KR20160049017A - 차량의 속도를 제어하기 위한 예측 추론 - Google Patents

차량의 속도를 제어하기 위한 예측 추론 Download PDF

Info

Publication number
KR20160049017A
KR20160049017A KR1020167009720A KR20167009720A KR20160049017A KR 20160049017 A KR20160049017 A KR 20160049017A KR 1020167009720 A KR1020167009720 A KR 1020167009720A KR 20167009720 A KR20167009720 A KR 20167009720A KR 20160049017 A KR20160049017 A KR 20160049017A
Authority
KR
South Korea
Prior art keywords
vehicle
distance
control object
traffic control
autonomous
Prior art date
Application number
KR1020167009720A
Other languages
English (en)
Other versions
KR102051090B1 (ko
Inventor
드미트리 돌고브
데이브 페르구슨
Original Assignee
구글 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 구글 인코포레이티드 filed Critical 구글 인코포레이티드
Publication of KR20160049017A publication Critical patent/KR20160049017A/ko
Application granted granted Critical
Publication of KR102051090B1 publication Critical patent/KR102051090B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • B60W30/17—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle with provision for special action when the preceding vehicle comes to a halt, e.g. stop and go
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles
    • 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 or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B60W2550/22—
    • B60W2550/30—
    • B60W2550/308—
    • 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
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/803—Relative lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/805—Azimuth angle
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B60W2750/308—
    • 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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/30—Longitudinal distance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9325—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles for inter-vehicle distance regulation, e.g. navigating in platoons

Abstract

차량의 속도를 제어하기 위한 예측 추론 방법 및 시스템이 개시된다. 컴퓨팅 디바이스는 자율 주행차의 전방에서 주행하고 자율 주행차와 동일 차선에 있는 제1 및 제2 차량들을 식별하도록 구성될 수 있다. 컴퓨팅 디바이스는 또한 자율 주행차가 제1 차량의 속도에 실질적으로 도달하게 될 제1 차량 후방의 제1 완충 거리와, 제1 차량이 제2 차량의 속도에 실질적으로 도달하게 될 제2 차량 후방의 제2 완충 거리를 결정하도록 구성될 수 있다. 컴퓨팅 디바이스는 또한 제1 및 제2 완충 거리들 및 자율 주행차의 속도에 기초하여 자율 주행차의 속도를 조절해야 할 거리를 결정하고, 그 후 그 거리에 기초하여 자율 주행차의 속도를 조절하기 위한 명령들을 제공하도록 구성될 수 있다.

