CN110497908A - 自动驾驶***和使用传感器融合进行智能车辆控制的控制逻辑 - Google Patents
自动驾驶***和使用传感器融合进行智能车辆控制的控制逻辑 Download PDFInfo
- Publication number
- CN110497908A CN110497908A CN201910307143.XA CN201910307143A CN110497908A CN 110497908 A CN110497908 A CN 110497908A CN 201910307143 A CN201910307143 A CN 201910307143A CN 110497908 A CN110497908 A CN 110497908A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- threshold value
- confidence value
- prediction
- motor vehicles
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 113
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000005183 dynamical system Methods 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000003449 preventive effect Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 41
- 238000004891 communication Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000000246 remedial effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 108050008316 DNA endonuclease RBBP8 Proteins 0.000 description 1
- 102100024455 DNA repair protein SWI5 homolog Human genes 0.000 description 1
- 101000832371 Homo sapiens DNA repair protein SWI5 homolog Proteins 0.000 description 1
- RAQQRQCODVNJCK-JLHYYAGUSA-N N-[(4-amino-2-methylpyrimidin-5-yl)methyl]-N-[(E)-5-hydroxy-3-(2-hydroxyethyldisulfanyl)pent-2-en-2-yl]formamide Chemical compound C\C(N(Cc1cnc(C)nc1N)C=O)=C(\CCO)SSCCO RAQQRQCODVNJCK-JLHYYAGUSA-N 0.000 description 1
- 102100035250 SUMO-activating enzyme subunit 2 Human genes 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
- B60T7/22—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger initiated by contact of vehicle, e.g. bumper, with an external object, e.g. another vehicle, or by means of contactless obstacle detectors mounted on the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0052—Filtering, filters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/06—Direction of travel
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
- B60W2710/0666—Engine torque
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/08—Electric propulsion units
- B60W2710/083—Torque
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
提出了用于智能车辆控制的自动驾驶***、制造/使用这种***的方法,以及配备有这种自动驾驶***的机动车辆。一种用于执行自动驾驶操作的方法包括:确定用于主体机动车辆的路径规划数据,包括当前车辆位置和预测路线数据;从传感设备的网络接收指示当前对象位置和目标对象的对象动态的传感器数据;将传感器融合技术应用于所接收到的传感器数据,以确定威胁置信度值,该威胁置信度值预测目标对象相对于车辆位置和预测路线的侵入;确定该威胁置信度值是否大于校准阈值;以及响应于威胁置信度值大于校准阈值,将一个或多个命令信号发送到一个或多个车辆***(例如,动力系、转向和/或制动***)以采取预防措施。
Description
引言
本公开总体涉及具有自动驾驶能力的机动车辆。更具体地,本公开的各方面涉及使用传感器融合来实现智能车辆车头时距控制的自适应巡航控制***。
当前生产的机动车辆(比如现代汽车)最初配备或改装成包括车载电子设备的网络,该车载电子设备提供有助于使驾驶员努力最小化的自动驾驶能力。例如,在汽车应用中,最可识别类型的自动驾驶特征件是巡航控制***,其允许车辆操作者设定特定车辆速度并且使车载计算机***保持该速度而驾驶员不操作加速器或制动器踏板。新一代自适应巡航控制***(ACC;也称为自动巡航控制***)是一种计算机自动车辆控制特征件,其可调节车速同时一并管理主车辆与前车或尾随车辆之间的前后间距。另一种类型的自动驾驶特征件是防碰撞***(CAS),其检测即将发生的碰撞情况并向驾驶员提供警告,同时还在没有驾驶员输入的情况下例如通过转向或制动来自动地采取预防措施。智能停车辅助***(IPAS)、车道监控和自动驾驶(“自动驾驶”)***以及其他高级驾驶员辅助***(ADAS)和自动驾驶功能也可用于许多现代汽车。
随着车辆传感、通信和控制能力持续改进,制造商将坚持提供更多自动驾驶能力,期望最终提供能够在城市和农村场景中的异构车辆类型之间操作的完全自动车辆。原始设备制造商(OEM)正在向具有更高级别驾驶自动化的车辆到车辆(V2V)“谈话”汽车发展。该汽车使用自动***来实现具有转向、车道变换、情景规划等的车辆路线安排。自动路线生成***利用车辆状态和动态传感器、相邻车辆和道路状况数据以及路径预测算法来提供具有自动车道中心和车道变换预测的路径生成。计算机辅助的路线重新安排技术提供可预测的替代行驶路线,其可以例如基于实时和虚拟车辆数据来更新。
发明内容
本文公开了用于智能车辆操作的自动驾驶***和附带的控制逻辑,用于构造的方法和用于操作这种***的方法,以及采用传感器融合来执行智能车辆操纵的机动车辆。作为示例,提出了一种新颖的全速范围自适应巡航控制(FSRACC)***,用于在主车辆的预测路径内或其附近的预计碰撞事件期间控制车辆车头时距。与标准巡航控制相反,FSRACC***保持期望的车辆速度,同时进行反应速度调节以控制主车辆和主车辆前方车辆之间的车头距离,包括全停功能。FSRACC***利用传感器融合来提供准确的目标信息并评估碰撞威胁概率,以帮助实现对主机路径中的目标的准确车头时距控制。基于传感器融合的信息用于基于利用基于预测的数据(结合或代替实际的路径内目标检测)的行为预测技术来评估威胁用于执行车头时距控制。这种基于预测的控制***增加了车辆或驾驶员可用于执行制动操纵的时间量,以及增加车辆或驾驶员在碰撞周围操纵的距离量。使用基于传感器融合的即将发生的碰撞评估来执行车头时距控制允许ACC***在主车辆路径中发生碰撞的情况下清理出更多速度,并且允许CAS采取更有效的避让措施。
本文还呈现了一种基于传感器融合的综合车辆切入/切出预测***,其预测进入(切入)或退出(切出)主车辆的预测路径的车辆。切入/切出预测***采用行为预测算法,该算法使用融合的多传感器数据结合ADAS反馈确定被跟踪对象的动态属性,例如,以规划和管理期望的车辆轨迹。该***能够合理计算切入/切出潜力,并根据识别出的威胁等级随后选择跟踪对象。附带的方法将轨道数据覆盖到主车辆的延伸的规划轨迹上,例如,以允许相对于规划路径的运动跟踪,而不是仅依赖于道路上的可见油漆标记。通过这样做,该***能够扩展目标的检测和切入/切出的实际事件之间的有效范围、精度和时间。附带的方法例如基于对主机的威胁评估来选择和分类感兴趣的对象,从而实现ADAS特征件的增加的车辆控制和反应时间。
切入/切出预测方法和***提高了在弯曲道路上和到目标对象(例如,30-35+米)的较大距离处的驾驶场景的准确性。基于视觉的技术可以补充预测分析,例如,以检测相对于车道标记的对象位置。预测切入/切出技术有助于确保顶级ADAS性能,在主车辆和被跟踪对象之间的较大相对速度值下产生一致的结果。
本公开的各方面涉及基于传感器融合的对象侵入评估技术和用于机动车辆的辅助和自动驾驶***的计算机可执行算法。例如,提出了一种用于执行机动车辆的自动驾驶操作的方法。该代表性方法包括以任何顺序并且与以上和以下公开的任何选项和特征的任何组合:经由机动车辆的驻车控制器确定机动车辆的路径规划数据,该路径规划数据包括,例如,当前车辆位置、附带的车辆动态(例如,前进、速度、加速或减速等)和预测路线;从机动车辆的车载(和可选地,车外)传感设备的分布式网络接收指示当前对象位置和目标对象的附带的对象动态的传感器数据(例如,一个或多个前导、尾随和/或经过的机动车辆);将传感器融合模块(例如,用于聚合、分析和源自异构或同质传感设备的数据的联盟的计算框架)应用于所接收到的传感器数据,以确定目标对象相对于主体机动车辆的位置和预测路线的侵入的威胁置信度值;经由驻车控制器确定威胁置信度值是否大于第一校准阈值;并且,响应于威胁置信度值大于第一校准阈值,驻车控制器将第一命令信号发送到第一车辆动态***以采取第一预防措施。
对于任何所公开的***、方法和车辆,驻车控制器还可以:响应于威胁置信度值不大于第一校准阈值,确定威胁置信度值是否大于小于第一校准阈值的第二校准阈值;并且,响应于威胁置信度值大于第二校准阈值,将第二命令信号发送到第二车辆动态***以采取第二预防措施。对于至少一些实施方式,第一命令信号是制动命令(例如,起动、压力和持续时间),第一车辆动态***是车辆的制动***,并且第一预防措施包括制动操纵(例如,超控节气门和启动车辆制动)。同样地,第二命令信号可以是速度清理命令(例如,脱离变速器输出轴),第二车辆动态***是车辆的动力***,并且第二预防措施包括扭矩减小措施(例如,超控节气门并停止向车轮传递扭矩)。
对于任何所公开的***、方法和车辆,可以将传感器融合应用于所接收到的传感器数据,以确定目标对象相对于机动车辆的预测路线的预测的侵入位置(例如,车头距离)。可以执行迭代预测和校正以确定该预测的目标对象的侵入位置的精准变化。迭代预测和校正协议还可以生成机动车辆和目标对象之间的相对速度。根据前述数据,该方法可以基于改进的预测侵入位置更新威胁置信度值,并且同时确定威胁置信度值的这种精准变化是否大于第一校准阈值。在这种情况下,响应于精准威胁置信度值大于第一校准阈值,第一命令信号被发送到第一车辆动态***以启动第一预防措施。同样,驻车控制器可以确定精准威胁置信度值是否大于第二校准阈值。在这种情况下,响应于精准威胁置信度值大于第二校准阈值,第二命令信号被发送到第二车辆动态***以开始第二预防措施。
对于任何所公开的***、方法和车辆,每个车载(和/或车外)传感设备可以相对于相应的坐标系生成它们各自的传感器数据部分。可以调节所接收到的传感器数据以使传感设备的相应坐标系与公共坐标系相互关联。作为另一种选择,可以执行数据关联协议以对接收的传感器数据的每个相应部分进行分类,以使传感器数据的这些相应部分中的相关部分相关。一旦数据调节和关联完成,驻车控制器可融合传感器数据以确定初步融合切入/切出预测值,利用校正卡尔曼滤波器处理该初步融合切入/切出预测值例如,以修复传感器增益和传感器误差,并利用预测卡尔曼滤波器处理滤波的切入/切出预测值,例如,以使目标对象的位置和速度值精准。
对于任何所公开的***、方法和车辆,驻车控制器可以从车载/车外传感设备的分布式网络接收指示当前对象位置的传感器数据和第二目标对象的附带的对象动态。驻车控制器可以接收观察下的两个目标对象的行为数据,并且将传感器融合应用于所接收到的传感器数据和行为数据以评估机动车辆的车辆位置和预测路线内或附近的两个目标对象之间的碰撞(例如,发生的可能性、评估的位置、评估的发生时间等)。
本公开的其他方面涉及采用基于传感器融合的对象侵入评估技术来执行辅助或自动驾驶操作的机动车辆。如本文所用,术语“机动车辆”可包括任何相关的车辆平台,比如客车(内燃机、混合动力、全电动、燃料电池等)、商用车辆、工业车辆、履带式车辆、越野车辆和全地形车(ATV)、农场设备、船只、飞机等。此外,术语“辅助”和“自动化的”和“自动的”可用于任何可归类为美国汽车工程师学会(SAE)2级、3级、4级或5级车辆的相关车辆平台。例如,SAE等级0通常被称为“无辅助”驾驶,其允许车辆产生的警告具有瞬间干预,否则仅依赖于人为控制。相比之下,SAE3级允许具有足够的车辆自动化功能的无辅助、部分辅助和全辅助驾驶用于实现整车控制(转向、速度、加速/减速等),同时在校准时间范围内强制驾驶员进行干预。在频谱的上端是5级自动化,它完全消除了人为干预(例如,没有方向盘、油门踏板或换档旋钮)。
在一个示例中,提出了一种机动车辆,其包括具有车辆动力系(例如,发动机/电动机、变速器、终传动、动力系控制模块(PCM)等)的车身、车辆制动***(例如,磁盘/鼓、液压***、制动***控制模块(BSCM)等),以及车载传感设备网络(例如,雷达、激光雷达、红外线、摄像机、GPS等),所有这些都安装在车身。驻留(或远程)车辆控制器通信地连接到车辆动力系、制动***和各种传感设备。驻车控制器被编程为计算、调用、评估或检索(统称“确定”)路径规划数据,该路径规划数据指示车辆的当前位置和机动车辆的预测路线。另外,驻车控制器从各种传感设备检索、访问或收集(统称“接收”)指示当前对象位置和目标对象的相关对象动态的传感器数据。将传感器融合模块应用于该传感器数据以确定威胁置信度值,该威胁置信度值预测目标对象相对于车辆位置和预测路线的侵入。如果确定威胁置信度值大于第一校准阈值,则车辆控制器将响应地将制动命令信号发送到车辆制动***以执行规定的制动操纵。然而,如果威胁置信度值不大于第一校准阈值,则驻车控制器将确定威胁置信度值是否大于小于第一校准阈值的第二校准阈值。响应于确定威胁置信度值大于第二校准阈值,将速度清理命令信号发送到车辆动力系以执行扭矩减小措施。
以上发明内容不旨在表示本公开的每个实施例或每个方面。相反,前述发明内容仅提供了本文阐述的一些新颖概念和特征的示例。本发明的上述特征和优点以及其他特征和附带的优点将从以下结合附图和所附权利要求的用于实施本发明的示例性实例和代表性模式的详细描述中变得显而易见。此外,本公开明确地包括以上和以下呈现的元件和特征的任何和所有组合和子组合。
附图说明
图1是根据本公开的各方面的具有用于执行自动化和/或自动驾驶操作的车载控制器、传感设备和通信设备的网络的代表性机动车辆的示意图。
图2是根据所公开构思的方面的基于传感器融合的行为预测和威胁评估协议的流程图,其可以对应于由机载或远程控制逻辑电路、可编程电子控制单元或其他基于计算机的设备或设备网络执行的指令。
图3是根据所公开构思的方面的自动车辆制动操纵协议的流程图,该协议可以对应于由机载或远程控制逻辑电路、可编程电子控制单元或其他基于计算机的设备或设备网络执行的指令。
图4是根据所公开构思的方面的自动车辆速度清理协议的流程图,该协议可以对应于由机载或远程控制逻辑电路、可编程电子控制单元或其他基于计算机的设备或设备网络执行的指令。
图5是根据所公开构思的各方面的用于基于自动传感器融合的车辆切入/切出预测协议的流程图,其可以对应于由车载或远程控制逻辑电路、可编程电子控制单元或其他基于计算机的设备或设备网络执行的指令。
本公开可以进行各种修改和替换形式,并且一些代表性实施例在附图中以示例的方式示出并且将在本文中详细描述。然而,应该理解,本公开的新颖方面不限于以上列举的附图中所示的特定形式。而是,本公开内容将涵盖落入所附权利要求所涵盖的本公开范围内的所有修改、等效物、组合、子组合、置换、分组和替代。
具体实施方式
本公开内容可以以许多不同的形式实施。在附图中示出并且将在本文中详细描述本公开的代表性实施例,应理解这些示出的示例是作为所公开的原理的示例而不是对本公开的广泛方面的限制而提供的。就此而言,例如在摘要、引言、发明内容和具体实施方式部分中描述但未在权利要求中明确阐述的元件和限制不应单独或共同地通过暗示、推论或其他而并入权利要求中。
出于本具体实施方式的目的,除非明确声明:单数包括复数,反之亦然;“和”和“或”这两个词应该是连词和分隔词;“任何”和“所有”都应表示“任何和所有”;且词语“包括”和“包含”和“具有”各自表示“包括但不限于”。此外,近似词比如“约”、“几乎”、“基本上”、“近似”等等,例如,可以在本文中以“在、接近或接近于”或“在0-5%之内”或“在可接受的制造公差范围内”或其任何逻辑组合的意义上使用。最后,方向形容词和副词,例如前、后、内侧、外侧、右舷、端口、垂直、水平、向上、向下、前、后、左、右等,可以相对于机动车辆,比如,当车辆可操作地定向在正常驱动表面上时,作为机动车辆的前进行驶方向。
现在参考附图,其中相同的附图标记在若干视图中指代相同的特征,在图1中示出了代表性的汽车,其通常用10表示并且在本文中被描述为用于讨论作为轿车式乘用车的目的。包装在汽车10的车身12上,例如,分布在不同的车辆隔间中的是用于执行一个或多个辅助或自动驾驶操作的电子设备的车载网络。图示的汽车10(在本文中也称为“机动车辆”或简称“车辆”)仅仅是示例性应用,利用该应用可以实践本公开的各方面和特征。同样,下面讨论的特定ADAS体系结构和功能的本概念的实施也应当被理解为本文公开的新颖特征的示例性应用。这样,应当理解,本公开的各方面和特征可以应用于其他***架构,用于其他自动驾驶操作,并且可以实施用于任何逻辑相关类型的机动车辆。此外,仅示出了车辆10的选定部件,并且将在本文中进一步详细描述。然而,这里讨论的机动车辆和网络架构可以包括许多附加和替代特征,以及其他可用的***组件,例如,用于执行本公开的各种方法和功能。最后,这里给出的附图不一定按比例绘制,而纯粹是出于教学目的而提供的。因此,附图中示出的特定和相对尺寸不应被解释为限制。
图1的代表性车辆10包括:图1最初配备有车辆通信和信息(“远程信息处理”)单元14,其与远程定位或“场外”云计算***24(例如,经由蜂窝塔、基站和/或移动交换中心(MSC)等)无线通信。通常在图1中示出的一些其他车辆硬件组件16包括作为非限制性示例的显示设备18,麦克风28、扬声器30和输入控制32(例如,按钮、旋钮、开关、触摸板、键盘、触摸屏等)。通常,这些硬件组件16使用户能够与远程信息处理单元14以及车辆10内的其他***和***组件通信。麦克风28为车辆乘员提供输入口头或其他听觉命令的装置;车辆10可以配备有利用人/机(HMI)技术的嵌入式语音处理单元。相反,扬声器30向车辆乘员提供听觉输出,并且可以是专用于远程信息处理单元14的独立扬声器,或者可以是音频***22的一部分。音频***22可操作地连接到网络连接接口34和音频总线20,以经由一个或多个扬声器组件接收模拟信息,将其呈现为声音。
与远程信息处理单元14通信耦合的是网络连接接口34,其适当的示例包括双绞线/光纤以太网交换机、内部/外部并行/串行通信总线、局域网(LAN)接口、控制器区域网络(CAN)、面向媒体的***传输(MOST)、本地互连网络(LIN)接口等。其他适当的通信接口可以包括符合ISO、SAE和IEEE标准和规范的通信接口。网络连接接口34使得车辆硬件16能够彼此发送信号并且与各种***和子***一起发送和接收信号,所述***和子***都在车身12内或“驻留”在车身12或在车身12外部或“远离”车身12。这允许车辆10执行各种车辆功能,比如控制车辆转向、调节车辆变速器的操作、控制发动机节气门、接合/分离制动***,以及其他自动驾驶功能。例如,远程信息处理单元14向/从ADAS电子控制单元(ECU)52、发动机控制模块(ECM)54、动力系控制模块(PCM)56、传感器接口模块58、制动***控制模块(BSCM)60和各种其他车辆ECU,比如变速器控制模块(TCM)、气候控制模块(CCM)等接收和/或发送数据。
继续参考图1,远程信息处理单元14是车载计算设备,其单独地或通过其与其他联网设备的通信来提供混合服务。该远程信息处理单元14通常由一个或多个处理器40组成,每个处理器40可以体现为分立的微处理器、专用集成电路(ASIC)或专用控制模块。车辆10可以经由中央处理单元(CPU)36提供集中的车辆控制,该中央处理单元可操作地耦合到一个或多个电子存储设备38,每个电子存储设备38可以采用CD-ROM、磁盘、IC设备、半导体存储器(例如,各种类型的RAM或ROM)等,以及实时时钟(RTC)42的形式。可以经由蜂窝芯片组/组件、导航和定位芯片组/组件(例如,全球定位***(GPS))或者无线调制解调器中的一个或多个或全部提供具有远程、场外联网设备的远程车辆通信能力,所有这些都集中在44处表示。可以经由短程无线通信设备46(例如,蓝牙单元或近场通信(NFC)收发器)、专用短程通信(DSRC)组件48和/或双天线50提供近距离无线连接。应当理解,车辆10可以在没有上面列出的组件中的一个或多个的情况下实施,或者可以包括特定最终用途所需的附加组件和功能。上述各种通信设备可以被配置为在V2V通信***或车辆到所有(V2X)通信***(例如,车辆到基础设施(V2I)、车辆到行人(V2P)和/或车辆到设备(V2D))中作为周期性广播的一部分来交换数据。
CPU36从一个或多个传感设备接收数据,所述传感设备使用例如光检测、雷达、激光、超声波、光学、红外或用于对象检测的其他合适技术,包括比如DSRC或超宽带(UWB)的短程通信技术。根据所示的示例,汽车10可配备有一个或多个数字相机62、一个或多个范围传感器64、一个或多个车辆速度传感器66、一个或多个车辆动态传感器68,以及任何必要的过滤、分类、用于处理原始传感器数据的融合和分析硬件和软件。数字相机62可以使用电荷耦合设备(CCD)传感器或其他合适的光学传感器来生成指示车辆10的视野的图像,并且可以被配置用于连续图像生成,例如,每秒生成至少约35个图像。作为比较,范围传感器64可以发射和检测反射的无线电波、电磁波或基于光的波(例如,雷达、EM感应、光检测和测距(LIDAR)等)以检测例如对象的存在、几何尺寸和/或接近度。车速传感器66可以采用各种形式,包括测量车轮速度的车轮速度传感器,然后将其用于确定实时车辆速度。此外,车辆动态传感器68可以是单轴或三轴加速度计、角速率传感器、倾斜仪等的性质,用于检测纵向和横向加速度、偏航、滚动和/或俯仰速率或其他动态相关参数。CPU36通过使用来自传感设备62、64、66、68的数据来识别车辆10的可检测范围内的对象,并确定目标对象的属性,比如尺寸、相对位置、接近角度、相对速度,等等
这些传感器相对于车辆左舷侧或右舷侧的相应视图分布在整个车辆10中的可操作无阻碍的位置。每个传感器产生指示目标对象的特征或状况的电信号,通常作为具有相应标准偏差的评估。虽然这些传感器的操作特性通常是互补的,但某些操作特性在评估某些参数方面比其他操作特性更可靠。大多数传感器具有不同的操作范围和覆盖区域,并且能够在其操作范围内检测不同的参数。例如,基于雷达的传感器可以评估对象的范围、范围变化率和方位角定位,但是在评估检测到的对象的范围时可能不稳健。另一方面,具有光学处理的相机在评估对象的形状和方位角位置时可能更稳健,但在评估对象的范围和范围变化率方面可能效率较低。基于扫描型LIDAR的传感器可以相对于评估范围和方位角位置有效且准确地执行,但是可能无法准确地评估范围变化率,因此对于新的对象获取/识别可能不准确。相比之下,超声波传感器能够评估范围,但通常不能准确地评估范围变化率和方位角位置。此外,许多传感器技术的性能可能受到不同环境条件的影响。因此,传感器通常呈现参数方差,其操作重叠提供感觉融合的机会。
现在参考图2的流程图,根据本公开的各方面,一般在100处描述用于基于传感器融合的行为预测和威胁评估的改进的方法或控制策略。图2中所示的一些或所有操作以及下面进一步详细描述的可以表示对应于处理器可执行指令的算法,该处理器可执行指令可以存储在例如主或辅助或远程存储器中,并且例如由车载或远程控制器、处理单元、控制逻辑电路或其他模块或设备执行,以执行与所公开的概念相关联的任何或所有上述或下述功能。应该认识到,可以改变所示操作框的执行顺序、可以添加附加框,并且可以修改、组合或去除所描述的一些框。
方法100在终端框101处开始,其具有用于可编程控制器或控制模块或类似合适的处理器的处理器可执行指令,以调用协议的初始化程序以管理在主题(主)车辆的预测路径内或附近的预计的碰撞事件期间控制车辆车头时距的自动驾驶***的操作。该例程可以在正在进行的车辆操作期间实时地、连续地、***地、偶发地和/或以规则的间隔执行,例如每100毫秒等。继续参考图1的架构作为图2中所示方法的代表性实施方式,每当主题车辆10遇到另一辆机动车辆而驻留FSRACC***处于活动状态时,可以启动方框101处的初始化程序。例如,当车辆10在多车道高速公路上行驶时,驾驶员、驻留CPU36和/或专用ADAS#ECU52可以激活FSRACC以维持设定速度。在FSRACC的主动使用期间,车辆10可能遇到一个或多个经过的车辆,例如,以第一速度在第一(左)相邻车道行驶以在第一时间经过的第一目标车辆,以及以第二速度在第二(右)相邻车道行驶以在第二时间经过的第二目标车辆。使用来自如上所述的图1的各种传感设备的任何组合的传感器反馈,车辆CPU36执行新的对象获取、完成对象表征(例如,识别相应的类型、宽度、长度(OT、OW和OL)等)、跟踪对象动态(例如,相应的横向和纵向速度(VX和VY)、横向和纵向加速度(AX和AY)等,并且进行对象布置(例如,相对位置、车道偏移、当前车道宽度、相对车道等)。
如下面将详细解释的,驻留(或远程)车辆控制器将融合前述基于传感器的数据,并结合每个目标对象的行为数据分析融合数据,以计算它是否在统计上可能是每个目标车辆将进入(切入)或退出(切出)车辆10的预测路径。同时,车辆控制器将评估这两个目标车辆在统计上是否可能以将全部或部分地阻碍车辆10的预测路径的方式碰撞。威胁的确定可以基于计算给定目标车辆整体侵入“侵入箱”的概率,该“侵入箱”被配置为限制主题车辆10,但是被转换到沿着主车辆的规划路径的目标对象附近的相对位置。当进行即将发生的碰撞的高置信度预测时,可以生成指示碰撞的评估轨迹的虚拟“碰撞目标”并将其馈送到车头时距控制逻辑,使得可以采取补救措施。例如,CPU36可以响应地命令ECM54减少发动机输出,并且同时命令PCM56切断到车轮转角组件的扭矩传递,从而允许平滑的扭矩切断。在上述速度清理的同时,CPU36可以命令BSCM60应用计算制动压力,该计算制动压力被校准以确保车辆10在车辆10超过虚拟碰撞目标之前将停止或能够采取避让措施。应该认识到,所公开的方法本身不限于FSRACC应用,并且可以应用于其他ADAS***以及SAE2/3/4/5级自动驾驶***。
在判断框103处,图2的方法100包括确定评估的威胁置信度值是否大于第一(主要)校准阈值。该威胁置信度值以将至少部分地阻碍主题车辆的预测路线,因为其涉及主题车辆的当前(实时)位置的方式来预测目标对象(例如,经过的机动车辆)的侵入。以上一般性地解释了侵入预测,并且将在下面讨论图5的方法400期间进一步详细描述侵入预测。响应于确定威胁置信度值实际上大于第一(主要)校准阈值(框103=是),方法100前进到预定义过程框105,其中指令用于车辆控制器以发送第一命令信号到第一车辆动态***以采取第一(主要)预防措施。作为示例而非限制,CPU36可以将例如,具有开始时间、校准的液压值和持续时间段的制动命令信号或者信号发送到车辆制动***以执行制动操纵,例如,以完全停止或将速度降低到计算值,该计算值将容易地允许避让转向操纵。下面参考图3的方法200更详细地进一步描述图2的预定义过程框105。
如果确定威胁置信度值不大于第一(主要)校准阈值(框103=否),则方法100前进到判断框107,其中指令用于车辆控制器以确定威胁置信度值是否大于第二(辅助)校准阈值。该从属校准阈值(可以表示为TV2)小于主校准阈值,其可以表示为TV1(例如,TV1=95%;TV2=75%)。响应于确定威胁置信度值大于第二(从属)校准阈值(框107=是),方法100前进到预定义过程框109,其中指令用于车辆控制器以将第二命令信号发送到第二车辆动态***来采取第二(从属)预防措施。作为非限制性示例,CPU36可以将速度清理命令信号或信号传输到PCM56,该PCM56将相应的命令传递到例如变矩器以使发动机从变速器脱离到分离式离合器机构以脱离牵引电动机(例如,在混合动力、燃料电池或全电动车辆配置中)和/或到动力传动设备以脱离变速器的输出轴,以便执行扭矩减小措施,例如,超控发动机节气门和停止扭矩传递到车轮。
