CN116249644B - 由自主车辆执行出路推断以确定通过交叉路口的可行路径的方法和系统 - Google Patents
由自主车辆执行出路推断以确定通过交叉路口的可行路径的方法和系统 Download PDFInfo
- Publication number
- CN116249644B CN116249644B CN202180067675.6A CN202180067675A CN116249644B CN 116249644 B CN116249644 B CN 116249644B CN 202180067675 A CN202180067675 A CN 202180067675A CN 116249644 B CN116249644 B CN 116249644B
- Authority
- CN
- China
- Prior art keywords
- path
- target point
- determining
- exit
- curvature
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 35
- 238000013138 pruning Methods 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims description 27
- 230000004044 response Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 description 44
- 230000006870 function Effects 0.000 description 28
- 238000004891 communication Methods 0.000 description 22
- 230000033001 locomotion Effects 0.000 description 17
- 229920002451 polyvinyl alcohol Polymers 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 230000001747 exhibiting effect Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000001154 acute effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
-
- 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
- B60W2554/404—Characteristics
- B60W2554/4043—Lateral speed
-
- 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
- B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
Abstract
自主车辆识别交叉路口,识别交叉路口附近的对象,识别交叉路口的多个出路,并且对于每个出路,识别与出路相关联的多段线,识别沿着多段线的目标点,并且确定从对象到目标点的恒定曲率路径。该系统至少部分基于出路的恒定曲率路径来确定与每个出路相关联的分数,基于出路的分数来生成包括多个出路中的一个或多个出路的出路剪枝集,以及对于剪枝集中的每个出路,生成从对象到出路的目标点的参考路径。
Description
相关申请和优先权要求
本专利申请要求于2020年10月1日提交的第17/060,817号美国专利申请和于2021年3月22日提交的第17/207,889号美国专利申请的优先权,这两个专利申请的公开内容通过引用完全并入本文。
背景技术
许多自主车辆程序严重依赖所绘制的车道段。这些可以包括例如用于由自主车辆执行跟踪、预测和/或规划的程序。然而,所绘制的车道段可能不总是提供通过交叉路口的实际车辆路径的准确表示。作为示例,以相对较高的速度左转的车辆可能跟随比通过交叉路口的所绘制的车道更浅的轨迹。因此,在交叉路口内,潜在的轨迹变得更加多样,并且自主车辆更加难以准确预测车辆将跟随哪个轨迹。
此外,在某些情况下,移动者(诸如车辆、行人、骑自行车的人或其他行动者)可能执行未被自主车辆辨识或未预期的操纵。在这些情况下,自主车辆通常会应用一种策略,在这种策略中,行动者被预测为简单地继续沿着其当前路径向前和直线移动。然而,这些预测可能并不准确。
本文描述了旨在解决上述问题和/或其他问题的方法和系统。
发明内容
在某些场景中,一种系统包括:自主车辆的一个或多个电子设备;以及计算机可读存储介质,包括当被执行时使电子设备中的一个或多个执行一个或多个动作的一个或多个编程指令。该系统识别交叉路口,识别交叉路口附近的对象,识别交叉路口的多个出路,并且对于每个出路,识别与出路相关联的多段线,识别沿着多段线的目标点,并且确定从对象到目标点的恒定曲率路径。该系统至少部分基于出路的恒定曲率路径来确定与每个出路相关联的分数,基于出路的分数来生成包括多个出路中的一个或多个出路的出路剪枝集,以及对于剪枝集中的每个出路,生成从对象到出路的目标点的参考路径。
在一些实施方式中,该系统可以使用所生成的参考路径中的一个或多个来预测对象通过交叉路口的轨迹;以及基于所预测的对象通过交叉路口的轨迹来调整自主车辆的一个或多个驾驶操作。
该系统可以通过识别位于离出路的端部一定距离的目标点来识别沿着多段线的目标点。
该系统可以通过在对象坐标系中将圆拟合到对象和目标点来确定从对象到目标点的恒定曲率路径。该系统可以通过以下操作来执行该拟合:将对象的旋转中心定位在原点位置;对圆应用点约束和斜率约束,使得圆通过原点位置;以及对圆应用第二点约束,使得圆通过目标点。
在一些实施方式中,该系统可以通过确定航向差异值、确定曲率参数、确定对象的横向加速度以及将航向差异值、曲率参数和横向加速度相加来确定与每个出路相关联的分数。确定航向差异值可以涉及确定出路的目标点处的余弦距离。该系统可以通过将函数应用于恒定曲率路径的曲率来确定曲率参数。如果恒定曲率路径的曲率太急而不能穿过出路,则函数的结果可以是第一值。如果恒定曲率路径的曲率不是太急而能够穿过出路,则结果可以是第二值。该系统可以通过识别出路的恒定曲率路径的曲率、确定对象的速度、对对象的速度求平方以生成平方值,以及确定曲率和平方值的乘积来确定对象的横向加速度。
在一些实施方式中,该系统可以通过从多个出路中识别分数小于阈值的一个或多个出路来生成出路剪枝集。
该系统可以通过在地图坐标系中生成对象与目标点之间的样条来生成从移动对象到出路的目标点的参考路径。参考路径中的一个或多个可以未与地图坐标系的所绘制的车道段对齐。
对于所生成的参考路径中的一个或多个,该系统可以确定通向与参考路径相关联的出路的一个或多个所绘制的车道段,并且确定所绘制的车道段中的一个或多个是否与参考路径匹配。响应于确定只有一个所绘制的车道段匹配参考路径,该系统可以将与该一个所绘制的车道段相关联的元数据的至少一部分应用于参考路径。响应于确定多个所绘制的车道段匹配参考路径并且多个所绘制的车道段具有相同的元数据,该系统可以将与多个所绘制的车道段中的一个相关联的元数据的至少一部分应用于参考路径。响应于确定没有与参考路径匹配的所绘制的车道段,该系统可以将默认元数据应用于参考路径。默认元数据可以包括指令自主车辆为交叉路口中的一个或多个行动者让行的一个或多个指令。
在一些实施方式中,该系统可以通过生成不同于通过交叉路口的一个或多个所绘制的车道段的参考路径来生成从对象到出路的目标点的参考路径。
在某些其他场景中,一种系统包括自主车辆的一个或多个电子设备和具有一个或多个编程指令的计算机可读存储介质。该系统识别自主车辆的环境中正在表现出未被辨识的行为或在一定时间段内已经表现出未被辨识的行为的行动者;以及生成与行动者相关联的圆,其中,圆的半径是行动者的速度的函数。该系统识别与行动者相关联的一个或多个目标点,其中,每个目标点表示沿着行动者的可能路线的点,并且每个目标点沿着圆的圆周定位。该系统给每个目标点分配分数,选择与最低分数相关联的目标点,并且生成从行动者到所选择的目标点的参考路径。
该系统可以使用参考路径来预测行动者的预测路径,并且基于预测的行动者的预测路径来调整自主车辆的一个或多个驾驶操作。
该系统可以通过以下操作识别自主车辆的环境中正在表现出未被辨识的行为或在一定时间段内已经表现出未被辨识的行为的行动者:将行动者的行为与自主车辆的已被辨识的行为的一个或多个策略进行比较;以及如果行为不对应于一个或多个策略,则将行为识别为未被辨识的行为。
该系统可以通过生成具有该半径的圆来生成与行动者相关联的圆,其中,该半径表示预测行动者将合并回交通流中的距离。
该系统可以通过以下操作识别与行动者相关联的一个或多个目标点:识别位于行动者相对于其航向的前方的一个或多个车道,其中,每个车道包括中心线;以及对于每个所识别的车道,确定圆与车道的中心线的交点。
该系统可以通过确定航向差异值、确定曲率参数、确定行动者的横向加速度以及将航向差异值、曲率参数和横向加速度相加来给每个目标点分配分数。
该系统可以通过确定目标点处的余弦距离来确定航向差异值。
该系统可以通过将函数应用于与穿过行动者与目标点之间的路径相关联的曲率来确定曲率参数。如果路径的曲率太急而不能穿过,则函数的结果可以是第一值。如果路径的曲率不是太急而能够穿过,则结果可以是第二值。
该系统可以通过识别行动者与目标点之间的路径的曲率、确定行动者的速度、对行动者的速度求平方以生成平方值,以及确定曲率和平方值的乘积,来确定行动者的横向加速度。
该系统可以通过生成行动者与目标点之间的样条来生成从行动者到所选择的目标点的参考路径。
附图说明
图1是示出示例自主车辆系统的框图。
图2示出了示例车辆控制器系统。
图3示出了由自主车辆执行出路推断的示例过程的流程图。
图4A示出了示例恒定曲率路径的视觉描绘。
图4B示出了关于图4A的示例关系的解释。
图5示出了示例恒定曲率路径。
图6示出了在目标点处的航向不一致的示例。
图7示出了用于实施评分函数的示例过程的流程图。
图8示出了将元数据分配给所生成的参考路径的示例方法的流程图。
图9示出了对正在表现或已经表现出未被辨识的行为的行动者的未来行为进行预测的示例方法的流程图。
图10示出了显示出行动者与目标点之间的示例参考路径的示例图。
图11是示出可能的电子系统、子系统、控制器和/或AV的其他组件和/或外部电子设备的各种元件的框图。
具体实施方式
如在本文中所使用的,单数形式“一”、“一个”和“所述”包括复数引用,除非上下文中另有明确指示。除非另有定义,否则本文所使用的所有技术和科学术语具有与本领域普通技术人员通常理解的含义相同的含义。本文中所使用的术语“包括”是指“包括,但不限于”。与本文相关的附加的术语的定义包括在具体实施方式的末尾。
图1是示出示例系统100的框图,该示例系统100包括经由网络110与一个或多个数据存储102和/或一个或多个服务器103通信的自主车辆101。尽管示出了一个自主车辆,但是多个自主车辆可以通过网络110彼此耦合和/或耦合到数据存储102和/或服务器103。网络110可以是任何类型的网络,诸如局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合,并且可以是有线的或无线的。数据存储102可以是任何种类的数据存储,诸如但不限于地图数据存储、交通信息数据存储、用户信息数据存储、兴趣点数据存储或任何其他类型的内容数据存储。服务器103可以是任何种类的服务器或服务器集群,诸如但不限于Web或云服务器、应用服务器、后端服务器或其组合。
如图1所示,自主车辆101可以包括传感器系统111、车载计算设备112、通信接口114和用户接口115。自主车辆101还可以包括车辆中包括的某些组件(例如,如图2所示),诸如,发动机、车轮、方向盘、变速器等,其可以由车载计算设备112使用各种通信信号和/或命令来控制,诸如加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
传感器系统111可以包括耦合到自主车辆101和/或包括在自主车辆101内的一个或多个传感器。这样的传感器的示例包括但不限于无线电探测和测距(RADAR)系统、激光探测和测距(LiDAR)系统、声音导航和测距(SONAR)系统、一个或多个相机(例如可见光谱相机、红外相机等)、温度传感器、定位传感器(例如全球定位系统(GPS)等)、位置传感器、燃料传感器、运动传感器(例如惯性测量单元(IMU)等)、湿度传感器、占用传感器等。传感器数据可以包括描述自主车辆101的周围环境内的对象的位置的信息、关于环境本身的信息、关于自主车辆101的运动的信息、关于自主车辆的路线的信息等。当自主车辆101在表面上行驶时,传感器中的至少一些可以收集关于该表面的数据。
LiDAR系统可以包括传感器,该传感器被配置为感测或检测自主车辆101所处的环境中的对象。通常,LiDAR系统是一种结合了光学遥感技术的设备,其可以通过用光照射目标来测量到目标的距离和/或目标(例如,地面)的其他属性。作为示例,LiDAR系统可以包括被配置为发射激光脉冲的激光源和/或激光扫描器、以及被配置为接收激光脉冲的反射的检测器。例如,LiDAR系统可以包括由旋转反射镜反射的激光测距仪,并且激光在一维、二维或多维中围绕被数字化的场景扫描,从而以指定的角度间隔收集距离测量值。例如,LiDAR系统可以被配置为发射激光脉冲作为光束。可选地,光束可以被扫描以生成二维或三维距离矩阵。在一个示例中,距离矩阵可以用于通过测量脉冲发射与相应的反射信号检测之间的时间延迟,来确定到给定车辆或表面的距离。在一些示例中,一个以上的LiDAR系统可以耦合到第一车辆以扫描第一车辆的完整360°范围。LiDAR系统可以被配置为向计算设备提供表示已经被激光击中的表面的点数据云。除了距离之外,这些点还可以由LiDAR系统按照方位角和仰角来表示,其可以被转换为相对于附于车辆的局部坐标系的(X,Y,Z)点数据。附加地,LiDAR可以被配置为提供从表面反射的光或激光的强度值,该强度值可以指示表面类型。在示例中,LiDAR系统可以包括诸如光(例如,激光)源、扫描器和光学器件、光电检测器和接收器电子器件以及定位和导航系统的组件。在一个示例中,LiDAR系统可以被配置为使用紫外(UV)、可见光或红外光来对对象进行成像,并且可以将其用于各种目标,包括非金属对象。在一个示例中,窄激光光束可以用于以高分辨率绘制对象的物理特征。
需要说明的是,用于收集关于表面的数据的LiDAR系统可以被包括在除自主车辆101之外的系统中,诸如但不限于其他车辆(自主或被驾驶的)、机器人、卫星等。
图2示出了车辆201的示例系统架构,诸如图1的自主车辆101。车辆201可以包括发动机或马达202以及用于测量车辆和/或其环境的各种参数的各种传感器。两种类型的车辆共有的操作参数传感器包括,例如:定位传感器236,诸如加速度计、陀螺仪和/或惯性测量单元;速度传感器238;以及里程表传感器240。车辆101还可以具有时钟242,系统架构使用该时钟242来确定运行期间的车辆时间。时钟242可以被编码到车载计算设备212中,它可以是单独的设备,或多个时钟可以是可用的。
车辆201还可以包括各种传感器,这些传感器用于收集关于车辆行驶的环境的信息。这些传感器可以包括例如:位置传感器260,诸如GPS设备;对象检测传感器,诸如一个或多个相机262;LiDAR传感器系统264;和/或雷达和/或声纳系统266。传感器还可以包括环境传感器268,诸如降水传感器和/或环境温度传感器。对象检测传感器可以使车辆201能够检测在任何方向上在车辆201的给定距离或范围内的移动行动者和静止对象,而环境传感器收集关于车辆行驶区域内的环境条件的数据。该系统架构还将包括用于捕获环境的图像的一个或多个相机262。
在操作期间,信息从传感器通信传送至车载计算设备212。车载计算设备212分析由传感器捕获的数据,并且基于分析的结果可选地控制车辆的运行。例如,车载计算设备212可以经由制动控制器222控制制动;经由转向控制器224控制方向;经由节气门控制器226(在气体动力车辆中)或马达速度控制器228(例如电动车辆中的电流级别控制器)控制速度和加速度;控制差速齿轮控制器230(在具有变速器的车辆中);和/或控制诸如辅助设备控制器254的其他控制器。
地理位置信息可以从位置传感器260通信传送至车载计算设备212,车载计算设备212然后可以访问对应于位置信息的环境地图,以确定该环境的已知固定特征,诸如街道、建筑物、停止标志和/或停止/通行信号。从相机262捕获的图像和/或从诸如LiDAR系统264的传感器捕获的对象探测信息从那些传感器通信传送至车载计算设备212。对象检测信息和/或所捕获的图像可以由车载计算设备212处理,以检测车辆201附近的对象。此外或替代地,车辆201可以将任何数据发送到远程服务器系统103(图1)进行处理。用于基于传感器数据和/或所捕获的图像进行对象检测的任何已知或将要已知的技术都可以用在本文所公开的实施例中。
车载计算设备212可以获得、检索和/或创建地图数据,该地图数据提供关于自主车辆201的周围环境的详细信息。车载计算设备212也可以基于例如三维定位数据(例如,来自GPS的数据)、三维方位数据、预测位置等,来确定AV在环境中的位置、方位、姿态等(定位)。例如,车载计算设备212可以接收GPS数据来确定AV的纬度、经度和/或高度定位。其他位置传感器或系统(诸如基于激光的定位系统、惯性辅助GPS或基于相机的定位)也可以用于识别车辆的位置。车辆的位置可以包括绝对地理位置,诸如纬度、经度和高度;以及相对位置信息,诸如相对于紧邻其周围的其他汽车的位置,这通常可以用比绝对地理位置少的噪声来确定。地图数据可以提供关于以下的信息:不同道路、路段、车道段、建筑物或其他项目的标识和位置;交通车道的位置、边界和方向(例如,停车车道、转弯车道、自行车道或特定道路内的其他车道的位置和方向)以及与交通车道相关联的元数据;交通控制数据(例如标志、交通灯或其他交通控制设备的位置和指令);和/或提供辅助车载计算设备212分析自主车辆201的周围环境的信息的任何其他地图数据。
在某些实施例中,地图数据还可以包括参考路径信息,该参考路径信息对应于车辆沿着一个或多个车道行驶的常见模式,使得对象的运动被约束到该参考路径(例如,对象通常行驶所在的交通车道内的位置)。这样的参考路径可以是预定义的,诸如交通车道的中心线。可选地,参考路径可以基于一段时间内对车辆或其他对象的历史观察来生成(例如,直线行驶、并道、转弯等的参考路径)。
在某些实施例中,车载计算设备212还可以包括和/或可以接收与用户的行程或路线相关的信息、路线上的实时交通信息等。
车载计算设备212可以包括路线控制器231和/或可以与路线控制器231通信,路线控制器231为自主车辆生成从开始位置到目的地位置的导航路线。路线控制器231可以访问地图数据存储,以识别车辆可以在其上行驶以从起始位置到达目的地位置的可能路线和路段。路线控制器231可以对可能的路线评分,并且识别到达目的地的优选路线。例如,路线控制器231可以生成使得路线期间行驶的欧几里德距离或其他成本函数最小化的导航路线,并且可以进一步访问交通信息和/或可以影响在特定路线上行驶将花费的时间量的估计。取决于实施方式,路线控制器231可以使用各种路线生成方法生成一个或多个路线,诸如迪杰斯特拉(Dijkstra)算法、贝尔曼-福特(Bellman-Ford)算法或其他算法。路线控制器231还可以使用交通信息来生成反映路线的预期条件(例如,一周中的当前日期或一天中的当前时间等)的导航路线,使得为高峰时间期间的行驶生成的路线可以不同于为深夜的行驶生成的路线。路线控制器231还可以生成到目的地的一个以上的导航路线,并且将这些导航路线中的一个以上发送给用户,以供用户从各种可能的路线中进行选择。
在各种实施方式中,车载计算设备212可以确定自主车辆201的周围环境的感知信息。基于由一个或多个传感器提供的传感器数据和所获得的位置信息,车载计算设备212可以确定自主车辆201的周围环境的感知信息。感知信息可以表示普通驾驶员在车辆的周围环境中会感知到的信息。感知数据可以包括与自主车辆201的环境中的一个或多个对象相关的信息。例如,车载计算设备212可以处理传感器数据(例如,LiDAR或雷达数据、相机图像等),以便识别自主车辆201的环境中的对象和/或特征。对象可以包括交通信号、道路边界、其他车辆、行人、行动者和/或障碍物等。车载计算设备212可以使用任何现在或下文已知的对象辨识算法、视频跟踪算法和计算机视觉算法(例如,在多个时间段内逐帧迭代地跟踪对象)来确定感知。
在一些实施例中,车载计算设备212还可以为环境中的一个或多个所识别的对象确定对象的当前状态。对于每个对象,状态信息可以包括但不限于:当前位置;当前速度和/或加速度、当前航向(heading);当前姿势;当前形状、大小或覆盖区(footprint);类型(例如,车辆、行人、自行车、静态对象或障碍物);和/或其他状态信息。
车载计算设备212可以执行一个或多个预测和/或预报操作。例如,车载计算设备212可以预测一个或多个对象的未来位置、轨迹和/或动作。例如,车载计算设备212可以至少部分地基于感知信息(例如,每个对象的状态数据,包括如下所述确定的估计形状和姿态)、位置信息、传感器数据和/或描述对象、自主车辆201、周围环境和/或它们的关系的过去和/或当前状态的任何其他数据,来预测对象的未来位置、轨迹和/或动作。例如,如果对象是车辆,并且当前驾驶环境包括交叉路口,则车载计算设备212可以预测对象是否可能直线前进或转弯。如果感知数据指示交叉路口没有交通灯,则车载计算设备212也可以预测车辆在进入交叉路口之前是否必须完全停止。
在各种实施例中,车载计算设备212可以确定自主车辆的运动规划。例如,车载计算设备212可以基于感知数据和/或预测数据来确定自主车辆的运动规划。具体地,给定关于邻近对象的未来位置的预测和其他感知数据,车载计算设备212可以确定自主车辆201的运动规划,该运动规划相对于对象的未来位置最佳地导航自主车辆。
在一个或多个实施例中,车载计算设备212可以接收预测并且做出关于如何处理自主车辆201的环境中的对象的决定。例如,对于特定对象(例如,具有给定速度、方向、转向角等的车辆),车载计算设备212基于例如交通状况、地图数据、自主车辆的状态等来决定是否超车、让行、停止和/或通过。此外,车载计算设备212还为自主车辆201规划在给定路线上行驶的路径,以及驾驶参数(例如,距离、速度和/或转弯角度)。也就是说,对于给定的对象,车载计算设备212决定对该对象做什么并且确定如何做。例如,对于给定的对象,车载计算设备212可以决定通过该对象,并且可以确定是通过该对象的左侧还是右侧(包括诸如速度的运动参数)。
当车载计算设备212检测到行动者(即,能够移动的对象)时,车载计算设备212将为所检测到的行动者生成一个或多个可能的轨迹,并且分析可能的轨迹以评估行动者与AV之间的碰撞风险。如果风险超过可接受的阈值,则它可以确定如果自主车辆跟随所定义的车辆轨迹和/或在所预定义的时间段(例如,N毫秒)内执行一个或多个动态地生成的紧急操纵,碰撞是否可以避免。如果碰撞可以避免,则车载计算设备212可以执行一个或多个控制指令来执行谨慎的操纵(例如,适度减速、加速、变道或转向)。相反,如果碰撞无法避免,则车载计算设备112可以执行一个或多个控制指令以执行紧急操纵(例如,制动和/或改变行驶方向)。
如以上所讨论,生成关于自主车辆地运动的规划和控制数据以供执行。车载计算设备212可以例如经由制动控制器控制制动;经由转向控制器控制方向;经由节气门控制器(在气体动力车辆中)或马达速度控制器(诸如电动车辆中的电流级别控制器)控制速度和加速度;控制差速齿轮控制器(在具有变速器的车辆中);和/或控制其他控制器。
在本文中所讨论的各种实施例中,描述可以阐述车辆或包括在车辆中的控制器(例如,在车载计算系统中)可以实施编程指令,该编程指令使得车辆和/或控制器做出决定并且使用该决定来控制车辆的操作。然而,实施例不限于这种布置,因为在各种实施例中,分析、决策做出和/或操作控制可以全部或部分由与车辆的车载计算设备和/或车辆控制系统电子通信的其他计算设备处理。这样的其他计算设备的示例包括与乘坐在车辆中的人相关联的电子设备(诸如智能手机),以及经由无线通信网络与车辆进行电子通信的远程服务器。任何这样的设备的处理器可以执行下面将讨论的操作。
返回参考图1,通信接口114可以被配置为允许自主车辆101与外部系统之间的通信,外部系统诸如是外部设备、传感器、其他车辆、服务器、数据存储、数据库等。通信接口114可以利用任何现在或下文已知的协议、保护方案、编码、格式、封装等,诸如例如但不限于Wi-Fi、红外链接、蓝牙等。用户接口系统115可以是在车辆101内实施的外围设备的一部分,包括例如关键字、触摸屏显示设备、麦克风和扬声器等。
在各种实施方式中,自主车辆可以执行出路推断以确定供移动对象通过交叉路口所采取的一组可行出路,并且然后可以生成到这些可行出路的一个或多个路径。图3示出了根据一种实施方式的由自主车辆执行出路推断的示例过程的流程图。
如图3所示,自主车辆可以识别300源自交叉路口的一个或多个出路。出路(outlet)指移动对象(例如,行动者)穿过交叉路口可以采取的轨迹。例如,出路可以是左转、右转、直线轨迹、掉头等。在各种实施方式中,自主车辆可以识别300一个或多个行动者正在接近或位于其中的交叉路口的一个或多个出路。一个或多个行动者可以是出现在由自主车辆获得的一个或多个帧中的行动者。自主车辆可以通过从自主车辆的车载计算设备访问或接收该信息来识别300一个或多个出路。
对于每个所识别的出路,自主车辆可以识别302针对该出路的代表性多段线(polyline)。在各种实施方式中,多段线可以是车道的中心线。自主车辆可以识别304目标点。目标点可以具有位置元素(例如位置)和方向元素。目标点可以是位于离出路一定距离的点。在各种实施方式中,目标点可以沿着多段线定位。例如,自主车辆可以识别304离出路的端部大约十英尺的目标点。作为另一示例,目标点可以被指定位于离交叉路口多边形(polygon)一定距离的位置。在本公开的范围内,可以使用附加的和/或替代的目标点。
对于每个所识别的出路,系统可以确定306从对象的旋转中心(center ofrotation,COR)到出路的目标点的恒定曲率路径(constant curvature path,CCP)。该对象可以是除了自主车辆之外的对象,其在感兴趣的交叉路口附近,诸如另一车辆、摩托车、自行车等。
在给定各种约束的情况下,自主车辆可以通过将圆拟合到该对象和该目标点来对CCP进行确定306。约束可以包括对象的点约束。对象的COR可以从地图坐标系变换到对象坐标系,其中该COR位于原点。
这些约束可以包括对象的COR处的斜率约束,其要求圆通过该点。这些约束可以包括对感兴趣的出路的目标点的另一点约束。但是,目标点的航向(heading)或斜率可能没有约束,这意味着圆必须通过目标点,但不需要与该点处的斜率(方向)匹配。
在各种实施方式中,自主车辆可以通过将斜率和/或点约束变换到对象坐标系来对CCP进行确定306。斜率和点约束可以被拟合,使得对象的当前航向与+x轴对齐,点/斜率约束位于原点,并且斜率约束与轴对齐。利用这样的拟合,CCP可以表示为由以下公式定义的圆:
其中:(0,yc)是圆的圆心,
|yc|是圆的半径,
(xo,yo)是对象坐标系中出路目标点的坐标:
图4A示出了根据一种实施方式的示例CCP的视觉描绘。如图4A所示,对象400位于原点(0,0)。出路的目标点402位于(x0,y0),并且圆404的圆心位于(0,yC)。图4B示出了根据一种实施方式如何确定上述关系的解释。
在各种实施方式中,可以使用以下关系来确定沿着CCP的圆的任何点的斜率:
由于转换到对象坐标系,所以所有出路的CCP及其特征可以并行确定。图5示出了三个示例CCP 500、502、504,根据不同的实施方式,每个CCP拟合到示例出路506、508、510。
返回参考图3,自主车辆可以确定308所确定的出路中的一个或多个出路的分数。分数可以表示特定CCP的可行性。在各种实施方式中,出路的目标点处的航向不一致(disagreement)和出路的CCP的曲率可以被确定,并且被视为分数确定的一部分。
如以上所讨论,尽管圆被约束为通过给定出路中的目标点,但在目标点处可能没有斜率约束。因此,圆不需要在目标点处与车道对齐,并且在出路点处可能存在航向不一致。这种航向不一致可以用于生成该圆的分数。图6示出了根据一种实施方式的在目标点602处相对于具有车道边界606的车道的参考多段线604的航向不一致600的示例。图6还示出了针对所示航向不一致的示例圆拟合608。
如以上所解释,不是在对象的COR处约束斜率,而是在出路的目标点处约束斜率。在这种情况下,COR处的航向不一致可能存在,并且可以被考虑用于分数,而不是目标点处的航向不一致。
CCP的曲率连同对象的速度可以确定对象的横向或向心加速度,这可以在确定分数时被考虑。此外,可以施加最小曲率来表示典型车辆的转弯半径。
评分函数可以考虑车道对齐、可实现的曲率以及由加速度定义的舒适度。为了仅考虑可实现的曲率,高的损失函数可以与需要比特定对象类型所能够的转弯半径小的转弯半径的任何路径相关联。在各种实施方式中,可以使用赫维赛德(Heaviside)函数来识别可实现的曲率。例如,如果圆的曲率对于对象来说太急(tight),Heaviside函数可以返回值“1”,否则它将返回值“0”。
舒适度可以基于路径的法向加速度,其可以表示为(曲率*(速度)^2)。
以下示出了可以在本公开的范围内使用的示例评分函数:
loss=A1δθ+A2Θ[κ-κmin]+A3κv2
其中:
δθ是余弦距离(航向差异(discrepancy));
Θ是曲率Heaviside函数的二进制值结果,其指示曲率是否是可行的;
κv2是对象的横向加速度;
κ是圆的曲率(等于1/半径);以及
A1、A2和A3是可用于加权各种参数的系数。
图7示出了根据一种实施方式的用于实施上述评分函数的示例过程的流程图。如图7所示,自主车辆可以确定700目标点处的航向差异。自主车辆可以通过确定目标点处的余弦距离来确定700航向差异。在各种实施方式中,可以将系数应用于航向差异。该系数可以是对航向应用比例因子的结果。在某些实施方式中,该比例因子可以是拒绝阈值。例如,比例因子可以由R表示。第一系数A1可以表示为A1=2R。第二系数A2可以表示为A2=R。第三系数A3可以表示为A3=R/5。在该示例中,如果R=10,则A1=20,A2=10,A3=2。应当理解,在本公开的范围内,可以使用附加的和/或替代的比例因子、系数确定和/或系数值。
自主车辆可以确定702供对象(例如行动者)导航到给定出路的路径对于该对象来说是否太急而不能导航。该确定可以基于与以上所描述的圆拟合相关联的路径曲率是否小于阈值。如果是,系统可以确定对象可舒适地到达出路目标。如果与对象相关联的路径曲率不小于阈值,则系统可以确定行动者在没有多点操纵的情况下可能无法到达出路目标。在各种实施方式中,可以使用函数来辅助该确定。函数可以将关于特定出路的信息作为输入,并且如果行动者可以舒适地穿过该出路,则可以输出一个值,如果对象不能舒适地穿过该出路,则可以输出不同的值。例如,可以使用二进制(binary)函数。
自主车辆可以确定704对象的横向加速度。横向加速度可以是出路的曲率和对象的速度平方的乘积。在各种实施方式中,速度可以从对象跟踪中获得。可以通过将航向差异(如果适用,对其应用系数)、曲率参数(如果适用,对其应用系数)和对象的横向速度(如果适用,对其应用系数)相加,来确定分数。
返回参考图3,系统可以通过基于出路的相关分数来选择310这些出路中的一个或多个,从而生成出路的剪枝(pruned)集。例如,系统可以选择310具有最低分数的出路。作为另一示例,系统可以选择310分数小于阈值的所有出路。剪枝集中的出路可以表示对象的几何上最合理的路径。
在生成到这些出路的参考路径之前识别最合理的出路,通过使自主车辆仅花费计算资源来产生到可行出路而不是所有出路的参考路径,来进行预测或规划或预报,改进了自主车辆的操作。
对于剪枝集中的每个出路,自主车辆可以生成312参考路径。该参考路径可以代替所绘制的车道段的中心线,以用于预报。例如,自主车辆的预报程序通常使用由所绘制的车道段定义的参考路径,来预报对象行为(例如,自主车辆预期对象跟随车道)。然而,自主车辆可以生成312参考路径以用于替换所绘制的车道段。这样,所生成的参考路径可以不同于通过交叉路口的一个或多个所绘制的车道段。
自主车辆可以生成312在地图坐标系(而不是对象坐标系)中的参考路径。在各种实施例中,自主车辆可以生成312从对象的COR到出路的目标点的曲线或样条作为参考路径。这样的曲线或样条的示例可以是贝塞尔(Bezier)曲线,即与伯恩斯坦(Bernstein)多项式相关的参数曲线。给定一组n+1个控制点P0、P1……Pn,对应的贝塞尔曲线由下式给出:
其中,Bi,n(t)是伯恩斯坦多项式,并且t∈[0,1]。
然而,应当理解,在本公开的范围内,可以使用其他类型的曲线或样条。
返回参考图3,自主车辆可以将元数据应用314于一个或多个新生成的参考路径。所绘制的车道段通常具有与车道相关联的元数据。通过生成不基于所绘制的车道段的参考路径,该元数据可能会丢失。可以与所绘制的车道段相关联的元数据的示例可以包括例如:在各种条件下谁有路权通过交叉路口的一个或多个规则、交通规则、速度限制等。
图8示出了根据一种实施方式的将元数据分配给所生成的参考路径的示例方法的流程图。如图8所示,自主车辆可以识别800所生成的参考路径。自主车辆可以识别802与参考路径相关联的出路。它可以识别804通向所识别的出路的一个或多个所绘制的车道段。
自主车辆可以确定806所识别的所绘制的车道段中的一个或多个是否与参考路径匹配。如果只有一个所绘制的车道段与参考路径匹配,则自主车辆将采用该所绘制的车道段的元数据,并且将其应用808于参考路径。
如果自主车辆确定多个所绘制的车道段与参考路径匹配,并且每个具有相同的元数据,则自主车辆可以采用所绘制的车道段中的一个的元数据,并且将其应用810于参考路径。
如果自主车辆确定不存在与参考路径匹配的所绘制的车道段,或存在与参考路径匹配但具有冲突元数据的多个所绘制的车道段,则自主车辆可以将默认元数据应用812于参考路径。默认元数据可以表示让自主车辆非常小心地为交叉路口中的其他每个人让行的一个或多个指令。在本公开的范围内,附加的和/或替代的规则可以被实施为默认元数据的一部分。
返回参考图3,自主车辆可以向车载计算设备提供314参考路径中的一个或多个及相关联的元数据,以执行一个或多个预报和预测操作。参考路径和元数据的至少一部分可以用于预测316相关联的对象的行为。这种预测可以通过将对象运动学模型应用于路径跟随控制器来执行。这些模型和控制器可以包括例如,纯追踪控制器、用于非完整控制和纯追踪的简单自行车模型、概率学习策略(诸如被实例化为深度(循环)神经网络的策略)等。
该预测信息可以由车载计算设备用来调整318自主车辆的一个或多个驾驶操作。例如,该系统可以使自主车辆加速、减速、制动、改变方向、调整其轨迹,和/或基于对象通过交叉路口的预测行为来执行一个或多个碰撞避免操作。
作为示例,返回参考图2,车载计算设备可以接收预测数据的至少一部分,并且可以分析该预测数据以执行一个或多个车辆控制指令。例如,响应于分析预测数据,车载计算设备可以执行一个或多个控制指令,该控制指令使自主车辆在交叉路口减速或制动,以便为对象让行。例如,车载计算设备可以使自主车辆的一个或多个制动器被应用。在本公开的范围内,可以执行附加的和/或替代的驾驶操作。
自主车辆在其旅程中可能会遇到许多不同的行动者。这些行动者可以包括其他车辆、行人、骑自行车的人、骑摩托车的人,等等。在某些情况下,这些行动者可能会与自主车辆共享道路。例如,行动者可能与自主车辆在相同的道路上行进,并且可能位于自主车辆的前方、后方或任一侧。对于自主车辆来说,能够准确预测这样的行动者的行为是很重要的,这样自主车辆就可以规划自己的轨迹,并且从而可以对这样的行动者的行为的任何变化安全地做出反应。
自主车辆可以响应于检测到行动者做出的已被辨识的行为,而应用一个或多个算法或模型。已被辨识的行为可以是由行动者执行的动作,该动作符合自主车辆描绘这样的动作的策略。例如,开启信号并且然后以稳定的速度向左或向右移动单个车道可以是行动者可以执行的已被辨识的行为。但是,行动者可能会执行未被辨识的行为。未被辨识的行为指的是不对应于自主车辆的已知策略的行动者的行为。行动者的未被辨识的行为的示例可以是转向进入迎面而来的车流以对另一个车辆超车。未被辨识的行为的另一示例可以是正在道路上行进但其运动不跟随所识别的车道边界(例如,偏离(swerve))的行动者。作为另一示例,当行动者在转弯时抄近路使得行动者的运动不再对应于所识别的车道边界时,可能发生未被辨识的行为。在本公开的范围内,可以使用附加的和/或替代的未被辨识的行为。
图9示出了对正在表现或已经表现出未被辨识的行为的行动者的未来行为进行预测的示例方法的流程图。如图1所示,自主车辆可以识别900正在表现或已经表现出未被辨识的行为的行动者。自主车辆可以识别900当前表现出未被辨识的行为的行动者。自主车辆可以识别900在一定时间段内(例如,在上一分钟内)已表现出未被辨识的行为的行动者。
自主车辆可以通过将其行为与定义一个或多个已被辨识的行为的一个或多个策略进行比较,来识别900行动者。如果行动者的行为不对应于任何策略,则自主车辆可以将其行为识别为未被辨识的行为。知道了具有未被辨识的行为的车辆可能更加不可预测和更加难以理解,自主车辆可以在它与这些行动者之间留出更大的距离,或以其他方式在它们周围谨慎地行动。
对于一个或多个所识别的行动者,自主车辆可以通过生成902对应于行动者的具有由R指定的半径的圆,来生成表现出未被辨识的行为的行动者正在移动到哪里的预测。R可以是行动者的速度的函数。R可以至少与某个最小距离一样大。例如,R可以是15m或(5秒*速度(mps))的最大值。在本公开的范围内,可以使用附加的和/或替代的值。在各种实施例中,R可以表示自主车辆预测表现出未被辨识的行为的行动者将合并回交通流中的距离。
自主车辆可以为行动者确定904一个或多个候选目标点。候选目标点可以表示行动者将在其处合并到交通中的一个或多个点。候选目标点可以是沿着行动者的一个或多个可能路线的点。这些路线中的一个或多个可以在行动者附近。在各种实施例中,目标点可以沿着由R定义的圆的圆周定位。
自主车辆可以通过识别位于行动者相对于其航向的前方的一个或多个车道来确定904候选目标点。在各种实施例中,自主车辆可以识别位于相对于行动者的航向的前锥体中的一个或多个车道。
自主车辆可以通过基于从自主车辆的一个或多个传感器获得的信息而确定行动者的位置,来识别一个或多个车道。自主车辆可以访问自主车辆的环境的地图,并且使用行动者的位置来识别相对于其航向位于行动者前方的一个或多个车道。
对于每个所识别的车道,自主车辆可以确定车道的中心线和对应于行动者的圆的交点。每个交点表示一个候选目标点。
自主车辆可以向候选目标点中的一个或多个候选目标点分配906分数。对于候选目标点中的一个或多个,自主车辆可以使用以下评分函数来给一个或多个候选目标点分配(106)分数。
loss=A1δθ+A2Θ[κ-κmin]+A3κv2
其中:
δθ是余弦距离(与目标点相关的航向差异);
Θ是曲率Heaviside函数的二进制值结果,其指示目标点的特定参考路径的曲率是否可行;
v2是行动者的横向加速度;
κ是圆的曲率(等于1/半径);
Kmin是自主车辆能够适应的最小曲率;以及
A1、A2和A3是可用于加权各种参数的系数。
自主车辆可以确定目标点处的航向差异。自主车辆可以通过确定目标点处的余弦距离来确定航向差异。在各种实施方式中,可以将系数应用于航向差异。该系数可以是对航向应用比例因子的结果。例如,在各种实施例中,A1可以用于调整行动者到目标点的整体拟合。A2可以用于加权该系统认为行动者能够在物理上实现到目标点的路径有多重要。A3可以表示给定行动者的当前速度和加速度的情况下对行动者能够驾驶具有该曲率的路径的加权。
自主车辆可以确定供行动者导航到目标点的路径对于对象来说是否太急而不能导航或穿过。该确定可以基于路径曲率是否小于阈值。如果是,系统可以确定行动者可以舒适地到达目标点。如果路径曲率不小于阈值,则系统可以确定行动者在没有多点操纵的情况下可能无法到达目标点。在各种实施方式中,可以使用函数来辅助该确定。函数可以将关于特定目标点的信息作为输入,并且如果行动者可以舒适地穿过到目标点的路径,则可以输出一个值,并且如果行动者不能舒适地穿过该路径,则可以输出不同的值。例如,可以使用二进制函数。在另一实施例中,可以使用历史观察数据来训练线性回归模型。
自主车辆可以确定行动者的横向加速度。横向加速度可以是曲率和行动者的速度平方的乘积。在各种实施方式中,速度可以从对象跟踪中获得。
可以通过将航向差异(如果适用,对其应用系数)、曲率参数(如果适用,对其应用系数)和行动者的横向速度(如果适用,对其应用系数)相加,来确定分数。
在各种实施例中,自主车辆可以选择908具有最低分数的候选目标点。自主车辆可以生成910从行动者的位置到所选择的候选目标点的曲线或样条作为参考路径。自主车辆可以生成910在地图坐标系(而不是对象坐标系)中的参考路径。这样的曲线或样条的示例可以是贝塞尔曲线,即与伯恩斯坦多项式相关的参数曲线。给定一组n+1个控制点P0、P1……Pn,对应的贝塞尔曲线由下式给出:
其中,Bi,n(t)是伯恩斯坦多项式,并且t∈[0,1]。
然而,应当理解,在本公开的范围内,可以使用其他类型的曲线或样条。
在各种实施例中,如果自主车辆没有识别出任何合理的目标点,则自主车辆可以确定行动者将继续沿着其当前路径向前和直线移动。
图10示出了示例图,该示例图示出了行动者与目标点之间的示例参考路径。图10示出了示例行动者1000和对应于该行动者的圆1002。圆1002与车道1010的中心线1008相交于目标点1004。出于该示例的目的,假设目标点1004具有最低分数。这样,自主车辆可以生成位于行动者与目标点1004之间的曲线1006,其表示行动者的参考路径。
在各种实施例中,自主车辆可以选择不以上面参考图9描述的方式预测行动者的未来行为。相反,自主车辆可以对行动者的行为应用一个或多个策略或约束,以确定是否应该使用路线推断。
例如,行动者可能正离开道路进入停车道。当行动者驶入停车车道时,它可能不再具有车道跟随预测,并且因此,将被识别为表现出未被辨识的行为的行动者。然而,自主车辆可能不想给行动者路线推断,并且预测它将合并回交通中。在这种情况下,自主车辆可以遵守规定最近(在某个时间段内)跟随车道并且不再占用车道的行动者将可能保持这种行为的策略。这样的行动者的行为可能无法推断,而是该行动者可能保持未被辨识的预测,这意味着自主车辆将预期该行动者将继续沿着其当前路径前进。
车载计算设备可以执行912一个或多个预报和预测操作。参考路径的至少一部分可以被用于预测相关联的行动者的行为或路径。这种预测可以通过将对象运动学模型应用于路径跟随控制器来执行。这些模型和控制器可以包括例如,纯追踪控制器、用于非完整控制和纯追踪的简单自行车模型、概率学习策略(诸如被实例化为深度(循环)神经网络的策略)等。
该预测信息(例如,行动者的预测路径)可以由车载计算设备用来调整914自主车辆的一个或多个驾驶操作。例如,该系统可以使自主车辆加速、减速、制动、改变方向、调整其轨迹,和/或基于行动者的预测行为来执行一个或多个碰撞避免操作。
作为示例,返回参考图10,车载计算设备可以接收预测数据的至少一部分,并且可以分析该预测数据以执行一个或多个车辆控制指令。例如,响应于分析预测数据,车载计算设备可以执行一个或多个控制指令,该控制指令使自主车辆在交叉路口减速或制动,以便为行动者让行。例如,车载计算设备可以使自主车辆的一个或多个制动器被应用。在本公开的范围内,可以执行附加的和/或替代的驾驶操作。
图11示出了可以包括在系统的任何电子组件中的内部硬件的示例,诸如AV的内部处理系统、外部监控和报告系统或远程服务器。电气总线1100充当互连硬件的其他所示组件的信息高速公路。处理器1105是系统的中央处理设备,被配置为执行为了执行程序指令所需的计算和逻辑操作。如在本文和权利要求中所使用的,术语“处理器”和“处理设备”可以指单个处理器或共同执行一组操作的一组处理器中的任何数量的处理器,诸如中央处理单元(CPU)、图形处理单元(GPU)、远程服务器或它们的组合。只读存储器(ROM)、随机存取存储器(RAM)、闪存、硬盘驱动器和能够存储电子数据的其他设备构成了存储器设备1125的示例。存储器设备可以包括单个设备或设备的集合,数据和/或指令存储在其中。各种实施例可以包括包含编程指令的计算机可读介质,编程指令被配置为使一个或多个处理器执行在先前附图的上下文中描述的功能。
可选的显示器接口1130可以允许来自总线1100的信息以视觉、图形或字母数字格式显示在显示设备1135上,诸如在车辆的仪表板内显示系统上。还可以提供音频接口和音频输出(诸如扬声器)。与外部设备的通信可以使用各种通信设备1140来进行,诸如无线天线、射频识别(RFID)标签和/或短程或近场通信收发器,其中每个都可以可选地经由一个或多个通信系统与设备的其他组件通信连接。通信设备1140可以被配置为通信地连接到通信网络,诸如互联网、局域网或蜂窝电话数据网络。
硬件还可以包括用户接口传感器1145,其允许从输入设备1150接收数据,输入设备1150诸如键盘或小键盘、操纵杆、触摸屏、触摸板、遥控器、定点设备和/或麦克风。还可以从可以捕获视频和/或静止图像的相机1120接收数字图像帧。该系统还可以接收来自运动和/或位置传感器1170的数据,诸如加速度计、陀螺仪或惯性测量单元。当在自主车辆的上下文中使用时,该系统还可以包括LiDAR系统1160并且经由LiDAR系统1160接收数据。
与上面提供的公开内容相关的术语包括:
“自动化设备”或“机器人设备”指包括处理器、编程指令和一个或多个组件的电子设备,其能够基于来自处理器的命令在最少或没有人工干预的情况下执行至少一些操作或任务。例如,自动化设备可以执行一个或多个自动功能或功能集。这样的操作、功能或任务的示例可以包括但不限于导航、运输、驾驶、递送、装载、卸载、医疗相关过程、建筑相关过程等。示例自动化设备可以包括但不限于自主车辆、无人驾驶飞机和其他自主机器人设备。
术语“交通工具”指能够运载一个或多个乘员和/或货物并且由任何形式的能量提供动力的任何移动形式的运输工具。术语“交通工具”包括但不限于汽车、卡车、货车、火车、自主车辆、飞机、无人驾驶飞机等。“自主车辆”是具有处理器、编程指令和动力传动系统组件的交通工具,这些组件可由处理器控制,而不需要人类操作员。自主车辆可以是完全自主的,因为它不需要人类操作员来完成大多数或所有的驾驶条件和功能,或它可以是半自主的,因为在某些条件下或对于某些操作,可能需要人类操作员,或人类操作员可以超控车辆的自主系统并且可以控制车辆。自主车辆还包括其中自主系统增强车辆的人类操作的车辆,诸如具有驾驶员辅助转向、速度控制、制动、停车和其他系统的车辆。
在本文中,术语“街道”、“车道”和“交叉路口”通过车辆在一个或多个道路上行驶的示例来说明。然而,这些实施例旨在包括其他位置(诸如停车区)的车道和交叉路口。此外,对于设计用于室内的自主车辆(诸如仓库中的自动拣选设备),街道可以是仓库的走廊,而车道可以是走廊的一部分。如果自主交通工具是无人驾驶飞机或其他飞行器,则术语“街道”可以表示航路,而车道可以是航路的一部分。如果自主交通工具是船只,则术语“街道”可以表示水路,并且车道可以是水路的一部分。
术语“交叉路口”是指两条或多条街道相交或交叉的位置。
本文中所使用的术语“光”是指与光学频率相关联的电磁辐射,例如紫外、可见、红外和太赫兹辐射。光发射器的示例包括激光发射器和发射会聚光的其他发射器。在本文中,术语“发射器”将用于指代光发射器,诸如发射红外光的激光发射器。
“电子设备”或“计算设备”指包括处理器和存储器的设备。每个设备可以具有其自己的处理器和/或存储器,或处理器和/或存储器可以与其他设备共享,如在虚拟机或容器装置中。存储器将包含或接收当被处理器执行时使电子设备根据编程指令执行一个或多个操作的编程指令。
当在自主车辆运动规划的上下文中使用时,术语“轨迹”指车辆的运动规划系统将生成的规划,并且当控制车辆的运动时,车辆的运动控制系统将跟随该规划。轨迹包括车辆在一个时间范围内多个时间点的规划位置和方位,以及车辆在同一时间范围内的规划方向盘角度和角速率。自主车辆的运动控制系统将采用轨迹,并且向车辆的转向控制器、制动控制器、节气门控制器和/或其他运动控制子系统发送命令,以沿着规划的路径移动车辆。
车辆的感知或预测系统可以生成的行动者的“轨迹”指行动者将在一个时间范围内跟随的预测路径,以及所预测的在该时间范围内沿着该路径的各个点处的行动者的速度和/或行动者的位置。
“所绘制的车道段”指由一个或多个边界(诸如车道边界线或其他标记)定义的街道的车道的表示。
术语“存储器”、“存储设备”、“计算机可读存储介质”、“数据存储”、“数据存储设施”等每个都指其中存储计算机可读数据、编程指令或两者的非暂时性设备。除非特别声明,否则术语“存储器”、“存储器设备”、“计算机可读存储介质”、“数据存储”、“数据存储设施”等旨在包括单个设备实施例、多个存储器设备一起或共同存储一组数据或指令的实施例,以及这样的设备内的各个扇区。
术语“对象”,当指由车辆感知系统检测或由模拟系统模拟的对象时,旨在包括静止对象和移动(或潜在移动)的行动者,除非通过术语“行动者”或“静止对象”的使用另有具体说明。
术语“处理器”和“处理设备”指被配置为执行编程指令的电子设备的硬件组件。除非特别声明,否则单数术语“处理器”或“处理设备”旨在包括单个处理设备实施例和多个处理设备一起或共同执行一个过程的实施例。
在本文中,术语“通信链路”和“通信路径”表示有线或无线路径,第一设备通过该路径向一个或多个其他设备发送通信信号和/或从一个或多个其他设备接收通信信号。如果设备能够经由通信链路发送和/或接收数据,则设备是“通信连接的”。“电子通信”指在两个或多个电子设备之间经由一个或多个信号传输数据,无论是通过有线或无线网络传输,也无论是直接或经由一个或多个中间设备间接传输。
在本文中,当诸如“第一”和“第二”的相对顺序术语被用来修饰名词时,这样的使用仅仅是为了将一个项目与另一项目区分开来,而不是为了要求顺序,除非具体说明。
此外,诸如“垂直”和“水平”或“前部”和“后部”的相对位置术语在使用时,旨在相对于彼此,而不必是绝对的,并且仅指与这些术语相关联的设备的一个可能位置,这取决于设备的方位。当本文使用术语“前部”、“后部”和“侧面”来指车辆的区域时,它们指相对于车辆默认行驶区域的车辆区域。例如,汽车的“前部”是与车辆的后灯相比更靠近车辆的前灯的区域,而汽车的“后部”是与车辆的前灯相比更靠近车辆的后灯的区域。此外,术语“前部”和“后部”不一定限于面向前或面向后的区域,而是还包括分别更靠近前部而不是后部的侧面区域,反之亦然。车辆的“侧面”指车辆最前部与最后部之间的面向侧面的部分。
Claims (34)
1.一种用于执行出路推断的方法,包括:
由自主车辆的一个或多个电子设备:
识别交叉路口,
识别所述交叉路口附近的对象,
识别所述交叉路口的多个出路,
对于每个出路:
识别与所述出路相关联的多段线,
识别沿着所述多段线的目标点,以及
确定从所述对象到所述目标点的恒定曲率路径,
至少部分基于出路的所述恒定曲率路径来确定与每个出路相关联的分数,
基于出路的分数来生成包括所述多个出路中的一个或多个出路的出路剪枝集,以及
对于剪枝集中的每个出路,生成从所述对象到所述出路的所述目标点的参考路径。
2.根据权利要求1所述的方法,还包括:
使用所生成的参考路径中的一个或多个来预测所述对象通过所述交叉路口的轨迹;以及
基于所预测的所述对象通过所述交叉路口的所述轨迹来调整所述自主车辆的一个或多个驾驶操作。
3.根据权利要求1所述的方法,其中,识别沿着所述多段线的目标点包括识别位于离所述出路的端部一定距离的目标点。
4.根据权利要求1所述的方法,其中,确定从所述对象到所述目标点的恒定曲率路径包括通过以下操作在对象坐标系中将圆拟合到所述对象和所述目标点:
将所述对象的旋转中心定位在原点位置;
对所述圆应用点约束和斜率约束,使得所述圆通过所述原点位置;以及
对所述圆应用第二点约束,使得所述圆通过所述目标点。
5.根据权利要求1所述的方法,其中,至少部分基于出路的恒定曲率路径来确定与每个出路相关联的分数包括:
确定航向差异值;
确定曲率参数;
确定所述对象的横向加速度;以及
将所述航向差异值、所述曲率参数和所述横向加速度相加。
6.根据权利要求5所述的方法,其中,确定航向差异值包括确定所述出路的目标点处的余弦距离。
7.根据权利要求5所述的方法,其中,确定曲率参数包括将函数应用于所述恒定曲率路径的曲率。
8.根据权利要求7所述的方法,其中,如果所述恒定曲率路径的曲率太急而不能穿过所述出路,则所述函数的结果是第一值,其中,如果所述恒定曲率路径的曲率不是太急而能够穿过所述出路,则所述结果是第二值。
9.根据权利要求5所述的方法,其中,确定所述对象的横向加速度包括:
识别所述出路的恒定曲率路径的曲率;
确定所述对象的速度;
对所述对象的速度求平方以生成平方值;以及
确定所述曲率和所述平方值的乘积。
10.根据权利要求1所述的方法,其中,基于出路的分数来生成包括所述多个出路中的一个或多个出路的出路剪枝集包括:从所述多个出路中识别分数小于阈值的一个或多个出路。
11.根据权利要求1所述的方法,其中,生成从移动对象到所述出路的目标点的参考路径包括在地图坐标系中生成所述对象与所述目标点之间的样条。
12.根据权利要求1所述的方法,其中,所述参考路径中的一个或多个未与地图坐标系的所绘制的车道段对齐。
13.根据权利要求1所述的方法,还包括对于所生成的参考路径中的一个或多个:
确定通向与所述参考路径相关联的出路的一个或多个所绘制的车道段;以及
确定所绘制的车道段中的一个或多个是否与所述参考路径匹配。
14.根据权利要求13所述的方法,还包括:
响应于确定只有一个所绘制的车道段与所述参考路径匹配,将与所述一个所绘制的车道段相关联的元数据的至少一部分应用于所述参考路径。
15.根据权利要求13所述的方法,还包括:
响应于确定多个所绘制的车道段与所述参考路径匹配并且所述多个所绘制的车道段具有相同的元数据,将与所述多个所绘制的车道段中的一个相关联的元数据的至少一部分应用于所述参考路径。
16.根据权利要求13所述的方法,还包括:
响应于确定没有与所述参考路径匹配的所绘制的车道段,将默认元数据应用于所述参考路径,其中,所述默认元数据包括指令所述自主车辆为所述交叉路口中的一个或多个行动者让行的一个或多个指令。
17.根据权利要求1所述的方法,其中,生成从所述对象到所述出路的目标点的参考路径包括生成不同于通过所述交叉路口的一个或多个所绘制的车道段的参考路径。
18.一种用于执行出路推断的系统,包括:
自主车辆的一个或多个电子设备;以及
计算机可读存储介质,包括当被执行时使所述电子设备中的一个或多个执行以下操作的一个或多个编程指令:
识别交叉路口,
识别所述交叉路口附近的对象,
识别所述交叉路口的多个出路,
对于每个出路:
识别与所述出路相关联的多段线,
识别沿着所述多段线的目标点,以及
确定从所述对象到所述目标点的恒定曲率路径,
至少部分基于出路的所述恒定曲率路径来确定与每个出路相关联的分数,
基于出路的分数来生成包括所述多个出路中的一个或多个出路的出路剪枝集,以及
对于剪枝集中的每个出路,生成从所述对象到所述出路的所述目标点的参考路径。
19.根据权利要求18所述的系统,其中,所述计算机可读存储介质还包括当被执行时使所述电子设备中的一个或多个执行以下操作的一个或多个编程指令:
使用所生成的参考路径中的一个或多个来预测所述对象通过所述交叉路口的轨迹;以及
基于所预测的所述对象通过所述交叉路口的所述轨迹来调整所述自主车辆的一个或多个驾驶操作。
20.根据权利要求18所述的系统,其中,当被执行时使所述电子设备中的一个或多个识别沿着所述多段线的目标点的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个识别位于离所述出路的端部一定距离的目标点的一个或多个编程指令。
21.根据权利要求18所述的系统,其中,当被执行时使所述电子设备中的一个或多个确定从所述对象到所述目标点的恒定曲率路径的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个通过以下操作在对象坐标系中将圆拟合到所述对象和所述目标点的一个或多个编程指令:
将所述对象的旋转中心定位在原点位置;
对所述圆应用点约束和斜率约束,使得所述圆通过所述原点位置;以及
对所述圆应用第二点约束,使得所述圆通过所述目标点。
22.根据权利要求18所述的系统,其中,当被执行时使所述电子设备中的一个或多个至少部分地基于出路的恒定曲率路径来确定与每个出路相关联的分数的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个执行以下操作的所述一个或多个编程指令:
确定航向差异值;
确定曲率参数;
确定所述对象的横向加速度;以及
将所述航向差异值、所述曲率参数和所述横向加速度相加。
23.根据权利要求22所述的系统,其中,当被执行时使所述电子设备中的一个或多个确定航向差异值的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个确定所述出路的目标点处的余弦距离的一个或多个编程指令。
24.根据权利要求22所述的系统,其中,当被执行时使所述电子设备中的一个或多个确定曲率参数的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个将函数应用于所述恒定曲率路径的曲率的一个或多个编程指令。
25.根据权利要求24所述的系统,其中,如果所述恒定曲率路径的曲率太急而不能穿过所述出路,则所述函数的结果是第一值,其中,如果所述恒定曲率路径的曲率不是太急而能够穿过所述出路,则所述结果是第二值。
26.根据权利要求22所述的系统,其中,当被执行时使所述电子设备中的一个或多个确定所述对象的横向加速度的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个执行以下操作的一个或多个编程指令:
识别所述出路的恒定曲率路径的曲率;
确定所述对象的速度;
对所述对象的速度求平方以生成平方值;以及
确定所述曲率和所述平方值的乘积。
27.根据权利要求18所述的系统,其中,当被执行时使所述电子设备中的一个或多个基于出路的分数从所述多个出路中移除一个或多个出路以生成出路剪枝集的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个从所述多个出路中识别分数小于阈值的一个或多个出路的一个或多个编程指令。
28.根据权利要求18所述的系统,其中,当被执行时使所述电子设备中的一个或多个生成从移动对象到所述出路的目标点的参考路径的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个在地图坐标系中生成所述对象与所述目标点之间的样条的一个或多个编程指令。
29.根据权利要求18所述的系统,其中,所述参考路径中的一个或多个未与地图坐标系的所绘制的车道段对齐。
30.根据权利要求18所述的系统,其中,所述计算机可读存储介质还包括当被执行时使所述电子设备中的一个或多个针对所生成的参考路径中的一个或多个执行以下操作的一个或多个编程指令:
确定通向与所述参考路径相关联的出路的一个或多个所绘制的车道段;以及
确定所绘制的车道段中的一个或多个是否与所述参考路径匹配。
31.根据权利要求30所述的系统,其中,所述计算机可读存储介质还包括当被执行时使所述电子设备中的一个或多个执行以下操作的一个或多个编程指令:
响应于确定只有一个所绘制的车道段与所述参考路径匹配,将与所述一个所绘制的车道段相关联的元数据的至少一部分应用于所述参考路径。
32.根据权利要求30所述的系统,其中,所述计算机可读存储介质还包括当被执行时使所述电子设备中的一个或多个执行以下操作的一个或多个编程指令:
响应于确定多个所绘制的车道段与所述参考路径匹配并且所述多个所绘制的车道段具有相同的元数据,将与所述多个所绘制的车道段中的一个相关联的元数据的至少一部分应用于所述参考路径。
33.根据权利要求30所述的系统,其中,所述计算机可读存储介质还包括当被执行时使所述电子设备中的一个或多个执行以下操作的一个或多个编程指令:
响应于确定没有与所述参考路径匹配的所绘制的车道段,将默认元数据应用于参考路径,其中,所述默认元数据包括指令所述自主车辆为所述交叉路口中的一个或多个行动者让行的一个或多个指令。
34.根据权利要求18所述的系统,其中,当被执行时使所述电子设备中的一个或多个生成从所述对象到所述出路的目标点的参考路径的一个或多个编程指令包括:当被执行时使所述电子设备中的一个或多个生成不同于通过所述交叉路口的一个或多个所绘制的车道段的参考路径的一个或多个编程指令。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/060,817 US11358598B2 (en) | 2020-10-01 | 2020-10-01 | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection |
US17/060,817 | 2020-10-01 | ||
US17/207,889 US11618444B2 (en) | 2020-10-01 | 2021-03-22 | Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior |
US17/207,889 | 2021-03-22 | ||
PCT/US2021/052537 WO2022072412A1 (en) | 2020-10-01 | 2021-09-29 | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116249644A CN116249644A (zh) | 2023-06-09 |
CN116249644B true CN116249644B (zh) | 2024-05-28 |
Family
ID=80931061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180067675.6A Active CN116249644B (zh) | 2020-10-01 | 2021-09-29 | 由自主车辆执行出路推断以确定通过交叉路口的可行路径的方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11618444B2 (zh) |
EP (1) | EP4222035A1 (zh) |
CN (1) | CN116249644B (zh) |
WO (1) | WO2022072412A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11643073B2 (en) * | 2019-10-24 | 2023-05-09 | Zoox, Inc. | Trajectory modifications based on a collision zone |
US11618444B2 (en) | 2020-10-01 | 2023-04-04 | Argo AI, LLC | Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior |
US11358598B2 (en) * | 2020-10-01 | 2022-06-14 | Argo AI, LLC | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection |
US11731661B2 (en) | 2020-10-01 | 2023-08-22 | Argo AI, LLC | Systems and methods for imminent collision avoidance |
US11760379B2 (en) * | 2021-01-11 | 2023-09-19 | Toyota Research Institute, Inc. | Navigating an autonomous vehicle through an intersection |
DE102021206854A1 (de) * | 2021-06-30 | 2023-01-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Steuerung einer Annäherung eines Fahrzeugs, Abstandsregler, Computerprogramm und Speichereinheit |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002236994A (ja) * | 2001-02-09 | 2002-08-23 | Nissan Motor Co Ltd | 交差点情報を用いた走行支援装置 |
CN107972665A (zh) * | 2016-10-11 | 2018-05-01 | 株式会社万都 | 用于控制在交叉路口处的车辆的装置 |
CN111016896A (zh) * | 2018-10-08 | 2020-04-17 | 株式会社万都 | 交叉路口路径生成设备及交叉路口处车辆控制方法和设备 |
Family Cites Families (66)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE515655C2 (sv) | 1999-12-22 | 2001-09-17 | Saab Ab | "System och metod för kollisionsundvikning mellan farkoster |
DE60106899T2 (de) | 2001-07-05 | 2005-11-03 | Ford Global Technologies, LLC, Dearborn | Verfahren zur Vermeidung und Verringerung von Kollisionen |
US6820006B2 (en) | 2002-07-30 | 2004-11-16 | The Aerospace Corporation | Vehicular trajectory collision conflict prediction method |
JP2004301667A (ja) | 2003-03-31 | 2004-10-28 | Clarion Co Ltd | 経路配信サーバ、経路配信方法および経路配信プログラム並びに経路配信システム |
DE102004057604B4 (de) | 2004-11-29 | 2014-04-30 | Daimler Ag | Verfahren für ein Sicherheitssystem in einem Fahrzeug |
US8355842B2 (en) | 2005-09-15 | 2013-01-15 | Continental Teves Ag & Co. Ohg | Method and device for steering a motor vehicle |
US7579942B2 (en) | 2006-10-09 | 2009-08-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Extra-vehicular threat predictor |
AT505798B1 (de) * | 2007-09-20 | 2011-12-15 | Naderhirn Michael | Verfahren zur automatischen vermeidung von kollisionen eines objektes mit weiteren objekten |
US20100100324A1 (en) | 2008-10-22 | 2010-04-22 | Toyota Motor Engineering & Manufacturing North America, Inc. | Communication based vehicle-pedestrian collision warning system |
DE102008062916A1 (de) * | 2008-12-23 | 2010-06-24 | Continental Safety Engineering International Gmbh | Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen |
JP5262986B2 (ja) | 2009-03-05 | 2013-08-14 | 日産自動車株式会社 | 走行経路生成装置、走行経路生成方法、及び運転操作支援装置 |
EP2484573B1 (en) | 2011-02-08 | 2017-12-13 | Volvo Car Corporation | Method for reducing the risk of a collision between a vehicle and a first external object |
US9381916B1 (en) | 2012-02-06 | 2016-07-05 | Google Inc. | System and method for predicting behaviors of detected objects through environment representation |
US9495874B1 (en) | 2012-04-13 | 2016-11-15 | Google Inc. | Automated system and method for modeling the behavior of vehicles and other agents |
CN104640756B (zh) | 2012-09-19 | 2017-03-29 | 丰田自动车株式会社 | 车辆驾驶行为预测装置 |
DE102013001228A1 (de) | 2013-01-25 | 2014-07-31 | Wabco Gmbh | Verfahren zum Ermitteln eines Auslösekriteriums für eine Bremsung und Notbremssystem für ein Fahrzeug |
DE102013001229A1 (de) | 2013-01-25 | 2014-07-31 | Wabco Gmbh | Verfahren zum Ermitteln eines Auslöekriteriums für eine Bremsung und ein Notbremssystem zur Durchführung des Verfahrens |
US9229453B1 (en) | 2014-08-29 | 2016-01-05 | GM Global Technology Operations LLC | Unified motion planner for autonomous driving vehicle in avoiding the moving obstacle |
US9248834B1 (en) | 2014-10-02 | 2016-02-02 | Google Inc. | Predicting trajectories of objects based on contextual information |
US9528838B2 (en) | 2014-12-09 | 2016-12-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to intersection priority |
JP2016122308A (ja) | 2014-12-25 | 2016-07-07 | クラリオン株式会社 | 車両制御装置 |
JP6532786B2 (ja) | 2015-08-07 | 2019-06-19 | 株式会社日立製作所 | 車両走行制御装置及び速度制御方法 |
SE539097C2 (en) * | 2015-08-20 | 2017-04-11 | Scania Cv Ab | Method, control unit and system for avoiding collision with vulnerable road users |
US10005464B2 (en) | 2015-08-27 | 2018-06-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle operation at multi-stop intersections |
JP6308186B2 (ja) | 2015-08-28 | 2018-04-11 | トヨタ自動車株式会社 | 衝突回避支援装置 |
EP3141926B1 (en) * | 2015-09-10 | 2018-04-04 | Continental Automotive GmbH | Automated detection of hazardous drifting vehicles by vehicle sensors |
US9517767B1 (en) | 2015-11-04 | 2016-12-13 | Zoox, Inc. | Internal safety systems for robotic vehicles |
US9494940B1 (en) | 2015-11-04 | 2016-11-15 | Zoox, Inc. | Quadrant configuration of robotic vehicles |
US10745003B2 (en) | 2015-11-04 | 2020-08-18 | Zoox, Inc. | Resilient safety system for a robotic vehicle |
US9630619B1 (en) | 2015-11-04 | 2017-04-25 | Zoox, Inc. | Robotic vehicle active safety systems and methods |
US9507346B1 (en) | 2015-11-04 | 2016-11-29 | Zoox, Inc. | Teleoperation system and method for trajectory modification of autonomous vehicles |
DE102015224338B4 (de) | 2015-12-04 | 2021-10-28 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung in einem Kraftfahrzeug zum automatisierten Fahren |
DE102016000943B4 (de) | 2016-01-28 | 2023-09-07 | Zf Automotive Germany Gmbh | Steuerungssystem und Steuerungsverfahren zum Ermitteln einer Wahrscheinlichkeit einer bevorstehenden Kollision eines Fahrzeugs |
US20170329332A1 (en) | 2016-05-10 | 2017-11-16 | Uber Technologies, Inc. | Control system to adjust operation of an autonomous vehicle based on a probability of interference by a dynamic object |
US20180003511A1 (en) | 2016-07-01 | 2018-01-04 | Uber Technologies, Inc. | Autonomous vehicle localization using submaps |
US10496091B1 (en) | 2016-08-17 | 2019-12-03 | Waymo Llc | Behavior and intent estimations of road users for autonomous vehicles |
DE102016116963A1 (de) | 2016-09-09 | 2018-03-15 | Knorr-Bremse Systeme für Nutzfahrzeuge GmbH | Vorrichtung zum Warnen eines Fahrzeugführers eines Fahrzeugs vor einem Objekt sowie Fahrzeug mit einer solchen Vorrichtung |
US10037694B2 (en) | 2016-09-30 | 2018-07-31 | Passion Mobility Ltd. | Method and system for autonomous vehicles to pass through road intersection safely |
US10377376B2 (en) * | 2016-10-06 | 2019-08-13 | Ford Global Technologies, Llc | Vehicle with environmental context analysis |
US10089880B2 (en) | 2016-11-08 | 2018-10-02 | International Business Machines Corporation | Warning driver of intent of others |
JP7016214B2 (ja) | 2016-11-29 | 2022-02-04 | アルパイン株式会社 | 走行可能領域設定装置および走行可能領域設定方法 |
JP6708793B2 (ja) | 2016-12-23 | 2020-06-10 | モービルアイ ビジョン テクノロジーズ リミテッド | 課せられる責任の制約を伴うナビゲーションシステム |
US20190333373A1 (en) | 2017-01-20 | 2019-10-31 | Nissan Motor Co., Ltd. | Vehicle Behavior Prediction Method and Vehicle Behavior Prediction Apparatus |
KR102354332B1 (ko) | 2017-03-13 | 2022-01-21 | 삼성전자주식회사 | 차량의 주행을 보조하는 장치 및 방법 |
WO2018216125A1 (ja) | 2017-05-24 | 2018-11-29 | 日産自動車株式会社 | 走行支援装置の走行支援方法及び走行支援装置 |
JP6796201B2 (ja) * | 2017-06-02 | 2020-12-02 | 本田技研工業株式会社 | 予測装置、車両、予測方法およびプログラム |
JP6235748B1 (ja) | 2017-06-22 | 2017-11-22 | 株式会社ショーワ | 経路生成装置、車両、及び車両システム |
US10579063B2 (en) | 2017-07-21 | 2020-03-03 | Uatc, Llc | Machine learning for predicting locations of objects perceived by autonomous vehicles |
US10509413B2 (en) | 2017-09-07 | 2019-12-17 | GM Global Technology Operations LLC | Ground reference determination for autonomous vehicle operations |
CN107808549B (zh) | 2017-11-08 | 2020-06-16 | 华为技术有限公司 | 移动控制的方法、装置和系统 |
JP6634100B2 (ja) * | 2018-01-12 | 2020-01-22 | 本田技研工業株式会社 | 走行軌道決定装置及び自動運転装置 |
CN110352153B (zh) | 2018-02-02 | 2024-07-19 | 辉达公司 | 自主车辆中用于障碍物躲避的安全程序分析 |
CN112896190A (zh) | 2018-03-20 | 2021-06-04 | 御眼视觉技术有限公司 | 用于导航主车辆的系统、方法及计算机可读介质 |
US10802492B2 (en) | 2018-04-05 | 2020-10-13 | Ford Global Technologies, Llc | Vehicle path identification |
EP3552921B1 (de) | 2018-04-13 | 2020-11-18 | Siemens Mobility GmbH | Autonome geschwindigkeitsplanung eines auf einen vorbestimmten pfad beschränkten beweglichen akteurs |
US20200026277A1 (en) | 2018-07-19 | 2020-01-23 | GM Global Technology Operations LLC | Autonomous driving decisions at intersections using hierarchical options markov decision process |
US11001256B2 (en) | 2018-09-19 | 2021-05-11 | Zoox, Inc. | Collision prediction and avoidance for vehicles |
DE102018222601A1 (de) | 2018-12-20 | 2020-06-25 | Volkswagen Aktiengesellschaft | Verfahren und Fahrerassistenzsystem zum Unterstützen eines Fahrers eines Fahrzeugs beim Führen des Fahrzeugs |
US11328593B2 (en) | 2019-07-31 | 2022-05-10 | Toyota Research Institute, Inc. | Autonomous vehicle user interface with predicted trajectories |
US20210031760A1 (en) | 2019-07-31 | 2021-02-04 | Nissan North America, Inc. | Contingency Planning and Safety Assurance |
US11230285B2 (en) | 2019-10-14 | 2022-01-25 | Pony Ai Inc. | System and method for determining a vehicle action |
JP7275001B2 (ja) * | 2019-10-18 | 2023-05-17 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
US10928820B1 (en) | 2019-11-12 | 2021-02-23 | Baidu Usa Llc | Confidence levels along the same predicted trajectory of an obstacle |
US11372417B2 (en) | 2019-12-12 | 2022-06-28 | Baidu Usa Llc | Method for predicting exiting intersection of moving obstacles for autonomous driving vehicles |
US20210389133A1 (en) | 2020-06-12 | 2021-12-16 | Lyft, Inc. | Systems and methods for deriving path-prior data using collected trajectories |
US11618444B2 (en) | 2020-10-01 | 2023-04-04 | Argo AI, LLC | Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior |
-
2021
- 2021-03-22 US US17/207,889 patent/US11618444B2/en active Active
- 2021-09-29 EP EP21876345.6A patent/EP4222035A1/en active Pending
- 2021-09-29 WO PCT/US2021/052537 patent/WO2022072412A1/en unknown
- 2021-09-29 CN CN202180067675.6A patent/CN116249644B/zh active Active
-
2023
- 2023-03-06 US US18/178,605 patent/US20230202472A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002236994A (ja) * | 2001-02-09 | 2002-08-23 | Nissan Motor Co Ltd | 交差点情報を用いた走行支援装置 |
CN107972665A (zh) * | 2016-10-11 | 2018-05-01 | 株式会社万都 | 用于控制在交叉路口处的车辆的装置 |
CN111016896A (zh) * | 2018-10-08 | 2020-04-17 | 株式会社万都 | 交叉路口路径生成设备及交叉路口处车辆控制方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2022072412A1 (en) | 2022-04-07 |
US20220105928A1 (en) | 2022-04-07 |
EP4222035A1 (en) | 2023-08-09 |
CN116249644A (zh) | 2023-06-09 |
US20230202472A1 (en) | 2023-06-29 |
US11618444B2 (en) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116249644B (zh) | 由自主车辆执行出路推断以确定通过交叉路口的可行路径的方法和系统 | |
CN116249643A (zh) | 由自主车辆预测对象的动作以确定通过冲突区域的可行路径的方法和系统 | |
US11731630B2 (en) | Methods and systems for asserting right of way for traversing an intersection | |
US20220340138A1 (en) | Methods and systems for generating trajectory of an autonomous vehicle for traversing an intersection | |
US11718290B2 (en) | Methods and systems for safe out-of-lane driving | |
US11851083B2 (en) | Methods and system for constructing data representation for use in assisting autonomous vehicles navigate intersections | |
CN116745187B (zh) | 通过可行驶区域边界的语义分割来预测不确定道路使用者的轨迹的方法和系统 | |
US11904906B2 (en) | Systems and methods for prediction of a jaywalker trajectory through an intersection | |
US20230415736A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects | |
US20230415739A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects | |
WO2022165498A1 (en) | Methods and system for generating a lane-level map for an area of interest for navigation of an autonomous vehicle | |
US11358598B2 (en) | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection | |
CN116670609A (zh) | 用于预测自主车辆的未来状态的系统 | |
EP4147934A1 (en) | Methods and systems for autonomous vehicle collision avoidance | |
US20230415781A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects | |
US12091045B2 (en) | Method and system for assessing whether a vehicle is likely to leave an off-road parking area | |
US20230043601A1 (en) | Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area | |
US20220212694A1 (en) | Methods and systems for generating a longitudinal plan for an autonomous vehicle based on behavior of uncertain road users | |
CN116569070A (zh) | 用于分析动态LiDAR点云数据的方法和系统 | |
EP4131181A1 (en) | Methods and system for predicting trajectories of actors with respect to a drivable area | |
US20230237793A1 (en) | False track mitigation in object detection systems |
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 | ||
GR01 | Patent grant |