Description

차량의 속도를 제어하기 위한 예측 추론{PREDICTIVE REASONING FOR CONTROLLING SPEED OF A VEHICLE}
관련 출원에 대한 교차 참조
본 출원은 2013년 5월 3일자로 출원된 미국 특허출원 제13/886,563호의 우선권을 주장하고, 그 개시 내용 전체가 참고로 본 출원에 포함된다.
자율 주행차들은 승객들을 한 장소에서 다른 장소로 운송하는 데 도움이 되도록 다양한 컴퓨팅 시스템들을 이용한다. 일부 자율 주행차들은 조종사, 운전자 또는 승객과 같은 조작자에게 일부 초기 입력 또는 연속 입력을 요구할 수 있다. 다른 시스템들, 예를 들어 자동조종(autopilot) 시스템들은 시스템이 관여될 때에만 이용될 수 있으며, 이 시스템은 조작자가 수동 모드(조작자가 차량의 움직임에 대해 고도의 제어를 수행하는 모드)에서 자율 모드(차량이 실질적으로 그 자체를 구동하는 모드) 및 그 중간 어딘가에 있는 모드들로 전환하는 것을 가능하게 한다.
본 출원은 차량의 속도를 제어하기 위한 예측 추론과 관련된 실시예들을 개시한다. 일 양태에서, 본 출원은 방법을 설명한다. 방법은 자율 주행차의 전방에서 주행하는 제1 차량을 식별하는 단계를 포함할 수 있다. 방법은 또한 제1 차량의 전방에 있는 제2 차량을 식별하는 단계를 포함할 수 있으며, 제1 및 제2 차량들은 자율 주행차와 실질적으로 동일 차선에서 주행한다. 방법은 또한 제1 완충 거리(buffer distance)를 결정하는 단계를 포함할 수 있고, 제1 완충 거리는 자율 주행차가 제1 차량의 속도에 실질적으로 도달하게 될 제1 차량의 후방의 최소 거리이다. 방법은 또한 제2 완충 거리를 결정하는 단계를 포함할 수 있고, 제2 완충 거리는 제1 차량이 제2 차량의 속도에 실질적으로 도달하게 될 제2 차량의 후방의 최소 거리이다. 방법은 또한 제1 및 제2 완충 거리들 및 자율 주행차의 속도에 기초하여 자율 주행차의 속도를 조절해야 할 거리를 결정하는 단계를 포함할 수 있다. 방법은 그 거리에 기초하여 자율 주행차의 속도를 조절하기 위한 명령들을 컴퓨팅 디바이스에 의해 제공하는 단계를 더 포함할 수 있다.
다른 양태에서, 본 출원은 컴퓨팅 디바이스에 의한 실행시, 컴퓨팅 디바이스로 하여금 기능들을 수행하게 하는 실행 가능한 명령어들이 저장되어 있는 비일시적 컴퓨터 판독 가능 매체를 설명한다. 기능들은 자율 주행차의 전방에서 주행하는 제1 차량을 식별하는 것을 포함할 수 있다. 기능들은 또한 제1 차량의 전방에 있는 제2 차량을 식별하는 것을 포함하고, 제1 및 제2 차량들은 자율 주행차와 실질적으로 동일 차선에서 주행한다. 기능들은 또한 제1 완충 거리를 결정하는 것을 포함할 수 있고, 제1 완충 거리는 자율 주행차가 제1 차량의 속도에 실질적으로 도달하게 될 제1 차량의 후방의 최소 거리이다. 기능들은 또한 제2 완충 거리를 결정하는 것을 포함할 수 있고, 제2 완충 거리는 제1 차량이 제2 차량의 속도에 실질적으로 도달하게 될 제2 차량의 후방의 최소 거리이다. 기능들은 또한 제1 및 제2 완충 거리들 및 자율 주행차의 속도에 기초하여 자율 주행차의 속도를 조절해야 할 거리를 결정하는 것을 포함할 수 있다. 기능들은 그 거리에 기초하여 자율 주행차의 속도를 조절하기 위한 명령들을 제공하는 것을 더 포함할 수 있다.
또 다른 양태에서, 본 출원은 시스템을 설명한다. 시스템은 적어도 하나의 프로세서를 포함할 수 있다. 시스템은 또한 적어도 하나의 프로세서에 의한 실행시, 시스템으로 하여금 기능들을 수행하게 하는 명령어들을 저장하고 있는 메모리를 포함할 수 있다. 기능들은 자율 주행차의 전방에 있는 제1 객체를 식별하는 것을 포함할 수 있다. 기능들은 또한 제1 객체의 전방에 있는 제2 객체를 식별하는 것을 포함할 수 있으며, 제1 및 제2 객체들은 자율 주행차와 실질적으로 동일 차선에 있다. 기능들은 또한 제1 완충 거리를 결정하는 것을 포함할 수 있고, 제1 완충 거리는 자율 주행차가 제1 객체의 속도에 실질적으로 도달하게 될 제1 객체의 후방의 최소 거리이다. 기능들은 또한 제2 완충 거리를 결정하는 것을 포함할 수 있고, 제2 완충 거리는 제1 객체가 제2 객체에 실질적으로 도달하게 될 제2 객체의 후방의 최소 거리이다. 기능들은 또한 제1 및 제2 완충 거리들 및 자율 주행차의 속도에 기초하여 자율 주행차의 속도를 조절해야 할 거리를 결정하는 것을 포함할 수 있다. 기능들은 그 거리에 기초하여 자율 주행차의 속도를 조절하기 위한 명령들을 제공하는 것을 더 포함할 수 있다.
전술한 요약은 단지 예시적인 것이고 어떤 식으로든 제한적인 것으로 의도되지 않는다. 전술한 예시적인 양태들, 실시예들, 및 특징들 외에, 도면들과 하기의 상세한 설명을 참조함으로써 추가의 양태들, 실시예들, 및 특징들이 명백해질 것이다.
도 1은 예시적인 자동차의 단순화된 블록도이다.
도 2는 예시적인 자동차를 도시한다.
도 3은 자율 주행차의 속도를 조절하기 위한 예시적인 방법의 흐름도이다.
도 4a는 자율 주행차의 속도를 조절해야 할 거리를 결정하기 위한 예를 예시한다.
도 4b는 교통 제어 객체가 존재할 때 자율 주행차의 속도를 조절해야 할 거리를 결정하기 위한 예를 예시한다.
도 5는 주행 도로 위에서 예시적인 방법의 구현을 도시한다.
도 6은 컴퓨터 프로그램의 개념 부분도를 예시하는 개요도이다.
하기의 상세한 설명은 첨부 도면들을 참조하여 개시된 시스템들 및 방법들의 다양한 특징들과 기능들에 대해 설명한다. 도면들에서, 유사한 기호들은 문맥이 달리 지시하지 않는 한 유사한 컴포넌트들을 식별한다. 본 명세서에 설명된 예시적인 시스템 및 방법 실시예들은 제한적인 것을 의미하지 않는다. 개시된 시스템들 및 방법들의 소정 양태들은 매우 다양한 상이한 구성들로 배열되고 조합될 수 있다는 것을 쉽게 이해할 수 있으며, 이들 모두가 본 명세서에서 고려된다.
주행 도로 또는 경로 위에서 운행하는 자율 주행차는 자율 주행차의 현재 속도에 대한 조절을 결정하기 위해 자율 주행차의 환경 내의 객체들을 식별하도록 구성될 수 있다. 객체들은 다른 차량들, 교통 제어 객체들 또는 다른 유형의 객체들일 수 있다. 일부 예에서, 각각의 식별된 객체는 독립적으로 고려될 수 있고, 그것의 현재 속도, 가속도 및 차량에 대한 레인지(range)와 같은 객체의 각각의 특성들은 자율 주행차가 조절할 속도를 결정하는데 이용될 수 있다.
그러나, 다른 예들에서, 자율 주행차 또는 자율 주행차와 연관된 컴퓨팅 디바이스는 객체들의 특성들 및 주위 환경의 상태(예를 들어, 도로 위의 트래픽, 비, 얼음 등)에 기초하여 식별된 객체들의 행동을 예측하도록 구성될 수 있고, 객체들은 모두가 함께 고려될 수 있다 - 각각의 객체는 서로의 행동에 종속한다 -. 자율 주행차는 그 후 객체들의 예측된 행동들에 기초하여 그 속도를 조절할 수 있다. 다시 말하면, 자율 주행차는 차량이 객체들의 예측된 행동들에 기초하여 조절할 필요가 있는 정상 상태(steady state)(예를 들어, 가속, 감속 또는 정지)를 결정할 수 있다. 다른 특성/팩터들 예를 들어, 주행 도로/차선에서 자율 주행차의 측면 위치, 도로의 곡률, 정적 및 동적 객체들의 근접 등은 자율 주행차의 속도를 결정하기 위해 물론 고려될 수 있다.
예측 속도 제어의 일례에서, 자율 주행차의 속도를 조절하도록 구성된 컴퓨팅 디바이스는 차량의 전방에 있는 다수의 객체를 식별할 수 있다. 객체들은 예를 들어, 트럭들, 자전거들 및 오토바이들과 같은, 자율 주행차와 동일 차선에서 자율 주행차의 전방에서 주행하는 다른 차량들을 포함할 수 있다. 객체들은 또한 예를 들어, 보행자들, 정지 신호들, 요금소, 나무들, 가드레일들 등과 같은 다른 유형의 정적 또는 동적 객체들을 포함할 수 있다. 객체들을 식별할 때, 컴퓨팅 디바이스는 예를 들어, 객체의 속도, 가속도, 사이즈, 중량, 주행 방향, 및 종방향과 횡방향 속도들과 같은 각각의 객체의 특성들을 추정하도록 구성될 수 있다.
객체들을 식별한 후, 컴퓨팅 디바이스는 자율 주행차와 자율 주행차로부터 가장 먼 식별된 객체 사이에 있는 각각의 객체에 대한 완충 거리를 결정할 수 있다. 예를 들어, 컴퓨팅 디바이스가 차량의 전방에 있는 제1 및 제2 객체를 식별한다면 - 제2 객체는 제1 객체보다 자율 주행차로부터 더 먼 거리에 있다 -, 컴퓨팅 디바이스는 자율 주행차가 제1 객체의 속도에 실질적으로 도달하게 될 제1 완충 거리를 결정할 수 있고, 또한 제1 객체가 제2 객체의 속도에 도달하게 될 제2 완충 거리를 결정할 수 있다. 완충 거리들은 식별된 객체들의 속도에 기초할 수 있다. 일부 예에서, 완충 거리들은 또한 식별된 객체들의 다른 특성들에 기초할 수 있다.
자율 주행차의 완충 거리들과 속도에 기초하여, 컴퓨팅 디바이스는 그 후 자율 주행차의 속도를 조절해야 할 거리를 결정할 수 있다. 거리는 또한 임의의 미리 결정된(예를 들어, 교정된) 상수들뿐만 아니라, 객체들과 자율 주행차의 다른 특성들의 함수일 수 있다. 컴퓨팅 디바이스는 그 후 그 거리에 기초하여 자율 주행차의 속도를 조절하기 위한 명령들을 제공하도록 구성될 수 있다.
일부 실시예에서, 명령들은 컴퓨팅 디바이스가 자율 주행차의 전방에 있는 객체들 중 적어도 하나의 속도의 변화를 검출하기 이전에 제공될 수 있다. 이와 같이, 자율 주행차는 이런 변화가 발생하기 이전에 객체들 중 적어도 하나의 속도의 변화의 추정에 기초하여 그 속도를 조절할 수 있다. 객체(들)의 속도의 이런 변화는 다양한 실시예에서 다르게 평가될 수 있다. 예를 들어, 속도의 변화는 주어진 임계값을 초과하는 객체(들)의 속도에 의해 표시될 수 있다. 다른 예들도 가능하다.
자율 주행차의 속도를 조절하기 위한 명령들을 제공하는 것뿐만 아니라, 컴퓨팅 디바이스는 자율 주행차가 주어진 궤도를 따르게 하고/하거나 자율 주행차 부근의 객체들(예를 들어, 도로 위의 인접 차선들에서의 승용차들)과 안전한 횡방향 및 종방향 거리를 유지하게 하기 위해 자율 주행차의 조향각을 수정하기 위한 명령들을 제공하도록 구성될 수 있다. 컴퓨팅 디바이스는 또한 이 거리를 결정하고 이에 따라 자율 주행차의 속도를 조절하기 위해(그리고 아마도 자율 주행차의 조향/궤도를 조절하는 것과 같은 다른 방식들로 자율 주행차를 제어하기 위해) 사람 같은 행동을 모방하기 위한 휴리스틱(heuristic)을 구현하도록 구성될 수 있다.
예시적인 차량 제어 시스템은 자동차에 구현되거나 그 형태를 취할 수 있다. 대안으로, 차량 제어 시스템은 예를 들어, 승용차, 트럭, 오토바이, 버스, 보트, 비행기, 헬리콥터, 잔디 깎는 기계, 레저 차량, 놀이공원 차량, 농기구, 건설 장비, 트램, 골프 카트, 열차, 및 트롤리와 같은 다른 차량들에 구현되거나 그 형태를 취할 수 있다. 다른 차량들도 가능하다.
또한, 예시적인 시스템은 본 명세서에 설명된 기능을 제공하기 위해 적어도 하나의 프로세서에 의해 실행 가능한 프로그램 명령어들이 저장되어 있는 비일시적 컴퓨터 판독 가능 매체의 형태를 취할 수 있다. 예시적인 시스템은 또한 그런 프로그램 명령어들이 저장되어 있는 그런 비일시적 컴퓨터 판독 가능 매체를 포함하는 자동차 또는 자동차의 서브시스템의 형태를 취할 수 있다.
이제 도면들을 참고하면, 도 1은 예시적인 실시예에 따르는 예시적인 자동차(100)의 단순화된 블록도이다. 자동차(100)에 결합되거나 포함된 컴포넌트들은 추진 시스템(propulsion system)(102), 센서 시스템(104), 제어 시스템(106), 주변 장치들(108), 전원 장치(110), 컴퓨팅 디바이스(111), 및 사용자 인터페이스(112)를 포함할 수 있다. 컴퓨팅 디바이스(111)는 프로세서(113) 및 메모리(114)를 포함할 수 있다. 컴퓨팅 디바이스(111)는 자동차(100)의 컨트롤러, 또는 컨트롤러의 일부일 수 있다. 메모리(114)는 프로세서(113)에 의해 실행 가능한 명령어들(115)을 포함할 수 있고, 또한 지도 데이터(116)를 저장할 수 있다. 자동차(100)의 컴포넌트들은 서로 및/또는 각자의 시스템들에 결합된 다른 컴포넌트들과 상호접속된 방식으로 작동하도록 구성될 수 있다. 예를 들어, 전원 장치(110)는 자동차(100)의 모든 컴포넌트들에 전력을 공급할 수 있다. 컴퓨팅 디바이스(111)는 추진 시스템(102), 센서 시스템(104), 제어 시스템(106), 및 주변 장치들(108)로부터 정보를 수신하고 이들을 제어하도록 구성될 수 있다. 컴퓨팅 디바이스(111)는 이미지들의 디스플레이를 생성하고 사용자 인터페이스(112)로부터 입력들을 수신하도록 구성될 수 있다.
다른 예들에서, 자동차(100)는 더 많은, 더 적은 또는 상이한 시스템들을 포함할 수 있고, 각각의 시스템은 더 많은, 더 적은 또는 상이한 컴포넌트를 포함할 수 있다. 또한, 도시된 시스템들 및 컴포넌트들은 임의의 수의 방식으로 결합되거나 분할될 수 있다.
추진 시스템(102)은 자동차(100)에 구동 모션(powered motion)을 제공하도록 구성될 수 있다. 도시된 바와 같이, 추진 시스템(102)은 엔진/모터(118), 에너지원(120), 변속기(122), 및 휠들/타이어들(124)을 포함한다.
엔진/모터(118)는 내연 엔진, 전기 모터, 증기 엔진, 및 스털링 엔진(Stirling engine)이거나 이들의 임의의 조합을 포함할 수 있다. 다른 모터들 및 엔진들도 가능하다. 일부 예에서, 추진 시스템(102)은 여러 유형의 엔진들 및/또는 모터들을 포함할 수 있다. 예를 들어, 가스-전기 하이브리드 승용차는 가솔린 엔진과 전기 모터를 포함할 수 있다. 다른 예들도 가능하다.
에너지원(120)은 엔진/모터(118)에 전부 또는 부분적으로 동력을 공급하는 에너지의 소스일 수 있다. 즉, 엔진/모터(118)는 에너지원(120)을 기계 에너지로 변환하도록 구성될 수 있다. 에너지원(120)의 예로는, 가솔린(gasoline), 디젤(diesel), 다른 석유계 연료(petroleum-based fuel), 프로판(propan), 다른 압축 가스계 연료, 에탄올(ethanol), 태양 전지판, 배터리, 및 다른 전기 동력원들이 포함된다. 에너지원(들)(120)은 추가로 또는 대안으로 연료 탱크, 배터리, 커패시터, 및/또는 플라이휠(flywheel)의 임의의 조합을 포함할 수 있다. 일부 예들에서, 에너지원(120)은 자동차(100)의 다른 시스템들에도 에너지를 제공할 수 있다.
변속기(122)는 엔진/모터(118)로부터의 기계 동력을 휠들/타이어들(124)에 전달하도록 구성될 수 있다. 이를 위하여, 변속기(122)는 기어박스(gearbox), 클러치(clutch), 디퍼렌셜(differential), 구동 샤프트들(drive shafts), 및/또는 다른 요소들을 포함할 수 있다. 변속기(122)가 구동 샤프트들을 포함하는 예들에서, 구동 샤프트들은 휠들/타이어들(124)에 결합되도록 구성되는 하나 이상의 차축들(axles)을 포함할 수 있다.
자동차(100)의 휠들/타이어들(124)은 외바퀴 자전거, 자전거/오토바이, 세발 자전거, 또는 승용차/트럭 4개의 휠 형태를 포함하는 다양한 형태로 구성될 수 있다. 6개 이상의 휠을 포함하는 것들과 같이, 다른 휠/타이어 형태들도 가능하다. 자동차(100)의 휠들/타이어들(124)은 다른 휠들/타이어들(124)에 대하여 차동식으로 회전하도록 구성될 수 있다. 일부 예에서, 휠들/타이어들(124)은 변속기(122)에 고정식으로 부착되어 있는 적어도 하나의 휠, 및 구동면과 접촉할 수 있는 휠의 테두리에 결합된 적어도 하나의 타이어를 포함할 수 있다. 휠들/타이어들(124)은 금속과 고무의 임의의 조합, 또는 다른 재료들의 조합을 포함할 수 있다.
추진 시스템(102)은 추가로 또는 대안으로 도시된 것들 이외의 컴포넌트들을 포함할 수 있다.
센서 시스템(104)은 자동차(100)가 위치한 환경에 대한 정보를 감지하도록 구성된 수많은 센서를 포함할 수 있다. 도시된 바와 같이, 센서 시스템의 센서들은 GPS(Global Positioning System) 모듈(126), 관성 측정 유닛(IMU, inertial measurement unit)(128), 레이더(RADAR, radio detection and ranging) 유닛(130), 레이저 거리 측정기 및/또는 라이더(LIDAR, light detection and ranging) 유닛(132), 카메라(134), 및 센서들의 위치 및/또는 방위(orientation)를 수정하도록 구성된 액추에이터들(136)을 포함한다. 센서 시스템(104)은, 예를 들어 자동차(100)의 내부 시스템들을 모니터링하는 센서들(예컨대, O2 모니터, 연료 게이지, 엔진 오일 온도 등)을 포함하는 추가 센서들도 포함할 수 있다. 다른 센서들도 가능하다.
GPS 모듈(126)은 자동차(100)의 지리적 위치를 추정하도록 구성된 임의의 센서일 수 있다. 이를 위하여, GPS 모듈(126)은, 위성 기반 포지셔닝 데이터에 기초하여, 지구에 대한 자동차(100)의 위치를 추정하도록 구성된 송수신기를 포함할 수 있다. 한 예에서, 컴퓨팅 디바이스(111)는 GPS 모듈(126)을 지도 데이터(116)와 결합해 이용하여 자동차(100)가 주행하고 있을 수 있는 도로 위의 차선 경계의 위치를 추정하도록 구성될 수 있다. GPS 모듈(126)은 다른 형태들도 취할 수 있다.
IMU(128)는 관성 가속도에 기초하여 자동차(100)의 위치 및 방위 변화들을 감지하도록 구성된 센서들의 임의의 조합일 수 있다. 일부 예들에서, 센서들의 조합은, 예를 들어 가속도계 및 자이로스코프를 포함할 수 있다. 센서들의 다른 조합들도 가능하다.
RADAR 유닛(130)은 전파(radio wave)들을 이용하여 객체의 레인지(range), 고도, 방향, 또는 속도와 같은 객체의 특성들을 결정하도록 구성될 수 있는 객체 검출 시스템으로서 구성될 수 있다. RADAR 유닛(130)은 전파들의 경로에 있는 임의의 객체에 부딪혀 튀어나올 수 있는 전파들 또는 마이크로파들의 펄스들을 전송하도록 구성될 수 있다. 객체는 전파들의 에너지의 일부를 수신기(예컨대, 접시형 안테나 또는 안테나)로 반환할 수 있으며, 수신기도 RADAR 유닛(130)의 일부일 수 있다. RADAR 유닛(130)은 또한(객체에 부딪혀 튀어나온) 수신 신호들의 디지털 신호 처리를 수행하도록 구성될 수 있고, 객체를 식별하도록 구성될 수 있다.
RADAR와 유사한 다른 시스템들이 전자기 스펙트럼의 다른 부분들에 사용되었다. 한 예는 라이더(LIDAR, light detection and ranging)인데, 이것은 전파 대신에 레이저로부터의 가시광을 이용하도록 구성될 수 있다.
LIDAR 유닛(132)은 자동차(100)가 위치하는 환경에서 객체들을 광을 이용하여 감지하거나 검출하도록 구성된 센서를 포함할 수 있다. 일반적으로, LIDAR는 목표(target)에 광을 조명함으로써 목표까지의 거리 또는 목표의 다른 특성들을 측정할 수 있는 광학 원격 감지 기술이다. 한 예로서, LIDAR 유닛(132)은 레이저 펄스들을 방출하도록 구성된 레이저 소스 및/또는 레이저 스캐너와, 레이저 펄스들의 반사들을 수신하도록 구성된 검출기를 포함할 수 있다. 예를 들어, LIDAR 유닛(132)은 회전 거울에 의해 반사된 레이저 거리 측정기를 포함할 수 있고, 레이저는 1차원 또는 2차원으로 디지털화되고 있는 장면 주위로 스캐닝되어, 지정된 각도 간격에서 거리 측정치들을 수집한다. 예들에서, LIDAR 유닛(132)은 광(예컨대, 레이저) 소스, 스캐너 및 광학계, 광검출기 및 수신기 전자 장치, 및 위치 및 내비게이션 시스템과 같은 컴포넌트들을 포함할 수 있다.
한 예에서, LIDAR 유닛(132)은 자외선(UV), 가시광, 또는 적외선 광을 이용하여 객체들을 이미징하도록 구성될 수 있고, 비금속성 객체들을 포함하는 매우 다양한 목표들과 함께 사용될 수 있다. 한 예에서, 객체의 물리적 특징들을 고해상도로 매핑하기 위해 협소한 레이저 빔이 이용될 수 있다.
예들에서, 약 10 마이크로미터(적외선) 내지 약 250nm(UV) 범위의 파장들이 이용될 수 있다. 전형적으로 광은 후방 산란을 통해 반사된다. 레일리 산란(Rayleigh scattering), 미 산란(Mie scattering) 및 라만 산란(Raman scattering)뿐만 아니라 형광(fluorescence)과 같은 상이한 유형의 산란이 상이한 LIDAR 애플리케이션들에 이용된다. 상이한 종류의 후방 산란에 기초하여, LIDAR는 그에 따라 예를 들어, 레일리 LIDAR, 미 LIDAR, 라만 LIDAR 및 Na/Fe/K 형광 LIDAR라고 불릴 수 있다. 파장들의 적합한 조합들은, 예를 들어 반사 신호들의 강도에서 파장에 따른 변화들을 찾아내어 객체들의 원격 매핑을 가능하게 할 수 있다.
스캐닝 LIDAR 시스템과 비스캐닝 LIDAR 시스템 양자를 이용하여 3차원(3D) 이미징이 달성될 수 있다. "3D 게이트 뷰잉 레이저 레이더(3D gated viewing laser radar)"는 펄스형 레이저(pulsed laser) 및 고속 게이트형 카메라(fast gated camera)를 적용하는 비스캐닝 레이저 레인징 시스템의 한 예이다. 이미징LIDAR은 또한 전형적으로 CMOS(complementary metal-oxide-semiconductor) 및 하이브리드 CMOS/CCD(charge-coupled device) 제조 기법들을 이용하여 단일 칩들 위에 형성된 변조 감지 검출기들의 어레이 및 고속 검출기들의 어레이를 이용하여 수행될 수 있다. 이들 디바이스에서, 각각의 픽셀은 어레이가 카메라로부터의 이미지를 나타내기 위해 처리될 수 있도록 고속으로 복조 또는 게이팅에 의해 국부적으로 처리될 수 있다. 이러한 기법을 이용하여, LIDAR 유닛(132)에 의해 검출되는 객체 또는 장면을 나타내는 3D 포인트 클라우드를 생성하기 위해 수천 개의 픽셀이 동시에 획득될 수 있다.
포인트 클라우드는 3D 좌표계에서 정점들(vertices)의 세트를 포함할 수 있다. 이러한 정점들은, 예를 들어 X, Y, 및 Z 좌표들에 의해 정의될 수 있고, 객체의 외부 표면을 나타낼 수 있다. LIDAR 유닛(132)은 객체의 표면상의 다수의 포인트를 측정함으로써 포인트 클라우드를 생성하도록 구성될 수 있고, 포인트 클라우드를 데이터 파일로서 출력할 수 있다. LIDAR 유닛(132)에 의한 객체의 3D 스캐닝 프로세스의 결과로서, 포인트 클라우드는 객체를 식별하고 시각화하는 데 이용될 수 있다.
한 예에서, 포인트 클라우드는 객체를 시각화하기 위해 직접 렌더링될 수 있다. 다른 예에서, 포인트 클라우드는 표면 재구성이라고 불릴 수 있는 프로세스를 통해 다각형 또는 삼각형 메시 모델들로 변환될 수 있다. 포인트 클라우드를 3D 표면으로 변환하기 위한 예시적인 기법들은 들로네 삼각분할(Delaunay triangulation), 알파 셰이프(alpha shape)들, 및 볼 피봇팅(ball pivoting)을 포함할 수 있다. 이러한 기법들은 포인트 클라우드의 기존 정점들 위에 삼각형들의 네트워크를 형성하는 것을 포함한다. 다른 예시적인 기법들은 포인트 클라우드를 볼륨 디스턴스 필드(volumetric distance field)로 변환하고 마칭 큐브 알고리즘(marching cubes algorithm)을 통해 그렇게 정의된 음함수 곡면(implicit surface)을 재구성하는 것을 포함할 수 있다.
카메라(134)는 자동차(100)가 위치하는 환경의 이미지들을 캡처하도록 구성된 임의의 카메라(예컨대, 스틸 카메라, 비디오 카메라 등)일 수 있다. 이를 위하여, 카메라는 가시광을 검출하도록 구성될 수 있거나, 적외선 또는 자외선 광과 같은 스펙트럼의 다른 부분들로부터의 광을 검출하도록 구성될 수 있다. 다른 유형의 카메라들도 가능하다. 카메라(134)는 2차원 검출기일 수 있거나, 3차원 공간 레인지를 가질 수 있다. 일부 예들에서, 카메라(134)는 예를 들어, 카메라(134)로부터 환경 내의 다수의 포인트까지의 거리를 나타내는 2차원 이미지를 생성하도록 구성된 레인지 검출기(range detector)일 수 있다. 이를 위하여, 카메라(134)는 하나 이상의 레인지 검출 기법을 이용할 수 있다. 예를 들어, 카메라(134)는 자동차(100)가 그리드 또는 체커보드 패턴과 같은 미리 결정된 광 패턴으로 환경 내의 객체를 조명하고 카메라(134)를 이용하여 객체로부터의 미리 결정된 광 패턴의 반사를 검출하는 구조화된 광 기법을 이용하도록 구성될 수 있다. 반사된 광 패턴의 왜곡들에 기초하여, 자동차(100)는 객체 위의 포인트들까지의 거리를 결정하도록 구성될 수 있다. 미리 결정된 광 패턴은 적외선 광, 또는 다른 파장의 광을 포함할 수 있다.
액추에이터들(136)은 예를 들어, 센서들의 위치 및/또는 방위를 수정하도록 구성될 수 있다.
센서 시스템(104)은 추가로 또는 대안으로 도시된 것들 이외의 컴포넌트들을 포함할 수 있다.
제어 시스템(106)은 자동차(100)와 그 컴포넌트들의 동작을 제어하도록 구성될 수 있다. 이를 위하여, 제어 시스템(106)은 조향 유닛(138), 스로틀(140), 브레이크 유닛(142), 센서 융합 알고리즘(144), 컴퓨터 비전 시스템(146), 내비게이션 또는 경로 설정 시스템(148), 및 장애물 회피 시스템(150)을 포함할 수 있다.
조향 유닛(138)은 자동차(100)의 진로 또는 방향을 조절하도록 구성된 메커니즘들의 임의의 조합일 수 있다.
스로틀(140)은 엔진/모터(118)의 동작 속도와 가속도를 제어하고, 결국, 자동차(100)의 속도와 가속도를 제어하도록 구성된 메커니즘들의 임의의 조합일 수 있다.
브레이크 유닛(142)은 자동차(100)를 감속시키도록 구성된 메커니즘들의 임의의 조합일 수 있다. 예를 들어, 브레이크 유닛(142)은 휠들/타이어들(124)의 속도를 늦추기 위해 마찰을 이용할 수 있다. 다른 예들로서, 브레이크 유닛(142)은 회생식(regenerative)이고 휠들/타이어들(124)의 운동 에너지를 전류로 변환하도록 구성될 수 있다. 브레이크 유닛(142)은 다른 형태들도 취할 수 있다.
센서 융합 알고리즘(144)은 예를 들어, 컴퓨팅 디바이스(111)에 의해 실행 가능한 알고리즘(또는 알고리즘을 저장한 컴퓨터 프로그램 제품)을 포함할 수 있다. 센서 융합 알고리즘(144)은 센서 시스템(104)으로부터의 데이터를 입력으로 받아들이도록 구성될 수 있다. 데이터는 예를 들어, 센서 시스템(104)의 센서들에서 감지된 정보를 나타내는 데이터를 포함할 수 있다. 센서 융합 알고리즘(144)은 예를 들어, 칼만 필터(Kalman filter), 베이지안 네트워크(Bayesian network), 또는 다른 알고리즘을 포함할 수 있다. 센서 융합 알고리즘(144)은 또한 센서 시스템(104)으로부터의 데이터에 기초한 다양한 평가들을 제공하도록 구성될 수 있고, 평가들은 예를 들어, 자동차(100)가 위치하는 환경 내의 개별 객체들 및/또는 특징들의 평가들, 특정한 상황들의 평가들, 및/또는 특정한 상황들에 기초하는 가능한 영향들의 평가들을 포함할 수 있다. 다른 평가들도 가능하다.
컴퓨터 비전 시스템(146)은 예를 들어, 차선 정보, 교통 신호들 및 장애물들을 포함하는, 자동차(100)가 위치하는 환경 내의 객체들 및/또는 특징들을 식별하기 위하여 카메라(134)에 의해 캡처된 이미지들을 처리하고 분석하도록 구성된 임의의 시스템일 수 있다. 이를 위하여, 컴퓨터 비전 시스템(146)은 객체 인식 알고리즘, SFM(Structure from Motion) 알고리즘, 비디오 트래킹, 또는 기타 컴퓨터 비전 기법들을 이용할 수 있다. 일부 예에서, 컴퓨터 비전 시스템(146)은 추가로 환경을 매핑하고, 객체들을 트래킹하고, 객체들의 속도를 추정하는 등을 행하도록 구성될 수 있다.
내비게이션 및 경로 설정 시스템(148)은 자동차(100)에 대한 운전 경로를 결정하도록 구성된 임의의 시스템일 수 있다. 내비게이션 및 경로 설정 시스템(148)은 추가로 자동차(100)가 운행 중인 동안 운전 경로를 동적으로 갱신하도록 구성될 수 있다. 일부 예에서, 내비게이션 및 경로 설정 시스템(148)은 자동차(100)에 대한 운전 경로를 결정하기 위해 센서 융합 알고리즘(144), GPS 모듈(126), 및 하나 이상의 미리 결정된 지도로부터의 데이터를 통합시키도록 구성될 수 있다.
장애물 회피 시스템(150)은 자동차(100)가 위치하는 환경 내의 장애물들을 식별하고, 평가하고, 회피하거나 다른 방법으로 지나가도록 구성된 임의의 시스템일 수 있다.
제어 시스템(106)은 추가로 또는 대안으로 도시된 것들 이외의 컴포넌트들을 포함할 수 있다.
주변 장치들(108)은 자동차(100)가 외부 센서들, 다른 자동차들, 및/또는 사용자와 상호작용하는 것을 허용하도록 구성될 수 있다. 이를 위하여, 주변 장치들(108)은 예를 들어, 무선 통신 시스템(152), 터치스크린(154), 마이크로폰(156), 및/또는 스피커(158)를 포함할 수 있다.
무선 통신 시스템(152)은 직접 또는 통신 네트워크를 통해, 하나 이상의 다른 자동차, 센서, 또는 다른 개체에 무선으로 결합되도록 구성된 임의의 시스템일 수 있다. 이를 위하여, 무선 통신 시스템(152)은 직접 또는 무선 인터페이스를 통해 다른 자동차들, 센서들, 또는 다른 개체들과 통신하기 위한 칩셋 및 안테나를 포함할 수 있다. 칩셋 또는 무선 통신 시스템(152)은 일반적으로 예를 들어, 다른 가능한 것들 중에서, 블루투스, IEEE 802.11(임의의 IEEE 802.11 개정들을 포함함)에 기술된 통신 프로토콜들, 셀룰러 기술(예를 들어, GSM, CDMA, UMTS, EV-DO, WiMAX, 또는 LTE), 지그비(Zigbee), 전용 단거리 통신(DSRC, Dedicated Short Range Communications), 및 무선 주파수 식별(RFID, Radio Frequency Identification) 통신들과 같은 하나 이상의 다른 유형의 무선 통신(예컨대, 프로토콜들)에 따라 통신하도록 구성될 수 있다. 무선 통신 시스템(152)은 다른 형태들도 취할 수 있다.
터치스크린(154)은 사용자에 의해 자동차(100)에 커맨드들을 입력하는데 이용될 수 있다. 이를 위하여, 터치스크린(154)은, 다른 가능한 것들 중에서, 용량성 감지, 저항 감지, 또는 표면 음파 프로세스를 통해 사용자의 손가락의 위치 및 움직임 중 적어도 하나를 감지하도록 구성될 수 있다. 터치스크린(154)은 터치스크린 표면에 평행하거나 평면인 방향, 터치스크린 표면에 수직인 방향, 또는 양쪽 모두의 방향에서 손가락 움직임을 감지할 수도 있고, 또한 터치스크린 표면에 가해진 압력의 레벨을 감지할 수도 있다. 터치스크린(154)은 하나 이상의 반투명한(translucent) 또는 투명한(transparent) 절연층 및 하나 이상의 반투명한 또는 투명한 도전층으로 형성될 수 있다. 터치스크린(154)은 다른 형태들도 취할 수 있다.
마이크로폰(156)은 자동차(100)의 사용자로부터 오디오(예컨대, 음성 커맨드 또는 기타 오디오 입력)를 수신하도록 구성될 수 있다. 유사하게, 스피커들(158)은 자동차(100)의 사용자에게 오디오를 출력하도록 구성될 수 있다.
주변 장치들(108)은 추가로 또는 대안으로 도시된 것들 이외의 컴포넌트들을 포함할 수 있다.
전원 장치(110)는 자동차(100)의 컴포넌트들의 일부 또는 모두에 전력을 제공하도록 구성될 수 있다. 이를 위하여, 전원 장치(110)는 예를 들어, 충전식 리튬-이온 또는 납 배터리(lead-acid battery)를 포함할 수 있다. 일부 예에서, 배터리들의 하나 이상의 뱅크는 전력을 제공하도록 구성될 수 있다. 다른 전원 장치 재료들 및 구성들도 가능하다. 일부 예에서, 전원 장치(110)와 에너지원(120)은, 일부 전전기식 승용차(all-electric cars)에서와 같이, 함께 구현될 수 있다.
컴퓨팅 디바이스(111)에 포함된 프로세서(113)는 하나 이상의 범용 프로세서 및/또는 하나 이상의 특수 목적 프로세서(예컨대, 이미지 프로세서, 디지털 신호 프로세서 등)를 포함할 수 있다. 프로세서(113)가 둘 이상의 프로세서를 포함할 경우에, 그러한 프로세서들은 개별적으로 또는 결합하여 동작할 수 있다. 컴퓨팅 디바이스(111)는 예를 들어, 사용자 인터페이스(112)를 통해 수신된 입력에 기초하여 자동차(100)의 기능들을 제어하도록 구성될 수 있다.
메모리(114)는 예를 들어, 광, 자기 및/또는 유기 스토리지와 같은 하나 이상의 휘발성 및/또는 하나 이상의 비휘발성 저장 컴포넌트를 포함할 수 있고, 메모리(114)는 전부가 또는 일부가 프로세서(113)와 통합될 수 있다. 메모리(114)는 본 명세서에 설명된 기능들 또는 방법들 중 임의의 것을 포함하는, 다양한 자동차 기능들을 실행하기 위해 프로세서(113)에 의해 실행 가능한 명령어들(115)(예컨대, 프로그램 논리)을 포함할 수 있다.
자동차(100)의 컴포넌트들은 이들 각자의 시스템들 내부 및/또는 외부의 다른 컴포넌트들과 상호접속된 방식으로 작동하도록 구성될 수 있다. 이를 위하여, 자동차(100)의 컴포넌트들 및 시스템들은 시스템 버스, 네트워크, 및/또는 기타 접속 메커니즘(도시 안됨)에 의해 함께 통신 가능하게 링크될 수 있다.
또한, 컴포넌트들 및 시스템들 각각은 자동차(100)에 통합된 것으로 도시되어 있지만, 일부 예들에서, 하나 이상의 컴포넌트 또는 시스템은 자동차(100)에 탈착 가능하게 장착되거나 그렇지 않으면 유선 또는 무선 연결들을 이용하여 자동차에 (기계적으로 또는 전기적으로) 연결될 수 있다.
자동차(100)는 도시된 것들 외에 또는 그 대신에 하나 이상의 요소를 포함할 수 있다. 예를 들어, 자동차(100)는 하나 이상의 추가 인터페이스 및/또는 전원 장치를 포함할 수 있다. 다른 추가 컴포넌트들도 가능하다. 이들 예에서, 메모리(114)는 추가 컴포넌트들을 제어하고/하거나 이들과 통신하기 위해 프로세서(113)에 의해 실행 가능한 명령어들을 더 포함할 수 있다.
도 2는 일 실시예에 따르는 예시적인 자동차(200)를 도시한다. 특히, 도 2는 자동차(200)의 우측면도, 정면도, 배면도, 및 상면도를 도시한다. 자동차(200)는 도 2에 승용차로서 예시되어 있지만, 다른 예들도 가능하다. 예를 들어, 자동차(200)는 특히, 트럭, 밴(van), 세미-트레일러(semi-trailer) 트럭, 오토바이, 골프 카트, 오프-로드 차량, 또는 농장용 차량을 나타낼 수 있다. 도시된 바와 같이, 자동차(200)는 제1 센서 유닛(202), 제2 센서 유닛(204), 제3 센서 유닛(206), 무선 통신 시스템(208), 및 카메라(210)를 포함한다.
제1, 제2, 및 제3 센서 유닛들(202-206) 각각은 글로벌 포지셔닝 시스템 센서들, 관성 측정 유닛들, RADAR 유닛들, LIDAR 유닛들, 카메라들, 차선 검출 센서들, 및 음향 센서들의 임의의 조합을 포함할 수 있다. 다른 유형의 센서들도 가능하다.
제1, 제2, 및 제3 센서 유닛들(202)이 자동차(200) 위의 특정 위치들에 장착된 것으로 도시되어 있지만, 일부 예에서 센서 유닛(202)은 자동차(200) 위의 다른 곳, 자동차(200)의 내부 또는 외부에 장착될 수 있다. 또한, 3개의 센서만이 도시되어 있지만, 일부 예들에서 더 많은 또는 더 적은 센서 유닛들이 자동차(200)에 포함될 수 있다.
일부 예들에서, 제1, 제2, 및 제3 센서 유닛들(202-206) 중 하나 이상은 센서들이 이동식으로 장착될 수 있는 하나 이상의 이동식 마운트(movable mount)를 포함할 수 있다. 이동식 마운트는 예를 들어, 회전 플랫폼을 포함할 수 있다. 회전 플랫폼 위에 장착된 센서들은 이들이 자동차(200) 주위의 각각의 방향으로부터 정보를 획득할 수 있도록 회전될 수 있다. 대안으로 또는 추가로, 이동식 마운트는 경사 플랫폼(tilting platform)을 포함할 수 있다. 경사 플랫폼 위에 장착된 센서들은 이들이 다양한 각도로부터 정보를 획득할 수 있도록 특정 범위의 각도들 및/또는 방위각들 내로 기울어질 수 있다. 이동식 마운트는 다른 형태들도 취할 수 있다.
또한, 일부 예들에서, 제1, 제2, 및 제3 센서 유닛들(202-206) 중 하나 이상은 센서들 및/또는 이동식 마운트들을 움직여서 센서 유닛 내의 센서들의 위치 및/또는 방위를 조절하도록 구성된 하나 이상의 액추에이터를 포함할 수 있다. 예시적인 액추에이터들은 모터들, 공압식(pneumatic) 액추에이터들, 유압식(hydraulic) 피스톤들, 계전기들(relays), 솔레노이드들(solenoids), 및 압전(piezoelectric) 액추에이터들을 포함한다. 다른 액추에이터들도 가능하다.
무선 통신 시스템(208)은 도 1의 무선 통신 시스템(152)에 관하여 전술한 바와 같이 직접 또는 통신 네트워크를 통해 하나 이상의 다른 자동차, 센서, 또는 다른 개체에 무선으로 결합되도록 구성된 임의의 시스템일 수 있다. 무선 통신 시스템(208)은 자동차(200)의 지붕 위에 배치된 것으로 도시되어 있지만, 다른 예들에서 무선 통신 시스템(208)은 전부 또는 일부가 다른 곳에 위치할 수 있다.
카메라(210)는 자동차(200)가 위치하는 환경의 이미지들을 캡처하도록 구성된 임의의 카메라(예컨대, 스틸 카메라, 비디오 카메라 등)일 수 있다. 이를 위하여, 카메라(210)는 도 1의 카메라(134)에 관하여 전술한 형태들 중 임의의 형태를 취할 수 있다. 카메라(210)가 자동차(200)의 전방 앞유리 안쪽에 장착된 것으로 도시되어 있지만, 다른 예들에서 카메라(210)는 자동차(200)의 다른 곳, 자동차(200)의 내부 또는 외부에 장착될 수 있다.
자동차(200)는 도시된 것들 외에 또는 그 대신에 하나 이상의 다른 컴포넌트를 포함할 수 있다.
자동차(200)의 제어 시스템은 여러 가능한 제어 전략들 중 하나의 제어 전략에 따라서 자동차(200)를 제어하도록 구성될 수 있다. 제어 시스템은 자동차(200)에 결합된(자동차(200) 위에 있거나 떨어져 있는) 센서들로부터 정보를 수신하고, 그 정보에 기초하여 제어 전략(및 연관된 운전 행동)을 수정하고, 수정된 제어 전략에 따라서 자동차(200)를 제어하도록 구성될 수 있다. 제어 시스템은 또한 센서들로부터 수신된 정보를 모니터링하고, 운전 상태들을 계속해서 평가하도록 구성될 수 있고; 또한 운전 상태들에서 변화들에 기초하여 제어 전략 및 운전 행동을 수정하도록 구성될 수 있다.
도 3은 차량의 속도를 조절하기 위한 예시적 방법(300)의 흐름도이다. 방법(300)은 블록들(302-308) 중 하나 이상에 의해 설명된 바와 같이 하나 이상의 동작, 기능 또는 액션을 포함할 수 있다. 블록들이 순차적인 순서로 설명될지라도, 이들 블록은 일부 인스턴스에서 본 명세서에 설명된 것과는 달리 동시에 및/또는 상이한 순서로 수행될 수 있다. 또한, 다양한 블록들은 원하는 구현에 기초하여 더 적은 수의 블록으로 결합되거나, 추가 블록들로 분할되고/되거나 제거될 수 있다.
또한, 본 명세서에 개시된 방법(300), 다른 프로세스들 및 방법들에서, 흐름도는 본 실시예들의 하나의 가능한 구현의 기능과 동작을 보여준다. 이점에서, 각각의 블록은 프로세스에서 특정한 논리 기능들 또는 단계들을 구현하기 위해 프로세서에 의해 실행 가능한 하나 이상의 명령어를 포함하는 모듈, 세그먼트 또는 프로그램 코드의 일부를 나타낼 수 있다. 프로그램 코드는 예를 들어, 디스크 또는 하드 드라이브를 포함하는 저장 디바이스와 같은, 임의의 유형의 컴퓨터 판독 가능 매체 또는 메모리에 저장될 수 있다. 컴퓨터 판독 가능 매체는 예를 들어, 레지스터 메모리, 프로세서 캐시 및 랜덤 액세스 메모리(RAM)와 같이 단기간 동안 데이터를 저장하는 컴퓨터 판독 가능 매체와 같은 비일시적 컴퓨터 판독 가능 매체를 포함할 수 있다. 컴퓨터 판독 가능 매체는 또한 예를 들어, 판독 전용 메모리(ROM), 광 또는 자기 디스크, CD-ROM(compact-disc read only memory)과 같이, 보조적인 또는 지속적인 장기간 스토리지와 같은 비일시적 매체 또는 메모리를 포함할 수 있다. 컴퓨터 판독 가능 매체들은 또한 임의의 다른 휘발성 또는 비휘발성 저장 시스템들일 수 있다. 컴퓨터 판독 가능 매체는 예를 들어, 컴퓨터 판독 가능 저장 매체, 유형의(tangible) 저장 디바이스, 또는 다른 제조물로 간주될 수 있다.
또한, 본 명세서에 개시된 방법(300), 다른 프로세스들 및 방법들에서, 도 3의 각각의 블록은 프로세스에서 특정한 논리 기능들을 수행하도록 배선된 회로를 나타낼 수 있다. 예를 위하여, 도 3에 도시된 방법(300)은 도 1의 컴퓨팅 디바이스(111)와 같은 예시적인 컴퓨팅 디바이스에 의해 구현된 것으로 설명될 것이다. 방법(300)은 또한 컴퓨팅 디바이스가 차량에 내장되거나 외장될 수 있으나 차량과 무선 통신할 수 있기 때문에 자율 주행차에 의해 구현되는 것으로서 설명될 수 있다. 따라서 용어들 "컴퓨팅 디바이스"와 "자율 주행차"는 본 명세서에서 상호 교환 가능할 수 있다. 그러나 일부 예에서, 컴퓨팅 디바이스는 차량을 자율 또는 반자율 동작 모드에서 제어하도록 구성될 수 있다. 다른 엔티티들 또는 엔티티들의 조합들이 예시적인 방법(300)의 하나 이상의 단계들을 구현할 수 있다는 것을 이해해야 한다.
블록 302에서, 방법(300)은 자율 주행차의 전방에 있는 제1 객체를 식별하는 단계를 포함한다. 또한, 블록 304에서, 방법은 제1 객체의 전방에 있는 제2 객체를 식별하는 단계를 포함하며, 제1 및 제2 객체들은 자율 주행차와 실질적으로 동일 차선에 있다. 그러나 자율 주행차의 전방에(또는 실질적으로 그 전방에) 있으며 자율 주행차와 동일 차선에 있는 객체를 식별하는 것에 대한 추가 또는 대안으로서, 컴퓨팅 디바이스가 예를 들어, 자율 주행차의 측면 및/또는 자율 주행차의 후방에 대한 객체들을 포함하는, 자율 주행차의 환경 내의 다른 객체를 식별하도록 구성될 수 있음을 이해해야 한다.
일부 예에서, 제1 객체 외에, 다른 객체들, 예를 들어, 자율 주행차의 전방과 제2 객체의 후방에서 주행하는 다수의 차량은 자율 주행차와 제2 객체 사이에서 컴퓨팅 디바이스에 의해 식별될 수 있다. 객체들은 자율 주행차로부터의 종방향 거리 임계값 및/또는 자율 주행차로부터의 횡방향 거리 임계값 내에 있을 수 있다. 예를 들어, 주행 도로 위에서 자율 주행차는 차량과 동일 차선에 있는, 자율 주행차의 전방에 있는 다른 차량들 또는 객체들의 행동에 기초하여 그 속도를 조절할 수 있다. 또한, 자율 주행차는 주행 도로 위에서 인접 차선에 있는 차량들 또는 다른 객체들의 행동에 기초하여 그 속도를 조절할 수 있으며, 예를 들어, 조절은 인접 차량이 그 현재 차선에서 자율 주행차가 주행하는 차선으로 이동할 때 이루어진다. 일부 시나리오에서는, 자율 주행차가 자율 주행차의 전방 또는 후방의 주어진 종방향 거리에서 동일 차선에서 주행하고 있는 차량에 기초하여 그 속도를 조절하는 것이 바람직할 수 있는 반면, 자율 주행차가 자율 주행차로부터 횡방향으로 동일한 주어진 거리에 있는 객체들(예를 들어, 인접 차선들을 넘은 차선들에 있는 객체들)의 행동에 기초하여 그 속도를 조절하는 것은 바람직하지 않을 수 있다.
일부 예에서, 제1 객체의 전방에 있는 제2 객체뿐만 아니라, 자율 주행차와 제2 객체 사이의 다른 객체들은 또 다른 차량(예를 들어, 자동차들, 자전거들 등)을 포함할 수 있다. 다른 예들에서, 제2 객체는 예를 들어, 정지 신호, 신호등, 원뿔형 표지판(traffic cone), 도로 표시, 도로 경계벽 등과 같은 교통 제어 객체를 포함할 수 있다. 또 다른 예들에서, 제2 객체는 다가오는 교차로에서 거리를 횡단하는 보행자와 같은 보행자일 수 있다. 다른 예들도 가능하다.
객체들을 식별하는 것뿐만 아니라, 컴퓨팅 디바이스는 각각의 객체의 각자 특성들을 결정하도록 구성될 수 있다. 예를 들어, 컴퓨팅 디바이스는 객체(예를 들어, 자동차 또는 트럭, 자동차 또는 오토바이, 도로 표지 또는 보행자 등)의 유형을 결정하거나 객체를 분류하도록 구성될 수 있다. 또한, 컴퓨팅 디바이스는 객체가 움직이거나 정지했는지 결정할 수 있다. 일부 예들에서, 자율 주행차와 제2 객체 사이에서 식별된 적어도 하나의 객체는 동적(예를 들어, 움직이는) 객체일 수 있다.
컴퓨팅 디바이스는 객체의 사이즈(예를 들어, 폭과 길이)와 중량을 추정하도록 구성될 수 있다. 또한, 컴퓨팅 디바이스는 객체가 자율 주행차를 향해 움직이거나 이로부터 멀어지는 경우와 같은 객체의 움직임의 방향을 결정하도록 구성될 수 있다. 더더욱, 컴퓨팅 디바이스는 객체가 주차, 주행, 후진 또는 중립 변속 모드에 있는지와 같은, 객체의 변속 유형(예를 들어, 수동 및 자동)과 변속 모드를 결정하도록 구성될 수 있다. 더더욱, 컴퓨팅 디바이스는 주행 도로 또는 경로 위의 각각의 차선에서 객체의 위치, 및 객체가 차선 경계에 얼마나 가까운지를 결정하도록 구성될 수 있다. 일부 예에서, 컴퓨팅 디바이스는 자율 주행차에 대한 객체의 상대적인 종방향 속도와 횡방향 속도를 결정하도록 구성될 수 있다. 이들 특성은 설명을 위한 예들이고, 다른 특성들도 결정될 수 있다.
교통 제어 객체들의 특성들, 예를 들어, 신호등의 색이 또한 결정될 수 있다. 일부 예에서, 적색 신호등이 실질적으로 차량 전방에 있는 객체(예를 들어, 제2 객체)로서 식별될 때, 컴퓨팅 디바이스는 신호등 너머의(예를 들어, 신호등보다 자율 주행차로부터 더 멀어진) 객체들을 무시하도록 구성될 수 있다. 동일한 구성은 정지 신호가 식별되는 시나리오에 적용할 수 있다. 다른 예들에서, 녹색 신호등이 컴퓨팅 디바이스에 의해 식별될 때, 컴퓨팅 디바이스는 녹색 신호등을 객체로서 무시하도록 구성될 수 있고, 이에 따라 자율 주행차의 속도는 녹색 신호등의 존재에 기초하여 조절되지 않을 수 있다. 또 다른 예들에서, 황색 신호등이 컴퓨팅 디바이스에 의해 식별될 때, 컴퓨팅 디바이스는 신호등이 적색 또는 녹색이었던 것 같이 기능들을 수행하도록 구성될 수 있거나, 다른 기능들을 수행할 수 있다. 컴퓨팅 디바이스는 또한 신호등이 색을 변경할 때를 검출하도록 구성될 수 있다.
객체와 객체들의 특성들을 식별하기 위해, 컴퓨팅 디바이스는 자율 주행차에 결합된 센서들과 디바이스들을 이용하도록 구성될 수 있다. 예를 들어, 도 1의 카메라(134) 또는 도 2의 카메라(210)와 같은 카메라 또는 임의의 다른 이미지 캡처 디바이스는 자율 주행차에 결합될 수 있고 컴퓨팅 디바이스와 통신할 수 있다. 카메라는 주행 경로/도로 및 주행 경로/도로 부근의 이미지들 또는 비디오를 캡처하도록 구성될 수 있다. 컴퓨팅 디바이스는 이미지들 또는 비디오를 수신하고, 예를 들어 이미지 프로세싱 기법을 이용하여 이미지 또는 비디오로 표시된 객체들을 식별하도록 구성될 수 있다. 컴퓨팅 디바이스는 예를 들어, 객체들을 식별하기 위해 이미지들의 일부와 객체들의 템플릿들을 비교하도록 구성될 수 있다.
다른 예에서, 컴퓨팅 디바이스는 자율 주행차에 결합되어 컴퓨팅 디바이스와 통신하는 LIDAR 디바이스(예컨대, 도 1의 LIDAR 유닛(132))로부터, 3차원(3D) 포인트 클라우드를 포함할 수 있는 LIDAR 기반 정보를 수신하도록 구성될 수 있다. 3D 포인트 클라우드는 LIDAR 디바이스로부터 방출되어 도로 위의 또는 도로의 부근에 있는 객체들로부터 반사된 광에 대응하는 포인트들을 포함할 수 있다.
도 1의 LIDAR 유닛(132)에 관하여 설명한 바와 같이, LIDAR 디바이스의 동작은 원거리의 목표의 레인지 및/또는 다른 정보를 찾기 위해 산란광의 특성들을 측정할 수 있는 광학 원격 감지 기술을 수반할 수 있다. 예를 들어, LIDAR 디바이스는 레이저 펄스들을 빔으로서 방출하고, 빔을 스캐닝하여 2차원 또는 3차원 레인지 매트릭스들(range matrices)을 생성하도록 구성될 수 있다. 한 예에서, 레인지 메트릭스들은 펄스의 전송과 각각의 반사된 신호의 검출 사이에 시간 지연을 측정함으로써 객체 또는 표면에 대한 거리를 결정하는데 이용될 수 있다.
예들에서, LIDAR 디바이스는 3차원으로 자율 주행차를 둘러싸는 환경을 스캐닝하도록 구성될 수 있다. 일부 예에서, 2 이상의 LIDAR 디바이스는 차량에 결합되어 차량의 완전한 360도 시계(horizon)를 스캐닝할 수 있다. LIDAR 디바이스는 도로 및 그 근처에서 레이저와 부딪친, 장애물 또는 객체들을 나타내는 포인트 데이터의 클라우드를 컴퓨팅 디바이스에 제공하도록 구성될 수 있다. 포인트들은 LIDAR 디바이스에 의해 레인지 외에 방위각(azimuth angle)과 고도각(elevation angle)에 의해 표현될 수 있고, 이들은 자율 주행차에 부착된 로컬 좌표 프레임에 대한 (X, Y, Z) 포인트 데이터로 변환될 수 있다. 또한, LIDAR 디바이스는 주어진 객체의 표면 유형을 나타낼 수 있는, 장애물에서 반사된 광 또는 레이저의 강도 값들을 컴퓨팅 디바이스에 제공하도록 구성될 수 있다. 이런 정보에 기초하여, 컴퓨팅 디바이스는 객체들과, 객체들의 특성들, 예를 들어, 객체의 유형, 사이즈, 속도, 객체가 역반사면을 가진 교통 표지인지 등을 식별하도록 구성될 수 있다
또 다른 예에서, 컴퓨팅 디바이스는 자율 주행차에 결합되어 컴퓨팅 디바이스와 통신하는 RADAR 디바이스(예컨대, 도 1의 RADAR 유닛(130))로부터, 객체들의 위치 및 특성들에 관한 RADAR 기반 정보를 수신하도록 구성될 수 있다. RADAR 디바이스는 전파들을 방출하고 도로와 도로의 부근에서 객체들의 표면을 튕긴 방출된 전파들을 다시 수신하도록 구성될 수 있다. 수신 신호들 또는 RADAR 기반 정보는 예를 들어, 주어진 객체의 차원 특성들을 나타낼 수 있고, 주어진 객체가 고정 또는 움직이는 것인지 나타낼 수 있다.
또 다른 예에서, 컴퓨팅 디바이스는 예를 들어, 신호등, 도로 표지, 가드레일 등과 같은, 도로 위에 영구히 위치하는 정적 객체들을 식별하는 지도 정보에 대한 액세스를 가질 수 있도록 구성될 수 있다. 지도 정보는 또한 주기적으로 갱신될 수 있고, 최근에 발생한 사고들에 대한 정보, 및 자율 주행차의 부근에 있을 수 있는 최종 잔해 또는 트래픽을 포함할 수 있다.
한 예에서, 컴퓨팅 디바이스는 예를 들어, 이미지 캡처 디바이스, LIDAR 디바이스, RADAR 디바이스 등과 같은 다수의 소스로부터 수신된 정보에 기초하여 객체들과 객체들의 특성들을 검출하고 식별하도록 구성될 수 있다. 그러나 다른 예에서, 컴퓨팅 디바이스는 다수의 소스의 서브세트로부터 수신된 정보에 기초하여 객체들을 식별하도록 구성될 수 있다. 예를 들어, 이미지 캡처 디바이스에 의해 캡처된 이미지들은 이미지 캡처 디바이스의 기능 불량으로 인해 흐릿해질 수 있고, 다른 예에서는, 도로의 상세들이 안개 때문에 이미지들에서 잘 안 보일 수 있다. 이들 예에서, 컴퓨팅 디바이스는 LIDAR 및/또는 RADAR 유닛들로부터 수신된 정보에 기초하여 객체들을 식별하도록 구성될 수 있고, 이미지 캡처 디바이스로부터 수신된 정보는 무시하도록 구성될 수 있다.
또 다른 예에서, 자율 주행차는 일부 전기 잡음 또는 교란(jamming) 신호들이 LIDAR 디바이스 및/또는 RADAR 디바이스가 부정확하게 작동하게 할 수 있는 도로의 일부에서 주행하고 있을 수 있다. 이 경우, 컴퓨팅 디바이스는 이미지 캡처 디바이스로부터 수신된 정보에 기초하여 객체들을 식별하도록 구성될 수 있고, LIDAR 및/또는 RADAR 유닛들로부터 수신된 정보를 무시하도록 구성될 수 있다.
한 예에서, 컴퓨팅 디바이스는 도로의 상태(예를 들어, 안개, 전자 교란 등)에 기초하여 정보의 이러한 소스들을 랭킹하도록 구성될 수 있다. 랭킹은 객체들을 식별할 때 어느 디바이스(들)에 의존할지 또는 어느 디바이스(들)에 더 많은 가중치를 줄지 나타낼 수 있다. 한 예로서, 안개가 도로의 일부에 존재하면, LIDAR 및 RADAR 디바이스들은 이미지 기반 디바이스보다 더 높게 랭킹될 수 있으며, LIDAR 및/또는 RADAR 디바이스들로부터 수신된 정보는 이미지 캡처 디바이스로부터 수신된 각각의 정보보다 더 높은 가중치를 받을 수 있다.
컴퓨팅 디바이스는 또한 예를 들어, 자율 주행차의 시스템들 및 서브시스템들의 상태와 연관된 정보를, 자율 주행차에 결합된 센서들과 디바이스들로부터 수신하도록 구성될 수 있다. 또한, 컴퓨팅 디바이스는 운전 상태들과 도로 상태들(예를 들어, 비, 눈 등)과 같은, 자율 주행차의 주위 환경과 연관된 정보를 수신하도록 구성될 수 있다. 예를 들어, 차량의 전방에 있는 도로가 얼음이 있거나 젖은 것을 나타내는 정보는 컴퓨팅 디바이스가 자율 주행차의 속도의 조절을 수정하게 할 수 있다. 다른 예들도 가능하다.
블록 306에서, 방법(300)은 제1 완충 거리를 결정하는 단계를 포함하고, 제1 완충 거리는 자율 주행차가 제1 객체에 실질적으로 도달하게 될 제1 객체의 후방의 최소 거리이다. 또한, 블록 308에서, 방법은 제2 완충 거리를 결정하는 단계를 포함하고, 제2 완충 거리는 제1 객체가 제2 객체의 속도에 실질적으로 도달하게 될 제2 객체의 후방의 최소 거리이다. 더더욱, 블록 310에서, 방법은 제1 및 제2 완충 거리들 및 자율 주행차의 속도에 기초하여 자율 주행차의 속도를 조절해야 할 거리를 결정하는 단계를 포함한다. 다른 객체들이 제1 및 제2 객체들과 더불어 자율 주행차의 환경 내에서 식별될 때 다른 완충 거리도 결정될 수 있다는 것을 이해해야 한다.
도 4a는 차량의 속도를 조절해야 할 거리와 완충 거리를 결정하기 위한 예시적인 시나리오를 도시한다. 도시된 바와 같이, +y 방향으로 주행하는 자율 주행차(400)(예를 들어, 자율 주행차의 컴퓨팅 디바이스)는 실질적으로 자율 주행차(400)의 전방에 있으며 또한 +y 방향으로 주행하는 복수의 객체(402-408)를 식별할 수 있다. 복수의 객체(402-408)는 자율 주행차(400)의 전방에서 주행하는 객체, 예를 들어 차량(402)과, 자율 주행차(400)와 차량(402) 사이에 있는 다수의 객체, 예를 들어 차량(404), 차량(406), 및 차량(408)을 포함할 수 있다. 도시된 바와 같이, 각각의 차량은 예를 들어, 차량에서 자율 주행차(400)까지의 레인지, ri, 자동차의 속도/속력, vi, 및 자동차의 가속도(또는 감속도), ai와 같은, 거리를 결정하는데 이용될 수 있는 각자의 특성을 가질 수 있다.
자율 주행차(400)는 또한 자율 주행차(400)의 속도/속력, r0 및 자율 주행차(400)의 가속도/감속도, a0과 같은, 거리를 결정하는데 이용될 수 있는 특성들을 가질 수 있다. 또한, 거리는 자율 주행차의 종방향 속도, vLONG 및 자율 주행차의 횡방향 속도, vLAT에 기초로 할 수 있다. 일부 예에서, 거리는 자율 주행차의 속도(예를 들어, 자율 주행차의 현재 속도)에 기초로 할 뿐만 아니라, 거리는 또한 특히, 자율 주행차의 움직임 방향, 사이즈, 주행 경로 위의 위치, 및 유형을 포함하는, 차량의 다른 특성들에 기초로 할 수 있다.
일부 예에서, 자율 주행차(400)는 또한 차량들(402-408) 각각에 대한 완충 거리를 결정할 수 있고, 차량들(402-408)의 행동을 예측하기 위해 각각의 완충 거리를 이용할 수 있고, 자율 주행차(400)가 그 속도를 조절해야 하는 차량들의 후방의 거리를 결정할 수 있다. 각각의 완충 거리는 주어진 차량을 바로 뒤따르는 다른 차량이 주어진 차량의 속도에 일치(또는 실질적으로 일치)할, 주어진 차량의 후방의 최소 거리를 나타낼 수 있다. 완충 거리를 결정함에 의해, 자율 주행차(400)는 그 속도를 조절할 필요가 있을 때(또는 가장 가까운 또는 가장 먼 객체로부터의 거리가 얼마인지)를 결정할 수 있다. 예를 들어, 자율 주행차(400)는 차량(404)이 완충 거리 b4에서 차량(402)의 속도와 일치할 것, 차량(406)이 완충 거리 b3에서 차량(404)의 속도와 일치할 것, 차량(408)이 완충 거리 b2에서 차량(406)의 속도와 일치할 것이라고 결정할 수 있다. 완충 거리 b1는 차량(408)이 자율 주행차(400)에 근접하여 가장 가깝게 있기 때문에 대략 0이 되며, 이에 따라 자율 주행차(400)는 차량(408)의 속도와 일치한다고 추정될 수 있음에 유의한다. 또한, 차량(402)이 속도를 늦추기 시작하면, 자율 주행차(400)는 완충 거리를 결정할 수 있고, 이에 따라 자율 주행차(400)와 차량(402) 사이의 각각의 차량에 대해, 자율 주행차(400)는 (차량(402)으로부터 소정 거리에서) 더 일찍 속도를 늦출 필요가 있을 것이라고 결정할 수 있다. 자율 주행차(400)는 그 후 차량들(404-408)이 차량(402)의 속도 변화에 반응하고 또한 속도를 늦추기 시작하기 전에 속도를 늦추기 시작할 수 있다.
완충 거리는 차량에서 주어진 차량까지의 레인지의 함수일 수 있고, 차량이 자율 주행차(400)로부터 더 멀어질 때 더 짧아질 수 있다. 예를 들어, 차량(402)의 완충 거리, b4는, 차량(402)이 자율 주행차(400)로부터 가장 멀리 떨어져 있고 이에 따라 그 차량의 향후 행동이 자율 주행차(400)에 더 가까운 차량들의 행동들과 같은 정도로 자율 주행차(400)에 영향을 미치지 않기 때문에, 다른 완충 거리보다 더 짧아질 수 있다. 일부 예에서, 완충 거리는 주어진 시상수에 자율 주행차(400)의 속도를 곱해 결정된다. 완충 거리를 결정하는 다른 예들도 가능하다.
도 4b는 차량의 속도를 조절해야 할 거리를 결정하기 위한 다른 예시적인 시나리오를 도시한다. 도시된 바와 같이, +y 방향으로 주행하고 있는 도 4a의 자율 주행차(400)와 유사한 자율 주행차(450)는 실질적으로 자율 주행차(450)의 전방에 있는 복수의 객체(452-458)를 식별할 수 있다. 자율 주행차(450)는 차량(450)으로부터 rS의 레인지에서 적색 신호등(452)(예를 들어, 제2 객체)을 식별할 수 있다. 또한, 자율 주행차(450)는 차량(454), 차량(456) 및 차량(458)을 식별할 수 있으며 - 이들 각각은 +y 방향으로 주행함 -, 각각의 속도(종방향 및 횡방향), 가속도, 자율 주행차(450)로부터의 레인지 등과 같은 각각의 차량의 특성들을 결정할 수 있다.
자율 주행차(450)가 적색 신호등(452)과, 자율 주행차(450)와 적색 신호등(452) 사이의 움직이는 차량들(454-458)을 식별할 때, 자율 주행차(450)는 그 속도를 조절해야 할 거리를 결정하도록 구성될 수 있다. 또한, 자율 주행차(450)는 차량들(454-458)이 다가오는 전방의 적색 신호등에 의해 속도를 늦추고 정지하기 시작하기 전에 그 거리를 결정할 수 있다. 다시 말하면, 자율 주행차(450)는 차량들(454-458)이 적색 신호등(452) 이전에 속도를 늦추고 정지하기 시작하며 이에 따라 차량들(454-458)이 정지하거나 감속을 시작하기 전에 그 속도를 조절할 필요가 있다는 것을 예측할 수 있다. 일부 시나리오에서, 적색 신호등(452)은 그 대신에 움직이지 않는 정지된 차량 또는 다른 객체일 수 있고, 그런 시나리오들에서(예를 들어, 0 속도에서 주행하고 있는 객체로서) 자율 주행차(450)에 의해 동일한 방식으로 식별되고 처리될 것이다.
차량들(454-458)이 존재하지 않고 객체들이 자율 주행차(450)와 적색 신호등(452)의 사이에 있지 않은 일부 예에서, 자율 주행차(450)는 거리 rS 중에 정지될 필요가 있다고 결정할 수 있다. 그러나 도 4b에 예시된 것과 같은 예들에서, 자율 주행차(450)는 차량들(454-458)이 그 전방에 있기 때문에 정지하기 위해 더 짧은 거리를 갖는다고 결정할 수 있다. 이와 같이, 자율 주행차(450)는 레인지, rS 및 완충 거리, bS에 기초하여 그 속도를 조절해야 할 거리를 결정할 수 있다.
전술한 바와 같은 완충 거리에 영향을 미치는 팩터들에 덧붙여 또는 대안으로, 완충 거리는 주어진 객체 또는 객체들의 길이, 및 0 속도에서 각각의 객체 간의 미리 정해진 최소 갭에 기초로 할 수 있다. 예를 들어, 도시된 바와 같이, 각각의 차량은 길이, y를 가질 수 있다. 객체들의 길이는 다른 예들에서 상이할 수 있다. 더욱이, 정지될 때 각각의 차량 간의 미리 결정된(예를 들어, 추정된) 최소 갭은 갭, x일 수 있다. 이와 같이, 자율 주행차(450)는 소정의 갭들에 차량들의 길이를 더함으로써 bS를 결정할 수 있다(예를 들어, bS = y + y + y + x + x = 3y + 2x). 따라서, 차량(450)이 그 속도를 조절해야 할 거리는 적색 신호등(452)까지의 레인지, rS에서 완충 거리, bS만큼 감소된 것과 동일할 수 있다(예를 들어, rS,- bS).
일반적으로, 신호등이 식별될 때, 자율 주행차(예를 들어, 차량의 컴퓨팅 디바이스)는 신호등의 현재 상태에 기초하여 그 속도를 조절해야 할 거리를 결정할 수 있다. 그러나 일부 예에서, 자율 주행차는 신호등의 상태에서 변화를 예측하도록 구성될 수 있다. 예를 들어, 자율 주행차는, 신호등이 현재 적색인 동안, 신호등이 주어진 기간 후에 녹색으로 변경될 수 있다고 결정할 수 있다. 주어진 기간에 따라서, 자율 주행차는 신호등을 녹색 신호등으로 간주하고, 자율 주행차와 신호등 사이에 있는 차량들이 그들의 속도를 증가하기 시작할 것이라고 예측할 수 있다. 자율 주행차는 그 후 그 현재 속도에 따라서, 가속도, 감속도 또는 속도를 유지할 수 있다.
한 예로서, 자율 주행차는 적색 신호등에 접근하고 있을 수 있지만, 신호등으로부터 충분히 먼 거리에 떨어져 있고 아직 속도를 늦추길 시작하지 않은, 신호등 전방에 있는 정차된 차량일 수 있다. 자율 주행차는 신호등이 짧은 기간 후에 적색에서 녹색으로 변경될 것이라고 결정할 수 있고, 이에 따라 차량들이 곧 가속을 시작할 것이라고 결정할 수 있다. 자율 주행차가 계속 신호등과 차량들로부터 먼 거리에 있을 수 있기 때문에, 자율 주행차는 차량들이, 자율 주행차가 이들에 더 근접하게 되는 시간까지 충분히 가속할 것이라고 결정하는 경우 그 현재 속도를 유지할 수 있어(또는 그 속도를 증가시킬 수 있어), 자율 주행차의 현재 속도(또는 증가된 속도)는 자율 주행차가 접근하고 있는, 자율 주행차에 가장 근접한 이전에 정차된 차량(예를 들어, 도 4b의 차량(458))의 속도와 실질적으로 일치할 수 있다. 다른 예들도 가능하다.
도 4b에 대해 설명된 예에 적용된 추론이 또한, 복수의 식별 객체가 움직이고 있는(예를 들어, 교통 제어 디바이스들이 없는) 예들, 예를 들어, 도 4a에 대해 설명된 예에 적용될 수 있다는 것을 이해해야 한다. 도 4b에 예시된 바와 같은 자율 주행차(450), 적색 신호등(452) 및 차량들(454-458) 사이의 거리/레인지들은 또한 일정한 비율이 될 수 없다는 것을 이해해야 한다. 특히, 차량(454)과 적색 신호등(452) 사이의 거리는 차량들 간의 최소 갭 거리, x보다 훨씬 더 클 수 있다.
도 3을 다시 참조하면, 블록 312에서, 방법(300)은 거리에 기초하여 자율 주행차의 속도를 조절하기 위한 명령들을 제공하는 단계를 포함한다. 다수의 동적 객체들이 자율 주행차와 제2 객체 사이에 있는 일부 예에서, 컴퓨팅 디바이스는 동적 객체들 중 하나 이상의 속도의 변화를 결정하기 전에 자율 주행차의 속도를 조절할 수 있다.
자율 주행차의 제어 시스템은 자율 주행차의 운전 환경에서 변화에 대해 미리 결정되거나 적응될 수 있는 다수의 제어 전략을 포함할 수 있으며, 운전 환경은 실질적으로 자율 주행차의 전방, 자율 주행차의 후방 및/또는 자율 주행차의 측면에 있는 객체들의 예측된 액션들을 포함한다. 일반적으로, 제어 전략은 다양한 운전 상황에서 교통 상호작용과 연관된 명령들 또는 규칙들의 세트들을 포함할 수 있다. 제어 전략은, 예를 들어, 자율 주행차의 속도, 조향각, 및 자율 주행차가 안전, 교통 법규 및 문제들(예를 들어, 교차로 및 양보 상황의 기회에서 정차한 다른 차량들, 차선 트래킹, 속도 제어, 도로 위에서 다른 차량으로부터의 거리, 다른 차량 추월, 및 가다 서다의 교통 체증, 및 맞은편 차선과 같은, 안전하지 않은 행동을 초래할 수 있는 회피 영역들 등)을 고려하면서 주행할 수 있는 차선을 결정하는 규칙들을 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스는, 블록 310에서 결정된 거리에 기초하여, 속도, 조향각 및 자율 주행차의 차선을 제어하는 액션들에 대한 규칙을 포함하는 제어 전략을 결정하도록 구성될 수 있다. 제어 전략은 또한 자율 주행차와 인접 객체들(예를 들어, 도로 경계들과 인접한 차선들에서 주행하는 차량들) 사이의 횡방향 거리에 기초로 할 수 있다. 또한, 주어진 제어 전략(다수의 전략)은 자율 주행차를 제어하는 액추에이터들(예컨대, 스로틀, 조향 기어, 브레이크, 액셀러레이터, 또는 변속 시프터(transmission shifter))을 특징짓는 프로그램 또는 컴퓨터 명령어들을 포함할 수 있다.
일부 예들에서, 자율 주행차의 제어(예를 들어, 속도, 조향 등)을 조절하기 위해 컴퓨팅 디바이스에 의해 제공된 명령들은 도로가 직선인지, 완만한 곡선인지, 급격한 곡선인지 등과 같은 도로 지오메트리(road geometry)에 기초로 할 수 있다.
도 5는 주행 도로 위에서 예시적 방법의 구현을 도시한다. 차량(500)은 고속도로와 같은 도로 위의 차선(501)에 있을 수 있다. 자율 주행차(500)을 제어하도록 구성된 컴퓨팅 디바이스는 주행 도로 위에서 실질적으로 자율 주행차(500) 전방에 있는 복수의 객체를 식별하도록 구성될 수 있다. 복수의 객체는 자율 주행차(500)와 동일 차선(501)에 있는 객체(502), 예를 들어 이동 객체(예컨대, 자동차, 트럭 등)를 포함할 수 있다. 복수의 객체는 또한 자율 주행차(500)의 차선(501)에 인접한 차선(511)에 있는 이동 객체들(504, 506, 508 및 510)을 포함할 수 있다. 일부 예들에서, 컴퓨팅 디바이스는 객체(510)의 길이 전체가 자율 주행차(500) 전방에 있을 때까지 객체(510)를 식별하도록 구성되지 않을 수 있다.
일부 예에서, 컴퓨팅 디바이스는 자율 주행차(500)의 환경 내의 다른 객체들, 예를 들어 인접 차선에서 자율 주행차(500)의 후방에 위치한 객체(512)를 식별하도록 구성될 수 있다. 다른 예들에서, 컴퓨팅 디바이스는 자율 주행차(500)로부터 임계 거리를 넘어설 수 있는 객체들, 예를 들어, 객체(514)를 무시하도록 구성될 수 있다. 컴퓨팅 디바이스는 또한 가드레일(516)과 같은 고정 객체들을 식별할 수 있다. 컴퓨팅 디바이스는 또한 예를 들어, 사이즈, 위치, 속도 등과 같은, 객체들(502-516)의 특성들을 결정하도록 구성될 수 있다.
일부 예들에서, 자율 주행차(500)는 단지 실질적으로 그 전방에 있는 객체들을 식별하도록 구성될 수 있고, 이에 따라 객체들(512 및 514)을 무시할 수 있다. 다른 예들에서, 컴퓨팅 디바이스는 객체들(512 및 514)을 식별하도록 구성될 수 있지만, 이들이 자율 주행차(500)로부터 임계 거리 내에 있을 때까지 이들을 무시할 수 있다. 이런 예에서, 컴퓨팅 디바이스는, 객체들(512 및 514)의 특성을 모니터링하여 이들의 향후 행동을 예측할 수 있지만, 객체들이 자율 주행차(500)로부터 임계 거리 내에 있을 때까지 자율 주행차(500)의 속도를 조절해야 할 거리를 결정할 때에는 그들의 특성을 아직 고려하지 않는다. 예를 들어, 자율 주행차(500)는 객체(512)가 가속하고, 자율 주행차(500)의 속도를 초과하고, 자율 주행차(500)를 추월할 것임을 예측할 수 있다. 자율 주행차(500)는 또한 객체(512)의 다른 액션들을 예측할 수 있다(예를 들어, 객체(512)는 자율 주행차를 추월하고 자율 주행차와 동일 차선으로 이동할 수 있다).
컴퓨팅 디바이스는 식별된 객체들(502-516), 이들의 특성들 및 각각의 완충 거리들에 기초하여 자율 주행차(500)의 속도를 조절해야 할 거리를 결정할 수 있다. 그러나 일부 실시예에서, 컴퓨팅 디바이스는 실질적으로 자율 주행차(500)의 전방에 있는 하나 이상의 객체 예를 들어, 객체(508)가 차선들을 변경할 수 있거나 변경 중에 있다고 결정할 수 있다. 이와 같이, 컴퓨팅 디바이스는 이를 고려하기 위해 그 거리를 수정할 수 있다(예를 들어, 완충 거리를 조절할 수 있다). 예를 들어, 객체(508)가 차선(511)에서 차선(501)으로 차선 변경하는 경우, 객체(508)는 자율 주행차(500) 부근에 더 근접할 수 있고, 이에 따라 자율 주행차(500)는 객체(508)의 속도와 일치하기 위해 그 속도를 조절할 필요가 있을 수 있다. 객체(508)가 차선을 변경하고 있는 것을 검출하기 전에, 자율 주행차(500)는 객체들이 자율 주행차(500) 및 객체(502)와 동일 차선(501)에 있다고 식별되지 않았기 때문에 더 높은 속도로 주행할 수 있으며, 객체(508)가 차선을 변경했다고 검출된 후에 자율 주행차(500)는 그 속도를 줄일 수 있다. 또한, 컴퓨팅 디바이스는 객체(508)가 차선(501)에 완전히 또는 부분적으로 진입했을 때 객체(510)가 객체(506)의 속도와 일치하기 위해 가속할 것이라고 예측할 수 있다. 컴퓨팅 디바이스는 또한 다른 결정/예측을 수행하고 이에 따라 거리를 수정하도록 구성될 수 있다.
일부 예에서, 컴퓨팅 디바이스는 거리를 결정하기 위해 식별된 객체들(502-516) 사이에서 우선 순위화하도록 구성될 수 있다. 예를 들어, 객체(508)가 자율 주행차(500) 및 객체(502)와 동일 차선(501)에 있는 경우, 객체(508)의 행동은 인접 차선(511)에 있는 객체들(504, 506 및 510)의 행동들보다 더 많이 고려될 수 있다. 이런 우선 순위화는 예를 들어, 수정된 완충 거리들의 형태를 취할 수 있다(예를 들어, 객체(510)의 완충 거리는 객체(510)가 자율 주행차(500) 부근에 더 근접한다 할지라도 객체(508)의 완충 거리보다 더 짧을 수 있다). 따라서, 컴퓨팅 디바이스는 이런 차선 변경뿐만 아니라, 자율 주행차(500)의 환경에서 임의의 다른 변경을 고려하거나 보상하기 위해 거리의 완충량을 미리 결정된 거리에 추가하거나 감산하도록 구성될 수 있다. 우선 순위화는 다른 방법들로도 구현될 수 있다.
일부 예에서, 상술한 방법은 식별된 제1 객체뿐만 아니라, 자율 주행차와 제2 객체 사이에 적어도 하나의 이동 객체가 있을 때에만 컴퓨팅 디바이스에 의해 구현될 수 있다. 자율 주행차와 제2 객체 사이에 이동 객체들이 없는 예들에서, 상술한 방법은 구현되지 않을 수 있거나, 다른 방법 또는 본 명세서에 설명되지 않은 방법들에 따라 구현될 수 있다.
일부 실시예에서, 개시된 방법들은 기계 판독 가능한 형태로 컴퓨터 판독 가능 저장 매체에, 또는 다른 비일시적 매체 또는 제조물들에 인코딩된 컴퓨터 프로그램 명령어들로서 구현될 수 있다. 도 6은 본 명세서에 제시된 적어도 일부 실시예에 따라서 배열된, 컴퓨팅 디바이스 상에서 컴퓨터 프로세스를 실행하기 위한 컴퓨터 프로그램을 포함하는 예시적인 컴퓨터 프로그램 제품(600)의 개념 부분도를 나타내는 개요도이다. 일 실시예에서, 예시적인 컴퓨터 프로그램 제품(600)은 신호를 포함한 매체(signal bearing medium)(601)를 이용하여 제공된다. 신호를 포함한 매체(601)는 하나 이상의 프로세서(예를 들어, 컴퓨팅 디바이스(111) 내의 프로세서(113))에 의해 실행될 때 도 1-5에 대해 상술한 기능 또는 기능의 일부를 제공할 수 있는 하나 이상의 명령어(602)를 포함할 수 있다. 따라서, 예를 들어, 도 3에 도시된 실시예들을 참고하면, 블록들(302-306) 중 하나 이상의 특징이 신호를 포함한 매체(601)와 연관된 하나 이상의 명령어에 의해 착수될 수 있다. 게다가, 도 6에서 프로그램 명령어들(602)은 또한 예시적인 명령어들을 기술한다.
일부 예들에서, 신호를 포함한 매체(601)는 예를 들어, 하드 디스크 드라이브, 콤팩트디스크(CD), 디지털 비디오디스크(DVD), 디지털 테이프, 메모리 등과 같으나 이에 제한되지 않는 컴퓨터 판독 가능 매체(603)를 포함할 수 있다. 일부 구현에서, 신호를 포함한 매체(601)는 예를 들어, 메모리, 판독/기입(R/W) CD, R/W DVD 등과 같으나 이에 제한되지 않는 컴퓨터 기록 가능 매체(604)를 포함할 수 있다. 일부 구현에서, 신호를 포함한 매체(601)는 디지털 및/또는 아날로그 통신 매체(예를 들어, 광섬유 케이블, 도파관, 유선 통신 링크, 무선 통신 링크 등)과 같으나 이에 제한되지 않는 통신 매체(605)를 포함할 수 있다. 따라서, 예를 들어, 신호를 포함한 매체(601)는 무선 형태의 통신 매체(605)(예컨대, IEEE 802.11 표준 또는 다른 전송 프로토콜을 따르는 무선 통신 매체)에 의해 전달될 수 있다.
하나 이상의 프로그래밍 명령어(602)는 예를 들어, 컴퓨터 실행 가능 및/또는 로직 구현 명령어들일 수 있다. 일부 예에서, 도 1 내지 5에 관하여 설명된 컴퓨팅 디바이스와 같은 컴퓨팅 디바이스는 컴퓨터 판독 가능 매체(603), 컴퓨터 기록 가능 매체(604), 및/또는 통신 매체(605) 중 하나 이상에 의해 컴퓨팅 디바이스에 전달된 프로그래밍 명령어들(602)에 응답하여 다양한 동작들, 기능들, 또는 액션들을 제공하도록 구성될 수 있다. 본 명세서에 설명된 배열들은 단지 예시적인 목적을 위한 것임을 이해하여야 한다. 따라서, 통상의 기술자들은 다른 배열들 및 다른 요소들(예컨대, 기계들, 인터페이스들, 기능들, 순서들, 및 기능들의 그룹핑 등)이 대신 사용될 수 있고, 원하는 결과들에 따라 일부 요소들은 완전히 생략될 수 있다는 것을 이해할 것이다. 또한, 설명되어 있는 요소들 중 다수는 개별 또는 분산 컴포넌트들로서 또는 다른 컴포넌트들과 함께, 임의의 적합한 조합과 위치에서 구현될 수 있는 기능 개체들이다.
본 명세서에 다양한 양태들 및 실시예들이 개시되었지만, 본 분야의 통상의 기술자에게는 다른 양태들 및 실시예들이 명백할 것이다. 본 명세서에 개시된 다양한 양태들 및 실시예들은 예시적인 목적을 위한 것이고 제한하고자 하는 것은 아니며, 진정한 범위는 다음의 청구항들과 함께, 그러한 청구항들의 자격이 주어지는 균등물들의 완전한 범위에 의해 나타난다. 또한, 본 명세서에 사용된 용어들은 단지 특정 실시예들을 기술하기 위한 것이고, 제한하고자 하는 것은 아님을 이해해야 한다.

