KR20230110145A - 아이트래커 디바이스 및 라이다 포인트 클라이드 데이터를 사용하는 목표 결정 - Google Patents

아이트래커 디바이스 및 라이다 포인트 클라이드 데이터를 사용하는 목표 결정 Download PDF

Info

Publication number
KR20230110145A
KR20230110145A KR1020220054222A KR20220054222A KR20230110145A KR 20230110145 A KR20230110145 A KR 20230110145A KR 1020220054222 A KR1020220054222 A KR 1020220054222A KR 20220054222 A KR20220054222 A KR 20220054222A KR 20230110145 A KR20230110145 A KR 20230110145A
Authority
KR
South Korea
Prior art keywords
data
location
vehicle
processor
point cloud
Prior art date
Application number
KR1020220054222A
Other languages
English (en)
Inventor
아브야드 카쉼
사무엘 파인들러
Original Assignee
모셔널 에이디 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 모셔널 에이디 엘엘씨 filed Critical 모셔널 에이디 엘엘씨
Publication of KR20230110145A publication Critical patent/KR20230110145A/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
    • 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
    • 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
    • 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
    • B60W30/10—Path keeping
    • 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
    • B60W40/08—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 drivers or passengers
    • 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
    • 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
    • B60W50/10—Interpretation of driver requests or demands
    • 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
    • B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
    • B60W60/00253—Taxi operations
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • 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
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • 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
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2050/146—Display means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/215—Selection or confirmation of options
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/223—Posture, e.g. hand, foot, or seat position, turned or inclined
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/225—Direction of gaze
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

제1 위치와 연관된 3차원 좌표를 특성화하는 제1 데이터를 수신하는 것을 포함할 수 있는, 아이트래커 디바이스 및 LiDAR 포인트 클라우드 데이터를 사용하는 목표 결정 방법이 제공된다. 이 데이터는 차량에 부착된 적어도 하나의 센서를 통해 취득될 수 있다. 설명하는 일부 방법은 또한 차량에 부착된 LiDAR 디바이스로부터 취득된 LiDAR 포인트 클라우드데이터를 특성화하는 제2 데이터를 수신하는 것을 포함한다. LiDAR 포인트 클라우드 데이터는 제1 위치와 연관된 3차원 좌표 데이터를 포함할 수 있다. 제1 위치의 시각적 표시가 차량의 사용자 인터페이스에 제공될 수 있다. 시각적 표시는 제1 데이터 및 제2 데이터에 기초하여 생성될 수 있다. 차량은 사용자 입력이 시각적 표시를 선택하는 것에 응답하여 제1 위치로 운행하도록 작동될 수 있다. 시스템 및 컴퓨터 프로그램 제품도 제공된다.

Description

아이트래커 디바이스 및 라이다 포인트 클라이드 데이터를 사용하는 목표 결정{GOAL DETERMINATION USING AN EYE TRACKER DEVICE AND LiDAR POINT CLOUD DATA}
[관련 출원]
본 출원은 35 U.S.C. §119(e)에 의거하여 2022년 1월 13일에 출원한 미국 가특허출원 제63/299,094호를 우선권 주장하며, 이것의 전체 내용은 여기에서의 인용에 의해 본 명세서에 명시적으로 포함된다.
자율 주행 차량은 최소한의 인간 입력 내지 인간 입력 없이 주변 환경을 감지할 수 있고 목표 위치로 운행할 수 있다. 진로를 따라 존재할 수도 있는 방해물을 피하면서 선택된 경로를 안전하게 통과하기 위해서 차량은 다양한 유형의 센서 데이터에 의존할 수 있다. 예를 들어, LiDAR(Light Detection and Ranging) 센서 데이터는 포인트 클라우드 형태의 3차원 데이터를 포함할 수 있다. 또한 센서 데이터는 아이트래커 디바이스(eye tracker device) 및 차량에 배치된 대응하는 카메라 셋업을 사용하여 획득할 수 있는 사용자의 뷰 또는 시선과 연관된 데이터를 포함할 수 있다. 사용자의 시선에 기초하여 목표 위치를 결정하고 사용자 인터페이스에 목표 위치를 제공하는 것은 계산 리소스 집약적일 수 있으며 전문화된 사용자 인터페이스를 필요로 할 수 있다.
도 1은 자율 주행 시스템의 하나 이상의 컴포넌트를 포함한 차량이 구현될 수 있는 예시적인 환경이다.
도 2는 자율 주행 시스템을 포함하는 차량의 하나 이상의 시스템의 도면이다.
도 3은 도 1 및 도 2의 하나 이상의 디바이스 및/또는 하나 이상의 시스템의 컴포넌트들의 도면이다.
도 4a는 자율 주행 시스템의 특정 컴포넌트들의 도면이다.
도 4b는 신경망의 구현예의 도면이다.
도 5는 아이트래커 디바이스 및 LiDAR 포인트 클라우드 데이터를 사용하여 목표 결정 프로세스를 수행하도록 구성되는 목표 결정 시스템의 일 구현예의 도면이다.
도 6은 아이트래커 디바이스 및 LiDAR 포인트 클라우드 데이터를 사용하여 목표 결정을 수행하도록 구성되는 목표 결정 시스템의 상세 구현예의 도면이다.
도 7은 아이트래커 디바이스 및 LiDAR 포인트 클라우드 데이터를 사용하는 목표 결정 프로세스의 흐름도이다.
이하의 설명에서는, 설명 목적으로 본 개시내용에 대한 완전한 이해를 제공하기 위해 다수의 특정 세부 사항들이 제시된다. 그렇지만, 본 개시내용에 의해 기술되는 실시예들이 이러한 특정 세부 사항들이 없더라도 실시될 수 있음이 명백할 것이다. 일부 경우에, 본 개시내용의 양태들을 불필요하게 모호하게 하는 것을 피하기 위해 잘 알려진 구조들 및 디바이스들은 블록도 형태로 예시되어 있다.
시스템들, 디바이스들, 모듈들, 명령어 블록들, 데이터 요소들 등을 나타내는 것들과 같은, 개략적인 요소들의 특정 배열들 또는 순서들이 설명의 편의를 위해 도면들에 예시되어 있다. 그렇지만, 본 기술 분야의 통상의 기술자라면 도면들에서의 개략적인 요소들의 특정 순서 또는 배열이, 그러한 것으로 명시적으로 기술되지 않는 한, 프로세스들의 특정 프로세싱 순서 또는 시퀀스, 또는 프로세스들의 분리가 필요하다는 것을 암시하는 것으로 의미되지 않음을 이해할 것이다. 게다가, 도면에 개략적인 요소를 포함시키는 것은, 그러한 것으로 명시적으로 기술되지 않는 한 일부 실시예에서, 그러한 요소가 모든 실시예들에서 필요하다는 것 또는 그러한 요소에 의해 표현되는 특징들이 다른 요소들에 포함되지 않을 수 있거나 다른 요소들과 결합되지 않을 수 있다는 것을 암시하는 것으로 의미되지 않는다.
게다가, 2개 이상의 다른 개략적인 요소 사이의 연결, 관계 또는 연관을 예시하기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소들이 도면에서 사용되는 경우에, 임의의 그러한 연결 요소들의 부재는 연결, 관계 또는 연관이 존재하지 않을 수 있음을 암시하는 것으로 의미되지 않는다. 환언하면, 요소들 사이의 일부 연결들, 관계들 또는 연관들은 본 개시내용을 모호하게 하지 않기 위해 도면들에 도시되어 있지 않다. 추가적으로, 예시의 용이성을 위해, 요소들 사이의 다수의 연결들, 관계들 또는 연관들을 나타내기 위해 단일의 연결 요소가 사용될 수 있다. 예를 들어, 연결 요소가 신호들, 데이터 또는 명령어들(예를 들면, "소프트웨어 명령어들")의 통신을 나타내는 경우에, 본 기술 분야의 통상의 기술자라면 그러한 요소가, 통신을 수행하는 데에 필요할 수 있는, 하나 또는 다수의 신호 경로(예를 들면, 버스)를 나타낼 수 있다는 것을 이해할 것이다.
제1, 제2, 제3 등의 용어들이 다양한 컴포넌트들을 기술하는 데 사용되지만, 이러한 요소들이 이러한 용어들에 의해 제한되어서는 안된다. 제1, 제2, 제3 등의 용어들은 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 기술된 실시예들의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라고 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라고 지칭될 수 있다. 제1 접촉과 제2 접촉은 둘 다 접촉이지만, 동일한 접촉은 아니다.
본원에 기술된 다양한 실시예들에 대한 설명에서 사용되는 전문용어는 단지 특정한 실시예들을 기술하기 위한 목적에서 포함되며, 제한하는 것으로 의도되지 않는다. 다양한 기술된 실시예들에 대한 설명 및 첨부된 청구항들에서 사용되는 바와 같이, 단수 형태들("a", "an" 및 "the")은 복수 형태들도 포함하는 것으로 의도되고, 문맥이 달리 명확히 나타내지 않는 한, "하나 이상" 또는 "적어도 하나"와 상호 교환 가능하게 사용될 수 있다. "및/또는"이라는 용어가, 본원에서 사용되는 바와 같이, 연관된 열거된 항목들 중 하나 이상의 항목의 임의의 및 모든 가능한 조합들을 지칭하고 포괄한다는 것이 또한 이해될 것이다. "포함한다(includes)", 포함하는(including), 포함한다(comprises)" 및/또는 "포함하는(comprising)"이라는 용어들이, 본 설명에서 사용될 때, 언급된 특징들, 정수들, 단계들, 동작들, 요소들, 및/또는 컴포넌트들의 존재를 명시하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 이들의 그룹들의 존재 또는 추가를 배제하지 않는다는 것이 추가로 이해될 것이다.
본원에서 사용되는 바와 같이, "통신" 및 "통신하다"라는 용어들은 정보(또는, 예를 들어, 데이터, 신호들, 메시지들, 명령어들, 커맨드들 등에 의해 표현되는 정보)의 수신, 접수, 송신, 전달, 제공 등 중 적어도 하나를 지칭한다. 하나의 유닛(예를 들면, 디바이스, 시스템, 디바이스 또는 시스템의 컴포넌트, 이들의 조합들 등)이 다른 유닛과 통신한다는 것은 하나의 유닛이 직접 또는 간접적으로 다른 유닛으로부터 정보를 수신하고/하거나 다른 유닛으로 정보를 전송(예를 들면, 송신)할 수 있음을 의미한다. 이것은 본질적으로 유선 및/또는 무선인 직접 또는 간접 연결을 지칭할 수 있다. 추가적으로, 송신되는 정보가 제1 유닛과 제2 유닛 사이에서 수정, 프로세싱, 중계 및/또는 라우팅될 수 있을지라도 2개의 유닛은 서로 통신하고 있을 수 있다. 예를 들어, 제1 유닛이 정보를 수동적으로 수신하고 정보를 제2 유닛으로 능동적으로 송신하지 않을지라도 제1 유닛은 제2 유닛과 통신하고 있을 수 있다. 다른 예로서, 적어도 하나의 중간 유닛(예를 들면, 제1 유닛과 제2 유닛 사이에 위치하는 제3 유닛)이 제1 유닛으로부터 수신되는 정보를 프로세싱하고 프로세싱된 정보를 제2 유닛으로 송신하는 경우 제1 유닛은 제2 유닛과 통신하고 있을 수 있다. 일부 실시예에서, 메시지는 데이터를 포함하는 네트워크 패킷(예를 들면, 데이터 패킷 등)을 지칭할 수 있다.
본원에서 사용되는 바와 같이, "~ 경우"라는 용어는, 선택적으로, 문맥에 따라 "~할 때", 또는 "~시에" 또는 "~라고 결정하는 것에 응답하여", "~을 검출하는 것에 응답하여" 등을 의미하는 것으로 해석된다. 유사하게, 문구 "~라고 결정되는 경우" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는, 선택적으로, 문맥에 따라, "~라고 결정할 시에", "~라고 결정하는 것에 응답하여", "[언급된 조건 또는 이벤트]를 검출할 시에", "[언급된 조건 또는 이벤트]를 검출하는 것에 응답하여" 등을 의미하는 것으로 해석된다. 또한, 본원에서 사용되는 바와 같이, "갖는다"(has, have), "갖는(having)" 등의 용어들은 개방형(open-ended) 용어들인 것으로 의도된다. 게다가, 문구 "~에 기초하여"는, 달리 명시적으로 언급되지 않는 한, "~에 적어도 부분적으로 기초하여"를 의미하는 것으로 의도된다.
그 예가 첨부 도면들에 예시되어 있는 실시예들에 대해 이제 상세하게 언급될 것이다. 이하의 상세한 설명에서, 다양한 기술된 실시예들에 대한 완전한 이해를 제공하기 위해 수많은 특정 세부 사항들이 기재된다. 그렇지만, 다양한 기술된 실시예들이 이러한 특정 세부 사항들이 없더라도 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 경우에, 실시예들의 양태들을 불필요하게 모호하게 하지 않기 위해 잘 알려진 방법들, 절차들, 컴포넌트들, 회로들, 및 네트워크들은 상세히 기술되지 않았다.
일반적 개관
사용자의 시선을 포착하기 위해 아이트래커 디바이스 및 대응하는 카메라 셋업이 차량에 배치될 수 있다. 사용자의 시선의 위치가 결정되고 목표 또는 타겟 위치로서 차량의 사용자 인터페이스에 제공될 수 있다. 목표 위치는 차량이 작동하고 있는 환경의 표현 위에 오버레이될 수 있다. 사용자는 목표 위치를 선택할 수 있고 차량은 목표 위치까지의 궤적을 결정할 수 있다. 목표 위치는 또한 LiDAR 포인트 클라우드 데이터의 승하차(pick-up and drop-off, 예컨대 PuDo) 위치와 같은 미리 결정된 안전한 위치와 관련하여 결정될 수 있다. 포인팅과 같은 기타 제스터도 목표 위치를 결정하는 데 사용될 수 있다.
일부 양태 및/또는 실시예에서, 여기에서 설명하는 시스템, 방법, 및 컴퓨터 프로그램 제품은 아이트래커 디바이스 및 LiDAR 클라우드 데이터를 사용하여 목표 위치를 결정하기 위한 기술을 포함 및/또는 구현한다. 목표 위치 또는 타겟 위치는 차량 내에 배치되며 차량의 운전자를 관측하도록 구성되는 아이트래커 디바이스와 같은 센서에 의해 획득되는 눈추적 데이터에 기초하여 결정될 수 있다. 눈추적 데이터는 운전자가 보고 있는 목표 위치와 연관된 3차원 좌표 데이터를 포함할 수 있다. 본 기술은 또한 차량에 부착된 LiDAR 디바이스를 사용하여 LiDAR 포인트 클라우드 데이터를 취득하는 것을 포함할 수 있다. LiDAR 포인트 클라우드 데이터는 목표 위치와 연관된 3차원 좌표 데이터를 포함할 수 있다. 목표 위치의 시각적 표시가 차량의 사용자 인터페이스에 제공될 수 있다. 시각적 표시는 눈추적 데이터 및 LiDAR 포인트 클라우드 데이터에 기초하여 결정될 수 있다. 사용자는 목표 위치를 목적지 위치로서 선택하기 위해 사용자 인터페이스와 인터랙션할 수 있다. 본 기술은 또한 사용자 인터페이스에 제공되는 사용자 선택에 기초하여 목표 위치로 운행하도록 차량을 작동하는 것을 포함할 수 있다.
여기에서 설명하는 시스템, 방법, 및 컴퓨터 프로그램 제품의 구현예에 의해, 아이트래커 디바이스 및 LiDAR 포인트 클라우드를 사용하는 목표 결정 기술이 제공된다. 아이트래커 디바이스 및 LiDAR 포인트 클라우드 데이터를 사용하여 목표 위치를 결정하는 것은 사용자가 애드혹 방식으로 특정 승하차(PuDo) 위치를 식별 및 선택할 수 있는 인터랙티브 방식을 제공할 수 있다. 본 기술은 또한 차량 오퍼레이터 및/또는 승객이 차량 내비게이션 및 루트 계획 시스템과 인터랙션할 수 있는 효율적이고 안전한 결합 메커니즘(engagement mechanism)을 제공한다. LiDAR 포인트 클라우드 데이터 장면 또는 로컬 맵에서의 PuDo 위치와 같은, 공지된 안전 구역 또는 목적지 장소와의 통합은 선택된 목표 위치로의 안전한 운행을 향상시킬 수 있다. 눈추적 데이터는 저장될 수 있고 특정 위치에 대한 궤적 예측을 트레이닝하는 데 사용될 수 있다.
이제 도 1을 참조하면, 자율 주행 시스템들을 포함하는 차량들은 물론 그렇지 않은 차량들이 작동되는 예시적인 환경(100)이 예시된다. 예시된 바와 같이, 환경(100)은 차량들(102a 내지 102n), 대상체들(104a 내지 104n), 루트들(106a 내지 106n), 영역(108), 차량 대 인프라스트럭처(vehicle-to-infrastructure, V2I) 디바이스(110), 네트워크(112), 원격 자율 주행 차량(AV) 시스템(114), 플릿 관리 시스템(fleet management system)(116), 및 V2I 시스템(118)을 포함한다. 차량들(102a 내지 102n), 차량 대 인프라스트럭처(V2I) 디바이스(110), 네트워크(112), 자율 주행 차량(AV) 시스템(114), 플릿 관리 시스템(116), 및 V2I 시스템(118)은 유선 연결들, 무선 연결들, 또는 유선 또는 무선 연결들의 조합을 통해 상호연결한다(예를 들면, 통신 등을 위해 연결을 확립한다). 일부 실시예에서, 대상체들(104a 내지 104n)은 유선 연결들, 무선 연결들 또는 유선 또는 무선 연결들의 조합을 통해 차량들(102a 내지 102n), 차량 대 인프라스트럭처(V2I) 디바이스(110), 네트워크(112), 자율 주행 차량(AV) 시스템(114), 플릿 관리 시스템(116), 및 V2I 시스템(118) 중 적어도 하나와 상호연결한다.
차량들(102a 내지 102n)(개별적으로 차량(102)이라고 지칭되고 집합적으로 차량들(102)이라고 지칭됨)은 상품 및/또는 사람을 운송하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 실시예에서, 차량들(102)은 네트워크(112)를 통해 V2I 디바이스(110), 원격 AV 시스템(114), 플릿 관리 시스템(116), 및/또는 V2I 시스템(118)과 통신하도록 구성된다. 일부 실시예에서, 차량들(102)은 자동차들, 버스들, 트럭들, 기차들 등을 포함한다. 일부 실시예에서, 차량들(102)은 본원에 기술된 차량들(200)(도 2 참조)과 동일하거나 유사하다. 일부 실시예에서, 일단의 차량들(200) 중의 차량(200)은 자율 주행 플릿 관리자와 연관된다. 일부 실시예에서, 차량들(102)은, 본원에 기술된 바와 같이, 각자의 루트들(106a 내지 106n)(개별적으로 루트(106)라고 지칭되고 집합적으로 루트들(106)이라고 지칭됨)을 따라 주행한다. 일부 실시예에서, 하나 이상의 차량(102)은 자율 주행 시스템(예를 들면, 자율 주행 시스템(202)과 동일하거나 유사한 자율 주행 시스템)을 포함한다.
대상체들(104a 내지 104n)(개별적으로 대상체(104)라고 지칭되고 집합적으로 대상체들(104)이라고 지칭됨)은, 예를 들어, 적어도 하나의 차량, 적어도 하나의 보행자, 적어도 하나의 자전거 타는 사람, 적어도 하나의 구조물(예를 들면, 건물, 표지판, 소화전(fire hydrant) 등) 등을 포함한다. 각각의 대상체(104)는 정지해 있거나(예를 들면, 일정 시간 기간 동안 고정 위치에 위치하거나) 이동하고 있다(예를 들면, 속도를 가지며 적어도 하나의 궤적과 연관되어 있다). 일부 실시예에서, 대상체들(104)은 영역(108) 내의 대응하는 위치들과 연관되어 있다.
