KR20200037737A - 자율 주행 차량을 위한 보행자 확률 예측 시스템 - Google Patents

자율 주행 차량을 위한 보행자 확률 예측 시스템 Download PDF

Info

Publication number
KR20200037737A
KR20200037737A KR1020197024532A KR20197024532A KR20200037737A KR 20200037737 A KR20200037737 A KR 20200037737A KR 1020197024532 A KR1020197024532 A KR 1020197024532A KR 20197024532 A KR20197024532 A KR 20197024532A KR 20200037737 A KR20200037737 A KR 20200037737A
Authority
KR
South Korea
Prior art keywords
probability
ellipse
time point
autonomous vehicle
moving obstacle
Prior art date
Application number
KR1020197024532A
Other languages
English (en)
Other versions
KR102223346B1 (ko
Inventor
판 추
린 마
Original Assignee
바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드
바이두 유에스에이 엘엘씨
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 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드, 바이두 유에스에이 엘엘씨 filed Critical 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드
Publication of KR20200037737A publication Critical patent/KR20200037737A/ko
Application granted granted Critical
Publication of KR102223346B1 publication Critical patent/KR102223346B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise 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
    • 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
    • B60W40/02—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 ambient conditions
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • 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
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06K9/00791—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R2021/003—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks characterised by occupant or pedestian
    • B60R2021/0032—Position of passenger
    • B60R2021/0037—Position of passenger standing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4044—Direction of movement, e.g. backwards
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4045—Intention, e.g. lane change or imminent movement
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

일부의 실시예에 의하면, 시스템은 ADV의 이미지 포착 장치로부터 ADV의 환경을 감지한 포착된 이미지를 수신한다. 시스템은 포착된 이미지를 기반으로, ADV 근처의 이동하는 장애물을 인식한다. 시스템은 다수의 시점 중의 각 시점에서의 이동하는 장애물의 위치를 예측한다. 시스템은 각 시점의 예측된 위치를 기반으로, 각 시점에서 이동하는 장애물이 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 확률 타원을 생성한다.

