CN113335273A - 车辆控制系统 - Google Patents
车辆控制系统 Download PDFInfo
- Publication number
- CN113335273A CN113335273A CN202110218600.5A CN202110218600A CN113335273A CN 113335273 A CN113335273 A CN 113335273A CN 202110218600 A CN202110218600 A CN 202110218600A CN 113335273 A CN113335273 A CN 113335273A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- host vehicle
- computer
- distance
- 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
- 230000000007 visual effect Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 80
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 32
- 238000004891 communication Methods 0.000 description 28
- 230000015654 memory Effects 0.000 description 24
- 230000007246 mechanism Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000003116 impacting effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 240000005020 Acaciella glauca Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 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
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012549 training Methods 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
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- 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
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
-
- 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
- B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
- B60W60/00186—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to the vehicle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了“车辆控制系统”。在区域中操作主车辆时,基于检测到来自子区域中的目标车辆的视觉提示来识别所述目标车辆。预测所述目标车辆的未来位置将与所述主车辆的路径相交。基于所述目标车辆的所述未来位置来确定所述主车辆的停止位置。进行以下操作中的至少一项:确定所述目标车辆已移动或者更新所述主车辆的所述路径。随后将所述主车辆操作到所述停止位置或者沿着所述更新路径操作所述主车辆。
Description
技术领域
本公开总体上涉及车辆控制系统。
背景技术
车辆可以被配备有电子和机电部件,例如计算装置、网络、传感器和控制器等。车辆计算机可以获取关于车辆的环境的数据,并且可以基于所述数据来操作车辆或车辆的至少一些部件。车辆传感器可以提供关于在车辆环境中要行驶的路线和要避开的对象的数据。车辆的操作可以依赖于在车辆正操作时获取关于车辆的环境中的对象的准确且及时的数据。
发明内容
一种系统包括计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令可由所述处理器执行以在区域中操作主车辆时,基于检测到来自所述子区域中的目标车辆的视觉提示来识别所述目标车辆。所述指令还包括用于进行以下操作的指令:预测所述目标车辆的未来位置与所述主车辆的路径将相交。所述指令还包括用于进行以下操作的指令:基于所述目标车辆的所述未来位置来确定所述主车辆的停止位置。所述指令还包括用于进行以下操作中的至少一项的指令:(a)确定所述目标车辆已经移动,或者(b)更新所述主车辆的所述路径。所述指令还包括用于进行以下操作的指令:随后将所述主车辆操作到所述停止位置或者沿着所述更新路径操作所述主车辆。
所述指令还可以包括用于进行以下操作的指令:进一步基于所述目标车辆在所述主车辆的第一距离内来识别所述目标车辆。
所述指令还可以包括用于进行以下操作的指令:基于所述目标车辆在所述主车辆的第二距离内来沿着所述路径操作所述主车辆。所述第二距离小于所述第一距离。
所述指令还可以包括用于进行以下操作的指令:在确定所述目标车辆已经停止时,基于检测到所述目标车辆在经过指定时间之后保持停止来沿着所述更新路径操作所述主车辆。
所述指令还可以包括用于进行以下操作的指令:基于所述停止的目标车辆与所述主车辆之间的距离来确定所述指定时间。
所述指令还可以包括用于进行以下操作的指令:在识别所述目标车辆时,以低于阈值的速度操作所述主车辆。
所述指令还可以包括用于进行以下操作的指令:将主车辆传感器数据输入到机器学习程序中,所述机器学习程序被编程为输出对所述目标车辆的识别。
所述未来位置可以部分地由所述目标车辆的路径限定。
所述指令还可以包括用于进行以下操作的指令:基于所述目标车辆的行驶方向和所述目标车辆的转弯方向来预测所述目标车辆的所述路径。
所述指令还可以包括用于进行以下操作的指令:基于经由传感器数据识别所述目标车辆的前照灯或尾灯中的一者来确定所述目标车辆的所述行驶方向。
所述指令还可以包括用于进行以下操作的指令:基于检测到一个或多个目标车辆部件的致动来确定所述目标车辆的所述转弯方向。
所述指令还可以包括用于进行以下操作的指令:基于确定所述主车辆的纵向轴线与所述目标车辆的纵向轴线之间的角度来确定所述目标车辆的所述转弯方向。
所述指令还可以包括用于进行以下操作的指令:基于从所述停止位置到所述未来位置的距离等于或大于指定距离来确定所述停止位置。
所述指令还可以包括用于进行以下操作的指令:基于从所述主车辆到对象的横向距离大于指定距离来更新所述主车辆的所述路径,所述主车辆在所述目标车辆与所述对象之间。
所述视觉提示可以由前照灯、尾灯、倒车灯和转向信号灯中的至少一者输出。
一种方法包括在区域中操作主车辆时,基于检测到来自子区域中的目标车辆的视觉提示来识别所述目标车辆。所述方法还包括预测所述目标车辆的未来位置与所述主车辆的路径将相交。所述方法还包括基于所述目标车辆的所述未来位置来确定所述主车辆的停止位置。所述方法还包括以下中的至少一项:(a)确定所述目标车辆已经移动,或者(b)更新所述主车辆的所述路径。所述方法还包括随后将所述主车辆操作到所述停止位置或者沿着所述更新路径操作所述主车辆。
所述方法还可以包括进一步基于所述目标车辆在所述主车辆的第一距离内来识别所述目标车辆。
所述方法还可以包括基于从所述停止位置到所述未来位置的距离等于或大于指定距离来确定所述停止位置。
所述方法还可以包括基于从所述主车辆到对象的横向距离大于指定距离来更新所述主车辆的所述路径,所述主车辆在所述目标车辆与所述对象之间。
所述方法还可以包括在确定所述目标车辆已经停止时,基于检测到所述目标车辆在经过指定时间之后保持停止来沿着所述更新路径操作所述主车辆。
本文还公开了一种计算装置,所述计算装置被编程为执行上述方法步骤中的任一者。本文还公开了一种计算机程序产品,所述计算机程序产品包括计算机可读介质,所述计算机可读介质存储可由计算机处理器执行以执行上述方法步骤中的任一个的指令。
附图说明
图1是示出用于主车辆的示例性车辆控制系统的框图。
图2是示出根据图1的系统操作主车辆的图示。
图3A是示出基于来自目标车辆的视觉提示来更新主车辆的路径的图示。
图3B至图3D是基于目标车辆的未来位置与主车辆的路径相交的停止位置的图示。
图4A是用于操作主车辆的示例性过程的流程图的第一部分。
图4B是图4A的流程图的第二部分。
具体实施方式
最初参考图1至图3C,示例性车辆控制系统100包括车辆计算机110,所述车辆计算机被编程为在区域200中操作主车辆105时,基于检测到来自子区域210中的目标车辆106的视觉提示215来识别目标车辆106。车辆计算机110还被编程为预测目标车辆106的未来位置与主车辆105的路径将相交。车辆计算机110还被编程为基于目标车辆106的未来位置来确定主车辆105的停止位置S。车辆计算机110还被编程为进行以下操作中的至少一项:(a)确定目标车辆106已经移动,或者(b)更新主车辆105的路径P。车辆计算机110还被编程为随后将主车辆操作到停止位置S或者沿着更新路径操作主车辆。
