CN113728324A - 基于点云的低高度障碍物检测系统 - Google Patents
基于点云的低高度障碍物检测系统 Download PDFInfo
- Publication number
- CN113728324A CN113728324A CN202080003593.0A CN202080003593A CN113728324A CN 113728324 A CN113728324 A CN 113728324A CN 202080003593 A CN202080003593 A CN 202080003593A CN 113728324 A CN113728324 A CN 113728324A
- Authority
- CN
- China
- Prior art keywords
- predetermined condition
- point
- points
- nadir
- rings
- 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
- 238000001514 detection method Methods 0.000 title description 6
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000004044 response Effects 0.000 claims abstract description 14
- 230000015654 memory Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
公开一种用于基于自主车辆中LIDAR设备的输出确定低高度障碍物的方法、装置和系统。基于LIDAR设备的输出生成包括多个点的点云。对于第一数目的最低点环内的每个点,确定同一环中第一方向上的相邻点并且确定与第一坐标值和第二坐标值有关的差值。基于第一差值和第二差值确定第一数量、第二数量、第三数量和第四数量。响应于确定第一数量、第二数量、第三数量和第四数量满足预定条件,基于第一数目的最低点环内的点确定低高度障碍物。至少部分地基于所确定的低高度障碍物控制自主车辆的操作。
Description
技术领域
本公开的实施例一般涉及操作自主车辆。更特别地,本公开的实施例涉及基于自主车辆处的LIDAR设备的输出检测低高度障碍物。
背景技术
以自主模式(例如,无人驾驶)操作的车辆可以减轻乘坐者,尤其是驾驶员的一些驾驶相关责任。当在自主模式下操作时,车辆可以使用车载传感器导航到各种位置,从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。
LIDAR(光检测和测距,或光和雷达的混成词)技术已广泛用于军事、地理学、海洋学,以及最近十年来的自主驾驶车辆。LIDAR设备可以在扫描场景以聚集表示对象的反射面的点云时估计到对象的距离。点云中的各个点可以通过以下方式确定:发射激光脉冲并且检测(如果有)从对象反射的返回脉冲,以及根据所发射脉冲和所反射脉冲的接收之间的时间延迟确定到对象的距离。可以跨场景快速且重复地扫描一束激光或多束激光,以提供关于到场景中的反射对象的距离的连续实时信息。一个激光束的每个完整旋转产生一个点环。
在自主驾驶车辆的现有实现方式中,基于点云估计地平面,并且考虑到道路或其他驾驶表面的高度变化,在障碍物检测之前移除其到地平面的距离低于阈值的LIDAR点(即低点)。因此,在存在低高度障碍物的情况下,由于对应低点的移除,在感知和障碍物检测过程中可能错过低高度障碍物。在某些情况下,未能检测到不应该错过的低高度障碍物可能导致碰撞。
附图说明
本公开的实施例通过示例的方式示出并且不限于附图中的图,在附图中相同的附图标记表示相似的元件。
图1是图示根据一个实施例的联网系统的框图。
图2是图示根据一个实施例的自主车辆的示例的框图。
图3A-图3B是图示根据一个实施例的与自主车辆一起使用的感知和规划系统的示例的框图。
图4是图示可以与本公开的实施例一起使用的示例坐标系的图。
图5是图示根据本公开的一个实施例可使用的各种模块的框图。
图6是图示根据一个实施例的用于基于自主车辆中LIDAR设备的输出确定低高度障碍物的示例方法的流程图。
图7是图示根据另一实施例的用于基于自主车辆中LIDAR设备的输出确定低高度障碍物的示例方法的流程图。
具体实施方式
将参考下面讨论的细节描述本公开的各个实施例和方面,并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各种实施例的全面理解。然而,在某些情况下,为了提供对本公开的实施例的简要讨论,没有描述公知或常规的细节。
说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特别特征、结构或特性可以包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。
根据一些实施例,公开一种用于基于自主车辆中LIDAR设备的输出确定低高度障碍物的方法、装置和系统。基于LIDAR设备的输出生成包括多个点的点云。多个点中的每一个与一组三维(3D)坐标相关联。对于第一数目的最低点环中的每个点,确定在同一环中第一方向上的相邻点。在一个实施例中,第一数目等于2。在不同的实施例中,第一方向是左方向或右方向。
对于第一数目的最低点环中的每个点,确定点的第一坐标值与相应相邻点的第一坐标值之间的第一差值。第一坐标值与向前方向/向后方向上的轴相关联。此外,对于第一数目的最低点环中的每个点,确定点的第二坐标值与相应相邻点的第二坐标值之间的第二差值。第二坐标值与上方向/下方向上的轴相关联。
确定第一数量、第二数量、第三数量和第四数量。特别地,第一数量指示第一数目的最低点环内其第一差值为正并且具有高于第一阈值的绝对值的点的数量。第二数量指示第一数目的最低点环内其第一差值为负并且具有高于第二阈值的绝对值的点的数量。第三数量指示第一数目的最低点环内其第二差值为正并且具有高于第三阈值的绝对值的点的数量。第四数量指示第一数目的最低点环内其第二差值为负并且具有高于第四阈值的绝对值的点的数量。
确定第一数量、第二数量、第三数量和第四数量是否满足预定条件。响应于确定第一数量、第二数量、第三数量和第四数量满足预定条件,基于第一数目的最低点环内的点确定低高度障碍物。至少部分地基于所确定的低高度障碍物控制自主车辆的操作。另一方面,响应于确定第一数量、第二数量、第三数量和第四数量不满足预定条件,可以简单地丢弃第一数目的最低点环内的点。
在一个实施例中,当第一数量、第二数量、第三数量和第四数量中的每个大于0时,第一数量、第二数量、第三数量和第四数量满足预定条件。
在一个实施例中,当第一数量和第二数量中的每个大于0以及第三数量和第四数量的和大于2时,第一数量、第二数量、第三数量和第四数量满足预定条件。
在一个实施例中,当第三数量和第四数量中的每个大于0以及第一数量和第二数量的和大于2时,第一数量、第二数量、第三数量和第四数量满足预定条件。
在一个实施例中,当第一数量、第二数量、第三数量和第四数量的和大于4时,第一数量、第二数量、第三数量和第四数量满足预定条件。
图1是示出根据本公开的一个实施例的自主车辆网络配置的框图。参考图1,网络配置100包括自主驾驶车辆(ADV)101,其可以通过网络102通信地耦接到一个或多个服务器103-104。尽管示出一个自主车辆,但是多个自主车辆可以通过网络102彼此耦接和/或耦接到服务器103-104。网络102可以是任何类型的有线或无线网络,诸如局域网(LAN)、诸如因特网的广域网(WAN)、蜂窝网络、卫星网络、或其组合。(一个或多个)服务器103-104可以是任何类型的服务器或服务器集群,诸如Web或云服务器、应用服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和感兴趣点(MPOI)服务器或位置服务器等。
自主车辆指的是能够被配置为处于自主模式,在自主模式中车辆在很少或没有驾驶员输入的情况下导航通过环境。这种自主车辆可以包括具有一个或多个传感器的传感器系统,一个或多个传感器被配置为检测关于车辆在其中操作的环境的信息。车辆及其相关的(一个或多个)控制器使用检测的信息以导航通过环境。自主车辆101可以以手动模式、全自主模式或部分自主模式操作。
在一个实施例中,自主车辆101包括但不限于感知和规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自主车辆101还可以包括在普通车辆中包括的某些常见组件,诸如引擎、车轮、转向盘、变速器等,这些组件可以被车辆控制系统111和/或感知和规划系统110使用各种通信信号和/或命令(例如加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等)控制。
组件110-115可以经由互连、总线、网络或其组合彼此通信地耦接。例如,组件110-115可以经由控制器局域网(CAN)总线彼此通信地耦接。CAN总线是一种车辆总线标准,其被设计为允许微控制器和设备在没有主机的应用中彼此通信。它是基于消息的协议,最初被设计用于车辆内的多路复用电气布线,但是也用于许多其他环境中。
现在参考图2,在一个实施例中,传感器系统115包括但不限于一个或多个相机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光检测和范围(LIDAR)单元215。GPS系统212可以包括可操作以提供关于自主车辆的位置的信息的收发器。IMU单元213可以基于惯性加速度感测自主车辆的位置和方位变化。雷达单元214可以表示使用无线电信号感测自主车辆的局部环境内的对象的系统。在一些实施例中,除了感测对象之外,雷达单元214还可以额外地感测对象的速度和/或航向。LIDAR单元215可以使用激光感测自主车辆所处的环境中的对象。LIDAR单元215可以包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。相机211可以包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静态相机和/或摄像机。相机可以是机械可移动的,例如通过将相机安装在旋转和/或倾斜的平台上。
传感器系统115还可以包括其他传感器,诸如声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如麦克风)。音频传感器可以被配置为捕获来自自主车辆周围的环境的声音。转向传感器可以被配置为感测车辆的转向盘、车轮或其组合的转向角。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情况下,油门传感器和制动传感器可以集成为集成的油门/制动传感器。
在一个实施例中,车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用于调节车辆的方向或航向。油门单元202用于控制马达或引擎的速度,马达或引擎的速度转而控制车辆的速度和加速度。制动单元203通过提供摩擦以使车辆的车轮或轮胎变慢来使车辆减速。注意,图2所示的组件可以用硬件、软件或其组合来实现。
返回参考图1,无线通信系统112允许在自主车辆101和外部系统,诸如设备、传感器、其他车辆等之间的通信。例如,无线通信系统112可以直接或经由通信网络与一个或多个设备(诸如在网络102上的服务器103-104)无线通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN),例如使用WiFi与另一组件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等直接与设备(例如,乘客的移动设备、显示设备、车辆101内的扬声器)通信。用户接口系统113可以是在车辆101内实现的外围设备的一部分,包括例如键盘、触摸屏显示设备、麦克风和扬声器等。
自主车辆101的功能中的一些或所有可以由感知和规划系统110控制或管理,尤其是当以自主驾驶模式操作时。感知和规划系统110包括必要的硬件(例如,(一个或多个)处理器、存储器、存储设备)和软件(例如,操作系统、规划和路线程序),以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息、处理接收的信息、规划从起点到目的地点的路线或路径、然后基于规划和控制信息驾驶车辆101。可替换地,感知和规划系统110可以与车辆控制系统111集成。
例如,作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。感知和规划系统110获得与行程有关的数据。例如,感知和规划系统110可以从MPOI服务器获得位置和路线信息,MPOI服务器可以是服务器103-104的一部分。位置服务器提供位置服务,以及MPOI服务器提供地图服务和某些位置的POI。可替换地,这种位置和MPOI信息可以本地缓存在感知和规划系统110的永久存储设备中。
当自主车辆101沿着路线移动时,感知和规划系统110还可以从交通信息系统或服务器(TIS)获得实时交通信息。注意,服务器103-104可以由第三方实体操作。可替换地,服务器103-104的功能可以与感知和规划系统110集成。基于实时交通信息、MPOI信息和位置信息,以及由传感器系统115检测或感测的实时局部环境数据(例如,障碍物、对象、附近车辆),感知和规划系统110可以规划最佳路线,并且例如经由控制系统111根据规划的路线驾驶车辆101,以安全且高效地到达指定目的地。
服务器103可以是用以执行用于各种客户端的数据分析服务的数据分析系统。在一个实施例中,数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自主车辆或者是由人类驾驶员驾驶的常规车辆)收集驾驶统计123。驾驶统计123包括指示发出的驾驶命令(例如,油门、制动、转向命令)和由车辆的传感器在不同时间点捕获的车辆的响应(例如,速度、加速度、减速度、方向)的信息。驾驶统计123还可以包括描述不同时间点的驾驶环境的信息,诸如路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计123,机器学习引擎122出于各种目的而生成或训练一组规则、算法和/或预测模型124。在一个实施例中,算法124可以包括基于自主车辆处LIDAR设备的输出确定低高度障碍物的算法。算法124然后可以被上传在ADV上以在自主驾驶期间实时地被使用。
图3A和图3B是示出根据一个实施例的与自主车辆一起使用的感知和规划系统的示例的框图。系统300可以被实现为图1的自主车辆101的一部分,包括但不限于感知和规划系统110、控制系统111和传感器系统115。参考图3A-图3B,感知和规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路由模块307和确定模块502。
模块301-307和502中的一些或全部可以以软件、硬件或其组合实现。例如,这些模块可以被安装在永久存储设备352中,加载到存储器351中,并由一个或多个处理器(未示出)执行。注意,这些模块中的一些或全部可以通信地耦接到图2的车辆控制系统111的一些或全部模块或与图2的车辆控制系统111的一些或全部模块集成。模块301-307和502中的一些可以被集成在一起作为集成模块。
定位模块301确定自主车辆300的当前位置(例如,利用GPS单元212)并且管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如经由用户接口登录并指定行程的起始位置和目的地。定位模块301与自主车辆300的其他组件(诸如地图和路线信息311)通信,以获得与行程有关的数据。例如,定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务,以及MPOI服务器提供地图服务和某些位置的POI,它们可以作为地图和路线信息311的一部分被缓存。当自主车辆300沿着路线移动时,定位模块301还可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息,由感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员将感知到的驾驶员正在驾驶的车辆周围的情况。感知可以包括车道配置、交通灯信号、例如以对象形式的另一车辆、行人、建筑物、人行横道或其他交通相关标志(例如,停止标志、让步标志)等的相对位置。车道配置包括描述一个或多个车道的信息,诸如,例如车道的形状(例如,直的或弯曲的)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分离车道、驶离车道等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能,以处理和分析由一个或多个相机捕获的图像,以便识别自主车辆的环境中的对象和/或特征。对象可以包括交通信号、车行道边界、其他车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪和其他计算机视觉技术。在一些实施例中,计算机视觉系统可以映射环境、跟踪对象、并估计对象的速度等。感知模块302还可以基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据检测对象。
对于对象中的每个,预测模块303预测对象将在环境下表现什么行为。根据一组地图/路线信息311和交通规则312,基于在该时间点的驾驶环境感知的感知数据,执行预测。例如,如果对象是在相反方向上的车辆并且当前驾驶环境包括交叉路口,则预测模块303将预测车辆将可能直线向前移动还是转弯。如果感知数据指示交叉路口没有交通灯,则预测模块303可以预测车辆在进入交叉路口之前可能必须完全停止。如果感知数据指示车辆当前处于仅向左转弯车道或仅向右转弯车道,则预测模块303可以预测车辆将更可能分别左转弯或右转弯。
对于对象中的每个,决策模块304做出关于如何处理该对象的决策。例如,对于特定对象(例如,在交叉路线中的另一车辆)及其描述对象的元数据(例如,速度、方向、转角),决策模块304决定如何遇到对象(例如,超车、让行、停止、通过)。决策模块304可根据一组规则(诸如交通规则或驾驶规则312)做出这些决策,这组规则可以存储于永久存储设备352中。
路由模块307被配置为提供从起点到目的地点的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程,路由模块307获得路线和地图信息311并且确定从起始位置到达目的地位置的所有可能的路线或路径。路由模块307可以为从起始位置到达目的地位置确定的每条路线生成地形图形式的参考线。参考线是指没有来自诸如其他车辆、障碍物或交通状况的其他任何干扰的理想路线或路径。也就是说,如果在道路上没有其他车辆、行人或障碍物,则ADV应该精确地或紧密地遵循参考线。然后,地形图被提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线,以根据由其他模块提供的其他数据(诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)选择和修改最佳路线中的一个。取决于在时间点的特定驾驶环境,用于控制ADV的实际路径或路线可以接近或不同于由路由模块307提供的参考线。
基于针对感知对象中的每个的决策,规划模块305使用由路由模块307提供的参考线作为基础规划自主车辆的路径或路线以及驾驶参数(例如,距离、速度和/或转角)。也就是说,对于给定对象,决策模块304决策对该对象做什么,而规划模块305确定如何做。例如,对于给定对象,决策模块304可以决策经过对象,而规划模块305可以确定是在对象的左侧还是右侧经过。规划和控制数据由规划模块305生成,包括描述车辆300在下一个移动周期(例如,下一个路线/路径段)中将如何移动的信息。例如,规划和控制数据可以指示车辆300以每小时30英里(mph)的速度移动10米,然后以25mph的速度改变到右车行道。
基于规划和控制数据,控制模块306通过根据由规划和控制数据限定的路线或路径向车辆控制系统111发送适当的命令或信号,控制和驾驶自主车辆。规划和控制数据包括足够的信息以沿着路径或路线在不同时间点使用适当的车辆设置或驾驶参数(例如,油门、制动、转向命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施例中,在多个规划周期中执行规划阶段,规划周期也称为驾驶周期,诸如在100毫秒(ms)的每个时间间隔中。对于每个规划周期或驾驶周期,将基于规划和控制数据发出一个或多个控制命令。也就是说,对于每100ms,规划模块305规划下一个路线段或路径段,例如包括目标位置和ADV到达目标位置所需的时间。可替换地,规划模块305还可以指定具体速度、方向和/或转向角等。在一个实施例中,规划模块305为下一个预定时间段(诸如5秒)规划路线段或路径段。对于每个规划周期,规划模块305基于在先前周期中规划的目标位置规划用于当前周期(例如,下一个5秒)的目标位置。然后控制模块306基于当前周期的规划和控制数据生成一个或多个控制命令(例如,油门控制命令、制动控制命令、转向控制命令)。
注意,决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能,以确定用于自主车辆的驾驶路径。例如,导航系统可以确定一系列速度和方向航向,以影响自主车辆沿着基本上避开感知的障碍物的路径的移动,同时大体上使自主车辆沿着通向最终目的地的基于车行道的路径前进。目的地可以根据经由用户接口系统113的用户输入而被设置。当自主车辆在操作时,导航系统可以动态地更新驾驶路径。导航系统可以合并来自GPS系统的数据和一个或多个地图,以便确定用于自主车辆的驾驶路径。
如下面将进一步详细描述的,在确定模块502处执行各种确定操作。模块502可以与模块301-307中的一个或多个(诸如,例如感知模块302)集成。确定操作可以包括:对于第一数目的最低点环内的每个点,确定同一环中第一方向上的相邻点;对于第一数目的最低点环内的每个点,确定点的第一坐标值与相应相邻点的第一坐标值之间的第一差值;对于第一数目的最低点环内的每个点,确定点的第二坐标值与相应相邻点的第二坐标值之间的第二差值;确定第一数量、第二数量、第三数量和第四数量;确定第一数量、第二数量、第三数量和第四数量是否满足预定条件。
参考图4,示出图示可以与本公开的实施例一起使用的示例坐标系400的图。图4中所示的坐标系是具有彼此正交的x、y和z轴的三维(3D)笛卡尔坐标系。相对于车辆401,x轴指向左、y轴指向前以及z轴指向上。应当理解的是,坐标系400仅用于说明目的,并不限制本公开。也可以使用其他合适的坐标系。
参考图5,示出图示根据本公开的一个实施例可使用的各种模块的框图500。基于LIDAR设备/单元215的输出生成包括多个点的点云501。点云501可以表示周围环境中特征的3D形状。多个点中的每个与一组三维(3D)坐标(例如x、y和z坐标)相关联。一个激光束的每个完整旋转在LIDAR设备215处产生一个点环,并且由于LIDAR设备215通常可以包括同时扫描的多个激光器,因此点云可以包括多个点环。环中点的数目可以在几百到几千之间,并且不限制本公开。
对于在第一数目的最低点环内的每个点,在确定模块502处确定同一环中第一方向上的相邻点。在一个实施例中,第一数目等于2。在不同的实施例中,第一数目可以是不同的,并且不限制本公开。在不同的实施例中,第一方向是左方向或右方向。
对于在第一数目的最低点环内的每个点,在确定模块502处确定点的第一坐标值与相应相邻点的第一坐标值之间的第一差值。第一坐标值(例如,y坐标)与向前方向/向后方向上的轴(例如,y轴)相关联。进一步地,对于在第一数目的最低点环内的每个点,在确定模块502处确定点的第二坐标值与相应相邻点的第二坐标值之间的第二差值。第二坐标值(例如,z坐标)与向上方向/向下方向上的轴(例如z轴)相关联。
在确定模块502处确定第一数量、第二数量、第三数量和第四数量。特别地,第一数量指示第一数目的最低点环内其第一差值为正并且具有高于第一阈值的绝对值的点的数量。第二数量指示第一数目的最低点环内其第一差值为负并且具有高于第二阈值的绝对值的点的数量。第三数量指示第一数目的最低点环内其第二差值为正并且具有高于第三阈值的绝对值的点的数量。第四数量指示第一数目的最低点环内其第二差值为负并且具有高于第四阈值的绝对值的点的数量。在不同的实施例中,第一阈值、第二阈值、第三阈值和第四阈值可以相同或可以不同,并且不限制本公开。在一个实施例中,第一阈值、第二阈值、第三阈值和第四阈值中的每个等于大约0.1。
在确定模块502处确定第一数量、第二数量、第三数量和第四数量是否满足预定条件。响应于确定第一数量、第二数量、第三数量和第四数量满足预定条件,在感知模块302处基于第一数目的最低点环内的点确定低高度障碍物503。在控制模块306处至少部分地基于所确定的低高度障碍物503控制自主车辆的操作。另一方面,响应于在确定模块502处确定第一数量、第二数量、第三数量和第四数量不满足预定条件,可以在感知模块302处简单地丢弃第一数目的最低点环内的点。
在一个实施例中,当第一数量、第二数量、第三数量和第四数量中的每个大于0时,第一数量、第二数量、第三数量和第四数量满足预定条件。
在一个实施例中,当第一数量和第二数量中的每个大于0并且第三数量和第四数量的和大于2时,第一数量、第二数量、第三数量和第四数量满足预定条件。
在一个实施例中,当第三数量和第四数量中的每个大于0并且第一数量和第二数量的和大于2时,第一数量、第二数量、第三数量和第四数量满足预定条件。
在一个实施例中,当第一数量、第二数量、第三数量和第四数量的和大于4时,第一数量、第二数量、第三数量和第四数量满足预定条件。
图6是图示根据一个实施例的用于基于自主车辆中LIDAR设备的输出确定低高度障碍物的示例方法的流程图。图6所示的过程可以以硬件、软件或其组合实现。在框610处,基于LIDAR设备的输出生成包括多个点的点云。多个点中的每个与一组三维(3D)坐标相关联。在框620处,对于第一数目的最低点环内的每个点,确定在同一环中第一方向上的相邻点。在一个实施例中,第一数目等于2。在不同的实施例中,第一方向是左方向或右方向。
在框630处,对于第一数目的最低点环内的每个点,确定点的第一坐标值与相应相邻点的第一坐标值之间的第一差值。第一坐标值与向前方向/向后方向上的轴相关联。进一步地,在框640处,对于第一数目的最低点环内的每个点,确定点的第二坐标值与相应相邻点的第二坐标值之间的第二差值。第二坐标值与上方向/下方向上的轴相关联。
在框650处,确定第一数量、第二数量、第三数量和第四数量。特别地,第一数量指示第一数目的最低点环内其第一差值为正并且具有高于第一阈值的绝对值的点的数量。第二数量指示第一数目的最低点环内其第一差值为负并且具有高于第二阈值的绝对值的点的数量。第三数量指示第一数目的最低点环内其第二差值为正并且具有高于第三阈值的绝对值的点的数量。第四数量指示第一数目的最低点环内其第二差值为负并且具有高于第四阈值的绝对值的点的数量。
在框660处,确定第一数量、第二数量、第三数量和第四数量是否满足预定条件。在框670处,响应于确定第一数量、第二数量、第三数量和第四数量满足预定条件,基于第一数目的最低点环的内的点确定低高度障碍物。在框680处,至少部分地基于所确定的低高度障碍物控制自主车辆的操作。另一方面,响应于确定第一数量、第二数量、第三数量和第四数量不满足预定条件,可以简单地丢弃第一数目的最低点环内的点。
图7是图示根据另一实施例的用于基于自主车辆中LIDAR设备的输出确定低高度障碍物的示例方法的流程图。参照图7,在框701处,处理逻辑对于由LIDAR设备提供的点云的第一数目的最低点环内的每个点,确定点的第一坐标值与相应相邻点的第一坐标值之间的第一差值,其中第一坐标值与向前方向/向后方向上的轴相关联。在框702处,处理逻辑基于第一差值及其分别满足第一预定条件和第二预定条件的点值,计算点的第一数量和第二数量。在框703处,响应于确定满足第一预定条件和第二预定条件,处理逻辑基于第一数目的最低点环内的点确定低高度障碍物。在框704处,根据低高度障碍物生成路径或轨迹,并且根据该路径控制ADV,例如以避免与障碍物碰撞。
因此,根据本公开的实施例,可以基于自主车辆中LIDAR设备的输出确定低高度障碍物。因此,可以避免与低高度障碍物的碰撞,在简单丢弃所有低LIDAR点的现有技术实现方式中将会错过低高度障碍物。
注意,如上所示和所述的组件中的一些或所有可以以软件、硬件或其组合实现。例如,这些组件可以被实现为安装并存储在永久存储设备中的软件,软件可以由处理器(未示出)在存储器中加载并执行以执行贯穿本申请所述的过程或操作。可替换地,这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码,专用硬件诸如集成电路(例如,专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA),其可经由来自应用的对应的驱动器和/或操作系统访问。此外,这些组件可以被实现为处理器或中的特定硬件逻辑或处理器内核,作为经由一个或多个特定指令软件组件可访问的指令集的部分。
已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将其工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操作的那些操作。
然而,应当记住的是,所有这些和类似的术语都与适当的物理量相关联,并且仅仅是应用于这些量的方便的标记。除非另有特别声明,从以上讨论中显而易见的是,应当理解的是,在整个说明书中,使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机系统或类似电子计算设备的动作和过程,该计算机系统或类似电子计算设备将计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机系统存储器或寄存器或其他这样的信息存储、传输或显示设备内的类似表示为物理量的其他数据。
本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机制。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质(例如,只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备)。
在前述附图中描述的过程或方法可以由包括硬件(例如,电路、专用逻辑等)、软件(例如,体现在非暂时性计算机可读介质上)或两者的组合的处理逻辑来执行。尽管以上关于一些顺序操作描述了过程或方法,应当理解的是,可以以不同的顺序执行所述的一些操作。此外,一些操作可以并行地而不是顺序地执行。
本公开的实施例不是参考任何特定编程语言描述的。将了解的是,可使用各种编程语言实施如本文所述的本公开的实施例的教示。
在前述说明书中,已经参考本公开的具体示例性实施例描述了本公开的实施例。显然,在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下,可以对其进行各种修改。因此,说明书和附图应被认为是说明性的而不是限制性的。
Claims (21)
1.一种计算机实现的方法,包括:
对于在点云的第一数目的最低点环内的每个点,确定点的第一坐标值与相应相邻点的第一坐标值之间的第一差值,第一坐标值与向前方向/向后方向上的轴相关联;
基于第一差值及其分别满足第一预定条件和第二预定条件的点值,计算点的第一数量和第二数量;
响应于确定第一数量满足第一预定条件以及第二数量满足第二预定条件,基于第一数目的最低点环内的点确定低高度障碍物;以及
至少部分地基于所确定的低高度障碍物控制自主车辆的操作。
2.如权利要求1所述的方法,还包括:
对于第一数目的最低点环内的每个点,确定点的第二坐标值与相应相邻点的第二坐标值之间的第二差值,第二坐标值与上方向/下方向上的轴相关联;以及
基于第二差值及其分别满足第三预定条件和第四预定条件的点值,计算点的第三数量和第四数量;
其中响应于确定第三数量和第四数量分别满足第三预定条件和第四预定条件,确定低高度障碍物。
3.如权利要求1所述的方法,其中第一预定条件表示第一数目的最低点环内其第一差值为正并且具有高于第一阈值的绝对值的点的数目。
4.如权利要求1所述的方法,其中第二预定条件表示第一数目的最低点环内其第一差值为负并且具有高于第二阈值的绝对值的点的数目。
5.如权利要求2所述的方法,其中第三预定条件表示第一数目的最低点环内其第二差值为正并且具有高于第三阈值的绝对值的点的数目。
6.如权利要求2所述的方法,其中第四预定条件表示第一数目的最低点环内其第二差值为负并且具有高于第四阈值的绝对值的点的数目。
7.如权利要求2所述的方法,其中当第一数量、第二数量、第三数量和第四数量中的每个大于0时,第一数量、第二数量、第三数量和第四数量分别满足第一预定条件、第二预定条件、第三预定条件和第四预定条件。
8.如权利要求2所述的方法,其中当第一数量和第二数量中的每个大于0以及第三数量和第四数量的和大于2时,第一数量、第二数量、第三数量和第四数量分别满足第一预定条件、第二预定条件、第三预定条件和第四预定条件。
9.如权利要求2所述的方法,其中当第三数量和第四数量中的每个大于0以及第一数量和第二数量的和大于2时,第一数量、第二数量、第三数量和第四数量分别满足第一预定条件、第二预定条件、第三预定条件和第四预定条件。
10.如权利要求2所述的方法,其中当第一数量、第二数量、第三数量和第四数量的和大于4时,第一数量、第二数量、第三数量和第四数量分别满足第一预定条件、第二预定条件、第三预定条件和第四预定条件。
11.一种非暂时性机器可读介质,具有存储在其中的指令,所述指令在由处理器执行时使得所述处理器执行操作,操作包括:
对于点云的第一数目的最低点环内的每个点,确定点的第一坐标值与相应相邻点的第一坐标值之间的第一差值,第一坐标值与向前方向/向后方向上的轴相关联;
基于第一差值及其分别满足第一预定条件和第二预定条件的点值,计算点的第一数量和第二数量;
响应于确定第一数量满足第一预定条件以及第二数量满足第二预定条件,基于第一数目的最低点环内的点确定低高度障碍物;以及
至少部分地基于所确定的低高度障碍物控制自主车辆的操作。
12.如权利要求11所述的机器可读介质,其中操作还包括:
对于第一数目的最低点环内的每个点,确定点的第二坐标值与相应相邻点的第二坐标值之间的第二差值,第二坐标值与上方向/下方向上的轴相关联;以及
基于第二差值及其分别满足第三预定条件和第四预定条件的点值,计算点的第三数量和第四数量;
其中响应于确定第三数量和第四数量分别满足第三预定条件和第四预定条件,确定低高度障碍物。
13.如权利要求11所述的机器可读介质,其中第一预定条件表示第一数目的最低点环内其第一差值为正并且具有高于第一阈值的绝对值的点的数目。
14.如权利要求11所述的机器可读介质,其中第二预定条件表示第一数目的最低点环内其第一差值为负并且具有高于第二阈值的绝对值的点的数目。
15.如权利要求12所述的机器可读介质,其中第三预定条件表示第一数目的最低点环内其第二差值为正并且具有高于第三阈值的绝对值的点的数目。
16.如权利要求12所述的机器可读介质,其中第四预定条件表示第一数目的最低点环内其第二差值为负并且具有高于第四阈值的绝对值的点的数目。
17.如权利要求12所述的机器可读介质,其中当第一数量、第二数量、第三数量和第四数量中的每个大于0时,第一数量、第二数量、第三数量和第四数量分别满足第一预定条件、第二预定条件、第三预定条件和第四预定条件。
18.如权利要求12所述的机器可读介质,其中当第一数量和第二数量中的每个大于0以及第三数量和第四数量的和大于2时,第一数量、第二数量、第三数量和第四数量分别满足第一预定条件、第二预定条件、第三预定条件和第四预定条件。
19.如权利要求12所述的机器可读介质,其中当第三数量和第四数量中的每个大于0以及第一数量和第二数量的和大于2时,第一数量、第二数量、第三数量和第四数量分别满足第一预定条件、第二预定条件、第三预定条件和第四预定条件。
20.如权利要求12所述的机器可读介质,其中当第一数量、第二数量、第三数量和第四数量的和大于4时,第一数量、第二数量、第三数量和第四数量分别满足第一预定条件、第二预定条件、第三预定条件和第四预定条件。
21.一种数据处理系统,包括
处理器;以及
存储器,所述存储器耦接到所述处理器并存储指令,所述指令在由所述处理器执行时使得所述处理器执行操作,操作包括:
对于在点云的第一数目的最低点环内的每个点,确定点的第一坐标值与相应相邻点的第一坐标值之间的第一差值,第一坐标值与向前方向/向后方向上的轴相关联;
基于第一差值及其分别满足第一预定条件和第二预定条件的点值,计算点的第一数量和第二数量;
响应于确定第一数量满足第一预定条件以及第二数量满足第二预定条件,基于第一数目的最低点环内的点确定低高度障碍物;以及
至少部分地基于所确定的低高度障碍物控制自主车辆的操作。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/081383 WO2021189350A1 (en) | 2020-03-26 | 2020-03-26 | A point cloud-based low-height obstacle detection system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113728324A true CN113728324A (zh) | 2021-11-30 |
Family
ID=77854632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080003593.0A Pending CN113728324A (zh) | 2020-03-26 | 2020-03-26 | 基于点云的低高度障碍物检测系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11527076B2 (zh) |
EP (1) | EP4046068A4 (zh) |
CN (1) | CN113728324A (zh) |
WO (1) | WO2021189350A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7192090B2 (ja) * | 2020-05-15 | 2022-12-19 | バイドゥドットコム タイムズ テクノロジー (ベイジン) カンパニー リミテッド | ポイントクラウド融合のための検出器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441791A (zh) * | 2019-08-14 | 2019-11-12 | 深圳无境智能机器人有限公司 | 一种基于前倾2d激光雷达的地面障碍物检测方法 |
CN110632617A (zh) * | 2019-09-29 | 2019-12-31 | 北京邮电大学 | 一种激光雷达点云数据处理的方法及装置 |
CN110654380A (zh) * | 2019-10-09 | 2020-01-07 | 北京百度网讯科技有限公司 | 用于控制车辆的方法和装置 |
CN110832279A (zh) * | 2016-12-30 | 2020-02-21 | 迪普迈普有限公司 | 对准由自主车辆捕获的数据以生成高清晰度地图 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8947531B2 (en) * | 2006-06-19 | 2015-02-03 | Oshkosh Corporation | Vehicle diagnostics based on information communicated between vehicles |
DE102014208967A1 (de) * | 2014-05-13 | 2015-11-19 | Bayerische Motoren Werke Aktiengesellschaft | Umfeldkarte für Fahrflächen mit beliebigem Höhenverlauf |
CN105404844B (zh) * | 2014-09-12 | 2019-05-31 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
CN104931977B (zh) * | 2015-06-11 | 2017-08-25 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
KR102490602B1 (ko) * | 2015-09-04 | 2023-01-19 | 현대모비스 주식회사 | 차량 주변의 물체 인식 장치 및 그 방법 |
KR102286005B1 (ko) * | 2016-12-28 | 2021-08-04 | 한화디펜스 주식회사 | 주행 제어 시스템 및 주행 제어 방법 |
JP6984215B2 (ja) * | 2017-08-02 | 2021-12-17 | ソニーグループ株式会社 | 信号処理装置、および信号処理方法、プログラム、並びに移動体 |
WO2021030598A2 (en) * | 2019-08-13 | 2021-02-18 | Autonomous Solutions, Inc. | Point cloud occlusion mapping for autonomous vehicles |
CN110503040B (zh) * | 2019-08-23 | 2022-05-27 | 斯坦德机器人(深圳)有限公司 | 障碍物检测方法及装置 |
-
2020
- 2020-03-26 US US16/758,765 patent/US11527076B2/en active Active
- 2020-03-26 WO PCT/CN2020/081383 patent/WO2021189350A1/en unknown
- 2020-03-26 EP EP20927697.1A patent/EP4046068A4/en not_active Withdrawn
- 2020-03-26 CN CN202080003593.0A patent/CN113728324A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110832279A (zh) * | 2016-12-30 | 2020-02-21 | 迪普迈普有限公司 | 对准由自主车辆捕获的数据以生成高清晰度地图 |
CN110441791A (zh) * | 2019-08-14 | 2019-11-12 | 深圳无境智能机器人有限公司 | 一种基于前倾2d激光雷达的地面障碍物检测方法 |
CN110632617A (zh) * | 2019-09-29 | 2019-12-31 | 北京邮电大学 | 一种激光雷达点云数据处理的方法及装置 |
CN110654380A (zh) * | 2019-10-09 | 2020-01-07 | 北京百度网讯科技有限公司 | 用于控制车辆的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
EP4046068A4 (en) | 2023-07-12 |
WO2021189350A1 (en) | 2021-09-30 |
EP4046068A1 (en) | 2022-08-24 |
US11527076B2 (en) | 2022-12-13 |
US20210303874A1 (en) | 2021-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111775945B (zh) | 用于自动驾驶的用于检测最接近的路径内对象的方法和装置 | |
CN111775933B (zh) | 用于基于车辆周围障碍物的移动轨迹自主驾驶车辆的方法 | |
US11485360B2 (en) | Dynamic speed limit adjustment system based on perception results | |
US11880201B2 (en) | Fastest lane determination algorithm under traffic jam | |
CN112149487A (zh) | 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法 | |
US11726212B2 (en) | Detector for point cloud fusion | |
US11609333B2 (en) | Point cloud feature-based obstacle filter system | |
CN114026463A (zh) | 基于部分点云的行人速度估计方法 | |
EP3757711A1 (en) | A vehicle-platoons implementation under autonomous driving system designed for single vehicle | |
CN113748059A (zh) | 离线和在线解决方案相结合的停车轨迹生成方法 | |
CN113247017B (zh) | 用于确保自动驾驶车辆的稳定绕行的双缓冲系统 | |
US11787440B2 (en) | Lane boundary and vehicle speed based nudge decision | |
US11878712B2 (en) | Trajectory planning with obstacle avoidance for autonomous driving vehicles | |
CN112985435A (zh) | 用于操作自主驾驶车辆的方法及系统 | |
US11527076B2 (en) | Point cloud-based low-height obstacle detection system | |
CN115871712A (zh) | 操作自主驾驶车辆的方法和系统 | |
US11835629B2 (en) | Neighbor-based point cloud filter system | |
US11288528B2 (en) | Differentiation-based traffic light detection | |
CN212391730U (zh) | 用于自动驾驶车辆的光探测和测距装置 | |
CN113821022A (zh) | 基于相对速度的缓冲区的速度规划 | |
US11577644B2 (en) | L3-level auto-emergency light system for ego vehicle harsh brake | |
EP4140848A2 (en) | Planning under prediction with confidence region for an autonomous driving vehicle | |
US20240005066A1 (en) | Decoupled prediction evaluation |
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 |