CN110383005A - 一种用于为自动驾驶车辆形成局部导航路径的方法 - Google Patents

一种用于为自动驾驶车辆形成局部导航路径的方法 Download PDF

Info

Publication number
CN110383005A
CN110383005A CN201780084686.9A CN201780084686A CN110383005A CN 110383005 A CN110383005 A CN 110383005A CN 201780084686 A CN201780084686 A CN 201780084686A CN 110383005 A CN110383005 A CN 110383005A
Authority
CN
China
Prior art keywords
path
module
barrier
vehicle
sensing data
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
Application number
CN201780084686.9A
Other languages
English (en)
Other versions
CN110383005B (zh
Inventor
彼得·福斯伯格
古斯塔夫·约翰松
马蒂亚斯·瓦斯特比
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.)
Kopack System Co
Original Assignee
Kopack System Co
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 Kopack System Co filed Critical Kopack System Co
Publication of CN110383005A publication Critical patent/CN110383005A/zh
Application granted granted Critical
Publication of CN110383005B publication Critical patent/CN110383005B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • B60W2050/0025—Transfer function weighting factor
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本公开涉及一种用于为自动驾驶车辆(100，102)形成局部导航路径的方法，具体地，使用分别针对特定路径和障碍物状况的多个路径检测模块(206)和障碍物避免模块(208)。本公开还涉及导航路径确定***(200)和相应的计算机程序产品。

Description

一种用于为自动驾驶车辆形成局部导航路径的方法
技术领域
本公开涉及一种用于为自动驾驶车辆形成局部导航路径的方法，特别是使用分别单独地针对特定路径和障碍物状况的多个路径检测模块和障碍物回避模块。本公开还涉及导航路径确定***和相应的计算机程序产品。
背景技术
最近，在车辆的半自动驾驶或全自动驾驶操作方面取得了很大进步，有效地提供了驾驶员辅助和安全功能，诸如自适应巡航控制、行人检测、前后碰撞警告、车道偏离警告和一般障碍物检测。这种自动驾驶车辆通常利用多个传感器，这些传感器被配置为检测关于车辆周围的环境的信息。传感器可以例如实现相机视觉和雷达或LiDAR技术，可能融合了来自传感器的输出以形成对车辆环境的理解。
在US20140379247中呈现了这种车辆的示例，其中，车辆及其相关的控制***使用从传感器提供的信息来通过环境导航。例如，如果传感器检测到车辆正在接近障碍物，则控制***调整车辆的方向控制以使车辆围绕障碍物导航。
具体地，根据US20140379247的控制***通过控制车辆的速度和方向，利用导航/路径***以及障碍物回避***，以将车辆安全地导航在车辆周围的所检测的环境内。通常，导航/路径***和障碍物回避***二者将通用对象和特征检测过程应用于导航和障碍物回避，使得车辆的操作总体可靠。然而，由于由US20140379247呈现的通用对象和特征检测过程方法，该实现方式通常将是计算低效，因此很慢。因此，为改进用于自动驾驶车辆的路径计算而期望提供更深一层的进步，特别是针对适合于车载实现方式的计算效率，可能还允许改进车辆操作的鲁棒性。
发明内容
根据本公开的方面，通过用于为自动驾驶车辆形成局部导航路径的计算机实现的方法至少部分地减轻了上述情况，该方法包括下述步骤：接收传感器数据，其中，传感器数据包括关于在车辆的行驶方向上的和在车辆附近的区域的信息；提供多个路径检测模块，每个路径检测模块适于基于传感器数据来检测特定类型的路径状况，其中，为多个路径检测模块的每一个提供路径计算模块，并且每个路径计算模块适于如果检测到特定路径状况则基于传感器数据来生成引生路径计算；提供多个障碍物回避模块，每个障碍物回避模块适于基于传感器数据来检测特定类型的障碍物，其中，为多个障碍物回避模块的每一个提供障碍物计算模块，并且每个障碍物计算模块适于如果检测到特定障碍物类型则基于传感器数据来生成引生障碍物计算；启用多个路径检测模块和多个障碍物检测模块；组合引生路径计算和障碍物计算；以及基于组合的结果来形成局部导航路径。
根据本公开，多个单独的和针对性的路径检测模块具体适用于检测特定类型的路径状况。这样的路径状况可以例如包括十字路口、会合地点(节点/路点)、路口、上坡路段、下坡路段、左转或右转、特定地标等。也就是说，本公开提供了一种"分拆手段"，其中每个所述路径检测模块例如可以是针对单一类型的路径状况而被训练的，而不是应用使用用于对象和特征检测的通用过程的现有技术手段。这种手段将允许优化每个路径检测模块的特定实现方式，通常提高计算效率，因为每个路径检测模块可以被用于集中于单一类型的路径状况，而不是多用途检测实现所需的一般化。通过使用针对性的实现方式，还可以减少路径检测所需的执行时间以及提高诸如当使用相对而言更通用的检测过程时，可能不容易识别的“复杂”路径状况的可检测性。
应当理解到，多个障碍物回避模块应用与用于多个路径检测模块的方法类似的手段，即用于检测特定类型的障碍物的针对性的实现方式。障碍物可以例如包括人类/个人/动物/行人、另一车辆、(本)车辆附近的静止或移动的对象等。
根据本公开，多个路径检测模块和多个障碍物检测模块随后被启用，优选地同时且并行地启用。例如，一旦检测到特定类型的路径状况，就提供其专用路径计算模块，并且将其用于基于所提供的传感器数据来生成引生路径计算。类似地，在多个障碍物检测模块中的一个检测到特定类型的障碍物的情况下，提供其专用的障碍物计算模块并且将其用于基于传感器数据来生成引生障碍物计算。结果路径计算和障碍物计算随后被组合并用于形成局部导航路径。
值得注意的是，如上文使用的表述“自动驾驶车辆”应当被广义地解释并且涉及以完全或部分自动驾驶模式操作的车辆。在部分自动驾驶车辆中，一些功能可以可选地在一些或全部时间(例如，由驾驶员控制)手动控制。此外，部分自动驾驶车辆可以被配置为在全手动操作模式和部分自动驾驶和/或全自动驾驶操作模式之间切换。
表述“局部导航路径”应当被理解为对应于车辆在从第一节点A行进到第二节点B时行进的路径之中的相对而言的“短”的区段。相反，全局导航路径被理解为(通常)对应于当车辆从起点行进到目的地时所行进的路径。因此，全局导航路径由相对而言大量的多个局部导航路径组成。根据本公开，全局导航路径(A到B)可以在“微观级别”上由多个随后形成的局部导航路径进行适配，以便当从A行进到B时，在车辆的当前位置处理“当前情况”。应当理解到，所提及的节点A和B可以被称为“路点”，这意味着车辆行驶的整个计划行程可以是“更长的”，其中，节点A和节点B本身形成总体行程(即，从起点到目的地)的一个区段。因此，总体行程可以包括将车辆从节点A操作到节点B，然后到节点C，最后到节点D，其中节点A表示起点，节点D表示(总体)目的地。对于总体行程的每个区段，例如区段A到B，形成多个局部导航路径并且被用于车辆的操作。
在本公开的可能实施例中，局部导航路径适于在0到约200米之间。然而，还可以能够允许根据车辆的当前速度来设定局部导航路径的长度。例如，可能期望设定局部导航路径以这种方式匹配车辆的速度，使得车辆可以在单个局部导航路径内的操作期间完全停止。在本公开的实施例中，该方法每秒(重复)执行大约10-100次。
如从上文理解到，在多个具体适配的路径检测模块中的一个未检测到“其”针对性的路径状况的情况下，通常不会启用其专用路径计算模块，并且因此不会生成引生路径计算。当然，相同的手段也适用于障碍物回避模块。因此，引生路径计算和障碍物计算的组合由此通常将仅包括其中已经检测到特定类型的路径/障碍物的计算，从而得到不受“未检测到的”路径状况或障碍物影响的局部导航路径。
根据上文论述，如果未检测到特定路径状况，则根据本公开，可以“停用”相关路径检测模块(由此停用相应的路径计算模块)。此外，当然同样也可以将其适用于障碍物检测模块。因为仅相关路径检测模块和/或障碍物回避模块正在使用(通常限制在汽车环境中)可用的计算资源，所以停用的可能性将允许降低***的总体计算负担。
在本公开的优选实施例中，在没有来自先前导航路径确定的历史反馈的情况下执行后续导航路径确定。也就是，并非是允许历史数据(即，先前确定的局部导航路径)影响确定或将来的局部导航路径，而是允许该过程“重新开始”。因此，与先前确定的局部导航路径一起引入的可能错误将不会影响对未来局部导航路径的确定。因此，次级故障通常将不会是由未来局部导航路径包含的问题。
接着上文的论述，对于导航上述类型的自动驾驶车辆，以度量方式不断地存储和涉及环境的每个细节是低效的，因为这会占用太多的存储和计算能力。此外，遵循诸如从A到B的绝对预定义的轨道将需要在所有情况下难以实现的准确度。因此，在给定情况下获取最佳信息量以完成指定任务是更有效的。在通常驾驶中，遵循轨道规则就足够了，并且不会不与任何东西碰撞。因此，不需要绝对定位。另一方面，可能需要知道特定位置(例如卡车的货物装载点等)的绝对精确导航。因此，优选使用具有附加的特定信息(与所形成的局部导航路径相关)的被引入的灵活结构，因为这将大大降低计算和存储要求。因此，本公开的目的是以量身定制的方式解决上述问题，在第一节点A和第二节点B之间提供有效且灵活的导航，提出了使用所形成的局部导航路径来实施导航的概念。
优选地，从包括在车辆中的至少一个传感器接收传感器数据，该至少一个传感器例如是激光扫描仪装置、雷达装置、超声装置和相机装置。另外传感器当然是可能的并且在本公开的范围内。
在本公开的优选实施例中，传感器数据被布置为提供表示车辆的周围环境的三维(3D)点云。这种实现方式允许形成车辆周围的区域/环境的完整拓扑/结构。例如，3D点云可以通过使用光检测和测距(LiDAR)传感器扫描车辆周围的地理来获取。LiDAR传感器通过发射多个激光来计算车辆与周围表面之间的距离。激光的发射角度和距离数据被转换成三维(3D)点。所获得的点数范围从数千到数十万。
在本公开的另一实施例中，组合步骤是通过路径计算和障碍物计算的加权融合来执行的。这种实施方式允许例如当将(相关的)引生路径计算与(相关的)引生障碍物计算相结合时，还涉及可靠性因素的可能性。
如上所示，每个路径检测器模块以及每个障碍物检测模块都针对特定路径状况和特定类型的障碍物。在实施例中，可以基于先前获取的传感器数据来“训练”至少一些模块(路径/障碍物)，从而允许进一步优化相应的模块，从而可能得到与上述通用实现方式相比甚至更高的可靠性。在一些实施例中，训练可以是应用人工智能(A1)领域内的技术。
然而，应当注意到，即使例如特定(单个)路径检测器模块将针对特定类型的路径状况，表述“特定类型的路径状况”也应当被理解为包括“类似的”和可能相关类型的路径状况。因此，可以能够允许针对“一组”类似路径状况来训练特定类型的路径检测器模块。
根据本公开的另一方面，提供了一种用于自动驾驶车辆的导航路径确定***，包括控制单元，控制单元适于：接收传感器数据，其中，传感器数据包括关于在车辆的行驶方向上的和在车辆附近的区域的信息；提供多个路径检测模块，每个路径检测模块适于基于传感器数据来检测特定类型的路径状况，其中，为多个路径检测模块中的每一个提供路径计算模块，并且每个路径计算模块适于如果检测到特定路径状况则基于传感器数据来生成引生路径计算；提供多个障碍物回避模块，每个障碍物回避模块适于基于传感器数据来检测特定类型的障碍物，其中，为多个障碍物回避模块中的每一个提供障碍物计算模块，并且每个障碍物计算模块适于如果检测到特定障碍物类型则基于传感器数据来生成引生障碍物计算，启用多个路径检测模块和多个障碍物检测模块，组合引生路径计算和障碍物计算，以及基于组合的结果来形成局部导航路径。本公开的该方面提供与上文关于本公开的前一方面所所述类似的优点。
在一个实施例中，控制单元可以是电子控制单元(ECU)，其通常被提供为车辆的车载组件，车辆例如是公共汽车、卡车、汽车或任何形式的施工设备。此外，车辆可以是纯电动车辆(PEV)和混合动力电动车辆(HEV)中的至少一种。
根据本公开的另一方面，提供一种计算机程序产品，包括具有其上存储的计算机程序装置的非瞬时性计算机可读介质，所述计算机程序装置用于操作用于自动驾驶车辆的导航路径确定***，所述***包括控制单元，其中，所述计算机程序产品包括，用于接收传感器数据的代码，其中，所述传感器数据包括关于在所述车辆的行驶方向上的和在车辆附近的区域的信息；用于提供多个路径检测模块的代码，每个路径检测模块适于基于所述传感器数据来检测特定类型的路径状况，其中，为所述多个路径检测模块中的每一个提供路径计算模块，并且每个路径计算模块适于如果检测到所述特定路径状况则基于所述传感器数据来生成引生路径计算；用于提供多个障碍物回避模块的代码，每个障碍物回避模块适于基于所述传感器数据来检测特定类型的障碍物，其中，为所述多个障碍物回避模块的每一个提供障碍物计算模块，并且每个障碍物计算模块适于如果检测到所述特定障碍物类型则基于所述传感器数据来生成引生障碍物计算；用于启用所述多个路径检测模块和所述多个障碍物检测模块的代码，用于组合引生路径计算和障碍物计算的代码，以及用于基于所述组合的结果来形成局部导航路径的代码。本公开的该方面同样提供与上文关于本公开的前一方面所述类似的优点。
计算机可读介质可以是任何类型的存储设备，包括如下设备中的一种：本领域中已知的可移动非易失性随机存取存储器、硬盘驱动器、软盘、CD-ROM、DVD-ROM、USB存储器、SD存储卡或者类似的计算机可读介质。
在下述描述和从属权利要求中公开了本公开的其它优点和有利特征。
附图说明
参考附图，下面将更详细地描述作为示例引用的本公开的实施例。
在附图中：
图1A图示了轮式装载机以及图1B图示了卡车，其中，可以结合根据本公开的导航路径确定***；
图2图示了根据本公开的当前优选实施例的用于形成局部导航路径的概念导航路径确定***；
图3是从度量图中提取的拓扑图的示例性图示；
图4图示了用于执行根据本公开的方法的处理步骤。
具体实施方式
现在将参考附图，在下文中更全面地描述本公开，在附图中，示出了本公开的当前优选的实施例。然而，本公开可以以许多不同的形式实施，并且本公开不应当被解释为限于本文中所阐述的实施例；而是，提供这些实施例是为了全面和完整并且向本领域技术人员充分传达本公开的范围。在整个附图中，相同的附图标记指代相同的元件。
现在参考附图并且具体地参考图1A，描绘了示例性车辆，在此图示为轮式装载机100，其中，其中可以并入根据本公开的导航路径确定***200。当然，可以在如图1B所示的卡车102、汽车、公共汽车等中以稍微不同的方式实现导航路径确定***200。车辆可以例如是电动或混合动力车辆，或者可以是燃气、汽油、柴油车辆中的一个。车辆包括电机(在车辆是电动或混合动力车辆的情况下)或发动机(诸如在是燃气、汽油、或柴油车辆的情况下的内燃机发动机)。
图2示出了导航路径确定***200的概念和示例性实现方式，包括用于形成局部导航路径的控制单元，诸如电子控制单元(ECU)202。ECU 202实现用于诸如接收来自LiDAR装置(如上所述)的接口、用于生成传感器数据的一个或多个相机和/或另外的传感器，该传感器数据包括关于例如车辆100、102(在车辆100、102的行驶方向上)的前方和附近的区域的信息。
在一些实施例中，来自例如相机和LiDAR设备的传感器数据可以可选地通过融合模块204组合或融合在一起，用于提高关于例如在车辆100、102前方以及在车辆100、102附近的区域的信息的准确度。然后，将组合/融合的传感器数据提供给多个路径检测模块206和多个障碍物回避模块208中的每一个。如上所述，每个路径检测模块206适于基于传感器数据来检测特定类型的路径状况。类似地，每个障碍物回避模块208适于基于传感器数据来检测特定类型的障碍物。
在路径检测模块206中的一个检测到“其”特定类型的路径状况的情况下，传感器数据被转发到已经具体地针对该特定类型的路径状况的路径计算模块210。通常，仅在路径检测模块206检测到其特定类型的路径状况的情况下才转发传感器数据。关于所述障碍物回避模块208也以类似的手段来实施，其有相关的且具体地针对性的障碍物计算模块212。
在传感器数据已经被转发到特定路径计算模块210的情况下，路径计算模块210将基于传感器数据来生成引生路径计算(a resulting path calculation)。类似地，在传感器数据被转发到特定障碍物计算模块212的情况下，将基于传感器数据来生成障碍物计算。如上所述，以并行方式启用多个不同类型的路径检测模块206和多个不同类型的障碍物回避模块208，用于识别不同类型的路径状况和不同类型的障碍物。在检测到一个或多个路径状况和/或障碍物的情况下，这将随后产生引生路径计算和引生障碍物计算。根据本公开的可能实施例，引生路径计算和引生障碍物计算可以被组合或融合在一起。例如由路径检测模块206、障碍物回避模块208、路径计算模块210和障碍物计算模块212使用的算法优选地受人工智能(AI)启发，因为简单的结构赋予它们更快的执行时间。AI算法的另一个优点是它们在实际状况下往往更加鲁棒。
因此，ECU 202可以附加地/可选地包括(加权)融合模块214，用于形成车辆的整个局部导航路径。加权融合模块214可以例如在形成车辆的局部导航路径时考虑与引生路径计算和引生障碍物计算有关的任何不确定性。因此，在例如由特定针对性的障碍物计算模块生成的引生障碍物计算指示了与其结果障碍物计算相比存在高不确定性的情况下，则该特定结果障碍物计算在形成局部导航路径时可以被赋予较低的优先级。
如上所述，局部导航路径通常仅用于(相对而言)短期导航，例如在0-200米的范围内。此外，形成局部导航路径的过程优选地每秒重复大约10-100次。此外，当形成“新的”局部导航路径时，优选不使用任何历史数据，诸如与先前的局部导航路径形成有关的信息。
在本公开的实施例中，可以停用路径检测模块206和障碍物回避模块208中的那些实际上未检测到“其”特定状况(路径状况或障碍物类型)的模块。利用这种实施方式，可以减少ECU 202的计算负担，从而进一步简化处理。此外，应当理解到，上文列出的模块(例如，融合模块204、路径检测模块206、障碍物回避模块208、路径计算模块210、障碍物计算模块212、加权融合模块214等)在概念上可以被实现为由ECU 202执行的软件模块。在优选实施例中，上文列出的模块根据所选择的实现方式可以同时地执行，可能并行地执行。
作为参考，ECU 202可以例如被表现为通用处理器、专用处理器、包含处理部件的电路、分布式处理部件组、经配置用于处理的分布式计算机组、现场可编程门阵列(FPGA)等。处理器可以是或包括用于进行数据或信号处理或者用于执行存储器中存储的计算机代码的硬件组件的任何数目。存储器可以是用于存储数据和/或计算机代码的一个或多个设备，用于完成或促进本说明书中描述的各种方法。存储器可以包括易失性存储器或非易失性存储器。存储器可以包括用于支持本说明书的各种活动的数据库组件、对象代码组件、脚本组件或任何其它类型的信息结构。根据示例性实施例，任何分布式或本地存储设备都可以与本说明书的***和方法一起使用。根据示例性实施例，存储器可通信地被连接到处理器(例如，经由电路或任何其它有线、无线或网络连接)，并且存储器包括用于执行本文中描述的一个或多个过程的计算机代码。
