辆的车道变换控制装置,包括:
学习装置,配置为学习所述自动驾驶车辆能够进行车道变换的环境;以及
控制器,配置为基于所述学习装置的学习结果来控制所述自动驾驶车辆的车道变换。
2.根据权利要求1所述的车道变换控制装置,其中,所述控制器配置为即使确定所述自动驾驶车辆能够进行车道变换,也考虑在目标车道上行驶的后方车辆是否让行于所述自动驾驶车辆来控制所述自动驾驶车辆的车道变换。
3.根据权利要求2所述的车道变换控制装置,其中,所述控制器配置为当所述自动驾驶车辆的车道变换期间后方车辆未让行所述自动驾驶车辆时,停止所述自动驾驶车辆并重新确定所述自动驾驶车辆是否能够进行车道变换。
4.根据权利要求3所述的车道变换控制装置,其中,所述控制器配置为当后方车辆的速度降低时,确定后方车辆让行于所述自动驾驶车辆,并且所述控制器配置为当后方车辆的速度保持或增加时,确定后方车辆未让行所述自动驾驶车辆。
5.根据权利要求4所述的车道变换控制装置,其中,所述控制器配置为还通过考虑后方车辆的信号灯是否闪烁,来确定后方车辆是否让行于所述自动驾驶车辆。
6.根据权利要求1所述的车道变换控制装置,其中,所述学习装置配置为将在目标车道上行驶的后方车辆让行于所述自动驾驶车辆的情况作为所述自动驾驶车辆能够变换车道的环境。
7.根据权利要求1所述的车道变换控制装置,其中,所述学习装置配置为通过接收在目标车道中行驶的前方车辆和后方车辆的速度、前方车辆的信号灯是否闪烁、前方车辆的制动灯是否亮起、后方车辆的信号灯是否闪烁以及所述自动驾驶车辆的航向角中的至少一个的输入,来学习所述自动驾驶车辆能够进行车道变换的环境。
8.根据权利要求1所述的车道变换控制装置,其中,所述学习装置基于递归神经网络(RNN)进行学习。
9.一种用于自动驾驶车辆的车道变换控制方法,包括以下步骤:
通过学习装置学习所述自动驾驶车辆能够变换车道的环境;和
基于所述学习装置的学习结果,通过控制器来控制所述自动驾驶车辆的车道变换。
10.根据权利要求9所述的车道变换控制方法,其中,控制所述自动驾驶车辆的车道变换的步骤包括:
即使确定所述自动驾驶车辆能够进行车道变换,也考虑在目标车道上行驶的后方车辆是否让行于所述自动驾驶车辆来控制所述自动驾驶车辆的车道变换。
11.根据权利要求10所述的车道变换控制方法,其中,控制所述自动驾驶车辆的车道变换的步骤进一步包括:
当所述自动驾驶车辆的车道变换期间后方车辆未让行于所述自动驾驶车辆时,停止所述自动驾驶车辆并重新确定所述自动驾驶车辆是否能够进行车道变换。
12.根据权利要求11所述的车道变换控制方法,其中,重新确定所述自动驾驶车辆是否能够进行车道变换的步骤包括:
当后方车辆的速度降低时,确定后方车辆让行于所述自动驾驶车辆;以及
当后方车辆的速度保持或提高时,确定后方车辆未让行所述自动驾驶车辆。
13.根据权利要求11所述的车道变换控制方法,其中,确定后方车辆让行于所述自动驾驶车辆的步骤包括:
当检测到在后方车辆的速度降低的同时后方车辆的信号灯闪烁时,确定后方车辆让行于所述自动驾驶车辆。
14.根据权利要求9所述的车道变换控制方法,其中,学习所述环境的步骤包括:
将在目标车道上行驶的后方车辆让行于所述自动驾驶车辆的情况作为所述自动驾驶车辆能够变换车道的环境。
15.根据权利要求9所述的车道变换控制方法,其中,学习所述环境的步骤包括:
通过接收在目标车道中行驶的前方车辆和后方车辆的速度、前方车辆的信号灯是否闪烁、前方车辆的制动灯是否亮起、后方车辆的信号灯是否闪烁以及所述自动驾驶车辆的航向角中的至少一个的输入,来学习所述自动驾驶车辆能够变换车道的环境。
16.根据权利要求9所述的车道变换控制方法,其中,基于递归神经网络(RNN)来学习环境。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190078879A KR20210002959A (ko) | 2019-07-01 | 2019-07-01 | 자율주행차량의 차선변경 제어 장치 및 그 방법 |
KR10-2019-0078879 | 2019-07-01 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112172816A true CN112172816A (zh) | 2021-01-05 |
Family
ID=73919023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911180777.XA Pending CN112172816A (zh) | 2019-07-01 | 2019-11-27 | 自动驾驶车辆的车道变换控制装置和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210001858A1 (zh) |
KR (1) | KR20210002959A (zh) |
CN (1) | CN112172816A (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11548512B2 (en) * | 2019-08-23 | 2023-01-10 | Zoox, Inc. | Yield behavior modeling and prediction |
US11157813B1 (en) * | 2020-04-24 | 2021-10-26 | StradVision, Inc. | Method and device for on-vehicle active learning to be used for training perception network of autonomous vehicle |
KR102514146B1 (ko) | 2021-02-16 | 2023-03-24 | 충북대학교 산학협력단 | 자동차 전용도로 환경에서 강화학습을 이용한 자율주행 차량의 차선 변경 판단 방법 및 이를 기록한 기록매체 |
KR20230049148A (ko) | 2021-10-05 | 2023-04-13 | 현대자동차주식회사 | 어드벤스드 자율주행 차선변경방법 및 차량 |
-
2019
- 2019-07-01 KR KR1020190078879A patent/KR20210002959A/ko active Search and Examination
- 2019-11-14 US US16/684,090 patent/US20210001858A1/en not_active Abandoned
- 2019-11-27 CN CN201911180777.XA patent/CN112172816A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20210001858A1 (en) | 2021-01-07 |
KR20210002959A (ko) | 2021-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112172816A (zh) | 自动驾驶车辆的车道变换控制装置和方法 | |
US10017181B2 (en) | Driving assist apparatus for performing assist according to driver characteristics | |
US11091161B2 (en) | Apparatus for controlling lane change of autonomous vehicle and method thereof | |
US10839524B2 (en) | Systems and methods for applying maps to improve object tracking, lane-assignment and classification | |
CN112660128B (zh) | 用于确定自动驾驶车辆的车道变更路径的设备及其方法 | |
CN113267199A (zh) | 行驶轨迹规划方法及装置 | |
GB2576206A (en) | Sensor degradation | |
US11046321B2 (en) | Adaptive control of automated lane change in vehicle | |
US20210011481A1 (en) | Apparatus for controlling behavior of autonomous vehicle and method thereof | |
CN114906164A (zh) | 用于自主驾驶的轨迹验证 | |
US11106214B2 (en) | Artificial neural network-based projection information recognition apparatus and method thereof | |
KR20210005395A (ko) | 자율주행차량의 유턴 전략 결정 장치 및 그 방법 | |
US11507093B2 (en) | Behavior control device and behavior control method for autonomous vehicles | |
KR20210120393A (ko) | 자율주행차량의 제어권 전환 장치 및 그 방법 | |
CN110879560B (zh) | 控制车辆的方法、装置、设备和存储介质 | |
US20220332328A1 (en) | Device for determining a length of a vehicle combination | |
KR102602271B1 (ko) | 인공신경망을 이용한 주행 차량의 충돌 가능성 판단 방법 및 장치 | |
US20220396287A1 (en) | Adaptive trust calibration | |
JP2022189811A (ja) | 機械学習アルゴリズム内において使用される機械学習分類器をチューニングするための超音波システム及び方法 | |
US20210261139A1 (en) | Driving assistance apparatus | |
US20200174134A1 (en) | Object recognition via indirect signal reflection | |
CN114555420A (zh) | 车辆用周边监视装置以及车辆用周边监视方法 | |
US20230294734A1 (en) | Method and device for generating a path of an autonomous vehicle | |
US20230128456A1 (en) | Adaptive trust calibration | |
US11760363B2 (en) | Device and method for controlling travel of vehicle |
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 |