CN116745195A - 车道外安全驾驶的方法和系统 - Google Patents
车道外安全驾驶的方法和系统 Download PDFInfo
- Publication number
- CN116745195A CN116745195A CN202180090246.0A CN202180090246A CN116745195A CN 116745195 A CN116745195 A CN 116745195A CN 202180090246 A CN202180090246 A CN 202180090246A CN 116745195 A CN116745195 A CN 116745195A
- Authority
- CN
- China
- Prior art keywords
- time
- lane
- autonomous vehicle
- vehicle
- trajectory
- 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 52
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 230000000903 blocking effect Effects 0.000 claims description 34
- 230000008447 perception Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 21
- 238000001514 detection method Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 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
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18109—Braking
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/20—Static objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- 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
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative longitudinal 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/12—Lateral speed
Abstract
本发明提供用于导航车辆绕过车道阻塞物安全地转向到相邻车道中的系统和方法。系统可以规划绕过阻塞车道的轨迹。在时间视界内,系统通过测量在相邻车道上的移动活动者的预测状态和车辆的预测状态之间的时间量来确定时间余量。系统识别时间余量中的最小时间余量并且确定最小时间余量是否等于或大于所需时间缓冲。如果最小时间余量等于或大于所需时间缓冲,则系统生成运动控制信号以使车辆遵循轨迹以绕过阻塞物转向到相邻车道中。否则,系统生成运动控制信号以使车辆降低速度或停止。
Description
交叉引用和优先权要求
本专利文件要求2021年1月12日提交的美国专利申请号17/146,836的优先权,通过引用其全部内容的方式合并于此。
背景技术
自动驾驶车辆的导航依赖于追踪车道上车辆位置前面的检测物体和/或多条车道中的道路用户。精确追踪车辆正在其上行驶或将在其上行驶的车道上的物体对巡航控制、碰撞避免/缓解或紧急制动这样的系统是必要的。
车辆可能需要驶出它们的规划车道以避开它们前面的障碍物。然而,自动驾驶车辆可以被编程为基于检测到的边缘和边界而沿着车道行驶以例如防止车道外(out-of-lane)违规。通常,当自动驾驶车辆遇到停放的物体时,其对情况的初步评估可能是减速或停止。然而,当这种情况发生时自动驾驶车辆可能停止很长一段时间。例如,在城市中,送货卡车可能停放在路边,但卡车车身的一部分占用道路的一部分。如果自动驾驶车辆保持停在停放的送货卡车的后面直到卡车从它的位置移动,则这将延迟车辆的行驶并且造成额外的交通阻塞。
因此,需要识别何时车辆可以安全地驶出车道。本文件描述针对解决上面描述的问题和/或其他问题的方法和系统。
发明内容
在各种场景中,在协助导航车辆绕过障碍物的方法中,自动驾驶车辆的感知系统的一个或多个传感器可以获取表示由自动驾驶车辆行驶的第一车道上的车道阻塞情况的数据以及表示与第一车道相邻的第二车道上的移动活动者(actor)的数据。包括车辆的计算装置的系统将包括编程指令,编程指令配置成使系统的处理器使车辆的运动控制系统在第一车道上移动车辆。系统从传感器接收对应于第一车道上的车道阻塞情况的实时传感器数据。系统从传感器接收对应于与第一车道相邻的第二车道上的移动活动者的实时传感器数据。系统可以规划车辆绕过车道阻塞情况的轨迹。轨迹可以包括第二车道上的一个或多个位置。对于时间视界内的多个时间tn中的每一个,系统可以通过测量在时间tn时移动活动者的预测状态和自动驾驶车辆的预测状态之间的各自时间量来确定时间余量。系统可以识别确定的时间余量中的最小时间余量并且确定最小时间余量是否等于或大于所需时间缓冲。如果最小时间余量等于或大于所需时间缓冲,则系统可以生成运动控制信号以使自动驾驶车辆遵循轨迹并且绕过车道阻塞情况转向到第二车道中。否则,系统可以生成运动控制信号以使自动驾驶车辆降低速度或停止。
在某些场景中,当最小时间余量不等于或大于所需时间缓冲时,系统可以在继续监控移动活动者时使自动驾驶车辆降低自动驾驶车辆的速度。
在某些场景中,当系统继续监控移动活动者时,系统可以进一步地确定在更新时间视界内在每个时间tn时的更新时间余量,识别更新时间余量中的最小更新时间余量,并且确定最小更新时间余量等于还是大于所需时间余量。
在某些场景中,系统可以将所需时间缓冲确定为自动驾驶车辆可以转向到第二车道中的横向距离的函数。
此外或可替代地,系统可以将所需时间缓冲确定为自动驾驶车辆的速度的函数。
在某些场景中,系统可以确定沿着轨迹的一部分的开始时间。开始时间可以对应于轨迹上的一个或多个位置的第一位置。系统可以确定沿着轨迹的一部分的结束时间。结束时间对应于轨迹上的一个或多个位置的最后位置。系统可以将时间视界确定为开始时间和结束时间之间的时间度量。
在确定时间余量的过程中,系统可以通过以下方式确定在时间视界内的多个时间tn中的每一个的时间余量:a)确定在时间视界内的每个时间tn时移动活动者的预测状态;b)确定在自动驾驶车辆遵循轨迹进入第二车道中时预测移动活动者状态将小于距离自动驾驶车辆的阈值安全距离的第一时间;以及c)对于每个时间tn,测量时间余量作为a)和b)之间的时间度量。
在某些场景中,系统可以使用获取的移动活动者的数据对移动活动者进行分类。系统可以使用获取的车道阻塞情况的数据对导致车道阻塞情况的第一车道上的物体进行分类。
附图说明
图1说明用于确定自动驾驶车辆安全偏离车道的示例过程的流程图;
图2说明用于确定时间余量的示例过程的流程图;
图3说明相对于移动活动者的时间余量的自动驾驶车辆沿着具有偏离车道进入相邻车道的规划轨迹的示例预测状态;
图4说明所需时间缓冲和自动驾驶车辆车道移动到第二车道的程度之间的关系的示例图表;
图5说明车辆控制器系统的示例架构;
图6说明车载计算装置的示例架构。
具体实施方式
如在本文件中所使用的,单数形式“一”、“一个”和“该”包括复数引用,除非上下文另有明确规定。除非另有规定,在此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所理解的含义相同的含义。如在本文件中所使用的,术语“包括”意指“包括,但不限于”。
如在本文件中所使用的,偏离车道(out-of-lane departure)被定义为自动驾驶车辆在遵循规划轨迹时将进入邻近的相邻车道的最大距离。
车道阻塞情况被定义为一种情况,在该情况下静止物体占用自动驾驶车辆正在行驶的车道的一部分,并且静止物体处于一位置,在该位置车辆必须转向以避免与物体碰撞。车道阻塞物可以是任何停止或停放的车辆、物体、道路坑洞、行人、活动者和积水。车辆可以包括但不限于公共汽车、汽车、自行车、卡车、摩托车和踏板车。
与本文件有关的附加术语的定义包括在本具体实施方式的末尾。
在环境中运行的自动驾驶车辆可以使用传感器来自动地识别环境中的车道状况,并且导航自动驾驶车辆以避开检测到的车道阻塞情况,检测到的车道阻塞情况可以导致与车道阻塞情况的碰撞或撞击。为了避免与检测到的车道阻塞情况碰撞,通常识别车辆是否可以绕过检测到的车道情况行驶也是重要的。因此,自动驾驶车辆可能需要通过安全地转向到相邻车道的一部分上以避开车道堵塞情况来采取行动(例如,为避免碰撞或撞击)。
本公开的方法和系统描述确定在视界内的时间点,在该时间点在相邻车道上的移动活动者和车辆之间有一个安全距离以采取安全进入相邻车道的一部分的操作以避开车道阻塞情况。通过非限制性示例,在本公开中描述的方法和系统对安全地绕过停止车辆、阻碍物体、道路上的坑洞以及积水转向的情况是鲁棒的。将关于图1-6描述方法和系统。
可以以显示的顺序或不同的顺序执行方法框。可以同时执行一个或多个框。此外,可以添加或省略一个或多个框。
图1说明根据一个实施的用于确定自动驾驶车辆301(图3)安全偏离车道的示例过程100的流程图。将参考图3-6的图示描述过程100。图3说明相对于移动活动者的时间余量340的自动驾驶车辆301沿着具有偏离车道进入相邻车道303B的规划轨迹的示例预测状态。图4说明所需时间缓冲和自动驾驶车辆偏离车道的程度之间的关系的示例图表400。图5说明用于控制自动驾驶车辆301的导航的车辆控制器系统501的示例架构。图6说明车辆控制器系统501的车载计算装置512的示例架构。
在102,系统501检测在与自动驾驶车辆301的车道相同且在前面的车道303A上的车道阻塞情况305,自动驾驶车辆301可能能够因为车道阻塞情况305而移出车道303A进入相邻车道303B的一部分。通过非限制性示例,车辆301包括将关于图5描述的一个或多个传感器535,图5包括用于检测和分类环境中的活动者和其他物体的具有机器学习算法的计算机视觉系统560。
通过系统501通过以下方式检测车道阻塞情况305:i)检测自动驾驶车辆301前面的物体;ii)确定物体在与自动驾驶车辆301正在行驶的当前车道相同的车道303A上;以及iii)检测物体是静止的(例如,零速度)。系统501可以使用训练过的机器学习模型665(图6),训练过的机器学习模型665采用特征提取算法667来检测以及分类物体并且确定物体的速度。特征提取算法667可以包括但不限于边缘检测、角点检测、模板匹配、动态纹理处理、分割图像处理、运动检测、目标跟踪、背景相减、目标识别和分类等。
例如,系统501可以检测自动驾驶车辆301的环境内(即,在一定距离内)的物体并且给物体分配车道。可以基于从物体检测传感器(例如,下面的图5的计算机视觉系统560的物体检测传感器)输出的实时传感器数据进行这种检测。系统501也可以使用接收到的传感器数据来确定关于检测到的物体的当前状态信息,比如但不限于物体的速度、物体分类、物体的行驶方向、姿势(包括行进方向(heading)和/或取向(orientation))、物体相对于来自道路网络信息669并且绕过物体的位置的一个或多个车道的对齐等。
车载计算装置512的分类器515可以配置成执行物体分类。例如,可以执行物体分类以将检测到的物体分类为多个类和/或子类中的一个。类可以包括但不限于车辆类、物体类和行人类。任何车辆类都可以具有多个车辆子类。车辆子类可以包括但不限于自行车子类、摩托车子类、滑板子类、轮滑直排子类、踏板车子类、轿车子类、SUV(运动型多用途车辆)子类、和/或卡车子类。例如,分类器515可以配置成基于从比如激光探测和测距(LADAR)系统和/或光探测和测距(LIDAR)系统564、无线电探测和测距(RADAR)系统和/或声音导航和测距(SONAR)系统566、以及系统501的一个或多个摄像机562(例如,可见光谱摄像机、红外摄像机等)这样的物体检测传感器输出的传感器数据执行车辆分类。任何现在或以后已知的物体分类技术可以使用比如但不限于点云标记、用于形状/姿势估计、特征比较的机器学习算法等。分类器515可以配置成执行物体类分类。物体可以包括通常在车行道周围发现的物体,比如垃圾桶、碎片、车辆零件(即,轮胎、轮胎零件、挡泥板)、玻璃、盒子、家具、水、坑洞等。分类器515可以配置成基于单个类执行行人分类。
为了确定是否存在车道阻塞情况305,系统501也可以识别物体是否也占用存储的当前路径672的位置。系统501的当前路径672(图6)对应于当车辆沿着当前道路或道路网络的车道行驶时车载计算装置512想让车辆遵循的沿着轨迹的一组位置。因此,系统501可以确定物体(即,车辆、物体、行人)是否静止的或停止的以及是否在自动驾驶车辆301行驶的同一车道上。用于运动检测的特征提取算法可以确定检测到的车道阻塞情况305的物体在计算机视觉系统560捕获的图像的一系列帧中保持静止。
在104,系统501识别相邻车道303B上的一个或多个移动活动者320。系统501可以识别比如车辆或行人这样的一个或多个移动活动者并且如果合适的话,给移动活动者分配相应的车道。例如,计算机视觉系统560可以检测相邻车道上的活动者,比如移动车辆或行人。系统501的分类器515可以根据可以包括但不限于自行车子类、摩托车子类、滑板子类、直排轮滑子类、踏板车子类、轿车子类、SUV子类和/或卡车子类的一个或多个类或子类对移动活动者进行分类。
在106,系统501基于一个或多个传感器535来识别自动驾驶车辆301的运行状态。自动驾驶车辆301的运行状态包括除其他方面之外的例如基于来自速度传感器548和位置传感器544的传感器数据的当前速度和当前方向。自动驾驶车辆301的状态可以包括车辆车身与车道的对齐(即,相对于车道的行进方向/取向)、行驶方向、速度和/或加速度、以及行进方向和/或取向的对齐。系统501包括用于收集与传感器535连接到的自动驾驶车辆相关联的实时数据的各种传感器535。
在107,系统501通过轨迹规划器517(图6)规划绕过车道阻塞情况305的路径310。轨迹310对应于预测的自动驾驶车辆301绕过车道阻塞情况的未来状态,包括但不限于特定的车辆速度、方向、姿势和位置。由轨迹规划器517创建的轨迹310可以包括通过穿过分界线进入道路网络的相邻车道303B的一个或多个位置。轨迹310导航自动驾驶车辆301绕过车道阻塞情况305而且使车辆至少部分地移动到相邻车道的一个或多个位置。轨迹310的每个位置可以存储在数据存储570(图5)或存储装置中。相邻车道上的每个偏离可以包括对应于自动驾驶车辆将在这种位置进入第二车道的程度的最大规划车道偏离距离345(图3)。轨迹310可以以当前路径为基础并且允许偏离进入相邻车道以安全地通过车道阻塞情况。将关于图3和6更详细地描述轨迹规划器517。可以使用算法来确定轨迹310,算法生成与导致车道阻塞情况305、自动驾驶车辆301将绕过移动的物体的通过侧相邻的车辆车身317的一侧和物体的通过侧之间的空隙329或间隙。在一些实施例中,空隙329或间隙可以基于导致车道阻塞情况的物体的物体分类来有所不同。因此,轨迹310可能取决于导致车道阻塞情况的物体的分类。通过非限制性示例,车道阻塞情况和自动驾驶车辆之间的空隙329可以以物体的分类为基础。如果车道阻塞情况是在通过侧有一个侧门的卡车,则可以基于在车辆301在超过卡车的过程中卡车在通过侧的侧门打开的情况下避免碰撞来确定车辆和卡车之间的间隙。轨迹规划器517可以响应于确定的空隙而与运动规划模块520相接合以生成具有用于导航自动驾驶车辆绕过车道阻塞情况的向前运动规划的轨迹。
在108,系统501可以确定每个移动活动者320在时间视界内的每个时间tn时的时间余量340(图3)。时间余量340存储在列表中。在一些实施例中,列表可以被排序。将关于图2描述用于确定时间余量340的过程。
具体参考图2,说明用于确定时间余量340(图3)的示例过程108的流程图。在201,系统501可以基于规划轨迹310来确定时间视界350。时间视界可以包括规划轨迹310上的自动驾驶车辆在遵循轨迹时将至少部分地在相邻车道上的那些位置的开始时间352和结束时间354之间的时间度量。为了说明的目的并且通过示例,假设参考的开始时间352被定义为规划轨迹310上自动驾驶车辆进入相邻车道303B的第一个时间点。假设为了说明的目的,开始时间对应于参考点3022,但可以比显示的实际开始点更早开始。结束时间354被定义为规划轨迹310上车辆将在相邻车道303B上的最后一个时间点。假设为了说明的目的,结束时间对应于参考点3024,但可以比显示的点更晚结束。因此,开始时间352和结束时间354是基于预测的在沿着轨迹310的位置处的自动驾驶车辆状态,预测在那些位置处车辆车身偏离车道。开始时间352可以对应于导致偏离车道的第一个位置。结束时间354可以对应于导致偏离车道的最后一个位置。
在202,系统501可以A)预测在相邻车道上在时间t时移动活动者的状态。如先前所描述的,系统501可以使用分类器515以使用来自计算机视觉系统560的数据来对相邻车道中的移动活动者进行分类。移动活动者的状态可以包括移动活动者的速度和方向中的一个或多个。移动活动者的状态可以包括活动者的姿势。预测移动活动者的状态可以包括预测活动者的轨迹。
例如,可以基于从比如LADAR或LIDAR系统564、RADAR或SONAR系统566和/或计算机视觉系统560的摄像机562这样的物体检测传感器输出的传感器数据进行由分类器515执行移动活动者分类。任何现在或以后已知的物体分类技术可以使用比如但不限于点云标记、用于形状/姿势估计的机器学习算法等。系统可以检测自动驾驶车辆301的环境内(例如,在一定距离内)的移动活动者。可以基于从自动驾驶车辆301的计算机视觉系统560的物体检测传感器输出的实时传感器数据进行这种检测。
系统501也可以使用接收到的传感器数据来确定关于检测到的移动活动者320的当前状态信息,比如但不限于物体的速度、物体分类、物体的行驶方向、姿势(包括行进方向和/或取向)、物体相对于道路网络的绕过物体的位置的一个或多个车道对齐等。道路网络信息669存储在数据存储570或存储装置中。通过分类器515的物体分类在先前被描述并且包括具有特征提取算法的机器学习以及物体类和子类。移动活动者的状态的示例可以包括但不限于活动者与车道重叠的范围或百分比、活动者与车道的对齐(即,活动者相对于车道的行进方向/取向)、物体分类、行驶方向、速度和/或加速度、行进方向和/或取向等。
在204,系统501可以B)确定预测移动活动者状态将小于在时间t时距离自动驾驶车辆301的阈值安全距离(即,预测的自动驾驶车辆状态)的第一时间。(在这种背景下,术语“第一”不一定要求是车辆实际第一次处于状态,而是相对于随后的“最后”时间的相对顺序的术语,使得“第一”时间和“最后”时间仅定义时间视界的边界)。预定的阈值安全距离可以是参数或变量,如稍后更详细地讨论。为了便于讨论,阈值安全距离可以是50cm。然而,实际中使用的实际距离不限于这个值。
在206,系统501可以将时间余量确定为A)和B)之间(即,(A)移动活动者将处于在步骤202确定的状态的时间和(B)移动活动者将在如步骤204确定的阈值安全距离内的时间之间)的时间度量。在208,系统501可以将时间余量以时间缓冲列表或其他格式存储在数据存储中。在210,系统501可以确定是否完成时间视界的结束。如果判定结果是“否”,则系统501(在212)可以增量时间t并且重复过程108以确定在时间视界内的每个相应时间t的时间余量,时间视界在自动驾驶车辆状态和沿着轨迹310的预测的自动驾驶车辆状态310之间,在时间视界期间自动驾驶车辆将在相邻车道上。时间t的增量可以是一秒,或几分之一秒,或任何其他时间间隔。如果判定结果是“否”,则系统501可以返回到图1的108。在图1的110,系统501可以从时间缓冲列表选择最小时间余量。
例如,时间视界350可以是十秒钟或更久,并且将关于图3更详细地描述。
将这个值用作为示例,如果时间余量的系统使用50厘米(cm)的阈值安全距离,如果自动驾驶车辆301轨迹将在时间t时将车辆置于车道外的某个位置,并且预测的移动活动者状态在时间t+1.8时在预测自主状态的50cm内,则在时间t移动活动者的时间余量是1.8秒。
如果对于自动驾驶车辆规划处于偏离车道的所有时间,在阈值安全距离内在任何时间都没有预测的移动活动者,则时间缓冲将是无限的。
再次返回到图1,在112,系统501确定最小时间余量是否达到对应于如图4的图表所示的所需时间缓冲的安全距离阈值。所需时间缓冲是预测安全偏离车道的阈值。为了继续,所有的时间余量必须达到或超过所需时间缓冲的安全距离阈值。
(在112)决定允许系统501控制自动驾驶车辆的导航和运动(在114)。如果判定结果是“是”,则系统501(在115)比如通过车载计算装置512根据轨迹310生成转向(操纵)控制信号来控制自动驾驶车辆301转向。转向控制信号可以控制自动驾驶车辆301绕过车道阻塞情况305转向并且至少进入相邻车道303B的一部分。通过非限制性示例,转向控制信号可以通过车载计算装置512发送到转向控制器524(图5)。例如,车载计算装置512可以给路由控制器531提供轨迹310以协助离开当前路径并且实施轨迹310。
如果判定结果是“否”,则系统501(在116)可以降低自动驾驶车辆301的速度和/或可以遵循轨迹但还没有到越过进入相邻车道的程度。例如,系统501的车载计算装置512可以生成发送到速度控制器528(图5)以降低速度的速度控制信号。在一些实施例中,这些控制信号可以生成发送到制动控制器522(图5)以降低速度的制动控制信号。此外,如果判定结果是“否”,则系统501(在116)可以降低自动驾驶车辆301的速度和/或可以遵循另一个选定的轨迹。在一些实施例中,系统可以评估多条轨迹,例如可以包括选择硬停止或软停止。
在框118,系统501可以比如通过从速度传感器538接收当前速度数据来确定速度是否近似为零或等于零。如果判定结果是“是”,则系统501(在120)可以控制自动驾驶车辆301停止,比如在与导致车道阻塞情况305的物体碰撞或撞击之前通过如上所述的生成制动控制信号以控制制动控制器522。如果判定结果是“否”,则系统501可以返回以继续检测车道阻塞情况305(在102),车道阻塞情况305可以随着时间的推移而改变,比如在需要停止或转向绕过车道阻塞情况之前。例如,如果导致车道阻塞情况305的物体是停止的车辆,则停止的车辆可以移动使得车道阻塞情况305被解决,因此车道变得畅通以由自动驾驶车辆沿着继续前进。在其他场景下,可以移走车道阻塞物。在其他示例中,时间余量基于自动驾驶车辆301的降低(修正)的速度而更新。然而,包括导致偏离车道的位置的规划轨迹310可以基本上保持不变,除了到达时间可能会延迟。因此,时间视界的开始时间和结束时间可以基于自动驾驶车辆到达轨迹上的位置的预测时间而改变。同样,时间余量可以更新。
系统501可以配置成因为车道阻塞情况305而使自动驾驶车辆301减速直到自动驾驶车辆301安全转向绕过车道阻塞情况305或停止。应该理解的是,如果自动驾驶车辆转向绕过车道阻塞情况305是不安全的,则时间余量340对目前的情况来说太小而不能执行安全偏离车道。自动驾驶车辆301可能被导致开始减速几个周期。因此,使自动驾驶车辆减速多个周期直到相邻车道303B上的交通充分地偏离规划轨迹,可以使计算的时间余量增加。因此,当时(交通充分地偏离规划轨迹310),一旦增加的时间余量与所需时间缓冲相同或大于所需时间缓冲,则系统501可以选择轨迹310以转向绕过车道阻塞情况305,所需时间缓冲预测安全偏离车道。
对相邻车道上的每个移动活动者重复过程100,自动驾驶车辆缺陷可能影响其偏离车道。如果所有移动活动者320的时间余量大于所需缓冲,则轨迹310是安全的并且系统501将控制自动驾驶车辆301行驶轨迹310。例如,系统501将生成使自动驾驶车辆301以一种方式绕过导致车道阻塞情况305的物体行驶的操纵(转向)控制信号,这种方式避免与导致车道阻塞情况305的阻塞物和移动活动者320两者的碰撞。
可以使用硬件、固件、软件或这些的任意组合来实施过程100。例如,过程100可以实施为微控制器、处理器和/或图形处理单元(GPU)以及具有用于存储数据和编程指令的寄存器和/或数据存储570(图5)的接口的一部分,编程指令在执行时执行描述的过程100。
发明人已经确定过程100是计算有效的。在各种实施例中,可能只需要生成绕过车道阻塞情况305的一条轨迹310。然而,如果车辆速度降低,则车辆到达预测自动驾驶车辆状态的时间可以更新。如果过程100使自动驾驶车辆301减速直到相邻车道畅通并且接着在那个时间转向绕过车道阻塞情况305,则过程100是紧急的并且需要的计算小于在系统501试图提前规划整个行为所需的计算。例如,在这种情况下,系统501不需要执行显示计算来决定在转向到相邻车道之前等待多久,如将要关于图3更详细地描述。
具体参考图3,自动驾驶车辆301具有相对于车辆车身317的参考点。参考点302可以定义从参考点到车辆车身317的外部上的每个点的距离。在这种情况下规划轨迹310已经偏离车道进入相邻车道303B以便自动驾驶车辆301避免与车道阻塞情况305碰撞或撞击。车道阻塞情况305用方框表示。为了便于说明,假设方框表示由车道阻塞情况305占用的区域。因此,为了避免与车道阻塞情况305的碰撞或撞击,车辆301需要转向绕过由车道阻塞情况305占用的区域。在这种情况下,车道阻塞情况305使车道303A到分界线304的宽度缩小。如先前所描述的,可以在车辆301和车道阻塞情况305的通过侧之间建立空隙329。车道303A是第一车道并且可以对应于车辆301行驶的分配车道。相邻车道303B是第二车道并且对应于可以分配给物体的车道。第一和第二车道是相邻的并且总体上彼此平行。
在说明的示例中,假设已经根据参考点302规划自动驾驶车辆301的路径的规划轨迹310,使得路径偏离部分逐渐使自动驾驶车辆朝向分界线304推进到相邻车道303B,因此自动驾驶车辆避免与沿着规划轨迹310的每个点或位置的车道情况305的表面发生碰撞或撞击。规划轨迹310也包括在分界线304处或在分界线304附近的路径重叠部分,使得车辆车身重叠到相邻车道303B上。路径重叠部分可以对应于时间视界。规划轨迹310也包括车道返回部分以将自动驾驶车辆返回到用虚线表示的车道303A的中心306。标记3011、3012、3013和3014的虚线框是相对于参考点3021、3022、3023和3024的沿着规划轨迹310的不同的预测自动驾驶车辆状态。参考点3021、3022、3023和3024显示占用规划轨迹310上的点或位置。
在示例中,为了说明的目的,假设自动驾驶车辆301沿着车道303A的中心306行驶。规划轨迹310大约从车道303A的中心306(由参考点302表示)开始并且在规划轨迹310的路径端319将车辆301返回到车道303A的中心。
在图示中,由附图标记345表示的示例距离表示轨迹310的最大规划车道偏离,通过示例这在参考点3023发生。最大规划车道偏离345是测量从分界线304到车辆车身317的纵向侧的线的距离,这重叠到相邻车道303B。如图3最佳可见,与在参考点3022和3024处的最大规划车道偏离相关联的距离小于与在参考点3023处的最大规划车道偏离相关联的距离。
在图示中,参考点3021,将车辆车身317完全置于车道303A上。参考点3022、3023和3024将车辆车身317的一部分置于分界线304上。时间视界不一定延续沿着轨迹行驶的整个时间。相反,时间视界是导致车辆车身317偏离车道的自动驾驶车辆的预测状态的时间长度。应该理解的是,已经省略沿着自动驾驶车辆的规划轨迹的一些参考点以防止图中的拥挤。
时间余量340对应于移动活动者320和在参考点3023处的自动驾驶车辆3013之间的时间。时间余量340显示为物体的本体327的前端(即,前部)和车辆车身317的尾端(即,后部)之间测量的时间距离。将为自动驾驶车辆301附近的其他移动活动者320计算时间余量340。将为时间视界350内的每个时间点t确定时间余量340,但只显示一个时间余量340。如果在时间视界内有多个移动活动者在评估,则选定的时间余量340(在110)应该包括所有移动活动者中最小的移动活动者。
图4说明所需时间缓冲和自动驾驶车辆车道规划车道偏离的程度之间的关系的示例图表400。图表400说明不管距离任何超过2.0秒的时间余量都满足安全距离要求。图表400说明.5米(m)和1.0m之间的斜线。如果自动驾驶车辆301将移动到相邻车道的最大规划车道偏离是.5m,则最小时间缓冲应该是1.25秒。如果自动驾驶车辆301将移动到相邻车道的最大规划车道偏离是.5m至1m,则最小时间缓冲应该分别是1.25秒至2.0秒。如果自动驾驶车辆301将移动到相邻车道的最大规划车道偏离是.3m,则最小时间缓冲应该是.5秒。应该理解的是图表400可以基于自动驾驶车辆的速度来改变,并且图4中使用的数字只是示例。
具体参考图5,系统501可以包括发动机或马达502以及用于测量车辆的各种参数和/或其环境的各种传感器535。系统501可以集成到车辆车身中。自动驾驶车辆可以是完全自主的或半自主的。例如,对两种类型的车辆常见的运行参数传感器包括:比如加速度计、陀螺仪和/或惯性测量单元这样的定位传感器536;速度传感器538;以及里程表传感器540。系统501也可以具有时钟542,系统架构使用时钟542来确定在运行期间的车辆时间。时钟542可以被编码到车辆车载计算装置512中,时钟542可以是单独的装置,或可能多个时钟是可用的。将结合图6描述图5,图6说明车载计算装置512的示例构架。
系统501也可以包括操作以收集关于车辆正在其中行驶的环境的信息的各种传感器。例如,这些传感器可以包括:比如全球定位系统(GPS)装置这样的位置传感器544;比如一个或多个摄像机562、LADAR或LIDAR传感器系统564、和/或RADAR或SONAR系统566这样的物体检测传感器。物体检测传感器可以是计算机视觉系统560的一部分。传感器535也可以包括比如降水传感器和/或环境温度传感器这样的环境传感器568。物体检测传感器可以使系统501能够检测在车辆301的给定距离或范围内的在任何方向上的物体,而环境传感器收集关于车辆的行驶区域内的环境条件的数据。系统501也将包括一个或多个用于捕获环境的图像的摄像机562。
系统501可以包括感知系统,感知系统包括一个或多个捕获关于移动活动者和车辆的周围环境中存在的其他物体的信息的传感器535。示例传感器包括摄像机、LADAR或LIDAR传感器和雷达传感器。由这样的传感器捕获的数据(比如数字图像、LADAR或LIDAR点云数据、或雷达数据)被称为感知数据。感知系统可以包括一个或多个处理器,以及具有将处理感知数据以识别物体并且将分类标签和唯一标识符分配给在场景中检测到的每个物体的编程指令和/或训练过的人工智能模型的计算机可读存储器。分类标签可以包括比如车辆、骑行者、行人、建筑物等的类别。识别物体以及将分类标签分配给物体的方法在本领域是众所周知的,并且可以使用任何合适的分类程序,比如对场景中检测到的物体进行边界框预测并且使用卷积神经网络或其他计算机视觉模型的那些分类程序。在“尤尔特塞韦尔等人的自主驾驶调查:常见做法和新兴技术”(arXiv,2020年4月2日)中描述一些这样的程序(“Yurtsever et al.,A Survey of Autonomous Driving:Common Practices andEmerging Technologies”(arXiv April 2,2020))。
在车辆运行期间,信息从传感器通信到车载计算装置512。车载计算装置512分析由感知系统传感器捕获的数据并且充当运动规划系统执行指令以确定车辆的轨迹。轨迹包括姿势和时间参数,并且车辆的车载计算装置将控制各种车辆部件的操作以沿着轨迹移动车辆。例如,车载计算装置512可以通过制动控制器522控制制动;通过转向控制器524控制方向;通过(气体动力车辆中的)节气门控制器526或马达速度控制器528(比如电动车辆中的电流电平控制器)控制速度和加速度;通过(具有变速器的车辆中的)差动齿轮控制器530控制齿轮;和/或控制比如辅助装置控制器554这样的其他控制器。车载计算装置512可以包括一个或多个到传感器535的通信链路。
可以使用硬件、固件、软件或这些的任何组合实施车载计算装置512。例如,车载计算装置512可以实施为微控制器、处理器和/或图像处理单元(GPU)的一部分。车载计算装置512可以包括用于存储数据和编程指令的寄存器和/或数据存储570或与用于存储数据和编程指令的寄存器和/或数据存储570相接合,编程指令在执行时基于比如来自计算机视觉系统的摄像机和传感器的传感器信息来执行车辆导航。车载计算装置512可以执行过程100的一个或多个步骤。
可以使用硬件、固件、软件或这些的任何组合实施分类器515。例如,分类器515可以实施为微控制器、处理器和/或GPU的一部分。分类器515可以包括用于存储数据和编程指令的寄存器和/或数据存储570或与用于存储数据和编程指令的寄存器和/或数据存储570相接合,编程指令在执行时对环境和比如行人、车辆和物体这样的检测到的物体进行分类,如上面所描述。在下面提供分类器515的附加细节。
可以使用硬件、固件、软件或这些的任何组合实施轨迹规划器517。例如,轨迹规划器517可以实施为微控制器、处理器和/或GPU的一部分。轨迹规划器517可以包括用于存储数据和编程指令的寄存器和/或数据存储570或与用于存储数据和编程指令的寄存器和/或数据存储570相接合,编程指令在执行时基于比如来自计算机视觉系统的摄像机和传感器的传感器信息来规划绕过车道阻塞情况305的轨迹310。
车载计算装置512可以包括用于存储数据和编程指令的寄存器和/或数据存储570或与用于存储数据和编程指令的寄存器和/或数据存储570相接合,编程指令在执行时基于比如来自计算机视觉系统560的处理过的传感器信息来执行物体检测,并且沿着车辆301行驶的路径追踪静止活动者(即,静止物体、静止车辆和静止行人)和移动活动者(即,物体、车辆和行人)。
可以在车辆301运行期间使用车载计算装置512,使得沿着行驶路径捕获到的活动者被提取、识别、分类、定位,并且预测活动者的运动以避免车辆301与任何活动者的碰撞并且控制车辆的导航。可以确定活动者、物体或车辆是静止的或具有零运动和零方向。车辆正前方的活动者、物体或车辆可能成为车道阻塞情况305,可以车道阻塞情况305下允许车辆301执行安全偏离车道。
车载计算装置512可以执行机器学习665以用于规划车辆沿着从全局坐标系统的起始位置到目的地位置的路线的运动。参数可以包括但不限于管辖区机动车辆运行法律(即,速度限制)、车辆路径上的物体、预定或规划的路线、十字路口的交通信号灯等。配置成生成运动控制信号的运动规划模块520可以控制车辆的加速度、速度、制动和转向以避免路线上的碰撞。
地理位置信息可以从位置传感器544通信到车载计算装置512,车载计算装置512然后可以访问对应于位置信息的环境地图以确定比如街道、建筑物、停车标志和/或停止/通行信号这样的已知环境固定特征。地图包括地图数据674。从摄像机562捕获的图像和/或从比如LADAR或LIDAR系统564这样的传感器捕获的物体检测信息从那些传感器)通信到车载计算装置512。物体检测信息和/或捕获的图像可以由车载计算装置512处理以检测车辆301附近的物体。此外或可替换地,车辆301可以将任何数据传输到远程服务器系统(未示出)以进行处理。可以在本文件中公开的实施例中使用基于传感器数据和/或捕获的图像进行物体检测的任何已知或将要已知的技术。车辆也可以通过比如那些被称为车辆与车辆、车辆与物体或其他V2X通信链路这样的一个或多个无线通信链路从通信装置(比如收发器、信标和/或智能手机)接收状态信息、描述性信息或关于其环境中的装置或物体的其他信息。术语“V2X”指的是车辆和车辆的环境中的一个或多个电子装置之间的通信。
车载计算装置512可以获取、检索和/或创建提供关于自动驾驶车辆301的周围环境的详细信息的地图数据674(图6)。例如,车载计算装置512也可以基于三维位置数据(例如,来自GPS的数据)、三维方向数据、预测位置等确定自动驾驶车辆在环境中(定位)的位置、方向、姿势等。例如,车载计算装置512可以接收GPS数据以确定自动驾驶车辆的纬度、经度和/或海拔位置。比如基于激光的定位系统、惯性辅助GPS、或基于摄像机的定位这样的其他位置传感器或系统也可以用于识别车辆的位置。车辆301的位置可以包括比如纬度、经度和海拔这样的绝对地理位置以及比如相对于就在其周围的其他轿车的位置这样的相对位置信息,通常可以用比绝对地理位置更小的噪音确定位置。地图数据674可以提供关于以下的信息:不同车行道、道路段、车道段、建筑物或其他项目的身份和位置;交通车道的位置、边界和方向(例如,停车车道、转弯车道、自行车车道或特定车行道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、交通信号灯或其他交通控制装置的位置和指令);和/或提供协助车载计算装置512分析自动驾驶车辆301的周围环境的信息的任何其他地图数据674。地图数据674也可以包括用于确定在冲突区域或空间中的物体和/或车辆的通行权的信息和/或规则。
在某些实施例中,地图数据674也可以包括参考路径信息,参考路径信息对应于沿着一个或多个车道行驶的车辆的常见模式,使得物体的运动被参考路径(例如,物体通常在上面行进的交通车道内的位置)限制。这样的参考路径可以是预定义的,比如交通车道的中心线。可选地,可以基于在一段时间内的车辆或其他物体的历史观察(例如,直线行驶、车道合并、转弯等的参考路径)来生成参考路径。
在某些实施例中,车载计算装置512也可以包括和/或可以接收与用户的行程或路线、路线上的实时交通信息等有关的信息。
车载计算装置512可以包括路由控制器531和/或可以与路由控制器531通信,路由控制器531为自动驾驶车辆生成从起始位置到目的地位置的导航路线。路由控制器531可以访问地图数据674(图6)以识别可能的路线和车辆可以在上面行驶以从起始位置到达目的地位置的道路段。路由控制器531可以给可能的路线评分并且识别到达目的地的首选路线。例如,路由控制器531可以生成使在路线期间行驶的欧几里得距离或其他成本函数减到最小的导航路线,并且可以进一步地访问可以影响在特定路线上行驶所花费的时间量的交通信息和/或估计。根据实施,路由控制器531可以使用比如迪杰斯特拉算法、贝尔曼-福特算法或其他算法这样的各种路由方法生成一条或多条路线。路由控制器531也可以使用交通信息以生成反映路线的预期条件(例如,一周中的今天或一天的当前时间等)的导航路线,使得为高峰时段行驶而生成的路线可以与为深夜行驶而生成的路线不同。路由控制器531也可以生成不止一条到目的地的导航路线并且向用户发送这些导航路线中的不止一条导航路线供用户从各种可能的路线中选择。
在各种实施中,车载计算装置512可以确定自动驾驶车辆301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获得的位置信息,车载计算装置512可以确定自动驾驶车辆301的周围环境的感知信息。感知信息可以表示普通驾驶员将感知到的车辆的周围环境中的事物。感知数据可以包括与自动驾驶车辆301的环境中的一个或多个物体有关的信息。例如,车载计算装置512可以处理传感器数据(例如,LADAR数据、LIDAR数据、RADAR数据、SONAR数据、摄像机图像等)以便识别自动驾驶车辆301的环境中的物体和/或特征。物体可以包括交通信号灯、车行道边界、其他车辆、行人和/或障碍物等。车载计算装置512可以使用任何现在或以后已知的物体识别算法、视频跟踪算法和计算机视觉算法(例如,在若干时间段内逐帧迭代地跟踪物体)以确定感知。如在下面所讨论的,感知信息可以包括由丢弃地面LIDAR点识别的物体。
在一些实施例中,车载计算装置512也可以关于环境中的一个或多个识别的物体确定物体的当前状态。每个物体的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、当前行进方向;当前姿势;当前形状、大小或占地空间;类型(例如,车辆与行人与自行车与静止物体或障碍物);和/或其他状态信息。如下面更详细地讨论,车载计算装置512也可以识别在任何时刻由物体占用的车道。
车载计算装置512可以执行一个或多个预期和/或预测操作。例如,车载计算装置512可以预测一个或多个物体的未来位置、轨迹和/或行动。例如,车载计算装置512可以至少部分地基于感知信息(例如,包括如下面的讨论所确定的估计形状和姿势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、自动驾驶车辆301、周围环境的过去和/或当前状态和/或它们的关系的任何其他数据来预测物体的未来位置、轨迹和/或行动。例如,如果物体是车辆并且当前行驶环境包括十字路口,则车载计算装置512可以预测物体将可能直线向前移动还是拐弯。如果感知数据指示十字路口没有交通信号灯,则车载计算装置512也可以预测车辆在进入十字路口前是否必须完全停止。
在各种实施例中,车载计算装置512可以通过运动规划模块520确定自动驾驶车辆的运动规划。例如,车载计算装置512可以基于感知数据和/或预测数据来确定自动驾驶车辆的运动规划。具体地,考虑到关于邻近物体的未来位置的预测和其他感知数据,车载计算装置512可以确定相对于在它们的未来位置的物体最佳导航自动驾驶车辆的自动驾驶车辆301的运动规划。
如上面所讨论的,生成关于自动驾驶车辆的运动的规划和控制数据以用于执行。例如,车载计算装置512可以通过制动控制器控制制动;通过转向控制器控制方向;通过(气体动力车辆中的)节气门控制器或马达转速控制器(比如电动车辆中的电流电平控制器)控制速度和加速度;控制(具有变速器的车辆中的)差动齿轮控制器;和/或控制其他控制器。
在本文件中讨论的各种实施例中,描述可以陈述车辆或包含在车辆中(例如,车载计算系统中)的控制器可以执行使车辆和/或控制器做出决定并且使用决定来控制车辆的运行的编程指令。然而,实施例不限于这种布置,因为在各种实施例中,分析、决策和或操作控制可以全部或部分地由与车辆的车载计算装置和/或车辆控制系统电子通信的其他计算装置处理。这样的其他计算装置的示例包括与坐在车辆中的人相关联的电子装置(比如智能手机)、以及通过无线通信网络与车辆电子通信的远程服务器。任何这种装置的处理器可以执行将在下面讨论的操作。
上述公开的特征和功能以及替代可以组合成许多其他不同的系统或应用程序。可以在硬件或软件或嵌入式软件中实施各种组件。可以由本领域的技术人员做出各种目前无法预见或未预料到的替代、修改、变化或改进,替代、修改、变化或改进中的每一个也旨在由公开的实施例包含。
上面提供的与本公开有关的术语包括:
术语“车辆”指的是能够运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交通工具。术语“车辆”包括但不限于轿车、卡车、货车、火车、自动驾驶车辆、飞机、无人驾驶飞机等。“自动驾驶车辆”是具有处理器、编程指令和在不需要人类操作员的情况下可由处理器控制的传动系部件的车辆。自动驾驶车辆可以是完全自主的,因为大多数或所有的驾驶条件和功能都不需要人类操作员。可替代地,自动驾驶车辆可以是半自主的,因为在某些条件下或某些操作可能需要人类操作员,或因为人类操作员可以超驰控制车辆的自主系统并且可以控制车辆。自动驾驶车辆也包括自主系统增强车辆的人工操作的车辆,比如具有驾驶员辅助转向、车速控制、制动、停车和其他先进驾驶员辅助系统的车辆。
“电子装置”或“计算装置”指的是包括处理器和存储器的装置。每个装置可以具有其自己的处理器和/或存储器,或处理器和/或存储器可以与如虚拟机或容器设置中的他装置冲突。存储器将包含或接收编程指令,当由处理器执行时,编程指令使电子装置根据编程指令执行一个或多个操作。
术语“存储器”、“存储装置”、“计算机可读介质”、“数据存储”、“数据存储设施”等各自指的是编程指令和数据存储在其上的非暂时性计算机可读介质。除非另有明确规定,术语“存储器”、“存储装置”、“计算机可读介质”、“数据存储”、“数据存储设施”等旨在包括单个装置实施例,一起或共同存储一组数据或指令的多个存储装置以及这种装置内的单独扇区的实施例。
术语“处理器”和“处理装置”指的是配置成执行编程指令的电子装置的硬件组件。除非另有明确规定,单一术语“处理器”或“处理装置”旨在包括单个处理装置实施例和一起或共同执行过程的多个处理装置的实施例。
在本文件中,术语“通信链路”和“通信路径”意指有线或无线路径,第一装置通过有线或无线路径向一个或多个其他装置发送通信信号和/或从一个或多个其他装置接收通信信号。如果装置能够通过通信链路发送和/或接收数据,则装置是“通信地连接”。“电子通信”指的是无论通过有线还是无线网络以及无论直接还是间接通过一个或多个中间装置而在两个或两个以上电子装置之间通过一个或多个信号来传输数据。
当在自主车辆运动规划的背景下使用时,术语“轨迹”指的是车辆的运动规划系统将生成的规划,并且车辆的运动控制系统在控制车辆的运动时将遵循该规划。轨迹包括在时间视界内的多个时间点上的车辆的规划位置和方向,以及在同一时间视界内的车辆的规划方向盘转角和角速率。自主车辆的运动控制系统将使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指令以沿着规划路径移动车辆。
车辆的感知或预测系统可以生成的活动者的“轨迹”指的是在时间视界内活动者将遵循的预测路径,连同活动者的预测速度和/或在沿着时间视界的不同点的活动者沿着路径的位置。
术语“分类器”意指自动化过程,人工智能系统可以通过自动化过程将标签或类别分配给一个或多个数据点。分类器包括通过比如机器学习这样的自动化过程训练的算法。分类器通常从一组标记或未标记的训练数据开始并且应用一个或多个算法来检测对应于各种标签或类的数据中的一个或多个特征和/或模式。算法可以包括但不限于像决策树一样简单、像朴素贝叶斯分类一样复杂的那些算法,和/或比如K近邻算法这样的中间算法。分类器可以包括人工神经网络(ANN)、支持向量机分类器、和/或任何一种不同类型的分类器。一旦被训练,分类器然后就可以使用它在训练期间学习的知识库对新的数据点进行分类。训练分类器的过程可以随着时间的推移而演变,因为可以定期地根据更新数据训练分类器,并且分类器可以从提供的关于数据的信息中了解到它们可能分类错误。将通过执行编程指令的处理器实施分类器,并且可以在比如图像数据、LADAR系统数据、LIDAR系统数据和/或其他数据这样的大型数据集上运行。
术语“物体”,当指的是由车辆感知系统检测或通过仿真系统仿真的物体时,旨在包括静止物体和移动(或潜在移动)活动者两者或行人,除非通过使用术语“活动者”或“静止物体”另有明确规定。
在本文件中,当比如“第一”和“第二”这样的顺序的相关术语用于修饰名词时,这样的使用仅旨在将项目彼此区分开,并且不旨在要求顺序排列,除非明确规定。
此外,比如“前面”和“后面”这样的相对位置的术语在使用时旨在彼此相关并且不必是绝对的,并且只指的是与取决于装置的方向的那些术语相关联的装置的一个可能位置。当本文件使用术语“前面”、“后面”和“侧面”来提及车辆的区域时,它们指的是相对于车辆的默认行驶区域的车辆区域。例如,汽车的“前面”是与到车辆的尾灯相比更靠近车辆的前照灯的区域,而汽车的“后面”是与到车辆的前照灯相比更靠近车辆的尾灯的区域。此外,术语“前面”和“后面”不一定限于面向前方或面向后方的区域,而是分别包括与后面相比更靠近前面或反之亦然的侧面区域。车辆的“侧面”旨在提及在车辆的最前面部分和最后面部分之间的面向侧面的部分。
Claims (20)
1.一种方法,所述方法包括:
通过自动驾驶车辆的感知系统的一个或多个传感器:
获取表示由所述自动驾驶车辆行驶的第一车道上的车道阻塞情况的数据,以及
获取表示与所述第一车道相邻的第二车道上的移动活动者的数据;通过所述自动驾驶车辆的处理器:
规划所述车辆绕过所述车道阻塞情况的轨迹,所述轨迹包括所述第二车道上的一个或多个位置,
对于时间视界内的多个时间tn中的每一个,通过测量在时间tn时所述移动活动者的预测状态和所述自动驾驶车辆的预测状态之间的各自时间量来确定时间余量,
识别确定的时间余量中的最小时间余量,
确定所述最小时间余量是否等于或大于所需时间缓冲,以及
如果所述最小时间余量等于或大于所述所需时间缓冲,则生成运动控制信号以使所述自动驾驶车辆遵循所述轨迹并且绕过所述车道阻塞情况转向到所述第二车道中,否则生成运动控制信号以使所述自动驾驶车辆降低速度或停止。
2.根据权利要求1所述的方法,其中当所述最小时间余量不等于或大于所述所需时间缓冲时,生成所述运动控制信号包括在继续监控所述移动活动者时降低所述自动驾驶车辆的速度。
3.根据权利要求2所述的方法,其中继续监控所述移动活动者包括:
确定在更新时间视界内的每个时间tn时的更新时间余量,
识别所述更新时间余量中的最小更新时间余量;以及
确定所述最小更新时间余量是否等于或大于所述所需时间缓冲。
4.根据权利要求1所述的方法,所述方法进一步地包括将所述所需时间缓冲确定为所述自动驾驶车辆转向到所述第二车道中的横向距离的函数。
5.根据权利要求4所述的方法,所述方法进一步地包括还基于所述自动驾驶车辆的速度来确定所述所需时间缓冲变化。
6.根据权利要求1所述的方法,所述方法进一步地包括:
确定沿着所述轨迹的一部分的开始时间,其中所述开始时间对应于所述轨迹上的所述一个或多个位置中的第一位置;
确定沿着所述轨迹的一部分的结束时间,其中所述结束时间对应于所述轨迹上的所述一个或多个位置中的最后位置;以及
将所述时间视界确定为所述开始时间和所述结束时间之间的时间度量。
7.根据权利要求6所述的方法,其中对于所述时间视界内的所述多个时间tn中的每一个确定所述时间余量进一步地包括:
a)确定在所述时间视界内的每个时间tn时所述移动活动者的预测状态;
b)确定当所述自动驾驶车辆遵循所述轨迹进入所述第二车道时所述预测移动活动者状态将小于距离所述自动驾驶车辆的阈值安全距离的第一时间;以及
c)对于每个时间tn,将所述时间余量测量为a)和b)之间的时间度量。
8.根据权利要求1所述的方法,所述方法进一步地包括通过所述自动驾驶车辆的处理器:
使用获取的所述移动活动者的数据来对所述移动活动者进行分类;以及
使用获取的所述车道阻塞情况的数据来对所述第一车道上导致所述车道阻塞情况的物体进行分类。
9.根据权利要求8所述的方法,其中所述轨迹的规划包括:
确定所述自动驾驶车辆的速度;
使用所述第一车道上的所述物体的分类来确定所述第一车道上的所述物体的一侧和所述自动驾驶车辆的一侧之间的所需空隙;以及
规划所述轨迹以保持所述物体和所述自动驾驶车辆之间的所述所需空隙。
10.根据权利要求9所述的方法,其中所述第一车道上的所述物体包括以下中的一个:
至少占用所述第一车道的一部分的停放车辆;
所述第一车道上的静止物体;或
所述第一车道上的静止行人。
11.一种用于自动驾驶车辆的控制系统,所述系统包括:
配置成捕获关于邻近所述车辆的环境的数据的传感器;
处理器;以及
包括编程指令的非暂时性计算机可读介质,所述编程指令在由所述处理器执行时将使所述处理器:
使所述车辆的运动控制系统在第一车道上移动所述车辆;
从所述传感器接收对应于所述第一车道上的车道阻塞情况的实时传感器数据,
从所述传感器接收对应于与所述第一车道相邻的第二车道上的移动活动者的实时传感器数据,
规划所述车辆绕过所述车道阻塞情况的轨迹,所述轨迹包括所述第二车道上的一个或多个位置,
对于时间视界内的多个时间tn中的每一个,通过测量在时间tn时所述移动活动者的预测状态和所述自动驾驶车辆的预测状态之间的各自时间量来确定时间余量,
识别确定的时间余量中的最小时间余量,
确定所述最小时间余量是否等于或大于所需时间缓冲,以及
如果所述最小时间余量等于或大于所述所需时间缓冲,则生成运动控制信号以使所述自动驾驶车辆遵循所述轨迹并且绕过所述车道阻塞情况转向到所述第二车道中,否则生成运动控制信号以使所述自动驾驶车辆降低速度或停止。
12.根据权利要求11所述的控制系统,所述控制系统进一步地包括编程指令,所述编程指令在所述最小时间余量不等于或大于所述所需时间缓冲时使所述处理器在继续监控所述移动活动者时使所述自动驾驶车辆降低所述自动驾驶车辆的速度。
13.根据权利12所述的控制系统,其中所述编程指令使所述处理器继续监控所述移动活动者进一步地包括以下编程指令:
确定在更新时间视界内的每个时间tn时的更新时间余量;
识别所述更新时间余量中的最小更新时间余量;以及
确定所述最小更新时间余量是否等于或大于所述所需时间缓冲。
14.根据权利要求11所述的控制系统,所述控制系统进一步地包括编程指令,所述编程指令在由所述处理器执行时将使所述处理器将所述所需时间缓冲确定为所述自动驾驶车辆转向到所述第二车道中的横向距离的函数。
15.根据权利要求14所述的控制系统,所述控制系统进一步地包括编程指令,所述编程指令在由所述处理器执行时使所述处理器也将所述所需时间缓冲确定为所述自动驾驶车辆的速度的函数。
16.根据权利要求11所述的控制系统,所述控制系统进一步地编程指令,所述编程指令在由所述处理器执行时将使所述处理器:
确定沿着所述轨迹的一部分的开始时间,其中所述开始时间对应于所述轨迹上的所述一个或多个位置中的第一位置;
确定沿着所述轨迹的一部分的结束时间,其中所述结束时间对应于所述轨迹上的所述一个或多个位置中的最后位置;以及
将所述时间视界确定为所述开始时间和所述结束时间之间的时间度量。
17.根据权利要求16所述的控制系统,其中所述编程指令在由所述处理器执行时将使所述处理器对于所述时间视界内的所述多个时间tn中的每一个确定所述时间余量进一步地包括以下编程指令:
a)确定在所述时间视界内的每个时间tn时所述移动活动者的预测状态;
b)确定当所述自动驾驶车辆遵循所述轨迹进入所述第二车道时所述预测移动活动者状态将小于距离所述自动驾驶车辆的阈值安全距离的第一时间;以及
c)对于每个时间tn,将所述时间余量测量为a)和b)之间的时间度量。
18.根据权利要求11所述的控制系统,所述控制系统进一步地包括在由所述处理器执行时将使所述处理器执行以下操作的编程指令:
使用获取的所述移动活动者的数据来对所述移动活动者进行分类;以及
使用获取的所述车道阻塞情况的数据来对所述第一车道上导致所述车道阻塞情况的物体进行分类。
19.根据权利要求18所述的控制系统,其中在由所述处理器执行时将使所述处理器规划所述轨迹的所述编程指令进一步地包括以下编程指令:
确定所述自动驾驶车辆的速度;
使用所述第一车道上的所述物体的分类来确定所述第一车道上的所述物体的一侧和所述自动驾驶车辆的一侧之间的所需空隙;以及
规划所述轨迹以保持所述物体和所述自动驾驶车辆之间的所述所需空隙。
20.一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装置执行时配置成使所述至少一个计算装置执行包括以下的操作:
获取表示由自动驾驶车辆行驶的第一车道上的车道阻塞情况的数据以及表示与所述第一车道相邻的第二车道上的移动活动者的数据;
规划所述自动驾驶车辆绕过所述车道阻塞情况的轨迹,所述轨迹包括所述第二车道上的一个或多个位置;
对于时间视界内的多个时间tn中的每一个,通过测量在时间tn时所述移动活动者的预测状态和所述自动驾驶车辆的预测状态之间的各自时间量来确定时间余量;
识别确定的时间余量中的最小时间余量,
确定所述最小时间余量是否等于或大于所需时间缓冲,以及
如果所述最小时间余量等于或大于所述所需时间缓冲,则生成运动控制信号以使所述自动驾驶车辆遵循所述轨迹并且绕过所述车道阻塞情况转向到所述第二车道中,否则生成运动控制信号以使所述自动驾驶车辆降低速度或停止。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/146,836 | 2021-01-12 | ||
US17/146,836 US11718290B2 (en) | 2021-01-12 | 2021-01-12 | Methods and systems for safe out-of-lane driving |
PCT/US2021/072396 WO2022154986A1 (en) | 2021-01-12 | 2021-11-15 | Methods and systems for safe out-of-lane driving |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116745195A true CN116745195A (zh) | 2023-09-12 |
Family
ID=82322659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180090246.0A Pending CN116745195A (zh) | 2021-01-12 | 2021-11-15 | 车道外安全驾驶的方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11718290B2 (zh) |
CN (1) | CN116745195A (zh) |
DE (1) | DE112021006807T5 (zh) |
WO (1) | WO2022154986A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11735054B1 (en) * | 2019-09-17 | 2023-08-22 | Robert Ryan | Smartphone marine vessel location and collision avoidance system and methods of use |
CN115092136B (zh) * | 2022-07-27 | 2023-09-12 | 广州小鹏自动驾驶科技有限公司 | 车速规划方法、装置、车辆及存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007031578A1 (de) | 2005-09-15 | 2007-03-22 | Continental Teves Ag & Co. Ohg | Verfahren und vorrichtung zum lenken eines kraftfahrzeugs |
JP4366419B2 (ja) * | 2007-09-27 | 2009-11-18 | 株式会社日立製作所 | 走行支援装置 |
US9555801B2 (en) * | 2014-03-05 | 2017-01-31 | Denso International America, Inc. | Active steering safety system |
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 |
JP6269606B2 (ja) * | 2015-07-21 | 2018-01-31 | トヨタ自動車株式会社 | 車両制御装置 |
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 |
US10134278B1 (en) | 2016-01-22 | 2018-11-20 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle application |
CN108473140A (zh) * | 2016-02-18 | 2018-08-31 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及车辆控制程序 |
US10671076B1 (en) * | 2017-03-01 | 2020-06-02 | Zoox, Inc. | Trajectory prediction of third-party objects using temporal logic and tree search |
US20190061765A1 (en) | 2017-08-23 | 2019-02-28 | Uber Technologies, Inc. | Systems and Methods for Performing Lane Changes Around Obstacles |
US10618519B2 (en) | 2017-11-06 | 2020-04-14 | Uatc Llc | Systems and methods for autonomous vehicle lane change control |
US10691130B2 (en) * | 2018-06-06 | 2020-06-23 | Uatc, Llc | Gridlock solver for motion planning system of an autonomous vehicle |
US11091158B2 (en) * | 2018-06-24 | 2021-08-17 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling motion of vehicle with variable speed |
US11181921B2 (en) * | 2018-09-14 | 2021-11-23 | Huawei Technologies Co., Ltd. | System and method for hierarchical planning in autonomous vehicles |
US20200133308A1 (en) | 2018-10-18 | 2020-04-30 | Cartica Ai Ltd | Vehicle to vehicle (v2v) communication less truck platooning |
US11472435B2 (en) * | 2020-11-30 | 2022-10-18 | Automotive Research & Testing Center | Trajectory determination method for a vehicle |
-
2021
- 2021-01-12 US US17/146,836 patent/US11718290B2/en active Active
- 2021-11-15 DE DE112021006807.5T patent/DE112021006807T5/de active Pending
- 2021-11-15 CN CN202180090246.0A patent/CN116745195A/zh active Pending
- 2021-11-15 WO PCT/US2021/072396 patent/WO2022154986A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US11718290B2 (en) | 2023-08-08 |
DE112021006807T5 (de) | 2023-11-23 |
US20220219682A1 (en) | 2022-07-14 |
WO2022154986A1 (en) | 2022-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11608057B2 (en) | Navigation at alternating merge zones | |
US11754408B2 (en) | Methods and systems for topological planning in autonomous driving | |
CN111278707B (zh) | 控制具有自动驾驶模式的车辆的方法和系统 | |
US10928820B1 (en) | Confidence levels along the same predicted trajectory of an obstacle | |
CN106873580B (zh) | 基于感知数据在交叉口处自主驾驶 | |
US9914452B1 (en) | Predicting trajectories of objects based on contextual information | |
US20220105959A1 (en) | Methods and systems for predicting actions of an object by an autonomous vehicle to determine feasible paths through a conflicted area | |
US11648965B2 (en) | Method and system for using a reaction of other road users to ego-vehicle actions in autonomous driving | |
US11618444B2 (en) | Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior | |
US11679780B2 (en) | Methods and systems for monitoring vehicle motion with driver safety alerts | |
US20220340137A1 (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 | |
US11577732B2 (en) | Methods and systems for tracking a mover's lane over time | |
CN116745195A (zh) | 车道外安全驾驶的方法和系统 | |
CN113496189A (zh) | 基于静态障碍物地图的感知方法及系统 | |
CN116724345A (zh) | 用于推断自主车辆的未绘制停止线的方法和系统 | |
WO2022165498A1 (en) | Methods and system for generating a lane-level map for an area of interest for navigation of an autonomous vehicle | |
US11904906B2 (en) | Systems and methods for prediction of a jaywalker trajectory through an intersection | |
US20230043601A1 (en) | Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area | |
CN117416344A (zh) | 自主驾驶系统中校车的状态估计 |
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 |