CN113552870A - 基于感知结果的动态速度限制调整系统及方法 - Google Patents
基于感知结果的动态速度限制调整系统及方法 Download PDFInfo
- Publication number
- CN113552870A CN113552870A CN202011476156.9A CN202011476156A CN113552870A CN 113552870 A CN113552870 A CN 113552870A CN 202011476156 A CN202011476156 A CN 202011476156A CN 113552870 A CN113552870 A CN 113552870A
- Authority
- CN
- China
- Prior art keywords
- adv
- objects
- distance
- driving
- speed limit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008447 perception Effects 0.000 title description 28
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G05D1/02—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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/162—Speed limiting therefor
-
- 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
-
- 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
- B60W30/143—Speed control
- B60W30/146—Speed limiting
-
- 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
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
-
- 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
- B60W2554/802—Longitudinal distance
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Abstract
本公开提供一种基于感知结果的动态速度调整系统及方法。在一个实施例中,调整ADV的速度限制的方法包括以下的操作:跟踪ADV的视场内的对象;以及基于要求的集合从被ADV跟踪的对象中识别出稳定对象的集合。方法还包括以下的操作:从稳定对象的集合中识别出对象的子集,对象的子集具有到ADV的最长距离;通过从稳定障碍物的子集到ADV的平均距离计算检测距离;以及使用预定算法基于检测距离调整ADV的速度限制。
Description
技术领域
本公开的实施例一般涉及操作自主车辆。更特别地,本公开的实施例涉及基于感知的环境调整自主驾驶车辆的速度限制。
背景技术
以自主模式(例如,无人驾驶)操作的车辆可以减轻乘坐者,尤其是驾驶员的一些驾驶相关责任。当在自主模式下操作时,车辆可以使用车载传感器导航到各种位置,从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。
以自主模式操作的车辆(也称为自主驾驶车辆(ADV))可以基于高清地图上的信息调整其速度限制。然而高清地图上的信息通常是静态的;并且基于这种信息调整ADV的速度限制可能并不总是有效,因为天气条件和动态交通条件可能会影响ADV的感知范围。
发明内容
在第一方面中,提供一种调整自主驾驶车辆(ADV)的速度限制的方法,包括:
跟踪ADV的视场内的多个对象;
基于要求的集合从被ADV跟踪的多个对象中识别出稳定对象的集合;
从稳定对象的集合中识别出对象的子集,对象的子集具有到ADV的最长距离;
计算ADV的检测距离,其中检测距离表示从稳定对象的子集到ADV的距离的平均值;以及
使用预定算法基于检测距离调整ADV的速度限制。
在第二方面中,提供一种非暂时性机器可读介质,具有存储在其中的指令,指令在由处理器执行时使得处理器执行如第一方面所述的方法。
在第三方面中,提供一种数据处理系统,包括
处理器;以及
存储器,耦接到处理器并存储指令,指令在由处理器执行时使得处理器执行如第一方面所述的方法。
在第四方面中,提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据第一方面所述的方法。
在第五方面中,提供一种自动驾驶汽车,包括如上所述的数据处理系统。
根据本公开,能够动态地确定自主驾驶车辆的感知范围。基于确定的感知范围,自主驾驶车辆可以相应地调整速度限制。
以上发明内容不包括本发明所有方面的详尽列表。可以预期的是,本发明包括可以从以上概述的各个方面的所有合适的组合以及以下公开的那些实践的所有系统、计算机介质和方法。
附图说明
本公开的实施例通过示例的方式示出并且不限于附图中的图,在附图中相同的附图标记表示相似的元件。
图1是图示根据一个实施例的联网系统的框图。
图2是图示根据一个实施例的自主车辆的示例的框图。
图3A-图3B是图示根据一个实施例的与自主车辆一起使用的感知和规划系统的示例的框图。
图4是图示根据一个实施例的用于调整ADV的速度限制的系统的示例的框图。
图5图示根据一个实施例的用于基于检测距离调整速度限制的驾驶场景的示例。
图6是图示根据一个实施例的用于调整ADV的速度限制的过程的示例的框图。
具体实施方式
将参考下面讨论的细节描述本公开的各个实施例和方面,并且附图将图示各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各种实施例的全面理解。然而,在某些情况下,为了提供对本公开的实施例的简要讨论,没有描述公知或常规的细节。
说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特别特征、结构或特性可以包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。
根据一些实施例,本文描述用于根据基于在ADV前方的感知对象计算的检测距离调整自主驾驶车辆(ADV)的速度限制的系统和方法。在一个实施例中,一种调整ADV的速度限制的示例方法包括以下的操作:跟踪ADV的视场内的对象;以及基于要求的集合从被ADV跟踪的对象中识别出稳定对象的集合。方法还包括以下的操作:从稳定对象的集合中识别出对象的子集,其中对象的子集具有到ADV的最长距离;通过从稳定障碍物的子集到ADV的平均距离计算检测距离;以及使用预定算法基于检测距离调整ADV的速度限制。
在一个实施例中,ADV可以通过跟踪ADV的视场内的对象确定临时稳定感知距离(也称为检测距离)。ADV可以在数个驾驶周期(例如10个驾驶周期)内跟踪出现在ADV视场内的每个对象。ADV可以通过其标识符跟踪每个对象,并且基于以下要求确定对象是否稳定,即对象的边界框是否在预定范围内改变其大小、对象在ADV的任何驾驶周期(除了第一驾驶周期)的位置和速度与在前一个驾驶周期的相比改变的百分比是否超过阈值、以及ADV所感知的对象的类型贯穿ADV的预定数量的驾驶周期是否保持不变。如果对象不满足以上要求中的任何一个,则ADV将该对象视为新对象。
