CN112334368A - 车辆控制***及控制车辆运动的控制方法 - Google Patents
车辆控制***及控制车辆运动的控制方法 Download PDFInfo
- Publication number
- CN112334368A CN112334368A CN201980041476.0A CN201980041476A CN112334368A CN 112334368 A CN112334368 A CN 112334368A CN 201980041476 A CN201980041476 A CN 201980041476A CN 112334368 A CN112334368 A CN 112334368A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- region
- collision
- regions
- speed
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims description 67
- 238000006073 displacement reaction Methods 0.000 claims abstract description 174
- 230000008859 change Effects 0.000 claims description 49
- 230000007704 transition Effects 0.000 claims description 47
- 230000004044 response Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 34
- 230000006870 function Effects 0.000 description 21
- 238000005259 measurement Methods 0.000 description 17
- 238000001514 detection method Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003195 fascia Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- 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
- 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
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic 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
- 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
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18145—Cornering
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of 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
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/408—Traffic behavior, e.g. swarm
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
一种用于控制在与一组移动物体共享的道路上行驶的车辆的运动的车辆的控制***包括存储器,其存储与一组平衡点相对应的车辆的横向动力学的状态的区域的集合。每个区域限定了针对车辆的不同速度所确定的横向动力学的状态的控制不变集合,使得在针对速度所确定的区域内具有状态的车辆能够在以该速度移动的同时在该区域内维持其状态。每个区域包括相应平衡点并与至少一个相邻区域相交。每个平衡点与针对不同速度所确定的一个或更多个区域相关联。碰撞检测器在时程内的控制的每个时间步长处至少一个物体的轨迹与由在控制的时间步长车辆的纵向位移和每个区域的横向位移的值的范围所限定的空间相交时,检测在控制的时间步长处区域与至少一个物体的碰撞,以产生指示在控制的不同时间步长处的无碰撞区域的数据结构。路径规划器确定限定了区域的无碰撞序列的时间序列,以产生在并集内连接初始位移和目标位移的轨迹,区域的无碰撞序列形成在空间和时间上将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集。控制器根据轨迹控制车辆。
Description
技术领域
本发明总体上涉及自主驾驶和高级驾驶员辅助***,并且更具体地,涉及考虑到其他车辆的运动带来的风险而以可变速度控制车辆的运动。
背景技术
可靠定位和运动预测是自主驾驶和高级驾驶员辅助***(ADAS)的关键组件。例如,自主驾驶车辆和ADAS中的一个组件是运动规划器,该运动规划器经常在存在移动障碍物的情况下获取关于周围环境的信息并计算轨迹轮廓以便朝目标位置导航。作为另一示例,诸如车道变更***的ADAS需要关于不仅在当前时间而且在一些未来时间中其他车辆的位置的准确信息。
为此,现代车辆有时包括采用物体检测传感器的威胁评估和/或碰撞避免***,该物体检测传感器用于实现碰撞警告或碰撞避免以及其他主动安全应用。物体检测传感器可以使用诸如短距离雷达、长距离雷达、具有图像处理的相机、激光或LiDAR、超声波等的大量技术中的任何一种。物体检测传感器检测主车辆路径中的车辆和其他物体,并且应用软件使用对象检测信息,以提供警告或采取适当措施。在许多车辆中,物体检测传感器被直接集成到车辆的前保险杠或其他仪表板上。
然而,在规划主车辆的横向运动时威胁评估和/或碰撞避免是困难的任务。例如,在美国专利U.S.8543261中描述的***通过生成最佳车辆状态并基于那些最佳状态而生成威胁评估来考虑威胁评估。但是,尤其是在复杂的环境中,计算最佳路径在计算上可能成本太高。
在美国专利申请U.S.2016/0109571中,威胁评估基于主车辆的使用车辆的运动动力学的预测轨迹和检测到的车辆的多个返回扫描点,并计算每个检测到的车辆与主车辆的预测路径相交的风险。然而,预测主车辆的横向运动的每个可能轨迹与其他车辆的每个可能轨迹的相交在计算上可能成本太高。
因此,需要一种用于以在计算上有效的方式考虑其他车辆的运动所带来的风险,来控制车辆的横向运动的***和方法。
发明内容
一些实施方式基于以下理解:可以根据不同轨迹来控制车辆的横向运动。例如,可以通过具有不同值的横向位移的变化率和不同的前进速度(以下称为速度)的多个轨迹,来实现车道变更操纵。为此,可以期望在实时地控制车辆运动的同时,针对横向运动的不同目标预先计算不同的轨迹,并测试这些轨迹在当前交通状况下的可行性。
然而,一些实施方式是基于以下理解:预先计算和测试那些轨迹仍然可能是在计算上有挑战性的任务。具体而言,对于横向运动的每个目标(诸如,从右向左车道变更、从左向右车道变更、从右侧通过或从左侧通过),如果车辆从当前位置驶至与当前目标相对应的位置的可能轨迹不是无限数量的,那么也可能是巨大的。另外,如果甚至在轨迹的仅一个点处障碍物与该轨迹相交,则整个轨迹需要被丢弃,从而浪费了计算和存储资源。
一些实施方式基于以下认识:多个轨迹以及轨迹的所有点对局部碰撞的敏感度的原因在于轨迹的所有点在时间上的相互依赖性。具体而言,轨迹是时间的函数,其不仅指定了点的序列,而且还指定了作为时间函数的点之间的转移。这些转移管控车辆在轨迹的每个点处的状态和动力学,从而迫使车辆根据轨迹运动。可以通过不同的时间转移和不同的车辆速度,来实现两个相邻点之间的相同横向位移。进而,不同的时间转移使车辆在那两个相邻点处施加了不同状态,使得每个轨迹是唯一的且相互依赖的。
一些实施方式基于以下认识,即,通过打破车辆横向位移值与车辆速度之间的时间依赖性,能够简化车辆横向运动的无碰撞轨迹的计算。一些实施方式基于以下认识:能够通过针对每个横向位移和车辆速度构造以下区域来将横向位移的不同值彼此分离,该区域限定了为使得在区域内具有状态的车辆能够在该区域内维持其状态而确定的横向动力学的状态的控制不变集合。
一些实施方式基于以下认识:当能够在区域内维持车辆的状态时,该区域在不同时间点与不同障碍物的碰撞可以与其他区域的碰撞评估分开且独立地评估。在评估完成之后,可以根据横向运动的期望目标,来选择限定了形成空间和时间上区域的并集的无碰撞区域的序列的时间序列。更形象地说,期望区域的序列在无碰撞时间线上链接。通过改变无碰撞时间线,可以形成不同的无碰撞轨迹。
在一些实施方式中,针对车辆所行驶的道路上的限定横向位移的点的相应集合确定车辆在给定车辆速度下的横向动力学状态的区域的集合。横向动力学的每个状态包括车辆的横向位移、横向位移的变化率、横向方位和横向方位的变化率。每个区域限定了为使得在区域内具有状态的车辆能够针对速度边界范围内的车辆速度在该区域内维持其状态而确定的横向动力学的状态的控制不变集合。
在一些实施方式中,区域彼此相交。以此方式,可以形成在空间和时间上的无碰撞区域的并集,而无需评估区域外部的转移。
在一些实施方式中,虽然在不考虑车辆的纵向动态的情况下针对车辆的横向动力学预先确定区域的集合,但是车辆速度是横向动力学的参数。这种分离允许将相同区域的集合重用于车辆的不同纵向位移,以确定在不同时间不同区域的碰撞。
在另选的实施方式中,考虑到车辆的纵向动力学,针对车辆的横向动力学预先确定区域的集合。例如,在一个实施方式中,针对车辆的纵向速度的不同值确定区域的不同集合。该实施方式允许选择与车辆的当前和/或期望的纵向速度相对应的区域的集合。在一个实施方式中,考虑纵向动力学来进行针对不同速度的区域的集合之间的连接。
在各个实施方式中,区域的集合存储在控制***的存储器中。例如,在一个实施方式中,针对道路状况的所有可能变化来预先计算区域的集合。在该实施方式中,影响车辆的横向动力学的道路形状的变化由运动控制器来处理。
在另选的实施方式中,控制***包括收发器,该收发器发送车辆的当前位置,并响应于该发送而接收针对道路的当前形状而确定的区域的集合。
因此,一个实施方式公开了一种车辆的控制***,该控制***用于控制在与一组移动物体共享的道路上行驶的车辆的运动。该控制***包括:存储器,该存储器存储限定了车辆在行驶的道路上的横向位移的一组平衡点,并且存储与所述一组平衡点相对应的车辆的横向动力学的状态的区域的集合,其中横向动力学的每个状态包括横向位移、横向位移的变化率、横向方位和横向方位的变化率,其中每个区域限定了针对车辆的不同速度所确定的横向动力学的状态的控制不变集合,使得在针对速度所确定的区域内具有状态的车辆能够在以速度移动的同时在区域内维持其状态,其中每个区域包括相应平衡点并与至少一个相邻区域相交,并且其中每个平衡点与针对不同速度所确定的一个或更多个区域相关联;至少一个传感器,该至少一个传感器生成时间系列信号,该时间系列信号指示在与车辆共享的道路上的一组移动物体中的每个物体的运动轨迹;碰撞检测器,该碰撞检测器在时程内的控制的每个时间步长处至少一个物体的运动轨迹与由在控制的时间步长处车辆的纵向位移和针对第一速度所确定的每个区域的横向位移的值的范围所限定的空间相交时,检测在控制的时间步长处区域与至少一个物体的碰撞,以产生指示在控制的不同时间步长处的无碰撞区域的数据结构;路径规划器,该路径规划器确定限定了区域的无碰撞序列的时间序列以产生在并集内连接初始位移和目标位移的轨迹,区域的无碰撞序列形成在空间和时间上将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集;以及控制器,该控制器用于根据轨迹控制车辆。
例如,当路径规划器未能确定限定针对第一速度而确定的区域的无碰撞序列的时间序列时,碰撞检测器能够检测针对第二速度而确定的每个区域的碰撞。在这种情况下,路径规划器确定针对第二速度所确定的区域的无碰撞序列,以控制车辆。
例如,在一些实施方式中,碰撞检测器通过速度的不同值进行迭代,直到找到针对速度的那个值而确定的区域的无碰撞序列的速度的值。例如,碰撞检测器可以选择第一速度作为车辆的当前速度,并从该当前速度开始迭代。附加地或另选地,碰撞检测器能够从行驶道路上所允许的速度限制开始迭代。