Description

자율 주행 차량을 위한 보행자 확률 예측 시스템
본 개시의 실시예는 일반적으로 자율 주행 차량에 대한 조작에 관한 것이다. 보다 구체적으로, 본 개시의 실시예는 자율 주행 차량(ADV)을 위한 보행자 확률 예측 시스템에 관한 것이다.
자율 주행 모드로 운행(예컨대, 무인 주행)하는 차량은 승객, 특히는 운전자를 운전 관련의 직책으로부터 해방시킬 수 있다. 자율 주행 모드로 운행할 경우, 차량은 차량용 센서를 이용하여 각 위치로 인도함으로써, 차량이 인간-컴퓨터 상호 작용이 최대한으로 적은 경우 또는 아무런 승객도 없는 일부의 경우에서 주행하는 것을 허용한다.
자율 주행 모드로 운행할 경우, 도시 도로 상의 자율 주행 차량에 이용되는 상호 작용 전략은 저속 정경에서 주행하는 차량에 적합하지 않을 가능성이 존재한다. 저속 정경의 지점으로, 주차장, 차도, 및 대학교, 학원 및 시설 건축물과 같은 교정 토지를 포함할 수 있다. 교정 도로 상에서 자율 주행 차량과 보행자의 상호 작용은 도시 도로 상에서보다 많은 것으로 예측된다. 그러나, 보행자의 운동에 대한 예측은 항상 정확한 것이 아니다.
제1 양태에 있어서, 본 개시는 자율 주행 차량(ADV)을 위한 컴퓨터 구현 방법을 제공하며, 해당 방법은, ADV의 이미지 포착 장치로부터, ADV의 환경을 감지한 포착된 이미지를 수신하는 단계와, 포착된 이미지를 기반으로, ADV 근처의 이동하는 장애물을 인식하는 단계와, 다수의 시점 중의 각 시점에서의 이동하는 장애물의 위치를 예측하는 단계와, 각 시점의 예측된 위치를 기반으로, 각 시점에서 이동하는 장애물이 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 확률 타원을 생성하는 단계를 포함한다.
제2 양태에 있어서, 명령이 저장된 비 일시적 기계 판독 가능한 매체를 제공하며, 해당 명령이 프로세서에 의해 실행될 경우 프로세서가 조작을 실행하도록 하며, 해당 조작은, ADV의 이미지 포착 장치로부터, ADV의 환경을 감지한 포착된 이미지를 수신하는 단계와, 포착된 이미지를 기반으로, ADV 근처의 이동하는 장애물을 인식하는 단계와, 다수의 시점 중의 각 시점에서의 이동하는 장애물의 위치를 예측하는 단계와, 각 시점의 예측된 위치를 기반으로, 각 시점에서 이동하는 장애물이 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 확률 타원을 생성하는 단계를 포함한다.
제3 양태에 있어서, 데이터 처리 시스템을 제공하며, 해당 데이터 처리 시스템은 프로세서 및 메모리 장치를 포함하되, 메모리 장치는 프로세서에 결합되어 명령을 저장하며, 해당 명령이 프로세서에 의해 실행될 경우 프로세서가 조작을 실행하도록 하며, 해당 조작은, ADV의 이미지 포착 장치로부터, ADV의 환경을 감지한 포착된 이미지를 수신하는 단계와, 포착된 이미지를 기반으로, ADV 근처의 이동하는 장애물을 인식하는 단계와, 다수의 시점 중의 각 시점에서의 이동하는 장애물의 위치를 예측하는 단계와, 각 시점의 예측된 위치를 기반으로, 각 시점에서 이동하는 장애물이 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 확률 타원을 생성하는 단계를 포함한다.
본 개시의 실시예는 첨부된 도면들 중의 각 도면에서 예시적이나 비 한정적인 방식으로 도시되며, 첨부된 도면들 중의 동일한 참조 부호는 유사한 구성 요소를 지시한다.
도1은 일 실시예에 따른 네트워크 시스템을 나타내는 블록도이다.
도2는 일 실시예에 따른 자율 주행 차량에 이용되는 센서 및 제어 시스템의 예시를 나타내는 블록도이다.
도3a 내지 도3b는 일부의 실시예에 따른 자율 주행 차량에 이용되는 감지 및 계획 시스템의 예시를 나타내는 블록도이다.
도4는 일 실시예에 따른 타원 예측 모듈의 예시를 나타내는 블록도이다.
도5는 일 실시예에 따른 일정한 시간 내에서의 포인트 별 예측(a point-by-point prediction)의 예시를 나타내는 도표이다.
도6은 일 실시예에 따른 일정한 시간 내에서의 확률 타원 별 예측(a probabilistic ellipse-by-ellipse prediction)의 예시를 나타내는 도표이다.
도7은 일 실시예에 따른 시점에 대한 타원의 예시를 나타낸다.
도8은 일 실시예에 따른 방법을 나타내는 흐름도이다.
도9는 일 실시예에 따른 데이터 처리 시스템을 나타내는 블록도이다.
아래에 논술하는 세부 사항들을 참조로 본 개시의 각종의 실시예 및 양태에 대한 설명을 진행하기로 하며, 첨부된 도면에서 상기 각종의 실시예들을 나타내기로 한다. 아래의 설명 및 첨부된 도면은 본 개시에 대한 설명일 뿐, 본 개시에 대한 한정으로 해석하여서는 아니된다. 본 개시의 각종의 실시예들에 대한 전면적인 이해를 제공하기 위하여 여러가지 특정된 세부 사항에 대한 설명을 진행하기로 한다. 그러나, 일부의 경우에 있어서, 본 개시의 실시예에 대한 간결한 논술을 위하여, 공지의 세부 사항 또는 전통적인 세부 사항에 대한 설명은 생략하기로 한다.
본 명세서에서 "일 실시예" 또는 "실시예"에 대한 언급은 해당 실시예를 결부하여 설명한 특정의 특징, 구조, 특성이 본 개시의 적어도 하나의 실시예에 포함될 수 있음을 의미한다. 문구 "일 실시예에 있어서"가 본 명세서의 여러 곳에서 나타나는 것은 반드시 모두 동일한 실시예를 표시하는 것이 아니다.
본 개시의 실시예는 기정의 시간 구간 내에서의 보행자의 가능한 위치를 예측하는 예측 시스템을 개시한다. 일 양태에 있어서, 시스템은 ADV의 이미지 포착 장치로부터, ADV의 환경을 감지한 포착된 이미지를 수신한다. 시스템은 포착된 이미지를 기반으로, ADV 근처의 이동하는 장애물을 인식한다. 시스템은 다수의 시점 중의 각 시점에서의 이동하는 장애물의 위치를 예측한다. 시스템은 각 시점의 예측된 위치를 기반으로, 각 시점에서 이동하는 장애물이 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 확률 타원을 생성한다. 확률 타원의 타원 형상 내의 상이한 위치는, 보행자 이동의 상이한 확률에 관련될 수 있으며, 이는 나아가 경로 및/또는 궤적 계획에 대한 비용 및 차량을 인도하기 위한 최적의 경로 및/또는 궤적에 대한 선택에 영향을 미칠 가능성이 존재한다.
일 실시예에 있어서, 시스템은 나아가 각 시점에 대한 확률 타원을 기반으로, 궤적에 따라 ADV를 제어하도록 ADV의 궤적을 계획한다. 다른 일 실시예에 있어서, 생성된 확률 타원의 종(주요)축은 시간(예컨대, 1.0+0.2t의 선형 방정식)을 기반으로 확정되되, t는 초 단위의 시점이다. 다른 일 실시예에 있어서, 생성된 확률 타원의 횡(차요)축은 시간(예컨대, 0.5+0.2t의 선형 방정식)을 기반으로 확정되되, t는 초 단위의 시점이다.
일 실시예에 있어서, 확률 표지의 확률은 타원의 초점에서 이동하는 장애물까지의 거리를 기반으로 확정된다. 일 실시예에 있어서, 확률 타원은 이동하는 장애물의 이동 방향과 동일한 방향에서의 종축이다. 일 실시예에 있어서, 이동하는 장애물은 보행자이다.
도1은 본 개시의 일 실시예에 따른 자율 주행 차량의 네트워크 구성을 나타내는 블록도이다. 도1을 참조하면, 네트워크 구성(100)은 네트워크(102)를 통해 하나 또는 다수의 서버(103 내지 104)에 통신 가능하게 연결될 수 있는 자율 주행 차량(101)을 포함한다. 비록 하나의 자율 주행 차량이 도시되었으나, 다수의 자율 주행 차량이 네트워크(102)를 통해 서로 연결되거나 및/또는 서버(103 내지 104)에 연결될 수 있다. 네트워크(102)는 임의의 유형의 네트워크일 수 있으며, 예컨대, 유선 또는 무선의 근거리 통신망(LAN), 인터넷과 같은 광역 네트워크(WAN), 셀룰러 네트워크, 위성 네트워크 또는 이들의 조합일 수 있다. 서버(103 내지 104)는 임의의 유형의 서버 또는 서버 클러스터일 수 있으며, 예컨대, 웹 또는 클라우드 서버, 애플리케이션 서버, 백엔드 서버 또는 이들의 조합일 수 있다. 서버(103 내지 104)는 데이터 분석 서버, 콘텐츠 서버, 교통 정보 서버, 지도 및 관심 지점(MPOI) 서버 또는 위치 서버 등일 수 있다.
자율 주행 차량은 운전자로부터의 입력이 아주 적거나 없이 환경을 통과하도록 차량을 인도하는 자율 주행 모드에 처하도록 설정될 수 있는 차량을 가리킨다. 이러한 자율 주행 차량은 차량이 운행하는 환경에 관한 정보를 검출하도록 구성된 하나 또는 다수의 센서를 구비하는 센서 시스템을 포함할 수 있다. 상기 차량 및 이에 관련된 제어 장치는 검출된 정보를 이용하여 상기 환경을 통과하도록 인도한다. 자율 주행 차량(101)은 수동 모드, 완전 자율 주행 모드 또는 부분 자율 주행 모드에서 운행될 수 있다.
일 실시예에 있어서, 자율 주행 차량(101)은 감지 및 계획 시스템(110), 차량 제어 시스템(111), 무선 통신 시스템(112), 사용자 인터페이스 시스템(113) 및 센서 시스템(115)을 포함하나, 이에 한정되지 않는다. 자율 주행 차량(101)은 일반 차량에 포함된 일부의 상용 부재, 예컨대, 엔진, 휠, 조향 휠, 변속기 등을 더 포함할 수 있으며, 상기 부재는 차량 제어 시스템(111) 및/또는 감지 및 계획 시스템(110)을 통해 예컨대 가속 신호 또는 명령, 감속 신호 또는 명령, 조향 신호 또는 명령, 제동 신호 또는 명령 등과 같은 각종의 통신 신호 및/또는 명령을 이용하여 제어를 진행할 수 있다.
부재(110 내지 115)는 인터커넥트, 버스, 네트워크 또는 이들의 조합을 경유하여 서로 통신 가능하게 연결된다. 예를 들어, 부재(110 내지 115)는 계측 제어기 통신망(CAN) 버스를 경유하여 서로 통신 가능하게 연결된다. CAN 버스는 마이크로 제어 장치 및 장치가 호스트가 없는 애플리케이션에서 서로 통신을 진행하는 것을 허용하도록 설계된 차량 통신 표준이다. 이는 원래에 차량 내부의 멀티플렉스 전기 배선을 위해 설계되었지만 많은 기타의 환경에서도 이용되는 메시지 기반의 프로토콜로이다.
현재 도2를 참조하면, 일 실시예에 있어서, 센서 시스템(115)은 하나 또는 다수의 카메라(211), 글로벌 위치 확인 시스템(GPS) 유닛(212), 관성 측정 유닛(IMU; 213), 레이다 유닛(214) 및 라이다(LIDAR) 유닛(215)을 포함하나, 이에 한정되지 않는다. GPS 시스템(212)은 자율 주행 차량의 위치에 관한 정보를 제공하도록 조작 가능한 송수신 장치를 포함할 수 있다. IMU 유닛(213)은 관성 가속도를 기반으로 자율 주행 차량의 위치 및 지향 변화를 감지할 수 있다. 레이다 유닛(214)은 무선 신호를 이용하여 자율 주행 차량의 지역 환경 내의 대상물을 감지하는 시스템을 표시한다. 일부의 실시예에 있어서, 대상물을 감지하는 것 이외에, 레이다 유닛(214)은 추가적으로 대상물의 속도 및/또는 전진 방향을 감지한다. LIDAR 유닛(215)은 레이저를 이용하여 자율 주행 차량이 위치하는 환경 중의 대상물을 감지할 수 있다. 기타의 시스템 부재 이외에, LIDAR 유닛(215)은 하나 또는 다수의 레이저 소스, 레이저 스캐너 및 하나 또는 다수의 탐지기를 더 포함할 수 있다. 카메라(211)는 자율 주행 차량의 주변 환경의 이미지를 포획하기 위한 하나 또는 다수의 장치를 포함할 수 있다. 카메라(211)는 고정 카메라 및/또는 PTZ(팬-틸트-줌) 카메라일 수 있다. 카메라는 기계적으로 이동할 수 있으며, 예컨대, 카메라를 회전 및/또는 틸팅 플랫폼에 설치함으로써 기계적으로 이동할 수 있다.