在一个实施例中,对于每个被跟踪的对象,当对象首次出现在ADV的视场内时,例如在ADV开始跟踪对象的第一驾驶周期中,ADV可以记录对象到ADV的绝对欧几里得距离。
在除了第一驾驶周期的剩余驾驶周期中的每个中,ADV将不记录对象到ADV的距离;剩余驾驶周期被用来确定是否可以稳定地跟踪对象,使得该对象可以被用作用于计算检测距离的候选对象。
在一个实施例中,检测距离是从可以被稳定跟踪的数个对象的记录距离计算出的距离的平均值。用于计算检测距离的数个被稳定跟踪的对象是满足确定对象是否可以被稳定跟踪的要求的对象的子集。举一个示例,用于计算检测距离的数个对象是距ADV具有最长距离的对象。
因此,在任何特定时刻处计算出的检测距离表示在ADV前方道路上的现有环境(例如,天气条件和交通)下ADV的稳定感知距离。使用一组对象而不是单个对象确定检测距离导致更准确的检测距离。
在一个实施例中,ADV可以使用预定算法调整其速度限制,该预定算法可以基于多个因素,多个因素包括ADV开始减速的秒数、减速度和检测距离。
自主驾驶车辆
图1是图示根据本公开的一个实施例的自主车辆网络配置的框图。参考图1,网络配置100包括自主驾驶车辆(ADV)101,其可以通过网络102通信地耦接到一个或多个服务器103-104。尽管示出一个自主车辆,但是多个自主车辆可以通过网络102彼此耦接和/或耦接到服务器103-104。网络102可以是任何类型的有线或无线网络,诸如局域网(LAN)、诸如因特网的广域网(WAN)、蜂窝网络、卫星网络、或其组合。(一个或多个)服务器103-104可以是任何类型的服务器或服务器集群,诸如Web或云服务器、应用服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和感兴趣点(MPOI)服务器或位置服务器等。
自主车辆指的是能够被配置为处于自主模式,在自主模式中车辆在很少或没有驾驶员输入的情况下导航通过环境。这种自主车辆可以包括具有一个或多个传感器的传感器系统,一个或多个传感器被配置为检测关于车辆在其中操作的环境的信息。车辆及其相关的(一个或多个)控制器使用检测的信息以导航通过环境。自主车辆101可以以手动模式、全自主模式或部分自主模式操作。
在一个实施例中,自主车辆101包括但不限于感知和规划系统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。自主车辆101还可以包括在普通车辆中包括的某些常见组件,诸如引擎、车轮、转向盘、变速器等,这些组件可以被车辆控制系统111和/或感知和规划系统110使用各种通信信号和/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)控制。
组件110-115可以经由互连、总线、网络或其组合彼此通信地耦接。例如,组件110-115可以经由控制器局域网(CAN)总线彼此通信地耦接。CAN总线是一种车辆总线标准,其被设计为允许微控制器和设备在没有主机的应用中彼此通信。它是基于消息的协议,最初被设计用于车辆内的多路复用电气布线,但是也用于许多其他环境中。
现在参考图2,在一个实施例中,传感器系统115包括但不限于一个或多个相机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光检测和范围(LIDAR)单元215。GPS系统212可以包括可操作以提供关于自主车辆的位置的信息的收发器。IMU单元213可以基于惯性加速度感测自主车辆的位置和方位变化。雷达单元214可以表示使用无线电信号感测自主车辆的局部环境内的对象的系统。在一些实施例中,除了感测对象之外,雷达单元214还可以额外地感测对象的速度和/或航向。LIDAR单元215可以使用激光感测自主车辆所处的环境中的对象。LIDAR单元215可以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,以及其他系统组件。相机211可以包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静态相机和/或摄像机。相机可以是机械可移动的,例如通过将相机安装在旋转和/或倾斜的平台上。
传感器系统115还可以包括其他传感器,诸如声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如麦克风)。音频传感器可以被配置为捕获来自自主车辆周围的环境的声音。转向传感器可以被配置为感测车辆的转向盘、车轮或其组合的转向角。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。在一些情况下,油门传感器和制动传感器可以集成为集成的油门/制动传感器。
在一个实施例中,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用于调节车辆的方向或航向。油门单元202用于控制马达或引擎的速度,马达或引擎的速度转而控制车辆的速度和加速度。制动单元203通过提供摩擦以使车辆的车轮或轮胎变慢来使车辆减速。注意,图2所示的组件可以用硬件、软件或其组合来实现。
返回参考图1,无线通信系统112允许在自主车辆101和外部系统,诸如设备、传感器、其他车辆等之间的通信。例如,无线通信系统112可以直接或经由通信网络与一个或多个设备(诸如在网络102上的服务器103-104)无线通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN),例如使用WiFi与另一组件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等直接与设备(例如,乘客的移动设备、显示设备、车辆101内的扬声器)通信。用户接口系统113可以是在车辆101内实现的外围设备的一部分,包括例如键盘、触摸屏显示设备、麦克风和扬声器等。
自主车辆101的功能中的一些或所有可以由感知和规划系统110控制或管理,尤其是当以自主驾驶模式操作时。感知和规划系统110包括必要的硬件(例如,(一个或多个)处理器、存储器、存储设备)和软件(例如,操作系统、规划和路线程序),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、处理接收的信息、规划从起点到目的地点的路线或路径、然后基于规划和控制信息驾驶车辆101。可替换地,感知和规划系统110可以与车辆控制系统111集成。
例如,作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。感知和规划系统110获得与行程有关的数据。例如,感知和规划系统110可以从MPOI服务器获得位置和路线信息,MPOI服务器可以是服务器103-104的一部分。位置服务器提供位置服务,以及MPOI服务器提供地图服务和某些位置的POI。可替换地,这种位置和MPOI信息可以本地缓存在感知和规划系统110的永久存储设备中。
当自主车辆101沿着路线移动时,感知和规划系统110还可以从交通信息系统或服务器(TIS)获得实时交通信息。注意,服务器103-104可以由第三方实体操作。可替换地,服务器103-104的功能可以与感知和规划系统110集成。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检测或感测的实时局部环境数据(例如,障碍物、对象、附近车辆),感知和规划系统110可以规划最佳路线,并且例如经由控制系统111根据规划的路线驾驶车辆101,以安全且高效地到达指定目的地。
