CN110036425A - 用于自动驾驶车辆的动态路由 - Google Patents
用于自动驾驶车辆的动态路由 Download PDFInfo
- Publication number
- CN110036425A CN110036425A CN201780074664.4A CN201780074664A CN110036425A CN 110036425 A CN110036425 A CN 110036425A CN 201780074664 A CN201780074664 A CN 201780074664A CN 110036425 A CN110036425 A CN 110036425A
- Authority
- CN
- China
- Prior art keywords
- road section
- vehicle
- road
- value
- local map
- 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.)
- Granted
Links
- 238000012216 screening Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 12
- 230000005012 migration Effects 0.000 claims description 8
- 238000013508 migration Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 20
- 230000007717 exclusion Effects 0.000 description 20
- 239000007787 solid Substances 0.000 description 14
- 230000001953 sensory effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000000712 assembly Effects 0.000 description 5
- 238000000429 assembly Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001062009 Indigofera Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004166 bioassay Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000007 visual 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
使用地图信息生成到目的地的行程的路线(660)。从地图信息识别与路线相关的车辆(100)不能在自动模式下驾驶的一组禁入道路路段。确定车辆的当前位置周围的局部区域(800)。确定包括对应于局部区域内的位置的地图信息的道路路段的局部地图区域(900)。从局部地图区域的道路路段中筛选一组多个禁入道路路段。将成本值分配给局部地图区域的筛选的道路路段中的每个道路路段。使用任何分配的成本值来确定在未来的预定时段内操纵车辆的规划。根据规划操纵车辆。
Description
相关申请的交叉引用
本申请是于2016年11月18日提交的美国专利申请第15/355,658号的继续申请,其公开内容通过引用结合于此。
背景技术
诸如不需要人类驾驶员的车辆的自动驾驶车辆可用于帮助将乘客或物品从一个位置运输到另一个位置。这种车辆可以在完全自动模式下操作,其中乘客可以提供一定初始输入,例如上车(pickup)或目的地位置,并且车辆自己操纵到该位置。
这些车辆通常配备有各种类型的传感器,以便检测周围环境中的对象(object)。例如,自动驾驶车辆可包括激光、声纳、雷达、相机、以及扫描和记录来自车辆的周围环境的数据的其他设备。来自这些设备中的一个或多个的传感器数据可用于检测对象及其各自的特性(位置、形状、走向、速度等)。这些特性可用于预测对象在未来的某一短暂时段内可能做的事情,其可用于控制车辆以规避这些对象。因此,检测、识别和预测是自动驾驶车辆的安全操作的关键功能。
除了使用传感器之外,这些车辆还可以依赖于其环境的高度详细的地图。这些地图对于导航(例如确定如何在两个位置之间到达)以及定位(确定车辆在世界中的位置)两者都是至关重要的。
发明内容
本公开的多个方面提供了用于操纵车辆的方法。该方法包括:由一个或多个处理器使用地图信息生成从第一位置到目的地的行程(trip)的路线(route),该地图信息包括限定道路的形状和位置的道路路段(roadway segment),该地图信息还识别限定车辆不能在自动模式下驾驶的道路路段的至少一个禁入(no-go)道路路段;由一个或多个处理器从地图信息中识别来自多个禁入道路路段中的、与路线相关的一组禁入道路路段;由一个或多个处理器确定车辆的当前位置周围的局部区域;由一个或多个处理器识别包括对应于局部区域内的位置的地图信息的道路路段的局部地图区域;由一个或多个处理器从局部地图区域的道路路段中筛选(filter)一组多个禁入道路路段;由一个或多个处理器将成本值分配给局部地图区域的筛选的道路路段中的每个道路路段;由一个或多个处理器使用任何分配的成本值来确定在未来的预定时间段内操纵车辆的规划;以及由一个或多个处理器根据规划操纵车辆。
在一个示例中,该方法还包括:从目的地开始使用图形游走(graph walk)识别不允许车辆到达目的地的至少一个附加禁入道路路段,并且一组禁入道路路段包括至少一个禁入道路路段以及至少一个附加道路路段。在另一个示例中,通过对地图信息执行图形切割来识别局部地图区域。在另一个示例中,局部区域对应于车辆能够在未来的第二预定时间段内从车辆的当前位置到达的区域。在另一个示例中,局部区域被周期性地确定,而一组禁入道路路段针对行程仅被识别一次。在另一个示例中,基于与道路路段对应的建筑区域,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。在另一个示例中,基于与道路路段对应的未受保护的左转向,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。在另一个示例中,基于从道路路段到达目的地的时间,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。在另一个示例中,该方法还包括:在本地高速缓存中存储至少一个分配的成本值;确定与局部区域至少部分重叠的第二局部区域;识别包括与第二局部区域内的位置对应的地图信息的道路路段的第二局部地图区域;从第二局部地图区域的道路路段中筛选一组多个禁入道路路段;通过从本地高速缓存检索至少一个分配的成本值,将成本值分配给第二局部地图区域的筛选的道路路段中的每个道路路段;使用针对第二局部地图区域的筛选的道路路段中的每个道路路段的任何分配的成本值来确定在未来的第二预定时间段内操纵车辆的第二规划;以及根据第二规划操纵车辆。在另一个示例中,规划包括从局部区域出发(lead out)且具有最低的成本值积累的局部地图区域的筛选的道路路段中的一组连接的道路路段。在另一个示例中,确定规划包括确定是否应强制车辆变道(lane change)。在另一个示例中,确定规划包括确定是否应执行转向以在两个车道道路路段之间移动车辆。在另一个示例中,确定规划包括当与路线的道路路段对应的主路径(primary path)不可用时识别次级路径(secondary path)。
本公开的另一方面提供了用于操纵车辆的***。该***包括一个或多个处理器,被配置为:使用地图信息生成从第一位置到目的地的行程的路线,该地图信息包括限定道路的形状和位置的道路路段,该地图信息还识别限定车辆不能在自动模式下驾驶的道路路段的多个禁入道路路段;识别来自多个禁入道路路段中的、与路线相关的一组禁入道路路段;确定车辆的当前位置周围的局部区域;识别包括对应于局部区域内的位置的地图信息的道路路段的局部地图区域;从局部地图区域的道路路段中筛选一组多个禁入道路路段;将成本值分配给局部地图区域的筛选的道路路段中的每个道路路段;使用任何分配的成本值来确定在未来的预定时段内操纵车辆的规划;以及根据规划操纵车辆。
在一个示例中,一个或多个处理器还被配置为从开始使用图形游走识别不允许车辆到达目的地的至少一个附加禁入道路路段,并且一组禁入道路路段包括至少一个禁入道路路段以及至少一个附加道路路段。在另一个示例中,周期性地确定局部区域,并且针对行程仅识别一次一组禁入道路路段。在另一个示例中,基于与道路路段对应的建筑区域,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。在另一个示例中,基于与道路路段对应的未受保护的左转向,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。在另一个示例中,基于从道路路段到达目的地的时间,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。
本公开的再一方面提供了非暂时性计算机可读介质,其上存储有指令。指令在由一个或多个处理器执行时使得一个或多个处理器执行用于操纵车辆的方法。该方法包括:使用地图信息生成从第一位置到目的地的行程的路线,该地图信息包括限定道路的形状和位置的道路路段,该地图信息还识别限定车辆不能在自动模式下驾驶的道路路段的多个禁入道路路段;识别来自多个禁入道路路段中的、与路线相关的一组禁入道路路段;确定车辆的当前位置周围的局部区域;识别包括对应于局部区域内的位置的地图信息的道路路段的局部地图区域;从局部地图区域的道路路段中筛选一组多个禁入道路路段;将成本值分配给局部地图区域的筛选的道路路段中的每个道路路段;使用任何分配的成本值来确定在未来的预定时段内操纵车辆的规划;以及根据规划操纵车辆。
附图说明
图1是根据本公开的各方面的示例车辆的功能图。
图2A和图2B是根据本公开的各方面的地图信息的示图。
图3A至图3D是根据本公开的各方面的车辆的示例外部视图。
图4是根据本公开的各方面的***的示意图(pictorial diagram)。
图5是根据本公开的各方面的图4的***的功能图。
图6至图14是根据本公开的各方面的路段(section of roadway)和数据的视图。
图15是根据本公开的各方面的流程图。
具体实施方式
概述
本技术涉及规划自动驾驶车辆的路线。例如,自动驾驶车辆可以由计算***控制,该计算***包括用于生成到目的地的路线的路由或导航***(换句话说,长期规划)和用于生成沿着路线的路径的规划***(换言之,短期规划)。路由***通过参考道路图并识别将车辆的当前位置与目的地位置连接的一系列道路或车道路段(车道id、起点、终点)来确定路线。然后,规划***使用该路线作为基线来确定要进行的转向、要处于的车道等,以便到达目的地。通过允许规划***生成不跟随路线的路径,车辆能够以使其对车辆的当前环境更具反应性的方式进行控制。
为了生成路线,路由***必须访问地图信息。地图信息可以描述道路特征(例如,道路表面、车道标记、路缘、人行横道等)的形状和朝向。如上所述,道路可以由以标识符、起点和终点识别的车道内的路段来限定。通过将路段连接在一起,可以生成两个位置之间的路线。为了避开某些区域,例如车辆不能安全驾驶(由于车辆的速度限制、危险区域、因为路段没有充分绘制地图(mapped)、或其他原因)的那些区域,地图信息可包括车辆不能行驶的路段或“禁入区(no-go region)”。
一旦识别出路线,就可以识别针对目的地的所有相关禁入区。从目的地开始向起始位置(通常为车辆的当前位置),可以使用简单的图形游走(graph walk)。从本质上讲,这假定目的地保持不变并识别不会使车辆到达目的地的所有路段。此时不需要进行其他详细分析,因此针对每个目的地可以仅进行一次这样的确定。
使用车辆的当前位置,可以识别车辆周围的局部区域。该局部区域可以包括在车辆后方的某一小区域以及在车辆前方(在行驶方向上)和周围(在车辆的横向方向上)的区域。例如,局部区域可以对应于车辆可以在某个预定时间段内可能到达的所有区域。可以周期性地识别该局部区域。
然后,可以使用局部区域来执行简单的图形切割(graph cut),换句话说,使用来限定***以将地图区域与地图信息的其余部分分离。替选地,可以通过在该区域的范围(area)内进行简单的图形游走来识别地图信息的路段。然后,可以从地图区域移除任何先前识别的禁入区,以获得筛选的地图区域。
然后,为筛选的地图区域中的所有剩余的路段分配成本值。可以基于例如来自地图信息中的数据的关于车辆的环境的先验知识(priori knowledge)来分配成本。因为对于许多成本值来说,在区域之间会存在明显的重叠,所以该信息可以存储在本地高速缓存中以便快速检索。
然后可以将成本值提供给规划器***,以便确定如何操纵车辆。例如,车辆的计算设备可以确定从局部区域出发的最低成本的一组路段。可以使用该结果来规划如何在未来的短暂时段内控制车辆。
由于规划器***将每秒多次确定新规划,因此可以简单地从本地高速缓存检索许多成本值。当车辆在局部区域内移动时可能改变的那些(例如与到达目的地的时间等有关的那些)可以按照需要被重新计算。另外,当计算新的局部区域时,可以重新计算全部或少于全部的成本值。
通过使用如上所述的成本值,车辆的计算设备可以做出关于是迂回绕过(weavearound)还是经过缓慢移动或停止的对象的更明智的决定(better informed decisions)。例如,如果应执行多点转向以在两个车道路段之间移动,或者如果在主路径不可用的情况下应该使用次级路径,则路由***可以确定是否应强制变道。这极大地改善并增加了车辆对即时环境条件的可用响应,从而允许规划器***能够快速且高效地找到到目的地的最佳路径。此外,通过以这种方式限制成本值计算并且针对每个目的地仅识别所有相关禁入区一次,这急剧提高了上述路由和规划***的效率。
示例***
如图1所示,根据本公开的一个方面的车辆100包括各种组件。虽然本公开的某些方面对于特定类型的车辆特别有用,但是车辆可以是任何类型的车辆,包括但不限于小汽车、卡车、摩托车、公共汽车、休闲车等。车辆可以具有一个或多个计算设备,例如包含一个或多个处理器120、存储器130和通常出现在通用计算设备中的其他组件的计算设备110。
存储器130存储由一个或多个处理器120可访问的信息,包括可由处理器120执行或以其他方式使用的指令132和数据134。存储器130可以是能够存储由处理器可访问的信息的任何类型,包括计算设备可读介质,或存储可借助于电子设备读取的数据的其他介质,例如硬盘驱动器、存储卡、ROM、RAM、DVD或其他光盘,以及其他可写和只读存储器。***和方法可以包括前述的不同组合,由此指令和数据的不同部分被存储在不同类型的媒体上。
指令132可以是由处理器直接(例如机器代码)或间接(例如脚本)执行的任何指令集。例如,指令可以作为计算设备代码存储在计算设备可读介质上。在这方面,术语“指令”和“程序”在本文中可以互换使用。指令可以以目标代码格式存储,以便由处理器直接处理,或者以任何其他计算设备语言存储,包括按需解释或预先编译的独立源代码模块的脚本或集合(collection)。下面更详细地解释指令的例程、方法和功能。
处理器120可以根据指令132来检索、存储或修改数据134。例如,尽管所要求保护的主题不受任何特定数据结构的限制,但是数据可以存储在计算设备寄存器中,作为具有多个不同字段和记录的表格、XML文档或平面文件存储在关系数据库中。数据还可以以任何计算设备可读的格式被格式化。
一个或多个处理器120可以是任何传统处理器,例如商用CPU。替选地,一个或多个处理器可以是专用设备,例如ASIC或其他基于硬件的处理器。尽管图1在功能上将处理器、存储器和计算设备110的其他元件示出为在同一块内,但是本领域普通技术人员将理解,处理器、计算设备或存储器实际上可以包括可存放在同一物理外壳内或可不存放在同一物理外壳内的多个处理器、计算设备或存储器。例如,存储器可以是位于与计算设备110的外壳不同的外壳中的硬盘驱动器或其他存储介质。因此,对处理器或计算设备的引用将被理解为包括对可以并行操作或可以不并行操作的处理器或计算设备或存储器的集合的引用。
计算设备110可以包括通常结合计算设备使用的所有组件,例如上述处理器和存储器,以及用户输入150(例如,鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如,具有屏幕的监视器或可操作以显示信息的任何其他电学设备)。在该示例中,车辆包括内部电子显示器152以及一个或多个扬声器154,以提供信息或视听体验。在这方面,内部电子显示器152可以位于车辆100的座舱内,并且可以由计算设备110使用以向车辆100内的乘客提供信息。
计算设备110还可以包括一个或多个无线网络连接156,以促进与其他计算设备的通信,例如下面详细描述的客户端计算设备和服务器计算设备。无线网络连接可以包括短程通信协议,例如蓝牙、低功耗蓝牙(LE)、蜂窝连接,以及各种配置和协议,包括因特网、万维网、内联网、虚拟专用网、广域网、本地网络、使用一个或多个公司专有的通信协议的专用网络、以太网、WiFi和HTTP,以及前述的各种组合。
在一个示例中,计算设备110可以是并入车辆100中的自动驾驶计算***。自动驾驶计算***可能能够与车辆的各种组件通信。例如,返回图1,计算设备110可以与车辆100的各种***(例如,减速***160、加速***162、转向***164、信号***166、路由***168、定位***170和感知***172)通信,以便根据存储器130的指令132控制车辆100的移动、速度等。再者,尽管这些***被示为在计算设备110的外部,但实际上,这些***也可以并入计算设备110中,又作为用于控制车辆100的自动驾驶计算***。
作为示例,计算设备110可以与减速***160和加速***162交互,以便控制车辆的速度。类似地,转向***164可以由计算设备110使用,以便控制车辆100的方向。例如,如果车辆100被配置用于在道路上使用,诸如小汽车或卡车,则转向***可以包括控制车轮角度以使车辆转向的组件。信号***166可以由计算设备110使用,以便例如通过在需要时点亮转向信号或刹车灯,来将车辆的意图用信号通知给其他驾驶员或车辆。
路由***168可以由计算设备110使用,以便确定并跟随到位置的路线。在这方面,路由***168和/或数据134可以存储详细的地图信息,例如,识别道路的形状和高度(elevation)、车道线、交叉路口、人行横道、限速、交通信号、建筑物、标志、实时交通信息、植被、或其他此类物体和信息的高度详细的地图。换句话说,这个详细的地图信息可以限定车辆的预期环境的几何形状,包括道路以及这些道路的速度限制(法定限速)。另外,该地图信息可以包括关于交通控制的信息,例如交通信号灯、停车标志、让行标志等,该信息结合从感知***172接收的实时信息可以由计算设备110使用,以确定在给定位置哪些交通方向拥有通行权。
图2A和图2B是包括交叉路口220、222、224的路段的地图信息的示例。图2A描绘了地图信息的一部分,其包括识别车道标记或车道线210、212、214,交通信号230、232、234(为清楚和简单起见未在其他图中描绘),停止标志240(为了清楚和简单起见未在其他图中描绘)以及停止线250、252、254的形状、位置和其他特性的信息。除了这些特征之外,地图信息还可以包括识别由车道线限定的车道以及每条车道的交通方向的信息、以及允许计算设备110确定车辆是否具有完成特定操纵(即,完成转向或穿过交通车道或交叉路口)的通行权的信息。
除了特征信息之外,地图信息还可以包括一系列道路或车道路段。每个车道路段由起点、终点和标识符来限定。例如,图2B描绘了图2A的大部分信息,其中添加了多个车道路段,包括例如车道路段270、272、274。当然,尽管描绘了许多车道路段,但是为了清楚和简单起见仅提及几个车道路段。图2B将这些起点和终点描绘为空心圆,例如空心圆260、262、264、266。当然,尽管描绘了许多空心圆,每个空心圆代表起点和终点,但是为了清楚和简单起见仅提及几个空心圆。可以看出,圆圈260表示车道路段270的起点,并且圆圈262表示路段270的终点。类似地,圆圈262表示车道路段272的起点,并且圆圈264表示车道路段272的终点。另外,圆圈264表示车道路段274的起点,并且圆圈266表示车道路段274的终点。尽管未示出,但是这些车道路段中的每一个可以与标识符相关联,例如,与车道路段的相对或实际位置对应的数值。
地图信息还可以识别关于路段的附加信息。例如,如图2B所示,车道路段270和272以实线示出,从而指示车道路段270和272可用于车辆自动驾驶。同时,车道路段274以虚线示出,以指示车道路段对应于车辆不能行驶的禁入区。这可以包括例如已知建筑区域、拥挤区域、通往公路的入口匝道的车道(例如,在此处车辆不允许在公路上驾驶或以如此高的速度驾驶)、通往未充分绘制地图(即,在地图信息中未充分描述)的区域的车道、或其他原因等。当然,虽然描绘了许多实线车道路段(可用于车辆自动驾驶)和虚线车道路段(禁入区),但是为了清楚和简单起见仅提及几个。
尽管这里将地图信息描绘为基于图像的地图,但是地图信息不需要完全基于图像(例如,光栅)。例如,地图信息可以包括诸如道路、车道、交叉路口以及这些特征之间的连接的信息的一个或多个道路图(roadgraph)或图形网络。每个特征可以存储为图形数据,并且可以与诸如地理位置以及其是否链接到其他相关特征的信息(例如,停止标志可以链接到道路和交叉路口等)相关联。在一些示例中,相关联的数据可以包括道路图的基于网格的索引,以允许有效地查找某些道路图特征。
定位***170可以由计算设备110使用,以便确定车辆在地图上或地球上的相对或绝对位置。例如,定位***170可以包括GPS接收器以确定设备的纬度、经度和/或高度位置。诸如基于激光的定位***、惯性辅助GPS或基于相机的定位的其他定位***也可用于识别车辆的位置。车辆的位置可以包括诸如纬度、经度和高度的绝对地理位置,以及相对位置信息,诸如相对于紧邻其周围的其他小汽车的位置,其通常可以以比绝对地理位置更小的噪声来确定。
定位***170还可以包括与计算设备110通信的其他设备,例如加速计、陀螺仪或其他方向/速度检测设备,以确定车辆的方向和速度或者它们的改变。仅作为示例,加速设备可以确定其相对于重力方向或与其垂直的平面的俯仰、偏转或滚动(或其改变)。该设备还可以跟踪速度的增加或减少以及这种变化的方向。如本文所述的设备提供的位置和朝向数据可以被自动提供给计算设备110、其他计算设备以及前述的组合。
感知***172还包括用于检测车辆外部的对象的一个或多个组件,车辆外部的对象例如为其他车辆、道路中的障碍物、交通信号、标志、树木等。例如,感知***172可包括激光器、声纳、雷达、相机和/或记录可由计算设备110处理的数据的任何其他检测设备。在车辆是诸如小汽车的小型乘用车的情况下,小汽车可以包括安装在车顶或其他方便的位置的激光器或其他传感器。例如,车辆的感知***可以使用各种传感器,诸如LIDAR、声纳、雷达、相机等,以便检测对象及其特征,诸如位置、朝向、尺寸、形状、类型、移动的方向和速度等。来自传感器的原始数据和/或前述特征可以被量化或布置成描述性函数或矢量以供计算设备110处理。如下面进一步详细讨论的,计算设备110可以使用定位***170以确定车辆的位置,以及使用感知***172来在需要时检测对象并对对象做出响应以安全到达该位置。
图3A至图3D是车辆100的外部视图的示例。可以看出,车辆100包括典型车辆的许多特征,例如前灯302、挡风玻璃303、尾灯/转向信号灯304、后挡风玻璃305、车门306、侧视镜308、轮胎和车轮310、以及转向信号灯/停车灯312。前灯302、尾灯/转向信号灯304和转向信号灯/停车灯312可以与信号***166相关联。灯条307也可以与信号***166相关联。
车辆100还包括感知***172的传感器。例如,外壳314可包括具有360度或更窄视场的一个或多个激光设备以及一个或多个相机设备。外壳316和318可包括例如一个或多个雷达和/或声纳设备。感知***172的设备也可以结合到典型的车辆组件中,例如尾灯/转向信号灯304和/或侧视镜308。这些雷达、相机和激光设备中的每一个可以与处理组件相关联,这些处理组件作为感知***172的一部分处理来自这些设备的数据,并将传感器数据提供给计算设备110。
数据134可以存储各种行为时间模型(behavior-time model),用于预测对象在预定时间段内(例如接下来的10秒或更长或更短)的未来行为。在一个示例中,行为时间模型可以被配置为使用从感知***172接收的对象的数据,特别是另一个道路使用者,包括道路使用者的特性以及下面进一步详细讨论的附加上下文信息。作为示例,给定来自感知***172的数据中包括的位置、走向、速度和其他特性,行为时间模型可以提供一组关于对象在预定时间段内可以如何表现的一个或多个预测以及每个预测的相应似然值(likelihoodvalue)。预测可以包括轨迹,例如,定义一组预期对象在未来的对应于预定时间段的不同时间的未来位置。似然值可以指示哪些预测更可能发生(相对于彼此)。在这方面,具有最大似然值的预测最可能发生,而具有较低似然值的预测则较少可能发生。
因此,行为时间模型可以被配置为针对特定道路使用者将在特定地平线或预定时间段(例如10秒)内做什么生成一组可能的假设以及每个假设的相对似然性(likelihood)。这些模型可以使用关于在该位置处观察到的对象在过去如何表现、直觉等数据来训练,并且还可以针对特定类型的对象(例如车辆、行人、摩托车、骑行者等)专门指定这些模型。然后,计算设备110可以推断出(reason)与车辆轨迹相互作用并且具有值得考虑的足够似然性的假设。
计算设备110可以通过控制各种组件来控制车辆的方向和速度。作为示例,计算设备110可以使用来自详细地图信息、感知***172和路由***168的数据,完全自动地将车辆导航到目的地位置。为了操纵车辆,计算设备110可以使车辆加速(例如,通过由加速***162增加提供给引擎的燃料或其他能量)、减速(例如,通过由减速***160减少供应到引擎的燃料、改变档位、和/或通过施加制动)、改变方向(例如,通过由转向***164转动车辆100的前轮或后轮)、以及用信号通知这种变化(例如,通过点亮信号***166的转向信号)。因此,加速***162和减速***160可以是动力传动***(drivetrain)的一部分,其包括在车辆的引擎和车辆的车轮之间的各种组件。再者,通过控制这些***,计算设备110还可以控制车辆的动力传动***,以便自动地操纵车辆。
车辆100的一个或多个计算设备110还可以从其他计算设备接收信息或向其他计算设备传送信息。图4和图5分别是示例***400的示意图和功能图,示例***400包括经由网络460连接的多个计算设备410、420、430、440和存储***450。***400还包括车辆100、以及可以与车辆100类似地配置的车辆100A。尽管为了简单起见,仅描绘了几辆车辆和计算设备,但是典型的***可以包括明显更多车辆和计算设备。
如图4所示,每个计算设备410、420、430、440可以包括一个或多个处理器、存储器、数据和指令。这样的处理器、存储器、数据和指令可以分别与计算设备110的一个或多个处理器120、存储器130、数据134和指令132类似地配置。
网络460和中间节点可以包括各种配置和协议,包括短程通信协议,例如蓝牙、蓝牙LE、因特网、万维网、内联网、虚拟专用网络、广域网、本地网络、使用一个或多个公司专有的通信协议的专用网、以太网、WiFi和HTTP,以及前述的各种组合。任何能够向其他计算设备发送数据和从其他计算设备接收数据的设备(例如调制解调器和无线接口)可以促进这种通信。
在一个示例中,一个或多个计算设备410可以包括具有多个计算设备的服务器,例如,负载平衡服务器群,其与网络的不同节点交换信息,以用于从其他计算设备接收数据、处理数据、以及向其他计算设备发送数据。例如,一个或多个计算设备410可以包括一个或多个服务器计算设备,它们能够经由网络460与车辆100的一个或多个计算设备110或车辆100A的类似计算设备以及客户端计算设备420、430、440通信。例如,车辆100和100A可以是车辆车队的一部分,它们可以由服务器计算设备派遣(dispatch)到各个位置。在这方面,车队的车辆可以周期性地向服务器计算设备发送由车辆的相应定位***提供的位置信息,并且一个或多个服务器计算设备可以跟踪车辆的位置。
另外,服务器计算设备410可以使用网络460在显示器(如计算设备420、430、440的显示器424、434、444)上向用户(例如用户422、432、442)发送和呈现信息。在这方面,计算设备420、430、440可以被认为是客户端计算设备。
如图5所示,每个客户端计算设备420、430、440可以是旨在由用户422、432、442使用的个人计算设备,并且具有通常与个人计算设备结合使用的所有组件,所述个人计算设备包括一个或多个处理器(例如,中央处理单元(CPU))、存储数据和指令的存储器(例如,RAM和内部硬盘驱动器)、诸如显示器424、434、444的显示器(例如,具有屏幕的监视器、触摸屏、投影仪、电视机或可操作以显示信息的其他设备)、以及用户输入设备(例如,鼠标、键盘、触摸屏或麦克风)。客户端计算设备还可以包括用于记录视频流的相机、扬声器、网络接口设备、以及用于将这些元件彼此连接的所有组件。
虽然客户端计算设备420、430和440中的每一个可以包括全尺寸的个人计算设备,但是它们可以替代地包括能够通过诸如因特网的网络与服务器无线地交换数据的移动计算设备。仅作为示例,客户端计算设备420可以是移动电话或诸如支持无线的PDA、平板PC、可穿戴计算设备或***、膝上型计算机、或能够经由因特网或其他网络获得信息的上网本的设备。在另一示例中,客户端计算设备430可以是可穿戴计算设备,诸如图4中所示的“智能手表”。作为示例,用户可以使用键盘、小键盘、多功能输入按钮、麦克风、利用相机或其他传感器的视觉信号(例如,手或其他手势)、触摸屏等来输入信息。
在一些示例中,客户端计算设备440可以是由管理员用来向诸如用户422和432的用户提供礼宾服务(concierge service)的礼宾工作站。例如,用户442可以是使用礼宾工作站440通过它们各自的客户端计算设备或车辆100或100A、经由与用户的电话呼叫或音频连接进行通信以确保车辆100和100A的安全操作以及用户的安全的礼宾员(concierge),如下面进一步详细描述的。尽管在图4和图5中仅示出了单个礼宾工作站440,但是在典型***中可以包括任何数量的这种工作站。
存储***450可以存储各种类型的信息。该信息可以由服务器计算设备(例如一个或多个服务器计算设备410)检索或访问,以便执行本文描述的一些或所有特征。例如,该信息可以包括诸如能够用于向一个或多个服务器计算设备识别用户的凭证(credential)的用户账户信息(例如,在传统的单因素认证的情况下的用户名和口令,以及典型地在多因素认证中使用的其他类型的凭证,诸如随机识别符、生物测定等)。用户账户信息还可以包括个人信息,诸如用户的姓名、联系信息、用户的客户端计算设备的识别信息(或者如果多个设备与同一个用户账户一起使用,则为多个客户端计算设备)、以及用户的一个或多个唯一信号。
与存储器130一样,存储***450可以是能够存储服务器计算设备410可访问的信息的任何类型的计算机化存储装置,例如硬盘驱动器、存储卡、ROM、RAM、DVD、CD-ROM、可写和只读存储器。另外,存储***450可以包括分布式存储***,其中数据存储在多个不同的存储设备上,这些存储设备可以物理地位于相同或不同的地理位置。存储***450可以经由网络460连接到计算设备,如图4所示,和/或可以直接连接到或者并入任何计算设备110、410、420、430、440等。
示例方法
除了上面描述的以及在附图中示出的操作之外,现在将描述各种操作。应理解,不必以下面描述的精确顺序执行以下操作。反而,可以以不同的顺序或同时处理各个步骤,并且还可以添加或省略步骤。
在一个方面,用户可以将用于请求车辆的应用下载到客户端计算设备。例如,用户422和432可以经由电子邮件中的链接、直接从网站或应用商店将应用下载到客户端计算设备420和430。例如,客户端计算设备可以通过网络例如向一个或多个服务器计算设备410发送对应用的请求,并且作为响应,接收应用。应用可以本地安装在客户端计算设备上。
然后,用户可以使用他或她的客户端计算设备来访问应用并请求车辆。作为示例,诸如用户432的用户可以使用客户端计算设备430向一个或多个服务器计算设备410发送对车辆的请求。该请求可以包括识别上车位置或区域和/或目的地位置或区域的信息。作为响应,一个或多个服务器计算设备410可以例如基于可用性和位置来识别并派遣车辆到上车位置。该派遣可以涉及向识别用户(和/或用户的客户端设备)的车辆发送信息以便将车辆分配给用户(和/或用户的客户端计算设备)、上车位置、以及目的地位置或区域。
一旦车辆100接收到派遣车辆的信息,车辆的一个或多个计算设备110可以使用上述各种特征将车辆操纵到上车位置。一旦用户(现在是乘客)安全地处于车辆中,计算设备110可以启动必要的***以沿着到目的地位置的路线自动地控制车辆。例如,路由***168可以使用数据134的地图信息来确定到目的地位置的、跟随地图信息的一组车道路段的路径或路线。然后,计算设备110可以如上所述沿着朝向目的地的路线,自动地(或在自动驾驶模式下)操纵车辆。
图6是与图2A和图2B的地图信息中限定的路段对应的路段的示例视图。例如,图6描绘了对应于交叉路口220、222、224的交叉路口620、622、624。此外,车道线610、612和614的形状、位置和其他特性对应于车道线210、212、214的形状、位置和其他特性。类似地,交通信号630、632、634(为了清楚和简单起见未在其他图中描绘)对应于交通信号230、232、234,停止标志640(为了清楚和简单起见未在其他图中描绘)对应于停止标志240,并且停止线650、652、654对应于停止线250、252、254。
通过将车道路段连接在一起,路由***168可以生成两个位置之间的路线。例如,图6描绘了表示起始位置(即,车辆100的起始位置)的标记670与表示目的地位置的标记672之间的路线660。可以看出,路线660包括在起始位置与目的地位置之间串在一起的图2B的地图信息的多个车道路段。当然,这样的路线不包括在地图信息中被识别为禁入区的任何车道路段。
一旦识别出路线,就可以识别目的地位置的所有相关禁入区。从目的地开始向起始位置,可以使用简单的图形游走。从本质上讲,这假定目的地保持不变并识别不会使车辆到达目的地的所有路段。例如,假定由标记672表示的目的地保持不变,图7描绘了在路线660通过的区域内的、来自图2B的地图信息的所有禁入区(以虚线描绘的车道路段),包括车道路段274。另外,图7描绘了对应于线路路段710、720、730(以虚线示出)的附加禁入区,虽然未作为禁入区包括在详细地图信息中,但是其对应于不会使车辆到达标记671的目的地位置的车道路段。此时不需要进行其他详细分析,因此针对每个目的地可以仅进行一次这样的确定。
使用车辆的当前位置,可以识别局部区域。该局部区域可以包括在车辆后方的某一小区域以及在车辆前方(在行驶方向上)和周围(在车辆的横向方向上)的区域。例如,局部区域可以对应于车辆可以在某个预定时间段内(例如接下来的45秒或更多或更少,以及车辆刚刚所处的最后10秒或更多或更少)可能到达的所有区域。图8描绘了具有图2A和图2B的地图信息的标记670的起始位置(未示出)处的车辆100。局部区域800表示覆盖车辆100在预定时间段内可以到达的车道路段的区域。可以周期性地(例如,每2-3秒或更多或更少)识别该局部区域。
然后,使用局部区域来执行简单的图形切割,换句话说,使用局部区域来限定***以将地图区域与地图信息的其余部分分离。例如,局部区域800的图形切割将导致如图9所示的地图区域900。这识别了地图区域内的所有车道路段。替选地,可以通过在该区域的面积内进行简单的图形游走来识别地图信息的路段。
然后,从地图区域移除任何先前识别的禁入区(来自地图信息以及基于目的地位置识别的任何附加禁入区),以提供获得筛选的地图区域。例如,从地图区域900筛选图7中所描绘的先前识别的禁入区(以虚线示出的车道路段)将导致图10的筛选的地图区域1000。
然后,为筛选的地图区域中的所有剩余的车道路段分配成本值。可以基于车辆的环境的先验知识来分配成本。例如,可以基于下述各项为每个车道路段分配成本:车道路段是否需要车辆100合并到新车道,车道路段是否需要另一车辆必须合并到新车道,车道路段是否是在繁忙的商业区(即,存在严重的路边停车,车辆移出或退出地点,行人交通)的最右侧车道,车道路段是否是具有一个或多个活动的私人车道(即,其他车辆是否试图离开一个或多个私人车道)的最右侧车道,车道路段是否对应于狭窄的道路,车道路段是否对应于通过习惯性地在一侧或两侧停放大量车辆而缩窄的道路,车道路段是否会需要车辆进行特定类型的转向(即,受保护的左转向,在四向停车处的左转向,在不受控制的交叉路口处的左转向,未受保护的左转向等),车道路段是否对应于具有特定分类的道路(即高速公路(freeway)、快速公路(expressway)、干道、林荫大道、郊区、城市、住宅、停车场等),车道路段是否对应于建筑区域,从车道路段到达目的地的时间量等等。因为对于许多成本值在区域之间会存在明显的重叠,所以该信息可以存储在本地高速缓存中以便快速检索。
然后可以将成本值提供给规划器***,以便确定如何操纵车辆。例如,车辆的计算设备可以确定从局部区域出发的最低成本的一组路段。关于到达目的地的时间量,计算设备可以尝试最小化从车辆的当前或未来位置到局部区域的边缘的成本。另外,计算设备还可以考虑从局部区域的边缘处的各个车道路段去往目的地的成本,并且在识别应当使用局部区域内的哪些路径时将其用作因素。例如,如果有两个来自局部区域的出口;其中一个距离目的地2分钟,而其中另一个距离目的地20分钟,18分钟的差异可用于向计算设备通知局部区域内的哪些路径优先于其他路径(具有比其他路径更低的成本)。可以使用该结果来规划如何在未来的短暂时段内(例如,接下来的10秒或更多或更少)控制车辆。
由于规划器***将每秒多次确定新规划,因此可以简单地从车辆的计算设备内的本地高速缓存存储和检索许多成本值。当车辆在局部区域内移动时可能改变的那些(例如与到达目的地的时间等有关的那些)可以根据需要重新计算。另外,当计算新的局部区域时,可以重新计算全部或少于全部的成本值。
通过使用如上所述的成本值,车辆的计算设备可以做出关于是迂回绕过还是通过缓慢移动或停止的对象的更明智的决定。图11至图14提供了这种场景的示例。图11是迂回绕过缓慢移动或停止的车辆的示例,其中连续直行会不优于转向,但仍然是一种选项。在该示例中,车辆100朝向交叉路口624移动。车辆1100也正在接近交叉路口624并且与车辆100在同一车道中。如上所述,车辆1100可以是缓慢移动或停止的车辆。
以实线黑色、实线灰色或虚线描绘图2B的车道路段的子集。实线黑色车道路段(例如线路路段1120、1122、1124)表示具有较低成本值的车道路段。在这方面,这些实线黑色车道路段实际上可以对应于车辆正在跟随到目的地(未示出)的路线,其包括车辆在交叉路口624处进行右转向。实线灰色车道路段(例如车道路段1130、1132、1134)表示具有比实线黑色线路路段更高的成本值的车道路段。虚线车道路段(例如车道路段1140、1142、1144)表示与禁入区相关联的车道路段(如图2B所示)或者仅具有比实线灰色车道路段更高的成本值的车道路段。当然,为了清楚和简单起见,仅描绘了图2B的车道路段的子集。在该示例中,计算设备能够控制车辆100操纵绕过车辆1100并通过交叉路口624,而实际上不在交叉路口处进行右转向。当然,给定高成本值,计算设备110可能不会使用虚线车道路段。
图12是在连续直行不是一种选项的情况下迂回绕过缓慢移动或停止的车辆的示例。在该示例中,车辆100正朝向交叉路口624移动。车辆1200也正在接近交叉路口624并且与车辆100在同一车道中。如上所述,车辆1200可以是缓慢移动或停止的车辆。
以实线黑色、实线灰色或虚线描绘图2B的车道路段的子集。实线黑色车道路段(例如线路路段1220、1222、1224)表示具有较低成本值的车道路段。在这方面,这些实线黑色车道路段实际上可以对应于车辆正在跟随到目的地(未示出)的路线,其包括车辆在交叉路口620处进行右转向。实线灰色车道路段(例如车道路段1230、1232、1234)表示具有比实线黑色线路路段更高的成本值的车道路段。虚线车道路段(例如车道路段1240、1242)表示与禁入区相关联的车道路段(如图2B所示)或者仅具有比实线灰色车道路段更高的成本值的车道路段。当然,为了清楚和简单起见,仅描绘了图2B的车道路段的子集。在该示例中,计算设备能够控制车辆100操纵绕过车辆1200但不通过交叉路口620。这里,因为它们代表禁入区(或者替选地,非常高的成本值),所以计算设备不会使用线路路段1240、1242。因此,会阻止车辆100继续通过交叉路口点620而不进行右转向。
类似地,计算设备110能够做出关于是否在特定车道中驾驶的决定。例如,在繁忙的道路上可能需要尝试避免在右车道中驾驶,而出于安全原因避免左车道也会是重要的,例如在图13的示例中。在该示例中,车辆100正朝向交叉路口622移动。以实线黑色、实线灰色或虚线描绘图2B的车道路段的子集。实线黑色车道路段(例如线路路段1320、1322、1324)表示具有较低成本值的车道路段。在这方面,这些实线黑色车道路段实际上可以对应于车辆正在跟随到目的地(未示出)的路线,其包括车辆移动通过交叉路口622。实线灰色车道路段(例如车道路段1330、1332、1334)表示具有比实线黑线路路段更高的成本值的车道路段。虚线车道路段(例如车道路段1340、1342、1344)表示与禁入区相关联的车道路段(如图2B所示)或者仅具有比实线灰色车道路段更高的成本值的车道路段。当然,为了清楚和简单起见,仅描绘了图2B的车道路段的子集。在该示例中,计算设备能够控制车辆100在车道路段1320、1322、1324、1330、1332和1334(右车道或中间车道)中的任何一个上操纵车辆,其中由于较低成本值而优选车道路段1320、1322和1324(中间车道)。这里,因为它们代表禁入区(或者替选地,非常高的成本值),所以计算设备不会使用线路路段1340、1342和1344(左车道)。因此,会阻止车辆100在左车道中行驶,而允许车辆100在中间车道或右车道中行驶。
成本值还可以允许车辆的计算设备识别一个方向(如在图12的示例中)或多个方向上的强制变道。例如,图14描绘了强制变道,但包括两个选项(右转向或左转向/掉头)。在该示例中,车辆100正朝向交叉路口622移动。以实线黑色、实线灰色或虚线描绘图2B的车道路段的子集。实线黑色车道路段(例如线路路段1320、1322、1324)表示具有较低成本值的车道路段。在这方面,这些实线黑色车道路段实际上可以对应于车辆正在跟随到目的地(未示出)的路线,其包括车辆移动通过交叉路口622并且进行右转向。实线灰色车道路段(例如车道路段1330、1332、1334)表示具有比实线黑色线路路段更高的成本值的车道路段,并且在该示例中,对应于车辆移动通过交叉路口622并且在交叉路口622处左转向或掉头。虚线车道路段(例如车道路段1340、1342、1344)表示与禁入区相关联的车道路段(如图2B所示)或者仅具有比实线灰色车道路段更高的成本值的车道路段。当然,为了清楚和简单起见,仅描绘了图2B的车道路段的子集。在该示例中,计算设备能够控制车辆100在车道路段1320、1322、1324、1330、1332和1334(右车道或中间车道)中的任何一个上操纵车辆,其中由于较低成本值而优选车道路段1320、1322和1324(右车道)。这里,因为它们代表禁入区(或者替选地,非常高的成本值),所以计算设备不会使用线路路段1340、1342和1344(左车道)。因此,线路路段1340、1342和1344会阻止车辆在右中间或左车道中行进通过交叉路口。另外,线路路段1340、1342和1344将强制计算设备110控制车辆100以在交叉路口622处进行右转向(跟随路段1322和1324)或左转向/掉头(跟随路段1432和1434)。
图15是根据示例流程图1500,其可以由车辆的一个或多个计算设备的一个或多个处理器执行,例如车辆100的计算设备110,以便在自动驾驶模式下操纵车辆100。在该示例中,在框1510处,使用地图信息生成从第一位置到目的地的行程的路线。地图信息包括限定道路的形状和位置的道路路段并且识别限定车辆不能在自动模式下驾驶的道路路段的多个禁入道路路段。在框1520处,从地图信息中识别来自多个禁入道路路段中的、与路线相关的一组禁入道路路段。在框1530处,确定车辆的当前位置周围的局部区域。在框1540处,确定包括对应于局部区域内的位置的地图信息的道路路段的局部地图区域。在框1550处,从局部地图区域的道路路段中筛选一组多个禁入道路路段。在框1560处,将成本值分配给局部地图区域的筛选的道路路段中的每个道路路段。在框1570处,使用任何分配的成本值来确定在未来的预定时段内操纵车辆的规划。在框1580处,根据规划操纵车辆。
除非另有说明,否则前述替选示例不是相互排斥的,而是可以以各种组合实现以实现独特的优点。由于可以在不脱离由权利要求限定的主题的情况下利用上述特征的这些和其他变型和组合,因此前述实施例的描述应当作为说明而不是作为由权利要求限定的主题的限制来进行。另外,这里描述的示例的提供以及表述为“诸如”、“包括”等的从句不应被解释为将权利要求的主题限制于特定示例;反而,这些示例仅旨在说明许多可能的实施例中的一个。此外,不同附图中的相同附图标记可以识别相同或相似的元件。
工业适用性
本文描述的技术享有广泛的工业实用性,包括例如用于自动驾驶车辆的动态路由。
Claims (20)
1.一种用于操纵车辆的方法,所述方法包括:
由一个或多个处理器使用地图信息生成从第一位置到目的地的行程的路线,该地图信息包括限定道路的形状和位置的道路路段,该地图信息还识别限定车辆不能在自动模式下驾驶的道路路段的至少一个禁入道路路段;
由一个或多个处理器从地图信息中识别来自多个禁入道路路段中的、与路线相关的一组禁入道路路段;
由一个或多个处理器确定车辆的当前位置周围的局部区域;
由一个或多个处理器识别包括对应于局部区域内的位置的地图信息的道路路段的局部地图区域;
由一个或多个处理器从局部地图区域的道路路段中筛选一组多个禁入道路路段;
由一个或多个处理器将成本值分配给局部地图区域的筛选的道路路段中的每个道路路段;
由一个或多个处理器使用任何分配的成本值来确定在未来的预定时间段内操纵车辆的规划;以及
由一个或多个处理器根据规划操纵车辆。
2.根据权利要求1所述的方法,还包括:从目的地开始使用图形游走识别不允许车辆到达目的地的至少一个附加禁入道路路段,并且所述一组禁入道路路段包括至少一个禁入道路路段以及至少一个附加道路路段。
3.根据权利要求1所述的方法,其中,所述局部地图区域通过对地图信息执行图形切割来识别。
4.根据权利要求1所述的方法,其中,所述局部区域对应于车辆能够在未来的第二预定时间段内从车辆的当前位置到达的区域。
5.根据权利要求1所述的方法,其中,所述局部区域被周期性地确定,并且所述一组禁入道路路段针对行程仅被识别一次。
6.根据权利要求1所述的方法,其中,基于与道路路段对应的建筑区域,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。
7.根据权利要求1所述的方法,其中,基于与道路路段对应的未受保护的左转向,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。
8.根据权利要求1所述的方法,其中,基于从道路路段到达目的地的时间,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。
9.根据权利要求1所述的方法,还包括:
在本地高速缓存中存储至少一个分配的成本值;
确定与所述局部区域至少部分重叠的第二局部区域;
识别包括与第二局部区域内的位置对应的地图信息的道路路段的第二局部地图区域;
从第二局部地图区域的道路路段中筛选一组多个禁入道路路段;
通过从本地高速缓存检索至少一个分配的成本值,将成本值分配给第二局部地图区域的筛选的道路路段中的每个道路路段;
使用针对第二局部地图区域的筛选的道路路段中的每个道路路段的任何分配的成本值来确定在未来的第二预定时间段内操纵车辆的第二规划;以及
根据第二规划操纵车辆。
10.根据权利要求1所述的方法,其中,所述规划包括从局部区域出发且具有最低的成本值积累的局部地图区域的筛选的道路路段中的一组连接的道路路段。
11.根据权利要求1所述的方法,其中,确定所述规划包括确定是否应强制车辆变道。
12.根据权利要求1所述的方法,其中,确定所述规划包括确定是否应执行转向以在两个车道道路路段之间移动车辆。
13.根据权利要求1所述的方法,其中,确定所述规划包括当与路线的道路路段对应的主路径不可用时识别次级路径。
14.一种用于操纵车辆的***,所述***包括一个或多个处理器,被配置为:
使用地图信息生成从第一位置到目的地的行程的路线,该地图信息包括限定道路的形状和位置的道路路段,该地图信息还识别限定车辆不能在自动模式下驾驶的道路路段的多个禁入道路路段;
识别来自多个禁入道路路段中的、与路线相关的一组禁入道路路段;
确定车辆的当前位置周围的局部区域;
识别包括对应于局部区域内的位置的地图信息的道路路段的局部地图区域;
从局部地图区域的道路路段中筛选一组多个禁入道路路段;
将成本值分配给局部地图区域的筛选的道路路段中的每个道路路段;
使用任何分配的成本值来确定在未来的预定时段内操纵车辆的规划;以及
根据规划操纵车辆。
15.根据权利要求14所述的方法,其中,所述一个或多个处理器还被配置为从开始使用图形游走识别不允许车辆到达目的地的至少一个附加禁入道路路段,并且所述一组禁入道路路段包括至少一个禁入道路路段以及至少一个附加道路路段。
16.根据权利要求14所述的方法,其中,周期性地确定局部区域,并且针对行程仅识别一次所述一组禁入道路路段。
17.根据权利要求14所述的方法,其中,基于与道路路段对应的建筑区域,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。
18.根据权利要求14所述的方法,其中,基于与道路路段对应的未受保护的左转向,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。
19.根据权利要求14所述的方法,其中,基于从道路路段到达目的地的时间,将成本值分配给局部地图区域的筛选的道路路段中的道路路段。
20.一种非暂时性计算机可读介质,其上存储有指令,所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行用于操纵车辆的方法,所述方法包括:
使用地图信息生成从第一位置到目的地的行程的路线,该地图信息包括限定道路的形状和位置的道路路段,该地图信息还识别限定车辆不能在自动模式下驾驶的道路路段的多个禁入道路路段;
识别来自多个禁入道路路段中的、与路线相关的一组禁入道路路段;
确定车辆的当前位置周围的局部区域;
识别包括对应于局部区域内的位置的地图信息的道路路段的局部地图区域;
从局部地图区域的道路路段中筛选一组多个禁入道路路段;
将成本值分配给局部地图区域的筛选的道路路段中的每个道路路段;
使用任何分配的成本值来确定在未来的预定时段内操纵车辆的规划;以及
根据规划操纵车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210110545.2A CN114370883B (zh) | 2016-11-18 | 2017-11-14 | 用于操纵车辆的方法和*** |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/355,658 | 2016-11-18 | ||
US15/355,658 US10042362B2 (en) | 2016-11-18 | 2016-11-18 | Dynamic routing for autonomous vehicles |
PCT/US2017/061478 WO2018093754A1 (en) | 2016-11-18 | 2017-11-14 | Dynamic routing for autonomous vehicles |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210110545.2A Division CN114370883B (zh) | 2016-11-18 | 2017-11-14 | 用于操纵车辆的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110036425A true CN110036425A (zh) | 2019-07-19 |
CN110036425B CN110036425B (zh) | 2022-02-01 |
Family
ID=60480463
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210110545.2A Active CN114370883B (zh) | 2016-11-18 | 2017-11-14 | 用于操纵车辆的方法和*** |
CN201780074664.4A Active CN110036425B (zh) | 2016-11-18 | 2017-11-14 | 用于操纵车辆的方法和***以及非暂时性计算机可读介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210110545.2A Active CN114370883B (zh) | 2016-11-18 | 2017-11-14 | 用于操纵车辆的方法和*** |
Country Status (9)
Country | Link |
---|---|
US (3) | US10042362B2 (zh) |
EP (1) | EP3520095B1 (zh) |
JP (2) | JP6840240B2 (zh) |
KR (2) | KR102222323B1 (zh) |
CN (2) | CN114370883B (zh) |
AU (2) | AU2017362952B2 (zh) |
CA (1) | CA3043211C (zh) |
SG (1) | SG10202106031WA (zh) |
WO (1) | WO2018093754A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157010A (zh) * | 2019-12-31 | 2020-05-15 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的地图生成方法 |
CN114084167A (zh) * | 2020-06-29 | 2022-02-25 | 莱德弗利士株式会社 | 用于自动驾驶车辆的道路网络数据生成方法、装置及计算机程序 |
CN114383594A (zh) * | 2020-10-06 | 2022-04-22 | 丰田自动车株式会社 | 地图生成装置、地图生成方法以及地图生成用计算机程序 |
CN114446091A (zh) * | 2020-11-05 | 2022-05-06 | 株式会社日立制作所 | 行驶区域管理装置、行驶区域管理***及其方法 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9321461B1 (en) * | 2014-08-29 | 2016-04-26 | Google Inc. | Change detection using curve alignment |
US10042362B2 (en) * | 2016-11-18 | 2018-08-07 | Waymo Llc | Dynamic routing for autonomous vehicles |
US11003183B2 (en) * | 2017-09-13 | 2021-05-11 | Baidu Usa Llc | Driving scene based path planning for autonomous driving vehicles |
JP7072581B2 (ja) * | 2017-09-18 | 2022-05-20 | バイドゥドットコム タイムズ テクノロジー (ベイジン) カンパニー リミテッド | 自動運転車両の経路計画のための運転シナリオに基づく車線ガイドライン |
US10795367B2 (en) * | 2018-01-11 | 2020-10-06 | Uatc, Llc | Mapped driving paths for autonomous vehicle |
US11360482B2 (en) * | 2018-01-29 | 2022-06-14 | Baidu Usa Llc | Method and system for generating reference lines for autonomous driving vehicles using multiple threads |
US11333503B2 (en) | 2018-04-19 | 2022-05-17 | Uatc, Llc | Global and local navigation for self-driving |
US10982969B2 (en) | 2018-10-23 | 2021-04-20 | Here Global B.V. | Method, apparatus, and computer program product for lane-level route guidance |
US11022457B2 (en) * | 2018-10-23 | 2021-06-01 | Here Global B.V. | Method, apparatus, and computer program product for lane-level route guidance |
US11287818B2 (en) * | 2019-01-23 | 2022-03-29 | Uatc, Llc | Depart constraints implementation in autonomous vehicle routing |
AU2020211604A1 (en) | 2019-01-25 | 2021-09-09 | Uber Technologies, Inc. | Operator assistance for autonomous vehicles |
US11161504B2 (en) * | 2019-03-19 | 2021-11-02 | Honda Motor Co., Ltd. | Vehicle control apparatus and method |
JP7210357B2 (ja) * | 2019-03-28 | 2023-01-23 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、及びプログラム |
US11142214B2 (en) | 2019-08-06 | 2021-10-12 | Bendix Commercial Vehicle Systems Llc | System, controller and method for maintaining an advanced driver assistance system as active |
US11754408B2 (en) * | 2019-10-09 | 2023-09-12 | Argo AI, LLC | Methods and systems for topological planning in autonomous driving |
US11414130B2 (en) * | 2019-10-09 | 2022-08-16 | Argo AI, LLC | Methods and systems for lane changes using a multi-corridor representation of local route regions |
CN114766022A (zh) * | 2019-11-06 | 2022-07-19 | 俄亥俄州创新基金会 | 使用多时域优化的车辆动力学和动力总成控制***和方法 |
EP3855121A3 (en) * | 2019-12-30 | 2021-10-27 | Waymo LLC | Kinematic model for autonomous truck routing |
JP2021123178A (ja) * | 2020-02-03 | 2021-08-30 | 株式会社デンソー | 経路計画装置、経路計画方法、経路計画プログラム |
US11774263B2 (en) * | 2020-03-11 | 2023-10-03 | At&T Intellectual Property I, L.P. | Shared overlay maps |
KR20220153643A (ko) * | 2020-03-27 | 2022-11-18 | 트랜스파인더 코포레이션 | 주행 시나리오에 기초하여 주행 루트를 자동으로 용이하게 하는 것 |
WO2022006873A1 (en) * | 2020-07-10 | 2022-01-13 | Beijing Didi Infinity Technology And Development Co., Ltd. | Vehicle repositioning on mobility-on-demand platforms |
JP7518689B2 (ja) * | 2020-07-29 | 2024-07-18 | カワサキモータース株式会社 | 移動経路生成システム、移動経路生成プログラム及び移動経路生成方法 |
US20220242440A1 (en) * | 2021-01-29 | 2022-08-04 | Argo AI, LLC | Methods and system for generating a lane-level map for an area of interest for navigation of an autonomous vehicle |
CN115113616B (zh) * | 2021-03-08 | 2024-06-14 | 广东博智林机器人有限公司 | 一种路径规划方法 |
US11965749B2 (en) * | 2021-03-31 | 2024-04-23 | Argo AI, LLC | System and method for automated lane conflict estimation in autonomous vehicle driving and map generation |
US11335142B1 (en) | 2021-06-01 | 2022-05-17 | Geotab Inc. | Systems for analyzing vehicle journeys |
US11862011B2 (en) | 2021-06-01 | 2024-01-02 | Geotab Inc. | Methods for analyzing vehicle traffic between geographic regions |
US11527153B1 (en) * | 2021-06-01 | 2022-12-13 | Geotab Inc. | Systems for analyzing vehicle traffic between geographic regions |
US20230032468A1 (en) * | 2021-07-28 | 2023-02-02 | Rivian Ip Holdings, Llc | Tour guide mode user interface and experience |
US11348064B1 (en) * | 2021-08-12 | 2022-05-31 | Airspace Technologies, Inc. | System and methods for alternate path generation |
US11748696B2 (en) | 2021-08-12 | 2023-09-05 | Airspace Technologies, Inc. | System and methods for alternate path generation |
CN114018240A (zh) * | 2021-10-29 | 2022-02-08 | 广州小鹏自动驾驶科技有限公司 | 一种地图数据的处理方法和装置 |
USD1018337S1 (en) | 2021-12-23 | 2024-03-19 | Waymo Llc | Sensor assembly |
USD1014398S1 (en) | 2021-12-23 | 2024-02-13 | Waymo Llc | Vehicle |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1343605A (zh) * | 2001-09-17 | 2002-04-10 | 杜尔文 | 以机载gps电子地图预禁止***,扼制***性劫机事件的抗偏航自适应驾驶仪 |
JP2008168805A (ja) * | 2007-01-12 | 2008-07-24 | Toyota Motor Corp | 車両およびその制御方法 |
CN102233877A (zh) * | 2010-03-30 | 2011-11-09 | 通用汽车环球科技运作有限责任公司 | 确保有限能力自动驾驶车辆的运行的方法和*** |
CN103383265A (zh) * | 2013-07-04 | 2013-11-06 | 浙江吉利汽车研究院有限公司杭州分公司 | 汽车自动驾驶*** |
JP2014125095A (ja) * | 2012-12-26 | 2014-07-07 | Tokai Rika Co Ltd | 車両盗難防止装置 |
CN104837705A (zh) * | 2012-11-30 | 2015-08-12 | 谷歌公司 | 启用和停用自动驾驶 |
US9123152B1 (en) * | 2012-05-07 | 2015-09-01 | Google Inc. | Map reports from vehicles in the field |
US9188985B1 (en) * | 2012-09-28 | 2015-11-17 | Google Inc. | Suggesting a route based on desired amount of driver interaction |
US20150345967A1 (en) * | 2014-06-03 | 2015-12-03 | Nissan North America, Inc. | Probabilistic autonomous vehicle routing and navigation |
Family Cites Families (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6192314B1 (en) | 1998-03-25 | 2001-02-20 | Navigation Technologies Corp. | Method and system for route calculation in a navigation application |
US6393362B1 (en) * | 2000-03-07 | 2002-05-21 | Modular Mining Systems, Inc. | Dynamic safety envelope for autonomous-vehicle collision avoidance system |
JP2006098232A (ja) * | 2004-09-29 | 2006-04-13 | Clarion Co Ltd | ナビゲーション装置、方法及びプログラム |
KR20080057634A (ko) | 2006-12-20 | 2008-06-25 | 엘지전자 주식회사 | 대형차량용 네비게이션 장치와 그를 이용한 경로 검색 및안내방법 |
JP2008209506A (ja) * | 2007-02-23 | 2008-09-11 | Fujitsu Ltd | グラフィックスシステム及びマスク変形方法 |
US8762056B2 (en) | 2007-06-28 | 2014-06-24 | Apple Inc. | Route reference |
JP4416020B2 (ja) * | 2007-08-03 | 2010-02-17 | トヨタ自動車株式会社 | 走行計画生成装置 |
JP2009053091A (ja) * | 2007-08-28 | 2009-03-12 | Xanavi Informatics Corp | ナビゲーション装置 |
US8406998B2 (en) | 2008-02-12 | 2013-03-26 | Cisco Technology, Inc. | Traffic predictive directions |
US20100023251A1 (en) | 2008-07-25 | 2010-01-28 | Gale William N | Cost based open area maps |
JP2010071767A (ja) * | 2008-09-17 | 2010-04-02 | Kousokuya Inc | ネットワーク経路探索装置、方法及びプログラム |
EP2169500B1 (en) | 2008-09-25 | 2012-04-04 | Volvo Car Corporation | Method of assessing vehicle paths in a road environment and a vehicle path assessment system. |
DK2343615T3 (en) | 2008-10-01 | 2019-02-18 | Murata Machinery Ltd | Independent movement device |
JP5510007B2 (ja) | 2010-04-01 | 2014-06-04 | 株式会社デンソー | 経路探索装置および経路案内システム |
JP5605101B2 (ja) * | 2010-09-07 | 2014-10-15 | トヨタ自動車株式会社 | 情報処理装置、ナビゲーション装置及び経路案内情報提供方法 |
US8509982B2 (en) | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
DE102010052114A1 (de) | 2010-11-20 | 2012-05-24 | Bayerische Motoren Werke Aktiengesellschaft | Navigationssystem |
EP2487461B1 (en) | 2011-02-09 | 2015-10-07 | Harman Becker Automotive Systems GmbH | Vehicle navigation device and method |
PE20190658A1 (es) | 2012-02-24 | 2019-05-08 | Abbvie Stemcentrx Llc | Moduladores y metodos de empleo novedosos |
US9633564B2 (en) * | 2012-09-27 | 2017-04-25 | Google Inc. | Determining changes in a driving environment based on vehicle behavior |
US9008961B2 (en) * | 2012-11-30 | 2015-04-14 | Google Inc. | Determining and displaying auto drive lanes in an autonomous vehicle |
US9096267B2 (en) * | 2013-01-21 | 2015-08-04 | GM Global Technology Operations LLC | Efficient data flow algorithms for autonomous lane changing, passing and overtaking behaviors |
JP2016513805A (ja) | 2013-03-15 | 2016-05-16 | キャリパー コーポレイション | 車両ルート指定および交通管理のための車線レベル車両ナビゲーション |
WO2014139821A1 (en) * | 2013-03-15 | 2014-09-18 | Volkswagen Aktiengesellschaft | Automatic driving route planning application |
DE102013207581A1 (de) * | 2013-04-25 | 2014-10-30 | Robert Bosch Gmbh | Verfahren zum automatischen Betätigen eines Fahrtrichtungsanzeigers eines Kraftfahrzeuges |
DE102013223428A1 (de) | 2013-11-18 | 2015-05-21 | Robert Bosch Gmbh | Verfahren und Fahrerassistenzeinrichtung zur Unterstützung von Spurwechseln bzw. Überholmanövern eines Kraftfahrzeugs |
JP6467773B2 (ja) * | 2014-02-25 | 2019-02-13 | アイシン・エィ・ダブリュ株式会社 | 経路探索システム、経路探索方法及びコンピュータプログラム |
JP6252235B2 (ja) * | 2014-02-25 | 2017-12-27 | アイシン・エィ・ダブリュ株式会社 | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム |
US9097549B1 (en) * | 2014-03-17 | 2015-08-04 | Ford Global Technologies, Llc | Learning automated vehicle |
WO2015145692A1 (ja) * | 2014-03-27 | 2015-10-01 | 三菱電機株式会社 | 運転支援情報生成システム及び運転支援情報提供装置及び運転支援情報生成方法及び運転支援情報生成プログラム |
US9713982B2 (en) * | 2014-05-22 | 2017-07-25 | Brain Corporation | Apparatus and methods for robotic operation using video imagery |
JP6308032B2 (ja) | 2014-06-04 | 2018-04-11 | 株式会社デンソー | 運転操作を生成するシステムおよび方法 |
JP6451111B2 (ja) * | 2014-07-10 | 2019-01-16 | 日産自動車株式会社 | 走行支援装置及び走行支援方法 |
JP6437629B2 (ja) * | 2015-03-03 | 2018-12-12 | パイオニア株式会社 | 経路探索装置、制御方法、プログラム及び記憶媒体 |
JP6545507B2 (ja) * | 2015-03-31 | 2019-07-17 | アイシン・エィ・ダブリュ株式会社 | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム |
US9816830B2 (en) * | 2015-05-20 | 2017-11-14 | Uber Technologies, Inc. | Navigation lane guidance |
US9733096B2 (en) * | 2015-06-22 | 2017-08-15 | Waymo Llc | Determining pickup and destination locations for autonomous vehicles |
US9701239B2 (en) * | 2015-11-04 | 2017-07-11 | Zoox, Inc. | System of configuring active lighting to indicate directionality of an autonomous vehicle |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
US10042362B2 (en) * | 2016-11-18 | 2018-08-07 | Waymo Llc | Dynamic routing for autonomous vehicles |
US10514697B2 (en) * | 2017-09-15 | 2019-12-24 | GM Global Technology Operations LLC | Vehicle remote assistance mode |
KR102567973B1 (ko) * | 2017-12-14 | 2023-08-17 | 삼성전자주식회사 | 자율주행 차량의 주행정보 제공 방법 |
US20190354114A1 (en) * | 2018-05-16 | 2019-11-21 | Uber Technologies, Inc. | Selective Activation of Autonomous Vehicles |
-
2016
- 2016-11-18 US US15/355,658 patent/US10042362B2/en active Active
-
2017
- 2017-11-14 CA CA3043211A patent/CA3043211C/en active Active
- 2017-11-14 AU AU2017362952A patent/AU2017362952B2/en not_active Ceased
- 2017-11-14 CN CN202210110545.2A patent/CN114370883B/zh active Active
- 2017-11-14 SG SG10202106031WA patent/SG10202106031WA/en unknown
- 2017-11-14 WO PCT/US2017/061478 patent/WO2018093754A1/en unknown
- 2017-11-14 JP JP2019524052A patent/JP6840240B2/ja active Active
- 2017-11-14 EP EP17805082.9A patent/EP3520095B1/en active Active
- 2017-11-14 CN CN201780074664.4A patent/CN110036425B/zh active Active
- 2017-11-14 KR KR1020197014093A patent/KR102222323B1/ko active IP Right Grant
- 2017-11-14 KR KR1020217005643A patent/KR102257112B1/ko active IP Right Grant
-
2018
- 2018-07-09 US US16/029,922 patent/US10691131B2/en not_active Expired - Fee Related
-
2020
- 2020-05-13 US US15/931,012 patent/US11537133B2/en active Active
- 2020-05-28 AU AU2020203517A patent/AU2020203517B2/en active Active
-
2021
- 2021-02-16 JP JP2021022319A patent/JP7266053B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1343605A (zh) * | 2001-09-17 | 2002-04-10 | 杜尔文 | 以机载gps电子地图预禁止***,扼制***性劫机事件的抗偏航自适应驾驶仪 |
JP2008168805A (ja) * | 2007-01-12 | 2008-07-24 | Toyota Motor Corp | 車両およびその制御方法 |
CN102233877A (zh) * | 2010-03-30 | 2011-11-09 | 通用汽车环球科技运作有限责任公司 | 确保有限能力自动驾驶车辆的运行的方法和*** |
US9123152B1 (en) * | 2012-05-07 | 2015-09-01 | Google Inc. | Map reports from vehicles in the field |
US9188985B1 (en) * | 2012-09-28 | 2015-11-17 | Google Inc. | Suggesting a route based on desired amount of driver interaction |
CN104837705A (zh) * | 2012-11-30 | 2015-08-12 | 谷歌公司 | 启用和停用自动驾驶 |
JP2014125095A (ja) * | 2012-12-26 | 2014-07-07 | Tokai Rika Co Ltd | 車両盗難防止装置 |
CN103383265A (zh) * | 2013-07-04 | 2013-11-06 | 浙江吉利汽车研究院有限公司杭州分公司 | 汽车自动驾驶*** |
US20150345967A1 (en) * | 2014-06-03 | 2015-12-03 | Nissan North America, Inc. | Probabilistic autonomous vehicle routing and navigation |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157010A (zh) * | 2019-12-31 | 2020-05-15 | 惠州市德赛西威汽车电子股份有限公司 | 一种用于无人驾驶的地图生成方法 |
CN114084167A (zh) * | 2020-06-29 | 2022-02-25 | 莱德弗利士株式会社 | 用于自动驾驶车辆的道路网络数据生成方法、装置及计算机程序 |
CN114383594A (zh) * | 2020-10-06 | 2022-04-22 | 丰田自动车株式会社 | 地图生成装置、地图生成方法以及地图生成用计算机程序 |
CN114446091A (zh) * | 2020-11-05 | 2022-05-06 | 株式会社日立制作所 | 行驶区域管理装置、行驶区域管理***及其方法 |
CN114446091B (zh) * | 2020-11-05 | 2024-07-12 | 株式会社日立制作所 | 行驶区域管理装置、行驶区域管理***及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110036425B (zh) | 2022-02-01 |
JP2020502632A (ja) | 2020-01-23 |
US20200341478A1 (en) | 2020-10-29 |
CN114370883B (zh) | 2024-04-16 |
CA3043211C (en) | 2024-03-19 |
AU2020203517B2 (en) | 2021-05-20 |
JP6840240B2 (ja) | 2021-03-10 |
SG10202106031WA (en) | 2021-07-29 |
AU2017362952A1 (en) | 2019-05-23 |
KR20210024232A (ko) | 2021-03-04 |
AU2017362952B2 (en) | 2020-04-23 |
US20190004527A1 (en) | 2019-01-03 |
AU2020203517A1 (en) | 2020-06-18 |
US11537133B2 (en) | 2022-12-27 |
JP2021082331A (ja) | 2021-05-27 |
WO2018093754A1 (en) | 2018-05-24 |
KR102257112B1 (ko) | 2021-05-27 |
EP3520095A1 (en) | 2019-08-07 |
KR20190067233A (ko) | 2019-06-14 |
EP3520095B1 (en) | 2024-02-14 |
CN114370883A (zh) | 2022-04-19 |
US20180143643A1 (en) | 2018-05-24 |
US10042362B2 (en) | 2018-08-07 |
CA3043211A1 (en) | 2018-05-24 |
US10691131B2 (en) | 2020-06-23 |
JP7266053B2 (ja) | 2023-04-27 |
KR102222323B1 (ko) | 2021-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110036425A (zh) | 用于自动驾驶车辆的动态路由 | |
US11257377B1 (en) | System for identifying high risk parking lots | |
US11474519B2 (en) | Systems and methods for computer-assisted shuttles, buses, robo-taxis, ride-sharing and on-demand vehicles with situational awareness | |
US11977387B2 (en) | Queueing into pickup and drop-off locations | |
CN109890677A (zh) | 规划自动驾驶车辆的停止位置 | |
CN109814520A (zh) | 用于确定自主车辆的安全事件的***和方法 | |
JP7217340B2 (ja) | 停止した自律型車両によって引き起こされる周辺道路利用者への迷惑の低減 | |
JP2022504457A (ja) | 自律車両の信号機検知および車線状態認識 | |
CN109562760A (zh) | 对于自主车辆测试预测 | |
US9868391B1 (en) | Scenario based audible warnings for autonomous vehicles | |
US11964673B2 (en) | Systems and methods for autonomous vehicle controls | |
US20230168095A1 (en) | Route providing device and route providing method therefor | |
KR102210140B1 (ko) | 센서 데이터로부터 생성된 물체를 평활화하기 위한 맵 정보의 이용 | |
CN113692373B (zh) | 自动驾驶车辆服务的滞留和范围分析 | |
US11391587B1 (en) | Assessing the impact of blockages on autonomous vehicle services | |
US20220326711A1 (en) | Evaluating pullovers for autonomous vehicles | |
US20230375362A1 (en) | Reachability User Experience Interfaces for Autonomous Vehicles | |
CN114428498A (zh) | 在自主车辆的靠边停车和下客期间增强乘客的意识 | |
US20230400314A1 (en) | Method and apparatus for predicting carjackings | |
US11790777B2 (en) | Intelligent predictive sign boards for road safety | |
US20230324183A1 (en) | Method and apparatus for determining vehicle change of direction | |
EP4209805A1 (en) | Radar multipath filter with track priors |
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 |