센서 시스템(115)은 소나 센서, 적외선 센서, 조향 센서, 스로틀 센서, 제동 센서 및 오디오 센서(예컨대, 마이크로폰)과 같은 기타의 센서를 더 포함할 수 있다. 오디오 센서는 자율 주행 차량 주변의 환경으로부터 소리를 포획하도록 구성될 수 있다. 조향 센서(예컨대, 전동 조향 시스템(EPS))는 조향 휠, 차량의 휠 또는 이들의 조합의 조향 각도를 감지하도록 구성될 수 있다. 스로틀 센서 및 제동 센서는 각각 차량의 스로틀 위치 및 제동 위치를 감지한다. 일부의 경우에, 스로틀 센서 및 제동 센서는 통합 스로틀/제동 센서로 통합될 수 있다.
차량 제어 시스템(111)은 조향 유닛(201), 스로틀 유닛(202)(가속 유닛으로도 지칭됨) 및 제동 유닛(203)을 포함할 수 있으나, 이에 한정되지 않는다. 조향 유닛(201)은 차량의 방향 또는 전진 방향을 조정하도록 이용된다. 스로틀 유닛(202)은 전기 모터 또는 엔진의 속도를 제어하도록 이용되고, 전기 모터 또는 엔진의 속도는 나아가 차량의 속도 및 가속도를 제어한다. 제동 유닛(203)은 마찰을 제공하여 차량의 휠 또는 타이어를 감속시킴으로써 차량을 감속시킨다. 도2에 도시된 부재는 하드웨어, 소프트웨어 또는 이들의 조합으로 실시될 수 있음을 유의하여야 한다.
돌아가 도1을 참조하면, 무선 통신 시스템(112)은 자율 주행 차량(101)과 예컨대 장치, 센서, 기타의 차량 등과 같은 외부 시스템 사이의 통신을 허용한다. 예를 들어, 무선 통신 시스템(112)은 하나 또는 다수의 장치와 직접적으로 무선 통신을 진행하거나 통신 네트워크를 통해 무선 통신을 진행할 수 있으며, 예컨대, 네트워크(102)를 통해 서버(103 내지 104)와 통신을 진행할 수 있다. 무선 통신 시스템(112)은 임의의 셀룰러 통신 네트워크 또는 무선 근거리 통신망(WLAN)을 이용하여, 예컨대 WiFi를 이용하여 다른 부재 또는 시스템과 통신을 진행할 수 있다. 무선 통신 시스템(112)은 예컨대 적외선 링크, 블루투스 등을 이용하여 장치(예컨대, 승객의 모바일 장치, 표시 장치, 차량(101)내의 스피커)와 직접적으로 통신을 진행할 수 있다. 사용자 인터페이스 시스템(113)은 차량(101) 내에 실시된 주변 장치의 일부일 수 있으며, 예컨대, 키워드, 터치 스크린 표시 장치, 마이크로폰 및 스피커 등을 포함한다.
자율 주행 차량(101)의 기능 중의 일부 또는 전부는, 특히 자율 주행 모드에서 조작을 진행할 경우에, 감지 및 계획 시스템(110)으로 제어하거나 관리할 수 있다. 감지 및 계획 시스템(110)은 필요한 하드웨어(예컨대, 프로세서, 메모리 장치, 저장 장치) 및 소프트웨어(예컨대, 운영 체제, 계획 및 라우팅 프로그램)을 포함하여, 센서 시스템(115), 제어 시스템(111), 무선 통신 시스템(112) 및/또는 사용자 인터페이스 시스템(113)으로부터 정보를 수신하고, 수신된 정보를 처리하고, 출발지로부터 목적지까지의 노선 또는 경로를 계획하며, 이어서, 계획 및 제어 정보를 기반으로 차량(101)을 운전한다. 대안으로, 감지 및 계획 시스템(110)은 차량 제어 시스템(111)과 통합될 수 있다.
예를 들어, 승객인 사용자는 예컨대 사용자 인터페이스를 경유하여 여정의 시작 위치와 목적지를 지정할 수 있다. 감지 및 계획 시스템(110)은 여정 관련 데이터를 획득한다. 예를 들어, 감지 및 계획 시스템(110)은 서버(103 내지 104)의 일부분일 수 있는 MPOI 서버로부터 위치 및 노선 정보를 획득할 수 있다. 위치 서버는 위치 서비스를 제공하며, MPOI 서버는 지도 서비스 및 일부 위치의 POI를 제공한다. 대안으로, 이러한 유형의 위치 및 MPOI 정보는 감지 및 계획 시스템(110)의 영구 저장 장치에 로컬로 캐시될 수 있다.
자율 주행 차량(101)이 노선을 따라 이동할 경우, 감지 및 계획 시스템(110)은 교통 정보 시스템 또는 서버(TIS)로부터 실시간 교통 정보를 획득할 수도 있다. 서버(103 내지 104)는 제3 자 엔티티로 조작을 진행할 수 있음을 유의하여야 한다. 대안으로, 서버(103 내지 104)의 기능은 감지 및 계획 시스템(110)과 통합될 수 있다. 실시간 교통 정보, MPOI 정보와 위치 정보 및 센서 시스템(115)으로 검출하거나 감지한 실시간 지역 환경 데이터(예컨대, 장애물, 대상물, 주변 차량)를 기반으로, 감지 및 계획 시스템(110)은 최적의 노선을 계획하고, 계획된 노선에 따라 예컨대 제어 시스템(111)을 경유하여 차량(101)을 운전하여, 지정된 목적지에 안전하고 효율적으로 도착할 수 있다.
서버(103)는 각종의 클라이언트를 위해 데이터 분석 서비스를 실행하기 위한 데이터 분석 시스템일 수 있다. 일 실시예에 있어서, 데이터 분석 시스템(103)은 데이터 수집기(121) 및 기계 학습 엔진(122)을 포함한다. 데이터 수집기(121)는 각종의 차량(자율 주행 차량 또는 인간 운전자가 운전하는 일반 차량)으로부터 주행 통계 자료(123)를 수집한다. 주행 통계 자료(123)는 내려진 운전 명령(예컨대, 스로틀, 제동, 조향 명령) 및 차량의 센서로 상이한 시각에 포획한 차량의 응답(예컨대, 속도, 가속, 감속, 방향)을 표시하는 정보를 포함한다. 주행 통계 자료(123)는 상이한 시각에서의 주행 환경을 설명하는 정보, 예컨대, 노선(시작 위치 및 목적지 위치를 포함), MPOI, 도로 상태, 날씨 상태 등을 더 포함할 수 있다.
주행 통계 자료(123)를 기반으로, 기계 학습 엔진(122)은 다양한 목적을 위해 일련의 규칙, 알고리즘 및/또는 모델(124)을 생성하거나 트레이닝한다. 일 실시예에 있어서, 예를 들어, 알고리즘/모델(124)은 보행자와 같은 대상물을 검출하고 이러한 대상물에 관련된 정보를 인식하기 위한 하나 또는 다수의 기계 학습 모델 및/또는 이미지 분할 모델을 포함할 수 있다. 기계 학습 모델은 트레이닝되고, ADV의 자율 주행에 실시간으로 이용되도록 ADV에 업데이트될 수 있다. 알고리즘/모델(124)은 기정의 시간 구간 내에서 포인트 별로 검출된 보행자의 위치를 예측하고, ADV에 의해 이용될 확률 클라우드를 표시하기 위해 이러한 포인트들의 타원을 생성하기 위한 알고리즘/모델을 포함할 수 있다. 여기서, 확률 클라우드는 확률 클라우드의 중심의 주변에서 주어진 보행자가 검출되는 확률을 구비하는 공간 영역에 대한 분포를 가리킨다.
도3a 및 도3b는 일 실시예에 따른 자율 주행 차량와 함께 이용되는 감지 및 계획 시스템의 예시를 나타내는 블록도이다. 시스템(300)은 도1의 자율 주행 차량(101)의 일부분으로 실시될 수 있으며, 감지 및 계획 시스템(110), 제어 시스템(111) 및 센서 시스템(115)을 포함하나, 이에 한정되지 않는다. 도3a 내지 도3b를 참조하면, 감지 및 계획 시스템(110)은 위치 확인 모듈(301), 감지 모듈(302), 예측 모듈(303), 결책 모듈(304), 계획 모듈(305), 제어 모듈(306), 라우팅/샘플링 모듈(307) 및 타원 예측 모듈(308)을 포함하나, 이에 한정되지 않는다.
모듈(301 내지 308) 중의 일부 또는 전부는 소프트웨어, 하드웨어 또는 이들의 조합으로 실시될 수 있다. 예를 들어, 이러한 모듈들은 영구 저장 장치(352)에 설치되고, 메모리 장치(351)에 로딩되며, 하나 또는 다수의 프로세서(미도시)에 의해 실행될 수 있다. 이러한 모듈들 중의 일부 또는 전부는 도2의 차량 제어 시스템(111)의 일부 또는 전부의 모듈과 통신 가능하게 연결되거나 이들과 통합될 수 있음을 유의하여야 한다. 모듈(301 내지 308) 중의 일부는 통합 모듈로 통합될 수 있다. 예를 들어, 타원 예측 모듈(308)과 예측 모듈(303)은 단일 모듈로 통합될 수 있다.
위치 확인 모듈(301)은, 예컨대, GPS 유닛(212)을 이용하여, 자율 주행 차량(300)의 현재 위치를 확정하고, 사용자의 여정 또는 노선에 관련된 임의의 데이터를 관리한다. 위치 확인 모듈(301)(지도 및 노선 모듈로도 지칭됨)은 사용자의 여정 또는 노선에 관련된 임의의 데이터를 관리한다. 사용자는 예컨대 사용자 인터페이스를 경유하여 로그인하고 여정의 시작 위치와 목적지를 지정할 수 있다. 위치 확인 모듈(301)은 자율 주행 차량(300)의 기타의 부재와 통신을 진행하여, 예컨대 지도와 노선 정보(311)에 대한 통신을 진행하여, 여정 관련 데이터를 획득한다. 예를 들어, 위치 확인 모듈(301)은 위치 서버와 지도 및 POI(MPOI) 서버로부터 위치 및 노선 정보를 획득한다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 지도 서비스 및 일부의 위치의 POI를 제공하며, 이는 지도와 노선 정보(311)의 일부분으로서 캐시될 수 있다. 자율 주행 차량(300)이 노선을 따라 이동할 경우, 위치 확인 모듈(301)은 교통 정보 시스템 또는 서버로부터 실시간 교통 정보를 획득할 수도 있다.
센서 시스템(115)으로 제공한 센서 데이터 및 위치 확인 모듈(301)로 획득한 위치 확인 정보를 기반으로, 감지 모듈(302)은 주변 환경에 대한 감지를 확정한다. 감지 정보는 일반 운전자가 운전하고 있는 차량 주변에서 감지될 것이 무엇인 지를 표시할 수 있다. 감지는 예컨대 대상물 형식의 차도 구성(예컨대, 직선 차도 또는 곡선 차도), 교통 신호등, 다른 차량에 대한 상대적 위치, 보행자, 건축물, 횡단 보도 또는 키타의 교통 관련 표지(예컨대, 정지 표지, 양보 표지) 등을 포함할 수 있다. 차도 구성은 하나 또는 다수의 차도를 설명하는 정보, 예컨대, 차도의 형상(예컨대, 직선 또는 곡선), 차도의 넓이, 도로 중의 차도의 수량, 일방 통행 차도 또는 양방 통행 차도, 합류 차도 또는 분류 차도, 출구 차도 등을 포함한다.
감지 모듈(302)은 하나 또는 다수의 카메라로 포획한 이미지를 처리하고 분석하여 자율 주행 차량 환경의 중의 대상물 및/또는 특징을 인식하기 위한 컴퓨터 비전 시스템 또는 컴퓨터 비전 시스템의 기능을 포함할 수 있다. 상기 대상물은 교통 신호, 도로 경계, 기타의 차량, 보행자 및/또는 장애물 등을 포함할 수 있다. 컴퓨터 비전 시스템은 대상물 인식 알고리즘, 영상 추적 및 기타의 컴퓨터 비전 기술을 이용할 수 있다. 일부의 실시예에 있어서, 컴퓨터 비전 시스템은 환경을 제도하고, 대상물을 추정하며, 대상물의 속도를 추산하는 등을 진행할 수 있다. 감지 모듈(302)은 레이다 및/또는 LIDAR와 같은 기타의 센서로 제공하는 기타의 센서 데이터를 기반으로 대상물을 검출할 수도 있다.
