CN113654561A - 自主导航系统 - Google Patents
自主导航系统 Download PDFInfo
- Publication number
- CN113654561A CN113654561A CN202110934438.7A CN202110934438A CN113654561A CN 113654561 A CN113654561 A CN 113654561A CN 202110934438 A CN202110934438 A CN 202110934438A CN 113654561 A CN113654561 A CN 113654561A
- Authority
- CN
- China
- Prior art keywords
- route
- vehicle
- road
- autonomous navigation
- ans
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 140
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000004044 response Effects 0.000 claims abstract description 33
- 238000003860 storage Methods 0.000 claims description 17
- 238000012512 characterization method Methods 0.000 abstract description 49
- 230000008569 process Effects 0.000 abstract description 20
- 230000008859 change Effects 0.000 abstract description 17
- 238000012545 processing Methods 0.000 description 73
- 230000003068 static effect Effects 0.000 description 67
- 238000007726 management method Methods 0.000 description 33
- 238000004891 communication Methods 0.000 description 32
- 230000004048 modification Effects 0.000 description 13
- 238000012986 modification Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 10
- 239000002131 composite material Substances 0.000 description 9
- 230000003993 interaction Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle for navigation systems
-
- 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
- B60W2756/00—Output or target parameters relating to data
- B60W2756/10—Involving external transmission of data to or from the vehicle
Abstract
本发明题为“自主导航系统”。本发明的一些实施方案提供了一种自主导航系统,所述自主导航系统基于在沿着驾驶路线手动导航车辆时在所述车辆处监测所述路线的各种特征,启用所述车辆沿着所述路线的一个或多个部分的自主导航。通过沿着所述路线的重复手动导航逐步更新所述表征,并且当所述表征的置信度指标满足阈值指示时,启用所述路线的自主导航。表征可以响应于所述车辆遇到所述路线的变化而更新,并且可以包括与所述路线相关联的一组驾驶规则,其中所述驾驶规则基于监测所述路线的一个或多个车辆的所述导航而开发。可以将表征上载到远程系统,所述远程系统处理数据以形成并细化路线表征,并向一个或多个车辆提供表征。
Description
本申请是申请日为2015年12月4日申请号为201580064398.8发明名称为“自主导航系统”的发明专利申请的分案申请。
技术领域
本公开整体涉及车辆的自主导航,并且具体地讲,涉及自主导航路线表征的形成和评估,车辆的至少一些部分可利用该自主导航路线表征来自主地导航路线。
背景技术
对车辆(包括汽车)自主导航的兴趣日益高涨已激起了开发自主导航系统的愿望,该自主导航系统可通过自主导航(即自主“驾驶”)使车辆通过各种路线,包括道路网络中的一条或多条道路,诸如当前的道路、街道、高速公路等。然而,能够实现车辆自主导航(也称为自主驾驶)的系统可能不太理想。
在某些情况下,可通过自主导航系统实现自主导航,该自主导航系统可实时处理和响应于沿路线遇到的静态特征(例如,道路车道、道路标志等)和动态特征(当前路线延伸所及道路中的其它车辆的当前位置、当前的环境条件、道路障碍物等),从而模仿人的实时处理能力和驾驶能力。然而,即使技术上可行,模拟此类处理能力和响应能力所需的处理能力和控制能力可能是不切实际的,并且需要被包括在车辆中以实现此类实时处理和响应的计算机系统的复杂性和大小可使对每辆车的资本成本投入巨大超出适当范围,从而使得该系统不适用于大规模应用。
在某些情况下,通过以下方式实现自主导航:形成各种路线的详细地图;包括指示道路各种特征(例如,道路标志、交叉路口等)的数据;指定相对于各种路线的各种驾驶规则(例如,对于给定路线给定部分的适当的速度限制、车道变换速度、车道位置、基于各种气候条件和一天内各个时间段的驾驶规则的变化);以及将地图提供至各种车辆的自主导航系统,以使得能够使车辆使用地图自主导航各种路线。
然而,此类地图的形成可能需要大量的时间和精力支出,因为针对单个路线形成足够的数据可能需要调度一套可安装在专用传感器车辆中的传感器,以遍历路线并收集关于路线所含有的各种特征的数据,处理所收集的数据以形成该路线的“地图”,确定路线各个部分的适当的驾驶规则,并且针对地图中包括的每个单独的路线重复该过程。此类过程可能需要花费大量的时间和精力以形成表征多条路线的地图,特别是当多条路线跨越主要城市、地区、国家等的某些或所有道路时更是如此。
此外,由于道路可随时间而变化(例如,由于道路施工、事故、天气、季节性事件等),此类地图可能会意外地过时,从而不可用于路线的安全自主导航。更新地图可能需要调度传感器套件来重新遍历路线,这可能需要花费一定的时间。鉴于道路网络中潜在路线的庞大数量而考虑此类支出时,特别是当多条路线需要同时更新时,及时更新路线地图使得车辆的用户不失去安全自主导航的能力可能很难。
发明内容
一些实施方案提供了被配置为自主导航驾驶路线的车辆。该车辆包括传感器设备,该传感器设备基于沿着驾驶路线导航的车辆来监测该驾驶路线的特征,和自主导航系统,该自主导航系统可与传感器设备互操作,以便:基于监测沿着驾驶路线的车辆的连续手动导航,实现对驾驶路线的虚拟表征的持续更新;基于监测对虚拟表征的持续更新,将置信度指标与虚拟表征相关联;以及至少部分地基于确定置信度指标至少满足阈值置信度指示,使得车辆能够沿着驾驶路线自主导航;基于控制车辆的一个或多个控制元件,以及基于经由车辆的用户界面在自主导航系统处接收以参与驾驶路线的一部分的自主导航的用户发起的命令,使得自主导航系统沿着驾驶路线的至少一部分自主地导航车辆。
一些实施方案提供了一种装置,该装置包括被配置为安装在车辆中并且选择性地启用车辆沿着驾驶路线进行自主导航的自主导航系统。自主导航系统可包括路线表征模块,该路线表征模块实现对驾驶路线的虚拟表征的持续更新,其中每次更新基于监测沿着驾驶路线的车辆的持续的手动控制的导航中的独立的一次导航,并且实现持续更新中的每次更新包括基于与相应的更新相关联的虚拟表征的所监测到的变化,将置信度指标与虚拟表征相关联。自主导航系统可包括路线评估模块,该路线评估模块被配置为基于确定与驾驶路线的表征相关联的置信度指标超出阈值置信度指示,使车辆能够启用驾驶路线的用户发起的自主导航。
一些实施方案提供了一种方法,该方法包括通过安装在车辆中的一个或多个计算机系统执行:至少部分地基于车辆沿着驾驶路线手动导航,从包括在车辆中的一组传感器接收与驾驶路线相关联的一组传感器数据,处理该组传感器数据以更新该驾驶路线的所存储的表征,其中所存储的表征基于与沿着驾驶路线的车辆的一个或多个历史手动导航相关联的至少一组先前生成的传感器数据,基于所更新的表征与所存储的表征的比较来将置信度指标与所更新的表征相关联,并且至少部分地基于确定置信度指标至少满足预先确定阈值置信度指示,使车辆能够启用驾驶路线的用户发起的自主导航。
附图说明
图1示出了根据一些实施方案的包括自主导航系统(ANS)的车辆100的示意性框图。
图2示出了根据一些实施方案的车辆的示意图,该车辆包括ANS和一组传感器设备,正在导航通过包括多条道路的多个道路部分的区域。
图3示出了根据一些实施方案的车辆的示意图,该车辆包括ANS和一组传感器设备,正在导航通过包括一条道路的多个道路部分的区域。
图4示出了根据一些实施方案的自主导航系统(ANS)的框图。
图5A至图5C示出了根据一些实施方案的与自主导航系统相关联的用户界面。
图6示出了根据一些实施方案的与自主导航系统相关联的用户界面。
图7示出了根据一些实施方案形成一个或多个道路部分的虚拟表征,以启用一个或多个道路部分的自主导航。
图8示出了根据一些实施方案的自主导航网络的示意图。
图9A至图9B示出了根据一些实施方案的自主导航网络的示意图。
图10示出了根据一些实施方案的可用于生成一个或多个虚拟道路部分表征的处理的“管理频谱”。
图11示出了根据一些实施方案的一个或多个道路部分的虚拟表征的接收和处理。
图12示出了根据一些实施方案的关于一个或多个道路部分的一个或多个虚拟表征来实现管理频谱的至少一部分。
图13示出了根据一些实施方案的被配置为实现用于自主导航的系统和方法的各个方面的示例性计算机系统。
本说明书包括参考“一个实施方案”或“实施方案”。出现短语“在一个实施方案中”或“在实施方案中”不一定是指同一个实施方案。特定特征、结构或特性可以与本公开一致的任何适当的方式结合。
“包括.”该术语是开放式的。当在所附权利要求书中使用时,该术语不排除附加的结构或步骤。考虑以下引用的权利要求:“一种包括一个或多个处理器单元的装置...”此类权利要求不排除该装置包括附加部件(例如,网络接口单元、图形电路等)。
“被配置为.”各种单元、电路或其它部件可被描述为或叙述为“被配置为”执行一项或多项任务。在此类上下文中,“被配置为”用于通过指示单元/电路/部件包括在操作期间执行这些任务的结构(例如,电路)来暗指该结构。如此,单元/电路/部件可被配置为即使在指定的单元/电路/部件当前不可操作(例如,未接通)时也执行该任务。与表述“被配置为”一起使用的单元/电路/部件包括硬件-例如,电路、存储可执行以实现操作的程序指令的存储器等。引用单元/电路/部件“被配置为”执行一项或多项任务明确地旨在针对该单元/电路/部件不援引35U.S.C.§112(f)。此外,“被配置为”可包括通用结构(例如,通用电路),该通用结构受软件和/或固件操纵(例如,FPGA或执行软件的通用处理器),从而以能够执行待解决的一项或多项任务的方式操作。“被配置为”还可包括使制造过程(例如,半导体制造设施)适于制造适于实现或执行一项或多项任务的设备(例如,集成电路)。
“第一”、“第二”等。如本文所用,这些术语用作它们所在之前的名词的标签,并且不暗指任何类型排序(例如,空间的、时间的、逻辑的等)。例如,在本文中缓冲电路可被描述为执行“第一”值和“第二”值的写入操作。术语“第一”和“第二”不一定意味着第一值必须在第二值之前写入。
“基于.”如本文所用,该术语用于描述影响确定的一个或多个因素。该术语不排除可能影响确定的其它因素。即,确定可仅仅基于这些因素或至少部分地基于这些因素。考虑短语“基于B来确定A”。在这种情况下,B是影响A的确定的一个因素,该短语不排除A的确定也可基于C。在其它实例中,可仅基于B来确定A。
具体实施方式
简介
一些实施方案包括其中包括自主导航系统(“ANS”)的一个或多个车辆,其中ANS通过基于在沿着路线导航车辆期间监测路线的各种现实特征形成路线的虚拟表征来启用各种驾驶路线(在本文也称为“路线”)的自主导航。ANS控制车辆的各种控制元件,以至少部分地基于路线的一个或多个部分的虚拟表征沿着路线的一个或多个部分来自主地驾驶车辆(在本文中称为“自主地导航”,“自主导航”等)。此类自主导航可包括基于以下表征来控制车辆控制元件:包括在虚拟路线表征中的驾驶规则的表征(例如,车速、相对于其它车辆的间隔、道路上的位置、基于环境条件的相应的调整等);和包括在虚拟路线表征中的路线的静态特征的表征(道路车道、道路边缘、道路标志、地标、道路坡度、交叉路口、人行横道等的位置),使得ANS可沿路线的至少一部分安全自主地导航车辆。
如本文所述,“路线”包括车辆沿着其导航的路径。路线可从起始位置延伸到另一个独立的目的地位置,延伸回到与起始位置相同的目的地位置等。路线可沿着一条或多条不同道路的一个或多个不同的部分延伸。例如,家庭所在地和工作地点之间的路线可从自家车道开始延伸,通过一条或多条住宅街道,沿着一条或多条大道、高速公路、收费公路等的一个或多个部分,到达一个或多个停车场的一个或多个停车位。此类路线可以是用户随时间重复导航的路线,包括在给定的一天中多次进行导航(例如,家和工作地点之间的路线可在给定的一天中至少行进一次)。
在一些实施方案中,车辆中的ANS至少部分地基于路线的一个或多个部分的虚拟表征来启用一个或多个部分的自主导航。启用自主导航可包括使路线的一个或多个部分的自主导航可供车辆的用户选择,使得ANS可基于接收用户发起的参与一个或多个部分的自主导航的命令来参与一个或多个部分的自主导航。
路线部分的虚拟表征,在本文中称为“虚拟的路线部分表征”,可包括被包括在一个或多个位置之间的路线中的道路的一部分的虚拟表征。此类表征可被称为“虚拟的道路部分表征”。给定的虚拟道路部分表征可独立于可由车辆导航的任何整体路线,使得由车辆导航的路线包括一组连续导航的道路部分,并且ANS可使用一个或多个虚拟道路部分表征来沿着一条或多条不同路线自主地导航车辆。虚拟路线表征可包括一组一个或多个虚拟道路部分表征,其与一组启用自主导航的一个或多个道路部分和不启用自主导航的一个或多个道路部分相关联,并且ANS可参与对启用自主导航的部分进行自主导航,通过车辆的用户界面与车辆的用户进行交互,使得基于车辆沿着导航的路线的道路部分,对车辆的各种控制元件的控制在用户和ANS之间传输。
在一些实施方案中,ANS通过监测包括ANS的车辆沿着一个或多个路线的导航来形成虚拟道路部分表征、虚拟路线表征等。此类监测可包括在车辆由用户沿着一条或多条路线手动导航时,监测一个或多个外部环境、车辆控制元件等。如本文所述,用户可包括车辆驾驶员、车辆上的乘客、其某种组合等。当用户沿着可沿着一个或多个道路部分延伸的路线手动导航车辆时,ANS可监测手动导航的各个方面,包括监测车辆在手动导航通过的各个道路部分中遇到的各种静态特征(例如,路标、路缘、车道标记、信号灯、树木、地标、车辆的物理位置等)、在各个道路部分中遇到的动态特征(沿着该道路导航驾驶的其它车辆、紧急车辆、事故、天气条件等),关于手动导航车辆通过各个道路部分的用户的驾驶特征(例如,在各个路线部分处的驾驶速度、车道变速和操作、加速事件和速率、减速事件和速率、在道路上相对于静态特征的位置、与其它车辆的间距等)、接近手动导航车辆(例如,在不同车道、在该车辆的前方或后方等)导航通过各个道路部分的移动实体的驾驶特征、其某种组合等。如本文所用,“移动实体”可包括机动车辆,包括汽车、卡车等;人力驱动的车辆,包括自行车、三轮车等;步行者,包括人、动物等;其某种组合等。包括车辆、步行者等的移动实体的驾驶特征可包括表征移动实体如何导航通过一个或多个道路部分的至少一部分的数据。例如,步行者前进的特征可指示该步行者在沿着道路距该道路的某一边缘的某一距离以某一速度行进。该系统可处理基于监测在各种车辆传感器处生成的输入数据,以形成路线的虚拟表征,该虚拟表征可包括与路线的各个部分相关联的静态特征的表征(在本文中称为“静态特征的表征”),与路线的各个部分相关联的驾驶规则的表征(在本文中称为“驾驶规则的表征”)等。
在一些实施方案中,ANS基于监测路线的连续手动导航来更新包括在路线中的一个或多个道路部分的一个或多个虚拟道路部分表征。由于ANS基于路线的多次连续导航,实现对一个或多个道路部分的虚拟表征的连续更新,因此ANS可形成和更新与一个或多个道路部分表征相关联的置信度指标,其中所述一个或多个道路部分表征与包括在路线中的一个或多个道路部分相关联。例如,在基于处理来自各种车辆传感器的输入数据来识别的、常规导航路线的道路部分中的新静态特征的数量随着监测路线上的连续手动导航而减少的情况下,与该虚拟道路部分表征相关联的置信度指标可随着对导航通过该道路部分的连续监测而增加。当一个或多个道路部分的表征具有至少满足阈值置信度指示的置信度指标时,ANS可针对一个或多个道路部分启用车辆的自主导航特征,使得车辆沿着包括一个或多个道路部分的路线的一个或多个部分的自主导航被启用。可以预先确定阈值水平。在一些实施方案中,ANS可至少基于监测沿着一个或多个特定道路部分的导航、从一个或多个远程服务器、系统等接收的信号、其某种组合等来可调整地建立一个或多个特定道路部分的置信度指标。
如本文所用,指标可包括特定值、等级、级别、其某种组合等中的一者或多者。例如,置信度指标可包括置信度值、置信度等级、置信度级别、其某种组合等中的一者或多者。其中指标包括特定值、等级、级别、其某种组合等中的一者或多者,指标可包括某一范围内的指标中的一者或多者。例如,在置信度指标包括置信度等级的情况下,置信度指标可包括某一范围内的等级中的特定等级,其中该特定等级指示与指标相关联的相对置信度。在另一个示例中,在置信度指标包括置信度值的情况下,置信度指标可包括某一范围内的值中的特定值,其中该范围内的特定值相对于由范围极限表示的一个或多个置信极值,指示与指标相关联的相对置信度。
在一些实施方案中,阈值置信度指示可包括一个或多个指标、值、等级、级别等,并且确定置信度指标至少满足阈值置信度指示可包括确定包括在置信度指标中的值、等级、级别等至少匹配包括在该置信度指标中的值、等级、级别等。在一些实施方案中,确定置信度指标至少满足阈值置信度指示可包括确定包括在置信度指标中的值、等级、级别等超过包括在该置信度指标中的值、等级、级别等。在一些实施方案中,阈值置信度指示可被称为阈值置信度指标、阈值、阈值等级、阈值级别、其某些组合等中的一者或多者。
虚拟路线表征可包括路线中包括的各个道路部分的一组虚拟道路部分表征。虚拟路线表征可包括参考各种虚拟道路部分表征的元数据,并且可表征与在各个道路部分之间导航相关联的驾驶规则。在一些实施方案中,至少部分地基于确定包括一组一个或多个道路部分的路线的足够大的部分具有相关联的虚拟表征,来启用路线的一个或多个部分的自主导航,这些虚拟表征所相关联的置信度指标至少满足一个或多个阈值。此类的一组道路部分可包括路线所包括的道路部分的有限选择。例如,在路线包括长度为100英尺的多个道路部分,并且与单个道路部分相关联的虚拟道路部分表征具有满足阈值置信度指示的置信度指标,而在道路部分表征的其余部分不具有满足阈值置信度指示的置信度指标的情况下,单个道路部分的自主导航可保持禁用。在另一个示例中,在与多个连续道路部分相关联的虚拟道路部分表征各自具有满足阈值的置信度指标,并且在道路部分的连续长度至少满足阈值置信度指示的情况下,可启用包括多个邻接的道路部分的路线的一部分的自主导航。在本文中可将“阈值置信度指示”互换地称为“阈值”。该阈值可至少部分地基于邻接的道路部分的距离、通过一个或多个道路部分的驾驶速度、所估计的导航通过一个或多个道路部分要经过的时间、其某种组合等中的一者或多者。阈值可基于包括在确定是否启用自主导航的路线部分中的各个道路部分而变化。
在一些实施方案中,启用路径的一个或多个部分的自主导航启用了由用户发起的对通过基于用户与一个或多个用户界面的交互指定的一个或多个特定道路部分的自主导航的参与。例如,响应于启用道路一部分的自主导航,ANS可经由包括在车辆中的用户界面向用户呈现在一个或多个路线部分参与车辆的自主导航的选项,所述一个或多个路线部分包括启用自主导航的一个或多个道路部分。基于与用户界面的用户交互,ANS可接收用户发起的沿着路线的一个或多个部分自主地导航车辆的命令,并且作为响应,通过控制车辆的一个或多个控制元件参与自主导航。
响应于经由监测外部环境来检测路线的静态特征的变化,ANS可更新路线的虚拟表征。例如,在车辆常规行进的路线中的道路的一部分进行道路施工,导致道路变更、车道封闭等的情况下,包括在车辆中的ANS可响应于在车辆行进通过该道路部分时监测该部分来更新路线的表征。因此,ANS可独立于先前存在的路线表征、“地图”等,包括独立于从远程服务器、系统等接收的数据而适应路线的变化,从而减少启用变化的路线的自主导航所需的时间量。此外,由于路线表征由车辆的ANS基于车辆的用户连续(即重复)导航的路线来形成,因此可启用自主导航的路线包括车辆的用户倾向于导航的路线,包括常规导航的路线。因此,ANS可自主导航由车辆用户常规导航的路线,而不需要预先存在的路线表征。此外,由于ANS可基于经由车辆中包含的传感器来本地监测道路部分的变化来更新一个或多个道路部分、路线等的虚拟表征,因此ANS可在车辆一遇到这些变化时就更新这些表征,从而提供对由用户导航的路线的虚拟表征的更新,并且在一些实施方案中,不依靠来自远程系统、服务器等的分布式更新信息。在一些实施方案中,ANS可基于监测车辆自主导航通过道路的一部分来继续更新道路该部分的虚拟表征。
在一些实施方案中,ANS将一个或多个路线的虚拟表征上载到在ANS所在的车辆外部的一个或多个计算机系统上实现的一个或多个远程系统、服务器等。此类上载可响应于确定形成具有足够的置信度以启用路线的自主导航需要在车辆本地不可用的处理资源、响应于确定在连续监测路线导航的情况下,ANS无法以大于某一值的速率来建立与表征相关联的置信度指标等来执行。例如,在道路部分的表征需要超出包括在车辆中的计算机系统的能力的处理能力的情况下,包括在车辆中的ANS可将路线的表征、与路线相关联的一组或多组输入数据上载到远程服务器,并且远程服务可处理数据、评估表征等以形成路线的虚拟表征。在另一个示例中,在车辆的ANS确定与虚拟道路部分表征相关联的置信度指标不以大于某一速率增加且连续监测道路部分的导航的情况下,ANS可将表征、与路线相关联的输入数据等上载到远程服务器、系统等,并且远程服务器、系统等可进一步评估表征以增强表征的置信度指标。
在远程系统、服务器等无法建立表征的足够的置信度指标的情况下,远程系统可标记用于手动评估表征的表征,并且可响应于来自一个或多个操作员的手动输入来修改表征。在一些实施方案中,手动输入可包括手动指定的表征置信度指标。在此类修改不导致建立足够的表征置信度指标的情况下,远程系统可调度专用传感器套件,其可被包括在专用传感器承载车辆中,以收集与所讨论的路线的一个或多个所选部分相关联的附加输入数据,其中远程系统可利用额外的输入数据来修改表征。在此类修改不导致建立足够的表征置信度指标的情况下,远程系统可标记该路线,并向ANS提供用于车辆导航的所提议的另选路线。
另选路线提议可包括可具有足够的置信度指标的一个或多个另选路线的表征,使得车辆的ANS可启用所述另选路线的自主导航,并且通过界面向车辆的用户提议自主导航另选路线,而不是以第一条路线行进。在一些实施方案中,ANS通过用户界面邀请车辆的用户手动导航一个或多个另选路线,使得ANS可形成一条或多条另选路线的虚拟表征,来作为启用一条或多条另选路线的自主导航的一部分。
在一些实施方案中,在车辆的ANS处表征路线包括监测沿着路线的一个或多个部分手动导航车辆的一个或多个车辆用户的驾驶特征。此类表征可包括监测在路线的一个或多个部分接近车辆行进的一个或多个各种移动实体,包括一个或多个机动车辆、人力驱动的车辆、步行者、其某种组合等的驾驶特征。驾驶特征可包括在一条路线的一个或多个部分等相对于沿着路线的一个或多个静态路线特征定位一个或多个移动实体、相对于静态路线特征的加速事件、加速率、相对于静态特征的驾驶速度、动态特征等。ANS可处理监测到的驾驶特征来形成与路线的一个或多个部分相关联的一组驾驶规则,其中该组驾驶规则确定驾驶特征,ANS根据该驾驶特征沿着路线的一个或多个部分自主导航车辆。例如,基于监测沿着特定路线的本地车辆的用户的驾驶特征、各种其它车辆的驾驶特征等,车辆的ANS可形成与路线相关联的一组驾驶规则,所述一组驾驶规则可包括如下规则:指定路线各部分的驾驶速度范围、沿着路线的车道位置、该车辆与沿着路线的其它车辆之间允许的间隔距离、沿着路线的允许特定加速度范围的位置、要施加一定量加速度的位置(例如,道路斜坡)、某些动态事件发生(事故、突发加速事件、道路障碍物、步行者等)的可能性、其某种组合等。此类多组驾驶规则可被称为驾驶规则表征,并且可包括在虚拟道路部分表征、虚拟路线表征、其某种组合等中。
因此,可“凭借经验”形成用于路线的驾驶规则,即基于监测一个或多个用户实际沿着路线导航一个或多个车辆的方式。此类本地形成的驾驶规则可提供根据自主导航的路线的特定条件而定制的自主驾驶体验,而不是使用独立于直接监测车辆用户实际导航路线的方式形成的一般驾驶规则。此外,在一些实施方案中,可处理驾驶特征来形成包括在路线的一个或多个部分中的静态特征的表征。例如,当车辆导航通过缺少至少一些常规静态特征的道路(例如,缺少限定的道路边缘、车道边界标记等中的一者或多者的未铺设的道路)时,可处理对本地车辆和一个或多个各种外部车辆的驾驶特征的监测,以形成一个或多个静态特征表征,包括道路边缘的表征、道路未标记车道的边界的表征等。
驾驶规则表征可受到预先确定的驾驶限制,包括驾驶速度限制。例如,基于处理由监测外部环境要素生成的输入数据,ANS可沿着路线的各个部分识别道路标志,这些道路标志指定对于路线的该部分延伸的道路的速度限制。ANS可分析与道路标志的监测相关联的输入数据来识别所指示的速度限制,并将所识别的速度限制并入与路线的该部分相关联的驾驶规则作为驾驶速度限制,从而使得当ANS使用驾驶规则表征来至少沿着路线的该部分自主导航时,将至少不会尝试超过与路线的该部分相关联的速度限制。
在一些实施方案中,可在车辆上形成包括在多个导航路线中的多个虚拟道路部分表征,并且可将此类多个表征结合到经由多条不同路线的导航进行导航的多条不同道路的各个部分的一组道路部分表征,其中ANS可使用多个道路部分的各种表征来启用沿着各种路线的各个部分(包括多个独立路线的多个部分)的自主导航。
在一些实施方案中,可将一个或多个道路部分的虚拟表征从包括在一个或多个车辆中的一个或多个ANS上载到远程系统、服务器等。此类系统可包括导航监测系统,其中多个独立车辆的多个ANS通信地耦接到导航网络中的一个或多个导航监测系统。各个道路部分的各种表征可在远程系统、服务器等中被结合到道路部分表征的“地图”中。可将表征地图分发至各种车辆的各种ANS。在远程系统、服务器等处接收公共道路部分的一个或多个部分的多个道路部分表征的情况下,将表征结合到地图可包括基于处理一个或多个部分的多个表征来形成道路部分的复合表征。因此,各种车辆的ANS可表征这些各个车辆行进的各种路线,并且在各种车辆上本地形成的各种路线表征可被结合到路线表征的表征地图中,该表征地图可分发至其它车辆并由其它车辆的ANS使用,以启用其它车辆在各种路线上的自主导航。
包括在车辆中的ANS可至少部分地基于对车辆附近的环境的本地监测来对车辆本地生成虚拟表征,从而消除了对包含在道路网络中的道路部分的已有的详细“地图”的需要,其中地图可包括根据其相对物理地理位置组织和布置的道路部分的一组虚拟表征,使得地图包括道路网络的虚拟表征以及可在其中导航的各种路线。在不存在“地图”的情况下,ANS可通过形成车辆进行导航的一个或多个路线的一个或多个部分的虚拟表征来“引导”地图生成。此外,由于ANS表征车辆导航的路线,因此表征路线的本地形成的地图可包括车辆用户倾向于导航的路线,但不包括用户不导航的路线,从而启用用户所常规行进的路线的自主导航。
在一些实施方案中,ANS通信地耦接到一个或多个其它ANS,并且可与一个或多个其它自主导航系统通信虚拟路线表征。ANS可由一个或多个车辆外部的一个或多个计算机系统来实现,并且可修改从一个或多个其它ANS接收的虚拟路线表征。此类修改可包括将多个表征结合到一个或多个复合表征中,基于从一组或多组其它远程ANS、其某种组合等接收的输入数据修改从所述一组或多组远程ANS所接收的表征。
现在将详细地参考实施方案,这些实施方案的示例在附图中示出。在下面的详细描述中给出了许多具体细节,以便提供对本公开的彻底理解。但是,对本领域的普通技术人员将显而易见的是,一些实施方案可以在没有这些具体细节的情况下被实践。在其它情况下,没有详细地描述为人熟知的方法、过程、部件、电路、网络,以便不会不必要地使实施方案的方面晦涩难懂。
还将理解的是,虽然术语“第一”、“第二”等可能在本文中被用来描述各种元素,但是这些元素不应当被这些术语限定。这些术语只是用来将一个元素与另一个元素区分开。例如,第一接触可被命名为第二接触,并且类似地,第二接触可被命名为第一接触,而不脱离预期的范围。第一接触和第二接触两者都是接触,但它们不是同一接触。
在本文的描述中所使用的术语只是为了描述特定实施方案的目的,而并非旨在进行限制。如说明书和所附权利要求中所使用的那样,单数形式的“一个”(“a”,“an”)和“所述”旨在也涵盖复数形式,除非上下文清楚地以其它方式来指示。还将理解的是,本文中所使用的术语“和/或”是指并且涵盖相关联地列出的项目中的一个或多个项目的任何和全部可能的组合。还将理解的是,术语“包括”(“includes”“including”“comprises”和/或“comprising”)在本说明书中使用时是指定存在所陈述的特征、整数、步骤、操作、元件和/或部件,但是并不排除存在或添加一个或多个其它特征、整数、步骤、操作、元件、部件和/或其分组。
根椐上下文,如本文所用,术语“如果”可被解释为指“当……时”(“when”或“upon”)或“响应于确定”或“响应于检测到”。类似地,根据上下文,短语“如果确定……”或“如果检测到[所陈述的条件或事件]”可被解释为意指“在确定……时”或“响应于确定……”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
自主导航系统
图1示出了根据一些实施方案的包括自主导航系统(ANS)的车辆100的示意性框图,该自主导航系统被配置为至少部分地基于一条或多条驾驶路线的一个或多个部分的一个或多个虚拟表征,来控制车辆的各个控制元件沿着一条或多条驾驶路线自主地导航车辆。
车辆100将被理解为包括可容纳一个或多个人员的具有一种或多种各种配置的一个或多个车辆,包括但不限于一个或多个汽车、卡车、面包车等。车辆100可包括被配置为容纳一个或多个人员(例如,乘客、司机等)的一个或多个内部舱室,所述人员在本文中统称为车辆的“用户”。内部舱室可包括一个或多个用户界面,包括车辆控制界面(例如,方向盘、节气门控制设备、制动控制设备)、显示界面、多媒体界面、气候控制界面、其某种组合等。车辆100包括各种控制元件120,所述控制元件可被控制以在世界各地导航(“驾驶”)车辆100,包括沿着一条或多条路线导航车辆100。在一些实施方案中,一个或多个控制元件120通信地耦接到包括在车辆100内部舱室中的一个或多个用户界面,使得车辆100被配置为启用用户与一个或多个用户界面的交互来控制控制元件120中的至少一些并且手动导航车辆100。例如,车辆100在内部舱室中可包括转向设备、节气门设备和制动设备,用户可与其进行交互来控制各种控制元件120以手动导航车辆100。
车辆100包括被配置为自主导航车辆100的自主导航系统(ANS)110。ANS 110可由被配置成执行下面所讨论的各种特征、模块或其它部件的硬件和/或软件的任何组合来实现。例如,一个或多个多种通用处理器、图形处理单元或专用硬件部件诸如各种专用集成电路(ASIC)、现场可编程门阵列(FPGA)、或其它专用电路可实现所有(或结合存储在存储器中并由处理器执行的程序指令的部分)路线表征模块112和驾驶控制模块114。一个或多个计算系统,诸如下面的图13中的计算机系统1300还可实现ANS 110。ANS 110通信地耦接到车辆控制元件120中的至少一些,并且被配置为控制所述元件120中的一个或多个元件来自主地导航车辆100。如本文所用,车辆100的自主导航是指基于对车辆100的控制元件120(包括转向控制元件、节气门控制元件、制动控制元件、变速器控制元件等)的主动控制,独立于来自车辆用户的控制元件输入命令,沿着路线的至少一部分的车辆100受控的导航(“驾驶”)。自主导航可包括ANS主动控制驾驶控制元件120,同时通过来自用户的手动输入启用对元件120的手动控制,其中用户的手动输入来自用户与包括在车辆中的一个或多个用户界面的交互。例如,在车辆用户没有通过车辆100的一个或多个用户界面输入命令的情况下,ANS110可自主地导航车辆110,并且ANS 110可响应于用户从车辆100的一个或多个用户元件发起的对一个或多个元件120的输入命令而停止对一个或多个元件120的控制。
ANS 110包括路线表征模块112,该路线表征模块形成并保持各种道路部分、驾驶路线等的虚拟表征;和驾驶控制模块114,该驾驶控制模块被配置为控制车辆100的一个或多个控制元件120,以基于与路线的一个或多个部分相关联的虚拟表征,沿着一条或多条驾驶路线的一个或多个部分自主导航车辆。
车辆100包括一组一个或多个外部传感器设备116,也称为外部传感器116,其可监测相对于车辆100的外部环境的一个或多个方面。此类传感器可包括相机设备、视频记录设备、红外传感器设备、雷达设备、包括LIDAR设备的光扫描设备、降水传感器设备、环境风传感器设备、环境温度传感器设备、可包括一个或多个全球导航卫星系统设备(例如,GPS、BeiDou、DORIS、Galileo、GLONASS等)的位置监测设备、其某种组合等。一个或多个外部传感器设备116可在车辆100导航通过一处环境时生成与该环境相关联的传感器数据。由一个或多个传感器设备116生成的传感器数据可作为输入数据被传送至ANS 110,其中输入数据可由路线表征模块112用于形成、更新、保持车辆100正在导航通过的路线的一个或多个部分的虚拟表征等。当车辆100被手动导航、自主导航等时,外部传感器设备116可生成传感器数据。
车辆100包括一组一个或多个内部传感器118,也称为内部传感器设备118,其可监测车辆100的一个或多个方面。此类传感器可包括:相机设备,其被配置为收集车辆的内部舱室中的一个或多个用户的图像数据;监测车辆的各种控制元件120的工作状态的控制元件传感器;加速度计;速度传感器;监测各种汽车部件的状态的部件传感器(例如,监测车辆的一个或多个车轮的车轮转动运动的传感器)等。当车辆100导航通过该环境时,一个或多个内部传感器设备118可生成与车辆100相关联的传感器数据。由一个或多个内部传感器设备118生成的传感器数据可作为输入数据被传送至ANS 110,其中输入数据可由路线表征模块用于形成、更新、保持车辆100正在导航通过的路线的一个或多个部分的虚拟表征等。当车辆100被手动导航、自主导航等时,内部传感器设备118可生成传感器数据。
车辆100包括一组或多组界面130。一个或多个界面130可包括一个或多个用户界面设备,也称为用户界面,车辆100的用户可利用该用户界面设备进行交互,以与ANS 100、控制元件120等的一个或多个部分进行交互。例如,界面130可包括显示界面、用户可利用该显示界面进行交互来命令ANS 110,以至少部分地基于路线的一个或多个部分的一个或多个虚拟表征,沿着一个或多个特定路线对车辆100进行自主导航。
在一些实施方案中,一个或多个界面130包括一个或多个通信界面,该一个或多个通信界面可经由一个或多个通信网络将ANS 110与一个或多个远程服务器、系统等通信地耦接。例如,界面130可包括无线通信收发器,该无线通信收发器可经由包括云服务器的一个或多个无线通信网络将ANS 110与一个或多个远程服务器通信地耦接。ANS 110可经由一个或多个界面130将虚拟路线表征、各种输入数据组等传送至远程服务器、系统等,可从一个或多个远程服务器、系统等接收一个或多个道路部分等的虚拟表征。
路线表征的形成
在一些实施方案中,当车辆在导航通过一个或多个道路部分时,ANS可形成一个或多个道路部分的一个或多个虚拟表征,随后ANS可利用这些虚拟表征,基于监测各种静态特征、动态特征、驾驶特征等来自主地导航车辆通过一个或多个道路部分。当车辆由车辆用户手动导航通过一个或多个道路部分时可实现此类监测,使得ANS可通过在车辆沿着路线手动导航时监测静态特征来形成路线的静态特征的表征,并且基于监测用户手动导航车辆通过道路该部分时的驾驶特征,以及监测接近本地车辆导航通过该道路部分的其它车辆的驾驶特征等,可形成指定ANS导航车辆通过一个或多个道路部分的方式的一组驾驶规则。因此,车辆的ANS基于监测沿着路线的手动导航以及在车辆经由手动导航通过该路线时观察到的各种特征,可形成路线物理状态的表征(例如,静态特征)和沿着路线导航的方式的表征(例如,驾驶规则)两者。因此,ANS可独立于外部接收的表征数据或预先存在的表征数据,形成用于路线的自主导航的表征。
图2示出了根据一些实施方案的车辆202的示意图,该车辆包括ANS 201和一组传感器设备203,正在导航通过包括道路208,218的多个道路部分210A至210D的区域200。车辆202可手动导航通过路线,并且传感器设备203可包括一个或多个外部传感器设备、车辆传感器设备等。车辆202和ANS 201可包括在车辆、ANS等的任何实施方案中。
如所示出实施方案所示,包括一个或多个不同道路208,218的区域200可被分成各种道路“部分”210。ANS可基于从车辆202中的一个或多个位置传感器接收的位置数据、区域200中包括的一个或多个各种静态特征等来区别各个道路部分。不同的道路部分210可具有不同的尺寸,这可至少部分地基于在包括道路该部分的道路上导航的车辆的驾驶速度、环境条件等。例如,道路208可以是平均驾驶速度高于可以是斜坡弯道218的道路的平均驾驶速度的高速公路;因此,道路208的道路部分210A至210C中的每个部分都可大于道路218的道路部分210D。
在一些实施方案中,当车辆(手动地、自主地等)导航通过一个或多个不同道路时,包括在车辆中的ANS在车辆导航通过各个道路部分时,监测各个道路的各个道路部分的各种静态特征特性,监测车辆用户的各种驾驶特征、其它附近的车辆等,以及其某种组合等。可由ANS基于从传感器203接收的输入数据来实现的此类监测可包括处理各种特征来形成车辆被导航通过的一个或多个道路部分的虚拟表征。ANS随后可利用虚拟表征来自主地导航车辆通过一个或多个道路部分。
在一些实施方案中,监测道路部分的各种静态特征特性包括识别与道路部分相关联的各种静态特征。例如,在所示实施方案中,在车辆202正在导航通过道路208的道路部分210B的情况下,传感器设备203可监测区域200的外部环境的各个方面,以识别与道路部分210B相关联的各种静态特征,包括边缘212A至212B、车道边界217A至217B、道路208的车道214A至214C。在一些实施方案中,一个或多个传感器设备203可识别道路208的一个或多个部分的材料组成。例如,车辆202的传感器设备203可包括内部传感器设备,该内部传感器设备可监测车辆202的车轮的转动运动,以确定车辆是否正在导航通过沥青表面、砾石表面、混凝土表面、污垢表面等。
在一些实施方案中,传感器设备203可监测区域200的外部环境的各个方面,以识别与处于道路208外部的道路的道路部分210B相关联的各种静态特征,包括静态地标213、自然环境元素215、道路斜坡242、道路标志221,223等。
在一些实施方案中,识别静态特征包括识别与静态特征相关联的信息,包括识别在道路标志上呈现的信息。例如,区域200包括道路标志221,223,其中道路标志221指示存在斜坡弯道218,而道路标志223是指示至少针对道路部分210B的速度限制的限速标志。在车辆202导航通过部分210B时监测与道路部分210B相关联的静态特征,包括ANS基于监测区域200的外部环境来确定道路部分210B中道路标志221,223的物理位置,识别呈现在道路标志221,223上的信息,并且包括此类信息作为该道路部分的虚拟表征的一部分。例如,当车辆202导航通过道路部分210B时,ANS 201可基于由传感器203监测区域200来识别部分210B中的道路标志223的物理位置,识别道路标志223是限速标志,识别由该道路标志指示的速度限制为55英里/小时,并将此类信息结合到至少与道路部分210B相关联的驾驶规则表征中,作为导航通过至少部分210B时的最大驾驶速度。
在一些实施方案中,传感器设备203可监测车辆202的驾驶特征,接近车辆202导航通过道路部分210的其它车辆232至236等。ANS 201可利用此类驾驶特征来形成一个或多个道路部分的虚拟表征的一个或多个部分,包括一个或多个静态特征表征、驾驶规则等。例如,基于监测导航通过道路部分210A至210C的车辆202、车辆232至236等中的一个或多个车辆的驾驶速度,ANS 201可确定自主导航通过一个或多个道路部分210A至210C的驾驶速度范围。ANS 201可基于监测一个或多个车辆202,232至236的驾驶特征,确定与导航通过特定部分210A至210C相关联的加速度的允许范围、可能发生加速事件时的道路部分中的位置、车道214A至214C在道路中的位置、在车辆202和作为车辆202在公共车道214中导航通过一个或多个道路部分210A至210C的其它车辆之间的间隔距离252,254的允许范围、车辆202和车辆202正在导航的车道214B的一个或多个边界之间的间隔距离256A至256B的允许范围等。
在一些实施方案中,在车辆导航通过道路部分时监测的驾驶特征与一个或多个其它道路部分相关联。例如,在ANS 201在车辆导航通过部分210B时监测车辆202与另一尾随车辆234之间的间距252的情况下,ANS 201可形成驾驶规则,该驾驶规则指定在车辆202导航通过道路部分210A和210C时,间距252为车辆202与前方车辆236之间的最小允许间距。此类相关可至少部分地基于道路部分之间的相似性。例如,可使用基于在车辆202导航通过道路部分210A至210C中的一个或多个部分时生成的输入数据确定的驾驶特征来形成任何类似道路部分210A至210C的虚拟表征中包括的驾驶规则表征,而此类驾驶表征不用于形成在不类似的路面部分210D的虚拟表征中包括的驾驶规则。
图3示出了根据一些实施方案的车辆302的示意图,该车辆包括ANS 301和一组传感器设备303,正在导航通过包括道路208,218的多个道路部分310A至310C的区域300。车辆302可手动导航通过路线,并且传感器设备203可包括一个或多个外部传感器设备、车辆传感器设备等。车辆302和ANS 301可包括在车辆、ANS等的任何实施方案中。
在一些实施方案中,ANS可利用在车辆导航通过道路部分时监测到的驾驶特征,来确定包括在道路部分的虚拟表征中的道路部分的静态特征特性。
例如,在图3所示的实施方案中,车辆302沿着缺少明确限定的边缘和车道边界的未铺设的道路308导航。ANS 301可至少部分地基于当车辆302的用户使车辆302导航通过一个或多个道路部分310A至310C时监测车辆302的驾驶特征,以及基于当另一部车辆332导航车辆302通过一个或多个道路部分310A至310C时监测一个或多个其它车辆332的驾驶特征,基于其某种组合等来确定道路308的边缘312A至312B、车道314A至314B和车道边界317。如图所示,ANS 301可基于监测车辆302和车辆332的驾驶特征来确定边缘312A至312B、车道314A至314B和边界317。此外,ANS 301可确定相对于车道314A中的驾驶,车道314B与相反方向的驾驶相关联。
图4示出了根据一些实施方案的自主导航系统(ANS)的框图。如上面关于图1所示,ANS 400可由一个或多个计算机系统实现和/或由被配置为执行下面所讨论的各种特征、模块或其它部件的硬件和/或软件的任何组合,诸如,一个或多个多种通用处理器、图形处理单元或专用硬件部件来实现,并且可包括在ANS的任何实施方案中。
ANS 400包括可由硬件、软件等的一个或多个实例来实现的各种模块。ANS 400包括路线表征模块401,该路线表征模块被配置为基于监测基于其中包括ANS 400的车辆导航通过各个道路部分而生成的输入数据来形成各个道路部分的虚拟表征。
ANS 400包括输入数据模块410,其被配置为从各种数据源接收输入数据,并且该输入数据模块可包括一个或多个传感器设备。在一些实施方案中,模块410被配置为基于输入数据的一个或多个实例来处理至少一些输入数据,并确定各种静态特征表征、驾驶规则表征等。可基于在一个或多个道路部分上导航的车辆,从各种数据源接收输入数据,其中此类导航可以是手动的、自主的、其某种组合等。
输入数据模块410包括外部传感器模块412,该外部传感器模块被配置为从车辆的一个或多个外部传感器接收输入数据,其中输入数据可由一个或多个外部传感器在车辆沿着一条或多条驾驶路线导航通过一个或多个道路部分的同时生成。
模块412可包括静态特征模块414,当车辆导航通过一个或多个道路部分时,该静态特征模块监测包括在一个或多个道路部分中的一个或多个静态特征。此类监测可包括确定静态特征的地理位置,识别由静态特征呈现的信息,对静态特征进行分类等。例如,模块414可基于监测由监测车辆外部环境的相机设备生成的图像数据来识别道路边缘、车道边界、道路标志等。
在一些实施方案中,在车辆401导航通过一个或多个道路部分时,模块414监测车辆401的物理位置(在本文中也称为“地理位置”、“地理地点”等)。此类监测可包括至少部分地基于从全球导航卫星系统设备接收的输入数据来确定ANS 400所在的车辆的地理位置。此类物理位置数据可用于形成ANS 400所在的车辆正在导航的道路部分的静态特征表征,该静态特征表征包括道路部分的物理位置、道路部分的驾驶规则表征,包括驾驶通过道路部分的速度、其某种组合等。
模块412可包括动态特征模块416,该动态特征模块监测车辆导航通过一个或多个道路部分时遇到的一个或多个动态特征,包括导航通过道路部分的其它车辆、停在道路部分中的车辆、紧急车辆、车辆事故、步行者、周围环境条件、能见度等。基于一个或多个道路部分中遇到的动态特征,模块416可形成与道路部分相关联的一个或多个驾驶规则表征、静态特征表征等。
模块412可包括驾驶特征模块418,该驾驶特征模块可监测一个或多个外部车辆的驾驶特征,相对于其中包括ANS 400的车辆,所述外部车辆在该车辆导航通过一个或多个道路部分时接近该车辆进行导航。此类驾驶特征可包括驾驶速度、加速率、道路边界之间的间距、车道边界、其它车辆,物理位置等。基于在一个或多个道路部分中所监测到的一个或多个外部车辆的驾驶特征,模块418可形成与道路部分相关联的一个或多个驾驶规则表征、静态特征表征等。
输入数据模块410包括内部传感器模块422,该内部传感器模块被配置为从车辆的一个或多个内部传感器接收输入数据,其中输入数据可由一个或多个内部传感器在其中设置ANS 400的车辆沿着一条或多条驾驶路线导航通过一个或多个道路部分的同时生成。
模块422可包括控制元件模块426,该控制元件模块在车辆导航通过一个或多个道路部分时,监测与其中设置ANS 400的车辆的一个或多个控制元件相关联的输入数据的一个或多个实例。此类输入数据可包括节气门位置数据、转向元件位置、制动设备状态、车轮转速、来自一个或多个用户界面的对此类元件的命令、其某种组合等。基于控制元件输入数据,模块426可形成与ANS 400所在的车辆导航通过的道路部分相关联的一个或多个驾驶规则表征,ANS 400所在的车辆导航通过的道路部分的一个或多个静态特征表征等。
模块422可包括本地驾驶特征模块428,在车辆正在导航通过一个或多个道路部分时,该本地驾驶特征模块可监测ANS 400所在的车辆的驾驶特征,包括在用户手动导航车辆通过一个或多个道路部分时的车辆用户的驾驶特征。此类驾驶特征可包括驾驶速度、加速率、道路边界之间的间距、车道边界、其它车辆、物理位置等。基于位于一个或多个道路部分上的ANS 400所在车辆的监测到的驾驶特征,模块428可形成与一个或多个道路部分相关联的一个或多个驾驶规则表征、静态特征表征等。
ANS 400包括处理模块430,该处理模块被配置为处理在模块410处接收的输入数据,以形成一个或多个道路部分的一个或多个虚拟表征。在一些实施方案中,模块430被配置为处理至少一些输入数据并且确定道路部分的虚拟表征,该虚拟表征包括在道路部分中包括的静态特征的表征,用于导航通过道路部分的驾驶规则的表征、其某种组合等。
模块430可包括静态特征表征模块432,该静态特征表征模块被配置为基于与在模块410处接收的道路部分相关联的输入数据的一个或多个实例来形成特定道路部分的静态特征的虚拟表征。模块430可包括驱动规则表征模块434,该驱动规则表征模块被配置为基于与在模块410处接收的道路部分相关联的输入数据的一个或多个实例来形成与特定道路部分相关联的驾驶规则的虚拟表征。模块432,434被配置为当车辆401导航通过一个或多个道路部分时,基于在模块410处生成和接收的传感器数据来生成与一个或多个道路部分相关联的虚拟表征。在一些实施方案中,模块430被配置为生成一个或多个道路部分的一个或多个虚拟道路部分表征,其中所述表征包括与道路部分相关联的各种驾驶规则表征和静态特征表征。在一些实施方案中,模块430被配置为生成一个或多个驾驶路线的一个或多个虚拟路线表征,其中所生成的虚拟路线表征包括路线中包括的各个道路部分的至少一组虚拟道路部分表征。
在一些实施方案中,模块430被配置为当ANS 400所在车辆随后导航通过道路部分至少一次时,至少部分地基于在模块410处接收的附加输入数据组来更新道路部分的先前形成的虚拟表征。在一些实施方案中,模块432,434中的一者或多者可至少部分地基于确定与随后导航通过该道路部分相关联的一个或多个静态特征、驾驶特征等之间的差异来更新道路部分的虚拟表征的一个或多个部分。例如,在道路部分的初始形成的虚拟表征包括道路部分的静态特征表征的情况下,以及在模块432基于处理在ANS 400所在车辆随后再次导航通过相同道路部分时生成的输入数据,来确定存在没有在初始静态特征表征中表征的附加静态特征(包括道路标志)的情况下,模块432可更新道路部分的静态特征表征来结合附加的静态特征。
在一些实施方案中,模块430被配置为评估道路部分的虚拟表征,以基于该虚拟表征来确定是否启用至少道路部分的自主导航。此类评估可包括:确定与道路部分的虚拟表征相关联的置信度指标;基于ANS 400所在的车辆通过道路部分的连续导航,跟踪对道路部分进行连续监测的置信度指标的变化;将置信度指标与一个或多个不同阈值进行比较等。
模块430可包括评估模块436,该评估模块被配置为评估道路部分的虚拟表征,使得模块436将置信度指标与表征关联起来。置信度指标可指示虚拟表征在一定水平的准确性、精确度、其某种组合等范围内所表征的与道路部分相关联的静态特征、驾驶特征等的置信度。例如,与道路部分的虚拟表征相关联的置信度指标可指示虚拟表征在一定水平的准确性范围内所表征的与道路部分相关联的所有道路静态特征(例如,道路边缘、车道、车道边界、道路标志等)的置信度。
在一些实施方案中,模块436基于与道路部分相关联的连续生成的输入数据组的连续处理,更新道路部分随时间的虚拟表征的置信度指标。例如,当ANS 400所在的车辆多次导航通过给定的道路部分,并且与道路部分相关联的连续输入数据组的连续处理导致所形成的道路部分的虚拟表征的附加变化很少或没有时,模块436可连续地调整与虚拟表征相关联的置信度指标,以反映虚拟表征的准确性和精确度的置信度增加。当一组输入数据在经过处理后导致道路部分的虚拟表征的大幅修改时,模块436可减少与虚拟表征相关联的置信度指标。
在一些实施方案中,评估模块436评估驾驶路线的一个或多个部分,并且至少部分地基于确定置信度指标是否与一组至少满足某一连续距离阈值、至少满足某一阈值水平的道路部分虚拟表征相关联,来确定是否启用ANS 400所在的车辆的自主导航,使其通过驾驶路线的一个或多个部分。例如,评估模块436可至少部分地基于确定包括在特定驾驶路线中由十二(12)道路部分构成的连续组具有超出阈值置信度指示(包括90%的特定水平)的相关联置信度指标来确定,模块436可启用十二个道路部分中至少一部分的自主导航的可用性。此类启用可包括建立在一个或多个“转换”路线部分,其中发生手动导航和自主导航之间的转换。此类转换可包括:自主转换部分,其中指示用户释放对ANS 400所在车辆的一个或多个控制元件的手动控制;手动转换部分,其中警示用户采取对ANS400所在车辆的一个或多个控制元件的手动控制;其某种组合等。
模块430可包括管理模块438,该管理模块被配置为监测一个或多个道路部分的表征,以确定是否需要附加处理来启用该一个或多个道路部分的自主导航。此类附加处理可包括在实现ANS 400的一个或多个计算机系统处实现一个或多个处理操作。在模块438处进行监测可包括监测与随时间的虚拟表征相关联的置信度指标的连续变化,并且基于置信度指标的时间变化来确定是否需要附加处理。例如,模块438可监测与随时间的虚拟表征相关联的置信度指标的变化速率。
在一些实施方案中,模块438基于确定相关联置信度指标的变化速率不满足阈值速率,来确定需要道路部分的虚拟表征的附加处理、与道路部分相关联的输入数据、其某种组合等。例如,如果与特定道路部分的虚拟表征相关联的置信度指标随时间波动并且不以大于特定速率进行增加,则模块438可确定需要与该道路部分相关联的附加处理。此类附加处理可包括评估在通过道路部分的多个单独导航期间产生的多组输入数据,评估被确定为随连续的输入数据组反复变化的虚拟表征的一个或多个部分等。
在一些实施方案中,模块438被配置为确定是否将道路部分的虚拟表征、与道路部分相关联的一组或多组输入数据等中的一者或多者上载到一个或多个远程系统、服务等,以进行附加管理、处理等。例如,如果在通过实现ANS 400的计算机系统进行附加处理之后,与虚拟表征相关联的置信度指标至少不满足阈值水平,则模块438可确定将与道路部分相关联的虚拟表征和各组输入数据上载到远程服务,该远程服务可包括云服务。
模块400包括界面模块450,该界面模块被配置为经由ANS 400所在的车辆的一个或多个用户界面向ANS 400所在的车辆的用户呈现与自主导航相关联的信息,经由ANS 400所在的车辆的一个或多个用户界面从用户接收用户发起的命令等。例如,基于在模块430处确定启用包括一组道路部分的部分驾驶路线的自主导航,模块450可呈现驾驶路线的表示,包括启用自主导航的驾驶路线部分的表示,以及邀请用户指示是否参与驾驶路线部分的自主导航。界面模块450可接收用户发起的命令以参与驾驶路线的一个或多个部分的自主驾驶。在一些实施方案中,ANS 400可经由一个或多个用户界面,独立于用户与ANS进行交互,参与启用自主导航的驾驶路线部分的自主导航。例如,在启用道路部分的自主导航之后,一旦ANS所在的车辆遇到道路部分,ANS便可自动地而无需用户干预地参与自主导航。此类自动参与自主导航可基于用户经由包括在车辆中的一个或多个用户界面与ANS的交互来选择性地启用。
模块400包括通信模块460,该通信模块被配置为经由一个或多个通信网络与一个或多个远程服务、系统等通信耦接。例如,模块460可经由无线通信网络、蜂窝通信网络、卫星通信网络等与远程服务、系统等通信耦接。模块460可与一个或多个远程服务、系统等传送数据,包括将虚拟表征、输入数据组等上载到远程服务、系统等,从远程服务、系统等接收一个或多个虚拟表征,其某种组合等。
模块400包括数据库模块440,该数据库模块被配置为存储一个或多个虚拟表征442。此类表征可包括一个或多个虚拟道路部分表征、包括一组或多组虚拟道路部分表征的一个或多个虚拟路线部分、其某种组合等。如上所述,虚拟表征442可基于一组或多组输入数据在模块430处形成,所述一组或多组输入数据是在ANS 400所在的车辆导航通过特定道路部分时,基于监测外部数据、车辆数据等中的一者或多者而产生的。虚拟路线表征可包括路线中所包括的各个道路部分的表征,包括路线的起始位置和目的地位置的指示。例如,当车辆沿着两个位置之间的一组特定道路部分按照路线导航时,可形成针对每个道路部分的虚拟表征,并且虚拟路线表征指示路线中所包括的各个道路部分。在一些实施方案中,虚拟路线表征包括启用路线自主导航中的哪些道路部分的指示。
如图所示,包括在数据库模块440中的各个虚拟表征442可包括针对每个表征442的一组驾驶规则表征444和一组静态特征表征446,所述驾驶规则表征对可用于使车辆401自主导航通过一个或多个道路部分的一组驾驶规则进行表征,所述静态特征表征对一个或多个道路部分中所包括的各个静态特征进行表征。此外,虚拟表征442可包括与表征442相关联的置信度指标448。
图5A至图5C示出了根据一些实施方案的与自主导航系统相关联的用户界面。用户界面可由ANS的任何实施方案产生。
用户界面500是呈现显示屏的图形用户界面(GUI)502的显示界面。所示的GUI 502示出了包括特定地理区域中的一组道路510A-510E的地图表示。该组道路510A-510E可被称为道路网络的至少一部分。
在一些实施方案中,呈现给包括ANS的车辆的用户的用户界面包括车辆可在一个或多个位置之间导航的路线的表示。路线的表示可基于一个或多个用户发起的命令来呈现至界面,所述命令为将特定重新表征的路线显示在所呈现的GUI 502地图上。每条路线可与特定标题(例如,“上班路线”)相关联,并且用户可与一个或多个用户界面进行交互,以基于识别出与用户期望导航车辆的路线相关联的特定标题来选择特定路线。在一些实施方案中,用户界面至少基于预期车辆的用户将期望沿着特定路线导航车辆,来呈现特定路线的表示。此类预期可至少部分地基于预期车辆当前位于与一条或多条特定路线的起始位置相对应的物理位置处,预期车辆当前所处的一天的特定时间,所述特定时间与曾经从起始位置导航的特定路线期间的时间范围相对应。
在一些实施方案中,GUI呈现包括一个或多个交互元素的界面元素(例如,一个或多个图标、消息提示等),每个交互元素表示单独的路线,用户可与之进行交互以命令界面呈现特定路线的表示。每条路线可以是特定虚拟表征存储在ANS处并且可与特定路线标题相关联的路线。路线标题可由用户、ANS、其某种组合等指定。
在一些实施方案中,GUI呈现的界面元素至少部分地基于界面和ANS所在的车辆的当前位置、在所述位置的当前时间、其某种组合中的一者或多者,来指示ANS存储虚拟表征的路线的有限选择。例如,当车辆当前位于一个或多个位置(该位置是虚拟表征存储在ANS中的一条或多条路线的起始位置)附近时,界面可呈现交互元素(包括一条或多条路线的一个或多个呈现),并提示用户与一个或多个表示进行交互以选择一条或多条路线。一旦接收到用户与一个或多个特定表示的交互的指示,界面便可与ANS进行交互,以呈现与一个或多个特定表示相关联的一个或多个路线的图形表示。
如图5A所示,多个道路510A-510E在GUI 502上呈现,所述GUI还呈现与多个位置相关联的多个位置图标520A-520D。在所示的实施方案中,界面500所在的车辆当前可在位置520A附近,所述位置可以是分离目的地位置的几条单独路线的起始位置。如图所示,三个位置520B-520D相对于所示的道路510在某些位置处呈现,所述位置与所述位置相对于所述道路的物理位置相对应。每个单独位置可以是起始于起始位置520A的一条或多条驾驶路线的目的地位置。
在一些实施方案中,单独位置520B-520D可响应于以下情况而在GUI中呈现:识别出界面500所在的车辆在位置520A附近、识别出位置520A为多条单独驾驶路线的起始位置以及识别出位置520B-520D为所述识别出的单独驾驶路线中的一条或多条的目的地位置。例如,响应于检测到用户已经占据车辆,ANS和界面可互操作以基于ANS处从一个或多个传感器设备接收的输入数据来识别车辆的当前位置。ANS可识别虚拟表征存储在ANS处的一条或多条驾驶路线的一个或多个起始位置,所述起始位置在车辆的当前位置附近,并进一步识别该一条或多条驾驶路线的一个或多个目的地位置。界面可向用户呈现所识别的起始位置和目的地位置的图形表示,并且还可呈现一个或多个交互界面元素,用户可利用这些交互界面元素进行交互以选择一条或多条驾驶路线。如图所示,GUI 502包括界面元素580,该界面元素包括三条单独驾驶路线的三个单独表示590A-590C。每条驾驶路线可具有起始位置520A和所示的目的地位置520B-520D中的单独一者。如图所示,每个表示590A-590C包括与相应的驾驶路线相关联的路线标题。每个表示可以是交互式的,使得用户可与一个或多个表示590进行交互,以选择与表示相关联的一条或多条驾驶路线。响应于与一个或多个特定表示590A-590C的用户发起的交互,ANS和界面中的一者或多者可识别用户已经选择特定驾驶路线并在GUI上呈现该驾驶路线的表示。
图5B示出了呈现在起始位置520A和目的地位置520B之间延伸的特定驾驶路线530的表示的GUI 502。驾驶路线530包括在两个位置520A-520B之间延伸的一组道路部分532。在一些实施方案中,所示的路线530不指示路线530中所包括的各个道路部分532之间的边界。
在一些实施方案中,特定表示的驾驶路线包括启用自主导航的一个或多个部分。在所示的实施方案中,驾驶路线的表示530包括启用自主导航的路线的部分540的表示。该表示可包括消息570,其邀请用户通过与GUI 502的一个或多个交互元素572进行交互来指示是否参与启用自主导航的路线的部分540的自主导航。
在一些实施方案中,当路线530的部分540启用其自主导航时,所述部分540的一部分与手动导航和自主导航之间的转换相关联。例如,部分540的转换区域546与到位置520B的路线530的从部分540的自主导航转换到其余部分的手动导航相关联。在一些实施方案中,GUI被配置为基于其中包括界面设备500的车辆的当前位置,来向用户呈现各种消息。例如,当车辆正自主导航通过部分540并越过边界545进入转换部分时,GUI 502可呈现警示消息,该警示消息警示用户即将传输到手动导航。当车辆越过边界547时,可禁用自主导航,并且可在GUI 502上呈现警示用户该事实的消息。在用户界面502上呈现的一个或多个警示可伴随有经由一个或多个其它用户界面呈现的其它警示信号。例如,在GUI 502上呈现警示消息可伴随有经由车辆的一个或多个扬声器界面设备呈现的音频信号。
在一些实施方案中,部分540与路线530的其余部分以不同方式表示。例如,部分540可以与路线530的其余部分不同的颜色表示。在另一个例子中,可在部分540上呈现动画效果。
图5C示出了根据一些实施方案的与自主导航系统相关联的用户界面。用户界面可由ANS的任何实施方案产生。在一些实施方案中,当启用自主导航的路线的部分随时间改变时,启用自主导航的路线的部分540的表示可相应地改变。例如,如图所示,当启用自主导航的路线中的道路部分包括相对于图5B所示的部分朝向位置520B延伸的附加部分时,可在GUI 502中示出将要相应地延伸的部分540的表示。当部分540在最近的某段时间内延伸时,部分540的延伸元素可以与部分540的其余部分不同的方式表示,包括以与部分540的其余部分不同的颜色表示。
图6示出了根据一些实施方案的与自主导航系统相关联的用户界面。用户界面可由ANS的任何实施方案产生。
在一些实施方案中,当相对于最近在一个或多个特定位置之间导航的路线,一个或多个特定位置之间的一个或多个另选路线可用时,可经由用户界面向用户呈现此类一个或多个另选路线的指示,并且可请求用户参与相对于最近导航路线的一个或多个另选路线的导航。
可基于确定与驾驶路线中所包括的一个或多个道路部分的虚拟表征相关联的置信度指标不足够高来启用路线的一个或多个部分的自主导航,来向用户提议另选路线。另选路线可包括针对其一个或多个部分而启用自主导航的路线,使得向用户提议参与另选路线的导航包括邀请参与另选路线的一个或多个部分的自主导航。在一些实施方案中,另选路线不包括启用自主导航的部分,并且另选路线的一个或多个部分的虚拟表征当前可能不存在。因此,提议对另选路线进行导航可包括邀请用户沿着路线进行手动导航,使得可形成包括在另选路线中的一个或多个道路部分的虚拟表征并且可随后启用另选路线的自主导航。
在所示的实施方案中,用户界面设备600包括显示界面602,其可包括GUI 602。GUI602示出了一条或多条道路610A-610E的一个或多个表示以及起始位置612A和目的地位置612B之间的特定驾驶路线620的表示。如图进一步所示,GUI 602示出了两个位置612A-612B之间的另选路线630的表示以及消息670,该消息提示用户选择性地参与或拒绝参与另选路线630的自主导航,而不是至少部分地基于与GUI 602的一个或多个交互元素672-674进行交互,来沿着路线620进行导航。
图7示出了根据一些实施方案形成一个或多个道路部分的虚拟表征以启用该一个或多个道路部分的自主导航。形成过程可通过一个或多个车辆中所包括的ANS的任何实施方案来实现,并且可通过一个或多个计算机系统来实现。
在702处,基于接收到手动导航通过一个或多个道路部分的车辆,从该车辆的一个或多个传感器设备接收一组输入数据。该组输入数据可包括:外部传感器数据,其指示道路部分的各个静态特征;车辆传感器数据,其指示与车辆相关联的数据的各种实例;驾驶特征数据,其与该车辆、一个或多个对该车辆附近的道路部分进行导航的其它外部车辆中的一者或多者相关联;其某种组合等。
在704处,至少部分地基于对所接收的输入数据组中的至少一些数据组进行处理,形成一个或多个道路部分的虚拟表征。虚拟表征可包括与导航通过道路部分相关联的一组驾驶规则的表征、道路部分的静态特征的表征、其某种组合等。在一些实施方案中,形成一个或多个道路部分的虚拟表征包括形成包括一组或多组道路部分的驾驶路线的虚拟表征,车辆在一个或多个起始位置、目的地位置等之间导航通过所述一组或多组道路部分。
在706处,确定与所形成的一个或多个道路部分的虚拟表征相关联的置信度指标。置信度指标可指示与一个或多个道路部分的虚拟表征的准确性、精确度等中的一者或多者相关联的置信度。在708处,确定与一个或多个虚拟表征相关联的置信度指标是否至少满足置信度阈值水平。阈值水平可与足够高的置信度指标相关联,使得可使用一个或多个道路部分的虚拟表征来安全地参与通过一个或多个道路部分的自主导航。如果这样,则在709处,启用一个或多个道路部分的自主导航,使得可参与一个或多个道路部分的自主导航。如果不是,则在710处,根据虚拟表征基于连续输入数据组的连续变化,来确定一个或多个虚拟表征的置信度指标的变化速率是否大于阈值速率水平,所述连续输入数据组基于一个或多个道路部分的连续手动导航而产生。如果是,则通过沿着一个或多个道路部分进行连续手动导航来迭代地重复过程702-710,从而导致产生用于更新一个或多个道路部分的虚拟表征和置信度指标的连续输入数据组,直到置信度指标增加至置信度阈值以上,并以小于置信率阈值的速率变化等。
如712所示,如果在710处确定一个或多个道路部分的一个或多个虚拟表征的置信度指标的变化速率小于置信率阈值,则可将虚拟表征、输入数据组等中的一者或多者上载到远程服务、系统等,以便进行附加处理以修改虚拟表征,从而增加与超过置信度阈值的虚拟表征相关联的置信度指标。在714处,确定有关相对于其中包括一个或多个道路部分的驾驶路线的另选路线是否为可用的。在一些实施方案中,另选路线包括启用自主导航的一个或多个部分。在716处,如果另选路线为可用的,则可经由车辆的一个或多个用户界面将另选路线作为在起始位置和目的地位置之间进行导航的选项来向车辆的用户提议,所述另选路线替代最近在起始位置和目的地位置之间进行导航的驾驶路线。
自主导航网络
在一些实施方案中,多个ANS被安装在多个单独的车辆中,并且每个单独的ANS可形成由安装有相应ANS的相应车辆所导航的一条或多条驾驶路线的虚拟表征。在一些实施方案中,多个单独的ANS可与远程系统、服务等通信耦接并且与之传送数据。远程系统、服务等可包括导航监测系统,该导航监测系统在多个车辆外部的一个或多个计算机系统上实现并且经由一个或多个通信网络通信耦接到一个或多个车辆。一个或多个监测系统可经由一个或多个通信网络通信耦接,并且给定车辆中的ANS可与一个或多个导航监测系统通信耦接。
多个ANS和一个或多个监测系统之间的数据通信可包括各个ANS“上载”一组或多组虚拟路线表征、虚拟道路部分表征、从上载ANS所在的车辆的传感器接收的输入数据等。在一些实施方案中,ANS将虚拟表征上载到远程系统、服务等,所述远程系统、服务等在导航监测系统处并入到表征和输入数据的数据库中。在一些实施方案中,ANS上载由导航监测系统处理的一个或多个虚拟表征、输入数据组等以细化一个或多个虚拟表征,使得可针对一个或多个表征来启用自动驾驶。
多个ANS和一个或多个监测系统之间的数据通信可包括导航监测系统将一个或多个驾驶路线、道路部分等的一个或多个虚拟表征分发或“下载”到安装在一个或多个车辆中的一个或多个ANS。从导航监测系统分发到ANS的虚拟表征可包括基于从一个或多个ANS接收的数据而至少部分地在导航监测系统处形成的虚拟表征、在单独的ANS处形成并被上载到导航监测系统的虚拟表征、其某种组合等。
图8示出了根据一些实施方案的自主导航网络800的示意图,该自主导航网络包括位于单独的车辆802A-802F中的多个ANS 804A-804F,所述ANS在一个或多个通信网络上经由一个或多个通信链路820通信耦接到导航监测系统810。所示的每个ANS 804可包括任何上述实施方案中所示的任何ANS。
在一些实施方案中,在网络800中的各个车辆802外部的一个或多个计算机系统上实现的导航监测系统810包括由导航监测系统中所包括的处理电路的一个或多个实例实现的处理模块812,其可处理与一个或多个道路部分相关联的一组或多组输入数据、一个或多个道路部分的一个或多个虚拟表征、一条或多条驾驶路线的一个或多个虚拟表征、其某种组合等。在一些实施方案中,导航监测系统810包括数据库814,其中存储有一条或多条驾驶路线、一个或多个道路部分等的多个不同虚拟表征816。
在一些实施方案中,导航监测系统810经由一个或多个通信链路820与各个ANS804A-804F通信。此类通信可包括在一个或多个ANS 804与导航监测系统810之间交换虚拟表征、交换与一个或多个道路部分相关联的输入数据组等。例如,每个ANS 804A-804F包括至少一个数据库806A-806F,其中可存储一组或多组输入数据、一个或多个虚拟表征等。ANS804可将由ANS 804形成并存储在相应数据库806中的虚拟表征上载到监测系统810,以用于在数据库814处进行处理、存储等中的一者或多者。监测系统810可将存储在数据库814处的一个或多个虚拟表征816(包括从一个或多个ANS 804接收的虚拟表征、经由处理模块812在导航监测系统810处至少部分地形成的虚拟表征等)分发到一个或多个ANS 804,从而将其存储在相应一个或多个ANS 804的一个或多个数据库806中。例如,可将在ANS 804E处形成的虚拟路线表征上载到系统810并分发到ANS 804A-804D、804F。在一些实施方案中,可将包括一些或全部路线表征的数据从一个或多个ANS连续地上载到系统810。例如,在车辆802A自主地导航路线的同时,随着车辆802A继续导航一个或多个道路部分,ANS 804A可对来自车辆802A的各个传感器设备的输入数据进行处理,并且至少部分地基于此类输入数据、其某种组合等,将输入数据、虚拟表征连续地上载到系统810。
图9A至图9B示出了自主导航网络900的示意图,根据一些实施方案,其包括位于独立车辆902A至902D中的多个ANS 904A至904D,其在一个或多个通信网络上经由一个或多个通信链路920A至920D通信地耦接到导航监测系统910。所示的每个ANS 904可包括任何上述实施方案中所示的任何ANS。
在一些实施方案中,位于独立车辆中的多个独立ANS形成各种独立组道路部分、驾驶路线等的虚拟表征。独立ANS可将这些局部形成的虚拟表征中的一者或多者传送到导航监测系统,其中来自各种ANS的各种特征可被并入到导航监测系统处的虚拟表征集合中。在一些实施方案中,位于一个或多个独立车辆中的一个或多个ANS同时自主地导航一个或多个道路部分,并连续上载基于在一个或多个道路部分的自主导航期间生成的传感器数据而形成的虚拟表征。
图9A示出了经由独立通信链路920A至920D将虚拟道路部分表征的独立组909A至909D传送到监测系统910的独立车辆902A至902D的独立ANS 904A至904D中的每一者。虚拟表征的每个独立组909A至909D在图9A中以独立地图表示908A至908D示出,其中示出了独立组909A至909D包括虚拟表征的地理位置和道路。如图所示,每个地图908A至908D是公共地理区域的例示性表示,并且虚拟表征的每个独立组909A至909D包括一组独立道路部分的多个虚拟道路部分表征。在一些实施方案中,独立组虚拟表征包括公共道路部分的虚拟表征。例如,如图9A所示,虚拟表征组909A至909B包括道路部分911的虚拟表征。
各种ANS可基于各种触发将虚拟表征传送到导航监测系统。例如,响应于所述表征的形成、更新等,响应于时间戳触发,响应于来自导航监测系统910的查询,各种ANS 904可将至少一些局部形成的虚拟表征、本地存储的虚拟表征等间歇地、连续地、周期性地、以其某些组合的形式等传送到导航监测系统910。
在从ANS接收到虚拟表征时,导航监测系统可实现虚拟表征的处理,其可包括自动修改虚拟表征的各种元素,使得与虚拟表征相关联的置信度指标得到改善。可由系统910的一个或多个处理模块912实现的处理可包括:响应于确定与接收虚拟表征相关联的置信度指标小于阈值置信度指示来处理虚拟表征,响应于识别与接收虚拟表征相关联的管理标记来处理虚拟表征,等等。
在一些实施方案中,导航监测系统910相对于存储的一个或多个道路部分的虚拟表征来处理与一个或多个道路部分相关联的接收的虚拟表征、输入数据组等。此类处理可包括将道路部分的两个独立虚拟表征进行比较,并响应于确定与所偏好虚拟表征相关联的置信度指标优于与所舍弃虚拟表征相关联的置信度指标来舍弃一个虚拟表征并存储另一个虚拟表征。在一些实施方案中,此类处理可包括至少部分地基于从一个或多个道路部分的两个或多个虚拟表征所结合的数据来形成一个或多个道路部分的“复合”虚拟表征。例如,可基于包括在道路部分的一个虚拟表征中的至少一些静态特征表征、包括在道路部分的另一个虚拟表征中的至少一些其它静态特征表征,以及从道路部分的又一个虚拟表征结合的至少一些驾驶规则表征来形成道路部分的复合虚拟表征。此类从各种虚拟表征的多种元素的结合可至少部分地基于确定与给定虚拟表征的给定元素相关联的置信度指标优于其它虚拟表征的对应元素。
图9B示出了存储在监测系统910的数据库914中的虚拟道路部分表征的组919的图形表示,其中可至少部分地基于从一个或多个ANS 904接收到的表征909A至909D来形成组919中的各种表征。如图所示,虚拟表征的组919被示出在地图表示918中,其示出了组919包括虚拟表征的地理位置和道路。组919包括针对从一个或多个ANS 904接收的一个或多个组909中接收到虚拟表征的每个道路部分的虚拟表征。在各种组909中接收到道路部分的多个虚拟表征的情况下,组919中的相应虚拟表征可包括从多个接收到的表征、从所接收的虚拟表征中选择的一者、其某些组合等形成的复合表征。
在一些实施方案中,导航监测系统经由一个或多个通信链路将存储在导航监测系统处的至少一部分虚拟表征分发给一个或多个ANS。响应于接收到来自ANS的用于此类分发的请求,响应于更新到存储在导航监测系统处的虚拟表征,响应于时间戳触发,导航监测系统可间歇地、连续地、以周期性间隔、其某些组合等形式将一个或多个虚拟表征分发到ANS。如图9B所示,监测系统910可经由一个或多个通信链路920A至920D将虚拟表征的存储组919中包括的一个或多个虚拟表征分发到一个或多个ANS 904A至904D。在一些实施方案中,导航监测系统向给定ANS分发一个或多个道路部分的虚拟表征的有限选择,其中相较于与有限选择的虚拟表征相关联的置信度指标,给定的ANS当前不具有与更大置信度指标相关联的存储的虚拟表征。
在一些实施方案中,ANS可与导航监测系统通信,以形成具有足够高置信度指标的一个或多个道路部分的虚拟表征,以经由虚拟表征启用一个或多个道路部分的自主导航。该通信可包括将与用于形成的道路部分相关联的一组或多组输入数据上载到一个或多个虚拟表征中,上载一个或多个形成的虚拟表征以用于附加处理等。
在一些实施方案中,ANS可至少部分地基于确定与一个或多个相关联的置信度指标在一个或多个虚拟表征的一定数量的更新期间正以小于阈值的速率改变,来将虚拟表征、一组或多组输入数据、其某些组合等上载到导航监测系统。此类上载可包括将请求传送到导航监测系统以实现虚拟表征、输入数据等的附加处理,从而生成修改的虚拟表征。一旦在导航监测系统处接收到虚拟表征,导航监测系统的处理模块可实现包括在虚拟表征中的一个或多个表征的处理,以生成具有改善的相关置信指标的修改的虚拟表征。此类处理可包括实现在ANS中不可用的处理能力。如果基于导航监测系统的处理不可生成此类修改的虚拟表征,则导航监测系统可标记虚拟表征的一个或多个部分以进行“手动管理”,由此虚拟表征的一个或多个部分可基于用户发起的所述部分的修改来进行修改。
导航监测系统可警示用户、操作者等,虚拟表征需要手动修改以改善其相关联置信度指标。如果手动管理未得到具有至少满足阈值水平的相关联置信度指标的修改的虚拟表征,则导航监测系统可生成调度命令以将可包括在专用传感器车辆中的专用传感器套件调度到一个或多个以虚拟表征进行表征的道路部分,其中传感器套件被命令收集与道路部分相关联的附加输入数据组。一旦在导航监测系统处从专用传感器套件接收到此类输入数据组,就可处理数据以实现道路部分的虚拟表征的附加修改。
如果此类附加处理未得到具有至少满足阈值水平的相关联置信度指标的修改的虚拟表征,则道路部分可与警告标记相关联,并且另选的驾驶路线可与包括标记的道路部分的驾驶路线相关联。此类另选的驾驶路线的表征可被分发到一个或多个ANS,包括最初从其接收虚拟表征的ANS。
图10示出了根据一些实施方案的可用于生成一个或多个虚拟道路部分表征的处理的“管理频谱”1000。此类管理频谱1000可包括一个或多个ANS、监测系统等,其可包括以上ANS、监测系统等的任何实施方案。
在一些实施方案中,包括在车辆中的ANS实现道路部分的虚拟表征的“本地管理”1001,其中ANS处理与道路部分相关联的一组或多组输入数据,以及道路部分的虚拟表征,以更新虚拟表征。此类处理可响应于接收到该组输入数据而发生,并且可响应于基于沿着道路部分的车辆的连续导航而连续生成的输入数据组而发生多次。此类连续处理可导致与虚拟表征相关联的置信度指标随时间变化。例如,通过对虚拟表征的每次更新,置信度指标可至少部分地基于其每次连续更新的虚拟表征的可能存在的变化而改变。
如图10所示,车辆1002可包括ANS 1004,其包括可实现所述更新的处理模块1006。处理模块1006可将虚拟表征和相关联的置信度指标与一个或多个阈值置信度指标、阈值速率等进行比较。ANS 1004可至少部分地基于确定相关联的置信度指标至少满足置信度指示阈值来选择性地启用道路部分的自主导航,该置信度指示阈值也可互换地称为“阈值置信度指示”、“阈值”等。
在置信度指标不满足阈值的情况下,ANS 1004可确定置信度指标是否随时间以最小阈值速率变化,并且连续更新相关联的虚拟表征。如果不是,ANS 1004可将一些或全部虚拟表征上载到导航监测系统1010,以实现下一级“管理”。此类管理可包括“远程自动管理”1003,其中包括在导航监测系统1010中的一个或多个处理模块1012处理一个或多个道路部分的一个或多个虚拟表征,以形成一个或多个修改的虚拟表征。此类处理可自动地实现,而不需要利用ANS 1004本地不可用的处理能力由一个或多个用户手动输入。例如,导航监测系统1010的处理模块1012可包括处理系统、处理电路等,其被配置为实现可修改所接收的虚拟表征的附加处理算法、修改处理等。实现自动管理1003以生成具有相关联置信度指标的道路部分的修改的虚拟表征,该置信度指标优于与从ANS 1004接收的道路部分的虚拟表征相关联的置信度指标。在一些实施方案中,自动管理1003可得到与置信度指标相关联的道路部分的修改的虚拟表征,该置信度指标至少满足与启用道路部分的自主导航相关联的阈值置信度指示。在自动管理1003得到该修改的虚拟表征的情况下,修改的虚拟表征可存储在导航监测系统1010处、分发到ANS 1004等。
在自动管理1003得到与至少不满足阈值的置信度指标相关联的修改的虚拟表征的情况下,导航监测系统1010被配置为实现下一级“管理”,其可包括“手动管理”1005,其中导航监测系统1010的处理模块1012基于用户发起的手动输入而实现虚拟管理的附加处理。此类手动管理的实现可包括处理模块1012,该处理模块响应于确定经由自动管理1003形成的道路部分的修改的虚拟表征的置信度指标并非至少满足阈值。阈值可以是置信度指示阈值,其与启用自主导航、最初在导航监测系统1010处从ANS 1004接收的虚拟表征、其某些组合等相关联。
响应于此类确定可包括生成警告消息,该警告消息可被传输到由一个或多个计算机系统支持的一个或多个人类操作者,识别虚拟表征以及请求所识别虚拟表征的一个或多个部分的“手动管理”。作为响应,导航监测系统可接收一个或多个操作者发起的手动输入命令,以实现对虚拟表征的一个或多个元素的特定修改。导航监测系统可基于所接收到的一个或多个操作者发起的手动输入命令来修改虚拟表征,以产生具有相关联的置信度指标的道路部分的修改的虚拟表征,该置信度指标优于与从ANS 1004接收的道路部分的虚拟表征相关联的置信度指标。在一些实施方案中,手动管理1005可得到与置信度指标相关联的道路部分的修改的虚拟表征,该置信度指标至少满足与启用道路部分的自主导航相关联的阈值置信度指示。在手动管理1005得到该修改的虚拟表征的情况下,修改的虚拟表征可存储在导航监测系统1010处、分发到ANS 1004等。
在手动管理1005得到与至少不满足阈值的置信度指标相关联的修改的虚拟表征的情况下,导航监测系统1010被配置为实现下一级“管理”,其可包括“附加数据管理”1007,其中导航监测系统1010的处理模块1012基于从一个或多个专用传感器套件接收的与所述道路部分相关联的输入数据来实现一个或多个道路部分的虚拟表征的附加处理,该专用传感器套件被调度以生成与道路部分相关联的数据。此类实现可包括处理模块1012,该处理模块响应于确定经由手动管理1005形成的道路部分的修改的虚拟表征的置信度指标并非至少满足阈值。阈值可以是置信度指示阈值,其与启用自主导航、最初在导航监测系统1010处从ANS 1004接收的虚拟表征、其某些组合等相关联。
响应于该确定可包括向可包括在一个或多个专用传感器车辆1020中的一个或多个传感器套件1022生成调度命令,以进行到以虚拟表征进行表征的道路部分,并经由包括在传感器套件1022中的各种传感器来生成与道路部分相关联的附加输入数据。导航监测系统1010的处理模块1012可经由导航监测系统1010的通信模块1016与所述传感器套件1022通信。导航监测系统1010可从传感器套件1022接收附加输入数据组,并经由处理模块1012至少部分地基于附加输入数据来实现道路部分的虚拟表征的附加处理。导航监测系统可基于所接收到的一组或多组附加输入数据来修改虚拟表征,以产生具有相关联的置信度指标的道路部分的修改的虚拟表征,该置信度指标优于与从ANS 1004接收的道路部分的虚拟表征相关联的置信度指标。在一些实施方案中,管理1007可得到与置信度指标相关联的道路部分的修改的虚拟表征,该置信度指标至少满足与启用道路部分的自主导航相关联的阈值置信度指示。在管理1007得到该修改的虚拟表征的情况下,修改的虚拟表征可存储在导航监测系统1010处、分发到ANS 1004等。
图11示出了根据一些实施方案的一个或多个道路部分的虚拟表征的接收和处理。接收和处理可在一个或多个计算机系统上实现,包括实现一个或多个监测系统、ANS等的一个或多个计算机系统。
在1102处,接收一个或多个虚拟表征。可从一个或多个ANS、监测系统等接收一个或多个虚拟表征。此类虚拟表征可在导航监测系统、ANS等处接收。虚拟表征可包括道路部分的虚拟表征、驾驶路线的虚拟表征、其某些组合等。
在1104处,确定多个所接收到虚拟表征是否为公共道路部分、驾驶路线等的虚拟表征。例如,可从两个独立ANS接收公共道路部分的两个独立虚拟表征。可至少部分地基于将包括在各种虚拟表征中的一个或多个静态特征表征、驾驶规则表征等进行比较来进行此类共同性的确定。例如,可至少部分地基于确定两个独立虚拟道路部分特征在独立虚拟表征的静态特征表征中包括公共地理位置坐标组来确定这种共同性。
如果在1106处确定对于公共道路部分、驾驶路线等存在至少两个虚拟表征,则至少部分地基于至少两个虚拟表征中的每一者来形成复合虚拟表征。此类形成可包括将各种虚拟表征的至少一些元素结合到公共复合虚拟表征中。例如,一个虚拟表征的至少一些静态特征表征以及另一个独立虚拟表征的至少一些静态特征表征可结合到复合虚拟表征中。
如果在1108处虚拟表征是道路部分、驾驶路线等的唯一虚拟表征、其复合虚拟表征、其某些组合等,则将虚拟表征提供至一个或多个接收方。此类接收方可包括本地数据库,使得虚拟表征存储在数据库中。此类接收方可包括一个或多个远程定位的ANS、服务、系统等,使得虚拟表征经由一个或多个通信链路被传送到数据库中。数据库可包括在通信地耦接到多个ANS、其它监测系统、其某些组合等的导航监测系统中。导航监测系统可将一个或多个存储的虚拟表征分发到一个或多个ANS、监测系统等。
图12示出了根据一些实施方案的关于一个或多个道路部分的一个或多个虚拟表征来实现管理频谱的至少一部分。该实现可在一个或多个计算机系统上实现,包括实现一个或多个监测系统、ANS等的一个或多个计算机系统。
在1202处,接收一个或多个虚拟表征。可从一个或多个ANS、监测系统等接收一个或多个虚拟表征。此类虚拟表征可在导航监测系统、ANS等处接收。虚拟表征可包括道路部分的虚拟表征、驾驶路线的虚拟表征、其某些组合等。
在1204处,对于一个或多个接收到的虚拟表征,确定相应虚拟表征是否具有至少满足某一阈值的相关联的置信度指标,所述阈值可以是与启用道路部分的自主导航相关联并通过虚拟表征进行表征的阈值。如果是,则在1206处,将虚拟表征存储在一个或多个数据库中。
如1208处所示,如果确定与虚拟表征相关联的置信度指标小于阈值,则实现虚拟表征的自动管理。此类实现可包括处理虚拟表征的一个或多个元素,包括一个或多个静态特征表征、驾驶规则表征等,以生成修改的虚拟表征。在一些实施方案中,实现自动管理,而不需要任何人类操作者的任何手动输入。在一些实施方案中,生成修改的虚拟表征包括建立与修改的虚拟表征相关联的置信度指标。
在1210处,确定与修改的虚拟表征相关联的置信度指标是否具有经改善的值。经改善的值可包括优于未修改的虚拟表征的相关联置信度指标的置信度指标、至少满足与启用自主导航相关联的阈值的置信度指标、其某些组合等。如果是,如1222处所示,将修改的虚拟表征存储在数据库中。修改的虚拟表征可被分发到一个或多个ANS、监测系统等。
如果否,如1212处所示,实现虚拟表征的手动管理。此类实现可包括标记用于手动管理的虚拟表征。此类标记可包括向一个或多个计算机系统支持的一个或多个人类操作者生成警告消息,其中该警告消息指示一个或多个人类操作者提供一个或多个手动输入命令,以修改虚拟表征的一个或多个元素,从而生成修改的虚拟表征。该消息可包括修改虚拟表征的一个或多个特定元素的指令。例如,在置信度指标低于阈值被确定为是由于虚拟表征的一个或多个特定元素的情况下,包括其中包括的一个或多个特定静态特征表征,该消息可包括修改至少一个或多个特定静态特征表征的指示。基于从操作者接收到的手动输入,手动控制可包括对包括在虚拟表征中的各种表征实现特定修改。
在1214处,确定与修改的虚拟表征相关联的置信度指标是否具有经改善的值。经改善的值可包括优于未修改的虚拟表征的相关联置信度指标的置信度指标、至少满足与启用自主导航相关联的阈值的置信度指标、其某些组合等。如果是,如1222处所示,将修改的虚拟表征存储在数据库中。修改的虚拟表征可被分发到一个或多个ANS、监测系统等。
如果否,如1216处所示,将虚拟表征标记用于附加数据管理。此类标记可包括向一个或多个传感器套件、一个或多个传感器套件的人类操作者、包括所述一个或多个传感器套件的一个或多个车辆等生成消息,以将一个或多个传感器套件部署到一个或多个传感器套件中表征的一个或多个道路部分,以生成与一个或多个道路部分相关联的附加输入数据组。
在1218处,接收一组或多组附加输入数据,并基于附加输入数据来处理虚拟表征以修改虚拟表征的一个或多个部分。此类修改使得生成修改的虚拟表征,其可包括更新的相关联置信度指标。
在1220处,确定与修改的虚拟表征相关联的置信度指标是否具有经改善的值。经改善的值可包括优于未修改的虚拟表征的相关联置信度指标的置信度指标、至少满足与启用自主导航相关联的阈值的置信度指标、其某些组合等。如果是,如1222处所示,将修改的虚拟表征存储在数据库中。修改的虚拟表征可被分发到一个或多个ANS、监测系统等。
如果否,如1224处所示,确定有关其中关于包括以虚拟表征进行表征的道路部分的驾驶路线的另选路线是否为可用的。如果是,如1226处所示,识别另选路线并将其与虚拟表征相关联,使得识别包括由虚拟表征进行表征的道路部分的驾驶路线包括识别另选路线。
示例性计算机系统
图13示出了可被配置为包括或执行上文所述的任何或全部实施方案的示例性计算机系统1300。在不同的实施方案中,计算机系统1300可以是各种类型的设备中的任何设备,包括但不限于:个人计算机系统、台式计算机、膝上型电脑、笔记本电脑、平板电脑、一体电脑、平板设备或上网本计算机、移动电话、智能电话、个人数字助理、便携式媒体设备、大型计算机系统、手持式计算机、工作站、网络计算机、相机或摄像机、机顶盒、移动设备、消费设备、视频游戏机、手持式视频游戏设备、应用服务器、存储设备、电视、视频记录设备、外围设备(诸如交换机、调制解调器、路由器),或一般性的任何类型的计算或电子设备。
如本文所述的自主导航系统(ANS)的各种实施方案可以在一个或多个计算机系统1300中执行,所述计算机系统可以与各种其它设备交互。需注意,根据各种实施方案,上文相对于图1至图13描述的任何部件、动作或功能性可以在配置为图13的计算机系统1300的一个或多个计算机上实现。在例示的实施方案中,计算机系统1300包括经由输入/输出(I/O)接口1330耦接到系统存储器1320的一个或多个处理器1310。计算机系统1300还包括耦接到I/O接口1330的网络接口1340,以及一个或多个输入/输出设备,该输入/输出设备可以包括一个或多个用户接口设备。在一些情况下,可以想到实施方案可以利用计算机系统1300的单个实例来实现,而在其它实施方案中,多个此类系统或者构成计算机系统1300的多个节点可以被配置为作为实施方案的不同部分或实例的主机。例如,在一个实施方案中,一些元素可以经由计算机系统1300的与实现其它元素的那些节点不同的一个或多个节点来实现。
在各种实施方案中,计算机系统1300可以是包括一个处理器1310的单处理器系统、或者包括几个处理器1310(例如两个、四个、八个、或另一适当数量)的多处理器系统。处理器1310可以为能够执行指令的任何合适的处理器。例如,在各种实施方案中,处理器1310可以是实现多种指令集架构(ISA),诸如x86、PowerPC、SPARC、或MIPS ISA、或任何其它合适的ISA中任何指令集架构的通用或嵌入式处理器。在多处理器系统中,每个处理器1310通常可以、但并非必须实现相同ISA。
系统存储器1320可被配置为存储能够被处理器1310访问的程序指令1325、数据1326等。在各种实施方案中,系统存储器1320可使用任何适当的存储器技术来实现,诸如静态随机存取存储器(SRAM)、同步动态RAM(SDRAM)、非易失性/闪存存储器,或任何其它类型的存储器。在例示的实施方案中,包括在存储器1320中的程序指令可以被配置为实现结合上述任何功能性的汽车气候控制系统的一些或全部。此外,存储器1320的现有汽车部件控制数据可以包括上述信息或数据结构中的任何一种。在一些实施方案中,程序指令和/或数据可以被接收、发送或存储在独立于系统存储器1320或计算机系统1300的不同类型的计算机可访问介质上或类似介质上。尽管将计算机系统1300描述为实现前面各图的功能框的功能性,但可以通过这样的计算机系统实现本文描述的任何功能性。
在一个实施方案中,I/O接口1330可被配置为协调设备中的处理器1310、系统存储器1320和任何外围设备(包括网络接口1340或其它外围设备接口,诸如输入/输出设备1350)之间的I/O通信。在一些实施方案中,I/O接口1330可执行任何必要的协议、定时或其它数据转换以将来自一个部件(例如,系统存储器1320)的数据信号转换为可适于由另一个部件(例如,处理器1310)使用的格式。在一些实施方案中,I/O接口1330可包括例如对通过各种类型的外围总线(诸如外围部件互连(PCI)总线标准或通用串行总线(USB)标准的变型)所附接的设备的支持。在一些实施方案中,I/O接口1330的功能例如可以被划分到两个或更多个单独部件中,诸如北桥和南桥。此外,在一些实施方案中,I/O接口1330,诸如到系统存储器1320的接口的一些或所有功能性可以被直接并入到处理器1310中。
网络接口1340可以被配置为允许在计算机系统1300和附接到网络1350的其它设备1360(例如,承载器或代理设备)之间,或者在计算机系统1300的节点之间交换数据。在各种实施方案中,网络1350可以包括一种或多种网络,包括但不限于:局域网(LAN)(例如以太网或企业网)、广域网(WAN)(例如互联网)、无线数据网、一些其它电子数据网络、或它们的某种组合。在各种实施方案中,网络接口1340例如可以支持经由有线或无线通用数据网络诸如任何适当类型的以太网网络的通信;经由电信/电话网络诸如模拟语音网络或数字光纤通信网络的通信;经由存储区域网络诸如光纤信道SAN或经由任何其它适当类型的网络和/或协议的通信。
输入/输出设备在一些实施方案中可以包括一个或多个显示终端、键盘、键区、触摸板、扫描设备、语音或光学识别设备,或适于由一个或多个计算机系统1300输入或访问数据的任何其它设备。多个输入/输出设备可存在于计算机系统1300中,或者可分布在计算机系统1300的各个节点上。在一些实施方案中,类似的输入/输出设备可与计算机系统1300分开,并且可通过有线或无线连接诸如通过网络接口1340与计算机系统1300的一个或多个节点进行交互。
如图13所示,存储器1320可包括程序指令1325,该程序指令可能可由处理器执行,以实现上文所述的任何元素或动作。在一个实施方案中,程序指令可以实现上文所述的方法。在其它实施方案中,可包括不同的元件和数据。需注意,数据可包括上文所述的任何数据或信息。
本领域的技术人员应当理解,计算机系统1300仅仅是例示性的,而并非旨在限制实施方案的范围。特别地,计算机系统和设备可包括可执行所指出的功能的硬件或软件的任意组合,包括计算机、网络设备、互联网设备、个人数字助理、无线电话、寻呼机等等。计算机系统1300还可被连接到未示出的其它设备或者反之作为独立的系统进行操作。此外,由所示出的部件所提供的功能在一些实施方案中可被组合在更少的部件中或者被分布在附加部件中。类似地,在一些实施方案中,一些所示出的部件的功能可不被提供,和/或可还有其它附加功能可供使用。
本领域的技术人员还将认识到,虽然各种项目被示出为在被使用期间被存储在存储器中或存储装置上,但是为了存储器管理和数据完整性的目的,这些项目或其部分可在存储器和其它存储设备之间进行传输。或者,在其它实施方案中,软件组件中的一些或全部可在另一设备上的存储器中执行,并且经由计算机间通信来与所示出的计算机系统进行通信。系统部件或数据结构中的一些或全部也可(例如作为指令或结构化数据)被存储在计算机可访问介质或便携式制品上以由合适的驱动器读取,其各种示例在上文中被描述。在一些实施方案中,存储在与计算机系统1300分开的计算机可访问介质上的指令可经由传输介质或信号诸如电信号、电磁信号、或数字信号被传输到计算机系统1300,传输介质或信号经由通信介质诸如网络和/或无线链路来传达。各种实施方案可进一步包括在计算机可访问介质上接收、发送或存储根据以上描述所实现的指令和/或数据。一般来讲,计算机可访问介质可以包括非暂态计算机可读存储介质或存储器介质诸如磁介质或光介质,例如盘或DVD/CD-ROM、易失性或非易失性介质诸如RAM(例如SDRAM、DDR、RDRAM、SRAM等)、ROM等。在一些实施方案中,计算机可访问介质可以包括传输介质或信号,诸如经由通信介质诸如网络和/或无线链路来传达的电气、电磁或数字信号。
在不同的实施方案中,本文所述的方法可以在软件、硬件或它们的组合中实现。此外,可以改变方法的方框次序,可对各种要素进行添加、重新排序、组合、省略、修改等。对于受益于本公开的本领域的技术人员,显然可作出各种修改和改变。本文所述的各种实施方案旨在为例示性的而非限制性的。许多变型、修改、添加和改进是可能的。因此,可以为本文中描述为单个实例的部件提供多个实例。各种部件、操作和数据存储装置之间的界限一定程度上是任意性的,在具体例示性配置的上下文中例示了特定操作。预期了功能的其它分配,并且它们可以落在所附权利要求的范围内。最后,被呈现为示例性配置中的分立部件的结构和功能可被实现为组合结构或部件。这些和其它变型、修改、添加和改进可落在所附权利要求所限定的实施方案的范围内。
Claims (20)
1.一种自主导航系统,被配置为安装在车辆中并且选择性地使能所述车辆的自主导航,其中所述自主导航系统包括:
至少一个处理器;和
存储器,存储程序指令,所述程序指令当被所述至少一个处理器执行时使得所述自主导航系统:
在去往目的地的路线的手动导航期间:
评估所述路线的至少一部分的另选路线的特征来确定所述另选路线的所述特征的置信度指标超过阈值置信度指示;
显示使能将所述车辆沿所述另选路线而不是所述路线的所述部分自主导航到所述目的地的提议;和
响应于接收接受所述提议的请求,使能将所述车辆沿着所述另选路线自主导航到所述目的地。
2.根据权利要求1所述的自主导航系统,其中所述存储器还存储程序指令,所述程序指令当被所述至少一个处理器执行时还使得所述自主导航系统:
根据在沿着所述另选路线的所述车辆的一次或多次先前手动导航期间捕获的传感器数据来生成所述另选路线的所述特征。
3.根据权利要求2所述的自主导航系统,其中所述存储器还存储程序指令,所述程序指令当被所述至少一个处理器执行时还使得所述自主导航系统将所述另选路线的所述特征经由导航监测系统的网络接口发送给所述导航监测系统。
4.根据权利要求2所述的自主导航系统,其中所述存储器还存储程序指令,所述程序指令当被所述至少一个处理器执行时还使得所述自主导航系统:
在沿着所述另选路线的所述车辆的所述一次或多次先前手动导航之前,显示手动导航所述另选路线的提议以使得所述另选路线的自主导航能够随后被使能。
5.根据权利要求1所述的自主导航系统,其中所述存储器还存储程序指令,所述程序指令当被所述至少一个处理器执行时还使得所述自主导航系统:
经由导航监测系统的网络接口从所述导航监测系统接收所述另选路线的所述特征。
6.根据权利要求5所述的自主导航系统,其中根据由安装在导航了所述另选路线的另一车辆处的另一自主导航系统捕获的传感器数据生成所述另选路线的所述特征。
7.根据权利要求1所述的自主导航系统,其中所述存储器还存储程序指令,所述程序指令当被所述至少一个处理器执行时还使得所述自主导航系统识别所述另选路线包括与所述路线的共同目的地位置。
8.一种方法,包括:
由自主导航系统执行:
在去往目的地的路线的手动导航期间:
评估所述路线的至少一部分的另选路线的特征来确定所述另选路线的所述特征的置信度指标超过阈值置信度指示;
显示使能将所述车辆沿所述另选路线而不是所述路线的所述部分自主导航到所述目的地的提议;和
响应于接收接受所述提议的请求,使能将所述车辆沿着所述另选路线自主导航到所述目的地。
9.根据权利要求8所述的方法,还包括:
根据在沿着所述另选路线的所述车辆的一次或多次先前手动导航期间捕获的传感器数据来生成所述另选路线的所述特征。
10.根据权利要求9所述的方法,还包括将所生成的所述另选路线的所述特征经由导航监测系统的网络接口发送到所述导航监测系统。
11.根据权利要求9所述的方法,还包括:
在沿着所述另选路线的所述车辆的所述一次或多次先前手动导航之前,显示手动导航所述另选路线的提议以使得所述另选路线的自主导航能够随后被使能。
12.根据权利要求8所述的方法,还包括经由导航监测系统的网络接口从所述导航监测系统接收所述另选路线的所述特征。
13.根据权利要求12所述的方法,其中根据由安装在导航了所述另选路线的另一车辆处的另一自主导航系统捕获的传感器数据生成所述另选路线的所述特征。
14.根据权利要求8所述的方法,还包括识别所述另选路线包括与所述路线的共同目的地位置。
15.一种或多种非瞬态计算机可读存储介质,其存储程序指令,所述程序指令当在一个或多个计算设备上或跨一个或多个计算设备被执行时使得所述一个或多个计算设备实现自主导航系统,所述自主导航系统实现:
在去往目的地的路线的手动导航期间:
评估所述路线的至少一部分的另选路线的特征来确定所述另选路线的所述特征的置信度指标超过阈值置信度指示;
显示使能将所述车辆沿所述另选路线而不是所述路线的所述部分自主导航到所述目的地的提议;和
响应于接收接受所述提议的请求,使能将所述车辆沿着所述另选路线自主导航到所述目的地。
16.根据权利要求15所述的一种或多种非瞬态计算机可读存储介质,其中所述一种或多种非瞬态计算机可读存储介质还存储指令,所述指令当被所述一个或多个计算设备执行时使得所述自主导航系统还实现:
根据在沿着所述另选路线的所述车辆的一次或多次先前手动导航期间捕获的传感器数据来生成所述另选路线的所述特征。
17.根据权利要求16所述的一种或多种非瞬态计算机可读存储介质,其中所述一种或多种非瞬态计算机可读存储介质还存储指令,所述指令当被所述一个或多个计算设备执行时使得所述自主导航系统还实现:
在沿着所述另选路线的所述车辆的所述一次或多次先前手动导航之前,显示手动导航所述另选路线的提议以使得所述另选路线的自主导航能够随后被使能。
18.根据权利要求15所述的一种或多种非瞬态计算机可读存储介质,其中所述一种或多种非瞬态计算机可读存储介质还存储指令,所述指令当被所述一个或多个计算设备执行时使得所述自主导航系统还实现经由导航监测系统的网络接口从所述导航监测系统接收所述另选路线的所述特征。
19.根据权利要求18所述的一种或多种非瞬态计算机可读存储介质,其中根据由安装在导航了所述另选路线的另一车辆处的另一自主导航系统捕获的传感器数据生成所述另选路线的所述特征。
20.根据权利要求15所述的一种或多种非瞬态计算机可读存储介质,其中所述一种或多种非瞬态计算机可读存储介质还存储指令,所述指令当被所述一个或多个计算设备执行时使得所述自主导航系统还实现识别所述另选路线包括与所述路线的共同目的地位置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462088428P | 2014-12-05 | 2014-12-05 | |
US62/088,428 | 2014-12-05 | ||
CN201580064398.8A CN107624155B (zh) | 2014-12-05 | 2015-12-04 | 自主导航系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580064398.8A Division CN107624155B (zh) | 2014-12-05 | 2015-12-04 | 自主导航系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113654561A true CN113654561A (zh) | 2021-11-16 |
Family
ID=54884434
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580064398.8A Active CN107624155B (zh) | 2014-12-05 | 2015-12-04 | 自主导航系统 |
CN202110934438.7A Pending CN113654561A (zh) | 2014-12-05 | 2015-12-04 | 自主导航系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580064398.8A Active CN107624155B (zh) | 2014-12-05 | 2015-12-04 | 自主导航系统 |
Country Status (4)
Country | Link |
---|---|
US (3) | US10451425B2 (zh) |
EP (1) | EP3256815A1 (zh) |
CN (2) | CN107624155B (zh) |
WO (1) | WO2016090282A1 (zh) |
Families Citing this family (101)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9645579B2 (en) | 2011-07-06 | 2017-05-09 | Peloton Technology, Inc. | Vehicle platooning systems and methods |
US20170242443A1 (en) | 2015-11-02 | 2017-08-24 | Peloton Technology, Inc. | Gap measurement for vehicle convoying |
US8744666B2 (en) | 2011-07-06 | 2014-06-03 | Peloton Technology, Inc. | Systems and methods for semi-autonomous vehicular convoys |
US20160341555A1 (en) * | 2015-05-20 | 2016-11-24 | Delphi Technologies, Inc. | System for auto-updating route-data used by a plurality of automated vehicles |
US10712748B2 (en) | 2015-08-26 | 2020-07-14 | Peloton Technology, Inc. | Devices, systems, and methods for generating travel forecasts for vehicle pairing |
JP6524892B2 (ja) * | 2015-11-13 | 2019-06-05 | 株式会社デンソー | 車両の走行路情報生成システム |
JP6468173B2 (ja) * | 2015-12-01 | 2019-02-13 | 株式会社デンソー | 運転支援装置 |
US10239529B2 (en) * | 2016-03-01 | 2019-03-26 | Ford Global Technologies, Llc | Autonomous vehicle operation based on interactive model predictive control |
JP6497353B2 (ja) * | 2016-04-28 | 2019-04-10 | トヨタ自動車株式会社 | 自動運転制御装置 |
US20170329331A1 (en) * | 2016-05-16 | 2017-11-16 | Magna Electronics Inc. | Control system for semi-autonomous control of vehicle along learned route |
DE102016212009A1 (de) * | 2016-07-01 | 2018-01-04 | Ford Global Technologies, Llc | Verfahren zum Betrieb eines selbstfahrenden Kraftfahrzeugs und autonome Fahreinheit für ein selbstfahrendes Kraftfahrzeug |
US10962982B2 (en) * | 2016-07-21 | 2021-03-30 | Mobileye Vision Technologies Ltd. | Crowdsourcing the collection of road surface information |
CA3033164C (en) | 2016-08-08 | 2020-03-24 | Nissan Motor Co., Ltd. | Control method and control device of automatic driving vehicle |
EP3291197A1 (en) * | 2016-08-30 | 2018-03-07 | Volvo Car Corporation | Method and system for establishing whether a road section is suitable for autonomous vehicle driving |
FR3057227B1 (fr) * | 2016-10-07 | 2019-10-11 | Peugeot Citroen Automobiles Sa | Procede et dispositif de determination d’informations relatives a la disponibilite de portions de voies de circulation pour la conduite autonome de vehicules |
US10144428B2 (en) * | 2016-11-10 | 2018-12-04 | Ford Global Technologies, Llc | Traffic light operation |
JP6780461B2 (ja) * | 2016-11-14 | 2020-11-04 | いすゞ自動車株式会社 | 運転支援システム及び運転支援方法 |
CN106767866B (zh) * | 2016-12-02 | 2021-02-12 | 百度在线网络技术(北京)有限公司 | 局部路径规划的方法和装置 |
US10679312B2 (en) * | 2017-04-25 | 2020-06-09 | Lyft Inc. | Dynamic autonomous vehicle servicing and management |
KR102565533B1 (ko) * | 2017-06-14 | 2023-08-10 | 모빌아이 비젼 테크놀로지스 엘티디. | 자율 주행을 위한 항법 정보의 융합 프레임워크 및 배치 정렬 |
US10816354B2 (en) | 2017-08-22 | 2020-10-27 | Tusimple, Inc. | Verification module system and method for motion-based lane detection with multiple sensors |
US10762673B2 (en) | 2017-08-23 | 2020-09-01 | Tusimple, Inc. | 3D submap reconstruction system and method for centimeter precision localization using camera-based submap and LiDAR-based global map |
US10565457B2 (en) | 2017-08-23 | 2020-02-18 | Tusimple, Inc. | Feature matching and correspondence refinement and 3D submap position refinement system and method for centimeter precision localization using camera-based submap and LiDAR-based global map |
US10953880B2 (en) | 2017-09-07 | 2021-03-23 | Tusimple, Inc. | System and method for automated lane change control for autonomous vehicles |
US10649458B2 (en) | 2017-09-07 | 2020-05-12 | Tusimple, Inc. | Data-driven prediction-based system and method for trajectory planning of autonomous vehicles |
US10953881B2 (en) | 2017-09-07 | 2021-03-23 | Tusimple, Inc. | System and method for automated lane change control for autonomous vehicles |
US11089288B2 (en) | 2017-09-11 | 2021-08-10 | Tusimple, Inc. | Corner point extraction system and method for image guided stereo camera optical axes alignment |
US11158088B2 (en) | 2017-09-11 | 2021-10-26 | Tusimple, Inc. | Vanishing point computation and online alignment system and method for image guided stereo camera optical axes alignment |
US10656645B1 (en) * | 2017-10-10 | 2020-05-19 | Uatc, Llc | Determining autonomous vehicle routes |
WO2019098002A1 (ja) * | 2017-11-20 | 2019-05-23 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム、及び移動体 |
CN108229386B (zh) * | 2017-12-29 | 2021-12-14 | 百度在线网络技术(北京)有限公司 | 用于检测车道线的方法、装置和介质 |
CN108121347B (zh) * | 2017-12-29 | 2020-04-07 | 北京三快在线科技有限公司 | 用于控制设备运动的方法、装置及电子设备 |
US10299216B1 (en) | 2018-01-06 | 2019-05-21 | Eric John Wengreen | Self-driving vehicle actions in response to a low battery |
US11073838B2 (en) | 2018-01-06 | 2021-07-27 | Drivent Llc | Self-driving vehicle systems and methods |
US10303181B1 (en) | 2018-11-29 | 2019-05-28 | Eric John Wengreen | Self-driving vehicle systems and methods |
US10274950B1 (en) | 2018-01-06 | 2019-04-30 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US11312334B2 (en) | 2018-01-09 | 2022-04-26 | Tusimple, Inc. | Real-time remote control of vehicles with high redundancy |
CN111989716B (zh) | 2018-01-11 | 2022-11-15 | 图森有限公司 | 用于自主车辆操作的监视系统 |
US20190220016A1 (en) * | 2018-01-15 | 2019-07-18 | Uber Technologies, Inc. | Discrete Decision Architecture for Motion Planning System of an Autonomous Vehicle |
US11493920B2 (en) | 2018-02-02 | 2022-11-08 | Uatc, Llc | Autonomous vehicle integrated user alert and environmental labeling |
US11009356B2 (en) | 2018-02-14 | 2021-05-18 | Tusimple, Inc. | Lane marking localization and fusion |
US11009365B2 (en) | 2018-02-14 | 2021-05-18 | Tusimple, Inc. | Lane marking localization |
US10685244B2 (en) | 2018-02-27 | 2020-06-16 | Tusimple, Inc. | System and method for online real-time multi-object tracking |
US11256729B2 (en) * | 2018-03-29 | 2022-02-22 | Aurora Operations, Inc. | Autonomous vehicle relative atlas incorporating hypergraph data structure |
US10521913B2 (en) * | 2018-03-29 | 2019-12-31 | Aurora Innovation, Inc. | Relative atlas for autonomous vehicle and generation thereof |
US10503760B2 (en) | 2018-03-29 | 2019-12-10 | Aurora Innovation, Inc. | Use of relative atlas in an autonomous vehicle |
CN110378184A (zh) | 2018-04-12 | 2019-10-25 | 北京图森未来科技有限公司 | 一种应用于自动驾驶车辆的图像处理方法、装置 |
CN116129376A (zh) | 2018-05-02 | 2023-05-16 | 北京图森未来科技有限公司 | 一种道路边缘检测方法和装置 |
US10926759B2 (en) * | 2018-06-07 | 2021-02-23 | GM Global Technology Operations LLC | Controlling a vehicle based on trailer position |
US10899364B2 (en) | 2018-07-02 | 2021-01-26 | International Business Machines Corporation | Autonomous vehicle system |
US11567632B2 (en) | 2018-07-03 | 2023-01-31 | Apple Inc. | Systems and methods for exploring a geographic region |
US10466057B1 (en) | 2018-07-30 | 2019-11-05 | Wesley Edward Schwie | Self-driving vehicle systems and methods |
CN110873568B (zh) * | 2018-08-30 | 2021-02-23 | 百度在线网络技术(北京)有限公司 | 高精度地图的生成方法、装置以及计算机设备 |
CN112689586B (zh) | 2018-09-13 | 2024-04-16 | 图森有限公司 | 远程安全驾驶方法和系统 |
US10282625B1 (en) | 2018-10-01 | 2019-05-07 | Eric John Wengreen | Self-driving vehicle systems and methods |
US10223844B1 (en) | 2018-09-18 | 2019-03-05 | Wesley Edward Schwie | Self-driving vehicle systems and methods |
US10493952B1 (en) | 2019-03-21 | 2019-12-03 | Drivent Llc | Self-driving vehicle systems and methods |
US10471804B1 (en) | 2018-09-18 | 2019-11-12 | Drivent Llc | Self-driving vehicle systems and methods |
US10479319B1 (en) | 2019-03-21 | 2019-11-19 | Drivent Llc | Self-driving vehicle systems and methods |
US10289922B1 (en) | 2018-09-18 | 2019-05-14 | Eric John Wengreen | System for managing lost, mislaid, or abandoned property in a self-driving vehicle |
US10900792B2 (en) | 2018-10-22 | 2021-01-26 | Drivent Llc | Self-driving vehicle systems and methods |
US11221621B2 (en) | 2019-03-21 | 2022-01-11 | Drivent Llc | Self-driving vehicle systems and methods |
US11644833B2 (en) | 2018-10-01 | 2023-05-09 | Drivent Llc | Self-driving vehicle systems and methods |
US10794714B2 (en) | 2018-10-01 | 2020-10-06 | Drivent Llc | Self-driving vehicle systems and methods |
US10832569B2 (en) | 2019-04-02 | 2020-11-10 | Drivent Llc | Vehicle detection systems |
US10240938B1 (en) | 2018-10-22 | 2019-03-26 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US10762791B2 (en) * | 2018-10-29 | 2020-09-01 | Peloton Technology, Inc. | Systems and methods for managing communications between vehicles |
US10942271B2 (en) | 2018-10-30 | 2021-03-09 | Tusimple, Inc. | Determining an angle between a tow vehicle and a trailer |
US10474154B1 (en) | 2018-11-01 | 2019-11-12 | Drivent Llc | Self-driving vehicle systems and methods |
US10286908B1 (en) | 2018-11-01 | 2019-05-14 | Eric John Wengreen | Self-driving vehicle systems and methods |
DE102018219809A1 (de) | 2018-11-19 | 2020-05-20 | Volkswagen Aktiengesellschaft | Verfahren zum Ausweichen vor lokal bedingten drohenden Gefahren, Fahrzeug zur Durchführung des Verfahrens sowie Computerprogramm |
US11131554B2 (en) | 2018-12-26 | 2021-09-28 | Beijing Voyager Technology Co., Ltd. | Systems and methods for vehicle telemetry |
US11287270B2 (en) | 2018-12-26 | 2022-03-29 | Beijing Voyager Technology Co., Ltd. | Systems and methods for safe route planning for a vehicle |
WO2020139324A1 (en) * | 2018-12-26 | 2020-07-02 | Didi Research America, Llc | Systems and methods for safe route planning for a vehicle |
CN111383473B (zh) * | 2018-12-29 | 2022-02-08 | 安波福电子(苏州)有限公司 | 基于交通标志限速指示的自适应巡航系统 |
CN109739230B (zh) * | 2018-12-29 | 2022-02-01 | 百度在线网络技术(北京)有限公司 | 驾驶轨迹生成方法、装置及存储介质 |
CN109612472B (zh) * | 2019-01-11 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种深空探测器自主导航系统构建方法及装置 |
US10744976B1 (en) | 2019-02-04 | 2020-08-18 | Drivent Llc | Self-driving vehicle systems and methods |
US10377342B1 (en) | 2019-02-04 | 2019-08-13 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US11313696B2 (en) * | 2019-03-01 | 2022-04-26 | GM Global Technology Operations LLC | Method and apparatus for a context-aware crowd-sourced sparse high definition map |
US20200310420A1 (en) * | 2019-03-26 | 2020-10-01 | GM Global Technology Operations LLC | System and method to train and select a best solution in a dynamical system |
US11427196B2 (en) | 2019-04-15 | 2022-08-30 | Peloton Technology, Inc. | Systems and methods for managing tractor-trailers |
US11823460B2 (en) | 2019-06-14 | 2023-11-21 | Tusimple, Inc. | Image fusion for autonomous vehicle operation |
EP3991086A4 (en) * | 2019-06-28 | 2023-03-01 | Bayerische Motoren Werke Aktiengesellschaft | METHOD AND SYSTEM FOR IDENTIFICATION OF OBJECTS |
WO2021001018A1 (en) * | 2019-07-01 | 2021-01-07 | Zenuity Ab | Sourced lateral offset for adas or ad features |
JP7192709B2 (ja) * | 2019-08-09 | 2022-12-20 | トヨタ自動車株式会社 | 車両遠隔指示訓練装置 |
CN112498350A (zh) * | 2019-09-13 | 2021-03-16 | 图森有限公司 | 自主车辆中的补充制动控制系统 |
US20210149407A1 (en) * | 2019-11-15 | 2021-05-20 | International Business Machines Corporation | Autonomous vehicle accident condition monitor |
CN111351496B (zh) * | 2020-02-27 | 2023-07-14 | 歌尔股份有限公司 | 虚拟地图建模方法、装置、设备及存储介质 |
US11718304B2 (en) | 2020-03-06 | 2023-08-08 | Deere & Comoanv | Method and system for estimating surface roughness of ground for an off-road vehicle to control an implement |
US11684005B2 (en) * | 2020-03-06 | 2023-06-27 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control an implement |
US11667171B2 (en) | 2020-03-12 | 2023-06-06 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control steering |
US11678599B2 (en) | 2020-03-12 | 2023-06-20 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control steering |
US11685381B2 (en) | 2020-03-13 | 2023-06-27 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed |
US11753016B2 (en) * | 2020-03-13 | 2023-09-12 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed |
EP3893150A1 (en) | 2020-04-09 | 2021-10-13 | Tusimple, Inc. | Camera pose estimation techniques |
US20210356288A1 (en) | 2020-05-15 | 2021-11-18 | Apple Inc. | User interfaces for providing navigation directions |
US11740096B2 (en) | 2020-06-11 | 2023-08-29 | Apple Inc. | User interfaces for customized navigation routes |
AU2021203567A1 (en) | 2020-06-18 | 2022-01-20 | Tusimple, Inc. | Angle and orientation measurements for vehicles with multiple drivable sections |
US20220390248A1 (en) | 2021-06-07 | 2022-12-08 | Apple Inc. | User interfaces for maps and navigation |
CN113850297B (zh) * | 2021-08-31 | 2023-10-27 | 北京百度网讯科技有限公司 | 道路数据的监测方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04109782U (ja) * | 1991-03-07 | 1992-09-22 | 日産デイーゼル工業株式会社 | 車両のナビゲーシヨン装置 |
US20050256635A1 (en) * | 2004-05-12 | 2005-11-17 | Gardner Judith L | System and method for assigning a level of urgency to navigation cues |
US20070198177A1 (en) * | 2006-02-20 | 2007-08-23 | Denso Corporation | Map evaluation system and map evaluation method |
CN101793528A (zh) * | 2009-01-26 | 2010-08-04 | 通用汽车环球科技运作公司 | 使用传感器融合来估计车道路径的系统和方法 |
US20100324816A1 (en) * | 2009-06-19 | 2010-12-23 | Gm Global Technology Operations, Inc. | Presentation of navigation instructions using variable levels of detail |
CN103026174A (zh) * | 2010-06-17 | 2013-04-03 | 通腾科技股份有限公司 | 导航装置及方法 |
WO2014001549A1 (en) * | 2012-06-29 | 2014-01-03 | Tomtom Development Germany Gmbh | Generating alternative routes |
CN103562680A (zh) * | 2011-06-03 | 2014-02-05 | 苹果公司 | 用于比较和选择备选导航路线的设备与方法 |
US20140100780A1 (en) * | 2012-10-05 | 2014-04-10 | International Business Machines Corporation | Intelligent route navigation |
WO2014139821A1 (en) * | 2013-03-15 | 2014-09-18 | Volkswagen Aktiengesellschaft | Automatic driving route planning application |
WO2014154614A1 (de) * | 2013-03-27 | 2014-10-02 | Bayerische Motoren Werke Aktiengesellschaft | Backend für fahrerassistenzsysteme |
Family Cites Families (80)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1207497A3 (en) | 1998-02-17 | 2004-10-27 | Sun Microsystems, Inc. | Graphics system with variable resolution super-sampling |
DE19916967C1 (de) * | 1999-04-15 | 2000-11-30 | Daimler Chrysler Ag | Verfahren zur Aktualisierung einer Verkehrswegenetzkarte und kartengestütztes Verfahren zur Fahrzeugführungsinformationserzeugung |
US10684350B2 (en) * | 2000-06-02 | 2020-06-16 | Tracbeam Llc | Services and applications for a communications network |
US20030067476A1 (en) | 2001-10-04 | 2003-04-10 | Eastman Kodak Company | Method and system for displaying an image |
US8050863B2 (en) * | 2006-03-16 | 2011-11-01 | Gray & Company, Inc. | Navigation and control system for autonomous vehicles |
US9373149B2 (en) * | 2006-03-17 | 2016-06-21 | Fatdoor, Inc. | Autonomous neighborhood vehicle commerce network and community |
US9070101B2 (en) * | 2007-01-12 | 2015-06-30 | Fatdoor, Inc. | Peer-to-peer neighborhood delivery multi-copter and method |
US8108092B2 (en) * | 2006-07-14 | 2012-01-31 | Irobot Corporation | Autonomous behaviors for a remote vehicle |
US7587260B2 (en) * | 2006-07-05 | 2009-09-08 | Battelle Energy Alliance, Llc | Autonomous navigation system and method |
US10096038B2 (en) * | 2007-05-10 | 2018-10-09 | Allstate Insurance Company | Road segment safety rating system |
SE532431C2 (sv) * | 2008-05-30 | 2010-01-19 | Atlas Copco Rock Drills Ab | Metod och anordning för bestämning av en överensstämmelse mellan en representation av en omgivning och nämnda omgivning |
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
US8352112B2 (en) * | 2009-04-06 | 2013-01-08 | GM Global Technology Operations LLC | Autonomous vehicle management |
US10198942B2 (en) * | 2009-08-11 | 2019-02-05 | Connected Signals, Inc. | Traffic routing display system with multiple signal lookahead |
WO2011032208A1 (en) * | 2009-09-15 | 2011-03-24 | The University Of Sydney | A system and method for autonomous navigation of a tracked or skid-steer vehicle |
US8509982B2 (en) | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
US8184069B1 (en) | 2011-06-20 | 2012-05-22 | Google Inc. | Systems and methods for adaptive transmission of data |
US8583361B2 (en) * | 2011-08-24 | 2013-11-12 | Modular Mining Systems, Inc. | Guided maneuvering of a mining vehicle to a target destination |
FR2980295B1 (fr) * | 2011-09-15 | 2014-08-08 | Michelin Soc Tech | Procede et systeme de navigation avec serveur centralise |
US20130079964A1 (en) * | 2011-09-27 | 2013-03-28 | Saturna Green Systems Inc. | Vehicle communication, analysis and operation system |
US20130132434A1 (en) * | 2011-11-22 | 2013-05-23 | Inrix, Inc. | User-assisted identification of location conditions |
US8855847B2 (en) * | 2012-01-20 | 2014-10-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Intelligent navigation system |
KR101703144B1 (ko) | 2012-02-09 | 2017-02-06 | 한국전자통신연구원 | 차량의 자율주행 장치 및 그 방법 |
US9429943B2 (en) | 2012-03-05 | 2016-08-30 | Florida A&M University | Artificial intelligence valet systems and methods |
US20140309934A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Automatic Alert Sent to User Based on Host Location Information |
WO2014172369A2 (en) * | 2013-04-15 | 2014-10-23 | Flextronics Ap, Llc | Intelligent vehicle for assisting vehicle occupants and incorporating vehicle crate for blade processors |
US9378601B2 (en) * | 2012-03-14 | 2016-06-28 | Autoconnect Holdings Llc | Providing home automation information via communication with a vehicle |
US8457827B1 (en) * | 2012-03-15 | 2013-06-04 | Google Inc. | Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles |
US8718861B1 (en) * | 2012-04-11 | 2014-05-06 | Google Inc. | Determining when to drive autonomously |
CN102706354B (zh) * | 2012-04-25 | 2016-06-08 | 深圳市华盈泰智能技术有限公司 | 基于车联网智能地图全自动增量升级的方法及系统 |
US8521352B1 (en) * | 2012-05-07 | 2013-08-27 | Google Inc. | Controlling a vehicle having inadequate map data |
US8527199B1 (en) * | 2012-05-17 | 2013-09-03 | Google Inc. | Automatic collection of quality control statistics for maps used in autonomous driving |
US9638537B2 (en) * | 2012-06-21 | 2017-05-02 | Cellepathy Inc. | Interface selection in navigation guidance systems |
CN102829790B (zh) * | 2012-07-17 | 2015-09-23 | 广东翼卡车联网服务有限公司 | 一种可采集行车路线并更新原有导航地图的方法和系统 |
JP5971350B2 (ja) * | 2012-11-26 | 2016-08-17 | 日産自動車株式会社 | ハイブリッド車両の制御装置 |
US9008961B2 (en) * | 2012-11-30 | 2015-04-14 | Google Inc. | Determining and displaying auto drive lanes in an autonomous vehicle |
US8825258B2 (en) * | 2012-11-30 | 2014-09-02 | Google Inc. | Engaging and disengaging for autonomous driving |
US10514541B2 (en) | 2012-12-27 | 2019-12-24 | Microsoft Technology Licensing, Llc | Display update time reduction for a near-eye display |
US9361409B2 (en) | 2013-01-10 | 2016-06-07 | International Business Machines Corporation | Automatic driver modeling for integration of human-controlled vehicles into an autonomous vehicle network |
US9423261B2 (en) * | 2013-02-19 | 2016-08-23 | Here Global B.V. | Path curve confidence factors |
US20140236483A1 (en) * | 2013-02-19 | 2014-08-21 | Navteq B.V. | Method and apparatus for determining travel path geometry based on mapping information |
KR101736306B1 (ko) | 2013-02-27 | 2017-05-29 | 한국전자통신연구원 | 차량과 운전자간 협력형 자율 주행 장치 및 방법 |
US9727991B2 (en) | 2013-03-01 | 2017-08-08 | Microsoft Technology Licensing, Llc | Foveated image rendering |
GB2511750B (en) * | 2013-03-11 | 2015-07-29 | Jaguar Land Rover Ltd | A driving assistance system, vehicle and method |
US8972175B2 (en) * | 2013-03-14 | 2015-03-03 | Qualcomm Incorporated | Navigation using crowdsourcing data |
US8849494B1 (en) * | 2013-03-15 | 2014-09-30 | Google Inc. | Data selection by an autonomous vehicle for trajectory modification |
KR20150128712A (ko) * | 2013-03-15 | 2015-11-18 | 칼리퍼 코포레이션 | 차량 라우팅 및 교통 관리를 위한 차선 레벨 차량 내비게이션 |
US9121719B2 (en) * | 2013-03-15 | 2015-09-01 | Abalta Technologies, Inc. | Vehicle range projection |
SE540269C2 (sv) * | 2013-03-19 | 2018-05-22 | Scania Cv Ab | Anordning och metod för att reglera ett autonomt fordon |
US9141107B2 (en) * | 2013-04-10 | 2015-09-22 | Google Inc. | Mapping active and inactive construction zones for autonomous driving |
US11372936B2 (en) * | 2013-04-15 | 2022-06-28 | Autoconnect Holdings Llc | System and method for adapting a control function based on a user profile |
FR3006088B1 (fr) * | 2013-05-27 | 2015-11-27 | Renault Sas | Dispositif d'estimation de la duree de fonctionnement en mode autonome d'un vehicule automobile et procede associe |
US20160267884A1 (en) | 2015-03-12 | 2016-09-15 | Oculus Vr, Llc | Non-uniform rescaling of input data for displaying on display device |
CA2985539C (en) * | 2015-05-13 | 2023-04-04 | Uber Technologies, Inc. | Autonomous vehicle operated with guide assistance |
US10853139B2 (en) * | 2018-10-19 | 2020-12-01 | EMC IP Holding Company LLC | Dynamic workload management based on predictive modeling and recommendation engine for storage systems |
US10401852B2 (en) * | 2015-11-04 | 2019-09-03 | Zoox, Inc. | Teleoperation system and method for trajectory modification of autonomous vehicles |
US9507346B1 (en) * | 2015-11-04 | 2016-11-29 | Zoox, Inc. | Teleoperation system and method for trajectory modification of autonomous vehicles |
US9612123B1 (en) * | 2015-11-04 | 2017-04-04 | Zoox, Inc. | Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes |
US10248119B2 (en) * | 2015-11-04 | 2019-04-02 | Zoox, Inc. | Interactive autonomous vehicle command controller |
US11010956B2 (en) | 2015-12-09 | 2021-05-18 | Imagination Technologies Limited | Foveated rendering |
US20170343360A1 (en) * | 2016-05-31 | 2017-11-30 | Hima Harikrishnan | Method and system for managing navigation and tracking of, for and by portable and wearable computing and communications devices |
US10962982B2 (en) * | 2016-07-21 | 2021-03-30 | Mobileye Vision Technologies Ltd. | Crowdsourcing the collection of road surface information |
US20190251509A1 (en) * | 2016-09-15 | 2019-08-15 | Erik M. Simpson | Price based navigation |
US10471829B2 (en) * | 2017-01-16 | 2019-11-12 | Nio Usa, Inc. | Self-destruct zone and autonomous vehicle navigation |
US10752239B2 (en) * | 2017-02-22 | 2020-08-25 | International Business Machines Corporation | Training a self-driving vehicle |
US10698421B1 (en) * | 2017-09-25 | 2020-06-30 | State Farm Mutual Automobile Insurance Company | Dynamic autonomous vehicle train |
US11199413B2 (en) * | 2018-07-19 | 2021-12-14 | Qualcomm Incorporated | Navigation techniques for autonomous and semi-autonomous vehicles |
US20200026279A1 (en) * | 2018-07-20 | 2020-01-23 | Ford Global Technologies, Llc | Smart neighborhood routing for autonomous vehicles |
DK201870686A1 (en) * | 2018-08-02 | 2020-02-20 | Aptiv Technologies Limited | MANAGEMENT OF MULTIPLE AUTONOMOUS VEHICLES |
JP6964062B2 (ja) * | 2018-11-26 | 2021-11-10 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
US20210354722A1 (en) * | 2019-05-22 | 2021-11-18 | Lg Electronics Inc. | Autonomous vehicle and driving control system and method using the same |
US20200378771A1 (en) * | 2019-05-29 | 2020-12-03 | Here Global B.V. | Method and apparatus for providing drop-off locations for passengers of a vehicle to reach different destinations via a multimodal route |
US11294387B2 (en) * | 2019-06-17 | 2022-04-05 | Toyota Research Institute, Inc. | Systems and methods for training a vehicle to autonomously drive a route |
US11248914B2 (en) * | 2019-06-20 | 2022-02-15 | Lyft, Inc. | Systems and methods for progressive semantic mapping |
US11733050B2 (en) * | 2019-06-21 | 2023-08-22 | Here Global B.V. | Method and apparatus for providing an isoline map of a time to park at a destination |
US11548518B2 (en) * | 2019-06-28 | 2023-01-10 | Woven Planet North America, Inc. | Subjective route comfort modeling and prediction |
KR102195935B1 (ko) * | 2019-08-13 | 2020-12-30 | 엘지전자 주식회사 | 자율 주행 차량의 주행 모드 및 경로 결정 방법 및 시스템 |
US11820255B2 (en) * | 2020-02-03 | 2023-11-21 | Nio Technology (Anhui) Co., Ltd. | Predictive regenerative braking |
US20210247762A1 (en) * | 2020-02-12 | 2021-08-12 | Qualcomm Incorporated. | Allocating Vehicle Computing Resources to One or More Applications |
WO2021168058A1 (en) * | 2020-02-19 | 2021-08-26 | Nvidia Corporation | Behavior planning for autonomous vehicles |
-
2015
- 2015-12-04 CN CN201580064398.8A patent/CN107624155B/zh active Active
- 2015-12-04 US US15/531,354 patent/US10451425B2/en active Active
- 2015-12-04 CN CN202110934438.7A patent/CN113654561A/zh active Pending
- 2015-12-04 EP EP15813220.9A patent/EP3256815A1/en active Pending
- 2015-12-04 WO PCT/US2015/064059 patent/WO2016090282A1/en active Application Filing
-
2019
- 2019-10-18 US US16/657,907 patent/US11402221B2/en active Active
-
2022
- 2022-07-29 US US17/816,348 patent/US20220373338A1/en active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04109782U (ja) * | 1991-03-07 | 1992-09-22 | 日産デイーゼル工業株式会社 | 車両のナビゲーシヨン装置 |
US20050256635A1 (en) * | 2004-05-12 | 2005-11-17 | Gardner Judith L | System and method for assigning a level of urgency to navigation cues |
US20070198177A1 (en) * | 2006-02-20 | 2007-08-23 | Denso Corporation | Map evaluation system and map evaluation method |
CN101793528A (zh) * | 2009-01-26 | 2010-08-04 | 通用汽车环球科技运作公司 | 使用传感器融合来估计车道路径的系统和方法 |
US20100324816A1 (en) * | 2009-06-19 | 2010-12-23 | Gm Global Technology Operations, Inc. | Presentation of navigation instructions using variable levels of detail |
CN103026174A (zh) * | 2010-06-17 | 2013-04-03 | 通腾科技股份有限公司 | 导航装置及方法 |
CN103562680A (zh) * | 2011-06-03 | 2014-02-05 | 苹果公司 | 用于比较和选择备选导航路线的设备与方法 |
WO2014001549A1 (en) * | 2012-06-29 | 2014-01-03 | Tomtom Development Germany Gmbh | Generating alternative routes |
US20140100780A1 (en) * | 2012-10-05 | 2014-04-10 | International Business Machines Corporation | Intelligent route navigation |
WO2014139821A1 (en) * | 2013-03-15 | 2014-09-18 | Volkswagen Aktiengesellschaft | Automatic driving route planning application |
WO2014154614A1 (de) * | 2013-03-27 | 2014-10-02 | Bayerische Motoren Werke Aktiengesellschaft | Backend für fahrerassistenzsysteme |
Also Published As
Publication number | Publication date |
---|---|
US10451425B2 (en) | 2019-10-22 |
US11402221B2 (en) | 2022-08-02 |
US20170363430A1 (en) | 2017-12-21 |
US20200049515A1 (en) | 2020-02-13 |
WO2016090282A1 (en) | 2016-06-09 |
CN107624155B (zh) | 2021-09-28 |
CN107624155A (zh) | 2018-01-23 |
EP3256815A1 (en) | 2017-12-20 |
US20220373338A1 (en) | 2022-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107624155B (zh) | 自主导航系统 | |
EP3299921B1 (en) | Location specific assistance for an autonomous vehicle control system | |
CN111076732B (zh) | 基于车辆行驶的轨迹标记和生成高清地图的标记方案 | |
CN111301390B (zh) | 基于传感器数据更新自动驾驶车辆的地图数据 | |
CN111061261B (zh) | 使用标准导航地图与基于车辆的先前轨迹确定的车道配置的自动驾驶方法 | |
US11216000B2 (en) | System and method for estimating lane prediction errors for lane segments | |
US9120484B1 (en) | Modeling behavior based on observations of objects observed in a driving environment | |
US11804136B1 (en) | Managing and tracking scouting tasks using autonomous vehicles | |
CN111845771A (zh) | 数据收集自动化系统 | |
US11685398B2 (en) | Lane based routing system for autonomous driving vehicles | |
US20230115708A1 (en) | Automatic driving device and vehicle control method | |
US20210207968A1 (en) | System and method for updating map data | |
EP4202886A1 (en) | Using maps at multiple resolutions and scale for trajectory prediction | |
US20240083458A1 (en) | Using simulations to identify differences between behaviors of manually-driven and autonomous vehicles | |
JP2020101960A (ja) | 情報処理装置、情報処理方法及びプログラム | |
US11685408B1 (en) | Driving difficulty heat maps for autonomous vehicles | |
US20220413510A1 (en) | Targeted driving for autonomous vehicles | |
CN116246482A (zh) | 用于激活智能停车可用性功能的系统和方法 | |
US20240005666A1 (en) | Managing vehicle resources based on scenarios | |
US20240046324A1 (en) | Digital token generation and output for riders of autonomous vehicles | |
US11708049B2 (en) | Systems and methods for preventing an operation of a car application that reduces a quality of service of a computer system of a vehicle | |
US20240054822A1 (en) | Methods and systems for managing data storage in vehicle operations | |
US20230195830A1 (en) | Calibration metrics for measuring trajectory prediction | |
US20210405641A1 (en) | Detecting positioning of a sensor system associated with a vehicle | |
KR20230033557A (ko) | 자율 주행 차량 사후 동작 설명 시스템 |
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 |