CN115140043A - 用于通过车辆进行交叉路口操纵的系统和方法 - Google Patents
用于通过车辆进行交叉路口操纵的系统和方法 Download PDFInfo
- Publication number
- CN115140043A CN115140043A CN202111587038.XA CN202111587038A CN115140043A CN 115140043 A CN115140043 A CN 115140043A CN 202111587038 A CN202111587038 A CN 202111587038A CN 115140043 A CN115140043 A CN 115140043A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- area
- intersection
- control device
- defining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000033001 locomotion Effects 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 description 17
- 230000001276 controlling effect Effects 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18159—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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18145—Cornering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
- G08G1/09623—Systems involving the acquisition of information from passive traffic signs by means mounted on the vehicle
-
- 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
- G08G1/09626—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages where the origin of the information is within the own vehicle, e.g. a local storage device, digital map
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal position
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
提供了用于控制车辆的系统和方法。在一个实施例中,方法包括:经由一个或多个感测设备接收与车辆相关联的环境相关的传感器数据;由处理器基于传感器数据和地图数据中的至少一个确定交叉路口的类型、交通控制设备的类型以及与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个;由处理器基于交叉路口的类型、交通控制设备的类型和与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个来定义即将到来的交叉路口的第一区域和第二区域;由处理器基于第一区域和第二区域以及车辆的位置确定车辆的当前区域;在控制车辆时,由处理器基于评估当前区域、操作员指令和自主控制指令的控制方法选择性地控制车辆的横向运动和纵向运动。
Description
技术领域
本公开总体上涉及自主车辆,并且更具体地涉及用于控制交叉路口(intersection)内的车辆操纵的系统和方法。
背景技术
自主车辆是能够在很少或没有用户输入的情况下感测其环境和导航的车辆。它通过使用诸如雷达、激光雷达、图像传感器等传感设备来实现。自主车辆进一步使用来自全球定位系统(GPS)技术、导航系统、车辆对车辆通信、车辆对基础设施技术和/或线控驱动系统的信息来导航车辆。虽然近年来自主车辆取得了重大进展,但此类车辆仍有可能在许多方面得到改进。例如,自主车辆遇到障碍物的情况并不少见,这些障碍物可能会在某种程度上遮挡试图监控迎面而来的交通的各种传感设备的视野。在自主车辆停在交叉路口并意图进入迎面而来的车流的情况下,情况尤其如此,例如,当试图从一条小路或小巷右转进入车流时。
因此,希望提供用于控制交叉路口内的车辆操纵的障碍物管理系统和方法。此外,从随后的详细描述和所附权利要求,结合附图和前述技术领域和背景,本发明的其他期望的特征和特征将变得显而易见。
发明内容
提供用于控制车辆的系统和方法。在一个实施例中,一种方法包括:经由一个或多个感测设备接收与和车辆相关联的环境相关的传感器数据;由处理器基于传感器数据和地图数据中的至少一个来确定交叉路口的类型、交通控制设备的类型以及与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个;由处理器基于交叉路口的类型、交通控制设备的类型和与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个来定义即将到来的交叉路口的第一区域和第二区域;由处理器基于第一区域和第二区域以及车辆的位置来确定车辆的当前区域;以及在控制车辆时,由处理器基于评估当前区域、操作员指令和自主控制指令的控制方法选择性地控制车辆的横向运动和纵向运动。
在各个实施例中,交通控制设备的类型被确定为停车标志和交通灯中的至少一个。在各个实施例中,交通控制设备的信号被确定为红色信号、绿色信号、黄色信号、黄色闪烁信号、红色闪烁信号和箭头信号中的至少一个。
在各个实施例中,定义第一区域包括基于车辆的停止位置和即将到来的交叉路口的停止线之间的区域来定义第一区域。
在各个实施例中,定义第一区域包括基于车辆的停止位置和即将到来的交叉路口的边界之间的区域来定义第一区域,该即将到来的交叉路口的边界由即将到来的交叉路口之外的下一车道段约束。
在各个实施例中,定义第一区域包括基于车辆的停止位置和确定的感兴趣区域之间的区域来定义第一区域。
在各个实施例中,定义第二区域包括基于紧跟在从第一区域确定的感兴趣区域之后的区域来定义第二区域。
在各个实施例中,定义第二区域包括基于紧接着通过即将到来的交叉路口的停车线和在即将到来的交叉路口内部之间并连接新车道段的区域来定义第二区域。
在各个实施例中,定义第二区域包括基于紧接着通过即将到来的交叉路口的停车线和即将到来的交叉路口之外的新车道段之间的区域来定义第二区域。
在各个实施例中,定义第二区域包括基于包括即将到来的交叉路口之外的新车道段的区域来定义第二区域。
在各个实施例中,操作员指令基于加速器位置传感器数据和按钮输入数据中的至少一个。
在各个实施例中,该方法还包括由处理器生成显示数据,以向车辆驾驶员显示区域信息、交通控制设备信息和控制状态信息。
在另一实施例中,一种系统包括:一个或多个感测设备,其生成与和车辆相关联的环境相关的传感器数据;以及处理器,其被配置为:基于传感器数据和地图数据中的至少一个,确定交叉路口的类型、交通控制设备的类型和与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个,基于交叉路口的类型、交通控制设备的类型以及与即将到来的交叉路口相关联的交通控制设备的信号来限定即将到来的交叉路口的第一区域和第二区域,基于第一区域和第二区域以及车辆的位置来确定车辆的当前区域,以及基于在控制车辆时评估当前区域、操作员指令和自主控制指令的控制方法来选择性地控制车辆的横向移动和纵向移动。
在各个实施例中,处理器被配置为基于车辆的停止位置和即将到来的交叉路口的停止线之间的区域来定义第一区域。
在各个实施例中,处理器被配置为基于车辆的停止位置和即将到来的交叉路口的边界之间的区域来定义第二区域,该即将到来的交叉路口的边界由即将到来的交叉路口之外的下一车道段约束。
在各个实施例中,处理器被配置为基于紧接通过即将到来的交叉路口的停止线和即将到来的交叉路口内部之间并连接新车道段之间的区域来定义第二区域。
在各个实施例中,处理器被配置为基于紧接通过即将到来的交叉路口的停止线和即将到来的交叉路口之外的新车道段之间的区域来定义第二区域。
在各个实施例中,处理器被配置为基于包括即将到来的交叉路口之外的新车道段的区域来定义第二区域。
在各个实施例中,处理器被配置为基于车辆的停止位置和确定的感兴趣区域之间的区域来定义第一区域。
在各个实施例中,处理器被配置为基于紧跟在从第一区域确定的感兴趣区域之后的区域来定义第二区域。
附图说明
以下将结合以下附图描述示例性实施例,其中相同的附图标记表示相同的元件,并且在附图中:
图1是示出根据各个实施例的包括交叉路口操纵控制系统的自主车辆的功能框图;
图2是示出了根据各个实施例的与自主车辆相关联的自主驾驶系统(ADS)的功能框图;
图3是示出根据各个实施例的自主车辆的交叉路口操纵控制系统的数据流图;
图4-12是根据各个实施例的车辆进入交叉路口交通流的示例性场景的俯视图;和
图13是示出了根据各个实施例的用于在交叉路口控制自主车辆的操纵的控制方法的流程图。
具体实施方式
下面的详细描述本质上仅是示例性的,并不旨在限制应用和使用。此外,无意受前述技术领域、背景、简要概述或以下详细描述中呈现的任何明示或暗示的理论的约束。如本文所用,术语“模块”是指单独或任意组合的任何硬件、软件、固件、电子控制组件、处理逻辑和/或处理器设备,包括但不限于:专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、处理器(共享的、专用的或成组的)和执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供描述的功能的其他合适组件。
本公开的实施例可以在本文中根据功能和/或逻辑块组件以及各种处理步骤来描述。应当理解,这样的块组件可以由被配置为执行指定功能的任何数量的硬件、软件和/或固件组件来实现。例如,本公开的实施例可以采用各种集成电路组件,例如,存储元件、数字信号处理元件、逻辑元件、查找表等,其可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。此外,本领域技术人员将理解,本公开的实施例可以结合任意数量的系统来实践,并且这里描述的系统仅仅是本公开的示例性实施例。
为简洁起见,与信号处理、数据传输、信令、控制、机器学习模型、雷达、激光雷达、图像分析和系统的其他功能方面(以及系统的各个操作组件)相关的常规技术此处可能不详述。此外,此处包含的各个图中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意,在本公开的实施例中可以存在许多替代的或附加的功能关系或物理连接。
参考图1,根据各个实施例,大体示出为100的交叉路口操纵控制系统与车辆10相关联。通常,交叉路口操纵控制系统(或简称“系统”)100允许用户输入车辆10的纵向控制,同时车辆10在操纵通过交叉路口时保持横向控制。交叉路口操纵控制系统100允许将所需操纵类型、交叉路口具有或不具有的交通控制设备的类型以及交叉路口内的设备的状态相关联,以限定车辆所在的“爬行区域(creep zone)”,其中车辆10被控制以允许驾驶员纵向控制和自主横向控制的混合。一般来说,“爬行区域”是需要来自驾驶员的驾驶员纵向输入和系统跟随横向控制的区域。当车辆10在该区域中行驶时,任何时候驾驶员的纵向输入被移除,系统100将计划纵向停止。一旦车辆10在该区域之外,在第二区域中行驶,自动化系统将完全接管横向和纵向控制。可以理解,术语交叉路口是指可能发生停车的可行驶空间之间的任何交叉路口,包括但不限于两条道路之间的交叉路口、两条路段之间的交叉路口、道路和停车场之间的交叉路口、道路和停车位(parking space)之间的交叉路口等。
如图1所示,车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上并且基本上包围车辆10的组件。车身14和底盘12可以共同构成一框架。轮16-18均在车身14的相应角部附近旋转地联接到底盘12。
在各个实施例中,车辆10是自主车辆并且交叉路口操纵控制系统100被并入自主车辆10(以下称为自主车辆10)。例如,自主车辆10是自动控制以将乘客从一个位置运送到另一个位置的车辆。车辆10在示出的实施例中被描绘为客车,但是应当理解,任何其他车辆,包括摩托车、卡车、运动型多功能车(SUV)、休闲车(RV)、船舶、飞机等,也可以使用。
如所示,自主车辆10通常包括推进系统20、传动系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储设备32、至少一个控制器34和通信系统36。在各个实施例中,推进系统20可以包括内燃机、诸如牵引马达的电机和/或燃料电池推进系统。传动系统22被配置为根据可选择的速度比将动力从推进系统20传输到车轮16和18。根据各个实施例,变速器系统22可包括步进比自动变速器、无级变速器或其他合适的变速器。
制动系统26被配置为向车轮16和18提供制动扭矩。在各个实施例中,制动系统26可以包括摩擦制动器、线控制动器、再生制动系统例如电机和/或其他适当的制动系统。
转向系统24影响车辆车轮16和/或18的位置。虽然为了说明的目的被描绘为包括方向盘25,但在本公开的范围内预期的一些实施例中,转向系统24可以不包括方向盘。
传感器系统28包括一个或多个感测设备40a-40n,其感测自主车辆10的外部环境和/或内部环境的可观察条件(例如一个或多个乘员的状态)并生成与之相关的传感器数据。感测设备40a-40n可包括但不限于雷达(例如,远程、中程-短程)、激光雷达、全球定位系统、光学相机(例如,前向、360度、后向、侧向、立体等)、热(例如,红外)相机、超声波传感器、里程计传感器(例如,编码器)和/或可与根据本发明主题的系统和方法结合使用的其他传感器。
致动器系统30包括一个或多个致动器设备42a-42n,其控制一个或多个车辆特征,例如但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各个实施例中,自主车辆10还可以包括图1中未示出的内部和/或外部车辆特征,例如各种门、行李箱和机舱特征,例如空气、音乐、照明、触摸屏显示组件(例如与导航系统结合使用的那些)等。
数据存储设备32存储用于自动控制自主车辆10的数据。在各个实施例中,数据存储设备32存储可导航环境的定义地图。在各个实施例中,定义的地图可以由远程系统预定义并从远程系统获得(关于图2更详细地描述)。例如,定义的地图可以由远程系统组装并传送到自主车辆10(无线和/或以有线方式)并存储在数据存储设备32中。路线信息也可以存储在数据存储设备32中–即,一组路段(与一个或多个定义的地图在地理上相关联),它们共同定义了用户从起始位置(例如,用户的当前位置)到目标位置可能采取的行进路线。应当理解,数据存储设备32可以是控制器34的一部分,与控制器34分离,或者控制器34的一部分和单独系统的一部分。
控制器34包括至少一个处理器44和计算机可读存储设备或介质46。处理器44可以是任何定制的或市售的处理器、中央处理单元(CPU)、图形处理单元(GPU)、专用集成电路(ASIC)(例如,实现神经网络的定制ASIC)、现场可编程门阵列(FPGA)、与控制器34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式),它们的任何组合,或通常用于执行指令的任何设备。例如,计算机可读存储设备或介质46可以包括只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM是可用于在处理器44断电时存储各种操作变量的持久性或非易失性存储器。计算机可读存储设备或介质46可以使用多种已知存储设备中的任何一种来实现,例如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或任何能够存储数据的其他电、磁、光学或组合存储设备,其中一些代表可执行指令,由控制器34用于控制自主车辆10。在各个实施例中,控制器34被配置为实现如下详细讨论的交叉路口操纵控制系统100的特征。
指令可以包括一个或多个单独的程序,每个程序包括用于实现逻辑功能的可执行指令的有序列表。当由处理器44执行时,指令接收和处理来自传感器系统28的信号(例如,传感器数据),执行用于自动控制自主车辆10的组件的逻辑、计算、方法和/或算法,并基于逻辑、计算、方法和/或算法生成发送到致动器系统30以自动控制自主车辆10的组件的控制信号。尽管图1中仅示出了一个控制器34,但是自动车辆10的实施例可以包括任意数量的控制器34,该控制器34通过任意合适的通信介质或通信介质的组合进行通信,并且协作来处理传感器信号、执行逻辑、计算、方法和/或算法,并且生成控制信号以自动控制自动车辆10的特征。
通信系统36被配置为向和从其他实体48无线通信信息,例如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、网络(“V2N”通信)、行人(“V2P”通信)、远程运输系统和/或用户设备(关于图2更详细地描述)。在示例性实施例中,通信系统36是被配置为使用IEEE 802.11标准或通过使用蜂窝数据通信经由无线局域网(WLAN)进行通信的无线通信系统。然而,在本公开的范围内还考虑了附加的或替代的通信方法,例如专用短程通信(DSRC)信道。DSRC信道是指专为汽车使用而设计的单向或双向短程到中程无线通信信道以及相应的一组协议和标准。
可以理解,本文公开的主题为可被视为标准或基准自主车辆10和/或基于自主车辆的远程运输系统的系统提供了某些增强的特征和功能。为此,可以修改、增强或以其他方式补充自主车辆和基于自主车辆的远程运输系统以提供以下更详细描述的附加特征。
根据各个实施例,控制器34实施如图2所示的自主驾驶系统(ADS)70。也就是说,控制器34的合适的软件和/或硬件组件(例如,处理器44和计算机-可读存储设备46)用于提供与车辆10结合使用的自主驾驶系统70。
在各个实施例中,自主驾驶系统70的指令可以按功能或系统来组织。例如,如图2所示,自主驾驶系统70可以包括计算机视觉系统74、定位系统76、引导系统78和车辆控制系统80。可以理解,在各个实施例中,指令可以组织中任何数量的系统中(例如,组合的、进一步划分的等),因为本公开不限于本示例。
在各个实施例中,计算机视觉系统74合成并处理所获取的传感器数据并预测物体的存在、位置、分类和/或路径以及车辆10的环境特征。在各个实施例中,计算机视觉系统74可以结合来自多个传感器(例如,传感器系统28)的信息,包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型的传感器。
定位系统76处理传感器数据连同其他数据,以确定车辆10相对于环境的位置(例如,相对于地图的本地位置、相对于道路车道的准确位置、车辆行驶方向等)。可以理解,可以采用多种技术来实现这种定位,包括例如同时定位和映射(SLAM)、粒子滤波器、卡尔曼滤波器、贝叶斯滤波器等。
引导系统78处理传感器数据以及其他数据以确定车辆10要遵循的路径。车辆控制系统80根据确定的路径生成用于控制车辆10的控制信号。
在各个实施例中,控制器34实施机器学习技术以辅助控制器34的功能,例如特征检测/分类、障碍物减轻、路线遍历、映射、传感器集成、地面实况确定等。
在各个实施例中,交叉路口操纵控制系统100的全部或部分可以被包括在计算机视觉系统74、定位系统76、引导系统78和/或车辆控制系统80内或者可以与计算机视觉系统74、定位系统76、引导系统78和/或车辆控制系统80通信。如上所述,图1的交叉路口操纵控制系统100被配置为混合用户控制和自主控制之间的控制以在道路的交叉路口内执行操纵。
在这点上,图3是示出交叉路口操纵控制系统100的特征的数据流图。应当理解,根据本公开的交叉路口操纵控制系统100的各个实施例可以包括嵌入在控制器34内的任意数量的子模块,其可以被组合和/或进一步划分以类似地实施这里描述的系统和方法。此外,交叉路口操纵控制系统100的输入可以从传感器系统28接收、从与自主车辆10相关联的其他控制模块(未示出)接收、从通信系统36接收、和/或由图1的控制器34内的其他子模块(未示出)确定/建模。此外,输入还可以经受预处理,例如二次采样、降噪、归一化、特征提取、丢失数据减少等。
本文描述的各种模块可以实现为一个或多个机器学习模型,这些模型经过监督、无监督、半监督或强化学习并执行分类(例如,二元或多类分类)、回归、聚类、降维、和/或此类任务。此类模型的示例包括但不限于人工神经网络(ANN)(例如递归神经网络(RNN)和卷积神经网络(CNN))、决策树模型(例如分类和回归树(CART))、集成学习模型(例如boosting、引导聚合(bootstrapped aggregation)、梯度提升机和随机森林)、贝叶斯网络模型(例如朴素贝叶斯)、主成分分析(PCA)、支持向量机(SVM)、聚类模型(例如K-最近邻、K均值、期望最大化、层次聚类等),线性判别分析模型。
在一些实施例中,系统100使用的任何机器学习模型的训练发生在远离车辆10的系统内并且随后被下载到车辆10以在车辆10的正常操作期间使用。在其他实施例中,训练发生在至少部分在车辆10的控制器34内,其本身,并且该模型随后与外部系统和/或车队中的其他车辆共享。训练数据可以类似地由车辆10生成或从外部获取,并且可以在训练之前划分为训练集、验证集和测试集。
在各个实施例中,交叉路口操纵控制系统100的模块包括交叉路口确定模块102、区域确定模块104、车辆控制模块106和显示控制模块108108。
在各个实施例中,交叉路口确定模块102从传感器系统28的一个或多个传感设备40a-40n接收传感器数据110和/或存储在数据存储设备32中的地图数据112作为输入。基于输入110、112,如果存在的话,交叉路口确定模块102确定两个驾驶空间之间即将到来的交叉路口的类型以及在即将到来的交叉路口处的控制设备的类型和状态。例如,交通控制设备确定模块102根据地图数据112和车辆10的当前位置确定即将到来的交叉路口是某种类型的,例如但不限于两条道路之间的交叉路口、两个路段之间的交叉路口、道路与停车场的交叉路口、道路与停车位的交叉路口等,并确定该交叉路口是否受两个停车标志、四个停车标志、交通灯等控制。交通控制设备确定模块102然后通过传感器数据110(例如,使用图像处理技术)确认所述类型并确定交通控制设备的当前信号(例如,红灯、绿灯、黄灯、绿箭头、红灯闪烁、等),如果存在的话。交叉路口确定模块102然后生成指示交叉路口的类型、交通控制设备的类型和/或当前信号的交通控制数据114。
区域确定模块104接收交通控制数据114、传感器数据110和/或地图数据112作为输入。区域确定模块104基于交叉路口的类型、交通信号的类型和/或交通信号的当前信号定义由地图数据112定义的即将到来的交叉路口的区域。例如,交叉路口的第一区域被定义为包括车辆允许车辆的操作员启动车辆的纵向控制的区域。交叉路口的第二区域被定义为包括车辆恢复对车辆的纵向和横向控制的区域。在各个实施例中,可以基于车辆的当前位置、即将到来的交叉路口处的停止线的位置、车道的位置、停车位的位置、或任何其他空间定义特征,进行定义。与两条道路之间的交叉路口相关联的示例性区域在图4-12中示出并且将在下面更详细地描述。可以理解的是,可以在其他交叉路口之间定义其他区域,并且实施例不限于示例性区域。
在各个实施例中,在定义即将到来的交叉路口的当前区域之后,区域确定模块104生成当前区域数据116,其指示车辆相对于所定义区域的当前位置(例如,当前位置是区域1,当前位置是区域2,当前位置是无区域等)。
车辆控制模块106接收期望路径数据118、加速器位置数据120、交通控制数据114和当前区域数据116作为输入。期望路径数据118指示通过交叉路口的车辆10的期望横向和纵向路径。加速器位置数据120指示车辆10的操作员按下的踏板或输入按钮的位置。车辆控制模块106基于交通控制数据114选择混合控制方法(即,ADS70和操作员之间的混合控制的方法)。例如,当交通控制数据114指示即将到来的交叉路口由两个停车标志控制时,选择第一控制方法;当交通控制数据114指示该交叉路口受四个停车标志控制时,选择第二控制方式;当交通控制数据114指示该交叉路口受交通灯控制时,选择第三控制方式,以此类推。
在各个实施例中,当由车辆控制模块106执行时,每种控制方法生成车辆控制数据122以控制车辆10。控制方法评估所需路径数据118、加速器位置数据120、由交通控制数据114指示的当前交通信号,以及当前区域数据116,以便生成车辆控制数据122。例如,图4-12呈现了在理解各种控制方法时有用的示例场景的自顶向下视图。更具体地,图4和图5示出了停车标志控制交叉路口的场景;图6-12示出了交通灯控制交叉路口的场景。
在图4中,如所示,车辆10在由两个停车标志控制的交叉路口处的车道内停止或是基本静止的。期望路径数据118指示车辆10的期望路径(直行路径、左转路径或右转路径)需要进入迎面而来的交通流。迎面而来的交通不受停车标志的控制。区域1由区域确定模块104定义为从车辆10已经停止的位置到由交叉路口外的下一个车道段约束的交叉路口的边界的区域。区域2由区域确定模块104定义为包括交叉路口外的新车道段的区域。
在图5中,如所示,车辆10在由四个停车标志控制的交叉路口处的车道内停止或是基本静止的。期望路径数据118指示车辆10的期望路径(直线路径、左转路径或右转路径)需要进入新车道。迎面而来的交通由停车标志调整。区域1由区域确定模块104定义为从车辆已停止的位置到交叉路口内最近的车道重叠车道边缘的区域。区域2由区域确定模块104定义为交叉路口和新车道段内的区域。
在这些场景中的每一个中,交通控制设备确定模块102检测到交叉路口由停止标志(例如,两个或四个)控制。车辆控制模块106检测到车辆10在距停止线X米处停止。车辆控制模块106控制车辆10以根据操纵的需要保持停止并打开转向信号。当驾驶员将加速器压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106经由加速器位置数据120检测操作员指令并根据操作员指令控制车辆10沿着所需路径向前。如果加速器位置数据120指示驾驶员在任何时间释放踏板而当前区域数据116指示区域1,则车辆控制模块106检测操作员指令并停止车辆10。而操作员指令用于在向前方向上控制车辆10,车辆控制模块106根据期望路径横向控制车辆。
一旦当前区域数据116指示车辆10已经进入区域2,则车辆控制模块106接管纵向控制。例如,如果期望速度大于操作员指令指示的速度,则车辆控制模块106命令更高的速度并继续控制速度。
在图6中,如所示,车辆10在由一个或多个停车灯控制的交叉路口处的车道内停止或是基本静止的。车辆10的期望路径是直线路径。交通灯被检测为指示红灯。区域1由区域确定模块104定义为从车辆10已经停止的位置到停止线的区域。区域2由区域确定模块104定义为紧接着通过停止线和交叉路口内部并连接新车道段的区域。
在该场景中,交通控制设备确定模块102检测交叉路口受交通信号控制并检测信号的颜色。车辆10在距停止线X米处停止并且车辆控制模块106控制车辆10保持停止。当驾驶员将加速器踏板压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106经由加速器位置数据120检测操作员指令并根据操作员指令控制车辆10沿所需路径向前行驶。如果驾驶员在当前区域数据116指示区域1时的任何时候松开踏板,则车辆控制模块106检测到操作员指令并停止车辆10。当操作员指令用于在向前方向上控制车辆10时,车辆控制模块106根据期望路径横向控制车辆10。
一旦当前区域数据116指示车辆10已进入区域2,并且灯状态为红色,则车辆控制模块106将控制升级(escalate)回驾驶员,并且如果驾驶员在区域2内的任何点松开踏板,则车辆控制模块106计划停止。
在图7中,如所示,车辆10在由一个或多个停车灯控制的交叉路口处的车道内停止或是基本静止的。车辆10的预期路径是直线路径。交通灯已经从红灯变成了绿灯。区域1由区域确定模块104定义为从车辆10已经停止的位置到停止线的区域。区域2由区域确定模块104定义为紧接着通过停止线和交叉路口内部并连接新车道段的区域。
在该场景中,交通控制设备确定模块102检测交叉路口受交通信号控制并检测信号的颜色。车辆10在距停止线X米处停止并且车辆控制模块106控制车辆以保持停止。当驾驶员将加速器踏板压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106经由加速器位置数据120检测操作员指令并根据操作员指令控制车辆10沿着所需路径向前行驶。如果在当前区域数据指示区域1时驾驶员在任何时间松开踏板,则车辆控制模块106检测到操作员指令并停止车辆10。当操作员指令用于在向前方向上控制车辆10时,车辆控制模块106根据期望路径横向控制车辆10。
如果系统检测到灯在仍处于区域1时已变为绿色,并且当驾驶员将加速器踏板压至高达Y%达Z毫秒以启动向前运动时,系统100检测到操作员指令并根据操作员指令控制车辆10沿着期望的路径前进。
一旦当前区域数据116指示车辆10已经进入区域2,则车辆控制模块106s接管车辆10的纵向控制并且将继续该控制,除非驾驶员接管。例如,如果驾驶员在交叉路口内的任何时间松开踏板,则车辆控制模块106控制车辆10立即沿期望路径停止。
在图8中,如所示,车辆10在由一个或多个停车灯控制的交叉路口处的车道内停止或是基本静止的。车辆10的预期路径是右转路径并且需要进入迎面而来的交通流。迎面而来的交通由交通灯控制。交通灯指示红灯。区域1由区域确定模块104定义为从车辆停止的位置到由交叉路口外的下一个车道段约束的交叉路口的边界的区域。区域2由区域确定模块104定义为来自交叉路口外的新车道段的区域。
交通控制设备确定模块102检测交叉路口被交通信号控制并检测信号的颜色。交通控制设备确定模块102检测交叉路口受交通信号控制并检测信号的颜色。车辆10在距停止线X米处停止并且车辆控制模块106控制车辆10以保持停止。当驾驶员将加速器踏板压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106检测到操作员指令并根据操作员指令控制车辆10沿着所需路径向前。如果驾驶员在当前区域数据116指示区域1时的任何时候松开踏板,则车辆控制模块106检测到操作员指令并停止车辆10。当操作员指令用于在向前方向上控制车辆10时,车辆控制模块106根据期望路径横向控制车辆10。
一旦当前区域数据116指示车辆10已经进入区域2,车辆控制模块106接管纵向控制。例如,如果期望速度大于操作员指令指示的速度,则车辆控制模块106命令更高的速度并继续控制该速度。
在图9中,如所示,车辆10在由一个或多个停车灯控制的交叉路口处的车道内停止或是基本静止的。车辆10的预期路径是右转路径并且需要进入迎面而来的交通流。迎面而来的交通由交通灯控制。交通灯已经从红灯变成了绿灯。区域1由区域确定模块104定义为从车辆10已经停止的位置到停止线的区域。区域2由区域确定模块104定义为紧接着通过停止线的区域和在交叉路口内并连接新车道段的区域。
在该场景中,交通控制设备确定模块102检测交叉路口受交通信号控制并检测信号的颜色。交通控制设备确定模块102检测交叉路口受交通信号控制,并检测信号的颜色。车辆在距停止线X米处停止,并且车辆控制模块106控制车辆10以保持停止。当驾驶员将加速器踏板压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106检测到操作员指令并根据操作员指令控制车辆10沿着所需路径向前。如果驾驶员在当前区域数据116指示区域1时的在任何时候松开踏板,则车辆控制模块106检测到操作员指令并停止车辆10。当操作员指令用于在向前方向上控制车辆10时,车辆控制模块106根据期望路径横向控制车辆10。
如果交通控制设备确定模块102检测到区域确定模块104确定车辆10仍处于区域1中时灯已变为绿色,并且操作员指令指示驾驶员将加速器踏板踩下到Y%Z毫秒以启动向前运动,车辆控制模块106检测操作员指令并根据操作员指令控制车辆10沿着期望路径向前。
一旦当前区域数据116指示车辆10已经进入区域2,则车辆控制模块106接管车辆10的纵向控制并且继续控制车辆10,除非驾驶员接管。例如,如果驾驶员在交叉路口内的任何时间松开踏板,并且控制速度大于驾驶员指令速度,则车辆控制模块106接管驾驶员指令进行纵向控制。
在图10中,如所示,车辆10在由一个或多个停车灯控制的交叉路口处的车道内停止或是基本静止的。车辆10的预期路径是左转路径并且需要进入迎面而来的交通流。迎面而来的交通由交通灯控制。交通灯是红灯。区域1由区域确定模块104定义为从车辆10已经停止的位置到停止线的区域。区域2由区域确定模块104定义为紧接着通过停止线的区域和在交叉路口内并连接新车道段的区域。
交通控制设备确定模块102检测交叉路口被交通信号控制并检测信号的颜色。交通控制设备确定模块102检测交叉路口受交通信号控制并检测信号的颜色。车辆在距停止线X米处停止,并且车辆控制模块106控制车辆10以保持停止。当驾驶员将加速器踏板压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106检测到操作员指令并根据操作员指令控制车辆10沿着所需路径向前。如果驾驶员在当前区域数据116指示区域1时的任何时候松开踏板,则车辆控制模块106检测到操作员指令并停止车辆10。当操作员指令用于在向前方向上控制车辆10时,车辆控制模块106根据期望路径横向控制车辆10。
一旦当前区域数据116指示车辆10已进入区域2,并且灯状态为红色,则车辆控制模块106将控制升级回驾驶员,并且如果驾驶员在区域2内的任何点松开踏板,车辆控制模块106计划停止。
在图11中,如所示,车辆10在由一个或多个停车灯控制的交叉路口处的车道内停止或是基本静止的。车辆10的预期路径是左转路径并且需要进入迎面而来的交通流。迎面而来的交通由交通灯控制。交通灯是红色的闪烁灯或允许的转向灯。区域1由区域确定模块104定义为从车辆10已经停止的位置到由交叉路口外的下一个车道段约束的交叉路口的边界的区域。区域2由区域确定模块104定义为来自交叉路口外的新车道段的区域。
在这种情况下,交通控制设备确定模块102检测交叉路口受交通信号控制并检测信号的颜色。交通控制设备确定模块102检测交叉路口受交通信号控制并检测信号的颜色。车辆10在距停止线X米处停止并且车辆控制模块106控制车辆10以保持停止。当驾驶员将加速器踏板压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106检测到操作员指令并根据操作员指令控制车辆10沿着所需路径向前。如果驾驶员在当前区域数据116指示区域1时的任何时候松开踏板,则车辆控制模块106检测到操作员指令并停止车辆10。当操作员指令用于在向前方向上控制车辆10时,车辆控制模块106根据期望路径横向控制车辆10。
如果交通控制设备确定模块102检测到区域确定模块104确定车辆仍在区域1中时灯已变为绿色,并且操作员指令指示驾驶员将加速器踏板压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106检测操作员指令并根据操作员指令控制车辆10沿着期望的路径前进。
一旦当前区域数据116指示车辆10已经进入区域2,车辆控制模块106接管纵向控制。例如,如果期望速度大于操作员指令指示的速度,则车辆控制模块106命令更高的速度并继续控制该速度。
在图12中,如所示,车辆10在由一个或多个停车灯控制的交叉路口处的车道内停止或是基本静止的。车辆10的预期路径是左转路径并且需要进入迎面而来的交通流。迎面而来的交通由交通灯控制。交通灯是绿灯/箭头或受保护的转向信号。区域1被识别为从车辆10已经停止的位置和停止线。区域2被识别为紧接着通过停止线和交叉路口内部之间并连接新车道段的区域。
在这种情况下,交通控制设备确定模块102检测交叉路口受交通信号控制并检测信号的颜色。交通控制设备确定模块102检测交叉路口受交通信号灯控制,并检测信号灯的颜色。车辆10在距停止线X米处停止并且车辆控制模块106控制车辆10以保持停止。当驾驶员将加速器踏板压至高达Y%持续Z毫秒以启动向前运动时,车辆控制模块106检测到操作员指令并根据操作员指令控制车辆10沿着所需路径向前。如果驾驶员在当前区域数据116指示区域1时的任何时候松开踏板,则车辆控制模块106检测到操作员指令并停止车辆10。当操作员指令用于在向前方向上控制车辆10时,车辆控制模块106根据期望路径横向控制车辆10。
一旦当前区域数据116指示车辆10已经进入区域2,车辆控制模块106接管纵向控制。例如,如果期望速度大于操作员指令指示的速度,则车辆控制模块106命令更高的速度并继续控制该速度。
返回参考图3,显示控制模块108接收当前区域数据116、交通控制数据114和车辆控制状态数据124作为输入。基于该输入,显示控制模块108生成显示数据126向车辆10的驾驶员显示区域信息、交通控制设备信息和控制状态信息。例如,车辆组件、道路组件和/或期望路径的颜色、阴影、高亮、阴影等可以是根据接收到的数据进行修改。在各个实施例中,可以显示单独的图标以指示何时允许或不允许驾驶员干预。
现在参考图13,并继续参考图1-12,所示的流程图提供了可以由根据本公开的系统100执行的控制方法300。根据本公开将理解,该方法内的操作顺序不限于如图所示的顺序执行,而是可以根据本公开以一种或多种适用的不同顺序执行。在各个实施例中,该方法可以基于一个或多个预定事件被调度运行,和/或可以在车辆10的操作期间连续运行。
在各个实施例中,方法300开始于305处。在310处接收与和车辆10相关联的环境相关的传感器数据110和地图数据112。如上所述,该传感器数据110可以从各种感测设备40a-40n,例如光学相机、激光雷达传感器、雷达传感器等接收。在320处,该传感器数据110然后与地图数据112一起使用以确定即将到来的交叉路口的交通控制数据114。传感器数据110然后与地图数据112一起使用以确定当前区域数据116,包括与即将到来的交叉路口相关联的区域以及在330处相对于所确定区域的当前位置。
此后,在340处,交通控制数据114和当前区域数据116与期望路径数据118和加速器位置数据120一起使用,以根据选择的控制方法控制车辆10,例如,如上所讨论的。在350处生成显示数据126以显示控制的状态。此后,该方法可以在360处结束。
虽然在前面的详细描述中已经呈现了至少一个示例性实施例,但是应当理解存在大量变型。还应当理解的是,一个或多个示例性实施例仅是示例,并不旨在以任何方式限制本公开的范围、适用性或配置。相反,前述详细描述将为本领域技术人员提供用于实施一个或多个示例性实施例的便利路线图。应当理解,在不脱离所附权利要求及其合法等效物所阐述的本公开的范围的情况下,可以对元件的功能和布置进行各种改变。
Claims (10)
1.一种控制自主车辆的方法,包括:
经由一个或多个感测设备接收与和车辆相关联的环境相关的传感器数据;
由处理器基于传感器数据和地图数据中的至少一个来确定交叉路口的类型、交通控制设备的类型以及与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个;
由处理器基于交叉路口的类型、交通控制设备的类型和与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个来定义即将到来的交叉路口的第一区域和第二区域;
由处理器基于第一区域和第二区域以及车辆的位置来确定车辆的当前区域;和
由处理器基于在控制车辆时评估当前区域、操作员指令和自主控制指令的控制方法来选择性地控制车辆的横向运动和纵向运动。
2.如权利要求1所述的方法,其中,交通控制设备的类型被确定为停车标志和交通灯中的至少一个。
3.如权利要求1所述的方法,其中,定义第一区域包括基于车辆的停止位置和即将到来的交叉路口的停止线之间的区域来定义第一区域。
4.如权利要求1所述的方法,其中,定义第一区域包括基于车辆的停止位置和即将到来的交叉路口的边界之间的区域来定义第一区域,该即将到来的交叉路口的边界由即将到来的交叉路口之外的下一车道段约束。
5.如权利要求1所述的方法,其中,定义第一区域包括基于车辆的停止位置和确定的感兴趣区域之间的区域来定义第一区域。
6.如权利要求5所述的方法,其中,定义第二区域包括基于紧跟在从第一区域确定的感兴趣区域之后的区域来定义第二区域。
7.如权利要求1所述的方法,其中,定义第二区域包括基于紧接着通过即将到来的交叉路口的停车线和在即将到来的交叉路口内部之间并连接新车道段的区域来定义第二区域。
8.如权利要求1所述的方法,其中,定义第二区域包括基于紧接着通过即将到来的交叉路口的停车线和即将到来的交叉路口之外的新车道段之间的区域来定义第二区域。
9.如权利要求1所述的方法,其中,定义第二区域包括基于包括即将到来的交叉路口之外的新车道段的区域来定义第二区域。
10.一种用于控制车辆的系统,包括:
一个或多个感测设备,该一个或多个感测设备生成与和车辆相关联的环境相关的传感器数据;和
处理器,该处理器被配置为:基于传感器数据和地图数据中的至少一个,确定交叉路口的类型、交通控制设备的类型和与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个,基于交叉路口的类型、交通控制设备的类型以及与即将到来的交叉路口相关联的交通控制设备的信号中的至少一个来定义即将到来的交叉路口的第一区域和第二区域,基于第一区域和第二区域以及车辆的位置来确定车辆的当前区域,以及基于在控制车辆时评估当前区域、操作员指令和自主控制指令的控制方法来选择性地控制车辆的横向移动和纵向移动。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/218,251 | 2021-03-31 | ||
US17/218,251 US11827223B2 (en) | 2021-03-31 | 2021-03-31 | Systems and methods for intersection maneuvering by vehicles |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115140043A true CN115140043A (zh) | 2022-10-04 |
Family
ID=83282422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111587038.XA Pending CN115140043A (zh) | 2021-03-31 | 2021-12-23 | 用于通过车辆进行交叉路口操纵的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11827223B2 (zh) |
CN (1) | CN115140043A (zh) |
DE (1) | DE102021129454A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230294742A1 (en) * | 2022-03-17 | 2023-09-21 | Toyota Research Institute, Inc. | System and method for lane association/transition association with splines |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5088349B2 (ja) * | 2009-06-01 | 2012-12-05 | トヨタ自動車株式会社 | 車両走行制御装置 |
TWI431560B (zh) * | 2010-12-14 | 2014-03-21 | Inst Information Industry | 駕駛輔助系統、方法以及儲存其之電腦可讀取記錄媒體 |
US10181264B2 (en) * | 2016-04-18 | 2019-01-15 | Ford Global Technologies, Llc | Systems and methods for intersection assistance using dedicated short range communications |
WO2019022201A1 (ja) * | 2017-07-28 | 2019-01-31 | 住友電気工業株式会社 | 車載制御装置、走行速度の制御方法及びコンピュータプログラム |
WO2019092658A1 (en) * | 2017-11-10 | 2019-05-16 | C.R.F. Societa' Consortile Per Azioni | Warning and adjusting the longitudinal speed of a motor vehicle based on the recognized road traffic lights |
US10198002B2 (en) * | 2017-11-21 | 2019-02-05 | GM Global Technology Operations LLC | Systems and methods for unprotected left turns in high traffic situations in autonomous vehicles |
US10488861B2 (en) * | 2017-11-22 | 2019-11-26 | GM Global Technology Operations LLC | Systems and methods for entering traffic flow in autonomous vehicles |
US10733883B1 (en) * | 2018-06-22 | 2020-08-04 | Traffic Technology Services, Inc. | Configurable virtual traffic detection system under predictive signal states |
US20200310448A1 (en) * | 2019-03-26 | 2020-10-01 | GM Global Technology Operations LLC | Behavioral path-planning for a vehicle |
US20220009491A1 (en) * | 2020-07-10 | 2022-01-13 | Toyota Research Institute, Inc. | Systems and methods for controlling a vehicle with respect to an intersection |
US11636757B2 (en) * | 2020-08-31 | 2023-04-25 | Nissan North America, Inc. | System and method for optimizing traffic flow using vehicle signals |
EP4024366A1 (en) * | 2020-12-30 | 2022-07-06 | Argo AI GmbH | Method for controlling a driving behavior of an autonomously driving vehicle, processing device for performing the method, data storage medium and vehicle |
-
2021
- 2021-03-31 US US17/218,251 patent/US11827223B2/en active Active
- 2021-11-11 DE DE102021129454.1A patent/DE102021129454A1/de active Pending
- 2021-12-23 CN CN202111587038.XA patent/CN115140043A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102021129454A1 (de) | 2022-10-06 |
US11827223B2 (en) | 2023-11-28 |
US20220314999A1 (en) | 2022-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109814544B (zh) | 用于在自主车辆中操纵绕过障碍物的系统和方法 | |
CN109817008B (zh) | 自主车辆中用于交通繁忙情况中的无保护左转弯的系统和方法 | |
CN110068346B (zh) | 用于自主车辆中不受保护的操纵缓解的系统和方法 | |
CN110281930B (zh) | 车辆控制装置、车辆、车辆控制方法以及存储介质 | |
CN111434554B (zh) | 基于乘客和环境感知驾驶风格简档来控制自主车辆 | |
US11927956B2 (en) | Methods for transitioning between autonomous driving modes in large vehicles | |
CN112714729A (zh) | 车辆的路径规划方法以及车辆的路径规划装置 | |
CN110806744A (zh) | 使用分层选项马尔可夫决策过程的交叉路口自主驾驶决策 | |
US11608067B2 (en) | Probabilistic-based lane-change decision making and motion planning system and method thereof | |
CN113631452B (zh) | 一种变道区域获取方法以及装置 | |
US11631325B2 (en) | Methods and systems for traffic light state monitoring and traffic light to lane assignment | |
KR20150066303A (ko) | 운전자의 주행 패턴을 반영하는 자율 주행 장치 및 그 방법 | |
US20210074162A1 (en) | Methods and systems for performing lane changes by an autonomous vehicle | |
CN113228131B (zh) | 用于提供周围环境数据的方法和系统 | |
US11454971B2 (en) | Methods and systems for learning user preferences for lane changes | |
US20230009173A1 (en) | Lane change negotiation methods and systems | |
CN111599166B (zh) | 用于解释交通信号和协商信号化的交叉路口的方法和系统 | |
US20220055659A1 (en) | Mode selection according to system conditions | |
CN115140043A (zh) | 用于通过车辆进行交叉路口操纵的系统和方法 | |
WO2021021427A1 (en) | Methods for transitioning between autonomous driving modes in large vehicles | |
US20200387161A1 (en) | Systems and methods for training an autonomous vehicle | |
WO2022101825A1 (en) | Optimization of performance in automotive autonomous driving of recurrent low speed manoeuvres in digital road maps-free areas | |
US20210018921A1 (en) | Method and system using novel software architecture of integrated motion controls | |
US20230278562A1 (en) | Method to arbitrate multiple automatic lane change requests in proximity to route splits | |
US20240257636A1 (en) | Methods and systems for sensor fusion for traffic intersection assist |
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 |