CN114286774A - 针对自主车辆检测潜在被遮挡对象 - Google Patents

针对自主车辆检测潜在被遮挡对象 Download PDF

Info

Publication number
CN114286774A
CN114286774A CN202080060493.1A CN202080060493A CN114286774A CN 114286774 A CN114286774 A CN 114286774A CN 202080060493 A CN202080060493 A CN 202080060493A CN 114286774 A CN114286774 A CN 114286774A
Authority
CN
China
Prior art keywords
vehicle
pedestrians
potentially
potentially occluded
crosswalk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080060493.1A
Other languages
English (en)
Inventor
J·伊格莱西亚斯
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.)
Waymo LLC
Original Assignee
Waymo LLC
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 Waymo LLC filed Critical Waymo LLC
Publication of CN114286774A publication Critical patent/CN114286774A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for 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
    • 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
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • B60W30/146—Speed limiting
    • 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
    • B60W30/18154—Approaching an intersection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/273—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion removing elements interfering with the pattern to be recognised
    • 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
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • 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
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的各方面涉及控制具有自主驾驶模式的车辆100。例如，可以确定车辆正在靠近人行横道440、442、444。可以针对人行横道识别路段1‑5的集合。可以生成潜在被遮挡行人A‑O的集合。集合中的每个潜在被遮挡行人被分配速度特性和路段。可以使用分配的速度特性随时间更新潜在被遮挡行人的集合的路段。接收来自车辆的感知系统172的传感器数据，并且可以从潜在被遮挡行人的集合移除具有与对车辆的感知系统可见的路段对应的更新的分配路段的一个或多个潜在被遮挡行人。在移除之后，该集合可以用于以自主驾驶模式控制车辆。

Description

针对自主车辆检测潜在被遮挡对象
相关申请的交叉引用
本申请是2019年8月27日提交的美国专利申请第16/552,426号的继续，其公开内容通过引用结合于此。
背景技术
自主车辆，诸如当以自主驾驶模式操作时不需要人类驾驶员的车辆，可以用于协助将乘客或物品从一个位置向另一个位置运输。自主车辆，诸如不需要人类驾驶员的车辆，可以用于协助将乘客或物品从一个位置向另一个位置运输。自主车辆的重要组件是感知系统，其允许车辆使用各种传感器(诸如相机、雷达、激光器和其他类似的设备)来感知和解释其周边环境。例如，自主车辆可以使用传感器来收集和解释关于其周围环境(例如，停放的小汽车、树木、建筑物等)的图像和传感器数据。这些车辆可以使用来自感知系统的信息来在自主车辆处于运动时做出许多决策，诸如加速、减速、停止、转弯等。
来自感知系统的信息也可以与高度详细的地图信息结合，以便允许车辆的计算机在各种环境中安全地操纵车辆。该地图信息可以描述车辆环境的预期状况，诸如道路、交通信号、以及其他对象的形状和位置。在这方面，来自感知系统的信息和详细的地图信息可以用于协助车辆的计算机做出驾驶决策，该驾驶决策涉及如何在遵守交通法规的同时操纵车辆避开道路中的其他对象。在道路中的一些对象被其他对象遮挡的地方，这可能是尤其困难的。
发明内容
本公开的各方面提供了一种控制具有自主驾驶模式的车辆的方法。该方法包括由一个或多个处理器确定车辆正在靠近人行横道；由一个或多个处理器识别人行横道的路段的集合；由一个或多个处理器生成潜在被遮挡行人的集合，该集合中的每个潜在被遮挡行人被分配了定义潜在被遮挡行人的速度(speed)的速度特性和潜在被遮挡行人的集合的分配路段；使用分配的速度特性随时间更新潜在被遮挡行人的集合的分配路段；由一个或多个处理器从车辆的感知系统接收传感器数据；由一个或多个处理器基于传感器数据识别对感知系统可见的路段的集合中的路段；由一个或多个处理器从潜在被遮挡行人的集合移除具有与识别的路段对应的更新的分配路段的一个或多个潜在被遮挡行人；以及在移除之后，由一个或多个处理器使用集合以自主驾驶模式控制车辆。
在一个示例中，确定车辆正在靠近人行横道是基于车辆的当前路线和识别人行横道的位置的地图信息的。在另一个示例中，当车辆已经到达预定距离时执行所述生成。在该示例中，预定距离对应于沿着车辆的当前路线距人行横道的距离。可替代地，预定距离对应于包括一个或多个传感器的车辆的感知系统的视场的前边缘。在另一个示例中，识别路段包括将人行横道的区域分段成预定数量的路段。在另一个示例中，识别路段包括从预存储的地图信息中检索路段。在另一个示例中，生成潜在被遮挡行人的集合包括将每个路段与具有不同速度特性的多个行人相关联。在该示例中，不同速度特性中的一个指示行人是静止的。附加地或可替代地，不同速度特性中的一个包括行人以第一速度在第一方向上朝着人行横道的第一边缘移动，以及其中，不同速度特性中的另一个包括行人以第一速度在与第一方向相反的第二方向上朝着人行横道的与第一边缘相反的第二边缘移动。在另一个示例中，基于确定一个或多个潜在被遮挡行人将会离开人行横道，从集合移除一个或多个潜在被遮挡行人。在另一个示例中，还基于与该一个或多个潜在被遮挡行人的当前路段对应的区域是否已经对感知系统可见了当一个或多个潜在被遮挡行人将会占据当前路段时接收的传感器数据的最小数量的迭代，从集合移除一个或多个潜在被遮挡行人。在另一个示例中，还基于与该一个或多个潜在被遮挡行人的当前路段对应的区域是否已经对感知系统可见了其中一个或多个潜在被遮挡行人将会占据当前路段的至少预定时间段，从集合移除一个或多个潜在被遮挡行人。在另一个示例中，还基于该一个或多个潜在被遮挡行人的当前路段是否已经由非行人对象占据了当一个或多个潜在被遮挡行人将会占据当前路段时接收的传感器数据的最小数量的迭代，从集合移除一个或多个潜在被遮挡行人。在另一示例中，使用潜在被遮挡行人的集合以自主驾驶模式控制车辆包括：基于潜在被遮挡行人的集合生成速度约束，该速度约束基于车辆距人行横道的距离来限制车辆的速度，以确保车辆能够在到达人行横道之前停止。在另一示例中，该方法还包括确定人行横道的一个或多个边缘是否被遮挡，以及基于确定人行横道的一个或多个边缘是否被遮挡，将一个或多个附加的潜在被遮挡行人添加到潜在被遮挡行人的集合中，并且其中，移除是在添加之后执行的。在该示例中，其中，当人行横道的一个或多个边缘未被遮挡时，不将一个或多个附加的潜在被遮挡行人添加到集合中。附加地或可替代地，一个或多个附加的潜在被遮挡行人中的每个被分配速度特性。在另一示例中，其中，使用潜在被遮挡行人的集合以自主驾驶模式控制车辆包括：基于潜在被遮挡行人的集合生成速度约束，该速度约束识别当靠近人行横道时车辆的最大速度限制。在该示例中，速度约束是慢区并且是基于潜在被遮挡行人的集合中的一个被遮挡行人与车辆之间的距离以及针对潜在被遮挡行人的集合中的一个被遮挡行人分配的速度特性而生成的。
附图说明
图1是根据示例性实施例的示例车辆的功能图。
图2是根据本公开的各方面的地图信息的示例。
图3是根据本公开的各方面的车辆的示例外部视图。
图4是根据本公开的各方面的对应于图2的地图信息的一段道路的示例。
图5是根据本公开的各方面的人行道的多个路段的示例表示。
图6是根据本公开的各方面的人行道的多个路段和潜在被遮挡行人的集合的示例表示。
图7是根据本公开的各方面的人行道的多个路段和潜在被遮挡行人的集合的示例表示。
图8是根据本公开的各方面的人行道的多个路段和潜在被遮挡行人的集合的示例表示。
图9是根据本公开的各方面的人行道的多个路段和潜在被遮挡行人的集合的示例表示。
图10是根据本公开的各方面的示例流程图。
具体实施方式
概述
本技术涉及检测潜在被遮挡对象，特别是那些可能位于人行横道内或接近人行横道的对象。例如，自主车辆可以在包括人行横道的道路上行驶。在许多示例中，诸如移动或停放的车辆或树木的各种对象可能导致人行横道的部分被遮挡，或者对自主车辆的传感器不是直接可见的。因此，自主车辆的计算机可以估计人行横道的路段是否可能由被遮挡对象占据，并可以使用其以控制车辆。
当车辆四处驾驶时，它可能有时靠近并最终越过人行横道。这些人行横道可以是先验已知的，即，预存储在由车辆的计算设备可访问的地图信息中。在这方面，车辆的计算设备可以确定车辆正在靠近人行横道。换言之，这个确定可能是在感知系统实际能够感知人行横道之前做出的。
一旦计算设备确定车辆正在靠近特定的人行横道，计算设备可以确定该人行横道的多个路段。这些路段可以预存储在例如地图信息中，并且与特定的人行横道相关联。可替代地，计算设备可以实时生成多个路段。
可以针对每个路段生成潜在被遮挡行人的集合。每个路段的这些潜在被遮挡行人可以被赋予不同的速度特性。该速度特性可以包括诸如被遮挡行人的潜在速度(velocity)和走向的信息。在一些更复杂的示例中，潜在被遮挡行人的速度特性可以包括改变速度或加速度的模式。
除了静止的行人之外，集合中的行人将随着时间移动到人行横道的不同路段中，并且在某些情况下可能实际上离开人行横道。因此，计算设备可以随着时间向前推进而更新路段或集合中的每个潜在被遮挡行人的位置。
随着时间向前推进，车辆的感知系统可以向计算设备提供传感器数据。传感器数据可以识别对象，诸如在人行横道中和四周以及各种其他位置的行人、骑自行车者以及车辆。此外，传感器数据可以允许计算设备识别车辆环境的哪些区域未被占据或未被遮挡。
计算设备可以使用该传感器数据来确定每个路段的集合中的任何潜在被遮挡行人是否实际上可能不存在，或者更确切地说，是否应该从集合中丢弃或移除。例如，如果路段已经可见(或感知)达最小数量的迭代或时间段并且未被检测的行人占据，则可以从集合中移除已被追踪(即更新)到该路段的任何潜在被遮挡行人。在某些情况下，因为潜在被遮挡行人可能已经离开人行横道，例如，通过穿过人行横道的边缘路段的外边缘中的一个，所以可以从集合中移除他们。类似地，如果人行横道的边缘四周的区域被遮挡，则新的潜在被遮挡行人可以作为已经进入人行横道的潜在被遮挡行人添加到集合中。同样，这些进入人行横道的行人可以被赋予如上所述的不同的速度特性。当然，如果人行横道的外边缘没有被遮挡，则不将新的潜在被遮挡行人添加到集合。
随着路段变得可见并且甚至潜在地被对象遮挡，集合中潜在被遮挡行人的数量可能改变，例如，随着添加潜在被遮挡行人而增加，并且随着移除潜在被遮挡行人而减少。同时，在确定车辆正在靠近人行横道之后，计算设备还可以确定如何使用集合中的潜在被遮挡行人来控制车辆。可替代地，对于由至少一个潜在被遮挡行人“占据”的每个路段，计算设备可以生成车辆通过人行横道的速度约束，而不是使计算设备对大量的潜在被遮挡行人作出响应。可以基于被占据的路段到车辆的距离以及被占据的路段中潜在被遮挡行人的速度来确定速度约束。然后，规划系统可以在生成车辆的未来轨迹的速度规划时使用速度约束。
本文描述的特征可以使得车辆的计算设备能够对可能被遮挡的潜在被遮挡行人作出响应，同时降低在先前被遮挡的行人出现并导致车辆必须对该行人作出响应的事件中突然操纵的可能性或必要性。此外，本文描述的处理不是计算密集型的，并且当传感器数据的更新可用时可以容易地重新计算。
示例系统
如图1所示，根据本公开的一个方面的车辆100包括各种组件。虽然本公开的某些方面与特定类型的车辆结合特别有用，但是车辆可以是任何类型的车辆，包括但不限于小汽车、卡车、摩托车、公共汽车、休闲车等。车辆可以具有一个或多个计算设备，诸如包含一个或多个处理器120、存储器130和典型地存在于通用计算设备中的其他组件的计算设备110。
存储器130存储可由一个或多个处理器120访问的信息，包括可以由处理器120执行或以其他方式使用的指令132和数据134。存储器130可以是能够存储可由处理器访问的信息的任何类型的存储器，包括计算设备可读介质，或存储可以借助电子设备而被读取的数据的其他介质，诸如硬盘驱动器、存储卡、ROM、RAM、DVD或其他光盘，以及其他可写和只读存储器。系统和方法可以包括前述的不同组合，由此指令和数据的不同部分被存储在不同类型的介质上。
指令132可以是由处理器直接(诸如机器代码)或间接(诸如脚本)执行的任何指令集。例如，指令可以作为计算设备代码被存储在计算设备可读介质上。在这方面，术语“指令”和“程序”在本文中可以互换使用。指令可以以目标代码格式存储以供处理器直接处理，或以任何其他计算设备语言(包括按需解释或预先编译的独立源代码模块的集合或脚本)存储。下面更详细地解释指令的功能、方法和例程。
处理器120可以根据指令132检索、存储或修改数据134。例如，虽然要求保护的主题不受任何特定数据结构限制，但是数据可以被存储在计算设备寄存器中、在关系数据库中作为具有多个不同字段和记录的表、XML文档或平面文件。数据还可以被格式化为任何计算设备可读格式。
一个或多个处理器120可以是任何常规处理器，诸如商用CPU或GPU。可替代地，一个或多个处理器可以是专用设备，诸如ASIC或其他基于硬件的处理器。尽管图1在功能上示出了处理器、存储器和计算设备110的其他元件在同一块内，但是本领域普通技术人员将理解，处理器、计算设备或存储器实际上可以包括多个处理器、计算设备或存储器，这些处理器、计算设备或存储器可以或可以不被存放在同一物理外壳内。例如，存储器可以是位于与计算设备110的外壳不同的外壳中的硬盘驱动器或其他存储介质。因此，对处理器或计算设备的引用将被理解为包括对可以并行操作或可以不并行操作的处理器或计算设备或存储器的集合的引用。
在一个方面，计算设备110可以是能够与车辆的各种组件通信，以便以自主驾驶模式控制车辆的自主控制系统的部分。例如，回到图1，计算设备110可以与车辆100的各种系统(诸如减速系统160、加速系统162、转向系统164、路线系统166、规划系统168、定位系统170和感知系统172)通信，以便根据存储器130的指令132以自主驾驶模式控制车辆100的移动、速度等。
作为示例，计算设备110可以与减速系统160和加速系统162交互以便控制车辆的速度。类似地，计算设备110可以使用转向系统164以便控制车辆100的方向。例如，如果车辆100被配置为在道路上使用，诸如小汽车或卡车，则转向系统可以包括控制车轮的角度以使车辆转弯的组件。
计算设备110可以使用规划系统168以便确定和遵循由路线系统166生成的到位置的路线。例如，路线系统166可以使用地图信息来确定从车辆的当前位置到送达位置的路线。规划系统168可以周期性地生成用于在未来的某个时间段内控制车辆的轨迹或短期规划，以便遵循到目的地的路线(车辆的当前路线)。在这方面，规划系统168、路线系统166和/或数据134可以存储详细的地图信息，例如识别道路、车道线、交叉路口、人行横道、速度限制、交通信号、建筑物、标志、实时交通信息、植被的形状和高度或其他这样的对象和信息的高度详细的地图。
图2是用于包括交叉路口的道路的地图信息200的高水平示例。在该示例中，地图信息200包括识别各种特征的形状和位置的多个不同特征，诸如路缘或雾线(fog line)210、212、车道线220、222、车道230、232、人行横道240、242、244和交叉路口250。地图信息200可以是上述详细地图的一部分，并且由车辆100的各种计算设备使用以便操纵车辆100。在这方面，地图信息可以包括比这里突出显示(highlight)的细节显著更多的细节。
尽管地图信息在本文中被描绘为基于图像的地图，但是地图信息不需要完全基于图像(例如，栅格(raster))。例如，地图信息可以包括诸如道路、车道、交叉路口、以及可以由道路段表示的这些特征之间的连接的信息的一个或多个道路图或图形网络。每个特征可以被存储为图形数据，并且可以与诸如地理位置以及它是否被链接到其他相关特征(例如，停止标志可以被链接到道路和交叉路口等)的信息相关联。在一些示例中，相关联的数据可以包括道路图的基于网格的索引，以允许高效查找某些道路图特征。
定位系统170可以由计算设备110使用以便确定车辆在地图上或地球上的相对或绝对位置。例如，定位系统170可以包括GPS接收器以确定设备的纬度、经度和/或海拔定位。其他位置系统，诸如基于激光的定位系统、惯性辅助GPS或基于相机的定位，也可以被用于识别车辆的位置。车辆的位置可以包括诸如纬度、经度和海拔的绝对地理位置，以及诸如相对于紧邻其四周的其他小汽车的位置的相对位置信息，其经常可以以比绝对地理位置更少的噪声来确定。
定位系统170还可以包括与计算设备110的计算设备通信的其他设备，诸如加速度计、陀螺仪或另一方向/速度检测设备，以确定车辆的方向和速度或其改变。仅作为示例，加速设备可以确定其相对于重力方向或相对于与重力方向垂直的平面的俯仰、偏航或滚转(或其改变)。设备还可以追踪速度的增加或减少以及这样的改变的方向。如本文中阐述的设备对位置和朝向数据的提供可以被自动地提供给计算设备110、其他计算设备和前述的组合。
感知系统172还包括用于检测诸如其他车辆、道路中的障碍物、交通信号、标志、树木等的车辆外部的对象的一个或多个组件。例如，感知系统172可以包括激光器、声纳、雷达、相机和/或记录可由计算设备110的计算设备处理的数据的任何其他检测设备。在车辆是诸如小型货车(minivan)的客运车辆的情况下，小型货车可以包括安装在车顶(roof)或其他方便位置的激光器或其他传感器。例如，图3是车辆100的示例外部视图。在该示例中，顶部(roof-top)外壳310和圆顶外壳312可以包括LIDAR传感器以及各种相机和雷达单元。此外，位于车辆100前端的外壳320和车辆的驾驶员侧和乘客侧上的外壳330、332可以各自存放LIDAR传感器。例如，外壳330位于驾驶员车门360的前面。车辆100还包括也位于车辆100的车顶上的雷达单元和/或相机的外壳340、342。附加的雷达单元和相机(未示出)可以位于车辆100的前端和后端处和/或沿车顶或顶部外壳310的其他位置上。图3还描绘了左转弯信号112和右转弯信号114。在该示例中，描绘了前左转弯信号112A、后左转弯信号112B和前右转弯信号114A，但后右转弯信号从图3的视角是不可见的(或不感知的)。
计算设备110能够与车辆的各种组件通信，以便根据计算设备110的存储器的主要车辆控制代码来控制车辆100的移动。例如，回到图1，计算设备110可以包括与车辆100的各种系统(诸如减速系统160、加速系统162、转向系统164、路线系统166、规划系统168、定位系统170、感知系统172和动力系统174(即车辆的引擎或马达))通信的各种计算设备，以便根据存储器130的指令132控制车辆100的移动、速度等。
车辆的各种系统可以使用自主车辆控制软件来运行以便确定控制车辆以及如何控制车辆。作为示例，感知系统172的感知系统软件模块可以使用由自主车辆的一个或多个传感器(诸如相机、LIDAR传感器、雷达单元、声纳单元等)生成的传感器数据来检测和识别对象以及它们的特性。这些特性可以包括位置、类型、走向、朝向、速度、加速度、加速度的改变、大小、形状等。在某些情况下，特性可以被输入到使用基于对象类型的各种行为模型的行为预测系统软件模块中以输出用于检测到的对象的预测的未来行为。在其他情况下，特性可以被输入到一个或多个检测系统软件模块中，诸如配置为检测已知交通信号的状态的交通灯检测系统软件模块、配置为从由车辆的一个或多个传感器生成的传感器数据中检测施工区的施工区检测系统软件模块、以及配置为从由车辆的传感器生成的传感器数据中检测紧急车辆的紧急车辆检测系统。这些检测系统软件模块中的每一个都可以使用各种模型以输出施工区或对象是紧急车辆的可能性。检测的对象、预测的未来行为、来自检测系统软件模块的各种可能性、识别车辆环境的地图信息、来自定位系统170的识别车辆的位置和朝向的定位信息、车辆的目的地以及来自车辆的各种其他系统的反馈可以被输入到规划系统168的规划系统软件模块中。规划系统可以使用该输入以基于由路线系统166的路线模块生成的车辆的当前路线来生成用于车辆在未来某短时间段遵循的轨迹。计算设备110的控制系统软件模块可以被配置为控制车辆的移动(例如通过控制车辆的制动、加速和转向)以便遵循轨迹。
计算设备110可以通过控制各种组件以自主驾驶模式控制车辆。例如，作为示例，计算设备110可以使用来自详细地图信息和规划系统168的数据完全自主地将车辆导航到目的地位置。计算设备110可以使用定位系统170来确定车辆的位置，并且使用感知系统172来检测对象并且在需要时对对象作出响应，以安全到达该位置。同样，为这样做，计算设备110可以生成轨迹并且使车辆遵循这些轨迹，例如通过使车辆加速(例如，通过由加速系统162向引擎或动力系统174供应燃料或其他能量)、减速(例如，通过减少供应给引擎或动力系统174的燃料、换档和/或由减速系统160施加制动)、改变方向(例如，通过由转向系统164转动车辆100的前轮或后轮)，并且用信号通知这样的改变(例如，通过点亮信号系统的转弯信号112或114)。因此，加速系统162和减速系统160可以是包括在车辆引擎和车辆车轮之间的各种组件的传动系统的一部分。同样，通过控制这些系统，计算设备110还可以控制车辆的传动系统以便自主地操纵车辆。
示例方法
除了上述和图中所示的操作之外，现在将描述各种操作。应当理解，以下操作不必须以下面描述的精确顺序执行。相反，可以以不同的顺序或同时处理各种步骤，并且还可以添加或省略步骤。
出于演示的目的，图4是对应于地图信息200的一段道路400的示例表示。在这方面，路缘或雾线410、412、车道线420、422、车道430、432、人行横道440、442、444和交叉路口450的形状和位置可以分别对应于路缘或雾线210、212、车道线220、222、车道230、232、人行横道240、242、244和交叉路口250的形状和位置。在该示例中，车辆100正在靠近车道430中的人行横道440。此外，感知系统172的传感器还可以感知车辆460(也正在靠近在车道430中的人行横道440)和车辆470(正在移动远离车道432中的人行横道440)。这些车辆460、470可以阻止感知系统172的传感器感知人行横道440的所有区域。
图10是根据本公开的各方面的示例流程图1000，其可以由一个或多个计算设备的一个或多个处理器执行，诸如计算设备110的处理器120，以便操纵具有自主驾驶模式的车辆。如框1010中所示，具有自主驾驶模式的车辆被确定为正在靠近人行横道。例如，当车辆四处驾驶时，它可能有时靠近并最终越过人行横道。例如，计算设备110可以使用地图信息200来确定车辆100正在靠近人行横道440，或者感知系统172可以使用前述传感器实际检测人行横道440。该确定的定时可以对应于感知系统172最初检测人行横道的时间或车辆位于沿着例如通过交叉路口450的车辆的当前路线(即，车辆当前正在行驶的路线)距人行横道440的预定距离(例如，直线距离或驾驶距离)(诸如170米或更多或更少)的时间。在一些示例中，该预定距离可以对应于车辆的感知系统的视场的前边缘或对应于刚好超出车辆的感知系统的视场。换言之，可以在感知系统实际能够感知人行横道之前做出该确定。
返回图10，在框1020处针对人行横道识别路段的集合。一旦计算设备确定车辆正在靠近特定的人行横道，计算设备可以确定针对该人行横道的多个路段。这些路段可以预存储在例如地图信息中，并且与特定的人行横道相关联。可替代地，计算设备可以实时生成多个路段。作为示例，人行横道可以沿着人行横道的长度被分段为诸如5个路段或更多或更少的预定数量的路段。在这方面，人行横道可以包括3个内部路段和对应于人行横道的末端的2个边缘路段。可替代地，可以将人行横道分段成诸如3米或更多或更少的预定长度的路段。图5是人行横道440的多个路段1-5的示例表示。在该示例中，人行横道440被划分成5个相等的路段。同样，这只是示例，并且可以使用不同形状和/或大小的更多路段。
返回图10，在框1030处，生成潜在被遮挡行人的集合，并且集合中的每个潜在被遮挡行人被分配定义潜在被遮挡行人的速度的速度特性以及被分配路段的集合中的路段。例如，可以针对人行横道440中的每个路段1-5生成潜在被遮挡行人的集合。作为示例，可以生成表示行人的集合中的每个行人以及行人当前位于的路段的列表或其他数据集。
每个路段的这些潜在被遮挡行人可以被分配不同的速度特性或以其他方式与不同的速度特性相关联。该速度特性可以包括诸如潜在被遮挡行人的潜在速度和走向的信息。作为示例，速度可以是缓慢行走、“快走(speed walking)”、慢跑、跑步等的典型行人的平均或估计速度。在一些更复杂的示例中，潜在被遮挡行人的速度特性可以包括改变速度或加速度的模式。虽然本文的示例具体地涉及“行人”，但潜在被遮挡行人的集合实际上可以表示人行横道中所有类型的潜在被遮挡对象，诸如具有各种速度特性的骑自行车者、成人、儿童、宠物(狗、马等)、婴儿车或推车等。
作为一个代表性示例，如果每个路段有11个潜在被遮挡行人，并且有5个路段，则集合中会有55个潜在被遮挡行人。关于单个路段，一个潜在被遮挡行人可能停止，另一个潜在被遮挡行人可能以1英里每小时(mph)朝着人行横道的第一边缘移动，另一个潜在被遮挡行人可能以2英里每小时朝着人行横道的第一边缘移动，另一个潜在被遮挡行人可能以3英里每小时朝着人行横道的第一边缘移动，另一个潜在被遮挡行人可能以6英里每小时朝着人行横道的第一边缘移动，另一个潜在被遮挡行人可能以12英里每小时朝着人行横道的第一边缘移动，另一个潜在被遮挡行人可能以1英里每小时朝着人行横道的第二边缘移动，另一个潜在被遮挡行人可能以2英里每小时朝着人行横道的第二边缘移动，另一个潜在被遮挡行人可能以3英里每小时朝着人行横道的第二边缘移动，另一个潜在被遮挡行人可能以6英里每小时朝着人行横道的第二边缘移动，并且另一个潜在被遮挡行人可能以12英里每小时朝着人行横道的第二边缘移动。这些边缘可能彼此相对(opposite)。其他速度特性(诸如上面讨论的那些)和行人的数量也是可能的。
图6是每个路段1-5和潜在被遮挡行人A-O的集合的示例表示。在该示例中，路段1-5中的每个与三个潜在被遮挡行人相关联：具有向页面左侧处的人行横道的边缘的2英里每小时的速度的一个潜在被遮挡行人(潜在被遮挡行人A、D、G、J和M)，静止的一个潜在被遮挡行人(潜在被遮挡行人B、E、H、K和N，以0英里每小时移动)，以及具有向页面右侧处的人行横道的边缘的2英里每小时的速度的一个潜在被遮挡行人(潜在被遮挡行人C、F、I、L和O)。同样，如上所述，具有不同速度或其他速度特性的另外的潜在被遮挡行人也是可能的。在该示例中，潜在被遮挡行人A-C位于路段1中，潜在被遮挡行人D-F位于路段2中，潜在被遮挡行人G-I位于路段3中，潜在被遮挡行人J-L位于路段4中，以及潜在被遮挡行人N-O位于路段5中。
返回图10，在框1040处，潜在被遮挡行人的集合的分配的路段可以基于分配的速度特性随时间更新。换言之，随着时间向前推进，除了静止的行人之外，集合中的行人将移动到人行横道的不同路段中，并且在某些情况下可能实际离开人行横道。因此，计算设备可以随着时间向前推进而更新路段或集合中的每个潜在被遮挡行人的位置。这些更新可以是周期性的，例如，每0.1秒或更多或更少，以便保持分配的路段与潜在被遮挡行人在当前时间处的位置一致。更新的周期也可以与感知系统多久一次生成传感器数据和/或计算设备100多久一次接收传感器数据相称，或者通过感知系统多久一次生成传感器数据和/或计算设备100多久一次接收传感器数据来指示。例如，如果每0.1秒或更多或更少地接收更新的传感器数据，则可以每0.1秒或更多或更少地更新分配的路段。以这种方式，计算设备110正分析的传感器数据和分配的路段两者是时间同步的。可替代地，当接收传感器数据时，可以将分配的路段更新到期间生成传感器数据的时间或在其处生成传感器数据的时间。
图7是关于图6的示例的、未来某点处的每个路段1-5和潜在被遮挡行人A-O的集合的示例表示。在该示例中，潜在被遮挡行人D、G、J和M已经向页面的左边移动了一个路段，并且潜在被遮挡行人A不在路段1-5中的任何一个中，或者更确切地说，不再位于人行横道中的路段内。因此，潜在被遮挡行人A以虚线示出。潜在被遮挡行人C、F、I和L已经向页面的左边移动了一个路段，并且潜在被遮挡行人O不在路段1-5中的任何一个中，或者更确切地说，不再位于人行横道中的路段内。因此，潜在被遮挡行人O以虚线示出。潜在被遮挡行人B、E、H、K和N分别保留在路段1-5中的每一个中。
返回图10，在框1050处，从车辆的感知系统接收传感器数据，并且在框1060处，基于传感器数据识别路段的集合中对感知系统可见的路段。随着时间向前推进，感知系统172可以向计算设备110提供传感器数据。如上所述，可以每0.1秒或更多或更少地接收该传感器数据并且该传感器数据可以与对分配的路段的更新相称。每次接收传感器数据可以认为是来自感知系统的传感器数据的新迭代。传感器数据可以识别对象，诸如在人行横道中和四周以及各种其他位置的行人、骑自行车者以及车辆。此外，传感器数据可以允许计算设备识别车辆环境的哪些区域未被占据或未被遮挡，包括对应于路段的集合中的路段的区域。
在图10的框1070处，从潜在被遮挡行人的集合中移除具有对应于识别的路段的更新的分配路段的一个或多个潜在被遮挡行人。计算设备110可以使用该传感器数据来确定每个路段的集合中的潜在被遮挡行人中的任何一个是否不可能实际存在，或者更确切地说，应该从集合中丢弃、过滤或以其他方式移除。例如，如果路段已经在最小数量的迭代或时间段内可见并且未被检测的行人占据，那么可以从集合中移除已被追踪(即更新)到该路段的任何潜在被遮挡行人。作为示例，该最小数量的迭代可以是来自感知系统的传感器数据的至少5次(或更多或更少)的迭代。作为另一个示例，最小数量的迭代可以是至少0.5秒或更多或更少。如果人行横道的一段已经由除行人之外的对象(例如，非行人对象)占据了最小数量的迭代(例如从感知系统接收的传感器数据的多于3次(或更多或更少)的迭代)或最小时间段(例如，至少0.3秒或更多或更少的时间)，则可以从集合中移除已经被追踪(即更新)到该路段的任何潜在被遮挡行人。
图8是关于图6的示例的、对应于图7的时间和图9中的车辆100的位置的、未来某点处的每个路段1-5和潜在被遮挡行人A-O的集合的示例表示。在图9的示例中，车辆100以及车辆460已经向人行横道440移动得更近并且车辆470已经移动离开人行横道440，使得感知系统172的传感器能够感知人行横道440的部分。在该示例中，来自感知系统172的传感器数据可以指示对应于路段1-3的人行横道440的区域可以由感知系统172检测或感知，并且因此不被遮挡。在这方面，潜在被遮挡行人D、B、C、E、G、F、H和J(现在以虚线示出)可以从潜在被遮挡行人的集合中移除。
在一些情况下，因为潜在被遮挡行人可能已经离开人行横道，例如，通过穿过人行横道的边缘路段的外边缘中的一个，所以可以从集合中移除他们。此外，因为潜在被遮挡行人A和O(在图7和图8中以虚线示出)不再位于多个路段中的路段内，所以也可以从潜在被遮挡行人的集合中移除这些潜在被遮挡行人。
类似地，如果人行横道的边缘四周的区域被遮挡，则可以将新的潜在被遮挡行人作为已经进入人行横道的潜在被遮挡行人添加到集合中。同样，进入人行横道的这些行人可以被赋予如上所述的不同的速度特性。当然，如果人行横道的外边缘没有被遮挡，则不将新的潜在被遮挡行人添加到集合中。
返回图10，在框1080处，在移除之后，集合被用于以自主驾驶模式控制车辆。随着路段(或者更确切地说，人行横道的路段的区域)变得对感知系统可见和/或甚至被其他对象遮挡时，集合中潜在被遮挡行人的数量可能会改变，例如，随着添加潜在被遮挡行人而增加，并且随着移除潜在被遮挡行人而减少。同时，在确定车辆正在靠近人行横道之后，计算设备还可以确定如何使用集合中的潜在被遮挡行人来控制车辆。这可以以多种方式来进行。作为示例，每个潜在被遮挡行人可以作为车辆应该作出响应的对象被输入到车辆的规划系统。
可替代地，对于由至少一个潜在被遮挡行人“占据”的每个路段，计算设备可以生成用于车辆通过人行横道的速度约束，而不是使计算设备对大量的潜在被遮挡行人作出响应。在一个示例中，速度约束可以是基于车辆离人行横道的距离而确定的对车辆的速度的限制，以确保车辆能够在到达人行横道之前停止。在另一个示例中，速度约束可以对应于慢区，例如，当车辆通过或经过被占据的一个或多个路段时具有对车辆的最大速度的限制的区域。在这方面，当规划通过人行横道的车辆的速度时，规划系统168必须服从速度约束和/或慢区的最大速度限制。回到图8的示例，在该时间点，计算设备110可以生成关于对应于路段4和5(对应于区域910)的人行横道440的区域的速度限制。区域920可以对应于在靠近区域910时车辆100的体积将扫过的区域。在这方面，图9的区域910和/或920可以表示车辆100能够以或低于与区域910和/或920相关联的最大速度限制行驶通过的慢区或速度约束的区域。
可以由计算设备110基于被占据的路段到车辆的距离以及被占据的路段中的潜在被遮挡行人的速度来确定速度约束和/或慢区。例如，潜在被遮挡行人的位置或路段距车辆越近，速度约束越低或对最大速度的限制越低。例如，如果被占据的路段对应于相邻车道，则限制可能为5英里每小时或更多或更少。作为另一个示例，如果被占据的路段对应于两个车道开外(over)，则限制可以是15英里每小时或更多或更少。同样，速度约束也可以基于集合中的占据路段的最快潜在被遮挡行人的速度。换言之，距离车辆2个车道且以12英里每小时行进的行人可能比在相邻车道中停止的行人产生危险得多的情形。即使停止的潜在被遮挡行人更近，在较快的潜在被遮挡行人情况下，该慢区也可能比停止的潜在被遮挡行人的慢区更慢。同时，如果路段由5个潜在被遮挡行人占据，则速度约束或对最大速度的限制(以及由此车辆的响应)将与朝着车辆的最快速度的1个潜在被遮挡行人占据路段的情况一样。
然后，规划系统168可以在生成用于车辆100的未来轨迹的速度规划时使用慢区。因为可能在车辆能够检测人行横道之前或一旦车辆能够检测人行横道就开始追踪潜在被遮挡行人，所以慢区可能对应于实际允许车辆停止的位置。换言之，在给定车辆的当前速度并假设合理的减速率(rate of deceleration)的情况下，车辆与慢区之间的距离可能小于车辆的当前停止距离。以这种方式，慢区不是导致车辆不舒适地硬刹车的“意外”。在某些情况下，例如，在该车辆后面的车辆正在高速率(rate of speed)靠近等的紧急情形下，可以违反慢区。
本文描述的特征可以使得车辆的计算设备能够对可能被遮挡的潜在被遮挡行人作出响应，同时降低在先前被遮挡的行人出现并导致车辆必须对该行人作出响应的事件中突然操纵的可能性或必要性。此外，本文描述的处理不是计算密集型的，并且当传感器数据的更新可用时可以容易地重新计算。
除非另有说明，否则前述替代性示例不是相互排斥的，而是可以以各种组合实施以实现独特的优势。由于可以在不脱离由权利要求限定的主题的情况下利用上述特征的这些和其他变化和组合，因此实施例的前述描述应该作为说明而不是作为对由权利要求限定的主题的限制来理解。此外，提供本文所描述的示例以及措辞为“例如”、“包括”等的子句不应被解释为将权利要求的主题限制为特定示例；相反，这些示例旨在仅说明许多可能的实施例中的一个。此外，不同附图中相同的附图标记可以识别相同或相似的元素。

Claims (20)

1.一种控制具有自主驾驶模式的车辆的方法，该方法包括：
由一个或多个处理器确定车辆正在靠近人行横道；
由一个或多个处理器识别人行横道的路段的集合；
由一个或多个处理器生成潜在被遮挡行人的集合，该集合中的每个潜在被遮挡行人被分配了定义潜在被遮挡行人的速度的速度特性和潜在被遮挡行人的集合的分配路段；
使用分配的速度特性随时间更新潜在被遮挡行人的集合的分配路段；
由一个或多个处理器从车辆的感知系统接收传感器数据；
由一个或多个处理器基于传感器数据识别对感知系统可见的路段的集合中的路段；
由一个或多个处理器从潜在被遮挡行人的集合移除具有对应于识别的路段的更新的分配路段的一个或多个潜在被遮挡行人；以及
在移除之后，由一个或多个处理器使用该集合以自主驾驶模式控制车辆。
2.根据权利要求1所述的方法，其中，确定车辆正在靠近人行横道是基于车辆的当前路线和识别人行横道的位置的地图信息的。
3.根据权利要求1所述的方法，其中，当车辆已经到达预定距离时执行所述生成。
4.根据权利要求3所述的方法，其中，所述预定距离对应于沿着车辆的当前路线距人行横道的距离。
5.根据权利要求3所述的方法，其中，所述预定距离对应于包括一个或多个传感器的车辆的感知系统的视场的前边缘。
6.根据权利要求1所述的方法，其中，识别路段包括将人行横道的区域分段成预定数量的路段。
7.根据权利要求1所述的方法，其中，识别路段包括从预存储的地图信息中检索路段。
8.根据权利要求1所述的方法，其中，生成所述潜在被遮挡行人的集合包括将每个路段与具有不同速度特性的多个行人相关联。
9.根据权利要求8所述的方法，其中，所述不同速度特性中的一个指示行人是静止的。
10.根据权利要求8所述的方法，其中，所述不同速度特性中的一个包括行人以第一速度在第一方向上朝着人行横道的第一边缘移动，并且其中，所述不同速度特性中的另一个包括行人以第一速度在与第一方向相反的第二方向上朝着人行横道的与第一边缘相反的第二边缘移动。
11.根据权利要求1所述的方法，其中，基于确定所述一个或多个潜在被遮挡行人将会离开人行横道，从集合移除所述一个或多个潜在被遮挡行人。
12.根据权利要求1所述的方法，其中，还基于与该一个或多个潜在被遮挡行人的当前路段对应的区域是否已经对感知系统可见了当所述一个或多个潜在被遮挡行人将会占据当前路段时接收的传感器数据的最小数量的迭代，从集合移除所述一个或多个潜在被遮挡行人。
13.根据权利要求1所述的方法，其中，还基于与该一个或多个潜在被遮挡行人的当前路段对应的区域是否已经对感知系统可见了其中所述一个或多个潜在被遮挡行人将会占据当前路段的至少预定时间段，从集合移除所述一个或多个潜在被遮挡行人。
14.根据权利要求1所述的方法，其中，还基于该一个或多个潜在被遮挡行人的当前路段是否已经由非行人对象占据了当所述一个或多个潜在被遮挡行人将会占据当前路段时接收的传感器数据的最小数量的迭代，从集合移除所述一个或多个潜在被遮挡行人。
15.根据权利要求1所述的方法，其中，使用潜在被遮挡行人的集合以自主驾驶模式控制车辆包括：基于潜在被遮挡行人的集合生成速度约束，所述速度约束基于车辆距人行横道的距离来限制车辆的速度，以确保车辆能够在到达人行横道之前停止。
16.根据权利要求1所述的方法，还包括：
确定所述人行横道的一个或多个边缘是否被遮挡；以及
基于确定人行横道的一个或多个边缘是否被遮挡，将一个或多个附加的潜在被遮挡行人添加到潜在被遮挡行人的集合中，并且其中，所述移除是在所述添加之后执行的。
17.根据权利要求16所述的方法，其中，当所述人行横道的一个或多个边缘未被遮挡时，不将所述一个或多个附加的潜在被遮挡行人添加到集合。
18.根据权利要求16所述的方法，其中，所述一个或多个附加的潜在被遮挡行人中的每个被分配速度特性。
19.根据权利要求1所述的方法，其中，使用潜在被遮挡行人的集合以自主驾驶模式控制车辆包括：基于潜在被遮挡行人的集合生成速度约束，所述速度约束识别当靠近人行横道时车辆的最大速度限制。
20.根据权利要求19所述的方法，其中，所述速度约束是慢区，并且是基于潜在被遮挡行人的集合中的一个潜在被遮挡行人与车辆之间的距离以及针对潜在被遮挡行人的集合中的一个潜在被遮挡行人的分配的速度特性而生成的。
CN202080060493.1A 2019-08-27 2020-08-25 针对自主车辆检测潜在被遮挡对象 Pending CN114286774A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/552,426 2019-08-27
US16/552,426 US11354912B2 (en) 2019-08-27 2019-08-27 Detecting potentially occluded objects for autonomous vehicles
PCT/US2020/047771 WO2021041396A1 (en) 2019-08-27 2020-08-25 Detecting potentially occluded objects for autonomous vehicles

Publications (1)

Publication Number Publication Date
CN114286774A true CN114286774A (zh) 2022-04-05

Family

ID=74679513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080060493.1A Pending CN114286774A (zh) 2019-08-27 2020-08-25 针对自主车辆检测潜在被遮挡对象

Country Status (4)

Country Link
US (3) US11354912B2 (zh)
EP (1) EP3994044A4 (zh)
CN (1) CN114286774A (zh)
WO (1) WO2021041396A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2750118C1 (ru) * 2019-12-25 2021-06-22 Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" Способы и процессоры для управления работой беспилотного автомобиля
US11733054B2 (en) * 2020-12-11 2023-08-22 Motional Ad Llc Systems and methods for implementing occlusion representations over road features
CN113554874B (zh) * 2021-07-30 2022-06-28 新石器慧通（北京）科技有限公司 无人车控制方法、装置、电子设备及存储介质
US20240037480A1 (en) * 2022-07-29 2024-02-01 Jpmorgan Chase Bank, N.A. System and method for detecting significant change points in timeseries chart

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011145204A (ja) * 2010-01-15 2011-07-28 Ihi Corp レーザセンサ及びこれを用いた検出対象判定方法
US8954252B1 (en) * 2012-09-27 2015-02-10 Google Inc. Pedestrian notifications
US9440647B1 (en) * 2014-09-22 2016-09-13 Google Inc. Safely navigating crosswalks
US20160327953A1 (en) * 2015-05-05 2016-11-10 Volvo Car Corporation Method and arrangement for determining safe vehicle trajectories
US20180259968A1 (en) * 2017-03-07 2018-09-13 nuTonomy, Inc. Planning for unknown objects by an autonomous vehicle
CN109817021A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 一种激光雷达路侧盲区交通参与者避让方法和装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008062916A1 (de) 2008-12-23 2010-06-24 Continental Safety Engineering International Gmbh Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen
JP5929093B2 (ja) 2011-10-24 2016-06-01 日産自動車株式会社 車両用走行支援装置
KR102202025B1 (ko) 2015-07-08 2021-01-12 현대자동차주식회사 보행자 감지 장치와 이를 이용한 차량 및 보행자 감지 시스템
US10077007B2 (en) 2016-03-14 2018-09-18 Uber Technologies, Inc. Sidepod stereo camera system for an autonomous vehicle
US20170329332A1 (en) 2016-05-10 2017-11-16 Uber Technologies, Inc. Control system to adjust operation of an autonomous vehicle based on a probability of interference by a dynamic object
US20190025433A1 (en) 2017-07-19 2019-01-24 Aptiv Technologies Limited Automated vehicle lidar tracking system for occluded objects
JP2019089516A (ja) * 2017-11-16 2019-06-13 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
US20190286921A1 (en) * 2018-03-14 2019-09-19 Uber Technologies, Inc. Structured Prediction Crosswalk Generation
US11016492B2 (en) * 2019-02-28 2021-05-25 Zoox, Inc. Determining occupancy of occluded regions
US11433883B2 (en) * 2019-03-31 2022-09-06 Gm Cruise Holdings Llc Autonomous vehicle maneuvering based upon risk associated with occluded regions
US11126180B1 (en) * 2019-04-30 2021-09-21 Zoox, Inc. Predicting an occupancy associated with occluded region

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011145204A (ja) * 2010-01-15 2011-07-28 Ihi Corp レーザセンサ及びこれを用いた検出対象判定方法
US8954252B1 (en) * 2012-09-27 2015-02-10 Google Inc. Pedestrian notifications
US9440647B1 (en) * 2014-09-22 2016-09-13 Google Inc. Safely navigating crosswalks
US20160327953A1 (en) * 2015-05-05 2016-11-10 Volvo Car Corporation Method and arrangement for determining safe vehicle trajectories
US20180259968A1 (en) * 2017-03-07 2018-09-13 nuTonomy, Inc. Planning for unknown objects by an autonomous vehicle
US20190232957A1 (en) * 2017-03-07 2019-08-01 nuTonomy, Inc. Planning for unknown objects by an autonomous vehicle
CN109817021A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 一种激光雷达路侧盲区交通参与者避让方法和装置

Also Published As

Publication number Publication date
US11767038B2 (en) 2023-09-26
WO2021041396A1 (en) 2021-03-04
US20210064889A1 (en) 2021-03-04
US20230391375A1 (en) 2023-12-07
EP3994044A4 (en) 2023-08-02
US20220262133A1 (en) 2022-08-18
EP3994044A1 (en) 2022-05-11
US11354912B2 (en) 2022-06-07

Similar Documents

Publication Publication Date Title
US11636362B1 (en) Predicting trajectory intersection by another road user
US11938967B2 (en) Preparing autonomous vehicles for turns
KR102308924B1 (ko) 자율 차량들을 위한 보행자 행동 예측들
US10303178B1 (en) Collision mitigation static occupancy grid
CN111213100B (zh) 用于自动车辆路径规划的速度相关所需的侧向间隙
US11767038B2 (en) Detecting potentially occluded objects for autonomous vehicles
JP7312818B2 (ja) 複数車線の曲がり角における車両の制御
CN111295628A (zh) 用于自主车辆决策的语义对象聚类
CN111433099A (zh) 对于不受保护的转弯的早期对象检测
CN113508056A (zh) 针对自主车辆的转弯发出信号
CN115339437A (zh) 自主车辆的远程对象检测、定位、跟踪和分类
CN115593429A (zh) 自动驾驶车辆对紧急车辆的响应
US20220176987A1 (en) Trajectory limiting for autonomous vehicles
US11460846B2 (en) Unmarked crosswalks for autonomous vehicles
US20230047336A1 (en) Time gaps for autonomous vehicles

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