服务器103可以是用以执行用于各种客户端的数据分析服务的数据分析系统。在一个实施例中,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(自主车辆或者是由人类驾驶员驾驶的常规车辆)收集驾驶统计123。驾驶统计123包括指示发出的驾驶命令(例如,油门、制动、转向命令)和由车辆的传感器在不同时间点捕获的车辆的响应(例如,速度、加速度、减速度、方向)的信息。驾驶统计123还可以包括描述不同时间点的驾驶环境的信息,诸如路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计123,机器学习引擎122出于各种目的而生成或训练一组规则、算法和/或预测模型124。在一个实施例中,算法124可以包括速度限制调整算法,其将在以下进一步地详细描述。算法124然后可以被上传在ADV上以在自主驾驶期间实时地被使用。
图3A和图3B是图示根据一个实施例的与自主车辆一起使用的感知和规划系统的示例的框图。系统300可以被实现为图1的自主车辆101的一部分,包括但不限于感知和规划系统110、控制系统111和传感器系统115。参考图3A-图3B,感知和规划系统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、路由模块307和速度限制调整模块308。
模块301-308中的一些或全部可以以软件、硬件或其组合实现。例如,这些模块可以被安装在永久存储设备352中,加载到存储器351中,并由一个或多个处理器(未示出)执行。注意,这些模块中的一些或全部可以通信地耦接到图2的车辆控制系统111的一些或全部模块或与图2的车辆控制系统111的一些或全部模块集成。模块301-308中的一些可以被集成在一起作为集成模块。
定位模块301确定自主车辆300的当前位置(例如,利用GPS单元212)并且管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如经由用户接口登录并指定行程的起始位置和目的地。定位模块301与自主车辆300的其他组件(诸如地图和路线信息311)通信,以获得与行程有关的数据。例如,定位模块301可以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,以及MPOI服务器提供地图服务和某些位置的POI,它们可以作为地图和路线信息311的一部分被缓存。当自主车辆300沿着路线移动时,定位模块301还可以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,由感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员将感知到的驾驶员正在驾驶的车辆周围的情况。感知可以包括车道配置、交通灯信号、例如以对象形式的另一车辆、行人、建筑物、人行横道或其他交通相关标志(例如,停止标志、让步标志)等的相对位置。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,直的或弯曲的)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分离车道、驶离车道等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能,以处理和分析由一个或多个相机捕获的图像,以便识别自主车辆的环境中的对象和/或特征。对象可以包括交通信号、车行道边界、其他车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪和其他计算机视觉技术。在一些实施例中,计算机视觉系统可以映射环境、跟踪对象、并估计对象的速度等。感知模块302还可以基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据检测对象。
对于对象中的每个,预测模块303预测对象将在环境下表现什么行为。根据一组地图/路线信息311和交通规则312,基于在该时间点的驾驶环境感知的感知数据,执行预测。例如,如果对象是在相反方向上的车辆并且当前驾驶环境包括交叉路口,则预测模块303将预测车辆将可能直线向前移动还是转弯。如果感知数据指示交叉路口没有交通灯,则预测模块303可以预测车辆在进入交叉路口之前可能必须完全停止。如果感知数据指示车辆当前处于仅向左转弯车道或仅向右转弯车道,则预测模块303可以预测车辆将更可能分别左转弯或右转弯。
对于对象中的每个,决策模块304做出关于如何处理该对象的决策。例如,对于特定对象(例如,在交叉路线中的另一车辆)及其描述对象的元数据(例如,速度、方向、转角),决策模块304决定如何遇到对象(例如,超车、让行、停止、通过)。决策模块304可根据一组规则(诸如交通规则或驾驶规则312)做出这些决策,这组规则可以存储于永久存储设备352中。
路由模块307被配置为提供从起点到目的地点的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程,路由模块307获得路线和地图信息311并且确定从起始位置到达目的地位置的所有可能的路线或路径。路由模块307可以为从起始位置到达目的地位置确定的每条路线生成地形图形式的参考线。参考线是指没有来自诸如其他车辆、障碍物或交通状况的其他任何干扰的理想路线或路径。也就是说,如果在道路上没有其他车辆、行人或障碍物,则ADV应该精确地或紧密地遵循参考线。然后,地形图被提供给决策模块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,以根据由其他模块提供的其他数据(诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)选择和修改最佳路线中的一个。取决于在时间点的特定驾驶环境,用于控制ADV的实际路径或路线可以接近或不同于由路由模块307提供的参考线。
基于针对感知对象中的每个的决策,规划模块305使用由路由模块307提供的参考线作为基础规划自主车辆的路径或路线以及驾驶参数(例如,距离、速度和/或转角)。也就是说,对于给定对象,决策模块304决策对该对象做什么,而规划模块305确定如何做。例如,对于给定对象,决策模块304可以决策经过对象,而规划模块305可以确定是在对象的左侧还是右侧经过。规划和控制数据由规划模块305生成,包括描述车辆300在下一个移动周期(例如,下一个路线/路径段)中将如何移动的信息。例如,规划和控制数据可以指示车辆300以每小时30英里(mph)的速度移动10米,然后以25mph的速度改变到右车行道。
