CN104870288B - 辅助自主车辆行驶经过车道合并的方法和*** - Google Patents
辅助自主车辆行驶经过车道合并的方法和*** Download PDFInfo
- Publication number
- CN104870288B CN104870288B CN201380067896.9A CN201380067896A CN104870288B CN 104870288 B CN104870288 B CN 104870288B CN 201380067896 A CN201380067896 A CN 201380067896A CN 104870288 B CN104870288 B CN 104870288B
- Authority
- CN
- China
- Prior art keywords
- track
- vehicle
- road
- lane information
- merging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000013500 data storage Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims 2
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 14
- 238000010276 construction Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 5
- 230000000712 assembly Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000003502 gasoline Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000256844 Apis mellifera Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000012190 activator Substances 0.000 description 1
- -1 battery Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005057 finger movement Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004922 lacquer Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- B60W30/12—Lane 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
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
- B62D15/0255—Automatic changing of lane, e.g. for passing another vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/408—Traffic behavior, e.g. swarm
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/803—Relative lateral speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
公开了用于在自主模式中控制车辆的方法和设备。在一个方面中,公开了一种示例方法,该方法包括由计算机***获得提供车辆正在其上行进的道路的车道的估计位置的车道信息,其中该计算机***被配置为在自主模式中控制车辆。示例方法还包括由计算机***确定车道信息已变得不可用或不可靠,并且响应于确定车道信息已变得不可用或不可靠,计算机***分析其它车辆的轨迹以定位道路上的潜在合并点并且创建循着潜在合并点处的车道的新轨迹。
Description
背景技术
一些车辆被配置为在自主模式中操作,其中车辆在只有很少或者没有来自驾驶员的输入的情况下导航经过一环境。这种车辆通常包括被配置为感测关于该环境和其它车辆轨迹的信息的一个或多个传感器。车辆可使用感测到的信息来导航经过该环境。
发明内容
在一个方面中,公开了一种示例方法,该方法包括由计算机***获得提供车辆正在其上行进的当前车道的估计位置的车道信息,其中该计算机***被配置为在自主模式中控制车辆。示例方法还包括识别与在道路上或道路附近行驶的其它车辆相关联的轨迹,并且由计算机***确定车道信息已变得不可用或不可靠。响应于确定车道信息已变得不可用或不可靠,该方法可包括计算机***分析轨迹以定位道路上的潜在合并点,确定潜在合并点处的车道的位置,创建循着潜在合并点处的车道的新轨迹,并且控制车辆沿着新轨迹行进。
在另一方面中,公开了一种非暂态计算机可读介质,其中存储有指令,这些指令可被计算设备执行来使得该计算设备执行上述示例方法。
在另外一方面中,公开了一种示例车辆,其包括至少一个处理器和具有指令的数据存储装置,这些指令可被该至少一个处理器执行来使得计算机***执行功能。这些功能包括:(a)获得提供车辆正在其上行进的道路的当前车道的估计位置的车道信息;(b)识别与在道路上或道路附近行驶的其它车辆相关联的轨迹;(c)确定车道信息已变得不可用或不可靠;以及(d)响应于确定车道信息已变得不可用或不可靠,分析轨迹以定位道路上的潜在合并点,确定潜在合并点处的车道的位置,创建循着潜在合并点处的车道的新轨迹,并且控制车辆沿着新轨迹行进。
通过酌情参考附图阅读以下详细描述,本领域普通技术人员将清楚这些以及其它方面、优点和替换方案。
附图说明
图1是图示根据实施例的示例方法的流程图。
图2A-B图示了根据实施例的示例方法的示例实现方式。
图3A-B图示了根据实施例的示例方法的示例实现方式。
图4A-B图示了根据实施例的示例方法的示例实现方式。
图5A-C图示了根据实施例的示例新轨迹。
图6图示了根据实施例的示例车辆。
图7是根据实施例的示例车辆的简化框图。
图8是根据实施例的示例计算机程序产品的简化框图。
具体实施方式
以下详细描述参考附图描述了所公开的***和方法的各种特征和功能。在图中,相似的符号通常标识相似的组件,除非上下文另有指示。本文描述的说明性***和方法实施例并不打算进行限定。将容易理解,公开的***和方法的某些方面可按许多种不同的配置来布置和组合,所有这些在本文都已设想到。
车辆可包括被配置为在自主模式中控制车辆的计算机***。为此,该计算机***可被配置为获得车道信息,该车道信息提供车辆正在其上行进的道路的车道的估计位置。车道信息可例如基于道路的预定地图和/或道路上的车道标志。其它类型的车道信息也是可能的。
在某个时间点,车辆可确定车道信息已变得不可用或不可靠。例如,车辆可确定预定地图中有错误(例如,道路的预定地图中的车道信息可能是不正确的),车辆可不再能够访问预定地图,车辆可不再能够检测到道路上的车道标志,车道信息可能从道路的预定地图缺失,和/或车辆可检测到道路上的矛盾的车道标志。其它示例也是可能的。
响应于确定车道信息已变得不可用或不可靠,计算机***可基于其它车辆轨迹来创建新轨迹。计算机***随后可控制车辆沿着新轨迹行进。
这样,即使车辆不能够依赖于车道信息来估计道路上的车道的位置,车辆也可避免与邻近车辆和/或其它障碍物碰撞。
图1是图示根据实施例的示例方法100的流程图。图1中所示的方法100给出了例如可与本文描述的车辆一起使用的方法的实施例。方法100可包括如方框102-114中的一个或多个所图示的一个或多个操作、功能或动作。虽然这些方框是按先后顺序图示的,但这些方框也可被并行执行,和/或按与本文描述的那些不同的顺序执行。另外,基于期望的实现方式,各种方框可被组合成更少的方框,分割成额外的方框,和/或被去除。
此外,对于方法100以及本文公开的其它过程和方法,流程图示出了当前实施例的一种可能的实现方式的功能和操作。就此,每个方框可表示程序代码的模块、片段或部分,其包括可由处理器执行来实现该过程中的特定逻辑功能或步骤的一个或多个指令。程序代码可被存储在任何类型的计算机可读介质上,诸如例如包括盘或硬盘驱动器的存储设备。计算机可读介质可包括非暂态计算机可读介质,诸如例如像寄存器存储器、处理器缓存和随机访问存储器(Random Access Memory,RAM)那样短时间存储数据的计算机可读介质。计算机可读介质还可包括非暂态介质,例如次级或永久长期存储装置,例如像只读存储器(read only memory,ROM)、光盘或磁盘以及致密盘只读存储器(compact-disc read onlymemory,CD-ROM)。计算机可读介质也可以是任何其它易失性或非易失性存储***。计算机可读介质可被认为是例如计算机可读存储介质、有形存储设备或者其它制品。
此外,对于方法100以及本文公开的其它过程和方法,每个方框可表示被配置为执行该过程中的特定逻辑功能的电路。
方法100开始于方框102,其中被配置为在自主模式中控制车辆的计算机***获得提供车辆正在其上行进的道路的当前车道的估计位置的车道信息。车道信息可采取若干种形式。计算机***被配置为在自主模式中控制车辆。
在一些实施例中,车道信息可包括车辆的地理位置和道路的预定地图。计算机***可通过例如就车辆的地理位置查询位置服务器来确定车辆的地理位置。可替换地,如果预定地图指示出车辆附近的至少两个物体的地理位置,则计算机***可通过例如以下方式来确定车辆的地理位置:使用激光测距仪或者光检测和测距(light detection andranging,LIDAR)单元估计从车辆到车辆附近的至少两个物体的距离并且利用三角测量术确定车辆的地理位置。其它示例也是可能的。计算机***随后可在预定地图上定位该车辆的地理位置。预定地图可包括指示道路上的车道的位置的车道信息。因此,计算机***可使用车辆的地理位置和预定地图中的车道的地理位置来确定车道相对于车辆的位置。
在其它实施例中,车道信息可包括道路上的车道标志,并且计算机***可使用一个或多个传感器来感测这些车道标志。例如,计算机***可使用图像捕捉设备来捕捉道路的图像并且可通过分析图像以寻找与车道标志的预定颜色、形状和/或亮度相似的预定颜色、形状和/或亮度来检测车道标志。作为另一示例,计算机***可将激光投影到道路上并且可通过分析道路的反射以寻找与车道标志的反射的预定强度相似的强度来检测车道标志。其它示例也是可能的。一旦计算机***感测到了车道标志,计算机***就可基于感测到的车道标志来估计车道的位置。
车道信息可包括由计算机***选择的预定轨迹。在一个示例实施例中,计算机***可从车辆处的数据存储装置中读取所选择的预定轨迹。在另一示例实施例中,计算机***可就所选择的预定轨迹查询服务器。该查询可包括例如车辆的最后已知或估计地理位置和/或在车辆处捕捉的一个或多个图像。在该查询包括车辆的最后已知或估计地理位置的实施例中,服务器可选择开始于车辆的最后已知或估计地理位置附近和/或跨越车辆的最后已知或估计地理位置的一个或多个预定轨迹。可替换地或额外地,在该查询包括在设备处捕捉的一个或多个图像的实施例中,服务器可基于该一个或多个图像来确定车辆的估计地理位置(例如,通过将该一个或多个图像与具有已知位置的图像的数据库相比较)并可随后选择开始于车辆的估计地理位置附近和/或跨越车辆的估计地理位置的一个或多个预定轨迹。服务器也可按其它方式来选择一个或多个预定轨迹。
一个或多个所选择的预定轨迹可例如包括开始于车辆的最后已知或估计地理位置的预定距离内的预定轨迹和/或在最接近车辆的最后已知或估计地理位置处开始的预定阈值数目的预定轨迹。其它预定轨迹也是可能的。
在方框104,计算机***可识别与在该道路上或该道路附近行驶的其它车辆相关联的轨迹。自主车辆上的或与自主车辆相关联的一个或多个传感器可用于确定车辆轨迹。传感器可包括全球定位***传感器、激光测距仪、RADAR单元、LIDAR单元、图像捕捉设备或其它类型的传感器的任何组合。在另一示例实施例中,计算机***可从其它车辆接收关于与其它车辆相关联的轨迹的信息。在另外一个示例实施例中,计算机***可从远程服务器或其它非车载实体接收关于轨迹的信息。
在一个示例实施例中,轨迹可与如下车辆相关联:这些车辆与自主车辆在相同车道中或者曾在相同车道中。在另一示例实施例中,轨迹可与如下车辆相关联:这些车辆在或者曾在与自主车辆的车道不同的车道中。在另外一个示例实施例中,轨迹可与在或曾在与自主车辆相同的车道中的车辆和在或曾在与自主车辆的车道不同的车道中的车辆两者相关联。所识别的其它车辆的轨迹可被存储在计算机***的数据存储装置中。
在方框106,计算机***可确定车道信息已变得不可用或不可靠。例如,在车道信息包括车道标志的实施例中,计算机***可在不存在车道标志或者难以感测到车道标志时(例如,因为车道标志已磨损或由于建筑施工(construction)而被去除)和/或在存在矛盾的车道标志时(例如,因为车道标志由于建筑施工而被重新漆画),确定车道信息已变得不可用或不可靠。在另一示例中,在车道信息包括道路的预定地图的实施例中,计算机***可在没有道路的预定地图可用时、在预定地图中不包括车道信息时或者在预定地图中存在错误时确定车道信息已变得不可用或不可靠。错误可在建筑施工要求车道关闭并且预定地图没有反映这些关闭时发生。
在一些实施例中,计算机***可以为车道信息维护预定阈值,并且计算机***可在计算机***检测到车道信息的置信度(例如,计算机***对于车道信息可靠有多确信)低于该预定阈值时确定车道信息已变得不可用或不可靠。在一些实施例中,计算机***还可以为车道信息维护预定时间段,并且计算机***可在计算机***检测到车道信息的置信度低于预定阈值达至少预定时间量时确定车道信息已变得不可用或不可靠。其它预定阈值也是可能的。
在方框108,响应于确定车道信息已变得不可用或不可靠,计算机***可分析轨迹以定位道路上的潜在合并点。
例如,计算机***可审查存储在数据存储装置中的车辆轨迹。在审查车辆轨迹时,计算机***可设法找到起源于不同车道中的轨迹的交叉的位置。例如,计算机***可寻找这样的车辆轨迹:这些车辆轨迹的路线最初间隔至少约为车道宽度,然后路线之间的间隔减小,使得路线重叠或者紧挨在一起,暗示着车辆轨迹移动到了相同车道中。在一个示例中,术语“紧挨在一起”可包括轨迹的间隔小于车道宽度。这些轨迹交叉点表示潜在合并点。审查多个车辆轨迹用于去除对合并点的任何虚假指示,因为有可能单个车辆就是简单地在沿着其轨迹的某个点处改变了车道,但越来越不可能有连续的许多车辆将会在同一位置执行车道改变,除非要求由车道关闭引起的合并。在道路上循着相同路线的车辆轨迹可被计算机***分组成集合,其中轨迹的一个集合看起来在特定车道中行驶,并且轨迹的另一集合看起来在另一车道中行驶。
在方框110,响应于确定车道信息已变得不可用或不可靠,计算机***可确定潜在合并点处的车道的位置。
对于每个潜在合并点,计算机***可确定哪个车道合并来形成潜在合并点。例如,计算机***可确定哪个车道在被视为合并点的位置处结束/合并,并且可确定哪个车道有另一车道被合并到其之中。此信息随后可被计算机***用于确定潜在合并点处的路权。自主车辆可使用此信息来对另一车道中的车辆让路并且在潜在合并点处合并到该另一车道中——如果确定该车辆正在其中行驶的车道正合并到另一车道中的话。自主车辆可使用此信息来知道该自主车辆在潜在合并点处具有路权——如果确定该车辆正在其中行驶的车道是正被另一车道合并入的车道的话。
随后分析在潜在合并点处交叉的轨迹来确定哪些轨迹最有可能表示车道变化(例如,正在合并到另一车道中的车道)。在一个示例实施例中,计算机***可测量通向合并点的每个轨迹的曲率。在另一示例实施例中,计算机***可测量起源于同一车道的一组轨迹的平均曲率。合并到另一车道中的轨迹将可能比被合并入的轨迹具有更大的曲率。从而,具有更大曲率的轨迹可反映车道变化,而具有更小曲率的轨迹可反映被合并入的轨迹。类似地,可根据曲率测量计算前进方向的变化以确定车道变化或被合并入的轨迹。例如,具有更大的前进方向变化的轨迹可反映车道变化,而具有更小的前进方向变化的轨迹可反映被合并入的轨迹。在一些示例实施例中,可基于曲率分析向每个轨迹赋予合并的相对可能性。在测量每个轨迹的曲率之后,计算机***可确定对于若干个轨迹是否存在一种型态(pattern);也就是说,是否看起来特定车道中的各种轨迹的曲率是这些轨迹表示一个车道正合并到另一车道中。
在方框112,进一步响应于确定车道信息已变得不可用或不可靠,计算机***可创建循着潜在合并点处的车道的新轨迹。在一个示例实施例中,在确定自主车辆当前正在其中行驶的车道将会合并到另一车道中时,自主车辆的轨迹可被更新到新轨迹以包括自主车辆在所确定的合并点处的车道变化。在另一示例实施例中,在确定自主车辆当前正在其中行驶的车道正被另一车道合并入时,新轨迹可保持在当前车道内的规定路线上,并且计算机***可向自主车辆发送在特定位置要发生合并的通知,以及车辆在所确定的合并点处具有路权的通知。
在方框114,进一步响应于确定车道信息已变得不可用或不可靠,计算机***可控制车辆沿着新轨迹行进。
在一些实施例中,在控制车辆沿着新轨迹行进的同时,计算机***可周期性地获得提供车道的更新后估计位置的更新后车道信息。更新后车道信息可采取以上对于车道信息描述的任何形式。
在一些实施例中,方法100可结合与自主车辆相关联的***使用,该***将所报告的地图(mapped)区域的变化告知自主车辆;诸如例如建筑施工通知。此信息可用于帮助计算机***确定地图区域很有可能发生变化。例如,接收到的指示特定区域中的道路建筑施工的信息与指示车道合并的方法100相结合向计算机***提供了例如特定区域中的车道合并的高可能性。
为了说明,下面联系图2A-2B描述方法100的示例实现方式。然而,要理解,这些示例实现方式只是说明性的,而并不欲进行限定。其它示例实现方式也是可能的。
图2A图示了根据实施例的示例方法的示例实现方式。如图2A中所示,车辆202正在道路上的车道200中行进。车辆202包括被配置为在自主模式中控制车辆202的计算机***(未示出)。为此,车辆202可获得提供道路上的车道200的位置的估计的车道信息。车道信息可例如基于道路的预定地图。其它车道信息也是可能的。
在某个时间点,车辆202可确定车道信息已变得不可靠。例如,车辆202可检测到预定地图中有错误。为此,车辆202可包括被配置为感测关于车辆202周围的环境的信息的一个或多个传感器(未示出)。车辆202可例如在车辆202检测到感测到的信息与预定地图矛盾时检测到在预定地图中有错误(例如,感测到的信息可指示出道路的一部分正在建筑施工,而预定地图可指示出该车道跨越道路的正在建筑施工的部分)。在图2A中,例如,在车辆202正在其上行驶的车道中存在建筑施工障碍锥(construction cone)203,阻断了该车道。其它示例也是可能的。
响应于确定车道信息已变得不可靠,车辆202可从其它车辆的轨迹确定潜在合并点,如上所述。车辆202也可对于每个潜在合并点确定合并以形成该潜在合并点的车道。
进一步响应于确定车道信息已变得不可靠,车辆202可创建穿过潜在合并点的新轨迹。新轨迹204在图2B中示出。进一步响应于确定车道信息已变得不可靠,车辆202可沿着新轨迹204行进。
如图2B中所示,以绝对地理坐标(例如,纬度和经度)来表述新轨迹204。然而,在其它实施例中,可相对于道路上的预定位置,例如车辆的最后已知或估计地理位置或地标,来表述新轨迹204。联系图3A-4B来进一步描述相对于道路上的预定位置表述的轨迹。
图3A图示了根据实施例的示例方法的示例实现方式。如图3A中所示,车辆302正在道路上的车道300中行进。车辆302包括被配置为在自主模式中控制车辆302的计算机***(未示出)。为此,车辆302可获得提供道路上的车道300的位置的估计的车道信息,如上所述。
在某个时间点,车辆302可确定车道信息已变得不可靠,如上所述。在图3A中,例如,在车辆302正在其上行驶的车道中存在建筑施工障碍锥303,阻断了该车道。响应于确定车道信息已变得不可靠,车辆302可如上文联系图1所述那样创建新轨迹。为此,车辆302可确定车辆302的最后已知或估计地理位置304。车辆302随后可使用车辆302的最后已知或估计地理位置304来创建新轨迹。
新轨迹306在图3B中示出。进一步响应于确定车道信息已变得不可靠,车辆302可沿着新轨迹306行进。
如图所示,新轨迹306是相对于车辆302的最后已知或估计地理位置304来表述的。然而,在其它实施例中,可相对于道路上的另一预定位置——例如地标——来表述新轨迹。联系图4A-4B来进一步描述相对于道路上的地标表述的新轨迹。
图4A图示了根据实施例的示例方法的示例实现方式。如图4A中所示,车辆402正在道路上的车道400中行进。车辆402包括被配置为在自主模式中控制车辆402的计算机***(未示出)。为此,车辆402可获得提供道路上的车道400的位置的估计的车道信息,如上所述。
在某个时间点,车辆402可确定车道信息已变得不可靠,如上所述。在图4A中,例如,在车辆402正在其上行驶的车道中存在建筑施工障碍锥403,阻断了该车道。响应于确定车道信息已变得不可靠,车辆402可如上文联系图1所述那样创建新轨迹。为此,车辆402可利用诸如LIDAR感测单元之类的传感器406来确定车辆402相对于道路上的具有预定地理位置的地标404的相对地理位置。其它传感器也是可能的。车辆402随后可使用地标404的预定地理位置和车辆402相对于地标404的相对地理位置来确定车辆402的估计地理位置,并且可基于估计地理位置来创建新轨迹。
新轨迹408在图4B中示出。进一步响应于确定车道信息已变得不可靠,车辆402可沿着新轨迹408行进。如图4B中所示,新轨迹408是相对于地标404表述的,如虚线所指示。
图5A-C图示了根据实施例的示例新轨迹。将会理解,图5A-C中所示的示例轨迹只是说明性的,而并不欲进行限定,并且以其它方式表述的其它示例轨迹也是可能的。
如图5A中所示,第一示例轨迹500包括开始位置502和轨迹方程504。轨迹500可由开始于开始位置502并由轨迹方程504限定的路线给出。虽然开始位置502是按纬度和经度坐标示出的,但开始位置502也可按其它方式表述,包括其它绝对地理位置和其它相对于预定位置的位置。类似地,虽然轨迹方程504被示为被表述为时间的函数,但也可以按其它方式来表述轨迹方程504,包括其它函数和其它变量。
如图5B中所示,第二示例轨迹506包括开始位置和曲率508。轨迹506可由从该开始位置延伸的具有曲率508的路线给出。虽然轨迹方程504被示为被表述为特定标量值,但也可以按其它方式来表述轨迹方程504,包括其它值和其它单位。
另外,如图5C中所示,第三示例轨迹510包括若干个位置512和时间间隔。轨迹510可由被拟合到位置512的路线来给出。虽然位置512是按纬度和经度坐标示出的,但位置512也可按其它方式来表述,包括其它绝对地理位置和其它相对于预定位置的位置。另外,虽然时间间隔是按秒示出的,但时间间隔也可按其它方式来表述,包括其它间隔值和其它单位。
其它示例轨迹也是可能的。
现在将更详细描述以上示例方法的示例实施例可在其中实现的***。一般地,示例***可实现在车辆中或采取车辆的形式。车辆可采取若干种形式,例如包括汽车、轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、挖土机、雪地机动车、休旅车、游乐园车辆、农场设备、施工设备、有轨电车、高尔夫球车、火车和手推车。其它车辆也是可能的。
另外,另一示例***可采取非暂态计算机可读介质的形式,其上存储有程序指令,这些程序指令可被至少一个处理器执行来提供本文描述的功能。示例***也可采取包括这种其上存储有这种程序指令的非暂态计算机可读介质的车辆或车辆的子***的形式。
图6图示了根据实施例的示例车辆600。具体地,图6示出了车辆600的右侧视图、前视图、后视图和顶视图。虽然车辆600在图6中被图示为轿车,但其它实施例是可能的。例如,车辆600可表示卡车、厢式货车、半挂卡车、摩托车、高尔夫球车、越野车或者农场车辆,以及其它示例。如图所示,车辆600包括第一传感器单元602、第二传感器单元604、第三传感器单元606、无线通信***608和图像捕捉设备610。
第一、第二和第三传感器单元602-606的每一者可包括全球定位***传感器、惯性测量单元、RADAR单元、激光测距仪、LIDAR单元、图像捕捉设备和声学传感器的任意组合。其它类型的传感器也是可能的。
虽然第一、第二和第三传感器单元602-606被示为安装在车辆600上的特定位置中,但在一些实施例中,第一、第二和第三传感器单元602-606中的一个或多个可安装在车辆600上的别处,在车辆600内部或外部。另外,虽然只示出了三个传感器单元602-606,但在一些实施例中,车辆600中可包括更多或更少的传感器单元。
在一些实施例中,第一、第二和第三传感器单元602-606中的一个或多个可包括一个或多个可移动底座,传感器可以可移动地安装在这些底座上。可移动底座可包括例如旋转平台。安装在旋转平台上的传感器可被旋转以使得传感器可获得来自车辆600周围的每个方向的信息。可替换地或额外地,可移动底座可包括倾斜平台。安装在倾斜平台上的传感器可在特定的角度和/或方位范围内被倾斜以使得传感器可获得来自各种角度的信息。可移动底座也可采取其它形式。
另外,在一些实施例中,第一、第二和第三传感器单元602-606中的一个或多个可包括一个或多个致动器,这些致动器被配置为通过移动传感器和/或可移动底座来调整传感器单元中的传感器的位置和/或朝向。示例致动器包括马达(motor)、气动致动器、液压活塞、继电器、螺线管和压电致动器。其它致动器也是可能的。
无线通信***608可以是被配置为直接地或者经由通信网络来无线地耦合到一个或多个其它车辆、传感器或其它实体的任何***。为此,无线通信***608可包括天线和芯片集,用于直接地或通过空中接口与其它车辆、传感器或其它实体通信。芯片集或整个无线通信***608可被布置为根据一个或多个其它类型的无线通信(例如,协议)来通信,所述无线通信例如蓝牙、IEEE 802.11(包括任何IEEE 802.11修订版)中描述的通信协议、蜂窝技术(例如GSM、CDMA、UMTS、EV-DO、WiMAX或LTE)、紫蜂、专用短程通信(dedicated shortrange communications,DSRC)以及射频识别(radio frequency identification,RFID)通信,等等。无线通信***608也可采取其它形式。
虽然无线通信***608被示为位于车辆600的顶盖上,但在其它实施例中,无线通信***608可以完全或部分地位于别处。
图像捕捉设备610可以是被配置为捕捉车辆600所位于的环境的图像的任何设备(例如,静态相机、视频相机,等等)。为此,图像捕捉设备610可被配置为检测可见光,或者可被配置为检测来自光谱的其它部分的光,例如红外或紫外光。其它类型的图像捕捉设备也是可能的。图像捕捉设备610可以是二维检测器,或者可具有三维空间范围。在一些实施例中,图像捕捉设备610可以例如是测距器,其被配置为生成指示出从图像捕捉设备610到环境中的若干个点的距离的二维图像。为此,图像捕捉设备610可使用一个或多个测距技术。例如,图像捕捉设备610可使用结构化光技术,其中车辆600利用预定的光图案——例如网格或棋盘格图案——来照射环境中的物体,并且使用图像捕捉设备610来检测该预定光图案从物体的反射。基于反射的光图案中的失真,车辆600可确定到该物体上的点的距离。预定的光图案可包括红外光,或者另一波长的光。作为另一示例,图像捕捉设备610可使用激光扫描技术,其中车辆600发射激光并且扫描环境中的物体上的若干个点。在扫描物体的同时,车辆600使用图像捕捉设备610来对于每个点检测激光从物体的反射。基于激光在每个点处从物体反射所花的时间长度,车辆600可确定到物体上的这些点的距离。作为另外一示例,图像捕捉设备610可使用飞行时间技术,其中车辆600发射光脉冲并且使用图像捕捉设备610来检测在物体上的若干个点处光脉冲从物体的反射。具体地,图像捕捉设备610可包括若干个像素,并且每个像素可检测光脉冲从物体上的一点的反射。基于光脉冲在每个点处从物体反射所花的时间长度,车辆600可确定到物体上的这些点的距离。光脉冲可以是激光脉冲。其它测距技术也是可能的,包括立体三角测量、片光三角测量、干涉法以及编码孔径技术,等等。图像捕捉设备610也可采取其它形式。
在一些实施例中,图像捕捉设备610可包括如上所述的被配置为调整图像捕捉设备610和/或可移动底座的位置和/或朝向的可移动底座和/或致动器。
虽然图像捕捉设备610被示为安装在车辆600的前挡风玻璃内部,但在其它实施例中,图像捕捉设备610可安装在车辆600上的别处,在车辆600内部或外部。
车辆600可包括与所示出的那些相比更多、更少和/或不同的组件。
图7是根据实施例的示例车辆700的简化框图。车辆700例如可类似于上文联系图6描述的车辆600。车辆700也可采取其它形式。
如图所示,车辆700包括推进***702、传感器***704、控制***706、***设备708和包括处理器712、数据存储装置714和指令716的计算机***710。在其它实施例中,车辆700可包括更多、更少或不同的***,并且每个***可包括更多、更少或不同的组件。此外,可按任意数目的方式来组合或分割所示出的***和组件。
推进***702可被配置成为车辆700提供动力(powered)运动。如图所示,推进***702包括引擎/发动机(engine/motor)718、能量源720、传动装置722和车轮/轮胎724。
引擎/发动机718可以是或者可以包括内燃引擎、电动机、蒸汽机和斯特林引擎的任何组合。其它发动机和引擎也是可能的。在一些实施例中,推进***702可包括多种类型的引擎和/或发动机。例如,气电混合动力车可包括汽油引擎和电动机。其它示例是可能的。
能量源720可以是完全或部分地为引擎/发动机718提供动力的能量来源。也就是说,引擎/发动机718可被配置为将能量源720转换成机械能量。能量源720的示例包括汽油、柴油、丙烷、其它基于压缩气体的燃料、乙醇、太阳能电池板、电池和其它电力来源。(一个或多个)能量源720可以额外地或可替换地包括燃料箱、电池、电容器和/或飞轮的任何组合。在一些实施例中,能量源720也可以为车辆700的其它***提供能量。
传动装置722可被配置为把机械动力从引擎/发动机718传送到车轮/轮胎724。为此,传动装置722可包括变速箱、离合器、差速器、驱动轴和/或其它元件。在传动装置722包括驱动轴的实施例中,驱动轴可包括被配置为耦合到车轮/轮胎724的一个或多个轴。
车辆700的车轮/轮胎724可配置为各种形式,包括单轮车、自行车/摩托车、三轮车或者轿车/卡车四轮形式。其它车轮/轮胎形式也是可能的,例如包括六个或更多个车轮的那些。在任何情况下,车辆700的车轮/轮胎724可被配置为相对于其它车轮/轮胎724差速地旋转。在一些实施例中,车轮/轮胎724可包括固定地附着到传动装置722的至少一个车轮和耦合到可与行驶表面接触的车轮的边缘的至少一个轮胎。车轮/轮胎724可包括金属和橡胶的任何组合,或者其它材料的组合。
推进***702可以额外地或可替换地包括除了所示出的那些以外的组件。
传感器***704可包括被配置为感测关于车辆700所位于的环境的信息的若干个传感器,以及被配置为修改传感器的位置和/或朝向的一个或多个致动器736。如图所示,传感器***的传感器包括全球定位***(Global Positioning System,GPS)726、惯性测量单元(inertial measurement unit,IMU)728、RADAR单元730、激光测距仪和/或LIDAR单元732以及图像捕捉设备734。传感器***704也可包括额外的传感器,包括例如监视车辆700的内部***的传感器(例如,O2监视器、燃油量表、机油温度,等等)。其它传感器也是可能的。
GPS 726可以是被配置为估计车辆700的地理位置的任何传感器。为此,GPS 726可包括被配置为估计车辆700相对于地球的位置的收发器。GPS 726也可采取其它形式。
IMU 728可以是被配置为基于惯性加速度来感测车辆700的位置和朝向变化的传感器的任何组合。在一些实施例中,传感器的组合可包括例如加速度计和陀螺仪。传感器的其它组合也是可能的。
RADAR单元730可以是被配置为利用无线电信号来感测车辆700所位于的环境中的物体的任何传感器。在一些实施例中,除了感测物体以外,RADAR单元730还可额外地被配置为感测物体的速度和/或前进方向。
类似地,激光测距仪或LIDAR单元732可以是被配置为利用激光来感测车辆700所位于的环境中的物体的任何传感器。具体地,激光测距仪或LIDAR单元732可包括被配置为发射激光的激光源和/或激光扫描仪以及被配置为检测激光的反射的检测器。激光测距仪或LIDAR单元732可被配置为在相干(例如,利用外差检测)或非相干检测模式中操作。
图像捕捉设备734可以是被配置为捕捉车辆700所位于的环境的图像的任何设备(例如,静态相机、视频相机,等等)。为此,图像捕捉设备734可采取上文联系图6中的图像捕捉设备610描述的任何形式。
传感器***704可以额外地或可替换地包括除了所示出的那些以外的组件。
控制***706可被配置为控制车辆700及其组件的操作。为此,控制***706可包括转向单元738、油门740、制动单元742、传感器融合算法744、计算机视觉***746、导航或路线控制(pathing)***748以及障碍物避免***750。
转向单元738可以是被配置为调整车辆700的前进方向的机构的任何组合。
油门740可以是被配置为控制引擎/发动机718的操作速度并进而控制车辆700的速度的机构的任何组合。
制动单元742可以是被配置为使车辆700减速的机构的任何组合。例如,制动单元742可使用摩擦来减慢车轮/轮胎724。作为另一示例,制动单元742可将车轮/轮胎724的动能转换为电流。制动单元742也可采取其它形式。
传感器融合算法744可以是被配置为接受来自传感器***704的数据作为输入的算法(或者存储算法的计算机程序产品)。该数据可包括例如表示在传感器***704的传感器处感测的信息的数据。传感器融合算法744可包括例如卡尔曼滤波器、贝叶斯网络或者另外的算法。传感器融合算法744还可被配置为基于来自传感器***704的数据来提供各种评价,包括例如对车辆700所位于的环境中的个体物体和/或特征的评估、对具体情形的评估和/或基于特定情形对可能影响的评估。其它评价也是可能的。
计算机视觉***746可以是被配置为处理和分析由图像捕捉设备734捕捉的图像以便识别车辆700所位于的环境中的物体和/或特征的任何***,所述物体和/或特征包括例如交通信号和障碍物。为此,计算机视觉***746可使用物体识别算法、从运动中恢复结构(Structure from Motion,SFM)算法、视频跟踪或其它计算机视觉技术。在一些实施例中,计算机视觉***746可以额外地被配置成为在地图上标出环境、跟踪物体、估计物体的速度,等等。
导航和路线控制***748可以是被配置为确定车辆700的行驶路线的任何***。导航和路线控制***748可以额外地被配置为在车辆700处于操作中的同时动态地更新行驶路线。在一些实施例中,导航和路线控制***748可被配置为结合来自传感器融合算法744、GPS 726和一个或多个预定地图的数据以为车辆700确定行驶路线。
障碍物避免***750可以是被配置为识别、评估和避免或者以其它方式越过车辆700所位于的环境中的障碍物的任何***。
控制***706可以额外地或可替换地包括除了所示出的那些以外的组件。
***设备708可被配置为允许车辆700与外部传感器、其它车辆和/或用户交互。为此,***设备708可包括例如无线通信***752、触摸屏754、麦克风756和/或扬声器758。
无线通信***752可采取上述任何形式。
触摸屏754可被用户用来向车辆700输入命令。为此,触摸屏754可被配置为经由电容感测、电阻感测或者表面声波过程等等来感测用户的手指的位置和移动中的至少一者。触摸屏754可能够感测在与触摸屏表面平行或与触摸屏表面在同一平面内的方向上、在与触摸屏表面垂直的方向上或者在这两个方向上的手指移动,并且还可能够感测施加到触摸屏表面的压力的水平。触摸屏754可由一个或多个半透明或透明绝缘层和一个或多个半透明或透明导电层形成。触摸屏754也可采取其它形式。
麦克风756可被配置为从车辆700的用户接收音频(例如,声音命令或其它音频输入)。类似地,扬声器758可被配置为向车辆700的用户输出音频。
***设备708可以额外地或可替换地包括除了所示出的那些以外的组件。
计算机***710可被配置为向推进***702、传感器***704、控制***706和***设备708中的一个或多个发送数据和从它们接收数据。为此,计算机***710可以通过***总线、网络和/或其它连接机构(未示出)通信地链接到推进***702、传感器***704、控制***706和***设备708中的一个或多个。
计算机***710还可被配置为与推进***702、传感器***704、控制***706和/或***设备708的一个或多个组件交互并控制这些组件。例如,计算机***710可被配置为控制传动装置722的操作以提高燃料效率。作为另一示例,计算机***710可被配置为使得图像捕捉设备734捕捉环境的图像。作为另外一个示例,计算机***710可被配置为存储并执行与传感器融合算法744相对应的指令。作为又一个示例,计算机***710可被配置为存储并执行用于在触摸屏754上显示出画面(display)的指令。其它示例也是可能的。
如图所示,计算机***710包括处理器712和数据存储装置714。处理器712可包括一个或多个通用处理器和/或一个或多个专用处理器。就处理器712包括多于一个处理器而言,这种处理器可以单独工作或者组合工作。数据存储装置714进而可包括一个或多个易失性储组件和/或一个或多个非易失性存储组件,例如光、磁和/或有机存储装置,并且数据存储装置714可以全部或部分与处理器712集成。
在一些实施例中,数据存储装置714可包含指令716(例如,程序逻辑),指令716可被处理器712执行来执行各种车辆功能,包括上文联系图1-5C描述的那些。数据存储装置714也可包含额外的指令,包括向推进***702、传感器***704、控制***706和***设备708中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。另外,在一些实施例中,数据存储装置714可包括多个预定轨迹762。预定轨迹762可采取上述任何形式。
计算机***702可以额外地或可替换地包括除了所示出的那些以外的组件。
如图所示,车辆700还包括电源760,其可被配置为向车辆700的一些或全部组件提供电力。为此,电源760可包括例如可再充电锂离子或铅酸电池。在一些实施例中,一个或多个电池组可被配置为提供电力。其它电源材料和配置也是可能的。在一些实施例中,电源760和能量源720可一起实现,如一些全电动车中那样。
在一些实施例中,推进***702、传感器***704、控制***706和***设备708中的一个或多个可被配置为与其各自***内和/或外的其它组件以互连的方式工作。
另外,除了所示出的那些或者取代所示出的那些,车辆700可包括一个或多个元件。例如,车辆700可包括一个或多个额外的接口和/或电源。其它额外的组件也是可能的。在这种实施例中,数据存储装置714还可包括可被处理器712执行来控制这些额外组件和/或与这些额外组件通信的指令。
此外,虽然每个组件和***被示为集成在车辆700中,但在一些实施例中,可以利用有线或无线连接将一个或多个组件或***可移除地安装在车辆700上或者以其它方式(机械地或电气地)连接到车辆700。
车辆700也可采取其它形式。
在一些实施例中,公开的方法可实现为以机器可读格式编码在非暂态计算机可读存储介质上或者其它非暂态介质或制品上的计算机程序指令。图8是图示根据本文给出的至少一些实施例布置的包括用于在计算设备上执行计算机过程的计算机程序的示例计算机程序产品800的概念性部分视图的示意图。
在一个实施例中,利用信号承载介质800来提供示例计算机程序产品802。信号承载介质802可包括一个或多个编程指令804,这些编程指令804在被一个或多个处理器执行时可提供上文相对于图1-5C描述的功能或功能的部分。
在一些实施例中,信号承载介质802可包含计算机可读介质806,例如但不限于硬盘驱动器、致密盘(Compact Disc,CD)、数字视频盘(Digital Video Disk,DVD)、数字磁带、存储器,等等。另外,在一些实施例中,信号承载介质802可包含计算机可记录介质808,例如但不限于存储器、读/写(R/W)CD、R/W DVD,等等。此外,在一些实施例中,信号承载介质802可包含通信介质810,例如但不限于数字和/或模拟通信介质(例如,光缆、波导、有线通信链路、无线通信链路,等等)。从而,例如,信号承载介质802可由无线形式的通信介质810来传达。
一个或多个编程指令804可以例如是计算机可执行的和/或逻辑实现的指令。在一些示例中,计算设备(例如图7的计算***710)可被配置为响应于编程指令804被计算机可读介质806、计算机可记录介质808和/或通信介质810中的一个或多个传达到该计算设备而提供各种操作、功能或动作。
非暂态计算机可读介质也可分布在多个数据存储元件之间,这些数据存储元件的位置可彼此远离。
在一些实施例中,执行编程指令804中的一些或全部的计算设备可以是车辆,例如图7中所图示的车辆700。其它计算设备也是可能的。
虽然本文已公开了各种方面和实施例,但本领域技术人员将会清楚其它方面和实施例。本文公开的各种方面和实施例是为了说明,而并不打算进行限定,真实的范围和精神由所附权利要求指示。
Claims (22)
1.一种用于辅助车辆行驶经过车道合并的方法,包括:
由计算机***获得提供车辆正在其上行进的道路的当前车道的估计位置的车道信息,其中所述计算机***被配置为在自主模式中控制所述车辆;
识别与在所述道路上或在所述道路附近行驶的其它车辆相关联的轨迹;
由所述计算机***确定所述车道信息已变得不可用或不可靠;以及
响应于确定所述车道信息已变得不可用或不可靠,所述计算机***:
分析所述轨迹来定位所述道路上的潜在合并点,
确定所述潜在合并点处的车道的位置,
创建循着所述潜在合并点处的所述车道的新轨迹,以及
控制所述车辆沿着新轨迹行进。
2.如权利要求1所述的方法,其中,所述车道信息是基于所述道路的预定地图的。
3.如权利要求2所述的方法,其中,确定所述车道信息已变得不可用或不可靠包括检测到所述车道信息未被包括在所述道路的预定地图中。
4.如权利要求2所述的方法,其中,确定所述车道信息已变得不可用或不可靠包括检测到在所述预定地图中有错误。
5.如权利要求1所述的方法,其中,识别与在所述道路上或所述道路附近的其它车辆相关联的轨迹包括识别与自主模式中的车辆在相同车道中的车辆。
6.如权利要求1所述的方法,其中,识别与在所述道路上或所述道路附近的其它车辆相关联的轨迹包括识别与自主模式中的车辆在不同车道中的车辆。
7.如权利要求1所述的方法,其中,分析所述轨迹来定位所述道路上的潜在合并点包括审查与所述其它车辆相关联的轨迹以找到如下轨迹:这些轨迹的路线最初间隔至少为车道宽度,然后路线之间的间隔减小,使得路线重叠或者变得间隔小于车道宽度。
8.如权利要求1所述的方法,其中,确定所述潜在合并点处的车道的位置还包括:
测量通向所述潜在合并点的轨迹的曲率,
基于测量到的曲率将所述轨迹分组成多个集合,
对于每个集合对所述曲率取平均,以及
选择比所述多个集合中的一个或多个其它集合具有更小平均曲率的轨迹的集合作为表示所述潜在合并点处的所述车道的位置的轨迹。
9.如权利要求1所述的方法,其中,创建循着所述潜在合并点处的所述车道的新轨迹包括支持自主模式中的车辆的车道变化。
10.如权利要求1所述的方法,其中,创建循着所述潜在合并点处的所述车道的新轨迹包括支持自主模式中的车辆保持在所述当前车道中。
11.如权利要求1所述的方法,还包括:
获得关于所述潜在合并点处的道路状况的信息。
12.一种车辆,包括:
至少一个处理器;以及
数据存储装置,包括可被所述至少一个处理器执行来使得计算机***执行功能的指令,所述功能包括:
获得提供车辆正在其上行进的道路的当前车道的估计位置的车道信息,其中所述计算机***被配置为在自主模式中控制所述车辆;
识别与在所述道路上或在所述道路附近行驶的其它车辆相关联的轨迹;
由所述计算机***确定所述车道信息已变得不可用或不可靠;以及
响应于确定所述车道信息已变得不可用或不可靠,所述计算机***:
分析所述轨迹来定位所述道路上的潜在合并点,
确定所述潜在合并点处的车道的位置,
创建循着所述潜在合并点处的所述车道的新轨迹,以及
控制所述车辆沿着新轨迹行进。
13.如权利要求12所述的车辆,其中,所述车道信息是基于所述道路的预定地图的。
14.如权利要求12所述的车辆,其中,确定所述车道信息已变得不可用或不可靠包括检测到所述车道信息未被包括在所述道路的预定地图中。
15.如权利要求12所述的车辆,其中,确定所述车道信息已变得不可用或不可靠包括检测到在所述道路的预定地图中有错误。
16.如权利要求12所述的车辆,其中,识别与在所述道路上或所述道路附近的其它车辆相关联的轨迹包括识别与自主模式中的车辆在不同车道中的车辆。
17.如权利要求12所述的车辆,其中,功能还包括:
测量通向所述潜在合并点的轨迹的曲率,
基于测量到的曲率将所述轨迹分组成多个集合,
对于每个集合对所述曲率取平均,以及
选择比所述多个集合中的一个或多个其它集合具有更小平均曲率的轨迹的集合作为表示所述潜在合并点处的所述车道的位置的轨迹。
18.如权利要求12所述的车辆,其中,分析所述轨迹来定位所述道路上的潜在合并点包括审查与所述其它车辆相关联的轨迹以找到如下轨迹:这些轨迹的路线最初间隔至少为车道宽度,然后路线之间的间隔减小,使得路线重叠或者变得间隔小于车道宽度。
19.一种用于辅助车辆行驶经过车道合并的装置,所述装置包括:
用于获得提供车辆正在其上行进的道路的当前车道的估计位置的车道信息的机构,其中所述装置被配置为在自主模式中控制所述车辆;
用于识别与在所述道路上或在所述道路附近行驶的其它车辆相关联的轨迹的机构;
用于确定所述车道信息已变得不可用或不可靠的机构;以及
用于响应于确定所述车道信息已变得不可用或不可靠进行操作的机构,包括:
用于分析所述轨迹来定位所述道路上的潜在合并点的机构,
用于确定所述潜在合并点处的车道的位置的机构,
用于创建循着所述潜在合并点处的所述车道的新轨迹的机构,以及
用于控制所述车辆沿着新轨迹行进的机构。
20.如权利要求19所述的装置,其中,所述车道信息是基于所述道路的预定地图的。
21.一种用于辅助车辆行驶经过车道合并的非暂态计算机可读介质,其中存储有指令,所述指令可被计算设备执行来使得该计算设备执行功能,所述功能包括:
获得提供车辆正在其上行进的道路的当前车道的估计位置的车道信息,其中计算机***被配置为在自主模式中控制所述车辆;
识别与在所述道路上或在所述道路附近行驶的其它车辆相关联的轨迹;
由所述计算机***确定所述车道信息已变得不可用或不可靠;以及
响应于确定所述车道信息已变得不可用或不可靠,所述计算机***:
分析所述轨迹来定位所述道路上的潜在合并点,
确定所述潜在合并点处的车道的位置,
创建循着所述潜在合并点处的所述车道的新轨迹,以及
控制所述车辆沿着新轨迹行进。
22.如权利要求21所述的非暂态计算机可读介质,其中,所述车道信息是基于所述道路的预定地图的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/670,103 US9026300B2 (en) | 2012-11-06 | 2012-11-06 | Methods and systems to aid autonomous vehicles driving through a lane merge |
US13/670,103 | 2012-11-06 | ||
PCT/US2013/068713 WO2014074588A1 (en) | 2012-11-06 | 2013-11-06 | Methods and systems to aid autonomous driving through a lane merge |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104870288A CN104870288A (zh) | 2015-08-26 |
CN104870288B true CN104870288B (zh) | 2018-05-08 |
Family
ID=50623105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380067896.9A Active CN104870288B (zh) | 2012-11-06 | 2013-11-06 | 辅助自主车辆行驶经过车道合并的方法和*** |
Country Status (4)
Country | Link |
---|---|
US (1) | US9026300B2 (zh) |
EP (1) | EP2917082B1 (zh) |
CN (1) | CN104870288B (zh) |
WO (1) | WO2014074588A1 (zh) |
Families Citing this family (102)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8996197B2 (en) * | 2013-06-20 | 2015-03-31 | Ford Global Technologies, Llc | Lane monitoring with electronic horizon |
EP3100206B1 (en) * | 2014-01-30 | 2020-09-09 | Mobileye Vision Technologies Ltd. | Systems and methods for lane end recognition |
JP6290009B2 (ja) * | 2014-06-06 | 2018-03-07 | 日立オートモティブシステムズ株式会社 | 障害物情報管理装置 |
US9711050B2 (en) * | 2015-06-05 | 2017-07-18 | Bao Tran | Smart vehicle |
US9836056B2 (en) * | 2015-06-05 | 2017-12-05 | Bao Tran | Smart vehicle |
JP6413940B2 (ja) * | 2015-06-11 | 2018-10-31 | 株式会社デンソー | 運転支援装置 |
US9869560B2 (en) | 2015-07-31 | 2018-01-16 | International Business Machines Corporation | Self-driving vehicle's response to a proximate emergency vehicle |
US9785145B2 (en) | 2015-08-07 | 2017-10-10 | International Business Machines Corporation | Controlling driving modes of self-driving vehicles |
US9483948B1 (en) | 2015-08-07 | 2016-11-01 | International Business Machines Corporation | Automated control of interactions between self-driving vehicles and pedestrians |
US9721397B2 (en) | 2015-08-11 | 2017-08-01 | International Business Machines Corporation | Automatic toll booth interaction with self-driving vehicles |
US9718471B2 (en) | 2015-08-18 | 2017-08-01 | International Business Machines Corporation | Automated spatial separation of self-driving vehicles from manually operated vehicles |
US9481366B1 (en) | 2015-08-19 | 2016-11-01 | International Business Machines Corporation | Automated control of interactions between self-driving vehicles and animals |
US9896100B2 (en) | 2015-08-24 | 2018-02-20 | International Business Machines Corporation | Automated spatial separation of self-driving vehicles from other vehicles based on occupant preferences |
US9731726B2 (en) | 2015-09-02 | 2017-08-15 | International Business Machines Corporation | Redirecting self-driving vehicles to a product provider based on physiological states of occupants of the self-driving vehicles |
US9513632B1 (en) | 2015-09-16 | 2016-12-06 | International Business Machines Corporation | Driving mode alerts from self-driving vehicles |
US9566986B1 (en) | 2015-09-25 | 2017-02-14 | International Business Machines Corporation | Controlling driving modes of self-driving vehicles |
US9481367B1 (en) | 2015-10-14 | 2016-11-01 | International Business Machines Corporation | Automated control of interactions between self-driving vehicles and animals |
US9834224B2 (en) | 2015-10-15 | 2017-12-05 | International Business Machines Corporation | Controlling driving modes of self-driving vehicles |
US9944291B2 (en) | 2015-10-27 | 2018-04-17 | International Business Machines Corporation | Controlling driving modes of self-driving vehicles |
US9751532B2 (en) | 2015-10-27 | 2017-09-05 | International Business Machines Corporation | Controlling spacing of self-driving vehicles based on social network relationships |
US10607293B2 (en) | 2015-10-30 | 2020-03-31 | International Business Machines Corporation | Automated insurance toggling for self-driving vehicles |
US9632502B1 (en) * | 2015-11-04 | 2017-04-25 | Zoox, Inc. | Machine-learning systems and techniques to optimize teleoperation and/or planner decisions |
US11283877B2 (en) | 2015-11-04 | 2022-03-22 | Zoox, Inc. | Software application and logic to modify configuration of an autonomous vehicle |
WO2017079341A2 (en) | 2015-11-04 | 2017-05-11 | Zoox, Inc. | Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles |
US10401852B2 (en) | 2015-11-04 | 2019-09-03 | Zoox, Inc. | Teleoperation system and method for trajectory modification of autonomous vehicles |
US9606539B1 (en) | 2015-11-04 | 2017-03-28 | Zoox, Inc. | Autonomous vehicle fleet service and system |
US10176525B2 (en) | 2015-11-09 | 2019-01-08 | International Business Machines Corporation | Dynamically adjusting insurance policy parameters for a self-driving vehicle |
US9791861B2 (en) | 2015-11-12 | 2017-10-17 | International Business Machines Corporation | Autonomously servicing self-driving vehicles |
DE102015014651A1 (de) | 2015-11-12 | 2017-05-18 | Audi Ag | Verfahren zum Bereitstellen einer Spurinformation einer Fahrspur und System |
US9829888B2 (en) | 2015-11-17 | 2017-11-28 | Ford Global Technologies, Llc | Distinguishing lane markings for a vehicle to follow |
WO2017091690A1 (en) * | 2015-11-26 | 2017-06-01 | Gideon Stein | Automatic prediction and altruistic response to a vehicel cutting in a lane |
DE102015224008B3 (de) | 2015-12-02 | 2017-06-01 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum automatisierten Fahren eines Kraftfahrzeuges |
DE102015224192B4 (de) | 2015-12-03 | 2021-03-18 | Robert Bosch Gmbh | Erkennen einer Freifläche |
US10061326B2 (en) | 2015-12-09 | 2018-08-28 | International Business Machines Corporation | Mishap amelioration based on second-order sensing by a self-driving vehicle |
US9494438B1 (en) * | 2015-12-15 | 2016-11-15 | Honda Motor Co., Ltd. | System and method for verifying map data for a vehicle |
US9836973B2 (en) | 2016-01-27 | 2017-12-05 | International Business Machines Corporation | Selectively controlling a self-driving vehicle's access to a roadway |
JP6464107B2 (ja) * | 2016-02-22 | 2019-02-06 | 本田技研工業株式会社 | 走行支援装置 |
US9802599B2 (en) * | 2016-03-08 | 2017-10-31 | Ford Global Technologies, Llc | Vehicle lane placement |
US9429947B1 (en) | 2016-04-14 | 2016-08-30 | Eric John Wengreen | Self-driving vehicle systems and methods |
US10255648B2 (en) | 2016-04-14 | 2019-04-09 | Eric John Wengreen | Self-driving vehicle systems and methods |
US10247559B2 (en) | 2016-05-02 | 2019-04-02 | Here Global B.V. | Method and apparatus for disambiguating probe points within an ambiguous probe region |
US10685391B2 (en) | 2016-05-24 | 2020-06-16 | International Business Machines Corporation | Directing movement of a self-driving vehicle based on sales activity |
KR20190069384A (ko) * | 2016-07-21 | 2019-06-19 | 모빌아이 비젼 테크놀로지스 엘티디. | 자율 주행을 위한 스파스 맵(sparse map)의 크라우드소싱과 배포 및 차선 측정 |
DE102016213782A1 (de) * | 2016-07-27 | 2018-02-01 | Volkswagen Aktiengesellschaft | Verfahren, Vorrichtung und computerlesbares Speichermedium mit Instruktionen zur Bestimmung der lateralen Position eines Fahrzeuges relativ zu den Fahrstreifen einer Fahrbahn |
US10062288B2 (en) * | 2016-07-29 | 2018-08-28 | GM Global Technology Operations LLC | Systems and methods for autonomous driving merging management |
US10093322B2 (en) | 2016-09-15 | 2018-10-09 | International Business Machines Corporation | Automatically providing explanations for actions taken by a self-driving vehicle |
US10643256B2 (en) | 2016-09-16 | 2020-05-05 | International Business Machines Corporation | Configuring a self-driving vehicle for charitable donations pickup and delivery |
EP3532801B1 (en) * | 2016-10-31 | 2020-12-16 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating lane merges and lane splits |
US10259452B2 (en) | 2017-01-04 | 2019-04-16 | International Business Machines Corporation | Self-driving vehicle collision management system |
US10529147B2 (en) | 2017-01-05 | 2020-01-07 | International Business Machines Corporation | Self-driving vehicle road safety flare deploying system |
US10363893B2 (en) | 2017-01-05 | 2019-07-30 | International Business Machines Corporation | Self-driving vehicle contextual lock control system |
US10328973B2 (en) * | 2017-03-06 | 2019-06-25 | Ford Global Technologies, Llc | Assisting drivers with roadway lane changes |
US10152060B2 (en) | 2017-03-08 | 2018-12-11 | International Business Machines Corporation | Protecting contents of a smart vault being transported by a self-driving vehicle |
DE102018204829A1 (de) * | 2017-04-12 | 2018-10-18 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zur Analyse einer Fahrzeugumgebung sowie Fahrzeug mit einer solchen Vorrichtung |
US10317907B2 (en) * | 2017-04-28 | 2019-06-11 | GM Global Technology Operations LLC | Systems and methods for obstacle avoidance and path planning in autonomous vehicles |
EP3410414A1 (en) * | 2017-05-31 | 2018-12-05 | Panasonic Intellectual Property Corporation of America | Information processing method, information processing apparatus, system, and storage medium |
JP7027738B2 (ja) * | 2017-09-06 | 2022-03-02 | 株式会社デンソー | 運転支援装置 |
US11073838B2 (en) | 2018-01-06 | 2021-07-27 | Drivent Llc | Self-driving vehicle systems and methods |
US10274950B1 (en) | 2018-01-06 | 2019-04-30 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US10299216B1 (en) | 2018-01-06 | 2019-05-21 | Eric John Wengreen | Self-driving vehicle actions in response to a low battery |
US10303181B1 (en) | 2018-11-29 | 2019-05-28 | Eric John Wengreen | Self-driving vehicle systems and methods |
JP6973100B2 (ja) * | 2018-01-17 | 2021-11-24 | トヨタ自動車株式会社 | 車両走行支援システム |
DE102018202712A1 (de) * | 2018-02-22 | 2019-08-22 | Volkswagen Aktiengesellschaft | Schwarmbasierte Trajektorien für Kraftfahrzeuge |
JP7172172B2 (ja) * | 2018-06-22 | 2022-11-16 | 株式会社デンソー | 車両制御装置 |
US10909866B2 (en) | 2018-07-20 | 2021-02-02 | Cybernet Systems Corp. | Autonomous transportation system and methods |
US10875535B2 (en) | 2018-07-27 | 2020-12-29 | Toyota Research Institute, Inc. | Tactile detection to determine lane localization |
US10466057B1 (en) | 2018-07-30 | 2019-11-05 | Wesley Edward Schwie | Self-driving vehicle systems and methods |
FR3085332A1 (fr) * | 2018-09-03 | 2020-03-06 | Psa Automobiles Sa | Determination d’une trajectoire laterale coherente pour une conduite autonome |
US10800409B2 (en) * | 2018-09-04 | 2020-10-13 | Caterpillar Paving Products Inc. | Systems and methods for operating a mobile machine using detected sounds |
US10282625B1 (en) | 2018-10-01 | 2019-05-07 | Eric John Wengreen | Self-driving vehicle systems and methods |
US10479319B1 (en) | 2019-03-21 | 2019-11-19 | Drivent Llc | Self-driving vehicle systems and methods |
US10493952B1 (en) | 2019-03-21 | 2019-12-03 | Drivent Llc | Self-driving vehicle systems and methods |
US10223844B1 (en) | 2018-09-18 | 2019-03-05 | Wesley Edward Schwie | Self-driving vehicle systems and methods |
US10289922B1 (en) | 2018-09-18 | 2019-05-14 | Eric John Wengreen | System for managing lost, mislaid, or abandoned property in a self-driving vehicle |
US10471804B1 (en) | 2018-09-18 | 2019-11-12 | Drivent Llc | Self-driving vehicle systems and methods |
US10900792B2 (en) | 2018-10-22 | 2021-01-26 | Drivent Llc | Self-driving vehicle systems and methods |
US10832569B2 (en) | 2019-04-02 | 2020-11-10 | Drivent Llc | Vehicle detection systems |
US10794714B2 (en) | 2018-10-01 | 2020-10-06 | Drivent Llc | Self-driving vehicle systems and methods |
US11644833B2 (en) | 2018-10-01 | 2023-05-09 | Drivent Llc | Self-driving vehicle systems and methods |
US11221622B2 (en) | 2019-03-21 | 2022-01-11 | Drivent Llc | Self-driving vehicle systems and methods |
US10240938B1 (en) | 2018-10-22 | 2019-03-26 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US10286908B1 (en) | 2018-11-01 | 2019-05-14 | Eric John Wengreen | Self-driving vehicle systems and methods |
US10474154B1 (en) | 2018-11-01 | 2019-11-12 | Drivent Llc | Self-driving vehicle systems and methods |
CN113348338A (zh) * | 2018-11-26 | 2021-09-03 | 御眼视觉技术有限公司 | 车道建图和导航 |
KR102555916B1 (ko) * | 2018-12-12 | 2023-07-17 | 현대자동차주식회사 | Odm 정보 신뢰성 판단 장치 및 그의 판단 방법과 그를 이용하는 차량 |
KR102160281B1 (ko) * | 2018-12-28 | 2020-09-25 | 주식회사 블루인텔리전스 | 무인 자율 주행 경로 안내 방법 및 이에 적합한 무인 자율 주행 지원 시스템 |
US11143514B2 (en) * | 2019-01-17 | 2021-10-12 | GM Global Technology Operations LLC | System and method for correcting high-definition map images |
US10377342B1 (en) | 2019-02-04 | 2019-08-13 | Drivent Technologies Inc. | Self-driving vehicle systems and methods |
US10744976B1 (en) | 2019-02-04 | 2020-08-18 | Drivent Llc | Self-driving vehicle systems and methods |
CN109949596A (zh) * | 2019-02-28 | 2019-06-28 | 北京百度网讯科技有限公司 | 用于自动驾驶车辆的车辆交互方法和装置 |
US11009881B2 (en) * | 2019-04-05 | 2021-05-18 | Caterpillar Paving Products Inc. | Roadway center detection for autonomous vehicle control |
EP4020428A4 (en) * | 2019-08-28 | 2022-10-12 | Huawei Technologies Co., Ltd. | LANE RECOGNITION METHOD AND APPARATUS, AND COMPUTER DEVICE |
US11499833B2 (en) * | 2019-09-25 | 2022-11-15 | GM Global Technology Operations LLC | Inferring lane boundaries via high speed vehicle telemetry |
US11754408B2 (en) * | 2019-10-09 | 2023-09-12 | Argo AI, LLC | Methods and systems for topological planning in autonomous driving |
US11643073B2 (en) | 2019-10-24 | 2023-05-09 | Zoox, Inc. | Trajectory modifications based on a collision zone |
US11420630B2 (en) | 2019-10-24 | 2022-08-23 | Zoox, Inc. | Trajectory modifications based on a collision zone |
US11292470B2 (en) * | 2020-01-06 | 2022-04-05 | GM Global Technology Operations LLC | System method to establish a lane-change maneuver |
US11608067B2 (en) * | 2020-08-12 | 2023-03-21 | Honda Motor Co., Ltd. | Probabilistic-based lane-change decision making and motion planning system and method thereof |
CN112078595B (zh) * | 2020-09-24 | 2021-11-09 | 苏州交驰人工智能研究院有限公司 | 一种车辆轨迹规划方法、控制方法及相关装置 |
US20230091276A1 (en) * | 2021-09-17 | 2023-03-23 | Honda Motor Co., Ltd. | System and method for automated merging |
CN114347991B (zh) * | 2022-02-07 | 2024-06-14 | 中国第一汽车股份有限公司 | 一种车辆的自动换道方法、装置、存储介质及车辆 |
US20230290000A1 (en) * | 2022-03-08 | 2023-09-14 | Nec Corporation Of America | Image analysis for controlling movement of an object |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10349631A1 (de) * | 2003-10-24 | 2005-05-19 | Robert Bosch Gmbh | Fahrerassistenzverfahren und -vorrichtung auf der Basis von Fahrspurinformationen |
US6944543B2 (en) * | 2001-09-21 | 2005-09-13 | Ford Global Technologies Llc | Integrated collision prediction and safety systems control for improved vehicle safety |
DE102008036131A1 (de) * | 2007-08-29 | 2009-03-05 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Erkennung der Verkehrssituation in einer Fahrzeugumgebung |
CN101542553A (zh) * | 2006-11-20 | 2009-09-23 | 丰田自动车株式会社 | 行驶控制计划生成***以及计算机程序 |
DE102010007240A1 (de) * | 2010-02-09 | 2011-08-11 | Daimler AG, 70327 | Verfahren zur Ermittlung eines Spurverlaufes einer Fahrstrecke |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3167989B2 (ja) | 1999-08-10 | 2001-05-21 | 富士重工業株式会社 | カーブ進入制御装置 |
US6393362B1 (en) | 2000-03-07 | 2002-05-21 | Modular Mining Systems, Inc. | Dynamic safety envelope for autonomous-vehicle collision avoidance system |
US7102496B1 (en) | 2002-07-30 | 2006-09-05 | Yazaki North America, Inc. | Multi-sensor integration for a vehicle |
JP3928571B2 (ja) | 2003-03-14 | 2007-06-13 | トヨタ自動車株式会社 | 車両用運転補助装置 |
JP3882797B2 (ja) | 2003-08-08 | 2007-02-21 | 日産自動車株式会社 | 車両用運転操作補助装置および車両用運転操作補助装置を備える車両 |
DE10358034A1 (de) | 2003-12-11 | 2005-07-14 | Daimlerchrysler Ag | Adaption einer automatischen Folgeführung an potentiell auf die eigene Fahrspur einscherende Verkehrsteilnehmer |
JP2005199910A (ja) | 2004-01-16 | 2005-07-28 | Nissan Motor Co Ltd | 車両用ミラー制御装置および車両用ミラー制御方法 |
US20060104712A1 (en) | 2004-08-24 | 2006-05-18 | Bufano Michael L | Transportation system |
JP2006131055A (ja) | 2004-11-04 | 2006-05-25 | Denso Corp | 車両走行制御装置 |
WO2006060518A2 (en) | 2004-11-30 | 2006-06-08 | Circumnav Networks, Inc. | Methods for deducing road geometry and connectivity |
JP4720383B2 (ja) | 2005-09-01 | 2011-07-13 | トヨタ自動車株式会社 | 車両制御装置 |
TWI302879B (en) | 2006-05-12 | 2008-11-11 | Univ Nat Chiao Tung | Real-time nighttime vehicle detection and recognition system based on computer vision |
US8532862B2 (en) | 2006-11-29 | 2013-09-10 | Ryan A. Neff | Driverless vehicle |
WO2009067116A1 (en) | 2007-11-21 | 2009-05-28 | Taxi 2000 Corporation | A control system for a vehicle |
US20100228427A1 (en) | 2009-03-05 | 2010-09-09 | Massachusetts Institute Of Technology | Predictive semi-autonomous vehicle navigation system |
US8244408B2 (en) | 2009-03-09 | 2012-08-14 | GM Global Technology Operations LLC | Method to assess risk associated with operating an autonomic vehicle control system |
US8269652B2 (en) | 2009-04-02 | 2012-09-18 | GM Global Technology Operations LLC | Vehicle-to-vehicle communicator on full-windshield head-up display |
US20110106442A1 (en) * | 2009-10-30 | 2011-05-05 | Indian Institute Of Technology Bombay | Collision avoidance system and method |
US8618922B2 (en) | 2010-03-30 | 2013-12-31 | GM Global Technology Operations LLC | Method and system for ensuring operation of limited-ability autonomous driving vehicles |
JP5110405B2 (ja) | 2010-04-07 | 2012-12-26 | 村田機械株式会社 | 走行台車システム |
US8260482B1 (en) | 2010-04-28 | 2012-09-04 | Google Inc. | User interface for displaying internal state of autonomous driving system |
US8509982B2 (en) | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
US9542846B2 (en) * | 2011-02-28 | 2017-01-10 | GM Global Technology Operations LLC | Redundant lane sensing systems for fault-tolerant vehicular lateral controller |
US20120303222A1 (en) | 2011-03-23 | 2012-11-29 | Tk Holding Inc. | Driver assistance system |
-
2012
- 2012-11-06 US US13/670,103 patent/US9026300B2/en active Active
-
2013
- 2013-11-06 EP EP13852521.7A patent/EP2917082B1/en active Active
- 2013-11-06 WO PCT/US2013/068713 patent/WO2014074588A1/en active Application Filing
- 2013-11-06 CN CN201380067896.9A patent/CN104870288B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6944543B2 (en) * | 2001-09-21 | 2005-09-13 | Ford Global Technologies Llc | Integrated collision prediction and safety systems control for improved vehicle safety |
DE10349631A1 (de) * | 2003-10-24 | 2005-05-19 | Robert Bosch Gmbh | Fahrerassistenzverfahren und -vorrichtung auf der Basis von Fahrspurinformationen |
CN101542553A (zh) * | 2006-11-20 | 2009-09-23 | 丰田自动车株式会社 | 行驶控制计划生成***以及计算机程序 |
DE102008036131A1 (de) * | 2007-08-29 | 2009-03-05 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Erkennung der Verkehrssituation in einer Fahrzeugumgebung |
DE102010007240A1 (de) * | 2010-02-09 | 2011-08-11 | Daimler AG, 70327 | Verfahren zur Ermittlung eines Spurverlaufes einer Fahrstrecke |
Also Published As
Publication number | Publication date |
---|---|
EP2917082A4 (en) | 2016-09-14 |
EP2917082B1 (en) | 2020-09-09 |
EP2917082A1 (en) | 2015-09-16 |
CN104870288A (zh) | 2015-08-26 |
WO2014074588A1 (en) | 2014-05-15 |
US20140129073A1 (en) | 2014-05-08 |
US9026300B2 (en) | 2015-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104870288B (zh) | 辅助自主车辆行驶经过车道合并的方法和*** | |
US11281918B1 (en) | 3D position estimation of objects from a monocular camera using a set of known 3D points on an underlying surface | |
CN104411559B (zh) | 用于检测交通信号及其关联状态的鲁棒方法 | |
CN104395168B (zh) | 通过与其它车辆维持安全距离来在道路上安全地导航 | |
CN104541284B (zh) | 障碍物评估技术 | |
CN104271419B (zh) | 鉴于约束主动修改自主车辆的视野 | |
US9996086B2 (en) | Methods and systems for transportation to destinations by a self-driving vehicle | |
US9387854B1 (en) | Use of environmental information to aid image processing for autonomous vehicles | |
US9026303B1 (en) | Object detection based on known structures of an environment of an autonomous vehicle | |
US9224053B1 (en) | Combining multiple estimates of an environment into a consolidated estimate for an autonomous vehicle | |
US9355562B1 (en) | Using other vehicle trajectories to aid autonomous vehicles driving through partially known areas | |
US8855904B1 (en) | Use of position logs of vehicles to determine presence and behaviors of traffic controls | |
US11079768B2 (en) | Use of a reference image to detect a road obstacle | |
US9393961B1 (en) | Verifying a target object with reverse-parallax analysis | |
CN109844562A (zh) | 用于自主车辆感知和计划的雷达生成的占用网格 | |
US8838322B1 (en) | System to automatically measure perception sensor latency in an autonomous vehicle | |
CN107097787A (zh) | 对控制车辆的速度的预测性推理 | |
CN107628027A (zh) | 基于替代数据推断交通信号状态和车辆环境的其他方面 | |
US20170328729A1 (en) | System To Optimize Sensor Parameters In An Autonomous Vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20171024 Address after: California, USA Applicant after: Weimo Co.,Ltd. Address before: California, USA Applicant before: Giant Holdings Effective date of registration: 20171024 Address after: California, USA Applicant after: Giant Holdings Address before: California, USA Applicant before: Google Inc. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |