CN113692372B - 用于自主车辆的异常处理 - Google Patents
用于自主车辆的异常处理 Download PDFInfo
- Publication number
- CN113692372B CN113692372B CN202080028282.XA CN202080028282A CN113692372B CN 113692372 B CN113692372 B CN 113692372B CN 202080028282 A CN202080028282 A CN 202080028282A CN 113692372 B CN113692372 B CN 113692372B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sth
- time
- processors
- runtime
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000008447 perception Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 description 15
- 230000006399 behavior Effects 0.000 description 14
- 230000001133 acceleration Effects 0.000 description 13
- 230000001934 delay Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001960 triggered 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/035—Bringing the control units into a predefined state, e.g. giving priority to particular actuators
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- B60W2420/408—
Abstract
本技术的各方面涉及用于车辆100的异常处理。例如,可以接收用于车辆的当前轨迹500和与一个或多个对象相对应的传感器数据。基于接收的传感器数据,可以确定一个或多个对象的预估轨迹580、582、584。可以基于预估轨迹和当前轨迹来确定与一个或多个对象的潜在碰撞。可以识别潜在碰撞中的在时间上最早的一个潜在碰撞。基于潜在碰撞中的该一个潜在碰撞,可以识别安全时间范围(STH)。当运行时异常发生时,在执行预防性操纵以避免碰撞之前,等待不长于STH以供解决运行时异常。
Description
相关申请的交叉引用
本申请要求于2019年4月12日提交的美国申请第16/383,096号的权益,其全部公开内容通过引用结合于此。
技术领域
本申请涉及用于自主车辆的异常处理。
背景技术
自主车辆,诸如不需要人类驾驶员的车辆,可以被用于协助将乘客或物品从一个位置运输到另一个位置。这样的车辆可以以完全自主模式操作,在完全自主模式中,用户可以提供诸如接载位置或目的地位置的某一初始输入并且车辆将自身操纵到该位置。自主车辆可能通常依赖于以及时、紧密结合的方式操作的软件和硬件系统来成功且安全地将车辆从一个点操纵到另一个点。在车辆的计算设备遭遇阻止或以其他方式延迟系统按预期操作的运行时异常(runtime exception)的事件中,车辆的安全操作可能被损害。
发明内容
本公开的一个方面提供了用于车辆的异常处理的方法,该方法包括:由一个或多个处理器接收车辆的当前轨迹;由一个或多个处理器接收由具有传感器的车辆的感知系统生成的传感器数据,其中,传感器数据对应于车辆周围区域中的一个或多个对象;由一个或多个处理器基于接收的传感器数据确定一个或多个对象的预估轨迹;由一个或多个处理器基于预估轨迹和当前轨迹确定与一个或多个对象的潜在碰撞;由一个或多个处理器识别潜在碰撞中的在时间上最早的一个潜在碰撞;由一个或多个处理器基于潜在碰撞中的一个潜在碰撞确定安全时间范围(STH);以及当运行时异常发生时,由一个或多个处理器在执行预防性操纵以避免碰撞之前等待不长于STH以供解决运行时异常。
在一个示例中,确定STH是基于潜在碰撞中的一个潜在碰撞的时间之前的预定时间段的。在另一个示例中,确定STH是基于异常处理速率分布的。在此示例中,异常处理速率分布是车辆的恒定减速度量。可替代地,异常处理速率分布对应于对车辆的减速度量的一个或多个改变。附加或可替代地,该方法还包括,当运行时异常在STH之后尚未解决时,通过使用异常处理速率分布以控制车辆来执行预防性操纵。在另一个示例中,该方法还包括周期性地重新确定STH。在另一个示例中,运行时异常对应于来自传感器的通信延迟。在另一个示例中,传感器是雷达单元。在另一个示例中,运行时异常对应于在预定时间段没有来自感知系统的传感器的通信。
本公开的另一个方面提供了用于车辆的异常处理的系统。该系统包括一个或多个处理器,该一个或多个处理器被配置为:接收车辆的当前轨迹;接收由具有传感器的车辆的感知系统生成的传感器数据,其中,传感器数据对应于车辆周围区域中的一个或多个对象;基于接收的传感器数据确定一个或多个对象的预估轨迹;基于预估轨迹和当前轨迹确定与一个或多个对象的潜在碰撞;识别潜在碰撞中的在时间上最早的一个潜在碰撞;基于潜在碰撞中的该一个潜在碰撞确定安全时间范围(STH);以及当运行时异常发生时,在执行预防性操纵以避免碰撞之前等待不长于STH以供解决运行时异常。
在一个示例中,一个或多个处理器还被配置为基于潜在碰撞中的该一个潜在碰撞的时间之前的预定时间段来确定STH。在另一个示例中,一个或多个处理器还被配置为基于异常处理速率分布来确定STH。在该示例中,异常处理速率分布是车辆的恒定减速度量。附加地或可替代地,一个或多个处理器还被配置为当运行时异常在STH之后尚未解决时,确定通过使用异常处理速率分布以控制车辆来执行预防性操纵。在另一个示例中,一个或多个处理器还被配置为周期性地重新确定STH。在另一个示例中,运行时异常对应于来自传感器的通信延迟。在另一个示例中,该系统还包括传感器,并且其中,传感器是雷达单元。在另一个示例中,运行时异常对应于在预定时间段没有来自感知系统的传感器的通信。在另一个示例中,该系统还包括车辆。
附图说明
图1是根据示例性实施例的示例车辆的功能图。
图2是根据本公开的各方面的地图信息的示例。
图3是根据本公开的各方面的车辆的示例外部视图。
图4是根据本公开的各方面的在道路段上行驶的车辆的示例。
图5根据本公开的各方面的使用附加数据继续图4的示例。
图6根据本公开的各方面的使用附加数据继续图5的示例。
图7是根据本公开的各方面的附加数据和图6的示例的各方面的示例示图。