루트들(106a 내지 106n)(개별적으로 루트(106)라고 지칭되고 집합적으로 루트들(106)이라고 지칭됨)은 각각 AV가 운행할 수 있는 상태들을 연결하는 행동들의 시퀀스(궤적이라고도 함)와 연관된다(예를 들면, 이를 규정한다). 각각의 루트(106)는 초기 상태(예를 들면, 제1 시공간적 위치, 속도 등에 대응하는 상태) 및 최종 목표 상태(예를 들면, 제1 시공간적 위치와 상이한 제2 시공간적 위치에 대응하는 상태) 또는 목표 영역(예를 들면, 허용 가능한 상태들(예를 들면, 종료 상태들(terminal states))의 부분 공간(subspace))에서 시작된다. 일부 실시예에서, 제1 상태는 AV에 개인 또는 개인들이 승차(pick-up)하는 위치를 포함하고 제2 상태 또는 영역은 AV에 승차한 개인 또는 개인들이 하차(drop-off)해야 하는 위치 또는 위치들을 포함한다. 일부 실시예에서, 루트들(106)은 복수의 허용 가능한 상태 시퀀스들(예를 들면, 복수의 시공간적 위치 시퀀스들)을 포함하며, 복수의 상태 시퀀스들은 복수의 궤적들과 연관된다(예를 들면, 이를 정의한다). 일 예에서, 루트들(106)은, 도로 교차로들에서의 회전 방향들을 지시하는 일련의 연결된 도로들과 같은, 상위 레벨 행동들 또는 부정확한 상태 위치들만을 포함한다. 추가적으로 또는 대안적으로, 루트들(106)은, 예를 들어, 특정 목표 차선들 또는 차선 영역들 내에서의 정확한 위치들 및 해당 위치들에서의 목표 속력과 같은, 보다 정확한 행동들 또는 상태들을 포함할 수 있다. 일 예에서, 루트들(106)은 중간 목표들에 도달하기 위해 제한된 룩어헤드 호라이즌(lookahead horizon)을 갖는 적어도 하나의 상위 레벨 행동 시퀀스를 따른 복수의 정확한 상태 시퀀스들을 포함하며, 여기서 제한된 호라이즌 상태 시퀀스들의 연속적인 반복들의 조합은 누적되어 복수의 궤적들에 대응하며 이 복수의 궤적들은 집합적으로 최종 목표 상태 또는 영역에서 종료하는 상위 레벨 루트를 형성한다.
영역(108)은 차량들(102)이 운행할 수 있는 물리적 영역(예를 들면, 지리적 영역)을 포함한다. 일 예에서, 영역(108)은 적어도 하나의 주(state)(예를 들면, 국가, 지방, 국가에 포함된 복수의 주들의 개개의 주 등), 주의 적어도 하나의 부분, 적어도 하나의 도시, 도시의 적어도 하나의 부분 등을 포함한다. 일부 실시예에서, 영역(108)은 간선 도로, 주간 간선 도로, 공원 도로, 도시 거리 등과 같은 적어도 하나의 명명된 주요 도로(thoroughfare)(본원에서 "도로"라고 지칭됨)를 포함한다. 추가적으로 또는 대안적으로, 일부 예들에서, 영역(108)은 진입로, 주차장의 섹션, 공터 및/또는 미개발 부지의 섹션, 비포장 경로 등과 같은 적어도 하나의 명명되지 않은 도로를 포함한다. 일부 구현예에서, 도로는 적어도 하나의 차선(예를 들면, 차량(102)에 의해 횡단될 수 있는 도로의 일 부분)을 포함한다. 일 예에서, 도로는 적어도 하나의 차선 마킹과 연관된(예를 들면, 이에 기초하여 식별되는) 적어도 하나의 차선을 포함한다. 영역(108)은 차량 탑승자가 차량(102)에 승하차하기 위한 안전한 위치인 승하차(PuDO, pick-up and drop-off) 위치를 포함할 수 있다
차량 대 인프라스트럭처(V2I) 디바이스(110)(때때로 차량 대 인프라스트럭처(V2X) 디바이스라고 지칭됨)는 차량들(102) 및/또는 V2I 인프라스트럭처 시스템(118)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 실시예에서, V2I 디바이스(110)는 네트워크(112)를 통해 차량들(102), 원격 AV 시스템(114), 플릿 관리 시스템(116), 및/또는 V2I 시스템(118)과 통신하도록 구성된다. 일부 실시예에서, V2I 디바이스(110)는 RFID(radio frequency identification) 디바이스, 사이니지(signage), 카메라(예를 들면, 2차원(2D) 및/또는 3차원(3D) 카메라), 차선 마커, 가로등, 주차 미터기 등을 포함한다. 일부 실시예에서, V2I 디바이스(110)는 차량들(102)과 직접 통신하도록 구성된다. 추가적으로 또는 대안적으로, 일부 실시예에서, V2I 디바이스(110)는 V2I 시스템(118)을 통해 차량들(102), 원격 AV 시스템(114), 및/또는 플릿 관리 시스템(116)과 통신하도록 구성된다. 일부 실시예에서, V2I 디바이스(110)는 네트워크(112)를 통해 V2I 시스템(118)과 통신하도록 구성된다.
네트워크(112)는 하나 이상의 유선 및/또는 무선 네트워크를 포함한다. 일 예에서, 네트워크(112)는 셀룰러 네트워크(예를 들면, LTE(long term evolution) 네트워크, 3G(third generation) 네트워크, 4G(fourth generation) 네트워크, 5G(fifth generation) 네트워크, CDMA(code division multiple access) 네트워크 등), PLMN(public land mobile network), LAN(local area network), WAN(wide area network), MAN(metropolitan area network), 전화 네트워크(예를 들면, PSTN(public switched telephone network)), 사설 네트워크, 애드혹 네트워크, 인트라넷, 인터넷, 광섬유 기반 네트워크, 클라우드 컴퓨팅 네트워크 등, 이러한 네트워크들의 일부 또는 전부의 조합 등을 포함한다.
원격 AV 시스템(114)은 네트워크(112)를 통해 차량들(102), V2I 디바이스(110), 네트워크(112), 원격 AV 시스템(114), 플릿 관리 시스템(116), 및/또는 V2I 시스템(118)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일 예에서, 원격 AV 시스템(114)은 서버, 서버들의 그룹, 및/또는 다른 유사한 디바이스들을 포함한다. 일부 실시예에서, 원격 AV 시스템(114)은 플릿 관리 시스템(116)과 동일 위치에 배치된다(co-located). 일부 실시예에서, 원격 AV 시스템(114)은 자율 주행 시스템, 자율 주행 차량 컴퓨터, 자율 주행 차량 컴퓨터에 의해 구현되는 소프트웨어 등을 포함한, 차량의 컴포넌트들의 일부 또는 전부의 설치에 관여된다. 일부 실시예에서, 원격 AV 시스템(114)은 차량의 수명 동안 그러한 컴포넌트들 및/또는 소프트웨어를 유지 관리(예를 들면, 업데이트 및/또는 교체)한다.
플릿 관리 시스템(116)은 차량들(102), V2I 디바이스(110), 원격 AV 시스템(114), 및/또는 V2I 인프라스트럭처 시스템(118)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일 예에서, 플릿 관리 시스템(116)은 서버, 서버들의 그룹, 및/또는 다른 유사한 디바이스들을 포함한다. 일부 실시예에서, 플릿 관리 시스템(116)은 라이드 셰어링(ridesharing) 회사(예를 들면, 다수의 차량들(예를 들면, 자율 주행 시스템들을 포함하는 차량들 및/또는 자율 주행 시스템들을 포함하지 않는 차량들)의 작동을 제어하는 조직 등)와 연관된다.
일부 실시예에서, V2I 시스템(118)은 네트워크(112)를 통해 차량들(102), V2I 디바이스(110), 원격 AV 시스템(114), 및/또는 플릿 관리 시스템(116)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예들에서, V2I 시스템(118)은 네트워크(112)와 상이한 연결을 통해 V2I 디바이스(110)와 통신하도록 구성된다. 일부 실시예에서, V2I 시스템(118)은 서버, 서버들의 그룹, 및/또는 다른 유사한 디바이스들을 포함한다. 일부 실시예에서, V2I 시스템(118)은 지자체 또는 사설 기관(예를 들면, V2I 디바이스(110) 등을 유지 관리하는 사설 기관)과 연관된다.
도 1에 예시된 요소들의 수 및 배열은 예로서 제공된다. 도 1에 예시된 것보다, 추가적인 요소들, 더 적은 요소들, 상이한 요소들 및/또는 상이하게 배열된 요소들이 있을 수 있다. 추가적으로 또는 대안적으로, 환경(100)의 적어도 하나의 요소는 도 1의 적어도 하나의 상이한 요소에 의해 수행되는 것으로 기술된 하나 이상의 기능을 수행할 수 있다. 추가적으로 또는 대안적으로, 환경(100)의 적어도 하나의 요소 세트는 환경(100)의 적어도 하나의 상이한 요소 세트에 의해 수행되는 것으로 기술된 하나 이상의 기능을 수행할 수 있다. 일부 실시예에서, 목표 결정 시스템(505)이 환경(100)에 포함될 수 있다. 목표 결정 시스템(505)은 차량(102) 내부에 또는 차량(102) 외부에 구성될 수 있다. 일부 실시예에서, 목표 결정 시스템(505)의 제1 부분은 차량(102) 내부에 구성될 수 있고 목표 결정 시스템(505)의 제2 부분은 차량(102) 외부에 구성될 수 있다.
이제 도 2를 참조하면, 차량(200)은 자율 주행 시스템(202), 파워트레인 제어 시스템(204), 조향 제어 시스템(206), 및 브레이크 시스템(208)을 포함한다. 일부 실시예에서, 차량(200)은 차량(102)(도 1 참조)과 동일하거나 유사하다. 일부 실시예에서, 차량(102)은 자율 주행 능력을 가질 수 있다(예를 들면, 완전 자율 주행 차량들(예를 들면, 인간 개입에 의존하지 않는 차량들), 고도 자율 주행 차량들(예를 들면, 특정 상황들에서 인간 개입에 의존하지 않는 차량들) 등을, 제한 없이, 포함한, 차량(200)이 인간 개입 없이 부분적으로 또는 완전히 작동될 수 있게 하는 적어도 하나의 기능, 특징, 디바이스 등을 구현할 수 있다). 완전 자율 주행 차량들 및 고도 자율 주행 차량들에 대한 상세한 설명에 대해서는, 그 전체가 참고로 포함되는, SAE International's standard J3016: Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems를 참조할 수 있다. 일부 실시예에서, 차량(200)은 자율 주행 플릿 관리자 및/또는 라이드 셰어링 회사와 연관된다.
자율 주행 시스템(202)은 카메라들(202a), LiDAR 센서들(202b), 레이더 센서들(202c), 및 마이크로폰들(202d)과 같은 하나 이상의 디바이스를 포함하는 센서 스위트(sensor suite)를 포함한다. 일부 실시예에서, 자율 주행 시스템(202)은 보다 많거나 보다 적은 디바이스들 및/또는 상이한 디바이스들(예를 들면, 초음파 센서들, 관성 센서들, GPS 수신기들(아래에서 논의됨), 차량(200)이 주행한 거리의 표시와 연관된 데이터를 생성하는 주행 거리 측정 센서들 등)을 포함할 수 있다. 일부 실시예에서, 자율 주행 시스템(202)은 자율 주행 시스템(202)에 포함된 하나 이상의 디바이스를 사용하여 본원에서 기술되는 환경(100)과 연관된 데이터를 생성한다. 자율 주행 시스템(202)의 하나 이상의 디바이스에 의해 생성되는 데이터는 차량(200)이 위치하는 환경(예를 들면, 환경(100))을 관측하기 위해 본원에 기술된 하나 이상의 시스템에 의해 사용될 수 있다. 일부 실시예에서, 자율 주행 시스템(202)은 통신 디바이스(202e), 자율 주행 차량 컴퓨트(202f), 및 드라이브 바이 와이어(drive-by-wire, DBW) 시스템(202h)을 포함한다.
카메라들(202a)은 버스(예를 들면, 도 3의 버스(302)와 동일하거나 유사한 버스)를 통해 통신 디바이스(202e), 자율 주행 차량 컴퓨트(202f) 및/또는 안전 제어기(202g)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 카메라들(202a)은 물리적 대상체들(예를 들면, 자동차들, 버스들, 연석들, 사람들 등)을 포함하는 이미지들을 캡처하기 위한 적어도 하나의 카메라(예를 들면, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라, 열 카메라, 적외선(IR) 카메라, 이벤트 카메라 등)를 포함한다. 일부 실시예에서, 카메라(202a)는 카메라 데이터를 출력으로서 생성한다. 일부 예에서, 카메라(202a)는 이미지와 연관된 이미지 데이터를 포함하는 카메라 데이터를 생성한다. 이 예에서, 이미지 데이터는 이미지에 대응하는 적어도 하나의 파라미터(예를 들면, 노출, 밝기 등과 같은 이미지 특성들, 이미지 타임스탬프 등)를 명시할 수 있다. 그러한 예에서, 이미지는 한 형식(예를 들면, RAW, JPEG, PNG 등)으로 되어 있을 수 있다. 일부 실시예에서, 카메라(202a)는 입체시(stereopsis)(스테레오 비전(stereo vision))를 위해 이미지들을 캡처하도록 차량 상에 구성된(예를 들면, 차량 상에 위치한) 복수의 독립적인 카메라들을 포함한다. 일부 예에서, 카메라(202a)는 복수의 카메라들을 포함하고, 이 복수의 카메라들은 이미지 데이터를 생성하고 이미지 데이터를 자율 주행 차량 컴퓨트(202f) 및/또는 플릿 관리 시스템(예를 들면, 도 1의 플릿 관리 시스템(116)과 동일하거나 유사한 플릿 관리 시스템)으로 전송한다. 그러한 예에서, 자율 주행 차량 컴퓨트(202f)는 적어도 2개의 카메라로부터의 이미지 데이터에 기초하여 복수의 카메라들 중 적어도 2개의 카메라의 시야 내의 하나 이상의 대상체까지의 깊이를 결정한다. 일부 실시예에서, 카메라들(202a)은 카메라들(202a)로부터 일정 거리(예를 들면, 최대 100 미터, 최대 1 킬로미터 등) 내의 대상체들의 이미지들을 캡처하도록 구성된다. 그에 따라, 카메라들(202a)은 카메라들(202a)로부터 하나 이상의 거리에 있는 대상체들을 인지하도록 최적화된 센서들 및 렌즈들과 같은 특징부들을 포함한다.
일 실시예에서, 카메라(202a)는 시각적 내비게이션 정보를 제공하는 하나 이상의 교통 신호등, 거리 표지판 및/또는 다른 물리적 대상체와 연관된 하나 이상의 이미지를 캡처하도록 구성된 적어도 하나의 카메라를 포함한다. 일부 실시예에서, 카메라(202a)는 하나 이상의 이미지와 연관된 교통 신호등 데이터를 생성한다. 일부 예, 카메라(202a)는 한 형식(예를 들면, RAW, JPEG, PNG 등)을 포함하는 하나 이상의 이미지와 연관된 TLD 데이터를 생성한다. 일부 실시예에서, TLD 데이터를 생성하는 카메라(202a)는, 카메라(202a)가 가능한 한 많은 물리적 대상체들에 관한 이미지들을 생성하기 위해 넓은 시야를 갖는 하나 이상의 카메라(예를 들면, 광각 렌즈, 어안 렌즈, 대략 120도 이상의 시야각을 갖는 렌즈 등)를 포함할 수 있다는 점에서, 카메라들을 포함하는 본원에 기술된 다른 시스템들과 상이하다.
일부 실시예에서, 카메라(202a)는 차량의 운전자를 관측하도록 구성된 눈추적 디바이스(202a)를 포함할 수 있다. 예를 들어, 눈추적 디바이스(202a)는 차량 캐빈 내에 부착될 수 있고 차량 운전자의 얼굴에 대해, 구체적으로 차량 운전자의 눈에 대해 구성될 수 있다. 눈추적 디바이스(202a)는 운전자 눈의 이미지 데이터를 캡처할 수 있고 운전자가 보고 있고 운행 목표 위치에 대응하는 위치와 연관된 3차원 좌표 데이터를 생성할 수 있다. 눈추적 디바이스(202a)는 정확성을 위해 교정, 조정 또는 트레이닝될 수 있다.
LiDAR(Laser Detection and Ranging) 센서들(202b)은 버스(예를 들면, 도 3의 버스(302)와 동일하거나 유사한 버스)를 통해 통신 디바이스(202e), 자율 주행 차량 컴퓨트(202f), 및/또는 안전 제어기(202g)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. LiDAR 센서들(202b)은 광 방출기(예를 들면, 레이저 송신기)로부터 광을 송신하도록 구성된 시스템을 포함한다. LiDAR 센서들(202b)에 의해 방출되는 광은 가시 스펙트럼 밖에 있는 광(예를 들면, 적외선 광 등)을 포함한다. 일부 실시예에서, 작동 동안, LiDAR 센서들(202b)에 의해 방출되는 광은 물리적 대상체(예를 들면, 차량)와 조우하고 LiDAR 센서들(202b)로 다시 반사된다. 일부 구현예에서, LiDAR 센서들(202b)에 의해 방출되는 광은 광이 조우하는 물리적 대상체들을 투과하지 않는다. LiDAR 센서들(202b)은 광 방출기로부터 방출된 광이 물리적 대상체와 조우한 후에 그 광을 검출하는 적어도 하나의 광 검출기를 또한 포함한다. 일부 실시예에서, LiDAR 센서들(202b)과 연관된 적어도 하나의 데이터 프로세싱 시스템은 LiDAR 센서들(202b)의 시야에 포함된 대상체들을 나타내는 이미지(예를 들면, 포인트 클라우드, 결합된 포인트 클라우드(combined point cloud) 등)를 생성한다. 일부 예들에서, LiDAR 센서(202b)와 연관된 적어도 하나의 데이터 프로세싱 시스템은 물리적 대상체의 경계들, 물리적 대상체의 표면들(예를 들면, 표면들의 토폴로지) 등을 나타내는 이미지를 생성한다. 그러한 예에서, 이미지는 LiDAR 센서들(202b)의 시야 내의 물리적 대상체들의 경계들을 결정하는 데 사용된다.
레이더(radar, Radio Detection and Ranging) 센서들(202c)은 버스(예를 들면, 도 3의 버스(302)와 동일하거나 유사한 버스)를 통해 통신 디바이스(202e), 자율 주행 차량 컴퓨트(202f) 및/또는 안전 제어기(202g)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 레이더 센서들(202c)은 전파들을 (펄스형으로 또는 연속적으로) 송신하도록 구성된 시스템을 포함한다. 레이더 센서(202c)에 의해 송신되는 전파들은 미리 결정된 스펙트럼 내에 있는 전파들을 포함한다. 일부 실시예에서, 작동 중에, 레이더 센서들(202c)에 의해 송신되는 전파들은 물리적 대상체와 조우하고 레이더 센서들(202c)로 다시 반사된다. 일부 실시예에서, 레이더 센서들(202c)에 의해 전송되는 전파들이 일부 대상체들에 의해 반사되지 않는다. 일부 실시예에서, 레이더 센서들(202c)과 연관된 적어도 하나의 데이터 프로세싱 시스템은 레이더 센서들(202c)의 시야에 포함된 대상체들을 나타내는 신호들을 생성한다. 예를 들어, 레이더 센서(202c)와 연관된 적어도 하나의 데이터 프로세싱 시스템은 물리적 대상체의 경계들, 물리적 대상체의 표면들(예를 들면, 표면들의 토폴로지) 등을 나타내는 이미지를 생성한다. 일부 예들에서, 이미지는 레이더 센서들(202c)의 시야 내의 물리적 대상체들의 경계들을 결정하는 데 사용된다.
마이크로폰들(202d)은 버스(예를 들면, 도 3의 버스(302)와 동일하거나 유사한 버스)를 통해 통신 디바이스(202e), 자율 주행 차량 컴퓨트(202f) 및/또는 안전 제어기(202g)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 마이크로폰들(202d)은 오디오 신호들을 캡처하고 오디오 신호들과 연관된(예를 들면, 이를 나타내는) 데이터를 생성하는 하나 이상의 마이크로폰(예를 들면, 어레이 마이크로폰, 외부 마이크로폰 등)을 포함한다. 일부 예들에서, 마이크로폰들(202d)은 트랜스듀서 디바이스들 및/또는 유사 디바이스들을 포함한다. 일부 실시예에서, 본원에 기술된 하나 이상의 시스템은 마이크로폰들(202d)에 의해 생성되는 데이터를 수신하고 데이터와 연관된 오디오 신호들에 기초하여 차량(200)을 기준으로 한 대상체의 위치(예를 들면, 거리 등)를 결정할 수 있다.
통신 디바이스(202e)는 카메라들(202a), LiDAR 센서들(202b), 레이더 센서들(202c), 마이크로폰들(202d), 자율 주행 차량 컴퓨트(202f), 안전 제어기(202g), 및/또는 DBW 시스템(202h)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 예를 들어, 통신 디바이스(202e)는 도 3의 통신 인터페이스(314)와 동일하거나 유사한 디바이스를 포함할 수 있다. 일부 실시예에서, 통신 디바이스(202e)는 차량 대 차량(vehicle-to-vehicle, V2V) 통신 디바이스(예를 들면, 차량들 간의 데이터의 무선 통신을 가능하게 하는 디바이스)를 포함한다.
자율 주행 차량 컴퓨트(202f)는 카메라들(202a), LiDAR 센서들(202b), 레이더 센서들(202c), 마이크로폰들(202d), 통신 디바이스(202e), 안전 제어기(202g), 및/또는 DBW 시스템(202h)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예들에서, 자율 주행 차량 컴퓨트(202f)는 클라이언트 디바이스, 모바일 디바이스(예를 들면, 셀룰러 전화, 태블릿 등), 서버(예를 들면, 하나 이상의 중앙 프로세싱 유닛, 그래픽 프로세싱 유닛 등을 포함하는 컴퓨팅 디바이스) 등과 같은 디바이스를 포함한다. 일부 실시예에서, 자율 주행 차량 컴퓨트(202f)는 본원에 기술된 자율 주행 차량 컴퓨트(400)와 동일하거나 유사하다. 추가적으로 또는 대안적으로, 일부 실시예에서, 자율 주행 차량 컴퓨트(202f)는 자율 주행 차량 시스템(예를 들면, 도 1의 원격 AV 시스템(114)과 동일하거나 유사한 자율 주행 차량 시스템), 플릿 관리 시스템(예를 들면, 도 1의 플릿 관리 시스템(116)과 동일하거나 유사한 플릿 관리 시스템), V2I 디바이스(예를 들면, 도 1의 V2I 디바이스(110)와 동일하거나 유사한 V2I 디바이스), 및/또는 V2I 시스템(예를 들면, 도 1의 V2I 시스템(118)과 동일하거나 유사한 V2I 시스템)과 통신하도록 구성된다.
안전 제어기(202g)는 카메라들(202a), LiDAR 센서들(202b), 레이더 센서들(202c), 마이크로폰들(202d), 통신 디바이스(202e), 자율 주행 차량 컴퓨트(202f), 및/또는 DBW 시스템(202h)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예들에서, 안전 제어기(202g)는 차량(200)의 하나 이상의 디바이스(예를 들면, 파워트레인 제어 시스템(204), 조향 제어 시스템(206), 브레이크 시스템(208) 등)를 작동하기 위한 제어 신호들을 생성 및/또는 송신하도록 구성된 하나 이상의 제어기(전기 제어기, 전기기계 제어기 등)를 포함한다. 일부 실시예에서, 안전 제어기(202g)는 자율 주행 차량 컴퓨트(202f)에 의해 생성 및/또는 송신되는 제어 신호들보다 우선하는(예를 들면, 이를 무시하는) 제어 신호들을 생성하도록 구성된다.
DBW 시스템(202h)은 통신 디바이스(202e) 및/또는 자율 주행 차량 컴퓨트(202f)와 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예들에서, DBW 시스템(202h)은 차량(200)의 하나 이상의 디바이스(예를 들면, 파워트레인 제어 시스템(204), 조향 제어 시스템(206), 브레이크 시스템(208) 등)를 작동하기 위한 제어 신호들을 생성 및/또는 송신하도록 구성된 하나 이상의 제어기(예를 들면, 전기 제어기, 전기기계 제어기 등)를 포함한다. 추가적으로 또는 대안적으로, DBW 시스템(202h)의 하나 이상의 제어기는 차량(200)의 적어도 하나의 상이한 디바이스(예를 들면, 방향 지시등, 헤드라이트, 도어록, 윈도실드 와이퍼 등)를 작동하기 위한 제어 신호들을 생성 및/또는 송신하도록 구성된다.
파워트레인 제어 시스템(204)은 DBW 시스템(202h)과 통신하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예들에서, 파워트레인 제어 시스템(204)은 적어도 하나의 제어기, 액추에이터 등을 포함한다. 일부 실시예에서, 파워트레인 제어 시스템(204)은 DBW 시스템(202h)으로부터 제어 신호들을 수신하고, 파워트레인 제어 시스템(204)은 차량(200)이 전진하는 것을 시작하게 하고, 전진하는 것을 중지하게 하며, 후진하는 것을 시작하게 하고, 후진하는 것을 중지하게 하며, 한 방향으로 가속하게 하고, 한 방향으로 감속하게 하며, 좌회전을 수행하게 하고, 우회전을 수행하게 하는 등을 한다. 일 예에서, 파워트레인 제어 시스템(204)은 차량의 모터에 제공되는 에너지(예를 들면, 연료, 전기 등)가 증가하게 하거나, 동일하게 유지되게 하거나, 또는 감소하게 하여, 이에 의해 차량(200)의 적어도 하나의 바퀴가 회전하거나 회전하지 않게 한다.
조향 제어 시스템(206)은 차량(200)의 하나 이상의 바퀴를 회전시키도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예들에서, 조향 제어 시스템(206)은 적어도 하나의 제어기, 액추에이터 등을 포함한다. 일부 실시예에서, 조향 제어 시스템(206)은 차량(200)이 좌측 또는 우측으로 방향 전환하게 하기 위해 차량(200)의 전면 2개의 바퀴 및/또는 후면 2개의 바퀴가 좌측 또는 우측으로 회전하게 한다.
브레이크 시스템(208)은 차량(200)이 속력을 감소시키게 하고/하거나 정지해 있는 채로 유지하게 하기 위해 하나 이상의 브레이크를 작동하도록 구성된 적어도 하나의 디바이스를 포함한다. 일부 예들에서, 브레이크 시스템(208)은 차량(200)의 대응하는 로터(rotor)에서 차량(200)의 하나 이상의 바퀴와 연관된 하나 이상의 캘리퍼(caliper)가 닫히게 하도록 구성되는 적어도 하나의 제어기 및/또는 액추에이터를 포함한다. 추가적으로 또는 대안적으로, 일부 예들에서, 브레이크 시스템(208)은 자동 긴급 제동(automatic emergency braking, AEB) 시스템, 회생 제동 시스템 등을 포함한다.
일부 실시예에서, 차량(200)은 차량(200)의 상태 또는 조건의 속성들을 측정 또는 추론하는 적어도 하나의 플랫폼 센서(명시적으로 예시되지 않음)를 포함한다. 일부 예들에서, 차량(200)은 GPS(global positioning system) 수신기, IMU(inertial measurement unit), 휠 속력 센서, 휠 브레이크 압력 센서, 휠 토크 센서, 엔진 토크 센서, 조향각 센서 등과 같은 플랫폼 센서들을 포함한다.
이제 도 3을 참조하면, 디바이스(300)의 개략도가 예시된다. 예시하는 바와 같이, 디바이스(300)는 프로세서(304), 메모리(306), 저장 컴포넌트(308), 입력 인터페이스(310), 출력 인터페이스(312), 통신 인터페이스(314), 및 버스(302)를 포함한다. 일부 실시예에서, 디바이스(300)는 차량(102)의 적어도 하나의 디바이스(예컨대, 차량(102)의 시스템의 적어도 하나의 디바이스), 목표 결정 시스템(505)의 적어도 하나의 디바이스, 및/또는 네트워크(112)의 하나 이상의 디바이스(예컨대, 네트워크(112)의 시스템의 하나 이상의 디바이스)에 대응한다. 일부 실시예에서, 차량(102)의 하나 이상의 디바이스(예컨대, 차량(102)의 시스템의 하나 이상의 디바이스), 목표 결정 시스템(505)의 하나 이상의 디바이스, 및/또는 네트워크(112)의 하나 이상의 디바이스(예컨대, 네트워크(112)의 시스템의 하나 이상의 디바이스)은 적어도 하나의 디바이스(300) 및/또는 디바이스(300)의 적어도 하나의 컴포넌트를 포함한다. 도 3에 도시하는 바와 같이, 디바이스(300)는 버스(302), 프로세서(304), 메모리(306), 저장 컴포넌트(308), 입력 인터페이스(310), 출력 인터페이스(312), 및 통신 인터페이스(314)를 포함한다.
버스(302)는 디바이스(300)의 컴포넌트들 간의 통신을 가능하게 하는 컴포넌트를 포함한다. 일부 실시예에서, 프로세서(304)는 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합으로 구현된다. 일부 예들에서, 프로세서(304)는 적어도 하나의 기능을 수행하도록 프로그래밍될 수 있는, 프로세서(예를 들면, 중앙 프로세싱 유닛(CPU), 그래픽 프로세싱 유닛(GPU), 가속 프로세싱 유닛(APU) 등), 마이크로폰, 디지털 신호 프로세서(DSP), 및/또는 임의의 프로세싱 컴포넌트(예를 들면, FPGA(field-programmable gate array), ASIC(application specific integrated circuit) 등)를 포함한다. 메모리(306)는 프로세서(304)가 사용할 데이터 및/또는 명령어들을 저장한, 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 및/또는 다른 유형의 동적 및/또는 정적 저장 디바이스(예를 들면, 플래시 메모리, 자기 메모리, 광학 메모리 등)를 포함한다.
저장 컴포넌트(308)는 디바이스(300)의 작동 및 사용에 관련된 데이터 및/또는 소프트웨어를 저장한다. 일부 예들에서, 저장 컴포넌트(308)는 하드 디스크(예를 들면, 자기 디스크, 광학 디스크, 광자기 디스크, 솔리드 스테이트 디스크 등), CD(compact disc), DVD(digital versatile disc), 플로피 디스크, 카트리지, 자기 테이프, CD-ROM, RAM, PROM, EPROM, FLASH-EPROM, NV-RAM 및/또는 다른 유형의 컴퓨터 판독 가능 매체를, 대응하는 드라이브와 함께, 포함한다.
입력 인터페이스(310)는 디바이스(300)가, 예컨대, 사용자 입력(예를 들면, 터치스크린 디스플레이, 키보드, 키패드, 마우스, 버튼, 스위치, 마이크로폰, 카메라 등)을 통해, 정보를 수신할 수 있게 하는 컴포넌트를 포함한다. 추가적으로 또는 대안적으로, 일부 실시예에서, 입력 인터페이스(310)는 정보를 감지하는 센서(예를 들면, GPS(global positioning system) 수신기, 가속도계, 자이로스코프, 액추에이터 등)를 포함한다. 출력 인터페이스(312)는 디바이스(300)로부터의 출력 정보를 제공하는 컴포넌트(예를 들면, 디스플레이, 스피커, 하나 이상의 발광 다이오드(LED) 등)를 포함한다.
일부 실시예에서, 통신 인터페이스(314)는 디바이스(300)가 유선 연결, 무선 연결, 또는 유선 연결과 무선 연결의 조합을 통해 다른 디바이스들과 통신할 수 있게 하는 트랜시버 유사 컴포넌트(예를 들면, 트랜시버, 개별 수신기 및 송신기 등)를 포함한다. 일부 예에서, 통신 인터페이스(314)는 디바이스(300)가 다른 디바이스로부터 정보를 수신하고/하거나 다른 디바이스에 정보를 제공할 수 있게 한다. 일부 예에서, 통신 인터페이스(314)는 이더넷 인터페이스, 광학 인터페이스, 동축 인터페이스, 적외선 인터페이스, RF(radio frequency) 인터페이스, USB(universal serial bus) 인터페이스, Wi-Fi® 인터페이스, 셀룰러 네트워크 인터페이스 등을 포함한다.
일부 실시예에서, 디바이스(300)는 본원에 기술된 하나 이상의 프로세스를 수행한다. 디바이스(300)는 프로세서(304)가, 메모리(305) 및/또는 저장 컴포넌트(308)와 같은, 컴퓨터 판독 가능 매체에 의해 저장된 소프트웨어 명령어들을 실행하는 것에 기초하여 이들 프로세스를 수행한다. 컴퓨터 판독 가능 매체(예를 들면, 비일시적 컴퓨터 판독 가능 매체)는 본원에서 비일시적 메모리 디바이스로서 정의된다. 비일시적 메모리 디바이스는 단일의 물리 저장 디바이스 내부에 위치한 메모리 공간 또는 다수의 물리 저장 디바이스들에 걸쳐 분산된 메모리 공간을 포함한다.
일부 실시예에서, 소프트웨어 명령어들은 통신 인터페이스(314)를 통해 다른 컴퓨터 판독 가능 매체로부터 또는 다른 디바이스로부터 메모리(306) 및/또는 저장 컴포넌트(308)로 판독된다. 실행될 때, 메모리(306) 및/또는 저장 컴포넌트(308)에 저장된 소프트웨어 명령어들은 프로세서(304)로 하여금 본원에 기술된 하나 이상의 프로세스를 수행하게 한다. 추가적으로 또는 대안적으로, 본원에서 기술하는 하나 이상의 프로세스를 수행하기 위해 소프트웨어 명령어들 대신에 또는 소프트웨어 명령어들과 결합하여 고정 배선 회로부(hardwired circuitry)가 사용된다. 따라서, 본원에 기술된 실시예들은, 달리 명시적으로 언급되지 않는 한, 하드웨어 회로와 소프트웨어의 임의의 특정 조합으로 제한되지 않는다.
메모리(306) 및/또는 저장 컴포넌트(308)는 데이터 스토리지 또는 적어도 하나의 데이터 구조(예를 들면, 데이터베이스 등)를 포함한다. 디바이스(300)는 데이터 스토리지 또는 메모리(306) 또는 저장 컴포넌트(308) 내의 적어도 하나의 데이터 구조로부터 정보를 수신하는 것, 그에 정보를 저장하는 것, 그에게로 정보를 통신하는 것, 또는 그에 저장된 정보를 검색하는 것을 할 수 있다. 일부 예들에서, 정보는 네트워크 데이터, 입력 데이터, 출력 데이터, 또는 이들의 임의의 조합을 포함한다.
일부 실시예에서, 디바이스(300)는 메모리(306)에 그리고/또는 다른 디바이스(예를 들면, 디바이스(300)와 동일하거나 유사한 다른 디바이스)의 메모리에 저장된 소프트웨어 명령어들을 실행하도록 구성된다. 본원에서 사용되는 바와 같이, "모듈"이라는 용어는, 프로세서(304)에 의해 그리고/또는 다른 디바이스(예를 들면, 디바이스(300)와 동일하거나 유사한 다른 디바이스)의 프로세서에 의해 실행될 때, 디바이스(300)(예를 들면, 디바이스(300)의 적어도 하나의 컴포넌트)로 하여금 본원에 기술된 하나 이상의 프로세스를 수행하게 하는 메모리(306)에 그리고/또는 다른 디바이스의 메모리에 저장된 적어도 하나의 명령어를 지칭한다. 일부 실시예에서, 모듈은 소프트웨어, 펌웨어, 하드웨어 등으로 구현된다.
도 3에 예시된 컴포넌트들의 수 및 배열은 예로서 제공된다. 일부 실시예에서, 디바이스(300)는 도 3에 예시된 것보다, 추가적인 컴포넌트들, 더 적은 컴포넌트들, 상이한 컴포넌트들, 또는 상이하게 배열된 컴포넌트들을 포함할 수 있다. 추가적으로 또는 대안적으로, 디바이스(300)의 컴포넌트 세트(예를 들면, 하나 이상의 컴포넌트)는 디바이스(300)의 다른 컴포넌트 또는 다른 컴포넌트 세트에 의해 수행되는 것으로 기술된 하나 이상의 기능을 수행할 수 있다.
이제 도 4a를 참조하면, 자율 주행 차량 컴퓨트(400)("AV 스택"이라고도 함)의 예시적인 블록도가 예시된다. 예시하는 바와 같이, 자율 주행 차량 컴퓨트(400)는 인지 시스템(402)(때때로 인지 모듈이라고 지칭됨), 계획 시스템(planning system)(404)(때때로 계획 모듈이라고 지칭됨), 로컬화 시스템(localization systme)(406)(때때로 로컬화 모듈이라고 지칭됨), 제어 시스템(408)(때때로 제어 모듈이라고 지칭됨), 및 데이터베이스(410)를 포함한다. 일부 실시예에서, 인지 시스템(402), 계획 시스템(404), 로컬화 시스템(406), 제어 시스템(408), 및 데이터베이스(410)는 차량의 자동 운행 시스템(예컨대, 차량(200)의 자율 주행 차량 컴퓨트(202f))에 포함 및/또는 구현된다. 추가로 또는 대안으로, 일부 실시예에서, 인지 시스템(402), 계획 시스템(404), 로컬화 시스템(406), 제어 시스템(408), 및 데이터베이스(410)는 하나 이상의 스탠드얼론 시스템(예컨대, 자율 주행 차량 컴퓨트(400) 등과 동일하거나 유사한 하나 이상의 시스템)에 포함된다. 일부 예에서, 인지 시스템(402), 계획 시스템(404), 로컬화 시스템(406), 제어 시스템(408), 및 데이터베이스(410)는 본원에 기술하는 바와 같이 차량 내에 위치한 하나 이상의 스탠드얼론 시스템 및/또는 적어도 하나의 원격 시스템에 포함된다. 일부 실시예에서, 자율 주행 차량 컴퓨트(400)에 포함된 시스템의 일부 및/또는 전부는 소프트웨어(예컨대, 메모리에 저장된 소스트웨어 명령어로), 컴퓨터 하드웨어(예컨대, 마이크로프로세서, 마이크로컨트롤러, ASIC(application-specific integrated circuit), 필드 프로그래머블 게이트 어레이(FPGA) 등에 의해), 또는 컴퓨터 소프트웨어 및 컴퓨터 하드웨어의 조합으로 구현된다. 또한, 일부 실시예에서 자율 주행 차량 컴퓨트(400)는 원격 시스템(예를 들어, 원격 AV 시스템(114)과 동일하거나 유사한 자율 주행 차량 시스템, 플릿 관리 시스템(116)과 동일하거나 유사한 플릿 관리 시스템(116), V2I 시스템(118)과 동일하거나 유사한 V2I 시스템 등)과 통신하도록 구성된다.
일부 실시예에서, 인지 시스템(402)은 환경에서 적어도 하나의 물리적 대상체와 연관된 데이터(예를 들어, 인지 시스템(402)에 의해 적어도 하나의 물리적 대상체를 검출하기 위해 사용되는 데이터)를 수신하고 적어도 하나의 물리적 대상체를 분류한다. 일부 예에서, 인지 시스템(402)은 적어도 하나의 카메라(예를 들어, 카메라들(202a))에 의해 캡처된 이미지 데이터를 수신하고, 이미지는 적어도 하나의 카메라의 시야 내에서 하나 이상의 물리적 대상체와 연관된다(예를 들어, 하나 이상의 물리적 대상체를 표현한다). 그러한 예에서, 인지 시스템(402)은 물리적 대상체(예를 들어, 자전거, 차량, 교통 표지판, 보행자 등)의 하나 이상의 그룹화에 기초하여 적어도 하나의 물리적 대상체를 분류한다. 일부 실시예에서, 인지 시스템(402)은 인지 시스템(402)이 물리적 대상체를 분류하는 것에 기초하여 물리적 객체의 대상체의 분류와 연관된 데이터를 계획 시스템(404)에 전송한다.
일부 실시예에서, 계획 시스템(404)은 목적지와 연관된 데이터를 수신하고 차량(예를 들어, 차량(102))이 목적지를 향해 이동할 수 있는 적어도 하나의 루트(예를 들어, 경로(106))와 연관된 데이터를 생성한다. 일부 실시예에서, 계획 시스템(404)은 인지 시스템(402)으로부터 데이터(예를 들어, 전술한 물리적 대상체의 분류와 연관된 데이터)를 주기적으로 또는 연속적으로 수신하고, 계획 시스템(404)은 인지 시스템(402)에 의해 생성된 데이터에 기초하여 적어도 하나의 궤적을 업데이트하거나 적어도 하나의 상이한 궤적을 생성한다. 일부 실시예에서, 계획 시스템(404)은 로컬화 시스템(406)으로부터 차량(예컨대, 차량(102))의 업데이트된 위치와 연관된 데이터를 수신하고, 계획 시스템(404)은 로컬화 시스템(406)에 의해 생성된 데이터에 기초하여 적어도 하나의 궤적을 업데이트하거나 적어도 하나의 상이한 궤적을 생성한다.
일부 실시예에서, 로컬화 시스템(406)은 영역 내의 차량(예를 들어, 차량(102))의 위치와 연관된(예를 들어, 위치를 나타내는) 데이터를 수신한다. 일부 예에서, 로컬화 시스템(406)은 적어도 하나의 LiDAR 센서(예를 들어, LiDAR 센서(202b))에 의해 생성된 적어도 하나의 포인트 클라우드와 연관된 LiDAR 데이터를 수신한다. 특정 예에서, 로컬화 시스템(406)은 다수의 LiDAR 센서로부터 적어도 하나의 포인트 클라우드와 연관된 데이터를 수신하고 로컬화 시스템(406)은 포인트 클라우드 각각에 기초하여 결합된 포인트 클라우드를 생성한다. 이들 예에서, 로컬화 시스템(406)은 적어도 하나의 포인트 클라우드 또는 결합된 포인트 클라우드를 데이터베이스(410)에 저장된 영역의 2D(2차원) 및/또는 3D(3차원) 맵과 비교한다. 그런 다음, 로컬화 시스템(406)은 로컬화 시스템(406)이 적어도 하나의 포인트 클라우드 또는 결합된 포인트 클라우드를 맵과 비교하는 것에 기초하여 영역에서 차량의 위치를 결정한다. 일부 실시예에서, 맵은 차량의 운행 이전에 생성된 영역의 결합된 포인트 클라우드를 포함한다. 일부 실시예에서, 맵은, 제한 없이, 도로 기하학적 속성들의 고정밀 맵, 도로망 연결 속성들을 기술하는 맵, 도로 물리적 속성들(예컨대, 교통 속력, 교통량, 차량 교통 차선과 자전거 타는 사람 교통 차선의 수, 차선 폭, 차선 교통 방향, 또는 차선 마커 유형 및 위치, 또는 이들의 조합)을 기술하는 맵, 및 도로 특징부, 예컨대, 횡단보도, 교통 표지판 또는 다양한 유형의 다른 주행 신호들의 공간적 위치들을 기술하는 맵을 포함한다. 일부 실시예에서, 맵은 인지 시스템에 의해 수신된 데이터에 기초하여 실시간으로 생성된다.
다른 예에서, 로컬화 시스템(406)은 GPS(global positioning system) 수신기에 의해 생성된 GNSS(Global Navigation Satellite System) 데이터를 수신한다. 일부 예에서, 로컬화 시스템(406)은 영역내 차량의 위치와 연관된 GNSS 데이터를 수신하고 로컬화 시스템(406)은 영역내 차량의 위도 및 경도를 결정한다. 이러한 예에서, 로컬화 시스템(406)은 차량의 위도 및 경도에 기초하여 영역내 차량의 위치를 결정한다. 일부 실시예에서, 로컬화 시스템(406)은 차량의 위치와 연관된 데이터를 생성한다. 일부 예에서, 로컬화 시스템(406)은 로컬화 시스템(406)이 차량의 위치를 결정하는 것에 기초하여 차량의 위치와 연관된 데이터를 생성한다. 그러한 예에서, 차량의 위치와 연관된 데이터는 차량의 위치에 대응하는 하나 이상의 의미론적 특성(semantic properties)과 연관된 데이터를 포함한다.
일부 실시예에서, 제어 시스템(408)은 계획 시스템(404)으로부터 적어도 하나의 궤적과 연관된 데이터를 수신하고 제어 시스템(408)은 차량의 작동을 제어한다. 일부 예에서, 제어 시스템(408)은 계획 시스템(404)으로부터 적어도 하나의 궤적과 연관된 데이터를 수신하고 제어 시스템(408)은 파워트레인 제어 시스템(예를 들어, DBW 시스템(202h), 파워트레인 제어 시스템(204) 등), 조향 제어 시스템(예컨대, 조향 제어 시스템(206)), 및/또는 브레이크 시스템(예컨대, 브레이크 시스템(208))이 작동하게 하기 위하여 제어 신호를 생성 및 전송함으로써 차량의 작동을 제어한다. 일 예에서, 궤적이 좌회전을 포함하는 경우, 제어 시스템(408)은 조향 제어 시스템(206)이 차량(200)의 조향 각도를 조정하게 하여 차량(200)이 좌회전하게 하는 제어 신호를 전송한다. 추가적으로 또는 대안적으로, 제어 시스템(408)은 차량(200)의 다른 디바이스(예를 들어, 헤드라이트, 방향 지시등, 도어록, 윈드실드 와이퍼 등)로 하여금 상태를 변경하게 하는 제어 신호를 생성 및 전송한다.
일부 실시예에서, 인지 시스템(402), 계획 시스템(404), 로컬화 시스템(406), 및/또는 제어 시스템(408)은 적어도 하나의 머신 러닝 모델(예를 들어, 적어도 하나의 멀티레이어 퍼셉트론(MLP, multilayer perceptron), 적어도 하나의 컨볼루션 신경망(CNN, convolutional neural network), 적어도 하나의 순환 신경망(RNN, recurrent neural network), 적어도 하나의 자동인코더, 적어도 하나의 변환기 등)을 구현한다. 일부 예에서, 인지 시스템(402), 계획 시스템(404), 로컬화 시스템(406), 제어 시스템(408), 및/또는 목표 결정 시스템(505)은 적어도 하나의 머신 러닝 모델을, 단독으로 또는 전술한 시스템 중 하나 이상과의 조합으로 구현한다. 일부 예에서, 인지 시스템(402), 계획 시스템(404), 로컬화 시스템(406), 제어 시스템(408), 및/또는 목표 결정 시스템(505)은 적어도 하나의 머신 러닝 모델을, 파이프라인(예를 들어, 환경내 위치한 하나 이상의 대상체를 식별하기 위한 파이프라인 등)의 일부로서 구현한다. 머신 러닝 모델의 구현예의 일례가 도 4b와 관련하여 이하에 포함된다.
데이터베이스(410)는 인지 시스템(402), 계획 시스템(404), 로컬화 시스템(406) 및/또는 제어 시스템(408)에 대해 송신, 수신되고 그리고/또는 이들에 의해 업데이트되는 데이터를 저장한다. 일부 예들에서, 데이터베이스(410)는 작동에 관련된 데이터 및/또는 소프트웨어를 저장하고 하나 이상의 자율 주행 컴퓨트(400)를 사용하는 저장 컴포넌트(예를 들어, 도 3의 저장 컴포넌트(308)와 동일하거나 유사한 저장 컴포넌트)를 포함한다. 일부 실시예에서, 데이터베이스(410)는 적어도 하나의 영역의 2D 및/또는 3D 맵과 연관된 데이터를 저장한다. 일부 예에서, 데이터베이스(410)는 도시의 일부, 다수의 도시의 다수의 부분, 다수의 도시, 카운티, 주(state), 국가(State)(예를 들어, 나라)의 2D 및/또는 3D 맵과 연관된 데이터를 저장한다. 이러한 예에서, 차량(예를 들어, 차량(102) 및/또는 차량(200)과 동일하거나 유사한 차량)은 하나 이상의 주행 가능한 영역(예를 들어, 단일 차선 도로, 다중 차선 도로, 고속도로, 뒷길, 오프로드 트레일 등)를 따라 주행할 수 있고, 적어도 하나의 LiDAR 센서(예를 들어, LiDAR 센서(202b)와 동일하거나 유사한 LiDAR 센서)로 하여금 적어도 하나의 LiDAR 센서의 시야에 포함된 대상체를 나타내는 이미지와 연관된 데이터를 생성하게 할 수 있다.
일부 실시예에서, 데이터베이스(410)는 복수의 디바이스를 통해 구현될 수 있다. 일부 예에서, 데이터베이스(410)는 차량(예를 들어, 차량(102) 및/또는 차량(200)과 동일하거나 유사한 차량), 자율 주행 차량 시스템(예를 들어, 원격 AV 시스템(114)과 유사하거나 동일한 자율 주행 차량 시스템), 플릿 관리 시스템(예를 들어, 도 1의 플릿 관리 시스템(116)과 동일하거나 유사한 플릿 관리 시스템), V2I 시스템(예를 들어, 도 1의 V2I 시스템(118)과 동일하거나 유사한 V2I 시스템) 등에 포함된다.
이제 도 4b를 참조하면, 머신 러닝 모델의 구현예의 도면이 예시된다. 보다 구체적으로, 컨볼루션 신경망(CNN, convolutional neural network)(420)의 구현예의 도면이 예시된다. 예시를 위해, 이하의 CNN(420)의 설명은 인지 시스템(402)에 의한 CNN(420)의 구현예에 관련될 것이다. 그러나, 일부 예에서 CNN(420)(예를 들어, CNN(420)의 하나 이상의 컴포넌트)은 계획 시스템(404), 로컬화 시스템(406), 제어 시스템(408), 및/또는 목표 결정 시스템(505) 등의, 인지 시스템(402)과는 상이하거나 또는 이에 추가된 다른 시스템에 의해 구현되는 것이 이해될 것이다. CNN(420)은 여기에 설명하는 특정 특징을 포함하지만, 이들 특징은 예시의 목적으로 제공되며 본 개시내용을 제한하는 것을 의도하지 않는다.
CNN(420)은 제1 컨볼루션 레이어(422), 제2 컨볼루션 레이어(424), 및 컨볼루션 레이어(426)를 포함하는 복수의 컨볼루션 레이어를 포함한다. 일부 실시예에서, CNN(420)은 서브샘플링 레이어(428)(풀링 레이어(pooling layer)라고도 지칭됨)을 포함한다. 일부 실시예에서, 서브샘플링 레이어(428) 및/또는 다른 서브샘플링 레이어는 업스트림 시스템의 차원(즉, 노드의 수) 미만의 차원을 갖는다. 업스트림 레이어의 차원 미만의 차원을 갖는 서브샘플링 레이어(428)에 의해, CNN(420)은 최초 입력 및/또는 업스트림 레이어의 출력과 연관된 데이터의 양을 통합(consolidate)함으로써, CNN(420)이 다운스트림 컨볼루션 연산을 수행하는 데 필요한 계산량을 감소시킨다. 추가적으로 또는 대안적으로, 서브샘플링 레이어(428)가 적어도 하나의 서브샘플링 기능과 연관됨(예를 들어, 수행하도록 구성됨)으로써, CNN(420)은 최초 입력과 연관된 데이터의 양을 통합한다.
인지 시스템(402)은 인지 시스템(402)이 제1 컨볼루션 레이어(422), 제2 컨볼루션 레이어(424), 및 컨볼루션 레이어(426) 각각과 연관된 각각의 입력 및/또는 출력을 제공하는 것에 기초해서 컨볼루션 연산을 수행하여 각각의 출력을 생성한다. 일부 예에서, 인지 시스템(402)은 인지 시스템(402)이 제1 컨볼루션 레이어(422), 제2 컨볼루션 레이어(424), 및 컨볼루션 레이어(426)에 대한 입력으로서 데이터를 제공하는 것에 기초하여 CNN(420)을 구현한다. 이러한 예에서, 인지 시스템(402)은 인지 시스템(402)이 하나 이상의 상이한 시스템(예컨대, 차량(102)과 동일하거나 유사한 차량의 하나 이상의 시스템, 원격 AV 시스템(114)과 동일하거나 유사한 원격 AV 시스템, 플릿 관리 시스템(116)과 동일하거나 유사한 플릿 관리 시스템, V2I 시스템(118)과 동일하거나 유사한 V2I 시스템 등)로부터 데이터를 수신하는 것에 기초하여, 제1 컨볼루션 레이어(422), 제2 컨볼루션 레이어(424), 및 컨볼루션 레이어(426)에 대한 입력으로서 데이터를 제공한다.
일부 실시예에서, 인지 시스템(402)은 입력(최초 입력으로 지칭됨)과 연관된 데이터를 제1 컨볼루션 레이어(422)에 제공하고 인지 시스템(402)은 제1 컨볼루션 레이어(422)를 사용하여 출력과 연관된 데이터를 생성한다. 일부 실시예에서, 인지 시스템(402)은 컨볼루션 레이어에 의해 생성된 출력을 상이한 컨볼루션 레이어에 대한 입력으로서 제공한다. 예를 들어, 인지 시스템(402)은 서브샘플링 레이어(428), 제2 컨볼루션 레이어(424), 및/또는 컨볼루션 레이어(426)에 대한 입력으로서 제1 컨볼루션 레이어(422)의 출력을 제공한다. 이러한 예에서, 제1 컨볼루션 레이어(422)는 업스트림 레이어로 지칭되고 서브샘플링 레이어(428), 제2 컨볼루션 레이어(424), 및/또는 컨볼루션 레이어(426)는 다운스트림 레이어로 지칭된다. 마찬가지로, 일부 실시예에서 인지 시스템(402)은 서브샘플링 레이어(428)의 출력을 제2 컨볼루션 레이어(424) 및/또는 컨볼루션 레이어(426)에 제공하고, 이 예에서 서브샘플링 레이어(428)은 업스트림 레이어로 지칭될 것이고 제2 컨볼루션 레이어(424) 및/또는 컨볼루션 레이어(426)은 다운스트림 레이어로 지칭될 것이다.
일부 실시예에서, 인지 시스템(402)은 인지 시스템(402)이 CNN(420)에 입력을 제공하기 전에 CNN(420)에 제공된 입력과 연관된 데이터를 프로세싱한다. 예를 들어, 인지 시스템(402)은 인지 시스템(420)이 센서 데이터(예를 들어, 이미지 데이터, LiDAR 데이터, 레이더 데이터 등)를 정규화하는 것에 기초하여 CNN(420)에 제공된 입력과 연관된 데이터를 프로세싱한다.
일부 실시예에서, CNN(420)은 인지 시스템(420)이 각 컨볼루션 레이어와 연관된 컨볼루션 연산을 수행하는 것에 기초하여 출력을 생성한다. 일부 예에서, CNN(420)은 인지 시스템(420)이 각 컨볼루션 레이어 및 최초 입력과 연관된 컨볼루션 연산을 수행하는 것에 기초하여 출력을 생성한다. 일부 실시예에서, 인지 시스템(402)은 출력을 생성하고 출력을 완전 연결된 레이어(430)로서 제공한다. 일부 예에서, 인지 시스템(402)은 컨볼루션 레이어(426)의 출력을 완전 연결 레이어(430)로서 제공하고, 여기서 완전 연결 레이어(420)는 F1, F2 . . . FN으로 지칭되는 복수의 특징 값들과 연관된 데이터를 포함한다. 이 예에서, 컨볼루션 레이어(426)의 출력은 예측을 나타내는 복수의 출력 특징 값과 연관된 데이터를 포함한다.
일부 실시예에서, 인지 시스템(402)은 인지 시스템(402)이 복수의 예측 중에서 정확한 예측이 될 최고 가능성과 연관되는 특징 값을 식별하는 것과 기초하여 복수의 예측 중에서 예측을 식별한다. 예를 들어, 완전 연결 레이어(430)가 특징 값 F1, F2, . . . FN 을 갖고, F1이 가장 큰 특징 값인 경우, 인지 시스템(402)은 F1과 연관된 예측을 복수의 예측 중에서 정확한 예측인 것으로 식별한다. 일부 실시예에서, 인지 시스템(402)은 예측을 생성하기 위해 CNN(420)을 트레이닝한다. 일부 예에서, 인지 시스템(402)은 인지 시스템(402)이 CNN(420)에 예측과 연관된 트레이닝 데이터를 제공하는 것에 기초하여 예측을 생성하기 위해 CNN(420)을 트레이닝한다.
이제 도 5를 참조하면, 아이트래커 디바이스 및 LiDAR 포인트 클라우드 데이터를 사용하는 목표 결정 프로세스의 구현예(500)의 도면이 예시된다. 일부 실시예에서, 구현예(500)는 목표 결정 시스템(505), 차량들(102a 내지 102n) 및/또는 차량들(200), 대상체들(104a-104n), 루트들(106a 내지 106n), 영역(108), 차량 대 인프라스트럭처(vehicle-to-infrastructure, V2I) 디바이스(110), 네트워크(112), 원격 자율 주행 차량(AV) 시스템(114), 플릿 관리 시스템(116), 및/또는 V2I 시스템(118)을 포함한다. 일부 실시예에서, 목표 구현 시스템(505)은 차량들(102a 내지 102n) 및/또는 차량들(200), 대상체들(104a-104n), 루트들(106a 내지 106n), 영역(108), 차량 대 인프라스트럭처(vehicle-to-infrastructure, V2I) 디바이스(110), 네트워크(112), 원격 자율 주행 차량(AV) 시스템(114), 플릿 관리 시스템(116), 및/또는 V2I 시스템(118)을 포함하고, 이들의 일부를 형성하고, 이들에 결합되고 그리고/또는 이들을 사용한다.
도 5에 도시하는 바와 같이, 구현예(500)는 목표 결정 시스템(505)을 포함할 수 있다. 목표 결정 시스템(505)은 차량에 부착된 아이트래커 디바이스로부터의 눈추적 데이터 및 차량에 부착된 LiDAR 디바이스로부터의 LiDAR 포인트 클라우드 데이터를 획득 및 프로세싱하도록 구성된 목표 결정기(510)를 포함할 수 있다. 아이트래커 데이터 및 LiDAR 포인트 클라우드 데이터는 차량 오퍼레이터가 관찰하고 있거나 집중하고 있는 위치에 대응하는 목표 위치 또는 타겟 목적지의 시각적 표시(visual indication)를 생성하는 데에 사용될 수 있다. 시각적 표시는 사용자 인터랙션을 위해 차량의 사용자 인터페이스 상에 제공될 수 있다. 사용자는 가청 커맨드, 제스처, 또는 터치스크린 입력을 통해 시각적 표시의 선택을 제공할 수 있다. 선택의 결과로서, 목표 결정기(510)에 의해 궤적(515)이 결정될 수 있다. 궤적(515)은 계획 시스템(404)에 제공될 수 있고 그 궤적(515)에 기초하여 차량은 목표 위치를 향해 운행할 수 있다.
이제 도 6을 참조하면, 도 5의 목표 결정 시스템의 상세한 구현예의 도면이 예시된다. 도 6에 도시하는 바와 같이, 목표 결정 시스템(505)은 목표 결정기(510)를 포함할 수 있다. 목표 결정기(510)는 눈추적 데이터(520) 및 LiDAR 포인트 클라우드 데이터(525)를 수신할 수 있다. 눈추적 디바이스(202a)는 차량 운전자가 운행하기를 원할 수 있는 위치에 대응하는 데이터(520)를 획득할 수 있다. 운전자는 차량이 작동하고 있는 환경에서 목표 또는 타겟 위치를 관찰하고 있을 수 있고 눈추적 디바이스(202)는 차량 운전자가 관찰하고 있는 목표 또는 타겟 위치에 대응하는 눈추적 데이터(520)를 생성할 수 있다. 눈추적 데이터(520)는 목표 또는 타겟 위치에 대응하는 3차원 좌표 데이터를 포함할 수 있다.
LiDAR 포인트 클라우드 데이터(525)는 차량 상에 구성된 LiDAR 센서(202b)에 의해 획득될 수도 있다. LiDAR 포인트 클라우드 데이터(525)는 차량이 작동하고 있는 환경에 대응하는 참조 환경을 제공할 수 있고 눈추적 데이터(520)는 LiDAR 포인트 클라우드 데이터(520)에 의해 제공되는 참조와 관련하여 등록되거나 프로세싱될 수 있다. LiDAR 포인트 클라우드 데이터(525)는 목표 또는 타겟 위치에 대응하는 3차원 좌표 데이터를 포함할 수 있다.
눈추적 데이터(520) 및 LiDAR 포인트 클라우드 데이터(525)는, 목표 위치와 연관되고 LiDAR 포인트 클라우드 데이터(525)와 눈추적 데이터(520)에 포함된 3차원 좌표 데이터의 오버레이(535)를 생성하기 위해 3D 로컬라이저(530)에 의해 프로세싱될 수 있다. 오버레이(535)는 차량에 구성될 수 있는 사용자 인터페이스(540)에 제공될 수 있다. 오버레이(535)는 맵퍼(550)에 의해 생성된 맵 데이터(545)와 교차 참조될 수 있다. 맵퍼(550)는 차량 탑승자의 승하차를 위한 하나 이상의 안저한 위치(PuDo 위치)를 결정 및/또는 저장하도록 구성될 수 있다. 이렇게 목표 위치에 대응하는 오버레이(535)는, 맵퍼(550)에 의해 제공되고 맵 데이터(545)에 포함된 하나 이상의 PuDo 위치와 관련하여 사용자 인터페이스(540)에 제공될 수 있다.
안전한 목표 위치에 대응하는 오버레이(535)는 사용자가 목표 위치를 운행 타겟으로서 선택할 수 있도록 사용자 인터페이스(540)에 디스플레이될 수 있다. 사용자에 의해 사용자 인터페이스(540)에 제공된 입력에 응답하여, 목표 목적지 식별기(555)는 차량의 현재 위치로부터 목표 위치로 운행 가능한 경로에 대응하는 궤적(515)을 결정할 수 있다. 궤적(515)은 차량 계획 시스템(404)에 제공될 수 있고 그 궤적(515)에 기초하여 차량은 목표 위치를 향해 운행하도록 작동될 수 있다.
이제 도 7을 참조하면, 아이트래커 디바이스 및 LiDAR 포인트 클라우드 데이터를 사용하는 목표 결정 프로세스(700)의 흐름도가 예시된다. 일부 실시예에서, 프로세스(700)와 관련하여 설명하는 단계들 중 하나 이상은 목표 결정 시스템(505)에 의해 (예를 들어, 완전히, 부분적으로 및/또는 이와 유사하게) 수행된다. 추가적으로 또는 대안적으로, 일부 실시예에 있어서 프로세스(700)와 관련하여 설명하는 하나 이상의 단계는 인지 시스템(402), 계획 시스템(404), 로컬화 시스템(406), 및/또는 제어 시스템(408) 등의 목표 결정 시스템(505)과는 별도의 또는 이를 포함하는 다른 디바이스 또는 디바이스 그룹에 의해 (예를 들어, 완전히, 부분적으로, 및/또는 이와 유사하게) 수행된다.
702에서, 제1 위치와 연관된 3차원 좌표를 나타내는 제1 데이터가 수신될 수 있다. 제1 위치는 운전자가 운행하려고 하는 목표 위치 또는 목적지일 수 있다. 제1 데이터는 차량에 부착된 적어도 하나의 센서를 통해 취득될 수 있다. 일부 실시예에서, 센서는 차량의 캐빈에 부착된 아이트래커 디바이스를 포함할 수 있다. 아이트래커 디바이스는 차량의 운전자의 시선 또는 시점 방향(viewing direction)에 대응하는 데이터를 캡처하도록 배치될 수 있다. 센서는 차량에 부착된 복수의 센서에 포함될 수 있다. 각각의 센서는 시야 데이터를 전송하고 제1 위치를 찾는 것에 관련하여 사용자의 눈 움직임을 추적하도록 구성될 수 있다. 시야 데이터는 드라이버의 눈이나 코와 같은 해부학적 특징부에 대응하는 하나 이상의 참조 지점을 포함할 수 있다. 일부 실시예에서, 제1 데이터는 운전자가 보고 있거나 집중하고 있는 목표 또는 타겟 위치와 연관된 3차원 좌표 데이터를 포함할 수 있다.
704에서, LiDAR 포인트 클라우드 데이터를 나타내는 제2 데이터가 수신될 수 있다. LiDAR 포인트 클라우드 데이터는 차량에 부착된 적어도 하나의 LiDAR 디바이스로부터 취득될 수 있다.
706에서, 제1 위치의 시각적 표시(visual indication)가 차량의 사용자 인터페이스 상에 제공될 수 있다. 시각적 표시는 702에서 제1 데이터가 센서(예컨대, 아이트래커 디바이스)로부터 수신되었을 때 운전자가 관찰하거나 집중하고 있었던 목표 위치에 대응할 수 있다. 시각적 표시는 제1 데이터 및 제2 데이터에 기초하여 생성될 수 있다.
일부 실시예에서, 시각적 표시를 생성하는 것은 3차원 좌표 및 LiDAR 포인트 클라우드 데이터의 오버레이로서 제1 위치를 나타내는 제3 데이터를 결정하는 것을 포함할 수 있다. 따라서, 오버레이는 LiDAR 포인트 클라우드 데이터를 사용하여 생성된 로컬 장면 또는 맵에 대한 목표 위치의 표시를 제공할 수 있다. 사용자 인터페이스에 기하학적 형상, 애니메이션, 아이콘, 사운드, 또는 이들의 조합과 같은 시각적 표시를 제공하는 데 다양한 비제한적인 가청 및 그래픽 어포던스(graphical affordance)가 사용될 수 있다.
시각적 표시를 생성하는 것은 제3 데이터를, 차량이 작동하고 있는 로컬 환경의 맵 데이터를 나타내는 제4 데이터와 매핑시키는 것을 더 포함할 수 있다. 제4 데이터(예컨대, 맵 데이터)는 제1 위치(예컨대, 목표 위치)를 포함할 수 있고 또한 라벨링된 안전 지점을 나타내는 하나 이상의 제2 위치를 포함할 수 있다. 일부 실시예에서, 하나 이상의 제2 위치는 적어도 하나의 승차 위치 및 적어도 하나의 하차 위치와 같은 PuDO 위치를 포함할 수 있다. 제3 데이터를 제4 데이터와 매핑시키는 것은 제3 위치의 좌표와 제4 위치의 좌표 사이의 공유 좌표 값을 결정하는 것과 공유 좌표 값에 관련하여 시각적 표시를 생성하는 것에 대응할 수 있다.
시각적 표시를 생성하는 것은 제4 데이터에 포함된 하나 이상의 제2 위치 중 적어도 하나에 기초하여 제1 위치(예컨대, 목표 위치)를 결정하는 것을 더 포함할 수 있다. 하나 이상의 제2 위치는 차량 탑승자가 차량에 승하차할 수 있는 안전한 위치에 대응할 수 있다. PuDo 위치는 차량 탑승자가 차량에 승하차할 수 있는 안전한 장소 또는 안전한 구역으로서 제4 데이터(예컨대, 맵 데이터)에 미리 라벨링될 수 있다.
708에서, 차량은 사용자 입력이 시각적 표시를 선택하는 것에 응답하여 제1 위치로 운행하도록 작동될 수 있다. 사용자는 제1 위치(예컨대, 목표 위치)를 나타내도록 제공되었던 시각적 표시를 선택하기 위해 사용자 인터페이스에 대해 터치 또는 제스처를 행할 수 있다. 터치 또는 제스터는 차량이 운행할 수 있는 제1 위치로서 시각적 표시를 선택하도록 프로세싱될 수 있다. 일부 실시예에서, 제스처는 아이트래커 디바이스, 마이크로폰, 또는 사용자 인터페이스가 구성되어 있는 터치스크린과 같은, 차량에 부착된 하나 이상의 센서에 의해 관측될 수 있다. 제스처는 사용자가 제1 위치(예컨대, 목표 위치)를 찾고 있을 때에 관측될 수 있다.
제1 위치로 운행하도록 차량을 작동하는 것은 계획 시스템(404)과 같은, 차량에 구성된 계획 시스템을 사용하여 제1 위치를 향하는 궤적을 생성하는 것을 더 포함할 수 있다. 궤적은 사용자 인터페이스를 통해 제공된 시각적 표시를 사용자 입력이 선택하는 것에 기초해서 차량의 현재 위치로부터 제1 위치를 향하여 결정 및 생성될 수 있다. 사용자 입력의 결과로서, 차량은 궤적에 기초하여 제1 위치로 운행하도록 작동될 수 있다. 예를 들어, 로컬화 시스템(406) 및 제어 시스템(406)은 계획 시스템(404)을 통해 결정된 궤적에 기초하여 제1 위치로 운행하도록 차량을 작동할 수 있다.
일부 실시예에서, 아이트래커 디바이스는 목표 위치의 시각적 표시가 제공되는 사용자 인터페이스의 사용자의 뷰 또는 시선에 관한 데이터를 제공하는 데에 사용될 수 있다. 아이트래커 디바이스는 목적지 선택을 위해 타겟 위치가 제공될 수 있는 사용자 인터페이스 상의 위치와 연관된 3차원 좌표를 나타내는 데이터를 생성할 수 있다. 사용자 인터페이스 상의 위치는 사용자에 의해 선택될 위치와 연관된 시각적 표시의 프레젠테이션에 대응할 수 있다. 그런 다음 사용자는 사용자의 인터페이스 상의 위치를 타겟 또는 목표 위치로서 선택하기 위해, 사용자 인터페이스에 결합된 물리적 디바이스의 입력 또는 제스처와 같은 입력을 제공할 수 있다. 이렇게 아이트래커 디바이스는 차량의 내부 및 외부에 있는 위치에 대한 3차원 좌표를 나타내는 데이터를 생성하는 데에 사용될 수 있다. 그 결과, 차량의 오퍼레이터는 차량의 사용자 인터페이스 상에 제시되는 타겟 목적지를 선택할 때에 차량을 보다 효율적으로 그리고 안전하게 작동할 수 있다.
여기에서 설명한 아이트래커 디바이스 및 LiDAR 포인트 클라우드 데이터를 사용하는 목표 결정 기술은 기술적 해법을 제공할 수 있고 기존의 목표 결정 시스템을 능가한 기술적 효과를 제공할 수 있다. 효과는 자율 주행 차량 작동 환경에서 목표 위치 결정을 위한 프로세싱 시간 및 정확도의 증가를 포함할 수 있지만 이에 국한되지 않는다. 여기에서 설명한 목표 결정 시스템은 또한 목표 위치 선택 및 운행을 위한 개선된 사용자 인터페이스를 제공할 수 있다. 그 결과, 승하차 위치와 같은 안전 구역 위치가 목적지 장소로서 용이하게 선택될 수 있어 차량 탑승자가 차량에 안전하게 승하차할 수 있다. 여기에서 설명한 목표 결정 시스템은 또한 승객이 승하차할 목표 위치 또는 안전 구역과 관련하여 보다 효율적인 루트 생성 및 운행 계획을 위해 차량 계획 시스템을 트레이닝하는 데 사용되는 궤적 데이터를 생성할 수 있다.
전술한 설명에서, 본 개시내용의 양태 및 실시예는 구현마다 달라질 수 있는 다수의 특정 세부 사항들을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면들은 제한적인 의미보다는 예시적인 의미로 간주되어야 한다. 본 발명의 범위의 유일한 독점적인 지표, 및 출원인이 본 발명의 범위이도록 의도한 것은, 본 출원에서 특정 형태로 나오는 일련의 청구항의 문언적 등가 범위이며, 그러한 청구항이 나오는 특정 형태는 임의의 후속 보정을 포함한다. 그러한 청구항들에 포함된 용어들에 대한 본원에서 명시적으로 기재된 임의의 정의들은 청구항들에서 사용되는 그러한 용어들의 의미를 결정한다. 추가적으로, 전술한 설명 및 이하의 청구항들에서 "더 포함하는"이라는 용어가 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브단계/서브엔티티일 수 있다.

Claims (21)

  1. 방법에 있어서,
    적어도 하나의 프로세서를 사용하여, 제1 위치(운전자가 보고 있는 타겟 위치의 좌표를 포함함)와 연관된 3차원 좌표를 나타내는 제1 데이터를 수신하는 단계로서, 상기 제1 데이터는 차량에(차량의 캐빈 내에) 부착된 적어도 하나의 센서(아이트래커 디바이스)를 통해 취득되는, 상기 제1 데이터 수신 단계;
    상기 적어도 하나의 프로세서를 사용하여, 상기 차량에 부착된 적어도 하나의 LiDAR 디바이스로부터 취득된 LiDAR 포인트 클라우드 데이터를 나타내는 제2 데이터를 수신하는 단계로서, 상기 LiDAR 포인트 클라우드 데이터는 상기 제1 위치와 연관된 상기 3차원 좌표를 포함하는, 상기 제2 데이터 수신 단계;
    상기 적어도 하나의 프로세서를 사용하여, 상기 차량의 사용자 인터페이스 상에 상기 제1 위치의 시각적 표시(visual indicator)를 제공하는 단계로서, 상기 시각적 표시는 상기 제1 데이터 및 상기 제2 데이터에 기초하여 생성되는, 상기 제1 위치의 시각적 표시 제공 단계; 및
    상기 적어도 하나의 프로세서를 사용하여, 사용자 입력이 상기 시각적 표시를 선택하는 것에 응답해 상기 제1 위치로 운행하도록 차량을 작동하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서, 상기 시각적 표시를 생성하는 것은:
    상기 적어도 하나의 프로세서를 사용하여, 상기 3차원 좌표와 상기 LiDAR 포인트 클라우드 데이터의 오버레이(아이트래커 데이터와 포인트 클라우드 데이터의 오버레이)로서 상기 제1 위치를 나타내는 제3 데이터를 결정하는 단계;
    상기 적어도 하나의 프로세서를 사용하여, 상기 제3 데이터를, 상기 제1 위치 및 라벨링된 안전한 지점을 나타내는 하나 이상의 제2 위치를 포함하는 맵 데이터(라벨링된 안전한 지점을 포함하는 맵 데이터)를 나타내는 제4 데이터와 매핑시키는 단계; 및
    상기 적어도 하나의 프로세서를 사용하여, 상기 제4 데이터에 포함된 상기 하나 이상의 제2 위치(상기 맵 데이터에 포함된 안전한 지점) 중 적어도 하나에 기초하여 상기 제1 위치를 결정하는 단계를 더 포함하는, 방법.
  3. 제2항에 있어서, 상기 하나 이상의 제2 위치는 적어도 하나의 승차 위치(pick-up location) 및 적어도 하나의 하차 위치(drop-off location)를 포함하는, 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 제1 위치로 운행하도록 차량을 작동하는 단계는:
    상기 사용자 입력이 상기 시각적 표시를 선택하는 것에 기초해서, 계획 시스템을 사용하여, 상기 차량의 현재 위치로부터 상기 제1 위치로 상기 제1 위치를 향하는 궤적을 생성하는 단계; 및
    상기 궤적에 기초하여 상기 제1 위치로 운행하도록 차량을 작동하는 단계를 더 포함하는, 방법.
  5. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 적어도 하나의 센서는, 상기 차량에 부착되고 시야 데이터를 상기 적어도 하나의 프로세서에 전송하도록 구성된 복수의 센서에 포함되는, 방법.
  6. 제5항에 있어서, 상기 적어도 하나의 센서는 상기 제1 위치를 찾는 것과 관련하여 사용자의 눈 움직임을 추적하도록 구성되는, 방법.
  7. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 사용자 입력은, 상기 제1 위치를 찾는 것과 관련하여 상기 적어도 하나의 센서에 의해 관측되는 사용자의 제스처로서 수신되는, 방법.
  8. 시스템에 있어서,
    차량에 부착된 적어도 하나의 센서;
    상기 차량에 부착된 적어도 하나의 LiDAR 디바이스;
    적어도 하나의 프로세서; 및
    명령어를 저장한 적어도 하나의 비일시적 저장 매체
    를 포함하고, 상기 명령어는 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서로 하여금,
    상기 적어도 하나의 센서를 사용하여 취득된 제1 데이터를 수신하고 ― 상기 제1 데이터는 제1 위치(운전자가 보고 있는 타겟 위치의 좌표를 포함함)와 연관된 3차원 좌표를 나타냄 ―;
    상기 적어도 하나의 LiDAR 디바이스를 사용하여 취득된 제2 데이터를 수신하고 ― 상기 제2 데이터는 LiDAR 포인트 클라우드 데이터를 나타내고 상기 제1 위치와 연관된 상기 3차원 좌표를 포함함 ―;
    상기 차량의 사용자 인터페이스 상에 상기 제1 위치의 시각적 표시를 제공하고 ― 상기 시각적 표시는 상기 제1 데이터 및 상기 제2 데이터에 기초하여 생성됨 ―;
    사용자 입력이 상기 시각적 표시를 선택하는 것에 응답하여 상기 제1 위치로 운행하도록 차량을 작동하게
    하는, 시스템.
  9. 제8항에 있어서, 상기 적어도 하나의 프로세서로 하여금 상기 시각적 표시를 생성하게 하는 명령어는 또한, 상기 적어도 하나의 프로세서로 하여금:
    상기 3차원 좌표와 상기 LiDAR 포인트 클라우드 데이터의 오버레이(아이트래커 데이터와 포인트 클라우드 데이터의 오버레이)로서 상기 제1 위치를 나타내는 제3 데이터를 결정하고;
    상기 제3 데이터를, 상기 제1 위치 및 라벨링된 안전한 지점을 나타내는 하나 이상의 제2 위치를 포함하는 맵 데이터(라벨링된 안전한 지점을 포함하는 맵 데이터)를 나타내는 제4 데이터와 매핑시키고;
    상기 제4 데이터에 포함된 상기 하나 이상의 제2 위치(상기 맵 데이터에 포함된 안전한 지점) 중 적어도 하나에 기초하여 상기 제1 위치를 결정하게
    하는, 시스템.
  10. 제9항에 있어서, 상기 하나 이상의 제2 위치는 적어도 하나의 승차 위치 및 적어도 하나의 하차 위치를 포함하는, 시스템.
  11. 제8항 내지 제10항 중 어느 한 항에 있어서, 상기 적어도 하나의 프로세서로 하여금 상기 제1 위치로 운행하도록 차량을 작동하게 하는 명령어는 또한, 상기 적어도 하나의 프로세서로 하여금:
    상기 사용자 입력이 상기 시각적 표시를 선택하는 것에 기초해서, 계획 시스템을 사용하여, 상기 차량의 현재 위치로부터 상기 제1 위치로 상기 제1 위치를 향하는 궤적을 생성하고;
    상기 궤적에 기초하여 상기 제1 위치로 운행하도록 차량을 작동하게
    하는, 시스템.
  12. 제8항 내지 제10항 중 어느 한 항에 있어서, 상기 적어도 하나의 센서는, 상기 차량에 부착되고 시야 데이터를 상기 적어도 하나의 프로세서에 전송하도록 구성된 복수의 센서에 포함되는, 시스템.
  13. 제12항에 있어서, 상기 적어도 하나의 센서는 상기 제1 위치를 찾는 것과 관련하여 사용자의 눈 움직임을 추적하도록 구성되는, 시스템.
  14. 제8항 내지 제10항 중 어느 한 항에 있어서, 상기 사용자 입력은, 상기 제1 위치를 찾는 것과 관련하여 상기 적어도 하나의 센서에 의해 관측되는 사용자의 제스처로서 수신되는, 시스템.
  15. 명령어를 저장한 적어도 하나의 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 명령어는 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서로 하여금,
    제1 위치(운전자가 보고 있는 타겟 위치의 좌표를 포함함)와 연관된 3차원 좌표를 나타내는 제1 데이터를 수신하고 ― 상기 제1 데이터는 차량에(차량의 캐빈 내에) 부착된 적어도 하나의 센서(아이트래커 디바이스)를 통해 취득됨 ―;
    상기 차량에 부착된 적어도 하나의 LiDAR 디바이스로부터 취득된 LiDAR 포인트 클라우드 데이터를 나타내는 제2 데이터를 수신하고 ― 상기 LiDAR 포인트 클라우드 데이터는 상기 제1 위치와 연관된 상기 3차원 좌표를 포함함 ―;
    상기 차량의 사용자 인터페이스 상에 상기 제1 위치의 시각적 표시를 제공하고 ― 상기 시각적 표시는 상기 제1 데이터 및 상기 제2 데이터에 기초하여 생성됨 ―;
    사용자 입력이 상기 시각적 표시를 선택하는 것에 응답하여 상기 제1 위치로 운행하도록 차량을 작동하게
    하는, 적어도 하나의 비일시적 컴퓨터 판독 가능 저장 매체.
  16. 제15항에 있어서, 상기 적어도 하나의 프로세서로 하여금 상기 시각적 표시를 생성하게 하는 명령어는 또한, 상기 적어도 하나의 프로세서로 하여금:
    상기 3차원 좌표와 상기 LiDAR 포인트 클라우드 데이터의 오버레이(아이트래커 데이터와 포인트 클라우드 데이터의 오버레이)로서 상기 제1 위치를 나타내는 제3 데이터를 결정하고;
    상기 제3 데이터를, 상기 제1 위치 및 라벨링된 안전한 지점을 나타내는 하나 이상의 제2 위치를 포함하는 맵 데이터(라벨링된 안전한 지점을 포함하는 맵 데이터)를 나타내는 제4 데이터와 매핑시키고;
    상기 제4 데이터에 포함된 상기 하나 이상의 제2 위치(상기 맵 데이터에 포함된 안전한 지점) 중 적어도 하나에 기초하여 상기 제1 위치를 결정하게
    하는, 적어도 하나의 비일시적 컴퓨터 판독 가능 저장 매체.
  17. 제16항에 있어서, 상기 하나 이상의 제2 위치는 적어도 하나의 승차 위치 및 적어도 하나의 하차 위치를 포함하는, 적어도 하나의 비일시적 컴퓨터 판독 가능 저장 매체.
  18. 제15항 내지 제17항 중 어느 한 항에 있어서, 상기 적어도 하나의 프로세서로 하여금 상기 제1 위치로 운행하도록 차량을 작동하게 하는 명령어는 또한, 상기 적어도 하나의 프로세서로 하여금:
    상기 사용자 입력이 상기 시각적 표시를 선택하는 것에 기초해서, 계획 시스템을 사용하여, 상기 차량의 현재 위치로부터 상기 제1 위치로 상기 제1 위치를 향하는 궤적을 생성하고;
    상기 궤적에 기초하여 상기 제1 위치로 운행하도록 차량을 작동하게
    하는, 적어도 하나의 비일시적 컴퓨터 판독 가능 저장 매체.
  19. 제15항 내지 제17항 중 어느 한 항에 있어서, 상기 적어도 하나의 센서는, 상기 차량에 부착되고 시야 데이터를 상기 적어도 하나의 프로세서에 전송하도록 구성된 복수의 센서에 포함되는, 적어도 하나의 비일시적 컴퓨터 판독 가능 저장 매체.
  20. 제19항에 있어서, 상기 적어도 하나의 센서는 상기 제1 위치를 찾는 것과 관련하여 사용자의 눈 움직임을 추적하도록 구성되는, 적어도 하나의 비일시적 컴퓨터 판독 가능 저장 매체.
  21. 제15항 내지 제17항 중 어느 한 항에 있어서, 상기 사용자 입력은, 상기 제1 위치를 찾는 것과 관련하여 상기 적어도 하나의 센서에 의해 관측되는 사용자의 제스처로서 수신되는, 적어도 하나의 비일시적 컴퓨터 판독 가능 저장 매체.
KR1020220054222A 2022-01-13 2022-05-02 아이트래커 디바이스 및 라이다 포인트 클라이드 데이터를 사용하는 목표 결정 KR20230110145A (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202263299094P 2022-01-13 2022-01-13
US63/299,094 2022-01-13
US17/576,761 US20230219595A1 (en) 2022-01-13 2022-01-14 GOAL DETERMINATION USING AN EYE TRACKER DEVICE AND LiDAR POINT CLOUD DATA
US17/576,761 2022-01-14

Publications (1)

Publication Number Publication Date
KR20230110145A true KR20230110145A (ko) 2023-07-21

Family

ID=81753221

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220054222A KR20230110145A (ko) 2022-01-13 2022-05-02 아이트래커 디바이스 및 라이다 포인트 클라이드 데이터를 사용하는 목표 결정

Country Status (4)

Country Link
US (1) US20230219595A1 (ko)
KR (1) KR20230110145A (ko)
DE (1) DE102022110283A1 (ko)
GB (1) GB2614765A (ko)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120194418A1 (en) * 2010-02-28 2012-08-02 Osterhout Group, Inc. Ar glasses with user action control and event input based control of eyepiece application
US9864918B2 (en) * 2015-11-04 2018-01-09 Ford Global Technologies, Llc Predicting vehicle movements based on driver body language
US9507346B1 (en) * 2015-11-04 2016-11-29 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
JP2020507137A (ja) * 2017-12-11 2020-03-05 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド 車両周辺の物体を識別して測位するためのシステムおよび方法
US10817068B2 (en) * 2018-01-23 2020-10-27 Toyota Research Institute, Inc. Vehicle systems and methods for determining target based on selecting a virtual eye position or a pointing direction
US10597042B2 (en) * 2018-03-27 2020-03-24 Intel Corporation User gesture directed object detection and recognition in a vehicle
US11900672B2 (en) * 2018-04-23 2024-02-13 Alpine Electronics of Silicon Valley, Inc. Integrated internal and external camera system in vehicles
CN109668575A (zh) * 2019-01-29 2019-04-23 苏州车萝卜汽车电子科技有限公司 用于增强现实抬头显示装置的导航信息处理方法及装置、设备、系统
DE102019003785A1 (de) * 2019-05-29 2020-01-02 Daimler Ag Verfahren zum Betrieb eines Fahrzeugs
US20210064030A1 (en) * 2019-08-27 2021-03-04 Yu-Sian Jiang Driver assistance for a vehicle and method for operating the same

Also Published As

Publication number Publication date
GB2614765A (en) 2023-07-19
DE102022110283A1 (de) 2023-07-13
GB202205751D0 (en) 2022-06-01
US20230219595A1 (en) 2023-07-13

Similar Documents

Publication Publication Date Title
US11527085B1 (en) Multi-modal segmentation network for enhanced semantic labeling in mapping
KR20230144954A (ko) 차량 궤적 생성을 위한 추적기 포지션 업데이트들
US20230159033A1 (en) High fidelity data-driven multi-modal simulation
US20230109909A1 (en) Object detection using radar and lidar fusion
GB2611119A (en) Learning to identify safety-critical scenarios for an autonomous vehicle
KR20230110145A (ko) 아이트래커 디바이스 및 라이다 포인트 클라이드 데이터를 사용하는 목표 결정
US20230373529A1 (en) Safety filter for machine learning planners
US20230382427A1 (en) Motion prediction in an autonomous vehicle using fused synthetic and camera images
US20230303124A1 (en) Predicting and controlling object crossings on vehicle routes
US20240123996A1 (en) Methods and systems for traffic light labelling via motion inference
US20240126254A1 (en) Path selection for remote vehicle assistance
US20240051568A1 (en) Discriminator network for detecting out of operational design domain scenarios
US20230298198A1 (en) Light-based object localization
US20240038065A1 (en) Managing traffic light detections
US20240127579A1 (en) Identifying new classes of objects in environments of vehicles
US20240125608A1 (en) Graph exploration forward search
CN116483062A (zh) 用于运载工具的方法、系统以及存储介质
WO2024081191A1 (en) Path selection for remote vehicle assistance
WO2023177920A1 (en) Agent importance prediction for autonomous driving
WO2024039997A1 (en) Determination of an action for an autonomous vehicle in the presence of intelligent agents
WO2024081593A1 (en) Methods and systems for traffic light labelling via motion inference
KR20230083192A (ko) 센서 데이터를 사용하여 자동으로 교통 신호 검출
WO2024081214A1 (en) Graph exploration forward search
WO2024086049A1 (en) Guided generation of trajectories for remote vehicle assistance
KR20230115839A (ko) 열 센서 데이터 차량 인지