CN113391628A - 用于自动驾驶车辆的障碍物预测系统 - Google Patents

用于自动驾驶车辆的障碍物预测系统 Download PDF

Info

Publication number
CN113391628A
CN113391628A CN202011029349.XA CN202011029349A CN113391628A CN 113391628 A CN113391628 A CN 113391628A CN 202011029349 A CN202011029349 A CN 202011029349A CN 113391628 A CN113391628 A CN 113391628A
Authority
CN
China
Prior art keywords
traffic
lane
obstacle
autonomous vehicle
indicator
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
Application number
CN202011029349.XA
Other languages
English (en)
Inventor
朱帆
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.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
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 Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN113391628A publication Critical patent/CN113391628A/zh
Pending legal-status Critical Current

Links

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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • 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
    • B60W40/04—Traffic 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/45—Pedestrian sidewalk
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

公开了操作自动驾驶车辆(ADV)的系统/方法的实施方式。在一个实施方式中，系统使用安装在ADV上的多个传感器来感知ADV周围的驾驶环境，包括一个或多个障碍物。系统从在ADV的预定半径内识别的一个或多个交通指示器接收交通信号信息。对于一个或多个障碍物中的每个，系统确定障碍物是否位于具有由一个或多个交通指示器协调的交通流的车道上。系统基于车道的交通信号信息来预测障碍物的行为。系统基于预测的一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹来控制ADV。

Description

用于自动驾驶车辆的障碍物预测系统
技术领域
本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及一种用于自动驾驶车辆(ADV)的使用车辆到万物的V2X通信的障碍物预测系统。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
V2X通常用于向ADV提供关于ADV的当前行驶车道的交通信号信息。ADV可使用其传感器系统基于所感知的障碍物的历史位置/速度来预测障碍物的行为。然而，预测限于由传感器系统进行的观察。
发明内容
在第一方面，本公开提供了一种用于操作自动驾驶车辆(ADV)的计算机实施的方法，该方法包括：使用安装在ADV上的多个传感器来感知ADV周围的、包括一个或多个障碍物的驾驶环境；从在ADV的预定接近度内识别的一个或多个交通指示器接收交通信号信息；对于一个或多个障碍物中的每个，确定该障碍物是否位于具有由一个或多个交通指示器协调的交通流的车道上，以及基于车道的交通信号信息来预测该障碍物的行为；以及基于所预测的一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹控制ADV。
在第二方面，本公开提供了一种存储有指令的非暂时性机器可读介质，指令在由一个或多个处理器执行时致使一个或多个处理器执行操作，该操作包括：使用安装在ADV上的多个传感器来感知ADV周围的、包括一个或多个障碍物的驾驶环境；从在ADV的预定接近度内识别的一个或多个交通指示器接收交通信号信息；对于一个或多个障碍物中的每个，确定该障碍物是否位于具有由一个或多个交通指示器协调的交通流的车道上，以及基于车道的交通信号信息来预测该障碍物的行为；以及基于所预测的一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹控制ADV。
在第三方面，本公开提供了一种数据处理系统，该数据处理系统包括：一个或多个处理器；以及存储器，其联接至一个或多个处理器以存储指令，指令在由一个或多个处理器执行时致使一个或多个处理器执行操作，该操作包括：使用安装在ADV上的多个传感器来感知ADV周围的、包括一个或多个障碍物的驾驶环境；从在ADV的预定接近度内识别的一个或多个交通指示器接收交通信号信息；对于一个或多个障碍物中的每个，确定该障碍物是否位于具有由一个或多个交通指示器协调的交通流的车道上，以及基于车道的交通信号信息来预测该障碍物的行为；以及基于所预测的一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹控制ADV。
附图说明
本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考标记指示相似元件。
图1是示出根据一个实施方式的网络化系统的框图。
图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。
图4是示出根据一个实施方式的V2X障碍物模块的示例的框图。
图5是示出根据一个实施方式的ADV预测障碍物的行为的场景的示例的框图。
图6A示出根据一个实施方式的示例性交通指示器-车道映射。
图6B示出根据一个实施方式的示例性交通指示器-障碍物映射。
图7是示出根据一个实施方式的由ADV执行的方法的流程图。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是本公开的说明，而不应当解释为对本公开进行限制。描述了许多特定细节以提供对本公开的各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节，以提供对本公开的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
公开了操作自动驾驶车辆(ADV)的系统/方法的实施方式。在一个实施方式中，系统使用安装在ADV上的多个传感器来感知ADV周围的驾驶环境，包括一个或多个障碍物。系统从在ADV的预定半径或接近度内识别的一个或多个交通指示器接收交通信号信息。对于一个或多个障碍物中的每个，系统确定障碍物是否位于具有由一个或多个交通指示器协调的交通流的车道上。系统基于车道的交通信号信息来预测障碍物的行为。系统基于预测的一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹来控制ADV。
图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，网络配置100包括可通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
自动驾驶车辆是指可配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可包括传感器系统，所述传感器系统具有配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自动驾驶车辆101还可包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。
现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS单元212可包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可另外感测对象的速度和/或前进方向。LIDAR单元215可使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，LIDAR单元215还可包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可集成为集成式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。
返回参考图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储装置)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。可替代地，感知与规划系统110可与车辆控制系统111集成在一起。
例如，作为乘客的用户可例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。可替代地，此类位置和MPOI信息可本地高速缓存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可由第三方实体进行操作。可替代地，服务器103至104的功能可与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。
服务器103可以是数据分析系统，从而为各种客户执行数据分析服务。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括指示所发出的驾驶指令(例如，油门、制动、转向指令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如，速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述不同时间点下的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、MPOI、天气状况和道路状况(诸如高速公路上的缓慢交通、停止的交通、车祸、道路施工、临时绕行、不明障碍物)等。
