CN116670008A - 用于构建用于辅助自主车辆在交叉路口导航的数据表示的方法和系统 - Google Patents

用于构建用于辅助自主车辆在交叉路口导航的数据表示的方法和系统 Download PDF

Info

Publication number
CN116670008A
CN116670008A CN202180087783.XA CN202180087783A CN116670008A CN 116670008 A CN116670008 A CN 116670008A CN 202180087783 A CN202180087783 A CN 202180087783A CN 116670008 A CN116670008 A CN 116670008A
Authority
CN
China
Prior art keywords
lane
intersection
segments
segment
conflict
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
CN202180087783.XA
Other languages
English (en)
Inventor
A·T·哈奈特
G·P·K·卡尔
C·萨夫琴科
G·福伊尔
M·L·吉尔森
W·T·克兰佩
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.)
Ergo Artificial Intelligence Co ltd
Original Assignee
Ergo Artificial Intelligence Co ltd
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 Ergo Artificial Intelligence Co ltd filed Critical Ergo Artificial Intelligence Co ltd
Publication of CN116670008A publication Critical patent/CN116670008A/zh
Pending legal-status Critical Current

Links

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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3667—Display of a road map
    • G01C21/367—Details, e.g. road map scale, orientation, zooming, illumination, level of detail, scrolling of road map or positioning of current position marker
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2552/10—Number of lanes
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/40—High definition maps

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种系统接收道路网络地图，所述道路网络地图与自主车辆的环境中的道路网络相对应。对于一个或多个车道路段中的每一个，系统从多个车道路段中标识一个或多个冲突车道路段，每个车道路段与车道路段冲突，并将与车道路段和一个或多个冲突车道路段之间的冲突有关的冲突数据添加到冲突数据的集合。系统分析冲突数据以标识表示交叉路口的冲突集群。系统将前导车道路段和后继车道路段分组为交叉路口的入口或出口，生成交叉路口的外部几何边界，生成交叉路口的内部几何边界，创建交叉路口的数据表示，并将数据表示添加到道路网络地图。

Description

用于构建用于辅助自主车辆在交叉路口导航的数据表示的方 法和系统
交叉引用和优先权要求
本专利文件要求于2021年1月13日提交的美国专利申请号17/147,582的优先权，其全部内容通过引用并入本文。
背景技术
构建用于自主驾驶的道路网络地图的处理通常是高度手动的处理。通常需要人为干预来标识车道边界、将车道与交通灯相关联、确定车道之间的让步关系等。
为了产生一致的高质量地图，这些类型的标记任务必须在政策指南内明确定义。这些约束可能使得难以创建交叉路口数据对象，因为交叉路口数据对象变化很大并且不适合策略指南。但是交叉路口数据对象包括重要属性，诸如例如与入口、出口、冲突空间、元数据等有关的信息。
本文档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
在各种实施例中，一种系统包括自主车辆的电子设备，以及具有一个或多个编程指令的计算机可读存储介质，所述一个或多个编程指令在被执行时使电子设备执行一个或多个动作。该系统接收与自主车辆的环境中的道路网络相对应的道路网络地图。道路网络地图包括道路网络的多个车道路段。对于一个或多个车道路段中的每一个，系统从多个车道路段中标识一个或多个冲突车道路段，每个车道路段与车道路段冲突，并将与车道路段和一个或多个冲突车道路段之间的冲突有关的冲突数据添加到冲突数据的集合。系统分析冲突数据以标识冲突集群。冲突集群包括来自多个车道路段的在它们之间或之中具有相关冲突的车道路段。冲突集群表示交叉路口。对于冲突集群中的每个车道路段，系统标识前导车道路段并标识后继车道路段。系统将所标识的前导车道路段和后继车道路段分组为交叉路口的入口或出口，生成交叉路口的外部几何边界，生成交叉路口的内部几何边界，创建交叉路口的数据表示，并将数据表示添加到道路网络地图。交叉路口的数据表示包括交叉路口内的车道路段的指示、外部几何边界的指示和内部几何边界的指示。
车道路段中的一个或多个可以包括以下中的一个或多个信息：标识道路网络图中在车道路段之后的一个或多个车道路段的信息、标识道路网络图中在车道路段之前的一个或多个车道路段的信息、标识道路网络图中与车道路段相邻的一个或多个车道路段的信息、或者标识与车道路段冲突的一个或多个车道路段的信息。
系统可以通过标识与车道路段交叉或重叠、但并非源自与车道路段相同的道路网络图的前导车道路段的一个或多个车道路段，来标识多个车道路段中与车道路段冲突的一个或多个冲突车道路段。
系统可以通过分析车道路段的元数据以确定其是否包括车道路段具有冲突的指示，来从多个车道路段中标识与车道路段冲突的一个或多个冲突车道路段。
系统可以通过执行道路网络图的广度优先搜索或深度优先搜索，来从多个车道路段中标识与车道路段冲突的一个或多个冲突车道路段。
外部几何边界可以包括表示交叉路口的外部边界的多边形。
系统可以通过确定冲突集群中的车道路段的凸包来生成外部几何边界。
系统可以通过标识冲突集群中的车道路段来生成交叉路口的内部几何边界，并且对于冲突集群中的每个车道路段，标识车道路段的中心线，确定表示中心线与交叉路口的一个或多个其他车道路段的第一车道边界的第一交叉路口的第一交叉点，确定各自与第一交叉点相关联的第一辅助点和第二辅助点。确定表示中心线与交叉路口的一个或多个其他车道路段的第二车道边界的最后交叉路口的最后交叉点，确定各自与最后交叉点相关联的第一辅助点和第二辅助点，并确定以下的复包：第一交叉点、与第一交叉点相关联的第一辅助点、与第一交叉点相关联的第二辅助点、最后交叉点、与最后交叉点相关联的第一辅助点，以及与最后交叉点相关联的第二辅助点。
附图说明
图1示出了生成交叉路口数据对象的示例方法的流程图。
图2图示了示例道路网络。
图3图示了冲突车道路段的示例表示。
图4图示了示例交叉路口的示例外部几何边界的视觉表示。
图5是生成交叉路口的内部几何边界的示例方法的流程图。
图6图示了示例车道路段、中心线和辅助点。
图7图示了示例内部几何边界。
图8图示了示例内部几何边界。
图9是图示示例自主车辆系统的框图。
图10图示了示例性车辆控制器系统。
图11是图示AV和/或外部电子设备的可能的电子系统、子系统、控制器和/或其他组件的各种元件的框图。
具体实施方式
如本文件中所使用的，单数形式“一(a)”、“一(an)”和“该(the)”包括复数引用，除非上下文另有明确说明。除非另有定义，否则本文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。如本文档中所使用的，术语“包含”意指“包括但不限于”。与本文档相关的附加术语的定义包括在本详细描述的末尾。
本文档描述了一种构建供自主车辆在导航交叉路口时使用的交叉路口数据对象的自动化方法。如下面更详细描述的，交叉路口数据对象可以是道路网络地图表示的元素，并且可以编码各种参数，诸如与入口、出口、交通控制措施和让步关系相关的参数，同时保留车道路段的概念。交叉路口数据对象可以表示特定交叉路口，并且系统可以将其标识为相同的。例如，系统可以能够将一个交叉路口数据对象与另一个交叉路口数据对象区分开，并且因此将一个交叉路口与不同的交叉路口区分开。
交叉路口的这种表示可以允许自主车辆预测系统推断例如当行动者明显偏离道路网络地图中绘制的车道时，行动者正在朝向哪个出口。类似地，自主车辆运动规划系统可以利用交叉路口的这种表示来例如理解出口之间的空间关系，确定如何处理车道被建筑、停放的汽车等暂时阻塞的情况。
通常，驾驶员并不精确地遵循地图上的车道通过交叉路口。当交叉路口没有绘制的车道线或其他边界指示符时尤其如此。例如，驾驶员可以通过交叉路口转弯，这可以在驾驶员的车辆导航交叉路口时，将驾驶员的车辆带到路肩或进入另一车道。作为另一示例，车辆可能在交叉路口时改变车道，或者可能转向错误的出口车道(例如，不向左转向最左车道，或者不向右转向最右车道)。在这些和类似的情况下，自主车辆预测系统可能无法将这些行动者与地图的已知车道路段匹配，并且可以使用车道路段来引导预测轨迹的生成。相反，预测系统可以推断行动者正在朝向哪个出口前进，并且动态地生成不在地图内的车道路段。
图1示出了生成交叉路口数据对象的示例方法的流程图。如图1所示，系统可以接收100与自主车辆的环境相对应的道路网络信息(例如，地图)。系统可以从诸如例如地图数据存储的数据存储接收道路网络信息。道路网络信息的至少一部分可以存储在自主交通工具上的存储器中，可以从远程电子设备(例如，远程服务器)访问，可以经由位于交通工具正在其中行驶的区域中的交通节点发送到自主交通工具，可以从一个或多个传感器发送到自主交通工具，等等。
在一些实施例中，道路网络信息可以包括与环境有关的道路网络地图。道路可以包括一个或多个相邻车道，其可以由车道标记划分并且旨在用于单条交通线路。车道可以在车道路段处纵向分割，有时在对运动规划有意义的位置(例如交叉路口的开始/结束)处和/或在作为地图生成处理的产物、对运动规划可能没有意义的其他位置处。如本公开中所使用的，“车道路段”是指与道路段相关联的地图构造。
道路网络中的道路可包含一或多个车道。例如，图2中的道路230包括车道231和232，并且道路240包括车道241、242和243。车道可以被分成多个车道路段；例如，车道243包括连续的车道路段250、251、252、253和254。每个车道路段具有相关联的行驶方向，其由图2中的箭头指示。例如，箭头260指示车道路段252中的行驶方向。道路网络还包含交叉路口，所述交叉路口包含连接不同道路或可导航区域的车道路段。例如，交叉路口270连接道路230和240，并且交叉路口271将停车场220连接到道路230。车道路段250在交叉路口270-251和281中具有两个后继车道路段。车道路段251在道路240中延续车道243，但是另一后继车道路段281向右转弯并连接到交叉道路230中的车道232。
在一些实施例中，接收道路网络信息可以包括对道路网络信息进行转码或重新格式化、存储重新格式化的道路网络信息或两者。例如，道路网络信息可以用于将道路网络的图形表示创建为矢量图、曲线图、笛卡尔图等。
返回参考图1，系统可以标识100与自主车辆的道路网络或道路网络的一部分相对应的道路网络地图。道路网络地图可以包括道路网络的一个或多个几何车道路段的一个或多个表示。这些车道路段可以包括与一个或多个车道路段之间的一个或多个关系有关的信息。例如，目标车道路段可以与标识哪些(多个)车道路段在目标车道路段之后、哪些(多个)车道路段在目标车道路段之前、与目标车道路段相邻的一个或多个车道路段、与目标车道路段冲突的一个或多个车道路段等的信息相关联。
在各种实施例中，车道路段可能与一个或多个其他车道路段冲突。如果两个或更多个车道路段交叉或重叠并且源自道路网络的相同前导路段，则它们可能冲突。图3图示了冲突车道路段的示例表示。如图3所示，交叉路口包括四个车道路段A 308、B 304、C 300、N302和M 306。车道路段N 302和车道路段M 306冲突，因为它们彼此交叉并且不源自相同的前导路段(车道路段N源自车道路段C 300，并且车道路段M源自车道路段A 308)。业务流由箭头指示。
返回参考图1，系统可以标识102车道路段之间或之中的一个或多个冲突。例如，系统可以解析道路网络图以从道路网络图标识一个或多个目标车道路段，并且可以确定每个标识的目标车道路段是否具有任何冲突。例如，对于一个或多个标识出的目标车道路段，系统可以分析目标车道路段的元数据以确定其是否包括目标车道路段具有冲突的指示。
响应于确定目标车道路段具有冲突，系统可以搜索道路网络地图以标识道路网络地图的与目标车道路段冲突的所有车道路段。系统可以使用宽度优先搜索、深度优先搜索和/或其他合适的搜索来搜索道路网络地图。
可以针对其他目标车道路段重复该处理。例如，系统可以迭代通过所有可能的车道路段，以便标识102道路网络地图的车道路段之间或之中存在的所有冲突。系统可以将与所标识的冲突有关的信息添加到冲突数据集。
系统可以分析冲突数据集合以标识104一个或多个冲突集群。冲突集群是指通道路段之间或之中的一组相关冲突。冲突集群可以包括彼此相关或一致的冲突。例如，返回参考图2，系统可以标识车道路段N 302与车道路段M 306具有冲突，并且车道路段M与车道路段N具有冲突。这些冲突可以被分析和标识104为冲突集群。
在各种实施例中，系统可以将与一个或多个标识出的冲突集群有关的信息存储在一个或多个数据存储中。该信息可以包括例如与车道路段相关联的标识符、与车道路段冲突的一个或多个其他车道路段的指示等。
冲突集群可以表示交叉路口。对于每个冲突集群，系统可以标识106集群中的每个车道路段的前导车道路段和/或后继车道路段。前导车道路段可以表示交叉路口的入口。类似地，后继车道路段可以表示交叉路口的出口。
系统可以通过分析道路网络地图的车道路段的元数据以标识其(多个)前导车道路段和/或其(多个)后继车道路段来标识106前导车道路段和/或后继车道路段。例如，参考上述示例和图2，集群可以被标识为包括车道路段M 306和车道路段N 302，因为这两个车道路段冲突。该集群可以表示交叉路口。
系统可以分析与车道路段M 306相关联的元数据，以将车道路段A 308标识106为车道路段M的前导车道路段，并且将车道路段B 304标识为车道路段M的后继车道路段。类似地，系统可以分析与车道路段N 302相关联的元数据，以将车道路段C 300标识106为车道路段N的前导车道路段，并且将车道路段B 304标识为车道路段N的后继车道路段。
在各种实施例中，被标识的前导车道路段和后继车道路段可以被分组为与交叉路口相关联的入口和出口。入口是指进入交叉路口的地图上的车道路段。出口是指离开交叉路口的地图上的车道路段。在各种实施例中，沿着相同交通流的目标车道路段的前导车道路段可以是入口，而沿着相同交通流的目标车道路段的后继车道路段可以是出口。例如，参考图3，车道路段C 300是沿着相同交通流的车道路段N 302的前导车道路段，因此车道路段C可以被认为是入口。类似地，车道路段B 304是沿着相同交通流的车道路段N 302的后继车道路段，因此车道路段B可以被认为是出口。
系统可以生成108交叉路口的外部几何边界。系统可以通过确定交叉点的凸包来生成108交叉的外部几何边界。n维中的点集S的凸包是包含S的所有凸集交叉的位置。换句话说，形状的凸包是包含它的最小凸集。关于交叉的外部几何边界，外部几何边界可以是包含交叉的所有路段的最小凸集。例如，为了生成交叉的外部几何边界，可以确定构成交叉路口的所有路段的多边形的点集的凸包。在各种实施例中，交叉路口的外部几何边界可以是包含交叉路口的冲突集群中的所有车道路段的最小凸集。交叉路口的外部几何边界可以包括交叉段，而不是交叉路口的入口或出口。
图4图示了根据实施例的示例交叉路口402的示例外部几何边界400的视觉表示。如图4所示，外部几何边界400绕交叉路口402延伸并且围绕交叉路口的所有路段。
在各种实施例中，外部几何边界可以由系统使用，例如，作为参考点，以确定自主车辆、物体或行动者是否在交叉路口附近或在交叉路口内。
返回参考图1，系统可以生成110交叉的内部几何边界。内部几何边界可以表示交叉路口的区域。内部几何边界可以围绕交叉路口内的竞争空间。例如，内部几何边界可以围绕交叉路口的共享空间，一个或多个行动者穿过该共享空间，以便进入交叉路口的一个或多个入口和/或出口。
如下面更详细地讨论的，系统可以通过确定从交叉路口内的冲突线导出的点的凸包来生成110交叉的内部几何边界。
图5是生成110交叉路口的内部几何边界的示例方法的流程图。系统可以标识500交叉路口内的所有车道路段。例如，系统可以标识500与交叉路口相关联的冲突集群内的所有车道路段。对于每个标识出的车道路段，系统可以标识502车道路段的中心线。系统可以确定504第一交叉点，该第一交叉点表示中心线与交叉路口的不同车道路段的另一车道边界的第一交叉路口。系统可以确定506与第一交叉点相关联的至少两个附加辅助点。一个这样的辅助点可以是在第一法线方向上的通道宽度的大约一半，并且另一辅助点可以是在第二法线方向上的通道宽度的大约一半。
系统可以确定508最后交叉点，该最后交叉点表示中心线与交叉路口的不同车道路段的另一车道边界的最后交叉点。系统可以确定510与最后交叉点相关联的至少两个附加辅助点。一个这样的辅助点可以是在第一法线方向上的通道宽度的大约一半，并且另一辅助点可以是在第二法线方向上的通道宽度的大约一半。
在各种实施例中，系统可以确定512第一交叉点、第二交点和所有辅助点的凸包以生成内部几何边界。
图6示出了示例性车道路段、中心线和辅助点。例如，附图标记602是车道600的中心线。中心线602与交叉路口中的另一车道路段的边界线的第一交叉路口由604表示，而中心线602与交叉路口中的另一车道路段的边界线的最后交叉路口由606表示。附图标记612和614表示与604相关联的辅助点，并且附图标记608和610表示与606相关联的辅助点。
图7图示了与图6中描绘的交叉路口相关联的示例内部几何边界700和外部几何边界702。图8图示了根据实施例的用于不同交叉路口的示例内部几何边界。
内部几何边界可以表示最小多边形，其中预期从交叉点的给定入口到给定出口的轨迹。参考图4，交叉408的内部几何边界被表示为406。
在各种实施例中，系统可以为交叉路口创建112交叉路口数据对象。交叉路口数据对象是指交叉路口的数据表示。例如，交叉路口数据对象可以是数据结构或其他数据构造。系统可以将唯一的交叉路口标识符分配给交叉路口数据对象。唯一交集标识符可以是随机或伪随机生成的。可替代地，唯一交叉路口标识符可以由系统顺序地或以其他方式分配。
系统可以在交叉路口数据对象中添加形成交叉路口的车道路段的列表。该列表可以通过车道路段的唯一路段标识符来标识车道路段。例如，系统可以解析道路网络地图以标识与交叉路口的车道路段相关联的唯一路段标识符，并且可以将该唯一路段标识符添加到交叉路口数据对象。
在各种实施例中，系统可以更新道路网络地图的一个或多个车道路段的元数据，以包括车道路段是其一部分的交叉路口的唯一交叉路口标识符。
系统可以添加与交叉路口的外部地理边界和/或交叉路口的内部地理边界有关的信息。例如，表示内凸包和/或外凸包的一个或多个多边形可以被存储为相关联的交叉路口数据对象的数据成员。
在各种实施例中，系统可以将交叉路口数据对象存储在一个或多个数据存储中，使得它可由自主车辆的一个或多个系统或子系统访问，例如预测系统、感知系统、运动规划系统等。系统可以将交叉路口数据对象添加到一个或多个地图，诸如，例如道路网络地图。这样，当加载地图时，可以向系统用户呈现与交叉路口数据对象有关的信息。例如，内部几何边界和/或外部几何边界可以经由一个或多个显示设备可视地显示。在本公开的范围内预期与交叉路口数据对象有关的信息的其他呈现。
交叉路口数据对象可以由自主车辆以各种方式使用。例如，自主车辆的预测系统可以使用交叉路口数据对象内的信息来导航交叉路口而不是按地图上的车道。作为另一示例，自主车辆的预测系统可以使用来自交叉路口数据对象的信息来预测接近交叉路口的一个或多个行动者的行为。例如，预测系统可以预测特定行动者将停止在交叉路口的内部地理边界附近，并且可以基于该行为做出关于自主车辆的操作的一个或多个决定。
作为另一示例，预测系统可以预测在自主车辆穿过交叉路口之前一个或多个其他车辆可以停止和/或让步的位置(即使这样的车辆经过停止标志或指定的等待位置)。
作为又一示例，自主车辆可以利用交叉路口数据对象来预测和/或监测不反映通过交叉路口的地图上的路径的其他车辆的轨迹。
作为另一示例，自主车辆可以逐交叉路口地跟踪各种统计，以帮助自主车辆更好地理解其环境。
图9是示出包括经由网络910与一个或多个数据存储902和/或一个或多个服务器903通信的自主车辆901的示例性系统900的框图。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910彼此耦合和/或耦合到数据存储902和/或服务器903。网络910可以是任何类型的网络，诸如局域网(LAN)、广域网(WAN)(诸如互联网)、蜂窝网络、卫星网络或其组合，并且可以是有线的或无线的。(多个)数据存储902可以是任何种类的数据存储，诸如但不限于(多个)地图数据存储、(多个)交通信息数据存储、(多个)用户信息数据存储、(多个)兴趣点数据存储或(多个)任何其他类型的内容数据存储。服务器903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9所示，自主车辆901可以包括传感器系统911、车载计算装置912、通信接口914和用户接口915。自主车辆901还可以包括车辆中包括的某些组件(例如，如图10所图示的)，诸如发动机、车轮、方向盘、变速器等，其可以由车载计算设备912使用各种通信信号和/或命令来控制，诸如例如加速信号或命令、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911可以包括耦合到自主车辆901和/或包括在自主车辆901内的一个或多个传感器。这种传感器的示例包括但不限于激光雷达(LiDAR)系统、无线电检测和测距(RADAR)系统、激光检测和测距(LADAR)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、位置传感器(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物体在自主车辆901的周围环境内的位置的信息、关于环境本身的信息、关于自主车辆901的运动的信息、关于自主车辆的路线的信息等。当自主载具901在表面上行驶时，至少一些传感器可以收集与该表面有关的数据。
激光雷达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901所在的环境中的物体和/或行动者。通常，激光雷达系统是结合光学遥感技术的设备，该光学遥感技术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，激光雷达系统可以包括被配置为发射激光脉冲的激光源和/或激光扫描仪以及被配置为接收激光脉冲的反射的检测器。例如，激光雷达系统可以包括由旋转镜反射的激光测距仪，并且在一个、两个或更多个维度上围绕正在数字化的场景扫描激光，以指定的角度间隔收集距离测量值。例如，激光雷达系统可以被配置为发射激光脉冲作为光束。可选地，可以扫描光束以生成二维或三维范围矩阵。在示例中，范围矩阵可以用于通过测量脉冲的传输和相应反射信号的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，多于一个激光雷达系统可以耦合到第一车辆以扫描第一车辆的完整360°地平线。激光雷达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(多个)表面的点数据云。除了范围之外，这些点可以由激光雷达系统在方位角和仰角方面表示，其可以被转换为相对于附接到车辆的局部坐标系的(X，Y，Z)点数据。另外，激光雷达可以被配置为提供从表面反射的光或激光的强度值，其可以指示表面类型。在示例中，激光雷达系统可以包括诸如光(例如，激光)源、扫描仪和光学器件、光电检测器和接收器电子器件，以及位置和导航系统的组件。在示例中，激光雷达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，并且可以与包括非金属对象的宽范围的目标一起使用。在一个示例中，窄激光束可以用于以高分辨率映射对象的物理特征。
应当注意，用于收集与表面有关的数据的激光雷达系统可以包括在除自主车辆901之外的系统中，诸如但不限于其他车辆(自主或驾驶)、机器人、卫星等。
图10示出了用于车辆1001(诸如图1自主车辆的自主车辆901)的示例系统架构。车辆1001可以包括发动机或马达1002和用于测量车辆和/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：位置传感器1036，诸如加速度计、陀螺仪和/或惯性测量单元；速度传感器1038；以及里程表传感器1040。车辆1001还可以具有时钟1042，系统架构使用时钟1042来确定操作期间的车辆时间。时钟1042可以被编码到交通工具车载计算设备1012中。它可以是单独的设备，或者多个时钟可以是可用的。
车辆1001还可以包括操作以收集关于车辆行驶的环境的信息的各种传感器。这些传感器可以包括例如：位置传感器1060，诸如GPS设备；对象检测传感器，诸如一个或多个相机1062；激光雷达传感器系统1064；和/或雷达和/或声纳系统1066。传感器还可以包括环境传感器1068，诸如降水传感器和/或环境温度传感器。物体检测传感器可以使得车辆1001能够检测在任何方向上在车辆1001的给定距离或范围内的物体，而环境传感器收集关于车辆行驶区域内的环境状况的数据。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1062。
在操作期间，将信息从传感器传送到机载计算设备1012。车载计算设备1012分析由传感器捕获的数据，并且可选地基于分析的结果来控制车辆的操作。例如，车载计算装置1012可以经由制动控制器1022来控制制动，经由转向控制器1024来控制方向，经由节气门控制器1026(在气体动力车辆中)或马达速度控制器1028(诸如电动车辆中的电流水平控制器)，差动齿轮控制器1030(在具有变速器的车辆中)，和/或其他控制器，诸如辅助设备控制器1054来控制速度和加速度。
地理位置信息可以从位置传感器260传送到机载计算设备1012，机载计算设备1012然后可以访问与位置信息相对应的环境的地图以确定环境的已知固定特征，诸如街道、建筑物、停车标志和/或停车/行进信号。从相机1062捕获的图像和/或从诸如激光雷达系统1064的传感器捕获的物体检测信息从那些传感器传送到机载计算设备1012。物体检测信息和/或捕获的图像可以由车载计算设备1012处理，以检测车辆1001附近的物体。附加地或替代地，车辆1001可以将任何数据发送到远程服务器系统903(图1)以进行处理。用于基于传感器数据和/或捕获的图像进行对象检测的任何已知或将要已知的技术可以用于本文档中公开的实施例中。
车载计算设备1012可以获得、检索和/或创建提供关于自主车辆1001的周围环境的详细信息的地图数据。车载计算装置1012还可以基于例如三维位置数据(例如，来自GPS的数据)、三维取向数据、预测位置等来确定AV在环境中的位置、取向、姿势等(定位)。例如，车载计算装置1012可以接收GPS数据以确定AV的纬度、经度和/或高度位置。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)也可用于标识车辆的位置。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，相对位置信息通常可以以比绝对地理位置更少的噪声来确定。地图数据可以提供关于以下的信息：不同道路、道路路段、车道路段、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、自行车车道或特定道路内的其它车道的位置和方向)以及与交通车道相关联的元数据；交通控制数据(例如，标牌、交通灯或其他交通控制设备的位置和指令)；和/或提供帮助车载计算设备1012分析自主车辆1001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，该参考路径信息与沿着一个或多个车道的车辆行驶的共同模式相对应，使得物体的运动被约束到参考路径(例如，物体通常在其上行驶的交通车道内的位置)。这样的参考路径可以是预定义的，诸如行车道的中心线。可选地，可以基于在一段时间内对车辆或其他物体的历史观察来生成参考路径(例如，用于直线行驶、车道合并、转弯等的参考路径)。
在某些实施例中，车载计算装置1012还可以包括和/或可以接收与用户的行程或路线有关的信息、关于路线的实时交通信息等。
车载计算设备1012可以包括路线控制器1031和/或可以与路线控制器1031通信，路线控制器1031为自主车辆生成从起始位置到目的地位置的导航路线。路线控制器1031可以访问地图数据存储以标识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道路路段。路线控制器1031可以对可能的路线进行评分并标识到达目的地的优选路线。例如，路线控制器1031可以生成使在路线期间行进的欧几里得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可以影响在特定路线上行进所花费的时间量的交通信息和/或估计。取决于实现方式，路线控制器1031可以使用各种路由方法(诸如Dijkstra算法、Bellman-Ford算法或其他算法)来生成一个或多个路线。路线控制器1031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，使得针对在高峰时间期间行进而生成的路线可以与针对在深夜行进而生成的路线不同。路线控制器1031还可以生成到目的地的多于一个导航路线，并将这些导航路线中的多于一个发送给用户以供用户从各种可能的路线中选择。
在各种实施例中，车载计算设备1012可以确定自主车辆1001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1012可以确定自主车辆1001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将感知到的内容。感知数据可以包括与自主车辆1001的环境中的一个或多个物体有关的信息。例如，车载计算设备1012可以处理传感器数据(例如，激光雷达或无线电检测和测距数据、相机图像等)，以便标识自主车辆1001的环境中的物体和/或特征。对象可以包括交通信号、道路边界、其他车辆、行人和/或障碍物等。机载计算设备1012可以使用任何现在或以后已知的对象标识算法、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，机载计算设备1012还可以针对环境中的一个或多个标识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，当前姿势；当前形状、大小或足迹，类型(例如，车辆对行人对自行车对静态物体或障碍物)；和/或其他状态信息。
机载计算设备1012可以执行一个或多个预测和/或预报操作。例如，机载计算设备1012可以预测一个或多个物体的未来位置、轨迹和/或动作。例如，机载计算装置1012可以至少部分地基于感知信息(例如，包括如下所述确定的估计形状和姿态的每个物体的状态数据)、位置信息、传感器数据和/或描述物体、自主车辆1001、周围环境和/或它们的(多个)关系的过去和/或当前状态的任何其他数据来预测物体的未来位置、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1012可以预测对象是否可能直接向前移动或转弯。如果感知数据指示交叉路口没有交通灯，则车载计算设备1012还可以预测车辆是否必须在进入交叉路口之前完全停止。
在各种实施例中，机载计算设备1012可以确定自主车辆的运动计划。例如，车载计算设备1012可以基于感知数据和/或预测数据来确定自主车辆的运动计划。具体地，给定关于邻近物体的未来位置的预测和其他感知数据，车载计算设备1012可以确定自主车辆1001的运动计划，该运动计划相对于在其未来位置处的物体最佳地导航自主车辆。
在一个或多个实施例中，机载计算设备1012可以接收预测并做出关于如何处理自主车辆1001的环境中的物体和/或行动者的决定。例如，对于特定行动者(例如，具有给定速度、方向、转弯角度等的车辆)，车载计算设备1012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、让步、停止和/或超过。此外，车载计算设备1012还规划自主车辆1001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，对于给定对象，机载计算设备1012决定对对象做什么并确定如何做它。例如，对于给定对象，机载计算设备1012可以决定超过对象，并且可以确定是在对象的左侧还是右侧超过(包括诸如速度的运动参数)。车载计算设备1012还可以评估检测到的物体与自主车辆1001之间的碰撞的风险。如果风险超过可接受的阈值，则车载计算设备1012可以确定如果自主车辆遵循限定的车辆轨迹和/或实现在预定义的时间段(例如，N毫秒)内执行的一个或多个动态生成的紧急操纵，则是否可以避免碰撞。如果可以避免碰撞，则车载计算设备1012可以执行一个或多个控制指令以执行谨慎的操纵(例如，温和地减速、加速、改变车道或转弯)。相反，如果不能避免碰撞，则机载计算设备912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)。
如上所述，生成关于自主车辆的移动的规划和控制数据以供执行。车载计算设备1012可以例如经由制动控制器来控制制动，经由转向控制器来控制方向，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水平控制器)，差分齿轮控制器(在具有变速器的车辆中)，和/或其他控制器来控制速度和加速度。
在本文档中讨论的各种实施例中，描述可以陈述车辆或包括在车辆中(例如，在车载计算系统中)的控制器可以实现编程指令，该编程指令使得车辆和/或控制器做出决定并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、决策制定和/或操作控制可以全部或部分地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来处理。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(诸如智能电话)，以及经由无线通信网络与车辆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9，通信接口914可以被配置为允许自主车辆901与外部系统(例如，外部设备、传感器、其他车辆、服务器、数据存储、数据库等)之间的通信。通信接口914可以利用任何现在或以后已知的协议、保护方案、编码、格式、封装等，诸如但不限于Wi-Fi、红外链路、蓝牙、车辆到车辆、车辆到物体或V2X通信协议等。(术语“V2X”是指车辆与车辆在其环境中可能遇到或影响的任何对象之间的通信)用户接口系统915可以是在车辆901内实现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。
图11描绘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、外部监测和报告系统或远程服务器。电气总线1100用作互连硬件的其他所示组件的信息高速路。处理器1105是系统的中央处理设备，被配置为执行执行编程指令所需的计算和逻辑操作。如本文档和权利要求书中所使用的，术语“处理器”和“处理设备”可以指代单个处理器或共同执行操作的集合的处理器的集合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)、远程服务器或这些的组合。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存储器设备1125的示例。存储器设备可以包括单个设备或跨其存储数据和/或指令的设备的集合。各种实施例可以包括包含编程指令的计算机可读介质，所述编程指令被配置为使得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，例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发生，诸如无线天线、射频标识(RFID)标签和/或短程或近场通信收发器，其中的每一个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地连接。(多个)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/或麦克风的输入设备1150接收数据。还可从可捕获视频和/或静止图像的相机1120接收数字图像帧。系统还可以从诸如加速度计、陀螺仪或惯性测量单元的运动和/或定位传感器1170接收数据。系统还可以从激光雷达系统1160接收数据，诸如本文档中先前描述的激光雷达系统。
上面公开的特征和功能以及替代方案可以组合到许多其他不同的系统或应用中。各种组件可以在硬件或软件或嵌入式软件中实现。本领域技术人员可以进行各种目前未预见或未预期的替代、修改、变化或改进，其中的每一个也旨在由所公开的实施例涵盖。
与上面提供的公开内容相关的术语包括：
“自动化装置”或“机器人装置”是指包括处理器、编程指令和一个或多个组件的电子装置，所述一个或多个组件基于来自处理器的命令可以在最少或没有人为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、医疗相关处理、构造相关处理等。示例自动化设备可以包括但不限于自主车辆、无人机和其他自主机器人设备。
术语“车辆”是指能够承载一个或多个人类乘员和/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“车辆”包括但不限于汽车、卡车、货车、火车、自主车辆、飞机、空中无人机等。“自主车辆”是具有处理器、编程指令和传动系统组件的车辆，所述编程指令和传动系组件可由处理器控制而不需要人类操作者。自主车辆可以是完全自主的，因为它对于大多数或所有驾驶条件和功能不需要人类操作者，或者它可以是半自主的，因为在某些条件下或对于某些操作可能需要人类操作者，或者人类操作者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工操作的车辆，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。
在本文档中，术语“街道”、“车道”和“交叉路口”通过示例的方式示出，其中车辆在一个或多个道路上行驶。然而，实施例旨在包括其他位置(诸如停车区域)中的车道和交叉路口。另外，对于被设计为在室内使用的自主车辆(诸如仓库中的自动拣选设备)，街道可以是仓库的走廊，并且车道可以是走廊的一部分。如果自主载具是无人机或其他飞行器，则术语“街道”可以表示空路，并且车道可以是空路的一部分。如果自主车辆是船只，则术语“街道”可以表示水路，并且车道可以是水路的一部分。
“电子设备”或“计算设备”是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，或者处理器和/或存储器可以与虚拟机或容器布置中的其他设备共享。存储器将包含或接收编程指令，该编程指令在由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。
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”等均指存储计算机可读数据、编程指令或两者的非暂时性设备。除非另有特别说明，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、其中多个存储器设备一起或共同存储数据或指令的集合的实施例、以及这些设备内的各个扇区。
当指代由车辆感知系统检测到或由模拟系统模拟的对象时，术语“对象”旨在涵盖静止对象和移动(或潜在移动)的行动者，除非另有特别说明，否则使用术语“行动者”或“静止对象”。
术语“处理器”和“处理设备”是指被配置为执行编程指令的电子设备的硬件组件。除非另有特别说明，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处理的实施例。
在本文档中，术语“通信链路”和“通信路径”意指第一设备经由其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的有线或无线路径。如果设备能够经由通信链路发送和/或接收数据，则设备“通信地连接”。“电子通信”是指经由两个或更多个电子设备之间的一个或多个信号的数据传输，无论是通过有线还是无线网络，并且无论是直接还是间接地经由一个或多个中间设备。
术语“道路网络地图”是指一个或多个道路的图形表示。该表示可以包括与车道、车道路段、车道边界、交通灯、让步关系和/或其他交通或道路相关信息有关的信息。
在本文件中，当诸如“第一”和“第二”的顺序的相对术语用于修饰名词时，这种使用仅旨在将一个项目与另一个项目区分开，并且不旨在要求连续的顺序，除非特别说明。
另外，当使用时，诸如“竖直”和“水平”或“前”和“后”的相对位置术语旨在相对于彼此并且不需要是绝对的，并且仅指代与这些术语相关联的设备的一个可能位置，这取决于设备的取向。当本文档使用术语“前”、“后”和“侧”来指代车辆的区域时，它们指代相对于车辆的默认行驶区域的车辆区域。例如，汽车的“前部”是与车辆的尾灯相比更靠近车辆的前照灯的区域，而汽车的“后部”是与车辆的前照灯相比更靠近车辆的尾灯的区域。此外，术语“前”和“后”不一定分别限于面向前或面向后的区域，而是还包括比后更靠近前的侧区域，反之亦然。车辆的“侧面”旨在指代在车辆的最前面部分与最后面部分之间的面向侧面的部分。

Claims (17)

1.一种方法，包括：
通过自主车辆的电子设备：
接收与在所述自主车辆的环境中的道路网络相对应的道路网络地图，其中所述道路网络地图包括所述道路网络的多个车道路段，
对于所述一个或多个车道路段中的每一个：
从所述多个车道路段中标识一个或多个冲突车道路段，所述一个或多个冲突车道路段中的每一个与所述车道路段冲突，以及
将与所述车道路段和所述一个或多个冲突车道路段之间的冲突有关的冲突数据添加到冲突数据的集合，
分析所述冲突数据以标识冲突集群，其中，所述冲突集群包括来自所述多个车道路段的在它们之间或之中具有相关冲突的车道路段，其中，所述冲突集群表示交叉路口，
对于所述冲突集群中的每个车道路段：
标识前导车道路段，以及
标识后继通道路段，
将所标识的前导车道路段和所述后继车道路段分组为所述交叉路口的入口或出口，
生成所述交叉路口的外部几何边界，
生成所述交叉路口的内部几何边界，
创建所述交叉路口的数据表示，所述数据表示包括：
交叉路口内的车道路段的指示；
所述外部几何边界的指示，以及
所述内部几何边界的指示，以及
将所述数据表示添加到所述道路网络地图。
2.根据权利要求1所述的方法，其中，所述车道路段中的一个或多个包括以下中的一个或多个信息：
标识在所述道路网络地图中在所述车道路段之后的一个或多个车道路段的信息，
标识所述道路网络地图中在所述车道路段之前的一个或多个车道路段的信息，
标识所述道路网络地图中与所述车道路段相邻的一个或多个车道路段的信息，或者
标识与所述车道路段冲突的一个或多个车道路段的信息。
3.根据权利要求1所述的方法，其中，从所述多个车道路段中标识与所述车道路段冲突的一个或多个冲突车道路段包括：标识与所述车道路段交叉或重叠、但并非源自与所述车道路段相同的所述道路网络图的前导车道路段的一个或多个车道路段。
4.根据权利要求1所述的方法，其中，从所述多个车道路段中标识与所述车道路段冲突的一个或多个冲突车道路段包括：分析所述车道路段的元数据以确定其是否包括所述车道路段具有冲突的指示。
5.根据权利要求1所述的方法，其中，从所述多个车道路段中标识与所述车道路段冲突的一个或多个冲突车道路段包括：执行所述道路网络图的广度优先搜索或深度优先搜索。
6.根据权利要求1所述的方法，其中，所述外部几何边界包括表示所述交叉路口的外部边界的多边形。
7.根据权利要求1所述的方法，其中，生成外部几何边界包括确定所述冲突集群中的所述车道路段的凸包。
8.根据权利要求1所述的方法，其中，生成所述交叉路口的内部几何边界包括：
标识所述冲突集群中的所述车道路段；
对于所述冲突集群中的每个车道路段：
标识所述车道路段的中心线，
确定第一交叉点，所述第一交叉点表示所述中心线与所述交叉路口的一个或多个其他车道路段的第一车道边界的第一交叉路口，
确定各自与所述第一交叉点相关联的第一辅助点和第二辅助点；
确定最后交叉点，所述最后交叉点表示所述中心线与所述交叉路口的一个或多个其他车道路段的第二车道边界的最后交叉路口；
确定各自与所述最后交叉点相关联的第一辅助点和第二辅助点；
确定以下的复包：
所述第一交叉点，
与所述第一交叉点相关联的第一辅助点，
与所述第一交叉点相关联的第二辅助点，
所述最后交叉点，
与所述最后交叉点相关联的第一辅助点，以及
与所述最后交叉点相关联的第二辅助点。
9.一种系统，包括：
自主车辆的电子设备；以及
计算机可读存储介质，所述计算机可读存储介质包括一个或多个编程指令，所述一个或多个编程指令在被执行时使所述电子设备来：
接收与在所述自主车辆的环境中的道路网络相对应的道路网络地图，其中所述道路网络地图包括所述道路网络的多个车道路段，
对于所述一个或多个车道路段中的每一个：
从所述多个车道路段中标识一个或多个冲突车道路段，所述一个或多个冲突车道路段中的每一个与所述车道路段冲突，以及
将与所述车道路段和所述一个或多个冲突车道路段之间的冲突有关的冲突数据添加到冲突数据的集合，
分析所述冲突数据以标识冲突集群，其中，所述冲突集群包括来自所述多个车道路段的在它们之间或之中具有相关冲突的车道路段，其中，所述冲突集群表示交叉路口，
对于所述冲突集群中的每个车道路段：
标识前导车道路段，
标识后继通道路段，
将所标识的前导车道路段和所述后继车道路段分组为所述交叉路口的入口或出口，
生成所述交叉路口的外部几何边界，
生成所述交叉路口的内部几何边界，
创建所述交叉路口的数据表示，所述数据表示包括：
交叉路口内的车道路段的指示；
所述外部几何边界的指示，以及
所述内部几何边界的指示，以及
将所述数据表示添加到所述道路网络地图。
10.根据权利要求9所述的系统，其中，所述车道路段中的一个或多个包括以下中的一个或多个信息：
标识在所述道路网络地图中在所述车道路段之后的一个或多个车道路段的信息，
标识所述道路网络地图中在所述车道路段之前的一个或多个车道路段的信息，
标识所述道路网络地图中与所述车道路段相邻的一个或多个车道路段的信息，或者
标识与所述车道路段冲突的一个或多个车道路段的信息。
11.根据权利要求9所述的系统，其中，所述一个或多个编程指令在被执行时使所述电子设备从所述多个车道路段中标识与所述车道路段冲突的一个或多个冲突车道路段包括：所述一个或多个编程指令在被执行时使所述电子设备标识与所述车道路段交叉或重叠、但所述车道路段并非源自与所述车道路段相同的所述道路网络图的前导车道路段的一个或多个车道路段。
12.根据权利要求9所述的系统，其中，所述一个或多个编程指令在被执行时使所述电子设备从所述多个车道路段中标识与所述车道路段冲突的一个或多个冲突车道路段包括：所述一个或多个编程指令在被执行时使所述电子设备分析所述车道路段的元数据以确定其是否包括所述车道路段具有冲突的指示。
13.根据权利要求9所述的系统，其中，所述一个或多个编程指令在被执行时使所述电子装置从所述多个车道路段中标识与所述车道路段冲突的一个或多个冲突车道路段包括：所述一个或多个编程指令在被执行时使所述电子装置执行所述道路网络图的广度优先搜索或深度优先搜索。
14.根据权利要求9所述的系统，其中，所述外部几何边界包括表示所述交叉路口的外部边界的多边形。
15.根据权利要求9所述的系统，其中，所述一个或多个编程指令在被执行时使所述电子设备生成外部几何边界包括：所述一个或多个编程指令在被执行时使所述电子设备确定所述冲突集群中的所述车道路段的凸包。
16.根据权利要求9所述的系统，其中，所述一个或多个编程指令在被执行时使所述电子设备生成所述交叉路口的内部几何边界的包括：所述一个或多个编程指令在被执行时使所述电子设备执行以下操作：
标识所述冲突集群中的所述车道路段；
对于所述冲突集群中的每个车道路段：
标识所述车道路段的中心线，
确定第一交叉点，所述第一交叉点表示所述中心线与所述交叉点的一个或多个其他车道路段的第一车道边界的第一交叉点，
确定各自与所述第一交叉点相关联的第一辅助点和第二辅助点；
确定最后交叉点，该最后交叉点表示中心线与交叉路口的一个或多个其他车道路段的第二车道边界的最后交叉点；
确定各自与所述最后交叉点相关联的第一辅助点和第二辅助点；
确定以下的复包：
所述第一交叉点，
与所述第一交叉点相关联的第一辅助点，
与所述第一交叉点相关联的第二辅助点，
所述最后交叉点，
与所述最后交叉点相关联的第一辅助点，以及
与所述最后交叉点相关联的第二辅助点。
17.一种存储指令的非暂时性计算机可读介质，所述指令在由至少一个计算设备执行时被配置为使所述至少一个计算设备来执行操作，所述操作包括：
接收与自主车辆的环境中的道路网络相对应的道路网络地图，其中所述道路网络地图包括所述道路网络的多个车道路段，
对于所述一个或多个车道路段中的每一个：
从所述多个车道路段中标识一个或多个冲突车道路段，所述一个或多个冲突车道路段中的每一个与所述车道路段冲突，以及
将与所述车道路段和所述一个或多个冲突车道路段之间的冲突有关的冲突数据添加到冲突数据的集合，
分析所述冲突数据以标识冲突集群，其中，所述冲突集群包括来自所述多个车道路段的在它们之间或之中具有相关冲突的车道路段，其中，所述冲突集群表示交叉路口，
对于所述冲突集群中的每个车道路段：
标识前导车道路段，以及
标识后继通道路段，
将所标识的前导车道路段和所述后继车道路段分组为所述交叉路口的入口或出口，
生成所述交叉路口的外部几何边界，
生成所述交叉路口的内部几何边界，
创建所述交叉路口的数据表示，所述数据表示包括：
交叉路口内的车道路段的指示；
所述外部几何边界的指示，以及
所述内部几何边界的指示，以及
将所述数据表示添加到所述道路网络地图。
CN202180087783.XA 2021-01-13 2021-12-02 用于构建用于辅助自主车辆在交叉路口导航的数据表示的方法和系统 Pending CN116670008A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/147,582 2021-01-13
US17/147,582 US11851083B2 (en) 2021-01-13 2021-01-13 Methods and system for constructing data representation for use in assisting autonomous vehicles navigate intersections
PCT/US2021/072690 WO2022154995A1 (en) 2021-01-13 2021-12-02 Methods and system for constructing data representation for use in assisting autonomous vehicles navigate intersections

Publications (1)

Publication Number Publication Date
CN116670008A true CN116670008A (zh) 2023-08-29

Family

ID=82322696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180087783.XA Pending CN116670008A (zh) 2021-01-13 2021-12-02 用于构建用于辅助自主车辆在交叉路口导航的数据表示的方法和系统

Country Status (4)

Country Link
US (1) US11851083B2 (zh)
EP (1) EP4278151A1 (zh)
CN (1) CN116670008A (zh)
WO (1) WO2022154995A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11987251B2 (en) * 2021-11-15 2024-05-21 GM Global Technology Operations LLC Adaptive rationalizer for vehicle perception systems toward robust automated driving control
US20230177839A1 (en) * 2021-12-02 2023-06-08 Nvidia Corporation Deep learning based operational domain verification using camera-based inputs for autonomous systems and applications
US20230351765A1 (en) * 2022-04-28 2023-11-02 Toyota Research Institute, Inc. Systems and methods for detecting a reflection artifact in a point cloud

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7363126B1 (en) * 2002-08-22 2008-04-22 United Parcel Service Of America Core area territory planning for optimizing driver familiarity and route flexibility
JP4680105B2 (ja) * 2006-03-22 2011-05-11 アルパイン株式会社 車載用ナビゲーション装置、経路案内方法及びコンピュータ読み取り可能な記録媒体
EP2530433B1 (en) * 2011-06-01 2015-04-22 Harman Becker Automotive Systems GmbH Method of generating a database for a navigation device
US9248834B1 (en) * 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
CN111542860A (zh) 2016-12-30 2020-08-14 迪普迈普有限公司 用于自主车辆的高清地图的标志和车道创建
CA2993575C (en) * 2017-02-03 2024-06-18 Richard Pollock Active driving map for self-driving road vehicle
CN108664016B (zh) * 2017-03-31 2020-09-15 腾讯科技（深圳）有限公司 确定车道中心线的方法及装置
US11011056B2 (en) 2018-01-29 2021-05-18 Fujitsu Limited Fragmentation-aware intelligent autonomous intersection management using a space-time resource model
US10559197B2 (en) * 2018-04-13 2020-02-11 Toyota Jidosha Kabushiki Kaisha Remote vehicle control at intersections
JP2020187551A (ja) * 2019-05-14 2020-11-19 株式会社豊田自動織機 自律走行車
WO2021003452A1 (en) 2019-07-02 2021-01-07 DeepMap Inc. Determination of lane connectivity at traffic intersections for high definition maps
US11145193B2 (en) * 2019-12-20 2021-10-12 Qualcom Incorporated Intersection trajectory determination and messaging

Also Published As

Publication number Publication date
US20220219720A1 (en) 2022-07-14
EP4278151A1 (en) 2023-11-22
WO2022154995A1 (en) 2022-07-21
US11851083B2 (en) 2023-12-26

Similar Documents

Publication Publication Date Title
CN116710977B (zh) 用于构建远程机器学习模型的数据的智能车载选择的自主车辆系统
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
US11731630B2 (en) Methods and systems for asserting right of way for traversing an intersection
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
US20220340138A1 (en) Methods and systems for generating trajectory of an autonomous vehicle for traversing an intersection
US20230150510A1 (en) Methods and systems for tracking a mover's lane over time
CN116724214A (zh) 用于生成用于自主车辆的导航的感兴趣区域的车道级地图的方法和系统
US11904906B2 (en) Systems and methods for prediction of a jaywalker trajectory through an intersection
US11970185B2 (en) Data structure for storing information relating to an environment of an autonomous vehicle and methods of use thereof
CN116670609A (zh) 用于预测自主车辆的未来状态的系统
CN116783105A (zh) 自主车辆的车载反馈系统
US20230043601A1 (en) Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area
US11358598B2 (en) Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection
CN116569070A (zh) 用于分析动态LiDAR点云数据的方法和系统
CN116745188A (zh) 基于不确定道路使用者的行为生成自主车辆的纵向计划的方法和系统
EP4131181A1 (en) Methods and system for predicting trajectories of actors with respect to a drivable area
US11897461B2 (en) Methods and systems for autonomous vehicle collision avoidance

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