CN110782657A - 使用自动驾驶车辆的子***进行警车巡逻 - Google Patents
使用自动驾驶车辆的子***进行警车巡逻 Download PDFInfo
- Publication number
- CN110782657A CN110782657A CN201910522795.5A CN201910522795A CN110782657A CN 110782657 A CN110782657 A CN 110782657A CN 201910522795 A CN201910522795 A CN 201910522795A CN 110782657 A CN110782657 A CN 110782657A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- autonomous vehicle
- traffic information
- alert
- road traffic
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
-
- 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
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
在一个实施方式中,公开了用于使用自动驾驶车辆的传感器和感知模块来自动检测和通知用户交通规则违章的方法、装置和***。所执行的操作包括:基于从ADV的多个传感器获得的传感器数据,捕捉自动驾驶车辆(ADV)处的周围道路交通信息;基于周围道路交通信息和ADV保持的一组预配置的交通规则,来自动检测ADV处在ADV的感知范围内的第一车辆的交通规则违章,包括根据预配置的交通规则分析周围道路交通信息;以及响应于检测到的交通规则违章生成警报。
Description
技术领域
本公开的实施方式总体涉及操作自动驾驶车辆。更具体地,本公开的实施方式涉及使用从传感器***和感知模块中获得的信息自动检测自动驾驶车辆的感知范围内的交通规则违章。
背景技术
以自动驾驶模式运行(例如,无人驾驶)的车辆可将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时,车辆可使用车载传感器导航到各个位置,从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
目前,为了检测道路交通场景中的交通规则违章,乘坐在警察巡逻车辆中的警察需要观察周围环境并基于他/她自己的判断来查找违章行为。这个过程需要警察不断地集中注意力,而且可能会让人精神疲惫。此外,警察只有有限的焦点,不能同时在所有方向上进行观察。
发明内容
在本公开的一方面,提供了一种计算机实现的方法,包括:
基于从自动驾驶车辆(ADV)的多个传感器获得的传感器数据,捕捉所述ADV处的周围道路交通信息;
基于所述周围道路交通信息和由所述ADV保持的一组预配置的交通规则,来自动检测所述ADV处在所述ADV的感知范围内的第一车辆的交通规则违章,包括根据所述预配置的交通规则分析所述周围道路交通信息;以及
响应于所检测到的交通规则违章,生成警报。
在本公开的另一方面,提供了一种存储有指令的非暂时性机器可读介质,所述指令在由处理器执行时致使所述处理器执行操作,所述操作包括:
基于从自动驾驶车辆(ADV)的多个传感器获得的传感器数据,捕捉所述ADV处的周围道路交通信息;
基于所述周围道路交通信息和由所述ADV保持的一组预配置的交通规则,来自动检测所述ADV处在所述ADV的感知范围内的第一车辆的交通规则违章,包括根据所述预配置的交通规则分析所述周围道路交通信息;以及
响应于所检测到的交通规则违章,生成警报。
在本公开的又一方面,提供了一种数据处理***,包括:
处理器;以及
存储器,所述存储器联接至所述处理器,以存储指令,所述指令在由所述处理器执行时致使所述处理器执行操作,所述操作包括:
基于从自动驾驶车辆(ADV)的多个传感器获得的传感器数据,捕捉所述ADV处的周围道路交通信息;
基于所述周围道路交通信息和由所述ADV保持的一组预配置的交通规则,来自动检测所述ADV处在所述ADV的感知范围内的第一车辆的交通规则违章,包括根据所述预配置的交通规则分析所述周围道路交通信息;以及
响应于所检测到的交通规则违章,生成警报。
附图说明
本公开的实施方式在附图的各图中以举例而非限制的方式示出,附图中的相同参考标记指示相似元件。
图1是示出根据一个实施方式的网络化***的框图。
图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划***的示例的框图。
图4是示出根据一个实施方式的与自动驾驶车辆一起使用的各种模块的框图。
图5是示出根据本公开的一个实施方式的用于使用自动驾驶车辆的传感器和感知模块来自动检测和通知用户交通规则违章的示例性方法的流程图。
图6是示出根据一个实施方式的数据处理***的框图。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面,附图将示出所述各种实施方式。下列描述和附图是本公开的说明,而不应当解释为对本公开进行限制。描述了许多特定细节以提供对本公开的各种实施方式的全面理解。然而,在某些情况下,并未描述众所周知的或常规的细节,以提供对本公开的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
根据一些实施方式,公开了用于使用自动驾驶车辆的传感器和感知模块自动检测和通知用户交通规则违章的方法、装置和***。所执行的操作包括:基于从ADV的多个传感器获得的传感器数据,捕捉自动驾驶车辆(ADV)处的周围道路交通信息;基于周围道路交通信息和ADV保持的一组预配置的交通规则,来自动检测ADV处在ADV的感知范围内的第一车辆的交通规则违章,包括根据预配置的交通规则分析周围道路交通信息;以及响应于检测到的交通规则违章生成警报。
根据一个实施方式,响应于从安装在ADV上的各种传感器获得的传感器数据,根据一组预配置的交通规则对传感器数据执行分析以检测ADV周围的一个或多个车辆中的第一车辆以及第一车辆的行为,从而确定第一辆车是否了违反交通规则。另外,可使用安装在ADV上的摄像机捕捉第一车辆的一个或多个图像,该一个或多个图像可以是传感器数据的一部分。如果确定第一车辆违反了交通规则,则生成警报。警报和第一车辆的图像可显示在ADV内的显示装置上。
警报和第一车辆的图像以及表示ADV周围的驾驶环境的感知数据可存储在由ADV保持的永久性存储装置中。这些信息可用作交通违章的证据。另外地或可替代地,警报和第一车辆的图像以及表示ADV周围的驾驶环境的感知数据可通过网络传送至中央服务器以存储在中央服务器中。可在中央服务器上对收集的数据执行离线后续分析。
第一车辆可以是位于ADV的预定接近度内的车辆之一。例如,第一车辆可位于ADV的后端后面,并且可通过安装在ADV的驾驶员通常不会给予足够重视的ADV后端附近的传感器来捕捉和检测交通违章。通过利用安装在ADV上的传感器,可捕捉通常不会被检测到的某些交通违章,而无需用户干预乘坐在ADV中的人。另外,由于交通信息传送至中央服务器,因此可离线执行交通违章的检测,使得ADV的乘员(例如,执法人员)不需要试图使违章车辆靠边停车,特别是当警察执行更重要的任务时。
图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参考图1,网络配置100包括可通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆,但多个自动驾驶车辆可通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络,例如,有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集,诸如,网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
自动驾驶车辆是指可被配置成处于自动驾驶模式下的车辆,在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可包括传感器***,所述传感器***具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。下文中,术语“自主车辆”和“自动驾驶车辆”可互换使用。
在一个实施方式中,自动驾驶车辆101包括,但不限于,感知与规划***110、车辆控制***111、无线通信***112、用户接口***113和传感器***115。自动驾驶车辆101还可包括普通车辆中包括的某些常用部件,诸如:发动机、车轮、方向盘、变速器等,所述部件可由车辆控制***111和/或感知与规划***110使用多种通信信号和/或命令进行控制,该多种通信信号和/或命令例如,加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可经由互连件、总线、网络或其组合通信地联接到彼此。例如,部件110至115可经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议,但也用于许多其它环境。
现在参考图2,在一个实施方式中,传感器***115包括但不限于一个或多个摄像机211、全球定位***(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS单元212可包括收发器,所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的***。在一些实施方式中,除感测对象之外,雷达单元214可另外感测对象的速度和/或前进方向。LIDAR单元215可使用激光来感测自动驾驶车辆所处环境中的对象。除其它***部件之外,LIDAR单元215还可包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的,例如,通过将摄像机安装在旋转和/或倾斜平台上。
传感器***115还可包括其它传感器,诸如:声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如,麦克风)。音频传感器可被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下,油门传感器和制动传感器可集成为集成式油门/制动传感器。
在一个实施方式中,车辆控制***111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度,电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意,如图2所示的部件可以以硬件、软件或其组合实施。
返回参考图1,无线通信***112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部***之间的通信。例如,无线通信***112可以与一个或多个装置直接无线通信,或者经由通信网络进行无线通信,诸如,通过网络102与服务器103至104通信。无线通信***112可使用任何蜂窝通信网络或无线局域网(WLAN),例如,使用WiFi,以与另一部件或***通信。无线通信***112可例如使用红外链路、蓝牙等与装置(例如,乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口***113可以是在车辆101内实施的***装置的部分,包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可由感知与规划***110控制或管理,尤其当在自动驾驶模式下操作时。感知与规划***110包括必要的硬件(例如,处理器、存储器、存储装置)和软件(例如,操作***、规划和路线安排程序),以从传感器***115、控制***111、无线通信***112和/或用户接口***113接收信息,处理所接收的信息,规划从起始点到目的地点的路线或路径,随后基于规划和控制信息来驾驶车辆101。可替代地,感知与规划***110可与车辆控制***111集成在一起。
例如,作为乘客的用户可例如经由用户接口来指定行程的起始位置和目的地。感知与规划***110获得行程相关数据。例如,感知与规划***110可从MPOI服务器中获得位置和路线信息,所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务,并且MPOI服务器提供地图服务和某些位置的POI。可替代地,此类位置和MPOI信息可本地高速缓存在感知与规划***110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时,感知与规划***110也可从交通信息***或服务器(TIS)获得实时交通信息。应注意,服务器103至104可由第三方实体进行操作。可替代地,服务器103至104的功能可与感知与规划***110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器***115检测或感测的实时本地环境数据(例如,障碍物、对象、附近车辆),感知与规划***110可规划最佳路线并且根据所规划的路线例如经由控制***111来驾驶车辆101,以安全且高效到达指定目的地。
服务器103可以是数据分析***,从而为各种客户执行数据分析服务。在一个实施方式中,数据分析***103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括指示所发出的驾驶指令(例如,油门、制动、转向指令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如,速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述不同时间点下的驾驶环境的信息,例如,路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计数据123,出于各种目的,机器学习引擎122生成或训练一组规则、算法和/或预测模型124。在一个实施方式中,算法124可包括用于基于对象(例如,车辆、骑车人、行人)的行为来检测对象是否违反了一组交通规则的算法。另外,服务器103还可包括分析模块,以分析由多个ADV捕获并从多个ADV收集的交通信息,从而确定是否有任何违反交通规则的对象。然后可将算法124上载到ADV上以在自动驾驶期间实时使用。应注意,服务器103可将违章信息传送至执法服务器以在其中进行进一步处理(例如,发布交通违章罚单)。可替代地,服务器103可实施为执法服务器的一部分。
图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划***的示例的框图。***300可被实施为图1的自动驾驶车辆101的一部分,包括但不限于感知与规划***110、控制***111和传感器***115。参考图3A至图3B,感知与规划***110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线安排模块307、交通规则检查模块308。
模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如,这些模块可安装在永久性存储装置352中、加载到存储器351中,并且由一个或多个处理器(未示出)执行。应注意,这些模块中的一些或全部可通信地联接到图2的车辆控制***111的一些或全部模块或者与它们集成在一起。模块301至308中的一些可一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如,利用GPS单元212)以及管理与用户的行程或路线相关的任何数据。定位模块301(又称作为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图与路线信息311的其它部件通信,以获得行程相关数据。例如,定位模块301可从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务,并且MPOI服务器提供地图服务和某些位置的POI,从而可作为地图与路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时,定位模块301也可从交通信息***或服务器获得实时交通信息。
基于由传感器***115提供的传感器数据和由定位模块301获得的定位信息,感知模块302确定对周围环境的感知。感知信息可表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如,停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息,诸如,例如车道的形状(例如,直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分开车道、出口车道等。
感知模块302可包括计算机视觉***或计算机视觉***的功能,以处理并分析由一个或多个摄像机采集的图像,从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉***可使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中,计算机视觉***可绘制环境地图,跟踪对象,以及估算对象的速度等。感知模块302也可基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象,预测模块303预测对象在这种情况下将如何表现。预测是基于感知数据执行的,该感知数据在考虑一组地图/路线信息311和交通规则312的时间点感知驾驶环境。例如,如果对象为相反方向上的车辆且当前驾驶环境包括十字路口,则预测模块303将预测车辆是否可能会笔直向前移动或转弯。如果感知数据表明十字路口没有交通灯,则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于左转唯一车道或右转唯一车道,则预测模块303可能预测车辆将更可能分别左转或右转。
针对每个对象,决策模块304作出关于如何处置对象的决定。例如,针对特定对象(例如,交叉路线中的另一车辆)以及描述对象的元数据(例如,速度、方向、转弯角度),决策模块304决定如何与所述对象相遇(例如,超车、让行、停止、超过)。决策模块304可根据诸如交通规则或驾驶规则312的规则集来作出此类决定,所述规则集可存储在永久性存储装置352中。
路线安排模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于从起始位置到目的地位置的给定行程,例如从用户接收的给定行程,路线安排模块307获得路线与地图信息311,并确定从起始位置至到达目的地位置的所有可能路线或路径。路线安排模块307可生成地形图形式的参考线,它确定了从起始位置至到达目的地位置的每个路线。参考线是指不受其它诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。即,如果道路上没有其它车辆、行人或障碍物,则ADV应精确地或紧密地跟随参考线。然后,将地形图提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线,以根据由其它模块提供的其它数据选择和更改最佳路线中的一个,其中,其它数据诸如为来自定位模块301的交通状况、由感知模块302感知到的驾驶环境以及由预测模块303预测的交通状况。根据时间点下的特定驾驶环境,用于控制ADV的实际路径或路线可能接近于或不同于由路线安排模块307提供的参考线。
基于针对所感知到的对象中的每个的决定,规划模块305使用由路线安排模块307提供的参考线作为基础,为自动驾驶车辆规划路径或路线以及驾驶参数(例如,距离、速度和/或转弯角度)。换言之,针对给定的对象,决策模块304决定对该对象做什么,而规划模块305确定如何去做。例如,针对给定的对象,决策模块304可决定超过所述对象,而规划模块305可确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成,包括描述车辆300在下一移动循环(例如,下一路线/路径段)中将如何移动的信息。例如,规划和控制数据可指示车辆300以30英里每小时(mph)的速度移动10米,随后以25mph的速度变到右侧车道。
基于规划和控制数据,控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制***111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息,以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如,油门、制动、转向命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施方式中,规划阶段在多个规划周期(也称作为驾驶周期)中执行,例如,在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或驾驶周期中的每一个,将基于规划和控制数据发出一个或多个控制命令。即,对于每100ms,规划模块305规划下一个路线段或路径段,例如,包括目标位置和ADV到达目标位置所需要的时间。可替代地,规划模块305还可规定具体的速度、方向和/或转向角等。在一个实施方式中,规划模块305为下一个预定时段(诸如,5秒)规划路线段或路径段。对于每个规划周期,规划模块305基于在前一周期中规划的目标位置规划用于当前周期(例如,下一个5秒)的目标位置。控制模块306然后基于当前周期的规划和控制数据生成一个或多个控制命令(例如,油门、制动、转向控制命令)。
应注意,决策模块304和规划模块305可集成为集成模块。决策模块304/规划模块305可包括导航***或导航***的功能,以确定自动驾驶车辆的驾驶路径。例如,导航***可确定用于影响自动驾驶车辆沿着以下路径移动的一系列速度和前进方向:所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时,基本上避免感知到的障碍物。目的地可根据经由用户接口***113进行的用户输入来设定。导航***可在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航***可将来自GPS***和一个或多个地图的数据合并,以确定用于自动驾驶车辆的驾驶路径。
交通规则检查模块308可针对驾驶/交通规则312检查在感知模块302处获得的感知信息(例如,周围道路交通信息),并且当它们发生在自动驾驶车辆的感知范围内时自动检测一个或多个其它车辆的交通规则违章。可由交通规则检查模块308检测到的交通规则违章可包括但不限于速度违章、交通灯违章、停车标志违章、未能让行(对行人或另外车辆让行)违章、外部照明故障或其任何组合。以上非详尽列表仅用于说明目的。交通规则检查模块308也可检测到其它交通规则违章。
图4是示出根据一个实施方式的与自动驾驶车辆一起使用的各种模块的框图400。用于自动检测和通知用户交通规则违章的方法可用图4的模块实现。图4中示出的一些或所有模块或子模块可用硬件、软件或其组合来实现。ADV可以是警察巡逻车辆。感知模块302使用ADV的传感器捕捉ADV处的周围道路交通信息。所使用的传感器可包括摄像机211、GPS单元212、IMU 213、雷达单元214、LIDAR单元215或其组合。周围道路交通信息可包括但不限于车道配置、路面标记、交通灯信号、速度、轨迹、其它车辆的相对位置、其它车辆的外部灯的状况、行人、建筑物、障碍物、人行横道或任何其它交通相关标志(例如,停车标志、让行标志)或其任何组合。以上非详尽列表仅用于说明目的。周围道路交通信息也可包括其它信息。
交通规则检查模块308基于周围道路交通信息和预存储的交通规则312检测ADV处在ADV的感知范围内的另一车辆的交通规则违章。应当理解,在任何特定时刻使用的交通规则312可能会基于操作ADV的地点和管辖区域(例如,特定国家、州、城市等)而有所不同。检测到的交通规则违章可包括但不限于速度违章、交通灯违章、停车标志违章、未能让行(对行人或另外车辆让行)违章、外部照明故障或其任何组合。以上非详尽列表仅用于说明目的。检测到的交通规则违章可能是上面未提到的另一违章。通知模块401提醒用户(例如,乘坐在ADV中的警察)检测到的交通规则违章。因此,用户可采取适当的行动。
根据一个实施方式,交通规则检查模块308(也称为交通违章检测器或检测模块)包括分析模块(未示出)。响应于从安装在ADV上的各种传感器获得的传感器数据,根据一组预配置的交通规则,分析模块对传感器数据执行分析,以检测ADV周围的一个或多个车辆中的第一车辆以及第一车辆的行为,从而确定第一车辆是否违反了交通规则。此外,可使用安装在ADV上的摄像机捕捉第一车辆的一个或多个图像(例如,牌照,车型或制造商,诸如颜色、形状等的车辆外观),该一个或多个图像可以是由传感器***115提供的传感器数据的一部分。如果确定第一车辆违反了交通规则,则通知模块401生成指示已检测到交通违章的警报。警报和第一车辆的图形表示(例如,图标)或图像可显示在ADV内的显示装置上。第一车辆的图形表示可显示成与相对于ADV的位置的相对地点或位置相对应,使得ADV的乘客知道违章发生的位置。可基于传感器数据确定第一车辆的相对地点或位置。
警报和第一车辆的图像以及表示ADV周围的驾驶环境的感知数据可存储在ADV保持的永久性存储装置中。这些信息可用作交通违章的证据。另外地或可替代地,警报和第一车辆的图像以及表示ADV周围的驾驶环境的感知数据可通过网络传送至中央服务器(例如服务器103)以存储在中央服务器中。可在中央服务器上对收集的数据离线执行后续分析。
第一车辆可以是位于ADV的预定接近度内的车辆之一。例如,第一车辆可位于ADV的后端后面,并且可通过安装在ADV的驾驶员通常不会给予足够重视的ADV后端附近的传感器来捕捉和检测交通违章。通过利用安装在ADV上的传感器,可捕捉通常不会被容易的检测到的某些交通违章,而无需用户干预乘坐在ADV中的人。另外,由于交通信息传送至中央服务器,因此可离线执行交通违章的检测,使得ADV的乘员(例如,执法人员)不需要在交通违章的时间点使违章车辆靠边停车,特别是当警察执行更重要的任务时。可响应于随后离线执行的分析,向违章车辆的所有者发出交通违章罚单。
应注意,在这种情况下,ADV可实施为执法车辆(例如,警车)的一部分。可替代地,ADV可以是参与收集交通数据以帮助执法***检测任何交通违章的普通车辆或准执法车辆的许多ADV之一。可在中央设施处确定最终违章检测。
图5是示出根据本公开的一个实施方式的用于使用自动驾驶车辆的传感器和感知模块来自动检测和通知用户交通规则违章的示例性方法500的流程图。过程500可由处理逻辑执行,所述处理逻辑可包括软件、硬件或其组合。例如,过程500可由如上所述的交通规则检查模块308执行。在框501处,可基于从ADV的多个传感器获得的传感器数据捕捉自动驾驶车辆(ADV)处的周围道路交通信息。在框502处,基于周围道路交通信息和ADV保持的一组预配置的交通规则,来自动检测ADV处在ADV的感知范围内的第一车辆的交通规则违章,包括根据预配置的交通规则分析周围道路交通信息。在框503处,可响应于检测到的交通规则违章生成警报。
应注意,如上文示出和描述的部件中的一些或全部可在软件、硬件或其组合中实施。例如,此类部件可实施为安装并存储在永久性存储装置中的软件,所述软件可通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。可替代地,此类部件可实施为编程或嵌入到专用硬件(诸如,集成电路(例如,专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码,所述可执行代码可经由来自应用的相应驱动程序和/或操作***来访问。此外,此类部件可实施为处理器或处理器内核中的特定硬件逻辑,作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
因此,在本文所述的本公开的实施方式的帮助下,乘坐在ADV中的警察可从查找附近交通规则违章的任务中解脱出来。ADV的感知和交通规则检查能力使得能够兼具速度和准确度地自动检测在ADV的感知范围内的所有方向上发生的交通规则违章。
图6是示出可与本公开的一个实施方式一起使用的数据处理***的示例的框图。例如,***1500可表示以上所述的执行上述过程或方法中的任一个的任何数据处理***,例如,图1的感知与规划***110或者服务器103至104中的任一个。***1500可包括许多不同的部件。这些部件可实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板(诸如,计算机***的主板或***卡)的其它模块或者实施为以其它方式并入计算机***的机架内的部件。
还应注意,***1500旨在示出计算机***的许多部件的高阶视图。然而,应当理解的是,某些实施例中可具有附加的部件,此外,其它实施例中可具有所示部件的不同布置。***1500可表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外,虽然仅示出了单个机器或***,但是术语“机器”或“***”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或***的任何集合。
在一个实施方式中,***1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可表示一个或多个通用处理器,诸如,微处理器、中央处理单元(CPU)等。更具体地,处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器,诸如,专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。
处理器1501(其可以是低功率多核处理器套接口,诸如超低电压处理器)可充当用于与所述***的各种部件通信的主处理单元和中央集线器。这种处理器可实施为片上***(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。***1500还可包括与可选的图形子***1504通信的图形接口,图形子***1504可包括显示控制器、图形处理器和/或显示装置。
处理器1501可与存储器1503通信,存储器1503在一个实施方式中可经由多个存储器装置实施以提供给定量的***存储。存储器1503可包括一个或多个易失性存储(或存储器)装置,诸如,随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如,各种操作***、装置驱动程序、固件(例如,输入输出基本***或BIOS)和/或应用的可执行代码和/或数据可加载到存储器1503中并由处理器1501执行。操作***可以是任何类型的操作***,例如,机器人操作***(ROS)、来自公司的操作***、来自苹果公司的Mac来自公司的LINUX、UNIX,或者其它实时或嵌入式操作***。
***1500还可包括IO装置,诸如装置1505至1508,包括网络接口装置1505、可选的输入装置1506,以及其它可选的IO装置1507。网络接口装置1505可包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如,全球定位***(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。
输入装置1506可包括鼠标、触摸板、触敏屏幕(其可与显示装置1504集成在一起)、指针装置(诸如,手写笔)和/或键盘(例如,物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如,输入装置1506可包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种,以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。
IO装置1507可包括音频装置。音频装置可包括扬声器和/或麦克风,以促进支持语音的功能,诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如,PCI-PCI桥)、传感器(例如,诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可包括成像处理子***(例如,摄像机),所述成像处理子***可包括用于促进摄像机功能(诸如,记录照片和视频片段)的光学传感器,诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可经由传感器集线器(未示出)联接到互连件1510,而诸如键盘或热传感器的其它装置可根据***1500的具体配置或设计由嵌入式控制器(未示出)控制。
为了提供对诸如数据、应用、一个或多个操作***等信息的永久性存储,大容量存储装置(未示出)也可联接到处理器1501。在各种实施方式中,为了实现更薄且更轻的***设计并且改进***响应性,这种大容量存储装置可经由固态装置(SSD)来实施。然而,在其它实施方式中,大容量存储装置可主要使用硬盘驱动器(HDD)来实施,其中较小量的SSD存储装置充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储,从而使得在***活动重新启动时能够实现快速通电。另外,闪存装置可例如经由串行***接口(SPI)联接到处理器1501。这种闪存装置可提供***软件的非易失性存储,所述***软件包括所述***的BIOS以及其它固件。
存储装置1508可包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质),其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如,模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可表示上述部件中的任一个,例如规划模块305、控制模块306、感知模块302、交通规则检查模块308、通知模块401。处理模块/单元/逻辑1528还可在其由数据处理***1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内,数据处理***1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可通过网络经由网络接口装置1505进行传输或接收。
计算机可读存储介质1509也可用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质,但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如,集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质,所述指令集用于由机器执行并且使得所述机器执行本公开的任何一种或多种方法。因此,术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质,或者任何其它非暂时性机器可读介质。
本文所述的处理模块/单元/逻辑1528、部件以及其它特征可实施为分立硬件部件或集成在硬件部件(诸如,ASICS、FPGA、DSP或类似装置)的功能中。此外,处理模块/单元/逻辑1528可实施为硬件装置内的固件或功能电路。此外,处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意,虽然***1500被示出为具有数据处理***的各种部件,但是并不旨在表示使部件互连的任何特定架构或方式;因为此类细节和本公开的实施方式没有密切关系。还应当认识到,具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其它数据处理***也可与本公开的实施方式一起使用。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式,以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中,算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而,应当牢记,所有这些和类似的术语均旨在与适当的物理量关联,并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出,否则应当了解,在整个说明书中,利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机***或类似电子计算装置的动作和处理,所述计算机***或电子计算装置操控计算机***的寄存器和存储器内的表示为物理(电子)量的数据,并将所述数据变换成计算机***存储器或寄存器或者其它此类信息存储装置、传输或显示装置内类似地表示为物理量的其它数据。
本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机构。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质(例如,只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可由处理逻辑来执行,所述处理逻辑包括硬件(例如,电路、专用逻辑等)、软件(例如,体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的,但是应当了解,所述操作中的一些可按不同的顺序执行。此外,一些操作可并行地执行而不是顺序地执行。
本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到,可使用多种编程语言来实施如本文描述的本公开的实施方式的教导。
在以上的说明书中,已经参考本公开的具体示例性实施方式对本公开的实施方式进行了描述。将显而易见的是,在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下,可对本发明作出各种修改。因此,应当在说明性意义而不是限制性意义上来理解本说明书和附图。
Claims (21)
1.一种计算机实现的方法,包括:
基于从自动驾驶车辆的多个传感器获得的传感器数据,捕捉所述自动驾驶车辆处的周围道路交通信息;
基于所述周围道路交通信息和由所述自动驾驶车辆保持的一组预配置的交通规则,来自动检测所述自动驾驶车辆处在所述自动驾驶车辆的感知范围内的第一车辆的交通规则违章,包括根据所述预配置的交通规则分析所述周围道路交通信息;以及
响应于所检测到的交通规则违章,生成警报。
2.根据权利要求1所述的方法,其中,所述周围道路交通信息包括以下中的一个或多个:车道配置、路面标记、交通灯信号、速度、轨迹、其它车辆的相对位置、其它车辆的外部灯的状况、行人、建筑物、障碍物、人行横道、停车标志或让行标志。
3.根据权利要求1所述的方法,还包括:
使用安装在所述自动驾驶车辆上的摄像机自动捕捉所述第一车辆的图像,包括捕捉所述第一车辆的牌照;以及
将所述警报和表示所述第一车辆的图像表示显示在所述自动驾驶车辆的显示装置上,以指示所述第一车辆违反了交通规则。
4.根据权利要求3所述的方法,还包括:
通过网络将所述警报和所述第一车辆的图像传送至预定远程服务器。
5.根据权利要求4所述的方法,还包括:
通过所述网络将所述周围道路交通信息中的至少一部分传送至所述预定远程服务器。
6.根据权利要求3所述的方法,
其中,所述第一车辆位于相对于所述自动驾驶车辆的后端的预定接近度内,以及
其中,所述摄像机安装在所述自动驾驶车辆的后端附近。
7.根据权利要求3所述的方法,还包括:
将所述警报、所述第一车辆的图像和所述周围道路交通信息存储在由所述自动驾驶车辆保持的永久性存储装置中,包括所述警报的时间戳。
8.一种存储有指令的非暂时性机器可读介质,所述指令在由处理器执行时致使所述处理器执行操作,所述操作包括:
基于从自动驾驶车辆的多个传感器获得的传感器数据,捕捉所述自动驾驶车辆处的周围道路交通信息;
基于所述周围道路交通信息和由所述自动驾驶车辆保持的一组预配置的交通规则,来自动检测所述自动驾驶车辆处在所述自动驾驶车辆的感知范围内的第一车辆的交通规则违章,包括根据所述预配置的交通规则分析所述周围道路交通信息;以及
响应于所检测到的交通规则违章,生成警报。
9.根据权利要求8所述的非暂时性机器可读介质,其中,所述周围道路交通信息包括以下中的一个或多个:车道配置、路面标记、交通灯信号、速度、轨迹、其它车辆的相对位置、其它车辆的外部灯的状况、行人、建筑物、障碍物、人行横道、停车标志或让行标志。
10.根据权利要求8所述的非暂时性机器可读介质,其中,所述操作还包括:
使用安装在所述自动驾驶车辆上的摄像机自动捕捉所述第一车辆的图像,包括捕捉所述第一车辆的牌照;以及
将所述警报和表示所述第一车辆的图像表示显示在所述自动驾驶车辆的显示装置上,以指示所述第一车辆违反了交通规则。
11.根据权利要求10所述的非暂时性机器可读介质,其中,所述操作还包括:
通过网络将所述警报和所述第一车辆的图像传送至预定远程服务器。
12.根据权利要求11所述的非暂时性机器可读介质,其中,所述操作还包括:
通过所述网络将所述周围道路交通信息中的至少一部分传送至所述预定远程服务器。
13.根据权利要求10所述的非暂时性机器可读介质,
其中,所述第一车辆位于相对于所述自动驾驶车辆的后端的预定接近度内,以及
其中,所述摄像机安装在所述自动驾驶车辆的后端附近。
14.根据权利要求10所述的非暂时性机器可读介质,其中,所述操作还包括:
将所述警报、所述第一车辆的图像和所述周围道路交通信息存储在由所述自动驾驶车辆保持的永久性存储装置中,包括所述警报的时间戳。
15.一种数据处理***,包括:
处理器;以及
存储器,所述存储器联接至所述处理器,以存储指令,所述指令在由所述处理器执行时致使所述处理器执行操作,所述操作包括:
基于从自动驾驶车辆的多个传感器获得的传感器数据,捕捉所述自动驾驶车辆处的周围道路交通信息;
基于所述周围道路交通信息和由所述自动驾驶车辆保持的一组预配置的交通规则,来自动检测所述自动驾驶车辆处在所述自动驾驶车辆的感知范围内的第一车辆的交通规则违章,包括根据所述预配置的交通规则分析所述周围道路交通信息;以及
响应于所检测到的交通规则违章,生成警报。
16.根据权利要求15所述的数据处理***,其中,所述周围道路交通信息包括以下中的一个或多个:车道配置、路面标记、交通灯信号、速度、轨迹、其它车辆的相对位置、其它车辆的外部灯的状况、行人、建筑物、障碍物、人行横道、停车标志或让行标志。
17.根据权利要求15所述的数据处理***,其中,所述操作还包括:
使用安装在所述自动驾驶车辆上的摄像机自动捕捉所述第一车辆的图像,包括捕捉所述第一车辆的牌照;以及
将所述警报和表示所述第一车辆的图像表示显示在所述自动驾驶车辆的显示装置上,以指示所述第一车辆违反了交通规则。
18.根据权利要求17所述的数据处理***,其中,所述操作还包括:
通过网络将所述警报和所述第一车辆的图像传送至预定远程服务器。
19.根据权利要求18所述的数据处理***,其中,所述操作还包括:
通过所述网络将所述周围道路交通信息中的至少一部分传送至所述预定远程服务器。
20.根据权利要求17所述的数据处理***,
其中,所述第一车辆位于相对于所述自动驾驶车辆的后端的预定接近度内,以及
其中,所述摄像机安装在所述自动驾驶车辆的后端附近。
21.根据权利要求17所述的数据处理***,其中,所述操作还包括:
将所述警报、所述第一车辆的图像和所述周围道路交通信息存储在由所述自动驾驶车辆保持的永久性存储装置中,包括所述警报的时间戳。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/051,031 | 2018-07-31 | ||
US16/051,031 US10810872B2 (en) | 2018-07-31 | 2018-07-31 | Use sub-system of autonomous driving vehicles (ADV) for police car patrol |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110782657A true CN110782657A (zh) | 2020-02-11 |
Family
ID=66826856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910522795.5A Pending CN110782657A (zh) | 2018-07-31 | 2019-06-17 | 使用自动驾驶车辆的子***进行警车巡逻 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10810872B2 (zh) |
EP (1) | EP3605491A1 (zh) |
JP (1) | JP6894471B2 (zh) |
CN (1) | CN110782657A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287806A (zh) * | 2020-10-27 | 2021-01-29 | 北京百度网讯科技有限公司 | 一种道路信息检测方法、***、电子设备及存储介质 |
Families Citing this family (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160085733A1 (en) | 2005-10-26 | 2016-03-24 | Cortica, Ltd. | System and method thereof for dynamically associating a link to an information resource with a multimedia content displayed in a web-page |
US20140156901A1 (en) | 2005-10-26 | 2014-06-05 | Cortica Ltd. | Computing device, a system and a method for parallel processing of data streams |
US11604847B2 (en) | 2005-10-26 | 2023-03-14 | Cortica Ltd. | System and method for overlaying content on a multimedia content element based on user interest |
US11403336B2 (en) | 2005-10-26 | 2022-08-02 | Cortica Ltd. | System and method for removing contextually identical multimedia content elements |
US11386139B2 (en) | 2005-10-26 | 2022-07-12 | Cortica Ltd. | System and method for generating analytics for entities depicted in multimedia content |
US9646005B2 (en) | 2005-10-26 | 2017-05-09 | Cortica, Ltd. | System and method for creating a database of multimedia content elements assigned to users |
US11019161B2 (en) | 2005-10-26 | 2021-05-25 | Cortica, Ltd. | System and method for profiling users interest based on multimedia content analysis |
US10949773B2 (en) | 2005-10-26 | 2021-03-16 | Cortica, Ltd. | System and methods thereof for recommending tags for multimedia content elements based on context |
US10848590B2 (en) | 2005-10-26 | 2020-11-24 | Cortica Ltd | System and method for determining a contextual insight and providing recommendations based thereon |
US8326775B2 (en) | 2005-10-26 | 2012-12-04 | Cortica Ltd. | Signature generation for multimedia deep-content-classification by a large-scale matching system and method thereof |
US20160321253A1 (en) | 2005-10-26 | 2016-11-03 | Cortica, Ltd. | System and method for providing recommendations based on user profiles |
US11032017B2 (en) | 2005-10-26 | 2021-06-08 | Cortica, Ltd. | System and method for identifying the context of multimedia content elements |
US10742340B2 (en) | 2005-10-26 | 2020-08-11 | Cortica Ltd. | System and method for identifying the context of multimedia content elements displayed in a web-page and providing contextual filters respective thereto |
US11216498B2 (en) | 2005-10-26 | 2022-01-04 | Cortica, Ltd. | System and method for generating signatures to three-dimensional multimedia data elements |
US11361014B2 (en) | 2005-10-26 | 2022-06-14 | Cortica Ltd. | System and method for completing a user profile |
US11620327B2 (en) | 2005-10-26 | 2023-04-04 | Cortica Ltd | System and method for determining a contextual insight and generating an interface with recommendations based thereon |
US11537636B2 (en) | 2007-08-21 | 2022-12-27 | Cortica, Ltd. | System and method for using multimedia content as search queries |
US11037015B2 (en) | 2015-12-15 | 2021-06-15 | Cortica Ltd. | Identification of key points in multimedia data elements |
US11195043B2 (en) | 2015-12-15 | 2021-12-07 | Cortica, Ltd. | System and method for determining common patterns in multimedia content elements based on key points |
WO2019008581A1 (en) | 2017-07-05 | 2019-01-10 | Cortica Ltd. | DETERMINATION OF DRIVING POLICIES |
US11899707B2 (en) | 2017-07-09 | 2024-02-13 | Cortica Ltd. | Driving policies determination |
US11693888B1 (en) * | 2018-07-12 | 2023-07-04 | Intuit, Inc. | Intelligent grouping of travel data for review through a user interface |
US10846544B2 (en) | 2018-07-16 | 2020-11-24 | Cartica Ai Ltd. | Transportation prediction system and method |
US10795362B2 (en) * | 2018-08-20 | 2020-10-06 | Waymo Llc | Detecting and responding to processions for autonomous vehicles |
US10816979B2 (en) * | 2018-08-24 | 2020-10-27 | Baidu Usa Llc | Image data acquisition logic of an autonomous driving vehicle for capturing image data using cameras |
US11613261B2 (en) | 2018-09-05 | 2023-03-28 | Autobrains Technologies Ltd | Generating a database and alerting about improperly driven vehicles |
JP7218535B2 (ja) * | 2018-10-12 | 2023-02-07 | トヨタ自動車株式会社 | 交通違反車両識別システム及びサーバ |
US10839694B2 (en) | 2018-10-18 | 2020-11-17 | Cartica Ai Ltd | Blind spot alert |
US20200133308A1 (en) | 2018-10-18 | 2020-04-30 | Cartica Ai Ltd | Vehicle to vehicle (v2v) communication less truck platooning |
US11126870B2 (en) * | 2018-10-18 | 2021-09-21 | Cartica Ai Ltd. | Method and system for obstacle detection |
US11904863B2 (en) | 2018-10-26 | 2024-02-20 | AutoBrains Technologies Ltd. | Passing a curve |
US11700356B2 (en) | 2018-10-26 | 2023-07-11 | AutoBrains Technologies Ltd. | Control transfer of a vehicle |
US11392738B2 (en) | 2018-10-26 | 2022-07-19 | Autobrains Technologies Ltd | Generating a simulation scenario |
US10748038B1 (en) | 2019-03-31 | 2020-08-18 | Cortica Ltd. | Efficient calculation of a robust signature of a media unit |
US10789535B2 (en) | 2018-11-26 | 2020-09-29 | Cartica Ai Ltd | Detection of road elements |
US10971003B2 (en) * | 2019-01-29 | 2021-04-06 | Ford Global Technologies, Llc | Systems and methods for predicting pedestrian behavior |
US11170647B2 (en) | 2019-02-07 | 2021-11-09 | Cartica Ai Ltd. | Detection of vacant parking spaces |
US11643005B2 (en) | 2019-02-27 | 2023-05-09 | Autobrains Technologies Ltd | Adjusting adjustable headlights of a vehicle |
US11285963B2 (en) | 2019-03-10 | 2022-03-29 | Cartica Ai Ltd. | Driver-based prediction of dangerous events |
US11694088B2 (en) | 2019-03-13 | 2023-07-04 | Cortica Ltd. | Method for object detection using knowledge distillation |
US11132548B2 (en) | 2019-03-20 | 2021-09-28 | Cortica Ltd. | Determining object information that does not explicitly appear in a media unit signature |
US10776669B1 (en) | 2019-03-31 | 2020-09-15 | Cortica Ltd. | Signature generation and object detection that refer to rare scenes |
US11222069B2 (en) | 2019-03-31 | 2022-01-11 | Cortica Ltd. | Low-power calculation of a signature of a media unit |
US11908242B2 (en) | 2019-03-31 | 2024-02-20 | Cortica Ltd. | Efficient calculation of a robust signature of a media unit |
KR20210007385A (ko) * | 2019-07-11 | 2021-01-20 | 현대자동차주식회사 | 오류 모니터링을 이용한 교통 감시 시스템 |
US11024162B2 (en) * | 2019-08-14 | 2021-06-01 | At&T Intellectual Property I, L.P. | Traffic management system |
US11704292B2 (en) | 2019-09-26 | 2023-07-18 | Cortica Ltd. | System and method for enriching a concept database |
US11593662B2 (en) | 2019-12-12 | 2023-02-28 | Autobrains Technologies Ltd | Unsupervised cluster generation |
WO2021174485A1 (en) * | 2020-03-05 | 2021-09-10 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Latency compensation in inertial navigation system |
US11590988B2 (en) | 2020-03-19 | 2023-02-28 | Autobrains Technologies Ltd | Predictive turning assistant |
US11827215B2 (en) | 2020-03-31 | 2023-11-28 | AutoBrains Technologies Ltd. | Method for training a driving related object detector |
US20210358066A1 (en) * | 2020-05-17 | 2021-11-18 | Ahmad Abusaad | Intelligent Traffic Violation Detection System |
US11003919B1 (en) | 2020-10-16 | 2021-05-11 | Hayden Al Technologies, Inc. | Systems and methods for detecting traffic violations using mobile detection devices |
CN112258842A (zh) * | 2020-10-26 | 2021-01-22 | 北京百度网讯科技有限公司 | 交通监测方法、装置、设备及存储介质 |
CN116917181A (zh) * | 2021-03-05 | 2023-10-20 | 株式会社电装 | 处理方法、处理***以及处理程序 |
CN114394100B (zh) * | 2022-01-12 | 2024-04-05 | 深圳力维智联技术有限公司 | 一种无人巡逻车控制***及无人车 |
CN115240435A (zh) * | 2022-09-21 | 2022-10-25 | 广州市德赛西威智慧交通技术有限公司 | 一种基于ai技术的车辆违章行驶检测方法、装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000231692A (ja) * | 1999-02-12 | 2000-08-22 | Joho System:Kk | 駐車違反取締りシステム |
US20020186297A1 (en) * | 2001-06-05 | 2002-12-12 | Bakewell Charles Adams | Mobile enforcement platform and aimable violation detection and documentation system for multiple types of traffic violations across all lanes in moving traffic supporting immediate or delayed citation generation as well as homeland security monitoring activities |
US20110084855A1 (en) * | 2003-07-10 | 2011-04-14 | James Simon | Autonomous Wide-Angle License Plate Recognition |
US20130275031A1 (en) * | 2006-09-19 | 2013-10-17 | Intuitive Control Systems, Llc | Collection, monitoring, analyzing and reporting of traffic data via vehicle sensor devices placed at multiple remote locations |
JP2016177722A (ja) * | 2015-03-23 | 2016-10-06 | 株式会社ゼンリンデータコム | 安全運転支援装置及び自動運転車 |
US20170116851A1 (en) * | 2015-08-26 | 2017-04-27 | Bertram V. Burke | Monitoring and reporting slow drivers in fast highway lanes |
CN106960576A (zh) * | 2017-04-13 | 2017-07-18 | 四川大西辰科技有限公司 | 使警车360度全方位巡视的视频装置 |
US20180018869A1 (en) * | 2016-07-12 | 2018-01-18 | Ford Global Technologies, Llc | Autonomous Police Vehicle |
CN108322711A (zh) * | 2018-02-22 | 2018-07-24 | 深圳市安博臣科技有限公司 | 基于ai人工智能协助追击违章车辆的辅助警务处置*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3728401A1 (de) * | 1987-08-26 | 1989-03-09 | Robot Foto Electr Kg | Verkehrsueberwachungseinrichtung |
JP4494983B2 (ja) * | 2005-01-07 | 2010-06-30 | 三菱重工業株式会社 | ポータブル型車両番号認識装置およびポータブル型車両番号認識装置による車両番号認識方法 |
EP2709051B1 (de) * | 2012-09-17 | 2017-03-22 | Kapsch TrafficCom AG | Verfahren zum elektronischen Verarbeiten eines Verkehrsdelikts und Onboard-Unit hierfür |
US9472098B2 (en) * | 2015-01-15 | 2016-10-18 | International Business Machines Corporation | Vehicle-based abnormal travel event detecting and reporting |
US9946734B2 (en) * | 2015-09-16 | 2018-04-17 | Ekin Teknoloji Sanayi Ve Ticaret Anonim Sirketi | Portable vehicle monitoring system |
US10607485B2 (en) * | 2015-11-11 | 2020-03-31 | Sony Corporation | System and method for communicating a message to a vehicle |
US10852736B2 (en) * | 2018-04-03 | 2020-12-01 | Baidu Usa Llc | Method to track and to alert autonomous driving vehicles (ADVS) of emergency vehicles |
-
2018
- 2018-07-31 US US16/051,031 patent/US10810872B2/en active Active
-
2019
- 2019-06-12 EP EP19179567.3A patent/EP3605491A1/en active Pending
- 2019-06-17 CN CN201910522795.5A patent/CN110782657A/zh active Pending
- 2019-07-02 JP JP2019123684A patent/JP6894471B2/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000231692A (ja) * | 1999-02-12 | 2000-08-22 | Joho System:Kk | 駐車違反取締りシステム |
US20020186297A1 (en) * | 2001-06-05 | 2002-12-12 | Bakewell Charles Adams | Mobile enforcement platform and aimable violation detection and documentation system for multiple types of traffic violations across all lanes in moving traffic supporting immediate or delayed citation generation as well as homeland security monitoring activities |
US20110084855A1 (en) * | 2003-07-10 | 2011-04-14 | James Simon | Autonomous Wide-Angle License Plate Recognition |
US20130275031A1 (en) * | 2006-09-19 | 2013-10-17 | Intuitive Control Systems, Llc | Collection, monitoring, analyzing and reporting of traffic data via vehicle sensor devices placed at multiple remote locations |
JP2016177722A (ja) * | 2015-03-23 | 2016-10-06 | 株式会社ゼンリンデータコム | 安全運転支援装置及び自動運転車 |
US20170116851A1 (en) * | 2015-08-26 | 2017-04-27 | Bertram V. Burke | Monitoring and reporting slow drivers in fast highway lanes |
US20180018869A1 (en) * | 2016-07-12 | 2018-01-18 | Ford Global Technologies, Llc | Autonomous Police Vehicle |
CN107608388A (zh) * | 2016-07-12 | 2018-01-19 | 福特全球技术公司 | 自主警车 |
CN106960576A (zh) * | 2017-04-13 | 2017-07-18 | 四川大西辰科技有限公司 | 使警车360度全方位巡视的视频装置 |
CN108322711A (zh) * | 2018-02-22 | 2018-07-24 | 深圳市安博臣科技有限公司 | 基于ai人工智能协助追击违章车辆的辅助警务处置*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287806A (zh) * | 2020-10-27 | 2021-01-29 | 北京百度网讯科技有限公司 | 一种道路信息检测方法、***、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10810872B2 (en) | 2020-10-20 |
EP3605491A1 (en) | 2020-02-05 |
JP2020021471A (ja) | 2020-02-06 |
JP6894471B2 (ja) | 2021-06-30 |
US20200043326A1 (en) | 2020-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10810872B2 (en) | Use sub-system of autonomous driving vehicles (ADV) for police car patrol | |
CN110641472B (zh) | 基于神经网络的用于自主车辆的安全监控*** | |
CN110667591B (zh) | 用于自动驾驶车辆的规划驾驶感知*** | |
CN109426256B (zh) | 自动驾驶车辆的基于驾驶员意图的车道辅助*** | |
CN110377025B (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
CN110239562B (zh) | 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适 | |
CN110347145B (zh) | 用于自动驾驶车辆的感知辅助 | |
CN110462543B (zh) | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 | |
KR102093047B1 (ko) | 자율 주행을 위한 지도 이미지에 기반한 교통 예측 | |
CN110349416B (zh) | 用于自动驾驶车辆(adv)的基于密度的交通灯控制*** | |
CN110597243B (zh) | 自动驾驶车辆的基于v2x通信的车辆车道*** | |
CN108733046B (zh) | 用于自动驾驶车辆的轨迹重新规划的***和方法 | |
CN110727267A (zh) | 具有冗余超声雷达的自动驾驶车辆 | |
CN110621541B (zh) | 用于生成轨迹以操作自动驾驶车辆的方法和*** | |
CN111328411B (zh) | 用于自动驾驶车辆的行人概率预测*** | |
CN111076732A (zh) | 基于车辆行驶的轨迹标记和生成高清地图的标记方案 | |
CN110794823A (zh) | 预测自动驾驶车辆的对象移动的方法和*** | |
CN111061261A (zh) | 使用标准导航地图与基于车辆的先前轨迹确定的车道配置的自动驾驶 | |
CN111247495A (zh) | 用于自动驾驶车辆的低速场景的行人交互*** | |
CN109085818B (zh) | 基于车道信息控制自动驾驶车辆的车门锁的方法和*** | |
CN111857119A (zh) | 用于停放自动驾驶车辆的停车管理架构 | |
CN111712417A (zh) | 用于自动驾驶车辆的、基于隧道的规划*** | |
CN111857118A (zh) | 对停车轨迹分段以控制自动驾驶车辆停车 | |
CN111328385A (zh) | 用于自动驾驶车辆的基于螺旋路径的三点转弯规划 | |
CN111328313A (zh) | 用于自动驾驶车辆的控制占主导的三点转弯规划 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |
|
RJ01 | Rejection of invention patent application after publication |