CN114074681A - 基于概率的车道变更决策和运动规划系统及其方法 - Google Patents

基于概率的车道变更决策和运动规划系统及其方法 Download PDF

Info

Publication number
CN114074681A
CN114074681A CN202110851642.2A CN202110851642A CN114074681A CN 114074681 A CN114074681 A CN 114074681A CN 202110851642 A CN202110851642 A CN 202110851642A CN 114074681 A CN114074681 A CN 114074681A
Authority
CN
China
Prior art keywords
self
lane
vehicle
aware vehicle
merge
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.)
Granted
Application number
CN202110851642.2A
Other languages
English (en)
Other versions
CN114074681B (zh
Inventor
徐澎
阿里拉扎·纳卡哈伊萨维达尼
藤村希久雄
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.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
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 Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN114074681A publication Critical patent/CN114074681A/zh
Application granted granted Critical
Publication of CN114074681B publication Critical patent/CN114074681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more 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
    • 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
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/215—Selection or confirmation of options
    • 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
    • B60W2554/4045—Intention, e.g. lane change or imminent movement
    • 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)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明题为基于概率的车道变更决策和运动规划系统及其方法。本发明公开一种用于提供基于概率的车道变更决策和运动规划的系统和方法，其包括：接收与自我意识车辆的道路环境相关联的数据。该系统和方法还包括：进行间隙分析以确定在该目标车道内行驶的相邻车辆之间的至少一个间隙，从而滤出供该自我意识车辆并入该目标车道的最佳合并入口；以及确定与跟随的相邻车辆的驾驶员让路以允许该自我意识车辆并入该目标车道的意图相关联的概率值。该系统和方法还包括：基于以下中的至少一者来控制该自我意识车辆自主地继续在该当前车道内行驶或自主地从当前车道合并到该目标车道：是否滤出该最佳合并入口以及该概率值是否指示该驾驶员让路的意图。

Description

基于概率的车道变更决策和运动规划系统及其方法
相关申请的交叉引用
本申请要求2020年8月12日提交的美国临时申请序列号63/064,522的优先权，该申请明确地以引用方式并入本文。
背景技术
自主车辆需要在复杂城市场景中进行社会认可的行为，这些复杂城市场景包括具有不确定意图的人类驾驶的车辆。这可能导致许多困难的决策问题，诸如决定车道变更操纵以及生成穿过交通拥堵的策略。在可预测的未来，自主车辆可能必须在道路上与人类驾驶的车辆共存。这在由交通拥堵或交通事故引起的密集交通中可能变得特别具有挑战性。这可能需要自主车辆领悟与人类驾驶员交互的能力以进行非常类似于人类驾驶员行为的车道变更。
典型的场景将是在人类驾驶员的配合下在交通拥堵时进行平稳的车道变更。该复杂性可能是由周围车辆的物理状态的不确定测量、未知意图(例如，另一驾驶员是否让路)、其他驾驶员的未知未来轨迹和/或其他驾驶员之间和/或与自主车辆的潜在交互引起的。交互的建模得到框架，其中预测和规划无法再分离，而是必须被建模为组合的问题。
发明内容
根据一个方面，提供了一种用于提供基于概率的车道变更决策和运动规划的计算机实现的方法，其包括：接收与自我意识车辆的道路环境相关联的数据。道路环境包括道路，该道路包括自我意识车辆的当前车道和自我意识车辆的目标车道。该计算机实现的方法还包括：进行间隙分析以确定在目标车道内行驶的相邻车辆之间的至少一个间隙，从而滤出供自我意识车辆从当前车道并入目标车道的最佳合并入口。该计算机实现的方法另外包括：基于确定不存在最佳合并入口而确定与跟随的相邻车辆的驾驶员让路以允许自我意识车辆并入目标车道的意图相关联的概率值。该计算机实现的方法还包括：基于以下中的至少一者来控制自我意识车辆自主地继续在当前车道内行驶或自主地从当前车道合并到目标车道：是否基于间隙分析滤出最佳合并入口以及概率值是否指示驾驶员让路的意图。
根据另一方面，一种用于提供基于概率的车道变更决策和运动规划的系统，该系统包括存储指令的存储器，这些指令在由处理器执行时，使得处理器接收与自我意识车辆的道路环境相关联的数据。道路环境包括道路，该道路包括自我意识车辆的当前车道和自我意识车辆的目标车道。这些指令还使得处理器进行间隙分析以确定在目标车道内行驶的相邻车辆之间的至少一个间隙，从而滤出供自我意识车辆从当前车道并入目标车道的最佳合并入口。这些指令另外使得处理器基于确定不存在最佳合并入口而确定与跟随的相邻车辆的驾驶员让路以允许自我意识车辆并入目标车道的意图相关联的概率值。这些指令另外使得处理器基于以下中的至少一者来控制自我意识车辆自主地继续在当前车道内行驶或自主地从当前车道合并到目标车道：是否基于间隙分析滤出最佳合并入口以及概率值是否指示驾驶员让路的意图。
根据又一方面，一种存储指令的非暂态计算机可读存储介质，这些指令在由包括处理器的计算机执行时进行一种方法，该方法包括：接收与自我意识车辆的道路环境相关联的数据。道路环境包括道路，该道路包括自我意识车辆的当前车道和自我意识车辆的目标车道。该方法还包括：进行间隙分析以确定在目标车道内行驶的相邻车辆之间的至少一个间隙，从而滤出供自我意识车辆从当前车道并入目标车道的最佳合并入口。该方法另外包括：基于确定不存在最佳合并入口而确定与跟随的相邻车辆的驾驶员让路以允许自我意识车辆并入目标车道的意图相关联的概率值。该方法还包括：基于以下中的至少一者来控制自我意识车辆自主地继续在当前车道内行驶或自主地从当前车道合并到目标车道：是否基于间隙分析滤出最佳合并入口以及概率值是否指示驾驶员让路的意图。
附图说明
被认为是本公开的特性的新颖特征在所附权利要求中提出。在下面的描述中，在整个说明书和附图中，相似的部分分别用相同的数字标记。为了清楚和简洁起见，附图未必按比例绘制，并且某些附图可以以夸大或概括的形式示出。然而，当结合附图阅读时，通过参照说明性实施方案的以下详细说明，将最好地理解本公开本身及其优选的使用方式、其进一步的目的和进步，其中：
图1是根据本公开的示例性实施方案的用于提供基于概率的车道变更决策和运动规划的示例性系统的示意图；
图2A是根据本公开的示例性实施方案的包括在具有当前车道和目标车道的道路上行驶的自我意识车辆的道路环境的例示性示例；
图2B是根据本公开的示例性实施方案的包括在车道保持模式内行驶的自我意识车辆的道路环境的例示性示例；
图2C是根据本公开的示例性实施方案的包括在车道变更模式内行驶的自我意识车辆的道路环境的例示性示例；
图3是根据本公开的示例性实施方案的用于提供自我意识车辆的基于概率的车道变更决策、运动规划和自主控制的方法的过程流程图；
图4是根据本公开的示例性实施方案的可包括在可在目标车道内行驶的多个相邻车辆之间的多个间隙的例示；
图5是根据本公开的示例性实施方案的由车辆控制模块执行的轨迹规划序列的示意性概述；
图6是根据本公开的示例性实施方案的由车辆控制模块执行的轨迹跟踪的示意性概述；并且
图7是根据本公开的示例性实施方案的用于基于概率的车道变更决策和运动规划的方法的过程流程图。
具体实施方式
以下包括本文采用的选定术语的定义。定义包括落入某个术语的范围内的并且可用于实施方式的部件的各种示例和/或形式。这些示例并非旨在进行限制。
如本文所使用，术语“总线”可指可操作地连接以在单个或多个系统内的计算机部件之间传递数据的互连架构。总线可以是存储器总线、存储器控制器、外围总线、外部总线、纵横开关和/或本地总线等等。总线还可以是使用诸如控制器局域网(CAN)、本地互连网络(LIN)等等协议来将在车辆内的部件互连的车辆总线。
如本文所用，“计算机通信”是指在两个或更多个计算设备(例如，计算机、个人数字助理、蜂窝电话、网络设备)之间的通信，并且可以是例如网络传输、文件传输、小程序传输、电子邮件、超文本传输协议(HTTP)传输等。计算机通信可以跨例如无线系统(例如，IEEE802.11)、以太网系统(例如，IEEE 802.3)、令牌环系统(例如，IEEE 802.5)、局域网(LAN)、广域网(WAN)、点对点系统、电路交换系统、分组交换系统等等发生。
如本文所用的“输入装置”可包括用于控制包括各种车辆部件、系统和子系统的不同车辆特征的装置。术语“输入装置”包括(但其不限于)：按钮、旋钮等。术语“输入装置”另外包括在可通过各种类型的机构显示的用户接口内发生的图形输入控制，这些机构诸如为基于软件和硬件的控件、接口或即插即用装置。
如本文所用的“存储器”可包括易失性存储器和/或非易失性存储器。非易失性存储器可以包括例如ROM(只读存储器)、PROM(可编程只读存储器)、EPROM(可擦除PROM)和EEPROM(电可擦除PROM)。易失性存储器可以包括例如RAM(随机存取存储器)、同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据速率SDRAM(DDR SDRAM)和直接RAM总线RAM(DRRAM)。
如本文所用，“模块”包括但不限于进行功能或动作和/或导致来自另一模块、方法和/或系统的功能或动作的在机器上执行的硬件、固件、软件和/或每一者的组合。模块可包括软件控制的微处理器、分立的逻辑电路、模拟电路、数字电路、被编程的逻辑装置、含有执行指令的存储器装置等。
如本文所用，“可操作的连接件”可包括使实体“可操作地连接”的连接件，是可在其中发送和/或接收信号、物理通信和/或逻辑通信的连接件。可操作的连接件可以包括物理接口、数据接口和/或电接口。
如本文所用的“输出装置”可包括可从车辆部件、系统、子系统和电子装置得到的装置。术语“输出装置”包括(但不限于)：显示装置以及用于输出信息和功能的其他装置。
如本文所用，“处理器”处理信号并且执行一般计算和算术功能。由处理器处理的信号可以包括可被接收、传输和/或检测的数字信号、数据信号、计算机指令、处理器指令、消息、位、位流或其他手段。一般来讲，处理器可以是多种不同处理器，该多种不同处理器包括多个单核和多核处理器和协处理器以及其他多个单核和多核处理器和协处理器架构。处理器可以包括各种模块以执行各种功能。
如本文所用，“车辆”是指能够运载一个或多个人类乘员并且由任何形式的能量提供动力的任何移动车辆。术语“车辆”包括但不限于：汽车、卡车、厢式货车、小型货车、SUV、摩托车、滑板车、船、个人水运工具和飞行器。在一些情况中，机动车辆包括一个或多个发动机。
如本文所用，“车辆系统”可包括但不限于可用于增强车辆、驾驶和/或安全性的任何自动或手动系统。示例性车辆系统包括但不限于：电子稳定性控制系统、防抱死制动系统、制动辅助系统、自动制动预填充系统、低速跟随系统、巡航控制系统、碰撞警告系统、碰撞缓解制动系统、自动巡航控制系统、车道偏离警告系统、盲点指示器系统、车道保持辅助系统、导航系统、变速器系统、制动踏板系统、电子动力转向系统、视觉装置(例如，摄像机系统、接近传感器系统)、气候控制系统、电子预紧系统等等。
如本文所用，“值”和“水平”可包括(但不限于)数值或其他种类的值或水平，诸如百分比、非数值、离散状态、离散值、连续值等等。如整个该具体实施方式及权利要求书中所用，术语“X的值”或“X的级别”是指用于区分X的两个或更多个状态的任何数值或其他种类的值。例如，在一些情况下，X的值或级别可作为0％与100％之间的百分数给出。在其他情况下，X的值或级别可以是1与10之间的范围内的值。在再其他情况下，X的值或级别可能不是数值，而是可与给定离散状态相关联，诸如“不是X”、“略微x”、“x”、“十分x”和“极其x”。
I.系统概述
现在参考附图，其中所示内容是出于说明一个或多个示例性实施方案的目的而非出于限制一个或多个示例性实施方案的目的，图1是根据本公开的示例性实施方案的用于提供基于概率的车道变更决策和运动规划的示例性系统100的示意图。本文所讨论的系统100的部件以及其他系统、硬件架构和软件架构的部件可组合、省略或组织成各种实施方案的不同架构。
一般来讲，系统100包括可在道路环境内行驶的自我意识车辆102。道路环境可包括自我意识车辆102在其中行驶的环境，该环境包括密集交通模式。如图2A的例示性示例所示，自我意识车辆102可在道路200的当前车道210上行驶，该道路包括在道路环境内并且可被相邻车辆202-208围绕，这些相邻车辆可在道路200的当前车道210和道路200的目标车道212内行驶。在一个或多个实施方案中，自我意识车辆102和相邻车辆202-208可包括但不限于可在道路环境内行驶的汽车、自行车/摩托车、卡车等。目标车道212可包括道路200的另一车道，该另一车道可被利用来达到自我意识车辆102的目标(例如，目的地、在未来时间步长的未来定位)。
继续参考图1和图2A，自我意识车辆102可包括电子控制单元(ECU)104。ECU 104可被配置为执行一个或多个应用程序、操作系统、车辆系统和子系统可执行指令等等。ECU104可包括微处理器(未示出)、一个或多个专用集成电路(ASIC)或其他类似装置。ECU 104还可包括相应的内部处理存储器、接口电路和总线线路以便传输数据、发送命令并且与自我意识车辆102的多个部件通信。ECU 104可另外包括相应的通信装置(未示出)以便在自我意识车辆102的多个部件内部以及在外部托管的计算系统(例如，在自我意识车辆102外部)内部发送数据。
在示例性实施方案中，ECU 104可被配置为执行概率性车道变更应用程序(车道变更应用程序)106，该概率车道变更应用程序被配置为提供基于概率的车道变更决策和运动规划。如以下更详细地讨论的，车道变更应用程序106可被配置为使得自我意识车辆102能够做出将车道从道路200的当前车道210自主地变更到目标车道212或在道路200的当前车道210内继续行驶的确定。具体地讲，车道变更应用程序106可被配置为规划轨迹以继续在当前车道210内行驶或完成到目标车道212的车道变更。应用程序106还可被配置为执行自主指令，以自主地控制自我意识车辆102继续在当前车道210内行驶或通过使自我意识车辆102合并到目标车道212内来完成车道变更，而自我意识车辆102的路径和相邻车辆202-208的路径之间在一个或多个同时的时间步长没有任何重叠。
一般来讲，车道变更应用程序106可被配置为接收与道路环境相关联的数据，进行间隙分析以确定可在自我意识车辆102、相邻车辆202-208中的一个或多个车辆之间和/或在相邻车辆202-208中的一个或多个车辆之间发现的一个或多个间隙，该一个或多个间隙可被利用来滤出可允许自我意识车辆102平稳地并入自我意识车辆102的相邻目标车道212的最佳合并入口。自我意识车辆102的平稳合并可包括通过避免突然颠簸、突然加速、突然制动、车道之间的摇摆等来促进乘客和/或导航舒适性的合并。换句话讲，当自我意识车辆102被控制为在没有高水平加速、转向和/或制动的情况下在平稳阶段合并时，可发生平稳地并入目标车道212。
具体地讲，车道变更应用程序106可执行指令以考虑包括车道保持模式和车道变更模式的两个驾驶模式选项，该车道保持模式自主地控制自我意识车辆102以保持在其当前车道210中(例如，不控制自我意识车辆102进行从当前车道210到目标车道212的车道变更)，该车道变更模式自主地控制自我意识车辆102以基于间隙选择进行从当前车道210到目标车道212的车道变更。车道变更应用程序106可执行指令以选择车道保持模式或车道变更模式以保持在当前车道210中或将车道变更到目标车道212。在确定自我意识车辆102的路径和相邻车辆202-208的路径之间是否存在潜在重叠的情况下，车道变更应用程序106可选择车道保持模式或车道变更模式。该确定可基于对相邻车辆202、204中的两个或更多个车辆之间可能可用或可能形成的一个或多个间隙的分析，和/或基于与跟随的相邻车辆202的驾驶员让路或不让路以允许自我意识车辆102平稳地并入目标车道212的意图相关联的概率值。
如图2A所示，由车道变更应用程序106实现的车道变更选择方法可被利用来使得自我意识车辆102能够在阈值距离内跟随当前车道210中的相邻车辆208。如以下更详细地讨论的，应用程序106可规划轨迹并且跟踪规划的轨迹，以将自我意识车辆102从当前车道210平稳地合并到目标车道212，从而在阈值距离内跟随目标车道212中的相邻车辆204。如图2B的例示性示例所示，由车道变更应用程序106实现的车道变更选择方法可执行指令以完成间隙分析，从而确定在目标车道212内行驶的相邻车辆202、204中的两个或更多个车辆之间是否存在足够的间隙，以滤出可允许自我意识车辆102平稳地并入自我意识车辆102的相邻目标车道212的最佳合并入口。具体地讲，车道变更应用程序106可执行指令以完成间隙分析，并且可在确定相邻车辆202、204中的两个或更多个车辆之间不存在可允许自我意识车辆102平稳地并入目标车道212的足够的间隙时选择车道保持模式以保持在当前车道210中，而自我意识车辆102的路径和相邻车辆202、204中的一个或两个车辆之间没有潜在重叠。
另选地，如图2C的例示性示例所示，车道变更应用程序106可执行指令以选择车道变更模式，从而在执行指令以完成间隙分析并且确定相邻车辆202、204中的两个或更多个车辆之间存在足够的间隙时使得自我意识车辆102能够将车道从当前车道210变更到目标车道212，该足够的间隙用作可允许自我意识车辆102平稳地并入目标车道212的最佳合并入口，而自我意识车辆102的路径和相邻车辆202、204中的一个或两个车辆之间没有潜在重叠。例如，该确定可基于确定跟随的相邻车辆202和相邻车辆204之间的间隙可足以允许自我意识车辆102平稳地并入目标车道212。如以下所讨论的，该确定还可基于跟随的相邻车辆202的驾驶员可能让路以形成足够间隙以允许自我意识车辆102并入目标车道212的概率。
如以下所讨论的，在车道变更应用程序106启用车道变更模式的情况下，应用程序106可执行轨迹规划以从一个车辆状态过渡到下一个车辆状态，从而允许自我意识车辆102从当前车道210到目标车道212的平稳且有效的合并。在完成轨迹规划时，车道变更应用程序106可执行轨迹跟踪序列，以自主地控制自我意识车辆102遵循规划的轨迹，以从当前车道210合并到目标车道212，而相对于相邻车辆202-208的相应的路径没有任何重叠。
再次参考图1，如所讨论的，ECU 104可被配置为可操作地控制自我意识车辆102的多个部件。在一个实施方案中，自我意识车辆102的多个部件可包括但不限于车辆摄像机系统(摄像机系统)108、LiDAR系统110、存储单元112、动态传感器116和车辆系统/控制单元118。在示例性实施方案中，摄像机系统108可包括可定位在一个或多个方向(例如，自我意识车辆102的前方、自我意识车辆102的后方、自我意识车辆102的侧面)并且在道路环境的一个或多个区域处以捕获道路环境的一个或多个图像/视频的摄像机(未示出)中的一个或多个摄像机，该一个或多个图像/视频包括自我意识车辆102正在上面行驶的道路200的图像和正在道路200上行驶的相邻车辆202-208的图像。
在一些配置中，摄像机系统108的一个或多个摄像机可设置在自我意识车辆102的外前部，包括但不限于自我意识车辆仪表板、自我意识车辆保险杠、自我意识车辆前照明单元、自我意识车辆挡泥板和挡风玻璃的不同部分。在一个实施方案中，一个或多个摄像机可被配置为可捕获RGB视频/图像的RGB摄像机。一个或多个摄像机可被配置为捕获关于对象外观的丰富信息，以及自我意识车辆102、位于道路环境内的一个或多个静态对象(例如，交通锥标、灯柱)和/或位于道路环境内的一个或多个动态对象(例如，行人、骑脚踏车者)以及在道路环境内的道路200上行驶的相邻车辆202-208之间的交互。
在其他实施方案中，该一个或多个摄像机可被配置作为立体摄像机，该立体摄像机被配置为以三维图像的形式捕获环境信息。在示例性实施方案中，摄像机系统108可被配置为将一个或多个图像/视频(例如，图像序列)转换为传送给车道变更应用程序106的图像数据。因此，图像数据可与将由应用程序106进一步处理和/或分析的道路环境相关联。
在一个或多个实施方案中，LiDAR系统110能够可操作地连接到多个LiDAR传感器(未示出)。具体地，LiDAR系统110可包括一个或多个平面扫描激光器，该一个或多个平面扫描激光器包括相应的三维LiDAR传感器并且可被配置为朝向自我意识车辆102的周围环境的场景振荡并发射紫外光、可见光或近红外光的一个或多个激光束。多个LiDAR传感器可被配置为接收从一个或多个对象诸如在道路环境的道路200上行驶的相邻车辆202-208、位于道路环境内的一个或多个静态对象和/或位于道路环境内的一个或多个动态对象反射的一个或多个反射的激光波(例如，信号)。换句话讲，在将一个或多个激光束传输到道路环境时，一个或多个激光束可作为激光波被在当前车道210和/或目标车道212内行驶的一个或多个相邻车辆202-208、可位于道路环境内的一个或多个静态对象和/或一个或多个动态对象反射。
在一个实施方案中，多个LiDAR传感器中的每个LiDAR传感器可被配置为分析反射的激光波并且将相应的LiDAR数据输出到车道变更应用程序106。LiDAR数据可包括可与可在道路环境的道路200上行驶的相邻车辆202-208的定位、位置、深度和/或尺寸(例如，测量值)相关联的LiDAR坐标。在示例性实施方案中，LiDAR系统110可被配置为将LiDAR数据传送给车道变更应用程序106。因此，LiDAR数据可与将由应用程序106进一步处理和/或分析的道路环境相关联。
在一个或多个实施方案中，在接收到图像数据和/或LiDAR数据时，车道变更应用程序106可被配置为访问自我意识车辆102的存储单元112。车道变更应用程序106可被配置为将图像数据和/或LiDAR数据存储一个或多个时间段。存储单元112可另外地被配置为存储可与一个或多个应用程序、操作系统和/或自我意识车辆系统和子系统用户接口相关联的数据(例如，计算机可执行数据)。通常，ECU 104与存储单元112通信以执行存储在存储单元112内的一个或多个应用程序、操作系统、自我意识车辆系统和子系统用户接口等。
在一些实施方案中，存储单元112可存储车道变更数据日志114，该车道变更数据日志可存储与道路200、当前车道210、目标车道212、自我意识车辆102的目标、道路环境的位置上的地理位置坐标(例如，GPS坐标)、道路200的位置上的地理位置坐标和/或自我意识车辆102的位置上的地理位置坐标相关联的测量值。车道变更数据日志114可另外地存储相邻车辆202-208中的每个车辆的尺寸、相邻车辆202-208中的每个车辆的相对速度以及可被利用来滤出自我意识车辆102的最佳合并入口的相邻车辆202、204中的两个或更多个车辆之间的间隙的测量值。在另外的配置中，车道变更数据日志还可包括与在每次车道变更确定期间车道变更应用程序106对车道保持模式或车道变更模式的选择相关联的数据。
在一个或多个实施方案中，在每次车道变更确定期间，车道变更应用程序106可用与(存储在车道变更数据日志114内的)先前提及的测量值和信息相关联的数据点填充车道变更数据日志114。在一些配置中，在后续的车道变更确定期间，车道变更应用程序106可被配置为访问车道变更数据日志114以分析车道变更数据日志114是否包括类似于与道路环境相关联的实时测量值和信息的一个或多个数据点。具体地讲，车道变更应用程序106可分析与自我意识车辆102相关联的图像数据、LiDAR数据和/或车辆动态数据，和/或与自我意识车辆102、相邻车辆202-208、道路200和/或道路环境相关联的测量值和信息，以确定一个或多个测量值和/或数据点是否在与存储在车道变更数据日志114内的数据点的预先确定的类似度(例如，范围、阈值)内。在一种配置中，如果一个或多个数据点类似于与道路环境相关联的实时测量值和信息，则车道变更应用程序106可分析先前存储的车道保持模式或车道变更模式的选择，并且可将先前存储的选择并入当前(后续)车道变更确定中。
在示例性实施方案中，自我意识车辆102的动态传感器116可将与自我意识车辆102的实时动态操作相关联的动态数据传送给车道变更应用程序106。动态传感器116可被配置为从一个或多个自我意识车辆系统、子系统、控制系统等接收输入。在一个实施方案中，动态传感器116可被包括作为自我意识车辆102的控制器局域网(CAN)的一部分，并且可被配置为向ECU 104提供车辆动态数据，以用于一个或多个自我意识车辆系统、子系统、控制系统等。动态传感器116可包括但可不限于位置传感器、行驶方向传感器、速度传感器、转向速度传感器、转向角度传感器、油门开度传感器、加速度计、磁力仪、陀螺仪、偏航速率传感器、制动力传感器、车轮速度传感器、车轮转向角传感器、变速器齿轮传感器、温度传感器、RPM传感器、GPS/DGPS传感器等(未示出单独的传感器)。
在一种配置中，在进行一个或多个驾驶操纵时和/或在自我意识车辆102受到控制而自主地操作时，由动态传感器116输出的动态数据可输出与自我意识车辆102的实时动态性能相关联的动态参数(例如，数值级别)。如以下所讨论的，车道变更应用程序106可被配置为分析包括在动态数据内的动态参数，以完成轨迹规划和轨迹跟踪，从而自主地控制自我意识车辆102继续在当前车道210内行驶或以平稳的方式完成车道变更，而自我意识车辆102的路径和相邻车辆202-208的路径之间没有任何重叠。
在一个或多个实施方案中，自我意识车辆102的车辆系统/控制单元118可从ECU104和/或车道变更应用程序106发送一个或多个命令，以提供对自我意识车辆102的完全自主或半自主控制。自我意识车辆102的此类自主控制可通过以下方式来提供：发送一个或多个命令以控制车辆系统/控制单元118中的一者或多者来在一个或多个情况期间(例如，车道保持或车道变更情况)操作(例如，驾驶)自我意识车辆102，和/或在自我意识车辆102的整个行程期间完全控制自我意识车辆102的驾驶。
可向一个或多个车辆系统/控制单元118提供一个或多个命令，该一个或多个车辆系统/控制单元包括但不限于引擎控制单元、制动控制单元、变速器控制单元、转向控制单元等，以用于基于可由车道变更应用程序106输出的命令来控制自我意识车辆102以使其自主地驾驶。如以下所讨论的，自主控制命令可基于轨迹跟踪，该轨迹跟踪由应用程序106完成以跟踪自我意识车辆102从当前车道210平稳地合并到目标车道212的规划的轨迹，而自我意识车辆102的路径和相邻车辆202-208的路径之间没有任何重叠。
II.概率性车道变更应用程序和相关方法
现在将根据示例性实施方案并且参考图1来描述车道变更应用程序106的部件。在示例性实施方案中，车道变更应用程序106可存储在存储单元112上并且由自我意识车辆102的ECU 104执行。在另一实施方案中，车道变更应用程序106可被存储在外部托管的计算基础设施(未示出)上，并且可由自我意识车辆102的远程信息控制单元(未示出)访问，以待由自我意识车辆102的ECU 104执行。
现在将讨论车道变更应用程序106的一般功能。在示例性实施方案中，车道变更应用程序106可包括多个模块120-126，该多个模块可被配置用于提供基于概率的车道变更决策和运动规划。多个模块120-126可包括数据接收模块120、间隙确定模块122、意图估计模块124和车辆控制模块126。然而，应当理解，车道变更应用程序106可包括为代替模块120-126或除这些模块之外而被包括的一个或多个另外的模块和/或子模块。
图3是根据本公开的示例性实施方案的用于提供自我意识车辆102的基于概率的车道变更决策、运动规划和自主控制的方法300的过程流程图。图3将参考图1、图2A至图2C和图4(这将在以下更详细地讨论)的部件来描述，但应当理解，图3的方法300可与其他系统/部件一起使用。方法300可从方框302开始，其中方法300可包括接收图像数据。
在示例性实施方案中，车道变更应用程序106的数据接收模块120可被配置为接收可与所捕获的道路环境的图像相关联的图像数据，该图像数据可由自我意识车辆102的摄像机系统108提供。如以上所讨论的，图像数据可与包括自我意识车辆102正在上面行驶的道路200的道路环境的一个或多个图像/视频、正在道路200上行驶的相邻车辆202-208、位于道路环境内的一个或多个静态对象和/或位于道路环境内的一个或多个动态对象有关。在一些实施方案中，数据接收模块120可将图像数据封装并存储在存储单元112上，以待在一个或多个时间点时进行评估。
方法300可前进到方框304，其中方法300可包括接收LiDAR数据。在示例性实施方案中，数据接收模块120可被配置为接收LiDAR数据，该LiDAR数据可由LiDAR系统110提供并且可与一个或多个反射的激光波相关联。换句话讲，LiDAR数据可包括与自我意识车辆102正在上面行驶的道路200、正在道路200上行驶的相邻车辆202-208、位于道路环境内的一个或多个静态对象和/或位于道路环境内的一个或多个动态对象相关联的基于LiDAR的观察结果。在一些实施方案中，数据接收模块120可将LiDAR数据封装并存储在存储单元112上，以待在一个或多个时间点时进行评估。
方法300可前进到方框306，其中方法300可包括完成图像数据和LiDAR数据的数据聚合。在示例性实施方案中，数据接收模块120可被配置为分析图像数据和LiDAR数据，以确定对应于道路环境的一个或多个方面的数据点。具体地讲，数据接收模块120可被配置为分析图像数据和LiDAR数据，以确定对应于道路200的一个或多个特定部分、一个或多个特定相邻车辆202-208、位于道路环境内的一个或多个静态对象和/或位于道路环境内的一个或多个动态对象的数据点。
此类对应的数据点可基于：可设置在自我意识车辆102的一个或多个对应部分处的一个或多个摄像机和一个或多个LiDAR传感器和/或可能正在捕获与一个或多个一致方向相关联的数据的一个或多个摄像机和一个或多个LiDAR传感器，该一个或多个一致方向与道路环境相关联。另外地或另选地，对应的数据点可基于在一个或多个同时的时间步长的一个或多个特定相邻车辆202-208、道路200的一个或多个特定部分、位于道路环境内的一个或多个静态对象和/或位于道路环境内的一个或多个动态对象，这些对应的数据点可包括在图像数据和LiDAR数据内的所捕获的数据点内。
在分析对应的数据点时，数据接收模块120可被配置为聚合从图像数据导出的对应于道路环境的一个或多个方面的数据点以及从LiDAR数据导出的对应于道路环境的相同的一个或多个方面的数据点。换句话说，聚合从图像数据导出的数据点，这些数据点对应于从LiDAR数据导出的数据点。在聚合从图像数据和LiDAR数据导出的数据点时，数据接收模块可将与道路环境相关联的聚合图像LiDAR数据传送给车道变更应用程序106的间隙确定模块122。
继续参考图3，方法300可前进到方框308，其中方法300可包括执行间隙选择。在示例性实施方案中，间隙确定模块122可被配置为分析与道路环境相关联的聚合图像LiDAR数据，以对一个或多个间隙进行间隙分析。如图4的例示性示例所示，可在正在道路200的目标车道212内行驶的相邻车辆402-408中的两个或更多个车辆之间找到一个或多个间隙。可分析间隙中的一个或多个间隙，以确定它们是否足以被利用来滤出可允许自我意识车辆102平稳地并入自我意识车辆102的相邻目标车道212的最佳合并入口。
更具体地讲，间隙确定模块122可被配置为分析聚合图像LiDAR数据，以识别正在道路200的目标车道212内行驶的相邻车辆402-408中的每个车辆之间的间隙。如图所示，所识别间隙可包括可在部分地与自我意识车辆102在道路200上的位置相邻的相邻车辆404、406之间找到的相邻间隙412。所识别间隙还可包括可位于两个或更多个相邻车辆402、404之间的至少一个后间隙414，该两个或更多个相邻车辆位于目标车道212内的自我意识车辆102附近和/或后方。所识别间隙可另外包括可位于两个或更多个相邻车辆406、408之间的至少一个前间隙416，该两个或更多个相邻车辆位于目标车道212内的自我意识车辆102附近和/或前方。
在一个实施方案中，间隙确定模块122可被配置为识别为自我意识车辆102的长度的至少两倍的间隙。在一些配置中，间隙的测量可基于一个或多个动态因素，该一个或多个动态因素包括从如由动态传感器116提供给间隙确定模块122的与自我意识车辆102的速度和/或相邻车辆402-408中的一个或多个车辆的速度相关联的动态数据导出的动态参数，如基于由摄像机系统108和/或LiDAR系统110分别提供的图像数据和/或LiDAR数据确定的。例如，如果自我意识车辆102和/或相邻车辆402-408中的一个或多个车辆以高于特定高速阈值的高速率行驶(例如，60加英里/小时)，则间隙确定模块122可被配置为识别为自我意识车辆102的长度的至少三倍或四倍的间隙。在一种配置中，间隙确定模块122可按从前间隙416到后间隙414的次序考虑间隙。在一些配置中，间隙确定模块122可能不会将后间隙414视为可行合并选项。在另外的实施方案中，间隙确定模块122可将相邻间隙412视为主要的可行合并选项。
方法300可前进到方框310，其中方法300可包括执行间隙接近。在示例性实施方案中，在确定自我意识车辆102、相邻车辆202-208中的一个或多个车辆之间和/或相邻车辆202-208中的一个或多个车辆之间存在可被利用来滤出可允许自我意识车辆102平稳地并入自我意识车辆102的相邻目标车道212的最佳合并入口的一个或多个足够的间隙时，间隙确定模块122可与车辆控制模块126通信，以自主地控制自我意识车辆102接近被选择用于将自我意识车辆102平稳地并入目标车道212的最佳间隙。
在示例性实施方案中，车辆控制模块126可被配置为将一个或多个命令传送给车辆系统/控制单元118以实现自主控制参数，从而使自我意识车辆102在合并动作中从当前车道210朝向目标车道212轻微地移动。具体地讲，车辆控制模块126可实现自主控制参数，以自主地控制自我意识车辆102利用特定转向角度、速度、加速度、油门开度和/或制动力来使自我意识车辆102的前部部分(例如，如果目标车道212位于自我意识车辆102的左侧，则为前左挡泥板部分；如果目标车道212位于自我意识车辆102的右侧，则为前右挡泥板部分)朝向目标车道212轻微地移动以向一个或多个相应的相邻车辆402-408的相应的驾驶员指示自我意识车辆102意图并入相应的相邻车辆402-408中的两个车辆之间的相应的间隙。继续参考图4，车辆控制模块126可确保车辆系统/控制单元118被利用来自主地控制自我意识车辆102以实现特定转向角度和速度，从而完成朝向目标车道212的轻微移动，而不会越过将当前车道210与目标车道212分开的车道边界道路标记410。
作为例示性示例，该功能可赋能相邻车辆404、406的相应的驾驶员，使得自我意识车辆102意图并入两个相邻车辆404、406之间的所选择间隙412，而自我意识车辆102实际上没有任何部分进入目标车道212。因此，相邻车辆404、406的相应的驾驶员中的一个或两个驾驶员可确定自我意识车辆102从当前车道210并入目标车道212的意图。通过不控制自我意识车辆102在车道边界道路标记410上行驶并进入目标车道212，车辆控制模块126可使得跟随的相邻车辆404的驾驶员能够让路以允许自我意识车辆102平稳地合并到所选择间隙412内，或使所选择间隙412变宽以使得自我意识车辆102能够平稳地合并到所选择间隙412内。该功能可类似于手动操作的车辆的驾驶员(未示出)用他或她的手指指向以表现出从当前车道210合并到目标车道212的意图。
继续参考图3，方法300可前进到方框312，其中方法300可包括执行模型预测。再次参考图4的例示性示例，在示例性实施方案中，间隙确定模块122还可相对于所选择间隙412的大小来评估相邻车辆404、406的操作，以确定和/或形成发起自我意识车辆102并入目标车道212的最佳定时。在所选择间隙412不够大的情况下，可能需要跟随的相邻车辆404的驾驶员进行让路的配合以允许所选择间隙412的大小增大。在示例性实施方案中，虽然车辆控制模块126可操作地控制车辆系统/控制单元118以自主地控制自我意识车辆102接近所选择间隙412而不越过车道边界道路标记410，但可通过使用恒速模型来预测跟随的相邻车辆404的运动。
方法300可前进到方框314，其中方法300可包括确定自我意识车辆102的路径和跟随的相邻车辆404的路径之间是否存在任何潜在重叠。在示例性实施方案中，可分析跟随的相邻车辆404的所预测运动(在方框312处预测)，以确定在自我意识车辆102要并入目标车道212的所选择间隙412的情况下该自我意识车辆的行驶路径和跟随的相邻车辆404的行驶路径之间在一个或多个同时的时间步长是否存在任何潜在重叠。换句话讲，间隙确定模块122可评估自我意识车辆102是否可能够平稳地并入目标车道212，而自我意识车辆102的路径和跟随的相邻车辆404之间在一个或多个同时的时间步长没有潜在重叠。
如果确定自我意识车辆102的路径和跟随的相邻车辆404的路径之间存在潜在重叠(在方框314处)，则方法300可前进到方框316，其中方法300可包括执行意图估计。在示例性实施方案中，如果间隙确定模块122确定自我意识车辆102的路径和跟随的相邻车辆404的路径之间可能存在可能妨碍自我意识车辆102从当前车道210到目标车道212的平稳合并的潜在重叠，则间隙确定模块122可将相应的数据传送给车道变更应用程序106的意图估计模块124。
在示例性实施方案中，意图估计模块124可被配置为确定与跟随的相邻车辆404的驾驶员关于让路以形成足够的间隙412从而允许自我意识车辆102平稳地并入目标车道212的意图相关联的概率。如以上所讨论的，意图估计模块124可执行驾驶员意图模型，以输出与跟随的相邻车辆404的驾驶员让路以允许自我意识车辆102平稳地并入目标车道212的意图的概率相关联的概率值。
在一个实施方案中，可使用概率(I＝Y)或P(Y)和P(I＝N)或P(N)将意图估计模块124建模为I∈{IYield,IYield}以表示驾驶员意图估计的不确定性。意图估计模块124可利用基于贝叶斯定理的意图估计模型，如以下公式1所示。在一种配置中，意图估计模块124可将让路概率P(Y)和不让路概率P(N)设定为值0.5。
Figure BDA0003182524970000171
在公式1中，P(Y|B)为鉴于观察到的行为B的让路意图Y的概率，并且P(B|Y)和P(B|N)分别为鉴于意图Y或N的该相同行为的概率。意图估计模块124可利用加速度作为关键因素以估计跟随的相邻车辆404的让路意图。因此，意图估计模块124可将跟随的相邻车辆404的减速状态评估为更加可能的让路意图。另选地，意图估计模块124可将跟随的相邻车辆404的加速状态评估为不太可能的让路意图。
因此，加速度根据跟随的相邻车辆404Ft的速度测量值(如公式2所示)来计算，其中v(t)为所观察的跟随的相邻车辆404Ft在时间t的速度，
Figure BDA0003182524970000172
在示例性实施方案中，意图估计模块124可鉴于特定意图I实现表示从目标车道212中的跟随的相邻车辆404Ft预期的行为B(加速或减速)的车辆行为模型B|I。在一种配置中，意图估计模块124使用高斯分布作为将跟随的相邻车辆的加速度映射到其让路意图概率的参考，其中加速度值的峰值为B|Y和B|N并且标准偏差为
Figure BDA0003182524970000173
在一个实施方案中，意图估计模块124可由此输出与跟随的相邻车辆404的驾驶员让路的意图概率相关联的概率值。在一种配置中，概率值可包括介于0.1和1.0之间的值，其中值1指示跟随的相邻车辆404的驾驶员可能让路以允许形成足以允许自我意识车辆102平稳地并入目标车道212的间隙412的最高意图概率，并且值0.1指示跟随的相邻车辆404的驾驶员可能让路以允许形成足以允许自我意识车辆102平稳地并入目标车道212的间隙412的最低意图概率。
继续参考图3，在执行意图估计时，方法300可前进到方框318，其中方法300可包括确定概率值是否满足或超出意图阈值。在一个或多个实施方案中，意图估计模块124可实现意图阈值(例如，0.78)，该意图阈值与车道变更应用程序106以跟随的相邻车辆404的驾驶员可能让路以允许形成足以允许自我意识车辆102平稳地并入目标车道212的间隙412的意图概率的必要置信度水平估计的值有关。在一些实施方案中，意图阈值可以是可基于各种因素调节的动态值，这些因素包括但不限于自我意识车辆102的速度、跟随的相邻车辆404的速度、相邻车辆406的速度、足够间隙412的尺寸、道路200的尺寸、当前车道210和/或目标车道212的尺寸、在不可能成功合并到目标车道212时可供自我意识车辆102合并的另外的车道的存在等。在示例性实施方案中，意图估计模块124可由此将概率值(在方框316处输出的)与意图阈值进行比较，以确定概率值是否满足或超出阈值。
再次参考图3，如果确定概率值不满足或超出意图阈值(在方框318处)，则方法300可前进到方框320，其中方法300可包括执行放弃车道变更。在示例性实施方案中，在意图估计模块124确定概率值不满足或超出意图阈值时，意图估计模块124可将相应的数据传送给车道变更应用程序106的车辆控制模块126以启用车道保持模式。车辆控制模块126可由此将命令传送给车辆系统/控制单元，以基于车道保持模式的启用来自主地控制自我意识车辆102在当前车道210内继续行驶。
如以下更详细地讨论的，车辆控制模块126可完成轨迹规划和轨迹跟踪，以自主地控制自我意识车辆102转向避开车道边界道路标记410并且在当前车道210的中央内回程，以在当前车道210内继续行驶。换句话讲，可放弃从当前车道210平稳地合并到目标车道212的操作。方法300可返回到方框308，其中间隙确定模块122执行间隙选择，如以上详细地讨论的。
再次参考方法300的方框318，如果概率值满足或超出意图阈值，则方法300可前进到方框322，其中方法300可前进到方框322，其中方法300可包括执行完成车道变更的尝试。在示例性实施方案中，在确定概率值满足或超出意图阈值时，意图估计模块124可将相应的数据传送给车道变更应用程序106的车辆控制模块126。
在示例性实施方案中，车辆控制模块126可被配置为通过完成轨迹规划(以下更详细地讨论的)以生成候选路径来发起车道变更尝试。候选路径可使得车辆控制模块126能够基于评分函数选择车道保持模式或车道变更模式。具体地讲，车辆控制模块126可实现评分函数以输出正值，从而促进以自我意识车辆102的最接近其目标(例如，目的地、在未来时间步长的未来定位)的位置结束的自我意识车辆102的候选路径。评分函数可另选地以负值对可与跟随的相邻车辆404的路径重叠的候选路径进行罚分。
在一个实施方案中，如果实现了车道变更模式，则车辆控制模块126可找到可被利用来完成从当前车道210到目标车道212的平稳合并的最佳候选路径。车辆控制模块126可由此将一个或多个命令传送给车辆系统/控制单元118以自主地控制自我意识车辆102，使得自我意识车辆102的中心点越过车道边界道路标记410，从而发起自我意识车辆102从当前车道210到目标车道212的平稳合并。
继续参考图3，在执行车道变更尝试时，方法300可再次前进到确定自我意识车辆102的路径和跟随的相邻车辆404的路径之间是否存在任何潜在重叠。如以上所讨论的，可分析跟随的相邻车辆404的所预测运动(在方框312处预测)，以确定自我意识车辆102的行驶路径(如果该自我意识车辆将完成并入目标车道212的所选择间隙412)和跟随的相邻车辆404的行驶路径之间在一个或多个同时的时间步长是否存在任何潜在重叠。
如果确定自我意识车辆102的路径和跟随的相邻车辆404的路径之间不存在潜在重叠(在方框314处)，则方法300可前进到方框324，其中方法300可包括执行车道变更的完成。在示例性实施方案中，在间隙确定模块122确定自我意识车辆102可能够平稳地并入自我意识车辆102的目标车道212而自我意识车辆102的路径和相邻车辆404、406中的一个或两个车辆之间没有潜在重叠的情况下，间隙确定模块122可将数据传送给车辆控制模块126，以完成自我意识车辆102从当前车道210到目标车道212的车道变更。
在示例性实施方案中，车辆控制模块126可发起与自我意识车辆102的轨迹相关联的轨迹规划序列，该轨迹规划序列可被执行以完成从当前车道210到目标车道212的平稳合并。图5示出了根据本公开的示例性实施方案的由车辆控制模块126执行的轨迹规划序列的示意性概述。如图5所示，车辆控制模块126可执行高级行为规划502以确定操作模式以使得：CL为车道变更模式，并且KL为车道保持模式(如以上在方框320处所讨论的那样实现)。
在执行高级行为规划502期间，车辆控制模块126可完成实际自我意识车辆从一个可行状态过渡到下一个可行状态的实时规划。车辆控制模块126可被配置为与自我意识车辆102的动态传感器116通信，以确定自我意识车辆102的实时动态参数。此类实时动态参数可包括但不限于速度、转向角度、加速度、油门开度、制动力等。
在一个实施方案中，实时动态参数可被评估为除了导航舒适性(例如，没有突然颠簸、没有突然加速、没有突然制动、没有车道之间的摇摆)之外的约束、交通规则(例如，遵守速度限制和/或交通灯/标牌)、位于道路环境内的动态对象、位于道路环境内的静态对象、道路边界(例如，标记、护栏)和/或车道边界道路标记410。车辆控制模块126可将自我意识车辆102的轨迹表示为通过时间和/或速度参数化的状态序列。在一些配置中，轨迹规划可由车辆控制模块126以一个或多个固定间隔或规则的时间间隔执行，这些间隔的长度可取决于从摄像机系统108、LiDAR系统110和/或动态传感器116接收的图像数据、LiDAR数据和/或动态数据的频率、类型和/或改变。
在一个或多个实施方案中，车辆控制模块126可进行分离的空间轨迹规划。车辆控制模块126可执行基于优化的路径规划504和基于速度约束的时间规划506以输出空间时间轨迹规划，该空间时间轨迹规划可被利用来将自我意识车辆102从当前车道210平稳地合并到目标车道212。在一个实施方案中，车辆控制模块126可通过具有若干考量的成本函数来评估与并入目标车道212相关联的每条候选路径。此类考量可包括但不限于距离和时间成本、加速和重叠检查和/或与自我意识车辆102的动态参数相关联的成本。车辆控制模块126可创立一种用于道路上自主驾驶路径规划的技术，其中搜索空间包含某一几何曲线和曲线的若干横向或纵向偏移。
在一个实施方案中，在通过具有若干考量的成本函数评估每条候选路径时，车辆控制模块126可创立轨迹的几何表示，这些几何表示可包括但不限于多项式、贝塞尔曲线、样条曲线、弧线和回旋曲线。在一个实施方案中，车辆控制模块126可基于从动态传感器116接收的动态参数来确定自我意识车辆102的当前转向角度。在一种配置中，车辆控制模块126可使用可表示道路200的形状(例如，回旋曲线形状)的形状输出包括平稳且连续曲率的轨迹。
在一个或多个实施方案中，车辆控制模块126可由此选择最佳路径，以通过所选择间隙412将自我意识车辆102从当前车道210合并到目标车道212。在选择最佳路径时，车辆控制模块126可由此找到满足运动模型和状态约束的最佳轨迹，同时保证乘客的舒适性和行程的平稳性。换句话讲，车辆控制模块206可选择通过避免突然颠簸、突然加速、突然制动、车道之间的摇摆等来使得自我意识车辆102能够从当前车道210平稳地合并到目标车道212的轨迹。
在示例性实施方案中，在完成轨迹规划时，车辆控制模块126可使用轨迹跟踪序列完成对所选择轨迹的轨迹跟踪。换句话说，轨迹跟踪控制过程使得车辆控制模块126能够遵循满足运动模型和状态约束的最佳轨迹的选择，同时保证乘客的舒适性和行程的平稳性。因此，车辆控制模块126可利用轨迹跟踪控制过程来执行从先前完成的轨迹规划传递的预期轨迹，而不管自我意识车辆102是以车道保持模式还是车道变更模式操作。
车辆控制模块126可由此在给定时间跟踪所规划的轨迹。所规划的轨迹可在对应的离散时间间隔的离散点处被采样为连续轨迹。在一种配置中，车辆控制模块126可将自我意识车辆102的当前位置和自我意识车辆102的期望位置之间的差值视为该具体时刻的误差。车辆控制模块126可由此向车辆系统/控制单元118发送一个或多个命令，以在使得自我意识车辆102的当前位置和自我意识车辆102的期望位置之间的差值最小化的方向上控制自我意识车辆102。
在一个或多个实施方案中，在轨迹跟踪期间，车辆控制模块126考虑关于自我意识车辆102在车道保持模式和车道变更模式内的自主控制的纵向和横向两个方面。如图6的示意性概述所示，为了纵向控制，车辆控制模块126可利用比例积分微分控制器(PID控制器)602来输出待传送给车辆系统/控制单元118的自主动态参数。具体地讲，车辆控制模块126可被配置为根据当前位置、期望位置和采样周期来计算期望速度。还可分析自我意识车辆102的当前速度，以基于由自我意识车辆102的动态传感器116传送的动态参数来计算期望速度。PID误差从自我意识车辆102的期望速度和当前速度导出。PID控制器602的输出为映射到油门Tp(u>＝0)或制动器Bp(u<0)的无单位加速度值u。
车辆控制模块126还可向车辆系统/控制单元118发送一个或多个命令，以通过应用模型预测控件(MPC)作为跟踪控件604的一部分来操纵自我意识车辆102的转向。MPC算法由自我意识车辆102的转向角度通过预测沿着连续路径的最佳转向角度δ来确定。该方法组合了基于由车辆控制模块126完成的轨迹规划的控制工程的各方面。在一种配置中，使用用于自我意识车辆102的自行车模型，并且根据自我意识车辆的运动的未来进展对控制输入进行采样。根据自行车模型和控制输入，解决了找到自我意识车辆102的最佳轨迹的优化问题。因此，车辆控制模块126可利用PID控制器602，并且跟踪控件604可输出加速度值、油门控制值、制动控制值和转向角度值以作为一个或多个命令传送给车辆系统/控制单元。
在执行车道变更模式期间，车辆系统/控制单元118可被配置为自主地控制自我意识车辆102以在特定车速、特定油门控制速率、特定制动控制速率和特定转向角度下操作，以操纵自我意识车辆102的车辆位姿以执行车辆状态，这些车辆状态确保自我意识车辆102使用利用所选择间隙412的最佳规划轨迹从当前车道210平稳地合并到目标车道212。因此，可向一个或多个车辆系统/控制单元118提供一个或多个命令，该一个或多个车辆系统/控制单元包括但不限于引擎控制单元、制动控制单元、变速器控制单元、转向控制单元、油门控制单元等，以用于基于可由车辆控制模块126输出以遵循车辆状态的自主控制命令来控制自我意识车辆102以使其自主地驾驶，这些车辆状态基于由车辆控制模块126完成的轨迹跟踪。
在一个实施方案中，自我意识车辆102可被自主地操作以跟踪从当前车道210平稳地合并到目标车道212的所规划的轨迹，而自我意识车辆102的路径和相邻车辆202-208的路径之间没有任何重叠。自我意识车辆102的平稳合并可包括通过避免突然颠簸、突然加速、突然制动、车道之间的摇摆等来促进导航和/或乘客舒适性的合并。换句话讲，当自我意识车辆102被控制为在没有高水平加速、转向和/或制动的情况下在平稳阶段合并时，可发生平稳地并入目标车道212。
图7是根据本公开的示例性实施方案的用于基于概率的车道变更决策和运动规划的方法700的过程流程图。图7将参考图1、图2A至图2C和图4的部件来描述，但应当理解，图7的方法700可与其他系统/部件一起使用。方法700可从方框702开始，其中方法700可包括接收与自我意识车辆102的道路环境相关联的数据。
方法700可前进到方框704，其中方法700可包括：进行间隙分析以确定在目标车道212内行驶的相邻车辆402-408之间的至少一个间隙，从而滤出供自我意识车辆102从当前车道210并入目标车道212的最佳合并入口。方法700可前进到方框706，其中方法700可包括：基于确定不存在最佳合并入口而确定与驾驶员让路以允许自我意识车辆102并入目标车道212的意图相关联的概率值。方法700可前进到方框708，其中方法700可包括：基于以下中的至少一者来控制自我意识车辆102继续在当前车道210内行驶或自主地从当前车道210合并到目标车道212：是否基于间隙分析滤出最佳合并入口以及概率值是否指示驾驶员让路的意图。
从前面的描述中应当显而易见的是，本公开的各种示例性实施方案可在硬件中实现。此外，各种示例性实施方案可以被实现为存储在非暂态机器可读存储介质(诸如易失性或非易失性存储器)上的指令，该指令可以由至少一个处理器读取和执行以执行本文详细描述的操作。机器可读存储介质可以包括用于以机器可读的形式存储信息的任何机构，诸如个人或膝上型计算机、服务器或其他计算设备。因此，非暂态机器可读存储介质不包括暂态信号，但可包括易失性和非易失性存储器两者，包括但不限于只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪速存储器设备和类似存储介质。
本领域的技术人员应当理解，本文的任何框图表示体现本公开的原理的示例性电路的概念视图。类似地，应当理解，任何流程图、流程示意图、状态转换图、伪代码等表示可以在机器可读介质中基本上表示并且因此由计算机或处理器执行的各种过程，无论这种计算机或处理器是否被明确示出。
应当理解，上面公开的特征和功能以及其他特征和功能的各种实施方式或它们的替代物或变体可以理想地组合成许多其他不同系统或应用。此外，本领域的技术人员可以之后做出本文的各种目前无法预料或无法预期的替代、修改、变化或改进，这些也旨在涵盖在所附权利要求书中。

Claims (20)

1.一种用于提供基于概率的车道变更决策和运动规划的计算机实现的方法，所述方法包括：
接收与自我意识车辆的道路环境相关联的数据，其中所述道路环境包括道路，所述道路包括所述自我意识车辆的当前车道和所述自我意识车辆的目标车道；
进行间隙分析以确定在所述目标车道内行驶的相邻车辆之间的至少一个间隙，从而滤出供所述自我意识车辆从所述当前车道并入所述目标车道的最佳合并入口；
基于确定不存在所述最佳合并入口而确定与跟随的相邻车辆的驾驶员让路以允许所述自我意识车辆并入所述目标车道的意图相关联的概率值；以及
基于以下中的至少一者来控制所述自我意识车辆自主地继续在所述当前车道内行驶或自主地从当前车道合并到所述目标车道：是否基于所述间隙分析滤出所述最佳合并入口以及所述概率值是否指示所述驾驶员让路的意图。
2.根据权利要求1所述的计算机实现的方法，其中，接收与所述道路环境相关联的数据包括：接收来自所述自我意识车辆的摄像机系统的图像数据和来自所述自我意识车辆的LiDAR系统的LiDAR数据，其中分析所述图像数据和所述LiDAR数据以确定对应于所述道路环境的至少一个方面的数据点。
3.根据权利要求2所述的计算机实现的方法，所述方法还包括：聚合所述图像数据和所述LiDAR数据，其中将从所述图像数据导出的对应于所述道路环境的所述至少一个方面的所述数据点与从所述LiDAR数据导出的对应于所述道路环境的所述至少一个方面的所述数据点聚合。
4.根据权利要求1所述的计算机实现的方法，其中，进行间隙分析包括：分析与所述道路环境相关联的聚合图像LiDAR数据以确定在所述目标车道内行驶的所述相邻车辆之间的所述至少一个间隙，其中分析所述至少一个间隙以确定是否足以滤出所述最佳合并入口。
5.根据权利要求1所述的计算机实现的方法，其中，进行间隙分析包括：在确定所述至少一个间隙足以滤出所述最佳合并入口时接近所述至少一个间隙，其中所述自我意识车辆被自主地控制为在合并动作中朝向所述目标车道移动，而不越过存在于所述当前车道和所述目标车道之间的车道边界道路标记。
6.根据权利要求1所述的计算机实现的方法，所述方法还包括：确定在所述自我意识车辆使用所述至少一个间隙并入所述目标车道的情况下所述自我意识车辆的路径和在所述目标车道内行驶的所述跟随的相邻车辆的路径之间是否存在潜在重叠。
7.根据权利要求6所述的计算机实现的方法，其中，确定与所述驾驶员的所述意图相关联的所述概率值包括：确定存在所述潜在重叠，其中执行驾驶员意图模型以输出所述概率值，其中确定所述概率值是否满足或超出与所述驾驶员让路的所述意图相关联的意图阈值。
8.根据权利要求7所述的计算机实现的方法，其中，控制所述自我意识车辆继续在所述当前车道内行驶或自主地从当前车道合并到所述目标车道包括：在所述概率值不满足所述意图阈值的情况下，控制所述自我意识车辆继续在所述当前车道内行驶；以及在所述概率值满足或超出所述意图阈值的情况下，控制所述自我意识车辆自主地从当前车道合并到所述目标车道。
9.根据权利要求1所述的计算机实现的方法，其中，控制所述自我意识车辆包括：执行基于优化的路径规划和基于速度约束的时间规划以输出轨迹规划，其中对所述轨迹规划进行跟踪并在对应的离散时间间隔的离散点处进行采样。
10.一种用于提供基于概率的车道变更决策和运动规划的系统，所述系统包括：
存储指令的存储器，所述指令在由处理器执行时使得所述处理器：
接收与自我意识车辆的道路环境相关联的数据，其中所述道路环境包括道路，所述道路包括所述自我意识车辆的当前车道和所述自我意识车辆的目标车道；
进行间隙分析以确定在所述目标车道内行驶的相邻车辆之间的至少一个间隙，从而滤出供所述自我意识车辆从所述当前车道并入所述目标车道的最佳合并入口；
基于确定不存在所述最佳合并入口而确定与跟随的相邻车辆的驾驶员让路以允许所述自我意识车辆并入所述目标车道的意图相关联的概率值；以及
基于以下中的至少一者来控制所述自我意识车辆自主地继续在所述当前车道内行驶或自主地从当前车道合并到所述目标车道：是否基于所述间隙分析滤出所述最佳合并入口以及所述概率值是否指示所述驾驶员让路的意图。
11.根据权利要求10所述的系统，其中，接收与所述道路环境相关联的数据包括：接收来自所述自我意识车辆的摄像机系统的图像数据和来自所述自我意识车辆的LiDAR系统的LiDAR数据，其中分析所述图像数据和所述LiDAR数据以确定对应于所述道路环境的至少一个方面的数据点。
12.根据权利要求11所述的系统，所述系统还包括：聚合所述图像数据和所述LiDAR数据，其中将从所述图像数据导出的对应于所述道路环境的所述至少一个方面的所述数据点与从所述LiDAR数据导出的对应于所述道路环境的所述至少一个方面的所述数据点聚合。
13.根据权利要求10所述的系统，其中，进行间隙分析包括：分析与所述道路环境相关联的聚合图像LiDAR数据以确定在所述目标车道内行驶的所述相邻车辆之间的所述至少一个间隙，其中分析所述至少一个间隙以确定是否足以滤出所述最佳合并入口。
14.根据权利要求10所述的系统，其中，进行间隙分析包括：在确定所述至少一个间隙足以滤出所述最佳合并入口时接近所述至少一个间隙，其中所述自我意识车辆被自主地控制为在合并动作中朝向所述目标车道移动，而不越过存在于所述当前车道和所述目标车道之间的车道边界道路标记。
15.根据权利要求10所述的系统，所述系统还包括：确定在所述自我意识车辆使用所述至少一个间隙并入所述目标车道的情况下所述自我意识车辆的路径和在所述目标车道内行驶的所述跟随的相邻车辆的路径之间是否存在潜在重叠。
16.根据权利要求15所述的系统，其中，确定与所述驾驶员的所述意图相关联的所述概率值包括：确定存在所述潜在重叠，其中执行驾驶员意图模型以输出所述概率值，其中确定所述概率值是否满足或超出与所述驾驶员让路的所述意图相关联的意图阈值。
17.根据权利要求16所述的系统，其中，控制所述自我意识车辆继续在所述当前车道内行驶或自主地从当前车道合并到所述目标车道包括：在所述概率值不满足所述意图阈值的情况下，控制所述自我意识车辆继续在所述当前车道内行驶；以及在所述概率值满足或超出所述意图阈值的情况下，控制所述自我意识车辆自主地从当前车道合并到所述目标车道。
18.根据权利要求10所述的系统，其中，控制所述自我意识车辆包括：执行基于优化的路径规划和基于速度约束的时间规划以输出轨迹规划，其中对所述轨迹规划进行跟踪并在对应的离散时间间隔的离散点处进行采样。
19.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储指令，所述指令在由包括处理器的计算机执行时使所述处理器执行方法，所述方法包括：
接收与自我意识车辆的道路环境相关联的数据，其中所述道路环境包括道路，所述道路包括所述自我意识车辆的当前车道和所述自我意识车辆的目标车道；
进行间隙分析以确定在所述目标车道内行驶的相邻车辆之间的至少一个间隙，从而滤出供所述自我意识车辆从所述当前车道并入所述目标车道的最佳合并入口；
基于确定不存在所述最佳合并入口而确定与跟随的相邻车辆的驾驶员让路以允许所述自我意识车辆并入所述目标车道的意图相关联的概率值；以及
基于以下中的至少一者来控制所述自我意识车辆自主地继续在所述当前车道内行驶或自主地从当前车道合并到所述目标车道：是否基于所述间隙分析滤出所述最佳合并入口以及所述概率值是否指示所述驾驶员让路的意图。
20.根据权利要求19所述的非暂态计算机可读存储介质，其中，控制所述自我意识车辆包括：执行基于优化的路径规划和基于速度约束的时间规划以输出轨迹规划，其中对所述轨迹规划进行跟踪并在对应的离散时间间隔的离散点处进行采样。
CN202110851642.2A 2020-08-12 2021-07-27 基于概率的车道变更决策和运动规划系统及其方法 Active CN114074681B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063064522P 2020-08-12 2020-08-12
US63/064,522 2020-08-12
US17/018,168 2020-09-11
US17/018,168 US11608067B2 (en) 2020-08-12 2020-09-11 Probabilistic-based lane-change decision making and motion planning system and method thereof

Publications (2)

Publication Number Publication Date
CN114074681A true CN114074681A (zh) 2022-02-22
CN114074681B CN114074681B (zh) 2024-07-12

Family

ID=80223860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110851642.2A Active CN114074681B (zh) 2020-08-12 2021-07-27 基于概率的车道变更决策和运动规划系统及其方法

Country Status (2)

Country Link
US (1) US11608067B2 (zh)
CN (1) CN114074681B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6398957B2 (ja) * 2015-12-02 2018-10-03 株式会社デンソー 車両制御装置
DE102018216364B4 (de) * 2018-09-25 2020-07-09 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Unterstützen eines Spurwechselvorgangs für ein Fahrzeug
JP7369077B2 (ja) * 2020-03-31 2023-10-25 本田技研工業株式会社 車両制御装置、車両制御方法、及びプログラム
US11904890B2 (en) * 2020-06-17 2024-02-20 Baidu Usa Llc Lane change system for lanes with different speed limits
US11727797B2 (en) * 2021-10-28 2023-08-15 Toyota Motor Engineering & Manufacturing North America, Inc. Communicating a traffic condition to an upstream vehicle
US20230373471A1 (en) * 2022-05-17 2023-11-23 Ford Global Technologies, Llc Obstacle avoidance for vehicle
US11491987B1 (en) * 2022-06-22 2022-11-08 Embark Trucks Inc. Merge handling based on merge intentions over time
DE102022117986A1 (de) 2022-07-19 2024-01-25 Valeo Schalter Und Sensoren Gmbh Führen eines Fahrzeugs in Abhängigkeit von einer Intention zum Vorfahrt gewähren eines Verkehrsteilnehmers
CN115476857B (zh) * 2022-08-26 2023-08-04 桂林电子科技大学 一种基于自然驾驶数据控制换挡的方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090222170A1 (en) * 2005-05-27 2009-09-03 Michael Scherl Lane maintenance assistant for motor vehicles
CN104870288A (zh) * 2012-11-06 2015-08-26 谷歌公司 辅助自主车辆行驶经过车道合并的方法和系统
CN106314419A (zh) * 2015-07-01 2017-01-11 丰田自动车株式会社 自动驾驶控制装置
JP2017217969A (ja) * 2016-06-06 2017-12-14 本田技研工業株式会社 車両及びレーン変更タイミング判定方法
US20180170388A1 (en) * 2016-12-16 2018-06-21 Hyundai Motor Company Apparatus and method for controlling autonomous driving of vehicle
CN108995644A (zh) * 2017-06-06 2018-12-14 丰田自动车株式会社 转向辅助系统
CN109426256A (zh) * 2017-09-05 2019-03-05 百度（美国）有限责任公司 自动驾驶车辆的基于驾驶员意图的车道辅助系统
US20190367022A1 (en) * 2018-05-31 2019-12-05 Nissan North America, Inc. Predicting Yield Behaviors
CN110834644A (zh) * 2019-10-30 2020-02-25 中国第一汽车股份有限公司 一种车辆控制方法、装置、待控制车辆及存储介质

Family Cites Families (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100209881A1 (en) * 2009-02-18 2010-08-19 Gm Global Technology Operations, Inc. Driving skill recognition based on behavioral diagnosis
US8788134B1 (en) * 2013-01-04 2014-07-22 GM Global Technology Operations LLC Autonomous driving merge management system
JP2014193691A (ja) * 2013-03-29 2014-10-09 Hitachi Automotive Systems Ltd 車両の運動制御装置
US9738280B2 (en) * 2013-10-03 2017-08-22 Robert Bosch Gmbh Adaptive cruise control with on-ramp detection
EP2990991A1 (en) * 2014-08-29 2016-03-02 Honda Research Institute Europe GmbH Method and system for using global scene context for adaptive prediction and corresponding program, and vehicle equipped with such system
US9868443B2 (en) * 2015-04-27 2018-01-16 GM Global Technology Operations LLC Reactive path planning for autonomous driving
US9475491B1 (en) * 2015-06-08 2016-10-25 Toyota Motor Engineering & Manufacturing North America, Inc. Lane changing for autonomous vehicles
US9511767B1 (en) * 2015-07-01 2016-12-06 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle action planning using behavior prediction
US9934688B2 (en) * 2015-07-31 2018-04-03 Ford Global Technologies, Llc Vehicle trajectory determination
CN108431549B (zh) * 2016-01-05 2020-09-04 御眼视觉技术有限公司 具有施加的约束的经训练的系统
US10081357B2 (en) * 2016-06-23 2018-09-25 Honda Motor Co., Ltd. Vehicular communications network and methods of use and manufacture thereof
US10286913B2 (en) * 2016-06-23 2019-05-14 Honda Motor Co., Ltd. System and method for merge assist using vehicular communication
US10332403B2 (en) * 2017-01-04 2019-06-25 Honda Motor Co., Ltd. System and method for vehicle congestion estimation
US10369994B2 (en) * 2016-07-20 2019-08-06 Ford Global Technologies, Llc Rear camera stub detection
US10062288B2 (en) * 2016-07-29 2018-08-28 GM Global Technology Operations LLC Systems and methods for autonomous driving merging management
BR112019002546B1 (pt) * 2016-08-08 2023-01-17 Nissan Motor Co., Ltd Método de controle e dispositivo de controle de veículo de direção automática
US11423783B2 (en) * 2016-08-30 2022-08-23 Hyundai Motor Company Apparatus and method for implementing LCDAS
US10545029B2 (en) * 2016-12-30 2020-01-28 DeepMap Inc. Lane network construction using high definition maps for autonomous vehicles
EP3548845B1 (en) * 2017-01-12 2021-10-13 Mobileye Vision Technologies Ltd. Navigation based on vehicle activity
EP3580620B1 (en) * 2017-02-10 2023-09-06 Nissan North America, Inc. Autonomous vehicle operational management control
KR102646644B1 (ko) * 2017-03-01 2024-03-13 모빌아이 비젼 테크놀로지스 엘티디. 감지 불확실성이 있는 항법을 위한 시스템 및 방법
US10338594B2 (en) * 2017-03-13 2019-07-02 Nio Usa, Inc. Navigation of autonomous vehicles to enhance safety under one or more fault conditions
US10250611B2 (en) * 2017-03-14 2019-04-02 Allstate Insurance Company Authenticating drivers
US11142246B2 (en) * 2017-04-12 2021-10-12 Toyota Jidosha Kabushiki Kaisha Lane change assist apparatus for vehicle
US20190061765A1 (en) * 2017-08-23 2019-02-28 Uber Technologies, Inc. Systems and Methods for Performing Lane Changes Around Obstacles
US10953880B2 (en) * 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
US10730521B2 (en) * 2017-12-21 2020-08-04 Denso International America, Inc. System for autonomous lane merging
US11117584B2 (en) * 2018-04-27 2021-09-14 Honda Motor Co., Ltd. Merge behavior systems and methods for mainline vehicles
US11572099B2 (en) * 2018-04-27 2023-02-07 Honda Motor Co., Ltd. Merge behavior systems and methods for merging vehicles
US11120688B2 (en) * 2018-06-29 2021-09-14 Nissan North America, Inc. Orientation-adjust actions for autonomous vehicle operational management
CN111433095A (zh) * 2018-10-26 2020-07-17 深圳市大疆创新科技有限公司 自动化车辆动作以及相关的系统和方法
US10940863B2 (en) * 2018-11-01 2021-03-09 GM Global Technology Operations LLC Spatial and temporal attention-based deep reinforcement learning of hierarchical lane-change policies for controlling an autonomous vehicle
US10850739B2 (en) * 2018-12-31 2020-12-01 Sf Motors, Inc. Automatic lane change with lane-biased strategy
US20200216064A1 (en) * 2019-01-08 2020-07-09 Aptiv Technologies Limited Classifying perceived objects based on activity
US11167795B2 (en) * 2019-03-27 2021-11-09 Mitsubishi Electric Research Laboratories, Inc. Method and system for determining driver intention in semi-autonomous vehicle steering
CN114364591A (zh) * 2019-06-06 2022-04-15 移动眼视觉科技有限公司 用于交通工具导航系统和方法
US11242054B2 (en) * 2019-06-12 2022-02-08 Honda Motor Co., Ltd. Autonomous vehicle interactive decision making
US11608083B2 (en) * 2019-09-18 2023-03-21 Honda Motor Co., Ltd. System and method for providing cooperation-aware lane change control in dense traffic
WO2021061430A1 (en) * 2019-09-24 2021-04-01 Apple Inc. Systems and methods for hedging for different gaps in an interaction zone
US11414130B2 (en) * 2019-10-09 2022-08-16 Argo AI, LLC Methods and systems for lane changes using a multi-corridor representation of local route regions
US11420630B2 (en) * 2019-10-24 2022-08-23 Zoox, Inc. Trajectory modifications based on a collision zone
JP7120260B2 (ja) * 2020-01-30 2022-08-17 トヨタ自動車株式会社 車両制御装置
US11801867B2 (en) * 2020-03-30 2023-10-31 Honda Motor Co., Ltd. Vehicle control device and vehicle control method
US11810364B2 (en) * 2020-08-10 2023-11-07 Volvo Car Corporation Automated road damage detection
US12050273B2 (en) * 2020-10-23 2024-07-30 Ford Global Technologies, Llc Systems and methods for camera-LiDAR fused object detection with point pruning
JP6936380B1 (ja) * 2020-12-28 2021-09-15 本田技研工業株式会社 車両制御システム、および車両制御方法
US20220227390A1 (en) * 2021-01-15 2022-07-21 Tusimple, Inc. Proactive lane change for autonomous vehicles

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090222170A1 (en) * 2005-05-27 2009-09-03 Michael Scherl Lane maintenance assistant for motor vehicles
CN104870288A (zh) * 2012-11-06 2015-08-26 谷歌公司 辅助自主车辆行驶经过车道合并的方法和系统
CN106314419A (zh) * 2015-07-01 2017-01-11 丰田自动车株式会社 自动驾驶控制装置
JP2017217969A (ja) * 2016-06-06 2017-12-14 本田技研工業株式会社 車両及びレーン変更タイミング判定方法
US20180170388A1 (en) * 2016-12-16 2018-06-21 Hyundai Motor Company Apparatus and method for controlling autonomous driving of vehicle
CN108995644A (zh) * 2017-06-06 2018-12-14 丰田自动车株式会社 转向辅助系统
CN109426256A (zh) * 2017-09-05 2019-03-05 百度（美国）有限责任公司 自动驾驶车辆的基于驾驶员意图的车道辅助系统
US20190367022A1 (en) * 2018-05-31 2019-12-05 Nissan North America, Inc. Predicting Yield Behaviors
CN110834644A (zh) * 2019-10-30 2020-02-25 中国第一汽车股份有限公司 一种车辆控制方法、装置、待控制车辆及存储介质

Also Published As

Publication number Publication date
CN114074681B (zh) 2024-07-12
US20220048513A1 (en) 2022-02-17
US11608067B2 (en) 2023-03-21

Similar Documents

Publication Publication Date Title
CN114074681B (zh) 基于概率的车道变更决策和运动规划系统及其方法
JP7113048B2 (ja) 混雑した道路における協働認識車線変更制御を提供するためのシステム及び方法
US11225249B2 (en) Vehicle control device, vehicle control method, and storage medium
CN107848531B (zh) 车辆控制装置、车辆控制方法及存储车辆控制程序的介质
JP6745294B2 (ja) 車両制御装置、車両制御方法、及びプログラム
US11256260B2 (en) Generating trajectories for autonomous vehicles
US11170651B2 (en) Vehicle control device, vehicle control method, and storage medium
US20210300348A1 (en) Vehicle control device, vehicle control method, and storage medium
CN110895674A (zh) 用于基于自我中心视觉的未来车辆定位的系统和方法
WO2017159493A1 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
US11188766B2 (en) System and method for providing context aware road-user importance estimation
JP6641583B2 (ja) 車両制御装置、車両制御方法、およびプログラム
JP2019159426A (ja) 車両制御装置、車両制御方法、およびプログラム
JP7313298B2 (ja) 車両制御装置、車両制御方法、およびプログラム
JP2019185112A (ja) 車両制御装置、車両制御方法、およびプログラム
US11498591B2 (en) System and method for providing adaptive trust calibration in driving automation
CN113525413B (zh) 车辆控制装置、车辆控制方法及存储介质
CN116745195A (zh) 车道外安全驾驶的方法和系统
JP2021160532A (ja) 車両制御装置、車両制御方法、及びプログラム
CN113460083B (zh) 车辆控制装置、车辆控制方法及存储介质
CN113460079B (zh) 车辆控制装置、车辆控制方法及存储介质
JP7080091B2 (ja) 車両制御装置、車両制御方法、およびプログラム
JP6648384B2 (ja) 車両制御装置、車両制御方法、およびプログラム
US11216001B2 (en) System and method for outputting vehicle dynamic controls using deep neural networks
JP7483419B2 (ja) 走行支援方法及び走行支援装置

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