如果威胁置信度值不大于第二(从属)校准阈值(框107=否),则方法100可以前进到终端框111并终止,或者可以循环回到终端框101并且在一个连续的循环内运行。可以设想,在框105和109处示出的预定义过程框可以各自由设计用于减轻碰撞事件的其他自动车辆操作补充或取代,包括自动车道变换或其他避让转向操纵、听觉/视觉驾驶员警告、车辆加速或减速,以及其他防撞操作。通过区分分层置信度阈值以确定采取哪种补救行动过程,图2的方法100有助于确保主要预防措施(车辆制动和/或避让转向)与二级预防措施(速度清理和/或驾驶员警告)之间的分离。下面参考图4的方法300更详细地进一步描述图2的预定义过程框109。
现在参考图3的流程图,根据本公开的各方面,一般在200处描述用于执行主要预防措施的改进的方法或控制策略,即上文关于预定义过程框105描述的自动车辆制动操纵。图3中所示的一些或所有操作以及下面进一步详细描述的可以表示对应于处理器可执行指令的算法,该处理器可执行指令可以存储在例如主或辅助或远程存储器中,并且例如由车载或远程控制器、处理单元、控制逻辑电路或其他模块或设备执行,以执行与所公开的概念相关联的任何或所有上述或下述功能。应该认识到,可以改变所示操作框的执行顺序、可以添加附加框,并且可以修改、组合或去除所描述的一些框。
在初始化预定义过程框105时,例如,作为对判断框103处的肯定判断的自动响应,图3的方法200前进到过程框201,其中处理器可执行指令用于驻留或远程车辆控制器以将传感器融合模块应用于聚合的原始传感器数据,从而确定目标对象相对于主车辆的预测的路线和位置的预测侵入位置。作为非限制性示例,机动车辆10的CPU36可以将传感器融合应用于目标动态数据-速度、加速度、轨迹、相对位置等-以及目标行为数据-感测到的不稳定运动、超速、转向等-以导出用于预测路径侵入和路径内碰撞的评估位置。在建立对碰撞轨迹的初始预测之后,方法200前进到过程框203以执行迭代预测和校正协议以确定目标对象的预测侵入位置的相对速度和精准变化。例如,CPU36可以执行迭代预测和校正以使相对于主车辆的路径内侵入和碰撞的位置和相对速度评估精准。在以初步置信水平(例如,大约15-20%)生成初步预测之后,方法200将在指定的时间窗口上通过传感器融合序列迭代,以增加置信水平。随着两个被跟踪对象之间的相对距离继续减小,传感器融合序列将能够更准确地预测即将发生的碰撞的特性,包括碰撞时间、轨迹、距离和主车辆超越预测碰撞的时间等。该迭代过程可以继续直到达到优化或峰值置信水平值和/或置信水平不再变化超过预定量(例如,+/-2%的缓冲范围)。
在过程框203处通过传感器融合协议迭代之后,方法200继续过程框205以基于在框203处进行的精准评估来确定虚拟碰撞目标的更新版本和对应的威胁置信度值。例如,车辆10的FSRACC***可以用新生成的融合动态特性替换或以其他方式更新虚拟“高可信度”目标,包括其任何相应的特性。在更具体的实例中,在目标跟踪期间,响应于目标行为中的动态变化,融合***通过卡尔曼滤波器循环迭代以动态地更新与虚拟目标相关联的一个或多个或所有属性(例如,相对位置(x,y)、相对速度(Vx,Vy)、相对加速度(Ax,Ay)、置信水平等)。
继续参考图3,方法200在判断框207处确定精准的和更新的威胁置信度值是否大于第一(主要)校准阈值。如果不是(方框207=否),方法200前进到过程框209以恢复正常的车辆操作而不采取避让或预防措施;此时,图2的方法100可以放弃预定义的过程框105并且前进到处理框107或终端框111。可选地,过程框209还可以要求方法200无效并删除虚拟碰撞目标。另一方面,如果确定更新的威胁置信度值实际上大于主要阈值(框207=是),则方法200将前进到过程框211并执行关于图2的过程框105所述的主要预防措施,即将预定的命令信号发送到指定的车辆动态***以采取预定的预防措施。过程框211可以进一步要求将虚拟碰撞目标馈送到即将发生的碰撞补救算法,该算法然后将确定要采取的正确行动路线(例如,***将取决于Δ速度而使制动操作和/或避让转向操纵自动化以完全避免碰撞或至少减少影响的严重程度)。
现在参考图4的流程图,根据本公开的各方面,一般在300处描述用于执行二级预防措施的改进的方法或控制策略,即上文关于图2的预定义过程框109描述的自动速度清理协议。与上述方法100和200类似,图4中所示的一些或所有操作可以表示对应于可能存储在例如存储器设备中并由合适的处理设备执行以执行与所公开的概念相关联的任何或所有功能的处理器可执行指令的算法。应该认识到,可以改变所示操作框的执行顺序、可以添加附加框,并且可以修改、组合或去除所描述的一些框。例如,图2-5的方法100、200、300和400可以组合成单个控制逻辑协议。
在初始化预定义过程框105时,例如,作为对图2的判断框107处的肯定判断的自动响应,图4的方法300前进到过程框301,其中处理器可执行指令用于驻留或远程车辆控制器以将传感器融合模块应用于聚合的原始传感器数据,从而确定目标对象相对于主车辆的预测的路线和位置的预测侵入位置。一旦建立了对碰撞轨迹的初始预测,方法300就前进到过程框303以执行迭代预测和校正协议以确定目标对象的预测侵入位置的相对速度和精准变化。此后,方法300继续到过程框305,以基于在框203处进行的精准评估来确定虚拟碰撞目标的更新版本和对应的威胁置信度值。对于至少一些实施方式,图4的过程框301、303和305可以分别与图3的过程框201、203和205大致相同。
继续参考图4,方法300在判断框307处确定精准的和更新的威胁置信度值是否大于第二(从属)校准阈值。如果不是(框307=否),则方法300前进到过程框309以恢复正常的车辆操作(例如,维持FSRACC默认操作)而不采取避让或预防措施,因为它更不可能会发生阻碍主车辆的预测路径的碰撞。此时,图1的方法100可以放弃预定义的过程框105和109并且前进到终端框111。类似于图3的过程框209,图4的过程框309可能还需要破坏虚拟碰撞目标。然而,如果确定更新的威胁置信度值大于从属阈值(框307=是),则方法300前进到处理框311并执行上面关于图2的过程框109所描述的二级预防措施。过程框311可以进一步要求将虚拟碰撞目标馈送到碰撞可能的修复算法,该算法然后将确定要采取的适当的措施过程(例如,何时以及将多长时间进行速度清理,以及是否将制动器预填充到最终执行制动操纵)。
现在参考图5的流程图,根据本公开的各方面,一般在400处描述用于基于自动传感器融合的车辆切入/切出预测的改进的方法或控制策略。图5中所示的一些或所有操作以及下面进一步详细描述的可以表示对应于处理器可执行指令的算法,该处理器可执行指令可以存储在例如主或辅助或远程存储器中,并且例如由车载或远程控制器、处理单元、控制逻辑电路或其他模块或设备执行,以执行与所公开的概念相关联的任何或所有上述或下述功能。应该认识到,可以改变所示操作框的执行顺序、可以添加附加框,并且可以修改、组合或去除所描述的一些框。
方法400在输入/输出框401处开始,其中驻留/远程车辆控制器接收原始传感器数据,并且可选地,检索执行自动驾驶操作所需的其他相关信息。传感器数据可以包括上面列举的任何数据,例如,因为它涉及主车辆和所研究的每个目标对象的操作条件和动态,比如相应的位置、速度、加速度、类型、大小、行为和其他对象动态和特性信息。同时,方法400可以在输入/输出框403处实施处理器可执行指令,用于车辆控制器计算、检索或以其他方式确定主题车辆的路径规划数据,包括至少当前(实时)位置以及车辆的预测路线。在过程框405处,该方法调节从车载传感器的分布式网络接收的数据。例如,图1中的车载感测设备中的每一个62、64、66、68最初产生由CPU36通过传感器接口模块58接收的批量传感器数据的离散部分。每个传感器可以相对于不同的坐标系生成其相应的部分;利用这种结构,CPU36可以调节任何接收的传感器数据以使各种坐标系相互关联,以便与单个共同的“参考”坐标系重叠。数据调节可以进一步包括使所接收到的传感器数据相互关联以确保与单个共同的“参考”时间帧、一组标准测量值等重叠。
一旦所接收到的传感器数据被充分调节以确保跨相关测量的对准,方法400继续到过程框407以执行将对传感器数据的每个相应部分进行分类的数据关联协议。当特定数据集中的所有数据被正确分类时,车辆控制器然后可以基于任何补充分类来关联相关部分或传感器数据。例如,CPU36可以将从数字相机62接收的信号表征为包括对象获取数据、对象类型数据、对象大小数据和相对位置数据,并且将从范围传感器64接收的信号表征为包括对象获取数据、对象速度和相对速度数据、对象加速度和相对加速度数据以及相对位置数据。来自数码相机62和范围传感器64的数据已经被调节以确保空间、时间和度量重叠(框405);CPU36将辅助地将从数字照相机62接收的获取数据和相对位置数据与从范围传感器64接收的相应获取数据和相对位置数据相关联。
继续参考图5,方法400继续到过程框409以执行经调节和分类的数据的传感器融合程序以及主题车辆的路径规划数据。传感器融合可以被典型地表示为源自异构或同源的数据的聚合、分析和联盟的计算框架(例如,上面关于图1讨论的多个不同的传感器类型)。传感器融合可以体现为专用软件设备,其智能地组合来自多个传感器的数据并校正各个传感器的不足以计算完全准确且可理解的位置和方向信息。根据上述示例,CPU36将每种数据类型(例如,由范围传感器64感测的相对目标对象速度数据)与其他互补数据类型(从其他车载和车外数据源接收的速度数据)融合到为目标对象建立相应的融合属性(例如,相对速度)。根据在框409处生成的基于传感器融合的综合结果,方法400在过程框411处计算受到详细检查的目标对象是否将进入(切入)或退出(切出)主车辆的预测路径。
在过程框413处,在过程框411处生成的融合切入/切出预测数据经受校正卡尔曼滤波器,例如,以修复不想要的传感器增益和传感器误差,然后在过程框415利用预测卡尔曼滤波器处理以评估目标对象的位置和速度。在非限制性示例中,框415的预测卡尔曼滤波器针对给定时间帧内的给定道路轨迹预测目标对象的指定属性的值。然后,方法400可以将实际目标行为与预测目标行为进行比较,并且从该比较导出对未来评估目标对象将如何表现的理解的度量。框413的校正卡尔曼滤波器被设计成至少部分地偏移或以其他方式帮助补偿***内的时间延迟(例如,信号传输延迟、内部处理等待时间等)。在过程框417,该方法进行对象威胁选择和评估。特别地,方法400确定被跟踪对象是否对车辆构成威胁,并且如果是,则评估威胁等级。
在一些实施例中,可以通过计算机可执行指令程序(比如程序模块)来实施本公开的各方面,所述程序模块通常是指由车载计算机或驻留和远程计算设备的分布式网络执行的软件应用或应用程序。在非限制性示例中,软件可以包括执行特定任务或实施特定抽象数据类型的例程、程序、对象、组件和数据结构。该软件可以形成接口以允许计算机根据输入源做出反应。软件还可以与其他代码段协作以响应于结合所接收数据的源接收的数据来发起各种任务。该软件可以存储在各种存储介质中的任何一种上,比如CD-ROM、磁盘、气泡存储器和半导体存储器(例如,各种类型的RAM或ROM)。
此外,本公开的各方面可以用各种计算机***和计算机网络配置来实践,包括多处理器***、基于微处理器或可编程消费电子产品、小型计算机、大型计算机等。另外,本公开的各方面可以在分布式计算环境中实践,其中任务由通过通信网络链接的远程处理设备执行。在分布式计算环境中,程序模块可以位于包括存储器存储设备的本地和远程计算机存储介质中。因此,本公开的各方面可以结合计算机***或其他处理***中的各种硬件、软件或其组合来实施。
本文描述的任何方法可以包括用于通过以下方式执行的机器可读指令:(a)处理器、(b)控制器,和/或(c)任何其他合适的处理设备。本文公开的任何算法、控制逻辑或方法可以体现在存储在有形介质上的软件中,比如闪存、CD-ROM、软盘、硬盘驱动器、数字通用盘(DVD)或其他存储设备;本领域普通技术人员将容易理解,整个算法、控制逻辑或方法和/或其部分以一种可行方式(例如,它可以由专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程逻辑器件(FPLD)、离散逻辑等实施)可替代地由除控制器之外的设备执行和/或体现在固件或专用硬件中。此外,尽管参考本文描述的流程图描述了特定算法,但是存在许多其他方法来实施可替换地使用的示例性机器可读指令。
已经参考所示实施例详细描述了本公开的各方面;然而,本领域技术人员将认识到,在不脱离本公开的范围的情况下,可以对其进行许多修改。本公开不限于本文公开的精确构造和组合物;从前面的描述中显而易见的任何和所有修改、改变和变化都在由所附权利要求限定的本公开的范围内。此外,本概念明确地包括前述元件和特征的任何和所有组合和子组合。
Claims (10)
1.一种用于控制机动车辆的自动驾驶操作的方法,所述方法包括:
经由所述机动车辆的驻车控制器来确定所述机动车辆的路径规划数据,所述路径规划数据包括车辆位置和预测路线;
从所述机动车辆的车载传感设备的分布式网络接收指示目标对象的对象位置和对象动态的传感器数据;
将传感器融合模块应用于所接收到的传感器数据以确定威胁置信度值,所述威胁置信度值预测所述目标对象相对于所述机动车辆的所述车辆位置和预测路线的侵入;
经由所述驻车控制器确定所述威胁置信度值是否大于第一校准阈值;以及
响应于所述威胁置信度值大于所述第一校准阈值,经由所述驻车控制器将第一命令信号发送到第一车辆动态***以采取第一预防措施。
2.根据权利要求1所述的方法,还包括:
响应于所述威胁置信度值不大于所述第一校准阈值,经由所述驻车控制器确定所述威胁置信度值是否大于第二校准阈值;以及
响应于所述威胁置信度值大于所述第二校准阈值,经由所述驻车控制器将第二命令信号发送到第二车辆动态***以采取第二预防措施。
3.根据权利要求2所述的方法,其中所述第一命令信号包括制动命令,所述第一车辆动态***包括所述机动车辆的制动***,并且所述第一预防措施包括制动操纵,并且其中所述第二命令信号包括速度清理命令,所述第二车辆动态***包括所述机动车辆的动力***,并且所述第二预防措施包括扭矩减小措施。
4.根据权利要求1所述的方法,还包括将所述传感器融合模块应用于所接收到的传感器数据,以确定所述目标对象相对于所述机动车辆的所述预测路线的预测侵入位置。
5.根据权利要求4所述的方法,还包括执行迭代预测和校正协议以确定所述目标对象的所述预测侵入位置的精准变化。
6.根据权利要求5所述的方法,其中所述迭代预测和校正协议还确定所述机动车辆与所述目标对象之间的相对速度。
7.根据权利要求5所述的方法,还包括:
基于所述预测侵入位置的所述精准变化确定所述威胁置信度值的更新变化;以及
经由所述驻车控制器确定所述威胁置信度值的所述精准变化是否大于所述第一校准阈值,
其中响应于所述威胁置信度值的所述精准变化大于所述第一校准阈值,将所述第一命令信号发送到所述第一车辆动态***以采取所述第一预防措施。
8.根据权利要求7所述的方法,还包括:
响应于所述威胁置信度值不大于所述第一校准阈值,经由所述驻车控制器确定所述威胁置信度值是否大于第二校准阈值;以及
响应于所述威胁置信度值大于所述第二校准阈值,经由所述驻车控制器将第二命令信号发送到第二车辆动态***以采取第二预防措施。
9.根据权利要求8所述的方法,还包括:
经由所述驻车控制器确定所述威胁置信度值的所述精准变化是否大于所述第二校准阈值,
其中响应于所述威胁置信度值的所述精准变化大于所述第二校准阈值,将所述第二命令信号发送到所述第二车辆动态***以采取所述第二预防措施。
10.根据权利要求1所述的方法,其中所述车载感测设备中的每一个相对于相应的坐标系生成所述传感器数据的相应部分,所述方法还包括调节所述所接收到的传感器数据以使具有公共坐标系的所述车载感测设备的相应坐标系相互关联。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/981,464 US10864910B2 (en) | 2018-05-16 | 2018-05-16 | Automated driving systems and control logic using sensor fusion for intelligent vehicle control |
US15/981464 | 2018-05-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110497908A true CN110497908A (zh) | 2019-11-26 |
CN110497908B CN110497908B (zh) | 2022-10-14 |
Family
ID=68419333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910307143.XA Active CN110497908B (zh) | 2018-05-16 | 2019-04-17 | 自动驾驶***和使用传感器融合进行智能车辆控制的控制逻辑 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10864910B2 (zh) |
CN (1) | CN110497908B (zh) |
DE (1) | DE102019111390B4 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111422180A (zh) * | 2020-04-09 | 2020-07-17 | 江苏盛海智能科技有限公司 | 一种线控刹车行程自动校准方法及*** |
CN111516703A (zh) * | 2020-04-30 | 2020-08-11 | 国网电力科学研究院有限公司 | 消防车辆自动行驶方法、装置、计算机设备及存储介质 |
CN113722982A (zh) * | 2021-08-10 | 2021-11-30 | 浙江工业大学 | 一种基于多模型融合的汽车传感器攻击检测与防御方法 |
CN113771845A (zh) * | 2020-06-09 | 2021-12-10 | 奥迪股份公司 | 预测车辆轨迹的方法、装置、车辆和存储介质 |
CN114120476A (zh) * | 2020-08-28 | 2022-03-01 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行车风险评估及控制机制决策方法 |
CN114435393A (zh) * | 2020-11-04 | 2022-05-06 | 伟摩有限责任公司 | 用于自主驾驶***的对轨道智能体的行为预测 |
CN114858200A (zh) * | 2022-04-19 | 2022-08-05 | 合众新能源汽车有限公司 | 车辆传感器检测到的对象的质量评价方法及装置 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10902726B2 (en) * | 2018-08-23 | 2021-01-26 | Intel Corporation | Rogue vehicle detection and avoidance |
JP7120036B2 (ja) * | 2019-01-16 | 2022-08-17 | トヨタ自動車株式会社 | 自動駐車管理装置 |
US11170639B2 (en) * | 2019-03-05 | 2021-11-09 | University Of Massachusetts | Transportation threat detection system |
US11235665B2 (en) * | 2019-03-26 | 2022-02-01 | Ford Global Technologies, Llc | Regenerative braking control system |
US11572079B2 (en) * | 2019-04-25 | 2023-02-07 | WeRide Corp. | Apparatus and method for controlling velocity of autonomous driving vehicle, and storage medium |
US11685276B2 (en) | 2019-06-07 | 2023-06-27 | Anthony Macaluso | Methods and apparatus for powering a vehicle |
US11432123B2 (en) | 2019-06-07 | 2022-08-30 | Anthony Macaluso | Systems and methods for managing a vehicle's energy via a wireless network |
US11837411B2 (en) | 2021-03-22 | 2023-12-05 | Anthony Macaluso | Hypercapacitor switch for controlling energy flow between energy storage devices |
US11641572B2 (en) | 2019-06-07 | 2023-05-02 | Anthony Macaluso | Systems and methods for managing a vehicle's energy via a wireless network |
US11615923B2 (en) * | 2019-06-07 | 2023-03-28 | Anthony Macaluso | Methods, systems and apparatus for powering a vehicle |
US11289974B2 (en) | 2019-06-07 | 2022-03-29 | Anthony Macaluso | Power generation from vehicle wheel rotation |
JP7372784B2 (ja) * | 2019-08-30 | 2023-11-01 | マツダ株式会社 | 中央演算装置 |
US11685403B2 (en) | 2019-11-16 | 2023-06-27 | Uatc, Llc | Systems and methods for vehicle-to-vehicle communications for improved autonomous vehicle operations |
CN114787010A (zh) * | 2019-12-27 | 2022-07-22 | 英特尔公司 | 驾驶安全性*** |
FR3106798B1 (fr) * | 2020-01-31 | 2022-04-29 | Renault Sas | Procédé de gestion d'un freinage autonome d'urgence. |
US11597393B2 (en) | 2020-03-26 | 2023-03-07 | Intel Corporation | Systems, methods, and devices for driving control |
CN113022540B (zh) * | 2020-04-17 | 2022-11-15 | 青岛慧拓智能机器有限公司 | 一种用于多车状态监控的实时远程驾驶***及方法 |
CN113715752B (zh) * | 2020-05-25 | 2023-03-03 | 华为技术有限公司 | 车辆传感器数据的处理方法和*** |
KR20210153998A (ko) * | 2020-06-11 | 2021-12-20 | 현대자동차주식회사 | 차량 및 그 제어방법 |
KR102360817B1 (ko) * | 2020-07-02 | 2022-02-10 | 현대모비스 주식회사 | 컷인 차량의 충돌 방지를 위한 자율주행시스템 및 방법 |
US11807251B2 (en) * | 2020-08-06 | 2023-11-07 | Deere & Company | Hazard prediction for tracked vehicles |
DE102021101130A1 (de) | 2021-01-20 | 2022-07-21 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Bestimmen einer Kollisionsgefahr sowie zur Milderung oder Vermeidung einer Kollision, Computerprogramm, computerlesbares Medium, Kollisionsgefahrüberwachungssystem und bewegliches Objekt |
CN112693466A (zh) * | 2021-01-29 | 2021-04-23 | 重庆长安汽车股份有限公司 | 一种车辆环境感知传感器性能测评***及方法 |
DE102021203732B4 (de) * | 2021-04-15 | 2023-03-30 | Continental Automotive Technologies GmbH | Verfahren zur Verbesserung der funktionalen Sicherheit kooperativer Fahrmanöver und elektronische Kontrollvorrichtung |
KR102331807B1 (ko) * | 2021-04-16 | 2021-12-02 | 국방과학연구소 | 차량의 주행을 위한 전자 장치 및 그의 동작 방법 |
CN113299095B (zh) * | 2021-05-21 | 2023-01-10 | 深圳市元征软件开发有限公司 | 车辆校准提醒方法、装置、电子设备及存储介质 |
CN113183943B (zh) * | 2021-06-03 | 2023-02-21 | 南昌智能新能源汽车研究院 | 一种农用装备的智能驾驶***及其作业方法 |
CN113247014B (zh) * | 2021-06-09 | 2021-11-09 | 智己汽车科技有限公司 | 一种自动驾驶***的置信度标识方法及*** |
CN113959447B (zh) * | 2021-10-19 | 2023-06-27 | 北京京航计算通讯研究所 | 相对导航高噪声量测量识别方法、装置、设备和存储介质 |
CN114038239B (zh) * | 2021-11-08 | 2022-11-25 | 青岛海信网络科技股份有限公司 | 一种车辆碰撞预警方法及装置 |
CN114495520B (zh) * | 2021-12-30 | 2023-10-03 | 北京万集科技股份有限公司 | 一种车辆的计数方法、装置、终端和存储介质 |
US11577606B1 (en) | 2022-03-09 | 2023-02-14 | Anthony Macaluso | Flexible arm generator |
US11472306B1 (en) | 2022-03-09 | 2022-10-18 | Anthony Macaluso | Electric vehicle charging station |
WO2023209409A1 (en) | 2022-04-26 | 2023-11-02 | Commsignia Kft. | Data processing method and system for iterative sensor fusion, computer program product and computer readable medium for implementing the method |
US11955875B1 (en) | 2023-02-28 | 2024-04-09 | Anthony Macaluso | Vehicle energy generation system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080060613A1 (en) * | 2006-09-11 | 2008-03-13 | Bauerle Paul A | Virtual bumper throttle control algorithm |
CN107444400A (zh) * | 2016-05-31 | 2017-12-08 | 福特全球技术公司 | 车辆避撞 |
CN107458374A (zh) * | 2016-06-02 | 2017-12-12 | 福特全球技术公司 | 车辆避撞 |
DE102017114122A1 (de) * | 2016-06-28 | 2017-12-28 | Ford Global Technologies, Llc | Erkennen von physischen Bedrohungen, die sich einem Fahrzeug nähern |
CN107672587A (zh) * | 2017-08-22 | 2018-02-09 | 吉利汽车研究院(宁波)有限公司 | 一种紧急避撞***及方法 |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697730B2 (en) | 2000-04-04 | 2004-02-24 | Georgia Tech Research Corp. | Communications and computing based urban transit system |
US6356838B1 (en) | 2000-07-25 | 2002-03-12 | Sunil Paul | System and method for determining an efficient transportation route |
JP4211809B2 (ja) | 2006-06-30 | 2009-01-21 | トヨタ自動車株式会社 | 物体検出装置 |
EP2135200A4 (en) | 2007-02-12 | 2011-12-28 | Sean O'sullivan | DISTRIBUTED TRANSPORT SYSTEM AND SERVICE NETWORK |
US20090030885A1 (en) | 2007-07-26 | 2009-01-29 | Ridecharge | Method and system for on-demand and scheduled services relating to travel and transportation |
US8170739B2 (en) | 2008-06-20 | 2012-05-01 | GM Global Technology Operations LLC | Path generation algorithm for automated lane centering and lane changing control system |
US8428843B2 (en) | 2008-06-20 | 2013-04-23 | GM Global Technology Operations LLC | Method to adaptively control vehicle operation using an autonomic vehicle control system |
DE102008049824B4 (de) | 2008-10-01 | 2014-09-04 | Universität Kassel | Verfahren zur Kollisionsvermeidung |
US20100228415A1 (en) | 2009-03-05 | 2010-09-09 | Sunil Paul | System and method for reducing the cost of efficient vehicles |
US8629903B2 (en) | 2009-04-02 | 2014-01-14 | GM Global Technology Operations LLC | Enhanced vision system full-windshield HUD |
US20110313880A1 (en) | 2010-05-24 | 2011-12-22 | Sunil Paul | System and method for selecting transportation resources |
US9514647B2 (en) | 2010-10-20 | 2016-12-06 | GM Global Technology Operations LLC | Optimal acceleration profile for enhanced collision avoidance |
US8612139B2 (en) | 2010-11-30 | 2013-12-17 | GM Global Technology Operations LLC | Systems and methods for planning vehicle routes based on safety factors |
US20120239452A1 (en) | 2011-03-17 | 2012-09-20 | Aarjav Trivedi | Fleet Management Systems and Processes |
US9014915B2 (en) | 2011-07-25 | 2015-04-21 | GM Global Technology Operations LLC | Active safety control for vehicles |
DE102011109491A1 (de) | 2011-08-04 | 2013-02-07 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrunterstützungsvorrichtung zur Unterstützung der Befahrung enger Fahrwege |
DE102011109492A1 (de) | 2011-08-04 | 2013-02-07 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrunterstützungsvorrichtung zur Unterstützung der Befahrung enger Fahrwege |
US9318023B2 (en) | 2011-08-31 | 2016-04-19 | GM Global Technology Operations LLC | System and method for collision avoidance maneuver path determination with jerk limit |
US20130204676A1 (en) | 2012-01-26 | 2013-08-08 | Flywheel Software, Inc. | Method and system for dynamically categorizing service providers |
US20130219294A1 (en) | 2012-02-16 | 2013-08-22 | GM Global Technology Operations LLC | Team-Oriented Human-Vehicle Interface For Adaptive Cruise Control System And Methods For Using Same |
US9066206B2 (en) | 2012-07-03 | 2015-06-23 | Uber Technologies, Inc. | System and method for providing dynamic supply positioning for on-demand services |
US8849515B2 (en) | 2012-07-24 | 2014-09-30 | GM Global Technology Operations LLC | Steering assist in driver initiated collision avoidance maneuver |
US9099006B2 (en) | 2013-08-22 | 2015-08-04 | GM Global Technology Operations LLC | Context-aware threat response arbitration |
US9428187B2 (en) | 2014-06-05 | 2016-08-30 | GM Global Technology Operations LLC | Lane change path planning algorithm for autonomous driving vehicle |
US9457807B2 (en) | 2014-06-05 | 2016-10-04 | GM Global Technology Operations LLC | Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver |
US9283967B2 (en) | 2014-07-16 | 2016-03-15 | GM Global Technology Operations LLC | Accurate curvature estimation algorithm for path planning of autonomous driving vehicle |
US9229453B1 (en) | 2014-08-29 | 2016-01-05 | GM Global Technology Operations LLC | Unified motion planner for autonomous driving vehicle in avoiding the moving obstacle |
US20160231124A1 (en) | 2015-01-15 | 2016-08-11 | GM Global Technology Operations LLC | Horizon-based driver assistance systems and methods |
US9868443B2 (en) | 2015-04-27 | 2018-01-16 | GM Global Technology Operations LLC | Reactive path planning for autonomous driving |
US20160320198A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing routing using contextual constraints |
US20160320195A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing long-term ride-share groups |
US10796248B2 (en) | 2015-04-29 | 2020-10-06 | Ford Global Technologies, Llc | Ride-sharing joint rental groups |
US20160321771A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing range contours |
US20160320194A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing user path disturbances and user re-routing |
US20170021830A1 (en) | 2015-07-22 | 2017-01-26 | GM Global Technology Operations LLC | Adaptive cruise control profiles |
US9857181B2 (en) | 2015-08-11 | 2018-01-02 | Gm Global Technology Operations Llc. | Methods and apparatus for evaluating operation of a vehicle onboard navigation system using lateral offset data |
US9487212B1 (en) | 2015-10-09 | 2016-11-08 | GM Global Technology Operations LLC | Method and system for controlling vehicle with automated driving system |
KR102486148B1 (ko) * | 2018-02-20 | 2023-01-10 | 현대자동차주식회사 | 차량 및 그 제어 방법 |
-
2018
- 2018-05-16 US US15/981,464 patent/US10864910B2/en active Active
-
2019
- 2019-04-17 CN CN201910307143.XA patent/CN110497908B/zh active Active
- 2019-05-02 DE DE102019111390.3A patent/DE102019111390B4/de active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080060613A1 (en) * | 2006-09-11 | 2008-03-13 | Bauerle Paul A | Virtual bumper throttle control algorithm |
CN107444400A (zh) * | 2016-05-31 | 2017-12-08 | 福特全球技术公司 | 车辆避撞 |
CN107458374A (zh) * | 2016-06-02 | 2017-12-12 | 福特全球技术公司 | 车辆避撞 |
DE102017114122A1 (de) * | 2016-06-28 | 2017-12-28 | Ford Global Technologies, Llc | Erkennen von physischen Bedrohungen, die sich einem Fahrzeug nähern |
CN107672587A (zh) * | 2017-08-22 | 2018-02-09 | 吉利汽车研究院(宁波)有限公司 | 一种紧急避撞***及方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111422180A (zh) * | 2020-04-09 | 2020-07-17 | 江苏盛海智能科技有限公司 | 一种线控刹车行程自动校准方法及*** |
CN111516703A (zh) * | 2020-04-30 | 2020-08-11 | 国网电力科学研究院有限公司 | 消防车辆自动行驶方法、装置、计算机设备及存储介质 |
CN111516703B (zh) * | 2020-04-30 | 2021-09-03 | 国网电力科学研究院有限公司 | 消防车辆自动行驶方法、装置、计算机设备及存储介质 |
CN113771845A (zh) * | 2020-06-09 | 2021-12-10 | 奥迪股份公司 | 预测车辆轨迹的方法、装置、车辆和存储介质 |
CN114120476A (zh) * | 2020-08-28 | 2022-03-01 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行车风险评估及控制机制决策方法 |
CN114120476B (zh) * | 2020-08-28 | 2024-05-17 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行车风险评估及控制机制决策方法 |
CN114435393A (zh) * | 2020-11-04 | 2022-05-06 | 伟摩有限责任公司 | 用于自主驾驶***的对轨道智能体的行为预测 |
CN113722982A (zh) * | 2021-08-10 | 2021-11-30 | 浙江工业大学 | 一种基于多模型融合的汽车传感器攻击检测与防御方法 |
CN114858200A (zh) * | 2022-04-19 | 2022-08-05 | 合众新能源汽车有限公司 | 车辆传感器检测到的对象的质量评价方法及装置 |
CN114858200B (zh) * | 2022-04-19 | 2023-06-27 | 合众新能源汽车股份有限公司 | 车辆传感器检测到的对象的质量评价方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20190351899A1 (en) | 2019-11-21 |
CN110497908B (zh) | 2022-10-14 |
DE102019111390A1 (de) | 2019-11-21 |
US10864910B2 (en) | 2020-12-15 |
DE102019111390B4 (de) | 2024-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110497908A (zh) | 自动驾驶***和使用传感器融合进行智能车辆控制的控制逻辑 | |
Galvani | History and future of driver assistance | |
CN111688663B (zh) | 机动交通工具及控制其自动驾驶操作的方法 | |
CN107117179B (zh) | 基于乘员注意的自主控制 | |
CN107121979B (zh) | 自主置信控制 | |
US10503165B2 (en) | Input from a plurality of teleoperators for decision making regarding a predetermined driving situation | |
US10026317B2 (en) | Autonomous probability control | |
US11370435B2 (en) | Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving | |
US20170248953A1 (en) | Autonomous peril control | |
US20170247040A1 (en) | Autonomous vehicle control transitioning | |
JP4694440B2 (ja) | 運転者支援システム | |
CN109421738A (zh) | 用于监视自主车辆的方法和装置 | |
CN107264532A (zh) | 用于自主车辆的基于状态的操作 | |
US10752253B1 (en) | Driver awareness detection system | |
CN116390879B (zh) | 用于避免即将发生的碰撞的***和方法 | |
CN109421741A (zh) | 用于监测车辆的方法和设备 | |
JP2018203017A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US20220073104A1 (en) | Traffic accident management device and traffic accident management method | |
JP7198391B2 (ja) | 車両制御装置、車両制御システム、車両制御方法、およびプログラム | |
JP7308880B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US11919515B2 (en) | Vehicle control device and vehicle control method | |
JP7159267B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN114750778A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
EP4145358A1 (en) | Systems and methods for onboard enforcement of allowable behavior based on probabilistic model of automated functional components | |
WO2022144950A1 (ja) | 車両制御装置、車両制御方法、およびプログラム |
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 |