基于规划和控制数据,控制模块306通过根据由规划和控制数据限定的路线或路径向车辆控制系统111发送适当的命令或信号,控制和驾驶自主车辆。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时间点使用适当的车辆设置或驾驶参数(例如,油门、制动、转向命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施例中,在多个规划周期中执行规划阶段,规划周期也称为驾驶周期,诸如在100毫秒(ms)的每个时间间隔中。对于每个规划周期或驾驶周期,将基于规划和控制数据发出一个或多个控制命令。也就是说,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到达目标位置所需的时间。可替换地,规划模块305还可以指定具体速度、方向和/或转向角等。在一个实施例中,规划模块305为下一个预定时间段(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基于在先前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。然后控制模块306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,油门控制命令、制动控制命令、转向控制命令)。
注意,决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能,以确定用于自主车辆的驾驶路径。例如,导航系统可以确定一系列速度和方向航向,以影响自主车辆沿着基本上避开感知的障碍物的路径的移动,同时大体上使自主车辆沿着通向最终目的地的基于车行道的路径前进。目的地可以根据经由用户接口系统113的用户输入而被设置。当自主车辆在操作时,导航系统可以动态地更新驾驶路径。导航系统可以合并来自GPS系统的数据和一个或多个地图,以便确定用于自主车辆的驾驶路径。
速度限制调整模块308可以基于ADV前方的感知对象生成检测距离,并使用该检测距离调整ADV的速度限制。速度限制调整模块308可以被实现为单独的模块,或者可替换地,可以将速度限制调整模块308与模块301-307中的任何一个集成,例如与规划模块305集成。速度限制调整模块308的详细操作将是在下面进一步描述。
检测距离
在一个实施例中,检测距离可以例如由速度限制调整模块308计算,并且可以被ADV用来动态地调整其速度限制。检测距离可以是在现有自然条件和交通条件下在任何给定时间处ADV的清晰感知距离。
基于可以被稳定地跟踪预定数量的驾驶周期的多个对象计算检测距离。因此,针对至少预定数量的驾驶周期,多个对象表示ADV的清晰检测范围。
由于自然条件(例如雾天、雨天等)以及道路的交通条件将动态改变,检测距离可以动态地改变。因此,检测距离的计算是持续的过程。
图4是图示根据一个实施例的用于调整ADV的速度限制的系统的示例的框图。如图4所示,速度限制调整模块308可以接收来自感知模块302的传感器数据411。传感器数据411可以包括ADV的传感器系统115的视场内的每个对象的标识符(ID)、对象的速度、对象的位置以及包围每个对象的边界框和多边形的信息。
速度限制调整模块308可以从感知模块302获得针对预定接近度(诸如ADV的视场)内的每个对象(也称为障碍物)的这样的传感器数据。速度限制调整模块308可以从传感器数据411中识别出可以被稳定地跟踪数个驾驶周期(例如10个驾驶周期)的对象413。
根据一个实施例,对于待被分类为稳定跟踪对象的对象,该对象需要满足以下要求中的一个或多个:(1)该对象的边界框的大小变化小于阈值;(2)在两个相邻驾驶周期之间(第一驾驶周期和第二驾驶周期之间)对象的位置变化不超过阈值;(3)贯穿预定数量的驾驶周期,ADV所感知的对象的类型保持不变;和/或(4)在两个相邻驾驶周期之间(除了在第一驾驶周期和第二驾驶周期之间)对象的速度不超过阈值。在一个实施例中,在预定数量的驾驶周期中的第一驾驶周期期间,对象仅出现在ADV的FOV内,这可能没有足够的信息或时间来确定对象的速度或位置。
在一个实施例中,感知模块302可以为ADV跟踪的每个对象生成边界框和多边形。多边形是用于在感知模块302中表示对象的平面图形,而边界框是对象的3D表示。通过对象的多边形表示跟踪对象是有问题的,因为对象可能从不同角度而不同地出现在ADV面前。通过对象的边界框跟踪对象没有问题,因为ADV可以从任何角度识别出边界框。因此,在本实施例中,ADV跟踪对象的边界框,而不是对象的多边形。对象离ADV越远,边界框越小。如果对象的边界框的大小没有急剧变化,则可以认为该对象相对稳定。
根据要求中的一个,对象的边界框的大小的变化需要小于阈值(例如20%)。对于被认为是稳定跟踪的对象,在ADV的两个相邻驾驶周期之间对象的边界框的大小变化必须小于20%。根据另一要求,贯穿预定数量的驾驶周期,对象位置的变化也需要小于阈值(例如20%)。尽管速度限制调整模块仅在ADV的第一驾驶周期期间记录对象的距离,但可以基于在第一驾驶周期期间记录的位置以及数个驾驶参数和命令(包括ADV的当前速度和驾驶方向)估计每个驾驶周期中对象的位置。
在一个实施例中,感知模块402可以将跟踪的对象分类为不同类型,其示例包括未知对象类型、公共汽车、汽车和行人。当对象离ADV太远时,ADV可以将对象分类为未知类型,因为ADV不知道它是什么。随着ADV靠近对象,ADV可以获得足够的信息以将对象分类为不同的类型(例如,公共汽车)。作为用于确定对象是否被稳定跟踪的要求中的一个,对象需要贯穿预定数量的驾驶周期保持与ADV所感知的类型相同的类型。
在一个实施例中,用于确定对象是否被稳定地跟踪的另一要求是在两个相邻驾驶周期之间(除了在第一驾驶周期和第二驾驶周期之间)对象的速度变化保持在预定阈值以下。例如,两个连续驾驶周期之间的变化需要小于20%。
在一个实施例中,对于每个被跟踪的对象,当对象首先出现在ADV的视场内时(例如在预定数量的驾驶周期中的第一驾驶周期中),ADV可以记录对象到ADV的绝对欧几里得距离。在剩余驾驶周期的每个驾驶周期中,ADV将不会记录对象到ADV的距离;剩余驾驶周期用于确定是否可以稳定地跟踪对象,使得将该对象用作计算检测距离的候选对象。
如图4所示,在一个实施例中,速度限制调整模块308可以识别数个对象413为稳定跟踪的对象,其中每个稳定跟踪的对象满足以上指定的四个要求中的一个或多个。在可替换实施例中,除非对象满足以上四个要求中的每一个要求,否则该对象不被分类为稳定跟踪的对象。
在一个实施例中,速度限制调整模块308可以选择被稳定跟踪的对象413的子集来计算检测距离415。在一个实施例中,为计算检测距离而选择的对象的子集可以是距ADV具有最长距离的预定数量(例如5个)的稳定对象。在另一实施例中,可以基于分布模型选择为计算检测距离而选择的对象的子集,并且仅选择落入特定分布范围内的那些对象。
速度限制计算器417可以使用检测距离415调整ADV的速度限制。在一个实施例中,速度限制计算器可以实现算法,其示例可以使用以下不等式表示:
Speed_limit*1s+speed_limit^2/2*abs(deceleration)<detection distance.
在以上不等式中,“Speed_limit”是基于检测距离的ADV的期望速度限制,“abs(deceleration)”是ADV的减速度的绝对值以及“detection distance”是速度限制调整模块308计算出的检测距离415。
根据以上不等式,控制模块306将基于检测距离和ADV的减速能力调整ADV的速度限制。给定检测范围,并且给定ADV需要一秒钟开始减速(即,ADV将以速度限制在一秒期间进行行驶)并使用-2m/s^2的减速能力,速度限制将使ADV能够在静态障碍物之前完全停止。在一个实施例中,速度限制调整模块308可以被实现为规划模块305的一部分,尤其是在速度规划过程期间。
图5图示根据一个实施例的用于基于检测距离调整速度限制的驾驶场景的示例。如图5所示,自我ADV 501从东向西在四车道道路上行驶。代替依赖于高清地图上的静态信息调整其速度限制,自我ADV 501可以基于自我ADV 501前方的交通估计其感知范围。感知范围(在本公开中也称为检测范围)是可以持续计算的动态检测范围。
在一个实施例中,自我ADV 501可以跟踪其视场(FOV)504内的每个对象。在图5中,被自我ADV 501跟踪的对象包括数个车辆502、503、505、507、509和515。在一个实施例中,自我ADV 501可以跟踪每个对象10个驾驶周期,并且在ADV的第一驾驶周期期间记录对象与自我ADV 501的距离。
在一个实施例中,对于被认为是稳定跟踪的对象,对象必须被ADV跟踪至少10个驾驶周期,并且满足以上图4中描述的上述要求中的一个或多个。
如图4描述的,贯穿10个驾驶周期,自我ADV 501可以跟踪每个对象的边界框大小的变化、两个相邻驾驶周期之间对象的位置变化(除了第一驾驶周期和第二驾驶周期之间)、对象的类型以及两个相邻驾驶周期之间(除了第一驾驶周期和第二驾驶周期之间)对象的速度变化。基于从被跟踪的对象获得的信息以及数个预定要求,自我ADV 501可以识别出被认为是稳定的数个对象。
作为图示,车辆502、503、507和509被跟踪至少10个驾驶周期,并且还满足以上要求中的至少一个。因此,这些对象被分类为稳定跟踪的对象。一些对象(例如车辆511)不在FOV 504内,并因此不被自我ADV 501跟踪。一些其他对象(例如车辆515)出现在自我ADV的FOV 504中的时间少于10个驾驶周期,而且也不被认为是稳定跟踪的。自我ADV 501可以选择稳定跟踪的对象的子集,以计算短暂时间段(例如10个驾驶周期)中自我ADV 501的检测范围。
在一个示例中,对象的子集可以包括车辆502、503、505和507。可以基于一个或多个规则选择对象的子集。例如,对象的子集可以是距自我ADV 501具有最长距离的那些稳定跟踪的对象。对象的子集中的每个的距离可以是在自我ADV跟踪对象的第一驾驶周期期间所记录的距离。
在一个实施例中,自我ADV 501可能并不总是能够识别出稳定跟踪的对象的集合,并且然后从稳定跟踪的对象中选择子集以在任何时刻计算检测距离。例如,有时在四车道道路上,可能没有任何对象让ADV跟踪至少10个驾驶周期。在这种场景下,自我ADV 501可以使用其他机制设置其速度限制。
本文描述的本发明的实施例是针对能够稳定地追踪自我ADV 501前方的交通的驾驶场景,使得自我ADV 501能够使用交通确定其对于该驾驶场景的感知范围。基于自我ADV501的感知范围和减速能力,自我ADV 501可以相应地调整速度限制,使得当突然检测到静态障碍物时,自我ADV 501可以完全停止在这种静态障碍物5101之前。
图6是图示根据一个实施例的用于调整ADV的速度限制的过程600的示例的框图。可以通过处理逻辑来执行过程600,处理逻辑可以包括软件、硬件或其组合。例如,过程800可以由图4中描述的速度限制调整模块308执行。
参考图6,在操作601中,处理逻辑跟踪自主驾驶车辆(ADV)的视场内的数个对象。在操作602中,处理逻辑基于要求的集合从被ADV跟踪的数个对象中识别出稳定对象的集合。在操作603中,处理逻辑从稳定对象的集合中识别出对象的子集,对象的子集具有到ADV的最长距离。在操作604中,处理逻辑计算ADV的检测距离。检测距离表示从稳定对象的子集到ADV的距离的平均值。在操作605中,处理逻辑使用预定算法基于检测距离调整ADV的速度限制。
注意,如上所示和所述的组件中的一些或所有可以以软件、硬件或其组合实现。例如,这些组件可以被实现为安装并存储在永久存储设备中的软件,软件可以由处理器(未示出)在存储器中加载并执行以执行贯穿本申请所述的过程或操作。可替换地,这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码,专用硬件诸如集成电路(例如,专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA),其可经由来自应用的对应的驱动器和/或操作系统访问。此外,这些组件可以被实现为处理器或中的特定硬件逻辑或处理器内核,作为经由一个或多个特定指令软件组件可访问的指令集的部分。
已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将其工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操作的那些操作。
然而,应当记住的是,所有这些和类似的术语都与适当的物理量相关联,并且仅仅是应用于这些量的方便的标记。除非另有特别声明,从以上讨论中显而易见的是,应当理解的是,在整个说明书中,使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机系统或类似电子计算设备的动作和过程,该计算机系统或类似电子计算设备将计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机系统存储器或寄存器或其他这样的信息存储、传输或显示设备内的类似表示为物理量的其他数据。
本公开的实施例还涉及用于执行本文的操作的装置。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制。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、闪存设备)。
在前述附图中描述的过程或方法可以由包括硬件(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)或两者的组合的处理逻辑来执行。尽管以上关于一些顺序操作描述了过程或方法,应当理解的是,可以以不同的顺序执行所述的一些操作。此外,一些操作可以并行地而不是顺序地执行。
本公开的实施例不是参考任何特定编程语言描述的。将了解的是,可使用各种编程语言实施如本文所述的本公开的实施例的教示。
在前述说明书中,已经参考本公开的具体示例性实施例描述了本公开的实施例。显然,在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下,可以对其进行各种修改。因此,说明书和附图应被认为是说明性的而不是限制性的。
Claims (11)
1.一种调整自主驾驶车辆ADV的速度限制的方法,包括:
跟踪ADV的视场内的多个对象;
基于要求的集合从被ADV跟踪的多个对象中识别出稳定对象的集合;
从稳定对象的集合中识别出对象的子集,对象的子集具有到ADV的最长距离;
计算ADV的检测距离,其中检测距离表示从稳定对象的子集到ADV的距离的平均值;以及
使用预定算法基于检测距离调整ADV的速度限制。
2.根据权利要求1所述的方法,其中ADV在预设数量的驾驶周期内跟踪多个对象中的每个对象,其中ADV在预设数量的驾驶周期中的第一驾驶周期期间记录每个对象到ADV的距离。
3.根据权利要求2所述的方法,其中用于计算检测距离的距离中的每个是在ADV跟踪稳定对象的预设数量的驾驶周期中的第一驾驶周期期间记录的从稳定对象的集合中的一个到ADV的距离。
4.根据权利要求2所述的方法,其中要求的集合包括以下中的一个或多个:
对象的边界框的大小变化小于第一阈值;
从第一驾驶周期到第二驾驶周期,对象的位置变化不超过第二阈值;
贯穿预定数量的驾驶周期,ADV所感知的对象的类型保持不变;或者
从第一驾驶周期到第二驾驶周期,对象的速度不超过第四阈值。
5.根据权利要求1所述的方法,其中多个跟踪对象中的每个对象具有相关联的标识符。
6.根据权利要求1所述的方法,其中预定算法基于多个因素,多个因素包括ADV开始减速的秒数、减速度和检测距离。
7.根据权利要求1所述的方法,其中检测距离表示在ADV和稳定对象的子集之间不存在移动对象至少一秒的清晰范围。
8.一种非暂时性机器可读介质,具有存储在其中的指令,指令在由处理器执行时使得处理器执行如权利要求1-7中任一项所述的方法。
9.一种数据处理系统,包括
处理器;以及
存储器,耦接到处理器并存储指令,指令在由处理器执行时使得处理器执行如权利要求1-7中任一项所述的方法。
10.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
11.一种自动驾驶汽车,包括如权利要求9所述的数据处理系统。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/839,575 | 2020-04-03 | ||
US16/839,575 US11485360B2 (en) | 2020-04-03 | 2020-04-03 | Dynamic speed limit adjustment system based on perception results |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113552870A true CN113552870A (zh) | 2021-10-26 |
Family
ID=77921178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011476156.9A Pending CN113552870A (zh) | 2020-04-03 | 2020-12-14 | 基于感知结果的动态速度限制调整系统及方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11485360B2 (zh) |
CN (1) | CN113552870A (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11574089B2 (en) * | 2019-06-28 | 2023-02-07 | Zoox, Inc. | Synthetic scenario generator based on attributes |
US11568100B2 (en) * | 2019-06-28 | 2023-01-31 | Zoox, Inc. | Synthetic scenario simulator based on events |
US11526721B1 (en) | 2020-02-21 | 2022-12-13 | Zoox, Inc. | Synthetic scenario generator using distance-biased confidences for sensor data |
US11485360B2 (en) * | 2020-04-03 | 2022-11-01 | Baidu Usa Llc | Dynamic speed limit adjustment system based on perception results |
US11904890B2 (en) * | 2020-06-17 | 2024-02-20 | Baidu Usa Llc | Lane change system for lanes with different speed limits |
US11572082B2 (en) * | 2020-10-27 | 2023-02-07 | Automotive Research & Testing Center | Driving risk assessment and control decision-making method for autonomous vehicle |
US11679782B2 (en) * | 2021-01-26 | 2023-06-20 | Honda Research Institute Europe Gmbh | Method, system and vehicle for assisting an operator of the vehicle in assessing a traffic situation with shared traffic space |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180015922A1 (en) * | 2016-07-13 | 2018-01-18 | Toyota Motor Engineering & Manufacturing North America, Inc. | Presenting travel settings for selection of nearby vehicle to follow |
CN107608340A (zh) * | 2016-07-11 | 2018-01-19 | 奥迪股份公司 | 车辆驾驶辅助系统及其控制方法 |
CN108334073A (zh) * | 2017-01-18 | 2018-07-27 | 百度(美国)有限责任公司 | 使用制动灯保持自动驾驶车辆与跟随车辆之间的距离的方法 |
CN109164809A (zh) * | 2018-09-20 | 2019-01-08 | 北京机械设备研究所 | 一种车辆编队自主跟随控制系统及方法 |
US20190071084A1 (en) * | 2017-09-05 | 2019-03-07 | Arizona Board Of Regents On Behalf Of Arizona State University | Model predictive adaptive cruise control for reducing rear-end collision risk with follower vehicles |
US20190079514A1 (en) * | 2017-09-13 | 2019-03-14 | Baidu Usa Llc | Driving scene based path planning for autonomous driving vehicles |
US20200018605A1 (en) * | 2018-07-13 | 2020-01-16 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for longitudinal position correction of a vehicle using mapped landmarks |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9425096D0 (en) * | 1994-12-13 | 1995-02-08 | Lucas Ind Plc | Apparatus and method for cruise control |
GB9425057D0 (en) * | 1994-12-13 | 1995-02-08 | Lucas Ind Plc | Apparatus and method for cruise control |
DE102008014771A1 (de) * | 2008-03-18 | 2009-09-24 | Wabco Gmbh | Abstandregeltempomat |
JP5279429B2 (ja) * | 2008-09-29 | 2013-09-04 | 株式会社アドヴィックス | 車両の速度制御装置 |
US9085301B2 (en) * | 2010-02-16 | 2015-07-21 | Toyota Jidosha Kabushiki Kaisha | Vehicle control device |
BR112013001513A2 (pt) * | 2010-07-21 | 2016-06-07 | Eaton Corp | método para otimizar a performance de veículo |
DE102011012096A1 (de) * | 2011-02-23 | 2012-08-23 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Verfahren zum Betreiben eines Fahrerassistenzsystems eines Kraftfahrzeugs und Fahrerassistenzsystems |
US9272621B2 (en) * | 2014-04-24 | 2016-03-01 | Cummins Inc. | Systems and methods for vehicle speed management |
US10234859B2 (en) * | 2015-08-20 | 2019-03-19 | Harman International Industries, Incorporated | Systems and methods for driver assistance |
US9666079B2 (en) * | 2015-08-20 | 2017-05-30 | Harman International Industries, Incorporated | Systems and methods for driver assistance |
DE102017205893A1 (de) * | 2016-04-15 | 2017-10-19 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zur Regelung der Geschwindigkeit eines Kraftfahrzeugs |
FR3056532B1 (fr) * | 2016-09-28 | 2018-11-30 | Valeo Schalter Und Sensoren Gmbh | Assistance a la conduite sur voie rapide a chaussees separees par un rail de securite |
US10496099B2 (en) * | 2017-07-18 | 2019-12-03 | Uatc, Llc | Systems and methods for speed limit context awareness |
KR102037235B1 (ko) * | 2018-02-27 | 2019-10-29 | 주식회사 만도 | 주변 상황 판단을 통한 적응식 정속 주행 시스템 및 방법 |
US10725475B2 (en) * | 2018-04-09 | 2020-07-28 | Toyota Jidosha Kabushiki Kaisha | Machine learning enhanced vehicle merging |
DE102018205525A1 (de) * | 2018-04-12 | 2019-10-17 | Robert Bosch Gmbh | Geschwindigkeitssteuerautomatik und Verfahren zur autonomen Geschwindigkeitssteuerung eines Fahrzeugs |
CN108583582A (zh) * | 2018-06-04 | 2018-09-28 | 太仓迭世信息科技有限公司 | 一种直线控速式自动驾驶方法及其系统 |
DE102018208910A1 (de) * | 2018-06-06 | 2019-12-12 | Robert Bosch Gmbh | Verfahren und System zum Maximieren eines Verkehrsdurchsatzes |
CN108819942B (zh) * | 2018-06-06 | 2020-12-15 | 北京汽车股份有限公司 | 车辆的车距控制方法及系统 |
US11048265B2 (en) * | 2018-06-18 | 2021-06-29 | Zoox, Inc. | Occlusion aware planning |
US10642275B2 (en) * | 2018-06-18 | 2020-05-05 | Zoox, Inc. | Occulsion aware planning and control |
KR102598404B1 (ko) * | 2018-07-11 | 2023-11-03 | 현대자동차 주식회사 | 전방의 주행환경정보를 이용한 차량의 에코 주행 모드 제어 방법 |
US10896334B2 (en) * | 2018-11-28 | 2021-01-19 | Here Global B.V. | Method and system of a machine learning model for detection of physical dividers |
US20210024066A1 (en) * | 2019-07-23 | 2021-01-28 | GM Global Technology Operations LLC | Personalized cruise speed suggestion to improve traffic flow |
CN110435629A (zh) * | 2019-07-26 | 2019-11-12 | 中国第一汽车股份有限公司 | 行车速度的调整方法、装置、系统及车辆 |
DE102020102328A1 (de) * | 2020-01-30 | 2021-08-05 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Assistenzsystem zur Fahrzeugsteuerung und Kraftfahrzeug |
US11485360B2 (en) * | 2020-04-03 | 2022-11-01 | Baidu Usa Llc | Dynamic speed limit adjustment system based on perception results |
US11794787B2 (en) * | 2020-10-19 | 2023-10-24 | Ford Global Technologies, Llc | Vehicle assist feature control |
US20220135079A1 (en) * | 2020-10-30 | 2022-05-05 | J-QuAD DYNAMICS INC. | Travel controller, method for controlling traveling, and computer readable storage medium storing travel control program |
CN112416004B (zh) * | 2020-11-19 | 2021-12-14 | 腾讯科技(深圳)有限公司 | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 |
CN113044042B (zh) * | 2021-06-01 | 2021-09-21 | 禾多科技(北京)有限公司 | 车辆预测变道图像显示方法、装置、电子设备和可读介质 |
-
2020
- 2020-04-03 US US16/839,575 patent/US11485360B2/en active Active
- 2020-12-14 CN CN202011476156.9A patent/CN113552870A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107608340A (zh) * | 2016-07-11 | 2018-01-19 | 奥迪股份公司 | 车辆驾驶辅助系统及其控制方法 |
US20180015922A1 (en) * | 2016-07-13 | 2018-01-18 | Toyota Motor Engineering & Manufacturing North America, Inc. | Presenting travel settings for selection of nearby vehicle to follow |
CN108334073A (zh) * | 2017-01-18 | 2018-07-27 | 百度(美国)有限责任公司 | 使用制动灯保持自动驾驶车辆与跟随车辆之间的距离的方法 |
US20190071084A1 (en) * | 2017-09-05 | 2019-03-07 | Arizona Board Of Regents On Behalf Of Arizona State University | Model predictive adaptive cruise control for reducing rear-end collision risk with follower vehicles |
US20190079514A1 (en) * | 2017-09-13 | 2019-03-14 | Baidu Usa Llc | Driving scene based path planning for autonomous driving vehicles |
US20200018605A1 (en) * | 2018-07-13 | 2020-01-16 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for longitudinal position correction of a vehicle using mapped landmarks |
CN109164809A (zh) * | 2018-09-20 | 2019-01-08 | 北京机械设备研究所 | 一种车辆编队自主跟随控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210309223A1 (en) | 2021-10-07 |
US11485360B2 (en) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11442450B2 (en) | Method for determining passable area in planning a path of autonomous driving vehicles | |
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 | |
CN111775933B (zh) | 用于基于车辆周围障碍物的移动轨迹自主驾驶车辆的方法 | |
CN112572451A (zh) | 用于自主驾驶车辆执行的方法和装置 | |
US11485360B2 (en) | Dynamic speed limit adjustment system based on perception results | |
CN112498365A (zh) | 基于置信度水平和距离、响应于障碍物的自动驾驶车辆的延迟决策 | |
US20210300427A1 (en) | Group and combine obstacles for autonomous driving vehicles | |
CN112149487A (zh) | 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法 | |
US11880201B2 (en) | Fastest lane determination algorithm under traffic jam | |
CN113508350A (zh) | 基于反馈的实时转向校准系统 | |
CN112985435B (zh) | 用于操作自主驾驶车辆的方法及系统 | |
US11787440B2 (en) | Lane boundary and vehicle speed based nudge decision | |
CN113428173B (zh) | 用于自动驾驶车辆的静态曲率误差补偿控制逻辑 | |
US11904890B2 (en) | Lane change system for lanes with different speed limits | |
EP4147936B1 (en) | Drive with caution under uncertainty for an autonomous driving vehicle | |
CN113060118A (zh) | 用于柔和降速的速度规划引导线 | |
EP4026747A1 (en) | Sound source detection and localization for autonomous driving vehicle | |
US11325529B2 (en) | Early brake light warning system for autonomous driving vehicle | |
US11288528B2 (en) | Differentiation-based traffic light detection | |
CN113728324A (zh) | 基于点云的低高度障碍物检测系统 | |
US11577644B2 (en) | L3-level auto-emergency light system for ego vehicle harsh brake | |
CN112601869B (zh) | 操作自主驾驶车辆的方法、机器可读介质及数据处理系统 | |
US20230202516A1 (en) | Planning under prediction with confidence region for an autonomous driving 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 |