CN108766011B - 用于自主车辆的停车评分 - Google Patents
用于自主车辆的停车评分 Download PDFInfo
- Publication number
- CN108766011B CN108766011B CN201810311222.3A CN201810311222A CN108766011B CN 108766011 B CN108766011 B CN 108766011B CN 201810311222 A CN201810311222 A CN 201810311222A CN 108766011 B CN108766011 B CN 108766011B
- Authority
- CN
- China
- Prior art keywords
- data
- parking
- autonomous vehicle
- vehicle
- destination
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
-
- 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
- B62D15/027—Parking aids, e.g. instruction means
- B62D15/0285—Parking performed automatically
-
- 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
- B62D15/027—Parking aids, e.g. instruction means
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/142—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces external to the vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/147—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is within an open public zone, e.g. city centre
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
在一个实施例中,一种用于为自主车辆选择停车位置的方法包括:在自主车辆的操作期间获取与自主车辆的当前驾驶相关的数据;由处理器使用数据,确定自主车辆何时靠近目的地;并且当自主车辆靠近目的地时:由处理器使用数据,识别靠近目的地的多个潜在停车位置;由处理器使用数据,使用多个因子计算每个潜在停车位置的相应得分;以及由处理器使用数据,基于每个潜在停车位置的相应得分选择潜在停车位置的选定停车位置。
Description
发明领域
本公开总体上涉及车辆,并且更具体地涉及用于为自主车辆选择停车位置的***和方法。
背景技术
自主车辆是一种能够感应其环境并需要很少或不需要用户输入进行导航的车辆。其通过使用例如雷达、激光雷达、图像传感器等传感设备来实现。自主车辆还使用来自全球定位***(GPS)技术、导航***、车辆对车辆通信、车辆对基础设施技术和/或线控驱动***的信息来导航车辆。
虽然自主车辆提供了许多优于传统车辆的潜在优势,但在某些情况下,可能期望改进对自主车辆的停车位置的选择。
因此,期望提供用于为自主车辆选择停车位置的***和方法。
发明内容
提供了用于为自主车辆选择停车位置的***和方法。在一个实施例中,一种用于为自主车辆选择停车位置的方法包括:在自主车辆的操作期间获取与自主车辆的当前行驶有关的数据;由处理器使用所述数据确定自主车辆何时靠近目的地;并且当自主车辆靠近目的地时:由处理器使用所述数据识别靠近目的地的多个潜在停车位置;由处理器使用所述数据,使用多个因子计算每个潜在停车位置的相应得分;以及由处理器使用所述数据,基于每个潜在停车位置的相应得分来选择潜在停车位置的选定停车位置。
同样在一个实施例中,该方法进一步包括通过由处理器提供的指令将自主车辆自动停在选定的停车位置。
同样在一个实施例中,数据获取包括获取与每个潜在停车位置与目的地之间的相应距离有关的数据;并且计算包括至少部分地基于相应距离计算每个潜在停车位置的相应得分。
同样在一个实施例中,数据获取包括获取与自主车辆行驶的道路的车道宽度有关的数据;并且计算包括至少部分地基于车道宽度来计算每个潜在停车位置的相应得分。
同样在一个实施例中,数据获取包括获取与自主车辆所操作的地理区域的停车法律、法规或二者有关的数据;并且计算包括至少部分地基于停车法律、法规或两者计算每个潜在停车位置的相应得分。
同样在一个实施例中,数据获取包括获取与自主车辆附近的检测到的对象有关的数据;并且计算包括至少部分地基于检测到的对象计算每个潜在停车位置的相应得分。
同样在一个实施例中,数据获取包括获取与每个潜在停车位置附近的相应交通流量有关的数据;并且计算包括至少部分地基于相应交通流量计算每个潜在停车位置的相应得分。
同样在一个实施例中,数据获取包括获取与每个潜在停车位置的相应的乘坐舒适性措施有关的数据;并且计算包括至少部分地基于相应的乘坐舒适性措施计算每个潜在停车位置的相应得分。
在另一个实施例中,用于控制为自主车辆选择停车位置的***包括停车选择控制模块和停车选择确定模块。停车选择控制模块被配置为至少有助于在自主车辆的操作期间获取与自主车辆的当前驾驶相关的数据。停车选择确定模块包括处理器,并且被配置为至少有助于:确定自主车辆何时靠近目的地;并且当自主车辆靠近目的地时:使用数据,识别靠近目的地的多个潜在停车位置;使用数据,使用多个因子计算每个潜在停车位置的相应得分;以及使用数据,基于每个潜在停车位置的相应得分选择潜在停车位置的选定停车位置。
同样在一个实施例中,停车选择确定模块被配置为至少有助于将自主车辆自动停在选定的停车位置。
同样在一个实施例中,停车选择对象模块被配置为至少有助于获取与每个潜在停车位置与目的地之间的相应距离有关的数据;并且停车选择确定模块被配置为至少有助于至少部分地基于相应距离计算每个潜在停车位置的相应得分。
同样在一个实施例中,停车选择对象模块被配置为至少有助于获取与自主车辆行驶的道路的车道宽度有关的数据;并且停车选择确定模块被配置为至少有助于至少部分地基于相应宽度计算每个潜在停车位置的相应得分。
同样在一个实施例中,停车选择对象模块被配置为至少有助于获取与自主车辆所操作的地理区域的停车法律、法规或二者有关的数据;并且停车选择确定模块被配置为至少有助于至少部分地基于相应的停车法律、法规或两者计算每个潜在停车位置的相应得分。
而且,在一个实施例中,停车选择对象模块被配置为至少有助于获取与靠近自主车辆的检测到的对象有关的数据;并且停车选择确定模块被配置为至少有助于至少部分地基于检测到的对象计算每个潜在停车位置的相应得分。
同样在一个实施例中,停车选择对象模块被配置为至少有助于获取与靠近每个潜在停车位置的相应交通流量有关的数据;并且停车选择确定模块被配置为至少有助于至少部分地基于相应交通流量计算每个潜在停车位置的相应得分。
同样在一个实施例中,停车选择对象模块被配置为至少有助于获取与每个潜在停车位置的相应的乘坐舒适性措施有关的数据;并且停车选择确定模块被配置为至少有助于至少部分地基于相应的乘坐舒适性措施计算每个潜在停车位置的相应得分。
在另一个实施例中,自主车辆包括一个或多个传感器和处理器。一个或多个传感器被配置为至少有助于在自主车辆的操作期间获取与自主车辆的当前驾驶有关的数据。处理器被配置为至少有助于:确定自主车辆何时靠近目的地;并且当自主车辆靠近目的地时:使用数据,识别靠近目的地的多个潜在停车位置;使用数据,使用多个因子计算每个潜在停车位置的相应得分;以及使用数据,基于每个潜在停车位置的相应得分选择潜在停车位置的选定停车位置。
同样在一个实施例中,处理器被配置为提供指令以至少有助于将自主车辆自动停在选定的停车位置。
而且在一个实施例中,一个或多个传感器被配置为至少有助于获取与以下的至少一个有关的数据:每个潜在停车位置与目的地之间的相应距离;自主车辆行驶的道路的车道宽度;自主车辆所操作的地理区域的停车法律、法规或二者;靠近自主车辆的检测到的对象;靠近每个潜在停车位置的相应交通流量;或每个潜在停车位置的相应的乘坐舒适性措施;并且处理器被配置为至少有助于至少部分地基于以下的至少一个计算每个潜在停车位置的相应得分:相应距离;车道宽度;停车法律、法规或二者;检测到的对象;相应的交通流量;或相应的乘坐舒适性措施。
同样在一个实施例中,一个或多个传感器被配置为至少有助于获取与以下中每一个有关的数据:每个潜在停车位置与目的地之间的相应距离;自主车辆行驶的道路的车道宽度;自主车辆所操作的地理区域的停车法律、法规或二者;靠近自主车辆的检测到的对象;靠近每个潜在停车位置的相应交通流量;或每个潜在停车位置的相应的乘坐舒适性措施;并且处理器被配置为至少有助于至少部分地基于以下中的每一个计算每个潜在停车位置的相应得分:相应距离;车道宽度;停车法律、法规或二者;检测到的对象;相应交通流量;或相应的乘坐舒适性措施。
附图说明
以下将结合以下附图来描述示例性实施例,其中相同的附图标记表示相同的元件,并且其中:
图1是示出根据各种实施例的自主车辆的功能框图;
图2是示出根据各种实施例的具有如图1所示的一个或多个自主车辆的运输***的功能框图;
图3是示出根据各种实施例的与自主车辆相关的自主驱动***(ADS)的功能框图;
图4是示出根据各种实施例的用于自主车辆的停车位置选择控制***的数据流图;
图5是根据各种实施例的在靠近选择为停车位置的期望位置的道路上的自主车辆的示意图;
图6是根据各种实施例的用于为自主车辆选择停车位置的控制过程的流程图;以及
图7是显示根据示例性实施例的与两个相应的示例性停车状况相关的车辆的视图的示意图,即第一停车状况和第二停车状况,在第一停车状况中,车辆的一部分相对远离路缘石停放,以及在第二停车状况中,车辆的该部分相对靠近路缘石停放。
具体实施方式
以下具体实施方式本质上仅仅是示例性的,并不意图限制应用和用途。此外,不希望受到在前述技术领域,背景技术,发明内容或以下具体实施方式中给出的任何表达或暗示的理论的束缚。如文中所使用的,术语“模块”是指单独地或以任何组合的任何硬件、软件、固件、电子控制组件、处理逻辑和/或处理器设备,包括但不限于:专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、执行一个或多个软件或固件程序的处理器(共享的,专用的或群组的)和存储器、组合逻辑电路和/或提供所述功能的其他适宜组件。
文中可以就功能和/或逻辑块组件以及各种处理步骤而言来描述本公开的实施例。应该理解的是,该块组件可以通过被配置为执行指定功能的任何数量的硬件、软件和/或固件组件来实现。例如,本公开的实施例可以采用各种集成电路组件,例如存储器元件、数字信号处理元件、逻辑元件、查找表等,其可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。另外,本领域技术人员将会理解到,本公开的实施例可以结合任何数量的***来实施,并且文中描述的***仅仅是本公开的示例性实施例。
为了简洁起见,与信号处理、数据传输、信号发送、控制、机器学习、图像分析以及***(以及***的单独操作组件)的其他功能方面有关的传统技术在文中没有详细描述。此外,文中包含的各种附图中示出的连接线旨在表示各种元件之间的示例功能关系和/或物理耦合。应该注意的是,在本公开的实施例中可存在许多替代或额外的功能关系或物理连接。
参照图1,根据各种实施例,通常示为100的停车位置选择控制***100与车辆10相关。通常,停车位置选择控制***(或简称为“***”)100控制车辆10的停车位置的选择。
如图1所示,车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14被布置在底盘12上并且基本上包围车辆10的组件。车身14和底盘12可以共同形成框架。车轮16-18各自在车身14的相应拐角附近旋转地连接到底盘12。
在各种实施例中,车辆10是自主车辆,并且停车位置选择控制***100和/或其组件被并入到自主车辆10(以下称为自主车辆10)中。例如,自动车辆10是一种自动控制以将乘客从一个位置运送到另一个位置的车辆。在所示实施例中,车辆10被描绘为客车,但是应该理解,也可以使用任何其他车辆,包括摩托车、卡车、运动型多功能车(SUV)、休闲车(RV)、船舶、飞机等。
在一个示例性实施例中,自主车辆10对应于汽车工程师协会(SAE)“J3016”自动驾驶等级标准分类下的四级或五级自动化***。使用这个术语,四级***表示“高度自动化”,指的是即使驾驶员没有对干预请求作出适当响应,自动驾驶***也执行动态驾驶任务的所有方面的驾驶模式。另一方面,五级***表示“全自动化”,指的是自动驾驶***在所有可由驾驶员管理的道路和环境条件下执行动态驾驶任务的所有方面的驾驶模式。然而,应理解到,根据本主题的实施例不限于任何特定的自动化类别的分类或标题。此外,根据本实施例的***可以与使用导航***和/或其他***来提供路线引导和/或实施的任何自主或其他车辆结合使用。
如所示,自主车辆10通常包括推进***20,传动***22,转向***24,制动***26,传感器***28,致动器***30,至少一个数据存储装置32,至少一个控制器34和通信***36。在各种实施例中,推进***20可以包括内燃机,例如牵引马达的电机和/或燃料电池推进***。传动***22被配置成根据可选速比将动力从推进***20传递到车轮16和18。根据各种实施例,传动***22可以包括级间比自动变速器,无级变速器或其他适当的变速器。
制动***26被配置成向车轮16和18提供制动转矩。在各种实施例中,制动***26可包括摩擦制动,线控制动,再生制动***(例如电机)和/或其他适当的制动***。
转向***24影响车轮16和/或18的位置。虽然为了说明的目的将其描绘为包括方向盘25,但在本公开的范围内设想的一些实施例中,转向***24可以不包括方向盘。
传感器***28包括感测自主车辆10的外部环境和/或内部环境的可观察状况的一个或多个感测设备40a-40n。感测设备40a-40n可以包括但不限于雷达、激光雷达、全球定位***、光学相机、热敏相机、超声波传感器和/或其他传感器。致动器***30包括控制车辆10的一个或多个车辆特征件的一个或多个致动器设备42a-42n。此外,在各种实施例中,致动器装置42a-42n(也称为致动器42)控制一个或多个特征件,例如但不限于推进***20,传动***22,转向***24,制动***26以及用于打开和关闭车辆10的门的致动器。在各种实施例中,自主车辆10还可以包括图1中未示出的内部和/或外部车辆特征件,例如后备箱,以及例如空气、音乐、照明、触摸屏显示组件(例如与导航***连接使用的那些组件)等的座舱特征件。
数据存储设备32存储用于自动控制自主车辆10的数据。在各种实施例中,数据存储设备32存储可导航环境的定义的地图。在各种实施例中,所定义的地图可以由远程***预定义并且从远程***获得(参照图2进一步详细描述)。例如,所定义的地图可以由远程***组装并且传送到自主车辆10(以无线方式和/或以有线方式)并且存储在数据存储设备32中。路径信息还可以被存储在数据设备32内-即,一组路段(在地理上与一个或多个所定义的地图相关联),其一起定义了用户可以从起始位置(例如,用户的当前位置)到目标位置的路径。同样在各种实施例中,数据存储设备32存储关于车辆10行驶的道路的数据(例如,包括车道宽度信息)以及其他信息(例如,车辆10所操作的地理位置的法律和法规,包括与停车有关的那些)。可以理解的是,数据存储设备32可以是控制器34的一部分,与控制器34分开,或者是控制器34的一部分以及单独***的一部分。
控制器34包括至少一个处理器44和计算机可读存储设备或介质46。处理器44可以是任何定制的或可购得的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、其任何组合或者通常用于执行指令的任何设备。例如,计算机可读存储设备或介质46可以包括在只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储。KAM是可用于在处理器44断电时存储各种操作变量的持久性或非易失性存储器。计算机可读存储设备或介质46可以使用许多已知存储器设备中的任一个来实现,例如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的任何其它电、磁、光或组合存储器设备,其中一些表示可执行指令,由控制器34用于控制自主车辆10。
指令可以包括一个或多个单独的程序,每个程序包括用于实现逻辑功能的可执行指令的有序列表。这些指令在由处理器44执行时接收并处理来自传感器***28的信号,执行用于自动控制自主车辆10的组件的逻辑,计算,方法和/或算法,并生成传送给致动器***30以基于逻辑,计算,方法和/或算法自动控制自主车辆10的组件的控制信号。虽然在图1中仅示出了一个控制器34,但是自主车辆10的实施例可以包括通过任何合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号,执行逻辑,计算,方法和/或算法的任何数量的控制器34,以及生成用以自动控制自主车辆10的特征件的控制信号。在一个实施例中,如下面详细讨论的,控制器34被配置为用于控制车辆10的停车,包括停车位置的选择。
通信***36被配置为以无线方式将信息传送到其他实体48以及传送来自其他实体48的信息,例如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程运输***和/或用户设备(参照图2更详细地描述)。在一个示例性实施例中,通信***36是被配置为使用IEEE 802.11标准或通过使用蜂窝数据通信经由无线局域网(WLAN)进行通信的无线通信***。然而,例如专用短程通信(DSRC)信道的额外或替代通信方法也被认为在本公开的范围内。DSRC信道是指专门为汽车使用以及相应的一套协议和标准而设计的单向或双向短程至中程无线通信信道。
现在参照图2,在各种实施例中,参照图1描述的自主车辆10适用于在特定地理区域(例如,城市,学校或商业场所,购物中心,游乐园,活动中心等)中的出租车或班车***的情况下或可以只需由远程***进行管理。例如,自主车辆10可以与基于自主车辆的远程运输***相关联。图2示出了总体上以50示出的操作环境的示例性实施例,该操作环境包括基于自主车辆的远程运输***(或简称为“远程运输***”)52,其与参照图1所描述的一个或多个自主车辆10a-10n相关联。在各种实施例中,操作环境50(其全部或一部分可对应于图1中所示的实体48)进一步包括一个或多个用户设备54,其经由通信网络56与自主车辆10和/或远程运输***52通信。
通信网络56根据需要在由操作环境50支持的设备,***和组件之间(例如,经由有形通信链路和/或无线通信链路)支持通信。例如,通信网络56可以包括无线载波***60,例如包括多个小区塔(未示出),一个或多个移动交换中心(MSC)(未示出)以及连接无线载波***60与陆地通信***所需的任何其他网络组件的蜂窝电话***。每个小区塔包括发送和接收天线以及基站,来自不同小区塔的基站直接或通过中间设备(例如基站控制器)连接到MSC。无线载波***60可以实现任何合适的通信技术,包括例如数字技术,例如CDMA(例如CDMA2000)、LTE(例如,4G LTE或5G LTE)、GSM/GPRS或其他当前或新兴的无线技术。其他小区塔/基站/MSC设置是可能的并且可以与无线载波***60一起使用。例如,基站和小区塔可以共同位于同一地点,也可以彼此远离,每个基站可以负责单个小区塔或者单个基站可以服务各种小区塔,或者各种基站可以连接到单个MSC,仅举几个可能的设置。
除了包括无线载波***60之外,可以包括卫星通信***64形式的第二无线载波***以提供与自主车辆10a-10n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发射站(未示出)来完成。单向通信可以包括例如卫星无线电服务,其中节目内容(新闻,音乐等)由发送站接收,打包上传,然后发送给卫星,卫星将节目广播给订户。双向通信可以包括例如使用卫星来中继车辆10与站之间的电话通信的卫星电话服务。卫星电话可以作为无线载波***60的补充或者代替无线载波***60使用。
还可以包括陆地通信***62,其是连接到一个或多个陆线电话并且将无线载波***60连接到远程运输***52的传统陆基电信网络。例如,陆地通信***62可以包括例如用于提供硬连线电话,分组交换数据通信和因特网基础设施的公共交换电话网络(PSTN)。陆地通信***62的一个或多个段可以通过使用标准有线网络,光纤或其他光学网络,电缆网络,电力线,其他无线网络(例如无线局域网(WLAN))或者提供宽带无线接入(BWA)的网络,或其任何组合来实现。此外,远程运输***52不需要经由陆地通信***62连接,而是可以包括无线电话设备,从而其可以直接与无线网络(例如无线载波***60)通信。
尽管在图2中仅示出了一个用户设备54,但是操作环境50的实施例可以支持任意数量的用户设备54,包括由一个人拥有,操作或以其它方式使用的多个用户设备54。由操作环境50支持的每个用户设备54可以使用任何合适的硬件平台来实现。就此而言,用户设备54可以任何常见形式因素来实现,包括但不限于:台式计算机;移动计算机(例如,平板电脑,膝上型计算机或上网本计算机);智能电话;视频游戏设备;数字媒体播放器;家庭娱乐设备的组件;数字相机或摄像机;可穿戴计算设备(例如,智能手表,智能眼镜,智能服装);等。由操作环境50支持的每个用户设备54被实现为具有执行本文描述的各种技术和方法所需的硬件,软件,固件和/或处理逻辑的计算机实现的或基于计算机的设备。例如,用户设备54包括可编程设备形式的微处理器,该微处理器包括存储在内部存储器结构中并用以接收二进制输入以创建二进制输出的一个或多个指令。在一些实施例中,用户设备54包括能够接收GPS卫星信号并且基于那些信号生成GPS坐标的GPS模块。在其他实施例中,用户设备54包括蜂窝通信功能,使得设备使用一个或多个蜂窝通信协议通过通信网络56执行语音和/或数据通信,如文中所述。在各种实施例中,用户设备54包括可视显示器,例如触摸屏图形显示器或其他显示器。
远程运输***52包括一个或多个后端服务器***(未示出),其可以是基于云的,基于网络的或驻留在由远程运输***52服务的特定校园或地理位置处。远程运输***52可以由现场顾问,自动顾问,人工智能***或其组合来操纵。远程运输***52可以与用户设备54和自主车辆10a-10n通信以安排乘车,派遣自主车辆10a-10n等。在各种实施例中,远程运输***52存储例如订户认证信息、车辆标识符、简档记录、生物计量数据、行为模式和其他相关订户信息的存储账户信息。在一个实施例中,如下面进一步详细描述的,远程运输***52包括路径数据库53,其存储与导航***路径有关的信息,包括沿着各种路径的道路的车道标记,以及特定路径段是否以及在何种程度上受到建筑区域或已经由一个或多个自主车辆10a-10n检测到的其他可能的危险或障碍影响。
根据典型的使用案例工作流程,远程运输***52的注册用户可以通过用户设备54创建乘车请求。乘车请求通常将指示乘客希望的乘车位置(或当前GPS位置),期望的目的地位置(其可以识别预定义的车辆停靠站和/或用户指定的乘客目的地)以及乘车时间。远程运输***52接收乘车请求,处理该请求,并且派遣自主车辆10a-10n中的选定的一个(当有人可用时和如果有人可用时)以在指定的乘车地点和适当的时间接走乘客。运输***52还可以生成并向用户设备54发送适当配置的确认消息或通知,以让乘客知道车辆正在途中。
可以理解的是,本文公开的主题向可被认为是标准或基线自主车辆10和/或基于自主车辆的远程运输***52提供某些增强特征和功能。为此,自主车辆和基于自主车辆的远程运输***可以被修改,增强或以其他方式补充以提供下面更详细描述的附加特征。
根据各种实施例,控制器34实现如图3所示的自主驾驶***(ADS)。也就是说,利用控制器34的合适的软件和/或硬件组件(例如,处理器44和计算机可读存储设备46)来提供与车辆10结合使用的ADS。
在各种实施例中,自主驾驶***70的指令可以由功能或***组织。例如,如图3所示,自主驾驶***70可以包括传感器融合***74,定位***76,引导***78和车辆控制***80。应理解到,在各种实施例中,因为本公开不限于本实例,所以可以将指令组织成任何数量的***(例如,组合,进一步划分等)。
在各种实施例中,传感器融合***74合成并处理传感器数据并且预测车辆10的环境的对象和特征的存在,位置,分类和/或路径。在各种实施例中,传感器融合***74可并入来自多个传感器的信息,包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型的传感器。
定位***76处理传感器数据以及其他数据以确定车辆10相对于环境的位置(例如,相对于地图的本地位置,相对于道路车道的精确位置,车辆航向,速度等)。引导***78处理传感器数据以及其他数据以确定车辆10遵循的路径。车辆控制***80根据确定的路径产生用于控制车辆10的控制信号。
在各种实施例中,控制器34实现机器学习技术以辅助控制器34的功能,例如特征检测/分类、障碍减少、路径穿越、制图、传感器集成、地面真实情况确定等。
返回参照图1,在各种实施例中,控制器34的一个或多个指令以图1的停车位置选择控制***100来实施,其控制车辆10的停车位置的选择。
参照图4,示例性停车位置选择控制***400通常包括停车位置选择对象模块410和停车位置选择确定模块420。在各种实施例中,停车位置选择对象模块410例如作为图1的传感器***20的一部分被设置在车辆10上。同样在所描绘的实施例中,停车位置选择对象模块410包括接口411,传感器412和收发器413。
在各种实施例中,接口411包括输入设备414。输入设备414接收来自车辆10的用户(例如乘员)的输入。在某些实施例中,用户输入包括关于当前车辆驾驶的期望目的地的输入。同样在某些实施例中,用户输入在适当时包括用于将车辆10停在期望的目的地附近的请求。在某些实施例中,输入设备414可以包括一个或多个触摸屏、旋钮、按钮、麦克风和/或其他设备。
传感器412提供与车辆10相关的传感器数据,车辆10的当前行驶,车辆10附近的道路和周围环境以及与车辆10的各种可能的停车位置有关的情况。在各种实施例中,传感器412包括一个或多个相机415,激光雷达传感器417和/或其他传感器418(例如,传输传感器、轮速传感器、加速度计和/或其他类型的传感器)。
另外,在各种实施例中,收发器413例如经由例如图2的通信网络56的一个或多个有线和/或无线连接与停车位置选择确定模块420通信。同样在各种实施例中,收发器413还例如经由一个或多个无线连接,例如图2的通信网络56与远离车辆10的一个或多个信息源(诸如一个或多个全球定位***(GPS)卫星,远程服务和/或其他远程数据源,例如关于本地停车法律和法规,交通流量等)进行通信。另外,在某些实施例中,收发器413还从用户接收输入(例如所请求的目的地和/或停放车辆10的请求),例如来自图2的用户设备54(例如,经由一个或多个有线或无线连接,例如图2的通信网络56)。
在各种实施例中,停车位置选择确定模块420也被设置在车辆10上,例如作为图1的控制器34的一部分。同样在所描绘的实施例中,停车位置选择确定模块420包括处理器422,存储器424和收发器426。
在各种实施例中,处理器422做出各种确定并且为车辆10的选择停车位置提供控制。同样在各种实施例中,图4的处理器422对应于图1的处理器44。
在各种实施例中,存储器424存储供处理器422用于选择车辆10的停车位置的各种类型的信息。例如,在某些实施例中,除了关于附近道路和/的特征或其他类型的信息之外,存储器424还存储关于当地停车法律和规定的数据。同样在各种实施例中,存储器424是图1的数据存储设备32的一部分。在各种实施例中,收发器426例如经由例如图2的通信网络56的一个或多个有线和/或无线连接与停车位置选择对象模块410通信。同样在各种实施例中,收发器426还有助于例如经由图2的通信网络56将指令从处理器422传送到停车位置对象模块410。
进一步参照图4,在各种实施例中,输入431被提供给停车位置选择对象模块410。在各种实施例中,输入431包括由车辆10的一个或多个用户(例如乘客)提供的指令,例如关于车辆10的请求目的地和/或停放车辆10的请求。同样在各种实施例中,来自乘客的输入431经由输入设备414和/或收发器413(例如,来自图2的用户设备54)被接收。此外,在各种实施例中,用于停车位置选择对象模块410的输入431还可以包括来自一个或多个远程数据源(例如,用于位置信息的GPS卫星和/或具有关于当地停车法律和法规的信息的远程服务器,以及其他可能的数据源)的数据,例如,经由收发器413接收的。
还进一步参考图1。如图4所示,在各种实施例中,停车位置选择对象模块410提供用作停车位置选择确定模块420的输入的输出432。在各种实施例中,停车位置选择对象模块410的输出432(或用于停车位置选择确定模块420的输入)包括停车位置选择确定模块420用以选择车辆的停车位置10的信息。例如,在各种实施例中,输出432包括从各种传感器412得到的传感器数据(例如,相机数据,激光雷达数据以及与车辆10的操作有关的和/或与车辆10的可能的停车位置有关的其他数据)以及与上述用户输入有关的信息和来自第三方数据源的信息(例如,GPS卫星和/或远程服务器和/或具有关于当地停车法律和法规的信息和/或与车辆10,其周围环境和/或可能的停车位置有关的其他数据的其它数据服务)。同样在某些实施例中,输出432从停车位置选择对象模块410的收发器413提供给停车位置选择确定模块420(例如,通过有线或无线连接)。
如图4所示,在各种实施例中,停车位置选择确定模块420提供输出434。在各种实施例中,停车选择确定模块420的输出434包括从处理器422到一个或多个车辆***(例如,图1的推进***20,传动***22,转向***24,制动***26和/或致动器***30)用于实现将车辆10停放在选定的停车位置的指令。
现在参照图5,根据各种实施例,提供在特定环境中的自主车辆10的示意图。如图5所示,在各种实施例中,车辆10在当前车辆沿着路线504前往目的地505的过程中操作。在所描绘的示例中,道路包括两个车道506,508,其中车辆10当前在当前车道508中操作。每个车道506,508具有相应的车道宽度514。同样如图5所示,检测并监测车辆10附近的各种障碍(例如,其他车辆和/或其他对象)510。同样如图5所示,识别并检查车辆10的各种可能的停车位置502。
如将在下面关于图6的控制方法600更详细地阐述,在各种实施例中,相对于多个不同的因素分析可能的停车位置502,例如每个停车位置502与目的地505之间的相应距离512,检测到的对象510以及它们与相应停车位置502,502的接近度,检测到的与每个停车位置502相关的交通流量,相应车道506,508(例如,靠近可能的停车位置的车道)的车道宽度514,适用的当地停车法律和法规,以及针对不同的可能的停车位置502的相应的乘坐舒适度措施。
现在参照图6,提供了根据各种实施例的用于选择自主车辆的停车位置的控制方法600的流程图。下面结合图3以及继续参考图1-5讨论控制方法600。在各种实施例中,根据示例性实施例,控制方法600可以由***100和图1-5的相关实现来执行。根据本公开可以理解到,该方法内的操作顺序不限于如图6所示的顺序执行,但是可以按照适用和根据本公开以一个或多个变化的顺序执行。在各种实施例中,控制方法600可以被安排为基于一个或多个预定事件运行,和/或可以在自主车辆10的操作期间连续运行。
在各种实施例中,控制方法600可以在602处开始。在各种实施例中,602在乘客在车辆10内发生并且车辆10以自动方式开始操作。
乘客输入在604处获得。在各种实施例中,乘客输入于经由车辆10行驶的期望目的地有关。在各种实施例中,用户输入可以经由图4的输入设备414和/或图2的用户设备54(例如,经由图4的收发器413)获得。在各种实施例中,乘客输入是经由车辆10的乘客或其他用户(例如车辆10的拥有者,使用车辆10的乘车分享服务的用户等)获得。
地图数据在606处获得。在各种实施例中,从例如图4的存储器424的存储器检索地图数据(例如,对应于图1的数据存储设备32,在车辆10上)。在某些实施例中,可以从图2的基于自主车辆的远程运输***52的路径数据库53中检索地图数据。同样在各种实施例中,地图数据包括与车辆10附近和/或离车辆10当前至其目的地(例如,根据乘客输入)附近或者途中的道路有关的地图和相关数据。
同样在各种实施例中,传感器数据在608处获得。在各种实施例中,数据从图4的各种传感器412获得。例如,在各种实施例中,相机数据从图4的相机415获得(例如,与车辆10有关的道路和周围环境),使用图4的激光雷达传感器417来检测和监测车辆10附近的对象(例如,图5中的对象510),并且经由图4的其他传感器418获得各种其他数据(例如,使用声纳,雷达和/或其他传感器进一步检测和跟踪对象,通过车轮速度传感器和加速度计获得与车辆速度和加速度有关的测量值等)。
在各种实施例中,其他数据在610处获得。在各种实施例中,在610处经由收发器413从或利用一个或多个远程数据源获得其他数据。举例来说,在某些实施例中,610的其他数据可以包括使用一个或多个GPS卫星的GPS数据,包括车辆10的当前位置;关于车辆10行驶的地理区域的适用交通,停车和/或其他法律和法规的数据;和/或可能影响车辆10的停车位置,路径选择和/或其他操作的来自一个或多个远程源的天气,建筑,交通和/或其他数据,和/或一个或多个其他各种数据类型。此外,在各种实施例中,还获得包括地图数据(例如道路和/或地理区域和/或车辆10行驶的地点)以及与交通和/或跟踪对象有关的数据例如行人、自行车、骑自行车者、建筑、碎片等的额外数据。同样在某些实施例中,获取与选定路径有关的数据并且结合该数据(例如,地图数据和与交通和/或跟踪对象有关的数据,例如行人、自行车、骑自行车者、建筑、碎片等)使用。
在612处规划和实施用于自主车辆的路径。在各种实施例中,路径经由用于图1的车辆10的图3的ADS 70生成和实现以使用604的乘客输入和606的地图数据,例如通过由处理器422提供的自动指令来到达所请求的目的地(例如,对应于图5的目的地505)。在各种实施例中,612的路径包括车辆10的移动路径,其预期将促进车辆10移动到预期目的地,同时最大化相关分数和/或期望标准(例如,最小化驾驶时间,最大化安全性和舒适度,等)。应理解到,在各种实施例中,路径还可以并入其他数据,例如比如608的传感器数据和/或610的其他数据。在各种实施例中,使用图4的处理器422规划和实施车辆10的路径。
在614处确定车辆的当前位置。在各种实施例中,当前位置由处理器422使用从604、606、608和/或610获得的信息来确定。例如,在某些实施例中,使用GPS和/或其它定位***来确定当前位置,和/或从该***接收当前位置。在某些其他实施例中,可以使用来自车辆的其他传感器数据来确定位置(例如,经由输入设备414提供的和/或经由收发器413接收的用户输入,与地图数据组合的相机数据和/或传感器信息等)。
在616处做出关于车辆10当前是否靠近期望目的地的确定。在各种实施例中,图4的处理器422确定车辆10是否在距离图5的预期目的地505的预定距离或时间内(例如,612的路径规划的目的地,基于来自604的乘客输入的目的地),使得车辆10的停放将是适当的。在某些实施例中,预定距离等于十五米;然而,这可能在其他实施例中变化。在各种实施例中,616的确定由图4的处理器422确定。
如果在616中确定车辆10当前不在目的地附近,则过程进行到604。过程继续,从新的604迭代开始。之后重复604-616,直到在616的迭代中做出车辆10靠近目的地的确定为止。
一旦在616中确定车辆10靠近目的地,则在618处针对可能的停车位置进行识别。在各种实施例中,图4的处理器422基于车辆10的当前位置(例如,来自614)以及从地图数据(例如,来自606)和传感器数据(例如,来自608的相机数据和激光雷达数据)识别可能的停车位置。例如,可能的停车位置可以在地图上或其它存储的数据上这样指定,和/或可以使用传感器数据来识别(例如,如果在目的地505附近存在车辆10可以停放的开放位置)。在某些实施例中,可能的停车位置与用于乘客离开和进入车辆10的路边接客和/或送客位置有关。另外,在各种实施例中,过程600不依赖于环境中的结构(例如免费的指定停车位)以确定车辆10可以在哪里停靠。因此,在各种实施例中,可能的停车位置被识别用于在非结构化的城市环境中停靠并临时停车。
在619处确定可能的停车位置的距离。在各种实施例中,图4的处理器422计算618的每个可能的停车位置与目的地505之间的相应距离(例如,来自图5的相应距离512)。在某些实施例中,619的每个距离包括相应的可能的停车位置与目的地505之间的步行距离。另外,在某些实施例中,当车辆10接近目的地时,车辆10的危险警灯被打开,例如以向其他活动交通参与者通知该车辆10将很快停止。
车道宽度在620处确定。在各种实施例中,图4的处理器422确定车辆10当前正在行驶的车道和/或紧邻车辆10的特定可能的停车位置的车道的车道宽度(例如,图5的车道508的车道宽度514)。在某些实施例中,车道宽度可以在地图上或其他存储的数据上这样指定,和/或可以使用传感器数据(例如,相机和/或激光雷达数据)来识别。
在622处分析当地法律和法规。在各种实施例中,针对车辆10当前正在操作的地理区域(例如,国家,州,城市等)分析关于当地停车法律和法规的信息。在某些实施例中,法律和法规在610处获得(例如,来自存储器和/或来自一个或多个远程数据源),例如经由图4的存储器424和/或收发器413和/或426,并由图4的处理器422分析。例如,在某些实施例中,法律和法规可以涉及车辆是否可以沿着道路停放,停车必须沿道路多远,车辆可以在特定位置停放多久等。
在各种实施例中,在624处执行关于车辆10和/或相应可能的停车位置附近的对象的监测。具体而言,在各种实施例中,针对靠近车辆10和/或可能的停车位置的对象(例如,图5的对象或障碍510)来监测和分析608的传感器数据。同样在各种实施例中,针对对象510距车辆10的接近度的测量(例如,就距离和/或时间而言)以及对象的移动,对象的路径(以及可能与车辆10和/或其路径,和/或与可能的停车位置重叠或靠近)等做出确定。在各种实施例中,由图4的处理器422执行和/或促进624的监测,评估和确定。在各种实施例中,在不同类型的对象(例如,固定对象、停放的机动车辆、移动机动车辆、自行车、行人等)之间进行识别。
在各种实施例中,在625处也监测交通流量。具体而言,在各种实施例中,针对车辆10,车辆10行驶的道路以及可能的停车位置来监测交通移动的流量和模式。例如,在各种实施例中,当车辆10试图停在或停在可能的停车位置时,针对与车辆10的可能接触(和/或可能非常靠近车辆10,例如可能干扰乘客离开车辆10)监测和分析交通流量。在各种实施例中,使用608的传感器数据(例如,基于624的对象监测)和/或从车辆10外部接收到的数据(例如,在610处接收的交通报告等),以及关于交通相对于张贴的速度限值可多快在车道上移动的信息等,交通流量由图4的处理器422监测。
在626处获取和分析乘坐舒适度信息。在各种实施例中,针对车辆10如何轻松到达特定停车位而没有急剧或突然的移动或对驾驶员而言可能不舒服的其他操作,确定乘坐舒适度。而且,在某些实施例中,乘坐舒适度还可以涉及乘客可以在特定位置离开车辆10的便利性和舒适度,和/或乘客可以从车辆行进(例如,步行)到目的地505的便利性和舒适度。另外,在各种实施例中,在确定乘坐舒适度时将横向加速度,横向加速度率,纵向加速度和纵向加速度率均考虑在内。
在628处计算可能的停车位置的得分。在各种实施例中,由图4的处理器422计算在618处识别的每个可能的停车位置的相应得分。同样在各种实施例中,使用619-626中分析的每个标准来计算得分。例如,在某些实施例中:(i)特定停车位置502与车辆10之间的较短距离将导致特定停车位置502的更高(即更好)得分,所有其他条件相同;(ii)靠近特定停车位置502和车辆10的更大车道宽度10将导致特定停车位置502的更高得分,所有其他条件相同;(iii)在特定停车位置502增强遵守停车法律和法规将导致特定停车位置502的更高分数,所有其他条件相同;(iv)在特定停车位置502附近缺少构成威胁的检测到的对象将导致特定停车位置502的更高得分,所有其他条件相同;(v)在特定停车位置502附近缺少有问题的交通流量将导致特定停车位置502的更高得分,所有其他条件相同;和(vi)在特定停车位置502停车的增强的乘坐舒适度措施将导致特定停车位置502的更高得分,所有其他条件相同。
另外,在某些实施例中,得分还受到基于停靠有多少可用空间来塑造车辆10的停靠轨迹的功能的影响。同样在某些实施例中,该功能比较停靠点距离车道边缘多远以及需要多少纵向空间来执行操纵,并相应地智能调整停靠或停车操纵。
另外,在各种实施例中,做出考虑使车辆10停放时最小化与道路的路缘的距离和/或最小化对道路的侵入。例如,参照图7,根据示例性实施例描绘了两个示例性停车状况700,720。在两个停车状况700,720中,车辆10停放在移动和/或静止对象702附近以及道路706的路缘704附近,如图7所示。然而,在第一停车状况700中,与第二停车状况720相比,车辆10的一部分(具体地,如图7所示的靠近端部708的部分)距路缘704相对较远。因此,结果是,在第一停车状况700中,与第二停车状况720相比,车辆10可能相对较大地侵入道路706(例如,相对于可能正在使用道路706的其他车辆或行人)。因此,所有其他条件相同,根据一个示例性实施例,与图1的第一停车状况700相比,图7的第二停车状况720以更高或更有利的得分提供。
此外,在某些实施例中,通过将值分配给不同类型的多边形并且通过光栅化各种成本多边形来生成成本地图。例如,在各种实施例中,在分析中利用与追踪对象的形状相关的多边形,保持清除区域,相交道等。另外,在某些实施例中,在地图数据库中执行详尽搜索以确定最佳停车位置(例如,以找到具有车辆10的最高得分的停车位置以便在停靠和停车时使用)。
在630处选择优选的停车位置。在各种实施例中,图4的处理器422选择如在630处计算的具有最高(或最佳)得分的可能位置。此外,在各种实施例中,得分不仅用于选择停车位置和/或操纵,而且还用于在车辆10***纵进入其停车位置时智能地调整操纵。
在632处实施优选的停车位置。具体而言,在各种实施例中,图4的处理器422产生提供给一个或多个车辆***(例如,图1的推进***20,传动***22,转向***24,制动***26和/或致动器***30)的指令,以实现将车辆10停在630的选定的停车位置处。
在各种实施例中,所公开的方法和***提供了用于自主车辆的优化停车位置的选择。例如,在各种实施例中,优化的停车位置的选择考虑例如车辆的位置,车道宽度,与停车相关的适用的法律和法规以及乘坐舒适度的因素,这些因素用于计算潜在的停车位置的相应得分。
虽然在前面的具体实施方式中已经给出了至少一个示例性实施例,但应该理解的是存在大量的变化。还应该理解的是,示例性实施例仅是实例,并不意图以任何方式限制本公开的范围,适用性或配置。而是,前面的具体实施方式将为本领域技术人员提供用于实施示例性实施例的便利道路地图。应该理解的是,在不脱离所附权利要求及其合法等同物所阐述的本公开的范围的情况下,可以对元件的功能和布置进行各种改变。
Claims (8)
1.一种用于为自主车辆选择停车位置的方法,所述方法包括:
在所述自主车辆的操作期间获取与所述自主车辆的当前驾驶有关的数据,所述数据的所述获取包括获取与每个潜在停车位置与目的地之间的相应距离有关的数据;
由车载处理器使用所述数据确定所述自主车辆何时靠近所述目的地;以及
当所述自主车辆靠近所述目的地时:
由所述处理器使用所述数据识别靠近所述目的地的多个潜在停车位置;
由所述处理器使用所述数据,使用多个因子计算每个所述潜在停车位置的相应得分,其中所述计算包括至少部分地基于所述相应距离计算每个所述潜在停车位置的所述相应得分;
由所述处理器使用所述数据,基于每个所述潜在停车位置的所述相应得分选择所述潜在停车位置的选定停车位置;以及
经由所述处理器提供的指令将所述自主车辆自动停放在所述选定的停车位置。
2.如权利要求1所述的方法,其中:
所述数据的所述获取包括获取与所述自主车辆行驶的道路的车道宽度有关的数据;以及
所述计算包括至少部分地基于所述车道宽度计算每个所述潜在停车位置的所述相应得分。
3.如权利要求1所述的方法,其中:
所述数据的所述获取包括获取与所述自主车辆所操作的地理区域的停车法律、法规或二者有关的数据;以及
所述计算包括至少部分地基于所述停车法律、法规或二者计算每个所述潜在停车位置的所述相应得分。
4.如权利要求1所述的方法,其中:
所述数据的所述获取包括获取与所述自主车辆附近的检测到的对象有关的数据;以及
所述计算包括至少部分地基于所述所检测到的对象计算每个所述潜在停车位置的所述相应得分。
5.如权利要求1所述的方法,其中:
所述数据的所述获取包括获取与每个所述潜在停车位置附近的相应交通流量有关的数据;和
所述计算包括至少部分地基于所述相应的交通流量计算每个所述潜在停车位置的所述相应得分。
6.如权利要求1所述的方法,其中:
所述数据的所述获取包括获取与每个所述潜在停车位置的相应的乘坐舒适性措施有关的数据;以及
所述计算包括至少部分地基于所述相应的乘坐舒适性措施计算每个所述潜在停车位置的所述相应得分。
7.一种用于控制对自主车辆的停车位置的选择的***,所述***包括:
停车选择控制模块,其被配置为至少有助于在所述自主车辆的操作期间获取与所述自主车辆的当前驾驶相关的数据,所述数据的所述获取包括获取与每个潜在停车位置与目的地之间的相应距离有关的数据;以及
停车选择确定模块,其包括车载处理器,并且被配置为至少有助于:
确定所述自主车辆何时靠近所述目的地;以及
当所述自主车辆靠近所述目的地时:
使用所述数据,识别靠近所述目的地的多个潜在停车位置;
使用所述数据,使用多个因子计算每个所述潜在停车位置的相应得分,其中所述计算包括至少部分地基于所述相应距离计算每个所述潜在停车位置的所述相应得分;
使用所述数据,基于每个所述潜在停车位置的所述相应得分来选择所述潜在停车位置的选定停车位置;以及
使用所述数据,经由所述处理器提供的指令将所述自主车辆自动停放在所述选定的停车位置。
8.一种自主车辆,包括:
一个或多个传感器,其被配置为至少有助于在所述自主车辆的操作期间获取与所述自主车辆的当前驾驶相关的数据,所述数据的所述获取包括获取与每个潜在停车位置与目的地之间的相应距离有关的数据;以及
车载处理器,其配置为至少有助于:
确定所述自主车辆何时靠近所述目的地;以及
当所述自主车辆靠近所述目的地时:
使用所述数据,识别靠近所述目的地的多个潜在停车位置;
使用所述数据,使用多个因子计算每个所述潜在停车位置的相应得分,其中所述计算包括至少部分地基于所述相应距离计算每个所述潜在停车位置的所述相应得分;
使用所述数据,基于每个所述潜在停车位置的所述相应得分来选择所述潜在停车位置的选定停车位置;以及
使用所述数据,经由所述处理器提供的指令将所述自主车辆自动停放在所述选定的停车位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/492,706 US10214240B2 (en) | 2017-04-20 | 2017-04-20 | Parking scoring for autonomous vehicles |
US15/492706 | 2017-04-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108766011A CN108766011A (zh) | 2018-11-06 |
CN108766011B true CN108766011B (zh) | 2022-02-11 |
Family
ID=63714958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810311222.3A Active CN108766011B (zh) | 2017-04-20 | 2018-04-09 | 用于自主车辆的停车评分 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10214240B2 (zh) |
CN (1) | CN108766011B (zh) |
DE (1) | DE102018109376A1 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102651411B1 (ko) * | 2018-12-28 | 2024-03-27 | 현대자동차주식회사 | 자율 발렛 주차를 지원하는 시스템 및 방법, 그리고 이를 위한 인프라 및 차량 |
US20200258385A1 (en) * | 2019-02-11 | 2020-08-13 | Byton North America Corporation | Advanced detection of parking spot for vehicle |
US11048256B2 (en) * | 2019-08-09 | 2021-06-29 | Waymo Llc | Parking behaviors for autonomous vehicles |
US11242060B2 (en) * | 2019-08-26 | 2022-02-08 | GM Global Technology Operations LLC | Maneuver planning for urgent lane changes |
US20210097587A1 (en) * | 2019-09-26 | 2021-04-01 | Uatc, Llc | Managing self-driving vehicles with parking support |
CN111291650B (zh) * | 2020-01-21 | 2023-06-20 | 北京百度网讯科技有限公司 | 自动泊车辅助的方法及装置 |
US11062602B1 (en) * | 2020-05-01 | 2021-07-13 | Here Global B.V. | Method and apparatus for recommending temporary parking |
CN111696382A (zh) * | 2020-06-08 | 2020-09-22 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆智能停车的方法、智能控制设备 |
US20220099450A1 (en) * | 2020-09-28 | 2022-03-31 | Waymo, LLC | Quality scoring for pullovers for autonomous vehicles |
US11479239B2 (en) | 2020-11-13 | 2022-10-25 | Toyota Research Institute, Inc. | Predictive parking due to weather |
CN112781611B (zh) * | 2021-02-02 | 2024-06-14 | 深圳安途智行科技有限公司 | 精准选择停车位置的方法、智能控制设备及自动驾驶车辆 |
US11947356B2 (en) * | 2021-04-13 | 2024-04-02 | Waymo Llc | Evaluating pullovers for autonomous vehicles |
US11859989B2 (en) | 2021-08-24 | 2024-01-02 | Waymo Llc | Speed reasoning in the presence of uncertainty when pulling over |
US20230099334A1 (en) * | 2021-09-30 | 2023-03-30 | Waymo Llc | Pull-over location selection using machine learning |
US11597383B1 (en) | 2021-11-04 | 2023-03-07 | STEER-Tech, LLC | Methods and systems for parking a vehicle |
CN115116260B (zh) * | 2022-01-07 | 2024-07-12 | 长城汽车股份有限公司 | 车辆驾驶辅助控制方法、装置及车辆 |
DE102022113017A1 (de) | 2022-05-24 | 2023-11-30 | Ford Global Technologies Llc | Verfahren zum Ermitteln eines Werts für eine individuelle Erwünschtheit eines Parkplatzes sowie Kraftwagen |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10339645A1 (de) * | 2003-08-28 | 2005-04-14 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bestimmung von Größe und Position einer Parklücke |
JP5051010B2 (ja) * | 2008-06-11 | 2012-10-17 | アイシン・エィ・ダブリュ株式会社 | 駐車場案内装置、駐車場案内方法及びプログラム |
US8098174B2 (en) * | 2009-04-22 | 2012-01-17 | GM Global Technology Operations LLC | Feasible region determination for autonomous parking |
CN104658309A (zh) * | 2013-11-21 | 2015-05-27 | 上海博泰悦臻电子设备制造有限公司 | 停车场提醒方法及*** |
US10318824B2 (en) * | 2014-07-23 | 2019-06-11 | GM Global Technology Operations LLC | Algorithm to extend detecting range for AVM stop line detection |
JP6404638B2 (ja) * | 2014-08-21 | 2018-10-10 | Necプラットフォームズ株式会社 | 駐停車位置案内システム、駐停車位置案内方法、センター装置及び駐停車位置案内装置 |
US9568335B2 (en) * | 2015-01-30 | 2017-02-14 | Nissan North America, Inc. | Associating parking areas with destinations based on automatically identified associations between vehicle operating information and non-vehicle operating information |
CN105632236B (zh) * | 2016-03-14 | 2018-10-19 | 南京邮电大学 | 基于无人机和云计算技术的小区车位管理引导***和方法 |
CN105810010A (zh) * | 2016-05-25 | 2016-07-27 | 李兹铮 | 一种停车服务实现方法、装置以及*** |
CN106448244A (zh) * | 2016-08-31 | 2017-02-22 | 广州地理研究所 | 路侧车位停车预约管理方法和*** |
US10481609B2 (en) * | 2016-12-09 | 2019-11-19 | Ford Global Technologies, Llc | Parking-lot-navigation system and method |
US10183665B2 (en) * | 2016-12-15 | 2019-01-22 | Unitronics Automated Solutions Ltd | System and method of automated parking system for autonomous vehicles |
-
2017
- 2017-04-20 US US15/492,706 patent/US10214240B2/en active Active
-
2018
- 2018-04-09 CN CN201810311222.3A patent/CN108766011B/zh active Active
- 2018-04-19 DE DE102018109376.4A patent/DE102018109376A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
US10214240B2 (en) | 2019-02-26 |
US20180304926A1 (en) | 2018-10-25 |
CN108766011A (zh) | 2018-11-06 |
DE102018109376A1 (de) | 2018-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108766011B (zh) | 用于自主车辆的停车评分 | |
CN108628206B (zh) | 道路施工检测***和方法 | |
CN108802761B (zh) | 用于激光雷达点云异常的方法和*** | |
CN108268034B (zh) | 用于车辆的专家模式 | |
CN109814543B (zh) | 道路廊道 | |
CN108062094B (zh) | 基于处理器实现车辆行驶轨迹规划的自主***和方法 | |
US10163017B2 (en) | Systems and methods for vehicle signal light detection | |
US10391931B2 (en) | System and method for providing enhanced passenger use of an autonomous vehicle | |
US11242060B2 (en) | Maneuver planning for urgent lane changes | |
US20190072978A1 (en) | Methods and systems for generating realtime map information | |
US20180093671A1 (en) | Systems and methods for adjusting speed for an upcoming lane change in autonomous vehicles | |
US20180224860A1 (en) | Autonomous vehicle movement around stationary vehicles | |
US20180315314A1 (en) | Automated vehicle route traversal | |
US20180004215A1 (en) | Path planning of an autonomous vehicle for keep clear zones | |
US20190026588A1 (en) | Classification methods and systems | |
US20190011913A1 (en) | Methods and systems for blind spot detection in an autonomous vehicle | |
US20180348771A1 (en) | Stop contingency planning during autonomous vehicle operation | |
US10458174B2 (en) | Door closing system | |
CN109131065B (zh) | 用于由自主车辆进行外部警告的***和方法 | |
US20200103902A1 (en) | Comfortable ride for autonomous vehicles | |
US20200050191A1 (en) | Perception uncertainty modeling from actual perception systems for autonomous driving | |
CN110027558B (zh) | 自主车辆的可放松转弯边界 | |
CN110347147B (zh) | 用于车辆的定位的方法和*** | |
US20180022348A1 (en) | Methods and systems for determining lane health from an autonomous vehicle | |
US20220214181A1 (en) | Systems and methods for translating navigational route into behavioral decision making in autonomous vehicles |
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 |