基于驾驶统计数据123，出于各种目的，机器学习引擎122生成或训练一组规则、算法和/或预测模型124，包括将道路车道映射到交通灯信号的模型。模型124还可包括预测模型，以根据障碍物所处的相应道路车道的交通灯信号来预测障碍物将如何表现(例如，向前移动、向后移动、停止、向左转弯或向右转弯)。然后，算法/模型124可上传到ADV上，以便在自动驾驶期间实时使用。
交通信号服务125可经由应用编程接口(API)与ADV进行无线通信，以便ADV请求和接收ADV的直接周围环境中的交通灯的交通信号信息。在另一实施方式中，ADV可经由网络直接与一个或多个交通灯通信。该通信可以是车辆到万物的V2X通信。这里，V2X通信包括但不限于车辆到网络、车辆到基础设施、车辆到车辆、车辆到行人、车辆到设备、车辆到电网等的通信。
图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线安排模块307和障碍物交通模块308。
模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至308中的一些可一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS单元212)以及管理与用户的行程或路线相关的任何数据。定位模块301(又称作为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图与路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可作为地图与路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息，诸如，例如车道的形状(例如，直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分开车道、出口车道等。
感知模块302可包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象，预测模块303预测对象在这种情况下将如何表现。预测是基于感知数据执行的，该感知数据在考虑一组地图/路线信息311和交通规则312的时间点感知驾驶环境。例如，如果对象为相反方向上的车辆且当前驾驶环境包括十字路口，则预测模块303将预测车辆是否可能会笔直向前移动或转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于左转唯一车道或右转唯一车道，则预测模块303可能预测车辆将更可能分别左转或右转。
针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可存储在永久性存储装置352中。
路线安排模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于从起始位置到目的地位置的给定行程，例如从用户接收的给定行程，路线安排模块307获得路线与地图信息311，并确定从起始位置至到达目的地位置的所有可能路线或路径。路线安排模块307可生成地形图形式的参考线，它确定了从起始位置至到达目的地位置的每个路线。参考线是指不受其它诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。即，如果道路上没有其它车辆、行人或障碍物，则ADV应精确地或紧密地跟随参考线。然后，将地形图提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线，以根据由其它模块提供的其它数据选择和更改最佳路线中的一个，其中，其它数据诸如为来自定位模块301的交通状况、由感知模块302感知到的驾驶环境以及由预测模块303预测的交通状况。根据时间点下的特定驾驶环境，用于控制ADV的实际路径或路线可能接近于或不同于由路线安排模块307提供的参考线。
基于针对所感知到的对象中的每个的决定，规划模块305使用由路线安排模块307提供的参考线作为基础，为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可决定超过所述对象，而规划模块305可确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转弯命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施方式中，规划阶段在多个规划周期(也称作为命令周期)中执行，例如，在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或命令周期中的每一个，将基于规划和控制数据发出一个或多个控制命令。即，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需要的时间。可替代地，规划模块305还可规定具体的速度、方向和/或转向角等。在一个实施方式中，规划模块305为下一个预定时段(诸如，5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于在前一周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。控制模块306然后基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门、制动、转向控制命令)。
应注意，决策模块304和规划模块305可集成为集成模块。决策模块304/规划模块305可包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可根据经由用户接口系统113进行的用户输入来设定。导航系统可在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
决策模块304/规划模块305还可包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其它方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可通过以下方式实现自动驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统可基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统可自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。