각 대상물에 대하여, 예측 모듈(303)은 대상물이 이러한 경우에 어떠한 표현을 나타낼지를 예측한다. 예측은 한 세트의 지도/노선 정보(311) 및 교통 규칙(312)을 감안하여 해당 시각에 주행 환경을 감지한 감지 데이터를 기반으로 실행된다. 예를 들어, 대상물이 반대 방향에서의 차량이고 현재 주행 환경이 교차로를 포함할 경우, 예측 모듈(303)은 차량이 직진하는지 아니면 회전하는지를 예측한다. 감지 데이터가 교차로에 신호등이 존재하지 않는 것을 나타내면, 예측 모듈(303)은 차량이 교차로에 진입하기 전에 완전이 정지할 필요가 있는지 여부를 예측할 수 있다. 감지 데이터가 현재에 좌회전 전용 차도 또는 우회전 전용 차도에 위치하는 것을 나타내면, 예측 모듈(303)은 각각 차량이 좌회전을 할 가능성이 큰지 아니면 우회전을 할 가능성이 큰지를 예측할 수 있다.
각 대상물에 대하여, 결책 모듈(304)은 대상물을 어떻게 처리할 것인지에 관한 결정을 내린다. 예를 들어, 특정의 대상물(예컨대, 교차 노선 중의 다른 차량) 및 대상물을 설명하는 메타 데이터(예컨대, 속도, 방향, 회전 각도)에 대해, 결책 모듈(304)은 상기 대상물을 어떻게 대처할 지(예컨대, 추월, 양보, 정지, 통과)를 결정한다. 결책 모듈(304)은 영구 저장 장치(352)에 저장될 수 있는 교통 규칙 또는 운전 규칙(312)과 같은 규칙 집합에 따라 이러한 유형의 결정을 할 수 있다.
라우팅 모듈(307)은 출발지로부터 목적지까지의 하나 또는 다수의 노선 또는 경로를 제공하도록 구성된다. 시작 위치로부터 목적지 위치까지의 주어진 여정에 대해, 예컨대 사용자로부터 수신된 주어진 여정에 대해, 라우팅 모듈(307)은 노선과 지도 정보(311)를 획득하고, 시작 위치로부터 목적지 위치까지의 모든 가능한 노선 또는 경로를 확정한다. 라우팅 모듈(307)은 시작 위치로부터 목적지 위치까지의 각 노선을 확정한 지형도 양식의 기준선을 생성할 수 있다. 기준선은 기타의 차량, 장애물 또는 교통 상태와 같은 기타 사항의 아무런 간섭이 없는 이상적인 노선 또는 경로를 가리킨다. 즉, 도로 상에 기타의 차량, 보행자 또는 장애물이 존재하지 않을 경우, ADV는 기준선을 정확하고 가깝게 따라가야 한다. 지형도는 이어서 결책 모듈(304) 및/또는 계획 모듈(305)에 제공된다. 결책 모듈(304) 및/또는 계획 모듈(305)은 모든 가능한 노선을 검사하여, 위치 확인 모듈(301)로부터의 교통 상황, 감지 모듈(302)로 감지한 주행 환경 및 예측 모듈(303)로 예측한 교통 상황과 같은 기타의 모듈로 제공한 기타의 데이터를 감안하여 최적의 노선 중의 하나를 선택하고 수정한다. ADV를 제어하기 위한 실제 경로 또는 노선은 해당 시각의 주행 환경에 따라 라우팅 모듈(307)로 제공한 기준선과 근접하거나 상이할 수 있다.
감지된 대상물 각각에 대한 결정을 기반으로, 계획 모듈(305)은 자율 주행 차량을 위해 경로 또는 노선 및 주행 파라미터(예컨대, 거리, 속도 및/또는 회전 각도)를 계획한다. 다시 말해서, 주어진 대상물에 대해, 결책 모듈(304)은 해당 대상물에 대해 무엇을 진행할 지를 결정하고, 계획 모듈(305)은 이를 어떻게 진행할 지를 확정한다. 예를 들어, 주어진 대상물에 대해, 결책 모듈(304)은 상기 대상물을 통과하는 것을 결정할 수 있으며, 계획 모듈(305)은 상기 대상물의 좌측으로 아니면 우측으로 통과할 지를 확정할 수 있다. 계획 및 제어 데이터는 계획 모듈(305)로 생성되며, 차량(300)이 다음 이동 주기(예컨대, 다음 노선/경로 구간)에서 어떻게 이동하는 지를 설명하는 정보를 포함한다. 예를 들어, 계획 및 제어 데이터는 차량(300)이 30 마일 시속(mph)의 속도로 10미터 이동하고, 이어서 25 mph의 속도로 우측 차도로 변환되는 것을 지시할 수 있다.
계획 및 제어 데이터를 기반으로, 제어 모듈(306)은 계획 및 제어 데이터로 한정한 노선 또는 경로에 따라 적당한 명령 또는 신호를 차량 제어 시스템(111)에 송신하여 자율 주행 차량을 제어하고 운전한다. 상기 계획 및 제어 데이터는 경로 또는 노선을 따라 상이한 시각에서 적당한 차량 설정 또는 주행 파라미터(예컨대, 스로틀, 제동 및 회전 명령)를 이용하여 차량을 노선 또는 경로의 제1 포인트에서 제2 포인트로 운전하기 위한 충분한 정보를 포함한다.
일 실시예에 있어서, 계획 단계는 다수의 계획 주기(명령 주기로도 지칭됨) , 예컨대,각 시간 간격은 100밀리 초(ms)의 각 시간 간격으로 실행된다. 계획 주기 또는 명령 주기 중의 각각에 대해, 하나 또는 다수의 제어 명령은 계획 및 제어 데이터를 기반으로 발송된다. 즉, 각 100 ms에 대해, 계획 모듈(305)은 다음 노선 구간 또는 경로 구간을 계획하며, 예컨대, 목표 위치 및 ADV가 목표 위치에 도착하기에 필요한 시간을 포함한다. 대안으로, 계획 모듈(305)은 구체적인 속도, 방향 및/또는 조향 각도 등을 진일보로 규정할 수 있다. 일 실시예에 있어서, 계획 모듈(305)은 다음의 기정 시간 구간(예컨대, 5초)을 대해 노선 구간 또는 경로 구간을 계획한다. 각 계획 주기에 대해, 계획 모듈(305)은 이전의 주기에서 계획한 목표 위치를 기반으로 현재 주기(예컨대, 다음 5초)를 위한 목표 위치를 계획한다. 제어 모듈(306)은 이어서 현재 주기의 계획 및 제어 데이터를 기반으로 하나 또는 다수의 제어 명령(예컨대, 스로틀, 제동, 조향 제어 명령)을 생성한다.
결책 모듈(304) 및 계획 모듈(305)은 통합 모듈로 통합될 수 있음을 유의하여야 한다. 결책 모듈(304)/계획 모듈(305)은 자율 주행 차량의 주행 경로를 확정하기 위한 항법 시스템 또는 항법 시스템의 기능을 포함할 수 있다. 예를 들어, 항법 시스템은 감지된 장애물을 실질적으로 피하면서 최종 목적지로 이어지는 도로 기반의 경로를 따라 자율 주행 차량을 일반적으로 전진시키는 경로를 따라 진행하는 자율 주행 차량의 이동을 실현하기 위한 일련의 속도 및 전진 방향을 확정할 수 있다. 목적지는 사용자 인터페이스 시스템(113)을 통해 진행하는 사용자 입력에 따라 설정될 수 있다. 항법 시스템은 자율 주행 차량을 주행시키면서 동적으로 주행 경로를 업데이트시킨다. 자율 주행 차량을 위한 주행 경로를 확정하도록, 항법 시스템은 GPS 시스템 및 하나 또는 다수의 지도로부터의 데이터를 병합시킬 수 있다.
결책 모듈(304)/계획 모듈(305)은 자율 주행 차량의 환경 중의 잠재적인 장애물을 인식하고, 평가하고 회피하거나 기타의 방식으로 넘어가도록 충돌 방지 시스템 또는 충돌 방지 시스템의 기능을 더 포함할 수 있다. 예를 들어, 충돌 방지 시스템은 제어 시스템(111) 중의 하나 또는 다수의 서브 시스템을 조작시켜 조향 조종, 회전 조종, 제동 조종 등을 이용하는 방식을 통해 자율 주행 차량의 항법 중의 변화를 실현할 수 있다. 충돌 방지 시스템은 주변의 교통 모드, 도로 상태 등을 기반으로 실행 가능한 장애물 회피 조종을 자동으로 확정할 수 있다. 충돌 방지 시스템은 기타 센서 시스템으로 자율 주행 차량이 조향하여 진입할 인접한 영역에 위치한 차량, 건축물 장애물 등이 검출될 경우 조향 조종을 진행하지 않도록 구성될 수 있다. 충돌 방지 시스템은 실행 가능함과 아울러 자율 주행 차량의 승객의 안정성을 최대한으로 향상시키는 조종을 자동으로 선택할 수 있다. 충돌 방지 시스템은 자율 주행 차량의 승객 객실에 최소한의 가속도가 발생하도록 예측되는 회피 조종을 선택할 수 있다.
도4는 일 실시예에 따른 타원 예측 모듈의 예시를 나타내는 블록도이다. 도4를 참조하면, 타원 예측 모듈 (308)은, 1) 기정의 시간 구간 동안에 포인트 별 위치를 예측하고, 2) 보행자가 검출된 일부의 0이 아닌 확률을 구비하는 공간 영역인 타원을, 이러한 포인트 위치에 적용함으로써 보행자에 대한 타원 별 위치를 예측할 수 있다. 일 실시예에 있어서, 이어서, 도 3A의 모듈(305)과 같은 계획 모듈은 보행자를 회피하기 위해 보행자의 타원(또는 확률 클라우드) 주변의 주행 궤적을 계획할 수 있다. 일부의 실시예에 있어서, 기정의 시간 구간 동안에 상이한 시점에서 보행자를 발견할 가능성을 나타내기 위해, ADV 사용자를 위한 그래픽 사용자 인터페이스에 타원을 표시한다.
일 실시예에 있어서, 타원 예측 모듈(308)은 이미지 수신 장치/사전 처리 모듈(401), 장애물 인식 모듈(403), 위치 예측 모듈(405) 및 타원 생성 모듈(407)을 포함한다. 이미지 수신 장치/사전 처리 모듈(401)은 ADV의 이미지 포착 장치(예컨대, 하나 또는 다수의 카메라)로 포착한 이미지를 수신할 수 있다. 이미지 수신 모듈(401)은 이미지에 대해 사전 처리를 진행할 수도 있다. 사전 처리는 이미지에 적용될 노광 제어, 게인 제어, 톤 매핑, 화이트 밸런싱 및 디 모자이킹 및 양방향 필터링을 조정하는 것을 포함할 수 있으나, 이에 한정되지 않는다. 이미지에 대해 사전 처리를 진행하는 것은 다양한 시간대 및 날씨 조건으로 이미지에서 포착된 대상물(예컨대, 지도 노선, 보행자)를 보다 잘 인식하도록 이미지를 준비한다. 예를 들어, 대상물 및/또는 차선이 보다 잘 인식되도록, 야간에서 이미지 중의 노광 량은 낮보다 높아야 한다.
사전 처리의 다른 일 예시는 이미지 중의 대상물/장애물을 검출하기 위해 적용될 기계 학습 모델과 호환 가능한 이미지 사이즈로 이미지를 스케일링 및/또는 크로핑하는 것을 포함한다. 장애물 인식 모듈(403)은 대상물/장애물(예컨대, 보행자)을 인식/검출하기 위해, 기계 학습 모델을 수신된 이미지에 적용할 수 있다. 여기서, 기계 학습 모델은 이동하는 대상물/장애물을 검출하기 위해 훈련된 콘볼루션 신경망(CNN)(또는 임의의 이미지 분할 모델)일 수 있으며, 이러한 이동하는 대상물에 대한 장애물 정보(예컨대, 지향, 방향 및 속도)를 확정할 수 있다. 위치 예측 모듈(405)은 기정의 시간 구간 내에서 대상물(예컨대, 보행자)의 포인트 별 위치를 예측할 수 있다. 타원 생성 모듈(407)은 예측된 위치 포인트의 확률 클라우드로서, 타원 모델(타원 모델(313)의 일부분임)을 기반으로 하나 또는 다수의 타원을 생성할 수 있다.
도5는 일 실시예에 따른 일정한 시간 내에서의 포인트 별 예측의 예시를 나타내는 도표이다. 도5를 참조하면, 일 실시예에 있어서, 장애물(501)(예컨대, 보행자(501))은 시점(t0) 및 위치(x0, y0)에서 검출될 수 있다. 예측 모듈(305)은 시점(t0) 및 후속적인 시점(t1, t2 및 t3)에서의 보행자(501)의 위치를 예측할 수 있다. 보행자(501)에 대해, 4개의 시점을 도시하였으나, 예측 모듈(303)은 검출된 임의의 수량의 보행자에 대해 임의의 수량의 시점(또는 시간 구간)을 예측할 수 있다.
도5를 참조하면, 시점(t0 내지 t3)은 지도 정보 및/또는 보행자(501)의 지향에 따라 선형 경로 또는 곡선 경로에 처하는 것으로 예측할 수 있다. 예를 들어, 지도 정보가 곡선의 보행자 통로를 지시할 경우, 예측 모듈(303)은 보행자가 통로를 따라 이동하는 것이 선형 경로인 것이 아니라 곡선 경로인 것을 예측할 수 있다. 일 실시예에 있어서, 이용 가능한 지도 지시가 없을 경우, 예측 모듈(303)은 보행자(501) 의 속도 및 방향을 기반으로 포인트 별로 보행자(501)의 상대적 선형 곡선을 예측한다. 시점 예측을 기반으로, 도5는 1의 확률로 보행자(501)가 시간(t1)에서 (x1, y1)에 위치하고, 시간(t2)에서 (x2, y2)에 위치하고, 시간(t3)에서 (x3, y3)에 위치하는 것을 해석한다. 그러나, 실제로, 보행자(501)는 시간(t2)에서 (x2, y2) 근처에 위치할 수 있으며, 예를 들어, 확률 곡선 또는 열지도는 임의의 주어진 시간에서 보행자(501)의 위치를 예측하기에 보다 적합하다.
도6은 일 실시예에 따른 일정한 시간 내에서의 확률 타원 별 예측의 예시를 나타내는 도표이다. 도6을 참조하면, 도5에 도시된 바와 같이, 시점(t0 내지 t3)에서의 보행자 위치 예측이 확정된다. 이어서, 시점(t0 내지 t3)중의 각각에 대해 타원을 생성한다. 생성된 타원은, 상이한 시점에서 보행자(501)를 검출한 확률이 0보다 큰 영역을 표시하는 확률 클라우드를 표시한다. 일 실시예에 있어서, 생성된 타원은 상응한 시점에 대한 보행자(501)의 이동 방향 또는 지향에서 종축 방향을 구비한다. 일 실시예에 있어서, 각 타원의 중심점은 상응한 시점에 대한 예측 위치에 위치한다. 일 실시예에 있어서, 각 타원의 사이즈는 t에 비례하여 확정되며, 여기서 t는 초 단위로 하는 시점의 경과 시간이다. 일 실시예에 있어서, 생성된 확률 타원의 종방향(반주요) 축은 1.0 + 0.2t에 의해 확정될 수 있고, 생성된 확률 타원의 횡방향(반차요) 축은 0.5 + 0.2t에 의해 확정될 수 있다. 따라서, (x0, y0)의 원점에서의 타원 중심의 방정식은 아래와 같다.
Figure pct00001
여기서, a는 x좌표축을 따른 거리이고, b는 y좌표축을 따른 거리이며,
Figure pct00002
는 타원의 역시계 방향 회전 각도이다. 데카르트 좌표계(x, y)을 이용하여 타원을 설명하였으나, 타원의 방정식을 스테이션-래터럴(station-lateral) 좌표계 또는 극 좌표계와 같은 기타 좌표계로 변환시킬 수 있다.
도6을 참조하면, 일 실시예에 있어서, 시간 t=t0=0초에서, 타원(601)의 (종방향, 횡방향)사이즈는 (1.0, 0.5)이며, 여기서, 타원 중심점(x0, y0)에 대해 역시계 방향으로 회전하는 각도는
Figure pct00003
0이다. 이어서, 타원(601)의 방정식은 아래와 같다.
Figure pct00004
여기서, (x0, y0)는 타원(601)의 중심점이고,
Figure pct00005
0는 타원(601)의 역시계 방향 회전 각도이다.
타원(603 내지 607)에 대해 유사한 방정식이 적용될 수 있다. 도6에 도시된 바와 같이, 더 먼 미래의 시점에 대한 타원은 더 높은 불확정성을 가지며 더 큰 타원으로 표시된다.
도7은 일 실시예에 따른 시점에 대한 타원의 예시를 나타낸다. 도7을 참조하면, 타원(700)은 임의의 시점의 타원, 예컨대 타원(601 내지 607) 중의 임의의 하나를 표시할 수 있다. 타원(700)은, 중심점(X, Y)을 구비하는 확률 클라우드(또는 확률 표지) 모델을 구축한다. 확률 클라우드(또는 확률 표지)는 확률 클라우드 내의 임의의 주어진 포인트에서 보행자가 발견될 확률을 확정하도록 이용될 수 있다. 타원 (700)은, F2에 위치한 보행자의 분포(또는 열지도)를 모델링하는 초점(F2 및 F1)을 포함할 수 있다. 이어서, 타원(700) 중의 각 포인트는, 초점(F2)과 각 포인트 사이의 거리에 기초하여 확정된 확률값에 관련된다. 예를 들어, 포인트(701)은
Figure pct00006
의 확률값을 구비하되, L1은 초점(F2)과 포인트(701) 사이의 거리이고, L2는 F2와 포인트(701)를 통과하게 연장된 직선과 타원(700)의 경계(예컨대, 포인트(703))의 교차점 사이의 거리이다. 이러할 경우, 보행자가 F2 근처에 있을 확률이 아주 높으며, 타원(700)의 경계를 향해 점차적으로 감소된다(예컨대, L1/L2는 타원 (700)의 경계 근처에 접근한다). 이러할 경우, 타원으로 표시되는 확률 곡선 또는 열지도는 임의의 주어진 시간에 보행자의 위치를 예측하기에 보다 현실적이다.
따라서, 단일 위치 포인트에 기반으로 보행자의 움직임을 예측하는 대신에, 본 발명의 실시예는 보행자가 상이한 확률로 움직일 수 있는 영역을 기초로 예측을 실행한다. 차량의 궤적을 계획할 때, 시스템은 보행자가 이동할 수 있는 전체 영역(예컨대, 타원형 영역)을 감안할 수 있다. 이러한 과정은 보다 효율적이다. 예를 들어, 주위를 이동할 공간이 충분할 경우, 참고로, 시스템은 타원형 영역 내에 위치하는 임의의 경로 후보를 고려하지 않고 신속하게 제거할 수 있다. 시스템이 영역에 관련된 확률 표지를 통해 해당 영역을 통과하는 특정의 경로 후보를 감안하여야 할지라도, 계획 시스템은 해당 경로 후보 중의 어느 경로를 감안하거나 제거할 수 있는지를 신속하게 인식할 수 있다.
도8은 일 실시예에 따른 방법을 나타내는 흐름도이다. 과정(800)은 처리 로직에 의해 실행될 수 있으며, 상기 처리 로직은 소프트웨어, 하드웨어 또는 이들의 조합을 포함할 수 있다. 예를 들어, 과정(800)은 도3a의 타원 예측 모듈(308)에 의해 실행될 수 있다. 도8을 참조하면, 블록(801)에서, 처리 로직은 ADV의 이미지 포착 장치로부터 ADV의 환경을 감지한 포착된 이미지를 수신한다. 블록(802)에서, 처리 로직은 포착된 이미지를 기반으로 ADV 근처의 이동하는 장애물을 인식한다. 블록(803)에서, 처리 로직은 다수의 시점 중의 각 시점에서의 이동하는 장애물의 위치를 예측한다. 블록(804)에서, 처리 로직은 각 시점의 예측된 위치를 기반으로, 각 시점에서 이동하는 장애물이 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 확률 타원을 생성한다.
일 실시예에 있어서, 시스템은 나아가 각 시점의 확률 타원을 기반으로, 궤적에 따라 ADV를 제어하기 위해 ADV의 궤적을 계획한다. 다른 일 실시예에 있어서, 생성된 확률 타원의 종(주요)축은 시간(예컨대, 1.0+0.2t의 선형 방정식)을 기반으로 확정되되, t는 초 단위의 시점이다. 다른 일 실시예에 있어서, 생성된 확률 타원의 횡(차요)축은 시간(예컨대, 0.5+0.2t의 선형 방정식)을 기반으로 확정되되, t는 초 단위의 시점이다.
일 실시예에 있어서, 확률 표지의 확률은, 타원의 초점에서 이동하는 장애물까지의 거리를 기반으로 확정된다. 일 실시예에 있어서, 확률 타원은 이동하는 장애물의 이동 방향과 동일한 방향에서의 종축이다. 일 실시예에 있어서, 이동하는 장애물은 보행자이다.
도9는 본 개시의 일 실시예와 함께 이용될 수 있는 데이터 처리 시스템의 예시를 나타내는 블록도이다. 예를 들어, 시스템(1500)은 상술한 과정 또는 방법 중의 임의의 하나를 실행하는 상술한 데이터 처리 시스템 중의 임의의 하나, 예컨대 도1의 감지 및 계획 시스템(110) 또는 서버(103 내지 104)를 표시할 수 있다. 시스템(1500)은 여러가지 상이한 부재를 포함할 수 있다. 이러한 부재는 집적 회로(IC), 집적 회로의 일부, 이산형 전자 장치 또는 회로 기판(예컨대, 컴퓨터 시스템의 마더 보드 또는 애드 인 카드)에 적용되는 기타의 모듈로 실시될 수 있으며, 또는 기타의 방식으로 컴퓨터 시스템의 섀시 내부에 도입되는 부재로 실시될 수 있다.
또한, 컴퓨터 시스템의 많은 부재의 고차원 도면을 나타내고자 함을 유의하여야 한다. 그러나, 일부의 구현에는 추가적인 부재가 구비될 수 있고, 기타의 구현에는 도시된 부재의 상이한 배치가 구비될 수 있음을 이해하여야 한다. 시스템(1500)은 데스크탑형 컴퓨터, 랩탑형 컴퓨터, 태블릿 PC, 서버, 모바일 폰, 미디어 플레이어, 개인 디지털 보조 장치(PDA), 스마트 워치, 개인용 통신기, 게임기, 네트워크 라우터 또는 허브, 무선 액세스 포인트(AP) 또는 중계 장치, 셋톱 박스 또는 이들의 조합을 표시할 수 있다. 또한, 단 하나의 기계 또는 시스템이 도시되었으나, 용어 "기계" 또는 "시스템"은 본 원에 토론된 임의의 하나 또는 다수의 방법을 실행하도록 독립적으로 또는 공동으로 하나(또는 다수의) 명령 집합을 실행하는 기계 또는 시스템의 임의의 집합을 포함하는 것으로 이해되어야 한다.
일 실시예에 있어서, 시스템(1500)은 버스 또는 인터커넥트(1510)를 통해 연결되는 프로세서(1501), 메모리 장치(1503) 및 장치(1505 내지 1508)를 포함한다. 프로세서(1501)는 단일 프로세서 코어 또는 다중 프로세서 코어를 포함하는 단일 프로세서 또는 다중 프로세서를 표시할 수 있다. 프로세서(1501)는 마이크로 프로세서, 중앙 처리 유닛(CPU) 등과 같은 하나 또는 다수의 범용의 프로세서를 표시할 수 있다. 보다 구체적으로, 프로세서(1501)는 복잡한 명령 집합 컴퓨팅(CISC) 마이크로 프로세서, 축소된 명령 집합 컴퓨팅(RISC) 마이크로 프로세서, 매우 긴 명령어(VLIW) 마이크로 프로세서, 또는 기타의 명령 집합을 실시하는 프로세서, 또는 명령 집합의 조합을 실시하는 프로세서일 수 있다. 프로세서(1501)는 주문형 집적 회로(ASIC), 셀룰러 또는 베이스 밴드 프로세서, 필드 프로그래머블 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP), 네트워크 프로세서, 그래픽 프로세서, 통신 프로세서, 암호화 프로세서, 코프로세서, 내장형 프로세서, 또는 명령을 처리할 수 있는 임의의 기타 유형의 로직과 같은 하나 또는 다수의 주문형 프로세서일 수도 있다.
초 저전압 프로세서와 같은 저전력 멀티 코어 프로세서 소켓일 수 있는 프로세서(1501)는 상기 시스템의 다양한 부재와 통신하기 위한 메인 프로세스 유닛 및 중앙 허브로서 작동될 수 있다. 이러한 프로세서는 시스템 온 칩(SoC)으로 실시될 수 있다. 프로세서(1501)는 본원에 설명된 조작 및 단계를 실행하기 위한 명령을 실행하도록 구성된다. 시스템(1500)은 표시 장치 제어 장치, 그래픽 프로세서 및/또는 표시 장치를 포함할 수 있는 선택적 그래픽 서브 시스템(1504)과 통신하는 그래픽 인터페이스를 더 포함할 수 있다.
프로세서(1501)는 일 실시예에서 주어진 양의 시스템 메모리를 제공하기 위해 다수의 메모리 장치를 통해 실시될 수 있는 메모리 장치(1503)와 통신할 수 있다. 메모리 장치(1503)는 랜덤 액세스 메모리(RAM), 동적 RAM(DRAM), 동기화 DRAM(SDRAM), 정적 RAM(SRAM) 또는 기타의 유형의 저장 장치와 같은 하나 또는 다수의 휘발성 저장 장치를 포함할 수 있다. 메모리 장치(1503)는 프로세서(1501) 또는 임의의 기타의 장치로 실행되는 명령 시퀀스를 포함하는 정보를 저장할 수 있다. 예를 들어, 다양한 운영 체제, 장치 드라이버, 펌웨어(예컨대, 입출력 기본 시스템 또는 BIOS), 및/또는 애플리케이션의 실행 가능한 코드 및/또는 데이터는 메모리(1503)에 로딩되고, 프로세서(1501)에 의해 실행될 수 있다. 운영 체제는 예컨대 로봇 운영 체제(ROS), Microsoft® 사의 Windows® 운영 체제, Apple 사의 Mac OS®/iOS®, Google® 사의 Android®, LINUX, UNIX, 또는 기타의 실시간 또는 내장형 운영 체제와 같은 임의의 유형의 운영 체제일 수 있다.
시스템(1500)은 네트워크 인터페이스 장치(1505), 선택적 입력 장치(1506) 및 기타의 선택적 IO 장치(1507)를 포함하는 장치들(1505 내지 1508)과 같은 IO 장치를 더 포함할 수 있다. 네트워크 인터페이스 장치(1505)는 무선 송수신 장치 및/또는 네트워크 인터페이스 카드(NIC)를 포함할 수 있다. 상기 무선 송수신 장치는 WiFi 송수신 장치, 적외선 송수신 장치, 블루투스 송수신 장치, WiMax 송수신 장치, 무선 셀룰러 폰 송수신 장치, 위성 송수신 장치(예컨대, 글로벌 위치 확인 시스템(GPS) 송수신 장치) 또는 기타의 무선 주파수(RF) 송수신 장치 또는 이들의 조합일 수 있다. NIC는 이더넷 카드일 수 있다.
입력 장치(1506)는 마우스, 터치 패드, (표시 장치(1504)와 통합될 수 있는) 터치 감지 스크린, 스타일러스와 같은 포인터 장치 및/또는 키보드(예컨대, 터치 감지 스크린의 일부로 표시되는 물리적 키보드 또는 가상 키보드)를 포함할 수 있다. 예를 들어, 입력 장치(1506)는 터치 스크린에 결합된 터치 스크린 제어 장치를 포함할 수 있다. 터치 스크린 및 터치 스크린 제어 장치는 예컨대 용량식, 저항식, 적외선 및 표면 탄성파 기술뿐만 아니라 기타의 근접 센서 어레이 또는 터치 스크린과 접촉하는 하나 또는 다수의 포인트를 확정하기 위한 기타의 요소를 포함하나, 이에 한정되지 않는 다수의 터치 감지 기술 중 임의의 하나를 이용하여 이의 접촉 및 이동 또는 제동를 검출할 수 있다.
IO 장치(1507)는 오디오 장치를 포함할 수 있다. 오디오 장치는 음성 인식, 음성 복제, 디지털 녹음 및/또는 전화 기능과 같은 음성 작동 기능을 촉진시키기 위한 스피커 및/또는 마이크를 포함할 수 있다. 기타의 IO 장치(1507)는 범용 직렬 버스(USB) 포트, 병렬 포트, 직렬 포트, 프린터, 네트워크 인터페이스, 버스 브리지(예컨대, PCI-PCI 브리지) 센서(예컨대, 가속도계, 자이로 스코프, 자력계, 광 센서, 나침반, 근접 센서 등과 같은 모션 센서) 또는 이들의 조합을 포함할 수 있다. 장치(1507)는 사진 및 비디오 클립 녹화하는 것과 같은 카메라 기능을 촉진하도록 이용되는 고체 촬상 소자(CCD) 또는 상보성 금속산화물 반도체(CMOS) 광학 센서와 같은 광학 센서를 포함할 수 있는 이미징 프로세싱 서브 시스템(예컨대, 카메라)를 더 포함할 수 있다. 일부의 센서는 센서 허브(미도시)를 통해 인터커넥트(1510)에 연결될 수 있으나, 키보드 또는 열 센서와 같은 기타의 장치는 시스템(1500)의 특정의 구성 또는 설계에 따라 내장형 제어 장치(미도시)에 의해 제어될 수 있다.
데이터, 애플리케이션, 하나 또는 다수의 운영 체제 등과 같은 정보의 영구 저장을 제공하기 위해, 대용량 저장 장치(미도시)도 프로세서(1501)에 연결될 수 있다. 각종의 실시예에 있어서, 시스템 응답성을 향상시킬 뿐만 아니라 보다 얇고 가벼운 시스템 설계를 가능하게 하기 위해, 이러한 대용량 저장 장치는 고체 상태 장치(SSD)를 통해 실현될 수 있다. 그러나, 기타의 실시예에 있어서, 대용량 저장 장치는, 시스템 활동의 재작동에 있어서 빠른 전원 켜기를 실현할 수 있도록, 파워 다운 이벤트 동안 컨텍스트 상태 및 기타의 이러한 정보의 비 휘발성 저장을 가능하게 하기 위한 SSD 캐시로서 작용하는 보다 적은 양의 SSD 저장 장치를 구비하는 하드 디스크 드라이브(HDD)를 이용하여 주로 실현될 수 있다. 또한, 플래시 장치는 예를 들어 직렬 주변 인터페이스(serial peripheral interface; SPI)를 통해 프로세서 (1501)에 연결될 수 있다. 이러한 플래시 장치는 시스템의 기타의 펌웨어뿐만 아니라 BIOS를 포함하여 시스템 소프트웨어의 비 휘발성 저장을 제공할 수 있다.
저장 장치(1508)는 본원에 설명된 방법론 또는 기능 중의 임의의 하나 또는 다수를 실시하는 하나 또는 다수의 명령 세트 또는 소프트웨어(예컨대, 모듈, 유닛 및/또는 로직(1528))가 저장된 컴퓨터 액세스 가능한 저장 매체(1509)(기계 판독 가능한 저장 매체 또는 컴퓨터 판독 가능한 매체로도 지칭됨)을 포함할 수 있다. 처리 모듈/유닛/로직(1528)은 예컨대 도 3A의 타원 예측 모듈(308)과 같은 상술한 부재 중의 임의의 하나를 표시할 수 있다. 처리 모듈/유닛/로직(1528)은 그의 실행 과정에 기계 액세스 가능한 저장 매체를 구성하기도 하는 데이터 처리 시스템(1500), 메모리 장치(1503) 및 프로세서(1501)에 의해 메모리 장치(1503) 및/또는 프로세서(1501) 내에 완전히 또는 적어도 부분적으로 상주될 수 있다. 처리 모듈/유닛/로직(1528)은 네트워크 인터페이스 장치(1505)를 경유하여 네트워크를 통해 송신되거나 수신될 수도 있다.
컴퓨터 판독 가능한 저장 매체(1509)는 전술한 일부의 소프트웨어 기능을 지속적으로 저장하도록 이용될 수도 있다. 컴퓨터 판독 가능한 저장 매체(1509)가 일 예시적인 실시예에서 단일 매체로 도시되었으나, 용어 "컴퓨터 판독 가능한 저장 매체"는 하나 또는 다수의 명령 세트를 저장하는 단일 매체 또는 다중 매체(예컨대, 집중형 또는 분산형 데이터 베이스 및/또는 관련된 캐시 및 서버)를 포함하는 것으로 시인되어야 한다. 용어 "컴퓨터 판독 가능한 저장 매체"는 또한 기계에 의해 실행되고 기계로 본 개시의 방법론 중의 임의의 하나 또는 다수를 실행하도록 하는 명령 세트를 저장하거나 인코딩할 수 있는 임의의 매체를 포함하는 것으로 시인되어야 한다. 따라서, 용어 "컴퓨터 판독 가능한 저장 매체"는 고체 상태 메모리, 광학 및 자기 매체, 또는 임의의 기타 비 일시적 기계 판독 가능한 매체를 포함하나, 이에 한정되지 않는 것으로 시인되어야 한다.
본원에 설명된 처리 모듈/유닛/로직(1528), 부재 및 기타의 특징은 이산형 하드웨어 부재로 실시되거나 ASIC, FPGA, DSP 또는 유사한 장치와 같은 하드웨어 부재의 기능에 통합될 수 있다. 또한, 처리 모듈/유닛/로직(1528)은 하드웨어 장치 내의 펌웨어 또는 기능 회로로 실시될 수 있다. 또한, 처리 모듈/유닛/로직(1528)은 임의의 조합으로 하드웨어 장치 및 소프트웨어 부재로 실현될 수 있다.
시스템(1500)은 데이터 처리 시스템의 다양한 부재로 도시되었으나, 부재를 상호 연결시키는 임의의 특정된 아키텍처 또는 방식을 나타내기 위한 것이 아니며, 이러한 세부 사항들은 본 개시의 실시예에 밀접한 관계가 있는 것이 아님을 유의하여야 한다. 보다 적은 부재 또는 보다 많은 부재를 구비하는 네트워크 컴퓨터, 핸드헬드 컴퓨터, 모바일 폰, 서버 및/또는 기타의 데이터 처리 시스템은 본 개시의 실시예들과 함께 이용될 수도 있다.
전술한 상세한 설명의 일부분은 이미 컴퓨터 메모리 내의 데이터 비트에 대한 연산의 알고리즘 및 기호 표현에 관하여 제시되었다. 이러한 알고리즘 설명 및 표현은 데이터 처리 기술 분야의 숙련자가 자신의 연구 내용을 당업자에게 가장 효과적으로 전달하도록 이용되는 방식이다. 여기서, 알고리즘은 일반적으로 원하는 결과를 유도하는 조작의 일관성 있는 시퀀스로 시인된다. 해당 조작은 물리량을 물리적으로 조작하는 것이 요구되는 조작이다.
그러나, 이러한 용어와 유사한 용어 중의 전부는 적절한 물리량과 관련되며 이러한 물리량에 적용되는 편리한 라벨일 뿐임을 염두에 두어야 한다. 상술한 논술로부터 명백한 바와 같이 달리 명시하지 않는 한, 이하의 특허 청구 범위에 기재된 것과 같은 용어를 이용하는 논술은 명세서 전반에 걸쳐 컴퓨터 시스템의 레지스터 및 메모리 장치 내의 물리(전자)량으로 표현되는 데이터에 대해 조작을 진행하고 이를 컴퓨터 시스템 메모리 장치 또는 레지스터 또는 기타의 정보 저장 장치, 송신 장치 또는 표시 장치 내의 물리량으로 유사하게 표현되는 기타의 데이터로 변환시키는 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 장치의 동작 및 처리를 가리키는 것을 자명할 것이다.
본 개시의 실시예는 본 원의 조작을 실행하기 위한 장치에 관한 것이기도 한다. 이러한 컴퓨터 프로그램은 비 휘발성 컴퓨터 판독 가능한 매체에 저장된다. 기계 판독 가능한 매체는 기계(예컨대, 컴퓨터)에 의해 판독 가능한 형태로 정보를 저장하기 위한 임의의 메카니즘을 포함한다. 예를 들어, 기계 판독 가능한(예를 들어, 컴퓨터 판독 가능한) 매체는 기계(예컨대, 컴퓨터) 판독 가능한 저장 매체(예컨대, 판독 전용 저장 장치("ROM"), 랜덤 액세스 저장 장치("RAM" 저장 매체, 광학 저장 매체, 플래시 장치)를 포함한다.
앞서 도면에 도시된 과정 또는 방법은 하드웨어(예컨대, 회로, 주문형 로직 등), 소프트웨어(예컨대, 비 일시적인 컴퓨터 판독 가능한 매체 상에 구현됨), 또는 이들의 조합을 포함하는 처리 로직으로 실행될 수 있다. 과정 또는 방법은 일부의 순차적인 조작을 감안하여 앞에서 설명되었으나, 기재된 조작 중의 일부는 다른 순서로 실행될 수 있음을 이해하여야 한다. 또한, 일부의 조작은 순차적인 것이 아니라 병렬로 실행될 수 있다.
본 개시의 실시예는 임의의 특정된 프로그래밍 언어를 참조하여 설명되지 않는다. 본원에 설명된 바와 같이 본 개시의 실시예의 교시를 구현하기 위해 다양한 프로그래밍 언어가 사용될 수 있음을 자명할 것이다.
앞서 설명한 명세서에 있어서, 본 개시의 실시예는 특정의 실시예를 참조하여 설명하였다. 아래의 특허 청구 범위에 기재된 본 개시의 보다 넓은 사상 및 범위를 벗어나지 않고서 다양한 변형을 진행할 수 있음을 자명할 것이다. 따라서, 명세서 및 도면은 한정적인 의미가 아니라 예시적인 의미로 간주되어야 한다.

Claims (20)

  1. 자율 주행 차량(ADV)을 위한 컴퓨터 구현 방법에 있어서,
    자율 주행 차량의 이미지 포착 장치로부터, 상기 자율 주행 차량의 환경을 감지한 포착된 이미지를 수신하는 단계와,
    상기 포착된 이미지를 기반으로, 상기 자율 주행 차량 근처의 이동하는 장애물을 인식하는 단계와,
    다수의 시점 중의 각 시점에서의 상기 이동하는 장애물의 위치를 예측하는 단계와,
    상기 각 시점에서의 예측된 위치를 기반으로 확률 타원을 생성하는 단계를 포함하고,
    상기 확률 타원은, 상기 각 시점에서 상기 이동하는 장애물이 상기 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 컴퓨터 구현 방법.
  2. 제1항에 있어서,
    상기 각 시점에 대한 상기 확률 타원을 기반으로, 궤적에 따라 상기 자율 주행 차량을 제어하도록 상기 자율 주행 차량의 상기 궤적을 계획하는 단계를 더 포함하는 컴퓨터 구현 방법.
  3. 제1항에 있어서,
    생성된 상기 확률 타원의 종축은 1.0+0.2t로 확정되되, t는 초 단위의 시점인 컴퓨터 구현 방법.
  4. 제1항에 있어서,
    생성된 상기 확률 타원의 횡축은 0.5+0.2t로 확정되되, t는 초 단위의 시점인 컴퓨터 구현 방법.
  5. 제1항에 있어서,
    상기 확률 표지의 확률은 상기 타원의 초점에서 상기 이동하는 장애물까지의 거리를 기반으로 확정되는 컴퓨터 구현 방법.
  6. 제1항에 있어서,
    상기 확률 타원은, 상기 이동하는 장애물의 이동 방향과 동일한 방향에서의 종축을 구비하는 컴퓨터 구현 방법.
  7. 제1항에 있어서,
    상기 이동하는 장애물은 보행자인 컴퓨터 구현 방법.
  8. 명령이 저장된 비 일시적 기계 판독 가능한 매체에 있어서,
    상기 명령이 프로세서에 의해 실행될 경우 상기 프로세서가 조작을 실행하도록 하되, 상기 조작은,
    자율 주행 차량의 이미지 포착 장치로부터, 상기 자율 주행 차량의 환경을 감지한 포착된 이미지를 수신하는 단계와,
    상기 포착된 이미지를 기반으로, 상기 자율 주행 차량 근처의 이동하는 장애물을 인식하는 단계와,
    다수의 시점 중의 각 시점에서의 상기 이동하는 장애물의 위치를 예측하는 단계와,
    상기 각 시점에서 예측된 위치를 기반으로 확률 타원을 생성하는 단계를 포함하고,
    상기 확률 타원은, 상기 각 시점에서 상기 이동하는 장애물이 상기 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 비 일시적 기계 판독 가능한 매체.
  9. 제8항에 있어서,
    상기 각 시점에 대한 상기 확률 타원을 기반으로, 궤적에 따라 상기 자율 주행 차량을 제어하도록 상기 자율 주행 차량의 상기 궤적을 계획하는 단계를 더 포함하는 비 일시적 기계 판독 가능한 매체.
  10. 제8항에 있어서,
    생성된 상기 확률 타원의 종축은 1.0+0.2t로 확정되되, t는 초 단위의 시점인 비 일시적 기계 판독 가능한 매체.
  11. 제8항에 있어서,
    생성된 상기 확률 타원의 횡축은 0.5+0.2t로 확정되되, t는 초 단위의 시점인 비 일시적 기계 판독 가능한 매체.
  12. 제8항에 있어서,
    상기 확률 표지의 확률은 상기 타원의 초점에서 상기 이동하는 장애물까지의 거리를 기반으로 확정되는 비 일시적 기계 판독 가능한 매체.
  13. 제8항에 있어서,
    상기 확률 타원은, 상기 이동하는 장애물의 이동 방향과 동일한 방향에서의 종축을 구비하는 비 일시적 기계 판독 가능한 매체.
  14. 제8항에 있어서,
    상기 이동하는 장애물은 보행자인 비 일시적 기계 판독 가능한 매체.
  15. 데이터 처리 시스템에 있어서,
    프로세서와,
    상기 프로세서에 결합되어 명령을 저장하기 위한 메모리 장치를 포함하되,
    상기 명령이 프로세서에 의해 실행될 경우 상기 프로세서가 조작을 실행하도록 하되, 상기 조작은,
    자율 주행 차량의 이미지 포착 장치로부터, 상기 자율 주행 차량의 환경을 감지한 포착된 이미지를 수신하는 단계와,
    상기 포착된 이미지를 기반으로, 상기 자율 주행 차량 근처의 이동하는 장애물을 인식하는 단계와,
    다수의 시점 중의 각 시점에서의 상기 이동하는 장애물의 위치를 예측하는 단계와,
    상기 각 시점에서 예측된 위치를 기반으로 확률 타원을 생성하는 단계를 포함하고,
    상기 확률 타원은, 상기 각 시점에서 상기 이동하는 장애물이 상기 확률 타원 내의 상이한 위치에 위치하는 상이한 확률을 표시하는 확률 표지를 포함하는 데이터 처리 시스템.
  16. 제15항에 있어서,
    상기 각 시점에 대한 상기 확률 타원을 기반으로, 궤적에 따라 상기 자율 주행 차량을 제어하도록 상기 자율 주행 차량의 상기 궤적을 계획하는 단계를 더 포함하는 데이터 처리 시스템.
  17. 제15항에 있어서,
    생성된 상기 확률 타원의 종축은 1.0+0.2t로 확정되되, t는 초 단위의 시점인 데이터 처리 시스템.
  18. 제15항에 있어서,
    생성된 상기 확률 타원의 횡축은 0.5+0.2t로 확정되되, t는 초 단위의 시점인 데이터 처리 시스템.
  19. 제15항에 있어서,
    상기 확률 표지의 확률은 상기 타원의 초점에서 상기 이동하는 장애물까지의 거리를 기반으로 확정되는 데이터 처리 시스템.
  20. 제15항에 있어서,
    상기 확률 타원은, 상기 이동하는 장애물의 이동 방향과 동일한 방향에서의 종축을 구비하는 데이터 처리 시스템.
KR1020197024532A 2018-09-28 2018-09-28 자율 주행 차량을 위한 보행자 확률 예측 시스템 KR102223346B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/108357 WO2020062032A1 (en) 2018-09-28 2018-09-28 A pedestrian probability prediction system for autonomous vehicles

Publications (2)

Publication Number Publication Date
KR20200037737A true KR20200037737A (ko) 2020-04-09
KR102223346B1 KR102223346B1 (ko) 2021-03-04

Family

ID=69953264

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197024532A KR102223346B1 (ko) 2018-09-28 2018-09-28 자율 주행 차량을 위한 보행자 확률 예측 시스템

Country Status (6)

Country Link
US (1) US11230297B2 (ko)
EP (1) EP3649527A4 (ko)
JP (1) JP6972150B2 (ko)
KR (1) KR102223346B1 (ko)
CN (1) CN111328411B (ko)
WO (1) WO2020062032A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210157551A (ko) * 2020-06-22 2021-12-29 마스코리아 주식회사 보행자 판단 시스템을 포함하는 가변형 차량 속도 경고 시스템

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11667301B2 (en) * 2018-12-10 2023-06-06 Perceptive Automata, Inc. Symbolic modeling and simulation of non-stationary traffic objects for testing and development of autonomous vehicle systems
US11383704B2 (en) * 2019-08-16 2022-07-12 Ford Global Technologies, Llc Enhanced vehicle operation
US11912271B2 (en) * 2019-11-07 2024-02-27 Motional Ad Llc Trajectory prediction from precomputed or dynamically generated bank of trajectories
WO2021097431A1 (en) * 2019-11-15 2021-05-20 Waymo Llc Spatio-temporal-interactive networks
EP3866074B1 (en) * 2020-02-14 2022-11-30 Robert Bosch GmbH Method and device for controlling a robot
JP2021142788A (ja) * 2020-03-10 2021-09-24 トヨタ自動車株式会社 運転支援システム
DE102020210376A1 (de) * 2020-08-14 2022-02-17 Robert Bosch Gesellschaft mit beschränkter Haftung Vorrichtung und Verfahren zum Steuern eines Hardware-Agenten in einer Steuersituation mit mehreren Hardware-Agenten
EP4024366A1 (en) * 2020-12-30 2022-07-06 Argo AI GmbH Method for controlling a driving behavior of an autonomously driving vehicle, processing device for performing the method, data storage medium and vehicle
CN114435401B (zh) * 2022-02-09 2023-10-27 武汉路特斯汽车有限公司 空位识别方法、车辆及可读存储介质
CN114644018B (zh) * 2022-05-06 2024-07-30 重庆大学 一种基于博弈论的自动驾驶车辆人车交互决策规划方法
CN115220454A (zh) * 2022-07-21 2022-10-21 同济大学 一种无人驾驶的换道规划控制一体化方法
CN115628736B (zh) * 2022-09-23 2024-10-11 北京智行者科技股份有限公司 行人轨迹的预测方法、设备、移动装置和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012513651A (ja) * 2008-12-23 2012-06-14 コンテイネンタル・セイフテイ・エンジニヤリング・インターナシヨナル・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング 車両と生物との衝突確率を求める方法
JP2017004106A (ja) * 2015-06-05 2017-01-05 トヨタ自動車株式会社 車両の衝突回避支援装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL9001810A (nl) * 1990-08-13 1992-03-02 Philips Nv Werkwijze voor de positiebepaling van een voertuig, inrichting voor de positiebepaling van een voertuig, alsmede voertuig voorzien van de inrichting.
JP3949628B2 (ja) 2003-09-02 2007-07-25 本田技研工業株式会社 車両の周辺監視装置
JP2006341843A (ja) 2005-06-08 2006-12-21 Delphi Technologies Inc 衝突事件の類別方法
US7786898B2 (en) * 2006-05-31 2010-08-31 Mobileye Technologies Ltd. Fusion of far infrared and visible images in enhanced obstacle detection in automotive applications
JP4576445B2 (ja) 2007-04-12 2010-11-10 パナソニック株式会社 自律移動型装置および自律移動型装置用プログラム
JP5614055B2 (ja) * 2010-02-22 2014-10-29 トヨタ自動車株式会社 運転支援装置
JP5884794B2 (ja) * 2013-08-29 2016-03-15 株式会社デンソー 衝突可能性判定装置およびプログラム
JP6203381B2 (ja) * 2014-04-10 2017-09-27 三菱電機株式会社 経路予測装置
CN105717923B (zh) * 2016-01-16 2019-02-19 上海大学 基于椭圆聚类-碰撞锥推演的无人艇海洋动态避障控制算法
JP6752024B2 (ja) * 2016-02-12 2020-09-09 日立オートモティブシステムズ株式会社 画像処理装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012513651A (ja) * 2008-12-23 2012-06-14 コンテイネンタル・セイフテイ・エンジニヤリング・インターナシヨナル・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング 車両と生物との衝突確率を求める方法
JP2017004106A (ja) * 2015-06-05 2017-01-05 トヨタ自動車株式会社 車両の衝突回避支援装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210157551A (ko) * 2020-06-22 2021-12-29 마스코리아 주식회사 보행자 판단 시스템을 포함하는 가변형 차량 속도 경고 시스템

Also Published As

Publication number Publication date
US20210221405A1 (en) 2021-07-22
CN111328411A (zh) 2020-06-23
CN111328411B (zh) 2022-11-29
US11230297B2 (en) 2022-01-25
WO2020062032A1 (en) 2020-04-02
JP6972150B2 (ja) 2021-11-24
EP3649527A1 (en) 2020-05-13
JP2021501712A (ja) 2021-01-21
EP3649527A4 (en) 2020-05-13
KR102223346B1 (ko) 2021-03-04

Similar Documents

Publication Publication Date Title
KR102354615B1 (ko) 자율 주행 차량의 저속 정경을 위한 보행자 상호 작용 시스템
CN111076732B (zh) 基于车辆行驶的轨迹标记和生成高清地图的标记方案
JP6975512B2 (ja) 自動運転車両の周辺車両の挙動に基づくリアルタイム感知調整と運転調整
JP7050025B2 (ja) 自動運転車両のための計画運転感知システム
KR102223346B1 (ko) 자율 주행 차량을 위한 보행자 확률 예측 시스템
CN111061261B (zh) 使用标准导航地图与基于车辆的先前轨迹确定的车道配置的自动驾驶方法
JP6667686B2 (ja) 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体
KR102279078B1 (ko) 자율 주행 차량의 v2x 통신 기반의 차량 차로 시스템
JP2019182411A (ja) オブジェクトの二次元境界枠を自動運転車両の三次元位置に転換するための方法［ｍｅｔｈｏｄ ｆｏｒ ｔｒａｎｓｆｏｒｍｉｎｇ ２ｄ ｂｏｕｎｄｉｎｇ ｂｏｘｅｓ ｏｆ ｏｂｊｅｃｔｓ ｉｎｔｏ ３ｄ ｐｏｓｉｔｉｏｎｓ ｆｏｒ ａｕｔｏｎｏｍｏｕｓ ｄｒｉｖｉｎｇ ｖｅｈｉｃｌｅｓ （ａｄｖｓ）］
CN111044057B (zh) 用于自动驾驶车辆的基于先前驾驶轨迹的实时地图生成方案
JP2019182402A (ja) 自動運転車両に用いられる検知支援
JP2019182399A (ja) 自動運転に用いられる感知と計画のコラボレーションフレームワーク
JP2018077827A (ja) 自律走行車の決定の評価フレームワーク
CN110621541B (zh) 用于生成轨迹以操作自动驾驶车辆的方法和系统
JP2018083610A (ja) 自律走行車の車両交通行動を予測して運転決定をするための方法及びシステム
CN111857118B (zh) 对停车轨迹分段以控制自动驾驶车辆停车
JP6757442B2 (ja) 自動運転車における車線後処理
CN111615476B (zh) 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统
KR20200037119A (ko) 자율 주행 차량에 사용되는 터널에 기초한 계획 시스템
KR20200038201A (ko) 자율 주행 차량을 위한 제어 지배적 삼중 포인트 회전 계획
KR20200037738A (ko) 자율 주행 차량을 위한 나선형 경로 기반의 삼중 포인트 회전 계획
JP2020083310A (ja) 車両挙動予測のための圧縮環境特徴の表示
CN111649751B (zh) 一种用于参考线平滑的超自由缝合方法
KR102223347B1 (ko) 에뮬레이션 기반의 자율 주행 차량의 3점 방향 전환 계획
JP6987150B2 (ja) 自動運転車両の３ポイントターンの最適プランナー切り替え方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant