CN117083575A - 轨迹检查器 - Google Patents
轨迹检查器 Download PDFInfo
- Publication number
- CN117083575A CN117083575A CN202280021668.7A CN202280021668A CN117083575A CN 117083575 A CN117083575 A CN 117083575A CN 202280021668 A CN202280021668 A CN 202280021668A CN 117083575 A CN117083575 A CN 117083575A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- trajectory
- determining
- speed
- 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 claims abstract description 44
- 230000008859 change Effects 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims abstract description 16
- 241001465754 Metazoa Species 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 38
- 239000003795 chemical substances by application Substances 0.000 description 20
- 230000001133 acceleration Effects 0.000 description 15
- 230000008447 perception Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000000926 separation method Methods 0.000 description 6
- 241000282412 Homo Species 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000001444 catalytic combustion detection Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010200 validation analysis 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—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
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- B60W2520/06—Direction of travel
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
-
- 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
- B60W2554/4049—Relationship among other objects, e.g. converging dynamic 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
- B60W2554/80—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
- B60W2554/802—Longitudinal 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
描述了用于检查运载工具的建议轨迹的安全的技术等。在一个方面,运载工具的至少一个处理器识别运载工具的建议轨迹。处理器确定运载工具外部的对象的预测轨迹。处理器获得运载工具的速度,并且基于运载工具的建议轨迹和速度以及对象的预测轨迹来预测运载工具和对象之间的碰撞的似然性。响应于预测碰撞的似然性,处理器确定对运载工具的建议轨迹的参数的改变,并且基于对参数的改变来调整建议轨迹。
Description
技术领域
本说明书涉及自主运载工具的轨迹检查。
背景技术
自主运载工具(AV)通常计算可以用于穿越给定空间或环境的多个可能轨迹。
附图说明
图1示出具有自主能力的运载工具的示例。
图2示出示例“云”计算环境。
图3示出计算机系统。
图4示出自主运载工具的示例架构。
图5示出感知系统可以使用的输入和输出的示例。
图6示出LiDAR系统的示例。
图7示出操作中的LiDAR系统。
图8更详细地示出LiDAR系统的操作。
图9示出规划系统的输入和输出之间的关系的框图。
图10示出路径规划中所使用的有向图。
图11示出控制系统的输入和输出的框图。
图12示出控制器的输入、输出和组件的框图。
图13A和图13B示出轨迹安全检查和相应调整的示例。
图14示出用于对运载工具的一个或多于一个轨迹进行安全检查的示例处理1400。
具体实施方式
在以下描述中,为了解释的目的,阐述了许多具体细节,以便提供对本公开的透彻理解。然而,本公开可以在没有这些具体细节的情况下实施将是明显的。在其他实例中,众所周知的构造和装置是以框图形式示出的,以避免不必要地使本公开模糊。
在附图中,为了便于描述,示出了示意要素(诸如表示装置、模块、系统、指令块和数据要素的那些要素)的具体排列或次序。然而,本领域技术人员应当理解,附图中示意要素的具体次序或排列并不意在意味着要求特定的处理次序或序列、或处理过程的分离。此外,在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素,也不意在意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其他要素结合。
此外,在附图中,连接要素、诸如实线或虚线或箭头用于例示两个或多于两个其他示意要素之间的连接、关系或关联,没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说,一些要素之间的连接、关系或关联未在附图中示出,以便不使本公开内容模糊。此外,为了便于例示,使用单个连接要素来表示要素之间的多个连接、关系或关联。例如,如果连接要素表示信号、数据或指令的通信,本领域技术人员应理解,这种要素表示影响通信可能需要的一个或多于一个信号路径(例如,总线)。
现在将详细参考实施例,其示例在附图中例示出。在以下的详细描述中,阐述了许多具体细节,以便提供对所描述的各种实施例的透彻理解。然而,对于本领域的普通技术人员来说将明显的是,可以在没有这些具体细节的情况下实施所描述的各种实施例。在其他情况下,没有详细描述众所周知的方法、程序、组件、电路和网络,以便不会不必要地使实施例的方面模糊。
下面描述的若干特征各自可以彼此独立地使用,也可以与其他特征的任何组合一起使用。然而,任何个别特征可能不能解决以上所讨论的任何问题,或者只能解决以上所讨论的问题之一。以上所讨论的一些问题可能不能通过本文所描述的任何一个特征得到充分解决。虽然提供了标题,但在本说明书的其他地方也可以找到与具体标题有关但在具有该标题的部分中未找到的信息。本文根据以下概要描述实施例:
1.总体概述
2.系统概述
3.自主运载工具架构
4.自主运载工具输入
5.自主运载工具规划
6.自主运载工具控制
7.轨迹检查器
8.轨迹安全检查的示例
9.轨迹安全检查的示例处理
总体概述
在实施例中,作为诸如自主运载工具(AV)等的运载工具中的组件的电子装置对运载工具穿越路线的规划轨迹进行一个或多于一个安全检查。在本公开中,该电子装置被称为轨迹检查器(TC)。在实施例中,TC是运载工具的运动规划子系统(例如,在以下章节中描述的规划系统404)的组件。TC解决了与运载工具的运动规划相关的更高级别的功能安全要求。
在实施例中,作为规划运载工具的轨迹的部分,向TC呈现候选AV轨迹集合和感知系统(例如,下面描述的感知系统402)所识别的感知跟踪对象集合、以及在某时间范围内的各个跟踪对象的预测未来轨迹集合。TC检查并确保运载工具所跟随的当前轨迹(也被称为“自我运载工具轨迹(ego vehicle trajectory)”)不会与感知系统所识别的任何感知跟踪对象发生碰撞。特别地,TC确定是否可以在运载工具和可以沿着各个预测轨迹移动的跟踪对象之间维持最小安全距离。另外,在一些情况下,TC对运载工具的候选轨迹进行合理性检查,例如,确保候选轨迹在物理上可执行或可由运载工具“跟随”(即,候选轨迹不具有会使得在物理上不可能跟随轨迹的不连续性)。在实施例中,使用技术安全要求(TSR)集合来指定TC的操作。TSR描述了TC进行的一个或多于一个安全检查、以及TC响应于针对各种输入场景的各种检查的结果而采取的动作。
本文描述的主题可以提供数个技术益处。例如,TC所进行的安全检查引起运载工具沿路线的安全移动。由于TC所进行的检查能够触发的规避机动动作,因而降低了沿路线与对象发生碰撞的风险。
系统概述
图1示出具有自主能力的自主运载工具100的示例。
如本文所使用的,术语“自主能力”是指一种功能、特征或设施,该功能、特征或设施使运载工具能够部分地或完全地操作,而无需实时的人类干预,包括但不限于完全自主运载工具、高度自主运载工具和有条件自主运载工具。
如本文所使用的,自主运载工具(AV)是一种具有自主能力的运载工具。
如本文所使用的,“运载工具”包括货物或人员的运输方式。例如,小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。
如本文所使用的,“轨迹”是指将AV从第一时空地点导航到第二时空地点的路径或路线。在实施例中,第一时空地点被称为初始地点或起始地点,第二时空地点被称为目的地、最终地点、目标、目标位置或目标地点。在一些示例中,轨迹由一个或多于一个路段(例如,道路的数段)组成,并且各路段由一个或多于一个块(例如,车道或交叉口的一部分)组成。在实施例中,时空地点对应于真实世界地点。例如,时空地点是上车或下车地点,以使人员或货物上车或下车。
如本文所使用的,“(一个或多于一个)传感器”包括一个或多于一个硬件组件,用于检测与传感器周围环境有关的信息。一些硬件组件可包括感测组件(例如,图像传感器、生物特征传感器)、传输和/或接收组件(例如,激光或射频波发射器和接收器)、电子组件(诸如,模数转换器等)、数据存储装置(诸如,RAM和/或非易失性存储器等)、软件或固件组件和数据处理组件(诸如,专用集成电路等)、微处理器和/或微控制器。
如本文所使用的,“场景描述”是一种数据结构(例如,列表)或数据流,其包括由AV运载工具上的一个或多于一个传感器检测到的一个或多于一个经分类或标记的对象,或由AV外部的源提供的一个或多于一个分类或标记的对象。
如本文所使用的,“道路”是一个可以被运载工具穿过的物理区域,并且可以对应于已命名的通道(例如,城市街道、州际高速公路等)或可对应于未命名的通道(例如,房屋或办公楼内的车行道、停车场的一段、空置停车场的一段、乡村区域的污物通道等)。因为有些运载工具(例如,四轮驱动的小卡车、越野车(SUV)等)能够穿过各种不特别适合运载工具行驶的物理区域,因此“道路”可以是任何市政当局或其他政府或行政机构没有正式定义为一条通道的物理区域。
如本文所使用的,“车道”是道路的可被运载工具穿过的部分。有时基于车道标记来识别车道。例如,车道可对应于车道标记之间的大部分或全部空间,或仅对应于车道标记之间的部分空间(例如,小于50%)。例如,具有相距很远的车道标记的道路可能容纳两个或多于两个运载工具,使得一个运载工具可以在不穿过车道标记的情况下超过另一个运载工具,因此可被解释为车道比车道标记之间的空间窄,或车道之间有两个车道。在没有车道标记的情况下,也可以对车道进行解释。例如,可以基于环境的物理特征(例如,农村地区的岩石和沿着大道的树木、或者例如在欠发达地区应避免的自然障碍物)来定义车道。也可以独立于车道标记或物理特征来解释车道。例如,可以基于原本缺少将会被解释为车道边界的特征的在区域中无障碍物的任意路径来解释车道。在示例情景中,AV可以解释通过田野或空地的无障碍物部分的车道。在另一示例情景中,AV可以解释通过不具有车道标记的宽(例如,足够两个或多于两个车道宽)道路的车道。在该情景中,AV可以将与车道有关的信息通信至其他AV,使得其他AV可以使用相同的车道信息来协调AV之间的路径规划。
术语“空中下载(OTA)客户端”包括任何AV,或者嵌入在AV中、耦接至AV或与AV进行通信的任何电子装置(例如,计算机、控制器、IoT装置、电子控制单元(ECU))。
术语“空中下载(OTA)更新”意味着对使用专有和/或标准化的无线通信技术递送至OTA客户端的软件、固件、数据或配置设置或者它们的任何组合的任何更新、改变、删除或添加,其中该专有和/或标准化的无线通信技术包括但不限于:蜂窝移动通信(例如,2G、3G、4G、5G)、无线电无线区域网络(例如,Wi-Fi)和/或卫星因特网。
术语“边缘节点”是指耦接至网络的一个或多于一个边缘装置,这些装置提供与AV进行通信所用的门户并且可以与其他边缘节点和基于云的计算平台进行通信,以调度OTA更新并将OTA更新递送至OTA客户端。
术语“边缘装置”是指实现边缘节点并提供向企业或服务提供商(如VERIZON、AT&T)核心网的物理无线接入点(AP)的装置。边缘装置的示例包括但不限于:计算机、控制器、发送器、路由器、路由交换机、综合接入装置(IAD)、多路复用器、城域网(MAN)和广域网(WAN)接入装置。
“一个或多于一个”包括由一个要素执行的功能、由多个要素例如以分布式的方式执行的功能、由一个要素执行的若干功能、由若干要素执行的若干功能、或上述的任何组合。
还将理解的是,尽管在一些情况下,术语“第一”、“第二”等在本文中是用来描述各种要素的,但这些要素不应受到这些术语的限制。这些术语仅用于区分一个要素与另一个要素。例如,在未背离各种所描述的实施例的范围的情况下,第一触点可被称为第二触点,并且类似地,第二触点可被称为第一触点。第一触点和第二触点两者都是触点,但它们不是相同触点。
在本文所描述的各种实施例的说明书中使用的术语仅用于描述特定实施例的目的,而不是意在限制。如在所描述的各种实施例的说明书和所附权利要求书中所使用的,单数形式“a”、“an”和“the”也意在包括复数形式,除非上下文另有明确说明。还将理解的是,如本文所使用的“和/或”是指并且包括一个或多于一个相关清单项目的任何和所有可能的组合。还将理解的是,当在本说明书中使用术语“包括”、“包含”、“具备”和/或“具有”时,具体说明存在所陈述的特征、整数、步骤、操作、要素和/或组件,但并不排除存在或添加一个或多于一个其他特征、整数、步骤、操作、要素、组件、和/或其群组。
如本文所使用的,取决于上下文,术语“如果”可选地被理解为意指“当”或“在当时”或“响应于确定为”或“响应于检测到”。类似地,取决于上下文,短语“如果已确定”或“如果[所陈述的条件或事件]已被检测到”可选地被理解为意指“在确定时”或“响应于确定为“或”在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
如本文所使用的,AV系统是指AV以及支持AV操作的硬件、软件、存储的数据和实时生成的数据的阵列。在实施例中,AV系统并入在AV内。在实施例中,AV系统跨若干地点分布。例如,AV系统的一些软件是在类似于下面关于图3描述的云计算环境300的云计算环境上实现的。
一般而言,本文件描述了适用于任何具有一种或多种自主能力的运载工具的技术,包括完全自主运载工具、高度自主运载工具和有条件自主运载工具,诸如分别为所谓的第5级、第4级和第3级运载工具(见SAE国际标准J3016:道路上机动车自动驾驶系统相关术语的分类和定义,通过引用将其全部内容并入本文件,用于了解运载工具自主权级别的更多详细信息)。本文件所描述的技术也适用于部分自主运载工具和驾驶员辅助运载工具,诸如所谓的第2级和第1级运载工具(见SAE国际标准J3016:道路上机动车自动驾驶系统相关术语的分类和定义)。在实施例中,一个或多于一个第1级、第2级、第3级、第4级和第5级运载工具系统可基于对传感器输入的处理,在某些操作条件下自动执行某些运载工具操作(例如,转向、制动和使用地图)。本文件中所描述的技术可以使从完全自主运载工具到人类操作的运载工具范围内的任何级别的运载工具受益。
自主运载工具与需要人类驾驶员的运载工具相比存在优势。一个优势是安全性。例如,在2016年,美国经历了600万起汽车事故、240万人受伤、40000人死亡和1300万辆运载工具碰撞事故,估计社会成本为9100亿美元多。从1965年到2015年,每行驶1亿英里的美国交通事故死亡人数已从约6人减少到约1人,部分是由于运载工具中所部署的附加安全措施。例如,认为与将发生碰撞有关的额外半秒的警告减轻了60%的前后碰撞。然而,被动安全特征(例如,安全带、安全气囊)在改进该数字方面有可能已达到它们的极限。因而,诸如运载工具的自动控制等的主动安全措施是改进这些统计数据的可能的下一步。由于在95%的碰撞中认为人类驾驶员是造成严重碰撞前事件的原因,因此自动驾驶系统例如通过以下操作,有可能实现更好的安全结果:比人类更好地可靠地识别和避免紧急情况;做出比人类更好的决策,比人类更好地遵守交通法规,并且比人类更好地预测将来事件;并且比人类更好地可靠地控制运载工具。
参考图1,AV系统120使运载工具100沿着轨迹198操作,穿过环境190至目的地199(有时称为最终地点),同时避开对象(例如,自然障碍物191、运载工具193、行人192、骑车者和其他障碍物)和遵守道路规则(例如,操作规则或驾驶偏好)。
在实施例中,AV系统120包括用于从一个或多于一个计算机处理器146接收操作命令并对其进行操作的装置101。使用术语“操作命令”来表示使得运载工具进行动作(例如,驾驶机动动作)的可执行指令(或指令集)。操作命令可以非限制性地包括用于使运载工具开始向前移动、停止向前移动、开始向后移动、停止向后移动、加速、减速、进行左转和进行右转的指令。在实施例中,计算处理器146与下面参考图3描述的处理器304相似。装置101的示例包括转向控制器102、制动器103、挡位、加速踏板或其他加速控制机构、挡风玻璃雨刮器、侧门锁、窗控器和转向指示器。
在实施例中,AV系统120包括用于测量或推断运载工具100的状态或条件的属性的传感器121,这些属性诸如是AV的位置、线速度和角速度及线加速度和角加速度、以及航向(例如,运载工具100的前端的方向)。传感器121的示例是GPS、测量运载工具线加速度和角速率两者的惯性测量单元(IMU)、用于测量或估计轮滑移率的轮速率传感器、轮制动压力或制动扭矩传感器、引擎扭矩或轮扭矩传感器以及转向角度和角速率传感器。
在实施例中,传感器121还包括用于感测或测量AV的环境的属性的传感器。例如,传感器121包括可见光、红外或热(或两者兼有)光谱的单目或立体摄像机122,LiDAR 123,RADAR,超声波传感器,飞行时间(TOF)深度传感器,速率传感器,温度传感器,湿度传感器和降水传感器。
在实施例中,AV系统120包括数据存储单元142和存储器144,用于存储与计算机处理器146相关联的机器指令或由传感器121收集的数据。在实施例中,数据存储单元142与以下关于图3描述的ROM 308或存储装置310类似。在实施例中,存储器144与下面描述的主存储器306类似。在实施例中,数据存储单元142和存储器144存储有关环境190的历史、实时和/或预测性信息。在实施例中,存储的信息包括地图、驾驶性能、交通拥堵更新或天气条件。在实施例中,与环境190有关的数据从远程数据库134通过通信信道传输到运载工具100。
在实施例中,AV系统120包括通信装置140,用于将对其他运载工具的状态和条件(诸如位置、线速度和角速度、线加速度和角加速度、以及线航向和角航向)测量或推断的属性传送到运载工具100。这些装置包括运载工具到运载工具(V2V)和运载工具到基础设施(V2I)通信装置以及用于通过点对点或自组织(ad hoc)网络或两者进行无线通信的装置。在实施例中,通信装置140跨电磁频谱(包括无线电和光通信)或其他介质(例如,空气和声介质)进行通信。运载工具对运载工具(V2V)、运载工具对基础设施(V2I)通信(以及在一些实施例中为一种或多种其他类型的通信)的组合有时被称为运载工具对所有事物(V2X)通信。V2X通信通常符合一个或多于一个通信标准,用于与自主运载工具进行的和在自主运载工具之间的通信。
在实施例中,通信装置140包括通信接口。例如,有线、无线、WiMAX、Wi-Fi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从远程数据库134传输到AV系统120。在实施例中,远程数据库134嵌入在如图2中所描述的云计算环境200中。通信装置140将从传感器121收集的数据或与运载工具100操作有关的其他数据传输到远程数据库134。在实施例中,通信装置140向运载工具100传输与遥操作有关的信息。在一些实施例中,运载工具100与其他远程(例如,“云”)服务器136通信。
在实施例中,远程数据库134还存储和传输数字数据(例如,存储诸如道路和街道地点的数据)。这些数据存储在运载工具100上的存储器144中,或者经由通信信道从远程数据库134传输到运载工具100。
在实施例中,远程数据库134存储和传输与以前在一天中类似时间沿着轨迹198行驶的运载工具的驾驶属性有关的历史信息(例如,速率和加速度分布)。在一个实现中,这种数据可以存储在运载工具100上的存储器144中,或者经由通信信道从远程数据库134传输到运载工具100。
位于运载工具100上的计算机处理器146基于实时传感器数据和先验信息两者以算法方式生成控制动作,允许AV系统120执行其自主驾驶能力。
在实施例中,AV系统120包括耦接到计算机处理器146的计算机外围设备132,用于向运载工具100的用户(例如,乘员或远程用户)提供信息和提醒并接收来自该用户的输入。在实施例中,计算机外围设备132类似于下面参考图3讨论的显示器312、输入装置314和光标控制器316。耦接是无线的或有线的。任意两个或多于两个接口装置可以集成到单个装置中。
在实施例中,AV系统120接收并强制执行例如由乘客指定的或者存储在与乘客相关联的简档中的乘客的隐私级别。乘客的隐私级别确定了如何许可使用存储在乘客简档中的以及/或者存储在云服务器136上且与乘客简档相关联的、与乘客相关联的特定信息(例如,乘客舒适度数据、生物测量数据等)。在实施例中,隐私级别指定了一旦搭乘完成则被删除的与乘客相关联的特定信息。在实施例中,隐私级别指定了与乘客相关联的特定信息,并且标识被授权访问该信息的一个或多于一个实体。被授权访问信息的所指定的实体的示例可以包括其他AV、第三方AV系统、或者可以潜在地访问该信息的任何实体。
可以在一个或多于一个粒度级别指定乘客的隐私级别。在实施例中,隐私级别标识要存储或共享的特定信息。在实施例中,隐私级别适用于与乘客相关联的所有信息,使得乘客可以指定不存储或共享她的个人信息。被许可访问特定信息的实体的指定也可以在各种粒度级别指定。被许可访问特定信息的各种实体集例如可以包括其他AV、云服务器136、特定第三方AV系统等。
在实施例中,AV系统120或云服务器136确定运载工具100或另一实体是否可访问与乘客相关联的某些信息。例如,试图访问与特定时空地点有关的乘客输入的第三方AV系统必须例如从AV系统120或云服务器136获得授权,以访问与乘客相关联的信息。例如,AV系统120使用乘客的指定隐私级别来确定是否可以将与时空地点有关的乘客输入呈现给第三方AV系统、运载工具100或另一AV。这使得乘客的隐私级别能够指定允许哪些其他实体接收与乘客的动作有关的数据或与乘客相关联的其他数据。
图2例示示例“云”计算环境。云计算是一种服务交付模式,用于使得能够方便、按需地在网络上访问可配置计算资源(例如网络、网络带宽、服务器、处理、内存、存储、应用程序、虚拟机和服务)的共享池。在典型的云计算系统中,一个或多于一个大型云数据中心容纳用于交付云所提供的服务的机器。现在参考图2,云计算环境200包括通过云202互连的云数据中心204a、204b和204c。数据中心204a、204b和204c为连接到云202的计算机系统206a、206b、206c、206d、206e和206f提供云计算服务。
云计算环境200包括一个或多于一个云数据中心。一般而言,云数据中心(例如图2中所示的云数据中心204a)是指构成云(例如图2中所示的云202或云的特定部分)的服务器的物理排列。例如,服务器在云数据中心中物理排列成房间、组、行和机架。云数据中心有一个或多于一个区域,其中包括一个或多于一个服务器房间。每个房间有一行或多行服务器,并且每行包括一个或多于一个机架。每个机架包括一个或多于一个单独的服务器节点。在一些实现中,区域、房间、机架和/或行中的服务器基于数据中心设施的物理基础设施要求(包括电力、能源、热力、热源和/或其他要求)被排列成若干组。在实施例中,服务器节点类似于图3中描述的计算机系统。数据中心204a具有许多分布在多个机架上的计算系统。
云202包括云数据中心204a、204b和204c以及用于连接云数据中心204a、204b和204c并有助于促进计算系统206a-f对云计算服务的访问的网络和网络资源(例如,网络设备、节点、路由器、交换机和网络电缆)。在实施例中,该网络表示一个或多于一个本地网络、广域网或通过使用地面或卫星连接部署的有线或无线链路耦接的网际网络的任意组合。通过网络交换的数据使用多种网络层协议(诸如,因特网协议(IP)、多协议标签交换(MPLS)、异步传输模式(ATM)、帧中继(Frame Relay)等)进行传输。此外,在网络表示多个子网络的组合的实施例中,在每个底层子网络上使用不同的网络层协议。在一些实施例中,网络表示一个或多于一个互连网际网络(诸如公共因特网等)。
计算系统206a-f或云计算服务消费者通过网络链路和网络适配器连接到云202。在实施例中,计算系统206a-f被实现为各种计算装置,例如服务器、台式机、膝上型计算机、平板电脑、智能手机、物联网(IoT)装置、自主运载工具(包括小汽车、无人机、航天飞机、火车、公共汽车等)和消费电子产品。在实施例中,计算系统206a-f在其他系统中实现或作为其他系统的一部分实现。
图3例示计算机系统300。在实现中,计算机系统300是一种专用计算装置。专用计算装置被硬连线以执行这些技术,或包括诸如一个或多于一个专用集成电路(ASIC)或现场可编程门阵列(FPGA)的被持久编程为执行上述技术的数字电子装置,或可包括一个或多于一个通用硬件处理器,这些硬件处理器经编程以根据固件、存储器、其他存储器、或者组合中的程序指令执行这些技术。这种专用的计算装置还可以将定制的硬线逻辑、ASIC或FPGA与定制的编程相结合来完成这些技术。在各种实施例中,专用计算装置是台式计算机系统、便携式计算机系统、手持装置、网络装置或包含硬线和/或程序逻辑以实现这些技术的任何其他装置。
在实施例中,计算机系统300包括总线302或用于传达信息的其他通信机制、以及与总线302耦接以处理信息的处理器304。处理器304是例如通用微处理器。计算机系统300还包括主存储器306,诸如随机存取存储器(RAM)或其他动态存储装置,该主存储器306耦接到总线302以存储信息和指令,该信息和指令由处理器304执行。在一个实现中,主存储器306用于在执行要由处理器304执行的指令期间存储临时变量或其他中间信息。当这些指令存储在处理器304可访问的非暂态存储介质中时,使计算机系统300变成一个专用机器,该机器被定制以执行指令中指定的操作。
在实施例中,计算机系统300还包括只读存储器(ROM)308或耦接到总线302的其他静态存储装置,用于存储处理器304的静态信息和指令。提供诸如磁盘、光盘、固态驱动器或三维交叉点存储器的存储装置310,并且该存储装置310耦接到总线302以存储信息和指令。
在实施例中,计算机系统300通过总线302耦接到诸如阴极射线管(CRT)、液晶显示器(LCD)、等离子体显示器、发光二极管(LED)显示器或用于向计算机用户显示信息的有机发光二极管(OLED)显示器的显示器312。包括字母数字键和其他键的输入装置314耦接到总线302,用于向处理器304传送信息和命令选择。另一种类型的用户输入装置是光标控制器316,诸如鼠标、轨迹球、触控显示器或光标方向键,用于将方向信息和命令选择传送到处理器304,并用于控制光标在显示器312上的移动。这种输入装置通常具有两个轴(第一轴(例如,x轴)和第二轴(例如,y轴))上的两个自由度,这两个轴允许装置指定平面上的位置。
根据一个实施例,本文的技术由计算机系统300响应于处理器304执行主存储器306中包含的一个或多于一个指令的一个或多于一个序列而执行。这些指令从诸如存储装置310的另一存储介质读入主存储器306。执行主存储器306中包含的指令序列使处理器304执行本文所描述的过程步骤。在替代实施例中,使用硬连线电路代替或与软件指令结合使用。
如本文所使用的术语“存储介质”是指存储数据和/或指令的任何非暂态介质,这些数据和/或指令使机器以特定方式操作。这种存储介质包括非易失性介质和/或易失性介质。非易失性介质例如包括诸如存储装置310的光盘、磁盘、固态驱动器或三维交叉点存储器。易失性介质包括动态存储器,诸如主存储器306。存储介质的常见形式包括例如软盘、软磁盘、硬盘、固态驱动器、磁带或任何其他磁数据存储介质、CD-ROM、任何其他光数据存储介质、任何具有孔型的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NV-RAM、或任何其他存储芯片或存储盒。
存储介质有别于传输介质,但可以与传输介质相结合使用。传输介质参与存储介质之间的信息传输。例如,传输介质包括同轴电缆、铜线和光纤,其包括具备总线302的电线。传输介质也可以采取声波或光波的形式,诸如在无线电波和红外数据通信过程中产生的声波或光波。
在实施例中,各种形式的介质涉及将一个或多于一个指令的一个或多于一个序列承载到处理器304以供执行。例如,这些指令最初是在远程计算机的磁盘或固态驱动器上执行的。远程计算机将指令加载到其动态存储器中,并使用调制解调器通过电话线路发送指令。计算机系统300的本地调制解调器接收电话线路上的数据,并使用红外发射器将数据转换为红外信号。红外检测器接收红外信号中承载的数据,并且适当的电路将数据放置在总线302上。总线302将数据承载到主存储器306,处理器304从主存储器306检索并执行指令。主存储器306接收的指令可以可选地在处理器304执行之前或之后存储在存储装置310上。
计算机系统300还包括耦接到总线302的通信接口318。通信接口318提供耦接到连接至本地网络322的网络链路320的双向数据通信。例如,通信接口318是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或用以提供与相应类型电话线路的数据通信连接的调制解调器。作为另一示例,通信接口318是局域网(LAN)卡,用于提供与兼容LAN的数据通信连接。在一些实现中,无线链路也被实现。在任何这种实现中,通信接口318发送和接收承载表示各种类型的信息的数字数据流的电、电磁或光信号。
网络链路320通常通过一个或多于一个网络向其他数据装置提供数据通信。例如,网络链路320通过本地网络322提供与主计算机324或与由因特网服务提供商(ISP)326运营的云数据中心或设备的连接。ISP 326又通过现在通常称为“因特网”328的世界范围分组数据通信网络来提供数据通信服务。本地网络322和因特网328两者都使用承载数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路320上并通过通信接口318的信号是传输介质的示例形式,其中这些信号承载了进出计算机系统300的数字数据。在实施例中,网络320包含上述云202或云202的一部分。
计算机系统300通过(一个或多于一个)网络、网络链路320和通信接口318发送消息和接收包括程序代码的数据。在实施例中,计算机系统300接收用于处理的代码。接收到的代码在接收到时由处理器304执行,和/或存储在存储装置310中,或存储在其他非易失性存储装置中以便以后执行。
自主运载工具架构
图4示出用于自主运载工具(例如,图1所示的运载工具100)的示例架构400。架构400包括感知系统402(有时称为感知电路)、规划系统404(有时称为规划电路)、控制系统406(有时称为控制电路)、定位系统408(有时称为定位电路)和数据库系统410(有时称为数据库电路)。各系统在运载工具100的操作中发挥作用。共同地,系统402、404、406、408和410可以是图1所示的AV系统120的一部分。在一些实施例中,系统402、404、406、408和410中的任何系统是计算机软件(例如,计算机可读介质上所存储的可执行代码)和计算机硬件(例如,一个或多于一个微处理器、微控制器、专用集成电路[ASIC]、硬件存储器装置、其他类型的集成电路、其他类型的计算机硬件、或者这些硬件中的任何或所有的组合)的组合。系统402、404、406、408和410各自有时被称为处理电路(例如,计算机硬件、计算机软件、或者这两者的组合)。系统402、404、406、408和410中的任何或全部的组合也是处理电路的示例。
在使用中,规划系统404接收表示目的地412的数据,并且确定表示运载工具100为了到达(例如,抵达)目的地412而可以行驶的轨迹414(有时称为路线)的数据。为了使规划系统404确定表示轨迹414的数据,规划系统404从感知系统402、定位系统408和数据库系统410接收数据。
感知系统402使用例如也如图1所示的一个或多于一个传感器121来识别附近的物理对象。将对象分类(例如,分组成诸如行人、自行车、汽车、交通标志等的类型),并且将包括经分类的对象416的场景描述提供至规划系统404。
规划系统404还从定位系统408接收表示AV位置418的数据。定位系统408通过使用来自传感器121的数据和来自数据库系统410的数据(例如,地理数据)以计算位置来确定AV位置。例如,定位系统408使用来自GNSS(全球导航卫星系统)传感器的数据和地理数据来计算AV的经度和纬度。在实施例中,定位系统408所使用的数据包括具有行车道几何属性的高精度地图、描述道路网络连接属性的地图、描述行车道物理属性(诸如交通速率、交通量、运载工具和自行车车道的数量、车道宽度、车道交通方向、或车道标记类型和地点,或者它们的组合)的地图、以及描述道路特征(诸如人行横道、交通标志或各种类型的其他行驶信号等)的空间地点的地图。在实施例中,高精度地图是通过将数据经由自动或手动标注添加到低精度地图所构造的。
控制系统406接收表示轨迹414的数据和表示AV位置418的数据,并且以将使得运载工具100行驶轨迹414到达目的地412的方式来操作AV的控制功能420a~420c(例如,转向、油门、制动、点火)。例如,如果轨迹414包括左转,则控制系统406将以如下方式操作控制功能420a~420c:转向功能的转向角度将使得运载工具100左转,并且油门和制动将使得运载工具100在进行转弯之前暂停并等待经过的行人或运载工具。
自主运载工具输入
图5示出感知系统402(图4)所使用的输入502a-502d(例如,图1中所示的传感器121)和输出504a-504d(例如,传感器数据)的示例。一个输入502a是LiDAR(光检测和测距)系统(例如,图1所示的LiDAR 123)。LiDAR是使用光(例如,诸如红外光等的一道光)来获得与其视线中的物理对象有关的数据的技术。LiDAR系统产生LiDAR数据作为输出504a。例如,LiDAR数据是用于构造环境190的表示的3D或2D点(也称为点云)的集合。
另一输入502b是RADAR(雷达)系统。RADAR是使用无线电波来获得与附近的物理对象有关的数据的技术。RADAR可以获得与不在LiDAR系统的视线内的对象有关的数据。RADAR系统502b产生RADAR数据作为输出504b。例如,RADAR数据是用于构造环境190的表示的一个或多于一个射频电磁信号。
另一输入502c是照相机系统。照相机系统使用一个或多于一个照相机(例如,使用诸如电荷耦接器件[CCD]等的光传感器的数字照相机)来获取与附近的物理对象有关的信息。照相机系统产生照相机数据作为输出504c。照相机数据通常采用图像数据(例如,诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。在一些示例中,照相机系统具有例如为了立体影像(立体视觉)的目的的多个独立照相机,这使得照相机系统能够感知深度。尽管照相机系统所感知的对象在这里被描述为“附近”,但这是相对于AV而言的。在一些实施例中,照相机系统被配置为“看见”远处的(例如,AV前方的远至1公里或更远的)对象。因此,在一些实施例中,照相机系统具有为了感知遥远的对象而优化的诸如传感器和镜头等的特征。
另一输入502d是交通灯检测(TLD)系统。TLD系统使用一个或多于一个照相机来获得与交通灯、街道标志和提供视觉导航信息的其他物理对象有关的信息。TLD系统产生TLD数据作为输出504d。TLD数据经常采用图像数据(例如,诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。TLD系统与包含照相机的系统的不同之处在于:TLD系统使用具有宽视场(例如,使用广角镜头或鱼眼镜头)的照相机,以获得与尽可能多的提供视觉导航信息的物理对象有关的信息,使得运载工具100能够访问这些对象所提供的所有相关导航信息。例如,TLD系统的视角可以为约120度或更大。
在一些实施例中,使用传感器融合技术来组合输出504a-504d。因而,将个体输出504a-504d提供至运载工具100的其他系统(例如,提供至如图4所示的规划系统404),或者可以采用相同类型的单个组合输出或多个组合输出(例如,使用相同组合技术或组合相同输出或者这两者)或不同类型的单个组合输出或多个组合输出(例如,使用不同的各个组合技术或组合不同的各个输出或者这两者)的形式,将组合输出提供至其他系统。在一些实施例中,使用早期融合技术。早期融合技术的特征在于:在将一个或多于一个数据处理步骤应用到组合输出之前,将输出组合。在一些实施例中,使用后期融合技术。后期融合技术的特征在于:在将一个或多于一个数据处理步骤应用到个体输出之后,将输出组合。
图6示出LiDAR系统602的示例(例如,图5所示的输入502a)。LiDAR系统602从发光器606(例如,激光发射器)发射光604a-604c。LiDAR系统所发射的光通常不在可见光谱中;例如,经常使用红外光。所发射的光604b中的一些光遇到物理对象608(例如,运载工具)并且反射回到LiDAR系统602。(从LiDAR系统发射的光通常不会穿透物理对象,例如,实心形式的物理对象。)LiDAR系统602还具有用于检测反射光的一个或多于一个光检测器610。在实施例中,与LiDAR系统相关联的一个或多于一个数据处理系统生成表示LiDAR系统的视场614的图像612。图像612包括表示物理对象608的边界616的信息。这样,图像612用于确定AV附近的一个或多于一个物理对象的边界616。
图7示出操作中的LiDAR系统602。在该图所示的情景中,运载工具100接收采用图像702的形式的照相机系统输出504c和采用LiDAR数据点704的形式的LiDAR系统输出504a两者。在使用中,运载工具100的数据处理系统将图像702与数据点704进行比较。特别地,在数据点704中也识别在图像702中识别出的物理对象706。这样,运载工具100基于数据点704的轮廓和密度来感知物理对象的边界。
图8更详细地示出LiDAR系统602的操作。如上所述,运载工具100基于LiDAR系统602所检测到的数据点的特性来检测物理对象的边界。如图8所示,诸如地面802等的平坦对象将以一致的方式反射从LiDAR系统602发射的光804a-804d。换句话说,由于LiDAR系统602使用一致的间隔发射光,因此地面802将以相同的一致间隔将光反射回到LiDAR系统602。在运载工具100在地面802上行驶时,在没有东西阻挡道路的情况下,LiDAR系统602将继续检测到由下一个有效地面点806反射的光。然而,如果对象808阻挡道路,则LiDAR系统602所发射的光804e-804f将以与预期一致方式不一致的方式从点810a-810b反射。根据该信息,运载工具100可以确定存在对象808。
路径规划
图9示出(例如,如图4所示的)规划系统404的输入和输出之间的关系的框图900。一般而言,规划系统404的输出是从起点904(例如,源地点或初始地点)到终点906(例如,目的地或最终地点)的路线902。路线902通常由一个或多于一个路段定义。例如,路段是指要在街道、道路、公路、车行道或适合汽车行驶的其他物理区域的至少一部分上行驶的距离。在一些示例中,例如,如果运载工具100是诸如四轮驱动(4WD)或全轮驱动(AWD)小汽车、SUV或小卡车等的能够越野的运载工具,则路线902包括诸如未铺面路径或开阔田野等的“越野”路段。
除路线902之外,规划系统还输出车道级路线规划数据908。车道级路线规划数据908用于在特定时间基于路线902的路段的条件来驶过这些路段。例如,如果路线902包括多车道公路,则车道级路线规划数据908包括轨迹规划数据910,其中运载工具100可以使用该轨迹规划数据910以例如基于出口是否临近、多个车道中的一个或多于一个车道是否存在其他运载工具、或者在几分钟或更少时间的过程中变化的其他因素来从这多个车道中选择某车道。类似地,在一些实现中,车道级路线规划数据908包括路线902的某路段特有的速率约束912。例如,如果该路段包括行人或非预期交通,则速率约束912可以将运载工具100限制到比预期速率慢的行驶速率,例如基于该路段的限速数据的速率。
在实施例中,向规划系统404的输入包括(例如,来自图4所示的数据库系统410的)数据库数据914、当前地点数据916(例如,图4所示的AV位置418)、(例如,用于图4所示的目的地412的)目的地数据918和对象数据920(例如,如图4所示的感知系统402所感知的经分类的对象416)。在一些实施例中,数据库数据914包括规划时所使用的规则。规则是使用形式语言(例如,使用布尔逻辑)指定的。在运载工具100所遇到的任何给定情形中,这些规则中的至少一些规则将适用于该情形。如果规则具有基于运载工具100可用的信息(例如,与周围环境有关的信息)所满足的条件,则该规则适用于给定情形。规则可以具有优先级。例如,“如果公路是高速公路,则移动到最左侧车道”这一规则与“如果出口在一英里内临近,则移动到最右侧车道”相比可以具有更低的优先级。
如先前所指示的,在实施例中,规划系统404包括轨迹检查器(TC)组件。在实施例中,TC被实现为作为规划系统404的一部分的硬件电子装置。例如,TC可以是执行指令以实现TC的安全检查操作的微型计算机、微控制器、通用处理器或专用处理器(例如,FPGA或ASIC)。在另一实施例中,在规划系统404的存储器中对与TC的安全检查操作相对应的软件例程进行编程,并且由诸如处理器等的规划系统硬件来执行。在以下章节中详细描述TC所进行的安全检查操作的示例。
图10示出在路径规划中(例如,由规划系统404(图4))使用的有向图1000。一般而言,如图10所示的有向图那样的有向图1000用于确定任何起点1002和终点1004之间的路径。在现实世界中,分隔起点1002和终点1004的距离可能相对较大(例如,在两个不同的都市区域中),或者可能相对较小(例如,毗邻城市街区的两个交叉口或多车道道路的两条车道)。
在实施例中,有向图1000具有表示起点1002和终点1004之间的运载工具100可能占用的不同地点的节点1006a-1006d。在一些示例中,例如,在起点1002和终点1004表示不同的都市区域时,节点1006a-1006d表示道路的路段。在一些示例中,例如,在起点1002和终点1004表示相同道路上的不同地点时,节点1006a-1006d表示该道路上的不同位置。这样,有向图1000包括不同粒度级别的信息。在实施例中,具有高粒度的有向图也是具有更大规模的另一有向图的子图。例如,起点1002和终点1004相距远(例如,相距许多英里)的有向图的大部分信息处于低粒度,并且该有向图是基于所存储的数据,但该有向图还包括用于该有向图中的表示运载工具100的视场中的物理地点的一部分的一些高粒度信息。
节点1006a-1006d不同于无法与节点重叠的对象1008a-1008b。在实施例中,在粒度低时,对象1008a-1008b表示汽车不能穿过的地区,例如无街道或道路的区域。在粒度高时,对象1008a-1008b表示运载工具100的视场中的物理对象,例如其他汽车、行人、或运载工具100不能与之共用物理空间的其他实体。在实施例中,对象1008a-1008b的一部分或全部是静态对象(例如,不改变位置的对象,诸如街灯或电线杆等)或动态对象(例如,能够改变位置的对象,诸如行人或其他小汽车等)。
节点1006a-1006d通过边1010a-1010c连接。如果两个节点1006a-1006b通过边1010a连接,则运载工具100可以在一个节点1006a和另一节点1006b之间行驶,例如,而不必在到达另一节点1006b之前行驶到中间节点。(当提到运载工具100在节点之间行驶时,意味着运载工具100在由相应节点表示的两个物理位置之间行驶。)边1010a-1010c通常是双向的,从某种意义上,并且运载工具100从第一节点行驶到第二节点,或者从第二节点行驶到第一节点。在实施例中,边1010a-1010c是单向的,从某种意义上,运载工具100可以从第一节点行驶到第二节点,然而运载工具100不能从第二节点行驶到第一节点。在边1010a-1010c表示例如单向街道,街道、道路或公路的单独车道,或者由于法律或物理约束因而仅能沿一个方向穿过的其他特征的情况下,边1010a-1010c是单向的。
在实施例中,规划系统404使用有向图1000来识别由起点1002和终点1004之间的节点和边组成的路径1012。
边1010a-1010c具有关联成本1014a-1014b。成本1014a-1014b是表示在运载工具100选择该边的情况下将花费的资源的值。典型的资源是时间。例如,如果一个边1010a所表示的物理距离是另一边1010b所表示的物理距离的两倍,则第一边1010a的关联成本1014a可以是第二边1010b的关联成本1014b的两倍。影响时间的其他因素包括预期交通、交叉口的数量、限速等。另一典型的资源是燃料经济性。两个边1010a-1010b可以表示相同的物理距离,但例如由于道路条件、预期天气等,因此一个边1010a与另一边1010b相比需要更多的燃料。
在规划系统404识别起点1002和终点1004之间的路径1012时,规划系统404通常选择针对成本优化的路径,例如,在将边的个体成本相加到一起时具有最小总成本的路径。
自主运载工具控制
图11示出(例如,如图4所示的)控制系统406的输入和输出的框图1100。控制系统根据控制器1102而操作,该控制器1102例如包括:与处理器304类似的一个或多于一个处理器(例如,诸如微处理器或微控制器或这两者等的一个或多于一个计算机处理器);与主存储器306、ROM 1308和存储装置210类似的短期和/或长期数据存储装置(例如,存储区域随机存取存储器或闪速存储器或这两者);以及存储器中所存储的指令,这些指令在(例如,由一个或多于一个处理器)执行时执行控制器1102的操作。
在实施例中,控制器1102接收表示期望输出1104的数据。期望输出1104通常包括速度,例如速率和航向。期望输出1104例如可以基于从(例如,如图4所示的)规划系统404接收到的数据。根据期望输出1104,控制器1102产生可用作油门输入1106和转向输入1108的数据。油门输入1106表示例如通过接合转向踏板或接合另一油门控件来接合运载工具100的油门(例如,加速控制)以实现期望输出1104的大小。在一些示例中,油门输入1106还包括可用于接合运载工具100的制动器(例如,减速控制)的数据。转向输入1108表示转向角度,例如AV的转向控制(例如,方向盘、转向角致动器或用于控制转向角度的其他功能)应被定位成实现期望输出1104的角度。
在实施例中,控制器1102接收在调整提供至油门和转向的输入时使用的反馈。例如,如果运载工具100遇到诸如山丘等的干扰1110,则运载工具100的测量速率1112降至低于期望输出速率。在实施例中,任何测量输出1114均被提供至控制器1102,使得例如基于测量速率和期望输出之间的差分1113来进行所需的调整。测量输出1114包括测量位置1116、测量速度1118(包括速率和航向)、测量加速度1120和运载工具100的传感器可测量的其他输出。
在实施例中,例如通过诸如照相机或LiDAR传感器等的传感器预先检测与干扰1110有关的信息,并且该信息被提供至预测性反馈系统1122。然后,预测性反馈系统1122将控制器1102可用于相应地调整的信息提供至控制器1102。例如,如果运载工具100的传感器检测到(“看见”)山丘,则控制器1102可以使用该信息来准备在适当时间接合油门,以避免显著减速。
图12示出控制器1102的输入、输出和组件的框图1200。控制器1102具有影响油门/制动器控制器1204的操作的速率分析器1202。例如,速率分析器1202根据例如由控制器1102接收到并由速率分析器1202处理后的反馈,来指示油门/制动器控制器1204使用油门/制动器1206进行加速或进行减速。
控制器1102还具有影响方向盘控制器1210的操作的横向跟踪控制器1208。例如,横向跟踪控制器1208根据例如由控制器1102接收到并由横向跟踪控制器1208处理后的反馈,来指示方向盘控制器1204调整转向角致动器1212的位置。
控制器1102接收用于确定如何控制油门/制动器1206和转向角致动器1212的若干输入。规划系统404提供控制器1102例如选择运载工具100开始操作时的航向并确定在运载工具100到达交叉口时穿过哪个道路路段所使用的信息。定位系统408例如将描述运载工具100的当前地点的信息提供至控制器1102,使得控制器1102可以确定运载工具100是否处于基于正控制油门/制动器1206和转向角致动器1212的方式而预期的地点。在实施例中,控制器1102接收来自其他输入1214的信息,例如从数据库、计算机网络等接收到的信息。
轨迹检查器
如前所述,在实施例中,AV包括轨迹检查器(TC)组件,用于对运载工具的候选轨迹(包括当前自我运载工具轨迹)进行安全检查。在一些实施例中,TC是规划系统404的组件。
在实施例中,规划系统404向TC提供感知系统402所识别的感知跟踪对象(例如,行人、另一运载工具、自行车等等)集合以及在指定时间范围内各个跟踪对象的预测未来轨迹集合。TC进行下面描述的操作,以确保AV沿着其路线跟随预测轨迹的移动不会导致与沿着各个预测轨迹移动的任何跟踪对象发生碰撞。特别地,TC确定是否可以在AV和沿着各自的预测轨迹的每个跟踪对象之间维持一定距离(例如最小安全距离)。在实施例中,TC所做出的确定使得规划系统404调整AV的驾驶行为以维持安全距离。这例如可以包括改变AV的速率(例如,减速或加速);改变轨迹以绕过路径上的跟踪对象;或者使得AV停止移动以避免碰撞;以及其他调整。
除了以安全方式驾驶之外,AV还遵循法定驾驶规则,例如,遵守交通灯、停止标志、让行标志等等的管辖法律。从功能的角度看,在实施例中,规划/控制架构(例如,规划系统404或控制系统406或这两者)被配置成使得轨迹的安全检查由TC完成,而检查与法律规则的符合性是由轨迹分级器(trajectory ranker)组件在TC的安全检查之前进行的。轨迹分级器也是规划系统404的组件,并且它检查各个候选轨迹是否遵守法定驾驶规则,该法律驾驶规则被制订为正式的基于规则手册的表达,其中该表达具有测量违反轨迹的驾驶法律的“程度”的明确定义的定量度量。
在实施例中,轨迹分级器组件连接到TC,例如,在规划系统404中轨迹分级器组件在TC正前。在这种情况下,候选轨迹集合在被提供到TC之前被馈送到轨迹分级器中。轨迹分级器产生其输入轨迹的排序,使得违反法定规则较少的轨迹与违反较多的轨迹相比等级较高。然后,将这些经分级的候选轨迹馈送到TC中,该TC输出安全的等级最高的轨迹(例如,在候选轨迹集合中的违反法定驾驶规则最少的轨迹)(如果有的话)。在一些情况下,TC输出被TC确定为安全的多于一个候选轨迹,并且对于与法定驾驶规则的符合性,该多于一个候选轨迹的等级也高于其他候选轨迹。
作为轨迹分级器和TC之间的相互作用的示例,可以指定候选轨迹,使得AV在可安全地穿过红灯的道路上穿过红灯(例如,不存在预测轨迹可能导致发生与AV的碰撞的行人或其他运载工具)。TC可以确定为该轨迹是安全的,并将其添加到安全轨迹的列表中以供输出。然而,由于明显违反法定规则(例如闯红灯驾驶),因此轨迹分级器会将该轨迹的等级排在候选轨迹的最低处。由于TC将输出以使得优选最守法的轨迹(轨迹分级器的最高等级的轨迹)的方式进行排序的安全轨迹,因此TC不太可能输出该轨迹作为第一选择。因此,规划系统极不可能将使用闯红灯轨迹作为AV将跟随的安全轨迹。
在实施例中,轨迹分级器和TC的操作被组合在规划系统404中的单个组件中。在这种情况下,法定驾驶规则符合性检查和安全检查是由相同组件进行的。然而,在以下章节中,对TC所进行的操作的描述是针对如上所述轨迹分级器是与TC分开的组件的实施例的。应当理解,本公开还适当地适用于轨迹分级器和TC组合在单个组件中的实施例。
在实施例中,作为输入提供到TC的候选AV轨迹为两个类别:
1.由规划系统404(例如,由规划系统的模型预测控制(MPC)组件)生成的标称轨迹集合;或者
2.安全停止机动动作,具体被称为安全停止动作(SSA)。
TC的输出可以指定如下:
1.如果TC将至少一个输入候选轨迹确定为“安全”,则TC的输出是一个或多于一个安全轨迹的集合。
2.如果TC确定为没有输入候选轨迹是安全的(无论是标称轨迹还是SSA),则TC的输出是空集。
以下章节描述了与TC的轨迹检查相关的正式规则。这些章节包括对进行轨迹检查所针对的智能体或自我运载工具的参考。在实施例中,AV是智能体或自我运载工具的示例。
定义和假设
如本文所使用的,“轨迹”被定义为函数其中,在从当前时间起t>0秒的时刻(time instant)处,τ(t)是由诸如位置坐标x、y、航向、转向角δ等的轨迹信息组成的k向量。
假设1:假设轨迹是离散的,并且作为有限序列τ(t0),τ(t1),...,τ(tN)给出,其中一些非负实数0<t0<t1<...<tN,并且整数N≥0。
假设1的含义:假设1具有智能体状态不改变连续时期(epoch)ti-1和ti之间的状态的含义。更准确地说,轨迹τ是具有左极限的右连续的阶跃函数,其中,在t0、t1、......、tN处不连续。特别地,lims↓tτ(s)=τ(t),使得在任何时刻,其中,n(s)=max{n∈{0,...,N}:tn≤s}。
设B(τ(t))表示“有界集(bounding set)”,该有界集完全包含了在时间t处沿着轨迹τ的道路智能体,其中,B(τ(t))在所考虑的坐标系中给出。例如,B(τ(t))可以是内接于道路智能体并且中心是该智能体的几何形状的质心的最小圆。
假设2:假设所有智能体位置信息以及道路几何形状、遮挡等是针对具有明确定义的距离函数d的公共度量空间而给出的。
假设3:虽然在一些实施例中,有界集B(τ(t))的实现级规范对于本文呈现的要求级别不重要,但是假设有界集满足以下这两个条件:
1.它是安全的过近似(over-approximation),即,包含了整个道路智能体;以及
2.与两个不同智能体相对应的两个有界集之间的“最小”距离、以及道路智能体的有界集与道路要素(诸如交通灯、车道等)之间的距离是可高效计算的。
设ts(τ)=max{t∈{t0,...,tN}:||τ(t).p′||>0},其中其中,表示路径点τ(t)的位置(子)向量,并且τ(t)·p′是智能体沿着轨迹τ在时间t处的位置的雅可比(Jacobian)(速度向量),即,ts(τ)是智能体将到达完全停止的第一时间,其中如果不存在这样的n,则ts(τ)=tN。定义中的范数是由度量d诱导的。
要求
在各种实施例中,各个要求将具有以下属性其中至少之一:(1)唯一标识;(2)“建议”、“假设”、“接受”、“审查”、“交付”或“验证”的状态;以及(3)所标识的汽车安全完整性级别(ASIL)。例如,假设本文所有要求都是完整性级别为ASIL B(D)的技术安全要求(TSR),该技术安全要求有助于实现轨迹检查安全功能的ASIL D→ASIL B(D)+ASIL B(D)分解。一般来说,为了讨论下面的要求,如1997年3月在https://tools.ietf.org/html/rfc2119处发布的Network Working Group Request for Comments 2119(RFC2119)中描述的那样解释关键字“MUST(必须)”、“MUST NOT(不得)”、“REQUIRED(要求)”、“SHALL(将要)”、“SHALL NOT(将不)”、“SHOULD(应当)”、“SHOULD NOT(不应当)”、“RECOMMENDED(推荐)”、“MAY(可能)”和“OPTIONAL(可选)”。
TC要求通常落入以下类别之一:
-定时
a.处理不存在有效规划的情况。例如,如果所输入的自我轨迹中没有一个是安全的,则TC将要(SHALL)输出空的安全轨迹集合。(此时考虑SSA)示例:外部环境改变(诸如突然出现的障碍物等)
b.处理即使可能存在有效规划、规划者也无法及时找到有效规划的情况
-自我运载工具轨迹合理性检查
a.轨迹路径点处的各个矢量是可行的
b.轨迹存在于自行车模型的“ε”内
c.对于(a)和(b),参见下面描述的要求SAF-TC-0001
-自我运载工具道路边界检查
a.停留在可驾驶区域内(例如,非人行道)
-自我运载工具和其他所感知的道路对象轨迹之间的碰撞检测
a.避免与对象的当前位置+ε的碰撞
■请参见下面的要求SAF-TC-0002
b.避免与对象的预测位置+ε的碰撞
■请参见下面的要求SAF-TC-0003
c.描述感知与障碍物的类别的关系
■示例:被分类为“不得撞”、“必要时可以撞”、“非障碍物”的障碍物
d.基于对象类型的空间间距目标
■目前,根据下面的要求SAF-TC-0002和SAF-TC-0003,针对所有对象类型指定一致∈
e.TC对针对动态智能体无建议轨迹的反应。在一些实施例中,TC可以将智能体视为静态对象,并且应用如下面SAF-TC-0002中描述的“登记”要求。在其他实施例中,TC“假定”“最坏情况”轨迹,并对照该假定的轨迹来检查和应用下面的SAF-TC-0003。
-与交通控制相关的检查
AV轨迹合理性检查
在一些情况下,用于AV的运载工具运动的动态模型是纯动态自行车模型。以下包括对各种AV轨迹合理性检查的讨论:
[SAF-TC-0001][proposed][ASIL B(D)]:TC将要(SHALL)确保输入AV轨迹可在物理上由AV执行。对于AV轨迹τ并给出检查时间范围h>0,其中如果τ是SSA,则h=∞,设H(τ)≡max{n∈{0,...,N}:tn≤h},其中如果不存在这样的n,则H(τ)=0。如果以下所有条件成立,则轨迹τ是可在物理上执行的:
1.(稳定性)对于来自纯动态自行车模型的给定最大偏离公差Δ>0以及对于每个n∈{1,...,H(τ)},||τ(tn)-NextState(τ(tn-1),un-1)||≤Δ将要成立,其中,NextState(τ(tn-1),un-1)是在应用控制un-1的情况下从根据纯动态自行车模型的路径点τ(tn-1)生成的在时期n处的下一路径点。
对于每个n∈{1,...,H(τ)},以下将要针对路径点τ(tn)而成立:
a.前向加速度最大为0.8m/s2
b.纵向加速度最大为3.5m/s2
c.横向加速度最大为6.0m/s2
d.加加速度最大为50.0m/s3
e.转向率(steering rate)最多为0.3
f.转向加速度最多为10
前述要求中的稳定性检查可以分解为检查具有参数特定的偏离公差的路径点个体中的每个组成部分。更准确地,给定最大偏离公差并且对于每个n∈{1,...,H(τ)},||τi(tn)-NextStatei(τ(tn-1),un-1)|≤Δi将要针对每个i∈{1,...,k}而成立。
要求SAF-TC-0001处理标称轨迹和SSA轨迹这两者。SSA轨迹需要完全取决于其给定时间范围tN来检查,而不考虑给定检查时间范围。如果被检查的轨迹是SSA,则通过将给定检查时间范围h设置为∞来指定这一点。
[SAF-TC-0004][proposed][ASIL B(D)]:在输入AV轨迹集合中,TC将要丢弃在最新轨迹生成器执行周期之前生成的轨迹。
[SAF-TC-0005][proposed][ASIL B(D)]:TC将响应于输入AV轨迹的空集而输出空的AV轨迹集合。
[SAF-TC-0006][proposed][ASIL B(D)]:TC将在其下一执行周期的开始时或之前产生其输出轨迹集合。
[SAF-TC-0007][proposed][QM]:TC所输出的轨迹集合将要根据轨迹分级器针对输入轨迹集合所指定的等级按照非递减等级进行排序;即,首先将要输出违反法定规则最少的轨迹。
AV道路边界检查
以下包括对AV运载工具道路边界检查的讨论:
[SAF-TC-0008][proposed][ASIL B(D)]:TC将要确保AV停留在相对于给定AV轨迹上的每个路径点的所提供的可驾驶区域界限的预定义的最小分离距离内。
如果可驾驶区域被指定为一组(至少一个)路径最小分离对{(fi,αi)},则在针对每个i和每个t≤min(h,tN),d(τ(t),fi)=min{d(B(τ(t)),fi(x)):x∈[ai,bi])>αi成立的情况下,自我轨迹τ被称为在可驾驶区域内。
AV与其他所感知的道路对象之间的碰撞检测
以下包括对AV和其他所感知的道路对象之间的碰撞检测的讨论。为了本文讨论的目的,设d(X,Y)表示配备有距离(度量)d的度量空间的两个子集X、Y之间的(最小)距离;即,d(X,Y)=min{d(x,y):x∈X,y∈Y。
[SAF-TC-0002][proposed][ASIL B(D)]:对于当前输入AV状态Sego和最小间距距离∈>0,TC将要确保对于最近感知到的跟踪对象o,d(B(sego),B(o))>∈。
对于具有停止时间且/>的两个轨迹τ1和τ2,并且对于给定间距距离∈>0、安全角θ>0、并且碰撞检查时间范围h>0(在τ1或τ2是SSA的情况下h=∞),如果以下任一者成立,则轨迹τ1和τ2不会在比当前时间早、跨越当前时间直到h为止的间隔内碰撞:
1.这两个智能体将彼此远离,直到这两个智能体都完全停止为止:
对于每个d(B(τ1(t)),B(τ2(t)))>∈;或者
2.智能体将彼此远离,直到第一智能体完全停止为止,并且在那时,第二智能体的速度矢量指向远离第一运载工具的方向:如果则对于每个/>d(B(τ1(t)),B(τ2(t)))>∈,并且在/>分别是在路径点和/>的有界集中达到最小距离的任何一对点(矢量)的情况下,矢量(p2-p1)和p′2之间的角度的绝对值最大为θ,其中p′2是智能体沿着轨迹τ2在时间/>处的位置的雅可比(速度矢量)。
通常,陈述“轨迹τ1不会与轨迹τ2碰撞”被表示为注意:碰撞算子∩不是可交换的。即:/>不一定意味着/>
两个轨迹集合和/>没有碰撞,这被表示为:如果对于每个/>和则/>轨迹τ不会与轨迹集合/>发生碰撞,这被表示为:如果对于每个/>则/>
[SAF-TC-0003][proposed][ASIL B(D)]:对于所感知的智能体a1、......、am具有预测轨迹集合和给定的碰撞检查时间范围h>0,如果对于每个j∈{1,...,m},且/>则TC将要认为AV输入轨迹τego无碰撞。
轨迹安全检查的示例
图13A和图13B例示轨迹安全检查和相应调整的示例。在实施例中,安全检查由规划系统400的TC组件按照前一章节中描述的规则来进行。基于安全检查,TC根据需要调整轨迹,如下所述。
在图13A和图13B的示例中,AV(例如运载工具100)在路面1304上跟随轨迹1302驾驶。例如由感知系统402在某距离(例如200英尺远)处在道路1304的一侧(例如,在右侧人行道上)检测到另一移动对象1306。对象1306可以是行人、骑行者、动物、其他运载工具或一些其他的合适对象(例如,自行式购物车)。在检测到对象1306时,该对象1306在人行道上水平位于距小汽车右前角6英尺处,并且与运载工具100的轨迹1302平行地在与运载工具100的方向相反的方向上移动。该信息被提供到TC。
当接收到与对象1306有关的信息时,作为轨迹1302的安全检查的一部分,TC预测对象1306可能在随机时刻处向右急转弯并开始在运载工具100前方穿过道路1304。如下面示例中的式所描述的,TC确定为在给定最大加速度的情况下,对象1306(从当前时间起)将需1.2秒(这被称为穿过时间tcross)到达运载工具前方(在其当前位置处)。TC确定为运载工具100将在2.6秒(经过时间,tpass)内以其当前速度从其当前位置移动经过对象1306。为了使运载工具在没有碰撞的情况下移动经过对象1306,运载工具必须在tpass之前最多1.4秒(被称为“安全时间”ST)到达由线1312指示的位置。由于安全时间大于tcross,因此运载工具100必须制动以避免碰撞。TC计算出运载工具将花费1.4秒(和97英尺)在到达对象1306穿过道路1304的地点之前停止。因此,运载工具100必须在从当前时间起最多1.2秒内在由线1310指示的地点处开始制动。该时间被称为“最晚制动时间”(LBT)。
-假设:
○运载工具100(vego)和对象1306(vped)在y轴上的恒定速度
○运载工具100相对于对象1306的开始距离(yped)
○对象1306在x轴上的恒定加速度(aped)(一旦对象1306右转并开始朝向道路1304移动)
-运载工具100经过对象1306所花费的时间(tpass)
○tpass=yped/(vped+vego)
-对象1306在运载工具100前方在道路1304上所花费的时间(tcross)
○tcross=SQRT(2*xped/aped)
■SQRT表示平方根运算
-经过之前必须开始制动的时间(tbrake)
○tbrake=bmin/vego=vego/(2*μ*g),其中:
■μ=摩擦系数
■g=重力
■bmin=最小制动距离=v2 ego/(2*μ*g)
在所示示例中,TC基于来自感知系统402的信息来确定:
○运载工具100的速度(速率),vego=45mph=66ft/s
○对象1306(在运载工具的相反方向上)的速度,vped=7mph
○(在TC的计算时的)运载工具100相对于对象1306的开始距离,yped=200ft
○对象1306在x轴上的恒定加速度,aped=8ft/s2
○对象1306相对于道路1304的距离,xped=6ft
在使用上述值进行上式的计算时,TC确定为tpass是2.6秒,而(从当前时刻起)预期对象1306在运载工具100的路径中的时间tcross是1.2秒。如果运载工具100在对象1306到达该地点之前穿过了线1312,则运载工具100将避免碰撞,并且相应的安全时间(ST)是1.4秒。TC计算tbrake为1.4秒,并且最晚制动时间(LBT)为1.2秒。因此,TC确定为在由线1312指示的ST/地点和由线1310指示的LBT/地点之间存在危险区1308,其中:
1.在运载工具100驾驶经过对象1306之前,对象1306有足够的时间到达运载工具100前方;以及
2.当对象1306在运载工具前方的道路上时,运载工具100没有足够的时间或距离来制动以避免与对象1306的碰撞。
在危险区1308的确定之后,TC得出结论:自我运载工具轨迹1302不再安全,并采取动作以确保避免与对象1306的碰撞。例如,在实施例中,TC通过如下所述调整运载工具100的速度来更新轨迹1302,从而使得规划系统404将更新发送到控制系统406,该控制系统406进而调整运载工具100的驾驶行为以避免与对象1306的碰撞。
TC确定为可以通过对运载工具100施加速率(速度)约束(从而降低运载工具100的速度)来消除危险区1308或可以限制危险区1308的大小。如下面示例中的式所述,TC计算将危险区设置为零的速率约束。
-用以避免危险区的速率限制→必须至少有tbrake<tcross
○vego<2*mu*g*SQRT(2*xped/aped)*(1-SF),其中,
■SF=安全因子,其具有范围为0%至100%的值
以上计算假设速率约束仅取决于行人的水平距离。然而,考虑到行人的水平距离和垂直距离这两者,也可以以类似方式计算速率约束。
使用先前提及的示例值来应用上式,TC确定为必须降低运载工具100的速度,并将降低的速度计算为34mph=50ft/s。这在图13B中示为约束速度vcon。如图13B所示,在施加更新的速率vcon时,tpass改变为3.3秒,而tbrake减少到1.1秒。因此,ST增加到1.4秒(这指示运载工具可以安全地更远离对象1306的地点)。LBT增加到2.2秒,而最小制动距离bmin从97英尺减少到55英尺,这指示运载工具100具有更多的制动时间,并且将需要更少的停止距离,以避免与对象1306的碰撞。如图13B所示,在约束速率的情况下,预测运载工具100比到达与最晚制动时间(LBT)相对应的地点1310更早地到达与安全时间(ST)相对应的地点1312。因而,TC通过将运载工具100的速度降低了适当量来消除危险区。
虽然在以上示例实施例中TC确定为降低运载工具的速度,但在一些实施例中,TC可以使用以上计算而确定为增加运载工具的速度,使得运载工具加速并在对象1306穿过路径1304之前快速移动经过该对象,由此避免碰撞。附加地或可替代地,在实施例中,TC通过修改轨迹1302使得运载工具100所行驶的路径改变来避免碰撞。例如,TC可以确定运载工具100的航向(除了调整速度之外、或作为调整速度的替代),使得运载工具突然转向并绕着对象1306移动。
在实施例中,TC在每个周期中使用上式重新计算各种变量的值,以更新对象1306的距离、危险区1308和速率约束。
在实施例中,感知系统402检测运载工具的轨迹1302的环境中的多个对象,并将与这些对象有关的信息提供到TC。在接收到该信息时,TC选择这些对象中的被确定为最接近轨迹1302(即最接近道路1304)的对象作为最可能导致与运载工具100的碰撞的对象,并且确定该对象相对于运载工具的当前地点的距离。TC使用所确定的距离来计算危险区的大小。在以上示例中,假设检测到多个对象,对象1306被认为是最接近轨迹1302的对象,并且相应地确定危险区1308。
轨迹安全检查的示例处理
图14示出用于对运载工具的一个或多于一个轨迹进行安全检查的示例处理1400。在一些实施例中,处理1400由运载工具的规划系统的轨迹检查器(TC)组件来进行,例如,如前面章节所述,处理1400由用于实现运载工具100的规划系统404的TC组件的操作的一个或多于一个处理器来进行。因此,在以下章节中针对运载工具100和规划系统404(包括规划系统404的TC组件,以及针对图13A至图13B描述的安全检查示例)描述处理1400。然而,处理1400也可以适用于其他安全检查场景,或可以由其他装置进行,或这两者。
在处理1400中,TC组件识别所建议的运载工具的轨迹(1402)。例如,TC组件装置从规划系统404获得运载工具100的轨迹。如针对图13A至图13B所描述的,TC可以获得在路面1304上行驶的运载工具100的轨迹1302。
TC确定运载工具外部的对象的预测轨迹(1404)。例如,TC获得与感知系统402所检测到的一个或多于一个对象(包括对象1306)有关的信息。如针对图13A至图13B所述,TC确定为对象1306最接近运载工具100的轨迹,并且使用所获得的信息来预测对象1306的轨迹。TC确定为对象1306的预测轨迹包括在运载工具100的路径中穿过道路1304。
TC获得运载工具的速度(1406)。例如,TC获得运载工具100的速度vego。
TC基于所建议的运载工具轨迹和速度以及预测对象轨迹来预测运载工具和对象之间的碰撞的似然性(1408)。例如,利用与运载工具100和对象1306的轨迹、速度和位置有关的知识,TC进行如针对图13A至图13B所描述的计算。在这样做时,TC确定为存在针对运载工具100的在对象1306穿过道路1304时与该对象1306发生碰撞的危险区1308。
TC确定对所建议的运载工具的轨迹的参数的改变(1410)。例如,在确定运载工具100和对象1306之间的碰撞的似然性时,TC对运载工具100施加安全约束。如针对图13A至图13B所描述的,向运载工具100沿着轨迹1302行驶的速度vego施加安全约束。在所公开的示例中,TC通过施加安全约束来计算针对运载工具100的约束速度vcon。
TC基于对参数的改变来调整所建议的轨迹(1412)。例如,TC通过施加约束速度vcon来使运载工具100沿着其轨迹1302的速度减慢。通过这样做,如针对图13A至图13B所描述的,TC消除了危险区1308,并由此降低了运载工具100将与对象1306发生碰撞的似然性。
在先前描述中,已经参考许多具体细节描述了本发明的实施例,这些具体细节可因实现而不同。因此,说明书和附图应被视为说明性的,而非限制性意义的。本发明范围的唯一且排他的指示、以及申请人期望是本发明范围的内容是以发布权利要求书的具体形式从本申请发布的权利要求书的字面和等同范围,包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外,当在先前的说明书或所附权利要求书使用术语“还包括”时,该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。
Claims (20)
1.一种方法,包括:
利用运载工具的至少一个处理器,识别所述运载工具的建议轨迹;
利用所述至少一个处理器,确定所述运载工具外部的对象的预测轨迹;
利用所述至少一个处理器,获得所述运载工具的速度;
利用所述至少一个处理器,基于所述运载工具的建议轨迹和速度以及所述对象的预测轨迹来预测所述运载工具和所述对象之间的碰撞的似然性;
响应于预测所述碰撞的似然性,利用所述至少一个处理器,确定对所述运载工具的建议轨迹的参数的改变;以及
利用所述至少一个处理器,基于对所述参数的改变来调整所述建议轨迹。
2.根据权利要求1所述的方法,其中,所述参数包括所述运载工具的速度,以及其中,
确定对所述建议轨迹的参数的改变包括降低所述运载工具的速度,以及
基于对所述参数的改变来调整所述建议轨迹包括使所述运载工具的速率减慢。
3.根据权利要求1所述的方法,其中,预测所述碰撞的似然性包括:
使用所述对象的预测轨迹和所述运载工具的建议轨迹,来预测所述对象将穿过所述运载工具的路径的穿过时间;
使用所述运载工具的速度来计算所述运载工具的第一制动时间;
确定为所述第一制动时间大于所述穿过时间;以及
响应于确定为所述第一制动时间大于所述穿过时间,预测所述碰撞的似然性。
4.根据权利要求3所述的方法,还包括:
获得所述对象的当前地点;
使用所述运载工具的速度和所述对象的当前地点,来确定所述运载工具能够在所述对象穿过所述运载工具的路径之前移动经过所述对象的经过时间;
使用所述经过时间和所述穿过时间,来计算所述运载工具能够在所述对象穿过所述运载工具的路径之前移动经过所述对象的安全时间;
确定为所述第一制动时间大于所述安全时间;以及
在确定为所述第一制动时间大于所述安全时间时,预测所述碰撞的似然性。
5.根据权利要求4所述的方法,其中,所述第一制动时间与所述运载工具在所述路径上的第一地点相对应,并且所述安全时间与所述运载工具在所述路径上的第二地点相对应,以及
其中,所述第二地点与所述第一地点相比更接近所述对象的当前地点。
6.根据权利要求3所述的方法,其中,所述参数包括所述运载工具的速度,并且确定对所述建议轨迹的参数的改变包括降低所述运载工具的速度,所述方法还包括:
使用所述运载工具的所降低的速度来计算所述运载工具的第二制动时间;
确定为所述第二制动时间小于所述穿过时间;以及
响应于确定为所述第二制动时间小于所述穿过时间,预测出所述碰撞的似然性降低。
7.根据权利要求1所述的方法,还包括:利用所述至少一个处理器,检查所述运载工具的建议轨迹的合理性。
8.根据权利要求1所述的方法,还包括:利用所述至少一个处理器,将所述建议轨迹与道路边界进行比较。
9.根据权利要求1所述的方法,其中,所述对象是行人、动物、骑行者和其他运载工具中的一个。
10.根据权利要求1所述的方法,其中,所述运载工具包括自主运载工具即AV。
11.一个或多于一个非暂态计算机可读介质,其包括指令,所述指令在由运载工具的至少一个处理器执行时使得所述至少一个处理器进行操作,所述操作包括:
识别所述运载工具的建议轨迹;
确定所述运载工具外部的对象的预测轨迹;
获得所述运载工具的速度;
基于所述运载工具的建议轨迹和速度以及所述对象的预测轨迹来预测所述运载工具和所述对象之间的碰撞的似然性;
响应于预测所述碰撞的似然性,确定对所述运载工具的建议轨迹的参数的改变;以及
基于对所述参数的改变来调整所述建议轨迹。
12.根据权利要求11所述的一个或多于一个非暂态计算机可读介质,其中,所述参数包括所述运载工具的速度,以及其中,
确定对所述建议轨迹的参数的改变包括降低所述运载工具的速度,以及
基于对所述参数的改变来调整所述建议轨迹包括使所述运载工具的速率减慢。
13.根据权利要求11所述的一个或多于一个非暂态计算机可读介质,其中,预测所述碰撞的似然性包括:
使用所述对象的预测轨迹和所述运载工具的建议轨迹,来预测所述对象将穿过所述运载工具的路径的穿过时间;
使用所述运载工具的速度来计算所述运载工具的第一制动时间;
确定为所述第一制动时间大于所述穿过时间;以及
响应于确定为所述第一制动时间大于所述穿过时间,预测所述碰撞的似然性。
14.根据权利要求13所述的一个或多于一个非暂态计算机可读介质,其中,所述操作还包括:
获得所述对象的当前地点;
使用所述运载工具的速度和所述对象的当前地点,来确定所述运载工具能够在所述对象穿过所述运载工具的路径之前移动经过所述对象的经过时间;
使用所述经过时间和所述穿过时间,来计算所述运载工具能够在所述对象穿过所述运载工具的路径之前移动经过所述对象的安全时间;
确定为所述第一制动时间大于所述安全时间;以及
在确定为所述第一制动时间大于所述安全时间时,预测所述碰撞的似然性。
15.根据权利要求13所述的一个或多于一个非暂态计算机可读介质,其中,所述参数包括所述运载工具的速度,并且确定对所述建议轨迹的参数的改变包括降低所述运载工具的速度,所述操作还包括:
使用所述运载工具的所降低的速度来计算所述运载工具的第二制动时间;
确定为所述第二制动时间小于所述穿过时间;以及
响应于确定为所述第二制动时间小于所述穿过时间,预测出所述碰撞的似然性降低。
16.根据权利要求11所述的一个或多于一个非暂态计算机可读介质,其中,所述对象是行人、动物、骑行者和其他运载工具中的一个,以及
其中,所述运载工具包括自主运载工具即AV。
17.一种设备,包括:
运载工具的至少一个处理器;以及
一个或多于一个计算机可读介质,其包括指令,所述指令在执行时使得所述至少一个处理器进行操作,所述操作包括:
识别所述运载工具的建议轨迹,
确定所述运载工具外部的对象的预测轨迹,
获得所述运载工具的速度,
基于所述运载工具的建议轨迹和速度以及所述对象的预测轨迹来预测所述运载工具和所述对象之间的碰撞的似然性,
响应于预测所述碰撞的似然性,确定对所述运载工具的建议轨迹的参数的改变,以及
基于对所述参数的改变来调整所述建议轨迹。
18.根据权利要求17所述的设备,其中,所述参数包括所述运载工具的速度,以及其中,
确定对所述建议轨迹的参数的改变包括降低所述运载工具的速度,以及
基于对所述参数的改变来调整所述建议轨迹包括使所述运载工具的速率减慢。
19.根据权利要求17所述的设备,其中,预测所述碰撞的似然性包括:
使用所述对象的预测轨迹和所述运载工具的建议轨迹,来预测所述对象将穿过所述运载工具的路径的穿过时间;
使用所述运载工具的速度来计算所述运载工具的第一制动时间;
确定为所述第一制动时间大于所述穿过时间;以及
响应于确定为所述第一制动时间大于所述穿过时间,预测所述碰撞的似然性。
20.根据权利要求19所述的设备,其中,所述操作还包括:
获得所述对象的当前地点;
使用所述运载工具的速度和所述对象的当前地点,来确定所述运载工具能够在所述对象穿过所述运载工具的路径之前移动经过所述对象的经过时间;
使用所述经过时间和所述穿过时间,来计算所述运载工具能够在所述对象穿过所述运载工具的路径之前移动经过所述对象的安全时间;
确定为所述第一制动时间大于所述安全时间;以及
在确定为所述第一制动时间大于所述安全时间时,预测所述碰撞的似然性。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163161412P | 2021-03-15 | 2021-03-15 | |
US63/161,412 | 2021-03-15 | ||
PCT/US2022/020390 WO2022231715A2 (en) | 2021-03-15 | 2022-03-15 | Trajectory checker |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117083575A true CN117083575A (zh) | 2023-11-17 |
Family
ID=83195549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280021668.7A Pending CN117083575A (zh) | 2021-03-15 | 2022-03-15 | 轨迹检查器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220289179A1 (zh) |
EP (1) | EP4309019A4 (zh) |
KR (1) | KR20230154470A (zh) |
CN (1) | CN117083575A (zh) |
WO (1) | WO2022231715A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117423093A (zh) * | 2023-12-18 | 2024-01-19 | 深圳市深航华创汽车科技有限公司 | 基于行车记录仪的行车检测方法、装置、设备及存储介质 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117120315B (zh) * | 2021-04-12 | 2024-07-19 | 日产自动车株式会社 | 制动控制方法以及制动控制装置 |
US12095805B2 (en) | 2021-07-15 | 2024-09-17 | Waymo Llc | Autonomous vehicle security measures in response to an attack on an in-vehicle communication network |
US20230017962A1 (en) * | 2021-07-15 | 2023-01-19 | Waymo Llc | Denial of service response to the detection of illicit signals on the in-vehicle communication network |
JP2023020048A (ja) * | 2021-07-30 | 2023-02-09 | 株式会社Subaru | 制動制御装置 |
US11904906B2 (en) * | 2021-08-05 | 2024-02-20 | Argo AI, LLC | Systems and methods for prediction of a jaywalker trajectory through an intersection |
US20240034356A1 (en) * | 2022-07-28 | 2024-02-01 | Zoox, Inc. | Reference trajectory validating and collision checking management |
EP4361997A1 (en) * | 2022-10-28 | 2024-05-01 | Volvo Car Corporation | Method for controlling a vehicle, data processing apparatus, vehicle, computer program, and computer-readable storage medium |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5089545B2 (ja) * | 2008-09-17 | 2012-12-05 | 日立オートモティブシステムズ株式会社 | 道路境界検出判断装置 |
US9809219B2 (en) * | 2014-01-29 | 2017-11-07 | Continental Automotive Systems, Inc. | System for accommodating a pedestrian during autonomous vehicle operation |
DE102016200853A1 (de) * | 2016-01-21 | 2017-07-27 | Volkswagen Aktiengesellschaft | Verfahren und Steuervorrichtung für eine Selbstbremsung eines Kraftfahrzeugs |
US9989966B2 (en) * | 2016-05-20 | 2018-06-05 | Delphi Technologies, Inc. | Intersection cross-walk navigation system for automated vehicles |
DE102017209766A1 (de) * | 2017-06-09 | 2018-12-13 | Siemens Aktiengesellschaft | Verfahren sowie Vorrichtung zur Überwachung eines Gefahrenraumes eines Bahnübergangs |
US10606259B2 (en) * | 2017-07-07 | 2020-03-31 | Zoox, Inc. | Interactions between vehicle and teleoperations system |
CN110352153B (zh) * | 2018-02-02 | 2024-07-19 | 辉达公司 | 自主车辆中用于障碍物躲避的安全程序分析 |
WO2021196144A1 (zh) * | 2020-04-02 | 2021-10-07 | 华为技术有限公司 | 一种异常驾驶行为识别方法 |
CN111497840B (zh) * | 2020-04-27 | 2021-04-16 | 清华大学 | 车辆-行人碰撞风险域的计算方法及安全评价系统 |
US11927967B2 (en) * | 2020-08-31 | 2024-03-12 | Woven By Toyota, U.S., Inc. | Using machine learning models for generating human-like trajectories |
US20210009121A1 (en) * | 2020-09-24 | 2021-01-14 | Intel Corporation | Systems, devices, and methods for predictive risk-aware driving |
-
2022
- 2022-03-15 EP EP22796335.2A patent/EP4309019A4/en active Pending
- 2022-03-15 KR KR1020237034814A patent/KR20230154470A/ko unknown
- 2022-03-15 WO PCT/US2022/020390 patent/WO2022231715A2/en active Application Filing
- 2022-03-15 US US17/695,742 patent/US20220289179A1/en not_active Abandoned
- 2022-03-15 CN CN202280021668.7A patent/CN117083575A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117423093A (zh) * | 2023-12-18 | 2024-01-19 | 深圳市深航华创汽车科技有限公司 | 基于行车记录仪的行车检测方法、装置、设备及存储介质 |
CN117423093B (zh) * | 2023-12-18 | 2024-03-29 | 深圳市深航华创汽车科技有限公司 | 基于行车记录仪的行车检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022231715A9 (en) | 2022-12-22 |
WO2022231715A3 (en) | 2023-02-02 |
US20220289179A1 (en) | 2022-09-15 |
EP4309019A4 (en) | 2024-07-24 |
EP4309019A2 (en) | 2024-01-24 |
WO2022231715A2 (en) | 2022-11-03 |
KR20230154470A (ko) | 2023-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915917B (zh) | 计算机实现的方法、存储介质和运载工具 | |
US11945440B2 (en) | Data driven rule books | |
US11814046B2 (en) | Estimating speed profiles | |
GB2591330A (en) | Trajectory prediction from precomputed or dynamically generated bank of trajectories | |
US20220234618A1 (en) | Homotopic-based planner for autonomous vehicles | |
CN117083575A (zh) | 轨迹检查器 | |
US20240075927A1 (en) | Estimating speed profiles | |
US11731653B2 (en) | Conditional motion predictions | |
US20220289199A1 (en) | Brake arbitration | |
CN115079687A (zh) | 用于自主运载工具的系统、方法和存储介质 | |
EP4308429A1 (en) | Automated emergency braking system | |
CN114812586A (zh) | 用于运载工具的系统、方法和存储介质 | |
US11447134B2 (en) | Vehicle route modification to improve vehicle location information | |
GB2616739A (en) | Traffic light estimation | |
US11926342B2 (en) | Autonomous vehicle post-action explanation system | |
CN115540888A (zh) | 导航最优路径的方法、存储介质和运载工具 | |
CN115220439A (zh) | 用于运载工具的系统和方法以及存储介质 | |
CN114442065A (zh) | 用于LiDAR扫描平滑的方法、运载工具和计算机可读介质 | |
EP4309040A1 (en) | Real time integrity check of gpu accelerated neural network |
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 |