图8根据本公开的各方面的使用附加数据继续图7的示例。
图9是根据本公开的各方面的示例流程图。
具体实施方式
概述
本技术涉及处理自主车辆中的运行时异常。自主车辆可能通常依赖于以及时、紧密结合的方式操作的软件和硬件系统来成功且安全地将车辆从一个点操纵到另一个点。在某些实例中,车辆的计算设备可能遭遇阻止或以其他方式延迟系统按预期操作的运行时异常。在这样的实例中,车辆可能被迫通过执行预防性操纵(例如快速停止或靠边停车)来减轻由运行时异常的根本原因引入的风险。这样的预防性操纵可能导致对车辆乘客不舒适的体验,并且可能没有减轻对周围道路使用者(诸如邻近车辆的其他车辆的驾驶员)的所有风险。此外,这样的操纵实际上可能是不必要的,因为大部分运行时异常最终可能自行解决。为了解决这些问题,自主车辆可以在执行预防性操纵之前提供一时间段或安全时间范围(safety time horizon,“STH”)以供自行解决运行时异常。
计算设备可以控制自主车辆的移动。在这方面,计算设备能够与车辆的各种组件通信。基于从各种系统组件接收的数据,计算设备可以通过向车辆的各种组件发送指令来控制车辆的方向、速率、加速度等。
可能在下述实例中生成运行时异常:其中自主车辆的计算设备或系统中的一个系统遭遇其没有被编程为处理或者没有接收足够的信息以处理的状况。这样的运行时异常可能由处理延迟、通信延迟或在某段时间没有通信、软件或硬件故障、或导致计算设备无法按预期操作的其他这样的状况引起。
例如,车辆的感知系统可以包括以10Hz速率发送和接收信号的RADAR(雷达)系统。照此,感知系统可能预期,以及在某些情况下,依赖于每100ms接收RADAR信号。然而,由于通信延迟,感知系统可能在150ms的时段未接收RADAR信号。这50ms的延迟可能触发运行时异常。在另一个示例中,由于故障电源线导致的RADAR失电,车辆的感知系统可能未以预期的100ms的速率接收RADAR信号,这也可能触发运行时异常,因为消息将不在(按照例如通过使用定时器确定的)合理时间限制内被接收。这可以由相同或分立的软件模块处理。
一些运行时异常可能在一段时间之后自行解决,然而另一些可能需要外部干预。例如,由RADAR的通信延迟引起的运行时异常可能是对象阻止RADAR接收RADAR信号的结果,或者可能是来自雷达和/或感知系统的计算设备中的处理延迟(诸如当计算设备由于处理任务而过载)。在第一实例中,一旦对象已经移动,就可以解决运行时异常,从而允许RADAR再次接收RADAR信号。在第二实例中,计算设备上的负载可能变得正常,从而允许RADAR继续向感知系统和/或车辆的其他系统提供传感器数据。尽管上述示例涉及RADAR,但类似的运行时异常和解决方案可能发生在车辆的其他传感器和计算设备处。其他运行时异常,诸如由故障电源线引起的运行时异常,可能需要诸如由技术人员更换故障电源线的外部干预来解决。
然而,车辆的计算设备可能不了解触发了运行时异常的根本原因,并且照此,车辆的计算设备可能不了解运行时异常是可能自行解决还是需要外部干预。即使在计算设备知道运行时异常的原因的实例中,计算设备可能不了解可以解决运行时异常之前的时间量。
车辆的计算设备可以利用下述可能性:通过在执行预防性操纵之前提供用于运行时异常恢复的一段时间(或者更确切地,预期的时间点),运行时异常可能自行解决。运行时异常的预期的时间点被提供来恢复或STH可以允许车辆在运行时异常被恢复的情况下避免执行预防性操纵的需要。因此,自主车辆可以在等待在STH期间解决运行时异常的同时保持其当前轨迹。结果,如果解决运行时异常,则自主车辆可以避免不必要的操纵,从而也保持了其乘客的舒适程度。
车辆的计算设备可以基于自主车辆的当前轨迹以及自主车辆外部的对象的预估(projected)轨迹来确定STH。车辆的当前轨迹可以由车辆的规划系统生成。每个轨迹可以包括描述车辆的未来物理路径的几何结构组件和描述车辆的未来速率和速率随时间的改变的速率分布(speed profile)。然后当前轨迹可以被发送给车辆的各种其他系统,并且由车辆的各种其他系统处理,以做出行驶和其他决策以便使车辆的计算设备能够控制车辆。
车辆的行为建模系统可以连续地或以预定时间段针对自主车辆外部的每个观察的对象生成一个或多个预估轨迹。行为建模系统可以将从感知系统接收的传感器数据输入到一个或多个模型中并且确定或生成对象的一个或多个预估轨迹。每个预估轨迹可以对应于对象可能潜在地穿过的可能路径以及预期对象在沿该路径的不同点处的时间。这些预估轨迹然后可以被发送给车辆的各种其他系统并且由车辆的各种其他系统处理,以便为车辆做出行驶和其他决策。
可以将对象的预估轨迹与自主车辆的当前轨迹进行比较,以便识别潜在碰撞。根据这种比较,车辆的计算设备可以确定自主车辆的当前轨迹将与对象的轨迹相交的潜在位置和时间。这样的位置和时间可以对应于潜在碰撞的位置和时间或者在何处碰撞被预测为在未来的某点发生。
车辆的计算设备然后可以识别在时间上最早的可能碰撞。车辆的计算设备确定用于在时间上最早的可能碰撞的STH。如果运行时异常在STH期间自行解决,则车辆的计算设备可能在不采取预防性操纵或不执行某一其他异常处理功能的情况下继续控制车辆。如果运行时异常未自行解决,则车辆的计算设备将仍有时间采取预防性操纵或执行某一其他异常处理功能。
本文描述的特征可以允许自主车辆在自行解决的运行时异常的事件中避免采取不必要的或过于谨慎的预防性操纵。通过这样做,自主车辆可以继续按预期操作,从而避免可能导致乘客不舒适的意料不到的和不舒适的操纵或延迟,同时仍保持车辆及其乘客的安全性。
示例系统
如图1所示,根据本公开的一方面的车辆100包括各种组件。虽然本公开的某些方面与特定类型的车辆结合特别有用,但是车辆可以是任何类型的车辆,包括但不限于小汽车、卡车、摩托车、公共汽车、休闲车等。车辆可以具有一个或多个计算设备,诸如包含一个或多个处理器120、存储器130和通常存在于通用计算设备中的其他组件的计算设备110。
存储器130存储可由一个或多个处理器120访问的信息,包括可以由处理器120执行或以其他方式使用的指令132和数据134。存储器130可以是能够存储可由处理器访问的信息的任何类型的存储器,包括计算设备可读介质或者存储可以借助电子设备读取的数据的其他介质,诸如硬盘驱动器、存储卡、ROM、RAM、DVD或其他光盘,以及其他可写和只读存储器。系统和方法可以包括前述的不同组合,由此指令和数据的不同部分被存储在不同类型的介质上。
指令132可以是由处理器直接(诸如机器代码)或间接(诸如脚本)执行的任何指令集合。例如,指令可以作为计算设备代码被存储在计算设备可读介质上。在这方面,术语“软件”、“指令”和“程序”在本文中可以互换使用。指令可以以用于由处理器直接处理的目标代码格式存储或以任何其他计算设备语言(包括按需解释或预先编译的脚本或独立源代码模块的集合)存储。下面更详细地解释指令的功能、方法和例程。
处理器120可以根据指令132检索、存储或修改数据134。例如,虽然要求保护的主题不受任何特定数据结构限制,但是数据可以被存储在计算设备寄存器中、在关系数据库中作为具有多个不同字段和记录的表、XML文档或平面文件。数据还可以被格式化为任何计算设备可读格式。
一个或多个处理器120可以是任何常规处理器,诸如商用CPU。可替代地,一个或多个处理器可以是专用设备,诸如ASIC或其他基于硬件的处理器。尽管图1在功能上示出了处理器、存储器和计算设备110的其他元件在同一框内,但是本领域普通技术人员将理解,处理器、计算设备或存储器实际上可以包括多个处理器、计算设备或存储器,这些处理器、计算设备或存储器可以或可以不被存放在同一物理外壳内。例如,存储器可以是位于与计算设备110的外壳不同的外壳中的硬盘驱动器或其他存储介质。因此,对处理器或计算设备的引用将被理解为包括对可以并行操作或可以不并行操作的处理器或计算设备或存储器的集合的引用。
计算设备110可以包括通常与计算设备结合使用的所有组件,诸如上述处理器和存储器,以及用户输入150(例如,鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如,具有屏幕的监视器或可操作以显示信息的任何其他电气设备)。在该示例中,车辆包括内部电子显示器152以及一个或多个扬声器154以提供信息或视听体验。在这方面,内部电子显示器152可以位于车辆100的舱室内并且可以由计算设备110使用以向车辆100内的乘客提供信息。
计算设备110还可以包括一个或多个无线网络连接156以促进与其他计算设备通信,诸如,下面详细描述的客户端计算设备和服务器计算设备。无线网络连接可以包括短距离通信协议,诸如蓝牙、蓝牙低功耗(LE)、蜂窝连接,以及各种配置和协议,包括互联网、万维网、内联网、虚拟专用网、广域网、本地网络、使用一个或多个公司专属的通信协议的专用网络、以太网、WiFi和HTTP,以及前述各项的各种组合。
在一个示例中,计算设备110可以是自主驾驶计算系统的或结合到车辆100中的控制计算设备。自主驾驶计算系统能够与车辆的各种组件通信以便如下文进一步讨论的那样根据存储器130的自主车辆控制软件控制车辆100的移动。例如,返回图1,计算设备110可以与车辆100的各种系统通信以便根据存储器130的指令132控制车辆100的移动、速率等,各种系统诸如减速系统160、加速系统162、转向系统164、信号系统166、规划系统168、路由系统170、定位系统172、感知系统174、行为建模系统176和动力系统178(即车辆的发动机或马达)。这些系统中的每一个可以包括各种硬件(类似于处理器120和存储器130的处理器和存储器)以及软件,以便使这些系统能够执行各种任务。同样,虽然这些系统被示为在计算设备110的外部,但实际上,这些系统也可以被结合到计算设备110中,同样作为用于控制车辆100的自主驾驶计算系统。
作为示例,计算设备110可以与减速系统160和/或加速系统162的一个或多个致动器(诸如车辆的制动器、加速踏板和/或发动机或马达)交互,以便控制车辆的速率。类似地,计算设备110可以使用转向系统164的一个或多个致动器(诸如方向盘、转向轴和/或齿条和小齿轮(rack and pinion)系统中的小齿轮和齿条)以便控制车辆100的方向。例如,如果车辆100被配置为在道路上使用,诸如小汽车或卡车,则转向系统可以包括一个或多个致动器以控制车轮的角度以使车辆转弯。计算设备110可以使用信号系统166以便向其他驾驶员或车辆用信号通知(例如,通过在需要时点亮转弯信号或刹车灯)车辆的意图。
计算设备110可以使用规划系统168以便确定并遵循由路由系统170生成的到位置的路线。例如,路由系统170可以使用地图信息来确定从车辆的当前位置到目的地位置的路线。规划系统168可以周期性地生成轨迹或用于在未来的某段时间控制车辆的短期规划,以便遵循到目的地的路线。在这方面,规划系统168、路由系统170和/或数据134可以存储详细的地图信息,例如,识别道路、车道线、交叉路口、人行横道、限速、交通信号、建筑物、标志、实时交通信息、植被的形状和高度或其他这样的对象和信息的高度详细的地图。
图2是用于包括交叉路口202的道路段(section of roadway)的地图信息200的示例。地图信息200包括识别包括车道线210、211、212、213、214、交通控制设备220、222(其可包括,例如,交通信号灯、停止标志等)、人行横道230、232、人行道240、242、包括箭头250、251、252的道路标记,以及诸如车道260、261、262、263、264、265的特征的各种特征的形状、位置和其他特性的信息。虽然仅示出和识别了几个特征,但是地图信息200可以是高度详细的并且包括各种附加的特征。
尽管地图信息在本文被描绘为基于图像的地图,但是地图信息不需要完全基于图像(例如,栅格(raster))。例如,地图信息可以包括诸如道路、车道、交叉路口以及这些特征之间的连接的信息的一个或多个道路图或图形网络。每个特征可以被存储为图形数据,并且可以与诸如地理位置以及其是否链接到其他相关特征(例如,停止标志可以被链接到道路和交叉路口等)的信息相关联。在一些示例中,相关联的数据可以包括道路图的基于网格的索引,以允许高效查找某些道路图特征。
计算设备110可以使用定位系统172来确定车辆在地图上或地球上的相对或绝对位置。例如,定位系统172可以包括GPS接收器以确定设备的纬度、经度和/或海拔位置。其他定位系统,例如基于激光的定位系统、惯性辅助GPS或基于相机的定位,也可用于识别车辆的位置。车辆的位置可以包括绝对地理位置,例如纬度、经度和海拔,以及相对位置信息,例如相对于紧邻其周围的其他小汽车的位置,这通常可以用比绝对地理位置更少的噪声来确定。
定位系统172还可以包括与计算设备110通信的其他设备(诸如加速度计、陀螺仪或另一方向/速率检测设备)以确定车辆的方向和速度或其改变。仅作为示例,加速设备可以确定其相对于重力方向或相对于与重力方向垂直的平面的俯仰、偏航或滚转(或其改变)。该设备还可以追踪速率的增加或减少以及这样的改变的方向。如本文中阐述的设备对位置和朝向数据的提供可以被自动地提供给计算设备110、其他计算设备和前述的组合。
感知系统174还包括一个或多个组件以用于检测车辆外部的对象,诸如其他车辆、道路中的障碍物、交通信号、标志、树木等。例如,感知系统174可以包括激光器、声纳、雷达、相机和/或记录可由计算设备110处理的数据的任何其他检测设备。在车辆是诸如小型货车的乘用车辆的情况下,小型货车可以包括安装在车顶(roof)或其他方便的位置的激光器或其他传感器。例如,图3是车辆100的示例外部视图。在该示例中,顶部(roof-top)外壳310和圆顶外壳312可以包括LIDAR传感器以及各种相机和雷达单元。此外,位于车辆100前端的外壳320和车辆的驾驶员侧和乘客侧的外壳330、332可以各自存放LIDAR传感器。例如,外壳330位于驾驶员车门350的前面。车辆100还包括用于也位于车辆100车顶上的雷达单元和/或相机的外壳340、342。附加的雷达单元和相机(未示出)可以位于车辆100的前端和后端和/或在沿着车顶或顶部外壳310的其他定位上。车辆100还包括典型乘用车辆的许多特征,诸如车门350、352,车轮360、362等。
车辆的各种系统可以使用自主车辆控制软件来运转以便确定如何控制车辆以及确定控制车辆。作为示例,感知系统174的感知系统软件模块可以使用由自主车辆的一个或多个传感器(诸如相机、LIDAR传感器、雷达单元、声纳单元等)生成的传感器数据来检测和识别对象以及它们的特性。这些特性可以包括位置、类型、走向、朝向、速率、加速度、加速度的改变、大小、形状等。在某些实例中,特性可以被输入到使用基于对象类型的各种模型的行为预测系统软件模块中以输出用于检测到的对象的预测的未来行为。在其他实例中,特性可以被输入到一个或多个检测系统软件模块中,诸如配置为从由车辆的一个或多个传感器生成的传感器数据中检测施工区的施工区检测系统软件模块以及配置为从由车辆的传感器生成的传感器数据中检测紧急车辆的紧急车辆检测系统。这些检测系统软件模块中的每一个可以使用各种模型以输出施工区或对象是紧急车辆的可能性。检测的对象、预测的未来行为、来自检测系统软件模块的各种可能性、识别车辆环境的地图信息、来自定位系统172的识别车辆的位置和朝向的定位信息、车辆的目的地以及来自车辆的各种其他系统的反馈(包括由路由系统170生成的路线)可以被输入到规划系统168的规划系统软件模块中。规划系统可以使用该输入以生成用于车辆在未来某短时间段遵循的轨迹。计算设备110的控制系统软件模块可以被配置为控制车辆的移动(例如通过控制车辆的制动、加速和转向)以便遵循轨迹。
计算设备110可以通过控制各种组件来自主地控制车辆的方向和速率。为了这样做,计算设备110可以使车辆加速(例如,通过增加由加速系统162提供给发动机的燃料或其他能量)、减速(例如,通过减少供应给发动机的燃料、换档和/或通过由减速系统160施加制动)、改变方向(例如,通过由转向系统164转动车辆100的前轮或后轮),并且用信号通知这样的改变(例如,通过点亮信号系统166的转弯信号)。因此,加速系统162和减速系统160可以是包括在车辆发动机和车辆车轮之间的各种组件的传动系统的一部分。同样,通过控制这些系统,计算设备110还可以控制车辆的传动系统以便自主地操纵车辆。
示例方法
除了上述和图中示出的操作之外,现在将描述各种操作。应当理解,以下操作不必以下面描述的精确顺序执行。反而,可以以不同的顺序或同时处理各个步骤,并且还可以添加或省略步骤。
车辆的计算设备可以利用下述可能性:通过在执行预防性操纵之前提供用于运行时异常恢复的一段时间(或者更确切地,预期的时间点),运行时异常可能自行解决。针对运行时异常的预期的时间点被提供来恢复或STH可以允许车辆在运行时异常被恢复的情况下避免执行预防性操纵的需要。因此,自主车辆可以在等待在STH期间解决运行时异常的同时保持其当前轨迹。结果,如果解决运行时异常,则自主车辆可以避免不必要的操纵,从而也保持了其乘客的舒适程度。
图4表示车辆100在与地图信息200相对应的道路段400中行驶。道路400包括识别各种特征的形状、位置和其他特性的信息,各种特征包括与交叉路口202相对应的交叉路口402、与车道线210、211、212、213、214相对应的车道线410、411、412、413、414,与交通控制设备220、222相对应的交通控制设备420、422,与人行横道230、232相对应的人行横道430、434,与人行道240、242相对应的人行道440、442,与箭头250、251、252相对应的箭头450、451、454,以及与车道260、261、262、263、264、265相对应的车道460、461、462、465、463、464。在该示例中,车辆100正在车道465中接近交叉路口402。此外,车辆480也在车道465中接近交叉路口402,并且车辆490在交叉路口402中接近车辆100(尽管与车道463成一直线)。该示例描绘了在位置l1处且在时间t1处的车辆100。
图9是本文描述的用于车辆(诸如车辆100)的异常处理的技术的各方面的示例流程图900,其可以由车辆的一个或多个计算设备的一个或多个处理器(诸如计算设备110的处理器120)执行。在框910处,接收车辆的当前轨迹。车辆的当前轨迹可以由规划系统168基于由路由系统170生成的路线、由行为建模系统176生成的预测轨迹以及由感知系统174生成的传感器数据和其他数据来生成。每个轨迹可以包括描述车辆的未来物理路径的几何结构组件和描述车辆未来速率和速率随时间的改变的速率分布。然后当前轨迹可以被发送给车辆的各种其他系统,并且由车辆的各种其他系统处理,以便做出用于车辆(包括例如像计算设备110的车辆的计算设备)的行驶和其他决策。转到图5的示例,车辆100当前正遵循轨迹500。
返回图9,在框920处,接收由车辆的感知系统生成的传感器数据。该传感器数据对应于车辆周围区域中的一个或多个对象。例如,感知系统174可以使用车辆的各种传感器来生成传感器数据。传感器数据可以是原始传感器数据或经处理的传感器数据以及关于车辆100周围区域中的对象的特性的其他信息。这可以包括例如位置、走向、朝向、速度、加速度/减速度、加速度/减速度的改变等。
车辆的行为建模系统176可以连续地或以预定时间段(诸如每100毫秒或更多或更少)针对自主车辆外部的每个观察的对象生成一个或多个预估轨迹。例如,行为建模系统176可以从感知系统174接收针对对象的传感器数据和其他数据。再者,传感器数据可以是原始传感器数据或经处理的传感器数据以及关于车辆100周围区域中的对象的特性的其他信息。
在框930处,可以基于接收的传感器数据来确定一个或多个对象的预估轨迹。例如,行为建模系统176可以将从感知系统174接收的传感器数据输入到一个或多个模型中并且确定或生成针对对象的一个或多个预估轨迹。这些预估轨迹然后可以被发送给车辆的各种其他系统,并且由车辆的各种其他系统处理,以便做出用于车辆(包括例如像计算设备110的车辆的计算设备)的行驶和其他决策。
模型可以基于类似对象的典型操作过程。例如,用于停止在灯处的车辆的预估轨迹可以基于在相同的灯或类似的灯处的其他车辆的典型操作(例如,速率、加速度、走向等)。在一些实例中,模型也可以基于类似对象的不规律操作。例如,用于停止在灯处的车辆的预估轨迹可以包括与停止的车辆倒车、迅速加速、开始移动之后迅速停止等相对应的轨迹。基于不规律操作的预估轨迹可以限于物理上可行的可能性。换言之,用于生成预估轨迹的不规律操作可以是对象已知能够执行的动作。
每个预估轨迹可以对应于对象可能潜在地穿过的可能路径以及对象被预期在沿着该路径的不同点处的时间。例如,行为建模系统可以使用由感知系统提供的上述数据针对停止在交叉路口处的车辆和行进通过交叉路口的车辆生成预估轨迹。返回图5,对于可能停止在交叉路口402处的车辆480,行为建模系统可以生成预估轨迹580、582、584。对于可能正在行进通过交叉路口402的车辆490,行为建模系统可以生成预估轨迹590、592。虽然仅示出了五个预估轨迹,但是可能存在针对每个对象生成的更多或更少的预估轨迹。在一些实例中,诸如道路标志、树木等的静止对象可能被行为建模系统过滤,或者以其他方式忽略或不处理。
返回图9,在框940处,可以基于预估轨迹和(车辆的)当前轨迹来确定与一个或多个对象的潜在碰撞。例如,可以将对象的预估轨迹与自主车辆的当前轨迹进行比较,以便识别潜在碰撞。根据该比较,诸如计算设备110的车辆的计算设备可以确定自主车辆的当前轨迹(例如轨迹500)将与对象的轨迹相交的潜在位置和时间。这样的位置和时间可以对应于潜在碰撞的位置和时间或者在何处碰撞被预测为在未来的某点发生。
例如,转向图6,自主车辆的当前轨迹可能导致与停止的车辆和行进通过交叉路口的车辆的预估轨迹的碰撞(分别由位置点600、610代表)。换言之,这些位置点可以代表轨迹500将与车辆480和490的预估轨迹相交所处的位置和时间的组合。例如,位置点600可以代表在时间t2和位置l2处的可能碰撞,并且类似地,位置点610可以代表在时间t3和位置l3处的可能碰撞。因此,尽管位置点610靠近预估轨迹582,但是该位置点不代表与车辆480的潜在碰撞,因为车辆480和车辆100将不在时间上(仅在位置上)相交。
返回图9,在框950处,可以识别潜在碰撞中的在时间上最早的一个潜在碰撞。例如,诸如计算设备110的车辆的计算设备可以识别在时间上最早的可能碰撞。例如,如上所述,如图4、图5和图6的示例所示,车辆的当前位置在时间t1处是l1。在该示例中,在时间上的第一潜在碰撞很可能在位置l2和时间t2处(即位置点600)与车辆480发生,并且在时间上的第二潜在碰撞很可能在位置l3和时间t3处(即位置点610)与车辆490发生。
返回图9,在框960处,基于潜在碰撞来确定安全时间范围。车辆的计算设备可以确定用于在时间上最早的可能碰撞的STH。如在上面的示例中,在时间上最早的可能碰撞可能发生在时间t2和位置l2处。在这方面,STH可以是特定时间点t’或从当前时间t1到时间t’的某时间段。时间t’可以是作为在最早的可能碰撞的时间(这里是t2)之前的某预定时段的时间点,以便允许自主车辆等待至少预定时间段来处理运行时异常。然后车辆的计算设备可以使用下面的等式求解时间t’:
f(t′)=fe(t′)
t1≤t′≤t2
在该示例中,f(t)是自主车辆的当前轨迹速率分布,并且fe(t)是用于自主车辆的异常处理速率分布。
作为一个示例,异常处理速率分布可以包括应用恒定的减速度量直到车辆完全停止。作为示例,该恒定的减速度量可以是-6m/s2或更多或更少。然而,由于该减速度变化率(rate)要在紧急情况中使用,所以对于乘客而言可能相当不舒适。当然,也可以使用加速度随时间改变的更复杂的速率分布。例如,速率分布可以基于导致运行时异常的数据类型(例如,被延迟的数据)。例如,如果运行时异常的原因是优先级较高的(来自感知系统的传感器数据丢失或未被及时接收),则速率分布可能导致车辆自动地“猛踩”刹车。作为另一个示例,如果运行时异常的原因是优先级较低的(诸如连接到远程计算设备),则速率分布可能导致车辆以更合理的速率减速。
返回图9,在框970,当运行时异常发生时,在执行预防性操纵以避免碰撞之前等待不长于安全时间范围以供解决运行时异常。在运行时异常的事件中,车辆的计算设备可能等待STH的时段,或者更确切地说,从t1到t’的时间段,以供解决运行时异常。如果经过了STH并且运行时异常尚未解决,则车辆的计算设备可能参与(engage)异常处理响应。该异常处理响应可以包括异常处理速率分布。
图7示出了与图4、图5和图6的示例相对应的车辆100的示例操作状况。在示例中,在时间t1处,车辆100在位置l1处以10m/s(即,f(t))的恒定(即不加速或减速)速度行进。车辆480位于在前方距离D(例如,100米)的位置l2处并且停止。如上所述,车辆的计算设备可以确定在时间上最早的可能碰撞是在位置点600处,或在车辆480的当前位置12处。在该示例中,最早的可能碰撞的估计时间t2可以是距当前时间t1的5秒。此外,车辆100能够以-5m/s2的变化率减速(或,例如,可靠地减速)。鉴于该信息,诸如计算设备110的计算设备可以确定车辆100必须从20m/s减速到0以避免与车辆480相撞。该减速等级可以是异常处理速率分布。
使用上述数据,诸如计算设备110的车辆的计算设备可以确定自主车辆将花费至少4秒(20m/s/-5m/s2)以在车辆480之前(假设车辆480保持静止)做出完全停止。照此,车辆100必须在车辆480后面40米开始减速,或者换句话说,在当前位置l1前方60米开始减速以避免碰撞。在这方面,车辆能够以其当前速率在下一个3秒继续(60m/20m/s),同时安全地忽略任何运行时异常。因此,STH可能是3秒。换句话说,对于发生在时间t1处的运行时异常,车辆的计算设备可能等待3秒以供解决运行时异常。
诸如上文所述,如果运行时异常在STH期间自行解决,则车辆的计算设备可以在不采取预防性操纵或不执行某一其他异常处理功能的情况下,继续控制车辆。如果运行时异常未自行解决,则车辆的计算设备将仍有时间采取预防性操纵或执行某一其他异常处理功能。例如,返回图7,诸如计算设备110的车辆的计算设备可能有时间ts(这里,ts=2s)根据异常处理速率分布来减速并在车辆480之前停止。
转到图8的代表与时间tl之后的2s相对应的时间tn的示例,车辆100已经移动比图7的示例中更靠近车辆480。如果在该时间处将发生运行时异常,则STH将仅为1秒。例如,STH=3秒-2秒=1秒。照此,车辆的计算设备可以在根据异常处理速率分布开始减速之前仅等待1秒并在车辆480之前停止。换句话说,一旦车辆100到达位置ln,车辆100必须开始根据异常处理速率分布减速。
可以周期性地(例如,每100毫秒或更多或更少,或者每次从感知系统接收新的传感器数据时)确定(或重新确定)STH。在这方面,诸如计算设备110的车辆的计算设备,可以继续将该时段倒计时,直到确定新的时段。可替代地,可以响应于运行时异常来确定STH,并且一旦确定了STH就可以启动倒计时。在这方面,一旦发生运行时异常,车辆的计算设备可以至少等待STH以供自行解决运行时异常。再者,如果运行时异常在STH期间未自行解决,则车辆的计算设备可能自动地启动诸如快速停止或靠边停车的预防性操纵。
本文描述的特征可以允许自主车辆在自身解决的运行时异常的事件中避免采取不必要的或过于谨慎的预防性操纵。通过这样做,自主车辆可以继续按预期操作,从而避免可能导致乘客不舒适的意料不到的和不舒适的操纵或延迟,同时仍保持车辆及其乘客的安全性。
除非另有说明,否则上述可替代性示例不是相互排斥的,而是可以以各种组合来实施以实现独特的优势。由于可以在不脱离由权利要求限定的主题的情况下利用以上讨论的特征的这些和其他改变和组合,因此实施例的前述描述应当通过说明的方式而不是通过对由权利要求所限定的主题的限制来进行。此外,本文描述的示例的提供以及表述为“诸如”、“包括”等的子句不应被解释为将权利要求的主题限制于具体示例;反而,示例旨在仅说明许多可能的实施例中的一个。此外,不同附图中的相同附图标记可以识别相同或相似的元素。
Claims (20)
1.一种用于车辆的异常处理的方法,所述方法包括:
由一个或多个处理器接收车辆的当前轨迹;
由一个或多个处理器接收由具有传感器的车辆的感知系统生成的传感器数据,其中,所述传感器数据对应于车辆周围区域中的一个或多个对象;
由一个或多个处理器基于接收的传感器数据确定一个或多个对象的预估轨迹;
由一个或多个处理器基于预估轨迹和当前轨迹确定与一个或多个对象的潜在碰撞;
由一个或多个处理器识别潜在碰撞中的在时间上最早的一个潜在碰撞;
由一个或多个处理器基于潜在碰撞中的所述一个潜在碰撞确定安全时间范围STH;以及
当运行时异常发生时,由一个或多个处理器在执行预防性操纵以避免碰撞之前等待不长于STH以供解决运行时异常。
2.根据权利要求1所述的方法,其中,确定所述STH是基于潜在碰撞中的所述一个潜在碰撞的时间之前的预定时间段的。
3.根据权利要求1所述的方法,其中,确定所述STH是基于异常处理速率分布的。
4.根据权利要求3所述的方法,其中,所述异常处理速率分布是车辆的恒定减速度量。
5.根据权利要求3所述的方法,其中,所述异常处理速率分布对应于对车辆的减速度量的一个或多个改变。
6.根据权利要求3所述的方法,还包括,当运行时异常在STH之后尚未解决时,通过使用异常处理速率分布以控制车辆来执行预防性操纵。
7.根据权利要求1所述的方法,还包括周期性地重新确定STH。
8.根据权利要求1所述的方法,其中,所述运行时异常对应于来自传感器的通信延迟。
9.根据权利要求1所述的方法,其中,所述传感器是雷达单元。
10.根据权利要求1所述的方法,其中,所述运行时异常对应于在预定时间段没有来自感知系统的传感器的通信。
11.一种用于车辆的异常处理的系统,所述系统包括一个或多个处理器,所述一个或多个处理器被配置为:
接收车辆的当前轨迹;
接收由具有传感器的车辆的感知系统生成的传感器数据,其中,所述传感器数据对应于车辆周围区域中的一个或多个对象;
基于接收的传感器数据确定一个或多个对象的预估轨迹;
基于预估轨迹和当前轨迹确定与一个或多个对象的潜在碰撞;
识别潜在碰撞中的在时间上最早的一个潜在碰撞;
基于潜在碰撞中的所述一个潜在碰撞确定安全时间范围STH;以及
当运行时异常发生时,在执行预防性操纵以避免碰撞之前等待不长于STH以供解决运行时异常。
12.根据权利要求11所述的系统,其中,所述一个或多个处理器还被配置为基于潜在碰撞中的所述一个潜在碰撞的时间之前的预定时间段来确定所述STH。
13.根据权利要求11所述的系统,其中,所述一个或多个处理器还被配置为基于异常处理速率分布来确定STH。
14.根据权利要求13所述的系统,其中,所述异常处理速率分布是车辆的恒定减速度量。
15.根据权利要求13所述的系统,其中,所述一个或多个处理器还被配置为当运行时异常在STH之后尚未解决时,通过使用异常处理速率分布以控制车辆来执行预防性操纵。
16.根据权利要求11所述的系统,其中,所述一个或多个处理器还被配置为周期性地重新确定STH。
17.根据权利要求11所述的系统,其中,所述运行时异常对应于来自传感器的通信延迟。
18.根据权利要求11所述的系统,还包括传感器,并且其中,所述传感器是雷达单元。
19.根据权利要求11所述的系统,其中,所述运行时异常对应于在预定时间段没有来自感知系统的传感器的通信。
20.根据权利要求11所述的系统,还包括车辆。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/383,096 | 2019-04-12 | ||
US16/383,096 US11327507B2 (en) | 2019-04-12 | 2019-04-12 | Exception handling for autonomous vehicles |
PCT/US2020/027662 WO2020210618A1 (en) | 2019-04-12 | 2020-04-10 | Exception handling for autonomous vehicles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113692372A CN113692372A (zh) | 2021-11-23 |
CN113692372B true CN113692372B (zh) | 2022-09-13 |
Family
ID=72750864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080028282.XA Active CN113692372B (zh) | 2019-04-12 | 2020-04-10 | 用于自主车辆的异常处理 |
Country Status (5)
Country | Link |
---|---|
US (3) | US11327507B2 (zh) |
EP (1) | EP3934956A4 (zh) |
JP (1) | JP7300516B2 (zh) |
CN (1) | CN113692372B (zh) |
WO (1) | WO2020210618A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11327507B2 (en) * | 2019-04-12 | 2022-05-10 | Waymo Llc | Exception handling for autonomous vehicles |
KR20210007634A (ko) * | 2019-07-12 | 2021-01-20 | 현대자동차주식회사 | 차량 영상 기록 장치, 그를 포함한 시스템 및 그 방법 |
CN110949381B (zh) * | 2019-11-12 | 2021-02-12 | 深圳大学 | 一种驾驶行为危险度的监测方法及装置 |
JP6979091B2 (ja) * | 2020-01-29 | 2021-12-08 | 本田技研工業株式会社 | 車両制御装置、車両、車両制御方法及びプログラム |
CN116401560B (zh) * | 2023-06-07 | 2023-08-25 | 上海伯镭智能科技有限公司 | 一种基于无人驾驶车辆的运行异常检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859494A (zh) * | 2009-04-06 | 2010-10-13 | 通用汽车环球科技运作公司 | 车队车辆管理 |
US10042363B1 (en) * | 2015-01-20 | 2018-08-07 | State Farm Mutual Automobile Insurance Company | Analyzing telematics data to determine travel events and corrective actions |
CN108597251A (zh) * | 2018-04-02 | 2018-09-28 | 昆明理工大学 | 一种基于车联网的交通路口分布式车辆碰撞预警方法 |
CN109311474A (zh) * | 2016-06-06 | 2019-02-05 | 罗伯特·博世有限公司 | 行人保护中的自主制动故障管理 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7797107B2 (en) | 2003-09-16 | 2010-09-14 | Zvi Shiller | Method and system for providing warnings concerning an imminent vehicular collision |
DE102004051758A1 (de) * | 2004-10-23 | 2006-04-27 | Daimlerchrysler Ag | Planung von Prozessabläufen in Fahrsystemeinrichtungen |
US7631552B2 (en) * | 2006-12-22 | 2009-12-15 | Detroit Diesel Corporation | Method of verifying component functionality on EGR and air systems |
JP4412356B2 (ja) * | 2007-06-13 | 2010-02-10 | 株式会社デンソー | 車両用衝突緩和装置 |
JP4977568B2 (ja) | 2007-09-28 | 2012-07-18 | 日産自動車株式会社 | 現在位置情報通知システム、センタ装置及び誤差補正方法 |
JP2009196464A (ja) * | 2008-02-20 | 2009-09-03 | Keihin Corp | 歩行者衝突検知装置及び歩行者保護システム |
DE102008001301B4 (de) * | 2008-04-22 | 2018-03-22 | Robert Bosch Gmbh | Verfahren und Steuergerät zur Ansteuerung von Personenschutzmitteln für ein Fahrzeug |
JP5406072B2 (ja) * | 2010-02-18 | 2014-02-05 | 株式会社日立製作所 | 組込み制御装置 |
EP2484573B1 (en) | 2011-02-08 | 2017-12-13 | Volvo Car Corporation | Method for reducing the risk of a collision between a vehicle and a first external object |
JP2012216017A (ja) | 2011-03-31 | 2012-11-08 | Honda Motor Co Ltd | 車両の接触回避支援装置 |
US9221396B1 (en) * | 2012-09-27 | 2015-12-29 | Google Inc. | Cross-validating sensors of an autonomous vehicle |
DE102013013867A1 (de) | 2013-08-20 | 2015-03-12 | Audi Ag | Kraftfahrzeug und Verfahren zur Steuerung eines Kraftfahrzeugs |
US9216745B2 (en) | 2013-09-16 | 2015-12-22 | Disney Enterprises, Inc. | Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios |
KR20170093817A (ko) * | 2014-12-12 | 2017-08-16 | 소니 주식회사 | 자동 운전 제어 디바이스 및 자동 운전 제어 방법, 및 프로그램 |
JP6598019B2 (ja) * | 2015-04-21 | 2019-10-30 | パナソニックIpマネジメント株式会社 | 運転支援方法およびそれを利用した運転支援装置、運転制御装置、車両、運転支援プログラム |
US10169006B2 (en) * | 2015-09-02 | 2019-01-01 | International Business Machines Corporation | Computer-vision based execution of graphical user interface (GUI) application actions |
US10139828B2 (en) * | 2015-09-24 | 2018-11-27 | Uber Technologies, Inc. | Autonomous vehicle operated with safety augmentation |
EP3356899B1 (en) * | 2015-09-28 | 2021-12-29 | Uatc, Llc | Method of operating an autonomous vehicle having independent auxiliary control unit |
US9720415B2 (en) * | 2015-11-04 | 2017-08-01 | Zoox, Inc. | Sensor-based object-detection optimization for autonomous vehicles |
US20180281856A1 (en) * | 2017-03-31 | 2018-10-04 | Ford Global Technologies, Llc | Real time lane change display |
US10501091B2 (en) * | 2017-05-23 | 2019-12-10 | Uber Technologies, Inc. | Software version and mode switching for autonomous vehicles |
US10611371B2 (en) * | 2017-09-14 | 2020-04-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for vehicle lane change prediction using structural recurrent neural networks |
JP6939322B2 (ja) * | 2017-09-25 | 2021-09-22 | トヨタ自動車株式会社 | 運転支援装置 |
CN117022255A (zh) * | 2018-03-20 | 2023-11-10 | 御眼视觉技术有限公司 | 用于主车辆的自动驾驶系统、机器可读存储介质和装置 |
US11124185B2 (en) * | 2018-11-13 | 2021-09-21 | Zoox, Inc. | Perception collision avoidance |
US11327507B2 (en) * | 2019-04-12 | 2022-05-10 | Waymo Llc | Exception handling for autonomous vehicles |
-
2019
- 2019-04-12 US US16/383,096 patent/US11327507B2/en active Active
-
2020
- 2020-04-10 EP EP20787044.5A patent/EP3934956A4/en active Pending
- 2020-04-10 WO PCT/US2020/027662 patent/WO2020210618A1/en unknown
- 2020-04-10 CN CN202080028282.XA patent/CN113692372B/zh active Active
- 2020-04-10 JP JP2021557966A patent/JP7300516B2/ja active Active
-
2022
- 2022-04-04 US US17/712,760 patent/US11709503B2/en active Active
-
2023
- 2023-05-31 US US18/204,135 patent/US20230305577A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859494A (zh) * | 2009-04-06 | 2010-10-13 | 通用汽车环球科技运作公司 | 车队车辆管理 |
US10042363B1 (en) * | 2015-01-20 | 2018-08-07 | State Farm Mutual Automobile Insurance Company | Analyzing telematics data to determine travel events and corrective actions |
CN109311474A (zh) * | 2016-06-06 | 2019-02-05 | 罗伯特·博世有限公司 | 行人保护中的自主制动故障管理 |
CN108597251A (zh) * | 2018-04-02 | 2018-09-28 | 昆明理工大学 | 一种基于车联网的交通路口分布式车辆碰撞预警方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230305577A1 (en) | 2023-09-28 |
CN113692372A (zh) | 2021-11-23 |
JP7300516B2 (ja) | 2023-06-29 |
WO2020210618A1 (en) | 2020-10-15 |
EP3934956A4 (en) | 2022-12-07 |
EP3934956A1 (en) | 2022-01-12 |
US20220229445A1 (en) | 2022-07-21 |
US11327507B2 (en) | 2022-05-10 |
US20200363818A1 (en) | 2020-11-19 |
WO2020210618A8 (en) | 2021-05-14 |
JP2022526376A (ja) | 2022-05-24 |
US11709503B2 (en) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113692372B (zh) | 用于自主车辆的异常处理 | |
US11760354B2 (en) | Multi-way stop intersection precedence for autonomous vehicles | |
KR20210131467A (ko) | 자율 차량들에 대한 추진 및 스티어링 시스템 에러들의 검출 및 이에 대한 응답 | |
EP3720750B1 (en) | Method and system for maneuvering a vehicle | |
JP7337155B2 (ja) | 自律走行車のフォールバック動作を実装するためのシステム | |
CN113924241B (zh) | 用于自主车辆的追踪消失对象 | |
JP2023100652A (ja) | 複数車線の曲がり角における車両の制御 | |
CN112424047B (zh) | 将不适感用于自主车辆的速度规划 | |
CN113508056A (zh) | 针对自主车辆的转弯发出信号 | |
CN115593429A (zh) | 自动驾驶车辆对紧急车辆的响应 | |
US20230047336A1 (en) | Time gaps for autonomous vehicles | |
US11608066B1 (en) | Responding to input on a brake pedal of a brake by wire system for an autonomous 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |