CN114435393A - 用于自主驾驶系统的对轨道智能体的行为预测 - Google Patents

用于自主驾驶系统的对轨道智能体的行为预测 Download PDF

Info

Publication number
CN114435393A
CN114435393A CN202111299144.8A CN202111299144A CN114435393A CN 114435393 A CN114435393 A CN 114435393A CN 202111299144 A CN202111299144 A CN 202111299144A CN 114435393 A CN114435393 A CN 114435393A
Authority
CN
China
Prior art keywords
track
agent
path
track agent
computing devices
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
CN202111299144.8A
Other languages
English (en)
Other versions
CN114435393B (zh
Inventor
V.戈亚尔
S.罗斯
K.丁
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 CN114435393A publication Critical patent/CN114435393A/zh
Application granted granted Critical
Publication of CN114435393B publication Critical patent/CN114435393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18159—Traversing 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
    • 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
    • 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
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/20—Control system inputs
    • G05D1/22—Command input arrangements
    • G05D1/228—Command input arrangements located on-board unmanned vehicles
    • 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
    • G05D1/60—Intended control result
    • G05D1/617—Safety or protection, e.g. defining protection zones around obstacles or avoiding hazards
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G7/00—Traffic control systems for simultaneous control of two or more different kinds of craft
    • G08G7/02—Anti-collision systems
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (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

为了操作自主车辆，使用检测系统检测自主车辆附近的轨道智能体。确定检测到的轨道智能体可能在其上行进的一个或多个轨道，并且基于确定的一个或多个轨道预测轨道智能体的可能路径。确定来自可能路径的一个或多个极可能路径的一个或多个运动规划，并且基于一个或多个运动规划中的每个运动规划确定一个或多个极可能路径中的每一个的可能性。然后基于轨道智能体的与最高可能性相关联的最可能路径来确定自主车辆的路径，并且使用确定的路径操作自主车辆。

Description

用于自主驾驶系统的对轨道智能体的行为预测
技术领域
本公开涉及用于自主驾驶系统的对轨道智能体的行为预测。
背景技术
自主车辆，诸如不需要人类驾驶员的车辆，可用于帮助将乘客或物品从一个位置运输到另一个位置。这样的车辆可以在完全自主模式下操作，在该完全自主模式下乘客可以提供某一初始输入，诸如接载或目的地位置，并且车辆将自身操纵到该位置。
这样的车辆通常配备有各种类型的传感器，以便检测周围环境中的对象。例如，自主车辆可以包括激光器、声纳、雷达、相机和其他设备，这些设备扫描和记录来自车辆周围环境的数据。来自这些设备中的一个或多个的传感器数据可以用于检测对象及其相应特性(定位、形状、走向、速度等)。这些特性可以用于预测其他对象的轨迹。这些轨迹可以定义对象在未来的某个短时段内可能会做什么。然后可以使用这些轨迹来控制车辆以便避开这些对象。因此，检测、识别和预测是对自主车辆的安全操作的关键功能。
发明内容
本公开的方面提供了一种用于自主车辆的控制系统。该控制系统包括自驾驶系统和与自驾驶系统通信的一个或多个计算设备。一个或多个计算设备被配置为使用检测系统检测自主车辆附近的轨道智能体(rail agent)；确定检测到的轨道智能体可能在其上行进的一个或多个轨道(track)；基于确定的一个或多个轨道预测轨道智能体的可能路径(possible path)；确定来自可能路径的一个或多个极可能路径(probable path)的一个或多个运动规划；基于一个或多个运动规划中的每个运动规划确定所述一个或多个极可能路径中的每一个的可能性；以及基于轨道智能体的与最高可能性相关联的最可能路径确定自主车辆的路径。
在一个示例中，一个或多个计算设备被配置为基于检测到的轨道智能体具有的轨道智能体的类型和与轨道智能体的位置相关的轨道的位置确定检测到的轨道智能体可能在其上行进的一个或多个轨道。在另一示例中，一个或多个计算设备被配置为使用空间搜索以识别轨道智能体附近的所有铁轨(rail track)来预测轨道智能体的可能路径。在又一示例中，一个或多个计算设备被配置为还基于到确定的一个或多个轨道的连接轨道来预测轨道智能体的可能路径。在该示例中，一个或多个计算设备可选地被配置为还基于确定的一个或多个轨道和连接轨道的几何结构来预测轨道智能体的可能路径。
在又一示例中，一个或多个计算设备还被配置为基于轨道智能体的特性或一个或多个交通控制因素过滤可能路径，过滤后的可能路径是一个或多个极可能路径。在该示例中，轨道智能体的特性可选地包括转向架或箱体相对于沿着可能路径的轨道上的给定分离点的定位。可替代地，在该示例中，一个或多个交通控制因素可选地包括沿着可能路径的轨道的几何结构。在又一示例中，一个或多个运动规划中的每一个包括轨道智能体的预测速度。在另一示例中，一个或多个计算设备还被配置为使用自驾驶系统基于确定的路径来操作自主车辆。
本公开的其他方面提供一种用于操作自主车辆的方法。该方法包括：由一个或多个计算设备使用检测系统检测自主车辆附近的轨道智能体；由一个或多个计算设备确定检测到的轨道智能体可能在其上行进的一个或多个轨道；由一个或多个计算设备基于确定的一个或多个轨道预测轨道智能体的可能路径；由一个或多个计算设备确定来自可能路径的一个或多个极可能路径的一个或多个运动规划；由一个或多个计算设备基于一个或多个运动规划中的每个运动规划确定所述一个或多个极可能路径中的每一个的可能性；由一个或多个计算设备基于轨道智能体的与最高可能性相关联的最可能路径确定自主车辆的路径；以及由一个或多个计算设备基于确定的路径操作自主车辆。
在一个示例中，确定检测到的轨道智能体可能在其上行进的一个或多个轨道包括：确定检测到的轨道智能体具有的轨道智能体的类型和与轨道智能体的位置相关的轨道的位置。在另一个示例中，使用空间搜索以识别轨道智能体附近的所有铁轨来预测轨道智能体的可能路径。在又一示例中，预测轨道智能体的可能路径包括：识别到确定的一个或多个轨道的连接轨道。在该示例中，预测轨道智能体的可能路径还可选地包括确定所确定的一个或多个轨道和连接轨道的几何结构。
在又一示例中，该方法还包括基于轨道智能体的特性或一个或多个交通控制因素过滤可能路径，过滤后的可能路径是一个或多个极可能路径。在该示例中，轨道智能体的特性可选地包括转向架或箱体相对于沿着可能路径的轨道上的给定分离点的定位。可替代地，在该示例中，一个或多个交通控制因素可选地包括沿着可能路径的轨道的几何结构。在又一示例中，一个或多个运动规划中的每一个包括轨道智能体的预测速度。
本公开的另外的方面提供了一种其上存储有程序的计算机可读指令的非暂时性有形计算机可读存储介质。所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行方法。该方法包括：使用检测系统检测自主车辆附近的轨道智能体；确定检测到的轨道智能体可能在其上行进的一个或多个轨道；基于确定的一个或多个轨道预测轨道智能体的可能路径；确定来自可能路径的一个或多个极可能路径的一个或多个运动规划；基于一个或多个运动规划中的每个运动规划确定一个或多个极可能路径中的每一个的可能性；基于轨道智能体的与最高可能性相关联的最可能路径确定自主车辆的路径；以及基于确定的路径操作自主车辆。
附图说明
图1是根据本公开的方面的示例车辆的功能图。
图2是根据本公开的方面的示例地图信息。
图3是根据本公开的方面的车辆的示例外部视图。
图4是根据本公开的方面的系统的示例示意图。
图5是根据本公开的方面的系统的示例功能图。
图6是根据本公开的方面的用于操作车辆的方法的流程图600。
图7是根据本公开的方面的场景700的示例示意图。
图8是根据本公开的方面的场景700的另一示例示意图。
图9A是根据本公开的方面的预测运动规划900A的示例示意图。
图9B是根据本公开的方面的预测运动规划900B的另一示例示意图。
具体实施方式
概述
该技术涉及轨道智能体行为的预测以用于通知自主车辆的驾驶行为。轨道智能体与其他道路智能体不同地表现，因为轨道智能体被限制到铁路或其他类型的轨道。有时轨道智能体也具有适用于轨道智能体而非其他道路智能体的停止标志和交通灯。轨道智能体也可能具有不同的特性，诸如速度、大小、转弯行为或其他类型的行为。此外，轨道智能体可能具有比其他道路智能体更高的优先级，因此对特定情形与其他道路智能体不同地反应。此外，相比于道路智能体，自主车辆可能必须对轨道智能体不同地反应。预测轨道智能体行为的更准确的方法可以改善自主车辆在存在轨道智能体的情况下如何行驶。
本文的技术可以允许自主车辆在存在轨道智能体的情况下安全且有效地导航，包括诸如停止、让行或向前转向避让(nudge forward)的动作。通过考虑轨道信息和轨道智能体的行为与其他智能体的差异，可以创建轨道智能体行为的更准确模型。轨道智能体行为的更准确模型然后可以允许自主车辆进行更好的路径规划。因此，自主车辆中的乘坐可能需要较少的更新并且对于乘客来说可能更顺畅。此外，结果，用于自主车辆的系统的资源可以更有效地进行预算，这可以增加系统的寿命。
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结合特定类型的车辆特别有用，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和通常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存储由一个或多个处理器120可访问的信息，包括可由处理器120执行或以其他方式使用的指令132和数据134。存储器130可以是能够存储由处理器可访问的信息的任何类型，包括计算设备可读介质，或存储可借助电子设备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可以是要由处理器直接执行(诸如机器代码)或间接执行(诸如脚本)的任何指令集。例如，指令可以作为计算设备代码存储在计算设备可读介质上。在那方面，术语“指令”和“程序”在本文中可以可互换地使用。指令可以以目标代码格式存储以便由处理器直接处理，或者以任何其他计算设备语言存储(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)。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。作为示例，存储器130的数据134可以存储预定义场景。给定场景可以识别一组场景要求，包括对象的类型、对象相对于车辆的位置的范围，以及其他因素(诸如自主车辆是否能够操纵到对象周围、对象是否正在使用转弯信号、与对象的当前位置相关的交通灯的状况、对象是否正在接近停止标志等)。要求可以包括离散值(诸如“右转弯信号开启”或“在仅右转弯的车道中”)或诸如“具有以从车辆的当前路径30至60度偏离的角度定向的走向”的值的范围。在一些示例中，预定场景可以包括多个对象的类似信息。
一个或多个处理器120可以是任何常规处理器，诸如市售CPU。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。虽然图1在功能上将计算设备110的处理器、存储器和其他元件示为在同一框内，但是本领域普通技术人员将理解的是，处理器、计算设备或存储器实际上可以包括可以或可以不存储在同一物理壳体内的多个处理器、计算设备或存储器。作为示例，内部电子显示器152可以由具有其自己的CPU或其他处理器、存储器等的专用计算设备控制，该专用计算设备可以经由高带宽或其他网络连接与计算设备110对接。在一些示例中，该计算设备可以是可以与用户的客户端设备进行通信的用户接口计算设备。类似地，存储器可以是位于与计算设备110的壳体不同的壳体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。
计算设备110可以具有通常与计算设备结合使用的所有组件，诸如上述处理器和存储器以及用户输入150(例如，鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如，具有屏幕的监视器或可操作以显示信息的任何其他电气设备)。在这个示例中，车辆包括内部电子显示器152以及一个或多个扬声器154，以提供信息或视听体验。在这方面，内部电子显示器152可以位于车辆100的舱室内，并且可以由计算设备110使用以向车辆100内的乘客提供信息。除了内部扬声器之外，一个或多个扬声器154可以包括布置在车辆上的各种位置以便向车辆100外部的对象提供声音通知的外部扬声器。车辆100的计算设备110还可以例如使用无线网络连接156从其他计算设备接收信息或向其他计算设备传送信息。
在一个示例中，计算设备110可以是结合到车辆100中的自主驾驶计算系统。自主驾驶计算系统可以能够与车辆的各种组件进行通信。例如，计算设备110可以与车辆100的各种自驾驶系统通信，以便在不要求或不需要来自车辆的乘客的连续或周期性输入的自主驾驶模式下根据存储器130的指令132控制车辆100的移动、速度等，各种自驾驶系统诸如为减速系统160(用于控制车辆的制动)、加速系统162(用于控制车辆的加速)、转向系统164(用于控制车轮的朝向和车辆的方向)、信令系统166(用于控制转弯信号)、导航系统168(用于将车辆导航到一位置或导航到对象周围)、定位系统170(用于确定车辆的定位)、感知系统172(用于检测车辆的环境中的对象)和动力系统174(例如，电池和/或燃气或柴油动力发动机)。再次，虽然这些系统被示为在计算设备110的外部，但实际上，这些系统也可以结合到计算设备110中，再次作为用于控制车辆100的自主驾驶计算系统。
计算设备110可以通过控制各种组件来控制车辆的方向和速度。举例来说，计算设备110可以使用来自地图信息和导航系统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做出响应，以安全到达该位置。为了这样做，计算设备110可以使车辆加速(例如，通过增加由加速系统162提供给发动机的燃料或其他能量)、减速(例如，通过减少供给到发动机的燃料、换挡、和/或通过由减速系统160施加制动)、改变方向(例如，通过由转向系统164使车辆100的前轮或后轮转弯)，并发信号通知这样的改变(例如，通过点亮信令系统166的转弯信号)。因此，加速系统162和减速系统160可以是包括在车辆的发动机和车辆的车轮之间的各种组件的动力传动系统的一部分。再次，通过控制这些系统，计算设备110还可以控制车辆的动力传动系统，以便自主地操纵车辆。
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用于控制车轮的角度以使车辆转弯的组件。信令系统166可以由计算设备110使用以便例如通过在需要时点亮转弯信号或刹车信号来向其他驾驶员或车辆发信号通知车辆的意图。
导航系统168可由计算设备110使用以便确定并遵循到一位置的路线。在这点上，导航系统168和/或数据134可以存储地图信息，例如，计算设备110可以用来导航或控制车辆的高度详细的地图。作为示例，这些地图可以识别道路的形状和高度、车道标记、交叉路口、人行横道、速度限制、交通信号灯、建筑物、标志、实时或历史交通信息、植被或其他此类对象和信息。车道标记可以包括诸如实或虚双车道线或单车道线、实或虚车道线、反光器等的特征。给定车道可以与左和右车道线或定义车道的边界的其他车道标记相关联。因此，大多数车道可以以一个车道线的左边缘和另一个车道线的右边缘为界。如上所述，地图信息可以存储已知的交通或拥堵信息和/或在过去的类似时间从特定接载位置的交通时间表(火车、公共汽车等)。该信息甚至可以通过由计算设备110接收的信息实时更新。
图2是包括交叉路口230的一段道路的地图信息200的示例。在该示例中，地图信息200描绘了包括识别各种特征的形状、位置和其他特性的信息的地图信息的一部分。例如，地图信息200包括在交叉路口230处相交的道路210和道路220。地图信息200包括在交叉路口230的第一侧的道路210的车道标记或车道线241A和243A，在交叉路口230的与第一侧相对的第二侧的道路210的车道线241B和243B。此外，地图信息包括从第三侧穿过交叉路口230到与第三侧相对的第四侧的道路220的车道线242和246，在交叉路口230的第三侧的道路220的车道线244A，以及在交叉路口230的第四侧的道路220的车道线244B。车道线可以是不同类型的车道线，诸如双车道线241A、241B、244A和244B，以及虚车道线242、243A、243B和246。车道线还可以定义各种车道，诸如车道251、252、253、254、255、256和258。
道路210的车道部分251A、253A和255A位于交叉路口230的第一侧，并且道路210的车道部分251B、253B和255B位于交叉路口230的与第一侧相对的第二侧。道路220的车道部分252A、254A、256A和258A位于交叉路口230的第三侧，并且道路220的车道部分252B、254B、256B和258B位于交叉路口230的与第三侧相对的第四侧。车道可以如图所示在地图信息200中显式地识别，或者可以由道路的宽度暗示。地图信息200还可识别自行车道。如图所示，地图信息200还可以包括道路210的停止线261和263。停止线261可以与停止标志265相关联，并且停止线263可以与停止标志267相关联。
地图信息200包括穿过交叉路口230的铁轨271、273、274和276。铁轨部分271A在车道部分251A中；铁轨部分271B在车道部分251B中；铁轨部分273A在车道部分253A中；铁轨部分273B在车道部分253B中；铁轨部分274在车道部分254A中，并且铁轨部分276在车道部分256A中。铁轨部分271B与铁轨部分276(右转)连接并与铁轨部分271A(直行)连接；轨道部分273A与铁轨部分276(左转)连接并与铁轨部分273B(直行)连接；并且铁轨部分274与铁轨部分271A(右转)连接并与铁轨部分273B(左转)连接。
除了这些特征之外，地图信息200还可以包括识别每个车道的交通方向和速度限制的信息以及允许计算设备110确定车辆是否具有完成特定操纵(例如，完成转弯或穿过交通车道或交叉路口)的通行权的信息。地图信息200还可以包括关于交通标志的信息，诸如交通灯、停止标志、单向标志、禁止转弯标志等。地图信息200可以包括关于其他环境特征的信息，该其他环境特征诸如为路缘、建筑物、停车场、私人车道、水路、植被等。
虽然详细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)。例如，详细地图信息可以包括诸如道路、车道、交叉路口以及这些特征之间的连接的信息的一个或多个道路图(roadgraph)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及其是否链接到其他相关特征的信息相关联，例如，停止标志可以链接到道路和交叉路口，等等。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，以允许对某些道路图特征的有效查找。
感知系统172还包括用于检测车辆外部的对象的一个或多个组件，该对象诸如为其他车辆、道路中的障碍物、交通信号、标志、树木等。例如，感知系统172可以包括一个或多个LIDAR传感器、声纳设备、雷达单元、相机和/或记录可以由计算设备110处理的数据的任何其他检测设备。感知系统的传感器可以检测对象及其特性，诸如位置、朝向、大小、形状、类型(例如，车辆、行人、骑自行车者等)、走向和移动速度等。来自传感器的原始数据和/或上述特性可以被量化或排列成描述函数、向量、和/或边界框，并在它由感知系统172生成时周期性地或连续地发送到计算设备110以供进一步处理。如下文进一步详细讨论的，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做出响应，以安全到达该位置。
图3是车辆100的示例外部视图。在这个示例中，车顶上(roof-top)壳体310和圆顶壳体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的前端的壳体320和车辆的驾驶员侧和乘客侧的壳体330、332可以各自存放LIDAR传感器。例如，壳体330位于驾驶员车门350的前面。车辆100还包括也位于车辆100的车顶上的用于雷达单元和/或相机的壳体340、342。附加的雷达单元和相机(未示出)可以位于车辆100的前端和后端和/或沿着车顶或车顶上壳体310的其他定位。车辆100还包括典型乘用车辆的许多特征，诸如车门350、352、车轮360、362等。
一旦检测到附近的对象，计算设备110和/或感知系统172可以确定对象的类型，例如，交通锥、行人、车辆(诸如客车、卡车、公共汽车等)、自行车等。可以通过各种模型来识别对象，这些模型可以考虑检测到的对象的各种特性，诸如对象的大小、对象的速度(自行车往往不会比每小时40英里走得更快或比每小时0.1英里走得更慢)、来自自行车的热量(自行车往往有从其身体发出热量的骑手)等。此外，可以基于对象的特定属性对对象进行分类，特定属性诸如为包含在出现在车辆上的牌照、保险杠贴纸或徽标上的信息。
存储器130可以存储计算设备110用来做出关于如何控制车辆100的确定的各种模型。例如，存储器130可以存储用于识别从传感器数据检测到的道路使用者和对象的一个或多个对象识别模型。又例如，存储器130可以存储一个或多个行为模型，用于提供一个或多个动作被检测的对象采取的概率(probability)。又例如，存储器130可以存储一个或多个速度规划模型，用于基于来自导航系统168的地图信息200和由来自感知系统172的传感器数据检测到的其他道路使用者的预测轨迹来确定车辆100的速度分布(speed profile)。
图4和图5分别是示例系统400的示意图和功能图，该示例系统400包括经由网络460连接的多个计算设备410、420、430、440和存储系统450。系统400还包括车辆100以及可以类似于车辆100被配置的车辆100A。虽然为简单起见，仅描绘了少数车辆和计算设备，但是典型的系统可以包括显著更多的车辆和计算设备。
如图4中所示，计算设备410、420、430、440中的每一个可以包括一个或多个处理器、存储器、数据和指令。此类处理器、存储器、数据和指令可以类似于计算设备110的一个或多个处理器120、存储器130、数据134和指令132被配置。
网络460和中间节点可以包括各种配置和协议，包括短距离通信协议(诸如蓝牙(R)、蓝牙LE)、互联网、万维网、内联网、虚拟专用网络、广域网、本地网络、使用一个或多个公司专有的通信协议的专用网络、以太网、WiFi和HTTP，以及前述的各种组合。能够向其他计算设备发送数据和从其他计算设备发送数据的任何设备(诸如调制解调器和无线接口)可以促进这种通信。
在一个示例中，计算设备110可以包括具有多个计算设备的服务器，例如，负载平衡服务器群，其与网络的不同节点交换信息，以用于从其他计算设备接收数据、处理数据和向其他计算设备发送数据的目的。例如，一个或多个计算设备410可以包括一个或多个服务器计算设备，其能够经由网络460与车辆100的计算设备110或车辆100A的类似计算设备以及客户端计算设备420、430、440通信。例如，车辆100和100A可以是车队的一部分，该车队可以由服务器计算设备派遣到各种位置。在这方面，车队的车辆可以周期性地向服务器计算设备发送由车辆的相应定位系统提供的位置信息，并且一个或多个服务器计算设备可以跟踪车辆的位置。
此外，服务器计算设备410可以使用网络460在诸如计算设备420、430、440的显示器424、434、444的显示器上向诸如用户422、432、442的用户发送并呈现信息。在这方面，计算设备420、430、440可以被认为是客户端计算设备。
如图5中所示，每个客户端计算设备420、430、440可以是旨在供用户422、432、442使用的个人计算设备，并且具有通常与个人计算设备结合使用的所有组件，包括一个或多个处理器(例如，CPU)、存储数据和指令的存储器(例如，RAM和内部硬盘驱动器)、显示器(诸如显示器424、434、444)(例如，具有屏幕的监视器、触摸屏、投影仪、电视或可操作以显示信息的其他设备)，以及用户输入设备426、436、446(例如，鼠标、键盘、触摸屏或麦克风)。客户端计算设备还可以包括用于记录视频流的相机、扬声器、网络接口设备、以及用于将这些元件彼此连接的所有组件。
尽管客户端计算设备420、430和440各自可以包括全尺寸的个人计算设备，但是替代地它们可以包括能够通过诸如互联网的网络与服务器无线地交换数据的移动计算设备。仅通过示例的方式，客户端计算设备420可以是移动电话或者诸如无线使能的PDA、平板PC、可穿戴计算设备或系统或能够经由互联网或其他网络获得信息的上网本的设备。在另一个示例中，客户端计算设备430可以是可穿戴计算系统，在图4中示为的手表。作为示例，用户可以使用小型键盘、键区、麦克风、使用利用相机的视觉信号、或触摸屏来输入信息。
在一些示例中，客户端计算设备440可以是管理员用来向诸如用户422和432的用户提供远程操作者服务的远程操作者工作站。例如，远程操作者442可以使用远程操作者工作站440经由电话呼叫或音频连接通过用户相应的客户端计算设备和/或车辆100或100A与用户通信，以便确保车辆100和100A的安全操作以及用户的安全，如下文进一步详细描述的。尽管图4和图5中仅示出了单个远程操作者工作站440，但是在典型系统中可以包括任意数量的这样的工作站。
存储系统450可以存储如下更详细描述的各种类型的信息。该信息可由诸如一个或多个服务器计算设备410的服务器计算设备检索或以其他方式访问，以便执行本文描述的一些或所有特征。例如，该信息可以包括用户账户信息，诸如凭证(例如，在传统单因素认证的情况下的用户名和密码，以及通常在多因素认证中使用的其他类型的凭证，诸如随机标识符、生物特征等)，其可用于向一个或多个服务器计算设备识别用户。存储系统450还可以存储用于生成和评估位置之间的路线的路线选择(routing)数据。例如，路线选择信息可用于估计第一位置处的车辆到达第二位置将花费多长时间。在这点上，路线选择信息可以包括地图信息，不一定像上述详细地图信息那样具体，但包括道路，以及关于那些道路的信息，诸如方向(单向、双向等)、朝向(北、南等)、速度限制以及识别预期交通状况的交通信息等。存储系统450还可以存储地图信息，诸如地图信息200。
存储系统450还可以存储用于路线选择和控制车辆100的各种模型，诸如对象识别模型、行为模型、速度规划模型等。在这点上，存储系统450可以存储用于训练这些模型中的一些或所有的数据。例如，训练数据可以包括用已识别对象手动标记的图像、在各种交通模式下道路使用者采取的轨迹的视频。存储系统450可以存储使用这些模型所需的其他数据，诸如参数和值。
存储系统450还可以存储可提供给客户端计算设备以显示给用户的信息。例如，存储系统450可以存储预定距离信息，用于确定车辆可能针对给定的接载或目的地位置停止的区域。存储系统450还可以存储图形、图标和可显示给用户的其他项目，如下面所讨论的。
与存储器130一样，存储系统450可以是能够存储服务器计算设备410可访问的信息的任何类型的计算机化存储装置，诸如硬盘驱动器、存储卡、ROM、RAM、DVD、CD-ROM、可写入和只读存储器。此外，存储系统450可以包括分布式存储系统，其中数据存储在物理上可以位于相同或不同地理位置的多个不同的存储设备上。如图4中所示，存储系统450可以经由网络460连接到计算设备，和/或可以直接连接到任何计算设备110、410、420、430、440等或结合到任何计算设备110、410、420、430、440等中。
示例方法
除了上述和图中所示的系统之外，现在将描述各种操作。如下所述，计算设备110可以使用车辆的环境中的轨道特性来预测车辆的环境中的轨道智能体的行为。在图6中，根据本公开的方面示出了可由计算设备110执行的流程图600。虽然图6以特定顺序示出了框，但是该顺序可以变化并且多个操作可以同时地执行。此外，可以添加或省略操作。
在框602处，车辆的计算设备110可以使用感知系统172检测车辆100附近的轨道智能体。车辆100的附近可以由车辆100的感知系统172的传感器和其他检测系统的范围来限定。从感知系统172获得的传感器数据可以包括定义轨道智能体的对象数据。车辆的计算设备110可以使用对象数据连同轨道智能体的特性来识别轨道智能体。例如，轨道智能体可以被检测具有给定姿态、朝向、尺寸(dimension)、速度、方向、转向架或箱体的数量、车节(section)或车厢(car)的数量或其他特性。轨道智能体可以基于检测到的特性被确定为特定类型的轨道智能体，诸如火车、轻轨车辆、有轨电车(tram)或路面电车(streetcar)、或者缆车或无轨电车(trolley)。
除了检测轨道智能体之外，车辆的计算设备110还可以检测车辆附近的多个对象。例如，来自感知系统172的传感器数据还可以包括每个对象的特性，诸如对象的大小、形状、速度、朝向、方向等。多个对象可以包括移动和/或静止对象。特别地，多个对象可以包括其他道路使用者，诸如车辆、自行车或行人，可以包括其他类型的障碍物，诸如建筑物、柱子、树木或建造工具，或者可以包括交通特征，诸如灯、标志、车道线、路缘或铁轨。
在图7中描绘的场景700中，车辆100可以在交叉路口230旁的道路210的车道部分251B中，接近停止线263处。车辆100可以具有用于直行通过交叉路口230的规划的操纵702。车辆的规划的操纵702，如虚线所示，包括沿着车道部分251B直行行进到交叉路口230另一侧的车道部分251A中。在操纵702中，车辆100必须穿过道路220的车道258、256、254和252。从车辆100的定位，车辆的计算设备110可以使用感知系统172来检测轨道智能体710、车辆712、714、车道线241A、241B、243A、243B、242、244A、244B、246、停止线261、263、停止标志265、267、铁轨271、273、274和276，以及检测到的对象和特征的特性。检测到的对象和特征的特性可以包括车道线的类型、车道线和铁轨的几何结构、车辆(车道部分252A中的车辆712和车道部分254A中的车辆714)的位置和姿态、车辆的轨迹(朝向交叉路口230)、标志的形状(八边形)以及标志的位置和朝向。轨道智能体710的特性可以包括长度(50英尺)、宽度(8.5英尺)、高度(10英尺)、表面形状(圆角矩形棱柱)、车厢的数量(1)、转向架的数量(2)、位置(在车道部分273A中接近停止线261)和行进方向(从车道部分273A朝向交叉路口230)。车辆的计算设备110还可以检测轨道智能体710上的闪烁灯，特别是左转弯闪光灯711。轨道智能体710还可以基于检测到的特性被确定为轻轨车辆。
在框604处，车辆的计算设备110可以确定检测到的轨道智能体可能在哪个或哪些轨道上。可以基于轨道智能体的给定姿态和轨道智能体的物理特性来做出轨道确定。在一些示例中，车辆的计算设备110可以基于检测到的物理特性确定轨道智能体的类型并且确定与所确定的类型的轨道智能体相关联的可能数量的轨道。可能数量的轨道可以基于车辆附近检测到的轨道、和/或车辆的计算设备110可访问的车辆位置附近的道路的地图信息。然后可以使用给定姿态以基于哪些轨道位于轨道智能体所在的位置来确定轨道智能体在可能数量的轨道中的哪一个上，并且还允许在与给定姿态相对应的给定方向上行进。在一些实施方式中，当在轨道智能体附近存在针对该类型的轨道智能体的多个轨道时，可能存在检测到的轨道智能体可能在其上的多于一个轨道。
在图7所示的场景中，车辆的计算设备110可以基于轨道智能体在车道部分253A中的位置来确定轨道智能体710在轨道部分273A上，轨道部分273A也位于该车道部分253A中。可以基于检测到的对象和特征和/或基于存储的地图信息200来确定轨道部分273A的位置。另外，因为基于检测到的特性轨道智能体710被确定为轻轨车辆，所以轨道部分273A也可以被确定为用于轻轨车辆的轨道。
在框606处，车辆的计算设备110可以基于确定的一个或多个轨道来预测轨道智能体的所有可能路径。预测可以使用空间搜索来执行以识别轨道智能体附近的所有铁轨并确定连接到确定的轨道的可能路径。该确定可以考虑与轨道相关的交通控制特征，诸如行进的车道、轨道的几何结构、轨道连接、轨道交叉路口、指引轨道上交通的标志或灯信号等。预测可以包括所有可能的换轨(transfer)或转弯，其可以包括达180度的任何可能转弯、或U形转弯。还可以使用包括自主车辆附近的铁轨的预存储地图信息来执行预测。
在场景700中，车辆的计算设备110可以基于轨道部分276和轨道部分273B至轨道部分273A的连接来预测轨道智能体710的可能路径包括到轨道部分276上的左转弯或到轨道部分273B上的直行。如图8所示，用条纹标记预测的可能路径。轨道部分274可能不包括在预测的可能路径中，因为车道部分254A和轨道部分274上的交通方向在轨道智能体的相反方向上。此外，轨道部分274至轨道部分273的连接具有轨道智能体710不可使用的几何结构。轨道部分271A也不可能包括在预测的可能路径中，因为轨道部分271A和轨道部分273A之间的连接的几何结构类似地不可被轨道智能体710使用。
车辆的计算设备110可以基于轨道智能体的特性或一个或多个交通控制因素进一步过滤可能路径。过滤可以导致轨道智能体的多个极可能路径。特性可以包括朝向、轨道智能体上的可发信号通知规划轨迹或制动的灯、轨道智能体上的标志、或者转向架或箱体相对于轨道中的给定分离点的定位。当轨道智能体的转向架已经通过轨道中的给定分离点时，可以从可能的路径过滤出包括在给定点处转弯的任何路径。交通控制因素可以包括道路标志(诸如“仅左转弯”、“仅右转弯”或“禁止转弯”标志)，或轨道智能体相对于其他智能体的先前检测到的行为。在场景700中，计算设备110可以基于检测到的来自轨道智能体710的左闪光灯711的光将到铁轨部分273B上的直行路径过滤掉。结果，轨道智能体710的极可能路径可以被确定为如图8中虚线箭头802所指示的到轨道部分276上的左转弯。
在框608处，车辆的计算设备110可以确定来自可能路径的每个极可能路径的一个或多个运动规划。每个运动规划可以包括对速度、加速/减速、停靠站的长度、或车厢在轨道智能体中的定位的预测。在一些实施方式中，轨道智能体的运动可以由一组车道段表征，其中每个车道段代表轨道智能体在给定时间间隔内行进的距离。为了确定轨道智能体的运动，运动路径规划可以纳入以下因素：轨道智能体的特性，诸如姿态、尺寸、速度、转向架或箱体的数量、车节或车厢的数量、或每种类型的轨道智能体的特殊约束。运动路径规划还可以纳入以下因素：交通信号、道路标志和其他智能体的行为。例如，车辆的计算设备110可以确定运动规划以解释(account for)轨道智能体将如何对相对于人行横道或其他类型的交叉路口定位的行人、其路径与轨道智能体的极可能路径相交的其他道路智能体、以及沿轨道智能体的极可能路径定位的标志做出反应。当轨道智能体静止时，运动路径规划还可以包括轨道智能体是否暂时停止，诸如在红灯处，或者停放更长时间段。对于具有多于一节车厢的给定轨道智能体的特殊约束可以包括基于每节车厢与另一节车厢和与轨道智能体上的一个或多个转向架的关系而对轨道智能体的移动的限制。
如图9A和图9B所示，可以为轨道智能体710的极可能路径802确定由沿着轨道的点表示的一个或多个运动规划。点表示以规则时间间隔(诸如每1秒)轨道智能体710前面的预测定位。重叠点指示轨道智能体停止一段时间。例如，如图9A和图9B所示，点A、B、C、D和E可以在停止线261之前的同一定位处重叠，指示轨道智能体710在那里停止了大约5秒。可以基于确定停止标志265适用于轨道智能体710并且基于停止线261的位置估计轨道智能体710将停止在何处，来确定运动规划900A和900B的点A-E。轨道智能体710停止在停止标志265处的时间长度可以基于根据交通法规在交叉路口230中具有通行权的车辆712、714的可能轨迹和速度来确定。
在经过该时间长度(诸如5秒)之后，车辆的计算设备110可以基于轨道智能体710的一个或多个可能的加速行为和转弯行为来预测运动规划900A和900B的后续点。轨道智能体的加速行为和转弯行为可以基于轨道智能体的检测到的特性、轨道智能体的先前检测到的行为、轨道智能体运动的模型、和/或轨道智能体的已知能力来估计。如图9A所示，从点A-E处的停止定位起，轨道智能体710的第一运动规划900A包括加速三秒到点H并减速两秒通过点J以进行到轨道部分276上的左转弯。从点J起，轨道智能体710的第一运动规划包括加速大约四秒通过点N，并且随后沿着轨道部分276以大约稳定的速度移动。如图9B所示，可以在轨道智能体710在进行左转弯之前停止以允许车道部分251B中的交通(包括车辆100)通过的可能情况下确定第二运动规划900B。因此，第二运动规划900B包括加速三秒到点H并且减速到在点I-L处停止。第二运动规划900B还包括从点L至P进行转弯，并且然后随后沿着轨道部分276以大约稳定的速度移动。
在框610处，车辆的计算设备110可以基于每个对应的运动规划确定每个极可能路径的可能性。最可能路径(most probable)可以具有最高可能性。可以基于该轨道智能体的特性与执行类似于在每个极可能路径上的操纵的操纵的轨道智能体的已知行为比较的程度来确定可能性。在一些实施方式中，可以使用机器学习技术来确定可能性(likelihood)。在运动路径900A和900B之间，车辆的计算设备可以确定运动路径900A具有比运动路径900B更高的可能性，因为轨道智能体710最有可能在车辆100到达并进入交叉路口230之前到达并进入交叉路口230。结果，轨道智能体710更有可能进行转弯而不是等待车辆100穿过交叉路口。
在框612处，车辆的计算设备110可以基于轨道智能体的具有最高可能性的极可能路径来确定车辆100的路径。例如，当为车辆100确定的路径与轨道智能体的最可能路径相交时，该路径可以让行给轨道智能体。轨道智能体710的第一运动路径900A可以用在场景700中，因为该第一运动路径在它和第二运动路径900B之间具有最高可能性。因为运动路径900A不包括轨道智能体为车辆100所在的车道部分251B中的交通让行，所以车辆的计算设备110可以确定车辆100的路径包括在根据规划的操纵702直行通过交叉路口之前为轨道智能体710让行。具体地，车辆100的路径可以被确定为包括驾驶大约两秒以到达并停止在停止线263处，在停止的位置等待车辆712、714和轨道智能体710通过大约10秒，并从停止的位置驾驶直行穿过交叉路口230。可替代地，当轨道智能体710的第二运动路径900B更有可能时，车辆100的路径可以被确定为在从停止的位置起驾驶直行穿过交叉路口230之前，在停止线处停止较少的时间，诸如5秒。
在框614处，然后可以由车辆的计算设备110控制车辆100以沿着为车辆确定的路径导航。车辆的计算设备110可以向车辆100的包括减速系统160、加速系统162和转向系统164的一个或多个自驾驶系统发送指令。
本文的技术可以允许自主车辆在存在轨道智能体的情况下安全且有效地导航，包括诸如停止、让行或向前转向避让的动作。通过考虑轨道信息和轨道智能体的行为与其他智能体的差异，可以创建轨道智能体行为的更准确模型。轨道智能体行为的更准确模型然后可以允许自主车辆进行更好的路径规划。因此，自主车辆中的乘坐可能需要较少的更新并且对于乘客来说可能更顺畅。此外，作为结果，用于自主车辆的系统的资源可以更有效地进行预算，这可以增加系统的寿命。
除非另有说明，否则上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以上讨论的特征的这些和其他变化和组合，因此实施例的前述描述应当通过说明的方式而不是通过限制由权利要求限定的主题的方式来进行。此外，本文描述的示例的提供以及表述为“诸如”、“包括”等的子句不应被解释为将权利要求的主题限制到具体示例；反而，这些示例仅旨在说明许多可能实施例中的一个。此外，不同附图中的相同附图标记可以标识相同或相似的元件。

Claims (20)

1.一种用于自主车辆的控制系统，所述控制系统包括：
自驾驶系统；以及
与自驾驶系统通信的一个或多个计算设备，所述一个或多个计算设备被配置为：
使用检测系统检测自主车辆附近的轨道智能体；
确定检测到的轨道智能体可能在其上行进的一个或多个轨道；
基于确定的一个或多个轨道预测轨道智能体的可能路径；
确定来自可能路径的一个或多个极可能路径的一个或多个运动规划；
基于所述一个或多个运动规划中的每个运动规划确定所述一个或多个极可能路径中的每一个的可能性；以及
基于轨道智能体的与最高可能性相关联的最可能路径确定自主车辆的路径。
2.根据权利要求1所述的控制系统，其中，所述一个或多个计算设备被配置为基于检测到的轨道智能体具有的轨道智能体的类型和与轨道智能体的位置相关的轨道的位置确定检测到的轨道智能体可能在其上行进的所述一个或多个轨道。
3.根据权利要求1所述的控制系统，其中，所述一个或多个计算设备被配置为使用空间搜索以识别轨道智能体附近的所有铁轨来预测轨道智能体的可能路径。
4.根据权利要求1所述的控制系统，其中，所述一个或多个计算设备被配置为还基于到确定的一个或多个轨道的连接轨道来预测轨道智能体的可能路径。
5.根据权利要求4所述的控制系统，其中，所述一个或多个计算设备被配置为还基于确定的一个或多个轨道和连接轨道的几何结构来预测轨道智能体的可能路径。
6.根据权利要求1所述的控制系统，其中，所述一个或多个计算设备还被配置为基于轨道智能体的特性或一个或多个交通控制因素过滤可能路径，过滤后的可能路径是所述一个或多个极可能路径。
7.根据权利要求6所述的控制系统，其中，轨道智能体的特性包括转向架或箱体相对于沿着可能路径的轨道上的给定分离点的定位。
8.根据权利要求6所述的控制系统，其中，所述一个或多个交通控制因素包括沿着可能路径的轨道的几何结构。
9.根据权利要求1所述的控制系统，其中，所述一个或多个运动规划中的每一个包括所述轨道智能体的预测速度。
10.根据权利要求1所述的控制系统，其中，所述一个或多个计算设备还被配置为使用自驾驶系统基于确定的路径操作自主车辆。
11.一种用于操作自主车辆的方法，所述方法包括：
由一个或多个计算设备使用检测系统检测自主车辆附近的轨道智能体；
由一个或多个计算设备确定检测到的轨道智能体可能在其上行进的一个或多个轨道；
由一个或多个计算设备基于确定的一个或多个轨道预测轨道智能体的可能路径；
由一个或多个计算设备确定来自可能路径的一个或多个极可能路径的一个或多个运动规划；
由一个或多个计算设备基于所述一个或多个运动规划中的每个运动规划确定所述一个或多个极可能路径中的每一个的可能性；
由一个或多个计算设备基于轨道智能体的与最高可能性相关联的最可能路径确定自主车辆的路径；以及
由一个或多个计算设备基于确定的路径操作自主车辆。
12.根据权利要求11所述的方法，其中，确定检测到的轨道智能体可能在其上行进的所述一个或多个轨道包括：确定检测到的轨道智能体具有的轨道智能体的类型和与轨道智能体的位置相关的轨道的位置。
13.根据权利要求11所述的方法，其中，使用空间搜索以识别轨道智能体附近的所有铁轨来预测轨道智能体的可能路径。
14.根据权利要求11所述的方法，其中，预测轨道智能体的可能路径包括：识别到确定的一个或多个轨道的连接轨道。
15.根据权利要求14所述的方法，其中，预测轨道智能体的可能路径还包括：确定所确定的一个或多个轨道和连接轨道的几何结构。
16.根据权利要求11所述的方法，还包括：基于轨道智能体的特性或一个或多个交通控制因素过滤可能路径，过滤后的可能路径是所述一个或多个极可能路径。
17.根据权利要求16所述的方法，其中，轨道智能体的特性包括转向架或箱体相对于沿着可能路径的轨道上的给定分离点的定位。
18.根据权利要求16所述的方法，其中，所述一个或多个交通控制因素包括沿着可能路径的轨道的几何结构。
19.根据权利要求11所述的方法，其中，所述一个或多个运动规划中的每一个包括轨道智能体的预测速度。
20.一种非暂时性有形计算机可读存储介质，其上存储有程序的计算机可读指令，所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行方法，所述方法包括：
使用检测系统检测自主车辆附近的轨道智能体；
确定检测到的轨道智能体可能在其上行进的一个或多个轨道；
基于确定的一个或多个轨道预测轨道智能体的可能路径；
确定来自可能路径的一个或多个极可能路径的一个或多个运动规划；
基于所述一个或多个运动规划中的每个运动规划确定所述一个或多个极可能路径中的每一个的可能性；
基于轨道智能体的与最高可能性相关联的最可能路径确定自主车辆的路径；以及
基于确定的路径操作自主车辆。
CN202111299144.8A 2020-11-04 2021-11-04 用于自主驾驶系统的对轨道智能体的行为预测 Active CN114435393B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/089,046 2020-11-04
US17/089,046 US11841704B2 (en) 2020-11-04 2020-11-04 Behavior prediction for railway agents for autonomous driving system

Publications (2)

Publication Number Publication Date
CN114435393A true CN114435393A (zh) 2022-05-06
CN114435393B CN114435393B (zh) 2024-06-25

Family

ID=78483185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111299144.8A Active CN114435393B (zh) 2020-11-04 2021-11-04 用于自主驾驶系统的对轨道智能体的行为预测

Country Status (3)

Country Link
US (2) US11841704B2 (zh)
EP (1) EP3995379B1 (zh)
CN (1) CN114435393B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024072833A1 (en) * 2022-09-26 2024-04-04 Parallel Systems, Inc. Rail authority system and/or method
US11964682B1 (en) 2022-10-31 2024-04-23 Parallel Systems, Inc. Rail control system and/or method
WO2024108222A1 (en) * 2022-11-18 2024-05-23 Parallel Systems, Inc. System and/or method for remote operation of a rail vehicle

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160161271A1 (en) * 2014-12-09 2016-06-09 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle detection of and response to intersection priority
CN106774318A (zh) * 2016-12-14 2017-05-31 智易行科技(武汉)有限公司 多智能体交互式环境感知与路径规划运动系统
US20180018888A1 (en) * 2016-07-12 2018-01-18 Siemens Industry, Inc. Connected vehicle traffic safety system and a method of predicting and avoiding crashes at railroad grade crossings
US20190056238A1 (en) * 2016-08-17 2019-02-21 Veoneer Us Inc. Adas horizon and vision supplemental v2x
CN109562760A (zh) * 2016-07-06 2019-04-02 伟摩有限责任公司 对于自主车辆测试预测
DE102017217831A1 (de) * 2017-10-06 2019-04-11 Bayerische Motoren Werke Aktiengesellschaft System und Verfahren zum automatisierten Manövrieren eines Ego-Fahrzeugs
US20190122037A1 (en) * 2017-10-24 2019-04-25 Waymo Llc Pedestrian behavior predictions for autonomous vehicles
US20190220015A1 (en) * 2018-01-15 2019-07-18 Uber Technologies, Inc. Discrete Decision Architecture for Motion Planning System of an Autonomous Vehicle
US20190265709A1 (en) * 2018-02-26 2019-08-29 Honda Motor Co., Ltd. Vehicle control device
CN110222885A (zh) * 2019-05-24 2019-09-10 合肥工业大学 无人系统中智能体自主路径规划的优化方法和系统
US20190287402A1 (en) * 2018-03-19 2019-09-19 Derq Inc. Early warning and collision avoidance
CN110356401A (zh) * 2018-04-05 2019-10-22 北京图森未来科技有限公司 一种自动驾驶车辆及其变道控制方法和系统
CN110497908A (zh) * 2018-05-16 2019-11-26 通用汽车环球科技运作有限责任公司 自动驾驶系统和使用传感器融合进行智能车辆控制的控制逻辑
US10640111B1 (en) * 2016-09-07 2020-05-05 Waymo Llc Speed planning for autonomous vehicles
CN111213100A (zh) * 2017-10-24 2020-05-29 伟摩有限责任公司 用于自动车辆路径规划的速度相关所需的侧向间隙
US20200192365A1 (en) * 2018-12-14 2020-06-18 Waymo Llc Operating An Autonomous Vehicle According To Road User Reaction Modeling With Occlusions
US20200298891A1 (en) * 2019-03-23 2020-09-24 Uatc, Llc Perception and Motion Prediction for Autonomous Devices
CN111746557A (zh) * 2019-03-26 2020-10-09 通用汽车环球科技运作有限责任公司 用于车辆的路径规划融合

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11112796B2 (en) 2017-08-08 2021-09-07 Uatc, Llc Object motion prediction and autonomous vehicle control
US10627819B1 (en) 2018-10-11 2020-04-21 Pony Ai Inc. On-site notification from autonomous vehicle for traffic safety
JP7156208B2 (ja) * 2019-08-08 2022-10-19 トヨタ自動車株式会社 車両遠隔指示システム及び遠隔指示装置
EP4022591A4 (en) * 2019-08-29 2022-10-19 Derq Inc. IMPROVED ON-BOARD EQUIPMENT

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160161271A1 (en) * 2014-12-09 2016-06-09 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle detection of and response to intersection priority
CN109562760A (zh) * 2016-07-06 2019-04-02 伟摩有限责任公司 对于自主车辆测试预测
US20180018888A1 (en) * 2016-07-12 2018-01-18 Siemens Industry, Inc. Connected vehicle traffic safety system and a method of predicting and avoiding crashes at railroad grade crossings
US20190056238A1 (en) * 2016-08-17 2019-02-21 Veoneer Us Inc. Adas horizon and vision supplemental v2x
US10640111B1 (en) * 2016-09-07 2020-05-05 Waymo Llc Speed planning for autonomous vehicles
CN106774318A (zh) * 2016-12-14 2017-05-31 智易行科技(武汉)有限公司 多智能体交互式环境感知与路径规划运动系统
DE102017217831A1 (de) * 2017-10-06 2019-04-11 Bayerische Motoren Werke Aktiengesellschaft System und Verfahren zum automatisierten Manövrieren eines Ego-Fahrzeugs
US20190122037A1 (en) * 2017-10-24 2019-04-25 Waymo Llc Pedestrian behavior predictions for autonomous vehicles
CN111213100A (zh) * 2017-10-24 2020-05-29 伟摩有限责任公司 用于自动车辆路径规划的速度相关所需的侧向间隙
US20190220015A1 (en) * 2018-01-15 2019-07-18 Uber Technologies, Inc. Discrete Decision Architecture for Motion Planning System of an Autonomous Vehicle
US20190265709A1 (en) * 2018-02-26 2019-08-29 Honda Motor Co., Ltd. Vehicle control device
US20190287402A1 (en) * 2018-03-19 2019-09-19 Derq Inc. Early warning and collision avoidance
CN110356401A (zh) * 2018-04-05 2019-10-22 北京图森未来科技有限公司 一种自动驾驶车辆及其变道控制方法和系统
CN110497908A (zh) * 2018-05-16 2019-11-26 通用汽车环球科技运作有限责任公司 自动驾驶系统和使用传感器融合进行智能车辆控制的控制逻辑
US20200192365A1 (en) * 2018-12-14 2020-06-18 Waymo Llc Operating An Autonomous Vehicle According To Road User Reaction Modeling With Occlusions
US20200298891A1 (en) * 2019-03-23 2020-09-24 Uatc, Llc Perception and Motion Prediction for Autonomous Devices
CN111746557A (zh) * 2019-03-26 2020-10-09 通用汽车环球科技运作有限责任公司 用于车辆的路径规划融合
CN110222885A (zh) * 2019-05-24 2019-09-10 合肥工业大学 无人系统中智能体自主路径规划的优化方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王曰凡;: "城市轨道交通网络化建设中的车辆资源共享", 机车电传动, no. 05, 30 September 2007 (2007-09-30) *

Also Published As

Publication number Publication date
US20220137623A1 (en) 2022-05-05
EP3995379A1 (en) 2022-05-11
US20240126296A1 (en) 2024-04-18
US11841704B2 (en) 2023-12-12
CN114435393B (zh) 2024-06-25
EP3995379B1 (en) 2024-04-17

Similar Documents

Publication Publication Date Title
KR102335684B1 (ko) 폐색들이 있는 도로 사용자 반응 모델링에 따른 자율주행 차량의 동작
US11938967B2 (en) Preparing autonomous vehicles for turns
KR102222323B1 (ko) 자율 차량들을 위한 동적 라우팅
US11709490B1 (en) Behavior and intent estimations of road users for autonomous vehicles
KR102488743B1 (ko) 자율 차량들을 위한 교통 재지향에 대한 검출 및 응답
US20210139048A1 (en) Tree policy planning for autonomous vehicle driving solutions
CN114435393B (zh) 用于自主驾驶系统的对轨道智能体的行为预测
US20230168095A1 (en) Route providing device and route providing method therefor
CN112789209B (zh) 减少由停止的自主车辆给周围道路使用者带来的不便
US20230227065A1 (en) Managing maneuvers for autonomous vehicles in certain situations
CN112789209A (zh) 减少由停止的自主车辆给周围道路使用者带来的不便

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