CN114269618A - 转弯前用于并入的车道处理 - Google Patents
转弯前用于并入的车道处理 Download PDFInfo
- Publication number
- CN114269618A CN114269618A CN202080058506.1A CN202080058506A CN114269618A CN 114269618 A CN114269618 A CN 114269618A CN 202080058506 A CN202080058506 A CN 202080058506A CN 114269618 A CN114269618 A CN 114269618A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- determining
- merge
- systems
- 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
- 238000000034 method Methods 0.000 claims description 106
- 230000009471 action Effects 0.000 claims description 84
- 238000004458 analytical method Methods 0.000 claims description 39
- 230000004044 response Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 6
- 239000000725 suspension Substances 0.000 description 27
- 230000008569 process Effects 0.000 description 24
- 238000012545 processing Methods 0.000 description 24
- 230000033001 locomotion Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 17
- 230000015654 memory Effects 0.000 description 17
- 230000008447 perception Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000012549 training Methods 0.000 description 10
- 230000007704 transition Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000010348 incorporation Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000009466 transformation Effects 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
- B60W30/18—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
- 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
- B60W30/18145—Cornering
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
-
- 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
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本文描述的技术涉及车道处理,例如使车辆能够在不与其他车道上即将到来的车辆和/或自行车碰撞的情况下进行转弯。与车辆相关联的一个或多个系统可以访问与车辆定位于第一车道中所处于其内的环境相关联的传感器数据和/或地图数据。一个或多个系统可以确定车辆将执行转弯以及第二车道与转弯相关联的起点或与第二车道相关联的并入区域。一个或多个系统可以确定车辆相对于第二车道的起点或与第二车道相关联的并入区域的位置,并且可以部分地基于该位置使车辆在执行转弯之前并入第二车道中。
Description
相关申请的交叉引用
本PCT国际申请要求于2019年8月20日提交的美国申请号16/546,224和于2019年8月20日提交的美国申请号16/546,241的优先权,两者均通过引用并入本申请。
背景技术
自主车辆通常包括用于捕获环境的传感器数据的感知系统。感知系统允许自主车辆感知环境中的对象。此外,自主车辆通常包括规划系统以规划用于控制自主车辆通过环境的路线。这种规划系统可以考虑自主车辆在环境中遇到的各种场景来规划路线,例如多个交通车道、路口、停车车道、自行车道等。
附图说明
参考附图来描述详细描述。在附图中,附图标记的最左侧一个或多个数字标识该附图标记首次出现的附图。在不同的附图中使用相同的附图标记表示相似或相同的部件或特征。
图1示出了执行如本文所述的车道处理技术的车辆的示例。
图2图示了执行如本文所述的车道处理技术的车辆的另一个示例。
图3图示了执行如本文所述的车道处理技术的车辆的又一个示例。
图4示出了执行与如本文所述的车道处理技术相关联的中止动作的车辆的示例。
图5示出了执行与如本文所述的车道处理技术相关联的中止动作的车辆的另一个示例。
图6示出了如本文所述地至少部分地基于指示车道中存在车辆的信号对车辆进行分类的示例。
图7是示出了用于执行如本文所述的技术的示例系统的框图。
图8示出了如本文所述地用于至少部分地基于指示车道中存在车辆的信号来确定车辆分类的示例过程。
图9示出了如本文所述地用于使用车辆分类来执行车道处理技术的示例过程。
图10示出了用于执行如本文所述的车道处理技术的示例过程。
图11示出了用于执行如本文所述的车道处理技术的另一个示例过程。
具体实施方式
本文描述的技术涉及由车辆执行车道处理技术以控制环境中的车辆。在一个示例中,车辆可以与需要车辆执行与路口相关联的转弯的驾驶任务相关联。在一些示例中,转弯车道可以处于路口之前使得车辆在执行转弯之前并入转弯车道。在至少一个示例中,转弯车道可以与自行车道相关联。在这种示例中,车辆将在执行转弯之前并入自行车道。如上所述,本文所述的技术使车辆能够在路口处执行转弯之前并入(或以其他方式机动)进入转弯车道,同时确保这种车道中的任何对象(车辆、自行车等)的安全。
在至少一个示例中,车辆可以在生成指令以执行用于控制车辆并入转弯车道并在路口处执行转弯的动作之前考虑一个或多个先决条件。如下所述,这种先决条件可以包括确定是否存在在车辆的驾驶任务中即将到来的路口的指示、确定是否存在与路口相关联以有利于在路口处转弯的第二车道的指示、确定驾驶任务是否包括在路口处转弯、确定车辆是否可以并入第二车道(例如,是否存在有效动作轨迹,没有阻碍等)等。可以考虑车辆的状态、车辆的驾驶任务和/或一个或多个地图来评估这种先决条件,这些地图可以是建模为二维、2.5维、三维或N维的任意数量数据结构,其能够提供有关环境的信息,例如但不限于拓扑(例如路口、车道、并入区域等)、街道、山脉、道路、地形以及一般环境,N可以是大于或等于1的任何数字。
在一些示例中,车辆可以在执行动作之前和/或在动作期间确定当前车道(和/或当前车道左侧和/或右侧的相邻车道)的分类。这种分类可以表示车辆相对于当前车道(或正在为其确定分类的另一车道)的状态。这种分类可以基于确定信号来确定,该确定信号可以指示车辆(或其他对象,例如自行车)存在于当前车道(或正在为其确定分类的另一车道)中。在至少一个示例中,这种信号可以至少部分地基于车辆的前保险杠的位置、与车辆相关联的边界框相对于车道的车道参考的尺寸、与车辆相关联的边界框的面积、车道中被车辆占据的第一宽度与车道中未被占据的第二宽度的比率等来确定。在至少一个示例中,车辆可以将当前车道分类为确立车道、占据车道或未占据车道。确立车道是其中车辆的占据该车道的部分足以使车辆在该车道中具有优先权和/或通行权的车道。占据车道是车辆的任何部分(或与其相关联的边界框)位于车道中的车道。未占据车道是没有被车辆的任何部分(或与其相关联的边界框)所占据的车道。这种分类可用于确定车辆在执行动作之前和/或在执行动作期间要执行什么操作。例如,车辆可以执行切入分析(例如,以确定另一对象是否在目标车道中和/或车辆的预期动作是否被预测对另一对象产生负面影响),直到确定车辆已被确立于目标车道中。其他细节和示例如下所述。
本文描述的技术实现了灵活车道处理,以使得车辆能够导航复杂场景和独特车道几何形状。现有技术仅限于两种车道分类(例如,主要和次要)。然而,本文描述的技术使得车辆能够分类两种或更多种车道,例如,当车辆占据多于两条车道时。此外,本文描述的技术使得车辆能够更好地理解具有各种宽度的车道和/或不同类型的车道(例如,驾驶车道、自行车道、公共汽车和/或出租车车道、停车车道等)。例如,本文描述的技术实现了灵活车道处理,以使得车辆能够在路口处执行转弯之前导航并入转弯车道和/或自行车道。类似地,本文描述的技术实现了灵活车道处理,以使得车辆能够导航场景,例如略微挪入车道以避免另一车辆从相反侧挪入其车道等。因此,本文描述的技术在控制车辆(例如如下所述的自主车辆)中提供改进的导航和安全性。
本文描述的技术可以以多种方式实现。下面参考以下附图提供示例实施方式。在自主车辆的背景下讨论了示例实施方式;然而,本文描述的方法、设备和系统可以应用于各种系统(例如,传感器系统或机器人平台),并且不限于自主车辆。在一个示例中,本文描述的技术可以用于驾驶员控制车辆中,其中这种系统可以向车辆的驾驶员提供执行各种机动是否安全的指示。在另一个示例中,这些技术可以在航空或航海环境、机器人制造或仓储场景中使用,或者在涉及可能与系统未知的行为相关联的对象的任何系统中使用。此外,本文描述的技术可以与真实数据(例如,使用一个或多个传感器捕获的)、模拟数据(例如,由模拟器生成)或两者的任何组合一起使用。
图1示出了执行如本文所述的车道处理技术的车辆的示例。图1描绘了环境100的一部分,车辆102定位于该部分中。在至少一个示例中,车辆102可以是自主车辆,其被构造为根据美国国家公路交通安全管理局发布的5级分类进行操作,该分类描述了一种能够在驾驶员(或乘员)在任何时候都不会被期望控制车辆的情况下在整个行程中执行所有安全关键功能的车辆。在这种示例中,由于车辆102可以被构造为控制从启动到停止的所有功能,包括所有停车功能,所以其可以是未占据的。这仅是示例,并且本文描述的系统和方法可以并入到任何地面、空中或水上交通工具中,包括从需要始终由驾驶员手动控制的交通工具到部分或完全自主控制的交通工具。即,在图示的示例中,车辆102是自主车辆;然而,车辆102可以是任何其他类型的车辆。
环境100包括路口104,两条或多条道路在该路口处联接。在至少一个示例中,道路中的一条可以与驾驶车道106和自行车道108相关联。驾驶车道106可以是车辆102可以在其中行驶的车道。自行车道108可以是脚踏车(例如,自行车、骑车者等)可以在其中行驶的车道。在一些示例中,路口之前的自行车道可以包括断续车道边界、车道标记或指示允许车辆在这种路口完成转弯时至少部分并入自行车道以执行转弯的其他指示符(以下称为“指示符”)。在环境100中,自行车道108包括指示接近路口104的车辆将至少部分地并入自行车道108以执行转弯的指示符110。尽管在图1中被示为显式指示符110,但在替代示例中,自行车道108可以不与显式指示符相关联,而是可以推断自行车道108和/或并入区域112的存在。例如,在至少一个示例中,车辆102可以检测自行车道108中的参考线的起点并且因此可以确定车辆102应该在路口104处转弯之前并入自行车道108。
在至少一个示例中,驾驶车道、自行车道和环境100的其他方面可以与地图相关联。如上所述,地图可以是能够提供关于环境的信息的任意数量数据结构,例如但不限于拓扑(例如路口、车道、并入区等)、街道、山脉、道路、地形和一般环境。地图可以与真实环境或模拟环境相关联。
在至少一个示例中,车辆102可以与传感器系统相关联,该传感器系统可以包括光探测和测距(LIDAR)传感器、无线电探测和测距(RADAR)传感器、超声换能器、声音导航和测距(SONAR)传感器,位置传感器(例如,全球定位系统(GPS)、指南针等)、惯性传感器(例如,惯性测量单元、加速度计、磁力计、陀螺仪等)、相机(例如,红绿蓝(RGB)、红外(IR)、强度、深度等)、车轮编码器、麦克风、环境传感器(例如,温度传感器、湿度传感器、光传感器、压力传感器等)、飞行时间(ToF)传感器等。下文描述了与传感器系统相关的额外细节。然而,传感器系统可以生成与环境100相关联的传感器数据。
在至少一个示例中,车辆102可以包括利用如上所述的与一个或多个地图相关联的地图数据和/或从传感器系统接收的传感器数据的一个或多个系统,并且可以为车辆102生成驾驶任务。驾驶任务可以包括多个轨迹,车辆102将遵循该多个轨迹以沿着路线行驶。一个或多个系统可以向前扫描以寻找扫描视野中最近路口,车辆102将在该路口处在转弯之前并入自行车道。在至少一个示例中,一个或多个系统可以确定车辆102将在路口104处右转。此外,一个或多个系统可以确定自行车道108靠近驾驶车道106并且自行车道108与指示符110相关联,从而指示车辆102将至少部分地并入自行车道108中以执行右转。在至少一个示例中并且为了讨论的目的,自行车道108中与指示符110相关联的部分(例如,从指示符110的起点到自行车道108的终点)可以被称为“并入区域”,该并入区域在环境100中显示为并入区域112。并入区域112可以与起始114相关联,该起始114可以对应于指示符110的起始;以及与终点116相关联,该终点116可以对应于自行车道108的终点(例如,自行车道108转入路口104的位置)。当然,尽管出于说明性目的在图1中将其描绘为连续车道,但是这种自行车道108可以存在达距交叉路口有限距离,与车辆(与自行车相反)的转弯相关联,位于左侧以便左转、与停车车道相关联(与自行车道相反)、与公共汽车车道相关联(与公共汽车道相反)等。
在至少一个示例中,车辆102的一个或多个系统可以确定控制车辆102并入(例如,向右)进入自行车道108并执行右转的动作。图1包括用于控制车辆102并入(例如,向右)进入自行车道108并执行右转的动作的动作轨迹118。也就是说,动作轨迹118示出了当执行动作时车辆102可能沿其行进的轨迹。在至少一个示例中,一个或多个系统可以在确定这样的动作之前确定满足一个或多个先决条件。这种先决条件可以包括确定是否存在在车辆102的驾驶任务中即将到来的路口的指示、确定是否存在与路口相关联以便于在路口转弯的第二车道的指示、确定驾驶任务是否包括在路口处转弯、确定车辆102是否可以并入第二车道(例如,是否存在有效动作轨迹,没有阻碍等)等。
假设满足一个或多个先决条件中的每个,则一个或多个系统可以执行动作,从而控制车辆102并入(例如,向右)进入自行车道108。在至少一个示例中,执行这种动作可以通过将车辆102的参考点从第一位置转换到第二位置来启动动作。下面参考图2描述在执行右转之前与执行控制车辆102并入(例如,右转)到自行车道108中的动作相关的额外细节。如图1所示,车辆102和/或相关联的动作轨迹118可能不完全包含在自行车道108中,因此,在至少一个示例中,可以同时占据驾驶车道106的至少一部分和自行车道108的一部分。
图2图示了执行如本文所述的车道处理技术的车辆的另一个示例。图2示出了与执行控制车辆102并入(例如,向右)自行车道108并执行右转的动作相关联的额外细节。如图2所示,车辆102可以在驾驶车道106中跟踪参考200。也就是说,车辆102可以跟随参考200同时位于驾驶车道106中。在至少一个示例中,车辆102的一个或多个系统可以确定车辆102相对于并入区域112的起始114的位置。在这种示例中,一个或多个系统可以识别自行车道108作为目标车道,并且可以确定(i)自行车道108是否被另一个对象占据和/或是否存在已经确立于自行车道108中的另一对象或(ii)并入会对另一个对象产生负面影响。也就是说,一个或多个系统可以执行“切入”分析以确定车辆102并入自行车道108是否安全(例如,没有碰撞和/或没有对其他对象的不舒适制动不)。作为不适的非限制性示例,尽管能够进入车道,但并入可能导致其他对象进入车辆的阈值距离内和/或以对于其中的乘员来说不舒服的速率减速。与切入分析相关的其他详细信息如下所述。
在至少一个示例中,一个或多个系统可以识别自行车道108中的参考202。在至少一个示例中,参考202可以至少延伸并入区域112的长度。在至少一个示例中,一个或多个系统可以至少部分地基于车辆102距参考200的第一距离来确定第一成本并至少部分地基于车辆102距参考202的第二距离来确定第二成本。一个或多个系统因此可以至少部分地基于第一成本和第二成本使车辆102并入。也就是说,在至少一个示例中,至少部分地基于第一成本和第二成本,车辆102可以将车辆102的参考从参考200修改为参考202。这种修改导致车辆102从第一参考200(侧向)切换到第二参考202。然后车辆102可以在自行车道108的持续时间内跟踪(例如,跟随)参考202(例如,直到车辆102的位置被确定为与并入区域112的终点116相关联)。
至少部分地基于确定车辆102处于与并入区域112的终点116相对应的位置处,一个或多个系统可以再次将车辆102的参考从参考202修改回参考200。在这种示例中,一个或多个系统可以至少部分地基于车辆102距参考202的第一距离来确定第一成本并至少部分地基于车辆距参考200的第二距离来确定第二成本。一个或多个系统因此可以至少部分地基于第一成本和第二成本使车辆102并入。至少部分地基于一个或多个系统再次修改车辆102的参考,车辆102然后可以跟踪(例如,跟随)参考200同时进行右转。图2中显示了两个箭头以描绘参考之间的转换发生的位置。
在一些示例中,这样转换可能不会准确地发生在所描绘的位置,而是可能发生在其阈值距离内。在至少一个示例中,一个或多个系统可以包括参考平滑器以平滑如本文所述的参考之间的转换。此外,在一些示例中,这种转换可以被离散化,使得车辆102可以比图2中所示的更缓慢地从参考200转换到参考202(或返回)。也就是说,代替在并入区域112的起始114处或附近将参考200修改为参考202并在并入区域的终点116处修改回到参考200,一个或多个系统可以以更高的频率修改参考,其中在每个转换中更少的侧向移动以实现相同(或相似)的参考变化。此外,在至少一个示例中,这种转换可以是双曲线的。
在至少一个示例中,与执行动作相关联,一个或多个系统可以执行跟随操作和/或切入分析以确保自行车道108中的车辆102和骑车者的安全。例如,跟随操作负责确保车辆102跟随驾驶车道106和/或自行车道108中的其他车辆(或其他对象)同时完成动作。切入分析负责检测车辆102在执行动作时要考虑的自行车道108中的骑车者(或其他对象)。切入分析可以检查与目标车道(例如,如果车辆102在驾驶车道106中行驶,则是自行车道108)中的其他对象是否存在安全时间间隙。如果时间间隙低于阈值(与“安全”时间间隙相关联),则车辆102可以避免并入自行车道108。
图3图示了执行如本文所述的车道处理技术的车辆的又一示例。在至少一个示例中,为了有利于并入自行车道108和右转,可以由车辆102的一个或多个系统动态地定义和/或修改驾驶通道300。驾驶通道300可以定义环境100中车辆102可以行驶的部分(例如,可驾驶区域)。在至少一个示例中,车辆102的一个或多个系统可以在并入区域112的起始114处或附近将驾驶通道300的右侧扩展到自行车道108中。此外,车辆102的一个或多个系统可以使驾驶通道300的左侧逐渐变细以限制车辆102的侧向移动(例如,使得车辆102不会侧向挪回至驾驶车道106)。在至少一个示例中,锥形可以将驾驶通道300减小大约自行车道108的宽度或者减小到等于车辆102的宽度加上预定余量。在一些示例中,可以近乎实时地额外修改驾驶通道300以容纳行人(被确定为阻挡车辆102的横越或路上行人)并防止车辆102朝行人侧向移动。在至少一个示例中,在车辆102转弯之后,驾驶通道300可以在左侧扩展(例如,扩展至驾驶车道的宽度)。在转弯期间限制驾驶通道300的左侧可以减少挪动或以其他方式限制车辆102的侧向运动。在至少一个示例中,一个或多个系统可以基于至少部分地基于环境中对象的存在利用对象融合来修改驾驶通道300。参考于2018年5月17日提交的美国专利申请号15/982,694来描述与对象融合相关的额外细节,其全部内容通过引用并入本文。
图4示出了执行与如本文所述的车道处理技术相关联的中止动作的车辆的示例。在一些示例中,车辆102的一个或多个系统可以执行中止动作以控制车辆102沿着指示符110停止。在一些示例中,一个或多个系统可以考虑是否应该执行中止动作,同时一个或多个系统考虑是否应该执行在右转之前控制车辆102进行并入的动作。在图4中,由于自行车道108中存在自行车402(和/或其他对象),车辆102不能并入自行车道108并因此选择执行中止动作。
在至少一个示例中,车辆102的一个或多个系统可以确定执行中止动作,该中止动作控制车辆102沿指示符110停止。在一些示例中,车辆102的一个或多个系统可以在确定是否执行中止动作之前确定车辆102是否已确立在自行车道108中。如果车辆102已确立在自行车道108中,则车辆102的一个或多个系统可以避免执行中止动作。图4包括动作轨迹400,其示出了当执行中止动作时车辆102可能沿其行进(例如,停止)的轨迹。即,当执行时,参考图4描述的中止动作可以控制车辆102沿指示符110停止。在至少一个示例中,可以利用纵向加速度约束来控制减速(并因此试图防止导致车辆102猛踩刹车的中止动作)。
在一些示例中,一个或多个系统可以执行一个或多个其他操作以确保在中止动作期间车辆102和/或骑车者(或其他对象)的安全。例如,如上所述,一个或多个系统可以执行跟随操作和/或切入分析以确保自行车道108中的车辆102和骑车者的安全。此外,在至少一个示例中,一个或多个系统可以执行并入操作以使车辆102为道路变化做好准备。例如,一个或多个系统可以修改车辆102的纵向轮廓并且可以利用切入分析的输出来确定目标车道(例如自行车道108)中是否存在任何冲突对象。如果一个或多个系统检测到导致冲突的对象(例如,如果车辆102并入,则预计对对象产生负面影响),则一个或多个系统可以控制车辆102在对象后方减速以进行并入。在这种示例中,车辆102可以保持在车道种并且可以执行跟随操作以减速并允许对象通过。
在至少一个示例中,以上参考图3描述的驾驶通道可以与中止动作相关联地被动态修改。例如,驾驶通道的右侧可以扩展到自行车道108中,例如在并入区域112的起始114处或附近。此外,驾驶通道的左侧可以朝着自行车道108逐渐变细以限制车辆102的侧向移动。
图5示出了执行与如本文所述的车道处理技术相关联的中止动作的车辆的另一个示例。在图5中,中止动作可以控制车辆102减速而不完全停止。相反,车辆102的一个或多个系统可以使车辆102停止侧向运动并继续沿着其当前车道偏向行驶。图5包括动作轨迹500,其示出了当执行中止动作时车辆102可能沿其行进的轨迹。在图5中,由于自行车道108中存在自行车502(和/或其他对象),车辆102不能并入自行车道108并因此选择执行中止动作。
在至少一个示例中,车辆102可以在驾驶车道106的持续时间内跟踪(例如,跟随)驾驶车道106的参考200。在一些示例中,如果在车辆102侧向移动之前启动中止动作,则车辆102可以跟踪(例如,跟随)参考200,而不修改参考。然而,如果车辆102的一个或多个系统确定在车辆102侧向移动(例如,朝自行车道108挪动)时启动中止动作,则车辆102可以跟踪该偏向直到并入区域112的终点116。也就是说,在这种示例中,车辆102可以将车辆102的参考从参考200修改为另一参考(与参考200侧向偏移,但不是参考202)以使车辆102能够跟随另一个参考直到车辆102执行转弯。
在一些示例中,一个或多个系统可以执行一个或多个其他操作以确保在中止动作期间车辆102和/或骑车者(或其他对象)的安全。例如,如上所述,一个或多个系统可以执行跟随操作、切入分析和/或并入操作以确保自行车道108中的车辆102和骑车者的安全。此外,在至少一个示例中,一个或多个系统可以执行操作以安全地完成从不应从其转弯的车道的转弯。也就是说,在图5提供的示例中,如果车辆102不能并入自行车道108,其可以从驾驶车道106完成右转并横跨自行车道108(例如,车辆102应该从自行车道108而不是驾驶车道106转弯)。在这种示例中,一个或多个系统可以控制车辆102对正确转弯车道中的对象让行并在车辆安全完成转弯时(例如,当对象已经清除时)释放(例如,让行)。也就是说,虽然在图5中被示为特定中止动作,但车辆102仍然可以遵守适用于在环境100中驾驶的许可规则。
在图5中描述的示例中止动作中,可以再次动态修改驾驶通道(例如,如上文参考图3所述)以限制车辆102的横向移动。例如,车辆102的一个或多个系统可以在并入区域112的起始114处或附近将驾驶通道的右侧扩展到自行车道108中。在这种示例中,偏移可以基于侧向偏向朝车辆102收紧。在一些示例中,可以将左边界朝车辆102收紧。也就是说,可以将驾驶通道减小到车辆102的宽度,加上车辆102每一侧上的预定余量。通过使驾驶通道变窄,可以限制突然的侧向运动以避免将车辆102意外地自身确立至自行车道108中。
尽管图1-5示出了车辆102从自行车道108右转的示例,但在额外或替代示例中,车辆102可以通过实施如本文所述的技术从自行车道左转(例如,在单向路的示例中)。此外,在至少一个示例中,车辆102可以使用本文描述的技术从停车车道、公共汽车车道或其他指定车道执行转弯。此外,在额外或替代示例中,车辆102可以通过实施本文描述的技术从左转车道或右转车道执行左转或右转。也就是说,在车辆102从左转车道执行左转或从右转车道执行右转的示例中,车辆102可以将其参考从驾驶车道106修改为第二车道,但可能不需要对参考执行后续修改。也就是说,一旦车辆102已经执行了车道改变,则车辆102可能不需要为了转弯的目的而重新调整其参考(例如,可以执行车道内驾驶)。
图6示出了如本文所述的至少部分地基于指示车道中存在车辆的信号对车辆进行分类的示例。在至少一个示例中,诸如车辆600的车辆的一个或多个系统可以确定车道的分类。如上所述,这样的分类可以指示车辆600相对于特定车道的状态。这种分类可用于车道处理。车辆600可以对应于上述车辆102。
在至少一个示例中,车辆600的一个或多个系统可以确定指示车辆600存在于车辆600的环境的一个或多个车道中的信号。在至少一个示例中,信号可以是基于车辆600的部件(例如,前保险杠)的位置、与车辆600相关联的边界框(或其他指示符)相对于车道的车道参考的尺寸、与车辆相关联的边界框的面积、车道中被车辆600占据的宽度与车道中未被占据的宽度的比率等中的一个或多个的。例如,一个或多个系统可以存储车辆600的前保险杠占据多条车道的宽度和/或比例并且可以检查车辆600的前保险杠的位置。如果前保险杠跨越至多个车道中,则一个或多个系统可以确定前保险杠进入每条车道的宽度以及前保险杠在每条车道中的分数。
此外,在一些示例中,一个或多个系统可以识别和/或分类车辆600的环境内的对象。在这种示例中,一个或多个系统可以输出与在车辆600的环境中识别的对象相关联的边界框。在至少一个示例中,一个或多个系统可以存储与车辆600的边界框相关联的宽度和/或分数数据,其可以基于边界框的跨度(例如,垂直于车道参考)。在一些示例中,边界框可以占据多个车道。在这种示例中,一个或多个系统可以确定边界框进入到每个车道中的宽度以及边界框在每个车道中的跨度的分数。此外,在至少一个示例中,一个或多个系统可以存储车辆600在每条车道中的边界框面积量。
在至少一个示例中,一个或多个系统可以确定占据/未占据的车道空间。例如,一个或多个系统可以存储每条车道种由车辆600所占据的量。一个或多个系统可以利用上述宽度计算来确定每条车道中车辆600占据或未占据的部分。作为非限制性示例,一个或多个系统可以确定总未占据车道空间、总未占据分数、占据分数、各个未占据部分、各个未占据部分分数等。
至少部分地基于针对车道确定的信号,一个或多个系统可以将各个车道分类为确立车道、占据车道和/或未占据车道。在至少一个示例中,一个或多个系统可以使用信号确定车辆600的任何部分是否占据车道。如果车辆600的一部分占据车道,则车道可以与占据分类相关联。也就是说,车辆600可以占据车道。如果车辆600的任何部分都没有占据车道,则车道可以与未占据分类相关联。
在至少一个示例中,一个或多个系统可以使用信号确定车辆600中占据车道的部分是否达到或超过阈值。如果车辆600中占据车道的部分达到或超过阈值,则一个或多个系统可以确定车道由车辆600确立(以及被占据)。当车辆600确立在车道中时(例如,车道与确立分类相关联),则车辆600可以在该车道中具有确立优先权和/或通行权。如果车辆600中占据车道的部分没有达到或超过(例如,小于阈值,则一个或多个系统可以确定车道被车辆600被占据(但未确立)。
在一些示例中,车辆600中占据车道的部分可能不达到或超过阈值。然而,在一些示例中,仍然可以基于车道的未占据部分来确定车辆600已确立在车道中。例如,一个或多个系统可以确定车道的未占据部分是否未达到或超过(例如,小于)阈值(例如,指示车道中没有通过距离)。如果车道的未占据部分没有达到或超过(例如,小于)阈值,则一个或多个系统可以确定该车道被分类为确立车道。然而,如果车道的未占据部分达到或超过阈值,则系统可以确定车道被分类为占据或未占据。
在一些示例中,一个或多个系统可以使用车辆600的侧向速度来确定是否将车道分类为确立、占据或未占据。例如,如果车辆600的侧向速度达到或超过阈值,则可以比车辆600的侧向速度未达到或超过(例如,小于)阈值的情况更快地确定车道被分类为确立车道。在这种示例中,这种速度可以与对象进入特定车道的意图有关。
在图6中的第一示例602中,车辆600确立在第一车道604中并且第二车道606未被占据。即,车辆600中占据第一车道604的部分达到或超过阈值。因此,车辆600确立在第一车道604中。也就是说,第一车道604可以被分类为确立车道。另外,因为车辆600占据第一车道604的至少一部分,所以第一车道604也可以被分类为占据车道。因为第二车道606未被占据,所以第二车道606可以被分类为:未占据。
在第二示例608中,车辆600占据第一车道610和第二车道612两者的至少一部分。因此,两条车道都可以被分类为占据车道。然而,车辆600中占据第二车道612的部分超过阈值,因此第二车道612可以另外被分类为确立车道。也就是说,车辆600确立在第二车道612中。
在第三示例614中,车辆600的一部分占据第一车道616、第二车道618和第三车道620。因此,每个车道均被分类为占据车道。然而,车辆600中占据第二车道618的部分达到或超过阈值,因此第二车道618可以另外被分类为确立车道。也就是说,车辆600确立在第二车道618中。
在第四示例622中,车辆600的一部分占据第一车道624和第二车道626。因此,每条车道均被分类为占据车道。然而,车辆600中占据第一车道624和第二车道626的部分均不占据超过第一车道624或第二车道626的阈值。因此,车辆600未确立在任一车道中。因此,这两个车道都没有被分类为确立车道。
在第五示例628中,车辆600的一部分占据第一车道630、第二车道632和第三车道634,其中第三车道634是自行车道。因此,每个车道均被分类为占据车道。然而,车辆600中占据第二车道632的部分达到或超过阈值,因此第二车道632可以另外被分类为确立车道。也就是说,车辆600已确立在第二车道632中。另外,因为第三车道634中的未占据空间量没有达到或超过(例如,小于)阈值,所以车辆600可以另外确立在第三车道634中(即使车辆600中占据第三车道634的部分没有达到或超过用于确定车辆600确立第三车道634中被的阈值)。
车辆600可以在控制车辆600时使用诸如上述的分类,例如当从停车车道并入驾驶车道时(例如,当车辆600确立在驾驶车道中时,车辆600可以停止执行切入分析或使车辆600能够并入驾驶车道的其他分析)、从驾驶车道并入到转弯车道时(例如,当车辆600确立在转弯车道中时,车辆600可以停止执行切入分析或使车辆600能够并入转弯车道的其他分析)、从驾驶车道并入到自行车道时(例如,当车辆600确立在自行车道中时,车辆600可以停止执行切入分析或使车辆600能够并入自行车道的其他分析)、和/或执行本文所述的其他车道处理操作时。
图7是示出用于执行如本文所述的技术的示例系统700的框图。在至少一个示例中,车辆702(其可以对应于车辆102和/或车辆600)可以包括一个或多个车辆计算这种704、一个或多个传感器系统706、一个或多个发射器708、一个或多个通信连接710、至少一个直接连接712和一个或多个驱动系统714。如上所述,车辆702可以是构造为根据美国国家公路交通安全管理局发布的5级分类操作的自主车辆,其描述了一种在驾驶员(或乘员)在任何时候都不被期望控制车辆的情况下能够在整个行程中执行所有安全关键功能的车辆。在这种示例中,由于车辆702可以被构造为控制从启动到停止的所有功能,包括所有停车功能,所以它可以未被占用。这仅是一个示例,并且本文描述的系统和方法可以结合到任何地面、空中或水上交通工具中,包括从需要始终由驾驶员手动控制的交通工具到那些部分或完全自主控制的交通工具。即,在图示的示例中,车辆702是自主车辆;然而,车辆702可以是任何其他类型的车辆。
一个或多个车辆计算装置704可以包括一个或多个处理器716和与一个或多个处理器716通信联接的存储器718。在所示示例中,一个或多个车辆计算装置704的存储器718存储定位系统720、感知系统722、预测系统724、规划系统726以及一个或多个系统控制器728。另外,存储器718可以包括存储装置730,其可以存储一个或多个地图、一个或多个模型、信号数据(例如,指示车道中(不)存在车辆)、车道分类等。如上所述,地图可以是能够提供关于环境的信息(例如但不限于拓扑(如路口、车道、并入区域等)、街道、山脉、道路、地形和一般环境)的任意数量数据结构。地图可以与真实环境或模拟环境相关联。一个或多个模型可以包括机器训练的模型,如下所述。上面参考图6描述了信号数据和车道分类。
在至少一个示例中,定位系统720可以至少部分地基于从一个或多个传感器系统706所接收的传感器数据和/或与地图(例如,地图的)相关联的地图数据来确定车辆702相对于局部和/或全局地图的姿势(位置和方向)。在至少一个示例中,定位系统720可以包括校准系统或与校准系统相关联,校准系统能够执行操作以基本同时进行校准(确定与一个或多个传感器系统706中的任何一个或多个相关联的各种内在和外在参数)、定位和映射。与这种系统相关的额外细节在于2017年8月11日提交的美国专利申请号15/675,487(现称为美国专利公开号2019/0049242)中进行了描述,该专利与于2017年8月11日提交的美国专利申请号15/674,853(现称为美国专利公开号2019/0049566)相关联,其全部内容通过引用并入本文。
在至少一个示例中,感知系统722可以至少部分地基于从一个或多个传感器系统706接收的传感器数据来执行对象检测、分割和/或分类。在至少一个示例中,感知系统722可以接收原始传感器数据(例如,来自一个或多个传感器系统706)。在至少一个示例中,感知系统722可以接收图像数据并且可以利用一种或多种图像处理算法来针对图像数据中识别的一个或多个对象执行对象检测、分割和/或分类。在一些示例中,感知系统722可以将边界框(或者实例分割)与所识别的对象相关联,并且可以将与所识别的对象的分类相关联的置信度分数与所识别的对象相关联。在一些示例中,对象在经由显示器呈现时,可以基于其所感知的类别来着色。感知系统722可以为一种或多种其他模态(例如,LIDAR、RADAR、ToF系统等)执行类似过程。
预测系统724可以访问来自一个或多个传感器系统706的传感器数据、与地图(例如,可以在存储器730中的一个或多个地图)相关联的地图数据和/或从感知系统722输出的感知数据(例如,经处理传感器数据),并且可以输出与车辆702的环境内的一个或多个对象相关联的预测。在至少一个示例中,规划系统726可以至少部分地基于从一个或多个传感器系统706接收的传感器数据和/或由感知系统722和/或预测系统724做出的任何确定来确定用于控制车辆702的路线和/或轨迹。在至少一个示例中,规划系统726可以执行本文描述的车道分类技术。此外,规划系统726可以执行本文描述的车道处理技术。
可用的定位系统、感知系统、预测系统和/或规划系统的额外详细信息可在于2017年4月4日颁发的美国专利号9,612,123和于2019年7月16日颁发的美国专利号10,353,390中找到,两者的全部内容通过引用并入本文。在一些示例中(例如,在车辆702不是自主车辆的情况下),可以从车辆702中省略上述系统中的一个或多个。虽然上述系统被示为由车辆702“车载”,但在其他实施方式中,系统可以远程定位和/或由车辆702远程访问。此外,虽然系统在上面被描述为“系统”,但是这种系统可以包括用于执行归属于每个系统的操作的一个或多个组件。在至少一个示例中,以上参考图1-6描述的“一个或多个系统”可以包括在此参考图7描述的定位系统720、感知系统722、预测系统724和/或规划系统726中的一个或多个。
在至少一个示例中,定位系统720、感知系统722、预测系统724和/或规划系统726可以如上所述处理传感器数据并且可以通过一个或多个网络732将其相应输出发送到一个或多个计算装置734。在至少一个示例中,定位系统720、感知系统722、预测系统724和/或规划系统726可以以特定频率(在预定时间段过去之后、接近实时地等)将其相应输出发送到一个或多个计算装置734。
在至少一个示例中,一个或多个车辆计算装置704可以包括一个或多个系统控制器728,其可以被构造为控制车辆702的转向、推进、制动、安全、发射、通信和其他系统。这些一个或多个系统控制器728可以与一个或多个驱动系统714和/或车辆702的其他系统的对应系统通信和/或控制对应系统。
在至少一个示例中,一个或多个传感器系统706可以包括LIDAR传感器、RADAR传感器、超声换能器、SONAR传感器、位置传感器(例如,GPS、指南针等)、惯性传感器(例如,惯性测量单元、加速度计、磁力计、陀螺仪等)、相机(如RGB、IR、强度、深度等)、车轮编码器、麦克风、环境传感器(如温度传感器、湿度传感器、光传感器、压力传感器等)、ToF传感器等。一个或多个传感器系统706可以包括这些或其他类型的传感器中的每一个的多个实例。例如,LIDAR传感器可以包括位于车辆702的拐角、前部、后部、侧面和/或顶部的各个LIDAR传感器。作为另一个示例,相机传感器可以包括定位在车辆702的外部和/或内部周围的不同位置处的多个相机。一个或多个传感器系统706可以向一个或多个车辆计算装置704提供输入。在一些示例中,一个或多个传感器系统706可以在将传感器数据发送到一个或多个车辆计算装置704之前预处理传感器数据中的至少一些。在至少一个示例中,一个或多个传感器系统706可以通过一个或多个网络732以特定频率(在预定时间段过去之后、接近实时地等)将传感器数据发送到一个或多个计算装置734。
如上所述,车辆702还可以包括用于发射光和/或声音的一个或多个发射器708。该示例中的一个或多个发射器708包括与车辆702的乘员通信的内部音频和视觉发射器。作为示例而非限制,内部发射器可以包括扬声器、灯、标志、显示屏、触摸屏、触觉发射器(例如,振动和/或力反馈)、机械致动器(例如,安全带张紧器、座椅定位器、头枕定位器等)等。该示例中的一个或多个发射器708还包括外部发射器。作为示例而非限制,该示例中的外部发射器包括用于与行人、其他驾驶员、其他附近车辆等进行视觉通信的光发射器(例如,指示灯、标志、灯阵列等),用于与行人、其他驾驶员、其他附近车辆等进行听觉通信一个或多个音频发射器(例如,扬声器、扬声器阵列、喇叭等)。在至少一个示例中,一个或多个发射器708可以定位在车辆702的外部和/或内部周围的不同位置处。
车辆702还可以包括能够在车辆702和一个或多个其他本地或远程计算装置之间进行通信的一个或多个通信连接710。例如,一个或多个通信连接710可以促进与车辆702和/或一个或多个驱动系统714上的一个或多个其他本地计算装置的通信。而且,一个或多个通信连接710可以允许车辆与其他附近的一个或多个计算装置(例如,其他附近车辆、交通信号灯等)进行通信。通信连接710还使车辆702能够与远程远程操作计算装置或其他远程服务进行通信。
一个或多个通信连接710可以包括用于将一个或多个车辆计算装置704连接到另一个计算装置或网络(例如一个或多个网络732)的物理和/或逻辑接口。例如,一个或多个通信连接710可以启用基于Wi-Fi的通信,例如经由IEEE 802.11标准定义的频率、诸如的短程无线频率,或使得相应计算装置能够与一个或多个其他计算装置接口的任何合适有线或无线通信协议。
直接连接712可以直接连接车辆702的一个或多个驱动系统714和其他系统。
在至少一个示例中,车辆702可以包括一个或多个驱动系统714。在一些示例中,车辆702可以具有单个驱动系统714。在至少一个示例中,如果车辆702具有多个驱动系统714,则各个驱动系统714可以定位在车辆702的相反端部(例如,前部和后部等)上。在至少一个示例中,一个或多个驱动系统714可以包括一个或多个传感器系统以检测车辆702的一个或多个驱动系统714和/或周围环境的状况。作为示例而非限制,一个或多个传感器系统可以包括一个或多个车轮编码器(例如,旋转编码器)用于感测驱动模块的轮子的旋转、惯性传感器(例如,惯性测量单元、加速度计、陀螺仪、磁力计等)以测量驱动模块的位置和加速度、相机或其他图像传感器、超声波传感器以声学检测驱动模块的周围环境中的对象、LIDAR传感器、RADAR传感器等。一些传感器,例如一个或多个车轮编码器,可以对一个或多个驱动系统714唯一。在一些情况下,一个或多个驱动系统714上的一个或多个传感器系统可以重叠或补充车辆702的对应系统(例如,一个或多个传感器系统706)。
一个或多个驱动系统714可以包括许多车辆系统,包括高压电池、推进车辆702的马达、将来自电池的直流电流转换成交流电流以供其他车辆系统使用的逆变器、包括转向马达和转向齿条(可以是电动的)的转向系统、包括液压或电动致动器的制动系统、包括液压和/或气动部件的悬架系统、用于分配制动力以减轻牵引力损失和保持控制的稳定性控制系统、HVAC系统、照明(例如,诸如头灯/尾灯以照亮车辆的外部环境的照明)、以及一个或多个其他系统(例如,冷却系统、安全系统、车载充电系统、其他电气部件(例如DC/DC转换器、高压接头、高压电缆、充电系统、充电端口等))。此外,一个或多个驱动系统714可以包括驱动模块控制器,该驱动模块控制器可以接收和预处理来自一个或多个传感器系统的数据并控制各种车辆系统的操作。在一些示例中,驱动模块控制器可以包括一个或多个处理器以及与一个或多个处理器通信联接的存储器。存储器可以存储一个或多个模块以执行一个或多个驱动系统714的各种功能。此外,一个或多个驱动系统714还包括一个或多个通信连接,该一个或多个通信连接使得能够通过相应驱动模块与其他一个或多个本地或远程计算装置通信。
在图7中,一个或多个车辆计算装置704、一个或多个传感器系统706、一个或多个发射器708以及一个或多个通信连接710示出为车载于车辆702上。然而,在一些示例中,一个或多个车辆计算装置704、一个或多个传感器系统706、一个或多个发射器708以及一个或多个通信连接710可以实现于实际车辆之外(即,未车载于车辆702上)。
如上所述,车辆702可以经由一个或多个网络732将传感器数据发送至一个或多个计算装置734。在一些示例中,车辆702可以向一个或多个计算装置734发送原始传感器数据。在其他示例中,车辆702可以将经处理传感器数据和/或传感器数据的表示(例如,输出自定位系统720、感知系统722、预测系统724和/或规划系统726的数据)发送到一个或多个计算装置734。在一些示例中,车辆702可以以特定频率(在预定时间段过去之后、接近实时地等)将传感器数据发送到一个或多个计算装置734。
一个或多个计算装置734可以接收来自车辆702和/或其他数据收集装置(其可以包括如702的其他车辆)的传感器数据(原始的或经处理的),以及来自一个或多个第三方源和/或系统的数据。在至少一个示例中,一个或多个计算装置734可以包括一个或多个处理器736以及与一个或多个处理器736通信联接的存储器738。在所示示例中,一个或多个计算装置734的存储器738存储训练系统740、地图存储742(例如,存储一个或多个地图)、训练数据存储744(例如,存储训练系统740可访问的训练数据)和模型存储746(例如,由训练系统740输出的模型)。在一些示例中,系统和/或存储库中的一个或多个可以与车辆702相关联,而不与一个或多个计算装置734的存储器738相关联或者除了与一个或多个计算装置734的存储器738相关联之外。
在至少一个示例中,训练系统740可以训练一个或多个数据模型,其可以用于如本文所述的各种操作。例如,用于训练一个或多个机器学习模型的机器学习算法可以包括但不限于回归算法(例如,普通最小二乘回归(OLSR)、线性回归、逻辑回归、逐步回归、多元自适应回归样条(MARS)、局部估计散点图平滑(LOESS))、基于示例的算法(例如,岭回归、最小绝对收缩和选择算子(LASSO)、弹性网、最小角度回归(LARS))、决策树算法(例如,分类和回归树(CART)、迭代二分法7(ID7)、卡方自动交互检测(CHAID)、决策桩、条件决策树)、贝叶斯算法(例如,朴素贝叶斯、高斯朴素贝叶斯、多项朴素贝叶斯、平均单项估计器(AODE)、贝叶斯信念网络(BNN)、贝叶斯网络)、聚类算法(例如,k均值、k中值、期望最大化(EM)、分层聚类)、关联规则学习算法(例如,感知算法、反向传播、Hopfield网络、径向基函数网络(RBFN))、深度学习算法(例如,深度玻尔兹曼机(DBM)、其他深度信念网络(DBN)、人工神经网络(ANN)、堆叠自动编码器)、降维算法(例如,主成分分析(PCA)、主成分回归(PCR)、偏最小二乘回归(PLSR)、Sammon映射、多维标度(MDS)、投影追踪、线性判别分析(LDA)、混合判别分析(MDA)、二次判别分析(QDA)、灵活判别分析(FDA))、SVM(支持向量机)、监督学习、无监督学习、半监督学习等。
在至少一个示例中,训练系统740可以训练分类器以至少部分地基于指示车道中存在车辆的信号来对车道进行分类。例如,训练系统740可以接收指示经分类车道和相关信号的训练数据。训练系统740可以利用一种或多种机器学习算法来训练一种或多种模型以至少部分地基于信号来输出一种或多种分类。结果,如上所述,机器学习模型可以接收与车道相关联的信号并且可以输出特定车道的一种或多种分类。
一个或多个结果数据模型可以存储在模型存储746和/或车辆702上的存储730中,并且可以被感知系统722访问以检测和/或分类对象。
车辆702的一个或多个处理器716和一个或多个计算装置734的一个或多个处理器736可以是能够执行指令以处理数据并执行如本文所述的操作的任何合适的处理器。作为示例而非限制,一个或多个处理器716和736可以包括一个或多个中央处理单元(CPU)、图形处理单元(GPU)或处理电子数据以将该电子数据转换为可以存储在寄存器和/或存储器中的其他电子数据的任何其他装置或装置的一部分。在一些示例中,集成电路(例如,ASIC等)、门阵列(例如,FPGA等)和其他硬件装置也可以被认为是处理器,只要其被构造为实现编码指令即可。
存储器718和738是非暂时性计算机可读介质的示例。存储器718和738可以存储操作系统和一个或多个软件应用、指令、程序和/或数据以实现本文描述的方法以及归属于各种系统的功能。在各种实施例中,存储器可以使用任何合适的存储器技术来实现,例如静态随机存取存储器(SRAM)、同步动态RAM(SDRAM)、非易失性/闪存型存储器或能够存储信息的任何其他类型存储器。本文描述的架构、系统和各个元件可以包括许多其他逻辑、程序和物理部件,其中附图中所示的那些仅仅是与本文的讨论相关的示例。
应当注意,虽然图7被示出为分布式系统,但在可替代示例中,车辆702的系统可以与一个或多个计算装置734相关联和/或一个或多个计算装置734的系统可以与车辆702相关联。即,车辆702可以执行与一个或多个计算装置734相关联的功能中的一个或多个,且反之亦然。
图8-11是示出涉及如本文所述的技术的示例方法的流程图。为了方便和易于理解,参考图7中所示的系统700来描述图8-11中所示的方法。然而,图8-11所示的方法不限于使用系统700执行。此外,本文描述的系统700不限于执行图8-11所示的方法。
方法800-1100被示出为逻辑流程图中的框的集合,其表示可以在硬件、软件或其组合中实现的操作序列。在软件背景下,框表示存储在一个或多个计算机可读存储介质上的计算机可执行指令,当由一个或多个处理器执行时,这些指令执行所述操作。通常,计算机可执行指令包括执行特定功能或实现特定抽象数据类型的例程、程序、对象、组分、数据结构等。描述操作的顺序不旨在被解释为限制,并且可以以任何顺序和/或并行组合任何数量的所描述的框以实现这些过程。在一些实施例中,可以完全省略该过程的一个或多个框。此外,方法800-1100可以彼此整体或部分组合或与其他方法组合。
图8示出了用于至少部分地基于指示车道中存在车辆的信号来确定车辆分类的示例过程800,如本文所述。
框802示出从车辆的一个或多个传感器系统接收与车辆相关联的传感器数据。如上所述,在至少一个示例中,车辆702可以与一个或多个传感器系统706相关联。在至少一个示例中,一个或多个传感器系统706可以包括LIDAR传感器、RADAR传感器、超声换能器、SONAR传感器、位置传感器(例如,GPS、指南针等)、惯性传感器(例如,惯性测量单元、加速度计、磁力计、陀螺仪等)、相机(例如,RGB、IR、强度、深度等)、车轮编码器、麦克风、环境传感器(例如,温度传感器、湿度传感器、光传感器、压力传感器等)、ToF传感器等。在至少一个示例中,一个或多个传感器系统706可以生成与车辆702所定位于其内的环境相关联的传感器数据。
框804示出了访问与环境相关联的地图数据。如上所述,车辆702可以包括存储730,其可以存储一个或多个地图。在至少一个示例中,定位系统720可以访问一个或多个地图(和传感器数据)以至少部分地基于从一个或多个传感器系统接收的传感器数据和/或与地图(例如,一个或多个地图中的地图)相关联的地图数据来确定车辆702相对于局部和/或全局地图的姿势(位置和定向)。在至少一个示例中,可以确定车辆702与环境中的车道相关联。
框806示出了确定指示车道中存在车辆的信号。在至少一个示例中,车辆702的规划系统726可以确定车辆702的环境中的车道信号。在一些示例中,可以至少部分地基于传感器数据和/或地图数据来确定信号。如上文参考图6所述,在至少一个示例中,信号可以基于车辆702的部件(例如,前保险杠)的位置、与车辆702相关联的边界框(或其他指示符)相对于车道的车道参考的尺寸、与车辆702相关联的边界框的面积、车道中由车辆702所占据的宽度与车道中未被占据的宽度的比率(例如,分数数据)等中的一个或多个。
框808示出了确定车道是否与占据分类相关联。至少部分地基于针对车道所确定的信号,规划系统726可以将各个车道分类为确立车道、占据车道和/或未占据车道。在至少一个示例中,规划系统可以使用信号确定车辆702的任何部分是否占据车道。如果车辆702的一部分占据车道,则车道可以与占据分类相关联。如果车辆702的没有任何部分占据车道,则车道可以与未占据分类相关联,如框810所示。
框812示出了确定车道是否与确立分类相关联。在至少一个示例中,至少部分地基于确定车道与占据分类相关联,规划系统726可以确定车道是否也与确立分类相关联。在至少一个示例中,规划系统726可以使用信号确定车辆702的占据车道的部分是否达到或超过阈值。如果车辆702中占据车道的部分达到或超过阈值,则规划系统726可以确定车道由车辆702确立。也就是说,规划系统72可以将确立分类与车道相关联(以及占据分类),如框814所示。
如果车辆702中占据车道的部分未达到或超过(例如,小于)阈值,则规划系统726可以确定车道的未占据部分是否未达到或超过(例如,小于)阈值(例如,表示没有足够的空间用于通过)。如果车道的未占据部分没有达到或超过(例如,小于)阈值,则规划系统726可以确定该车道被分类为确立车道,即使车辆702中占据车道的部分未达到用于确定车辆702已确立的阈值。
在一些示例中,规划系统726可以使用车辆702的侧向速度来确定是否将车道分类为确立、占据或未占据。例如,如果车辆702的侧向速度达到或超过阈值,则可以比如果车辆702的侧向速度未达到或超过(例如,小于)阈值更快地将车道确定未被分类未确立车道。
如果车道与占据分类相关联(例如,如上文参考框808所述)但不与确立分类相关联(例如,如上文参考812所述),则如框816所示,规划系统726可以确定车道与占据分类(而不是确立分类)相关联。
框818示出将分类的指示存储在数据结构中。在至少一个示例中,分类的指示(例如,确立、占据或未占据)可以存储在数据结构中,其中指示车辆702的环境内的一个或多个其他车道的分类。该数据结构可以存储环境中与车辆702的当前位置接近的车道相关联的信息。例如,该数据结构可以存储车辆702当前所在的车道以及当前车道每一侧(例如,左侧、右侧等)的一些车道数(例如、一、二、三等)的分类指示。
框820示出了至少部分地基于数据结构来控制车辆。在至少一个示例中,车辆702的一个或多个系统可以访问数据结构以确定如何控制车辆702。例如,在至少一个示例中,如果动作(例如,并入自行车道、转弯车道等,改变车道、从停车车道并入行驶车道,围绕环境中的障碍物(例如,另一对象等)导航等)目标是车辆702所确立于的车道(例如,车道与确立分类相关联),则车辆702可以相对于车道具有优先权和/或通行权。因此,在至少一个示例中,规划系统726不需要考虑切入约束(例如,不需要执行切入分析)。然而,对于目标是车辆702所未被确立于的车道的动作(例如,车道与占据或未占据分类相关联),规划系统726可以考虑切入约束(例如,执行切入分析)。下面参考图9描述额外细节。
图9图示了用于使用车辆分类来执行如本文所述的车道处理技术的示例过程900。
框902示出了访问与车辆的环境中的车道的分类相关联的数据结构。在至少一个示例中,规划系统726可以访问上文框818中描述的数据结构。
框904示出了确定动作的目标车道是否与确立分类相关联。在至少一个示例中,规划系统726可以识别与用于控制车辆702的动作相关联的目标车道并且可以执行查找或其他搜索以确定与目标车道相关联的分类。在至少一个示例中,这种动作可以是车道改变、并入另一车道、从停车车道并入行驶车道、围绕阻碍(例如,另一对象)机动至接近车道或其他车道处理动作。如果目标车道与确立分类相关联,则规划系统726不需要执行与用于控制车辆702的动作相关联的切入分析(例如,不需要执行切入分析)。也就是说,规划系统726可以与车辆702的一个或多个其他系统通信以执行动作,如框906所示。
然而,如果目标车道与占据分类或未占据分类相关联,则规划系统726可以执行与动作相关联的切入分析(例如,执行切入分析),如框908所示。也就是说,规划系统726可以确定另一对象是否位于目标车道中和/或车辆的预期动作是否被预测为对另一对象产生负面影响。也就是说,规划系统726可以执行切入分析以确定车辆702并入目标车道是否安全(例如,没有碰撞和/或对其他对象的不舒适制动)。作为不舒适的非限制性示例,尽管能够进入车道,但并入可能导致其他对象进入车辆的阈值距离内和/或以对于其中的乘员来说不舒适的速率减速。
框910示出了确定车辆的预期动作是否对目标车道中的另一对象产生负面影响。在至少一个示例中,如果切入分析确定冲突(例如,在目标车道中存在另一个对象),并且预测车辆702的预期动作会对另一对象产生负面影响(例如,导致碰撞,导致不舒适制动等),则规划系统726可以选择替代动作(例如,中止动作)。在这种示例中,规划系统726可以生成替代动作。如果已经生成替代动作,则规划系统726可以生成执行替代动作的指令,如框912所示。在至少一个示例中,响应于确定车辆702并入第二车道被预测为对第二车道中的另一对象产生负面影响,规划系统726可以生成用于执行中止动作的指令以至少暂时防止车辆702并入第二车道。
然而,如果尚未生成替代动作,则规划系统726可以返回框904以确定动作的目标车道是否与确立分类相关联。即,在一些示例中,规划系统726可以在已经执行切入分析之后执行动作。例如,至少部分地基于执行切入分析,规划系统726可以再次检查目标车道是否与确立分类相关联(例如,(i)车辆702中占据目标车道的部分达到或超过阈值部分和/或(ii)目标车道的未占据部分是否低于(不同)阈值)。至少部分地基于确定目标车道与确立分类相关联,规划系统726可以确定车辆702可以执行动作。因此,规划系统726可以启动动作,如框906所示。在一些示例中,可以由规划系统726执行切入分析,直到车辆702已确立在目标车道中,此时,规划系统726可以终止切入分析。
图10示出了用于执行如本文所述的车道处理技术的示例过程1000。
框1002示出从车辆的一个或多个传感器系统接收与车辆相关联的传感器数据,其中车辆与车辆所定位于其内的环境的行驶表面的车道相关联。如上所述,在至少一个示例中,车辆702可以与一个或多个传感器系统706相关联,传感器系统706可以包括LIDAR传感器、RADAR传感器、超声换能器、SONAR传感器、位置传感器(例如,GPS、指南针等)、惯性传感器(例如,惯性测量单元、加速度计、磁力计、陀螺仪等)、相机(例如,RGB、IR、强度、深度等)、车轮编码器、麦克风、环境传感器(例如,温度传感器、湿度传感器、光传感器、压力传感器等)、ToF传感器等。在至少一个示例中,一个或多个传感器系统706可以生成与车辆702所定位于其内的环境相关联的传感器数据。
框1004示出了访问与环境相关联的地图数据。如上所述,车辆702可以包括存储730,其可以存储一个或多个地图。在至少一个示例中,定位系统720可以访问一个或多个地图(和传感器数据)以至少部分地基于从一个或多个传感器系统706接收的传感器数据和/或与地图(例如,一个或多个地图中的地图)相关联的地图数据来确定车辆702相对于局部和/或全局地图的姿势(位置和定向)。在至少一个示例中,可以确定车辆702与环境中的车道相关联。
框1006示出了确定是否存在在车辆的驾驶任务中即将到来的路口的指示。在至少一个示例中,规划系统726可以利用与一个或多个地图相关联的地图数据(如上所述)和/或从一个或多个传感器系统706接收的传感器数据,并且可以生成车辆702的驾驶任务(可以至少部分地基于目标目的地)。驾驶任务可以包括多个轨迹,车辆702将遵循这些轨迹沿着路线行驶。规划系统726可以向前扫描以寻找扫描范围内最近的路口。也就是说,规划系统726可以分析地图数据和/或传感器数据以确定在车辆702的驾驶任务中是否存在路口的指示。
框1008示出了确定是否存在与路口相关联以促进在路口处进行转弯的第二车道的指示。在至少一个示例中,规划系统726可以分析地图数据和/或传感器数据以确定是否存在与路口相关联的第二车道,例如右转车道、左转车道或自行车道。在至少一个示例中,规划系统726可以向前扫描以寻找设置在车辆702和路口之间的指示。如果既没有路口也没有第二车道,则车辆702可以继续驾驶任务,并且过程1000可以返回框1002。此外,如果存在路口但没有第二车道,则车辆702可以继续驾驶任务,并且过程1000可以返回框1002。
框1010示出了确定车辆的驾驶任务是否包括在路口处转弯。在至少一个示例中,规划系统726可以确定车辆702的驾驶任务是否包括在路口处转弯。如果驾驶任务不包括在路口处转弯,则车辆702可以继续车辆702的驾驶任务,并且过程1000可以返回到框1002。
框1012示出了确定车辆是否可以并入第二车道。在至少一个示例中,规划系统726可以至少部分地基于传感器数据和/或地图数据来确定车辆702是否可以在给定环境条件(例如,是否存在有效动作轨迹,无阻碍等)下并入第二车道。只要车辆702可以并入第二车道,则规划系统726就可以生成指令以执行控制车辆702在执行转弯之前并入第二车道的动作,如框1012所示,并且过程1000可以继续到图11。然而,如果车辆702不能并入第二车道,则过程1000可以返回到框1002。
在至少一个示例中,框1006-1012可以被认为是先决条件,使得如果先决条件中的任何一个失败,则车辆702可以避免并入第二车道以及在路口处执行转弯。
框1014示出了生成指令以执行控制车辆并入第二车道的动作。至少部分地基于确定存在路口、与路口相关联以有助于在路口处转弯的第二车道、驾驶任务包括在路口处转弯以及车辆702可以并入第二车道,规划系统726可以生成指令以执行控制车辆702在执行转弯之前并入第二车道的动作。
图11图示了用于执行如本文所述的车道处理技术的另一个示例过程1200。过程1200可以是上述过程1000的继续。
框1102示出了确定车辆是否已经到达第二车道的起点或与第二车道相关联的并入区域。在至少一个示例中,规划系统726可以访问地图数据和/或传感器数据以确定车辆702相对于第二车道的起点的位置。规划系统726可以确定该位置是否对应于第二车道的起点或与第二车道相关联的并入区域。在一些示例中,如上文参考图1-3所描述的,第二车道可以是自行车道,其可以与指示车辆702在执行转弯之前至少部分地并入自行车道的指示符相关联。在第二车道是左转车道或右转车道的示例中,这些车道可能不与这样的指示符相关联,而是可能在距路口一定距离处起始。在这两个示例中,规划系统726可以访问地图数据和/或传感器数据以确定车辆702相对于第二车道的起点的位置。规划系统726可以确定该位置是否对应于第二车道的起点或与第二车道相关联的并入区域。如果该位置对应于第二车道的起点或并入区域,则规划系统可以确定车辆702是否在并入第二车道之前确立,如框1104所示。如果该位置不对应于第二车道的起点或与第二车道相关联的并入区域,则规划系统726可以确定车辆702的更新位置并确定车辆702是否已经到达第二车道的起点或与第二车道相关联的并入区域。
框1104示出了确定车辆是否已确立在第二车道中。在至少一个示例中,规划系统726可以对车道进行分类,如上所述。也就是说,规划系统726可以确定与车辆702所定位于的第一车道(例如,当前车道)相关联的分类。此外,规划系统726可以确定与第二目标车道相关联的分类。如果第二车道与除确立以外任何分类相关联,则规划系统726可以执行切入分析以确定车辆702并入第二车道是否对第二车道中的另一对象产生负面影响,如框1106所示。如果第二车道与确立分类相关联,则规划系统726可以在路口处继续车辆702的驾驶任务(例如,在第二车道上行驶并转弯),如框1108所示。
框1106示出了确定车辆并入第二车道是否对第二车道中的另一对象产生负面影响。在至少一个示例中,规划系统726可以分析传感器数据以确定车辆702并入第二车道是否对另一对象(例如骑车者、另一车辆、行人等)产生负面影响。即,规划系统726可以执行切入分析以确定车辆702并入第二车道是否安全(例如,没有碰撞和/或其他对象的不舒适制动)。作为不舒适的非限制性示例,尽管能够进入车道,但并入可能导致其他对象进入车辆的阈值距离内和/或以对于其中的乘员来说不舒适的速率减速。至少部分地基于确定预测车辆702不会对其他对象产生负面影响,规划系统726可以启动控制车辆702并入第二车道并在路口处执行转弯的动作,如框1110所示。
框1110示出了启动动作。在至少一个示例中,规划系统726可以识别第二车道中的参考。在至少一个示例中,第二车道中的参考可以至少延伸并入区域的长度。在至少一个示例中,规划系统726可以至少部分地基于车辆702距与第一车道(例如,其正在行驶所处的车道)相关联的参考的第一距离来确定第一成本,以及至少部分地基于车辆702距第二车道中的参考的第二距离来确定第二成本。规划系统726因此可以至少部分地基于第一成本和第二成本使车辆702并入。也就是说,在至少一个示例中,至少部分地基于第一成本和第二成本,车辆702可以将车辆702的参考从第一车道的参考修改为第二车道的参考。这种修改使得车辆702从第一车道中的第一参考切换(侧向)到第二车道中的第二参考。车辆702然后可以在第二车道的持续时间内跟踪(例如,跟随)第二车道中的第二参考(例如,直到车辆702的位置被确定为与并入区域和/或第二车道的终点相关联)。
框1112示出了修改与车辆相关联的驾驶通道。如上所述,在至少一个示例中,为了有助于并入第二车道和转弯,可以由车辆702的规划系统726动态地定义和/或修改驾驶通道。驾驶通道可以定义环境中车辆702可以行驶的部分(例如,可驾驶区域)。在至少一个示例中,车辆702的规划系统726可以在第二车道或并入区域的起始处或附近将驾驶通道的右侧扩展到第二车道。此外,车辆702的规划系统726可以使驾驶通道的左侧逐渐变细以限制车辆702的侧向移动(例如,使得车辆702不会侧向回挪至第一车道中)。在至少一个示例中,锥形可以使驾驶通道减小大约第二车道的宽度,或者减小到等于车辆702的宽度加上预定余量的宽度。在一些示例中,还可以接近实时地修改驾驶通道,以容纳行人(被确定为阻碍车辆702的穿越或路上行人)并防止车辆702朝行人侧向行驶。在至少一个示例中,在车辆702转弯之后,驾驶通道可以在左侧扩展(例如,扩展至行驶车道的宽度)。在转弯期间限制驾驶通道的左侧可以减少挪动或以其他方式限制车辆702的侧向运动。在至少一个示例中,如上所述,规划系统726可以利用对象融合来至少部分地基于环境中对象的存在来修改驾驶通道。
框1114示出了生成指令以执行替代动作。在至少一个示例中,响应于确定车辆702并入第二车道被预测为对第二车道中的另一对象产生负面影响,规划系统726可以生成用于执行替代动作的指令,例如中止动作,以至少暂时防止车辆702并入第二车道。在一些示例中,替代动作可以使车辆702减速或加速以进入对另一个对象产生负面影响的阈值内(例如,以便不对另一对象产生负面影响)。在至少一个示例中,过程1100可以返回到框1104以(再次)确定并入第二车道的车辆是否负面地影响第二车道中的另一对象。
上面的图4和5描述了中止动作的两个示例。例如,车辆702的规划系统726可以执行中止动作(例如,与其相关联的指令)以控制车辆702例如沿着指示符或在第二车道的起点处停止。在一些示例中,规划系统726可以考虑是否应该执行中止动作,同时规划系统726考虑是否应该执行控制车辆702在右转之前并入的动作。
在至少一个示例中,车辆702的规划系统726可以确定执行中止动作(例如,与其相关联的指令),其控制车辆702停止(例如,并等待直到更合适的时间进行并入)。在一些示例中,车辆702的规划系统726可以在确定是否执行中止动作(例如,与其相关联的指令)之前确定车辆702是否确立在第二车道中。如果车辆702已确立在第二车道中,则车辆702的规划系统726可以避免执行中止动作。
在额外或替代示例中,中止动作可以控制车辆702减速但不完全停止。相反,车辆702的规划系统726可以使车辆702停止侧向运动并继续沿其当前车道偏向行驶。在至少一个示例中,车辆702可以在行驶车道的持续时间内跟踪其正在其中行驶的车道的参考。在图5中描述的中止动作中,车辆702可以保持距行驶车道参考的恒定侧向车道偏向(即车辆702可以跟踪(例如,跟随)与第一车道的参考侧向偏移但不是第二车道的参考的参考)。在一些示例中,如果在车辆702侧向移动之前启动中止动作,则车辆702可以跟踪行驶车道的参考,而不修改参考。然而,如果车辆702的规划系统726确定在车辆702侧向移动(例如,挪向第二车道)时启动中止动作,则车辆702可以跟踪该偏向(例如,与第一车道的参考偏移的参考)直到第二车道和/或与其相关联的并入区域的终点。也就是说,在这种示例中,车辆702可以将车辆702的参考从行驶车道的参考修改为另一参考,以使得车辆702能够跟随另一参考直到车辆702执行转弯。
示例条款
A.一种自主车辆,包括:一个或多个处理器;以及存储指令的计算机可读介质,所述指令在由一个或多个处理器执行时使自主车辆执行包括以下的操作:从与自主车辆相关联的传感器接收与自主车辆所定位于其内的环境相关联的传感器数据;接收与环境相关的地图数据;确定自主车辆要执行转弯;至少部分地基于传感器数据或地图数据中的至少一个来确定转弯经过设置在自主车辆所定位于的当前车道附近的自行车道,该自行车道包括指示并入区的并入区域;确定在并入区域中并入自行车道;至少部分地基于传感器数据和地图数据确定自主车辆相对于并入区域的位置;以及至少部分地基于该位置,使自主车辆在执行转弯之前并入自行车道。
B.如段落A所述的自主车辆,操作进一步包括:确定关于自主车辆的当前车道的第一参考线,当位于当前车道中时,自主车辆将跟随该第一参考线;确定至少与并入区域相关联的第二参考线,当在自行车道中时,自主车辆将跟随该第二参考线;至少部分地基于自主车辆距第一参考线的第一距离确定第一成本;以及至少部分地基于自主车辆距第二参考线的第二距离确定第二成本,其中至少部分地基于第一成本和第二成本使自主车辆并入自行车道。
C.如段落B所述的自主车辆,所述操作还包括至少部分地基于以下使自主车辆转入行驶车道:在自行车道的终点处确定自主车辆的目标车道,其中目标车道为行驶车道;确定与目标车道相关联的第三参考线,当位于目标车道中时,自主车辆将沿该第三参考线行驶;以及确定与自主车辆距第三参考线的距离相关联的第三成本,其中至少部分地基于第三成本使自主车辆转入行驶车道。
D.一种方法,包括:接收与车辆所定位于其内的环境相关联的地图数据,其中车辆位于地图数据的第一车道中;确定车辆将要执行转弯;至少部分地基于地图数据确定第二车道与转弯相关联的起点或与第二车道相关联的并入区域;至少部分地基于地图数据确定车辆相对于第二车道的起点或与第二车道相关联的并入区域的位置;以及至少部分地基于该位置使车辆在执行转弯之前并入第二车道。
E.如段落D所述的方法,其中,第二车道与自行车道相关联,并且第二车道的起点或并入区域与虚线边界相关联。
F.如段落D或E所述的方法,其中,第二车道与地图数据中指定的停车车道或公共汽车车道相关联。
G.如段落D至F中任一项所述的方法,还包括:确定与第二车道相关联的额外参考线的起点;以及至少部分地基于确定与第二车道相关联的额外参考线的存在来确定第二车道的起点或与第二车道相关联的并入区域。
H.如段落D至G中任一项所述的方法,还包括:确定与车辆所定位于其内的当前车道相关联的第一分类,其中第一分类包括占据、未占据或确立中的至少一个,该分类指示车辆是否在当前车道中以及车辆是否具有优先于当前车道中的其他对象的优先权;确定与第二车道相关联的第二分类;以及至少部分地基于第一分类和第二分类使车辆并入第二车道。
I.如段落D至H中任一项所述的方法,还包括,在使车辆并入第二车道之前,执行分析以确定(i)另一个对象是否至少占据第二车道的阈值,以及(ii)预测车辆并入第二车道是否会对另一对象产生负面影响。
J.如段落I所述的方法,还包括:确定车辆已在第二车道确立优先权;以及至少部分地基于确定车辆已在第二车道确立优先权来终止分析。
K.如段落D至J中任一项所述的方法,还包括:作为安全信号,确定(i)包括自行车或第二车辆的对象已在第二车道确立优先权或(ii)车辆并入第二车道影响该对象中的至少一个;以及响应安全信号,执行替代动作以至少暂时避免车辆并入第二车道。
L.如段落D至K中任一项所述的方法,还包括:确定关于第一车道的第一参考线,当在第一车道中时,车辆将跟随该第一参考线;确定与第二车道的至少一部分相关联的第二参考线,当在第二车道中时,车辆将跟随该第二参考线;至少部分地基于车辆距第一参考线的第一距离确定第一成本;以及至少部分地基于车辆距第二参考线的第二距离确定第二成本,其中使车辆并入第二车道至少部分地基于第一成本和第二成本。
M.如段落L所述的方法,还包括至少部分地基于以下使车辆转入第一车道中:在第二车道的终点处确定车辆的目标车道,其中目标车道为第一车道;确定与目标车道相关联的第三参考线,当在目标车道中时,车辆将沿着该第三参考线行驶;以及确定与车辆距第三参考线的距离相关联的第三成本,其中使车辆转入第一车道至少部分地基于第三成本。
N.一种或多种非暂时性计算机可读介质,其存储指令,所述指令在由一个或多个处理器执行时使车辆执行包括以下的操作:接收与车辆所定位处于的环境相关联的地图数据,其中车辆位于地图数据的第一车道中;确定车辆将要执行转弯;至少部分地基于地图数据确定第二车道与转弯相关联的起点或与第二车道相关联的并入区域;至少部分地基于地图数据确定车辆相对于第二车道的起点或与第二车道相关联的并入区域的位置;以及至少部分地基于该位置使车辆在执行转弯之前并入第二车道中。
O.如段落N所述的一种或多种非暂时性计算机可读介质,所述操作还包括:确定与车辆所定位于的当前车道相关联的第一分类,其中第一分类包括占据、未占据、或确立;确定与第二车道相关的第二分类;以及至少部分地基于第一分类和第二分类使车辆并入第二车道。
P.如段落N或O所述的一种或多种非暂时性计算机可读介质,操作进一步包括:确定关于第一车道的第一参考线,当在第一车道中时,车辆将跟随该第一参考线;确定与第二车道的至少一部分相关联的第二参考线,当在第二车道中时,该车辆将跟随该第二参考线;至少部分地基于车辆距第一参考线的第一距离确定第一成本;以及至少部分地基于车辆距第二参考线的第二距离来确定第二成本,其中至少部分地基于第一成本和第二成本使车辆并入第二车道。
Q.如段落N至P中任一项所述的一种或多种非暂时性计算机可读介质,操作进一步包括:至少部分地基于以下使车辆转入第一车道中:在第二车道的终点处确定车辆的目标车道,其中目标车道为第一车道;确定与目标车道相关联的第三参考线,当在目标车道上中时,车辆将沿该第三参考线行驶;以及确定与车辆距第三参考线的距离相关联的第三成本,其中至少部分地基于第三成本使车辆转入第一车道中。
R.如段落N至Q中任一项所述的一种或多种非暂时性计算机可读介质,操作进一步包括与(i)车辆并入第二车道或(ii)转弯中的至少一个相关联地限定或修改与车辆相关联的驾驶通道的宽度。
S.如段落R所述的一种或多种非暂时性计算机可读介质,操作进一步包括在转弯完成时至少将驾驶通道的宽度定义或修改为原始宽度。
T.如段落N至S中任一项所述的一种或多种非暂时性计算机可读介质,操作进一步包括:作为安全信号,确定(i)包括自行车或第二车辆的对象已在第二车道确立优先权或(ii)车辆并入第二车道影响该对象中的至少一个;以及响应安全信号,执行替代动作以至少暂时避免车辆并入第二车道。
U.一种自主车辆,包括:一个或多个处理器;存储指令的计算机可读介质,所述指令在由一个或多个处理器执行时使一个或多个处理器执行包括以下的操作:从与自主车辆相关联的传感器接收与自主车辆所定位于其内的环境相关联的传感器数据;接收指示环境中的车道的地图数据;至少部分地基于传感器数据或地图数据中的至少一个,确定指示车道中存在自主车辆的信号;至少部分地基于信号确定车道的分类,其中由自主车辆的至少一部分占据的任何车道均被分类为以下至少一项:占据车道,其指示自主车辆占据车道的至少一些部分;或确立车道,其指示自主车辆已在该车道中确立优先权;以及至少部分地基于车道的分类来控制自主车辆。
V.如段落U所述的自主车辆,其中,确定指示车道中存在自主车辆的信号至少部分地基于以下至少一项:自主车辆的前保险杠的位置;与自主车辆相关联的边界框相对于车道的车道参考的尺寸;与自主车辆相关联的边界框的面积;或者车道中被自主车辆所占据的第一宽度与车道中未被占据的第二宽度的比率。
W.如段落U或V所述的自主车辆,其中,确定车道的分类包括:至少部分地基于信号确定自主车辆中占据车道的部分小于阈值;以及确定该车道被分类为占据车道而不是确立车道。
X.如段落U至W中任一段所述的自主车辆,其中,确定车道的分类包括:至少部分地基于信号确定自主车辆中占据车道的部分达到或超过阈值;以及确定车道被分类为占据车道和确立车道。
Y.如段落U至X中任一段所述的自主车辆,其中,确定车道的分类包括:至少部分地基于信号确定车道的未占据部分小于阈值;以及确定车道被分类为占据车道和确立车道。
Z.如段落U至Y中任一段所述的自主车辆,其中,确定车道的分类包括:确定自主车辆朝车道的侧向速度;确定侧向速度达到或超过阈值;以及至少部分地基于达到或超过阈值的侧向速度确定车道被分类为占据车道和确立车道。
AA.一种方法,包括:通过车辆的一个或多个计算装置确定指示在车辆位于其内的环境中的可行驶表面的车道中存在车辆的信号;由车辆的一个或多个计算装置至少部分地基于信号确定车道的分类,其中由车辆的至少一部分占据的任何车道被分类为以下中的至少一项:占据车道,其指示车辆的至少一部分占据该车道;或确立车道,其指示该车辆已在该车道中确立优先权;通过车辆的一个或多个计算装置至少部分地基于车道的分类来控制车辆。
AB.如段落AA所述的方法,其中控制车辆包括:接收目标车道未被分类为确立车道的指示;以及至少部分地基于目标车道未被分类为确立车道的指示,执行与目标车道相关联的分析以确定(i)另一对象是否至少占据目标车道的阈值以及(ii)预测车辆并入目标车道是否会对其他对象产生负面影响。
AC.如段落AA或AB所述的方法,其中控制车辆包括:确定车辆左侧的的至少一条车道的第一分类或车辆右侧至少一条车道的第二分类;以及至少部分地基于第一分类或第二分类来确定用于控制车辆的动作。
AD.如段落AA至AC中任一段所述的方法,其中,车道占据基于从与车辆相关联的传感器接收的传感器数据或与环境相关联的地图数据中的至少一个。
AE.如段落AA至AD中任一段所述的方法,其中,确定指示车道中存在车辆的信号至少部分地基于以下至少一项:车辆的前保险杠的位置;与车辆相关联的边界框相对于车道的车道参考的尺寸;与车辆相关的边界框的面积;或车道中由车辆占据的第一宽度与车道中未被占据的第二宽度的比率。
AF.如段落AA至AE中任一段所述的方法,其中,确定车道的分类包括:至少部分地基于信号确定车辆中占据车道的部分小于阈值;以及确定该车道被分类为占据车道而不是确立车道。
AG.如段落AA至AF中任一段所述的方法,其中,确定车道的分类包括:至少部分地基于信号确定车辆中占据车道的部分达到或超过阈值;确定车道被分类为占据车道和确立车道。
AH.如段落AA至AG中任一段所述的方法,其中,确定车道的分类包括:至少部分地基于信号确定车道的未占据部分小于阈值;以及确定车道被分类为占据车道和确立车道。
AI.一种或多种非暂时性计算机可读介质,其存储指令,所述指令在由一个或多个处理器执行时使车辆执行包括以下的操作:通过车辆的一个或多个计算装置确定指示在车辆所位于其内的环境中的可行驶表面的车道中存在车辆的信号;通过车辆的一个或多个计算装置至少部分地基于信号确定车道的分类,其中由车辆的至少一部分占据的任何车道被分类为以下至少之一:占据车道,其指示车辆的至少一部分占据该车道;或确立车道,其指示该车辆已在该车道中确立优先权;通过车辆的一个或多个计算装置至少部分地基于车道的分类来控制车辆。
AJ.如段落AI所述的一种或多种非暂时性计算机可读介质,其中确定指示车道中存在车辆的信号至少部分地基于以下至少一项:车辆前保险杠的位置;与车辆相关联的边界框相对于车道的车道参考的尺寸;与车辆相关联的边界框的面积;或车道中被车辆占据的第一宽度与车道中未被占据的第二宽度的比率。
AK.如段落AI或AJ所述的一种或多种非暂时性计算机可读介质,其中确定车道的分类包括:至少部分地基于信号确定车辆中占据车道的部分小于阈值;以及确定该车道被分类为占据车道而不是确立车道。
AL.如段落AI-AK中任一段所述的一种或多种非暂时性计算机可读介质,其中确定车道的分类包括:至少部分地基于信号确定车辆中占据车道的部分达到或超过阈值;以及确定该车道被分类为占据车道和确立车道。
AM.如段落AI至AL中任一段所述的一种或多种非暂时性计算机可读介质,其中确定车道的分类包括:至少部分地基于信号确定车道的未占据部分小于阈值;以及确定车道被分类为占据车道和确立车道。
AN.如段落AI至AM中任一段所述的一种或多种非暂时性计算机可读介质,其中控制车辆包括:接收目标车道未被分类为确立车道的指示;以及至少部分地基于目标车道未被分类为已确立车道的指示,执行与目标车道相关联的分析以确定(i)另一对象是否至少占据目标车道的阈值以及(ii)预测车辆并入目标车道是否会对其他对象产生负面影响。
虽然上述示例条款是针对一种特定实现方式进行描述的,但应理解,在本文档的上下文中,示例条款的内容还可以通过方法、设备、系统、计算机可读介质和/或另一种实现方式。此外,示例A-AN中的任何一个可以单独实施或与示例A-AN中的任何其他一个或多个结合实施。
结论
尽管已经描述了本文描述的技术的一个或多个示例,但其各种改变、添加、排列和等价物都包括在本文描述的技术的范围内。
在示例的描述中,参考了构成其一部分的附图,这些附图通过图解的方式示出了要求保护的主题的具体示例。应当理解,可以使用其他示例并且可以进行更改或改变,例如结构改变。这样的示例、改变或变更不一定脱离关于预期要求保护的主题的范围。虽然本文中的步骤可以以特定顺序呈现,但在某些情况下,可以改变顺序以便在不同时间或以不同顺序提供某些输入,而不改变所描述的系统和方法的功能。公开的程序也可以以不同的顺序执行。另外,本文中的各种计算不需要按照所公开的顺序执行,并且可以容易地实现使用计算的替代排序的其他示例。除了重新排序之外,计算还可以分解为具有相同结果的子计算。
Claims (15)
1.一种方法,包括:
接收与车辆所定位于其内的环境相关联的地图数据,其中,所述车辆定位于所述地图数据的第一车道中;
确定所述车辆将要执行转弯;
至少部分地基于所述地图数据确定第二车道的与所述转弯相关联的起点或与所述第二车道相关联的并入区域;
至少部分地基于所述地图数据确定所述车辆相对于所述第二车道的所述起点或与所述第二车道相关联的所述并入区域的位置;以及
至少部分地基于所述位置使所述车辆在执行所述转弯之前并入所述第二车道中。
2.根据权利要求1所述的方法,其中,所述第二车道与自行车道相关联,并且所述第二车道的所述起点或所述并入区域与虚线边界相关联。
3.根据权利要求1或2所述的方法,其中,所述第二车道与所述地图数据中指定的停车车道或公共汽车车道相关联。
4.根据权利要求1至3中任一项所述的方法,还包括:
确定与所述第二车道相关联的额外参考线的起点;以及
至少部分地基于确定与所述第二车道相关联的所述额外参考线的存在来确定所述第二车道的所述起点或与所述第二车道相关联的并入区域。
5.根据权利要求1至4中任一项所述的方法,还包括:
确定与所述车辆所定位于其内的当前车道相关联的第一分类,其中,所述第一分类包括占据、未占据或确立中的至少一个,所述分类指示所述车辆是否位于所述当前车道中以及所述车辆是否具有高于所述当前车道中的其他对象的优先权;
确定与所述第二车道相关联的第二分类;以及
至少部分地基于所述第一分类和所述第二分类使所述车辆并入所述第二车道中。
6.根据权利要求1至5中任一项所述的方法,还包括,在使所述车辆并入所述第二车道之前,执行分析以确定(i)另一对象是否至少占据所述第二车道的阈值,以及(ii)预测并入所述第二车道的所述车辆是否会对其他对象产生负面影响。
7.根据权利要求6所述的方法,还包括:
确定所述车辆已在所述第二车道中确立优先权;以及
至少部分地基于确定所述车辆已在所述第二车道中确立优先权来终止所述分析。
8.根据权利要求1至7中任一项所述的方法,还包括:
作为安全信号,确定(i)包括自行车或第二车辆的对象已在所述第二车道中确立优先权或(ii)并入所述第二车道的所述车辆影响所述对象,中的至少一个;以及
响应于所述安全信号,执行替代动作以至少暂时避免所述车辆并入所述第二车道中。
9.根据权利要求1至8中任一项所述的方法,还包括:
确定关于所述第一车道的第一参考线,当位于所述第一车道中时,所述车辆将跟随所述第一参考线;
确定与所述第二车道的至少一部分相关联的第二参考线,当位于所述第二车道中时,所述车辆将跟随所述第二参考线;
至少部分地基于所述车辆距所述第一参考线的第一距离确定第一成本;以及
至少部分地基于所述车辆距所述第二参考线的第二距离确定第二成本,
其中,使所述车辆并入所述第二车道至少部分地基于所述第一成本和所述第二成本。
10.根据权利要求9所述的方法,还包括至少部分地基于以下操作使所述车辆转入所述第一车道中:
在所述第二车道的终点处确定所述车辆的目标车道,其中,所述目标车道为第一车道;
确定与所述目标车道相关联的第三参考线,当位于所述目标车道中时,所述车辆将沿着所述第三参考线行驶;以及
确定与所述车辆距所述第三参考线的距离相关联的第三成本,
其中,使所述车辆转入所述第一车道中至少部分地基于所述第三成本。
11.根据权利要求1所述的方法,还包括:
从与所述车辆相关联的传感器接收与所述车辆所定位于其内的环境相关联的传感器数据;以及
至少部分地基于所述传感器数据确定所述车辆定位于所述第一车道中。
12.根据权利要求1或11中任一项所述的方法,还包括:
确定所述第二车道与包括所述并入区域的自行车道相关联;
至少部分地基于所述地图数据或传感器数据中的至少一个来确定所述转弯通过所述第二车道;
确定在所述并入区域中并入所述第二车道,
其中,如果进一步至少部分地基于确定在所述并入区域中并入所述第二车道,则使所述车辆在执行所述转弯之前并入所述第二车道。
13.根据权利要求1至12中任一项所述的方法,所述操作还包括以下中的至少一个:与(i)所述车辆并入所述第二车道或(ii)所述转弯,中的至少一个相关联地限定或修改与所述车辆相关联的驾驶通道的宽度。
14.一种或多种非暂时性计算机可读介质,其存储指令,当由一个或多个处理器执行时,所述指令使车辆执行如权利要求1-13中任一项所述的方法。
15.一种自主车辆,包括:
一个或多个处理器;以及
存储指令的计算机可读介质,当由一个或多个处理器执行时,所述指令使所述自主车辆执行根据权利要求1-13中任一项所述的方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/546,224 US11353874B2 (en) | 2019-08-20 | 2019-08-20 | Lane handling for merge prior to turn |
US16/546,241 US11468773B2 (en) | 2019-08-20 | 2019-08-20 | Lane classification for improved vehicle handling |
US16/546,224 | 2019-08-20 | ||
US16/546,241 | 2019-08-20 | ||
PCT/US2020/047058 WO2021034969A1 (en) | 2019-08-20 | 2020-08-19 | Lane handling for merge prior to turn |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114269618A true CN114269618A (zh) | 2022-04-01 |
Family
ID=72322557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080058506.1A Pending CN114269618A (zh) | 2019-08-20 | 2020-08-19 | 转弯前用于并入的车道处理 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4018363A1 (zh) |
JP (1) | JP2022544835A (zh) |
CN (1) | CN114269618A (zh) |
WO (1) | WO2021034969A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313949B (zh) * | 2021-05-31 | 2022-03-25 | 长安大学 | 一种高速公路出口匝道客货车协同控制方法、装置和设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9630619B1 (en) | 2015-11-04 | 2017-04-25 | Zoox, Inc. | Robotic vehicle active safety systems and methods |
US10133275B1 (en) | 2017-03-01 | 2018-11-20 | Zoox, Inc. | Trajectory generation using temporal logic and tree search |
US11009875B2 (en) * | 2017-03-09 | 2021-05-18 | Waymo Llc | Preparing autonomous vehicles for turns |
US11175132B2 (en) | 2017-08-11 | 2021-11-16 | Zoox, Inc. | Sensor perturbation |
US10983199B2 (en) | 2017-08-11 | 2021-04-20 | Zoox, Inc. | Vehicle sensor calibration and localization |
-
2020
- 2020-08-19 WO PCT/US2020/047058 patent/WO2021034969A1/en unknown
- 2020-08-19 CN CN202080058506.1A patent/CN114269618A/zh active Pending
- 2020-08-19 JP JP2022511013A patent/JP2022544835A/ja active Pending
- 2020-08-19 EP EP20765156.3A patent/EP4018363A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021034969A1 (en) | 2021-02-25 |
EP4018363A1 (en) | 2022-06-29 |
JP2022544835A (ja) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7150983B2 (ja) | 車両のための衝突予測及び回避 | |
US11532167B2 (en) | State machine for obstacle avoidance | |
US11353874B2 (en) | Lane handling for merge prior to turn | |
US11450205B2 (en) | Emergency vehicle detection and response | |
US11468773B2 (en) | Lane classification for improved vehicle handling | |
US11427191B2 (en) | Obstacle avoidance action | |
US20210229656A1 (en) | Trajectory modifications based on a collision zone | |
CN114245885A (zh) | 基于动作数据的自上而下场景预测 | |
WO2021081064A1 (en) | Trajectory modifications based on a collision zone | |
CN112789481A (zh) | 对自上而下场景的轨迹预测 | |
CN112041633A (zh) | 使用蒙片进行的数据分割 | |
CN114270360A (zh) | 让步行为建模和预测 | |
WO2020180881A1 (en) | State machine for traversing junctions | |
US20210269065A1 (en) | Perpendicular cut-in detection | |
CN114072841A (zh) | 根据图像使深度精准化 | |
JP2022549832A (ja) | 粒子状物質に対する調節のプランニング | |
US11385642B2 (en) | Perpendicular cut-in training | |
US20220185289A1 (en) | Lane change gap finder | |
CN114830055A (zh) | 阻塞区域引导 | |
WO2021086781A1 (en) | Obstacle avoidance action | |
CN116670000A (zh) | 横向安全区域 | |
CN116261540A (zh) | 碰撞避免规划系统 | |
US11480962B1 (en) | Dynamic lane expansion | |
US11801864B1 (en) | Cost-based action determination | |
CN114269618A (zh) | 转弯前用于并入的车道处理 |
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 |