图4是示出根据一个实施方式的障碍物交通模块的示例的框图。参照图4，障碍物交通模块308可联接至无线通信接口411，以从交通信号服务(诸如图1的交通信号服务125)请求和接收交通信号信息。在另一实施方式中，交通信号服务125的交通信号信息可由第三方交通控制器444提供。在另一实施方式中，障碍物交通模块308可直接与周围信号基础设施和/或设备(例如，交通灯321)通信以获得交通信号信息。障碍物交通模块308可包括诸如障碍物感知器401、交通信号信息接收器403、车道标识符405、障碍物-交通灯映射器407、障碍物行为预测409和轨迹规划器410的子模块。
障碍物感知器401可感知ADV周围的障碍物。障碍物可由ADV配备的任何传感器感知，包括但不限于LIDAR、雷达、彩色摄像机、飞行时间摄像机等。交通信号信息接收器403可接收用于特定交通灯的交通信号信息。用于特定交通灯的交通信号信息可包括交通灯标识符、位置、当前灯指示颜色、当前灯指示颜色的定时、以及到相应交通灯的下一个灯指示颜色的定时。车道标识符405可标识所感知的障碍物的道路车道。障碍物-交通灯映射器407可基于障碍物的地理位置将交通灯映射到具体障碍物。障碍物行为预测409可预测具体障碍物的下一行为。这里，障碍物可以是另一车辆、摩托车、行人、自行车/踏板车等。轨迹规划器410可基于对预测为接近ADV的路径的障碍物的障碍物行为预测来规划ADV的轨迹(定时路径)。这里，可通过识别ADV的当前车道并基于当前车道生成ADV的轨迹来规划ADV的路径。
图5是示出根据一个实施方式的ADV预测障碍物的行为的场景的示例的框图。参照图5，在该场景下，ADV 101正在接近道路交叉口，其中，道路交叉口可包括一个或多个交通灯500至506以及一个或多个行人灯531。
在一个实施方式中，ADV 101感知障碍物511、513和515，并且预测这些障碍物可越过或接近ADV 101的规划轨迹。在一个实施方式中，ADV 101从交通信号服务或交通灯基础设施获得交通信号信息。该信息可用于在ADV 101的阈值半径或接近度(例如，200至300米)内的交通灯。在这种情况下，所接收的交通信号信息可以是用于交通灯500、502、504、506、509和530的信息。应注意，交通灯509是用于合并车道的交通灯，而灯530是用于人行道的交通灯。
接下来，ADV 101检索地图与路线信息，例如，图3A的地图与路线信息311。地图与路线信息可包括用于被映射到车道(例如，车道标识符)的交通灯/指示器(例如，交通指示器标识符)的映射。图6A示出了示例性交通指示器-车道映射。应注意，车道可对应于一个或多个指示灯。
参照图5和图6A，灯500映射到车道520、521；灯502映射到车道522、523；灯504映射到车道524、525；灯506映射到车道526、527；灯509映射到车道529；以及灯530映射到车道524、525、531和532。基于灯/指示器-车道映射，ADV 101可基于感知到的障碍物的地理位置生成实时交通灯/指示器-障碍物映射。例如，如果感知到障碍物位于车道524上，则将障碍物515映射到灯504，如果感知到障碍物513位于车道529上，则将障碍物513映射到灯509，以及如果感知到障碍物511位于车道531上，则将障碍物511映射到灯530。在图6B中示出了用于交通指示器-障碍物映射的示例。应注意，交通指示器-障碍物映射实时更新，并且具体障碍物可对应于一个或多个交通指示器/灯。
基于实时交通指示器-障碍物映射，ADV 101可基于对应于障碍物的一个或多个具体交通信号的实时交通信号信息来预测障碍物的行为。例如，ADV 101可基于灯509和506的信号指示颜色来预测障碍物513将行进通过车道529和车道527的事件的概率。例如，如果灯509和506都是绿色，并且当前信号定时远高于行进所需的时间，则ADV 101将预测障碍物513将进入车道527并穿过交叉口。
可对障碍物511和515进行类似的预测。例如，如果行人灯530发出行走(或绿色)信号，则障碍物511被预测为穿过车道524至525和车道531至532。如果障碍物515位于车道524上，则允许指示左转弯的当前指示器，ADV 101可预测障碍物515将继续向左转。基于预测，ADV 101可规划轨迹并使用所规划的轨迹来控制ADV 101以避开障碍物。尽管图5仅包括障碍物类型的行人和车辆，但其它类型的障碍物也是可能的。
图7是示出根据一个实施方式的由ADV执行的方法的流程图。过程700可由可包括软件、硬件或其组合的处理逻辑来执行。例如，过程700可由图4的障碍物交通模块308执行。参照图7，在框701处，处理逻辑使用安装在ADV上的多个传感器来感知ADV周围的驾驶环境，包括一个或多个障碍物。在框702处，处理逻辑从在ADV的预定接近度内识别的一个或多个交通灯接收交通信号信息。在框703处，对于一个或多个障碍物中的每个，处理逻辑确定障碍物是否位于具有由一个或多个交通灯协调的交通流的车道上。在框704处，处理逻辑基于车道的交通信号信息预测障碍物的行为。在框705处，处理逻辑基于所预测的一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹来控制ADV。
在一个实施方式中，确定障碍物是否位于具有由一个或多个交通灯协调的交通流的车道上包括：对于一个或多个交通灯中的每个，基于地图信息确定具有由交通灯控制的交通流的一个或多个车道；根据地图信息基于障碍物的位置识别障碍物的车道；以及确定所识别的车道是否与一个或多个车道中的任一个相匹配。在一个实施方式中，基于车道的交通信号信息预测障碍物的行为包括：确定用于车道的交通灯具有绿色指示颜色并确定障碍物将继续通过交通灯，以及确定用于车道的交通灯具有红色指示颜色并确定障碍物将在交通灯之前停止。
在一个实施方式中，交通信号信息包括交通灯标识符、位置、当前灯指示颜色、当前灯指示颜色的定时以及到下一个灯指示颜色的定时。在一个实施方式中，处理逻辑还基于地图信息来识别ADV所处的车道，基于所接收的车道的交通信号信息来确定车道的交通流，以及基于车道的交通流和预测的一个或多个障碍物的行为来规划轨迹。
在一个实施方式中，ADV经由车辆到万物(V2X)通信接收交通信号信息。在一个实施方式中，障碍物包括车辆，以及交通灯是车辆交通灯，或者障碍物包括行人，以及交通灯是人行道灯。
应注意，如上文示出和描述的部件中的一些或全部可在软件、硬件或其组合中实施。例如，此类部件可实施为安装并存储在永久性存储装置中的软件，所述软件可通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。可替代地，此类部件可实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储装置、传输或显示装置内类似地表示为物理量的其它数据。
本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可按不同的顺序执行。此外，一些操作可并行地执行而不是顺序地执行。
本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可使用多种编程语言来实施如本文描述的本公开的实施方式的教导。
在以上的说明书中，已经参考本公开的具体示例性实施方式对本公开的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可对本发明作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (21)

1.一种用于操作自动驾驶车辆的计算机实施的方法，所述方法包括：
使用安装在所述自动驾驶车辆上的多个传感器来感知所述自动驾驶车辆周围的、包括一个或多个障碍物的驾驶环境；
从在所述自动驾驶车辆的预定接近度内识别的一个或多个交通指示器接收交通信号信息；
对于所述一个或多个障碍物中的每个，
确定该障碍物是否位于具有由所述一个或多个交通指示器协调的交通流的车道上，以及
基于所述车道的交通信号信息来预测该障碍物的行为；以及
基于所预测的所述一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹控制所述自动驾驶车辆。
2.如权利要求1所述的计算机实施的方法，其中，确定该障碍物是否位于具有由所述一个或多个交通指示器协调的交通流的车道上包括：
对于所述一个或多个交通指示器中的每个，基于地图信息确定具有由所述交通指示器控制的交通流的一个或多个车道；
根据所述地图信息，基于该障碍物的位置识别该障碍物的车道；以及
确定所识别的车道是否与所述一个或多个车道中的任一个相匹配。
3.如权利要求1所述的计算机实施的方法，其中，基于所述车道的交通信号信息来预测该障碍物的行为包括：
确定用于所述车道的交通指示器具有绿色指示颜色，并确定该障碍物将继续通过所述交通指示器，或者
确定用于所述车道的所述交通指示器具有红色指示颜色，并确定该障碍物将在所述交通指示器之前停止。
4.如权利要求1所述的计算机实施的方法，其中，所述交通信号信息包括交通指示器标识符、位置、当前灯指示颜色、当前灯指示颜色的定时以及到下一个灯指示颜色的定时。
5.如权利要求1所述的计算机实施的方法，还包括：
基于所述地图信息识别所述自动驾驶车辆所处的车道；
基于所接收的所述车道的交通信号信息，确定所述车道的交通流；以及
基于所述车道的交通流和所预测的所述一个或多个障碍物的行为来规划所述轨迹。
6.如权利要求1所述的计算机实施的方法，其中，所述交通信号信息由所述自动驾驶车辆经由车辆到万物通信进行接收。
7.如权利要求1所述的计算机实施的方法，其中，
障碍物包括车辆，并且所述交通指示器是车辆交通指示器，或者
所述障碍物包括行人，并且所述交通指示器是人行道指示器。
8.一种存储有指令的非暂时性机器可读介质，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器执行操作，所述操作包括：
使用安装在自动驾驶车辆上的多个传感器来感知所述自动驾驶车辆周围的、包括一个或多个障碍物的驾驶环境；
从在所述自动驾驶车辆的预定接近度内识别的一个或多个交通指示器接收交通信号信息；
对于所述一个或多个障碍物中的每个，
确定该障碍物是否位于具有由所述一个或多个交通指示器协调的交通流的车道上，以及
基于所述车道的交通信号信息来预测该障碍物的行为；以及
基于所预测的所述一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹控制所述自动驾驶车辆。
9.如权利要求8所述的非暂时性机器可读介质，其中，确定该障碍物是否位于具有由所述一个或多个交通指示器协调的交通流的车道上包括：
对于所述一个或多个交通指示器中的每个，基于地图信息确定具有由所述交通指示器控制的交通流的一个或多个车道；
根据所述地图信息，基于该障碍物的位置识别该障碍物的车道；以及
确定所识别的车道是否与所述一个或多个车道中的任一个相匹配。
10.如权利要求8所述的非暂时性机器可读介质，其中，基于所述车道的交通信号信息来预测该障碍物的行为包括：
确定用于所述车道的交通指示器具有绿色指示颜色，并确定该障碍物将继续通过所述交通指示器，或者
确定用于所述车道的所述交通指示器具有红色指示颜色，并确定该障碍物将在所述交通指示器之前停止。
11.如权利要求8所述的非暂时性机器可读介质，其中，所述交通信号信息包括交通指示器标识符、位置、当前灯指示颜色、当前灯指示颜色的定时以及到下一个灯指示颜色的定时。
12.如权利要求8所述的非暂时性机器可读介质，其中，所述操作还包括：
基于所述地图信息识别所述自动驾驶车辆所处的车道；
基于所接收的所述车道的交通信号信息，确定所述车道的交通流；以及
基于所述车道的交通流和所预测的所述一个或多个障碍物的行为来规划所述轨迹。
13.如权利要求8所述的非暂时性机器可读介质，其中，所述交通信号信息由所述自动驾驶车辆经由车辆到万物通信进行接收。
14.如权利要求8所述的非暂时性机器可读介质，其中，
障碍物包括车辆，并且所述交通指示器是车辆交通指示器，或者
所述障碍物包括行人，并且所述交通指示器是人行道指示器。
15.一种数据处理系统，包括：
一个或多个处理器；以及
存储器，联接至所述一个或多个处理器以存储指令，所述指令在由所述一个或多个处理器执行时致使所述一个或多个处理器执行操作，所述操作包括：
使用安装在自动驾驶车辆上的多个传感器来感知所述自动驾驶车辆周围的、包括一个或多个障碍物的驾驶环境；
从在所述自动驾驶车辆的预定接近度内识别的一个或多个交通指示器接收交通信号信息；
对于所述一个或多个障碍物中的每个，
确定该障碍物是否位于具有由所述一个或多个交通指示器协调的交通流的车道上，以及
基于所述车道的交通信号信息来预测该障碍物的行为；以及
基于所预测的所述一个或多个障碍物的行为来规划轨迹，以基于所规划的轨迹控制所述自动驾驶车辆。
16.如权利要求15所述的系统，其中，确定该障碍物是否位于具有由所述一个或多个交通指示器协调的交通流的车道上包括：
对于所述一个或多个交通指示器中的每个，基于地图信息确定具有由所述交通指示器控制的交通流的一个或多个车道；
根据所述地图信息，基于该障碍物的位置识别该障碍物的车道；以及
确定所识别的车道是否与所述一个或多个车道中的任一个相匹配。
17.如权利要求15所述的系统，其中，基于所述车道的交通信号信息来预测该障碍物的行为包括：
确定用于所述车道的交通指示器具有绿色指示颜色，并确定该障碍物将继续通过所述交通指示器，或者
确定用于所述车道的所述交通指示器具有红色指示颜色，并确定该障碍物将在所述交通指示器之前停止。
18.如权利要求15所述的系统，其中，所述交通信号信息包括交通指示器标识符、位置、当前灯指示颜色、当前灯指示颜色的定时以及到下一个灯指示颜色的定时。
19.如权利要求15所述的系统，其中，所述操作还包括：
基于所述地图信息识别所述自动驾驶车辆所处的车道；
基于所接收的所述车道的交通信号信息，确定所述车道的交通流；以及
基于所述车道的交通流和所预测的所述一个或多个障碍物的行为来规划所述轨迹。
20.如权利要求15所述的系统，其中，所述交通信号信息由所述自动驾驶车辆经由车辆到万物通信进行接收。
21.如权利要求15所述的系统，其中，
障碍物包括车辆，并且所述交通指示器是车辆交通指示器，或者
所述障碍物包括行人，并且所述交通指示器是人行道指示器。
CN202011029349.XA 2020-03-13 2020-09-27 用于自动驾驶车辆的障碍物预测系统 Pending CN113391628A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/817,948 2020-03-13
US16/817,948 US12017681B2 (en) 2020-03-13 2020-03-13 Obstacle prediction system for autonomous driving vehicles

Publications (1)

Publication Number Publication Date
CN113391628A true CN113391628A (zh) 2021-09-14

Family

ID=77616481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011029349.XA Pending CN113391628A (zh) 2020-03-13 2020-09-27 用于自动驾驶车辆的障碍物预测系统

Country Status (2)

Country Link
US (1) US12017681B2 (zh)
CN (1) CN113391628A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11995989B2 (en) * 2020-03-31 2024-05-28 Gm Cruise Holdings Llc Visualization of planned autonomous vehicle behavior
CN117227714A (zh) * 2023-11-15 2023-12-15 成都西谌科技有限公司 一种自动驾驶车辆转弯避让控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109429518A (zh) * 2017-06-22 2019-03-05 百度时代网络技术（北京）有限公司 基于地图图像的自动驾驶交通预测
CN109801508A (zh) * 2019-02-26 2019-05-24 百度在线网络技术（北京）有限公司 路口处障碍物的运动轨迹预测方法及装置
JP2019096056A (ja) * 2017-11-22 2019-06-20 スズキ株式会社 運転支援装置
CN109976355A (zh) * 2019-04-26 2019-07-05 腾讯科技（深圳）有限公司 轨迹规划方法、系统、设备及存储介质
US20190259282A1 (en) * 2018-02-20 2019-08-22 Hyundai Motor Company Vehicle and control method thereof
CN110199336A (zh) * 2017-01-20 2019-09-03 日产自动车株式会社 车辆行为预测方法及车辆行为预测装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9043138B2 (en) * 2007-09-07 2015-05-26 Green Driver, Inc. System and method for automated updating of map information
US9963145B2 (en) * 2012-04-22 2018-05-08 Emerging Automotive, Llc Connected vehicle communication with processing alerts related to traffic lights and cloud systems
US9381916B1 (en) * 2012-02-06 2016-07-05 Google Inc. System and method for predicting behaviors of detected objects through environment representation
EP3100206B1 (en) * 2014-01-30 2020-09-09 Mobileye Vision Technologies Ltd. Systems and methods for lane end recognition
US20150316387A1 (en) * 2014-04-30 2015-11-05 Toyota Motor Engineering & Manufacturing North America, Inc. Detailed map format for autonomous driving
JP2016037283A (ja) * 2014-08-08 2016-03-22 株式会社リコー 情報処理装置、情報処理方法およびプログラム
JP6591737B2 (ja) * 2014-08-25 2019-10-16 クラリオン株式会社 自動運転制御装置
US10507807B2 (en) * 2015-04-28 2019-12-17 Mobileye Vision Technologies Ltd. Systems and methods for causing a vehicle response based on traffic light detection
EP3532801B1 (en) * 2016-10-31 2020-12-16 Mobileye Vision Technologies Ltd. Systems and methods for navigating lane merges and lane splits
US11112796B2 (en) * 2017-08-08 2021-09-07 Uatc, Llc Object motion prediction and autonomous vehicle control
US10458810B2 (en) * 2017-12-21 2019-10-29 GM Global Technology Operations LLC Traffic light state assessment
KR102563708B1 (ko) * 2018-05-14 2023-08-09 주식회사 에이치엘클레무브 선행 차량 출발 알림 장치 및 방법
DE102018114808A1 (de) * 2018-06-20 2019-12-24 Man Truck & Bus Se Verfahren zur automatischen Querführung eines Folgefahrzeugs in einem Fahrzeug-Platoon
US11056005B2 (en) * 2018-10-24 2021-07-06 Waymo Llc Traffic light detection and lane state recognition for autonomous vehicles
KR20200144006A (ko) * 2019-06-17 2020-12-28 엘지전자 주식회사 자율 주행 시스템
KR20210017315A (ko) * 2019-08-07 2021-02-17 엘지전자 주식회사 차량의 장애물 경고 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110199336A (zh) * 2017-01-20 2019-09-03 日产自动车株式会社 车辆行为预测方法及车辆行为预测装置
CN109429518A (zh) * 2017-06-22 2019-03-05 百度时代网络技术（北京）有限公司 基于地图图像的自动驾驶交通预测
JP2019096056A (ja) * 2017-11-22 2019-06-20 スズキ株式会社 運転支援装置
US20190259282A1 (en) * 2018-02-20 2019-08-22 Hyundai Motor Company Vehicle and control method thereof
CN109801508A (zh) * 2019-02-26 2019-05-24 百度在线网络技术（北京）有限公司 路口处障碍物的运动轨迹预测方法及装置
CN109976355A (zh) * 2019-04-26 2019-07-05 腾讯科技（深圳）有限公司 轨迹规划方法、系统、设备及存储介质

Also Published As

Publication number Publication date
US20210284195A1 (en) 2021-09-16
US12017681B2 (en) 2024-06-25

Similar Documents

Publication Publication Date Title
CN112363492A (zh) 用于操作自动驾驶车辆的计算机实施的方法以及数据处理系统
CN111775945B (zh) 用于自动驾驶的用于检测最接近的路径内对象的方法和装置
CN112572451A (zh) 用于自主驾驶车辆执行的方法和装置
CN113448329B (zh) 减少用于规划自主驾驶车辆的路径的障碍物的方法及系统
CN113129624B (zh) 交通堵塞情况下的最快车道确定算法
CN113060118A (zh) 用于柔和降速的速度规划引导线
CN113313933A (zh) 用于自动驾驶车辆的基于车道的路线选择系统
CN112180912A (zh) 用于为自动驾驶车辆规划路径的分级路径决策系统
CN114379590A (zh) 紧急车辆音频和视觉检测后融合
CN113442945A (zh) 用于自动驾驶车辆的使用反馈的增量式侧向控制系统
CN113748059A (zh) 离线和在线解决方案相结合的停车轨迹生成方法
CN112230646A (zh) 设计用于单车运行的自动驾驶系统下的车辆队列实施
US12017681B2 (en) Obstacle prediction system for autonomous driving vehicles
US11904890B2 (en) Lane change system for lanes with different speed limits
CN112985435A (zh) 用于操作自主驾驶车辆的方法及系统
CN113247017A (zh) 用于确保自动驾驶车辆的稳定绕行的双缓冲系统
CN113428173A (zh) 用于自动驾驶车辆的静态曲率误差补偿控制逻辑
CN113060140A (zh) 基于中心线移位的变道前路径规划
CN114764022B (zh) 用于自主驾驶车辆的声源检测和定位的系统和方法
CN115871712A (zh) 操作自主驾驶车辆的方法和系统
CN113815526B (zh) 用于自动驾驶车辆的早期制动灯警告系统
CN212391730U (zh) 用于自动驾驶车辆的光探测和测距装置
CN112712718A (zh) 通过v2x的车辆、车队管理和交通信号灯交互体系结构设计
CN113753071A (zh) 预防减速规划
CN113671971A (zh) 用于自动驾驶车辆的动态参数服务器

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