Claims (20)

  1. 방법으로서,
    컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해, 상기 컴퓨팅 디바이스에 통신 가능하게 링크된 적어도 하나의 센서로부터 수신된 데이터에 기초하여 자율 주행차와 실질적으로 동일 차선에서 상기 자율 주행차의 전방에서 주행하는 차량을 식별하는 단계;
    상기 적어도 하나의 프로세서가 상기 데이터에 기초하여 상기 차량의 전방의 교통 제어 객체를 식별하는 단계;
    상기 적어도 하나의 프로세서가 상기 차량의 전방의 교통 제어 객체의 상태를 결정하는 단계;
    상기 적어도 하나의 프로세서가 완충 거리(buffer distance)를 결정하는 단계 - 상기 완충 거리는 상기 자율 주행차가 상기 차량의 속도에 실질적으로 도달할 것으로 예측되는 상기 차량의 후방의 최소 거리임 - ;
    상기 적어도 하나의 프로세서가 상기 완충 거리, 상기 교통 제어 객체의 상태, 및 상기 자율 주행차의 속도에 기초하여 상기 자율 주행차의 속도를 조절해야 할 거리를 결정하는 단계; 및
    상기 적어도 하나의 프로세서가 상기 거리에 기초하여 상기 자율 주행차를 제어하여 상기 자율 주행차의 속도를 조절하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 교통 제어 객체의 상태를 결정하는 단계는 상기 교통 제어 객체의 현재 상태를 결정하는 단계를 포함하고,
    상기 교통 제어 객체의 현재 상태는 상기 교통 제어 객체가 식별되는 때의 상기 교통 제어 객체의 상태이며,
    상기 교통 제어 객체의 상태에 기초하여 거리를 결정하는 단계는 상기 교통 제어 객체의 현재 상태에 기초하여 거리를 결정하는 단계를 포함하는 방법.
  3. 제1항에 있어서,
    상기 교통 제어 객체의 상태를 결정하는 단계는 (i) 상기 교통 제어 객체의 현재 상태를 결정하는 단계 - 상기 교통 제어 객체의 현재 상태는 상기 교통 제어 객체가 식별되는 때의 상기 교통 제어 객체의 상태임 - , 및 (ii) 상기 교통 제어 객체의 현재 상태에 기초하여, 상기 교통 제어 객체가 식별된 때 이후에 상기 교통 제어 객체가 미리 결정된 기간을 변경할 것으로 예측되는 상기 교통 제어 객체의 예측 상태를 결정하는 단계를 포함하고,
    상기 교통 제어 객체의 상태에 기초하여 거리를 결정하는 단계는 상기 교통 제어 객체의 예측 상태에 기초하여 거리를 결정하는 단계를 포함하는 방법.
  4. 제1항에 있어서,
    상기 차량 및 상기 교통 제어 객체는 상기 자율 주행차로부터의 종방향 거리 임계값 및 상기 자율 주행차로부터의 횡방향 거리 임계값 내에 있는 방법.
  5. 제1항에 있어서,
    상기 차량의 속도는 상기 차량의 종방향 속도 및 상기 차량의 횡방향 속도중 하나 이상을 포함하고,
    상기 자율 주행차의 속도를 조절해야 할 거리는 또한, 상기 차량의 가속도, 상기 차량의 감속도, 상기 차량이 움직이는지 정지했는지 여부, 상기 차량의 이동 방향, 상기 차량의 사이즈, 상기 차량의 중량, 주행 도로 위에서 상기 차량의 위치, 및 상기 차량의 유형 중 하나 이상에 기초하는 방법.
  6. 제1항에 있어서,
    상기 자율 주행차의 속도를 조절해야 할 거리는 또한, 자율 주행차의 가속도, 상기 자율 주행차의 감속도, 상기 자율 주행차의 이동 방향, 상기 자율 주행차의 사이즈, 주행 도로 위에서 상기 자율 주행차의 위치, 및 상기 자율 주행차의 유형 중 하나 이상에 기초하는 방법.
  7. 제1항에 있어서,
    상기 차량은 제1 차량이고, 상기 완충 거리는 제1 완충 거리이고,
    상기 방법은,
    상기 적어도 하나의 프로세서가 상기 데이터에 기초하여 상기 제1 차량 전방이고 상기 제1 차량 및 상기 교통 제어 객체 사이인 제2 차량을 식별하는 단계 - 상기 제2 차량은 상기 자율 주행차 및 상기 제1 차량과 실질적으로 동일 차선에서 주행함 - ; 및
    상기 적어도 하나의 프로세서가 제2 완충 거리를 결정하는 단계 - 상기 제2 완충 거리는 상기 제1 차량이 상기 제2 차량의 속도에 실질적으로 도달할 것으로 예측되는 상기 제2 차량의 후방의 최소 거리임 -
    를 더 포함하고,
    상기 자율 주행차의 속도를 조절해야 할 거리는 또한 상기 제2 완충 거리에 기초하는 방법.
  8. 제7항에 있어서,
    상기 제1 완충 거리 및 상기 제2 완충 거리는 또한, 상기 제1 차량 및 상기 제2 차량의 길이들과, 0의 속도에서 상기 제1 차량 및 상기 제2 차량 사이의 미리 결정된 최소 갭에 기초하는 방법.
  9. 명령어들이 저장된 비일시적 컴퓨터 판독 가능 매체로서, 상기 명령어들이 컴퓨팅 디바이스에 의해 실행될 때 상기 컴퓨팅 디바이스로 하여금,
    상기 컴퓨팅 디바이스에 통신 가능하게 링크된 적어도 하나의 센서로부터 수신된 데이터에 기초하여 자율 주행차와 실질적으로 동일 차선에서 상기 자율 주행차의 전방에서 주행하는 차량을 식별하는 동작;
    상기 데이터에 기초하여 상기 차량의 전방의 교통 제어 객체를 식별하는 동작;
    상기 차량의 전방의 교통 제어 객체의 상태를 결정하는 동작;
    완충 거리를 결정하는 동작 - 상기 완충 거리는 상기 자율 주행차가 상기 차량의 속도에 실질적으로 도달할 것으로 예측되는 상기 차량의 후방의 최소 거리임 - ;
    상기 완충 거리, 상기 교통 제어 객체의 상태, 및 상기 자율 주행차의 속도에 기초하여 상기 자율 주행차의 속도를 조절해야 할 거리를 결정하는 동작; 및
    상기 거리에 기초하여 상기 자율 주행차를 제어하여 상기 자율 주행차의 속도를 조절하는 동작
    을 포함하는 동작들을 수행하게 하는, 비일시적 컴퓨터 판독 가능 매체.
  10. 제9항에 있어서,
    상기 교통 제어 객체는 적어도 세 개의 별개 상태에서 동작하도록 구성된 신호등이고, 상기 적어도 세 개의 별개 상태는 적색 광 상태, 황색 광 상태, 및 녹색 광 상태를 포함하는, 비일시적 컴퓨터 판독 가능 매체.
  11. 제9항에 있어서,
    상기 교통 제어 객체는 정지 신호(stop sign)인, 비일시적 컴퓨터 판독 가능 매체.
  12. 제9항에 있어서,
    상기 교통 제어 객체는 원뿔형 표지판(traffic cone), 도로 표시(road surface marking), 및 도로 경계벽인, 비일시적 컴퓨터 판독 가능 매체.
  13. 제9항에 있어서,
    상기 적어도 하나의 센서는 상기 자율 주행차에 연결된 이미지 캡처 디바이스를 포함하고,
    상기 동작들은 상기 이미지 캡처 디바이스로부터 하나 이상의 이미지를 수신하는 동작을 더 포함하고,
    상기 데이터는 상기 하나 이상의 이미지를 포함하고,
    상기 데이터에 기초하여 차량을 식별하는 동작은 상기 하나 이상의 이미지에서 상기 차량을 식별하는 동작을 포함하고,
    상기 데이터에 기초하여 교통 제어 객체를 식별하는 동작은 상기 하나 이상의 이미지에서 상기 교통 제어 객체를 식별하는 동작을 포함하고,
    상기 교통 제어 객체의 상태를 결정하는 동작은 상기 하나 이상의 이미지에 적어도 부분적으로 기초하여 상기 교통 제어 객체의 상태를 결정하는 동작을 포함하는, 비일시적 컴퓨터 판독 가능 매체.
  14. 시스템으로서,
    적어도 하나의 센서;
    적어도 하나의 프로세서; 및
    명령어들이 저장된 메모리
    를 포함하고,
    상기 명령어들이 상기 적어도 하나의 프로세서에 의해 실행될 때 상기 시스템으로 하여금,
    상기 적어도 하나의 센서로부터 수신된 데이터에 기초하여 자율 주행차와 실질적으로 동일 차선에서 상기 자율 주행차의 전방에서 주행하는 차량을 식별하는 동작;
    상기 데이터에 기초하여 상기 차량의 전방의 교통 제어 객체를 식별하는 동작;
    상기 차량의 전방의 교통 제어 객체의 상태를 결정하는 동작;
    완충 거리를 결정하는 동작 - 상기 완충 거리는 상기 자율 주행차가 상기 차량의 속도에 실질적으로 도달할 것으로 예측되는 상기 차량의 후방의 최소 거리임 - ;
    상기 완충 거리, 상기 교통 제어 객체의 상태, 및 상기 자율 주행차의 속도에 기초하여 상기 자율 주행차의 속도를 조절해야 할 거리를 결정하는 동작; 및
    상기 거리에 기초하여 상기 자율 주행차를 제어하여 상기 자율 주행차의 속도를 조절하는 동작
    을 포함하는 동작들을 수행하게 하는, 시스템.
  15. 제14항에 있어서,
    상기 자율 주행차의 속도를 조절해야 할 거리를 결정하는 동작은 상기 자율 주행차에서 상기 교통 제어 객체까지의 거리를 상기 완충 거리만큼 감소시키는 동작을 포함하는, 시스템.
  16. 제14항에 있어서,
    상기 차량은 제1 차량이고, 상기 완충 거리는 제1 완충 거리이고,
    상기 동작들은,
    상기 데이터에 기초하여 상기 제1 차량 전방이고 상기 제1 차량 및 상기 교통 제어 객체 사이인 제2 차량을 식별하는 동작 - 상기 제2 차량은 상기 자율 주행차 및 상기 제1 차량과 실질적으로 동일 차선에서 주행함 - ; 및
    제2 완충 거리를 결정하는 동작 - 상기 제2 완충 거리는 상기 제1 차량이 상기 제2 차량의 속도에 실질적으로 도달할 것으로 예측되는 상기 제2 차량의 후방의 최소 거리임 -
    를 더 포함하고,
    상기 자율 주행차의 속도를 조절해야 할 거리는 또한 상기 제2 완충 거리에 기초하는, 시스템.
  17. 제14항에 있어서,
    상기 교통 제어 객체는 적어도 세 개의 별개 상태에서 동작하도록 구성된 신호등이고, 상기 적어도 세 개의 별개 상태는 적색 광 상태, 황색 광 상태, 및 녹색 광 상태를 포함하고,
    상기 자율 주행차를 제어하여 상기 자율 주행차의 속도를 조절하는 동작은 상기 교통 제어 객체의 상태의 변경을 결정하기 전에 상기 자율 주행차를 제어하여 상기 자율 주행차의 속도를 조절하는 동작을 포함하는, 시스템.
  18. 제14항에 있어서,
    상기 교통 제어 객체의 상태를 결정하는 동작은 (i) 상기 교통 제어 객체의 현재 상태를 결정하는 동작 - 상기 교통 제어 객체의 현재 상태는 상기 교통 제어 객체가 식별되는 때의 상기 교통 제어 객체의 상태임 - , 및 (ii) 상기 교통 제어 객체의 현재 상태에 기초하여, 상기 교통 제어 객체가 식별된 때 이후에 상기 교통 제어 객체가 미리 결정된 기간을 변경할 것으로 예측되는 상기 교통 제어 객체의 예측 상태를 결정하는 동작을 포함하고,
    상기 동작들은, 상기 교통 제어 객체의 현재 상태 및 상기 교통 제어 객체의 예측 상태 중 하나 또는 양자에 기초하여 상기 차량의 예측되는 속도 변화를 추정하는 동작을 더 포함하고,
    상기 거리는 또한 상기 차량의 예측되는 속도 변화에 기초하는, 시스템.
  19. 제18항에 있어서,
    상기 자율 주행차를 제어하여 상기 자율 주행차의 속도를 조절하는 동작은 상기 차량의 예측되는 속도 변화를 추정하기 전에 상기 자율 주행차를 제어하여 상기 자율 주행차의 속도를 조절하는 동작을 포함하는, 시스템.
  20. 제14항에 있어서,
    상기 적어도 하나의 센서는,
    상기 자율 주행차에 결합된 LIDAR(Light Detection And Ranging) 디바이스 - 상기 LIDAR 디바이스는 상기 LIDAR 디바이스로부터 방출되고 상기 차량 및 상기 교통 제어 객체로부터 반사된 광에 기초하는 포인트들의 세트를 포함하는 3차원(3D) 포인트 클라우드를 포함하는 LIDAR 기반 정보를 제공하도록 구성됨 - ;
    상기 자율 주행차에 결합된 카메라 - 상기 카메라는 상기 차량 및 상기 교통 제어 객체의 하나 이상의 이미지를 제공하도록 구성됨 - ; 및
    상기 자율 주행차에 결합된 RADAR(Radio Detection And Ranging) 디바이스
    를 포함하고,
    상기 RADAR 디바이스는 상기 차량의 가속도, 상기 차량의 감속도, 상기 차량이 움직이는지 정지했는지 여부, 상기 차량의 이동 방향, 상기 차량의 사이즈, 상기 차량의 중량, 주행 도로 위에서 상기 차량의 위치, 및 상기 차량의 유형 중 적어도 하나에 관한 RADAR 기반 정보를 제공하도록 구성되고,
    상기 데이터는 LIDAR 기반 정보, 상기 하나 이상의 이미지, 상기 RADAR 기반 정보를 포함하는, 시스템.
KR1020167009720A 2013-05-03 2014-04-22 차량의 속도를 제어하기 위한 예측 추론 KR102051090B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/886,563 US9254846B2 (en) 2013-05-03 2013-05-03 Predictive reasoning for controlling speed of a vehicle
US13/886,563 2013-05-03
PCT/US2014/034903 WO2014179109A1 (en) 2013-05-03 2014-04-22 Predictive reasoning for controlling speed of a vehicle

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020157031517A Division KR101614677B1 (ko) 2013-05-03 2014-04-22 차량의 속도를 제어하기 위한 예측 추론

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020197034984A Division KR20190133804A (ko) 2013-05-03 2014-04-22 차량의 속도를 제어하기 위한 예측 추론

Publications (2)

Publication Number Publication Date
KR20160049017A true KR20160049017A (ko) 2016-05-04
KR102051090B1 KR102051090B1 (ko) 2019-12-02

Family

ID=51841907

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020167009720A KR102051090B1 (ko) 2013-05-03 2014-04-22 차량의 속도를 제어하기 위한 예측 추론
KR1020197034984A KR20190133804A (ko) 2013-05-03 2014-04-22 차량의 속도를 제어하기 위한 예측 추론
KR1020157031517A KR101614677B1 (ko) 2013-05-03 2014-04-22 차량의 속도를 제어하기 위한 예측 추론

Family Applications After (2)

Application Number Title Priority Date Filing Date
KR1020197034984A KR20190133804A (ko) 2013-05-03 2014-04-22 차량의 속도를 제어하기 위한 예측 추론
KR1020157031517A KR101614677B1 (ko) 2013-05-03 2014-04-22 차량의 속도를 제어하기 위한 예측 추론

Country Status (6)

Country Link
US (3) US9254846B2 (ko)
EP (1) EP2991875A4 (ko)
JP (3) JP6192812B2 (ko)
KR (3) KR102051090B1 (ko)
CN (3) CN105358397B (ko)
WO (1) WO2014179109A1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017210023A1 (en) * 2016-06-02 2017-12-07 Delphi Technologies, Inc. Lane management system for an automated vehicle
US10126136B2 (en) 2016-06-14 2018-11-13 nuTonomy Inc. Route planning for an autonomous vehicle
US10309792B2 (en) 2016-06-14 2019-06-04 nuTonomy Inc. Route planning for an autonomous vehicle
US10331129B2 (en) 2016-10-20 2019-06-25 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
KR20190074024A (ko) * 2017-12-19 2019-06-27 현대자동차주식회사 차량의 자율 주행 제어 장치 및 방법
US10473470B2 (en) 2016-10-20 2019-11-12 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10681513B2 (en) 2016-10-20 2020-06-09 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10857994B2 (en) 2016-10-20 2020-12-08 Motional Ad Llc Identifying a stopping place for an autonomous vehicle
US11092446B2 (en) 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
KR20220047713A (ko) * 2020-10-09 2022-04-19 모셔널 에이디 엘엘씨 Lidar 시맨틱 네트워크를 사용한 지평면 추정

Families Citing this family (190)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018039134A1 (en) 2016-08-22 2018-03-01 Peloton Technology, Inc. Automated connected vehicle control system architecture
US20170242443A1 (en) 2015-11-02 2017-08-24 Peloton Technology, Inc. Gap measurement for vehicle convoying
US10520581B2 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Sensor fusion for autonomous or partially autonomous vehicle control
US11334092B2 (en) 2011-07-06 2022-05-17 Peloton Technology, Inc. Devices, systems, and methods for transmitting vehicle data
US8744666B2 (en) 2011-07-06 2014-06-03 Peloton Technology, Inc. Systems and methods for semi-autonomous vehicular convoys
US9381916B1 (en) 2012-02-06 2016-07-05 Google Inc. System and method for predicting behaviors of detected objects through environment representation
US11209286B2 (en) 2013-02-26 2021-12-28 Polaris Industies Inc. Recreational vehicle interactive telemetry, mapping and trip planning system
US20180210463A1 (en) 2013-03-15 2018-07-26 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US11294396B2 (en) 2013-03-15 2022-04-05 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US8825259B1 (en) * 2013-06-21 2014-09-02 Google Inc. Detecting lane closures and lane shifts by an autonomous vehicle
JP6105439B2 (ja) * 2013-08-22 2017-03-29 アイシン・エィ・ダブリュ株式会社 減速度設定システム、方法およびプログラム
US20150100189A1 (en) * 2013-10-07 2015-04-09 Ford Global Technologies, Llc Vehicle-to-infrastructure communication
US10422649B2 (en) * 2014-02-24 2019-09-24 Ford Global Technologies, Llc Autonomous driving sensing system and method
US9349284B2 (en) * 2014-04-24 2016-05-24 International Business Machines Corporation Regional driving trend modification using autonomous vehicles
US9558659B1 (en) 2014-08-29 2017-01-31 Google Inc. Determining the stationary state of detected vehicles
KR101610502B1 (ko) * 2014-09-02 2016-04-07 현대자동차주식회사 자율주행차량의 주행환경 인식장치 및 방법
US9881349B1 (en) * 2014-10-24 2018-01-30 Gopro, Inc. Apparatus and methods for computerized object identification
US9921307B2 (en) * 2015-01-30 2018-03-20 Toyota Motor Engineering & Manufacturing North America, Inc. Combined RADAR sensor and LIDAR sensor processing
US10678261B2 (en) 2015-02-06 2020-06-09 Aptiv Technologies Limited Method and apparatus for controlling an autonomous vehicle
WO2016126317A1 (en) 2015-02-06 2016-08-11 Delphi Technologies, Inc. Method of automatically controlling an autonomous vehicle based on electronic messages from roadside infrastructure of other vehicles
KR102623680B1 (ko) * 2015-02-10 2024-01-12 모빌아이 비젼 테크놀로지스 엘티디. 자율 주행을 위한 약도
US9555736B2 (en) 2015-04-03 2017-01-31 Magna Electronics Inc. Vehicle headlamp control using sensing and communication systems
US9555807B2 (en) * 2015-05-01 2017-01-31 Delphi Technologies, Inc. Automated vehicle parameter modification based on operator override
US9869560B2 (en) 2015-07-31 2018-01-16 International Business Machines Corporation Self-driving vehicle's response to a proximate emergency vehicle
US9785145B2 (en) 2015-08-07 2017-10-10 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US9721397B2 (en) 2015-08-11 2017-08-01 International Business Machines Corporation Automatic toll booth interaction with self-driving vehicles
US9718471B2 (en) * 2015-08-18 2017-08-01 International Business Machines Corporation Automated spatial separation of self-driving vehicles from manually operated vehicles
US9896100B2 (en) 2015-08-24 2018-02-20 International Business Machines Corporation Automated spatial separation of self-driving vehicles from other vehicles based on occupant preferences
CN105128857B (zh) * 2015-09-02 2017-11-14 郑州宇通客车股份有限公司 一种汽车自主驾驶控制方法和一种汽车自主驾驶系统
US9731726B2 (en) 2015-09-02 2017-08-15 International Business Machines Corporation Redirecting self-driving vehicles to a product provider based on physiological states of occupants of the self-driving vehicles
DE102015218196A1 (de) * 2015-09-22 2017-03-23 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeugs bei Annäherung an eine Kreuzung mit einer Lichtsignalanlage
KR102365272B1 (ko) * 2015-09-24 2022-02-21 현대모비스 주식회사 차량 자동 주행 제어 장치 및 방법
US9566986B1 (en) 2015-09-25 2017-02-14 International Business Machines Corporation Controlling driving modes of self-driving vehicles
JP6252575B2 (ja) * 2015-09-28 2017-12-27 トヨタ自動車株式会社 自動運転装置
CN106560367B (zh) * 2015-09-30 2018-11-30 上海汽车集团股份有限公司 车辆自适应巡航控制器、方法及系统
US10093181B1 (en) 2015-09-30 2018-10-09 Waymo Llc Occupant facing vehicle display
US9811786B2 (en) 2015-10-15 2017-11-07 At&T Intellectual Property I, L.P. Reservations-based intelligent roadway traffic management
US9834224B2 (en) 2015-10-15 2017-12-05 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US10557939B2 (en) 2015-10-19 2020-02-11 Luminar Technologies, Inc. Lidar system with improved signal-to-noise ratio in the presence of solar background noise
US9944291B2 (en) 2015-10-27 2018-04-17 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US9751532B2 (en) 2015-10-27 2017-09-05 International Business Machines Corporation Controlling spacing of self-driving vehicles based on social network relationships
US10080325B2 (en) 2015-10-27 2018-09-25 Cnh Industrial America Llc Predictive overlap control model
US10607293B2 (en) 2015-10-30 2020-03-31 International Business Machines Corporation Automated insurance toggling for self-driving vehicles
CN108369274B (zh) 2015-11-05 2022-09-13 路明亮有限责任公司 用于高分辨率深度映射的具有经改进扫描速度的激光雷达系统
US10176525B2 (en) 2015-11-09 2019-01-08 International Business Machines Corporation Dynamically adjusting insurance policy parameters for a self-driving vehicle
US9791861B2 (en) 2015-11-12 2017-10-17 International Business Machines Corporation Autonomously servicing self-driving vehicles
CN108603758A (zh) 2015-11-30 2018-09-28 卢米诺技术公司 具有分布式激光器和多个传感器头的激光雷达系统和激光雷达系统的脉冲激光器
US10061326B2 (en) 2015-12-09 2018-08-28 International Business Machines Corporation Mishap amelioration based on second-order sensing by a self-driving vehicle
US10126135B2 (en) 2015-12-15 2018-11-13 Nissan North America, Inc. Traffic signal timing estimation using an artificial neural network model
US9946259B2 (en) * 2015-12-18 2018-04-17 Raytheon Company Negative obstacle detector
US10108864B2 (en) * 2015-12-29 2018-10-23 Texas Instruments Incorporated Stationary-vehicle structure from motion
BR102016024930B1 (pt) 2016-01-06 2021-08-24 Cnh Industrial America Llc Sistema de controle para um veículo de reboque e método para controlar um veículo agrícola
KR102530497B1 (ko) * 2016-01-21 2023-05-09 주식회사 에이치엘클레무브 교통표지판 인식 정보를 활용한 자율 주행 장치 및 방법
US9836973B2 (en) 2016-01-27 2017-12-05 International Business Machines Corporation Selectively controlling a self-driving vehicle's access to a roadway
JP2017138694A (ja) * 2016-02-02 2017-08-10 ソニー株式会社 映像処理装置及び映像処理方法
EP3414711A1 (en) 2016-02-10 2018-12-19 Polaris Industries Inc. Recreational vehicle group management system
JP6429202B2 (ja) * 2016-02-10 2018-11-28 本田技研工業株式会社 車両、車両制御装置、車両制御方法、および車両制御プログラム
US10317522B2 (en) * 2016-03-01 2019-06-11 GM Global Technology Operations LLC Detecting long objects by sensor fusion
US10239529B2 (en) * 2016-03-01 2019-03-26 Ford Global Technologies, Llc Autonomous vehicle operation based on interactive model predictive control
US10037696B2 (en) * 2016-03-31 2018-07-31 Delphi Technologies, Inc. Cooperative automated vehicle system
KR101795250B1 (ko) * 2016-05-03 2017-11-07 현대자동차주식회사 자율주행차량의 주행경로 계획장치 및 방법
US10685391B2 (en) 2016-05-24 2020-06-16 International Business Machines Corporation Directing movement of a self-driving vehicle based on sales activity
JP7005526B2 (ja) 2016-05-31 2022-01-21 ぺロトン テクノロジー インコーポレイテッド 隊列走行コントローラの状態マシン
CN106056936B (zh) * 2016-06-17 2019-01-01 京东方科技集团股份有限公司 一种行驶车道的调整方法、装置及系统
JP6550016B2 (ja) * 2016-06-27 2019-07-24 株式会社デンソー 車両制御装置及び車両制御方法
DE102016211587A1 (de) * 2016-06-28 2017-12-28 Robert Bosch Gmbh Verfahren und Vorrichtung zum Steuern eines Fahrzeugs
US10093311B2 (en) * 2016-07-06 2018-10-09 Waymo Llc Testing predictions for autonomous vehicles
US10025318B2 (en) 2016-08-05 2018-07-17 Qualcomm Incorporated Shape detecting autonomous vehicle
US10107631B2 (en) * 2016-08-19 2018-10-23 GM Global Technology Operations LLC Methods and systems for vehicle positioning feedback
US10369998B2 (en) 2016-08-22 2019-08-06 Peloton Technology, Inc. Dynamic gap control for automated driving
DE102016215825A1 (de) * 2016-08-23 2018-03-01 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum externen Bereitstellen von Kartendaten für Assistenzsysteme von Kraftfahrzeugen
US10640111B1 (en) 2016-09-07 2020-05-05 Waymo Llc Speed planning for autonomous vehicles
US10154377B2 (en) * 2016-09-12 2018-12-11 Polaris Industries Inc. Vehicle to vehicle communications device and methods for recreational vehicles
US10093322B2 (en) 2016-09-15 2018-10-09 International Business Machines Corporation Automatically providing explanations for actions taken by a self-driving vehicle
WO2018051746A1 (ja) * 2016-09-16 2018-03-22 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 三次元データ作成方法及び三次元データ作成装置
US10643256B2 (en) 2016-09-16 2020-05-05 International Business Machines Corporation Configuring a self-driving vehicle for charitable donations pickup and delivery
WO2018055449A2 (en) * 2016-09-20 2018-03-29 Innoviz Technologies Ltd. Lidar systems and methods
FR3056532B1 (fr) * 2016-09-28 2018-11-30 Valeo Schalter Und Sensoren Gmbh Assistance a la conduite sur voie rapide a chaussees separees par un rail de securite
US10115305B2 (en) * 2016-09-30 2018-10-30 Nissan North America, Inc. Optimizing autonomous car's driving time and user experience using traffic signal information
WO2018070475A1 (ja) * 2016-10-12 2018-04-19 パイオニア株式会社 走行制御装置、走行制御方法、及びプログラム
US10202118B2 (en) 2016-10-14 2019-02-12 Waymo Llc Planning stopping locations for autonomous vehicles
EP3315998B1 (en) * 2016-10-25 2021-12-08 KNORR-BREMSE Systeme für Nutzfahrzeuge GmbH Apparatus and method for determining a speed of a vehicle
US10421460B2 (en) * 2016-11-09 2019-09-24 Baidu Usa Llc Evaluation framework for decision making of autonomous driving vehicle
US10726640B2 (en) 2016-11-15 2020-07-28 At&T Mobility Ii Llc Facilitation of smart communications hub to support driverless vehicles in 5G networks or other next generation networks
US10114374B2 (en) * 2016-11-16 2018-10-30 Baidu Usa Llc Emergency handling system for an autonomous driving vehicle (ADV)
WO2018106890A1 (en) 2016-12-07 2018-06-14 Tk Holdings Inc. 3d time of flight active reflecting sensing systems and methods
US10366286B2 (en) * 2016-12-13 2019-07-30 Google Llc Detection of traffic light signal changes
DE102016224913A1 (de) * 2016-12-14 2018-06-14 Robert Bosch Gmbh Verfahren zur selbsttätigen Einstellung der Geschwindigkeit eines Motorrads
JP6972549B2 (ja) * 2016-12-28 2021-11-24 株式会社リコー Ｈｕｄ装置、車両装置及び表示方法
US10353393B2 (en) * 2016-12-29 2019-07-16 Baidu Usa Llc Method and system for improving stability of autonomous driving vehicles
US10259452B2 (en) 2017-01-04 2019-04-16 International Business Machines Corporation Self-driving vehicle collision management system
US10363893B2 (en) 2017-01-05 2019-07-30 International Business Machines Corporation Self-driving vehicle contextual lock control system
US10529147B2 (en) 2017-01-05 2020-01-07 International Business Machines Corporation Self-driving vehicle road safety flare deploying system
EP4230964A1 (en) * 2017-01-12 2023-08-23 Mobileye Vision Technologies Ltd. Navigation based on vehicle activity
CA3090627A1 (en) * 2017-02-06 2018-08-09 Vayavision Sensing Ltd. Computer aided driving
US10152060B2 (en) 2017-03-08 2018-12-11 International Business Machines Corporation Protecting contents of a smart vault being transported by a self-driving vehicle
US10147193B2 (en) 2017-03-10 2018-12-04 TuSimple System and method for semantic segmentation using hybrid dilated convolution (HDC)
WO2018170074A1 (en) * 2017-03-14 2018-09-20 Starsky Robotics, Inc. Vehicle sensor system and method of use
US10124798B2 (en) * 2017-03-16 2018-11-13 Michael Hall Performance of autonomous control
US9810775B1 (en) 2017-03-16 2017-11-07 Luminar Technologies, Inc. Q-switched laser for LIDAR system
US9905992B1 (en) 2017-03-16 2018-02-27 Luminar Technologies, Inc. Self-Raman laser for lidar system
US9810786B1 (en) 2017-03-16 2017-11-07 Luminar Technologies, Inc. Optical parametric oscillator for lidar system
US9869754B1 (en) 2017-03-22 2018-01-16 Luminar Technologies, Inc. Scan patterns for lidar systems
US10545240B2 (en) 2017-03-28 2020-01-28 Luminar Technologies, Inc. LIDAR transmitter and detector system using pulse encoding to reduce range ambiguity
US10007001B1 (en) 2017-03-28 2018-06-26 Luminar Technologies, Inc. Active short-wave infrared four-dimensional camera
JP6940969B2 (ja) 2017-03-29 2021-09-29 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 車両制御装置、車両制御方法及びプログラム
US10643084B2 (en) 2017-04-18 2020-05-05 nuTonomy Inc. Automatically perceiving travel signals
US10552691B2 (en) * 2017-04-25 2020-02-04 TuSimple System and method for vehicle position and velocity estimation based on camera and lidar data
CN107161213B (zh) * 2017-05-22 2019-02-05 武汉理工大学 一种基于车联网的汽车安全有序行驶系统
DE102017208700A1 (de) * 2017-05-23 2018-11-29 Robert Bosch Gmbh Verfahren und Vorrichtung zur Objekterfassung und LIDAR-System
JP6509279B2 (ja) * 2017-05-31 2019-05-08 本田技研工業株式会社 物標認識システム、物標認識方法、およびプログラム
JP6580087B2 (ja) * 2017-06-02 2019-09-25 本田技研工業株式会社 走行軌道決定装置及び自動運転装置
US20180362047A1 (en) * 2017-06-19 2018-12-20 Panasonic Intellectual Property Corporation Of America Information processing device and recording medium
JP2019003605A (ja) * 2017-06-19 2019-01-10 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 情報処理装置およびプログラム
TWI643162B (zh) * 2017-06-22 2018-12-01 合盈光電科技股份有限公司 交通號誌控制系統
BR112020001042A2 (pt) * 2017-07-20 2020-07-21 Nissan Motor Co., Ltd. método de controle de deslocamento de veículo e dispositivo de controle de deslocamento de veículo
US10705105B2 (en) 2017-07-21 2020-07-07 Applied Concepts, Inc. Absolute speed detector
KR102339776B1 (ko) * 2017-08-09 2021-12-15 삼성전자주식회사 차량의 주행 제어 방법 및 장치
US10216189B1 (en) * 2017-08-23 2019-02-26 Uber Technologies, Inc. Systems and methods for prioritizing object prediction for autonomous vehicles
WO2019039105A1 (ja) * 2017-08-25 2019-02-28 日立オートモティブシステムズ株式会社 移動体の運動制御装置
US10545505B2 (en) 2017-08-28 2020-01-28 Toyota Research Institute, Inc Trajectory plan modification for an autonomous vehicle operation in a heterogeneous vehicle environment
US20190061756A1 (en) * 2017-08-30 2019-02-28 GM Global Technology Operations LLC System and method for following distance adjustment for an autonomous vehicle
US10850732B2 (en) * 2017-09-05 2020-12-01 Aptiv Technologies Limited Automated speed control system
US10532741B2 (en) * 2017-10-02 2020-01-14 Deere & Company Method of using predicted vehicle accelerations to improve roll and pitch measurement accuracy in a tracked machine
WO2019069425A1 (ja) * 2017-10-05 2019-04-11 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN111148677B (zh) * 2017-10-12 2023-03-24 日产自动车株式会社 自动驾驶车辆的控制方法及控制装置
JP6937218B2 (ja) * 2017-10-19 2021-09-22 株式会社東芝 情報処理装置、情報処理方法、およびプログラム
JP6844714B2 (ja) * 2017-10-26 2021-03-17 日産自動車株式会社 自動運転車両の制御方法および制御装置
JP6941543B2 (ja) * 2017-11-17 2021-09-29 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
US10627825B2 (en) 2017-11-22 2020-04-21 Waymo Llc Using discomfort for speed planning in autonomous vehicles
US10967861B2 (en) 2018-11-13 2021-04-06 Waymo Llc Using discomfort for speed planning in responding to tailgating vehicles for autonomous vehicles
US10501085B2 (en) 2017-12-07 2019-12-10 Waymo Llc Early object detection for unprotected turns
KR101895777B1 (ko) * 2017-12-26 2018-09-07 주식회사 이 아우토반 자율주행에 적합한 무인차량의 변속 제어 장치 및 제어 방법
JP7149707B2 (ja) 2018-01-15 2022-10-07 キヤノン株式会社 情報処理装置及びその制御方法及びプログラム、並びに、運転制御システム
WO2019152054A1 (en) * 2018-02-05 2019-08-08 Cummins Inc. System and method for tractor trailer dynamic load adjustment
GB201802475D0 (en) * 2018-02-15 2018-04-04 Jaguar Land Rover Ltd Controller and vehicle
DE102018202615A1 (de) 2018-02-21 2019-08-22 Robert Bosch Gmbh Teilnehmerstation für ein Bussystem und Verfahren zur Erhöhung der Datenrate eines Bussystems
JP7000202B2 (ja) * 2018-02-27 2022-01-19 本田技研工業株式会社 車両制御システム、車両制御方法、およびプログラム
KR102507115B1 (ko) * 2018-02-27 2023-03-07 삼성전자주식회사 차량의 주행 경로를 계획하는 방법 및 이를 위한 장치
JP6902676B2 (ja) 2018-02-28 2021-07-14 ニッサン ノース アメリカ，インク 自律走行車の意思決定のための交通ネットワークインフラストラクチャ
US10906536B2 (en) * 2018-04-11 2021-02-02 Aurora Innovation, Inc. Control of autonomous vehicle based on determined yaw parameter(s) of additional vehicle
CN108596396B (zh) * 2018-04-28 2020-10-30 中国公路工程咨询集团有限公司 一种基于养护历史修正的路面性能预测和养护方法及装置
CN109951791A (zh) * 2018-04-29 2019-06-28 中山市澳多电子科技有限公司 一种应用于tbox的拐点补传算法
CN108749815A (zh) * 2018-06-04 2018-11-06 苏州格目软件技术有限公司 一种直线三体平衡式自动驾驶方法及其系统
CA3028288C (en) 2018-06-25 2022-05-03 Beijing Didi Infinity Technology And Development Co., Ltd. A high-definition map acquisition system
US10656647B2 (en) * 2018-06-27 2020-05-19 Aptiv Technologies Limited Verification of vehicle operator awareness before transition from autonomous-mode to manual-mode
DE102018005261A1 (de) * 2018-07-02 2020-01-02 Daimler Ag Verfahren und Assistenzsystem zum Betrieb eines autonomen Fahrbetriebes und Fahrzeug
US10909866B2 (en) 2018-07-20 2021-02-02 Cybernet Systems Corp. Autonomous transportation system and methods
EP3841004A1 (en) * 2018-08-20 2021-06-30 Indian Motorcycle International, LLC Wheeled vehicle adaptive speed control method and system
US11866042B2 (en) 2018-08-20 2024-01-09 Indian Motorcycle International, LLC Wheeled vehicle adaptive speed control method and system
US10824155B2 (en) * 2018-08-22 2020-11-03 Ford Global Technologies, Llc Predicting movement intent of objects
US10768637B2 (en) * 2018-08-30 2020-09-08 Pony Ai Inc. Prioritizing vehicle navigation
JP7040399B2 (ja) * 2018-10-23 2022-03-23 トヨタ自動車株式会社 情報処理システム及び情報処理方法
KR102518600B1 (ko) * 2018-10-26 2023-04-06 현대자동차 주식회사 친환경 차량의 감속 제어 방법
US10762791B2 (en) 2018-10-29 2020-09-01 Peloton Technology, Inc. Systems and methods for managing communications between vehicles
TWI680895B (zh) * 2018-11-09 2020-01-01 財團法人資訊工業策進會 自動煞車系統與方法
DE102018221063A1 (de) * 2018-12-05 2020-06-10 Volkswagen Aktiengesellschaft Konfiguration eines Steuerungssystems für ein zumindest teilautonomes Kraftfahrzeug
US11597394B2 (en) * 2018-12-17 2023-03-07 Sri International Explaining behavior by autonomous devices
JP2022028989A (ja) 2018-12-18 2022-02-17 ソニーセミコンダクタソリューションズ株式会社 情報処理装置、および情報処理方法、並びにプログラム
GB2589247B (en) * 2019-01-29 2023-07-05 Motional Ad Llc Traffic light estimation
FR3092547B1 (fr) * 2019-02-12 2021-09-10 Psa Automobiles Sa Conduite autonome fondé sur une distance et une vitesse d’objets cibles distincts
CN113661107B (zh) * 2019-03-28 2022-05-31 日产自动车株式会社 行为预测方法、行为预测装置以及车辆控制装置
US11433883B2 (en) 2019-03-31 2022-09-06 Gm Cruise Holdings Llc Autonomous vehicle maneuvering based upon risk associated with occluded regions
US10962371B2 (en) * 2019-04-02 2021-03-30 GM Global Technology Operations LLC Method and apparatus of parallel tracking and localization via multi-mode slam fusion process
CN111275661B (zh) * 2019-04-09 2020-11-17 杨丽 数据自动化修正方法
US11427196B2 (en) 2019-04-15 2022-08-30 Peloton Technology, Inc. Systems and methods for managing tractor-trailers
US11001200B2 (en) * 2019-05-30 2021-05-11 Nissan North America, Inc. Vehicle occupant warning system
US11170238B2 (en) * 2019-06-26 2021-11-09 Woven Planet North America, Inc. Approaches for determining traffic light state
JP7166988B2 (ja) * 2019-06-26 2022-11-08 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
KR102645062B1 (ko) * 2019-06-27 2024-03-11 현대자동차주식회사 차량의 변속 제어 장치 및 방법
JP7167866B2 (ja) * 2019-06-28 2022-11-09 トヨタ自動車株式会社 運転支援または自動運転が可能な車両
CN111857158A (zh) * 2019-07-08 2020-10-30 徐熊键 大数据的无人驾驶车辆控制方法
CN111144211B (zh) * 2019-08-28 2023-09-12 华为技术有限公司 点云显示方法和装置
KR102628027B1 (ko) * 2019-09-10 2024-01-24 주식회사 에이치엘클레무브 객체 인식 장치 및 그 방법
US11834045B2 (en) * 2019-10-08 2023-12-05 Motional Ad Llc Navigating multi-way stop intersections with an autonomous vehicle
US11873000B2 (en) 2020-02-18 2024-01-16 Toyota Motor North America, Inc. Gesture detection for transport control
US11055998B1 (en) 2020-02-27 2021-07-06 Toyota Motor North America, Inc. Minimizing traffic signal delays with transports
JP2021146905A (ja) * 2020-03-19 2021-09-27 本田技研工業株式会社 制御装置、制御方法およびプログラム
US11290856B2 (en) 2020-03-31 2022-03-29 Toyota Motor North America, Inc. Establishing connections in transports
GB2594079A (en) * 2020-04-16 2021-10-20 Daimler Ag A method for tracking at least one object in the surroundings of an autonomous motor vehicle with a Frenet frame, as well as an assistance system
US11847919B2 (en) 2020-05-19 2023-12-19 Toyota Motor North America, Inc. Control of transport en route
US20230339496A1 (en) * 2020-06-29 2023-10-26 Sony Semiconductor Solutions Corporation Control device, control method, storage medium, and control system
US11402510B2 (en) 2020-07-21 2022-08-02 Leddartech Inc. Systems and methods for wide-angle LiDAR using non-uniform magnification optics
CA3194223A1 (en) 2020-07-21 2021-10-06 Leddartech Inc. Beam-steering device particularly for lidar systems
CA3125623C (en) 2020-07-21 2023-06-27 Leddartech Inc. Beam-steering device particularly for lidar systems
IL300789A (en) * 2020-08-21 2023-04-01 Koito Mfg Co Ltd Vehicle sensing system and distance measuring camera
US11729016B2 (en) * 2020-11-23 2023-08-15 Institute For Information Industry Vehicle data analysis device and vehicle data analysis method
US20230068703A1 (en) * 2021-08-24 2023-03-02 Waymo Llc Planning system for autonomously navigating around lane-sharing road agents
DE102022115620A1 (de) * 2022-06-23 2023-12-28 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Assistenzsystem zur Relevanzbewertung von Umgebungsobjekten eines Kraftfahrzeugs
FR3137982A1 (fr) * 2022-07-13 2024-01-19 Psa Automobiles Sa Procédé et dispositif de gestion d’un arrêt d’un véhicule autonome circulant sur une voie de circulation.

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005231490A (ja) * 2004-02-19 2005-09-02 Honda Motor Co Ltd 追従走行制御装置
JP2009149167A (ja) * 2007-12-19 2009-07-09 Fuji Heavy Ind Ltd 車両の走行制御装置。
US20100256835A1 (en) * 2009-04-06 2010-10-07 Gm Global Technology Operations, Inc. Fail-safe speed profiles for cooperative autonomous vehicles
JP2011219056A (ja) * 2010-04-14 2011-11-04 Toyota Motor Corp 走行制御装置
KR20130003521A (ko) * 2011-06-30 2013-01-09 재단법인 경북아이티융합 산업기술원 센서를 이용한 운전 안내 시스템

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05217099A (ja) * 1992-02-05 1993-08-27 Toyota Motor Corp 車両用走行制御装置
JPH06230131A (ja) * 1993-01-29 1994-08-19 Omron Corp 定車間距離追従走行装置
DE4313568C1 (de) * 1993-04-26 1994-06-16 Daimler Benz Ag Verfahren zur Leithilfe für einen Fahrspurwechsel durch ein Kraftfahrzeug
US5983161A (en) 1993-08-11 1999-11-09 Lemelson; Jerome H. GPS vehicle collision avoidance warning and control system and method
JPH08132931A (ja) * 1994-11-14 1996-05-28 Toyota Motor Corp 車両用走行制御装置
US7085637B2 (en) 1997-10-22 2006-08-01 Intelligent Technologies International, Inc. Method and system for controlling a vehicle
JP3732292B2 (ja) * 1996-11-27 2006-01-05 本田技研工業株式会社 車群走行制御システム
US6292725B1 (en) 1997-04-04 2001-09-18 Komatsu Ltd. Interference preventing device for vehicle
JPH10338053A (ja) * 1997-06-06 1998-12-22 Honda Motor Co Ltd 車両用走行制御装置
SE517480C2 (sv) 1997-08-11 2002-06-11 Volvo Car Corp Sätt och system för reglering av ett fordons hastighet
JP3473356B2 (ja) * 1997-10-31 2003-12-02 トヨタ自動車株式会社 自動運転車両の走行制御装置
JP4023059B2 (ja) * 2000-01-17 2007-12-19 株式会社デンソー 車両用走行制御装置
JP3767353B2 (ja) * 2000-09-19 2006-04-19 日産自動車株式会社 車両用追従走行制御装置
JP2002154347A (ja) * 2000-11-20 2002-05-28 Honda Motor Co Ltd 車両の走行安全装置
JP4252722B2 (ja) * 2000-12-01 2009-04-08 本田技研工業株式会社 オートクルーズ装置
JP4432270B2 (ja) * 2001-03-22 2010-03-17 日産自動車株式会社 車間距離制御装置
JP3630124B2 (ja) * 2001-07-26 2005-03-16 日産自動車株式会社 先行車両追従制御装置
JP3736400B2 (ja) * 2001-08-31 2006-01-18 株式会社デンソー 車両用走行制御装置
DE10251037A1 (de) * 2002-11-02 2004-05-19 Robert Bosch Gmbh Vorrichtung zur adaptiven Abstands- und Geschwindigkeitsregelung mit Rückbegrenzung
DE10354073A1 (de) * 2003-11-19 2005-06-09 Daimlerchrysler Ag Verfahren zur Längsbewegungssteuerung eines Kraftfahrzeugs
JP4134894B2 (ja) * 2003-12-09 2008-08-20 株式会社デンソー 車両運転支援装置
JP2005199930A (ja) * 2004-01-16 2005-07-28 Denso Corp 車両走行制御装置
JP4872188B2 (ja) * 2004-05-26 2012-02-08 日産自動車株式会社 運転支援装置
JP2005352636A (ja) * 2004-06-09 2005-12-22 Alpine Electronics Inc 車載の警報発生装置
JP2006205860A (ja) * 2005-01-27 2006-08-10 Advics:Kk 車両用走行支援装置
DE102005050277A1 (de) * 2005-10-20 2007-04-26 Robert Bosch Gmbh Abstands- und Geschwindigkeitsregler mit Stauerkennung
JP4844103B2 (ja) * 2005-11-30 2011-12-28 日産自動車株式会社 潜在的リスク度警報装置および潜在的リスク度警報方法
SE0502820L (sv) * 2005-12-13 2006-12-19 Scania Cv Abp Adaptivt farthållarsystem
US8046146B2 (en) * 2006-02-03 2011-10-25 Kelsey-Hayes Company Adaptive ABS control
JP2008049917A (ja) * 2006-08-25 2008-03-06 Toyota Motor Corp 自動停止制御装置
JP4371137B2 (ja) * 2006-11-10 2009-11-25 トヨタ自動車株式会社 自動運転制御装置
DE102007036787A1 (de) * 2007-08-03 2009-02-05 Robert Bosch Gmbh Abstandsregler mit automatischer Anhaltefunktion
JP2009070254A (ja) * 2007-09-14 2009-04-02 Nissan Motor Co Ltd 車両用リスク推定装置
JP4715826B2 (ja) * 2007-09-28 2011-07-06 住友電気工業株式会社 車両運転支援システム、運転支援装置、車両及び車両運転支援方法
JP2009163434A (ja) * 2007-12-28 2009-07-23 Toyota Motor Corp 緊急退避システム、緊急退避方法
JP4538762B2 (ja) * 2008-05-20 2010-09-08 トヨタ自動車株式会社 車間距離制御装置
CN102027519B (zh) * 2008-07-10 2013-12-18 三菱电机株式会社 队列行驶辅助装置
US8311720B2 (en) * 2009-01-09 2012-11-13 Robert Bosch Gmbh Lost target function for adaptive cruise control
EP2390857B1 (en) * 2009-01-20 2013-07-03 Toyota Jidosha Kabushiki Kaisha Row-running control system and vehicle
JP5172764B2 (ja) * 2009-03-30 2013-03-27 本田技研工業株式会社 路面摩擦係数推定装置
US8395529B2 (en) 2009-04-02 2013-03-12 GM Global Technology Operations LLC Traffic infrastructure indicator on head-up display
US8744661B2 (en) * 2009-10-21 2014-06-03 Berthold K. P. Horn Method and apparatus for reducing motor vehicle traffic flow instabilities and increasing vehicle throughput
JP5273013B2 (ja) * 2009-10-27 2013-08-28 トヨタ自動車株式会社 運転支援装置
JP2011121417A (ja) * 2009-12-08 2011-06-23 Hiroshima City Univ 走行制御システム、制御プログラム、記録媒体
JP2011192177A (ja) * 2010-03-16 2011-09-29 Toyota Motor Corp 前方状況予測装置
JP2012066758A (ja) * 2010-09-27 2012-04-05 Fuji Heavy Ind Ltd 車両の走行制御装置
US8509982B2 (en) * 2010-10-05 2013-08-13 Google Inc. Zone driving
JP5427203B2 (ja) * 2011-03-30 2014-02-26 富士重工業株式会社 車両用運転支援装置
JP6193222B2 (ja) * 2011-06-17 2017-09-06 ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング 車道上で車両を誘導する際に運転者を支援する機能を実現させるためのプログラム、およびそれを実行するための装置
KR20130005107A (ko) * 2011-07-05 2013-01-15 현대자동차주식회사 차간거리 자동 가변 시스템 및 그 방법
DE102011082126B4 (de) * 2011-09-05 2020-07-23 Robert Bosch Gmbh Sicherheitseinrichtung für kraftfahrzeuge
US9180890B2 (en) * 2012-02-27 2015-11-10 Ford Global Technologies Smart adaptive cruise control
DE102012210608A1 (de) * 2012-06-22 2013-12-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erzeugen eines Steuerparameters für ein Abstandsassistenzsystem eines Fahrzeugs
US20140005907A1 (en) * 2012-06-29 2014-01-02 Magna Electronics Inc. Vision-based adaptive cruise control system
DE102012219449B4 (de) * 2012-10-24 2019-01-24 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Geschwindigkeits- und/oder Abstandsregelung bei Kraftfahrzeugen

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005231490A (ja) * 2004-02-19 2005-09-02 Honda Motor Co Ltd 追従走行制御装置
JP2009149167A (ja) * 2007-12-19 2009-07-09 Fuji Heavy Ind Ltd 車両の走行制御装置。
US20100256835A1 (en) * 2009-04-06 2010-10-07 Gm Global Technology Operations, Inc. Fail-safe speed profiles for cooperative autonomous vehicles
JP2011219056A (ja) * 2010-04-14 2011-11-04 Toyota Motor Corp 走行制御装置
KR20130003521A (ko) * 2011-06-30 2013-01-09 재단법인 경북아이티융합 산업기술원 센서를 이용한 운전 안내 시스템

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017210023A1 (en) * 2016-06-02 2017-12-07 Delphi Technologies, Inc. Lane management system for an automated vehicle
US11022449B2 (en) 2016-06-14 2021-06-01 Motional Ad Llc Route planning for an autonomous vehicle
US10126136B2 (en) 2016-06-14 2018-11-13 nuTonomy Inc. Route planning for an autonomous vehicle
US10309792B2 (en) 2016-06-14 2019-06-04 nuTonomy Inc. Route planning for an autonomous vehicle
US11092446B2 (en) 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
US11022450B2 (en) 2016-06-14 2021-06-01 Motional Ad Llc Route planning for an autonomous vehicle
US10331129B2 (en) 2016-10-20 2019-06-25 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10857994B2 (en) 2016-10-20 2020-12-08 Motional Ad Llc Identifying a stopping place for an autonomous vehicle
US10681513B2 (en) 2016-10-20 2020-06-09 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10473470B2 (en) 2016-10-20 2019-11-12 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US11711681B2 (en) 2016-10-20 2023-07-25 Motional Ad Llc Identifying a stopping place for an autonomous vehicle
KR20190074024A (ko) * 2017-12-19 2019-06-27 현대자동차주식회사 차량의 자율 주행 제어 장치 및 방법
KR20220047713A (ko) * 2020-10-09 2022-04-19 모셔널 에이디 엘엘씨 Lidar 시맨틱 네트워크를 사용한 지평면 추정

Also Published As

Publication number Publication date
KR101614677B1 (ko) 2016-04-21
KR20190133804A (ko) 2019-12-03
US20160272207A1 (en) 2016-09-22
WO2014179109A1 (en) 2014-11-06
US20160214607A1 (en) 2016-07-28
JP6192812B2 (ja) 2017-09-06
CN107097787B (zh) 2019-05-28
US20140330479A1 (en) 2014-11-06
KR102051090B1 (ko) 2019-12-02
CN107097787A (zh) 2017-08-29
CN105358397B (zh) 2016-12-14
CN106828492B (zh) 2019-04-02
JP2017214065A (ja) 2017-12-07
US9254846B2 (en) 2016-02-09
US9381917B1 (en) 2016-07-05
CN106828492A (zh) 2017-06-13
EP2991875A4 (en) 2017-06-14
JP2016523751A (ja) 2016-08-12
KR20150127745A (ko) 2015-11-17
US9561797B2 (en) 2017-02-07
JP2017202828A (ja) 2017-11-16
JP6736527B2 (ja) 2020-08-05
CN105358397A (zh) 2016-02-24
EP2991875A1 (en) 2016-03-09
JP6411595B2 (ja) 2018-10-24

Similar Documents

Publication Publication Date Title
KR101614677B1 (ko) 차량의 속도를 제어하기 위한 예측 추론
US9821807B2 (en) Methods and systems for determining instructions for pulling over an autonomous vehicle
US9090259B2 (en) Controlling vehicle lateral lane positioning
EP2958783B1 (en) A method to detect nearby aggressive drivers and adjust driving modes
US9261879B2 (en) Use of uncertainty regarding observations of traffic intersections to modify behavior of a vehicle
JP2018014124A (ja) 交通信号とそれらに関連した状態を検出するためのロバスト法

Legal Events

Date Code Title Description
A107 Divisional application of patent
N231 Notification of change of applicant
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant