CN107792079B - 利用路径预测的自主车辆 - Google Patents

利用路径预测的自主车辆 Download PDF

Info

Publication number
CN107792079B
CN107792079B CN201710758086.8A CN201710758086A CN107792079B CN 107792079 B CN107792079 B CN 107792079B CN 201710758086 A CN201710758086 A CN 201710758086A CN 107792079 B CN107792079 B CN 107792079B
Authority
CN
China
Prior art keywords
vehicle
error
host vehicle
target vehicle
margin
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
Application number
CN201710758086.8A
Other languages
English (en)
Other versions
CN107792079A (zh
Inventor
邓堃
骆望东
刘南君
亚历克斯·莫里斯·米勒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
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 Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN107792079A publication Critical patent/CN107792079A/zh
Application granted granted Critical
Publication of CN107792079B publication Critical patent/CN107792079B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • B60W10/184—Conjoint control of vehicle sub-units of different type or different function including control of braking systems with wheel brakes
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W50/0097—Predicting future conditions
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/06—Direction of travel
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/14—Yaw
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—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
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems
    • 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
    • B60W2900/00—Indexing codes relating to the purpose of, or problem solved of road vehicle drive control systems not otherwise provided for in groups B60W30/00

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)
  • Feedback Control In General (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Regulating Braking Force (AREA)

Abstract

一种主车辆中的控制器包括处理器和存储处理器可执行指令的存储器。处理器编程为基于目标车辆的当前位置和速度以及未来时间来计算预测位置的置信区间的误差界限，该预测位置为在未来时间的目标车辆横向相对于主车辆在当前时间的当前位置和取向的位置。

Description

利用路径预测的自主车辆
技术领域
本发明大体上涉及自主车辆领域，并且尤其是涉及一种利用路径预测的自主车辆。
背景技术
自主车辆具有在没有人类操作者(例如，驾驶员)干预的情况下运行的能力，亦即，车辆控制器做出关于加速、制动和/或转向车辆的决定。车辆可为完全自主的或半自主的。半自主车辆可仅在特定情况下(例如，公路驾驶或平行停车)或者相对于某些车辆子***(例如，制动，而非加速或转向)为自主的。
自主车辆可包括用于跟踪车辆周围的外部环境的传感器。一些类型的传感器为雷达传感器、扫描激光测距仪、光探测和测距(light detection and ranging，LIDAR)装置以及图像处理传感器(例如摄像机)。车辆控制器与传感器进行通信，并且利用来自传感器的输出来分析外部环境(例如，定义周围地形的特征，检测地形上的道路和道路的车道，解释标志和信号，以及跟踪和分类环境中的对象(例如车辆、骑自行车的人以及行人))。例如，车辆控制器可分类检测到的对象是否为另一台车辆，并且提供关于该另一台车辆的状态信息(例如位置、速度以及前进方向)。
车辆控制器利用目标路径预测来预测另一台车辆将行驶到哪里。车辆控制器利用该另一台车辆的所预测到的路径来做出影响车辆运行的决定。因此，当前的路径预测技术的误差和不足是有问题的。有机会改进预测对象(例如目标车辆)的路径的技术。
发明内容
根据本发明的一方面，提供一种控制器，包括处理器和存储处理器可执行指令的存储器，其中处理器编程为：
基于目标车辆的当前位置和速度以及未来时间来计算预测位置的置信区间的误差界限，预测位置为在未来时间的目标车辆横向相对于主车辆在当前时间的当前位置和取向的位置。
根据本发明的一个实施例，误差界限是进一步基于主车辆的当前速度和横摆率。
根据本发明的一个实施例，误差界限是进一步基于主车辆和目标车辆之间的相对方位角。
根据本发明的一个实施例，误差界限与未来时间具有线性关系。
根据本发明的一个实施例，误差界限从如下方程式确定：
ε(t,s)＝b(t)*(s-t)+c(t)，其中
Figure BDA0001392639500000021
Figure BDA0001392639500000022
以及
Figure BDA0001392639500000023
其中
ε为误差界限，t为当前时间，s为未来时间，
Figure BDA0001392639500000024
为目标车辆在以主车辆为中心的坐标系中的当前位置，
Figure BDA0001392639500000025
为目标车辆的当前速度，
Figure BDA0001392639500000026
为主车辆的当前速度，
Figure BDA0001392639500000027
为主车辆的当前横摆率，αM(t)为主车辆和目标车辆之间的相对方位角，
Figure BDA0001392639500000028
为目标车辆的横向偏移界限，
Figure BDA0001392639500000029
为目标车辆的纵向偏移界限，
Figure BDA00013926395000000210
为目标车辆的位置界限，
Figure BDA00013926395000000211
为目标车辆的速度界限，
Figure BDA00013926395000000212
为主车辆的速度界限，
Figure BDA00013926395000000213
为主车辆的横摆率界限，以及
Figure BDA00013926395000000214
及
Figure BDA00013926395000000215
为默认初始化值。
根据本发明的一个实施例，误差界限是基于由目标车辆的当前位置和速度、未来时间、主车辆的当前速度和横摆率以及主车辆和目标车辆之间的相对方位角构成的输入。
根据本发明的一个实施例，处理器进一步编程为计算在未来时间的预测位置。
根据本发明的一个实施例，处理器编程为利用二次多项式方法生成系数以计算在未来时间的预测位置。
根据本发明的一个实施例，处理器进一步编程为基于预测位置和误差界限来控制车辆子***以躲避目标车辆。
根据本发明的一个实施例，控制车辆子***包括指示制动器制动。
根据本发明的一个实施例，控制车辆子***包括指示转向***转向。
根据本发明的一个实施例，处理器进一步编程为计算误差量度，误差量度等于预测位置与在未来时间的目标车辆横向相对于主车辆的当前位置和取向的测量位置的差的绝对值。
根据本发明的一个实施例，处理器进一步编程为计算质量测量值，质量测量值等于在1和误差界限和误差量度的比值中的较小值在一段时期内的最小值。
根据本发明的一个实施例，处理器进一步编程为基于质量测量值来禁用依赖误差界限的特征。
根据本发明的一个实施例，特征为自动化制动、自动化转向以及自主操作的其中之一。
根据本发明的一方面，提供一种方法，包括：
基于目标车辆的当前位置和速度以及未来时间来计算预测位置的置信区间的误差界限，预测位置为在未来时间的目标车辆横向相对于主车辆的当前位置和取向的位置。
根据本发明的一个实施例，误差界限是进一步基于主车辆的当前速度和横摆率以及主车辆和目标车辆之间的相对方位角。
根据本发明的一个实施例，进一步包括计算误差量度，误差量度等于预测位置与在未来时间的目标车辆横向相对于主车辆的当前位置和取向的测量位置的差的绝对值。
根据本发明的一个实施例，进一步包括计算质量测量值，质量测量值等于在1和误差界限和误差量度的比值中的较小值在一段时期内的最小值。
根据本发明的一个实施例，进一步包括基于质量测量值来调整路径预测算法。
附图说明
图1为主车辆的框图；
图2为在主车辆上实现目标路径预测的过程的流程图；
图3为基于目标路径预测的质量来禁用主车辆的特征的过程的流程图；
图4为运行确定目标路径预测的质量的测试的过程的流程图；
图5为确定测试运行期间的目标路径预测的质量的过程的流程图；
图6为利用目标路径预测来运行主车辆的过程的流程图；
图7为主车辆和目标车辆之间的交互的示意图。
具体实施方式
参考附图，其中相似的附图标记在若干视图中始终表示相似的部分，主车辆30中的控制器34包括处理器和存储处理器可执行指令的存储器。处理器编程为基于目标车辆32的当前位置和速度以及未来时间来计算预测位置的置信区间的误差界限，该预测位置为在该未来时间的目标车辆32横向相对于主车辆30在当前时间的当前位置和取向的位置。
因为控制器34基于目标车辆32的最有可能预测到的位置的范围来做出决定，所以误差界限的使用使得目标路径预测以及因此而进行的主车辆30的自主运行更加稳健。而且，误差界限的计算具有适应性，这是因为随着主车辆30的行进计算在持续更新。
参考图1，主车辆30可为自主车辆。有时称为“虚拟驾驶员”的控制器34能够独立于人类驾驶员的干预而在较大或较小的程度上(即完全自主地和/或在半自主模式下)操作车辆。控制器34可编程为操作转向***40、推进器42、制动器44和/或其他车辆***。为了本公开的目的，完全自主意指主车辆30的转向***40、推进器42以及制动器44中的每一者均由控制器34来控制；半自主模式为转向***40、推进器42以及制动器44中的一者或两者由控制器34来操作的模式。
控制器34执行各种操作(包括本文中所述的操作)。控制器34为通常包括处理器和存储器的计算装置，存储器包括一种或多种形式的计算机可读介质，并且存储可由处理器执行的用于执行各种操作(包括本文中所公开的操作)的指令。控制器34的存储器进一步地通常存储经由各种通信机制接收到的远程数据；例如，控制器34通常配置为在控制器局域网(controller area network，CAN)总线等上进行通信，和/或配置为利用其他有线或无线协议(例如，蓝牙技术(Bluetooth)等)。控制器34还可连接到车载诊断连接器(the secondonboard diagnostics，OBD-II)。经由利用以太网、WiFi(wireless fidelity，无线保真技术)、CAN总线、本地互联网络(Local Interconnect Network，LIN)和/或其他有线或无线机制的车辆网络，控制器34可将消息传送到车辆中的各种装置和/或从各种装置接收消息，各种装置例如是，控制器、致动器、传感器等(例如，本文中所讨论的控制器和传感器)。例如，控制器34可从传感器36接收数据。尽管为了便于举例说明而在图1中示出了一个控制器34，但是应当理解的是，控制器34可包括一个或多个计算装置，并且本文中描述的各种操作可由该一个或多个计算装置来执行。
控制器34可通过通信网络38(例如控制器局域网(controller area network，CAN)总线、以太网、本地互联网络(Local Interconnect Network，LIN))和/或由任何其他有线或无线通信网络传送信号。控制器34可与传感器36、转向***40、推进器42、制动器44以及其他车辆子***和/或部件进行通信。
主车辆30可包括传感器36。传感器36可检测车辆的内部状态(例如车轮转速、车轮取向以及发动机和变速器变量)。传感器36可检测车辆的位置或取向，传感器36例如为全球定位***(global positioning system，GPS)传感器；加速度计(例如压电***或微机电***(microelectromechanical system，MEMS))；陀螺仪(例如速率陀螺仪、环形激光陀螺仪或者光纤陀螺仪)；惯性测量单元(inertial measurements unit，IMU)；以及磁力计。传感器36可检测主车辆30的车身外部的环境，例如，传感器36可包括雷达传感器、扫描激光测距仪、光探测和测距(light detection and ranging，LIDAR)装置以及图像处理传感器(例如摄像机)中的一种或多种。传感器36可包括通信装置(例如车辆对基础设施(vehicle-to-infrastructure，V2I)装置或者车辆对车辆(vehicle-to-vehicle，V2V)装置)。
转向***40一般为已知的车辆转向子***并且控制主车辆30的车轮的转向。转向***40与方向盘和控制器34进行通信并且接收来自方向盘和控制器34的输入。转向***40可为具有电动助力转向器的齿条与小齿轮***、线控转向***(二者均为本领域中已知的)或者任何其他适合的***。
主车辆30的推进器42产生能量并且将该能量转化为主车辆30的运动。推进器42可为已知的车辆推进子***(例如，包括连接到将旋转运动传递到车轮的变速器的内燃机的传统动力传动***；包括电池、电动马达以及将旋转运动传递到车轮的变速器的电动动力传动***；包括传统动力传动***和电动动力传动***的元件的混合动力传动***；或者任何其他类型的推进器)。推进器42与控制器34和人类驾驶员进行通信并且接收来自控制器34和人类驾驶员的输入。人类驾驶员可经由例如加速器踏板和/或变速杆来控制推进器42。
制动器44一般为已知的车辆制动子***，并且设置成抵抗主车辆30的运动，从而使车辆减速和/或停止。制动器44可为摩擦制动器(例如盘式制动器、鼓式制动器、带式制动器等)；再生制动器；任何其他适合类型的制动器；或者组合。制动器44与控制器34和人类驾驶员进行通信并且接收来自控制器34和人类驾驶员的输入。人类驾驶员可经由例如制动踏板来控制制动器44。
参考图7，下面描述的示例性过程涉及目标路径预测。当主车辆30与目标车辆32正在行驶时，主车辆30可与目标车辆32进行交互。“目标路径预测”意指由主车辆30预测路径P，目标车辆32将沿着路径P行驶。目标车辆32经过的实际路径A可能与预测路径P不同。下面就过程400中的框415对图7中所示的描述车辆30、32的行驶的运动变量进行描述。
图2为举例说明在主车辆30上实现目标路径预测的示例性过程200的流程图。过程200可由例如***设计者用来在一种类型的车辆上测试和实现用于目标路径预测的算法。过程200开始于执行如图4中所示并且在下面描述的运行确定目标路径预测的质量的测试的示例性过程400。过程400将目标路径预测的质量测量值Q送回到控制器34。
接下来，在接收到来自过程400的输入之后，在决定框205中，控制器34确定质量测量值Q是否高于质量阈值Qth。该质量阈值为为了确保目标路径预测的足够稳健性能而选择的值。
如果质量测量值Q不高于质量阈值Qth，则接下来在框210中***设计者基于质量测量值Q来调整用于目标路径预测的路径预测算法。如已知的(下面关于过程400的框420以及过程500的框515所描述的)，***设计者可调整用于目标路径预测算法(例如二次多项式方法)的参数。可替代地或者另外，***设计者可调整关于路径预测算法的误差界限方面的参数(下面关于过程500的框525所描述的)，该参数例如为目标车辆32的横向偏移界限
Figure BDA0001392639500000071
目标车辆32的纵向偏移界限
Figure BDA0001392639500000072
目标车辆32的位置界限
Figure BDA0001392639500000073
目标车辆32的速度界限
Figure BDA0001392639500000074
主车辆30的速度界限
Figure BDA0001392639500000075
主车辆30的横摆率界限
Figure BDA0001392639500000076
和/或默认初始化值
Figure BDA0001392639500000077
以及
Figure BDA0001392639500000078
如果在决定框205中质量测量值Q高于质量阈值Qth，则控制器34执行利用目标路径预测来操作主车辆30的示例性过程600，如图6中所示以及下面所述。在过程600之后，过程200结束。
图3为举例说明基于目标路径预测的质量来禁用主车辆30的特征的示例性过程300的流程图。过程300可例如由主车辆30中的控制器34来执行。过程300开始于执行运行确定目标路径预测的质量的测试的示例性过程400，如图4中所示以及下面描述。过程400将目标路径预测的质量测量值Q送回到控制器34。
接下来，在接收到来自过程400的输入之后，在决定框305中，控制器34确定质量测量值Q是否高于质量阈值Qth，如上面关于决定框205所描述的。
如果质量测量值Q不高于质量阈值Qth，则接下来在框310中控制器34基于质量测量值Q来禁用依赖误差界限ε(下面关于过程500的框525所描述的)的特征。可能依赖误差界限ε的特征可包括主车辆30的自主或半自主操作(亦即，转向***40、推进器42以及制动器44中的一个或多个的操作(例如自动化制动或自动化转向))。可能依赖误差界限ε的其他特征可包括可预期主车辆30的移动的特征(例如，自动转动前照灯)。
如果在决定框305中质量测量值Q高于质量阈值Qth，则控制器34执行利用目标路径预测来操作主车辆30的示例性过程600，如图6中所示以及下面描述。在过程600之后，过程300结束。
图4为举例说明运行确定目标路径预测的质量的测试的示例性过程400的流程图。过程400开始于框405，在框405中，控制器34将指数值k初始化为1。指数值k计数每段持续时间中等于测试运行时限TM的测试运行的次数。
接下来，在框410中，控制器34执行第k次测试运行。执行测试运行涉及驾驶主车辆30一段持续时间TM，该持续时间TM是从初始时刻t0到结束时刻t0+TM。驾驶主车辆30可由控制器34自主执行，由控制器34和人类驾驶员半自主执行，或者由人类驾驶员手动执行。框410开始K次测试运行的框410与框430之间的试验周期。测试运行的次数K为预设或用户规定的值，并且可以被选择例如以提供一段足够的时间来收集统计学上有用的数据集，如下所述。
接下来，在测试运行期间，在框415中，控制器34测量主车辆30和目标车辆32的一组运动变量。该运动变量可在已知的坐标系(例如目标对地坐标系、以主车辆为中心的坐标系或者任何其他适合的坐标系)中测量，并且该运动变量可在进一步使用之前从一个坐标系变换到另一个坐标系。例如，控制器34可测量在如下对地坐标中的该组运动变量：
Figure BDA0001392639500000091
Figure BDA0001392639500000092
其中，下标host表示与主车辆30相关的变量，下标targ表示与目标车辆32相关的变量，上标M表示测量的变量，X表示对地X坐标，Y表示对地Y坐标，ψ表示对地方位角，v表示速度，以及a表示加速度。然后，对地运动变量可变换成以主车辆为中心的坐标系：
Figure BDA0001392639500000093
其中x表示相对于主车辆30的横向位置，亦即，以主车辆为中心的X坐标；y表示相对于主车辆30的纵向位置，亦即，以主车辆为中心的Y坐标；w表示横摆率；以及α表示主车辆30与目标车辆32之间的相对方位角。图7中示出了以主车辆为中心的坐标系中的运动变量。随着主车辆30移动以及随着目标车辆32沿着实际路径A移动，持续记录该运动变量。
接下来，在测试运行期间，在框420中，控制器34利用二次多项式方法生成系数以计算目标车辆32在未来时间的预测位置。预测路径P为固定在时间t的以主车辆为中心的坐标系中的目标车辆32的一系列预测位置，依照如下二阶多项式来估算预测路径P：
Figure BDA0001392639500000094
其中上标P表示预测变量；以及a0(t)、a1(t)及a2(t)为通过已知的二次多项式方法生成的系数。可利用除了二次多项式方法之外的另一种目标路径预测方法(例如基于卡尔曼滤波的运动预测方法)。
接下来，在测试运行期间，控制器34执行确定测试运行期间的目标路径预测的质量的示例性过程500，如图5中所示以及下面所述。过程500将测试运行期间的目标路径预测的质量测量值Qtest送回到控制器34。
接下来，在接收到来自过程500的输入之后，在框425中，控制器34将指数值k增加1，因此指数值k等于k+1。
接下来，在决定框430中，控制器34确定指数值k是否已经达到或超过了测试运行的次数K。如果指数值k仍然低于测试运行的次数K，则过程400继续返回到框410，并且控制器34利用来自框425的更新指数值k执行框410到框430的试验周期的另一个循环。
如果指数值k大于或等于测试运行的次数K，则接下来在框435中控制器34计算质量测量值Q，质量测量值Q等于在1和误差界限ε和误差量度δ的比值中的较小值在试验期间的最小值，如下面关于过程500所描述的。换言之，控制器34计算最低的最小分项质量测量值Qtest：
Figure BDA0001392639500000101
在框435之后，过程400结束。
图5为举例说明确定测试运行期间的目标路径预测的质量的示例性过程500的流程图。过程500开始于框505，在框505中，控制器34将时间变量t初始化为初始值t0。
接下来，在框510中，控制器34将预测时间变量s初始化为时间变量t的值。时间变量t跟踪当前时间，并且预测时间变量s跟踪未来的预测时间。框510在等于测试运行时限TM的持续时间内开始框510与框550之间的测试运行周期。测试运行时限TM为预设值，并且可以被选择例如以提供一段足够的时间来收集统计学上有用的数据集，如下所述。
接下来，在框515中，控制器34计算目标车辆32在未来时间s的预测位置
Figure BDA0001392639500000102
控制器34可利用已知方法(包括利用上面所确定的系数的二次多项式方法)。例如，控制器34可利用这组方程式：
Figure BDA0001392639500000103
Figure BDA0001392639500000104
可替代地，控制器34可仅计算相对于主车辆30的预测横向位置
Figure BDA0001392639500000105
框515在等于预测时限TP的持续时间内开始框515与框540之间的预测周期。预测时限TP为预设值，并且可取决于例如传感器36的灵敏度或者控制器34的处理速度。
接下来，在框520中，控制器34计算误差量度δ，误差量度δ等于预测位置与在目标车辆32的未来时间横向相对于主车辆30的当前位置和取向的测量位置的差的绝对值，如以下方程式中所述：
Figure BDA0001392639500000111
如果利用二次多项式方法，则误差量度δ变为：
Figure BDA0001392639500000112
在误差量度δ的两个方程式中，在固定在时间t的以主车辆为中心的坐标系中的预测时间s测量该测量位置
Figure BDA0001392639500000113
接下来，在框525中，控制器34基于目标车辆32的当前位置和速度以及未来时间来计算预测位置的置信区间的误差界限ε，该预测位置为在该未来时间的目标车辆32横向相对于主车辆30在当前时间的当前位置和取向的位置。目标车辆32的“横向相对于”主车辆30的位置的位置指的是相对于主车辆30的横向位置x，亦即以主车辆为中心的X坐标。误差界限可进一步基于主车辆30的当前速度和横摆率以及主车辆30和目标车辆32之间的相对方位角。误差界限ε与未来时间s可具有线性关系。误差界限ε可从该方程式确定：
ε(t,s)＝b(t)*(s-t)+c(t)
其中b(t)和c(t)为误差界限ε的控制变量。控制变量b(t)和c(t)可从利用运动变量作为输入的这些方程式确定：
Figure BDA0001392639500000114
Figure BDA0001392639500000115
其中ε为误差界限；t为当前时间；s为未来时间；
Figure BDA0001392639500000116
为目标车辆32在以主车辆为中心的坐标系中的当前位置；
Figure BDA0001392639500000117
为目标车辆32的当前速度；
Figure BDA0001392639500000118
为主车辆30的当前速度；
Figure BDA0001392639500000119
为主车辆30的当前横摆率；αM(t)为主车辆30和目标车辆32之间的相对方位角；
Figure BDA0001392639500000121
为目标车辆32的横向偏移界限；
Figure BDA0001392639500000122
为目标车辆32的纵向偏移界限；
Figure BDA0001392639500000123
为目标车辆32的位置界限；
Figure BDA0001392639500000124
为目标车辆32的速度界限；
Figure BDA0001392639500000125
为主车辆30的速度界限；
Figure BDA0001392639500000126
为主车辆30的横摆率界限；以及
Figure BDA0001392639500000128
Figure BDA0001392639500000129
及
Figure BDA00013926395000001210
为默认初始化值。如上述方程式中所计算的，误差界限ε仅基于由目标车辆32的当前位置和速度、未来时间、主车辆30的当前速度和横摆率以及主车辆30和目标车辆32之间的相对方位角构成的输入。
接下来，在框530中，控制器34计算预测时间s内的分项质量测量值Qitem。分项质量测量值Qitem等于1和误差界限ε与误差量度δ的比值中的较小值；换言之，如果误差界限ε至少与误差量度δ一样大，则分项质量测量值Qitem等于1：
Figure BDA0001392639500000127
接下来，在框535中，控制器34将预测时间s增加一增加的预测时间步长ΔtP。换言之，预测时间s变为s+ΔtP。增加的预测时间步长ΔtP为预测周期的每个循环的持续时间的预设值。增加的预测时间步长ΔtP可取决于例如传感器36的灵敏度或者控制器34的处理速度。
接下来，在决定框540中，控制器34确定预测周期是否还没有达到预测时限TP。换言之，控制器34确定预测时间s是否小于或等于t+TP。如果预测时间s小于或等于t+TP，则过程500继续返回到框515，并且控制器34利用相同时间t和来自框535的更新预测时间s执行框515到框540的预测周期的另一个循环。
如果预测时间s大于t+TP，则接下来在框545中控制器34将时间t增加该增加的时间步长ΔtM。换言之，时间t变为t+ΔtM。增加的预测时间步长ΔtM为测试运行周期的每个循环的持续时间的预设值。增加的预测时间步长ΔtM可取决于例如传感器36的灵敏度或者控制器34的处理速度。
接下来，在决定框550中，控制器34确定测试运行周期是否还没有达到测试运行时限TM。换言之，控制器34确定时间t是否小于或等于t0+TM。如果时间t小于或等于t0+TM，则该过程继续返回到框510，并且控制器34利用来自框545的更新时间t执行框510到框550的测试运行周期的另一个循环。
如果时间t大于t0+TM，则接下来在框555中控制器34计算最小分项质量测量值Qtest，最小分项质量测量值Qtest为测试运行内的最低分项质量测量值Qitem：
Figure BDA0001392639500000131
在框555之后，过程500结束。
图6为举例说明利用目标路径预测来运行主车辆30的示例性过程600的流程图。过程600开始于框605。如上面关于框415所描述的，控制器34测量主车辆30和目标车辆32的一组运动变量。
接下来，在框610中，控制器34利用二次多项式方法来生成系数以计算目标车辆32在未来时间的预测位置，如关于框420所描述的。
接下来，在框615中，控制器34将预测时间s初始化为时间t的值。
接下来，在框620中，控制器34计算目标车辆32在未来时间s的预测位置
Figure BDA0001392639500000132
如上面关于框515所描述的。
接下来，在框625中，控制器34计算预测位置
Figure BDA0001392639500000133
的置信区间的误差界限ε，该预测位置为在该未来时间s的目标车辆32横向相对于主车辆30在当前时间的当前位置和取向的位置，如上面关于框525所描述的。
接下来，在框630中，控制器34计算在未来时间s的有误差界限的预测位置
Figure BDA0001392639500000134
具体地，控制器34可将误差界限ε应用于相对于主车辆30的横向预测位置
Figure BDA0001392639500000135
有误差界限的预测位置由这些方程式给出：
Figure BDA0001392639500000136
接下来，在框635中，控制器34基于有误差界限的预测位置(亦即基于预测位置和误差界限)来确定执行驾驶主车辆30的自主操作。“自主操作”为转向***40、推进器42以及制动器44中的一个或多个一经控制器34指示即做出的动作(例如，以给定的力在一段给定的时间内激活制动器44，将转向角度改变给定的度数等)。具体地，如果主车辆30可穿过由有误差界限的预测位置规定的区域，则控制器34可基于预测位置和误差界限来控制车辆子***以躲避目标车辆32。车辆子***包括例如转向***40、推进器42以及制动器44。控制车辆子***可包括使转向***40转向、指示推进器42加速和/或指示制动器44制动。
接下来，在框640中，控制器34将预测时间s增加该增加的预测时间步长ΔtP，如上面关于框535所描述的。
接下来，在决定框645中，控制器34确定预测周期是否还没有达到预测时限TP。换言之，控制器34确定预测时间s是否小于或等于t+TP。如果预测时间s小于或等于t+TP，则过程600继续返回到框620，并且控制器34利用相同时间t和来自框640的更新预测时间s执行框620到框645的另一个循环。如果预测时间s大于t+TP，则过程600结束。
通常，所述的计算***和/或装置可采用任意数量的计算机操作***，计算机操作***包括但决不限于各种版本和/或各种变体的福特同步(Ford
Figure BDA0001392639500000141
)应用程序、应用程序链接/智能设备链接中间件(AppLink/Smart Device Link middleware)、微软汽车(Microsoft
Figure BDA0001392639500000142
)操作***、微软
Figure BDA0001392639500000143
(Microsoft
Figure BDA0001392639500000144
)操作***、Unix操作***(例如，由加利福尼亚州的红木海岸甲骨文公司发行的
Figure BDA0001392639500000145
操作***)、由纽约阿蒙克IBM发行的AIX UNIX操作***、Linux操作***、由加利福尼亚州库比蒂诺的苹果公司发行的Mac OSX以及iOS操作***、由加拿大滑铁卢黑莓公司发行的黑莓OS以及由谷歌公司和开放手机联盟开发的Android操作***，或者由QNX软件***公司提供的
Figure BDA0001392639500000146
CAR信息娱乐平台。计算装置的示例包括但不限于车载计算机、计算机工作站、服务器、桌面、笔记本电脑、便携式电脑或掌上电脑或一些其他的计算***和/或装置。
计算装置通常包括计算机可执行指令，其中该指令可以由一个或多个计算装置(例如上面所列的那些)执行。计算机可执行指令可以由计算机程序编译或解释，计算机程序采用多种编程语言和/或技术创建，这些编程语言和/或技术包括但并不限于单独的或组合的JavaTM、C、C++、Matlab、Simulink、Stateflow、Visual Basic、Java Script、Perl、HTML等。这些应用程序中的一些可在虚拟机(例如Java虚拟机、Dalvik虚拟机等)上编译和执行。通常，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令，并且执行这些指令，由此完成一个或多个过程，包括这里所描述的一个或多个过程。这样的指令和其他数据可以采用各种计算机可读介质存储和传送。计算装置中的文件通常为存储在计算机可读介质(例如存储介质、随机存取存储器等)上的数据的集合。
计算机可读介质(也称为处理器可读介质)包括参与提供数据(例如，指令)的任意非暂时性的(例如，有形的)介质，该数据可以由计算机(例如，由计算机的处理器)读取。这样的介质可以采用多种形式，包括但不限于非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他永久性存储器。易失性介质可以包括例如一般构成主存储器的动态随机存取存储器(dynamic random access memory，DRAM)。这样的指令可以通过一种或多种传输介质传输，一种或多种传输介质包括同轴线缆、铜线和光纤，包括内部包含耦接于ECU(Electronic Control Unit，电子控制单元)的处理器的***总线的线缆。计算机可读介质的常规形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字化视频光盘(Digital Video Disk，DVD)、任何其他光学介质、穿孔卡片、纸带、具有孔图案的任何其他物理介质、随机存取存储器(Random-Access Memory，RAM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、闪速电可擦除可编程只读存储器(Flash Electrically Erasable Programmable Read-OnlyMemory，FLASH-EEPROM)、任何其他存储器芯片或盒，或者任何其他计算机可读取的介质。
数据库、数据存储库或本文所描述的其他数据存储可以包括用于存储、访问和检索各种数据的各种机构，该机构包括分层数据库、文件***中的文件组、具有专有格式的应用数据库、关系数据库管理***(relational database management system，RDBMS)等。每一个这样的数据存储通常包括在采用了例如上述之一的计算机操作***的计算装置内，并且通过网络以任意一种或多种方式被访问。文件***可以从计算机操作***访问，并且可包括以各种格式存储的文件。除了用于创建、存储、编辑以及执行存储的程序的语言，RDBMS通常采用结构化查询语言(Structured Query Language，SQL)，例如前面所述的过程化SQL(PL/SQL)语言。
在一些示例中，***元件可实施为一个或多个计算装置(例如，服务器、个人计算机等)上的计算机可读指令(例如软件)，该指令存储在与此相关的计算机可读介质(例如，盘、存储器等)上。计算机程序产品可以包括存储于计算机可读介质上用于执行本文所述功能的该指令。
在附图中，相同的附图标记表示相同的元件。进一步地，可以改变这些元件中的一些或全部。关于这里所述的介质、过程、***、方法、启发等，应理解的是，虽然这样的过程等的步骤描述为按照一定的顺序排列发生，但这样的过程可以采用以这里描述的顺序之外的顺序执行的所述步骤来实施。进一步应该理解的是，某些步骤可以同时执行，可以添加其他步骤，或者可以省略这里所述的某些步骤。换言之，这里提供的过程描述是用于举例说明某些实施例的目的，并且决不应该解释成限制权利要求。
因此，应理解的是上面的描述意在举例说明而不是限制。在阅读上面的描述时，除了提供的示例外许多实施例和应用对本领域的技术人员而言都是显而易见的。本发明的范围应参照所附权利要求连同与权利要求所要求的权利等效的全部范围而确定，而不是参照上面的说明而确定。可以预期和计划的是这里所讨论的技术将出现进一步的发展，并且所公开的***和方法将可以结合到这样的进一步实施例中。总之，应理解的是本发明能够做出修改和变化并且仅受到如下权利要求的限制。
在权利要求中所使用的所有术语旨在给予其被本领域的技术人员理解为其清楚的并且常用的意思，除非在这里做出了明确的相反的指示。特别地，单数冠词(例如“一”、“该”、“所述”等)的使用应该理解为表述一个或多个所示元件，除非权利要求作出了与此相反的明确限制。
已经以说明性的方式描述了本公开，并且应当理解的是，已经使用的术语旨在具有说明性而不是限制性的文字的性质。根据上述教导，可对本公开做出许多修改和变化，并且本公开可以以不同于具体描述的方式实施。

Claims (14)

1.一种车辆的路径预测的方法，包括：
基于目标车辆的当前位置和速度以及未来时间来计算预测位置的置信区间的误差界限，所述预测位置为在所述未来时间的所述目标车辆横向相对于主车辆在当前时间的当前位置和取向的位置，其中所述误差界限与所述未来时间具有线性关系。
2.根据权利要求1所述的方法，其中所述误差界限是进一步基于所述主车辆的当前速度和横摆率。
3.根据权利要求2所述的方法，其中所述误差界限是进一步基于所述主车辆和所述目标车辆之间的相对方位角。
4.根据权利要求3所述的方法，其中所述误差界限从如下方程式确定：
ε(t,s)＝b(t)*(s-t)+c(t)，其中
Figure FDA0003512774000000011
Figure FDA0003512774000000012
以及
Figure FDA0003512774000000013
其中
ε为所述误差界限，t为所述当前时间，s为所述未来时间，
Figure FDA0003512774000000014
为所述目标车辆在以主车辆为中心的坐标系中的所述当前位置，
Figure FDA0003512774000000015
为所述目标车辆的当前速度，
Figure FDA0003512774000000016
为所述主车辆的所述当前速度，
Figure FDA0003512774000000017
为所述主车辆的当前横摆率，αM(t)为所述主车辆和所述目标车辆之间的所述相对方位角，
Figure FDA0003512774000000018
为所述目标车辆的横向偏移界限，
Figure FDA0003512774000000019
为所述目标车辆的纵向偏移界限，
Figure FDA00035127740000000110
为所述目标车辆的位置界限，
Figure FDA00035127740000000111
为所述目标车辆的速度界限，
Figure FDA00035127740000000112
为所述主车辆的速度界限，
Figure FDA00035127740000000113
为所述主车辆的横摆率界限，以及
Figure FDA00035127740000000114
Figure FDA0003512774000000021
及
Figure FDA0003512774000000022
为默认初始化值。
5.根据权利要求1所述的方法，进一步包括计算在所述未来时间的所述预测位置。
6.根据权利要求5所述的方法，利用二次多项式方法生成系数以计算在所述未来时间的所述预测位置。
7.根据权利要求5所述的方法，进一步包括基于所述预测位置和所述误差界限来控制车辆子***以躲避所述目标车辆。
8.根据权利要求7所述的方法，其中控制所述车辆子***包括指示制动器制动和指示转向***转向的至少其中之一。
9.根据权利要求1所述的方法，进一步包括计算误差量度，所述误差量度等于所述预测位置与在所述未来时间的所述目标车辆横向相对于所述主车辆的所述当前位置和取向的测量位置的差的绝对值。
10.根据权利要求9所述的方法，进一步包括计算质量测量值，所述质量测量值等于在1和所述误差界限和所述误差量度的比值中的较小值在一段时期内的最小值。
11.根据权利要求10所述的方法，进一步包括基于所述质量测量值来禁用依赖所述误差界限的特征。
12.根据权利要求11所述的方法，其中所述特征为自动化制动、自动化转向以及自主操作的其中之一。
13.一种用于车辆的路径预测的计算机，所述计算机编程为执行权利要求1至12中任意一项所述的方法。
14.一种用于车辆的路径预测的控制器，包括处理器和存储处理器可执行指令的存储器，其中所述处理器编程为：
基于目标车辆的当前位置和速度以及未来时间来计算预测位置的置信区间的误差界限，所述预测位置为在所述未来时间的所述目标车辆横向相对于主车辆在当前时间的当前位置和取向的位置，其中所述误差界限与所述未来时间具有线性关系。
CN201710758086.8A 2016-08-31 2017-08-29 利用路径预测的自主车辆 Active CN107792079B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/252,425 US10118610B2 (en) 2016-08-31 2016-08-31 Autonomous vehicle using path prediction
US15/252,425 2016-08-31

Publications (2)

Publication Number Publication Date
CN107792079A CN107792079A (zh) 2018-03-13
CN107792079B true CN107792079B (zh) 2022-05-31

Family

ID=59996755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710758086.8A Active CN107792079B (zh) 2016-08-31 2017-08-29 利用路径预测的自主车辆

Country Status (6)

Country Link
US (1) US10118610B2 (zh)
CN (1) CN107792079B (zh)
DE (1) DE102017119952A1 (zh)
GB (1) GB2556146A (zh)
MX (1) MX2017011127A (zh)
RU (1) RU2017129885A (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11096235B2 (en) * 2016-09-29 2021-08-17 Teleste Oyj Method for detecting link status
JP6493364B2 (ja) * 2016-11-18 2019-04-03 トヨタ自動車株式会社 運転支援装置
US11158193B2 (en) * 2017-05-22 2021-10-26 Mitsubishi Electric Corporation Position estimation apparatus, position estimation method, and computer readable medium
US10409286B2 (en) * 2017-07-21 2019-09-10 Ford Global Technologies, Llc Highway detection systems and methods
US11400927B2 (en) * 2018-01-29 2022-08-02 Ford Global Technologies, Llc Collision avoidance and mitigation
CN110962856B (zh) * 2018-09-30 2021-07-27 毫末智行科技有限公司 用于确定车辆的环境目标所处的区域的方法及装置
EP3653459B1 (en) * 2018-11-15 2021-07-14 Volvo Car Corporation Vehicle safe stop
JP7157390B2 (ja) * 2019-01-30 2022-10-20 トヨタ自動車株式会社 運転支援装置
CN109991976B (zh) * 2019-03-01 2022-05-13 江苏理工学院 一种基于标准粒子群算法的无人车规避动态车辆的方法
US11021148B2 (en) * 2019-03-25 2021-06-01 Zoox, Inc. Pedestrian prediction based on attributes
US11351991B2 (en) 2019-03-25 2022-06-07 Zoox, Inc. Prediction based on attributes
CN109948289B (zh) * 2019-04-01 2020-11-10 清华大学 基于最大全局侵占率搜索的车辆自主泊车功能测评方法
US11467591B2 (en) * 2019-05-15 2022-10-11 Baidu Usa Llc Online agent using reinforcement learning to plan an open space trajectory for autonomous vehicles
US11493926B2 (en) 2019-05-15 2022-11-08 Baidu Usa Llc Offline agent using reinforcement learning to speedup trajectory planning for autonomous vehicles
US11409284B2 (en) * 2019-05-15 2022-08-09 Baidu Usa Llc Relaxation optimization model to plan an open space trajectory for autonomous vehicles
JP7227072B2 (ja) * 2019-05-22 2023-02-21 日立Astemo株式会社 車両制御装置
US11815891B2 (en) * 2019-10-22 2023-11-14 Baidu Usa Llc End dynamics and constraints relaxation algorithm on optimizing an open space trajectory
US10732261B1 (en) 2019-12-31 2020-08-04 Aurora Innovation, Inc. Generating data using radar observation model based on machine learning
US11351999B2 (en) * 2020-09-16 2022-06-07 Xuan Binh Luu Traffic collision warning device
CN112346479B (zh) * 2020-11-18 2023-08-22 大连海事大学 一种基于集中式卡尔曼滤波的无人航行器状态估计方法
EP4001042A1 (en) 2020-11-23 2022-05-25 Aptiv Technologies Limited System and method for predicting road collisions with a host vehicle
CN113788031B (zh) * 2021-10-19 2023-08-25 广州小鹏自动驾驶科技有限公司 车辆速度的预测方法及装置、电子设备、存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2898777A1 (en) * 2013-01-31 2014-08-07 Codexis, Inc. Methods, systems, and software for identifying bio-molecules using models of multiplicative form
CN105035090A (zh) * 2015-06-06 2015-11-11 吉林大学 基于交通信号灯的自主驾驶车辆轨迹预测控制方法

Family Cites Families (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7629899B2 (en) 1997-10-22 2009-12-08 Intelligent Technologies International, Inc. Vehicular communication arrangement and method
JP3857402B2 (ja) 1997-12-05 2006-12-13 富士通株式会社 交差点衝突防止方法及びシステム及び交差点衝突防止プログラムを格納した記憶媒体及び交差点装置
JP4073574B2 (ja) * 1999-05-10 2008-04-09 本田技研工業株式会社 自動追従走行車における操舵制御装置
KR100776860B1 (ko) 2000-09-08 2007-11-16 레이던 컴퍼니 경로 예측 시스템 및 방법
US20030016143A1 (en) 2001-07-23 2003-01-23 Ohanes Ghazarian Intersection vehicle collision avoidance system
US6819991B2 (en) * 2001-11-29 2004-11-16 Ford Global Technologies, Llc Vehicle sensing based pre-crash threat assessment system
US6826478B2 (en) * 2002-04-12 2004-11-30 Ensco, Inc. Inertial navigation system for mobile objects with constraints
US6753804B2 (en) * 2002-05-21 2004-06-22 Visteon Global Technologies, Inc. Target vehicle identification based on the theoretical relationship between the azimuth angle and relative velocity
JP4396250B2 (ja) 2003-12-08 2010-01-13 日産自動車株式会社 交差点衝突予防装置
JP4517972B2 (ja) * 2005-08-02 2010-08-04 日産自動車株式会社 障害物判断装置及び方法
KR100651912B1 (ko) * 2005-08-25 2006-12-01 엘지전자 주식회사 위치 정보 서비스 시스템 및 이를 이용한 이동통신 단말의위치정보 갱신방법
CN1766232A (zh) 2005-11-21 2006-05-03 钱红波 一种新型城市路网与交叉***通设计与交通控制方法
US20070276600A1 (en) 2006-03-06 2007-11-29 King Timothy I Intersection collision warning system
US20110298603A1 (en) 2006-03-06 2011-12-08 King Timothy I Intersection Collision Warning System
JP5016889B2 (ja) * 2006-10-11 2012-09-05 日立オートモティブシステムズ株式会社 予防安全装置
US20080114530A1 (en) 2006-10-27 2008-05-15 Petrisor Gregory C Thin client intelligent transportation system and method for use therein
JP4254844B2 (ja) * 2006-11-01 2009-04-15 トヨタ自動車株式会社 走行制御計画評価装置
JP2009146219A (ja) 2007-12-14 2009-07-02 Toshiba Denpa Products Kk 交差点衝突事故防止装置
JP4795425B2 (ja) 2008-12-25 2011-10-19 三菱電機株式会社 路車間通信システム、路車間通信装置
US8560218B1 (en) * 2008-12-31 2013-10-15 Dp Technologies, Inc. Method and apparatus to correct for erroneous global positioning system data
JP4939564B2 (ja) 2009-03-23 2012-05-30 本田技研工業株式会社 車両用情報提供装置
US8773281B2 (en) 2009-09-15 2014-07-08 Ohanes D. Ghazarian Intersection vehicle collision avoidance system
US8577550B2 (en) 2009-10-05 2013-11-05 Ford Global Technologies, Llc System for vehicle control to mitigate intersection collisions and method of using the same
US8639437B2 (en) 2010-06-09 2014-01-28 Toyota Motor Engineering & Manufacturing North America, Inc. Computationally efficient intersection collision avoidance system
DE102011006176B4 (de) 2011-03-25 2015-03-12 Judo Wasseraufbereitung Gmbh Verfahren zum Betrieb einer Dosierpumpe und zugehörige Dosiervorrichtung
CN202057015U (zh) 2011-05-04 2011-11-30 宁波奥克斯空调有限公司 空调器室内机的出风口结构
JP5333539B2 (ja) 2011-07-28 2013-11-06 株式会社デンソー 前照灯配光制御装置
US8706393B2 (en) 2012-01-10 2014-04-22 Ford Global Technologies, Llc Intersection collision avoidance with adaptable vehicle dimensions
US20130238181A1 (en) * 2012-03-12 2013-09-12 Toyota Motor Eng. & Man. North America (Tema) On-board vehicle path prediction using processed sensor information
US8457827B1 (en) * 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
FR2988507B1 (fr) 2012-03-23 2014-04-25 Inst Francais Des Sciences Et Technologies Des Transports De Lamenagement Et Des Reseaux Systeme d'assistance pour vehicule routier
JP2014006609A (ja) 2012-06-22 2014-01-16 Mitsubishi Motors Corp 運転支援装置
JP6003349B2 (ja) * 2012-07-27 2016-10-05 トヨタ自動車株式会社 車両挙動予測装置
DE112012006790B4 (de) 2012-08-08 2022-09-29 Toyota Jidosha Kabushiki Kaisha Kollisionsvorhersagevorrichtung
US9286793B2 (en) * 2012-10-23 2016-03-15 University Of Southern California Traffic prediction using real-world transportation data
CN202868581U (zh) 2012-10-24 2013-04-10 苏坚池 一种用于舞台灯成像***的切割装置
CN103871272A (zh) 2012-12-18 2014-06-18 江南大学 一种基于ZigBee的车载十字路口防碰撞***
US20140257686A1 (en) * 2013-03-05 2014-09-11 GM Global Technology Operations LLC Vehicle lane determination
DE102013005362A1 (de) 2013-03-28 2013-10-10 Daimler Ag Verfahren zur Analyse einer Verkehrssituation
KR20140121544A (ko) 2013-04-05 2014-10-16 한국전자통신연구원 교차로 충돌 정보 제공 장치 및 방법
KR101811470B1 (ko) 2013-05-03 2017-12-22 주식회사 만도 차량 간 교차로 충돌 방지방법
US8924066B2 (en) * 2013-05-22 2014-12-30 General Electric Company Systems and methods for determining route location
US9250324B2 (en) 2013-05-23 2016-02-02 GM Global Technology Operations LLC Probabilistic target selection and threat assessment method and application to intersection collision alert system
JP5884794B2 (ja) 2013-08-29 2016-03-15 株式会社デンソー 衝突可能性判定装置およびプログラム
MX344376B (es) * 2013-10-17 2016-12-13 Ford Global Tech Llc Prediccion de caracteristicas de la carretera.
US9616898B2 (en) * 2013-12-12 2017-04-11 Ford Global Technologies, Llc System and method for determining effective road grade characteristic
US9346400B2 (en) * 2013-12-20 2016-05-24 Ford Global Technologies, Llc Affective user interface in an autonomous vehicle
DE102014205014A1 (de) * 2014-03-18 2015-09-24 Ford Global Technologies, Llc Verfahren und Vorrichtung zum Erfassen von bewegten Objekten in der Umgebung eines Fahrzeugs
CN103898822A (zh) 2014-03-27 2014-07-02 华南理工大学 一种简易立交桥
EP2950294B1 (en) 2014-05-30 2019-05-08 Honda Research Institute Europe GmbH Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis
US9878710B2 (en) * 2015-05-04 2018-01-30 Honda Research Institute Europe Gmbh Method for improving performance of a method for computationally predicting a future state of a target object, driver assistance system, vehicle including such driver assistance system and respective program storage medium and program

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2898777A1 (en) * 2013-01-31 2014-08-07 Codexis, Inc. Methods, systems, and software for identifying bio-molecules using models of multiplicative form
CN105035090A (zh) * 2015-06-06 2015-11-11 吉林大学 基于交通信号灯的自主驾驶车辆轨迹预测控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
对具有不确定性的移动对象数据库的模型改进;王怡等;《计算机应用研究》;20060510(第05期);全文 *

Also Published As

Publication number Publication date
US10118610B2 (en) 2018-11-06
GB201713487D0 (en) 2017-10-04
CN107792079A (zh) 2018-03-13
DE102017119952A1 (de) 2018-03-01
GB2556146A (en) 2018-05-23
US20180056995A1 (en) 2018-03-01
RU2017129885A (ru) 2019-02-26
MX2017011127A (es) 2018-02-27

Similar Documents

Publication Publication Date Title
CN107792079B (zh) 利用路径预测的自主车辆
CN109421742B (zh) 用于监测自主车辆的方法和设备
CN109421630B (zh) 用于监测自主车辆的健康的控制器架构
CN109421739B (zh) 用于监控自主车辆的方法和设备
US9290186B2 (en) Messaging via vehicle steering wheel
CN109421743B (zh) 用于监控自主车辆的方法和设备
CN107415945A (zh) 用于评估车道换道的自动驱动***及其使用方法
US11003182B2 (en) Vehicle monitoring and control infrastructure
CN107839686B (zh) 目标车辆取消选择
US10613539B2 (en) Autonomous vehicle trajectory planning
CN111055912A (zh) 用于线控转向的转向校正
CN108394458B (zh) 方向盘反馈机构
US11574463B2 (en) Neural network for localization and object detection
EP4222033A1 (en) Systems and methods for imminent collision avoidance
CN108394457B (zh) 自主车辆的方向盘控制机构
CN112622922A (zh) 具有自主车辆参考的非自主车辆速度预测
US11657635B2 (en) Measuring confidence in deep neural networks
KR101930163B1 (ko) 차로 유지 제어 장치 및 방법
CN107792067B (zh) 碰撞警告***
US11555919B2 (en) Radar calibration system
CN108303979B (zh) 驾驶员训练***
CN112519779A (zh) 基于位置的车辆操作
CN113159271A (zh) 时间cnn后部碰撞警报***
US11158066B2 (en) Bearing only SLAM with cameras as landmarks
US20230219572A1 (en) Traction control system using feedforward control

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant