CN114466780A - 用于在大型车辆中的自主驾驶模式之间转换的方法 - Google Patents

用于在大型车辆中的自主驾驶模式之间转换的方法 Download PDF

Info

Publication number
CN114466780A
CN114466780A CN202080067695.9A CN202080067695A CN114466780A CN 114466780 A CN114466780 A CN 114466780A CN 202080067695 A CN202080067695 A CN 202080067695A CN 114466780 A CN114466780 A CN 114466780A
Authority
CN
China
Prior art keywords
vehicle
autonomous
driving
parking facility
freight
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
CN202080067695.9A
Other languages
English (en)
Inventor
V.帕特奈克
W.格罗斯曼
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
Priority claimed from PCT/US2020/041927 external-priority patent/WO2021021427A1/en
Publication of CN114466780A publication Critical patent/CN114466780A/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
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering 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
    • 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
    • B60W30/06—Automatic manoeuvring for parking
    • 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
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • B62D15/026—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation combined with automatic distance control, i.e. electronic tow bar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/027—Parking aids, e.g. instruction means
    • B62D15/0285—Parking performed automatically
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • 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
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/0295—Fleet control by at least one leading vehicle of the fleet
    • 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
    • G05D1/24—Arrangements for determining position or orientation
    • G05D1/247—Arrangements for determining position or orientation using signals provided by artificial sources external to the vehicle, e.g. navigation beacons
    • G05D1/249—Arrangements for determining position or orientation using signals provided by artificial sources external to the vehicle, e.g. navigation beacons from positioning sensors located off-board the vehicle, e.g. from cameras
    • 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
    • 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
    • G05D1/69—Coordinated control of the position or course of two or more vehicles
    • G05D1/695—Coordinated control of the position or course of two or more vehicles for maintaining a fixed relative position of the vehicles, e.g. for convoy travelling or formation flight
    • 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
    • G05D1/80—Arrangements for reacting to or preventing system or operator failure
    • G05D1/81—Handing over between on-board automatic and on-board manual control
    • 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
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/69—Identity-dependent
    • H04W12/77—Graphical identity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本技术涉及在大型自驾驶车辆(诸如货运车辆)朝着目的地设施操纵和/或在目的地设施停车时协助他们。这可包括给定车辆在不同自主驾驶模式之间转换。对于大部分行程，这样的车辆可以被允许在某些道路上以完全自主模式驾驶，但在其他道路上或当进入或离开目的地设施(诸如仓库、车站或服务中心)时可能需要改变为部分自主模式。大型车辆(诸如货运卡车)在目的地中操纵和在目的地处停车的空间可能受限，这也可能妨碍以完全自主模式操作。这里，可以采用来自目的地设施和/或远程协助服务的信息来实时协助半自主操纵。

Description

用于在大型车辆中的自主驾驶模式之间转换的方法
本申请是均提交于2019年8月23日的美国专利申请第16/548,960号和美国专利申请第16/548,980号的继续，两者均要求提交于2019年7月29日的美国临时申请第62/879,571号的申请日的权益，其全部公开内容通过引用结合于此。
背景技术
自主车辆，诸如不要求人类驾驶员的车辆，可以用于协助将挂车载运(trailered)的(例如，拖曳的(towed))货物(诸如消费品、装备、牲畜或其他物品)从一个位置运输到另一个位置。这样的车辆可以以完全自主模式或人可以提供某一驾驶输入的部分自主模式操作。可能存在下述情形，其中货运卡车或其他大型车辆被允许在部分路线(诸如高速公路)完全自主地操作，但不允许在路线的另一部分(诸如仓库或车站(depot)附近的地面街道)以该模式操作。此外，一旦车辆到达仓库或车站，可能要求以有限的视线进行严格的操纵。许多车辆可能没有被装备足以使其能够以自主驾驶模式倒车或以其他方式操纵进入仓库月台(dock)或其他停车位置的传感器。在这种情形下，改变驾驶模式并潜在地必须引进人类驾驶员可能为将货物及时高效地运到其目的地引入显著的组织协调的(logistical)复杂性。
发明内容
本技术涉及操纵自驾驶货运卡车和其他车辆从主干道(例如，高速公路)到仓库、服务中心、递送位置和其他设施。一方面涉及车辆未被清理或以其他方式不允许在地面街道上完全自主地操作的情形。这里，卡车可以从纯自主驾驶(例如，5级自主)转换为自主“跟随”模式，在自主“跟随”模式中，卡车在执行模仿或与引导车辆类似的驾驶操作时驾驶在引导车辆之后。另一方面涉及自驾驶车辆在车站或其他目的地处如何操纵和停车，而不需要车辆在挂车或车辆的其他部分上安装传感器。下面详细讨论这两个方面。
根据本技术的一方面，提供了一种被配置为以自主驾驶模式操作的车辆。车辆包括驾驶系统来以自主驾驶模式控制车辆的驾驶，该驾驶系统包括转向子系统、加速子系统和减速子系统。它还包括具有被配置为检测车辆外部的环境中的对象的一个或多个传感器的感知系统，以及被配置为提供与一个或多个远程设备的无线连接的通信系统。车辆还包括具有一个或多个处理器的控制系统。控制系统可操作地耦合到驾驶系统、通信系统和感知系统，并且被配置为：识别要跟随的引导车辆；认证引导车辆；通过根据检测或接收的关于引导车辆的信息控制驾驶系统来开始跟随操作；检测来自引导车辆的关于即将到来的驾驶操纵的信号；以及基于检测的信号和由感知系统接收的信息来控制驾驶系统。信号的检测可以由车辆的感知系统来执行。
在一个示例中，控制系统还被配置为在感知系统检测到所述车辆和引导车辆之间的介入对象时采取纠正动作。纠正动作可以包括靠边停车或增加与引导车辆的跟随距离。可替代地或附加地，纠正动作可以包括请求引导车辆靠边停车。
在另一个示例中，控制系统还被配置为从完全自主驾驶模式转换为跟随模式以便执行跟随操作。
引导车辆的识别可以包括控制系统从远程系统接收对搜索引导车辆的请求。这里，所接收的请求可以包括识别引导车辆的信息。
在又一个示例中，控制系统被配置为当引导车辆在所述车辆的视线内时或当引导车辆在所述车辆的预定距离内时，在沿着路线的预先布置的位置处、在选择的时间认证引导车辆。
根据本技术的另一方面，提供了一种车辆，其包括驾驶系统，该驾驶系统具有转向子系统、加速子系统和减速子系统以控制车辆的驾驶。该车辆还包括感知系统，该感知系统包括被配置为检测车辆外部的环境中的对象的一个或多个传感器和被配置为提供与一个或多个远程设备的无线连接的通信系统。车辆的控制系统包括一个或多个处理器并且是可操作地耦合到驾驶系统、通信系统和感知系统的控制系统。控制系统被配置为获得另一车辆的目的地；通过控制驾驶系统沿路线朝着目的地行进来开始引导操作；生成关于即将到来的驾驶操纵的信号；以及发射生成的信号以由另一车辆的一个或多个传感器感知。
在一个示例中，控制系统还被配置为执行清理操作以清理路线的路段以供所述车辆和另一车辆二者安全通行。这里，控制系统还可以被配置为确定另一车辆能够在确定的时间量内执行即将到来的驾驶操纵。
在另一示例中，以自主驾驶模式执行引导操作。在又一个示例中，在从远程系统接收控制信号时执行引导操作。在再一个示例中，控制系统能够执行与另一车辆的认证操作。在这种情况下，控制系统可以被配置为向远程服务器发送对另一车辆进入搜索引导者过程的请求。
在又一个示例中，在生成关于即将到来的驾驶操纵的信号之前，控制系统被配置为获得关于另一车辆的实时状态信息。在另一个示例中，在生成关于即将到来的驾驶操纵的信号之前，控制系统被配置为获得沿路线的道路的路段的道路图。在再一个示例中，控制系统被配置为在引导操作期间使用感知系统来处理与另一车辆相关联的感知操作。并且控制系统可以被配置为在引导操作期间从另一车辆接收感知数据。
根据本技术的另一方面，提供了一种执行用于自主货运车辆的车辆协助操作的方法。该方法包括从自主货运车辆的感知系统接收传感器信息；选择停车设施处的自主货运车辆的停车位置；从停车设施的一个或多个传感器接收影像的实时馈送；获得停车设施的道路图，道路图提供自主货运车辆到达选择的停车位置的路径；以及使用道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
在一个示例中，该方法还包括：基于影像的实时馈送生成增强轨迹，增强轨迹补充道路图；以及将增强轨迹实时提供给驾驶系统，以使得驾驶系统能够以自主驾驶模式驾驶到选择的停车位置。
在另一个示例中，道路图包括用于将自主货运车辆倒车到选择的停车位置中的一组路径。
在又一个示例中，该方法还包括检测自主货运车辆和选择的停车位置之间的停车设施处的障碍物；以及使用增强轨迹修改道路图以避开障碍物。
在再一个示例中，该方法还包括对图像的实时馈送执行感知分析以检测停车设施的运转空间(apron space)中的一个或多个对象。感知分析可以包括对检测到的一个或多个对象进行分类。在这种情况下，该方法还可以包括响应于检测到的对象中的至少一个的分类，指示自主货运车辆的驾驶系统采取纠正动作。纠正动作可以是停止自主货运车辆或使自主货运车辆重新定位，直到至少一个分类的对象已经从停车设施处的给定位置移开。
在又一个示例中，停车设施是仓库、车站、服务中心或递送位置。
根据本技术的另一方面，一种被配置为执行用于自主货运车辆的车辆协助操作的系统。该系统包括存储停车设施的一组道路图的存储器，以及可操作地耦合到存储器的一个或多个处理器。一个或多个处理器被配置为从自主货运车辆的感知系统接收传感器信息，选择停车设施处的自主货运车辆的停车位置，以及从停车设施的一个或多个传感器接收影像的实时馈送。一个或多个处理器还被配置为从停车设施的该一组道路图中选择道路图中的一个。选择的道路图提供自主货运车辆到达选择的停车位置的路径。一个或多个处理器还被配置为使用选择的道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
在一个示例中，一个或多个处理器还被配置为基于影像的实时馈送生成增强轨迹。增强轨迹补充了选择的道路图。这里，一个或多个处理器还向驾驶系统实时提供增强轨迹，以使得驾驶系统能够以自主驾驶模式驾驶到选择的停车位置。
在另一个示例中，该组道路图包括用于将自主货运车辆倒车到选择的停车位置的一组路径。
在又一个示例中，一个或多个处理器还被配置为检测自主货运车辆和选择的停车位置之间的停车设施处的障碍物，以及使用增强轨迹修改选择的道路图以避开障碍物。
在再一个示例中，一个或多个处理器还被配置为对图像的实时馈送执行感知分析以检测停车设施的运转空间中的一个或多个对象。这里，感知分析可以包括检测到的一个或多个对象的分类。在这种情况下，一个或多个处理器还可以被配置为响应于检测到的对象中的至少一个的分类，指示自主货运车辆的驾驶系统采取纠正动作。纠正动作可以包括停止自主货运车辆或使自主货运车辆重新定位，直到至少一个分类的对象已经从停车设施处的给定位置移开。
在又一个示例中，停车设施是仓库、车站、服务中心或递送位置。该系统还可以包括停车设施的一个或多个传感器。
而且，根据本技术的另一方面，提供了一种非暂时性计算机可读记录介质，其上存储有指令。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用于自主货运车辆的车辆协助操作。车辆协助操作包括：从自主货运车辆的感知系统接收传感器信息；选择停车设施处的自主货运车辆的停车位置；从停车设施的一个或多个传感器接收影像的实时馈送；获得停车设施的道路图，道路图提供自主货运车辆到达选择的停车位置的路径；以及使用道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
根据本技术的一方面，提供了一种执行用于自主货运车辆的车辆协助操作的方法。该方法包括从自主货运车辆的感知系统接收传感器信息；选择停车设施处的自主货运车辆的停车位置；从停车设施的一个或多个传感器接收影像的实时馈送；获得停车设施的道路图，道路图提供自主货运车辆到达选择的停车位置的路径；以及使用道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
在一个示例中，该方法还包括：基于影像的实时馈送生成增强轨迹，增强轨迹补充道路图；以及将增强轨迹实时提供给驾驶系统，以使得驾驶系统能够以自主驾驶模式驾驶到选择的停车位置。
在另一个示例中，道路图包括用于将自主货运车辆倒车到选择的停车位置中的一组路径。
在又一个示例中，该方法还包括检测自主货运车辆和选择的停车位置之间的停车设施处的障碍物；以及使用增强轨迹修改道路图以避开障碍物。
在再一个示例中，该方法还包括对图像的实时馈送执行感知分析以检测停车设施的运转空间中的一个或多个对象。感知分析可以包括对检测到的一个或多个对象进行分类。在这种情况下，该方法还可以包括响应于检测到的对象中的至少一个的分类，指示自主货运车辆的驾驶系统采取纠正动作。纠正动作可以是停止自主货运车辆或使自主货运车辆重新定位，直到至少一个分类的对象已经从停车设施处的给定位置移开。
在又一个示例中，停车设施是仓库、车站、服务中心或递送位置。
根据本技术的另一方面，一种被配置为执行用于自主货运车辆的车辆协助操作的系统。该系统包括存储停车设施的一组道路图的存储器，以及可操作地耦合到存储器的一个或多个处理器。一个或多个处理器被配置为从自主货运车辆的感知系统接收传感器信息，选择停车设施处的自主货运车辆的停车位置，以及从停车设施的一个或多个传感器接收影像的实时馈送。一个或多个处理器还被配置为从停车设施的该一组道路图中选择道路图中的一个。选择的道路图提供自主货运车辆到达选择的停车位置的路径。一个或多个处理器还被配置为使用选择的道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
在一个示例中，一个或多个处理器还被配置为基于影像的实时馈送生成增强轨迹。增强轨迹补充了选择的道路图。这里，一个或多个处理器还向驾驶系统实时提供增强轨迹，以使得驾驶系统能够以自主驾驶模式驾驶到选择的停车位置。
在另一个示例中，该组道路图包括用于将自主货运车辆倒车到选择的停车位置的一组路径。
在又一个示例中，一个或多个处理器还被配置为检测自主货运车辆和选择的停车位置之间的停车设施处的障碍物，以及使用增强轨迹修改选择的道路图以避开障碍物。
在再一个示例中，一个或多个处理器还被配置为对图像的实时馈送执行感知分析以检测停车设施的运转空间中的一个或多个对象。这里，感知分析可以包括检测到的一个或多个对象的分类。在这种情况下，一个或多个处理器还可以被配置为响应于检测到的对象中的至少一个的分类，指示自主货运车辆的驾驶系统采取纠正动作。纠正动作可以包括停止自主货运车辆或使自主货运车辆重新定位，直到至少一个分类的对象已经从停车设施处的给定位置移开。
在又一个示例中，停车设施是仓库、车站、服务中心或递送位置。该系统还可以包括停车设施的一个或多个传感器。
而且，根据本技术的另一方面，提供了一种非暂时性计算机可读记录介质，其上存储有指令。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用于自主货运车辆的车辆协助操作。车辆协助操作包括：从自主货运车辆的感知系统接收传感器信息；选择停车设施处的自主货运车辆的停车位置；从停车设施的一个或多个传感器接收影像的实时馈送；获得停车设施的道路图，道路图提供自主货运车辆到达选择的停车位置的路径；以及使用道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
附图说明
图1A-图1B示出了用于与本技术的各方面一起使用的示例货运车辆布置。
图1C示出了用于与本技术的各方面一起使用的示例客运车辆布置。
图2A-图2B是根据本公开的各方面的示例牵引车-挂车式车辆的功能图。
图3是根据本公开的各方面的示例客运车辆的功能图。
图4A-图4B示出了与本技术的各方面一起使用的示例传感器视场。
图5A-图5B示出了根据本公开的各方面的示例引导-跟随驾驶场景。
图6A-图6C示出了根据本公开的各方面的具有介入车辆的驾驶场景。
图7A-图7D示出了根据本公开的各方面的示例车辆到车辆通信场景。
图8A-图8B示出了根据本公开的各方面的示例大型车辆停车场景。
图9A-图9B示出了根据本公开的各方面的示例系统。
图10A示出了根据本技术的各方面的第一示例引导-跟随方法。
图10B示出了根据本技术的各方面的第二示例引导-跟随方法。
图11示出了根据本技术的各方面的示例停车协助方法。
具体实施方式
本技术涉及在要求在不同自主驾驶模式之间转换的情形下将自驾驶车辆操纵到目的地。货运卡车或其他大型车辆在大部分行程能够在高速公路上完全自主地驾驶，但在地面街道上或当进入或离开仓库、车站或其他目的地时当地法规、道路配置或其他因素可能不允许该驾驶模式。类似地，这样的车辆可能无法能够容易地仅使用车载传感器以完全自主模式操纵进入目的地并在目的地处停车。
为了解决这些情形，一方面包括将车辆从纯自主驾驶(例如，5级自主)转换为自主“跟随”模式，在自主“跟随”模式中，自驾驶车辆在执行模仿或与引导车辆类似的驾驶操作时驾驶在引导车辆之后。第二方面涉及支持自驾驶车辆在车站或其他设施处操纵和停车，而不需要车辆在挂车或车辆的其他部分上安装传感器。
示例车辆系统
图1A-图1B示出了示例货运车辆100，诸如牵引车-挂车式卡车，并且图1C示出了示例客运车辆150，诸如小型货车(minivan)。货运车辆100可以包括例如单挂车、双挂车或三挂车，或者可以是另一中型或重型卡车，诸如商业重量等级4至8。如图所示，卡车包括牵引车单元102和单个货物单元或挂车104。取决于要运输的载货(freight)或其他类型的货物(例如，牲畜)，挂车104可以是完全封闭的、敞开的(诸如平板)、或部分敞开的。牵引车单元102包括引擎和转向系统(未示出)以及用于驾驶员和任何乘客的驾驶室106。在完全自主的布置中，驾驶室106可以不装备座椅或手动驾驶组件，因为可能不需要人。
挂车104包括称为牵引销108的栓接点。牵引销108被配置为可枢转地附接至牵引车单元。特别地，牵引销附接到被称为第五轮的、安装在驾驶室后方的挂车联轴器(trailercoupling)109。传感器单元可以沿着牵引车单元102和/或挂车104部署。传感器单元用于检测关于货运车辆100周围环境的信息。例如，如图所示，牵引车单元102可以包括安装在车顶的(roof-mounted)传感器装配件110和一个或多个侧部传感器装配件112，其中，挂车104可以利用(例如安装在其左侧和/或右侧的)一个或多个传感器装配件114。
类似地，客运车辆150可以包括用于获得关于车辆的外部环境的信息的各种传感器。例如，顶部(roof-top)外壳152可以包括lidar传感器以及各种相机和/或雷达单元。位于车辆150前端的外壳154和车辆的驾驶员侧和乘客侧的外壳156a、156b可以各自包含Lidar或其他传感器。例如，外壳156a可以沿着车辆的后侧围板(quarter panel)位于驾驶员侧车门的前面。如图所示，客运车辆150还包括也位于朝着车辆的后车顶部分的用于雷达单元、lidar和/或相机的外壳158a、158b。附加的lidar、雷达单元和/或相机(未示出)可以位于沿车辆100的其他地方。例如，箭头160指示传感器单元可以沿着车辆150的头部放置，诸如在保险杠上或邻近保险杠。
虽然本公开的某些方面结合特定类型的车辆可能特别有用，但车辆可以是任何类型的车辆，包括但不限于轿车、卡车、摩托车、公共轿车、休闲车等。
图2A示出了具有被配置为以完全自主或半自主的操作模式操作的货运车辆(诸如卡车、农用设备或施工设备)的各种组件和系统的框图200。例如，对于以部分或完全自主驾驶模式操作的车辆，存在可能出现的不同程度的自主性。美国国家公路交通安全管理局和汽车工程师协会已经识别了用以指示车辆控制驾驶的多或少的程度的不同级别。例如，级别0(Level 0)没有自动化，并且驾驶员做出所有驾驶相关决策。最低的半自主模式，级别1(Level 1)，包括一些驾驶辅助，诸如定速巡航控制。级别2(Level 2)具有某些驾驶操作的部分自动化，而级别3(Level 3)涉及可以使处于驾驶员座椅上的人能够在有必要时进行控制的有条件的自动化。相比之下，级别4(Level 4)是高度自动化级别，其中车辆能够在选择的条件下无需协助地进行驾驶。并且级别5(Level 5)是完全自主模式，其中车辆能够在所有情形下无需协助地进行驾驶。本文描述的架构、组件、系统和方法可以以任何半自主或完全自主模式起作用，例如，在本文被称为“自主”驾驶模式的级别1至级别5。因此，对自主驾驶模式的引用包括部分自主和完全自主二者。
如图2A的框图所示，车辆包括一个或多个计算设备的控制系统，诸如包含一个或多个处理器204、存储器206和典型地存在于通用计算设备中的其他组件的计算设备202。控制系统可以构成牵引车单元的电子控制单元(ECU)。存储器206存储可由一个或多个处理器204访问的信息，包括可以由处理器204执行或以其他方式使用的指令208和数据210。存储器206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。存储器是诸如硬盘驱动器、存储卡、光盘、固态(solid-state)、磁带存储器等的非暂时性介质。系统可以包括前述的不同组合，由此指令和数据的不同部分存储在不同类型的介质上。
指令208可以是由处理器直接地(诸如机器代码)或间接地(诸如脚本)执行的任何指令集合。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。指令可以以用于由处理器直接处理的目标代码格式存储，或者以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的任何其他计算设备语言存储。一个或多个处理器204可以根据指令208检索、存储或修改数据210。在一个示例中，存储器206中的一些或者全部可以是被配置为存储车辆诊断和/或检测到的传感器数据的事件数据记录器或其他安全数据存储系统。
一个或多个处理器204可以是任何常规处理器，诸如商业可获得CPU。可替代地，一个或多个处理器可以是专用设备，诸如ASIC或其它基于硬件的处理器。尽管图2A在功能上示出了处理器、存储器和计算设备202的其他元件在同一框内，但这样的设备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相同的物理外壳内。类似地，存储器206可以是位于与处理器204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。
在一个示例中，计算设备202可以形成结合到车辆100中的自主驾驶计算系统。自主驾驶计算系统能够与车辆的各种组件通信。例如，回到图2A，计算设备202可以与车辆的各种系统通信，各种系统包括驾驶系统，该驾驶系统包括减速系统212(用于控制车辆的制动)、加速系统214(用于控制车辆的加速度)、转向系统216(用于控制车轮的朝向和车辆的方向)、信号系统218(用于控制转弯信号)、导航系统220(用于将车辆导航到一位置或对象周围)和定位系统222(用于确定车辆的定位)。
计算设备202还可操作地耦合到感知系统224(用于检测车辆环境中的对象)、动力系统226(例如，电池和/或汽油或柴油动力的引擎)和变速器系统230，以便以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、根据存储器206的指令208控制车辆的移动、速度等。一些或全部车轮/轮胎228被耦合到变速器系统230，并且计算设备202能够接收关于轮胎压力、平衡和可以影响以自主模式驾驶的其他因素的信息。
计算设备202可以通过控制各种组件来控制车辆的方向和速度。作为示例，计算设备202可以使用来自地图信息和导航系统220的数据完全自主地将车辆导航到目的地位置。计算设备202可以使用定位系统222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。为这样做，计算设备202可以使车辆加速(例如，通过增加由加速系统214提供给引擎的燃料或其他能量)、减速(例如，通过减少供应给引擎的燃料、换档和/或通过减速系统212施加制动)、改变方向(例如，通过转向系统216转动车辆100的前轮或其他车轮)，并且用信号通知这样的改变(例如，通过点亮信号系统218的转弯信号)。因此，加速系统214和减速系统212可以是包括在车辆的引擎和车辆的车轮之间的各种组件的传动系统(drivetrain)或其他变速器系统230的部分。同样，通过控制这些系统，计算设备202还可以控制车辆的变速器系统230以便自主地操纵车辆。
作为示例，计算设备202可以与减速系统212和加速系统214交互以便控制车辆的速度。类似地，计算设备202可以使用转向系统216以便控制车辆的方向。例如，如果车辆被配置为在道路上使用，诸如牵引车-挂车式卡车或施工车辆，则转向系统216可以包括控制牵引车单元102的车轮角度以使车辆转弯的组件。计算设备202可以使用信号系统218，以便例如通过在需要时点亮转弯信号或刹车灯来向其他驾驶员或车辆用信号通知车辆的意图。
计算设备202可以使用导航系统220以便确定并遵循到一位置的路线。在这方面，导航系统220和/或存储器206可以存储地图信息，例如，计算设备202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、车道标记、交叉路口、人行横道、限速、交通信号灯、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，包括车站、仓库或其他设施地图。车道标记可以包括诸如实线或虚线的双车道线或单车道线、实线或虚线车道线、反光器等的特征。给定的车道可以与左和右车道线或限定车道的边界的其他车道标记相关联。因此，大多数车道可以由一条车道线的左边缘和另一条车道线的右边缘来界定。
感知系统224还包括用于检测车辆外部的对象的传感器。检测到的对象可以是其他车辆、道路中的障碍物、交通信号、标志、树木、建筑物或其他结构等。例如，感知系统224可以包括一个或多个光检测和测距(lidar)传感器、声纳设备、雷达单元、相机(例如，光学和/或红外)、惯性传感器(例如，陀螺仪或加速度计)和/或记录可以由计算设备202处理的数据的任何其他检测设备。感知系统224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)、走向和移动的速度等。来自传感器的原始数据和/或上述特性可以在其由感知系统224生成时连续地和周期性地发送给计算设备202以供进一步处理。计算设备202可以使用定位系统222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。此外，计算设备202可以执行单独传感器、特定传感器装配件中的所有传感器或不同传感器装配件中的传感器之间的校准。
如图2A所指示的，感知系统224的传感器可以结合到一个或多个传感器装配件232中。在一个示例中，传感器装配件232可以被布置为集成到卡车、农用设备、施工设备等上的侧后视镜中的传感器塔。传感器装配件232也可以定位在牵引车单元102上或挂车104上的(见图1A-图1B)不同位置，或沿着客运车辆150的不同部分(见图1C)定位。计算设备202可以与位于牵引车单元102和挂车104两者上的或沿着客运车辆150分布的传感器装配件通信。每个装配件可以具有一种或多种类型的传感器，诸如上述的那些。
图2A中还示出了用于牵引车单元和挂车之间的连接的通信系统234和联轴系统236。联轴系统236包括在牵引车单元处的第五轮和在挂车处的牵引销。通信系统234可以包括一个或多个无线网络连接以促进与其他计算设备通信，其他计算设备诸如车辆内的乘客计算设备、以及车辆外部的计算设备(诸如在道路上另一个附近车辆中或在远程网络处)。网络连接可以包括短程通信协议，诸如蓝牙、蓝牙低功耗(LE)、蜂窝连接，以及各种配置和协议，包括互联网、万维网、内联网、虚拟专用网、广域网、局域网、使用专属于一个或多个公司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。
图2B示出了示例挂车的框图240。如图所示，该系统包括一个或多个计算设备(诸如包含一个或多个处理器244、存储器246和典型地存在于通用计算设备中的其他组件的计算设备)的ECU 242。存储器246存储可由一个或多个处理器244访问的信息，包括可以由处理器244执行或以其他方式使用的指令248和数据250。来自图2A的处理器、存储器、指令和数据的描述适用于图2B中的这些元素。
ECU 242被配置为从挂车单元接收信息和控制信号。ECU 242的车载处理器244可以与挂车的各种系统通信，各种系统包括减速系统252(用于控制挂车的制动)、信号系统254(用于控制转弯信号)和定位系统256(用于确定挂车的定位)。ECU 242还可以可操作地耦合到感知系统258(用于检测挂车环境中对象)和动力系统260(例如，电池电源)以向本地组件提供动力。挂车的一些或全部车轮/轮胎262可以耦合到减速系统252，并且处理器244能够接收关于轮胎压力、平衡、车轮速度和可能影响以自主模式驾驶的其他因素的信息，并将该信息中继到牵引车单元的处理系统。减速系统252、信号系统254、定位系统256、感知系统258、动力系统260和车轮/轮胎262可以以诸如上述关于图2A的方式操作。例如，如果用作挂车的一部分，感知系统258可以包括至少一个传感器装配件264，该传感器装配件具有一个或多个lidar传感器、声纳设备、雷达单元、相机、惯性传感器和/或记录可以由ECU 242或由牵引车单元的处理器204处理的数据的任何其他检测设备。
挂车还包括一组撑地装置(landing gear)266以及联轴系统268。撑地装置266可以在与牵引车单元解耦时提供针对挂车的支撑结构。可以是牵引车单元的联轴系统236的一部分的联轴系统268提供挂车和牵引车单元之间的连接。联轴系统268可以包括连接部270以提供与可以或不可以能够以自主模式操作的传统挂车单元的向后兼容性。联轴系统包括被配置为用于增强与能够自主的牵引车单元的第五轮的连接性的牵引销272。
图3示出了客运车辆的各种系统的框图300。如图所示，该系统包括一个或多个计算设备302，诸如包含一个或多个处理器304、存储器306和典型地存在于通用计算设备中的其他组件的计算设备。存储器306存储可由一个或多个处理器304访问的信息，包括可以由处理器304执行或以其他方式使用的指令308和数据310。来自图2A的处理器、存储器、指令和数据的描述适用于图3的这些元素。
与图2A的计算设备202一样，图3的计算设备302可以控制自主驾驶计算系统的计算设备或被并入到客运车辆。自主驾驶计算系统能够与车辆的各种组件通信，以便根据存储器306的主要车辆控制代码控制客运车辆的移动。例如，计算设备302可以与各种系统通信，以便根据存储器306的指令208控制移动、速度等，各种系统诸如减速系统312、加速系统314、转向系统316、信号系统318、导航系统320、定位系统322、感知系统324、动力系统326(例如，车辆的引擎或马达)、变速器系统330。车轮/轮胎328可以由计算设备302直接控制或经由这些其他系统间接控制。这些组件和子系统可以如上文关于图2A所描述的那样操作。例如，感知系统324还包括用于检测车辆外部的对象的一个或多个传感器332。如上所述，传感器332可以结合到一个或多个传感器装配件中。
计算设备202可以包括诸如上述的处理器和存储器的通常与计算设备结合使用的所有组件以及用户接口子系统334。用户接口子系统334可以包括一个或多个用户输入336(例如，鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器338(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子设备)。在这方面，内部电子显示器可以位于客运车辆(未示出)的车厢内并且可以由计算设备302用来向车辆内的乘客提供信息。诸如扬声器340的输出设备也可以位于客运车辆内。
还示出了通信系统342，其可以类似于图2A的通信系统234。例如，通信系统342还可以包括一个或多个无线网络连接以促进与其他计算设备的通信，例如车辆内的乘客计算设备，以及车辆外部的(在诸如道路上另一个附近车辆内的)计算设备或远程服务器系统。网络连接可以包括短程通信协议，诸如蓝牙、蓝牙低功耗(LE)、蜂窝连接，以及各种配置和协议，包括互联网、万维网、内联网、虚拟专用网、广域网、局域网、使用专属于一个或多个公司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。
示例实施方式
鉴于以上描述和图中所示的结构和配置，现在将描述各种实施方式。
为了检测车辆四周的环境和状况，可以采用不同类型的传感器和布局(layout)。这些的示例在上面关于图1-图2进行了讨论。每个传感器的视场(FOV)可以取决于特定车辆上的传感器放置(placement)。在一个场景中，可以采用来自一个或多个不同类型的传感器的信息，以便牵引车-挂车式或其他车辆可以以自主模式操作。每个传感器可能具有不同的范围、分辨率和/或FOV。
例如，传感器可以包括远距离(long range)FOV lidar和短距离(short range)FOV lidar。在一个示例中，远距离lidar可以具有超过50-250米的范围，而短距离lidar具有不大于1-50米的范围。可替代地，短距离lidar通常可以覆盖距离车辆高达10-15米，而远距离lidar可以覆盖超过100米的范围。在另一个示例中，远距离在10-200米之间，而短距离具有0-20米的范围。在另一个示例中，远距离超过80米，而短距离低于50米。例如10-100米之间的中等范围可以由远距离和短距离lidar中的一个或两者覆盖，或者由传感器系统中也可以包括的中等距离(medium range)Lidar覆盖。除了这些Lidar之外或替代这些Lidar，可以布置一组相机(例如，光学和/或红外)，例如以提供前向、侧向和后向影像。类似地，一组雷达传感器也可以布置为提供前向、侧向和后向数据。
图4A-图4B示出了货运车辆上的示例传感器配置和视场。特别地，图4A呈现了lidar、相机和雷达传感器的一个配置400。在该图中，一个或多个lidar单元可以位于传感器外壳402中。特别地，传感器外壳402可位于牵引车单元驾驶室的任一侧，例如集成到侧视镜装配件中或从驾驶室的车顶延伸。在一个场景中，远距离lidar可以位于沿着传感器外壳402的顶部或上部区域。例如，外壳402的此部分可以位于最靠近卡车驾驶室的顶部或车辆的车顶。这种放置允许远距离lidar查看车辆的引擎盖。并且短距离lidar可以位于沿着传感器外壳402的底部区域、更靠近地面、并且与外壳中的远距离lidar相对(opposite)。这允许短距离lidar覆盖紧邻驾驶室的区域。这将允许感知系统确定诸如另一车辆、行人、骑自行车者等的对象是否在车辆前面的旁边，并在确定在考虑到异常状况下如何驾驶或转弯时考虑该信息。
如图4A所示，牵引车单元的左侧和右侧的远距离lidar具有视场404。这些涵盖沿车辆侧面和前面的显著区域。如图所示，存在在车辆前面它们的视场的重叠区域406。为了清楚起见，在区域404和406之间示出了空间；然而，实际上将期望的是重叠的覆盖。左侧和右侧的短距离lidar具有较小的视场408。重叠区域406为感知系统提供关于在牵引机单元正前面的非常重要的区域的附加或信息。这种冗余还具有安全方面。如果远距离lidar传感器中的一个遭遇性能的劣化，则冗余仍将允许以自主模式操作。
图4B示出了牵引车-挂车两侧的雷达和相机传感器中的任一个(或两者)的覆盖范围410。这里，在每个传感器外壳412中可能有多个雷达和/或相机传感器。如图所示，可能有具有侧视场和后视场414的传感器和具有前向视场416的传感器。可以布置传感器使得侧视场和后视场414重叠，并且侧视场可以与前向视场416重叠。与上面讨论的远距离lidar一样，前向视场416也具有重叠区域418。该重叠区域提供与重叠区域406类似的冗余，并且如果一个传感器遭遇性能的劣化，则具有相同的益处。
虽然未在图4A-图4B中示出，但其他传感器可以定位在不同位置以获得关于车辆四周的其他区域的信息，诸如沿着车辆的后面或车辆的下面。
示例场景
如上所述，存在自驾驶车辆可以在完全自主驾驶和半自主驾驶之间转换的各种情形。一种特别相关的场景涉及货物运输。这里，卡车或其他车辆可能在高速公路或其他道路上以完全自主模式行驶，但是在其接近目的地时需要转换到半自主模式。在一些示例中，目的地可以是仓库、车站、递送中心或服务中心。这些目的地可能专门设计为接收多辆卡车或其他大型车辆，其中停车或操纵的空间有限。
在一个场景中，诸如长途商用卡车的货运车辆可能会将相当大的部分的行程花费在高速公路或允许完全自主驾驶的其他道路上驾驶。一旦货运车辆靠近其目的地，其可能需要离开高速公路并采用一个或多个地面街道。在这种场景中，在离开高速公路时，货运车辆从完全自主驾驶模式(其中车载系统(见图2A、图2B和图3)做出所有驾驶决策)改变为部分自主驾驶的不同驾驶模式。以这种部分自主驾驶模式，车载系统不会做出所有驾驶决策。例如，如图5A-图5B所示，货运车辆502将跟随引导车辆504。
引导车辆504可以是能够部分地或完全地驾驶至跟随车辆的目的地的轿车、货运卡车或其他车辆。可替代地，可以采用诸如无人机(drone)的无人飞行器(UAV)来代替引导车辆或与引导车辆结合。例如，当与引导车辆结合使用时，UAV可以用作附加的一组传感器，本质上协助引导车辆和跟随车辆两者查看一者或两者可能有盲点的位置，例如，在挂车的后面，或在某些遮挡的区域中。这里，UAV获得的传感器信息将被提供给引导车辆，并且可选地提供给任何跟随车辆。
在跟随引导车辆之前，引导车辆可能需要被识别和/或向货运车辆认证(或反之亦然)。这可以直接在两个辆车之间完成。可替代地，与货运车辆通信的远程系统可以协助认证。
在一个示例中，认证可以经由与货运车辆通信的远程系统来完成。例如，引导车辆可以向远程服务器发送对货运车辆进入特殊的“搜索引导者”模式的请求，并且远程服务器会将这种状态下推给货运车辆。引导车辆只在其处于货运车辆前面并准备好领航(pilot)货运车辆(例如，包括确定其能够驾驶到货运车辆的目的地)时才可以发送此命令。该状态可以被设置为仅持续短时间段(例如，1-10秒，或不多于1分钟)，以便货运车辆不会错误地将任何其他车辆识别为引导车辆。另一种认证方法将依赖远程操作员或远程系统的其他方面来将道路上的车辆识别和标记为引导车辆，并远程地将货运车辆置于“跟随”模式以跟随引导车辆。例如，这里，远程操作员可以在他或她的显示屏上识别引导车辆并将与标记的引导车辆相关联的信息传送给货运车辆。该信息可能包括例如位置坐标、地图数据、影像、车辆特定标识符等。
与认证相关联，引导车辆可以具有唯一的QR码或其他标识符信息(诸如，可由货运车辆的传感器识别的牌照号码)，使得当发生认证时，引导车辆(或引导车辆中的人)发送该特定标识符信息。这可能使货运车辆极不可能或实际上不可能将任何其他车辆误会为引导车辆。
图5A示出了第一视图500，其中货运车辆502和引导车辆504二者都沿着高速公路或其他道路行驶。当两个车辆在彼此的视线内或预定距离内时，可以在沿着路线的预先布置的位置处、在选择的时间发生两个车辆之间的认证。图5B示出了第二视图510，其中引导车辆已经开始沿着由虚线箭头512指示的路径离开道路。货运车辆如由虚线箭头514所示地跟随引导车辆。
引导车辆可以或可以不以自主驾驶模式操作。例如，引导车辆可以采用车辆内的(或远程)人类驾驶员。这里，在一个场景中，人类驾驶的卡车司机可能会参加一项目，通过该项目他们指示他们愿意操作引导车辆(在车辆内或远程地)、提供他们的目的地、并且潜在地因充当引导车辆操作员而被补偿。在另一个示例中，即使卡车不被允许以完全自主模式操作或被选中不以完全自主模式操作，也可以授权引导车辆以允许卡车跟随它的方式在地面街道上以自主模式操作。
多个卡车可以跟随引导车辆。这里，可能要求对每辆卡车进行与引导车辆的认证。可选地，第二或后面跟随的卡车可以识别或以其他方式认证紧接在前的车辆，其可以是另一个卡车。例如，多个卡车全都可以通过公共服务器连接来进行认证。每个卡车可以发送其位姿信息并确认其与在其前面的卡车的接近性。这里，每个卡车可以基于存储的感知分类模块继续跟随紧接在前的卡车。
作为跟随引导车辆接近的一部分，引导车辆负责“清理”路线，诸如在交叉路口、困难转弯、铁路交叉道口等处，以确保货运车辆能够安全地穿过路线。作为示例，引导车辆的车载系统(例如，规划系统)可以存储关于货运车辆在道路上行驶需要做什么的信息。这里，引导车辆可以有效地运行两个(或更多)计算机模型，以考虑它自身和跟随的车辆两者。
在一个示例中，引导车辆可以清除区域，使得其知道跟随车辆将有足够的时间在其后面操纵，而不需要除了跟随引导车辆之外的显著感知。例如，跟随车辆将不需要使用车载传感器来识别或追踪道路上或道路附近的其他对象。在另一个示例中，所有跟随车辆可以直接或经由远程服务器将它们的实时状态信息传送给引导车辆。因此，引导车辆将能够确定每个跟随车辆穿越交叉路口将花费的时间，以及给定交叉路口处或交叉路口附近的其他检测到的对象的情况下，该时间是否充足。
每个跟随车辆的实时状态信息可以包括例如位置、速度和当前位姿。这样的信息还可以或可替代地包括货物信息，例如货物的重量和性质两者，因为这可能影响跟随车辆的动态。其他状态信息可能与感兴趣的道路的路段(section)的道路图相关。这可以包括一般道路图细节，诸如道路俯仰/坡度、摩擦力(在下雨的情况下，或在未铺砌的道路的情况下)。它还可以包括车辆特定的道路图细节，例如，不允许卡车的车道、限界(高度)、卡车的速度限制等。一些或全部道路图状态信息可以保持在引导车辆和/或跟随车辆的车载数据库中，或者它可以根据需要由远程系统提供给引导车辆(并且可选地提供给跟随车辆)。
引导车辆还可以(主要)处理其自身和跟随车辆的感知。在某些情形中可能的是，感知信息可能从跟随车辆传递给引导车辆，或者反之亦然。例如，当一个或多个传感器故障、传感器数据的质量降到低于某一可允许阈值、或者检测到遮挡时，这可能发生。
当跟随引导车辆时，卡车可以采用“近跟随”模式，例如在引导车辆后面驾驶小于一个车辆长度(或更多或更少)。如果另一个车辆或其他对象插入(interpose)引导车辆和卡车自身之间，卡车也可以停止或采取其他纠正动作。这可能包括靠边停车或要求引导车辆靠边停车、增加跟随距离(例如，从1个车辆长度到3个车辆长度或更多)等。
图6A-图6C示出了涉及介入车辆的示例。例如，图6A示出了一个图示600，其中一个货运卡车602正跟随引导卡车604。这里，轿车606已经驶入两个卡车之间的车道。如图6B的图示610所示，跟随卡车602可以使用其传感器中的一个或多个来获得视场612，该视场612涵盖介入轿车606和引导卡车604二者。来自视场612的信息可以作为状态信息的一部分传递给引导车辆606，并且引导车辆和跟随车辆中的一个或两者可以基于该信息改变它们的驾驶操作。如图6C的图示620所示，引导卡车604可以采用具有视场622a和622b的传感器。这里，虽然这些传感器可以检测跟随车辆，但它们可能在引导车辆正后方的、介入车辆所位于的区域中具有盲点。在这种情况下，由跟随车辆提供的信息(例如，来自图6B的传感器FOV612)可以被供应给引导车辆以补充其感知信息。
关于车辆或其紧接的环境的信息可以例如通过在上述示例中传送FOV信息而被传递给引导车辆或跟随车辆。如图7A的示例700所示，信息传输可以直接发生在引导车辆和跟随车辆之间。这可以经由光学(例如，lidar到lidar)通信或射频通信来进行。可能期望的是最小化在跟随卡车和引导车辆之间传递的信息量。例如，可以经由无线通信链路(例如，蜂窝、蓝牙TM或lidar通信)发送关于介入车辆、即将到来的街道标志、路面状况等的信息。传递的信息量可以取决于跟随卡车和/或引导车辆的类型、网络访问/带宽可用性等而变化。
除了通过在车辆之间直接传递数据进行通信之外，引导车辆还可以经由视觉或其他消息传达即将到来的转弯或其他驾驶动作。这可能包括针对规划的轨迹的操作，诸如制动的指示或甚至引导车辆将会制动的力度。例如，如图7B-图7D所示，可以呈现特定的形状或图案。如图7B的视图710所示，一个或多个方向箭头或其他对象可以在引导车辆的后车门或其他部分上闪烁。如图7C的视图720所示，信息可以显示在传感器外壳上。并且如图7D的视图730所示，信息可以投影到路面上。在任何或所有这些情况下，可以光学或经由红外信号来视觉地呈现信息。这些中的每一个都可以彼此结合执行或一起执行。可替代地或可选地，信息也可以被传达给其他附近的车辆、骑自行车者和行人以指示引导-跟随关系或请求其他车辆减速等。
一旦卡车已经到达车站或其他目的地，无论是否有引导车辆的帮助，它都将需要停车。图8A和图8B分别示出了两个示例800和810，示出了在仓库或其他车站的装载区(loading bay)停车的卡车。可以将特定停车位置(例如，月台或装载区)分配给卡车，或者卡车可以基于例如可用空间、操纵区域的大小、车辆的大小、传感器能见度、车站的详细地图以及可能的其他因素来选择它。例如，在温度高的期间(例如，超过90-100度)，可能期望的是约束车辆在热或阳光直射下花费的时间量，因为这可能影响传感器操作。因此，系统可以选择位于背阴处的装卸月台。此外，车站或其他设施可能想要最小化其中人们在自主卡车所位于的区域四周走动的情形，或者反之亦然。因此，基于一天中的某些时间、某些速度、基于传感器视场或设施处的遮挡物对卡车类型的限制等，对于自主卡车而言，位于建筑物的入口/出口附近的月台可能会受到约束。
即使卡车可以被配置为以完全自主模式操作以用于一般驾驶目的，它也可能不具有定位在挂车上的传感器。例如，牵引车能够与不包括任何传感器的传统挂车一起完全自主地操作。然而，定位在牵引车的驾驶室上或四周的传感器可能没有足够的能见度以允许完全自主地停靠在车站。因此，根据本技术的一方面，采用了特征的组合。这种组合使用远程协助、月台处的相机和/或其他传感器、以及车站的准确3D地图。
在一个场景中，可以存在标记到卡车可以遵循的车站处的道路图中的、标准的“反向”车道。这里，一个或多个相机或其他传感器(例如，lidar、雷达和/或声纳传感器)被定位在停靠区域以协助驶入一地点。在这种情况下，一旦相机或其他传感器在其视场中检测到任何移动对象，相机系统(例如，车站处的感知系统)将通知卡车停止并等待，直到该对象已移开。对象检测可以包括机器学习算法，或者可选地，远程协助可以观看停靠区域的相机馈送。人工远程助理也可以指示卡车停止，直到对象已清除该区域。
除此之外，远程助理可以绘制用于卡车在其返回到指派的空间中时要遵循的增强轨迹。增强轨迹和/或道路图将基于月台区域的已知地图，月台区域包括在整个运转空间内的操纵区域和月台停车区域二者。该信息被传送给车辆，并且规划系统或其他车载系统可以用于将卡车操纵到月台的装载平台。在这种情况下，如果卡车的路径中出现障碍物，例如由于行人或叉车穿过操纵区域，则远程助理可以修改增强轨迹。在发生这种情况时，卡车将停止或使其自身重新定位以避开障碍物。
此外，根据本技术的另一方面，可以对由车站的相机或其他传感器获得的图像或其他数据运行感知算法。感知算法可以检测对象的类型(例如，人、叉车等)，并且可以在创建道路图或增强轨迹时使用该信息。并且根据另一方面，可以将反光涂料或标记(例如，用于由光学或红外相机或其他传感器检测的反射)放在地面上，以帮助在视觉上指导卡车进入月台。
如上所述，给定车辆的车载系统可以与另一个车辆(引导车辆或一个或多个跟随车辆)通信，和/或可以与诸如远程协助的远程系统通信。这方面的一个示例在图9A和图9B中示出。特别地，图9A和图9B分别是示例系统的示意图900和功能图950，该示例系统包括经由网络916连接的多个计算设备902、904、906、908和存储系统910。系统还包括车辆912和914，其可以被配置为与图1A-图1B和图1C的车辆100和150相同或相似。车辆912和/或车辆914可以是车队的一部分。作为示例，车辆912是能够在以半自主驾驶模式操作的同时跟随引导车辆914的货运车辆。尽管为简单起见仅描绘了几个车辆和计算设备，但是典型系统可以包括显著地更多，例如几十个或几百个。
如图9B所示，计算设备902、904、906和908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。这样的处理器、存储器、数据和指令可以被配置为类似于上面关于图2A所描述的那些。
各种计算设备和车辆可以经由一个或多个网络(诸如网络916)进行通信。网络916和中间节点可以包括各种配置和协议，包括短程通信协议，诸如蓝牙、蓝牙LE、互联网、万维网、内联网、虚拟专用网、广域网、局域网、使用专属于一个或多个公司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。这样的通信可以由能够向其他计算设备传送和从其他计算设备接收数据的任何设备(诸如调制解调器和无线接口)来促进。
在一个示例中，计算设备902可以包括具有多个计算设备的一个或多个服务器计算设备(例如负载平衡服务器群或基于云的系统)，多个计算设备与网络的不同节点交换信息，目的是处理数据、从其他计算设备接收数据和向其他计算设备传送数据。例如，计算设备902可以包括能够经由网络916与车辆912和/或914的计算设备以及计算设备904、906和908通信的一个或多个服务器计算设备。例如，车辆912和/或914可以是可以由服务器计算设备派遣到各种位置的车队的部分。在这方面，计算设备902可以用作派遣服务器计算系统，其可以用于将车辆派遣到不同位置以便接起和递送货物或提供其他服务。此外，服务器计算设备902可以使用网络916向车辆传送和呈现关于引导-跟随过程、车站停车、入口或出口等的信息。服务器计算设备902还可以使用网络916与其他计算设备中的一个的用户或车辆的人(诸如，引导车辆的驾驶员)进行通信。在这方面，计算设备904、906和908可以被认为是客户端计算设备。
如图9A所示，每个客户端计算设备904、906和908可以是旨在由相应用户918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组件中的所有，包括一个或多个处理器(例如，中央处理单元(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(例如，具有屏幕的监视器、触摸屏、投影仪、电视机或诸如可操作来显示信息的智能手表显示器的其他设备)、以及用户输入设备(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组件中的所有。
尽管客户端计算设备中的每个可以包括全尺寸的个人计算设备，但是它们可以可替代地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。仅作为示例，客户端计算设备906或908可以是移动电话，或诸如支持无线的PDA、平板PC、可穿戴计算设备(例如，智能手表)或者能够经由互联网或其他网络获得信息的上网本的设备。
在一些示例中，客户端计算设备904可以是由管理员或操作员用来与以自主模式操作的车辆、引导车辆的驾驶员或乘客通信的远程协助工作站，如下面进一步讨论的。尽管在图9A-图9B中仅示出了单个远程协助工作站904，但给定系统中可以包括任何数量的这样的工作站。此外，虽然操作工作站被描绘为台式计算机，但操作工作站可以包括各种类型的个人计算设备，诸如膝上型计算机、上网本、平板计算机等。
存储系统910可以是能够存储可由服务器计算设备902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、闪存驱动器和/或磁带驱动器。此外，存储系统910可以包括分布式存储系统，其中数据存储在多个不同的存储设备上，这些存储设备可以物理地位于相同或不同的地理位置处。存储系统910可以如图9A-图9B所示地经由网络916连接到计算设备，和/或可以直接连接到或并入到任何计算设备。
存储系统910可以存储各种类型的信息。例如，存储系统910还可以存储将由诸如车辆912或914的车辆使用来如上所述那样以自主驾驶模式操作这样的车辆的自主车辆控制软件。存储系统910可以存储如下面更详细描述的各种类型的信息。该信息可以由诸如一个或多个服务器计算设备902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，存储系统910可以存储实时状态信息、从一个或多个车辆接收的传感器数据、道路图数据(例如，包括增强轨迹信息)、不同管辖区的驾驶规定信息、车队中的不同车辆的详细车辆模型等。
如上所述，车辆可以与远程协助进行通信，以便启动引导-跟随情形(例如，包括认证)并协助将车辆停车在车站、仓库等处。例如，如果货运车辆确定它需要从完全自主模式转换到跟随驾驶模式，则它可能向远程协助发送查询和/或数据，以识别和/或认证引导车辆。并且当到达车站时，货运车辆可能请求设施的道路图和/或要停靠的指定地点。
在车辆中有驾驶员或乘客的情形中，车辆或远程协助可以直接或间接地与该人的客户端计算设备通信。这里，例如，可以向人提供关于当前驾驶模式、正在采取或将采取的动作等的信息。
图10A示出了执行引导-跟随操作的方法的示例1000。这里，在框1002，识别感兴趣的车辆能够跟随的引导车辆。识别可以直接在引导车辆和跟随车辆之间进行，例如，使用在沿着道路的选择的点处的视觉或基于RF的通信，或经由诸如识别一个或多个可能的引导车辆的远程协助服务的第三方。
在框1004，执行针对引导车辆的认证过程。如上所述，这可以直接在两个车辆之间进行。可替代地，与货运车辆通信的远程系统可以协助认证。作为示例，引导车辆向远程服务器发送对货运车辆进入“搜索引导者”模式的请求，其中远程服务器将该信息发送给货运车辆。可替代地，远程系统可以将道路上的车辆标记为引导车辆。这里，远程系统可以使货运车辆进入“跟随”模式以跟随引导车辆。
在框1006，启动跟随操作(模式)。例如，货运车辆的计算机系统使驾驶系统根据检测或接收的关于引导车辆的信息执行一个或多个跟随操作。在框1008，例如通过跟随车辆的感知系统的一个或多个传感器或通过其感知系统来检测来自引导车辆的信号。这里，该信号与将由引导车辆和/或跟随车辆中的一个或两者执行的即将到来的驾驶操纵相关。并且在框1010，基于检测的信号和从跟随(和/或引导)车辆的感知系统接收的信息来控制跟随车辆的驾驶系统。
图10B示出了执行引导-跟随操作的方法的另一个示例1050。这里，在框1052，获得另一个车辆的目的地。这可以经由潜在的引导车辆和跟随的货运车辆之间的直接通信来进行，或者经由第三方(诸如从货运车辆接收目的地信息并将其传递到一个或多个潜在的引导车辆的远程派遣服务)来进行。在框1054，引导车辆通过控制引导车辆的驾驶系统沿路线朝着目的地行进来开始引导操作。这可以以完全或部分自主驾驶模式进行，或者响应于人类驾驶员对引导车辆的手动控制而完成。
在框1056，生成关于要执行的即将到来的驾驶操纵的信号。即将到来的驾驶操纵可能是针对跟随车辆的，要由引导车辆采取的动作，或者两者。在生成时，在框1058，发射信号以由跟随车辆的一个或多个传感器感知。如上所述，信号可以经由光学或RF通信在引导车辆和跟随车辆之间直接通信。由信号传递的信息量可能取决于跟随车辆和/或引导车辆的类型、网络访问或带宽可用性等而变化。
图11示出了协助将车辆(诸如自主货运车辆)在车站或其他目的地处(例如，停车设施)停车的方法的示例1100。在框1102，从自主货运车辆的感知系统接收传感器信息，例如当它驶入装载月台区域时。在框1104，系统选择停车设施处的自主货运车辆的停车位置。选择可以基于一个或多个因素，包括可用装载区的数量、车辆大小、货物类型、设施处的交通量等。
在框1106，系统从停车设施的一个或多个传感器接收影像的实时馈送。这可以包括光学和/或红外相机、lidar、雷达或其他传感器。在框1108，系统获得停车设施的道路图。道路图提供自主货运车辆到达选择的停车位置的路径。并且在框1110，系统使用道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以便以自主驾驶模式驾驶到选择的停车位置。
除非另有说明，否则前述可替代示例不是相互排斥的，而是可以以各种组合实现以实现独特的优势。由于可以在不背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体和组合，因此实施例的前述描述应当以说明的方式而不是以对由权利要求所限定的主题的限制的方式来理解。此外，对本文所描述的示例的提供以及措辞为“例如”、“包括”等的从句不应被解释为将权利要求的主题限制为特定示例；反而，示例仅旨在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。可以以不同的顺序或同时执行过程或其他操作，除非本文另有明确指示。

Claims (40)

1.一种被配置为以自主驾驶模式操作的车辆，所述车辆包括：
驾驶系统，包括转向子系统、加速子系统和减速子系统，用于以自主驾驶模式控制车辆的驾驶；
感知系统，包括被配置为检测车辆外部的环境中的对象的一个或多个传感器；
通信系统，被配置为提供与一个或多个远程设备的无线连接；以及
控制系统，包括一个或多个处理器，所述控制系统可操作地耦合到驾驶系统、通信系统和感知系统，所述控制系统被配置为：
识别要跟随的引导车辆；
认证引导车辆；
通过根据检测或接收的关于引导车辆的信息控制驾驶系统来开始跟随操作；
检测来自引导车辆的关于即将到来的驾驶操纵的信号；以及
基于检测的信号和由感知系统接收的信息来控制驾驶系统。
2.如权利要求1所述的车辆，其中，信号的检测由感知系统执行。
3.如权利要求1所述的车辆，其中，所述控制系统还被配置为在感知系统检测到所述车辆和引导车辆之间的介入对象时采取纠正动作。
4.如权利要求3所述的车辆，其中，所述纠正动作包括靠边停车或增加与引导车辆的跟随距离。
5.如权利要求3所述的车辆，其中，所述纠正动作包括请求引导车辆靠边停车。
6.如权利要求1所述的车辆，其中，所述控制系统还被配置为从完全自主驾驶模式转换为跟随模式以便执行跟随操作。
7.如权利要求1所述的车辆，其中，所述引导车辆的识别包括所述控制系统从远程系统接收对搜索引导车辆的请求。
8.如权利要求7所述的车辆，其中，所接收的请求包括识别引导车辆的信息。
9.如权利要求1所述的车辆，其中，所述控制系统被配置为当引导车辆在所述车辆的视线内时或当引导车辆在所述车辆的预定距离内时，在沿着路线的预先布置的位置处、在选择的时间认证引导车辆。
10.一种车辆，包括：
驾驶系统，包括转向子系统、加速子系统和减速子系统，以控制车辆的驾驶；
感知系统，包括被配置为检测车辆外部的环境中的对象的一个或多个传感器；
通信系统，被配置为提供与一个或多个远程设备的无线连接；以及
控制系统，包括一个或多个处理器，所述控制系统可操作地耦合到驾驶系统、通信系统和感知系统，所述控制系统被配置为：
获得另一车辆的目的地；
通过控制驾驶系统沿路线朝着目的地行进来开始引导操作；
生成关于即将到来的驾驶操纵的信号；以及
发射生成的信号以由另一车辆的一个或多个传感器感知。
11.如权利要求10所述的车辆，其中，所述控制系统还被配置为执行清理操作以清理路线的路段以供所述车辆和另一车辆二者安全通行。
12.如权利要求11所述的车辆，其中，所述控制系统还被配置为确定另一车辆能够在确定的时间量内执行即将到来的驾驶操纵。
13.如权利要求10所述的车辆，其中，以自主驾驶模式执行所述引导操作。
14.如权利要求10所述的车辆，其中，在从远程系统接收控制信号时执行所述引导操作。
15.如权利要求10所述的车辆，其中，所述控制系统能够执行与另一车辆的认证操作。
16.如权利要求15所述的车辆，其中，所述控制系统被配置为向远程服务器发送对另一车辆进入搜索引导者过程的请求。
17.如权利要求10所述的车辆，其中，在生成所述关于即将到来的驾驶操纵的信号之前，所述控制系统被配置为获得关于另一车辆的实时状态信息。
18.如权利要求10所述的车辆，其中，在生成所述关于即将到来的驾驶操纵的信号之前，所述控制系统被配置为获得沿路线的道路的路段的道路图。
19.如权利要求10所述的车辆，其中，所述控制系统被配置为在引导操作期间使用感知系统来处理与另一车辆相关联的感知操作。
20.如权利要求10所述的车辆，其中，所述控制系统被配置为在引导操作期间从另一车辆接收感知数据。
21.一种执行用于自主货运车辆的车辆协助操作的方法，所述方法包括：
从自主货运车辆的感知系统接收传感器信息；
选择停车设施处的自主货运车辆的停车位置；
从停车设施的一个或多个传感器接收影像的实时馈送；
获得停车设施的道路图，所述道路图提供自主货运车辆到达选择的停车位置的路径；以及
使用道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
22.如权利要求21所述的方法，还包括：
基于影像的实时馈送生成增强轨迹，所述增强轨迹补充道路图；以及
将增强轨迹实时提供给驾驶系统，以使得驾驶系统能够以自主驾驶模式驾驶到选择的停车位置。
23.如权利要求21所述的方法，其中，所述道路图包括用于将自主货运车辆倒车到选择的停车位置中的一组路径。
24.如权利要求21所述的方法，还包括：
检测自主货运车辆和选择的停车位置之间的停车设施处的障碍物；以及
使用增强轨迹修改道路图以避开障碍物。
25.如权利要求21所述的方法，还包括对图像的实时馈送执行感知分析以检测停车设施的运转空间中的一个或多个对象。
26.如权利要求25所述的方法，其中，所述感知分析包括对检测到的一个或多个对象进行分类。
27.如权利要求26所述的方法，所述方法还包括响应于检测到的对象中的至少一个的分类，指示自主货运车辆的驾驶系统采取纠正动作。
28.如权利要求27所述的方法，其中，所述纠正动作包括停止自主货运车辆或使自主货运车辆重新定位，直到至少一个分类的对象已经从停车设施处的给定位置移开。
29.如权利要求21所述的方法，其中，所述停车设施是仓库、车站、服务中心或递送位置。
30.一种被配置为执行用于自主货运车辆的车辆协助操作的系统，所述系统包括：
存储停车设施的一组道路图的存储器；以及
可操作地耦合到存储器的一个或多个处理器，所述一个或多个处理器被配置为：
从自主货运车辆的感知系统接收传感器信息；
选择停车设施处的自主货运车辆的停车位置；
从停车设施的一个或多个传感器接收影像的实时馈送；
从停车设施的该一组道路图中选择道路图中的一个，选择的道路图提供自主货运车辆到达选择的停车位置的路径；以及
使用选择的道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
31.如权利要求30所述的系统，其中，所述一个或多个处理器还被配置为：
基于影像的实时馈送生成增强轨迹，所述增强轨迹补充了选择的道路图；以及
向驾驶系统实时提供增强轨迹，以使得驾驶系统能够以自主驾驶模式驾驶到选择的停车位置。
32.如权利要求30所述的系统，其中，所述一组道路图包括用于将自主货运车辆倒车到选择的停车位置的一组路径。
33.如权利要求30所述的系统，其中，所述一个或多个处理器还被配置为：
检测自主货运车辆和选择的停车位置之间的停车设施处的障碍物；以及
使用增强轨迹修改选择的道路图以避开障碍物。
34.如权利要求30所述的系统，其中，所述一个或多个处理器还被配置为对图像的实时馈送执行感知分析以检测停车设施的运转空间中的一个或多个对象。
35.如权利要求34所述的系统，其中，所述感知分析包括检测到的一个或多个对象的分类。
36.如权利要求35所述的系统，其中，所述一个或多个处理器还被配置为响应于检测到的对象中的至少一个的分类，指示自主货运车辆的驾驶系统采取纠正动作。
37.如权利要求36所述的系统，其中，所述纠正动作包括停止自主货运车辆或使自主货运车辆重新定位，直到至少一个分类的对象已经从停车设施处的给定位置移开。
38.如权利要求30所述的系统，其中，所述停车设施是仓库、车站、服务中心或递送位置。
39.如权利要求30所述的系统，还包括停车设施的一个或多个传感器。
40.一种非暂时性计算机可读记录介质，其上存储有指令，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用于自主货运车辆的车辆协助操作，所述车辆协助操作包括：
从自主货运车辆的感知系统接收传感器信息；
选择停车设施处的自主货运车辆的停车位置；
从停车设施的一个或多个传感器接收影像的实时馈送；
获得停车设施的道路图，所述道路图提供自主货运车辆到达选择的停车位置的路径；以及
使用道路图和影像的实时馈送来协助自主货运车辆的驾驶系统以自主驾驶模式驾驶到选择的停车位置。
CN202080067695.9A 2019-07-29 2020-07-14 用于在大型车辆中的自主驾驶模式之间转换的方法 Pending CN114466780A (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201962879571P 2019-07-29 2019-07-29
US62/879,571 2019-07-29
US16/548,960 US11927955B2 (en) 2019-07-29 2019-08-23 Methods for transitioning between autonomous driving modes in large vehicles
US16/548,980 US11392122B2 (en) 2019-07-29 2019-08-23 Method for performing a vehicle assist operation
US16/548,960 2019-08-23
US16/548,980 2019-08-23
PCT/US2020/041927 WO2021021427A1 (en) 2019-07-29 2020-07-14 Methods for transitioning between autonomous driving modes in large vehicles

Publications (1)

Publication Number Publication Date
CN114466780A true CN114466780A (zh) 2022-05-10

Family

ID=74258421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080067695.9A Pending CN114466780A (zh) 2019-07-29 2020-07-14 用于在大型车辆中的自主驾驶模式之间转换的方法

Country Status (3)

Country Link
US (4) US11392122B2 (zh)
EP (1) EP3986763A4 (zh)
CN (1) CN114466780A (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021059517A1 (ja) * 2019-09-27 2021-04-01 日本電気株式会社 移動制御方法、移動制御装置、移動制御システム、及びプログラム
US11619942B2 (en) * 2019-10-15 2023-04-04 Robert Bosch Gmbh Controlling an autonomous vehicle when the autonomous vehicle is outside of its operational design domain
KR20220082868A (ko) 2019-10-16 2022-06-17 로코메이션, 인크. 자율 팔로워 차량들에 관한 요구를 감소시키는 거동들
US20210191387A1 (en) * 2019-12-23 2021-06-24 Autonomous Solutions, Inc. System and method for assisted teleoperations of vehicles
TWI760678B (zh) * 2020-01-16 2022-04-11 國立虎尾科技大學 智慧路邊停車收費機台、管理系統及收費方法
US12014630B2 (en) * 2020-03-03 2024-06-18 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for assisting a maneuver of a moving object
US11656636B1 (en) * 2020-07-24 2023-05-23 Amazon Technologies, Inc. Augmented aerial sortation
US20230051632A1 (en) * 2021-08-13 2023-02-16 Tusimple, Inc. Systems and methods for an autonomous vehicle
USD1002649S1 (en) * 2021-10-13 2023-10-24 Waymo Llc Display screen or portion thereof with graphical user interface
USD1002647S1 (en) * 2021-10-13 2023-10-24 Waymo Llc Display screen or portion thereof with graphical user interface
USD1002648S1 (en) * 2021-10-13 2023-10-24 Waymo Llc Display screen or portion thereof with graphical user interface
US20230134247A1 (en) * 2021-10-29 2023-05-04 Tusimple, Inc. Autonomous Vehicle Railroad Crossing

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101102408B1 (ko) * 2010-10-06 2012-01-05 주식회사 인스프리트 증강현실을 이용한 주차 안내 시스템 및 그를 이용한 주차 안내 방법
US20160318510A1 (en) * 2015-04-30 2016-11-03 Robert Bosch Gmbh Automated parking system
CN107850895A (zh) * 2015-05-13 2018-03-27 优步技术公司 通过引导协助操作的自动驾驶车辆
JP2019046034A (ja) * 2017-08-31 2019-03-22 ダイムラー・アクチェンゲゼルシャフトＤａｉｍｌｅｒ ＡＧ 隊列走行管理装置
CN109941282A (zh) * 2017-12-08 2019-06-28 现代摩比斯株式会社 用于控制群组驾驶的设备及控制群组驾驶的方法
US10339815B1 (en) * 2017-12-29 2019-07-02 Hyundai Motor Company Apparatus and method for controlling lamp of platooning vehicle
US20190204853A1 (en) * 2017-12-28 2019-07-04 Bendix Commercial Vehicle Systems Llc Sensor-based anti-hacking prevention in platooning vehicles

Family Cites Families (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2879350A (en) 1957-08-12 1959-03-24 Howell Charles Andrew Signalling apparatus for garages
AU507710B2 (en) 1976-09-29 1980-02-21 Safegate Aktiebolag Parking guidance systems for aircraft
WO2004077378A1 (en) 2003-02-25 2004-09-10 Philips Intellectual Property & Standards Gmbh Method and system for leading a plurality of vehicles
US20060179671A1 (en) 2005-02-15 2006-08-17 Sudip Ghatak Garage parking guide
US20070233337A1 (en) 2005-09-14 2007-10-04 Plishner Paul J Semi-autonomous guidance system for a vehicle
US8352112B2 (en) 2009-04-06 2013-01-08 GM Global Technology Operations LLC Autonomous vehicle management
US9969428B2 (en) * 2011-04-19 2018-05-15 Ford Global Technologies, Llc Trailer backup assist system with waypoint selection
US9581997B1 (en) * 2011-04-22 2017-02-28 Angel A. Penilla Method and system for cloud-based communication for automatic driverless movement
US10254764B2 (en) * 2016-05-31 2019-04-09 Peloton Technology, Inc. Platoon controller state machine
US8744666B2 (en) 2011-07-06 2014-06-03 Peloton Technology, Inc. Systems and methods for semi-autonomous vehicular convoys
US9823082B2 (en) * 2011-08-24 2017-11-21 Modular Mining Systems, Inc. Driver guidance for guided maneuvering
DE102012106990A1 (de) 2012-07-31 2014-02-06 Linde Material Handling Gmbh Fahrerassistenzvorrichtung für ein Flurförderzeug sowie Flurförderzeug
US20150088373A1 (en) 2013-09-23 2015-03-26 The Boeing Company Optical communications and obstacle sensing for autonomous vehicles
KR20170041166A (ko) * 2014-01-30 2017-04-14 유니베르시다데 도 포르토 차량용 네트워크에 기초하여 자율 차량을 위한 자가-자동화된 주차장을 위한 디바이스 및 방법
US9079587B1 (en) 2014-02-14 2015-07-14 Ford Global Technologies, Llc Autonomous control in a dense vehicle environment
US9720410B2 (en) 2014-03-03 2017-08-01 Waymo Llc Remote assistance for autonomous vehicles in predetermined situations
CA2851615C (en) 2014-04-10 2021-04-20 Deborah Anstett Warning and guidance system to assist the parking of large vehicles
US9776511B2 (en) 2014-07-08 2017-10-03 Rite-Hite Holding Corporation Vehicle alignment systems for loading docks
US9997077B2 (en) * 2014-09-04 2018-06-12 Honda Motor Co., Ltd. Vehicle operation assistance
DE102014224077A1 (de) * 2014-11-26 2016-06-02 Robert Bosch Gmbh Verfahren und Vorrichtung zum assistierten Führen eines Fahrzeugs
US9448559B2 (en) * 2015-01-15 2016-09-20 Nissan North America, Inc. Autonomous vehicle routing and navigation using passenger docking locations
US9298186B2 (en) * 2015-02-01 2016-03-29 Thomas Danaher Harvey Methods for operation of autonomous vehicles in special control zones
US9486921B1 (en) 2015-03-26 2016-11-08 Google Inc. Methods and systems for distributing remote assistance to facilitate robotic object manipulation
US10712748B2 (en) 2015-08-26 2020-07-14 Peloton Technology, Inc. Devices, systems, and methods for generating travel forecasts for vehicle pairing
US10139828B2 (en) * 2015-09-24 2018-11-27 Uber Technologies, Inc. Autonomous vehicle operated with safety augmentation
US10007271B2 (en) 2015-12-11 2018-06-26 Avishtech, Llc Autonomous vehicle towing system and method
EP3440653B1 (en) 2016-04-04 2020-09-16 Volvo Truck Corporation Method for vehicle identification
DE112016006947T5 (de) * 2016-06-28 2019-03-28 Ford Global Technologies, Llc Verfahren und vorrichtungen, um den standort von fahrzeugen auf grundlage von fahrzeug- und umgebungsmerkmalen zu wechseln
GB2552029B (en) 2016-07-08 2020-05-20 Jaguar Land Rover Ltd Vehicle communication system and method
US10635117B2 (en) 2016-10-25 2020-04-28 International Business Machines Corporation Traffic navigation for a lead vehicle and associated following vehicles
US10373097B2 (en) * 2016-11-16 2019-08-06 Staples, Inc. Autonomous multimodal logistics
EP3582205B1 (en) * 2017-02-09 2024-06-12 Sony Semiconductor Solutions Corporation Travel assistance device, travel assistance management device and method therefor, and travel assistance system
US10310087B2 (en) 2017-05-31 2019-06-04 Uber Technologies, Inc. Range-view LIDAR-based object detection
US20190019407A1 (en) 2017-07-14 2019-01-17 Omid B. Nakhjavani Real time parking lot analysis and management
US20190094858A1 (en) 2017-09-25 2019-03-28 Uber Technologies, Inc. Parking Location Prediction
US11048271B1 (en) 2017-10-05 2021-06-29 State Farm Mutual Automobile Insurance Company Dynamic autonomous vehicle train
US11216004B2 (en) 2017-11-07 2022-01-04 Uatc, Llc Map automation—lane classification
US20190147320A1 (en) * 2017-11-15 2019-05-16 Uber Technologies, Inc. "Matching Adversarial Networks"
WO2019112585A1 (en) * 2017-12-07 2019-06-13 Ford Global Technologies, Llc Dynamic vehicle charging
US10818190B2 (en) 2018-01-09 2020-10-27 Ford Global Technologies, Llc System and method for vehicle travelling in caravan mode
US11687079B2 (en) * 2018-01-26 2023-06-27 Uatc, Llc Methods, devices, and systems for analyzing motion plans of autonomous vehicles
US20190286921A1 (en) * 2018-03-14 2019-09-19 Uber Technologies, Inc. Structured Prediction Crosswalk Generation
US20190310651A1 (en) * 2018-04-10 2019-10-10 Uber Technologies, Inc. Object Detection and Determination of Motion Information Using Curve-Fitting in Autonomous Vehicle Applications
CN110466502B (zh) * 2018-05-11 2020-12-08 广州汽车集团股份有限公司 一种代客泊车方法和装置
US11066067B2 (en) * 2018-06-29 2021-07-20 Baidu Usa Llc Planning parking trajectory for self-driving vehicles
CA3159409A1 (en) 2018-07-07 2020-01-16 Peloton Technology, Inc. Control of automated following in vehicle convoys
KR20210006926A (ko) * 2018-10-30 2021-01-19 모셔널 에이디 엘엘씨 자율 주행 차량에서의 리던던시
US11010907B1 (en) * 2018-11-27 2021-05-18 Zoox, Inc. Bounding box selection
US11144052B2 (en) * 2018-12-07 2021-10-12 Toyota Research Institute, Inc. Readiness and identification by gaze and/or gesture pattern detection
US20200290482A1 (en) 2018-12-27 2020-09-17 Philadelphia Scientific UK Ltd. Tracked electric vehicle systems
US11011064B2 (en) * 2019-03-05 2021-05-18 Denso International America, Inc. System and method for vehicle platooning
WO2020184755A1 (ko) 2019-03-13 2020-09-17 엘지전자 주식회사 차량 제어 장치 및 그것을 포함하는 차량
US20200393847A1 (en) 2019-06-17 2020-12-17 GM Global Technology Operations LLC Dynamic vehicle navigation based on leader follower scheme

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101102408B1 (ko) * 2010-10-06 2012-01-05 주식회사 인스프리트 증강현실을 이용한 주차 안내 시스템 및 그를 이용한 주차 안내 방법
US20160318510A1 (en) * 2015-04-30 2016-11-03 Robert Bosch Gmbh Automated parking system
CN107850895A (zh) * 2015-05-13 2018-03-27 优步技术公司 通过引导协助操作的自动驾驶车辆
JP2019046034A (ja) * 2017-08-31 2019-03-22 ダイムラー・アクチェンゲゼルシャフトＤａｉｍｌｅｒ ＡＧ 隊列走行管理装置
CN109941282A (zh) * 2017-12-08 2019-06-28 现代摩比斯株式会社 用于控制群组驾驶的设备及控制群组驾驶的方法
US20190204853A1 (en) * 2017-12-28 2019-07-04 Bendix Commercial Vehicle Systems Llc Sensor-based anti-hacking prevention in platooning vehicles
US10339815B1 (en) * 2017-12-29 2019-07-02 Hyundai Motor Company Apparatus and method for controlling lamp of platooning vehicle

Also Published As

Publication number Publication date
EP3986763A1 (en) 2022-04-27
US11927956B2 (en) 2024-03-12
US11392122B2 (en) 2022-07-19
US20210382480A1 (en) 2021-12-09
US11927955B2 (en) 2024-03-12
US20220308583A1 (en) 2022-09-29
US20210034054A1 (en) 2021-02-04
US20210034060A1 (en) 2021-02-04
EP3986763A4 (en) 2023-06-28

Similar Documents

Publication Publication Date Title
US11927956B2 (en) Methods for transitioning between autonomous driving modes in large vehicles
US11669091B2 (en) Configuring motion planning for a self-driving tractor unit
US11650584B2 (en) Remote assistance for autonomous vehicles in predetermined situations
US11851082B2 (en) Kinematic model for autonomous truck routing
KR102369294B1 (ko) 일반적인 도로 기상 조건들의 검출
JP6814224B2 (ja) 自律走行能力を有する車両
CN113195327B (zh) 确定自驾驶车辆上的车轮滑移
US11675357B2 (en) Independently actuated wheel sets for large autonomous self-driving vehicles
EP4202587A1 (en) Methods and systems for providing incremental remote assistance to an autonomous vehicle
JP7058234B2 (ja) 車両制御装置、情報提供装置、情報提供システム、車両制御方法、情報提供方法、およびプログラム
WO2021021427A1 (en) Methods for transitioning between autonomous driving modes in large vehicles
JP7113056B2 (ja) 自律走行能力を有する車両
US20240109532A1 (en) Managing parking maneuvers 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