CN116802697A - 用于高级驾驶员辅助系统的基于地形的洞察的系统和方法 - Google Patents
用于高级驾驶员辅助系统的基于地形的洞察的系统和方法 Download PDFInfo
- Publication number
- CN116802697A CN116802697A CN202180091759.3A CN202180091759A CN116802697A CN 116802697 A CN116802697 A CN 116802697A CN 202180091759 A CN202180091759 A CN 202180091759A CN 116802697 A CN116802697 A CN 116802697A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- information
- location
- profile
- 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 292
- 230000003044 adaptive effect Effects 0.000 claims abstract description 45
- 230000006978 adaptation Effects 0.000 claims abstract description 21
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims abstract 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims abstract 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims abstract 2
- 238000012937 correction Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 35
- 230000000007 visual effect Effects 0.000 claims description 33
- 230000000977 initiatory effect Effects 0.000 claims description 29
- 230000033001 locomotion Effects 0.000 claims description 20
- 230000009471 action Effects 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000007373 indentation Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 20
- 230000006399 behavior Effects 0.000 description 15
- 230000007613 environmental effect Effects 0.000 description 12
- 239000000725 suspension Substances 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 11
- 238000013459 approach Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 230000006378 damage Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005314 correlation function Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000010399 physical interaction Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 201000003152 motion sickness Diseases 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000254 damaging effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本文中描述的系统和方法涉及用于车辆中的高级驾驶员辅助系统(ADAS)的基于地形的洞察。这样的基于地形的洞察可以与诸如自适应巡航控制、车道保持辅助、自动紧急制动、碰撞避免和/或速度自适应等的ADAS特征相关。
Description
相关申请
本申请根据35U.S.C.§119(e)要求于2020年12月23日提交的美国临时申请序列第63/130,028号和于2020年12月30日提交的美国临时申请序列第63/132,184号的优先权权益,上述两个美国临时申请的公开内容通过引用整体并入本文中。
技术领域
所公开的实施方式涉及用于车辆中高级驾驶员辅助系统的基于地形的洞察的系统和相关的使用方法。
背景技术
诸如例如高级驾驶员辅助系统、主动悬架系统和/或自主或半自主驾驶的高级车辆特征可以依赖于车辆的高度准确定位。基于例如全球导航卫星系统(GNSS)的定位系统可能不能为这样的特征提供足够的准确度或分辨率。
发明内容
根据一个方面,本公开内容提供了一种用于向车辆的基于地形的高级驾驶员辅助系统提供基于地形的洞察的方法。方法包括获得车辆正在行驶的路段的道路纵断面(roadprofile),至少部分地基于道路纵断面确定车辆的位置,以及至少部分地基于车辆的位置确定一个或更多个车辆系统的一个或更多个操作参数。
在一些实现方式中,方法还包括将一个或更多个操作参数传输至车辆。在一些实例中,方法还包括至少部分地基于一个或更多个操作参数来操作一个或更多个车辆系统。在一些实例中,方法还包括至少部分地基于一个或更多个操作参数来操作高级驾驶员辅助系统。在一些实例中,操作高级驾驶员辅助系统包括向车辆的驾驶员发起警报。在一些实例中,警报包括视觉警报、听觉警报、触觉或触感警报中的至少一种警报。在一些实例中,操作高级驾驶员辅助系统包括向车辆的自主或半自主驾驶控制器发起警报。
根据另一方面,本公开内容提供了一种用于向车辆的智能速度自适应系统提供基于地形的洞察的方法。方法包括获得车辆正在行驶的路段的道路纵断面,至少部分地基于道路纵断面确定车辆的位置,以及至少部分地基于车辆的位置确定一个或更多个推荐的行驶速度。
在一些实现方式中,方法还包括将一个或更多个推荐的行驶速度传输至车辆。在一些实例中,方法还包括至少部分地基于一个或更多个推荐的行驶速度来操作智能速度自适应系统。在一些实例中,操作智能速度自适应系统包括向车辆的驾驶员发起警报。在一些实例中,警报包括视觉警报、听觉警报、触觉或触感警报中的至少一种警报。在一些实例中,警报是视觉警报,并被呈现在车辆的显示器上。在一些实例中,操作智能速度自适应系统包括向车辆的自主或半自主驾驶控制器发起警报。
在一些实现方式中,推荐的行驶速度至少部分地基于车辆正在行驶的路段的即将到来的部分的道路信息。在一些实例中,路段的即将到来的部分的道路信息包括天气信息。在一些实例中,天气信息包括车辆的位置处的环境温度。在一些实例中,天气信息包括车辆的位置处的降水信息。在一些实例中,天气信息包括车辆的位置处的雾信息。
在一些实现方式中,道路纵断面信息包括道路坡度信息、道路粗糙度信息、道路频率内容、道路摩擦信息、道路曲率或道路抓地力信息中的至少一种。
在一些实现方式中,路段的即将到来的部分的道路信息包括道路事件信息。在一些实例中,道路事件信息包括坑洼或减速带中的至少一个的位置。在一些实例中,道路事件信息基于已经按车辆类别归一化的道路数据。
在一些实现方式中,路段的即将到来的部分的道路信息包括道路特征信息,其中,道路特征是桥梁。
在一些实现方式中,其中,推荐的行驶速度至少部分地基于车辆穿过路段的平均行驶速度。
根据另一方面,本公开内容提供了一种用于向车辆提供推荐的行驶速度的方法。方法包括通过车辆的一个或更多个传感器获得车辆正在行驶的路段的道路数据,基于道路数据确定路段的当前道路纵断面,向云数据库发送当前道路纵断面,从云数据库接收候选存储的道路纵断面集合,通过处理器基于候选存储的道路纵断面集合和当前道路纵断面确定车辆的位置,通过处理器确定推荐的行驶速度,推荐的行驶速度至少部分基于车辆的位置,以及经由车辆的高级驾驶员辅助系统向驾驶员发起警报以改变车辆的行驶速度。
在一些实现方式中,警报包括视觉警报、听觉警报或触感警报中的至少一种警报。在一些实例中,警报是视觉警报,并被呈现在车辆的显示器上。
在一些实现方式中,推荐的行驶速度至少部分地基于车辆正在行驶的路段的即将到来的部分的道路信息。在一些实例中,路段的即将到来的部分的道路信息包括天气信息。在一些实例中,路段的即将到来的部分的道路信息包括道路纵断面信息。在一些实例中,道路纵断面信息包括道路坡度信息、道路粗糙度信息、道路频率内容、道路摩擦信息、道路曲率或道路抓地力信息中的至少一种。在一些实例中,路段的即将到来的部分的道路信息包括道路事件信息。在一些实例中,道路事件信息包括坑洼或减速带中的至少一个的位置。在一些实例中,道路事件信息基于已经按车辆类别归一化的道路数据。在一些实例中,路段的即将到来的部分的道路信息包括道路特征信息,其中,道路特征是桥梁。
在一些实现方式中,推荐的行驶速度至少部分地基于车辆穿过路段的平均行驶速度。
根据另一方面,本公开内容提供了一种用于向车辆的自动紧急制动系统提供基于地形的洞察的方法。方法包括获得车辆正在行驶的路段的道路纵断面,至少部分地基于道路纵断面确定车辆的位置,以及至少部分地基于车辆的位置确定一个或更多个自动紧急制动触发点距离。
在一些实现方式中,方法还包括将一个或更多个自动紧急制动触发点距离传输至车辆。在一些实例中,方法还包括至少部分地基于所传输的一个或更多个自动紧急制动触发点距离来操作自动紧急制动系统。
根据另一方面,本公开内容提供了一种用于确定车辆的自动紧急制动触发点距离的方法。方法包括通过车辆的一个或更多个传感器获得车辆正在行驶的路段的道路数据,基于道路数据确定路段的当前道路纵断面,向云数据库发送当前道路纵断面,从云数据库接收候选存储的道路纵断面集合,通过处理器基于候选存储的道路纵断面集合和当前道路纵断面确定车辆的位置,通过处理器确定自动紧急制动触发点距离,自动紧急制动触发点距离至少部分地基于车辆的位置,以及当车辆距另一车辆或对象在自动紧急制动触发点距离内时,经由车辆的高级驾驶员辅助系统向驾驶员发起警报以进行制动。
在一些实现方式中,方法还包括:当车辆在自动紧急制动触发点距离内时,经由车辆的高级驾驶员辅助系统发起制动命令,该制动命令被配置成发起车辆的制动。
在一些实现方式中,方法还包括:当车辆在小于自动紧急制动触发点距离的第二距离内时,经由车辆的高级驾驶员辅助系统发起制动命令,该制动命令被配置成发起车辆的制动。
在一些实现方式中,警报包括视觉警报、听觉警报或触感警报中的至少一种警报。在一些实例中,警报是视觉警报,并被呈现在车辆的显示器上。在一些实例中,自动紧急制动触发点距离至少部分地基于车辆正在行驶的路段的即将到来的部分的道路信息。在一些实例中,路段的即将到来的部分的道路信息包括天气信息。在一些实例中,路段的即将到来的部分的道路信息包括道路纵断面信息。在一些实例中,道路纵断面信息包括道路坡度信息、道路粗糙度信息、道路频率内容、道路摩擦信息、道路曲率或道路抓地力信息中的至少一种。在一些实例中,路段的即将到来的部分的道路信息包括道路事件信息。在一些实例中,道路事件信息包括坑洼或减速带中的至少一个的位置。在一些实例中,道路事件信息基于已经按车辆类别归一化的道路数据。在一些实例中,路段的即将到来的部分的道路信息包括道路特征信息,其中,道路特征是桥梁。
根据另一方面,本公开内容提供了一种用于向车辆的自适应巡航控制系统提供基于地形的洞察的方法。方法包括获得车辆正在行驶的路段的道路纵断面,至少部分地基于道路纵断面确定车辆的位置,以及至少部分地基于车辆的位置确定一个或更多个跟随距离。
在一些实现方式中,方法还包括将一个或更多个跟随距离传输至车辆。
在一些实现方式中,方法还包括至少部分地基于所传输的一个或更多个跟随距离来操作自适应巡航控制系统。
根据另一方面,本公开内容提供了一种用于确定用于车辆的自适应巡航控制系统的跟随距离的方法。方法包括通过车辆的一个或更多个传感器获得车辆正在行驶的路段的道路数据,基于道路数据确定路段的当前道路纵断面,向云数据库发送当前道路纵断面,从云数据库接收候选存储的道路纵断面集合,通过处理器基于候选存储的道路纵断面集合和当前道路纵断面确定车辆的位置,以及通过处理器确定跟随距离,跟随距离至少部分地基于车辆的位置。
在一些实现方式中,方法还包括:当车辆在跟随距离内时,发起制动命令,该制动命令被配置成发起车辆的制动。
在一些实现方式中,方法还包括:当车辆在跟随距离内时,发起命令,该命令被配置成调整自适应巡航控制的设定速度。
在一些实现方式中,方法还包括向车辆的驾驶员发起警报,其中,警报包括视觉警报、听觉警报或触感警报中的至少一种警报。在一些实例中,警报是视觉警报,并被呈现在车辆的显示器上。
在一些实现方式中,跟随距离至少部分地基于车辆正在行驶的路段的即将到来的部分的道路信息。在一些实例中,路段的即将到来的部分的道路信息包括天气信息。在一些实例中,路段的即将到来的部分的道路信息包括道路纵断面信息。在一些实例中,道路纵断面信息包括道路坡度信息、道路粗糙度信息、道路频率内容、道路摩擦信息、道路曲率或道路抓地力信息中的至少一种。在一些实例中,路段的即将到来的部分的道路信息包括道路事件信息。在一些实例中,道路事件信息包括坑洼或减速带中的至少一个的位置。在一些实例中,道路事件信息基于已经按车辆类别归一化的道路数据。在一些实例中,路段的即将到来的部分的道路信息包括道路特征信息,其中,道路特征是桥梁。
根据另一方面,本公开内容提供了一种调整车辆的操作模式的方法。方法包括通过车辆的一个或更多个传感器获得车辆正在行驶的路段的道路数据,基于道路数据确定路段的当前道路纵断面,向云数据库发送当前道路纵断面,从云数据库接收候选存储的道路纵断面集合和其他道路信息,通过处理器基于候选存储的道路纵断面集合和当前道路纵断面确定车辆的位置,通过处理器确定在路段的即将到来的部分上存在桥梁,通过处理器确定在桥梁上的路段的即将到来的部分上可能出现湿滑状况,以及通过处理器确定用于穿过桥梁的车辆的操作参数的值。
在一些实现方式中,车辆的操作参数是车辆的行驶速度、车辆的自适应巡航控制的跟随距离或自动紧急制动触发距离中的至少一种操作参数。
在一些实现方式中,其他道路信息包括桥梁的位置处的环境温度。
在一些实现方式中,其他道路信息包括桥梁的位置处的天气信息。在一些实例中,天气信息包括桥梁的位置处的降水信息。
根据另一方面,本公开内容提供了一种用于计算穿过路段的第一车辆的目标行驶路径的方法。方法包括确定第一车辆的当前位置,至少部分地基于第一车辆的当前位置获得穿过路段的目标行驶路径,以及确定第一车辆的当前位置与目标行驶路径之间的误差。
在一些实现方式中,方法还包括至少部分地基于所确定的误差来操作一个或更多个车辆系统。在一些实例中,一个或更多个车辆系统包括自主驾驶轨迹规划系统。在一些实例中,一个或更多个车辆系统包括车道保持辅助系统。
在一些实现方式中,方法还包括将误差与阈值进行比较,并确定第一车辆的当前路径适合穿过路段。
在一些实现方式中,方法还包括将误差与阈值进行比较,并确定第一车辆的当前路径不适合穿过路段。在一些实例中,方法还包括基于误差计算校正动作,以使当前轨迹匹配目标行驶路径。在一些实例中,方法还包括使用至少部分地影响第一车辆的转向的第一车辆的高级驾驶员辅助系统发起校正动作。在一些实例中,计算目标行驶路径包括对穿过路段的至少一个其他车辆所采取的至少一个其他路径进行平均。
根据另一方面,本公开内容提供了一种用于车辆的转向校正系统。转向校正系统包括定位系统,其被配置成确定车辆的位置,至少一个系统,其被配置成影响车辆的行驶方向,以及处理器,其被配置成执行以下步骤:从定位系统获得车辆的位置;至少部分地基于车辆的位置获得目标行驶路径;确定车辆的当前行驶路径;以及至少部分地基于目标行驶路径与当前行驶路径来控制至少一个系统。
在一些实现方式中,被配置成影响车辆行驶方向的至少一个系统是至少一个后转向致动器。在一些实例中,定位系统是准确度在0.3米以内的定位系统。在一些实例中,定位系统使用通过实时运动学定位增强的全球导航卫星系统。在一些实例中,定位系统使用由全球导航卫星系统增强的惯性导航。在一些实例中,处理器还被配置成执行发起向云计算系统传输车辆的位置的步骤。在一些实例中,处理器还被配置成执行从云计算系统接收车辆的目标路径的步骤。
根据另一方面,本公开内容提供了一种向车辆系统提供转向校正命令的方法。方法包括使用高准确度定位从至少两个车辆获得行驶路径,从至少两个车辆的行驶路径生成聚合路径,其中,聚合路径代表道路中的一个车道,获得使用高准确度定位系统获得的被操作车辆的当前行驶路径,将当前行驶路径与聚合路径进行比较,生成校正命令以校正运动中的车辆的当前行驶路径,以及将校正转向命令发送至转向控制器。
在一些实现方式中,在生成聚合路径期间,对输入行驶路径进行过滤以移除异常值和不期望的行驶路径。在一些实例中,使用通过实时运动学定位增强的全球导航卫星系统来获得来自至少两个车辆的行驶路径。在一些实例中,使用通过全球导航卫星系统增强的惯性导航来获得来自至少两个车辆的行驶路径。在一些实例中,使用通过实时运动学定位增强的全球导航卫星系统来获得当前行驶路径。在一些实例中,使用通过全球导航卫星系统增强的惯性导航来获得当前行驶路径。
根据另一方面,本公开内容提供了一种车辆,包括被配置成确定车辆的位置的定位系统、显示器和被配置成执行以下步骤的处理器:从定位系统获得车辆的位置;至少部分地基于车辆的位置来确定路面上的一个或更多个路面特征的存在;以及在显示器上呈现路面上的一个或更多个路面特征的位置。
在一些实现方式中,至少部分地基于从基于云的数据库下载的路面信息来确定位置。
在一些实现方式中,显示器选自平视显示器和监视器。
在一些实现方式中,控制器还被配置成在显示器上呈现车辆的至少一个轮胎相对于一个或更多个路面特征的投影轮胎路径。
在一些实现方式中,控制器还被配置成在显示器上呈现车辆的两个前轮胎的投影轮胎路径。
在一些实现方式中,一个或更多个路面特征包括坑洼或隆起。
根据另一方面,本公开内容提供了一种操作车辆的方法。方法包括:(a)当车辆沿着路面行驶时,确定路面上的路面特征的位置,路面特征的位置是相对于车辆的,以及(b)在显示器上呈现路面上的路面特征的位置。
在一些实现方式中,呈现路面特征的位置包括在显示器上呈现路面特征的图形表示。
在一些实现方式中,显示器是平视显示器。
在一些实现方式中,方法还包括在显示器上呈现车辆的至少一个轮胎的投影轮胎路径。在一些实例中,方法还包括基于车辆的至少一个轮胎的投影轮胎路径,调整车辆的方向盘的转向角度以避开路面特征。
在一些实现方式中,路面特征是坑洼。
根据另一方面,本公开内容提供了一种在能见度差的条件下操作车辆的方法。方法包括(a)当车辆沿着路面行驶时,使用至少一个遥感器确定至少一个其他车辆相对于路面的位置,以及(b)在显示器上呈现所确定的至少一个其他车辆相对于路面的图像的位置(a)。
在一些实现方式中,能见度差的条件是由雾引起的,并且至少一个遥感器是雷达探测器。
在一些实现方式中,显示器是平视显示器或监视器。
在一些实现方式中,在显示器上呈现所确定的至少一个其他车辆的位置包括在显示器上呈现至少一个其他车辆的图形表示。
根据另一方面,本公开内容提供了一种用于向车辆的自适应前灯系统提供基于地形的洞察的方法。方法包括获得车辆正在行驶的路段的路面信息,至少部分地基于路面信息确定车辆的位置,以及至少部分地基于车辆的位置确定一个或更多个目标照明区域。
在一些实现方式中,方法还包括将一个或更多个目标照明区域传输至车辆。在一些实例中,该方法还包括至少部分地基于所传输的一个或更多个目标照明区域来操作自适应前灯系统。
在一些实现方式中,路面信息包括道路纵断面。
根据另一方面,本公开内容提供了一种用于向车辆的自适应ADAS传感器系统提供基于地形的洞察的方法。方法包括获得车辆正在行驶的路段的路面信息,至少部分地基于路面信息确定车辆的位置,以及至少部分地基于车辆的位置确定一个或更多个目标感测区域。
在一些实现方式中,方法还包括将一个或更多个目标感测区域传输至车辆。在一些实例中,该方法还包括至少部分地基于所传输的一个或更多个目标感测区域来操作自适应前灯系统。
在一些实现方式中,其中,路面信息包括道路纵断面。
智能速度自适应系统基于速度限制和/或即将到来的道路信息警告或强制执行行驶速度。发明人已经认识到,针对安全、舒适和/或车辆耐久性的行驶速度建议可以通过对一个或更多个即将到来的道路状况的预见来确定。即将到来的道路状况可以包括但不限于道路事件、道路粗糙度、道路频率内容、道路摩擦、道路曲率、天气相关事件和/或平均行驶速度。通过精确定位和利用数据库的数据共享,可以计算基于对即将到来的道路状况的预见的推荐的行驶速度,并将其提供给车辆上的智能速度自适应系统。然后,智能速度自适应系统可以向车辆驾驶员警告和/或强制执行推荐的行驶速度,以提高安全性、舒适性、燃料经济性、里程和/或车辆耐久性或其他期望的指标。
当今车辆中的高级驾驶辅助系统(ADAS)增强了驾驶员控制车辆保持在车道内并避免侵占道路上相邻行驶车道的能力。这种安全功能通常依赖于基于视觉的传感器系统,如面向前方和侧面的摄像装置,来识别车道标志并确定在车道内采取的适当路径。
用于这种应用的传感器系统容易受到多种潜在故障的影响,包括反射或玻璃上的灰尘造成的传感器遮挡;由于诸如雨、雾、雪的环境条件导致传感器功能降低;以及可能普遍无法识别车道标志,例如由于诸如黑暗的照明问题。
发明人已经认识到,使用附加输入可以增强这样的车道辅助系统的功能。在一个实现方式中,使用高清地图,其包含与道路相关的细节,诸如例如地形纵断面、道路事件、道路内容和/或类似的道路表征特征;车辆周围的路标和其他独特的地标;平均、中间和/或典型航向(heading);先前驾驶的曲率和/或路径;或其任何子集,以及许多其他可能的细节。在一个实施方式中,该地图可以通过从其他车辆和/或从先前驾驶收集数据来众包(crowd-source)。接下来,可以对车辆的当前位置进行准确估计,例如使用来自高清地图的道路特征或事件的地形匹配,或者使用道路纵断面或环境中的地标的特征匹配,或者使用高精度全球导航系统信号。一旦知道了准确的位置,并且给定了由其他车辆行驶的典型路径,该信息可以用于确定当前车辆对路径的任何不期望的偏离。这些偏差可以用作驾驶员辅助特征的附加输入,例如用作冗余传感器以确认计划路径的有效性,用作回退传感器以桥接标记不足的道路的部分(诸如例如在道路一侧上的车道标记中断的交叉口处),或者用作传感器融合的附加输入以确定车辆的位置和计划路径。该系统提供的输入具有比通常使用的视觉系统长得多的时间范围,因此可以用作低频校正信号。
高级驾驶员辅助特征或自主驾驶轨迹规划系统可以沿着路径操纵或帮助操作者操纵车辆。这种安全特征通常依赖于基于视觉的传感器系统,如面向前方和侧面的摄像装置,或者基于距离或范围的传感器系统,如LiDAR或雷达,来识别车道标志并确定所采取的适当的路径,以便保持在行驶车道内。
用于这种应用的传感器系统可能容易受到多种潜在故障的影响,例如,车道标志被阻碍、模糊或在短路段不存在,并且可能导致辅助功能或自主驾驶规划器控制的轨迹不正确。
发明人已经认识到,通过使用精确定位和来自先前驾驶的一个或更多个轨迹路径来向路径规划控制器或人类操作者提供附加的误差信号,可以降低传感器故障对提供驾驶员辅助的影响。
对传感器故障的这种补偿可以例如通过使用基于沿着期望路径的相同车辆中的先前驾驶的信息或者基于沿着期望路径的至少一个不同车辆中的先前驾驶的信息来完成。该信息例如可以是车辆的位置与每个车辆的航向的组合。结合沿着路径的准确定位,该信息可以用于生成每个路段的参考轨迹或方向。
当车辆穿过参考轨迹或航向已知的路径时,并且如果车辆配备有准确定位系统和到包含参考轨迹信息的数据库的连接(该参考轨迹信息可以本地存储在车辆中,或者存储在云中并以适当的间隔通过空中连接下载至车辆),则可以提供车辆前方的参考路径。
将该参考路径与由基于视觉的系统确定的轨迹进行比较允许故障检测,并且如果轨迹被确定为不正确或不可信,则允许系统的校正或脱离,从而降低对车辆、其乘员或附近的其他人造成伤害的可能性。
现代道路车辆的前灯被配置成照亮车辆前方的道路。如果光源(即前照灯)足够强,通常照亮车辆前方更远的道路更有益。照亮车辆更前方的道路也可能产生负面影响,因为前灯也会将强光照射到迎面而来的车辆上,潜在地阻碍了这些车辆的操作者的能见度。由于这个原因,最大允许的前灯角度通常由诸如当地机动车辆部门的权威机构来规定。另一个问题发生在车辆转弯时,前灯照亮车辆正前方的道路的部分,而不是车辆将要穿过的道路的部分。
一些汽车制造商已经开始使用能够从左到右和/或上下改变光束角度的前灯。这可以以多种方式来完成,例如包括使用致动器系统来前灯、前灯组件、透镜或引导光束的反射器,或者通过使用多个光源,每个光源至少部分地朝向不同的方向照明并根据需要选择性地接合它们。可以至少部分地通过查看车辆的投影轨迹,或者通过使用基于地图数据的预测路径,或者通过检测道路路径变化的传感器,例如摄像装置或lidar系统,来引导期望角度的选择。选择还可以至少部分地由间接或直接测量车辆相对于道路的位置的传感器引导。
当在高度变化显著的道路上行驶时,前灯仅照亮车辆前方的部分道路。例如,当在车辆前方上升的道路上驾驶时,前灯照亮离车辆更近并且可能比道路平坦的情况下更小的道路的部分。当在车辆前方下降的道路上行驶时,前灯照亮车辆前方更远并且可能更大的道路的部分,但也可能以不期望的方式潜在地照亮迎面而来的车辆。即使使用上述前灯系统,该问题也不能解决,因为车辆前方的道路是未知的,并且通常不能用现有的传感器系统诸如基于视觉的系统、LiDAR、雷达或其他已知技术充分感测。
发明人已经认识到,基于地形的高级驾驶员辅助系统(基于地形的ADAS)可以利用车辆前方的已知道路纵断面(road profile),例如包括道路高程变化和/或道路曲率。使用以足够提前的通知将该信息提供给车辆的方法,车辆控制器可以以足够提前的通知决定请求前灯机构的致动,或者前灯照明模式的变化,以补偿致动的动态、道路的即将到来的路径以及迎面而来的车流的存在或不存在。
上述用于调整前灯光束的方法可以用于修改车辆中的ADAS传感器的功能,诸如例如LiDAR、雷达或基于光的传感器,诸如摄像装置,以考虑即将到来的道路障碍物或道路纵断面。如果ADAS传感器具有用于调整其横向和/或竖直方向性和/或灵敏度和/或范围的机构,或者具有修改其最佳功能的其他方法,诸如例如调整其聚焦范围或背景照明量或其他参数,则以类似于上述的方式,可以基于即将到来的道路纵断面来调整最佳参数。
例如,在一个实施方式中,LiDAR传感器能够检测一定距离处的对象并针对水平道路上的车辆进行校准,并且可以具有用于调整其横向和/或竖直方向性和/或灵敏度的致动机构,或者它可以具有用于基于内部设置调整其范围的机构。在存在诸如山顶或谷的道路特征的情况下,可以预先地调整角度,以正确地识别与车辆更相关的特征。另一方面,了解车辆前方的道路纵断面也可以用于向操作者或驾驶系统提供信息,例如,由于汽车前方的道路特征,传感器的检测范围预期较低,因此可能需要调整车辆速度或其他设置(例如,驾驶控制器设置)。
高级驾驶辅助系统(ADAS)可以使用车载传感器为车辆提供转向校正。这种转向校正通常通过触感反馈向操作者提示和/或由前转向致动器执行;然而,这种反馈可能是侵入式的,或者被驾驶员感知为不舒服地将车辆拉向一侧或另一侧。本文中描述的系统和方法可以通过从多个车辆路径收集驾驶数据并创建聚合路径来检测车道位置,并且使用后转向致动器基于车辆的当前路径与聚合路径之间的差异来提供非侵入式转向校正。定位方法可以用于确定行驶车道内的车辆路径。如果车辆路径偏离聚合路径,则该系统可以为转向校正系统创建命令,以影响车辆的行驶方向,转向校正系统包括一个或更多个后转向致动器。
在一些实现方式中,车辆可以包括显示单元和控制器,控制器被配置成在显示单元上显示路面特征的位置,其中,该位置至少部分地基于从基于云的数据库下载的路面信息来确定。显示单元可以是例如平视显示器或监视器。在一些实现方式中,控制器可以被配置成还显示车辆的至少一个轮胎相对于路面特征的投影轮胎路径。控制器还可以被配置成显示车辆的两个前轮胎的投影轮胎路径。特征可以是例如坑洼或隆起。
根据另一方面,本公开内容提供了一种用于操作车辆的方法,其中,方法包括:在车辆沿着路面行驶时确定路面特征相对于路面的位置。方法还可以包括在显示单元上显示路面的图像和相对于路面的所确定的位置处的路面特征的图像。在一些实现方式中,显示单元可以是例如平视显示器或监视器。此外,还可以相对于路面特征示出车辆的至少一个轮胎的投影轮胎路径。方法还可以包括调整车辆的方向盘的转向角度以避开路面特征。这种调整可以基于车辆的至少一个轮胎相对于路面特征的投影轮胎路径。在一些实现方式中,该特征可以是坑洼或隆起。
根据另一方面,本公开内容提供了一种用于在能见度差的条件下操作车辆的方法。方法还可以包括在车辆沿着道路行驶时,使用至少一个遥感器来确定至少一个其他车辆相对于道路的位置。方法还可以包括在显示单元上显示在所确定的位置处的所述其他车辆相对于道路图像的图像。在一些实现方式中,能见度差可能由雾引起,并且至少一个遥感器可以是雷达探测器。
附图说明
附图不旨在按比例绘制。在附图中,各个附图中所图示的每个相同或几乎相同的部件可以由相似的附图标记表示。为了清楚的目的,并非在每个附图中标记出每个部件。在附图中:
图1是基于地形的高级驾驶员辅助系统的示意图,该基于地形的高级驾驶员辅助系统被配置成警告车辆的驾驶员和/或改变车辆行为的一个或更多个方面。
图2示出了配备有基于地形的高级驾驶员辅助系统的车辆穿过路段,路段包括诸如冰、水坑和高振幅输入内容的区域的多个道路事件。
图3示出了配备有基于地形的高级驾驶员辅助系统的车辆穿过包括多个道路事件的路段,道路事件包括减速带、坑洼和高度变化。
图4是示出用于确定车辆的最佳速度操作参数的系统和方法的流程图。
图5示出了配备有基于地形的高级驾驶员辅助系统的车辆穿过包括桥梁的路段。
图6是示出用于确定车辆的自适应巡航控制系统的跟随距离的方法的流程图。
图7是示出用于确定车辆的自动紧急制动系统的制动触发距离的方法的流程图。
图8示出了配备有基于地形的高级驾驶员辅助系统的车辆在路段上行驶并接近道路事件,例如坑洼。
图9示出了图8的车辆执行车道内事件回避行为以跨越坑洼。
图10示出了图8的车辆执行回避行为以导航绕过坑洼。
图11是示出操作车辆的基于地形的车道保持辅助系统的方法的流程图。
图12示出了配备有基于地形的高级驾驶员辅助系统的车辆在偏离车道中心的路径上的路段上行驶。
图13示出了配备有基于地形的高级驾驶员辅助系统的车辆在具有出口车道的路段上行驶。
图14示出了配备有基于地形的高级驾驶员辅助系统的车辆在具有左转的路段上行驶。
图15是示出操作车辆的轨迹规划系统的方法的流程图。
图16示出了用于在平坦路面上行驶的车辆的前灯照明区域。
图17示出了基于地形的自适应前灯系统关闭的车辆的前灯照明区域。
图18示出了基于地形的自适应前灯系统打开的车辆的前灯照明区域。
图19是示出用于向车辆的自适应前灯系统提供基于地形的洞察的方法的流程图。
图20示出了具有传感器系统的车辆,传感器系统被配置成根据基于地形的信息进行适配。
图21是示出用于向车辆的自适应ADAS传感器系统提供基于地形的洞察的方法的流程图。
图22示出了车辆在路段上行驶,其中先前驾驶的多条路径已经组合成聚合路径。
图23描绘了车辆结合后转向校正系统利用聚合路径以避开障碍物。
图24是使用众包行驶路径数据来生成用于后转向校正系统的命令的方法的流程图。
图25示出了具有平视显示器的车辆,平视显示器被配置成示出被遮挡的路面特征。
图26是示出在显示器上呈现被遮挡的路面特征的方法的流程图。
具体实施方式
自主地或在驾驶员的控制下沿道路行驶的车辆可以与一个或更多个路面特征相互作用,其可能使车辆和/或一个或更多个车辆乘员遭受某些力或加速度。这样的道路特征可能影响车辆乘员的舒适性以及车辆的磨损。这样的力或加速度的大小、方向和/或频率内容可以是一个或更多个路面特征的特性的函数。典型的道路可以包括各种类型的路面特征,诸如例如:路面异常,包括但不限于坑洼、隆起、表面裂缝、伸缩缝、冻胀、粗糙补丁、齿纹震动带、下水道孔盖等;和/或路面特性,包括但不限于路面纹理、路面组成、表面拱度、表面坡度等。路面特性可能影响路面参数,诸如例如车辆的轮胎与道路之间的摩擦系数、牵引力和/或抓地力。这样的参数可以确定在各种速度和车辆负载下可以如何有效地执行诸如转弯和停止的某些操纵。
发明人已经认识到基于上述路面特性和特征控制车辆的各个系统的操作的益处。然而,路面特征和/或特性的类型和特性可以例如根据给定道路上的纵向和/或横向位置而随道路变化。车辆与给定路面特征的相互作用对车辆和/或乘员的影响也可以根据车辆与路面特征之间相互作用时的车速而变化。路面特征的特性也可以例如基于天气条件和/或根据时间而变化。例如,如果路面特征是坑洼,则其可能由于反复的冷冻/解冻循环而在冬季月份中逐渐出现并在长度、宽度和/或深度上增长,并且然后在数小时或更短时间内修复并实际上消失。由于路面的变化性质和先前未绘制的布局,典型地,车辆已经感测到车辆与路面的相互作用,并且然后响应于检测到的特性和车辆遇到的路面特征来操作车辆的各种自主和/或半自主系统。
车辆可能驶过的路面的特性和路面特征可以被绘制以提供关于沿车辆的行驶路径定位的路面特征的前瞻性信息。关于车辆前方的路面特征的该信息可以用于例如动态地调整、准备和/或控制车辆中的各种自动或部分自动的系统(诸如例如悬架系统(例如半主动或完全主动)、推进系统、自适应驾驶员辅助系统(ADAS)、电动转向系统(EPS)、防抱死制动系统(ABS)等)。发明人已经认识到,当车辆与路面特征之间存在物理相互作用时,车辆遭受到由相互作用引起的一个或更多个可察觉的力。因此,利用前方道路的预览,当在路面特征与车辆之间存在物理相互作用时,车辆控制器可以更有效地对路面特征做出反应。
虽然关于路面的信息可以用于控制车辆的各种系统,但本发明人已经认识到,获得和使用这样的路面信息存在挑战。一个这样的挑战是以足够的准确度和分辨率知道车辆的位置,使得可以使用关于车辆前方的道路特征的信息来更有效地控制车辆。例如,如果车辆的位置不够准确,则车辆控制器可能采取不会减轻车辆与道路特征之间的物理相互作用的动作。作为另一示例,如果车辆的位置不够准确,则车辆控制器可能采取使车辆与道路特征之间的物理相互作用恶化或以其他方式使车辆乘员的舒适度恶化的动作。例如,全球导航卫星系统(GNSS)定位的准确度趋于在大约7m至30m的数量级。以这样的准确度,车辆将不仅不能分辨车辆何时将与特定路面特征(例如,坑洼)相互作用,而且还不能分辨车辆是否将以任何方式与该路面特征相互作用。
鉴于上述内容,发明人已经认识到,结合基于地形的定位的定位系统和方法可以提供比纯粹的基于GNSS的系统更好的分辨率。在基于地形的定位系统中,当车辆沿道路行驶时,可以通过使用附接至车辆的一个或更多个运动传感器测量车辆的一部分的竖直运动来获得所测量的道路纵断面。可以将该所测量的道路纵断面与参考道路纵断面进行比较,并且至少部分地基于该比较,可以确定车辆沿着道路的位置。然而,本发明人已经认识到,所测量的纵断面与参考纵断面之间的连续图案匹配可能需要大量的数据传输和/或操作。也就是说,单个车辆可能需要流式传输足够的道路信息,使得在基于前方道路信息控制车辆的同时,可以将所测量的道路纵断面与参考道路纵断面连续地进行比较。对于在整个道路网络上采用多个车辆的系统,网络带宽要求可能是相当大的,使得实现这样的网络在商业上可能是不可行的。另外,所测量的纵断面与参考纵断面之间的连续图案匹配可能需要超出对于在车辆中采用在商业上可行的计算能力。如果远程地进行计算,则这样的连续图案匹配还需要可能在商业上不可行的网络带宽。
鉴于上述内容,发明人已经认识到用于道路信息的路段组织结构和相关方法的益处,路段组织结构和相关方法以离散方式提供准确的基于地形的定位从而减少实现基于地形的定位的网络和计算要求。每个路段可以具有预定长度,使得道路被分成多个路段。当车辆接近路段的终点时,可以将路段的道路纵断面与具有大致相等长度的所测量道路纵断面的最后部分进行比较。以这种方式,车辆可以在具有预定长度的每个路段上基于地形验证其精确位置一次,这是一种计算量和网络带宽密集程度较低的方法。
发明人已经认识到,在给定计算和/或带宽限制的情况下,实现基于地形的定位方法使得观测到的数据与参考数据之间的比较仅以预定间隔(例如,时间或距离间隔)发生可能是有利的。然而,在使用基于地形的定位的车辆位置的这些精确确定之间,当车辆进一步行驶远离最后识别的路面特征时,车辆的位置可能变得不太确定。因此,在某些实施方式中,在这些预定间隔和/或路面位置之间,可以使用航位推算来基于先前识别的位置(例如,先前识别的沿道路的位置)来估计车辆的位置(例如,车辆沿道路的位置)。例如,在某些实施方式中并且如本文中详细描述的,基于地形的定位方法可以包括:当车辆沿着道路行驶时,首先从附接至车辆的一个或更多个传感器收集数据。可以对所收集的数据进行处理(例如,从时间域变换到距离域、滤波等)以获得所测量的数据(例如,所测量的道路纵断面)。然后可以将所测量的数据与和道路相关联的参考数据(例如,参考道路纵断面或存储的道路纵断面)进行比较,并且至少部分地基于该第一比较,可以确定在第一时间点处车辆沿道路的位置。一旦确定了在第一时间点处车辆沿道路的位置,就可以使用航位推算来在车辆随后沿道路行驶时跟踪车辆的位置。在航位推算的时间段期间,可以对来自一个或更多个传感器的新数据进行收集并可选地进行处理以产生新观测到的数据。在某些实施方式中,在确定车辆自第一时间点起已经行驶了预定距离时,可以将新观测到的数据与参考数据进行比较。至少基于该第二比较,可以确定在第二时间点处车辆沿道路的位置。然后,当车辆穿过顺序定位的路段时,可以重复该过程,使得使用航位推算来跟踪车辆的进一步移动,直到确定车辆自确定位置的第二时间点起已经行驶了预定距离。在该确定之后,可以使用基于地形的定位来在第三时间点处定位车辆。因此,在一些实施方式中,可以以预定的距离间隔(其可以是恒定的间隔)间歇地执行比较,而不是将所测量的(例如,所收集的数据和/或经处理的数据)数据与参考数据连续地进行比较。可替选地或另外地,基于地形的定位可以在确定自第一时间点或先前时间点起已经经过预定时间间隔(而不是预定距离间隔)时执行。在这些时间/距离间隔期间,可以单独地使用航位推算,或者除了可以用于基于先前建立的位置来跟踪车辆的位置(例如,坐标或位置)的其他定位系统之外,可以使用航位推算。另外,虽然本文主要公开了恒定时间间隔和/或距离间隔的使用,但是应当理解,在确定车辆在不同路段上的位置时使用的预定时间和/或距离间隔可以是恒定的和/或沿着不同路段在彼此之间是可变的,因为本公开内容不限于这种方式。
发明人还认识到,基于地形的车辆的位置确定可以通过GNSS位置估计和离散化的路段的使用来补充。也就是说,可以采用来自GNSS系统的位置估计,而不是使用航位推算来以离散时间和/或距离间隔执行基于地形的比较。例如,在某些实施方式中并且如本文详细描述的,基于地形的定位方法可以包括:当车辆沿着道路行驶时,首先从附接至车辆的一个或更多个传感器收集数据。可以对所收集的数据进行处理(例如,从时间域变换到距离域、滤波等)以获得所测量的数据(例如,所测量的道路纵断面)。然后可以将所测量的数据与和道路相关联的参考数据(例如,参考道路纵断面或存储的道路纵断面)进行比较,并且至少部分地基于该第一比较,可以确定在第一时间点处车辆沿道路的位置。一旦确定了在第一时间点处车辆沿道路的位置,就可以使用GNSS来在车辆随后沿道路行驶时跟踪车辆的位置,这可以用于确定自确定车辆位置以来车辆沿道路行驶的距离。在GNSS跟踪的时间段期间,可以对来自一个或更多个传感器的新数据进行收集并可选地进行处理以产生新观测到的数据。在某些实施方式中,当至少部分地基于GNSS跟踪数据来确定车辆自第一时间点起已经行驶了预定距离时,可以将新观测到的数据与参考数据进行比较。至少基于该第二比较,可以确定在第二时间点处车辆沿道路的位置。然后可以重复该过程,使得使用GNSS跟踪来跟踪车辆的进一步移动,直到确定车辆自第二时间点起已经行驶了预定距离。在该确定之后,可以使用基于地形的定位来在第三时间点处定位车辆。因此,在一些实施方式中,可以以预定距离间隔间歇地执行比较,而不是将所测量的(例如,所收集的数据和/或经处理的数据)数据与参考数据连续地进行比较,所述预定距离间隔可以是恒定间隔,或者在一些情况下是与不同路段相关联的非恒定预定距离间隔。在一些情况下,采用GNSS代替航位推算可以减少与预定距离相关的误差。在一些实施方式中,GNSS可以与航位推算结合使用以进一步减小与预定距离相关的误差,因为本公开内容并不限于此。
在一些实施方式中,在路段架构中,给定道路可以被分段成一系列预定长度的路段,在一些实施方式中这些预定长度可以彼此相等,但也涵盖其中使用不相等的预定长度的路段的实施方式。每个路段可以包括可以用于如本文中描述的基于地形的定位的一个或更多个道路纵断面。
可以通过当车辆穿过路段时使用附接至车辆的一个或更多个运动传感器测量车辆的一部分的竖直运动来获得道路纵断面。预定的等长或不等长的路段可以被称为“分段(slice)”。在某些实施方式中,连续的路段可以以连续的方式布置,使得一个路段的终点与后续路段的起点大致重合。在一些实施方式中,连续的路段可以是不交叠的,使得一个路段的终点与后续路段的起点重合。可替选地,在一些实施方式中,路段可以交叠,使得后续路段的起点可以位于先前路段的边界内。路段可以是例如任何合适的长度,包括但不限于以下长度的任何组合之间的范围:20米、40米、50米、60米、80米、100米、120米、200米或更大。在一些实施方式中,路段可以具有在20米与200米之间、20米与120米之间、40米与80米之间、50米与200米之间和/或任何其他适当的长度范围之间的长度。也可以考虑比这些长度更长或更短的其他长度,因为本公开内容不限于此。在某些实施方式中,道路被划分成的路段的长度可以取决于道路的类型和/或车辆在道路上行驶的平均速度或其他适当的考虑。例如,在单车道城市道路上,车辆通常可以以与多车道高速公路相比相对低的速率行驶。因此,在城市道路(或具有相对低的行驶速度的其他道路)上,具有与在高速公路或具有相对高的行驶速度的其他道路(例如,在80米至120米之间)上相比相对更短的路段(例如,在20米至60米之间)可能是有利的或以其他方式期望的,使得每个路段可以对应于从路段的开始到结束的近似平均行驶时间,而与道路上的平均行驶速度无关。
在一些实施方式中,使用路段来定位车辆的方法包括利用车辆测量道路纵断面。方法还可以包括确定车辆是否在路段终点的阈值距离内。例如,在一些实施方式中,确定车辆在路段终点的阈值距离内包括用GNSS、根据最后已知的车辆的位置的航位推算和/或任何其他适当的定位方法来估计车辆的位置。方法还可以包括将与沿着车辆行驶路径的路段的结束部分对应的参考道路纵断面与所测量的道路纵断面进行比较。在一些实施方式中,当车辆穿过路段时,可以将所测量的道路纵断面的最后部分与参考道路纵断面进行比较,其中所测量的道路纵断面的最后部分和参考道路纵断面具有大致相等(例如,相等)的长度。方法可以包括例如使用互相关函数或对所测量的道路纵断面与参考道路纵断面之间的相似性进行评估的另一适当函数(例如,动态时间扭曲等)来确定所测量的道路纵断面与参考道路纵断面之间的相关性。方法还可以包括确定所测量的道路纵断面与参考道路纵断面之间的相关性是否超过阈值相关性。可以至少部分地基于道路类型来预先确定阈值相关性,这将在下面进一步详细讨论。如果相关性超过阈值相关性,则可以确定车辆的位置,因为车辆的位置可以对应于路段终点的位置。如果相关性没有超过阈值相关性,则可能不能确定车辆的位置,并且方法可以随着车辆沿着道路前进而继续并且重新确定所测量的道路纵断面(包括在沿着道路前进时测量的附加数据)与参考道路纵断面之间的相关性。除了上述之外,当车辆接近道路纵断面的最后部分的终点时,所测量的道路纵断面与参考道路纵断面之间的相关性可以在大约与参考道路纵断面的终点相对应的位置处增加到峰值。因此,在一些实施方式中,方法可以包括:在车辆移动通过在路段终点的阈值距离内的区域的同时,检测所测量的道路纵断面与参考道路纵断面之间的相关性的峰值。将在下面进一步详细讨论这样的峰值检测的附加细节。
本文中公开的各种实施方式涉及确定车辆在路面上的位置和/或用于创建包括可以用于在路面上定位车辆的信息的路段地图。这样的信息可以向车辆提供关于位于沿着车辆行驶路径的即将到来部分的路段上的一个或更多个路面特征和/或路面特性的先验信息。如前所述,通过在车辆遇到路段的给定部分之前知道该信息,可以至少部分地基于该信息来控制车辆的一个或更多个系统(例如,车辆的自主和/或半自主系统)的操作。因此,本文中公开的任何实施方式可以提供信息,例如车辆、路面特征和/或道路参数位置,这些信息可以由一个或更多个车辆用来控制一个或更多个车辆系统。因此,在一些实施方式中,可以至少部分地基于所确定的车辆的位置、航位推算、路段的参考纵断面以及前述的组合来控制车辆的一个或更多个系统。可以被控制的系统的示例可以包括悬架系统(半主动或完全主动)、推进系统、高级驾驶员辅助系统(ADAS)、电动转向系统(EPS)、防抱死制动系统(ABS)、自主车辆的导航系统和/或任何其他适当类型的车辆系统。
根据本文中描述的示例性实施方式,车辆可以包括由车辆控制系统控制的一个或更多个车轮和一个或更多个车辆系统。车辆控制系统可以由一个或更多个处理器操作。一个或更多个处理器可以被配置成执行存储在易失性或非易失性计算机可读存储器中的计算机可读指令,这些指令在被执行时执行本文所公开的方法中的任何方法。一个或更多个处理器可以与一个或更多个与车辆的各种系统(例如,制动系统、主动或半主动悬架系统、驾驶员辅助系统等)相关联的致动器通信,以控制车辆的各种系统的激活、移动或其他操作参数。一个或更多个处理器可以从提供关于车辆的各个部分的反馈的一个或更多个传感器接收信息。例如,一个或更多个处理器可以从全球导航卫星系统(GNSS)诸如全球定位系统或其他定位系统接收关于车辆的位置信息。车辆上的传感器可以包括但不限于车轮转速传感器、惯性测量单元(IMU)、光学传感器(例如,摄像装置、LIDAR)、雷达、悬架位置传感器、陀螺仪等。以这种方式,车辆控制系统可以实现车辆的各种系统的比例控制、积分控制、微分控制、其组合(例如,PID控制)或其他控制策略。也可以考虑其他反馈或前馈控制方案,并且本公开内容不限于这方面。可以采用任何期望数量的任何合适的传感器来向一个或更多个处理器提供反馈信息。应当注意的是,虽然本文中描述的示例性实施方式可以参考单个处理器来描述,但可以采用任何合适数量的处理器作为车辆的一部分,因为本公开内容并不限于此。
根据本文中描述的示例性实施方式,车辆的一个或更多个处理器还可以使用适当的无线或有线通信协议与局域网、广域网或互联网上的其他控制器、计算机和/或处理器通信。例如,车辆的一个或更多个处理器可以使用任何合适的协议进行无线通信,包括但不限于WiFi、GSM、GPRS、EDGE、HSPA、CDMA和UMTS。当然,可以采用任何合适的通信协议,因为本公开内容不限于此。例如,一个或更多个处理器可以与一个或更多个服务器通信,一个或更多个处理器可以从该一个或更多个服务器访问路段信息。在一些实施方式中,一个或更多个服务器可以包括被配置成与一个或更多个车辆进行双向通信的一个或更多个服务器处理器。一个或更多个服务器可以被配置成从一个或更多个车辆接收道路纵断面信息,并且存储和/或利用该道路纵断面信息来形成路段信息。一个或更多个服务器还可以被配置成向一个或更多个车辆发送参考道路纵断面信息,使得车辆可以根据本文中描述的示例性实施方式采用基于地形的定位,并且可以基于前瞻性道路纵断面信息来控制一个或更多个车辆系统或者调整一个和/或更多个车辆系统的一个或更多个参数。
在本文中描述的各种实施方式中,在一些情况下,基于地形的定位的方法可以基于当车辆经过路段终点时参考道路纵断面与所测量的道路纵断面之间的互相关的峰值检测。在一些实施方式中,一旦车辆进入路段终点的阈值范围,预定长度大致等于参考道路纵断面的预定长度的所测量的道路纵断面就可以与参考道路纵断面互相关以获得0与1之间的相关性。在一些实施方式中,路段终点的阈值范围可以小于15m、10m、5m和/或任何其他适当的范围。在一些实施方式中,路段终点的阈值范围可以至少部分地基于车辆上的GNSS的分辨率。在这样的实施方式中,阈值范围可以与GNSS的分辨率大致相等(例如,相等)。
根据本文中描述的示例性实施方式,一旦车辆进入路段终点的阈值范围,就可以执行所测量的道路纵断面与参考道路纵断面之间的互相关并且确定相关性。如果相关性没有超过阈值相关性,则可能无法确定车辆位置,并且基于地形的定位的过程可以随着车辆继续沿道路移动而继续。在车辆在路段终点的阈值范围内时,由于所测量的道路纵断面包括来自车辆的最近数据并且移除落在预定长度之外的最旧的数据,所以可以有效地连续地(例如,在每个时间步长处)重新确定相关性。每次确定相关性时,可以确定相关性是否超过阈值相关性。一旦在给定的时间步长处相关性超过阈值相关性,则可以确定车辆在该时间步长处位于路段终点。在一些实施方式中,可以应用峰值检测算法来确定所测量的道路纵断面与参考道路纵断面之间的相关性是否是最大相关性。在一些这样的实施方式中,可以在最近的时间步长与较早的时间步长之间确定相关性的斜率。在一些实施方式中,在斜率为负处可以确定峰值,并且在相关性超过阈值相关性之后相关性减小。当然,可以应用任何合适的峰值检测函数,因为本公开内容不限于此。在一些实施方式中,阈值相关性可以大于或等于0.6、0.7、0.8、0.9和/或任何其他适当的值。在一些实施方式中,阈值相关性可以至少部分地基于路段的类型。例如,高速公路或高速道路可以具有比低速道路更大的阈值相关性,在低速道路中可能存在车辆所采取的路径的更多变化。根据该示例,在一些实施方式中,高速公路的阈值相关性可以大于或等于0.8,并且非高速公路道路的阈值相关性可以大于或等于0.5。
根据本文中描述的示例性实施方式,路段信息可以存储在车辆上的一个或更多个数据库中和/或一个或更多个远程定位的服务器中。在一些实施方式中,数据库可以包含在非暂态计算机可读存储器中。在某些实施方式中,数据库可以存储在完全或部分地远离车辆定位(例如,“在云中”)的存储器中,并且数据库和车辆可以经由无线网络(例如,蜂窝网络(例如,5G、4G)、WiFi等)交换信息。可替选地,在一些实施方式中,数据库可以存储在位于车辆上的非暂态存储器中。在某些实施方式中,路段可以特定于行驶方向,使得对于“双向”道路(即,支持在相反方向上同时行驶的道路),针对每个行驶方向可以存在不同的路段集合(例如,针对在第一方向上行驶的第一路段集合以及针对在第二方向上行驶的第二不同路段集合)。
如本文中使用的,道路纵断面是指根据距离的路面的任何适当的描述或表征。例如,道路纵断面可以指描述根据沿给定路段的距离的路面的高度变化的道路高度纵断面。可替选地或另外地,道路纵断面可以指路面的数学相关描述。例如,道路纵断面可以指描述根据沿着路段的距离的道路坡度的“道路坡度”纵断面。路段的道路纵断面可以例如通过以下操作来获得:在车辆穿过路段时测量车辆的一部分(例如车辆的车轮、车轮组件或簧下质量的其他部分;或者车辆的簧载质量的一部分)的竖直运动(例如加速度数据、速度数据、位置数据),并且可选地处理该数据(例如,基于运行速度将其从时间域变换至距离域、相对于时间对数据进行积分、对其进行滤波(例如,以去除轮跳效应)等)。例如,如果使用附接至车轮的加速度计测量车轮的竖直加速度,则可以通过积分获得车轮的竖直速度,并且通过进一步积分获得竖直高度。通过知道车辆的运行速度(即,车辆穿过路段的速度),可以获得相对于行驶距离的竖直高度。在一些实施方式中,进一步滤波可能是有利的。在一个示例中,通过应用陷波滤波器或低通滤波器(例如,应用于所测量的车轮的竖直加速度)以去除轮跳效应,可以从(例如,如通过测量车轮的加速度确定的)车轮的竖直高度数据获得道路高度纵断面。道路纵断面可以包含描述或表征离散路面异常(例如坑洼(或其他“负”事件)和/或隆起(或其他“正”事件))的信息。另外地或可替选地,道路纵断面可以包含关于分布式路面特性(诸如道路粗糙度和/或路面摩擦)的信息。另外地或可替选地,道路纵断面可以包含关于可以被测量的任何参数的信息,该参数与车辆对从道路到车辆的输入(例如,力、加速度、高度等)的运动和/或响应相关。
根据本文中描述的示例性实施方式,如果车辆在不存在参考道路纵断面数据的道路(或道路的部分)上行驶,则可以通过从附接至车辆的一个或更多个点(例如,附接至车辆的车轮、车辆的车轮组件、减震器、车辆的簧下质量的另一部分或车辆的簧载质量的一部分)的一个或更多个运动传感器(例如,加速计、位置传感器等)收集运动数据来生成参考数据(包括例如,参考道路纵断面、路面的表征、和/或不规则事件(例如,隆起或坑洼)的存在)。随后可以使用从道路或道路部分的第一次穿行收集的数据来生成参考数据,该参考数据可以存储在数据库中并且与道路或道路部分的特定路段相关联。可替选地,可以从多次车辆穿行收集数据并且将其合并(例如,使用参考数据的均值、众数和/或中值进行平均)在一起以生成参考数据。
根据本文中描述的示例性实施方式,车辆的位置可以例如由绝对定位系统例如基于卫星的系统来估计或至少部分地确定。这样的系统可以用于提供例如车辆的绝对地理坐标(即,地球表面上的地理坐标,诸如经度、纬度和/或高度)。通常称为全球导航卫星系统(GNSS)的基于卫星的系统可以包括在全球或区域基础上提供定位、导航和定时(PNT)服务的卫星星座。虽然基于美国的GPS是最流行的GNSS,但是其他国家正在部署或已经部署他们自己的系统以提供互补或独立的PNT能力。这些包括例如:北斗/BDS(中国)、伽利略(欧洲)、格洛纳斯(GLONASS)(俄罗斯)、IRNSS/NavIC(印度)和QZSS(日本)。根据本文中描述的示例性实施方式的系统和方法可以采用任何合适的GNSS,因为本公开内容不限于此。
根据本文中描述的示例性实施方式,航位推算可以用于使用车辆的所测量的行驶路径和/或从已知位置的位移来确定在车辆的最后已知位置之后的时间点处的车辆的位置。例如,可以使用行驶的距离和方向来确定从车辆的已知位置开始行驶的路径,以确定车辆的当前位置。可以用于确定在车辆的最后已知位置之后的车辆的位置变化的适当输入可以包括但不限于惯性测量单元(IMU)、加速度计、转向系统上的传感器、车轮角度传感器、不同时间点之间的所测量的GNSS位置的相对偏移和/或可以用于确定车辆在路面上相对于车辆的先前已知位置的相对运动的任何其他适当传感器和/或输入。该航位推算的一般描述可以与本文中描述的任何实施方式一起使用以与本文所公开的方法和/或系统一起使用来确定车辆的位置。
在一些情况下,对于每个行驶方向,道路可以包括多于一个的轨道(例如,车道),并且对于每条轨道,道路纵断面可能不同。在参考数据库中可能不知道在道路或路段中有多少轨道(例如,车道),这可能导致在生成道路或道路部分的参考数据时遇到困难。例如,如果给定道路的参考道路纵断面由在多车道道路的最左车道中行驶的车辆生成,则随后使用所述参考道路纵断面来定位在最右车道中行驶的车辆的尝试可能由于最左车道与最右车道之间的路面差异而失败。因此,既知道道路具有多少轨道,又知道车辆正在哪条轨道中行驶,这对于生成参考道路纵断面、后续定位以及使用信息来控制车辆和/或一个或更多个车辆系统而言都是期望的。确定道路纵断面的轨道的先前尝试已经提出了计算挑战,例如用于多车道使用(例如,车道改变)的道路纵断面的数据存储,这对于发生在单车道中的路段的大多数车辆穿行是无用的。
鉴于上述内容,发明人已经认识到其中多个路面纵断面可以与单个路段相关联的路段组织结构的益处。路段结构以数据较少和计算密集程度较低的方式允许多个道路纵断面与路段相关联。另外,发明人已经认识到采用基于阈值的方法来对可能与道路轨道相关联的道路纵断面进行收集和存储的路段组织结构的益处。特别地,发明人已经意识到,在达到足够大数量的存储的道路纵断面之前,对道路纵断面进行聚类和/或合并可能导致不准确的道路纵断面信息。
在一些实施方式中,识别路段的道路纵断面的轨道(例如,车道)的方法包括:在车辆穿过该路段时使用如本文中所公开的任何适当车载传感器来测量该路段的道路纵断面(例如,采用根据本文中所描述的示例性实施方式的车辆)。每当车辆穿过路段时,所测量的道路纵断面可以被传输至服务器,使得多个车辆可以将多个所测量的道路纵断面传输至服务器。该方法还可以包括确定所存储的道路纵断面的数量是否超过道路纵断面的阈值数量。可以预先确定道路纵断面的阈值数量,以允许在数据操作之前收集足够数量的道路纵断面。在一些情况下,道路纵断面的阈值数量可以基于路段的类型。例如,高速道路例如高速公路可以具有较大阈值数量的道路纵断面,因为高速公路通常包括比低速道路更多的车道。在一些实施方式中,道路纵断面的阈值数量可以在2至64个道路纵断面之间、在8至12个道路纵断面之间和/或任何其他合适的数量。如果服务器从车辆接收到道路纵断面并且没有超过所存储的道路纵断面的阈值数量,则可以存储接收到的所测量的道路纵断面并且使其与路段相关联。然而,如果接收到的所测量的道路纵断面超过道路纵断面的阈值数量,则该方法可以包括识别所测量的道路纵断面和所存储的道路纵断面中最相似的两个道路纵断面。可以基于对每对道路纵断面执行的互相关函数并且对所得到的相似度值进行比较来识别最相似的两个道路纵断面。如果两个最相似的道路纵断面的相似度超过预定的相似度阈值,则可以将两个最相似的道路纵断面合并为合并的道路纵断面。如果两个最相似的纵断面的相似度没有超过相似度阈值,则可以丢弃最旧的道路纵断面,并且存储新测量的道路纵断面。以这种方式,相似的道路纵断面可以由服务器保留,而无关的道路纵断面将最终被移除。随着相似的道路纵断面被合并,关于多少道路纵断面已被合并成单个合并的纵断面的信息可以被保存为元数据,其中单个合并的纵断面中的更多数量的道路纵断面表示路段的轨道(例如,车道)。
在一些实施方式中,相似度可以是作为互相关函数的输出的在0与1之间的值。在一些实施方式中,用于合并道路纵断面的相似度阈值可以大于或等于0.6、0.7、0.8、0.9和/或任何其他适当的值。在一些实施方式中,相似度阈值可以至少部分地基于路段的类型。例如,高速公路或高速道路可以具有比低速道路更大的阈值相关性,在低速道路中可能存在车辆所采取的路径的更多变化。根据该示例,在一些实施方式中,高速公路的阈值相关性可以大于或等于0.8,并且非高速公路道路的阈值相关性可以大于或等于0.5。
在一些实施方式中,如果道路纵断面集合包括足够大数量的道路纵断面(例如,超过阈值数量的道路纵断面),则对该道路纵断面集合进行相关聚类算法。许多适当的相关聚类算法在本领域中是已知的,包括例如层次聚类方法或划分聚类方法(例如,k-均值聚类、c-均值聚类、主成分分析、层次凝聚聚类、分裂聚类、贝叶斯聚类、谱聚类、基于密度的聚类等)。在相关聚类过程之后,可以将该道路纵断面集合划分为一个或更多个聚类,其中包含在给定聚类内的每个道路纵断面基本上类似于包含在给定聚类内的每个其他道路纵断面。例如,可以将路段中的道路纵断面集合划分为至少第一道路纵断面聚类和第二道路纵断面聚类,其中第一聚类中的每个道路纵断面基本上类似于第一聚类中的每个其他道路纵断面,并且第二聚类中的每个道路纵断面基本上类似于第二聚类中的每个其他道路纵断面。在一些实施方式中,如使用包括例如本文中描述的互相关函数的任何适当的比较方法确定的,与其他聚类中的道路纵断面相比,每个聚类中的多个道路纵断面的相似性可以更类似于相同道路纵断面中的其他道路纵断面。在某些实施方式中,每个聚类可以被视为对应于道路、路段的轨道(例如,车道)或路段。在某些实施方式中,给定聚类内的所有道路纵断面可以被合并(例如,平均),以便获得单个合并轨道的道路纵断面。该合并的道路纵断面可以用作路段内的给定轨道的参考道路纵断面(例如,用于未来的基于地形的车辆定位或未来的车辆预览控制(例如,基于即将到来的道路特性的知识来控制一个或更多个车辆系统)),并且可以存储在数据库中并与路段中的特定轨道相关联。可以对每个识别的聚类执行该合并。在某些实施方式中,可以(例如,在针对给定路段收集了一定数量的新道路纵断面之后)周期性地重复聚类算法。可替选地,可以在收集了每个新道路纵断面之后重复聚类算法,以确定新纵断面属于哪个聚类。
在一些实施方式中,不是将每个聚类视为对应于轨道,而是仅将道路纵断面的数量超过道路纵断面的阈值数量的聚类视为对应于轨道。轨道表示车辆在穿过路段时所采取的路径。例如,具有单个道路纵断面或小于道路纵断面的阈值数量的少量纵断面的聚类可以被认为是离群值,而不是单独的轨道。例如,当车辆在穿过路段时经历非典型事件(例如,车辆可能在路段内改变车道,或者可能穿过道路上通常不存在的一些临时碎片或垃圾)时,可能出现离群值。在某些实施方式中,可以在一些时间量之后删除被认为是离群值的道路纵断面,以便节省空间、不引起混乱或出于其他适当的原因。
根据本文中描述的示例性实施方式,可以将一个或更多个道路纵断面合并成合并的道路纵断面。在一些实施方式中,合并两个或更多个道路纵断面可以包括对两个或更多个纵断面求平均。在一些实施方式中,合并两个或更多个道路纵断面可以包括考虑在所测量的道路纵断面中提供的信息有效的频率范围。在一些情况下,两个或更多个所测量的道路纵断面可以具有交叠但不相同的有效频率范围。在这样的情况下,交叠部分可以被平均,而不交叠部分可以保持不变。从多个交叠但不相同的所测量的道路纵断面创建的参考纵断面可以具有比单个所测量的道路纵断面更宽的有效频率范围。根据这样的实施方式,可以将具有不同质量和频率的传感器合并到合并的纵断面中,而不使合并的道路纵断面失真,因为可以对来自每个所测量的纵断面的最有用的数据进行组合。
当然,可以采用用于合并两个或更多个道路纵断面的任何合适的技术,因为本公开内容不限于此。
在一些实施方式中,连续路段的轨道可以在数据库中被链接。这些链接可以形成示出如何访问连续路段上的轨道的有向图。例如,给定道路可以包括第一路段和第二路段,其中第一路段和第二路段是连续的。如果确定第一路段包含两条轨道(在一些实施方式中,轨道可以对应于道路上的物理车道)并且第二路段包含两条轨道,则第一路段的每条轨道可以在数据库中链接至第二路段中的相应轨道。该“轨道链接”可以基于历史趋势来执行——例如,如果观察到大多数车辆或其他适当阈值的车辆从第一路段中的一条轨道(即第一道路纵断面)行驶到第二路段中的对应轨道(即第二道路纵断面),则这些轨道可以在包含各个路段的道路纵断面的数据库中链接在一起。例如,如果车辆优选地从第一路段中的“轨道1”行驶到第二路段中的“轨道1”,则第一路段的轨道1可以链接至第二路段中的轨道1。这些链接可以用于预测行驶,使得如果车辆在给定时间处被定位到第一路段中的“轨道1”,则可以假定车辆可能继续到第二路段中的“轨道1”。因此,车辆可以使用轨道识别来针对即将到来的道路纵断面准备和/或控制一个或更多个车辆系统。
在一些实施方式中,根据本文中描述的示例性实施方式,道路纵断面可以包括关于车辆穿行的附加信息以帮助进行聚类和/或车道识别。例如,在一些实施方式中,道路纵断面可以包括平均速度,该平均速度可以通过在测量用于确定道路纵断面的各种所测量的纵断面时对穿过路段的车辆的速度进行平均来确定。根据这样的示例,平均速度可以有助于进行车道识别和聚类,因为车道的平均速度可能不同。例如,在美国,最右车道可能具有最低的平均速度,而最左车道具有最高的平均速度。因此,具有较低平均速度的第一轨道可以与最右车道相关联,并且具有较高平均速度的第二轨道可以与道路的最左车道相关联。当然,可以收集和采用任何合适的信息来识别路段的车道,因为本公开内容不限于此。
如本文中使用的,术语“位置”可以指以绝对坐标表示的车辆的位置,或者它可以指车辆沿道路的位置。车辆的位置可以表示为相对于道路的某些特征的距离(例如,表示为相对于道路起点的距离、相对于某些交叉路口的距离、相对于位于道路上的某些特征的距离等)。
应当理解,虽然在下面的实施方式中描述了用于测量道路纵断面的特定类型的传感器,但是可以使用能够测量路面的高度变化或与路面的高度变化相关的其他参数(例如,当车辆穿过路面时车辆的一个或更多个部分的加速度)的任何适当类型的传感器,因为本公开内容不限于此。例如,惯性测量单元(IMU)、加速计、光学传感器(例如,摄像机、LIDAR)、雷达、悬架位置传感器、陀螺仪和/或任何其他适当类型的传感器可以在本文中所公开的各种实施方式中使用以测量车辆穿过的路段的路面纵断面,因为本公开内容并不限于此方式。
如本文中使用的,平均值可以指与本文中描述的各种实施方式相关联的参数、道路纵断面或其他特性中的任何一起使用的任何适当类型的平均值。这可以包括平均值诸如均值、众数和/或中位数。然而,应当了解,归一化、平滑、滤波、插值和/或任何其他适当类型的数据操作的任何适当组合可以在求平均之前应用于待求平均的数据,因为本公开内容不限于此方式。
如本文中使用的,道路纵断面可以对应于“轨道”或“车道”,并且在一些情况下,这些术语可以互换使用。如本文中使用的,“轨道”可以是一个或更多个车辆穿过路段所采取的路径。在一些实施方式中,“聚类”对应于“轨道”和/或“车道”。在一些实施方式中,“轨道”对应于道路上的物理“车道”。在其他实施方式中,“轨道”不对应于道路上的物理“车道”。
在本文中公开的各种实施方式中,可以参考获得特定形式的数据,包括例如:道路纵断面、路面信息、道路事件数据、道路状况数据、天气信息、车辆信息等。应当理解,获得期望的数据可以与可以获得数据的任何适当方式对应。例如,这可以包括:调用先前存储在非暂态计算机可读介质中的数据;从一个或更多个相关联的传感器或系统接收实时测量信号;从位于远程的服务器、车辆或其他系统接收传输;和/或获得所需数据的任何其他适当方法,因为本公开内容不限于这种方式。
在本文中描述的各种实施方式中,可以参考输出特定参数、指示或其他适当类型的信息。应当理解,输出可以指指示信息的任何适当类型的输出,包括例如:使用显示系统向用户输出信息;将信息存储在非暂态计算机可读介质中;将信息传输至诸如远程定位的车辆和/或服务器的另一计算设备;将信息提供给另一系统和/或计算模块以供后续使用;和/或输出信息的任何其他适当方法,因为本公开内容不限于这种方式。
转至附图,进一步详细地描述了具体的非限制性实施方式。应当理解,相对于这些实施方式描述的各种系统、部件、特征和方法可以被单独使用和/或以任何期望的组合使用,原因是本公开内容不只是限于本文中描述的具体实施方式。
基于地形的高级驾驶员辅助系统
参照图1,示出了包括高级驾驶员辅助系统(ADAS)的系统100,高级驾驶员辅助系统被配置成根据基于地形的洞察来操作。车辆102被配置成收集(104)道路数据(例如,使用一个或更多个传感器(例如,车轮加速度计、车身加速度计、IMU等))并使用一个或更多个微处理器基于该道路数据确定道路纵断面108。车辆102还被配置成向云计算系统106发送道路纵断面信息,云计算系统106可以包括云数据库。在一些实例中,道路数据或道路数据的一些自适应被发送至云计算系统,并且在云计算系统处确定道路纵断面。车辆102还被配置成向云计算系统106发送车辆信息110。车辆信息110可以包括车辆102的GPS位置。车辆信息110可以包括例如车辆的品牌、车辆的型号、车辆的类型(例如,跑车、轿车、SUV、皮卡等)、关于车辆设备的信息(例如,传感器定位、传感器细节等)、车辆的驾驶类型(例如,自主、半自主、人类驾驶等)、估计的轮胎类型、估计的轮胎磨损状况等。车辆信息100还可以包括例如关于车辆驾驶员的信息(例如,驾驶员简档、平均反应时间等)。
云计算系统106接收(112)道路纵断面108和至少一条车辆信息110。基于所接收的道路纵断面108、车辆信息110和云数据库信息114,云计算系统106确定(116)车辆102的精确位置。在一些实现方式中,接收步骤112可以不发生,并且数据库信息114可以被发送至车辆,其中确定步骤116可以在车辆处本地发生。在一些实现方式中,整个数据库或数据库的一部分可以在先前的时间本地存储,并且此处描述的过程可以完全本地执行,而不需要连接至云,直到需要更多最新的信息。数据库信息114可以包括来自由车辆102或其他车辆在路段上执行的先前驾驶的所存储的道路纵断面。确定车辆的精确位置可以包括使用所接收的道路纵断面108和由云计算系统106接收的车辆102的GPS位置来匹配所接收的道路纵断面108和来自云数据库的所存储的道路纵断面。如本文中使用的,术语“精确定位”指的是在1米内和/或与典型GPS或其他GNSS系统相比更精确例如一个或更多个数量级的定位准确度。车辆102接收(118)精确位置。
计算系统106被配置成使用道路纵断面108和车辆信息110来确定(120)用于穿过即将到来的路段、即将到来的道路事件等的至少一部分的推荐的车辆操作参数。推荐的车辆操作参数可以在云计算系统106中使用来自先前在即将到来的路段上驾驶的其他车辆(或来自当前车辆的即将到来的路段的先前穿行)的先前的道路数据(例如,道路状况信息、道路事件信息等)来计算(120),先前的道路数据可以包含在数据库信息114中。在一些实现方式中,云计算系统可以本地存储在车辆中,并且可以仅偶尔地连接至远程服务器或者根本不连接至远程服务器。云计算系统106可以向车辆102发送(122)推荐的车辆操作参数。在接收到(124)推荐的车辆操作参数时,车辆102可以发起(126)驾驶员警报(例如,通过在车辆中的屏幕上呈现图形、通过平视显示器、经由可听声音、经由触觉反馈等)和/或发起车辆行为的改变。在一些实现方式中,发起车辆行为的改变可以包括,例如,在车辆的自主驾驶控制器处发起命令以改变车辆的速度。在一些实现方式中,发起车辆行为的改变可以包括发起制动命令以使车辆减速或限制推进发动机或ICE马达的功率。
智能速度自适应系统
当前的智能速度自适应系统基于与路段相关联的速度限制和/或驾驶危险信息(例如,高的行人流量区域、铁路交叉口、学校、医院等)来警告或强制执行行驶速度。这样的速度限制和/或驾驶危险信息可以来源于各种地图数据库,诸如例如,开放街道地图(OSM)。该速度限制和/或驾驶危险信息通常是静态的(即,学校、医院、铁路等的速度限制和位置不经常改变),并且边界可能被不精确地限定。
发明人已经认识到,针对安全、舒适和/或车辆耐久性的行驶速度建议可以通过使用对一个或更多个即将到来的道路状况的预见来确定。在一些实现方式中,即将到来的道路状况可以特定于车辆在多车道道路上行驶的车道或轨道。即将到来的道路状况可以包括但不限于道路事件、道路粗糙度、道路频率内容、道路摩擦、道路曲率、天气相关事件和/或平均行驶速度。通过精确定位和利用基于云的或本地数据库的数据共享,可以计算基于对即将到来的道路状况的预见的推荐的行驶速度,并将其提供给车辆上的智能速度自适应系统。智能速度自适应系统可以是车辆的高级驾驶员辅助系统(ADAS)的一部分。然后,智能速度自适应系统可以向车辆驾驶员警告和/或强制执行推荐的行驶速度,以提高安全性、舒适性、燃料经济性、里程、车辆耐久性和/或其他期望的指标。
推荐的行驶速度计算可以考虑即将到来的道路事件,包括但不限于深坑洼、减速带、深井盖、斜坡、崎岖不平的道路和/或冻胀。以过高或过低的速度在这些大型道路事件上行驶可能会降低安全性、舒适性和/或车辆耐用性。通常,驾驶员事先不知道即将到来的道路事件,并且在一些情况下,即使在车辆穿过即将到来的道路事件之前识别即将到来的道路事件,驾驶员也可能无法有效地选择将在穿过即将到来的道路事件时减少对安全性、舒适性和/或车辆耐久性的不利影响的行驶速度。例如,驾驶员可能太晚评估即将到来的道路事件的参数(例如,坑洼的深度、减速带的高度、坑洼的位置、潮湿或结冰道路的光滑度等)而不能适当地调整车辆速度。在穿过即将到来的道路事件之前可以提供给车辆和/或车辆驾驶员的推荐的行驶速度可以帮助车辆(例如,经由自主或半自主驾驶控制器)和/或车辆驾驶员及时做出反应,并调整行驶速度以获得更好的安全性、舒适性和/或车辆耐久性。
可以以多种方式确定推荐的行驶速度。首先,可以使用物理模型,物理模型基于包含在数据库中的道路数据中的道路事件信息,道路事件信息可以本地存储在车辆上,或者可以以适当的间隔从云中检索。道路事件信息可以包括事件类型(例如,坑洼、减速带、冻胀等)、事件大小(例如,大型事件、中型事件、小型事件等)、事件长度(例如,坑洼的长度、减速带的长度)、事件高度(例如,减速带的高度、坑洼的深度等)等。在一些实现方式中,道路事件信息可以基于已经按车辆类别归一化的道路数据(例如,已经移除收集数据的车辆的车辆特性)。在一些实现方式中,道路事件信息可以与收集有助于道路事件信息的道路数据的车辆类别(例如,跑车、SUV、轿车等)相关联。在一些实现方式中,可以至少部分地基于将消费行驶速度推荐的车辆的车辆特性来计算推荐的行驶速度。例如,离地间隙低的跑车可能会收到与离地间隙高的SUV不同的行驶速度建议。
类似地,对道路频率内容、道路粗糙度、道路摩擦、道路曲率和天气相关事件(例如,冰/积雪和水坑)的预见可以是确定推荐的行驶速度的输入。推荐的行驶速度考虑了对道路状况的预见,因为车辆的反应(例如,制动距离、轮胎抓地力、操控性、牵引力等)在不同的天气相关事件期间可能显著不同。因为车辆响应(例如,制动距离、轮胎抓地力、操控性、牵引力等)可以随着变化的天气相关事件而变化,考虑到这些天气相关事件,推荐的行驶速度可以改变。路面摩擦(其可能基于天气相关事件的发生而变化)对推荐的行驶速度的影响可能至少部分取决于车辆行驶的道路的道路特性(例如,道路粗糙度、道路频率内容、道路摩擦、道路曲率、道路坡度等)。对这些天气相关事件(通常变化很快)的预见可以通过精确定位(如前所述)以及车辆与云服务器之间的信息共享来实现。可以通过使用物理模型和/或通过使用来自在相同或实际上相同条件下以不同行驶速度行驶的其他车辆的历史车辆响应数据来计算使用道路状况预见的推荐的行驶速度。
在一些实现方式中,平均行驶速度(例如,穿过相同路段的多个车辆的平均速度)可以用于确定智能速度自适应系统要推荐的路段的推荐的行驶速度。在一个示例中,如果特定路段的平均行驶速度已经下降(即,车辆在该路段上行驶得更慢)低于某个阈值(例如,速度降低百分比(例如,10%、20%、50%或更多速度降低)或特定速度(例如,10英里/小时、20英里/小时、30英里/小时、40英里/小时、50英里/小时等)等),则可以推断出可能存在不规则的道路事件(例如,道路特征、事故、天气相关事件(例如,雪、冰、雨、雾等))位于该路段上,或者在该路段上可能存在缓慢的交通。在这种情况下,可以相应地调整推荐的行驶速度(例如,以匹配最近计算的平均行驶速度)。
返回参照图1,包括被配置成根据基于地形的洞察操作的高级驾驶员辅助系统(ADAS)的系统100可以包括智能速度自适应系统。
在系统100包括智能速度自适应系统的情况下,云计算系统106被配置成使用道路纵断面108和车辆信息110来确定(120)用于穿过即将到来的路段或道路事件的至少一部分的推荐的行驶速度。推荐的行驶速度可以在云计算系统106中使用来自先前在即将到来的路段上驾驶的其他车辆(或来自当前车辆的即将到来的路段的先前穿行)的先前的道路数据(例如,道路状况信息、道路事件信息等)来计算(120),先前的道路数据可以包含在数据库信息114中。在一些实现方式中,云计算系统可以本地存储在车辆中,并且可以仅偶尔地连接至远程服务器或者根本不连接至远程服务器。对于特定道路状况的推荐的行驶速度可以例如通过使用物理模型或根据来自其他车辆或来自相同车辆的根据车辆速度的特定道路状况上的先前车辆响应数据来计算。云计算系统106可以向车辆102发送(122)推荐的行驶速度。一旦接收到(124)推荐的行驶速度,车辆102可以发起(126)驾驶员警报(例如,通过在车辆中的屏幕上呈现图形、通过平视显示器、经由可听声音、经由触觉反馈等)和/或发起车辆行为的改变。在一些实现方式中,发起车辆行为的改变可以包括,例如,在车辆的自主驾驶控制器处发起命令以改变车辆的速度。在一些实现方式中,发起车辆行为的改变可以包括发起制动命令以使车辆减速或限制推进发动机或ICE马达的功率。
参照图2,在场景200中,在路段218上行驶的车辆202可以与云数据库206通信,以确定车辆的精确位置并接收驾驶员警报和/或建议以在自主驾驶模式下操作。在一些情况下,驾驶员可以发起与云的通信,即驾驶员正在切换至自主模式。车辆正在其上行驶的路段218可以包括天气相关事件,诸如冰208和水坑210。路段218还可以包括高振幅输入部分212。这些道路状况和道路事件可能会影响车辆穿过时的安全性、耐久性和舒适性。如前所述,云数据库可以包括关于这些道路状况和道路事件的数据,如前所述,这些数据可以来源于其他车辆、当前车辆的先前行程和/或其他数据库(例如,NOAA等)。
如图1和随附的先前文本中所示和描述的基于地形的高级驾驶员辅助系统可以具有这些道路状况的存在的预先知识和/或可以预测这些道路状况的存在,并且可以相应地警告车辆202的驾驶员或车辆202的自主驾驶控制器。基于地形的高级驾驶员辅助系统可以发起对行驶速度216、在另一车辆204后面的跟随距离214和/或另一车辆操作参数的修改(例如,发起四轮驾驶模式)以提高车辆安全性和/或舒适性和/或耐久性。
参照图3,在场景300中,在路段318上行驶的车辆302与云数据库306通信,以确定其精确位置并接收驾驶员警报和/或建议以在自主驾驶模式下操作。路段318可以包括道路事件,诸如减速带306、坑洼308和山丘310。这些道路事件可能会影响车辆穿过时的安全性、耐用性和舒适性。如前所述,云数据库可以包括关于这些道路事件的数据,如前所述,这些数据可以来源于其他车辆、当前车辆的先前行程等。
基于地形的高级驾驶员辅助系统可以具有预先知识或和/或可以预测这些道路状况的存在,并且可以相应地警告车辆302的驾驶员或车辆302的自主驾驶控制器。基于地形的高级驾驶员辅助系统可以发起对行驶速度314、在另一车辆304后面的跟随距离312和/或另一车辆操作参数的修改,以提高车辆安全性和/或舒适性和/或耐久性。
作为示例,如图4所示,在场景350中,车辆352在包括大坑洼382的路段380上行驶。在本文中描述的基于地形的高级驾驶员辅助系统没有向车辆的一个或更多个车辆系统和/或操作者提供预先通知和车辆操作指令的情况下,车辆对坑洼的响应可能损坏车辆352的轮胎、轮辋和/或其他悬架部件。这种破坏性的影响可能是由多种原因造成的。在一些实例中,在足够的警告下人类或自动操作者(例如,自主或半自主车辆控制器)可能无法看到坑洼382以能够降低速度(或避开坑洼)。在一些实例中,人类或自动操作者(例如,自主或半自主车辆控制器)可能无法正确判断事件的严重性。在一些实例中,人类或自动操作者(例如,自主或半自主车辆控制器)可能在预期有坑洼的情况下被迫以高减速或加速速率降低或增加车辆速度,从而导致不适。在一些实例中,人类或自动操作者(例如,自主或半自主车辆控制器)可能无法在穿过坑洼的最佳速度范围内判断或执行车辆的操作。例如,基于车辆的参数(例如,离地间隙、轮胎参数等),可以存在车辆可以在其以下行驶的速度截止,其中穿过坑洼382可能不会造成损坏。在另一示例中,基于车辆的参数(例如,离地间隙、轮胎参数等),可以存在车辆可以在其以上行驶的速度截止,其中穿过坑洼可能由于车辆以足够高的速度跳过坑洼而不会造成损坏。
如图4所示并在本文中描述的车辆352的基于地形的高级驾驶员辅助系统可以用于确定用于穿过事件(例如,坑洼382)的最佳速度范围,并以足够的时间警告(376)车辆中的操作者或自主系统以允许平稳减速或加速至目标速度范围内。最佳速度可以例如基于相同车辆或类似类别的其他车辆或不同类别的其他车辆在相同事件上的所测量的车辆响应来确定(370),或者可以通过使用模型和由相同车辆或由穿过事件的其他车辆在先前穿过事件期间收集的道路信息来确定最佳速度。关于事件的信息364可以在云数据库或本地数据库中收集,可以从多个驾驶和/或多个车辆组合,并且可以存储在本地车辆上或者在足够提前于预期穿行的时间从云356中调用。关于车辆定位的步骤354至368类似于先前关于图1讨论的步骤。
桥梁识别与调整
在一些实例中,诸如图5所示的实施方式,一些单独的道路特征可能特别受到环境因素的影响。例如,在低温条件下,桥梁上的路面可能比非桥梁路面先结冰。在图5中,车辆402在路面418上行驶,并且路面的一部分穿过桥梁412。云计算系统406可以基于例如天气信息、道路纵断面数据、道路事件信息和/或历史数据来预测桥梁结冰事件的发生。这样的天气信息、道路纵断面数据、道路事件信息和/或历史数据可以存储在云数据库406中(类似于包括图1中的数据库信息114的云数据库106),并且可以用作使用如参照图1所描述的基于地形的洞察的高级驾驶员辅助系统的输入。如果桥梁结冰事件可能发生在桥梁412上,则基于地形的自适应巡航控制系统、基于地形的碰撞警告和避免系统、基于地形的智能速度自适应系统等可以相应地警告车辆402的驾驶员和/或自主驾驶控制器以增加另一车辆404后面的安全跟随距离410、改变行驶速度408和/或改变任何其他合适的车辆操作参数。
自适应巡航控制
通常,自适应巡航控制系统可以被配置成控制车辆以保持在另一车辆后面的安全跟随距离,从而允许车辆的驾驶员或自主驾驶控制器有足够的时间对道路上的事故做出反应,而不会与车辆正在跟随的另一车辆相撞。发明人已经认识到,基于地形的自适应巡航控制系统(其示例在本文中描述)可以实现安全跟随距离,安全跟随距离被配置成基于道路状况(例如,道路摩擦、道路粗糙度、道路频率内容、道路曲率、道路坡度、局部天气等)而变化。例如,与干燥的柏油路相比,车辆在结冰道路上的制动距离通常更长。因此,由基于地形的自适应巡航控制系统执行的安全跟随距离可以被配置成,如果车辆正在或将要在已知结冰或可能结冰的路段上行驶,则该安全跟随距离会变长。通过基于精确定位和利用云计算系统的数据共享知道车辆前方路段上的道路状况,如先前参照图1所讨论的,使用基于地形的洞察的自适应巡航控制系统可以相应地调整安全跟随距离。在一些实现方式中,可以基于车辆的过去行为来估计制动距离。在一些实现方式中,由于当前车辆参数接近先前车辆参数,车辆自身的过去行为可以预测即将到来的行为。车辆参数的示例包括车辆类别、车辆品牌/型号、轮胎类型、轮胎磨损、轮胎胎面花纹深度、轮胎充气水平、车辆重量、制动器磨损等。
路面摩擦可能显著影响制动距离,因此可能是确定自适应巡航控制系统的安全跟随距离的重要道路状况。例如,在多雪的表面上,制动距离可以增加大约50%,而在结冰的表面上,制动距离可以增加大约150%。当基于车辆的精确位置和该位置或即将到来的位置处的道路状况的知识,预测的制动距离由于减少的路面摩擦而增加时,基于地形的自适应巡航控制系统可以在进入具有已知或预测的低路面摩擦的路段之前或之后增加安全跟随距离。
通常,在正常驾驶条件下,路面摩擦可能难以实时估计,因为需要激励(高于阈值的节流和制动)来准确估计路面摩擦。云数据库可以基于来自已经行驶过相同路段的其他车辆的估计和/或来自车辆自己过去在该路段上的行程的估计来存储路面摩擦信息。图1中示出了包括云计算系统106的示例,云计算系统106包括数据库信息114。
存储在云数据库中的路面摩擦估计可以从多个源收集,并且在一些实例中,可以被分配有质量或置信度度量。在一些实例中,来自执行了更激进驾驶行为的车辆的道路数据可以提供更高质量的路面摩擦估计。在一些实例中,来自在相同路段上执行不太激进的驾驶行为的多个车辆的大量较低质量的路面摩擦估计的聚合可以提供更精确的路面摩擦估计。在一些实例中,路面摩擦估计可以直接或间接地从车辆装备的传感器测量,包括但不限于光学传感器、声学传感器等。在一些实例中,路面摩擦估计也可以基于结合了环境因素信息的模型来创建。环境因素可以包括但不限于大气温度、路面温度、湿度、风速、日照、时间、降水强度、累积降水、路面水层厚度、路面雪层厚度、路面冰层厚度、交通、道路类型、道路等级、道路粗糙度、道路坡度等。在一些实现方式中,用于测量这些环境因素中的一个或更多个环境因素的一个或更多个传感器可以位于车辆上,并且由一个或更多个传感器收集的数据可以用于进行路面摩擦预测。在一些实现方式中,用于测量这些环境因素中的一个或更多个环境因素的一个或更多个传感器可以位于其他车辆上,并且由这些其他车辆收集的数据可以众包并合并至数据库中,数据库可以被参考以进行路面摩擦预测。在一些实现方式中,关于一个或更多个环境因素的数据可以来自车辆外部,并用于进行路面摩擦预测。外部源可以包括天气或气候信息数据库(例如,NOAA数据库),其可以包括当前或历史数据。在一些实现方式中,当数据库缺乏来自路段上的驾驶的最近高置信度表面摩擦估计时,可以使用基于环境因素的路面摩擦预测。
天气相关单个事件,诸如积雪和水坑,可能会在路面上产生湿滑区域,从而显著影响制动距离。云计算系统可以基于天气信息、道路纵断面信息和/或历史数据来预测这些天气相关单个事件的发生。如果这些天气相关单个事件被预测在即将到来的路段中发生,则基于地形的自适应巡航控制系统可以例如相应地增加安全跟随距离、降低速度、限制车辆激励等。
严重的局部天气,诸如雾、大雨和/或暴风雪,可能会显著影响能见度。在这样的情况下,云计算系统可以基于精确定位来提供即将到来的局部天气的信息。基于地形的自适应巡航系统可以例如增加跟随距离,降低最大行驶速度,用于即将到来的恶劣局部天气,以最小化降低能见度的影响。在一些实现方式中,恶劣的局部天气的实例也可能导致系统开始打开雾灯。
道路频率内容和道路粗糙度可能会影响制动距离和驾驶员行为。例如,当道路崎岖不平并且具有高振幅的输入内容时,制动距离可能由于轮胎弹跳而增加(即,当轮胎和路面不接触时不会发生制动)。此外,通常,驾驶员在具有这样的特性的道路部分上往往会快速减速。如果即将到来的路面是粗糙的并且具有高幅度的输入内容,则基于地形的自适应巡航控制可以例如相应地增加安全跟随距离、降低最大速度、降低行驶速度等。
基于地形的自适应巡航控制可以增加跟随距离,以在即将到来的道路曲率陡峭和/或即将到来的道路坡度陡峭时增强安全性。在这样的情况下,车辆前面的另一辆车可能被预期会快速减速。此外,自适应巡航控制系统的雷达在陡峭的道路曲率和/或陡峭的道路坡度期间可能更容易失去对另一车辆的跟踪。
参照图6,示出了用于确定车辆的自适应巡航控制系统的跟随距离的方法450。方法包括通过车辆的一个或更多个传感器获得(452)车辆正在行驶的路段的道路数据,基于道路数据确定(454)路段的当前道路纵断面,向云数据库发送(456)当前道路纵断面,从云数据库接收(458)候选存储的道路纵断面集合,通过处理器基于候选存储的道路纵断面集合和当前道路纵断面确定(460)车辆的位置,以及通过处理器确定(462)跟随距离,跟随距离至少部分地基于车辆的位置。方法的许多步骤可以反映在图1的流程图及其随附的描述中。
碰撞警告和避免以及自动紧急制动和转向
通常,可以包括例如前方碰撞警告、自动紧急制动以及自动紧急制动和转向的碰撞警告和避免系统检测即将发生的碰撞并试图消除或减轻即将发生的碰撞的影响。试图减轻或消除即将发生的碰撞可以包括警告(通过视觉、听觉、触觉和/或其他警报)车辆的驾驶员制动、自主地执行紧急制动和/或自主地执行转向以避免碰撞。
发明人已经认识到,对即将到来的路段的车道或轨道特定路况的预见,包括但不限于路面摩擦、道路频率内容、道路粗糙度、道路事件和天气相关事件,基于地形的碰撞警告和避免系统可以比传统系统更准确地估计制动距离。因此,基于地形的碰撞警告和避免系统可以根据这些更准确的制动距离预测来调整警告触发点和/或自动制动触发点,并提供适合于车辆精确位置的警报。车辆当前车道和任何相邻车道的道路状况的预见也可以有助于在预测到潜在碰撞时决定使用自动紧急制动、自动紧急转向或两者。
通过知道或准确预测车辆的当前车道和即将到来的道路的一个或更多个相邻车道的路面摩擦,碰撞警告和避免系统可以改善警告定时、制动触发定时以及在自动紧急制动与自动紧急转向之间做出决定的准确性。例如,如果相邻车道具有比当前行驶车道更高(例如,高出大于预定阈值等的量)的表面摩擦,基于地形的碰撞警告和避免系统可以优先考虑将通过转向进入相邻车道(假设相邻车道是开放的,这在一些实例中可以由车载车辆传感器确定)来避免碰撞的操作模式,而不是将在当前的较低表面摩擦车道上执行紧急制动的操作模式。路面摩擦估计可以基于来自其他车辆的最近行驶在即将到来的路段的特定车道上的其他车辆的最近驾驶数据,和/或来自基于由天气临近预报信息、关于环境因素的信息和/或历史数据或其任何组合建立的模型的预测。来自其他车辆的驾驶数据可以从车辆动态数据估计,从一个或更多个车载车辆传感器等测量。
在一些实现方式中,基于地形的碰撞警告和避免系统可以被配置成假设高路面摩擦以最小化系统错误触发率。在这样的实现方式中,可以提供即将到来的路段的路面摩擦估计以及这样的估计的置信水平。因此,在一些实现方式中,碰撞警告和避免系统可以被配置成仅当估计的置信水平高于阈值时,才基于路面摩擦估计来调整警告定时、警告类型和/或动作触发定时。在一些实现方式中,碰撞警告和避免系统可以根据路面摩擦估计和估计的置信度的组合来调整警告定时、警告类型和/或动作触发定时,以最小化错误触发率,同时避免在低路面摩擦条件下的碰撞。
在一些实现方式中,碰撞警告和避免系统可以被配置成默认假设低路面摩擦以更早地动作,并且因此可以潜在地避免更多的碰撞。这样的碰撞警告和避免系统还可以基于路面摩擦估计和这样的估计的置信水平的组合来调整警告和/或动作触发定时,以避免碰撞,同时还降低错误触发率。
在一些场景下,即将到来的路段可能包括混合的路面条件。例如,在冬季,在相同车道的相同路段中,可能会混合潮湿、泥泞、下雪和结冰的路况,尤其是在多辆车穿过相同车道之后。在这样的场景下,路段的实际路面摩擦将不是单一值。在这些场景下,来自在这样的路段上行驶的车辆的路面摩擦估计值可能具有很大的方差,因为估计值将取决于生成估计值的车辆所穿过的路段上的条件(潮湿、泥泞、下雪、结冰等)。在这种情况下,一些用路面摩擦估计的置信水平设计的智能聚类方法可以用于预测混合条件下的最高和最低路面摩擦值。在一些实现方式中,基于地形的碰撞警告和避免系统可以被配置成基于最低道路摩擦、最高道路摩擦估计、平均道路摩擦估计或基于所收集的变化数据确定的任何其他适当度量来动作。可以降低这些情景中的估计的置信水平,以指示在当前车辆穿过路段时路段的表面正在经历的表面状况的不确定性。
除了路面摩擦之外,天气相关单一事件,诸如积雪、结冰和水坑形成,可能会产生湿滑的块、道路频率内容和道路粗糙度,这些都可能是影响制动距离的车道特定路况。对即将到来的路段的这样的道路状况的预见可以帮助碰撞警告和避免系统做出更好的决策,以提高车辆的安全性。
返回参照图1,车辆102与云计算系统106之间的通信过程可以用于确定适当的车辆是否具有可以用于确定车辆的精确位置的基于地形的定位。当车辆行驶时,车辆可以报告其位置并将车辆所穿过的路段的道路状况估计(和/或可以用于确定这样的估计的道路数据)上载至服务器。服务器可以基于来自最近在即将到来的道路上行驶的另一车辆的估计,和/或基于使用天气数据和环境因素数据的预测模型,和/或基于来自在类似条件下收集的其他车辆的历史数据,向车辆发送车道特定的即将到来的道路状况预测。碰撞警告和避免系统然后可以基于道路状况预见来估计例如制动距离和/或相应地调整系统触发点和决策以增强安全性。例如,如果确定了即将到来的道路上的低摩擦表面的预见,则系统还可以确定制动距离将会增加。然后,系统可以调整系统触发点以警告驾驶员或在进入低摩擦表面部分之前更早地接合自动制动,以避免碰撞或减少碰撞冲击,即使在紧急情况发生时具有较长的制动距离。在车辆已经完成穿过低表面摩擦部分之后,系统可以将车辆重置到正常驾驶模式。
参照图7,示出了用于确定车辆的自动紧急制动触发点距离的方法480。方法480包括通过车辆的一个或更多个传感器获得(482)车辆正在行驶的路段的道路数据,基于道路数据确定(484)路段的当前道路纵断面,向云数据库发送(486)当前道路纵断面,从云数据库接收(488)候选存储的道路纵断面集合,通过处理器基于候选存储的道路纵断面集合和当前道路纵断面确定(490)车辆的位置,通过处理器确定(492)自动紧急制动触发点距离,自动紧急制动触发点距离至少部分地基于车辆的位置,以及当车辆在距另一车辆或对象的自动紧急制动触发点距离内时,经由车辆的高级驾驶员辅助系统向驾驶员发起(494)警报以进行制动。
车道保持辅助系统
当今车辆中的高级驾驶员辅助系统(ADAS)增强了驾驶员控制车辆保持在车道内并避免侵占道路上相邻行驶车道(用于相同方向和相反方向行驶的两条行驶车道)的能力。这种安全功能通常依赖于基于视觉的传感器系统,如面向前方和侧面的摄像装置,来识别车道标志,并确定采取适当路径以保持在车道内。
用于这种应用的传感器系统容易受到多种潜在故障的影响,包括反射或玻璃上的灰尘造成的传感器遮挡;由于诸如雨、雾、雪和/或覆盖道路和/或传感器的其他材料的环境条件而导致的传感器功能降低;以及由于缺乏标记、或车道标记本身的质量差、或由于干扰、遮蔽或诸如黑暗的照明问题而使车道标记变得模糊,可能普遍无法识别车道标记。这样的模糊和/或不能识别车道标志导致车道保持辅助系统不能工作(例如,不能提供车道保持辅助指令),或者在一些实例中,容易出现错误识别的差错,这可能导致指示不正确的车道保持命令。
发明人已经认识到,使用附加输入可以增强这样的车道保持辅助系统的功能。在一些实现方式中,可以使用高清地图,其中高清地图包含与道路相关的细节,诸如例如地形纵断面、道路事件、道路内容和/或类似的道路表征特征;车辆周围的路标和其他独特的地标;平均、中间和/或典型航向;曲率和/或先前驾驶的路径;或其任何子集,以及许多其他可能的细节。在一些实现中,这样的道路相关信息的数据库(例如,包括图1中示出的数据库信息114的云计算系统106)可以被认为是高清地图。在一些实现方式中,该高清地图可以包括通过从其他车辆和/或从先前驾驶收集数据而获得的众包信息。
如前所述,可以例如使用道路特征、道路纵断面信息和/或来自高清地图的事件的地形匹配来对车辆的当前位置进行准确估计。在一些实现方式中,除了基于地形的定位之外或代替基于地形的定位,可以使用道路纵断面或环境中的地标的特征匹配和/或使用高精度全球导航系统信号来对车辆的当前位置进行精确估计。
一旦知道了精确位置,并且给定了由穿过路段的其他车辆驾驶的典型路径,该信息可以用于确定当前车辆从典型路径的不期望的偏离。在一些实现方式中,基于地形的定位系统对车辆已经偏离典型路径的确定可以用作进入车道保持辅助系统的附加输入。这样的输入可以是馈送至控制系统的误差信号的形式,可以是用于识别控制系统中的故障的参考信号的形式,或者可以是通过触觉或视觉提示诸如例如通过平视显示器或通过驾驶员感觉到的转向力扭矩的修改对驾驶员或操作者的警告的形式。
在一些实现方式中,系统可以识别行驶车道中可能想要避免的特征的存在,诸如例如大坑洼、低摩擦路面的部分、卡车车辙等。这些特征可以从高清地图中导出,例如众包道路地图或通过街道级图像的计算机视觉分析构建的地图,或者从其他不相关来源导出的地图,或者它们可以从相同车辆中过去的驾驶数据中推断,或者其任何组合。
给定车辆的精确位置和给定路段上要避开的道路特征(例如,道路事件、道路状况等)的已知位置,系统决定如何动作。例如,如果道路特征在横向方向(垂直于一般行驶方向的方向)上很小,则可以向转向系统提出建议,以使目标路径偏离预期路径,从而避开该特征。该期望偏差与安全考虑因素(例如与车道的宽度和附近其他车辆的存在相关的安全考虑因素)进行权衡,然后在适当的情况下用作输入,以计算新的期望路径。例如,如果车道中存在小而深的坑洼,并且当车辆在车道中心行驶时,该坑洼与一组轮胎(车辆的右侧或左侧)成一直线,则可以根据安全考虑(例如每侧是否存在额外的行驶车道)在安全时间段(例如5秒或更长时间)内命令偏移以将车辆向一侧或另一侧移动,并且车辆可以例如通过简单地驾驶使得车轮跨越障碍物,或者通过驾驶使得障碍物留在车辆的一侧或另一侧来避开障碍物。在一些实例中,当该特征无法避免时,系统可以推荐用于与该特征相互作用的速度(例如,降低的速度、增加的速度等)。
道路事件在车道中的位置可以使用基于地形的定位系统来确定,基于地形的定位系统采用了如前所述的聚类方法。单个行驶车道内可能包含多条轨道,并且事件可能存在于这些轨道中的一条或更多条轨道上。在一些实例中,云数据库可以理解轨道相对于彼此的空间取向。基于地形的车道保持辅助或路径规划系统可以使用该信息来建议车辆转换轨道以避开位于一条轨道上而不位于另一条轨道上的事件。
根据当时车辆中存在和接合的自主驾驶能力的水平,系统可以干预以操纵车辆,可以向驾驶员或操作者提供触感或听觉反馈,或者可以通过诸如平视显示器上的指示的视觉提示来警告驾驶员或操作者。这甚至在车辆由人类操作者驾驶的驾驶情况下也可能是有用的,因为道路特征可能经常被看到太晚而不能正确地响应(例如由于前面的车辆阻碍它们)或者没有被准确地评估(例如坑洼可能被错误地判断为浅,而实际上它很深)。
在一些实现方式中,如上所述的地图细节和位置信息可以用于帮助决定哪条行驶车道是最佳的,例如在给定速度下或在特定天气条件下。作为示例,一个或更多个道路特征可以出现在多车道道路上的一条车道或轨道中,并且该信息以及关于车辆当前位置的信息可以用于建议避开特定的车道或行驶轨道。
在一些实现方式中,该信息可以被中继至自主或部分自主车辆的路径规划部件,并且车辆可以尝试在指示路段之前改变车道,只要它能够安全地这样做。在另一实现方式中,信息可以以视觉(例如,平视显示器、导航显示器等)、触感(例如,方向盘扭矩反馈、触觉振动反馈)和/或听觉(例如,方向警告声音)提示的形式被中继至人类操作者,从而允许操作者选择动作方式。在另一实现方式中,可以对多车道道路上的行驶车道中的每个行驶车道中即将到来的道路内容进行分类和分析。例如,在具有特定类型内容的道路上,车辆可能更倾向于引起不舒服的运动,或者具有引起晕动病倾向的运动,或者更可能损坏车辆或其部件的运动。该内容可以通过对照与舒适性、晕动病或损坏倾向相关的度量分析相同车辆或相同类型或类别的车辆的过去驾驶来限定,然后可以使用对任何给定行驶速度下即将到来的路段的分析来选择最佳行驶车道。该信息然后被提供给自主系统的路径规划部件,或者以视觉、触感或听觉提示的形式提供给人类操作者。
参照图8,驾驶场景500示出了在车道506中的道路504上行驶的车辆502。车辆502具有左轮510和右轮512。特征516被识别为在车辆502的路径514中。具体地,如果车辆502继续沿着路径514行驶,则预期右轮512会撞击特征516。利用该知识,车辆502的路径控制器518可以修改路径514,使得右轮512与特征516之间的预期碰撞不会发生。所修改的路径可以将车辆移动至另一车道(例如,车道508)中,或者可以将车辆保持在车道506内。本文中示出和描述了这两种场景。
参照图9,在场景600中,基于地形的车道保持辅助系统发起以下命令或建议:车辆502沿着路径620移动以跨越道路504中的特征516而不离开行驶车道506。命令可以是对路径规划控制器518的输入,或者是对车辆502的操作者的推荐或建议(例如,通过视觉提示、音频提示、平视显示器指令、触感警报等)。
参照图10,在场景700中,车辆502的基于地形的车道保持辅助系统发起以下命令或建议:车辆502沿着路径720移动以导航绕开道路504中的特征516。采用路径720使得车辆502在相同的行驶方向上偏离当前行驶车道506进入相邻行驶车道508。命令可以是对路径规划控制器518的输入,或者是对车辆502的操作者的推荐或建议(通过视觉提示、音频提示、平视显示器指令、触感警报等)。车辆502可以继续在相邻行驶车道508中行驶,或者可以在特征516已经被导航绕开之后变回车道506。
参照图11,用于计算由车道保持辅助系统使用的目标行驶路径的方法750,该行驶路径用于穿过路段的第一车辆。方法包括确定(752)第一车辆的当前位置,至少部分地基于第一车辆的当前位置获得(754)穿过路段的目标行驶路径,以及确定(756)第一车辆的当前位置与目标行驶路径之间的误差。
自动驾驶轨迹规划
车辆中的高级驾驶员辅助系统(ADAS)增强了驾驶员控制车辆保持在车道内并避免侵占道路上相邻行驶车道(用于相同方向和相反方向行驶的两条行驶车道)的能力。这种安全功能通常依赖于基于视觉的传感器系统,如面向前方和侧面的摄像装置,来识别车道标志,并确定采取适当路径以保持在车道内。
用于这种应用的传感器系统可能容易受到多种潜在故障的影响,包括反射或传感器污染(如灰尘)造成的传感器遮挡;由于诸如雨、雾、雪或覆盖道路的其他材料的环境原因导致的传感器性能下降;以及由于车道标志的缺失或车道标志本身的质量差,或由于车道标志由于干扰、遮蔽或诸如黑暗的照明问题而变得模糊,可能普遍无法识别车道标志。这样的模糊和/或不能识别车道标志导致车道保持辅助系统不能工作(例如,不能提供车道保持辅助指令),或者在一些实例中,容易出现错误识别的差错,这可能导致计划和/或指示不正确的轨迹。
发明人已经认识到,通过使用精确定位和来自先前驾驶的一个或更多个轨迹路径来向路径规划控制器或人类操作者提供附加的误差信号,可以降低传感器故障对提供驾驶员辅助的影响。如果命令轨迹偏离典型的驾驶路径,基于地形的高级驾驶员辅助系统可以向自动驾驶轨迹规划系统提供警告。典型的驾驶路径可以是例如基于众包数据在路段上通常穿过的驾驶路径。
本发明人已经认识到,对传感器故障的补偿可以以多种方式实现,例如通过1)基于高清地图具有对期望路径的预先了解,或者2)通过使用基于在相同车辆中沿着期望路径的先前驾驶的信息,或者基于在至少一个不同车辆中沿着期望路径的先前驾驶的信息。该信息可以例如是驾驶车辆和/或其他车辆的精确位置,和/或可以是与驾驶车辆和/或其他车辆的航向相结合的位置,和/或可以是来自基于视觉的传感器或能够检测与诸如车道标志、道路分界线和/或附近建筑物的地标相关的位置的其他传感器的信息。从这些来源,可以导出期望路径,例如通过计算来自多个驾驶的平均路径,或者通过使用来自参考驾驶的路径,该路径或者是为了绘图的特定目的而创建的,或者基于参考标准被认为足够准确。例如,平均计算可以包括去除异常值,并且可以去除在任何给定区段上测量到高航向变化率的车辆。平均计算还可以包括考虑每个车辆的速度,并以不同的方式在异常高或低速度下平衡驾驶,并且还可以考虑速度和车辆类型来计算多条路径,这些路径各自适用于给定的速度范围、车辆类型、其组合和/或其他因素。这些因素中的任何一个因素都可以被包括在内并用于为行驶在给定道路上的车辆创建期望的参考路径。
可以使用准确的定位系统来确定车辆沿道路的当前位置。该准确系统可以使用若干技术,例如全球导航系统卫星、来自基站的实时运动学校正、以及行业中已知的能够创建精确定位服务的类似技术;作为另一示例,他们可以使用基于车辆的运动传感器的航位推算,诸如惯性测量单元,或者全球导航系统卫星和航位推算技术的组合,例如使用卡尔曼滤波器混合;作为又一示例,它们可以使用基于地形的定位服务,其识别道路或周围环境的特征或组成部分,诸如例如基于视觉的建筑物、树木、标志和其他特征的事件识别,基于传感器的道路特征或事件识别,或者能够识别道路基底成分的穿透地面的激光。许多其他定位系统被认为是有用的。更高的定位准确度使得本文中描述的系统能够更好地发挥功能,尤其是沿着行驶方向。在一些实例中,在行驶方向上和沿着路面可以采用小于1米但优选小于20厘米的定位准确度,而在垂直于车辆行驶方向的方向上可以采用小于5米但优选小于1米的准确度。
典型的高级驾驶员辅助系统使用多个传感器来确定是否应该对当前路径进行校正。在理想的情况下,车道标志可以在车辆的任一侧被识别,并且路径可以被计算为离车辆两侧接近相同的距离,以便在被标记的车道的中心行驶。发明人已经认识到,这种确定路径的方法可能是有问题的,例如当至少一个车道标志不可见或标记不良时,或者例如在图13所示的非常常见的场景下,其中出口车道908从主行驶车道906分支,并且道路一侧上的车道标志跟随出口车道。在这种场景下,在出口车道离开道路的地方突然返回行驶车道之前,车辆每侧的双车道标记之间的计算中心似乎部分转向出口车道。
在这些和其他特殊情况下,其中车道标记单独不足以为车辆规划轨迹,期望的轨迹可以由基于地形的自主驾驶轨迹规划系统使用高清地图(其包括如上所述的路面信息)以及如上所述的车辆的精确位置来导出。基于地形的自主驾驶轨迹规划系统可以计算由基于视觉的系统指示的轨迹与基于包含在高清地图中的信息确定的轨迹之间的误差。该误差可能以多种方式使用。例如,在例如由于来自许多先前驾驶的数据的存在而使高清地图中包含的道路信息具有高置信度的情况下,或者例如由于天气条件、传感器遮挡等导致视觉数据具有低置信度的情况下,基于高清地图中的道路信息数据确定的轨迹可以被用作替换,从而将所有计算的误差应用为对原始命令的校正。另一方面,如果在高清地图数据中的置信度低或者不存在视觉数据的问题的指示,则可以保证更谨慎的方法,其中仅应用部分误差或者不应用任何误差作为校正信号。例如,可以由轨迹规划控制器做出权衡或选择轨迹规划数据源的决定,无论是视觉的、基于地形的还是两者的某种组合。轨迹规划控制器可以是车辆的自主或半自主驾驶系统的部件。在一个实现方式中,轨迹规划控制器可以计算误差并寻找大的差异。在这样的差异的情况下,轨迹规划控制器可以执行指令来警告驾驶员这些差异(例如,通过发起听觉、视觉、触觉和/或另一警报),并且如果差异很高并且不能通过传感器融合或其他信号来解释,则可以关闭自动转向和/或其他自主驾驶特征。
参照图12,在场景800中,车辆802沿着道路804的车道806中的测量路径810行驶。由控制器808确定测量路径810偏离期望路径812偏移量814。控制器808可以向操作者发起命令或建议以校正车辆的路径,使得车辆遵循路径812。例如,在一些实现方式中,控制器可以向车辆502的驾驶员发起警报(例如,音频、视频和/或触感警报),以将车辆转向期望路径812。
参照图13,在场景900中,车辆902接近道路904中的分叉处,在该分叉处,第一车道906直线前进并且第二车道908(其可以是例如出口车道)从第一车道906向右分叉。在一些轨迹规划控制方案中,控制器918可以将期望路径计算为与车辆正在行驶的车道的左侧和右侧的车道标记具有相同距离。如果使用这样的控制方案,当车辆902接近道路904中的分叉处时,控制器918可以将路径914计算为车辆902的期望路径。然而,该路径914将导致车辆902沿着与道路904的车道(第一车道906或第二车道908)不匹配的轨迹运行,并且当车辆偏离行驶车道时,可能导致车辆的危险情况。
在基于地形的轨迹规划系统中,云计算系统916可以向车辆902提供基于地形的信息,云计算系统916包括云数据库,云数据库可以本地存储在车辆上,或者可以远程定位并通过空中连接以适当的间隔访问云数据库。例如,当车辆902接近道路904中的分叉处并开始采取路径914时,云计算系统可以识别出与路径914对应的道路纵断面(从由车辆传感器(例如,加速度计)收集的道路数据导出)与车辆正在行驶的区域的任何有效道路纵断面(例如,与沿着车道906中的路径910直线前进或沿着路径912采取出口车道908对应的道路纵断面)不匹配。在这样的情况下,控制器918可以操纵车辆以使车辆回到在路径910或路径912上行驶,可以警告车辆的驾驶员(例如,通过视觉、音频或触感警告),和/或可以施加制动器以降低行驶速度并因此降低潜在的伤害。
在一些实现方式中,基于地形的轨迹规划系统可以选择降低锐度和/或提高车辆乘员舒适度的路径。参照图14,车辆1002接近道路1004上的转弯,在该转弯处将车辆保持在车道1006的任一侧上的线标之间的相等距离将导致车辆1002沿着路径1008急转弯。基于地形的轨迹规划系统可以替代地与云计算系统1016通信,以接收关于由人类操作者驾驶通过转弯的典型路径1010的信息,以及车辆1012当前行驶偏离典型路径1010多远的信息。控制器1018可以发起命令以操纵车辆1002以将车辆1002移动至路径1010上和/或可以警告车辆的驾驶员(例如,通过视觉、音频或触感警告)。
参照图15,流程图1050示出了用于计算穿过路段的第一车辆的目标行驶路径的方法,该车辆具有基于地形的轨迹规划系统。方法包括确定(1052)第一车辆的当前位置,至少部分地基于第一车辆的当前位置获得(1054)穿过路段的目标行驶路径,以及确定(1056)第一车辆的当前位置与目标行驶路径之间的误差。方法还包括将误差与阈值进行比较(1058),并确定第一车辆的当前路径不适合穿过路段。方法还包括基于误差计算(1060)校正动作,以使当前轨迹匹配目标行驶路径。在一些实例中,方法还包括使用至少部分地影响第一车辆的转向的第一车辆的高级驾驶员辅助系统发起校正动作。
自适应前灯
现代道路车辆的前灯被配置成照亮车辆前方的道路。一般来说,只要光源(即前照灯)足够强,尽可能多地照亮车辆前方的道路对车辆的操作者是有益的。然而,照亮车辆前方的道路也可能产生负面影响,因为前灯也会将强光照射到迎面而来的车辆上,潜在地阻碍了这些车辆的操作者的能见度。由于这个原因,最大允许的前灯角度通常由诸如当地机动车辆部门的权威机构来规定。然而,由于车辆中的重量变化可能导致车辆向上或向下倾斜从而导致前灯相对于道路的角度变化,引入了挑战。在一些地方,还要求使用自适应系统来控制车辆在道路上的俯仰变化,并保持最大允许的前灯角度。另一个问题发生在车辆转弯时,前灯照亮车辆正前方的路段(或非道路区域),而不是车辆将要穿过的路段。
一些汽车制造商已经开始使用能够从左到右和/或上下改变光束角度的前灯。这可以以多种方式来完成,例如包括使用致动器系统来移动前灯、前灯组件、透镜或引导光束的反射器,或者通过使用多个光源,每个光源至少部分地朝向不同的方向照明并根据需要选择性地接合它们。可以通过使用例如基于转向角、速度、偏航率和/或横向加速度测量的模型和/或例如使用自行车模型或卡尔曼滤波器的模型状态,至少部分地通过查看车辆的投影轨迹来引导期望角度的选择。还可以至少部分地通过使用基于地图数据的预测路径来引导选择,例如通过使用导航输入和地图层来预测即将到来的曲率。选择还可至少部分地由检测道路路径变化的传感器(例如摄像装置或LiDAR系统)引导。选择还可以至少部分地由间接或直接测量车辆相对于道路的位置的传感器引导。选择还可以至少部分地由检测迎面而来的交通的传感器引导,以允许降低或适当地引导光束,诸如以避免干扰迎面而来的车辆的操作者。
当在高度变化显著的道路上行驶时,前灯可能仅照亮车辆前方的部分道路。例如,当在车辆前方上升的道路上行驶时,前灯可以照亮离车辆更近并且可能比在道路平坦的情况下更小的道路的部分(例如,参见图16和图17的图示)。当在车辆前方下降的道路上行驶时,前灯可能照亮车辆前方更远并且可能更大的道路的部分,但也可能以不期望的方式潜在地照亮迎面而来的车辆。即使使用上述前灯系统(例如,机械地向上或向下或左右地致动前灯光束,通过选择性地打开和关闭单个光源来改变光束的竖直和/或横向角度,等等),这个问题仍然存在,因为车辆前方的道路是未知的,并且通常不能用现有的传感器系统(例如基于视觉的系统、LiDAR、雷达或其他已知技术)充分感测。
发明人已经认识到,基于地形的高级驾驶员辅助系统(基于地形的ADAS)可以利用车辆前方的基于地形的道路信息(例如,道路纵断面、道路事件信息等)的知识或基于车辆前方的基于地形的道路信息(例如,道路轮廓、道路事件信息等)进行预测。该基于地形的道路信息可以包括例如道路高程变化和/或道路曲率。使用在足够提前通知的情况下向车辆提供该信息的方法,车辆控制器可以根据基于地形的道路信息请求前灯机构的致动,或者前灯照明模式的改变。
在一些实现方式中,接近山丘的车辆可以从道路预览系统接收道路高程信息。可以通过投影前方车辆下方的道路的坡度(由道路预览高程图提供并知道车辆的精确位置或由安装在车辆上的传感器提供)以计算其与车辆前方的道路的截距来计算关于车辆相对于即将到来的道路的当前角度。记住,由于道路纵断面,可能存在多个截距,道路纵断面可以被称为基于地形的道路信息的一部分,可以计算前灯相对于车辆本身的最佳角度。例如,可以通过先验地建立要照明的车辆前方的期望最大距离或期望最小距离或两者然后将期望的距离与任何给定时刻的给定道路高程纵断面和车辆角度进行比较来计算最佳角度。还可以通过确定要照明的道路的期望长度或关于由前灯提供的照明的其他参数,并将其与给定道路上的预期结果进行比较,来计算最佳角度。应该注意的是,该最佳角度可能取决于诸如车辆速度和车辆类型等因素,以及是否有迎面而来的车辆。
在一些实现方式中,可以假设车辆仰角接近道路的坡度,例如平均在1度之内,因此可以针对提供给车辆的所有即将到来的路段计算车辆的角度,从而允许足够提前地执行该计算,以允许有时间致动前灯。在该上下文中,车辆仰角可以理解为连接车辆底盘前部的点和车辆底盘后部的点的线与表示水平地面的线之间的角度。还应当理解,在该定义中,车辆的设计者可以设置绝对参考值来定义零仰角,使得车辆在装载到其设计工作重量并静止在水平地面上时处于该角度。以这种方式,车辆在道路上行驶时的典型仰角将接近参考值,除非道路不平坦。以这种方式定义的仰角可以例如通过比较前悬架高度传感器读数和后悬架高度传感器读数并减去在水平地面上静止时在参考位置测量的值来计算。以这种方式定义的仰角也可以例如通过例如使用至少一个前部和一个后部悬架连杆上的行驶高度传感器测量车辆前部和后部相对于预定义参考位置的当前相对高度(例如,悬架行程的中点或由车辆设计者定义的另一个点,或基于当前条件在操作期间定义的点)来推断。
在一些实现方式中,可以基于特定车辆的前灯功能的知识更有效地预测前灯角度变化或照明模式变化的影响的计算。例如,许多车辆使用具有聚焦光束的远光前灯,因此强烈地照亮前方和侧面的一些区域,而不太照亮其他区域,而其他车辆可能具有不太清楚地限定的照明锥。在任一情况下,本文中描述的方法创建了被声明为在给定的前灯角度或图案下被照明的限定或绘图。这种限定或绘图也可以是自适应的,并且使用传感器反馈来修改其功能。
前灯的致动可以变化。一些前灯系统使用机械致动器上下左右移动光束或反射器。这些机械致动器可能相当慢,并且在大约1秒、0.5秒等时间内操作。在一些现代车辆中,机械致动器可以在少于半秒的时间内操作。其他前灯系统使用多个光源,例如多个LED,并且具有能够在任何给定时间改变光源被照亮的控制系统。简单的示例是大多数车辆中常见的远光灯/近光灯设置,其中车辆前方的照明区域可以快速修改。另一示例包括横向定位的前照灯或LED,其被配置成在转弯方向上照亮道路。
作为示例,车辆可以接收前方长路段的高度信息,并期望以当前行驶速度照亮车辆前方100米处。使用道路高程纵断面,可以计算沿着该道路的任何给定点处的车辆角度,并且可以确定前灯相对于车辆的角度,以便满足期望的照明距离。可以创建前灯角度命令序列。可以基于传感器(例如GNSS或LiDAR、雷达或其他)、基于特征的地图匹配和/或基于任何其他适当的方法来估计车辆的位置。给定沿着前灯角度命令序列的当前位置,可以基于前灯系统的已知功能或基于其模型来预测何时命令下一个前灯角度或前灯图案。例如,对于在致动功能中具有已知延迟的前灯,可以在命令运动时考虑该延迟,例如通过在需要时提前命令运动。
在致动前灯时可以考虑其他因素,诸如例如车辆在迎面而来的车道中的存在(其可以例如由光传感器感测)以及车辆速度、个性化设置、道路类型等。输出可以是对前灯系统的命令,以适当地调整光束位置、强度或两者,或者可以是对操作者调整设置的指示,例如以平视显示器或仪表板上的远光灯调整警告的形式。
在一些实现方式中,可以对导致地面倾斜的道路高程变化做出类似的决定,其中优选以更向下的角度照亮道路,例如,一旦车辆到达山顶,允许改善的能见度。其他示例包括道路内容,诸如可能需要更强的照明或更宽的光锥以向操作者提供最佳能见度的隆起;道路一侧与另一侧的道路内容不均匀,可能需要单独调整前灯角度;指向道路而不是车辆行驶方向的光源可以更好地照亮的道路曲率变化;以及其他。
在一些现代车辆中,通过使用车辆的转向角度和速度来指示转弯,并因此在转弯方向上接合额外的光源,或者将前灯光束旋转至转弯方向,来解决在转弯中照亮前方路径的挑战。这样做的缺点是,一旦方向盘转动,该灯仅照亮即将到来的路段,但也有这样的缺点,即它可能仅响应于转向输入而不响应于前方的实际道路,使得操作者在开始转弯操纵之前不会看到道路弯曲,但是如果他们没有看到道路弯曲,他们可能不会开始转弯操纵。如本文中描述的,利用基于地形的ADAS,来自基于地形的预览地图的预测方向将使得能够为即将到来的路段确定最佳光束方向。在一些实现方式中,驾驶员的意图可以与即将到来的路段上的基于地形的信息一起被考虑。例如,如果驾驶员打算转向道路的边缘(其可以根据基于地形的道路信息基于已知的过去轨迹,轨迹方向等来确定),则光束不仅指向道路的方向,而且具体地照亮驾驶员期望采取的路径。该决策可以基于能够实现最佳操作的安全标准做出,并且可以考虑速度、转向角和转向角速率,以及允许最佳选择的典型和极端操纵。该系统的可能实现方式可以包括至少部分地在车辆前进的方向上照明,但是也或者优先地照明道路的方向。
参照图16,在场景1100中,车辆1102沿着路面1104行驶。车辆1104的前灯(参见例如前灯1106)产生照亮车辆1102前方的路段1110的光区域1108。
参照图17,在场景1200中,车辆1202沿着在车辆1202前面具有高度变化的路面1204行驶(例如,山丘1212)。前灯(参见例如前灯1206)产生光区域1208,由于地形中的高度变化,光区域1208仅照亮比车辆1202在平坦路面上行驶时更靠近车辆的一小段道路1210。
参照图18,在场景1300中,车辆1200接近如图17所示的相同山丘1212。然而,通过预先了解路面1204(包括指示山丘1212存在的高度变化),前灯(例如,前灯1206)已经被调整以产生指向高于正常位置(参见例如图17中的光区域1208)的光区域1302。因此,在图17中,由光区域1302照明的路段1304包括与由光区域1208照明的路段1210相比在车辆1202更前方的路段1204的更大部分。
参照图19,流程图示出了用于向车辆的自适应前灯系统提供基于地形的洞察的方法1350。方法包括获得(1352)车辆正在行驶的路段的路面信息,至少部分地基于路面信息确定(1354)车辆的位置,以及至少部分地基于车辆的位置确定(1356)一个或更多个目标照明区域。
ADAS传感器范围自适应
可以包括LiDAR、雷达或诸如摄像装置的基于光的传感器的传统高级驾驶员辅助系统传感器向控制器提供传感器读数,传感器读数可以通知对车辆操作者的警告的发起、自主或半自主驾驶命令或操纵的发起和/或其组合。这些ADAS传感器可能具有有限的校准机制,这可能由于传感器障碍物、传感器的视野不正确而导致传感器误差,从而无法向控制器提供有价值的信息等。
发明人已经认识到,基于地形的道路信息和定位可以允许通过例如考虑即将到来的道路障碍物、道路事件、道路纵断面等来调整车辆中的ADAS传感器的功能,诸如例如LiDAR、雷达或基于光的传感器,例如摄像装置。如果ADAS传感器具有用于调整其在竖直方向上的角度或其在横向方向上的角度或两者的机构,或者具有修改其最佳功能的其他方法,诸如例如调整其聚焦范围或背景照明量或其他参数,那么以类似于先前描述的用于自适应前灯控制的方式,最佳传感器参数可以根据基于地形的信息和车辆的精确位置来调整。
例如,在一些实现方式中,LiDAR传感器能够检测远处的对象并针对水平道路上的车辆进行校准,并且可以具有用于调整其横向和/或竖直方向性和/或灵敏度的致动机构,或者它可以具有用于基于内部设置调整其范围的机构,并且可以被引导这样做。在存在诸如山顶或谷的道路特征的情况下,可以预先地调整角度,以正确地识别与车辆更相关的特征。另一方面,了解车辆前方的道路纵断面也可以用于向操作者或驾驶系统提供信息,例如,由于汽车前方的道路特征,传感器的检测范围预期较低,因此可能需要调整车辆速度或其他设置(例如,自主或半自主驾驶控制器设置)。
在一些实现方式中,诸如雷达的距离传感器可以用于检测车辆前方最近障碍物的距离,并且可以具有用于调整其横向和/或竖直方向性和/或灵敏度和/或距离的方法。例如,当在转弯或越过山顶时,基础传感器可能在障碍物位于车辆正前方之前检测不到道路中的障碍物,因为车辆方向可能由于转弯或爬坡而不与障碍物对齐,直到车辆非常接近。在这种场景下,基于地形的ADAS系统可以向传感器系统提供道路弯曲或具有竖直高程变化的信息,并且传感器系统可以通过例如移动其距离波束或修改其灵敏度设置来调整其功能。
在一些实现方式中,车辆可以沿着转弯行驶,并且距离传感器可以检测车辆正前方但不沿着车辆行驶的路径的障碍物,例如通过在相邻车道中或者甚至在迎面而来的车道中。在这种场景下,关于即将到来的道路方向的信息可以用于避免来自距离系统的错误警告,并且如果系统能够修改其设置,则可以提供适当的警告。
在一些实现方式中,ADAS或距离传感器组件可以由多个单独的传感器或传感器部件组成,并且传感器输出,例如到障碍物的距离,通常可以通过使用它们与针对每个的适当加权的组合来计算。如果期望感测的不同方向性,则可以应用修改的加权,例如根据期望的效果,对来自以更朝向一侧或更向上或向下的角度检测的单个传感器或传感器组件的信号进行优先排序。
在一些实现方式中,ADAS或距离传感器组件可以具有可以移动传感器部件(诸如光源、反射器、透镜或其他)的致动方法,并且该致动方法可以用于改变组件的感测方向。
还应当理解,在ADAS传感器方向性不能被修改的情况下,或者因为传感器缺乏这样做的能力,或者因为时间或方向范围不足,可以向车辆的操作者提供警告,和/或修改可以应用于利用传感器或传感器组件的任何系统(例如,自主或半自主驾驶系统、盲点警告系统、自动紧急制动或转向系统、车道保持辅助系统等)来考虑所提供的数据可能不准确。例如,当距离传感器在多车道道路上转弯期间感测到相邻车道上的车辆时,这可以防止自动制动系统使车辆减速。
参照图20,车辆1801沿着具有两个相邻行驶车道1802和1803的道路行驶。道路沿着车辆1801前方的弯曲路径。车辆1801配备有距离传感器1806,距离传感器1806被配置成沿着方向1805测量与车辆正前方的物体的距离,并且沿着方向1807在车辆前方的不同角度处测量。车辆1804位于车辆1801的前方,但位于不同的行驶车道上。传统的距离传感器感测车辆1804作为行驶路径中前方的障碍物,并且可以进行警告或动作直至紧急制动。使用基于地形的ADAS特征,ADAS特征被配置成基于来自包括基于地形的信息的数据库的信息精确地预测车辆前方道路的曲率和/或车辆可能走的路径,系统被配置成警告驾驶员传感器读数可能不准确,和/或修改响应于沿着方向1805的原始传感器而采取的警告设置或动作。如果传感器系统可以被配置成修改其灵敏度、范围或方向性,例如沿方向1807对信号进行优先排序,则行驶路径曲率的概念可以用于选择该所修改的传感器信号作为用于与范围传感器相关的动作的信号。在图中的示例中,沿着方向1807选择感测信号将发出以下信号,车辆1801正在行驶的路径没有阻碍,并且将针对该信号采取适当的动作。
参照图21,流程图示出了用于向车辆的自适应ADAS传感器系统提供基于地形的洞察的方法1850。方法包括获得(1852)车辆正在行驶的路段的路面信息,至少部分地基于路面信息确定(1854)车辆的位置,以及至少部分地基于车辆的位置确定(1856)一个或更多个目标感测区域。
后桥转向
高级驾驶员辅助系统(ADAS)可以使用车载传感器来提供转向校正,例如,在车道漂移的情况下。可以通过触感反馈向驾驶员建议该转向校正和/或由前转向致动器执行该转向校正。然而,这种反馈可能是侵入式的,或者被驾驶员感知为不舒服地将车辆拉向一侧或另一侧。这种不舒服的拉动可能导致在操作车辆时的不舒服驾驶和/或可能导致驾驶员禁用其车辆的ADAS系统的转向校正特征。
发明人已经认识到,本文中描述的使用基于地形的洞察的系统和方法可以检测车道位置,并使用后转向致动器提供非侵入式转向校正。本文中描述的系统和方法可以从多个车辆路径收集驾驶数据,并创建与道路车道相关联的聚合路径(例如,与多个车辆所采取的驾驶路径的平均值相关联的路径)。任何适当的定位方法,包括本文别处描述的那些定位方法,都可以用于确定车道内的车辆路径。如果车辆路径偏离聚合路径,则该系统可以为转向校正系统创建命令,以影响车辆的行驶方向,转向校正系统包括一个或更多个后转向致动器。
参照图22,在场景1400中,对于路段1404上的给定车道1406,可以获得穿过路段的多个车辆的行驶路径1408、1410,或者相同车辆在不同时间穿过路段的行驶路径1408、1410。这些路径可以通过全球导航卫星系统(GNSS)、惯性导航、基于地形的导航和/或任何其他定位方法或定位方法的组合来获得。如果使用定位方法的组合,则可以通过使用卡尔曼滤波器、通过实时运动学(RTK)定位和/或通过其他增强手段来增强各个方法。
在获得多个行驶路径1408、1410之后,可以组合多个行驶路径以创建聚合路径1414,聚合路径1414考虑到驾驶员对车道内定位的偏好(即,在车道内的横向位置,驾驶员在沿道路的每个给定纵向位置操作他们的车辆)。具体地,可以为道路上的每个车道创建这样的聚合路径。在创建聚合路径1414时,可以通过例如考虑不稳定驾驶、移除异常数据或通过其他过滤方法来过滤掉一些次优数据。在一个实施方式中,例如,在坑洼1420位于车道1406中的情况下,未能避开坑洼的离群路径1412可以不包括在创建聚合路径1414中。
在一些实例中,多个行驶路径1408、1410可以被发送至云数据库1416,云数据库1416可以位于车辆上、不同车辆上或远程位置。在接收数据之后,可以在云内执行对路径数据执行的任何过滤。在一些实例中,聚合路径1414可以存储在云数据库1416中,并在按需的基础上传送给车辆。例如,在道路1404上沿着车道1406行驶的车辆1402可以发送接收与车道1406相关联的聚合路径1414的请求。这样的请求可以由驾驶员手动发起,或者在自动驾驶车辆的情况下由ADAS或操作系统自动发起。车辆的控制器1418可以发起将请求发送至云数据库1416。
参照图23,在场景1500中,一旦创建了聚合路径1414,则可以使用能够确定车辆的瞬时位置、速度和航向的定位方法来确定车辆1402的行驶路径1502。在一些实现方式中,因为行驶路径可以指示道路的每个车道内的行驶,所以定位方法可以具有足够高的准确度来确定车辆在哪个车道上行驶。在一些实例中,该准确度可能在0.3米以内。可以使用增强的定位方法,诸如通过GNSS与RTK定位相结合,或者通过多种定位方法的其他组合,诸如利用惯性导航或基于地形的导航与GNSS相结合。在多种定位方法的情况下,可以使用卡尔曼滤波来组合数据集,以去除统计噪声和其他不准确性。还考虑了获得优选准确度的其他方法,并且本公开不限于此。
然后可以将车辆1402的行驶路径1502与聚合路径1414进行比较。在行驶路径1502偏离聚合路径1414的情况下,校正信号可以被发送至转向控制器1506,诸如用于后转向致动器的控制器,以影响车辆1402的行驶方向,使得车辆1402将遵循近似于聚合路径1414的新的校正路径1504。这可以允许车辆1402校正车道漂移,或避开诸如坑洼1420的常见障碍物,而无需来自驾驶员的进一步输入。校正转向控制器1506可以被配置成使得对转向的校正被调整大小以温和地防止偏离聚合路径1414,同时还考虑来自车辆1402的驾驶员或操作系统的转向输入。以这种方式,车辆可以保持操作者想要的轨迹,例如,在有意改变车道或移动以避开道路中的物体的情况下。
在一些实例中,车辆1402可以包括定位系统,定位系统能够以高准确度定位车辆,例如在0.3米内。在一些实例中,车辆1402可以包括能够影响车辆行驶方向的至少一个系统。这样的系统可以是转向系统、悬架系统或后转向致动器。其他系统也可能是合适的,并且本公开内容不限于此。在一些实例中,车辆1402可以包括能够从云系统和定位系统接收数据的控制器1418。控制器1418可以能够比较从两个系统接收的数据以生成命令,然后将该命令发送至能够影响车辆行驶方向的系统。
参照图24,在流程图1600中示出了提供校正转向的方法1600。方法包括使用高准确度定位系统(例如,基于地形的定位)来获得(1602)以收集至少两个车辆的行驶路径,或者相同车辆的至少两次穿行的行驶路径。在一些实例中,可以使用瞬时位置数据、速度数据和航向数据来创建行驶路径。方法还包括使用至少两条行驶路径生成(1604)第一系统行驶路径(也称为聚合路径),第一系统行驶路径代表在道路上的一个车道中的操作者的优选路径。在一些实例中,可以使用经过过滤以移除异常值或非最佳行驶路径的数据集来生成聚合路径。这样的非最佳行驶路径可以表示不稳定的驾驶员、以异常速度获得的路径、从不属于类似车辆类别的车辆获得的路径、或在高流量状况期间获得的路径,以及基于与剩余路径相比的数据被认为是数学异常值的路径,例如通过在路径集合上使用聚类方法。方法还包括使用高准确度定位获得(1606)需要校正转向的车辆的第二行驶路径(车辆在穿过路段时正在采取的当前路径)。在一些实例中,所采用的高准确度定位方法可以具有0.3米以内的准确度。方法还包括将被操作车辆的行驶路径与聚合路径进行比较(1608),并且基于该比较,生成(1610)用于校正驾驶车辆的行驶路径的命令。方法还包括将命令发送(1612)至校正转向控制器。在一些实例中,控制器可以被配置成发起转向命令以控制后转向致动器。
在一些实现方式中,关于车辆相对于平均行驶车道的位置的信息也可以用于确定操作者自身的状态。如果操作者是人类驾驶员,则重复的和/或具有某些特征的对优选路径的偏离可以用于诊断驾驶员的状态。例如,以长时间漂移(例如5秒长或1秒长)为特征的平均行驶车道的偏离,以及突然的修正,可能指示驾驶员没有完全警觉、分心、由于药物或酒精而处于受损状态或睡着。如果操作者是机器(例如,自主或半自主驾驶系统),则偏离路径可以用于诊断传感器和/或致动器功能、校准和偏移。例如,在使用摄像装置作为车道保持的主要反馈传感器的系统中,向一侧的恒定偏移可能是摄像装置故障或校准误差的指示。
避开被遮挡的路面特征的系统和方法
路面特征、道路异常或道路事件(其可以包括但不限于坑洼、隆起、路面裂缝、伸缩缝、冻胀等)可能由于光线不足、天气条件(例如雾、大雨、雪等)和/或其他车辆而相对于车辆的驾驶员被遮挡。路面特征的这种遮挡可能导致驾驶员以与路面特征相互作用的次优方式操作车辆(例如,驾驶过快),或者可能导致驾驶员错过绕开路面特征导航车辆的机会。这样的次优的车辆操作可能导致不适、车辆损坏(例如,对于轮胎、底盘部件等)和/或可能不如最佳操作安全。
发明人已经认识到,当如果存在与路面特征或异常的相互作用时,路面信息可以用于帮助驾驶员避开各种路面特征或异常和/或最小化它们对车辆的影响。路面特征或异常可能包括但不限于坑洼、隆起、路面裂缝、伸缩缝或冻胀。异常或路面特征的位置可以通过例如基于地形的定位系统来确定。然而,发明人已经认识到,一旦路面特征或异常的相对位置可用于车载控制器,平视显示器可以用于显示该特征或异常及其相对于车辆的位置,即使该特征或异常可能被不良照明、天气条件(例如雾)和/或其他车辆遮挡或隐藏。
发明人还认识到,一旦路面特征或异常的相对位置可用于车载控制器,代替使用平视显示器或除了使用平视显示器之外,可以使用监视器来显示特征或异常及其相对于车辆的位置。
图25示出了在车道1702中行驶的车辆。车辆1704和1706分别在车道1702和1708中行驶在车辆1700的前面。在图25所示的条件下,车辆1702上的控制器(未示出)可以意识到在车道1702的前方存在坑洼。然而,坑洼可能被车辆1704遮挡。控制器还可以意识到坑洼的大小,并且可以通过与车辆1700的车轮跨越坑洼来避免坑洼。图25示出了平视显示器,其分别示出了:车辆1706的图像1706a、车辆1704的图像1704a、车道标志1712和1714的图像1712a和1714a。另外,如果保持现有的转向角度,平视显示器还显示坑洼1716的图像及其分别相对于车辆1700的左轮胎1720和右轮胎1721的预期路径的相对位置。如果转向角度被改变,则平视显示器1710可以被调整以显示相对于坑洼1716的新轮胎路径。
利用该数据,驾驶员可以调整车辆1700的转向角度以避开异常和/或道路特征。在事先通知的情况下,驾驶员可以通过采取规避措施来避开坑洼或任何路面特征,而不必等到特征可见。
注意,在某些条件下,诸如例如大雾,车辆1706和/或1704也可能被遮挡。在一些实现方式中,诸如雷达探测器的传感器可以用于定位车辆并在平视显示器中显示它们的图像,即使车辆本身肉眼不可见。
参照图26,流程图示出了由车辆执行的方法(1900),车辆包括被配置成确定车辆的位置的定位系统、显示器和被配置成执行以下步骤的处理器:从定位系统获得(1902)车辆的位置(这样的定位的步骤已经在前面相对于图1和其他基于地形的洞察的实现方式进行了讨论);至少部分地基于车辆的位置来确定(1904)路面上一个或更多个路面特征的存在;以及在显示器上呈现(1906)一个或更多个路面特征在路面上的位置。
本文中描述的技术的上述实施方式可以以许多方式中的任何一种实现。例如,实施方式可以使用硬件、软件或其组合来实现。当以软件实现时,软件代码可以在任何合适的处理器或处理器的集合上执行,而不管是设置在单个计算设备中还是分布在多个计算设备中。这样的处理器可以被实现为集成电路,其中,集成电路部件中的一个或更多个处理器包括本领域已知的名为诸如CPU芯片、GPU芯片、微处理器、微控制器或者协处理器的市售集成电路部件。可替选地,处理器可以在定制电路比如ASIC中或在由配置可编程逻辑设备而产生的半定制电路中实现。作为又一替选方案,无论是能够商业获得的、半定制的或定制的,处理器可以是较大的电路或半导体设备的一部分。作为具体示例,一些商业可获得的微处理器具有多个核,使得这些核中的一个或子集可以构成处理器。然而,处理器可以使用呈任何适合形式的电路实现。还应当理解,本公开内容中对控制器的任何参考可以理解为参考被配置成实现本文中公开的一个或更多个方法的一个或更多个处理器的使用。
此外,应当理解,包括一个或更多个处理器的计算设备可以以多种形式中的任何形式——诸如机架型计算机、台式计算机、膝上型计算机或平板计算机——被实施。此外,计算设备可以被嵌入在通常不被视为计算设备但具有合适处理能力的设备中,包括个人数字助理(PDA)、智能手机、平板电脑或任何其他合适的便携式或固定式电子设备。
此外,计算设备可以具有一个或更多个输入和输出设备。除了其他方面,这些设备可以用于呈现用户接口。可以用于提供用户接口的输出设备的示例包括用于输出的视觉呈现的显示屏幕和用于输出的声音呈现的扬声器或其他声音生成设备。可以用于用户接口的输入设备的示例包括键盘、单个按钮和指向设备诸如鼠标、触摸板和数字化平板。作为另一示例,计算设备可以通过语音识别或其他听觉格式接收输入信息。
这样的计算设备可以通过一个或更多个网络以任何合适的形式包括作为局域网或广域网诸如企业网络或因特网互连。这样的网络可以基于任何合适的技术,并且可以根据任何合适的协议进行操作,并且可以包括无线网络、有线网络或光纤网络。
此外,本文中概述的各种方法或过程可以被编码为软件,该软件可以在采用各种操作系统或平台中的任一个的一个或更多个处理器上执行。这些方法可以体现为存储在相关联的非暂态计算机可读介质上的处理器可执行指令,当由一个或更多个处理器执行时,该处理器可执行指令执行本文中公开的任何方法。另外,这样的软件可以使用许多合适的编程语言和/或编程工具或脚本工具中的任一个来编写,并且还可以被编译为在框架或者虚拟机上执行的可执行机器语言代码或中间代码。
在这方面,本文中描述的实施方式可以被实施为编码有一个或更多个程序的计算机可读存储介质(或多个计算机可读介质)(例如,计算机存储器、一个或更多个软盘、致密盘(CD)、光盘、数字视频盘(DVD)、磁带、闪存、RAM、ROM、EEPROM、现场可编程门阵列或者其他半导体器件中的电路配置、或其他有形计算机存储介质),所述一个或更多个程序当在一个或更多个计算机或其他处理器上被执行时执行实现以上讨论的各种实施方式的方法。从前述示例中明显的是,计算机可读存储介质可以保留信息达足够的时间以提供非暂态形式的计算机可执行指令。这样的一个或多个计算机可读存储介质可以是可运输的,使得存储在其上的一个或多个程序可以被加载至一个或更多个不同的计算设备或其他处理器上,以实现如上讨论的本公开内容的各个方面。如本文中使用的,术语“计算机可读存储介质”仅包括可以被认为成制造品(即,制品)或机器的非暂态计算机可读介质。可替选地或另外地,可以将本公开内容实施为除了计算机可读存储介质以外的计算机可读介质,诸如传播信号。
本文中以一般意义使用术语“程序”或“软件”是指可以被采用以对计算设备或其他处理器进行编程以实现如以上讨论的本公开内容的各个方面的任何类型的计算机代码或计算机可执行指令的集合。此外,应当理解,根据本实施方式的一个方面,当执行本公开内容的方法时而执行的一个或多个计算机程序不需要驻留在单个计算设备或处理器上,而是可以以模块化方式分布在许多不同的计算机或处理器中,以实现本公开内容的各个方面。
计算机可执行指令可以是许多形式,比如由一个或更多个计算机或者其他设备执行的程序模块。通常,程序模块包括执行具体任务或者实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。通常,程序模块的功能可以根据需要在各种实施方式中被组合或分布。
本文中描述的实施方式可以被实施为已提供成示例的方法。作为该方法的一部分执行的动作可以以任何合适的方式排序。因此,可以构造以与所示出的顺序不同的顺序来执行动作的实施方式,即使在说明性实施方式中被示出为顺序的动作,实施方式也可以包括同时执行一些动作。
此外,一些动作被描述为由“用户”采取。应当理解的是,“用户”不必是单个个体,并且在一些实施方式中,可以由个体的团队和/或个体结合计算机辅助工具或其他机制来执行可以归因于“用户”的动作。
尽管已结合各种实施方式和示例描述了本教导,但是并不旨在使本教导限于这样的实施方式或示例。相反地,如本领域技术人员将理解的,本教导包含各种替选方案、修改和等同物。因此,前述描述和附图仅作为示例。
Claims (120)
1.一种用于向车辆的基于地形的高级驾驶员辅助系统提供基于地形的洞察的方法,所述方法包括:
获得所述车辆正在行驶的路段的道路纵断面;
至少部分地基于所述道路纵断面确定所述车辆的位置;以及
至少部分地基于所述车辆的位置来确定一个或更多个车辆系统的一个或更多个操作参数。
2.根据权利要求1所述的方法,还包括将所述一个或更多个操作参数传输至所述车辆。
3.根据权利要求2所述的方法,还包括至少部分地基于所述一个或更多个操作参数来操作所述一个或更多个车辆系统。
4.根据权利要求2所述的方法,还包括至少部分地基于所述一个或更多个操作参数来操作所述高级驾驶员辅助系统。
5.根据权利要求4所述的方法,其中,操作所述高级驾驶员辅助系统包括向所述车辆的驾驶员发起警报。
6.根据权利要求5所述的方法,其中,所述警报包括视觉警报、听觉警报、触觉警报或触感警报中的至少一种警报。
7.根据权利要求4所述的方法,其中,操作所述高级驾驶员辅助系统包括向所述车辆的自主或半自主驾驶控制器发起警报。
8.一种用于向车辆的智能速度自适应系统提供基于地形的洞察的方法,所述方法包括:
获得所述车辆正在行驶的路段的道路纵断面;
至少部分地基于所述道路纵断面确定所述车辆的位置;以及
至少部分地基于所述车辆的位置来确定一个或更多个推荐的行驶速度。
9.根据权利要求8所述的方法,还包括将所述一个或更多个推荐的行驶速度传输至所述车辆。
10.根据权利要求9所述的方法,还包括至少部分地基于所述一个或更多个推荐的行驶速度来操作所述智能速度自适应系统。
11.根据权利要求9所述的方法,其中,操作所述智能速度自适应系统包括向所述车辆的驾驶员发起警报。
12.根据权利要求11所述的方法,其中,所述警报包括视觉警报、听觉警报、触觉警报或触感警报中的至少一种警报。
13.根据权利要求12所述的方法,其中,所述警报是视觉警报,并且被呈现在所述车辆中的显示器上。
14.根据权利要求9所述的方法,其中,操作所述智能速度自适应系统包括向所述车辆的自主或半自主驾驶控制器发起警报。
15.根据权利要求8所述的方法,其中,所述推荐的行驶速度至少部分地基于所述车辆正在行驶的所述路段的即将到来的部分的道路信息。
16.根据权利要求15所述的方法,其中,所述路段的即将到来的部分的道路信息包括天气信息。
17.根据权利要求8所述的方法,其中,所述道路纵断面信息包括道路坡度信息、道路粗糙度信息、道路频率内容、道路摩擦信息、道路曲率或道路抓地力信息中的至少一种。
18.根据权利要求15所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路事件信息。
19.根据权利要求18所述的方法,其中,所述道路事件信息包括坑洼或减速带中的至少一个的位置。
20.根据权利要求18所述的方法,其中,所述道路事件信息基于已经按车辆类别归一化的道路数据。
21.根据权利要求15所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路特征信息,其中,所述道路特征是桥梁。
22.根据权利要求16所述的方法,其中,所述天气信息包括所述车辆的位置处的环境温度。
23.根据权利要求16所述的方法,其中,所述天气信息包括所述车辆的位置处的降水信息。
24.根据权利要求16所述的方法,其中,所述天气信息包括所述车辆的位置处的雾信息。
25.根据权利要求8所述的方法,其中,所述推荐的行驶速度至少部分地基于车辆穿过所述路段的平均行驶速度。
26.一种用于向车辆提供推荐的行驶速度的方法,所述方法包括:
通过所述车辆的一个或更多个传感器获得所述车辆正在行驶的路段的道路数据;
基于所述道路数据确定所述路段的当前道路纵断面;
将所述当前道路纵断面发送至云数据库;
从所述云数据库接收候选存储的道路纵断面集合;
通过处理器基于所述候选存储的道路纵断面集合和所述当前道路纵断面确定所述车辆的位置;
通过所述处理器确定推荐的行驶速度,所述推荐的行驶速度至少部分地基于所述车辆的位置;以及
经由所述车辆的高级驾驶员辅助系统向驾驶员发起警报以改变所述车辆的行驶速度。
27.根据权利要求26所述的方法,其中,所述警报包括视觉警报、听觉警报或触感警报中的至少一种警报。
28.根据权利要求27所述的方法,其中,所述警报是视觉警报,并且被呈现在所述车辆中的显示器上。
29.根据权利要求26所述的方法,其中,所述推荐的行驶速度至少部分地基于所述车辆正在行驶的所述路段的即将到来的部分的道路信息。
30.根据权利要求29所述的方法,其中,所述路段的即将到来的部分的道路信息包括天气信息。
31.根据权利要求29所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路纵断面信息。
32.根据权利要求31所述的方法,其中,所述道路纵断面信息包括道路坡度信息、道路粗糙度信息、道路频率内容、道路摩擦信息、道路曲率或道路抓地力信息中的至少一种。
33.根据权利要求29所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路事件信息。
34.根据权利要求33所述的方法,其中,所述道路事件信息包括坑洼或减速带中的至少一个的位置。
35.根据权利要求33所述的方法,其中,所述道路事件信息基于已经按车辆类别归一化的道路数据。
36.根据权利要求29所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路特征信息,其中,所述道路特征是桥梁。
37.根据权利要求26所述的方法,其中,所述推荐的行驶速度至少部分地基于车辆穿过所述路段的平均行驶速度。
38.一种用于向车辆的自动紧急制动系统提供基于地形的洞察的方法,所述方法包括:
获得所述车辆正在行驶的路段的道路纵断面;
至少部分地基于所述道路纵断面确定所述车辆的位置;以及
至少部分地基于所述车辆的位置确定一个或更多个自动紧急制动触发点距离。
39.根据权利要求38所述的方法,还包括将所述一个或更多个自动紧急制动触发点距离传输至所述车辆。
40.根据权利要求39所述的方法,还包括至少部分地基于所传输的一个或更多个自动紧急制动触发点距离来操作所述自动紧急制动系统。
41.一种用于确定车辆的自动紧急制动触发点距离的方法,所述方法包括:
通过所述车辆的一个或更多个传感器获得所述车辆正在行驶的路段的道路数据;
基于所述道路数据确定所述路段的当前道路纵断面;
将所述当前道路纵断面发送至云数据库;
从所述云数据库接收候选存储的道路纵断面集合;
通过处理器基于所述候选存储的道路纵断面集合和所述当前道路纵断面确定所述车辆的位置;
通过所述处理器确定所述自动紧急制动触发点距离,所述自动紧急制动触发点距离至少部分地基于所述车辆的位置;以及
当所述车辆距另一车辆或对象在所述自动紧急制动触发点距离内时,经由所述车辆的高级驾驶员辅助系统向驾驶员发起警报以进行制动。
42.根据权利要求41所述的方法,还包括:当所述车辆在所述自动紧急制动触发点距离内时,经由所述车辆的高级驾驶员辅助系统发起制动命令,所述制动命令被配置成发起所述车辆的制动。
43.根据权利要求41所述的方法,还包括:当所述车辆在小于所述自动紧急制动触发点距离的第二距离内时,经由所述车辆的高级驾驶员辅助系统发起制动命令,所述制动命令被配置成发起所述车辆的制动。
44.根据权利要求41所述的方法,其中,所述警报包括视觉警报、听觉警报或触感警报中的至少一种警报。
45.根据权利要求44所述的方法,其中,所述警报是视觉警报,并且被呈现在所述车辆中的显示器上。
46.根据权利要求45所述的方法,其中,所述自动紧急制动触发点距离至少部分地基于所述车辆正在行驶的所述路段的即将到来的部分的道路信息。
47.根据权利要求46所述的方法,其中,所述路段的即将到来的部分的道路信息包括天气信息。
48.根据权利要求46所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路纵断面信息。
49.根据权利要求48所述的方法,其中,所述道路纵断面信息包括道路坡度信息、道路粗糙度信息、道路频率内容、道路摩擦信息、道路曲率或道路抓地力信息中的至少一种。
50.根据权利要求46所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路事件信息。
51.根据权利要求50所述的方法,其中,所述道路事件信息包括坑洼或减速带中的至少一个的位置。
52.根据权利要求50所述的方法,其中,所述道路事件信息基于已经按车辆类别归一化的道路数据。
53.根据权利要求46所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路特征信息,其中,所述道路特征是桥梁。
54.一种用于向车辆的自适应巡航控制系统提供基于地形的洞察的方法,所述方法包括:
获得所述车辆正在行驶的路段的道路纵断面;
至少部分地基于所述道路纵断面确定所述车辆的位置;以及
至少部分地基于所述车辆的位置确定一个或更多个跟随距离。
55.根据权利要求54所述的方法,还包括将所述一个或更多个跟随距离传输至所述车辆。
56.根据权利要求55所述的方法,还包括至少部分地基于所传输的一个或更多个跟随距离来操作所述自适应巡航控制系统。
57.一种用于确定用于车辆的自适应巡航控制的跟随距离的方法,所述方法包括:
通过所述车辆的一个或更多个传感器获得所述车辆正在行驶的路段的道路数据;
基于所述道路数据确定所述路段的当前道路纵断面;
将所述当前道路纵断面发送至云数据库;
从所述云数据库接收候选存储的道路纵断面集合;
通过处理器基于所述候选存储的道路纵断面集合和所述当前道路纵断面确定所述车辆的位置;以及
通过所述处理器确定所述跟随距离,所述跟随距离至少部分地基于所述车辆的位置。
58.根据权利要求57所述的方法,还包括:当所述车辆在所述跟随距离内时,发起制动命令,所述制动命令被配置成发起所述车辆的制动。
59.根据权利要求57所述的方法,还包括:当所述车辆在所述跟随距离内时,发起命令,所述命令被配置成调整所述自适应巡航控制的设定速度。
60.根据权利要求57所述的方法,向车辆的驾驶员发起警报,其中,所述警报包括视觉警报、听觉警报或触感警报中的至少一种警报。
61.根据权利要求60所述的方法,其中,所述警报是视觉警报,并且被呈现在所述车辆中的显示器上。
62.根据权利要求57所述的方法,其中,所述跟随距离至少部分地基于所述车辆正在行驶的所述路段的即将到来的部分的道路信息。
63.根据权利要求62所述的方法,其中,所述路段的即将到来的部分的道路信息包括天气信息。
64.根据权利要求62所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路纵断面信息。
65.根据权利要求64所述的方法,其中,所述道路纵断面信息包括道路坡度信息、道路粗糙度信息、道路频率内容、道路摩擦信息、道路曲率或道路抓地力信息中的至少一种。
66.根据权利要求62所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路事件信息。
67.根据权利要求66所述的方法,其中,所述道路事件信息包括坑洼或减速带中的至少一个的位置。
68.根据权利要求66所述的方法,其中,所述道路事件信息基于已经按车辆类别归一化的道路数据。
69.根据权利要求62所述的方法,其中,所述路段的即将到来的部分的道路信息包括道路特征信息,其中,所述道路特征是桥梁。
70.一种调节车辆的操作模式的方法,所述方法包括:
通过所述车辆的一个或更多个传感器获得所述车辆正在行驶的路段的道路数据;
基于所述道路数据确定所述路段的当前道路纵断面;
将所述当前道路纵断面发送至云数据库;
从所述云数据库接收候选存储的道路纵断面集合和其他道路信息;
通过处理器基于所述候选存储的道路纵断面集合和所述当前道路纵断面确定所述车辆的位置;
通过所述处理器确定桥梁存在于所述路段的即将到来的部分上;
通过所述处理器确定在所述路段的即将到来的部分上的所述桥梁上可能出现湿滑状况;以及
通过所述处理器确定用于穿过所述桥梁的所述车辆的操作参数的值。
71.根据权利要求70所述的方法,其中,所述车辆的操作参数是所述车辆的行驶速度、所述车辆的自适应巡航控制的跟随距离或自动紧急制动触发距离中的至少一个。
72.根据权利要求70所述的方法,其中,所述其他道路信息包括所述桥梁的位置处的环境温度。
73.根据权利要求70所述的方法,其中,所述其他道路信息包括所述桥梁的位置处的天气信息。
74.根据权利要求73所述的方法,其中,所述天气信息包括所述桥梁的位置处的降水信息。
75.一种用于计算穿过路段的第一车辆的目标行驶路径的方法,所述方法包括:
确定第一车辆的当前位置;
至少部分地基于所述第一车辆的当前位置获得用于穿过所述路段的目标行驶路径;以及
确定所述第一车辆的当前位置与所述目标行驶路径之间的误差。
76.根据权利要求75所述的方法,还包括至少部分地基于所确定的误差来操作一个或更多个车辆系统。
77.根据权利要求76所述的方法,其中,所述一个或更多个车辆系统包括自主驾驶轨迹规划系统。
78.根据权利要求76所述的方法,其中,所述一个或更多个车辆系统包括车道保持辅助系统。
79.根据权利要求75所述的方法,还包括:将所述误差与阈值进行比较,并确定所述第一车辆的当前路径适合穿过所述路段。
80.根据权利要求75所述的方法,还包括:将所述误差与阈值进行比较,并确定所述第一车辆的当前路径不适合穿过所述路段。
81.根据权利要求80所述的方法,还包括:基于所述误差计算校正动作,以使所述当前轨迹匹配所述目标行驶路径。
82.根据权利要求81所述的方法,还包括:使用至少部分地影响所述第一车辆的转向的所述第一车辆的高级驾驶员辅助系统发起所述校正动作。
83.根据权利要求82所述的方法,其中,计算所述目标行驶路径包括:对穿过所述路段的至少一个其他车辆所采取的至少一个其他路径进行平均。
84.一种用于车辆的转向校正系统,所述转向校正系统包括:
定位系统,其被配置成确定所述车辆的位置;
至少一个系统,其被配置成影响所述车辆的行驶方向;以及
处理器,其被配置成执行以下步骤:
从所述定位系统获得所述车辆的位置;
至少部分地基于所述车辆的位置获得目标行驶路径;
确定所述车辆的当前行驶路径;以及
至少部分地基于所述目标行驶路径和所述当前行驶路径来控制所述至少一个系统。
85.根据权利要求84所述的转向校正系统,其中,被配置成影响所述车辆的行驶方向的所述至少一个系统是至少一个后转向致动器。
86.根据权利要求85所述的转向校正系统,其中,所述定位系统是准确度在0.3米以内的定位系统。
87.根据权利要求85所述的转向校正系统,其中,所述定位系统使用通过实时运动学定位增强的全球导航卫星系统。
88.根据权利要求85所述的转向校正系统,其中,所述定位系统使用由全球导航卫星系统增强的惯性导航。
89.根据权利要求85所述的转向校正系统,其中,所述处理器还被配置成执行发起向云计算系统传输所述车辆的位置的步骤。
90.根据权利要求85所述的转向校正系统,其中,所述处理器还被配置成执行从云计算系统接收所述车辆的目标路径的步骤。
91.一种向车辆系统提供转向校正命令的方法,所述方法包括:
使用高准确度定位从至少两个车辆获得行驶路径;
从所述至少两个车辆的行驶路径生成聚合路径,其中,所述聚合路径代表道路中的一个车道;
获得使用高准确度定位系统获得的被操作车辆的当前行驶路径;
将所述当前行驶路径与所述聚合路径进行比较;
生成校正命令以校正运动中的所述车辆的当前行驶路径;以及
向转向控制器发送所述校正转向命令。
92.根据权利要求91所述的方法,其中,在生成所述聚合路径期间,对输入行驶路径进行过滤以去除异常值和不期望的行驶路径。
93.根据权利要求92所述的方法,其中,使用通过实时运动学定位增强的全球导航卫星系统来获得来自所述至少两个车辆的行驶路径。
94.根据权利要求92所述的方法,其中,使用由全球导航卫星系统增强的惯性导航来获得来自所述至少两个车辆的行驶路径。
95.根据权利要求92所述的方法,其中,使用通过实时运动学定位增强的全球导航卫星系统来获得所述当前行驶路径。
96.根据权利要求92所述的方法,其中,使用由全球导航卫星系统增强的惯性导航来获得所述当前行驶路径。
97.一种车辆,包括:
定位系统,其被配置成确定所述车辆的位置;
显示器;以及
处理器,其被配置成执行以下步骤:
从所述定位系统获得所述车辆的位置;
至少部分地基于所述车辆的位置来确定路面上的一个或更多个路面特征的存在;以及
在所述显示器上呈现所述路面上的所述一个或更多个路面特征的位置。
98.根据权利要求97所述的车辆,其中,至少部分地基于从基于云的数据库下载的路面信息来确定所述位置。
99.根据权利要求97所述的车辆,其中,所述显示器选自平视显示器和监视器。
100.根据权利要求97至99中任一项所述的车辆,其中,所述控制器还被配置成在所述显示器上呈现所述车辆的至少一个轮胎相对于所述一个或更多个路面特征的投影轮胎路径。
101.根据权利要求99所述的车辆,其中,所述控制器还被配置成在所述显示器上呈现所述车辆的两个前轮胎的投影轮胎路径。
102.根据权利要求97至101中任一项所述的车辆,其中,所述一个或更多个路面特征包括坑洼或隆起。
103.一种操作车辆的方法,所述方法包括:
(a)当车辆沿着路面行驶时,确定所述路面上的路面特征的位置,所述路面特征的位置是相对于所述车辆的;以及
(b)在显示器上呈现所述路面上的所述路面特征的位置。
104.根据权利要求103所述的方法,其中,呈现所述路面特征的位置包括在所述显示器上呈现所述路面特征的图形表示。
105.根据权利要求103所述的方法,其中,所述显示器是平视显示器。
106.根据权利要求103至105中任一项所述的方法,还包括在所述显示器上呈现所述车辆的至少一个轮胎的投影轮胎路径。
107.根据权利要求106所述的方法,还包括:基于所述车辆的所述至少一个轮胎的所述投影轮胎路径,调整所述车辆的方向盘的转向角度以避开所述路面特征。
108.根据权利要求103至107中任一项所述的方法,其中,所述路面特征是坑洼。
109.一种在能见度差的条件下操作车辆的方法,所述方法包括:
(a)当所述车辆沿着路面行驶时,使用至少一个遥感器确定至少一个其他车辆相对于所述路面的位置;以及
(b)在显示器上呈现所确定的所述至少一个其他车辆相对于所述路面的图像的位置(a)。
110.根据权利要求109所述的方法,其中,所述能见度差的条件是由雾引起的,并且所述至少一个遥感器是雷达探测器。
111.根据权利要求109至110中任一项所述的方法,其中,所述显示器是平视显示器或监视器。
112.根据权利要求109至111中任一项所述的方法,其中,在所述显示器上呈现所确定的所述至少一个其他车辆的位置包括:在所述显示器上呈现所述至少一个其他车辆的图形表示。
113.一种用于向车辆的自适应前灯系统提供基于地形的洞察的方法,所述方法包括:
获得所述车辆正在行驶的路段的路面信息;
至少部分地基于所述路面信息确定所述车辆的位置;以及
至少部分地基于所述车辆的位置来确定一个或更多个目标照明区域。
114.根据权利要求113所述的方法,还包括将所述一个或更多个目标照明区域传输至所述车辆。
115.根据权利要求114所述的方法,还包括:至少部分地基于所传输的一个或更多个目标照明区域来操作所述自适应前灯系统。
116.根据权利要求113至115中任一项所述的方法,其中,所述路面信息包括道路纵断面。
117.一种用于向车辆的自适应ADAS传感器系统提供基于地形的洞察的方法,所述方法包括:
获得所述车辆正在行驶的路段的路面信息;
至少部分地基于所述路面信息确定所述车辆的位置;以及
至少部分地基于所述车辆的位置来确定一个或更多个目标感测区域。
118.根据权利要求117所述的方法,还包括将所述一个或更多个目标感测区域传输至所述车辆。
119.根据权利要求118所述的方法,还包括:至少部分地基于所传输的一个或更多个目标感测区域来操作所述自适应前灯系统。
120.根据权利要求117至119中任一项所述的方法,其中,所述路面信息包括道路纵断面。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/130,028 | 2020-12-23 | ||
US202063132184P | 2020-12-30 | 2020-12-30 | |
US63/132,184 | 2020-12-30 | ||
PCT/US2021/065057 WO2022140660A1 (en) | 2020-12-23 | 2021-12-23 | Systems and methods for terrain-based insights for advanced driver assistance systems |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116802697A true CN116802697A (zh) | 2023-09-22 |
Family
ID=88046896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180091759.3A Pending CN116802697A (zh) | 2020-12-23 | 2021-12-23 | 用于高级驾驶员辅助系统的基于地形的洞察的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116802697A (zh) |
-
2021
- 2021-12-23 CN CN202180091759.3A patent/CN116802697A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220281456A1 (en) | Systems and methods for vehicle control using terrain-based localization | |
US20220324421A1 (en) | Systems and methods for terrain-based insights for advanced driver assistance systems | |
US11878683B1 (en) | Automated system and method for modeling the behavior of vehicles and other agents | |
JP7268740B2 (ja) | 車両制御装置、及び車両制御方法 | |
US7561032B2 (en) | Selectable lane-departure warning system and method | |
JP6985203B2 (ja) | 挙動予測装置 | |
US10657811B2 (en) | Travel lane identification without road curvature data | |
JP6874834B2 (ja) | 走行支援装置の動作予測方法及び動作予測装置 | |
CN112572451A (zh) | 用于自主驾驶车辆执行的方法和装置 | |
US8798841B1 (en) | System and method for improving sensor visibility of vehicle in autonomous driving mode | |
JP2020144853A (ja) | 不明瞭な路上障害物の回避 | |
US20190031198A1 (en) | Vehicle Travel Control Method and Vehicle Travel Control Device | |
US11613253B2 (en) | Method of monitoring localization functions in an autonomous driving vehicle | |
US10668922B2 (en) | Travel lane identification without road curvature data | |
WO2023129646A2 (en) | Apparatus and methods for driver assistance and vehicle control | |
US20180203461A1 (en) | Vehicle control system | |
US20210276563A1 (en) | Assistance in driving on a fast road with carriageways separated by a safety rail | |
CN111032468A (zh) | 车辆控制装置 | |
US11345343B2 (en) | Controller and method for controlling the driving direction of a vehicle | |
WO2023129648A2 (en) | Systems and methods for vehicle control using terrain-based localization | |
WO2023067879A1 (ja) | 車両制御装置、車両制御方法、及び車両制御システム | |
CN116802697A (zh) | 用于高级驾驶员辅助系统的基于地形的洞察的系统和方法 | |
KR20230041960A (ko) | 예측 차량 동작 지원 | |
US20230382380A1 (en) | Systems and methods for vehicular control while following a vehicle | |
JP7346722B2 (ja) | 運転支援方法及び運転支援装置 |
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 |