进一步参考图3，优选地将所形成的局部导航路径与总体全局导航路径组合，用于生成车辆的操作指令。也就是，能够接收用于操作车辆从第一节点A到第二节点B的指令。在可以容易地接收到卫星信号的区域中操作车辆的情况下，可以诸如从全球定位***(GPS)或类似物接收与针对车辆的绝对位置有关的某种形式的信息。在例如其中卫星信号不可用的地下矿井或类似环境中操作车辆的情况下，可以使用其他替代方案。
GPS位置(或类似位置)可以与用于操作(驾驶)车辆到目的地(诸如如图3所示的从A到B)的指令一起使用。然而，在这样的实施例中，全局导航路径将被用于生成(使用全局导航路径模块216)以驾驶车辆的总体指令；实际的“局部”导航将取决于根据本公开提供的所形成的局部导航路径的序列。因此，全局导航路径通常受所形成的局部导航路径“影响”(例如，使用组合模块218)。因此，全局导航路径提供“到哪里”的总体指令，并且局部导航路径按照驾驶路径的局部特征(通常基于引生路径计算)被用于“车辆的直接操作”，并且被使用以(通常基于引生障碍物计算)避免在行驶路径上或附近存在的任何先前未知的障碍物。
因此，导航指令可以例如被提供给利用车辆提供的一个或多个控制过程，例如设置航向以回避所检测到的障碍物。因此，车辆可以被提供有指令，该指令用于调整航向、增加或减小速度、改变档位等。这些实施方式对于本领域技术人员来说是公知的。
进一步参考图3，还应当理解到，全局导航路径可以包括从例如节点A(车辆100、102初始所处的位置)导航到节点B，然后到节点E，然后到节点D的指令。在该示例中，节点D被设定为总体目的地。
根据本公开，可以为节点B、E和D中的每一个提供路径检测模块206。也就是，相应的路径检测模块206可以针对特定的“地标”，在该示例中，地标分别与节点B、E和D的每一个有关。因此，相应的路径检测模块206可以被用于检测用于操作车辆100、102的特定特征。另外的路径检测模块206通常以并行地方式被执行，用于识别与车道有关的不同“调整”，诸如正或负倾斜、左转或右转等。当然，这适用于障碍物检测模块208。
一旦路径检测模块206具体地针对与节点B有关的地标信息，则相对应的路径计算模块210将被用于向节点B导航。一旦到达节点B(节点B不再可检测到)，就可以停用专门针对与节点B有关的地标信息的路径检测模块206。
在节点B处，存在三个可用选项，朝向节点F、朝向节点C、或朝向节点E行驶车辆100、102。根据本公开并且如上所述，在这种情况下，全局导航路径已经通过所提供的指令指示车辆100、102应当选择朝向节点E的路径。然后，具体针对与节点E有关的地标信息的路径检测模块206可以被赋予优先级以用于检测以及用于到达节点E的相对应的路径计算。如上所述，也可以采用类似的手段来到达节点D的最终目的地。
最后转到图4，其示出了用于执行根据本公开的方法的处理步骤。具体地，根据本公开的方法包括下述步骤：S1，接收传感器数据，其中，传感器数据包括有关车辆100、102的行驶方向上和附近的区域的信息；S2，提供多个路径检测模块206，每个路径检测模块206适于基于传感器数据来检测特定类型的路径状况，其中，为多个路径检测模块210中的每一个提供路径计算模块206以及每个路径计算模块210适于如果检测到特定路径状况则基于传感器数据来生成引生路径计算；S3，提供多个障碍物回避模块208，每个障碍物回避模块208适于基于传感器数据来检测特定类型的障碍物，其中，为多个障碍物回避模块212中的每一个提供障碍物计算模块208，以及每个障碍物计算模块适于如果检测到特定障碍物类型则生成引生障碍物计算；S4，启用多个路径检测模块206和多个障碍物检测模块208；S5，组合引生路径计算和障碍物计算；以及S6，基于组合的结果，形成局部导航路径。
本公开设想了用于完成各种操作的任何机器可读介质上的方法、设备和程序产品。本公开的实施例可以使用现有的计算机处理器来实现，或者通过用于适当***的专用计算机处理器来实现，或者通过硬连线***来实现，所述专用计算机处理器被结合用于这个或另一个目的。本公开范围内的实施例包括程序产品，其包括用于承载或具有在其上存储的机器可执行指令或数据结构的机器可读介质。这种机器可读介质能够是能够由通用或专用计算机或具有处理器的其它机器访问的任何可用介质。
举例来说，这种机器可读介质能够包括能够用于以机器可执行指令或数据结构的形式携带或存储的所期望的程序代码并且能够被通用或专用计算机或者具有处理器的其它机器存取的RAM、ROM、EPROM、EEPROM、CD-ROM或其它光盘存储器、磁盘存储器或其它磁存储设备、或者任何其它介质。当信息通过网络或另一个通信连接(硬布线、无线、或者硬布线或无线的组合)传输或提供给机器时，该机器适当地将该连接视为机器可读介质。因此，任何这样的连接都被适当地称为机器可读介质。上述的组合也被包括在机器可读介质的范围内。机器可执行指令包括例如使通用计算机、专用计算机或专用处理机执行某一功能或功能组的指令和数据。
尽管附图可以示出方法步骤的特定次序，但是这些步骤的顺序可以不同于所描绘的顺序。此外，可以同时或部分同时执行两个或更多个步骤。这样的变化将取决于所选择的软件和硬件***以及设计者的选择。所有这些变化都在本公开的范围内。同样，可以用标准编程技术来完成软件实施，该标准编程技术具有基于规则的逻辑和其它逻辑，以完成各种连接步骤、处理步骤、比较步骤和决定步骤。此外，尽管已经参考其特定的示例性实施例描述了本公开，但是对于本领域技术人员来说，许多不同的变型、修改等将变得显而易见。
通过对附图、公开内容和所附权利要求的研究，本领域技术人员在实践所要求保护的公开时能够理解和实现对所公开的实施例的变体。此外，在权利要求中，词语“包括”不排除其它元件或步骤，并且不定冠词“一”或“一个”不排除多个。

Claims (17)

1.一种用于为自动驾驶车辆(100，102)形成局部导航路径的计算机实现的方法，所述方法包括下述步骤：
-接收(S1)传感器数据，其中，所述传感器数据包括关于在所述车辆(100，102)的行驶方向上的以及在所述车辆(100，102)附近的区域的信息，
-提供(S2)多个路径检测模块(206)，每个路径检测模块(206)适于基于所述传感器数据来检测特定类型的路径状况，其中，为所述多个路径检测模块(206)中的每一个路径检测模块(206)提供路径计算模块(210)，并且每个路径计算模块(210)适于如果检测到所述特定路径状况则基于所述传感器数据来生成引生路径计算，
-提供(S3)多个障碍物回避模块(208)，每个障碍物回避模块(208)适于基于所述传感器数据来检测特定类型的障碍物，其中，为所述多个障碍物回避模块(208)中的每一个障碍物回避模块(208)提供障碍物计算模块(212)，并且每个障碍物计算模块(212)适于如果检测到所述特定障碍物类型则基于所述传感器数据来生成引生障碍物计算，
-启用(S4)所述多个路径检测模块(206)和所述多个障碍物检测模块(208)，
-组合(S5)引生路径计算和障碍物计算，以及
-基于(S6)所述组合的结果来形成所述局部导航路径。
2.根据权利要求1所述的方法，其中，
如果未检测到所述特定路径状况，则停用路径检测模块(206)。
3.根据权利要求1和2中任一项所述的方法，其中，
如果未检测到所述特定障碍物类型，则停用障碍物检测模块(206)。
4.根据前述任一项权利要求所述的方法，其中，
从所述车辆(100，102)所包含的至少一个传感器接收所述传感器数据。
5.根据前述任一项权利要求所述的方法，其中，
所述至少一个传感器选自包括激光扫描器装置、雷达装置、超声装置和相机装置的组。
6.根据前述任一项权利要求所述的方法，其中，
所述传感器数据被布置为提供表示所述车辆(100，102)的周围环境的三维(3D)点云。
7.根据前述任一项权利要求所述的方法，其中，
所述组合(S5)的步骤是通过所述路径计算和所述障碍物计算的加权融合来执行的。
8.根据前述任一项权利要求所述的方法，其中，
对于特定类型的路径状况来训练所述路径检测器模块(206)中的每一个路径检测器模块(206)，所述特定类型的路径状况诸如道路交叉口的类型、道路类型或隧道类型。
9.根据前述任一项权利要求所述的方法，其中，
所述局部导航路径为0到约200米之间。
10.根据前述任一项权利要求所述的方法，其中，
所述方法被每秒执行约10-100次。
11.根据前述任一项权利要求所述的方法，其中，在没有来自先前导航路径确定的历史反馈的情况下，执行后续的导航路径确定。
12.一种用于自动驾驶车辆(100，102)的导航路径确定***(200)，其包括控制单元(202)，所述控制单元(202)适于：
-接收传感器数据，其中，所述传感器数据包括关于在所述车辆(100，102)的行驶方向上的以及在所述车辆(100，102)附近的区域的信息，
-提供多个路径检测模块(206)，每个路径检测模块(206)适于基于所述传感器数据来检测特定类型的路径状况，其中，为所述多个路径检测模块(206)中的每一个路径检测模块(206)提供路径计算模块(210)，并且每个路径计算模块(210)适于如果检测到所述特定路径状况则基于所述传感器数据来生成引生路径计算，
-提供多个障碍物回避模块(208)，每个障碍物回避模块(208)适于基于所述传感器数据来检测特定类型的障碍物，其中，为所述多个障碍物回避模块(208)中的每一个障碍物回避模块(208)提供障碍物计算模块(212)，并且每个障碍物计算模块(212)适于如果检测到所述特定障碍物类型则基于所述传感器数据来生成引生障碍物计算，
-启用所述多个路径检测模块(206)和所述多个障碍物检测模块(208)，
-组合引生路径计算和障碍物计算，以及
-基于所述组合的结果来形成局部导航路径。
13.根据权利要求12所述的导航路径确定***(200)，其中，
从所述车辆(100，102)所包含的至少一个传感器接收所述传感器数据。
14.根据权利要求12和13中的任一项所述的导航路径确定***(200)，其中，
所述至少一个传感器选自包括激光扫描器装置、雷达装置、超声装置和相机装置的组。
15.一种自动驾驶车辆(100，102)，其包括根据权利要求12-14中任一项所述的导航路径确定***(200)。
16.根据权利要求15所述的车辆(100，102)，其中，
所述车辆(100，102)是至少部分地基于所形成的局部导航路径来***作的。
17.一种计算机程序产品，其包括在上面存储有计算机程序装置的非瞬时性计算机可读介质，所述计算机程序装置用于操作自动驾驶车辆的导航路径确定***(200)，所述***包括控制单元，其中，所述计算机程序产品包括，
-用于接收传感器数据的代码，其中，所述传感器数据包括关于在所述车辆(100，102)的行驶方向上的以及在所述车辆(100，102)附近的区域的信息，
-用于提供多个路径检测模块(206)的代码，每个路径检测模块(206)适于基于所述传感器数据来检测特定类型的路径状况，其中，为所述多个路径检测模块(206)中的每一个路径检测模块(206)提供路径计算模块(210)，并且每个路径计算模块(210)适于如果检测到所述特定路径状况则基于所述传感器数据来生成引生路径计算，
-用于提供多个障碍物回避模块(208)的代码，每个障碍物回避模块(208)适于基于所述传感器数据来检测特定类型的障碍物，其中，为所述多个障碍物回避模块(208)中的每一个障碍物回避模块(208)提供障碍物计算模块(212)，并且每个障碍物计算模块(212)适于如果检测到所述特定障碍物类型则基于所述传感器数据来生成引生障碍物计算，
-用于启用所述多个路径检测模块(206)和所述多个障碍物检测模块(208)的代码，
-用于组合引生路径计算和障碍物计算的代码，以及
-用于基于所述组合的结果来形成局部导航路径的代码。
CN201780084686.9A 2017-01-27 2017-01-27 一种用于为自动驾驶车辆形成局部导航路径的方法 Active CN110383005B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2017/051804 WO2018137774A1 (en) 2017-01-27 2017-01-27 A method for forming a local navigation path for an autonomous vehicle

Publications (2)

Publication Number Publication Date
CN110383005A true CN110383005A (zh) 2019-10-25
CN110383005B CN110383005B (zh) 2023-04-11

Family

ID=57944413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780084686.9A Active CN110383005B (zh) 2017-01-27 2017-01-27 一种用于为自动驾驶车辆形成局部导航路径的方法

Country Status (4)

Country Link
US (1) US11391579B2 (zh)
EP (1) EP3574287B1 (zh)
CN (1) CN110383005B (zh)
WO (1) WO2018137774A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI748678B (zh) * 2020-10-06 2021-12-01 艾歐圖科技股份有限公司 基於地面資訊優化的車輛自主定位系統
CN116129647A (zh) * 2023-02-28 2023-05-16 禾多科技（北京）有限公司 一种基于危险点的全闭环场景重构方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110383005B (zh) * 2017-01-27 2023-04-11 科派克***公司 一种用于为自动驾驶车辆形成局部导航路径的方法
JP7271950B2 (ja) * 2019-01-04 2023-05-12 トヨタ自動車株式会社 車両の制御装置
WO2020233772A1 (en) * 2019-05-17 2020-11-26 Volvo Truck Corporation A method for operating an autonomous vehicle
US11634144B2 (en) * 2020-09-24 2023-04-25 Zhejiang University Sensing method and sensing device for human driven vehicles under partial VANET (vehicular ad hoc network) environment
CN112578790B (zh) * 2020-10-30 2022-12-23 芜湖哈特机器人产业技术研究院有限公司 局部路径规划方法及agv小车
US11960282B2 (en) * 2021-01-05 2024-04-16 Abb Schweiz Ag Systems and methods for servicing a data center using autonomous vehicle
CN114719867B (zh) * 2022-05-24 2022-09-02 北京捷升通达信息技术有限公司 一种基于传感器的车辆导航方法及***

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6161071A (en) * 1999-03-12 2000-12-12 Navigation Technologies Corporation Method and system for an in-vehicle computing architecture
JP2001056230A (ja) * 1999-08-20 2001-02-27 Alpine Electronics Inc 車載用ナビゲーションシステム
JP2008039501A (ja) * 2006-08-03 2008-02-21 Denso Corp 車載用ナビゲーション装置
CN101652802A (zh) * 2007-04-02 2010-02-17 松下电器产业株式会社 安全驾驶支持装置
CN102227612A (zh) * 2008-10-24 2011-10-26 格瑞股份公司 自主驾驶车辆的控制和***
CN103038605A (zh) * 2010-06-15 2013-04-10 通腾比利时公司 数字地图中的用于障碍物穿越的位置检测、时间表及行进时间估计
CN104538898A (zh) * 2015-01-14 2015-04-22 国家电网公司 巡线车控制***和巡线车控制方法
JP2015210592A (ja) * 2014-04-24 2015-11-24 日立オートモティブシステムズ株式会社 外界認識装置
US20150354976A1 (en) * 2014-06-10 2015-12-10 Mobileye Vision Technologies Ltd. Top-down refinement in lane marking navigation
US20160076906A1 (en) * 2014-09-12 2016-03-17 Telenav, Inc. Navigation system with destination action mechanism and method of operation thereof
CN105526941A (zh) * 2014-10-15 2016-04-27 哈曼国际工业有限公司 在不熟悉的道路上为驾驶者提供替代道路导航指令
CN105706011A (zh) * 2013-11-07 2016-06-22 富士机械制造株式会社 自动运转***及自动行走机
CN106004876A (zh) * 2015-03-31 2016-10-12 丰田自动车工程及制造北美公司 用于自动驾驶***的基于间隙的速度控制

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPQ181699A0 (en) 1999-07-23 1999-08-19 Cmte Development Limited A system for relative vehicle navigation
US7797108B2 (en) 2006-10-19 2010-09-14 Gm Global Technology Operations, Inc. Collision avoidance system and method of aiding rearward vehicular motion
US8681222B2 (en) * 2010-12-08 2014-03-25 GM Global Technology Operations LLC Adaptation for clear path detection with additional classifiers
US9275545B2 (en) * 2013-03-14 2016-03-01 John Felix Hart, JR. System and method for monitoring vehicle traffic and controlling traffic signals
US9145139B2 (en) 2013-06-24 2015-09-29 Google Inc. Use of environmental information to aid image processing for autonomous vehicles
US10185311B2 (en) * 2015-10-08 2019-01-22 King Fahd University Of Petroleum And Minerals Methods and apparatus to design collaborative automation systems based on data distribution service middleware
DE102016220075A1 (de) * 2016-10-14 2018-04-19 Audi Ag Kraftfahrzeug und Verfahren zur 360°-Umfelderfassung
CN110383005B (zh) * 2017-01-27 2023-04-11 科派克***公司 一种用于为自动驾驶车辆形成局部导航路径的方法
CN110603497B (zh) * 2017-02-10 2021-11-16 日产北美公司 自主车辆操作管理控制的自主车辆和方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6161071A (en) * 1999-03-12 2000-12-12 Navigation Technologies Corporation Method and system for an in-vehicle computing architecture
JP2001056230A (ja) * 1999-08-20 2001-02-27 Alpine Electronics Inc 車載用ナビゲーションシステム
JP2008039501A (ja) * 2006-08-03 2008-02-21 Denso Corp 車載用ナビゲーション装置
CN101652802A (zh) * 2007-04-02 2010-02-17 松下电器产业株式会社 安全驾驶支持装置
CN102227612A (zh) * 2008-10-24 2011-10-26 格瑞股份公司 自主驾驶车辆的控制和***
CN103038605A (zh) * 2010-06-15 2013-04-10 通腾比利时公司 数字地图中的用于障碍物穿越的位置检测、时间表及行进时间估计
CN105706011A (zh) * 2013-11-07 2016-06-22 富士机械制造株式会社 自动运转***及自动行走机
JP2015210592A (ja) * 2014-04-24 2015-11-24 日立オートモティブシステムズ株式会社 外界認識装置
US20150354976A1 (en) * 2014-06-10 2015-12-10 Mobileye Vision Technologies Ltd. Top-down refinement in lane marking navigation
US20160076906A1 (en) * 2014-09-12 2016-03-17 Telenav, Inc. Navigation system with destination action mechanism and method of operation thereof
CN105526941A (zh) * 2014-10-15 2016-04-27 哈曼国际工业有限公司 在不熟悉的道路上为驾驶者提供替代道路导航指令
CN104538898A (zh) * 2015-01-14 2015-04-22 国家电网公司 巡线车控制***和巡线车控制方法
CN106004876A (zh) * 2015-03-31 2016-10-12 丰田自动车工程及制造北美公司 用于自动驾驶***的基于间隙的速度控制

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
RANDERSON ARAUJO DE LEMOS; OLMER GARCIA; JANITO VAQUEIRO FERREIR: "Local and global path generation for autonomous vehicles using splines", 《2015 WORKSHOP ON ENGINEERING APPLICATIONS - INTERNATIONAL CONGRESS ON ENGINEERING (WEA)》 *
吴超辉等: "基于ESPO算法的装甲部队城市道路机动路径选择", 《测绘与空间地理信息》 *
李鹏，温素芳: "基于模糊控制的路径规划算法的实现", 《杭州电子科技大学学报》 *
章登鹏;谭彧: "巡线导航智能车的路径优化" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI748678B (zh) * 2020-10-06 2021-12-01 艾歐圖科技股份有限公司 基於地面資訊優化的車輛自主定位系統
CN116129647A (zh) * 2023-02-28 2023-05-16 禾多科技（北京）有限公司 一种基于危险点的全闭环场景重构方法
CN116129647B (zh) * 2023-02-28 2023-09-05 禾多科技（北京）有限公司 一种基于危险点的全闭环场景重构方法

Also Published As

Publication number Publication date
US20210213972A1 (en) 2021-07-15
CN110383005B (zh) 2023-04-11
EP3574287B1 (en) 2020-11-11
US11391579B2 (en) 2022-07-19
EP3574287A1 (en) 2019-12-04
WO2018137774A1 (en) 2018-08-02

Similar Documents

Publication Publication Date Title
CN110383005A (zh) 一种用于为自动驾驶车辆形成局部导航路径的方法
CN106080744B (zh) 自动驾驶车辆***
CN110546696B (zh) 用于自主车辆的用于自动生成和更新数据集的方法
EP3477616A1 (en) Method for controlling a vehicle using a machine learning system
JP6625939B2 (ja) 自律移動体に対する不正確なセンサ・データの関連付けを最小限とする方法
CN107406073B (zh) 用于在无碰撞性方面监视要由车辆驶过的额定轨迹的方法和设备
CN105936276A (zh) 行驶控制装置
US20200026277A1 (en) Autonomous driving decisions at intersections using hierarchical options markov decision process
CN109624974A (zh) 车辆控制装置、车辆控制方法以及存储介质
CN108007452A (zh) 根据障碍物更新环境地图的方法、装置及机器人
CN103026396A (zh) 驾驶辅助装置
JPWO2018142527A1 (ja) 走行履歴の記憶方法、走行軌跡モデルの生成方法、自己位置推定方法、及び走行履歴の記憶装置
CN108646752A (zh) 自动驾驶***的控制方法及装置
CN110060467A (zh) 预测装置、预测方法及存储介质
US20170082454A1 (en) Method and Device for Operating a Vehicle and Driver Assistance System
US11768080B2 (en) Optimal route searching device and operation method thereof
US9616886B2 (en) Size adjustment of forward objects for autonomous vehicles
KR102425741B1 (ko) 차선 인식 실패 대응 자율 주행 방법 및 자율주행 차량 주행 가이드 데이터 구축 방법
EP3477259A1 (en) Method and system for estimating quality of measuring results of one of more sensors mounted on a mobile platform
JP7441843B2 (ja) 車両の座標を特定する方法
JP6988210B2 (ja) 運転支援車両の走行ルート生成方法及び走行ルート生成装置
JP2021120683A (ja) 出力装置、制御方法、プログラム及び記憶媒体
JP2023520380A (ja) 経路区間評価方法及び車両操作方法
JP2021123178A (ja) 経路計画装置、経路計画方法、経路計画プログラム
CN110574086A (zh) 车辆控制装置

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