CN113734191A - 人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作 - Google Patents

人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作 Download PDF

Info

Publication number
CN113734191A
CN113734191A CN202110590559.4A CN202110590559A CN113734191A CN 113734191 A CN113734191 A CN 113734191A CN 202110590559 A CN202110590559 A CN 202110590559A CN 113734191 A CN113734191 A CN 113734191A
Authority
CN
China
Prior art keywords
vehicle
classification
sensor
electronic processor
spoofing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110590559.4A
Other languages
English (en)
Inventor
A·海尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN113734191A publication Critical patent/CN113734191A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • 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
    • 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
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B60W60/00182—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions in response to weather conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B60W60/00184—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to infrastructure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B60W60/00188—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to detected security violation of control systems, e.g. hacking of moving vehicle
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/0215—Sensor drifts or sensor failures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • B60W2556/40—High definition maps
    • 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 of positioning data, e.g. GPS [Global Positioning System] 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34374—False alarm states

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

用于控制车辆的方法和系统。该系统包括定位系统、存储数字地图的存储器、至少一个传感器和电子处理器。电子处理器被配置成从定位系统接收车辆的当前位置，并且基于车辆的当前位置来确定车辆的未来驾驶区段。电子处理器还配置成基于车辆的未来驾驶区段来确定至少一个性能限制，并且人工地虚造至少一个传感器的数据以发起用于车辆的安全动作。

Description

人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作
实施例涉及当在自动驾驶车辆中出现传感器限制和挑战性驾驶情况时的基于地图的预测和减轻动作。
技术领域
实施例涉及当在自动驾驶车辆中出现传感器限制和挑战性驾驶情况时的基于地图的预测和减轻动作。
发明内容
自动驾驶车辆的行为规划已经包括处理关于驾驶环境的状态和动态的不确定性，诸如传感器测量的偶然性或随机不确定性（或一个或多个传感器功能性的损失）或与用于创建车辆的驾驶环境模型的算法中使用的模型相关的认识不确定性。如果这些测量中的不确定性达到某一水平，则采取动作以通过减少不确定性或防止与不确定性相关的危险来确保车辆的安全性。
另外，可能会出现挑战性驾驶情况，其提高传感器测量的不确定性或呈现自动驾驶车辆的复杂决策。例如，车辆可能正在具有高车辆事故统计的区域中驾驶，或者接近可能具有高行人流量的大型聚集地点。正如人类驾驶员一样，这些驾驶情况对于自动驾驶车辆可能会呈现更具挑战性驾驶情况。需要一种解决方案来在传感器数据不确定或者车辆被呈现挑战性驾驶情况时帮助控制自动驾驶车辆。
因此，除了其他目的之外，一些实施例的一个目的是控制车辆。
一个实施例提供了一种用于控制车辆的系统。该系统包括定位系统、存储数字地图的存储器、至少一个传感器和电子处理器。电子处理器被配置成从定位系统接收车辆的当前位置，并且基于车辆的当前位置来确定车辆的未来驾驶区段。电子处理器还配置成基于车辆的未来驾驶区段来确定至少一个性能限制，并且人工地虚造至少一个传感器的数据以发起用于车辆的安全动作。
另一实施例提供了一种用于控制车辆的方法。该方法包括利用电子处理器从定位系统接收车辆的当前位置，并且利用电子处理器基于车辆的当前位置来确定车辆的未来驾驶区段。该方法还包括利用电子处理器基于车辆的未来驾驶区段来确定至少一个性能限制，并且利用电子处理器人工地虚造至少一个传感器的数据以发起用于车辆的安全动作。
另一实施例提供了一种包含指令的非暂时性计算机可读介质，所述指令在由电子处理器执行时被配置成执行一组功能，该组功能包括：从定位系统接收车辆的当前位置、以及基于车辆的当前位置来确定车辆的未来驾驶区段。该组功能还包括：基于车辆的未来驾驶区段来确定至少一个性能限制、以及人工地虚造至少一个传感器的数据以发起用于车辆的安全动作。
通过阅读以下详细描述并查看相关联的附图，这些和其他特征、方面和优点将是显而易见的。应当理解，前面的一般描述和下面的详细描述都是说明性的，并且不限制所要求保护的方面。
附图说明
图1示出根据一个实施例的用于控制车辆的系统；
图2示出根据一个实施例的电子控制器；
图3示出根据一个实施例的用于控制车辆的方法；
图4示出根据第二实施例的用于控制车辆的方法。
具体实施方式
在以下描述和附图中描述和示出了一个或多个实施例。这些实施例不限于本文提供的具体细节，并且可以以各种方式修改。此外，可以存在未在此描述的其他实施例。还有，在此描述为由一个组件执行的功能可以由多个组件以分布式方式来执行。同样，由多个组件执行的功能可以被合并，并且由单个组件执行。类似地，被描述为执行特定功能的组件也可执行本文未描述的附加功能。例如，以某种方式“配置”的设备或结构至少以该方式来配置，但是也可以以未列出的方式来配置。此外，本文描述的一些实施例可以包括一个或多个电子处理器，其被配置成通过执行存储在非暂时性计算机可读介质中的指令来执行所描述的功能。类似地，本文描述的实施例可以被实现为存储指令的非暂时性计算机可读介质，所述指令可由一个或多个电子处理器执行以执行所描述的功能。如本申请中所使用的，“非暂时性计算机可读介质”包括所有计算机可读介质，但不包括暂时性传播信号。因此，非暂时性计算机可读介质可以包括例如硬盘、CD-ROM、光存储设备、磁存储设备、ROM（只读存储器）、RAM（随机存取存储器）、寄存器存储器、处理器高速缓存或其任何组合。
此外，这里使用的措辞和术语是为了描述的目的，而不应被认为是限制。例如，本文中使用的“包括”、“含有”、“包含”、“具有”及其变型意味着涵盖其后列出的项目及其等同物以及附加项目。术语“连接”和“耦合”被广泛地使用，并且包括直接和间接两者的连接和耦合。此外，“连接”和“耦合”不限于物理或机械连接或耦合，并且可以包括无论是直接的还是间接的电连接或耦合。此外，电子通信和通知可以使用有线连接、无线连接或其组合来执行，并且可以直接或通过一个或多个中间设备在各种类型的网络、通信信道和连接之上传送。此外，诸如第一和第二、顶部和底部等之类的关系术语在此仅用于将一个实体或动作与另一实体或动作区分开，而不必要求或暗示这样的实体或动作之间的任何实际的这种关系或顺序。
图1示出了根据一个实施例的用于控制车辆105的系统100。车辆105被示出为具有四个车轮110-113（例如汽车、卡车或其他车辆），但是也可以包含比所示更多或更少的车轮。例如，车辆100可以是摩托车并且可以仅具有两个车轮。在一些实施例中，车辆100是自动驾驶车辆。
系统100还包括定位系统115、多个传感器120、电子控制器125和（可选地）单独的控制系统130。定位系统115被配置成确定车辆100的真实世界位置。这例如通过使用全球定位系统（“GPS”）或其他系统来确定车辆100的真实世界位置而实现。
多个传感器120包括车辆上常见的各种传感器，例如摄像机、LIDAR传感器、雷达传感器、UV传感器、麦克风等。多个传感器120位于车辆100上的各个位置处。例如，可以将摄像机放置成使得一个摄像机被定位成捕获车辆100前方的驾驶环境的视频数据，并且一个摄像机被定位成捕获车辆100后方的驾驶环境的视频数据。然而，应当理解，任何类型的传感器可以放置在车辆100上的任何位置处。
电子控制器125通信地耦合到尤其定位系统115和多个传感器120。图2中示出了电子控制器125的示例。电子控制器125包括通信接口205、电子处理器210和存储器215。通信接口205允许电子控制器125与外部硬件通信，诸如定位系统115和多个传感器120。通信接口205还允许电子控制器125与远程服务器通信以访问用于系统100的操作的数据。例如，远程服务器可以包括电子控制器125可访问的地图数据，以尤其在由电子处理器210执行时执行本文描述的方法和功能等。在一些实施例中，通信接口205包括有线接口硬件（例如，一个或多个端口、引脚等）、无线接口硬件（例如，一个或多个收发器、天线等）或其组合。
电子处理器通信地耦合到通信接口205和存储器215。电子处理器210被配置成访问存储器215，并且尤其执行用于系统100的指令。电子处理器210可以是微处理器、专用集成电路或类似的处理电路。存储器215是非暂时性计算机可读介质，并且包含数据和指令，所述数据和指令当由电子处理器210执行时，执行本文描述的方法和功能。
在一个实施例中，存储器215包括数字地图220。数字地图220包括关于用于车辆105的各种驾驶路线的数据。该数据可以包括道路几何数据、驾驶车道数据、流量数据、天气数据等。在一些实施例中，数字地图220被周期性地更新（例如，基于经由通信接口205与远程服务器、传感器120和定位系统115中的一个或多个的通信）以使数据准确地反映车辆10的当前驾驶情况。在一些实施例中，数字地图220可以存储在可经由通信接口205访问的远程服务器上，而不是存储在存储器215中。
数字地图220中包含的数据可被分类为静态数据或动态数据。静态数据包括不太可能快速改变的驾驶环境的性质，诸如用于驾驶区段的驾驶车道的数量和定向、雷达反射护栏或金属板的位置、LIDAR反射镜或窗的位置、可能导致摄像机不正确地操作的广告牌的位置、其他摄像机干扰对象的位置等。动态数据包括各种环境条件，诸如不利环境条件（例如，太阳眩光、雪、雾、雨、黑暗，所有这些都可能抑制传感器的适当功能）和流量场景。
该数据可以由电子处理器210通过使用其他自动驾驶车辆、众包、群众包来收集，或者从各种其他源收集，诸如天气服务、流量服务等。另外，数字地图220的手动或利用人工智能的离线分析可以标识可能向车辆105呈现这些各种问题的驾驶区段的各种特征。然后，数据被存储为用于每个驾驶区段的地图属性。
然后，可以基于这些不同的地图属性，由电子处理器210或由诸如远程服务器之类的远程处理系统对驾驶区段进行分类。可以通过使用将特定地图属性与特定分类相关的查找表、使用地图属性作为输入并提供分类作为输出的机器学习、或者将不同地图属性集与不同分类相关联的规则集来执行分类。分类可以是二元分类（例如，“对一个或多个传感器的限制是可能的”相对于“无限制”）、质量等级分类（例如，“非常高”、“高”、“中”和“低”）、单独传感器质量等级分类（例如，“右前LIDAR传感器的质量等级：中”）、或冗余分类（例如，“仅一个传感器可用于雷达功能）。这些分类也与用于每个驾驶区段的数字地图220一起存储。在一些实施例中，可以扩展分类以取决于特定环境条件对性能限制进行分类。例如，一些传感器可能受一天中的时间（例如，摄像机在夜晚不能有效工作或者来自日出或日落的眩光遮挡摄像机）或天气（例如，LIDAR传感器在雨或雪期间不能适当工作或者摄像机受雾限制）限制。在一些实施例中，在某些条件下，即使多个传感器120提供准确的数据，规划算法、预测算法或感知算法（例如，由电子控制器125执行以控制车辆105、规划用于车辆105的驾驶路线、以及感知车辆105的驾驶环境中的物体的算法）也可能具有限制。例如，一些规划算法可能不适合在特定天气条件下控制车辆105，并且可能会输出不适合在这些天气条件下控制车辆105的驾驶行为规划。在另一示例中，当多个行人处于车辆105的驾驶环境中时（例如，当多个行人在不同方向上穿过街道时），一些算法可能会执行得较差。
在一些实施例中，还可基于一个或多个环境因素向每个分类分配概率。例如，在白天时段期间的晴天，驾驶区段呈现没有性能限制。然而，随着日光暗淡，可能存在传感器数据（诸如来自摄像机）或算法不准确的更高概率，并且因此呈现性能限制。因此，在一些实施例中，可以进行分类，然后基于例如一天中的时间或天气因素来分配不同的存在概率。
在一些实施例中，地图属性还可以包括由流量情况导致的性能限制，例如长队的大型车辆（其可能遮挡雷达、LIDAR和摄像机）或特殊事件，例如来自野火的烟雾或其他偶然性能限制。这些属性可以基于针对信息查询远程服务器或经由车辆105的车辆105“向前看”的一个或多个其他传感器来标识。
数字地图220还可具有指示挑战性驾驶情况的属性。这些挑战性驾驶情况可以是静态的或动态的。例如，静态（或“先验”）挑战性驾驶情况可以包括具有高车辆事故率的区域或具有复杂道路几何形状的区域，诸如多车道环形道路或交叉路口。动态的挑战性驾驶情况可包括仅在某些事件（例如体育场外的道路）期间具有高行人流量的区域或变化的流量情况，例如以高速行进。
回到图1，系统100还可选地包括单独的控制系统130。在一些实施例中，电子控制器125是用于车辆105的总控制系统，并且执行本文所述的方法和功能两者，并且还执行用于车辆105的一般控制功能，诸如控制速度、方向和其他车辆功能。例如，电子控制器125经由通信接口205将控制信号传送到车辆105的加速系统、制动系统和转向系统中的一个或多个，并从其接收反馈。在该实施例中，由于单独的控制系统130的功能被结合到电子控制器125中，所以不提供单独的控制系统130。在其他实施例中，电子控制器125的任务仅在于执行本文所述的方法和功能，并且与单独的控制系统130通信地耦合，以向单独的控制系统130提供传感器数据（例如，所确定的性能限制（下文论述）、原始传感器数据、经处理的传感器数据等），其继而使用传感器数据来控制车辆105。
图3示出了根据一个实施例的用于控制车辆105的方法300。方法300包括利用电子处理器210从定位系统115接收车辆105的当前位置（框305）。例如，定位系统115经由天线从全球定位卫星、基于陆地的无线电塔等接收信号；处理那些信号（例如，使用三边测量）以确定当前位置；并将当前位置提供给电子处理器210。
电子处理器210然后基于车辆105的当前位置来确定车辆105的未来驾驶区段（框310）。例如，电子处理器210可通过选择同一道路上的车辆105的当前位置前面的驾驶区段来确定未来驾驶区段。在一些实施例中，代替查看同一道路上的未来驾驶区段，电子处理器210可替代地从存储器215访问车辆105的规划驾驶路线，并选择规划驾驶路线上的即将到来的驾驶区段作为未来驾驶区段。在规划驾驶路线上选择的即将到来的驾驶区段可以在车辆105当前正在行进的同一道路上，也可以在不同道路上。
无论是选择规划驾驶路线上的未来驾驶区段还是在没有规划路线的仅在同一道路上的车辆前方的未来驾驶区段，都可以基于一系列因素来选择未来驾驶区段。例如，在一些实施例中，电子处理器210基于当前车辆、一天中的时间、天气条件等来选择未来驾驶区段。关于车辆速度，通常，车辆行进得越快，电子处理器选择为未来驾驶区段的沿着驾驶路线在车辆前方越远或在当前道路上的车辆前方越远。在一些实施例中，未来驾驶区段被选择成使得在遇到限制之前考虑可能存在于未来驾驶区段中的任何性能限制。
作为在框310中确定未来驾驶区段的一部分，电子处理器210还确定该未来驾驶区段的分类。例如，电子处理器210可访问数字地图220（例如，使用未来驾驶区段作为输入以访问数字地图220），并且从数字地图220中获得用于未来驾驶区段的分类。在车辆105在规划的驾驶路线上开始之前、在车辆150在操作中时、或者两者，可以针对分类来确定和分析未来驾驶区段，以获得初始分类，然后获得在车辆到达未来驾驶区段之前的干预时间中可能出现的更新。
基于分配给未来驾驶区段的分类，电子处理器210确定用于未来驾驶区段的性能限制（框315）。例如，如上所述，在某些驾驶区段上，大的广告牌或金属护栏可能会导致诸如雷达或LIDAR之类的特定传感器返回不准确的数据，或者可能会导致特定算法执行得较差。在一些实施例中，电子处理器210确定未来驾驶区段仅具有一个性能限制。在其他实施例中，电子处理器210确定未来驾驶区段具有多个性能限制，例如，针对多个传感器120中的各种传感器。
方法300还包括利用电子处理器210基于性能限制来修改车辆105的驾驶行为（框320）。车辆105的驾驶行为可以包括操控方向、车辆速度和其他分量，诸如控制车辆105在哪里和如何操作的规则。当存在性能限制时，车辆105的驾驶行为被修改以例如维持安全标准而不管该限制。因此，实现减轻措施（例如，对驾驶行为的修改）以考虑限制。
可以被实现以减轻性能限制的潜在驾驶行为修改可以包括设置针对车辆105的驾驶车道中的横向位置的偏好。例如，电子处理器210可设置停留在驾驶车道的右侧（在法律规定右侧驾驶的位置中）的偏好，以使车辆105在必要时更高效地离开当前驾驶车道（例如，出匝道或右转弯）。其他修改可包括设置对多车道道路上的特定车道（例如右车道）的偏好、改变车辆105的驾驶角度以克服性能限制（例如，改变接近停车灯的角度以减轻或克服摄像机上的眩光）、以及限制车辆105的复杂驾驶操纵（例如，不允许车道改变、三点调头、以及其他高难操纵）。速度、加速度和操控方向阈值可用于对驾驶操纵是否复杂进行归类。例如，复杂驾驶操纵包括在车辆以高速率行进时执行的驾驶操纵，其包括高加速度率，其涉及操控方向的多次改变（例如，多点调头），其涉及超过特定角度的操控方向的改变（例如，指示车道改变或调头，与较小的车道内横向调整相反），其使用来自超过特定阈值的多个传感器的数据（例如，涉及的传感器越多，操纵越复杂），或其组合。
进一步的驾驶行为修改可以包括调整或降低车辆105的速度，以在存在性能限制时为车辆105提供更多的时间来对可能的障碍物或情况做出反应。驾驶行为修改还可以包括规划和选择用于车辆105的替代驾驶路线。替代驾驶路线可以基于多个因素来选择，诸如替代驾驶路线的可能的性能限制、在替代驾驶路线上出现性能限制的概率、修改的行程时间和其他因素。
如上文关于图1所述，在一些实施例中，电子控制器125直接控制车辆系统，例如制动系统、加速系统和转向系统。在其他实施例中，电子控制器125可以不具有对车辆105的驾驶行为的直接控制。更确切地，例如，系统100可以是与负责控制车辆105的单独的控制系统130进行通信的安全系统。在这样的实施例中，电子控制器125可以通过与单独的控制系统130的通信来间接地控制车辆105的驾驶行为。例如，安全限制可以输出到控制系统130，其然后控制车辆系统以修改车辆驾驶行为。因此，为了确保单独的控制系统130适当地处理性能限制，系统100可以被配置成采取其他措施，诸如以下关于图4描述的那些措施，以修改车辆105的驾驶行为。
图4示出了根据第二实施例的用于控制车辆105的方法400。在该实施例中，电子控制器125不直接控制车辆105的动作，而是替代地与单独的控制系统130通信，并将来自多个传感器120的传感器数据提供给单独的控制系统130。
与上述方法300非常类似，方法400包括利用电子处理器210从定位系统115接收车辆105的当前位置（框405），并且利用电子处理器210基于车辆105的当前位置来确定车辆105的未来驾驶区段（框410）。方法400还包括利用电子处理器210基于未来驾驶区段来确定多个传感器120的一个或多个性能限制（框415）。以上关于框305、310和315提供的说明类似地分别适用于框405、410和415，因此不重复。
方法400还包括人工地虚造来自多个传感器120中的至少一个传感器的传感器数据以发起安全动作（框420）。在车辆105的操作期间，电子控制器125将传感器数据提供给单独的控制系统130，并且单独的控制系统130基于传感器数据来控制车辆105。通常，单独的控制系统130通过从电子控制器125接收传感器数据、执行数据融合、确定结果是否高于阈值并且然后根据该确定来控制车辆105（例如，如果结果数据融合高于阈值，则不发起安全动作）来操作。如前所述，单独的控制系统130可以控制车辆105的一个或多个车辆系统，包括加速系统、制动系统、转向系统和其他系统。在未检测到性能限制的操作期间，提供给单独的控制系统130的传感器数据可能会影响车辆系统的控制。例如，响应于指示车辆105正在接近障碍物的传感器数据，单独的控制系统130可以控制制动系统以制动车辆105。然而，响应于电子处理器210在框415中确定存在一个或多个性能限制，电子处理器210继续人工地虚造来自多个传感器120中的至少一个传感器的传感器数据以发起安全动作（框420）。换句话说，电子处理器210被配置成故意虚造多个传感器105中的至少一个传感器的传感器质量或完整性数据，并且将虚造的传感器质量或完整性数据提供给单独的控制系统130。虚造的传感器质量或完整性数据触发或发起单独的控制系统130以执行车辆105的安全动作，因为传感器数据不再满足安全阈值，诸如执行以上参考图3描述的驾驶行为修改之一。故意虚造传感器质量或完整性数据包括向由单独的控制系统130用于传感器数据融合的模型提供故意虚造的值。故意虚造的值会使模型不满足用于车辆105的正常操作的预定完整性水平，这会导致单独的控制系统130以“降级的”安全模式来操作车辆105。在降级安全模式中，单独的控制系统130通过例如执行以上参考图3描述的驾驶行为修改之一来限制车辆105的可能驾驶行为。预定完整性水平可以基于例如已知的产业安全标准来设置，诸如来自电气和电子工程师协会（“IEEE”）的安全标准。
故意虚造值可以是质量值，例如从0-100%的范围中选择的值。在该实施例中，故意虚造值将被设置为0%或100%。在另一实施例中，可以向单独的控制系统130提供非数字的值，其中，单独的控制系统130期望数字值来规划用于车辆105的驾驶移动。在这种情况下，由于没有接收到数字，所以单独的控制系统130将发起安全动作。在又一实施例中，故意虚造值是离散值或阵列，例如产业标准或从0-5中选择的值，其指示例如有多少传感器正在确认数据。在这种情况下，将诸如0或5的值提供给单独的控制系统130。
在一些实施例中，电子处理器210被配置成基于性能限制来故意地修改传感器数据的特定元数据值。例如，可以修改提供给单独的控制系统130的传感器数据的置信度、不确定性或完整性值，以发起安全动作。
以下示例示出了本文所述的示例性系统和方法。
示例1：一种用于控制车辆的系统，所述系统包括：定位系统；存储器，存储数字地图；至少一个传感器；以及电子处理器，所述电子处理器被配置成：从所述定位系统接收所述车辆的当前位置；基于所述车辆的所述当前位置来确定所述车辆的未来驾驶区段；基于所述车辆的所述未来驾驶区段来确定至少一个性能限制；以及人工地虚造所述至少一个传感器的数据以发起用于所述车辆的安全动作。
示例2：根据示例1所述的系统，其中，人工地虚造所述至少一个传感器的数据包括向用于传感器数据融合的模型提供故意虚造值，从而导致所述模型不满足预定完整性水平。
示例3：根据示例1或2所述的系统，其中，所述未来驾驶区段包括指示特定性能限制的分类。
示例4：根据示例3所述的系统，其中，所述分类包括所述特定性能限制将基于一个或多个环境条件而发生的概率。
示例5：根据示例3或4所述的系统，其中，所述分类是从由二元分类、质量等级分类、单独传感器质量等级分类和冗余分类组成的分类群组中选择的分类。
示例6：根据示例4-5中任一项所述的系统，其中，所述分类包括静态地图属性和动态地图属性中的至少一个。
示例7：根据示例1-6中任一项所述的系统，其中，所述未来驾驶区段还基于所述车辆的规划驾驶路线来确定。
示例8：一种用于控制车辆的方法，所述方法包括：利用电子处理器从定位系统接收所述车辆的当前位置；利用所述电子处理器基于所述车辆的所述当前位置来确定所述车辆的未来驾驶区段；利用所述电子处理器基于所述车辆的所述未来驾驶区段来确定至少一个性能限制；以及利用所述电子处理器人工地虚造至少一个传感器的数据以发起用于所述车辆的安全动作。
示例9：根据示例8所述的方法，其中，人工地虚造至少一个传感器的数据包括向用于传感器数据融合的模型提供故意虚造值，从而导致所述模型不满足预定完整性水平。
示例10：根据示例8或9所述的方法，其中，所述未来驾驶区段包括指示特定性能限制的分类。
示例11：根据示例10所述的方法，其中，所述分类包括所述特定性能限制将基于一个或多个环境条件而发生的概率。
示例12：根据示例10或11所述的方法，其中，所述分类是从由二元分类、质量等级分类、单独传感器质量等级分类和冗余分类组成的分类群组中选择的分类。
示例13：根据示例10-12中任一项所述的方法，其中，所述分类包括静态地图属性和动态地图属性中的至少一个。
示例14：根据权利要求8所述的方法，其中，基于所述车辆的规划驾驶路线来选择所述数字地图的相关联部分。
示例15：一种包含指令的非暂时性计算机可读介质，所述指令在由电子处理器执行时被配置成执行一组功能，该组功能包括：从定位系统接收车辆的当前位置；基于所述车辆的所述当前位置来确定所述车辆的未来驾驶区段；基于所述车辆的所述未来驾驶区段来确定至少一个性能限制；以及人工地虚造至少一个传感器的数据以发起用于所述车辆的安全动作。
示例16：根据示例15所述的非暂时性计算机可读介质，其中，所述未来驾驶区段包括指示特定性能限制的分类。
示例17：根据示例15或16所述的非暂时性计算机可读介质，其中，所述分类包括所述特定性能限制将基于一个或多个环境条件而发生的概率。
示例18：根据示例16或17所述的非暂时性计算机可读介质，其中，所述分类是从由二元分类、质量等级分类、单独传感器质量等级分类和冗余分类组成的分类群组中选择的分类。
示例19：根据示例16-18中任一项所述的非暂时性计算机可读介质，其中，所述分类包括静态地图属性和动态地图属性中的至少一个。
示例20：根据示例15-19中任一项所述的非暂时性计算机可读介质，其中，人工地虚造至少一个传感器的数据包括向用于传感器数据融合的模型提供故意虚造值，从而导致所述模型不满足预定完整性水平。
因此，本文描述的实施例尤其提供了用于控制车辆的系统和方法。在所附权利要求中阐述了各种特征、优点和实施例。

Claims (20)

1.一种用于控制车辆的系统，所述系统包括：
定位系统；
存储器，存储数字地图；
至少一个传感器；以及
电子处理器，所述电子处理器被配置成：
从所述定位系统接收所述车辆的当前位置；
基于所述车辆的所述当前位置来确定所述车辆的未来驾驶区段；
基于所述车辆的所述未来驾驶区段来确定至少一个性能限制；以及
人工地虚造所述至少一个传感器的数据以发起用于所述车辆的安全动作。
2.根据权利要求1所述的系统，其中，人工地虚造所述至少一个传感器的数据包括向用于传感器数据融合的模型提供故意虚造值，从而导致所述模型不满足预定完整性水平。
3.根据权利要求1所述的系统，其中，所述未来驾驶区段包括指示特定性能限制的分类。
4.根据权利要求3所述的系统，其中，所述分类包括所述特定性能限制将基于一个或多个环境条件而发生的概率。
5.根据权利要求3所述的系统，其中，所述分类是从由二元分类、质量等级分类、单独传感器质量等级分类和冗余分类组成的分类群组中选择的分类。
6.根据权利要求3所述的系统，其中，所述分类包括静态地图属性和动态地图属性中的至少一个。
7.根据权利要求1所述的系统，其中，所述未来驾驶区段还基于所述车辆的规划驾驶路线来确定。
8.一种用于控制车辆的方法，所述方法包括：
利用电子处理器从定位系统接收所述车辆的当前位置；
利用所述电子处理器基于所述车辆的所述当前位置来确定所述车辆的未来驾驶区段；
利用所述电子处理器基于所述车辆的所述未来驾驶区段来确定至少一个性能限制；以及
利用所述电子处理器人工地虚造至少一个传感器的数据以发起用于所述车辆的安全动作。
9.根据权利要求8所述的方法，其中，人工地虚造至少一个传感器的数据包括向用于传感器数据融合的模型提供故意虚造值，从而导致所述模型不满足预定完整性水平。
10.根据权利要求8所述的方法，其中，所述未来驾驶区段包括指示特定性能限制的分类。
11.根据权利要求10所述的方法，其中，所述分类包括所述特定性能限制将基于一个或多个环境条件而发生的概率。
12.根据权利要求10所述的方法，其中，所述分类是从由二元分类、质量等级分类、单独传感器质量等级分类和冗余分类组成的分类群组中选择的分类。
13.根据权利要求10所述的方法，其中，所述分类包括静态地图属性和动态地图属性中的至少一个。
14.根据权利要求8所述的方法，其中，基于所述车辆的规划驾驶路线来选择所述数字地图的相关联部分。
15.一种包含指令的非暂时性计算机可读介质，所述指令在由电子处理器执行时被配置成执行一组功能，该组功能包括：
从定位系统接收车辆的当前位置；
基于所述车辆的所述当前位置来确定所述车辆的未来驾驶区段；
基于所述车辆的所述未来驾驶区段来确定至少一个性能限制；以及
人工地虚造至少一个传感器的数据以发起用于所述车辆的安全动作。
16.根据权利要求15所述的非暂时性计算机可读介质，其中，所述未来驾驶区段包括指示特定性能限制的分类。
17.根据权利要求16所述的非暂时性计算机可读介质，其中，所述分类包括所述特定性能限制将基于一个或多个环境条件而发生的概率。
18.根据权利要求16所述的非暂时性计算机可读介质，其中，所述分类是从由二元分类、质量等级分类、单独传感器质量等级分类和冗余分类组成的分类群组中选择的分类。
19.根据权利要求16所述的非暂时性计算机可读介质，其中，所述分类包括静态地图属性和动态地图属性中的至少一个。
20.根据权利要求15所述的非暂时性计算机可读介质，其中，人工地虚造至少一个传感器的数据包括向用于传感器数据融合的模型提供故意虚造值，从而导致所述模型不满足预定完整性水平。
CN202110590559.4A 2020-05-29 2021-05-28 人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作 Pending CN113734191A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/888,365 US11312393B2 (en) 2020-05-29 2020-05-29 Artificially falsifying sensor data to initiate a safety action for an autonomous vehicle
US16/888365 2020-05-29

Publications (1)

Publication Number Publication Date
CN113734191A true CN113734191A (zh) 2021-12-03

Family

ID=78509177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110590559.4A Pending CN113734191A (zh) 2020-05-29 2021-05-28 人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作

Country Status (3)

Country Link
US (1) US11312393B2 (zh)
CN (1) CN113734191A (zh)
DE (1) DE102021205243A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11854402B2 (en) * 2020-07-10 2023-12-26 Here Global B.V. Method, apparatus, and system for detecting lane departure events based on probe data and sensor data
CN114368394A (zh) * 2021-12-31 2022-04-19 北京瑞莱智慧科技有限公司 攻击基于车联网的v2x设备的方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150266488A1 (en) * 2014-03-18 2015-09-24 Volvo Car Corporation Vehicle, vehicle system and method for increasing safety and/or comfort during autonomous driving
US20170233231A1 (en) * 2016-02-11 2017-08-17 Clearpath Robotics, Inc. Control augmentation apparatus and method for automated guided vehicles
CN108139756A (zh) * 2016-08-29 2018-06-08 百度（美国）有限责任公司 为自动驾驶车辆构建周围环境以制定驾驶决策的方法和系统
EP3477259A1 (en) * 2017-10-25 2019-05-01 Honda Research Institute Europe GmbH Method and system for estimating quality of measuring results of one of more sensors mounted on a mobile platform
CN110377025A (zh) * 2018-04-12 2019-10-25 百度（美国）有限责任公司 用于自动驾驶车辆的传感器聚合框架

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4231884B2 (ja) * 2006-09-27 2009-03-04 株式会社デンソーアイティーラボラトリ 注視対象物検出装置および注視対象物検出方法
JP2015230573A (ja) 2014-06-05 2015-12-21 アルパイン株式会社 車両運転支援装置、方法およびプログラム
US20180299284A1 (en) 2014-12-02 2018-10-18 Kevin Sunlin Wang Method and System For Avoidance of Accidents
US10692365B2 (en) 2017-06-20 2020-06-23 Cavh Llc Intelligent road infrastructure system (IRIS): systems and methods
US11889393B2 (en) 2017-06-23 2024-01-30 Veniam, Inc. Methods and systems for detecting anomalies and forecasting optimizations to improve urban living management using networks of autonomous vehicles
US10921142B2 (en) 2017-12-14 2021-02-16 Waymo Llc Methods and systems for sun-aware vehicle routing
US11130497B2 (en) 2017-12-18 2021-09-28 Plusai Limited Method and system for ensemble vehicle control prediction in autonomous driving vehicles
JP6923458B2 (ja) * 2018-01-22 2021-08-18 日立Astemo株式会社 電子制御装置
US10745006B2 (en) 2018-02-01 2020-08-18 GM Global Technology Operations LLC Managing automated driving complexity of the forward path using perception system measures
US11453408B2 (en) * 2019-06-26 2022-09-27 At&T Intellectual Property I, L.P. Tamper-resistant sensor for autonomous vehicles
US11734473B2 (en) * 2019-09-27 2023-08-22 Zoox, Inc. Perception error models
US11551414B2 (en) * 2019-12-02 2023-01-10 Woven Planet North America, Inc. Simulation architecture for on-vehicle testing and validation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150266488A1 (en) * 2014-03-18 2015-09-24 Volvo Car Corporation Vehicle, vehicle system and method for increasing safety and/or comfort during autonomous driving
US20170233231A1 (en) * 2016-02-11 2017-08-17 Clearpath Robotics, Inc. Control augmentation apparatus and method for automated guided vehicles
CN108139756A (zh) * 2016-08-29 2018-06-08 百度（美国）有限责任公司 为自动驾驶车辆构建周围环境以制定驾驶决策的方法和系统
EP3477259A1 (en) * 2017-10-25 2019-05-01 Honda Research Institute Europe GmbH Method and system for estimating quality of measuring results of one of more sensors mounted on a mobile platform
CN110377025A (zh) * 2018-04-12 2019-10-25 百度（美国）有限责任公司 用于自动驾驶车辆的传感器聚合框架

Also Published As

Publication number Publication date
US11312393B2 (en) 2022-04-26
DE102021205243A1 (de) 2021-12-02
US20210370986A1 (en) 2021-12-02

Similar Documents

Publication Publication Date Title
US11858508B2 (en) Trajectory prediction from precomputed or dynamically generated bank of trajectories
KR102593948B1 (ko) 주석 달기를 위한 데이터 샘플의 자동 선택
US11814046B2 (en) Estimating speed profiles
CN101326511B (zh) 用于检测或预测车辆超车的方法
US11731653B2 (en) Conditional motion predictions
US20220340172A1 (en) Planning with dynamic state a trajectory of an autonomous vehicle
KR102518680B1 (ko) 속력 프로파일 추정
CN114387322A (zh) 用于运载工具的方法、运载工具和存储介质
CN110869702A (zh) 驾驶员辅助系统和方法
CN113734191A (zh) 人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作
KR20230004212A (ko) 대상체 검출을 위한 교차 모달리티 능동 학습
US20220340139A1 (en) Vehicle Route Modification to Improve Vehicle Location Information
US20220357453A1 (en) Lidar point cloud segmentation using box prediction
US11946749B2 (en) Driving data guided spatial planning
CN116229407A (zh) 用于运载工具的方法、运载工具和存储介质
US11433920B2 (en) Map-based prediction and mitigation of performance limitations for autonomous vehicles
KR20230004215A (ko) 셀 분해를 통해 c-슬라이스들을 연결시키는 것에 의한 빠른 충돌 없는 경로 생성
US11926342B2 (en) Autonomous vehicle post-action explanation system

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