车辆计算机110沿着区域200中的路径P操作主车辆105。当主车辆105沿着路径P操作时,目标车辆106可以离开子区域210(例如,停车空间),并且朝向主车辆105的路径P移动。目标车辆106可以沿着与主车辆105的路径P相交的路径移动。通常,主车辆105和目标车辆106都可以停止以避免彼此撞击。有利的是,车辆计算机110可以将主车辆105操作到停止位置S,这可以防止目标车辆106和主车辆105的路径相交并且可以允许目标车辆106继续沿着其路径移动。
现在转向图1,主车辆105包括车辆计算机110、传感器115、用于致动各种主车辆部件125的致动器120以及车辆通信模块130。通信模块130允许车辆计算机110例如经由消息传递或广播协议(诸如专用短程通信(DSRC)、蜂窝和/或可以支持车辆对车辆、车辆对基础设施、车辆对云通信等的其他协议)和/或经由分组网络135与服务器140和/或第二车辆106进行通信。
车辆计算机110包括诸如已知的处理器和存储器。所述存储器包括一种或多种形式的计算机可读介质,并且存储指令,所述指令可由车辆计算机110执行以用于执行包括如本文所公开的各种操作。
车辆计算机110可以以自主、半自主模式或非自主(或手动)模式操作主车辆105。出于本公开的目的,自主模式被限定为其中车辆105的推进、制动和转向中的每一者都由车辆计算机110控制的模式;在半自主模式中,车辆计算机110控制车辆105的推进、制动和转向中的一者或两者;在非自主模式中,人类操作员控制车辆105的推进、制动和转向中的每一者。
车辆计算机110可以包括编程以操作主车辆105制动、推进(例如,通过控制内燃发动机、电动马达、混合发动机等中的一者或多者来控制主车辆105的加速)、转向、变速器、气候控制、内部灯和/或外部灯、喇叭、车门等中的一者或多者,以及确定车辆计算机110(而非人类操作员)是否以及何时控制此类操作。
车辆计算机110可以包括多于一个处理器或例如经由如下面进一步描述的车辆通信网络(诸如,通信总线)通信地耦接到所述多于一个处理器,所述多于一个处理器例如包括在主车辆105中所包括的用于监测和/或控制各种主车辆部件125(例如变速器控制器、制动控制器、转向控制器等)的电子控制器单元(ECU)等中。车辆计算机110通常布置用于在车辆通信网络上进行通信,所述车辆通信网络可以包括主车辆105中的总线,诸如控制器局域网(CAN)等,和/或其他有线和/或无线机制。
经由车辆105网络,车辆计算机110可向主车辆105中的各种装置(例如,传感器115、致动器120、ECU等)传输消息和/或从各种装置接收消息(例如,CAN消息)。替代地或另外,在车辆计算机110实际上包括多个装置的情况下,车辆通信网络可用于在本公开中表示为车辆计算机110的装置之间的通信。此外,如下所述,各种控制器和/或传感器115可以经由车辆通信网络向车辆计算机110提供数据。
车辆105传感器115可以包括诸如已知的用于向车辆计算机110提供数据的多种装置。例如,传感器115可以包括设置在主车辆105的顶部上、在车辆105的前挡风玻璃后面、在主车辆105周围等的光探测和测距(LIDAR)传感器115等,所述传感器提供主车辆105周围的对象的相对位置、大小和形状。作为另一示例,固定到车辆105保险杠的一个或多个雷达传感器115可以提供数据来提供对象、第二车辆106等相对于主车辆105的位置的位置。替代地或另外,传感器115还可以例如包括一个或多个相机传感器115(例如,前视、侧视等),所述相机传感器提供来自主车辆105周围的区域的图像。在本公开的上下文中,对象是具有质量并且可以通过可由传感器115检测到的物理现象(例如,光或其他电磁波或声音等)来表示的物理(即,物质)物品。因此,主车辆105和目标车辆106以及包括以下讨论的其他物品都落在本文的“对象”的定义内。
车辆计算机110被编程为基本上连续地、周期性地和/或在服务器140指示时等从一个或多个传感器115接收数据。所述数据可以例如包括主车辆105的位置。位置数据指定地面上的一个或多个点,并且可以为已知形式,例如经由已知的使用全球定位系统(GPS)的导航系统获得的地理坐标,诸如纬度和经度坐标。另外或替代地,数据可以包括对象(例如,车辆、杆、路沿、自行车、树、灌木丛等)相对于车辆105的位置。作为一个示例,数据可以是车辆105周围的环境的图像数据。在此示例中,图像数据可以包括区域200中的一个或多个对象。图像数据在本文意指可以由传感器相机115获取的数字图像数据,例如,包括具有强度值和颜色值的像素。传感器115可以安装到主车辆105中或主车辆上的任何合适的位置,例如,在车辆105保险杠上、在车辆105的车顶上等,以收集主车辆105周围的环境的图像。
车辆105致动器120经由电路、芯片或可根据如已知的适当控制信号来致动各种车辆子系统的其他电子和/或机械部件来实施。致动器120可用于控制部件125,包括主车辆105的制动、加速和转向。
在本公开的上下文中,车辆部件125是适于执行机械或机电功能或操作(诸如使主车辆105移动、使车辆105减速或停止、使主车辆105转向等)的一个或多个硬件部件。部件125的非限制性示例包括推进部件(其包括例如内燃发动机和/或电动马达等)、变速器部件、转向部件(例如,其可以包括方向盘、转向齿条等中的一者或多者)、悬架部件125(例如,其可以包括阻尼器(例如,减震器或滑柱)、衬套、弹簧、控制臂、球头节、连杆等中的一者或多者)、制动部件、停车辅助部件、自适应巡航控制部件、自适应转向部件、一个或多个被动约束系统(例如,安全气囊)、可移动座椅等。
另外,车辆计算机110可以被配置用于经由车辆对车辆通信模块130或接口与主车辆105外部的装置进行通信,例如,通过到另一车辆、到服务器140(通常经由直接射频通信)和/或(通常经由网络135)到第二车辆的车辆对车辆(V2V)或车辆对基础设施(V2X)无线通信(蜂窝和/或DSRC等)进行通信。通信模块130可以包括车辆105的计算机110可通过其进行通信的一种或多种机制,诸如收发器,包括无线(例如,蜂窝、无线、卫星、微波和射频)通信机制的任何期望组合以及任何期望网络拓扑(或当利用多种通信机制时的多种拓扑)。经由通信模块130提供的示例性通信包括提供数据通信服务的蜂窝、蓝牙、IEEE 802.11、专用短程通信(DSRC)和/或包括因特网的广域网(WAN)。
网络135表示车辆计算机110可以通过其与远程计算装置(例如,服务器140、另一个车辆计算机等)进行通信的一种或多种机制。因此,网络135可以是各种有线或无线通信机制中的一者或多者,包括有线(例如,电缆和光纤)和/或无线(例如,蜂窝、无线、卫星、微波和射频)通信机制的任何期望的组合以及任何期望的网络拓扑(或利用多种通信机制时的多种拓扑)。示例性通信网络包括提供数据通信服务的无线通信网络(例如,使用低功耗(BLE)、IEEE802.11、车辆对车辆(V2V)诸如专用短程通信(DSRC)等)、局域网(LAN)和/或包括因特网的广域网(WAN)。
服务器140可以是被编程为提供诸如本文公开的操作的常规计算装置,即,包括一个或多个处理器和一个或多个存储器。此外,可以经由网络135(例如,因特网或某一其他广域网)来访问服务器140。
图2是示出在示例性地面区域200中操作的主车辆105的图示,所述示例性地面区域包括用于车辆的多个已标记子区域210。区域200可以在街道或道路上,例如,在路沿或街道边缘、停车场或结构或其部分等旁边。车辆计算机110可以被编程为通过例如基于GPS的地理围栏来确定主车辆105在区域200内。在此示例中,GPS地理围栏指定区域200的周边。随后车辆计算机110可以基于指示主车辆105在地理围栏内的主车辆105的位置数据来确定主车辆105在区域200内。
车辆计算机110可以例如生成路径P以在区域200中操作主车辆105。替代地,服务器140可以生成路径P并且例如经由网络135将路径P提供给车辆计算机110。如本文所使用的,“路径”是点集合,例如,所述点集合被指定为相对于主车辆坐标系和/或地理坐标的坐标,车辆计算机110被编程为通过常规导航和/或路径规划算法来确定所述点集合。可以根据一个或多个路径多项式来指定路径P。路径多项式是描述车辆在地面上的运动的三次或更少次的多项式函数。车辆在道路上的运动由多维状态矢量描述,所述多维状态矢量包括车辆位置、取向速度和加速度,包括x、y、z中的位置、横摆、俯仰、侧倾、横摆率、俯仰率、侧倾率、航向速度和航向加速度,其例如可以通过将多项式函数拟合到车辆运动矢量中所包括的相对于地面的连续2D位置来确定。
规划P可以例如沿着子区域210沿着其定位在区域200中的过道或车道引导主车辆105以搜索可用子区域210(参见图2)。在此示例中,车辆计算机110被编程为基于例如经由车辆网络从相机传感器115接收的图像数据来识别用于停放主车辆105的子区域210。例如,子区域210可以是由标记(例如,地面上的涂漆线)指示的停车空间,并且车辆计算机110可以执行诸如已知的图像识别技术来识别子区域210和可用停车空间。
在识别出子区域210时,车辆计算机110可以被编程为基于图像数据来确定子区域210是否被占用。图像数据包括区域200、区域200中的一个或多个对象以及一个或多个子区域210。例如,诸如已知的对象分类或识别技术可以在例如车辆计算机110中基于激光雷达115的相机传感器115等的数据来识别对象的类型,例如车辆、人、岩石、洞穴、自行车、摩托车等,以及识别对象的物理特征。
可以使用各种技术来解译传感器115数据。例如,可将相机和/或激光雷达图像数据提供给分类器,所述分类器包括用于利用一种或多种常规图像分类技术的编程。例如,分类器可使用机器学习技术,其中将已知表示各种对象的数据提供给机器学习程序以用于训练分类器。一旦被训练,分类器就可以接受主车辆传感器115数据(例如,图像)作为输入,随后针对图像中的一个或多个相应的感兴趣区域中的每一个提供对一个或多个对象的识别或对相应的感兴趣区域中不存在对象的识别作为输出。在机器学习输出感兴趣区域(例如,子区域210)中存在对象的情况下,车辆计算机110确定子区域210被占用。在机器学习输出感兴趣区域(例如,子区域210)中不存在对象的情况下,车辆计算机110确定子区域210未被占用。
此外,应用于接近主车辆105的区域的坐标系(例如,极坐标或笛卡尔坐标)可以应用于指定根据传感器115数据识别的对象的位置和/或区域(例如,根据主车辆105坐标系,被转换为全球纬度和经度地理坐标等)。此外,车辆计算机110可以采用各种技术来融合(即,结合到公共坐标系或参考系中)来自不同传感器115和/或多种类型的传感器115的数据,例如激光雷达、雷达和/或光学相机数据。
在确定子区域210被占用并将对象识别为车辆时,车辆计算机110被编程为基于检测到来自目标车辆106的视觉提示215而将车辆识别为目标车辆106。例如,可以用已知表示各种视觉提示215的数据对分类器进行进一步训练。因此,除了识别子区域210中的车辆之外,分类器还可以基于视觉提示215来输出对目标车辆106的识别。一旦被训练,分类器就可以接受主车辆传感器115数据(例如,图像)作为输入,随后针对图像中的一个或多个相应的感兴趣区域中的每一个提供基于检测到视觉提示215对目标车辆106的识别或者基于未检测到视觉提示215对相应的感兴趣区域中不存在目标车辆106的识别作为输出。
视觉提示215是从目标车辆106输出的指示目标车辆106正在离开子区域210的可见信号。视觉提示215经由一个或多个目标车辆106部件的致动来输出。例如,视觉提示215可以由前照灯、尾灯、倒车灯和转向信号灯中的至少一者输出。即,视觉提示215可以是将外部灯(例如,前照灯、尾灯、倒车灯和转向信号灯中的至少一者)激活到“开启”状态。作为另一个示例,视觉提示215可以是目标车辆106朝向主车辆105的路径P的移动,例如,经由目标车辆106的推进部件的致动而输出。
另外或替代地,车辆计算机110可以被编程为进一步基于目标车辆106在主车辆105的第一距离内来识别目标车辆106。第一距离指定主车辆105与目标车辆106之间的距离,在所述距离内,车辆计算机110可以识别目标车辆106。可以基于例如经验测试来确定第一距离,以确定主车辆105与目标车辆106之间的距离,在所述距离内,车辆计算机110可以改变主车辆105的操作以避开正离开子区域210的目标车辆106。第一距离可以被存储在车辆计算机110的存储器中。
车辆计算机110可以例如基于传感器115数据来确定主车辆105与目标车辆106之间的距离D。例如,激光雷达传感器115可以发射光束并接收从对象(例如,目标车辆106)反射回的反射光束。车辆计算机110可以测量从发射光束到接收到反射光束所经过的时间。基于所经过的时间和光速,车辆计算机110可以确定主车辆105与目标车辆106之间的距离D。随后,车辆计算机110可以将距离D与第一距离进行比较。在距离D等于或小于第一距离的情况下,车辆计算机110可以识别目标车辆106。在距离D大于第一距离的情况下,车辆计算机110不能识别目标车辆106。
此外,车辆计算机110可以将主车辆105与目标车辆106之间的距离D与例如被存储在车辆计算机110的存储器中的第二距离进行比较。第二距离指定主车辆105与目标车辆106之间的距离,在所述距离内,车辆计算机110沿着路径P操作主车辆105。可以基于例如经验测试确定第二距离,以(例如,基于主车辆105的速度、目标车辆106的速度等)确定车辆计算机110可以使主车辆105停止以避免撞击目标车辆106的最小距离。第二距离在第一距离内。在主车辆105与目标车辆106之间的距离D小于第二距离的情况下,车辆计算机110沿着路径P(例如,从目标车辆106和子区域210的一侧到另一侧)操作主车辆105。在主车辆105与目标车辆106之间的距离D等于或大于第二距离并且等于或小于第一距离的情况下,车辆计算机110将主车辆105操作到停止位置S或沿着更新路径操作主车辆,如下文所讨论的。
在识别到目标车辆106时,车辆计算机110可以被编程为更新主车辆105的路径P。例如,车辆计算机110可以更新路径P以将主车辆105移动远离目标车辆106(参见图3A)。例如,车辆计算机110可以确定沿着主车辆105的与目标车辆106相对的一侧上的路径P的一个或多个对象,例如停放的车辆。即,主车辆105在一个或多个对象与目标车辆106之间。随后,车辆计算机110可以基于图像数据确定从主车辆105到一个或多个对象的横向距离L(参见图3A)。
例如,车辆计算机110可以基于根据图像数据确定对象的边缘来识别横向距离L。例如,可以执行图像数据的语义分割以例如通过将图像作为输入提供给机器学习程序并获得与诸如对象的边缘之类的特征相关联的像素坐标的范围的规格作为输出来识别特征(诸如边缘或边界)。通过识别图像中与对象的边缘相关联的一组像素坐标并确定从图像传感器115透镜到所识别的对象边缘像素坐标的距离(以像素坐标为单位),计算机110随后可以确定车辆105传感器115透镜距对象的边缘的距离。即,根据此类技术,计算机110可以确定从透镜到所识别的坐标的距离(以像素坐标为单位),并且还可以根据图像确定从传感器115透镜到所识别的边缘点的线与平行于车辆105的纵向轴线A从透镜延伸的轴线之间的角度α。随后,使用三角函数,计算机110可以确定垂直于车辆105纵向轴线绘制的从传感器115透镜到对象的边缘上的点的线的长度。横向距离L是线的长度。
随后,车辆计算机110可以将横向距离L与第三距离进行比较。第三距离指定主车辆105与对象之间的距离,在所述距离内,车辆计算机110阻止主车辆105的操作。可以基于例如经验测试来确定第三距离,以确定主车辆105与对象之间的最小距离,在所述最小距离,车辆计算机110可以阻止主车辆105撞击对象。第三距离可以被存储在车辆计算机110的存储器中。在横向距离L大于第三距离的情况下,车辆计算机110可以更新主车辆105朝向一个或多个对象的路径P。例如,车辆计算机110可以更新路径,使得横向距离L等于第三距离。即,与路径P相比,主车辆105沿着更新路径更远离目标车辆106。在横向距离L小于或等于第三距离的情况下,车辆计算机110可以维持主车辆105的路径P。
另外或替代地,车辆计算机110可以被编程为在识别到目标车辆106时以低于速度阈值的速度操作主车辆105。例如,车辆计算机110可以致动一个或多个车辆部件125(例如,制动部件、推进部件等)来以低于速度阈值的速度操作主车辆105。速度阈值例如基于从目标车辆106到主车辆105的距离D指定当目标车辆106正离开子区域210时车辆计算机110可以操作主车辆105的最大速度。可以基于例如经验测试来确定速度阈值,以确定在检测到目标车辆106正离开子区域210时车辆计算机110使主车辆105停止的时间量。速度阈值可以被存储在车辆计算机110的存储器中。
车辆计算机110可以被编程为识别目标车辆106参数,例如尺寸(例如,高度、长度、宽度)、转弯半径、轴距等。例如,分类器可以用已知表示各种类型(例如,品牌和/或型号)的车辆的数据来进行进一步训练。因此,除了识别目标车辆106之外,分类器还可以输出目标车辆106的类型。一旦被训练,分类器就可以接受主车辆传感器115数据(例如,包括目标车辆106的图像)作为输入,随后提供对图像中的目标车辆106的类型的识别作为输出。作为另一个示例,车辆计算机110可以基于图像数据例如通过使用图像识别技术来确定目标车辆106的类型。随后,车辆计算机110可以基于目标车辆106的类型来确定一个或多个目标车辆106参数。例如,车辆计算机110可以在例如存储器中存储将目标车辆106参数与目标车辆106的类型相关联的查找表等。
车辆计算机110可以基于图像数据来确定目标车辆106的行驶方向。目标车辆106的行驶方向是相对于主车辆105的路径P向前或向后中的一者。例如,车辆计算机110可以基于包括目标车辆106的图像数据(例如,使用诸如已知的图像识别技术)来识别目标车辆106上的外部灯,例如前照灯、尾灯、倒车灯等。在车辆计算机110识别到目标车辆106上的前照灯(例如,面向主车辆105的路径P)的情况下,车辆计算机110可以确定目标车辆106的行驶方向相对于主车辆105的路径P是向前的。在车辆计算机110识别到尾灯和/或倒车灯(例如,面向主车辆105的路径P)的情况下,车辆计算机110可以确定目标车辆106的行驶方向相对于主车辆105的路径P是向后的。
车辆计算机110可以被编程为确定目标车辆106的转弯方向。例如,车辆计算机110可以例如通过使用图像识别技术基于包括目标车辆106的图像数据来确定转弯方向。例如,车辆计算机110可以确定沿着主车辆105的纵向轴线延伸的线与沿着目标车辆106的纵向轴线延伸的线之间的角度。如果角度是锐角,则车辆计算机110确定转弯方向是朝向主车辆105。如果角度是钝角,则车辆计算机110确定转弯方向是远离主车辆105。
另外或替代地,车辆计算机110可以基于包括目标车辆106的图像数据来检测一个或多个目标车辆106部件的致动。例如,车辆计算机110可以例如基于来自分类器的输出来检测目标车辆106上的转向信号灯的激活,并且可以基于转向信号灯来确定转弯方向。作为另一个示例,车辆计算机110可以例如通过使用图像识别技术来检测目标车辆106车轮的致动,即,目标车辆106车轮相对于目标车辆106车身转弯。即,车辆计算机110可以基于行驶方向和目标车辆106车轮相对于目标车辆106车身转弯的方向来确定目标车辆106的转弯方向。
车辆计算机110可以预测目标车辆106的未来位置是否将与主车辆105的路径相交。目标车辆106的未来位置至少部分地由目标车辆106的预测路径限定。例如,车辆计算机110可以例如通过使用常规路径规划算法基于行驶方向、转弯方向和目标车辆106参数(例如,转弯半径、轴距等)来预测目标车辆106的路径。替代地,目标车辆106可以例如经由网络135向车辆计算机110提供目标车辆106的路径。车辆计算机110随后可以将目标车辆106的未来位置与主车辆105的路径进行比较。
在预测目标车辆106的未来位置将与主车辆105的路径P相交时,车辆计算机110被编程为基于目标车辆106的未来位置来确定主车辆105的停止位置S。停止位置S是沿着更新路径的位置,在所述位置处车辆计算机110使主车辆105停止,即,致动一个或多个车辆部件125以使主车辆105停止。车辆计算机110基于目标车辆106的未来位置来确定停止位置S(参见图3B和图3C)。例如,车辆计算机110可以基于停止位置S与目标车辆106的未来位置之间的距离等于或大于第四距离来选择停止位置S。第四距离指定从目标车辆106的未来位置到停止位置S的最小距离。第四距离可以被存储在车辆计算机110的存储器中。可以基于例如经验测试来确定第四距离,以确定停止位置S与目标车辆106的未来位置之间的最小距离,在所述最小距离,目标车辆106可以继续朝向未来位置操作而不停止。
车辆计算机110可以基于传感器115数据来确定目标车辆106已朝向主车辆105的更新路径移动。例如,车辆计算机110可以基于主车辆105与目标车辆106之间的第二横向距离L2来确定目标车辆106已朝向主车辆105的更新路径移动。例如,车辆计算机110可以确定从主车辆105到目标车辆106的距离D,如上面所讨论的。随后,车辆计算机110可以根据图像数据来确定从主车辆105到目标车辆106的线与从传感器115透镜平行于主车辆105的纵向轴线A延伸的轴线之间的角度β。随后,使用三角函数,车辆计算机110可以确定垂直于主车辆105纵向轴线绘制的从传感器115透镜到目标车辆106的线的长度(参见图3B)。第二横向距离L2是线的长度。车辆计算机110可以基于第二横向距离L2小于先前的第二横向距离来确定目标车辆106已朝向主车辆105的更新路径移动。
作为另一个示例,车辆计算机110可以例如经由网络135从目标车辆106接收位置数据。车辆计算机110可以将目标车辆106的位置与目标车辆106的先前位置进行比较,以确定目标车辆106已朝向主车辆105的更新路径移动。例如,车辆计算机110可以确定从目标车辆106的位置到主车辆105的更新路径的线的长度T,并基于长度T小于先前长度Tp来确定目标车辆106已朝向主车辆105的更新路径移动(参见图3C)。
在确定目标车辆106尚未朝向主车辆105的更新路径移动时,车辆计算机110沿着更新路径操作主车辆105。例如,车辆计算机110致动一个或多个车辆部件125以沿着更新路径操作主车辆105。
在确定目标车辆106已朝向主车辆105的更新路径移动时,车辆计算机110被编程为将主车辆105操作到停止位置S。例如,车辆计算机110可以致动一个或多个车辆部件125以将主车辆105移动到停止位置S。当车辆计算机110确定目标车辆106已移动时,停止位置S可以在主车辆105的位置的前方或后方。即,车辆计算机110可以使主车辆105向前或向后移动到停止位置S。
车辆计算机110可以基于传感器115数据来确定目标车辆106已停止移动。例如,车辆计算机110可以基于将目标车辆106的位置与目标车辆106的先前位置进行比较来确定目标车辆106已停止移动。在例如基于位置数据、图像数据等确定目标车辆106的位置与目标车辆106的先前位置相同时,车辆计算机110可以确定目标车辆106已停止移动。作为另一个示例,车辆计算机110可以基于第二横向距离L2与先前的第二横向距离相同来确定目标车辆106已停止移动。
在确定目标车辆106已停止移动时,车辆计算机110确定目标车辆106与主车辆105之间的距离D,如上面所讨论的。随后,车辆计算机110可以发起指定阈值时间量(即“时间阈值”)的计时器。时间阈值可以被确定为目标车辆106与主车辆105之间的距离D的函数,例如线性函数。例如,时间阈值可以随着距离D的减小而增加,即,时间阈值可以与距离D成反比。车辆计算机110可以基于检测到目标车辆106在经过所述时间阈值之后(即,在计时器到期时)保持停止来沿着更新路径操作主车辆105。在目标车辆106在计时器到期之前移动的情况下,车辆计算机110将主车辆105维持在停止位置S处。
车辆计算机110可以基于传感器115数据来确定目标车辆106已离开子区域210。例如,车辆计算机110可以基于将目标车辆106的位置(例如,从目标车辆106接收,如上面所讨论的)与子区域210的位置(例如经由区域200的映射图(例如,被存储在车辆计算机110的存储器中和/或从服务器140接收)确定)进行比较来确定目标车辆106已离开子区域210。作为另一个示例,车辆计算机110可以基于经由图像数据(例如,通过使用图像或模式识别技术来分析包括目标车辆106的图像数据并输出目标车辆106相对于子区域210的边界的位置)确定目标车辆106在子区域210的边界之外来确定目标车辆106已离开子区域210。
在确定目标车辆106已离开子区域210时,车辆计算机110可以确定主车辆105与目标车辆106之间的距离D,如上面所讨论的。随后,车辆计算机110可以将距离D与距离阈值进行比较。距离阈值指定主车辆105与目标车辆106之间的距离,在所述距离以内,车辆计算机110阻止主车辆105的操作。可以基于例如经验测试来确定距离阈值,以确定车辆计算机110可以阻止主车辆105撞击其他车辆的最小距离。所述阈值可以被存储在车辆计算机110的存储器中。在距离D等于或大于距离阈值的情况下,车辆计算机110可以沿着更新路径操作主车辆105。在距离D小于距离阈值的情况下,车辆计算机110可以将主车辆105维持在停止位置S处。
另外或替代地,车辆计算机110可以确定目标车辆106周围的路径的宽度W。例如,车辆计算机110可以确定从主车辆105到沿着路径P的一个或多个对象的横向距离D,如上面所讨论的。另外,车辆计算机110可以确定从主车辆105到目标车辆106的第二横向距离L2,如上面所讨论的。可以通过将横向距离L与第二横向距离L2相加来确定路径的宽度W(参见图3D)。第二距离阈值指定车辆计算机110可以沿着其操作主车辆105的路径的最小宽度。第二阈值可以被存储在车辆计算机110的存储器中。第二距离阈值可以是主车辆105的宽度。在目标车辆106周围的路径的宽度W大于第二距离阈值的情况下,车辆计算机110可以沿着更新路径操作主车辆105。在目标车辆106周围的路径的宽度W等于或小于第二距离阈值的情况下,车辆计算机110可以将主车辆105维持在停止位置S处。
图4A是用于在区域200中操作主车辆105的示例性过程400的流程图的第一部分(图4B中示出了第二部分,因为整个流程图不适合于单个图纸)。过程400在框405中开始。
在框405中,当主车辆105在区域200中操作(例如,以搜索子区域210,诸如停车空间)时,车辆计算机110例如经由车辆网络从一个或多个传感器115接收传感器115数据(例如,图像数据)。图像数据包括主车辆105周围的环境,例如区域200、一个或多个子区域210、一个或多个对象等。车辆计算机110沿着区域200中的路径P操作主车辆。如上面所讨论的,车辆计算机110可以例如经由导航和/或路径规划算法来确定路径P。过程400在框410中继续进行。
在框410中,车辆计算机110确定车辆是否占用子区域210。例如,车辆计算机110可以使用如上面所讨论的图像识别技术来识别子区域210。在识别到子区域210时,车辆计算机110可以使用如上面讨论的对象分类技术来确定所识别的子区域210被车辆占用。例如,车辆计算机110可以例如使用机器学习技术将图像数据输入到分类器中,所述分类器被训练以输出对一个或多个对象的识别或对子区域210中不存在对象的识别。如果分类器将子区域210中的对象识别为车辆,则过程400在框415中继续进行。如果分类器识别子区域210中的对象不是车辆或者识别子区域210中不存在对象,则过程400返回到框405。
在框415中,车辆计算机110基于检测到来自目标车辆106的视觉提示215来将车辆识别为目标车辆106。如上面所讨论的,视觉提示215是从目标车辆输出的指示目标车辆106正在离开子区域210的可见信号。例如,视觉提示215可以由前照灯、尾灯、倒车灯和转向信号灯中的至少一者输出。即,视觉提示215可以是目标车辆106上的外部灯的激活。车辆计算机110可以使用如上面所讨论的对象分类技术来检测视觉提示215。例如,可以进一步训练分类器以基于检测到视觉提示215来输出对目标车辆106的识别,或者基于检测到图像数据中没有视觉提示215而输出对不存在目标车辆106的识别。
另外,车辆计算机110可以基于车辆在主车辆105的第一距离内(如上面所讨论的)来将车辆识别为目标车辆106。例如,车辆计算机110可以基于如上面所讨论的传感器115数据来确定从主车辆105到车辆的距离D,并且随后将距离D与第一距离进行比较。在距离D小于或等于第一距离的情况下,车辆计算机110可以将车辆识别为目标车辆106。在距离D大于第一距离的情况下,车辆计算机110不能将车辆识别为目标车辆106。如果车辆计算机110识别到子区域210中的目标车辆106,则过程400在框420中继续进行。如果车辆计算机110无法识别到子区域210中的目标车辆106,则过程400返回到框405。
在框420中,车辆计算机110确定主车辆105是否在目标车辆106的第二距离内(如上面所讨论的)。第二距离在第一距离内。在确定主车辆105与目标车辆106之间的距离D时,车辆计算机110随后将距离D与第二距离进行比较。如果距离D大于或等于第二距离,则过程400在框425中继续进行。如果距离D小于第二距离,则过程400在框475中继续进行。
在框425中,车辆计算机110例如使用如上面所讨论的导航和/或路径规划算法来确定主车辆105的更新路径。例如,车辆计算机110可以确定更新路径以将主车辆105移动远离目标车辆106。例如,车辆计算机110可以确定主车辆105与对象之间沿着主车辆105的与目标车辆106相对的一侧上的路径P的横向距离L(如上面所讨论的)。随后,车辆计算机110可以将横向距离L与第三距离(如上面所讨论的)进行比较。在横向距离L大于第三距离的情况下,车辆计算机110可以更新路径P以使得横向距离L等于第三距离,即,将主车辆105移动得更靠近对象并远离目标车辆106。在横向距离L小于或等于第三距离的情况下,车辆计算机110可以维持主车辆105的路径P。过程400在框430中继续进行。
在框430中,车辆计算机110确定目标车辆106是否已朝向主车辆105的路径P移动,例如,移出子区域210。例如,车辆计算机110可以基于传感器115数据来确定目标车辆106已移动。例如,车辆计算机110可以基于如上面所讨论的传感器115数据来确定主车辆105与目标车辆106之间的第二横向距离L2。随后,车辆计算机110可以将第二横向距离L2与例如存储在车辆计算机110的存储器中的先前的第二横向距离L2进行比较。如果第二横向距离L2小于先前的第二横向距离L2,则车辆计算机110确定目标车辆106已朝向主车辆105的路径移动。如果第二横向距离L2等于或大于先前的第二横向距离L2,则车辆计算机110确定目标车辆106尚未移动。
作为另一个示例,目标车辆106可以例如经由网络135向车辆计算机110提供目标车辆106的位置数据。车辆计算机110随后可以将目标车辆106的位置数据与目标车辆106的先前位置数据进行比较,以确定目标车辆106是否已朝向主车辆105的路径移动。如果目标车辆106已朝向主车辆105的路径P移动,则过程400在框435中继续进行。否则,过程400在框470中继续进行。
在框435中,车辆计算机110确定目标车辆106的未来位置。例如,车辆计算机110可以基于传感器115数据来确定目标车辆106的行驶方向。如上面所讨论的,车辆计算机110可以基于经由图像数据检测到前照灯来确定目标车辆106相对于主车辆105的路径P向前移动,并且可以基于经由图像数据检测到尾灯和/或倒车灯来确定目标车辆相对于主车辆105的路径P向后移动。
另外,车辆计算机110可以基于传感器115数据来确定目标车辆106的转弯方向。例如,车辆计算机110可以经由如上面所讨论的图像数据来确定目标车辆106的纵向轴线与主车辆105的纵向轴线之间的角度。如果角度是锐角,则车辆计算机110确定目标车辆106正朝向主车辆105转弯。如果角度是钝角,则车辆计算机110确定目标车辆正转弯远离主车辆105。
另外,车辆计算机110可以基于如上面所讨论的对象分类技术来确定一个或多个目标车辆106参数(例如,转弯半径、轴距、尺寸等)。例如,可以进一步训练分类器以基于图像数据输出目标车辆106的类型,例如品牌和型号。随后,车辆计算机110可以基于目标车辆106的类型来确定一个或多个目标车辆106参数。例如,车辆计算机110可以在例如存储器中存储将目标车辆106参数与目标车辆106的类型相关联的查找表等。
基于转弯方向、行驶方向和目标车辆106参数,车辆计算机110可以例如使用常规路径规划算法来确定目标车辆106的路径。替代地,目标车辆106可以例如经由网络向车辆计算机110提供目标车辆106的路径。车辆计算机110随后可以基于路径来确定目标车辆106的未来位置。过程400在框440中继续进行。
在框440中,车辆计算机110确定目标车辆106的未来位置是否将与主车辆105的更新路径相交。例如,车辆计算机110可以将目标车辆106的未来位置与主车辆105的更新路径进行比较。作为另一个示例,车辆计算机110随后可以将目标车辆106的路径与主车辆105的更新路径进行比较。如果目标车辆106的未来位置与主车辆105的更新路径相交,则过程400在框445中继续进行。否则,过程400在框470中继续进行。
现在转向图4B,在图4A所示的框430之后,在框445中,车辆计算机110确定主车辆105的停止位置S。停止位置S是沿着更新路径的位置,在所述位置处车辆计算机110使主车辆105停止,如上面所讨论的。车辆计算机110基于目标车辆106的未来位置来确定停止位置S。例如,车辆计算机110可以基于停止位置S与目标车辆106的未来位置之间的距离等于或大于例如被存储在车辆计算机110的存储器中的第四距离来选择停止位置S。过程400在框450中继续进行。
在框450中,车辆计算机110将主车辆105操作到停止位置S。例如,车辆计算机110致动一个或多个车辆部件125以使主车辆105停止在停止位置S处。过程400在框455中继续进行。
在框455中,车辆计算机110确定目标车辆106是否已停止移动。例如,车辆计算机110可以基于传感器115数据来确定目标车辆已停止移动。例如,车辆计算机110可以确定从目标车辆106到主车辆105的第二横向距离L2,如上面所讨论的。车辆计算机110可以基于第二横向距离L2与先前的第二横向距离L2相同来确定目标车辆106已停止。作为另一个示例,车辆计算机110可以例如经由网络135从目标车辆106接收目标车辆106的位置数据。车辆计算机110随后可以基于将位置数据与先前的位置数据进行比较来确定目标车辆106已停止。如果目标车辆106已停止移动,则过程400在框460中继续进行。否则,过程400在框465中继续进行。
在框460中,车辆计算机110确定目标车辆106在指定的阈值时间量内是否已移动。例如,在确定目标车辆106已停止时,车辆计算机110确定目标车辆106与主车辆105之间的距离D,如上面所讨论的。随后,车辆计算机110基于目标车辆106与主车辆105之间的距离D来确定阈值时间量(即,“时间阈值”),如上面所讨论的。随后,车辆计算机110发起持续时间等于时间阈值的计时器。车辆计算机110可以基于传感器115数据检测到目标车辆106已移动,如上面所讨论的。如果目标车辆106在计时器到期之前移动,则过程400返回到框455。如果目标车辆106在计时器到期之前未移动,则过程400在框470中继续进行。
在框465中,车辆计算机110确定目标车辆106是否在子区域210之外。例如,车辆计算机110可以基于图像数据来确定目标车辆106在子区域210之外,例如使用图像识别技术来确定目标车辆106在子区域210的边界之外。作为另一个示例,车辆计算机110可以将目标车辆106的位置数据(例如,经由网络135从目标车辆106接收)与子车辆210的位置数据(例如,基于被存储在车辆计算机110的存储器中的映射图确定)进行比较。在车辆计算机110确定目标车辆106在子区域210之外的情况下,所述过程在框470中继续进行。在车辆计算机110确定例如目标车辆106的至少一部分保留在子区域210中的情况下,过程400返回到框455。
在框470中,车辆计算机110沿着更新路径操作主车辆105。车辆计算机110致动一个或多个车辆部件125以沿着更新路径操作主车辆105。例如,在框460之后,车辆计算机110可以沿着目标车辆106和子区域210周围的更新路径(即,从一侧到另一侧)操作主车辆105。
作为另一个示例,在框465之后,车辆计算机110可以基于目标车辆106与主车辆105之间的距离D等于或大于阈值距离(如上面所讨论的)来沿着更新路径操作主车辆105。例如,车辆计算机110可以确定目标车辆106与主车辆105之间的距离D,如上面所讨论的。随后,车辆计算机110可以将距离D与阈值距离进行比较。如果距离D小于阈值距离,车辆计算机110可以将主车辆105维持在停止位置S处。否则,车辆计算机110可以沿着更新路径操作主车辆105。
另外或替代地,车辆计算机110可以基于目标车辆106周围的路径的宽度W高于第二距离阈值(如上文面所讨论的)而沿着更新路径操作主车辆105。例如,车辆计算机110可以确定横向距离L和第二横向距离L2,如上面所讨论的。随后,车辆计算机110可以基于横向距离L与第二横向距离L2之和来确定路径的宽度W。随后,车辆计算机110可以将宽度W与第二距离阈值进行比较。如果宽度W小于或等于第二距离阈值,则车辆计算机110可以将主车辆105维持在停止位置处。否则,车辆计算机可以沿着更新路径操作主车辆105。在框470之后,过程400结束。
在框475中,车辆计算机110沿着路径P操作主车辆105。例如,车辆计算机110致动一个或多个车辆部件125以使主车辆105在目标车辆106离开子区域210之前沿着路径P(例如,从目标车辆106的一侧到另一侧)移动。即,车辆计算机110可以在子区域210中的目标车辆106周围操作主车辆105。在框475之后,过程400结束。
如本文所使用,副词“基本上”意指形状、结构、测量结果、数量、时间等因为材料、机加工、制造、数据传输、计算速度等的缺陷而可能偏离精确描述的几何形状、距离、测量结果、数量、时间等。
通常,所描述的计算系统和/或装置可以采用许多计算机操作系统中的任一者,包括但绝不限于以下版本和/或变型:Ford应用、AppLink/Smart Device Link中间件、Microsoft操作系统、Microsoft操作系统、Unix操作系统(例如,由加利福尼亚州红木海岸的甲骨文公司发布的操作系统)、由纽约州阿蒙克市的国际商业机器公司发布的AIX UNIX操作系统、Linux操作系统、由加利福尼亚州库比蒂诺的苹果公司发布的Mac OSX和iOS操作系统、由加拿大滑铁卢的黑莓有限公司发布的BlackBerry OS、以及由谷歌公司和开放手机联盟开发的Android操作系统、或由QNX软件系统公司提供的CAR信息娱乐平台。计算装置的示例包括但不限于车载计算机、计算机工作站、服务器、台式机、笔记本、膝上型计算机或手持计算机、或一些其他计算系统和/或装置。
计算机和计算装置一般包括计算机可执行指令,其中所述指令可能够由一个或多个计算装置(诸如以上所列出的那些)执行。可由使用多种编程语言和/或技术创建的计算机程序编译或解译计算机可执行指令,所述编程语言和/或技术单独地或者组合地包括但不限于JavaTM、C、C++、Matlab、Simulink、Stateflow、Visual Basic、Java Script、Perl、HTML等。这些应用程序中的一些可在诸如Java虚拟机、Dalvik虚拟机等虚拟机上编译和执行。一般来说,处理器(例如,微处理器)例如从存储器、计算机可读介质等接收指令,并且执行这些指令,由此执行一个或多个过程,包括本文所描述的过程中的一者或多者。此类指令和其他数据可以使用各种计算机可读介质来存储和传输。计算装置中的文件通常是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据的集合。
存储器可以包括计算机可读介质(也被称为处理器可读介质),其包括参与提供可以由计算机(例如,由计算机的处理器)读取的数据(例如,指令)的任何非暂时性(例如,有形)介质。此类介质可以采取许多形式,包括但不限于非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他持久性存储器。易失性介质可以包括例如通常构成主存储器的动态随机存取存储器(DRAM)。此类指令可以由一种或多种传输介质传输,所述一种或多种传输介质包括同轴电缆、铜线和光纤,包括构成联接到ECU的处理器的系统总线的电线。计算机可读介质的常见形式包括(例如)软盘、柔性磁盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡片、纸带、具有孔图案的任何其他物理介质、RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储器芯片或盒,或者计算机可从其读取的任何其他介质。
数据库、数据存储库或本文所述的其他数据存储装置可以包括用于存储、访问和检索各种数据的各种机构,包括分层数据库、文件系统中的文件集、呈专用格式的应用数据库、关系数据库管理系统(RDBMS)等。每个此类数据存储装置大体包括在采用计算机操作系统(诸如以上所提到的那些操作系统中的一个操作系统)的计算装置内,并且经由网络以多种方式中的任一种或多种方式来访问。文件系统可以从计算机操作系统访问,并且可以包括以各种格式存储的文件。除了用于创建、存储、编辑和执行已存储的程序的语言(例如上述PL/SQL语言)之外,RDBMS还通常采用结构化查询语言(SQL)。
在一些示例中,系统元件可被实施为一个或多个计算装置(例如,服务器、个人计算机等)上、存储在与其相关联的计算机可读介质(例如,磁盘、存储器等)上的计算机可读指令(例如,软件)。计算机程序产品可以包括存储在计算机可读介质上的用于执行本文所描述功能的此类指令。
关于本文描述的介质、过程、系统、方法、启发等,应当理解,虽然此类过程等的步骤已被描述为按照某一有序的顺序发生,但是可以通过以与本文所述顺序不同的顺序执行所述步骤来实践此类过程。还应理解,可同时执行某些步骤,可添加其他步骤,或者可省略本文所描述的某些步骤。换句话说,本文对过程的描述出于说明某些实施例的目的而提供,并且决不应被解释为限制权利要求。
因此,应理解,以上描述意图为说明性的而非限制性的。形容词“第一”、“第二”、“第三”和“第四”贯穿本文档用作标识符,而非意图表示重要性或顺序。在阅读了以上描述之后,除了所提供的示例之外的许多实施例和应用对于本领域技术人员而言将是明显的。不应参考以上描述来确定本发明的范围,而应参考所附权利要求连同这些权利要求赋予的等效物的全部范围来确定。设想并预期未来的发展将在本文讨论的技术中发生,并且所公开的系统和方法将结合到此类未来实施例中。总之,应理解,本发明能够进行修改和变化,并且仅受所附权利要求的限制。
除非本文做出明确的相反指示,否则权利要求中使用的所有术语意图给出如本领域技术人员所理解的普通和一般的含义。具体地,除非权利要求叙述相反的明确限制,否则使用诸如“一个”、“该”、“所述”等单数冠词应被解读为叙述所指示的要素中的一者或多者。
根据本发明,提供了一种系统,所述系统具有计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令可由所述处理器执行以:在区域中操作主车辆时,基于检测到来自所述子区域中的目标车辆的视觉提示来识别所述目标车辆;预测所述目标车辆的未来位置与所述主车辆的路径将相交;基于所述目标车辆的所述未来位置来确定所述主车辆的停止位置;以下中的至少一项:(a)确定所述目标车辆已经移动,或者(b)更新所述主车辆的所述路径;以及随后将所述主车辆操作到所述停止位置或者沿着所述更新路径操作所述主车辆。
根据一个实施例,所述指令还包括用于进行以下操作的指令:进一步基于所述目标车辆在所述主车辆的第一距离内来识别所述目标车辆。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述目标车辆在所述主车辆的第二距离内来沿着所述路径操作所述主车辆,其中所述第二距离小于所述第一距离。
根据一个实施例,所述指令还包括用于进行以下操作的指令:在确定所述目标车辆已经停止时,基于检测到所述目标车辆在经过指定时间之后保持停止来沿着所述更新路径操作所述主车辆。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述停止的目标车辆与所述主车辆之间的距离来确定所述指定时间。
根据一个实施例,所述指令还包括用于进行以下操作的指令:在识别所述目标车辆时,以低于阈值的速度操作所述主车辆。
根据一个实施例,所述指令还包括用于进行以下操作的指令:将主车辆传感器数据输入到机器学习程序中,所述机器学习程序被编程为输出对所述目标车辆的识别。
根据一个实施例,所述未来位置部分地由所述目标车辆的路径限定。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述目标车辆的行驶方向和所述目标车辆的转弯方向来预测所述目标车辆的所述路径。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于经由传感器数据识别所述目标车辆的前照灯或尾灯中的一者来确定所述目标车辆的所述行驶方向。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于检测到一个或多个目标车辆部件的致动来确定所述目标车辆的所述转弯方向。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于确定所述主车辆的纵向轴线与所述目标车辆的纵向轴线之间的角度来确定所述目标车辆的所述转弯方向。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于从所述停止位置到所述未来位置的距离等于或大于指定距离来确定所述停止位置。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于从所述主车辆到对象的横向距离大于指定距离来更新所述主车辆的所述路径,所述主车辆在所述目标车辆与所述对象之间。
根据一个实施例,所述视觉提示由前照灯、尾灯、倒车灯和转向信号灯中的至少一者输出。
根据本发明,一种方法包括:在区域中操作主车辆时,基于检测到来自所述子区域中的目标车辆的视觉提示来识别所述目标车辆;预测所述目标车辆的未来位置与所述主车辆的路径将相交;基于所述目标车辆的所述未来位置来确定所述主车辆的停止位置;以下中的至少一项:(a)确定所述目标车辆已经移动,或者(b)更新所述主车辆的所述路径;随后将所述主车辆操作到所述停止位置或者沿着所述更新路径操作所述主车辆。
根据一个实施例,本发明的特征还在于,进一步基于所述目标车辆在所述主车辆的第一距离内来识别所述目标车辆。
根据一个实施例,本发明的特征还在于,基于从所述停止位置到所述未来位置的距离等于或大于指定距离来确定所述停止位置。
根据一个实施例,本发明的特征还在于,基于从所述主车辆到对象的横向距离大于指定距离来更新所述主车辆的所述路径,所述主车辆在所述目标车辆与所述对象之间。
根据一个实施例,本发明的特征还在于,在确定所述目标车辆已经停止时,基于检测到所述目标车辆在经过指定时间之后保持停止来沿着所述更新路径操作所述主车辆。
Claims (15)
1.一种方法,其包括:
在区域中操作主车辆时,基于检测到从子区域中的目标车辆输出的视觉提示来识别所述目标车辆;
预测所述目标车辆的未来位置与所述主车辆的路径将相交;
基于所述目标车辆的所述未来位置来确定所述主车辆的停止位置;
以下中的至少一项:(a)确定所述目标车辆已经移动,或者(b)更新所述主车辆的所述路径;以及
随后将所述主车辆操作到所述停止位置或者沿着所述更新路径操作所述主车辆。
2.如权利要求1所述的方法,其还包括进一步基于所述目标车辆在所述主车辆的第一距离内来识别所述目标车辆。
3.如权利要求2所述的方法,其还包括基于所述目标车辆在所述主车辆的第二距离内来沿着所述路径操作所述主车辆,其中所述第二距离小于所述第一距离。
4.如权利要求1所述的方法,其还包括在确定所述目标车辆已经停止时,基于检测到所述目标车辆在经过指定时间之后保持停止来沿着所述更新路径操作所述主车辆。
5.如权利要求1所述的方法,其还包括将主车辆传感器数据输入到机器学习程序中,所述机器学习程序被编程为输出对所述目标车辆的识别。
6.如权利要求1所述的方法,其中所述未来位置部分地由所述目标车辆的路径限定。
7.如权利要求6所述的方法,其还包括基于所述目标车辆的行驶方向和所述目标车辆的转弯方向来预测所述目标车辆的所述路径。
8.如权利要求7所述的方法,其还包括基于经由传感器数据识别所述目标车辆的前照灯或尾灯中的一者来确定所述目标车辆的所述行驶方向。
9.如权利要求7所述的方法,其还包括基于检测到一个或多个目标车辆部件的致动来确定所述目标车辆的所述转弯方向。
10.如权利要求7所述的方法,其还包括基于确定所述主车辆的纵向轴线与所述目标车辆的纵向轴线之间的角度来确定所述目标车辆的所述转弯方向。
11.如权利要求1所述的方法,其还包括基于从所述停止位置到所述未来位置的距离等于或大于指定距离来确定所述停止位置。
12.如权利要求1所述的方法,其中所述视觉提示由前照灯、尾灯、倒车灯和转向信号灯中的至少一者输出。
13.一种车辆,其包括被编程为执行如权利要求1至12中任一项所述的方法的计算机。
14.一种计算机,其被编程为执行如权利要求1至12中任一项所述的方法。
15.一种计算机程序产品,其包括用于执行如权利要求1至12中任一项所述的方法的指令。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/807,738 US11897468B2 (en) | 2020-03-03 | 2020-03-03 | Vehicle control system |
US16/807,738 | 2020-03-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113335273A true CN113335273A (zh) | 2021-09-03 |
Family
ID=77389194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110218600.5A Pending CN113335273A (zh) | 2020-03-03 | 2021-02-26 | 车辆控制系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11897468B2 (zh) |
CN (1) | CN113335273A (zh) |
DE (1) | DE102021104763A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11858536B1 (en) * | 2020-10-31 | 2024-01-02 | Uatc, Llc | Systems and methods for interactive prediction and planning |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10216346A1 (de) * | 2002-04-13 | 2003-10-23 | Valeo Schalter & Sensoren Gmbh | Einparkhilfesystem für Fahrzeuge und Verfahren |
US7541743B2 (en) * | 2002-12-13 | 2009-06-02 | Ford Global Technologies, Llc | Adaptive vehicle communication controlled lighting system |
DE102009029456B4 (de) | 2009-09-15 | 2023-03-02 | Robert Bosch Gmbh | Verfahren zur Unterstützung eines Einparkvorgangs |
US9963127B2 (en) * | 2010-01-15 | 2018-05-08 | Volvo Car Corporation | Collision mitigation system and method for braking a vehicle |
US20130030651A1 (en) * | 2011-07-25 | 2013-01-31 | GM Global Technology Operations LLC | Collision avoidance maneuver through differential braking |
DE102011086210A1 (de) | 2011-11-11 | 2013-05-16 | Robert Bosch Gmbh | Verfahren zur Unterstützung eines Fahrers eines Kraftfahrzeugs sowie Vorrichtung zur Durchführung des Verfahrens |
KR101498976B1 (ko) * | 2013-12-19 | 2015-03-05 | 현대모비스(주) | 차량용 주차지원시스템 및 주차지원방법 |
JP6110349B2 (ja) * | 2014-09-12 | 2017-04-05 | アイシン精機株式会社 | 駐車支援装置 |
JP6530705B2 (ja) * | 2015-12-25 | 2019-06-12 | 株式会社デンソー | 運転支援装置及び運転支援方法 |
JP6344402B2 (ja) * | 2016-01-20 | 2018-06-20 | トヨタ自動車株式会社 | 車両の運転支援装置 |
JP6519504B2 (ja) * | 2016-03-15 | 2019-05-29 | トヨタ自動車株式会社 | 運転支援装置 |
KR101832466B1 (ko) * | 2016-06-14 | 2018-04-13 | 엘지전자 주식회사 | 자동주차 보조장치 및 이를 포함하는 차량 |
KR20180037414A (ko) | 2016-10-04 | 2018-04-12 | 엘지전자 주식회사 | 자동주차 보조장치 및 이를 포함하는 차량 |
US10802484B2 (en) * | 2016-11-14 | 2020-10-13 | Baidu Usa Llc | Planning feedback based decision improvement system for autonomous driving vehicle |
KR102320253B1 (ko) * | 2017-04-19 | 2021-11-02 | 현대자동차주식회사 | 차량 및 그 제어방법 |
US10504367B2 (en) * | 2017-04-24 | 2019-12-10 | Ford Global Technologies, Llc | Navigation assisted collision avoidance at intersections |
JP6567602B2 (ja) * | 2017-06-22 | 2019-08-28 | 株式会社東芝 | 情報処理装置、情報処理システム、および情報処理方法 |
US10239452B1 (en) * | 2017-11-15 | 2019-03-26 | Ford Global Technologies, Llc | Minimizing false collision avoidance warnings |
US11084487B1 (en) * | 2018-01-09 | 2021-08-10 | State Farm Mutual Automobile Insurance Company | Vehicle collision alert system and method for facilitating vehicle collision avoidance |
US10755575B2 (en) * | 2018-08-30 | 2020-08-25 | Cisco Technology, Inc. | Raw sensor data sharing for enhanced fleet-wide environmental awareness and safety |
KR102592825B1 (ko) * | 2018-08-31 | 2023-10-23 | 현대자동차주식회사 | 충돌 회피 제어 장치 및 그 방법 |
US10829113B2 (en) * | 2018-09-17 | 2020-11-10 | Ford Global Technologies, Llc | Vehicle collision avoidance |
US11372100B2 (en) * | 2018-10-23 | 2022-06-28 | Baidu Usa Llc | Radar object classification and communication using smart targets |
US10928826B2 (en) * | 2018-10-26 | 2021-02-23 | Lyft, Inc. | Sensor fusion by operations-control vehicle for commanding and controlling autonomous vehicles |
JP7127489B2 (ja) * | 2018-10-31 | 2022-08-30 | 株式会社デンソー | 車両制御装置 |
US11209821B2 (en) * | 2018-11-02 | 2021-12-28 | Aurora Operations, Inc. | Labeling autonomous vehicle data |
US11110918B2 (en) * | 2018-11-02 | 2021-09-07 | Zoox, Inc. | Dynamic collision checking |
US11077878B2 (en) * | 2018-11-02 | 2021-08-03 | Zoox, Inc. | Dynamic lane biasing |
JP7240629B2 (ja) * | 2019-03-01 | 2023-03-16 | トヨタ自動車株式会社 | 運行制御装置及び車両 |
US11420625B2 (en) * | 2019-07-03 | 2022-08-23 | Ford Global Technologies, Llc | Vehicle intersection operation |
US11225247B2 (en) * | 2019-08-21 | 2022-01-18 | Zoox, Inc. | Collision prediction and avoidance for vehicles |
JP7262374B2 (ja) * | 2019-11-20 | 2023-04-21 | ヤンマーパワーテクノロジー株式会社 | 作業車両用の自動走行システム |
CN115719481A (zh) * | 2020-05-14 | 2023-02-28 | 御眼视觉技术有限公司 | 用于涉及交通灯和交通标志的交通工具导航的系统和方法 |
DE102021122595A1 (de) * | 2020-09-09 | 2022-03-10 | Toyota Jidosha Kabushiki Kaisha | Warnvorrichtung für Bezugsfahrzeug |
JP7414025B2 (ja) * | 2021-01-21 | 2024-01-16 | トヨタ自動車株式会社 | 衝突回避支援装置 |
JP2022125597A (ja) * | 2021-02-17 | 2022-08-29 | トヨタ自動車株式会社 | 車両衝突回避支援装置 |
US11926346B2 (en) * | 2021-08-05 | 2024-03-12 | Nvidia Corporation | Behavior planning for autonomous vehicles in yield scenarios |
-
2020
- 2020-03-03 US US16/807,738 patent/US11897468B2/en active Active
-
2021
- 2021-02-26 DE DE102021104763.3A patent/DE102021104763A1/de active Pending
- 2021-02-26 CN CN202110218600.5A patent/CN113335273A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20210276553A1 (en) | 2021-09-09 |
DE102021104763A1 (de) | 2021-09-09 |
US11897468B2 (en) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11348343B1 (en) | Vehicle parking navigation | |
CN110927733A (zh) | 传感器视野映射 | |
US11794787B2 (en) | Vehicle assist feature control | |
CN111038507A (zh) | 受传感器限制的车道变换 | |
US11845431B2 (en) | Enhanced vehicle operation | |
CN112319456A (zh) | 车辆威胁检测和响应 | |
CN113715806A (zh) | 基于车道的车辆控制 | |
US11574463B2 (en) | Neural network for localization and object detection | |
US20220274592A1 (en) | Vehicle parking navigation | |
CN111063207A (zh) | 自适应车辆基础设施通信 | |
US20220178715A1 (en) | Vehicle path determination | |
US11164457B2 (en) | Vehicle control system | |
CN113306554A (zh) | 车辆让路决策 | |
US11897468B2 (en) | Vehicle control system | |
US11572731B2 (en) | Vehicle window control | |
CN112446466A (zh) | 在深度神经网络中测量置信度 | |
CN112462383A (zh) | 定位移动对象 | |
US11945456B2 (en) | Vehicle control for optimized operation | |
US11639173B2 (en) | Vehicle planned path signal | |
US20220063671A1 (en) | Vehicle operation along planned path | |
US11794737B2 (en) | Vehicle operation | |
US11667304B2 (en) | Enhanced vehicle operation | |
US11708075B2 (en) | Enhanced adaptive cruise control | |
US11636688B1 (en) | Enhanced vehicle operation | |
US20230159032A1 (en) | Vehicle lane-change operations |
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 |