在一些实现中,针对表示车辆的当前位移的平衡点而确定的区域覆盖包括第一速度和第二速度的速度的序列。例如,选择用于确定区域的速度,使得在相似的横向位移处与不同速度对应的区域针对至少一个速度而交叠。以这种方式,控制***能够安全地改变车辆的速度。
另一实施方式公开了一种用于控制在与一组移动物体共享的道路上行驶的车辆的运动的控制方法,其中,该方法使用联接至存储器的至少一个处理器,该存储器被配置为存储限定了车辆在行驶的道路上的横向位移的一组平衡点,并且存储与所述一组平衡点相对应的车辆的横向动力学的状态的区域的集合,其中横向动力学的每个状态包括横向位移、横向位移的变化率、横向方位和横向方位的变化率,其中每个区域限定了针对车辆的不同速度所确定的横向动力学的状态的控制不变集合,使得在针对速度所确定的区域内具有状态的车辆能够在以速度移动的同时在区域内维持其状态,其中每个区域包括相应平衡点并与至少一个相邻区域相交,并且其中每个平衡点与针对不同速度所确定的一个或更多个区域相关联,其中处理器与实现该方法的存储指令联接,其中,指令在被处理器执行时实施该方法的步骤。
该方法包括生成时间系列信号,该时间系列信号指示在与车辆共享的道路上的一组移动物体中的每个物体的运动轨迹;在时程内的控制的每个时间步长处至少一个物体的运动轨迹与由在控制的时间步长处车辆的纵向位移和针对第一速度所确定的每个区域的横向位移的值的范围所限定的空间相交时,检测在控制的时间步长处区域与至少一个物体的碰撞,以产生指示在控制的不同时间步长处的无碰撞区域的数据结构;确定限定了区域的无碰撞序列的时间序列,以产生在连接初始位移和目标位移的并集内的轨迹,区域的无碰撞序列形成在空间和时间上将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集;以及根据轨迹控制车辆。
附图说明
[图1A]
图1A示出了车辆在两车道道路的左车道中移动的示例性情况。
[图1B]
图1B示出了例示一些实施方式针对车辆的横向运动所采用的原理的示意图。
[图2]
图2示出了用于控制在与一组移动障碍物共享的道路上行驶的车辆的方法的流程图。
[图3A]
图3A示出了根据一些实施方式的用于控制在与一组移动物体共享的道路上行驶的车辆的运动的控制***的框图。
[图3B]
图3B示出了根据一个实施方式的控制***的总体结构。
[图4A]
图4A示出了车辆的运动目标的示意图。
[图4B]
图4B示出了根据一些实施方式的控制不变区域的益处。
[图4C]
图4C示出了由一些实施方式所使用的示例性控制不变区域的示意图。
[图4D]
图4D例示了根据一些实施方式的通过一组控制不变区域到达目标位置的运动的场景。
[图5A]
图5A示出了根据一些实施方式的在车辆的坐标中对车辆控制进行建模的示例。
[图5B]
图5B示出了由一些实施方式所使用的车辆的状态的模型的示意图。
[图5C]
图5C示出了***的物理约束对控制不变集合的影响的示例。
[图5D]
图5D示出了***的物理约束对控制不变集合的影响的示例。
[图5E]
图5E示出了确定平衡点之间的连接的替代示例。
[图6A]
图6A示出了根据一些实施方式的状态转移图的示例,该状态转移图定义了在不考虑障碍物的情况下针对控制的不同时间步长在对应于不同区域的平衡点之间的可能转移。
[图6B]
图6B示出了根据一些实施方式的响应于检测到障碍物而更新的图6A的曲线图以形成指示无碰撞区域的数据结构。
[图6C]
图6C示出了指示由一些实施方式使用的状态转移图的数据结构的示意图。
[图7A]
图7A示出了安全区域700a的一部分与预测的障碍物相交的情况。
[图7B]
图7B例示了根据一个实施方式的在概率上确定无碰撞区域的示意图。
[图8A]
图8A示出了根据一个实施方式的用于确定指示无碰撞区域的数据结构的碰撞检测器的示例性实现。
[图8B]
图8B示出了根据一些实施方式的用于生成可行轨迹并确定其与区域相交的概率的方法的流程图。
[图8C]
图8C示出了根据一些实施方式的列出假想驾驶员的各种意图的表格。
[图8D]
图8D示出了例示图8B的方法的迭代的状态转移序列。
[图8E]
图8E示出了根据一个实施方式的确定采样状态的集合的示例性实现的流程图。
[图8F]
图8F示出了用于更新与图8C所示的驾驶员的意图一致的采样状态的概率的方法的流程图。
[图8G]
图8G示出了针对概率密度函数(PDF)的每个离散区间产生一个状态的方法的迭代的简化示意图。
[图8H]
图8H示出了在图8G的第一次迭代中五个状态的可能指配的概率。
[图8I]
图8I示出了由一个实施方式使用的总概率密度函数的图。
[图9]
图9示出了车辆的可能的可行轨迹的示例。
[图10A]
图10A示出了在一些实施方式中用于确定车辆驾驶员的意图的车辆的方向盘的转向轨迹和车辆的加速度轨迹的时间系列信号。
[图10B]
图10B示出了根据一些实施方式的用于基于来自子集的可行轨迹与来自时间系列信号的车辆意图的一致性来更新要遵循的每个可行轨迹的概率的方法的示例性实现的流程图。
[图11A]
图11A示出了以不同速度改变区域尺寸的图示。
[图11B]
图11B例示了针对不同速度确定区域的安全序列。
[图12A]
图12A例示了针对不同车辆速度的横向位移的选择。
[图13A]
图13A示出了如何选择将哪个区域存储在存储器中的示意图。
[图13B]
图13B示出了根据一些实施方式的选择存储在存储器中的区域的示意图。
[图14A]
图14A示出了可能的速度排序的图示。
[图14B]
图14B示出了可能的速度排序的图示。
[图14C]
图14C示出了根据本发明的一些实施方式的如何确保不同速度之间安全过渡的图示。
[图15]
图15示出了用于控制车辆的方法的流程图。
[图16]
图16示出了用于确定指示无碰撞区域的数据结构的方法的示例性实现。
[图17]
图17示出了用于状态转移的成本函数的选择的图示。
具体实施方式
本发明的一些实施方式基于以下理解:可以根据不同轨迹来控制车辆的横向运动,其中,车辆通常是道路车辆,诸如客车、公共汽车、卡车等。例如,能够通过具有不同值的横向位移的变化率的多个轨迹来实现车道变更操纵。依据特定交通状况和车辆乘客的偏好,不同的轨迹可以比其他轨迹更合适。为此,能够预期在实时地控制车辆的运动的同时,针对横向运动的不同目标预先计算不同的轨迹并测试这些轨迹在当前交通状况下的可行性。
图1A示出了车辆101a在具有车道边界110a和车道划分线120a的两车道道路的左车道中移动的示例性情况。目标是将车道变更到右车道130a。与车道变更相对应的运动可以是数个运动140a中的任何运动。依据周围是否还有其他车辆,轨迹140a中的一些可能并不适合,或者由于即将发生的碰撞甚至不可能执行。
通常,轨迹140a的数量可以很大。因此,预先计算和测试轨迹的可行性可能是一项具有挑战性而又计算量大的任务。具体地,对于横向运动的每个目标(诸如,从右向左车道变更、从左向右车道变更、从右侧通过或从左侧通过),如果可能轨迹不是无限数量的,那么也可能是巨大的。另外,如果甚至在轨迹的仅一个点处障碍物与该轨迹相交,则整个轨迹需要被丢弃,从而浪费了计算和存储资源。
图1B示出了例示一些实施方式针对车辆的横向运动所采用的原理的示意图。例如,考虑图1B中的左侧部分,其例示了以四个时间步长从初始横向位置110b移动到目标横向位置120b的示意图。为此,该轨迹由在四个时间步长之后终止于120b的点111b之间的状态转移113b所限定的车辆的运动组成。这里,状态轨迹包括车辆的位置和前进方向随时间的变化,即,车辆的速度。如果另一车辆121b与计算出的轨迹113b相交,则轨迹113b不再有效,并且需要计算新的轨迹并再次检查新的轨迹与障碍物121b的碰撞,或者从预先计算的轨迹库取出新的轨迹。
多个轨迹以及轨迹的所有点对局部碰撞的敏感度的一部分原因在于轨迹的所有点111b在时间上的相互依赖性。具体地,轨迹113b是时间的函数,其不仅指定了点111b的序列,而且还指定了作为时间函数的点之间的转移。这些转移管控车辆在轨迹的每个点处的状态和动力学,从而迫使车辆根据轨迹运动。可以通过不同的时间转移来实现两个相邻点之间的相同横向位移。进而,不同的时间转移使车辆在那两个相邻点处施加不同状态,使得每个轨迹唯一且相互依赖。
一些实施方式基于以下认识:通过打破140b车辆横向位移值之间的时间依赖性,可以显著简化车辆横向运动的无碰撞轨迹的计算。一些实施方式基于以下认识:通过构造为了使得在该区域内具有状态的车辆能够并且将在该区域内保持其状态而确定的区域,可以将横向位移的不同值彼此分离。
例如,图1B的右侧部分示出了当目标是将车辆从初始横向位移110b控制到目标横向位移120b时的情况。代替确定限定了点111b的轨迹113b以及点之间的对应状态转移,一个实施方式认识到,可以通过构造对于车辆将是安全的区域来从110b到达目标横向位移120b。这些区域是交叠的,这意味着可以在区域内的从初始点110b到最终的横向位移120b的区域的安全走廊中移动,从而避免碰撞。因此,通过使用这些区域来代替特定轨迹,可以确定存在于这些区域的安全走廊中的安全轨迹,这确保了如果障碍物121b在特定时间窗口内与特定区域130b相交,则该区域被标记为不安全并且可以使用其他安全区域来代替。
图2示出了用于控制在与一组移动障碍物或物体(在下文中可互换地表示为车辆)一起共享的道路上行驶的车辆的方法的流程图。该方法使用存储器来存储实现该方法的步骤所必需的信息。该方法从存储器109中检索110限定了车辆在道路上的横向位移和方位的一组平衡点以及与平衡点相对应的车辆横向动力学的状态的区域的集合,其中,横向动力学的每个状态包括横向位移、横向位移的变化率、横向方位以及横向方位的变化率。每个区域限定了为使得在区域内具有状态的车辆能够在该区域内保持其状态而确定的横向动力学的状态的控制不变集合。在一些实现中,每个区域包括相应平衡点并且与至少一个相邻区域相交。
该方法使用来自直接连接至车辆或远程地连接至车辆的至少一个传感器的信息119来产生120时间系列信号121,该时间系列信号121指示由传感器检测到的一组移动物体中每个物体的运动。测量可以包括相机测量或激光/LIDAR测量。测量可以包括从车辆到车辆通信的测量,并且测量可以包括GPS数据。测量序列的长度可以因车辆而变化。
使用时间系列信号121和从存储器中检索到的信息111,该方法确定130指示在控制的不同时间步长处的无碰撞区域的数据结构。在确定130中,当在时程内的控制的每个时间步长处至少一个物体的轨迹与由在控制的该时间步长处车辆的纵向位移和每个区域的横向位移值的范围所确定的空间相交时,碰撞检测器检测在控制的该时间步长处区域与至少一个物体的碰撞。然后,使用确定的数据结构131,该方法使用路径规划器确定140限定了区域的无碰撞序列的时间序列,以产生在并集内连接初始位移与目标位移的轨迹141,区域的无碰撞序列形成在空间和时间上将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集。最终,该方法根据轨迹141控制150车辆以产生车辆运动151。
图3A示出了根据一些实施方式的控制***299的框图,该控制***299用于控制在与一组移动物体共享的道路上行驶的车辆300的运动。车辆还可以接收覆盖控制***299的命令的外部输入310。在这种情况下,车辆是半自主车辆。
控制***299包括存储器320,该存储器320存储定义了车辆所行驶的道路上的横向位移的一组平衡点,并且存储了与该组平衡点相对应的车辆横向动力学的状态的区域的集合,其中横向动力学的每个状态包括横向位移、横向位移的变化率、横向方位和横向方位的变化率,其中每个区域限定了为使得区域内具有状态的车辆能够在该区域内保持其状态而确定的横向动力学的状态的控制不变集合,其中每个区域包括相应平衡点并且与至少一个相邻区域相交。
该控制***包括感测***330,该感测***330包括用于产生时间系列信号331的至少一个传感器,该时间系列信号331指示在环境370中行驶的一组车辆中每个车辆的运动。例如,感测***330可以使用全球定位***(GPS)信息来测量位置和/或使用惯性测量单元(IMU)来测量惯性运动。例如,IMU可以包括3轴加速度计、3轴陀螺仪和/或磁力计。IMU可以向控制***299的其他组件提供加速度、速度、方位和/或其他位置相关信息。
控制***299包括碰撞检测器340,以当在时程内的控制的每个时间步长处至少一个物体的轨迹与由在控制的时间步长处车辆的纵向位移和存储器320中所存储的每个区域的横向位移值的范围所确定的空间相交时,检测在控制的时间步长处区域与至少一个物体的碰撞。碰撞检测器输出341指示在控制的不同时间步长处的无碰撞区域的数据结构。数据结构341由嵌入在控制***299中的路径规划器350使用,路径规划器350确定限定了区域的无碰撞序列的时间序列,以产生在并集内连接初始位移与目标位移的轨迹141,区域的无碰撞序列形成在空间和时间上将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集。所确定的轨迹351由车辆的至少一个控制器360使用,以根据该轨迹来控制车辆。
图3B示出了根据一个实施方式的控制***299的总体结构。控制***299包括用于执行碰撞检测和路径规划的模块的至少一个处理器390。处理器390连接391到存储器380,该存储器380存储一组平衡点381以及与该组平衡点相对应的车辆的横向动力学的状态的区域的集合382,该平衡点限定了车辆所行驶的道路上的横向位移和横向方位,其中横向动力学的每个状态包括横向位移、横向位移的变化率、横向方位和横向方位的变化率,其中每个区域限定了为使得区域内具有状态的车辆能够在该区域内保持其状态而确定的横向动力学的状态的控制不变集合,其中每个区域包括相应平衡点并且与至少一个相邻区域相交。
图4A示出了车辆的运动目标的示意图,其中,车辆400启动从左车道到右车道的车道变更,其中目标是终止于右车道的中间。可以通过控制***或控制***的外部输入来启动车道变更。例如,车辆的驾驶员可以从车辆的仪表板启动车道变更。一些实施方式基于以下认识:存在可以通向车辆的最终目标横向位移的数个轨迹。限定了轨迹419的状态转移引导车辆400到达在位置420处的右车道的中间,而轨迹409引导车辆到达在位置409处的右车道的中间。在具有多个障碍物且具有多个轨迹409和419的环境中,确定419和409是无碰撞的可能在计算上成本太高。例如,410和420之间的任何位置导致不同的轨迹,从而最终导致通向期望横向位移的无限数量的可能轨迹。但是,车辆的通向期望横向位移的准确轨迹比车辆实际终止于期望横向位移的重要性低。
图4B示出了根据一些实施方式的控制不变区域的益处。已经确定区域430,使得区域内具有状态的车辆能够在该区域内维持其状态。通过考虑区域而不是单个轨迹,确定物体是否与区域430相交就足够了,而排除了该区域中的所有轨迹409和419,无需确定轨迹409和419。
因此,一个实施方式确定与车辆的横向位移相关联的区域,其中每个区域覆盖车辆可以采取的多种状态转移和相应轨迹,并且其中横向位移限定了车辆的平衡点。例如,一个实施方式将区域确定为与横向位移相关联的车辆的横向动力学的状态的控制不变集合。控制不变集合是与车辆的横向动力学的平衡点(即,静止点)以及用于控制车辆的横向运动的控制器相关联的区域。区域的尺寸取决于车辆的横向动力学的参数以及用于控制车辆横向动力学的控制器。当使用控制器来控制车辆的横向运动时,可以将控制不变集合与控制器和车辆在道路上的平衡点(即,横向位移)相关联。
图4C示出了一些实施方式使用的示例性控制不变区域的示意图。车辆的初始状态399c在控制不变集合410c内。目的(即,运动或横向操纵的目标)是使用控制器将车辆控制到位置400c。因此,因为初始状态399c在由控制不变集合限定的区域410c内,所以只要期望的位移不变,就保证将车辆控制到目标位移400c而得到的轨迹420c在该区域内。
在一些实施方式中,确定横向位移,使得相应区域相交。以此方式,构造区域的走廊,使得当区域不与物体相交时,它们提供了横向位移和相关联轨迹的安全序列,以使车辆从初始横向位移移动到目标横向位移。
图4D例示了根据一些实施方式的通过控制不变区域的集合到目标位置440d的运动的场景。与440d相关联的区域420d与覆盖初始位置399c的区域410c不相交。为此,一个实施方式确定由位置430d所示出的另一横向位移,该位置430d具有与区域410c和区域420d相交的相关联区域410d。因此,当轨迹450d在区域的与至少两个区域共享的部分460d内部时,中间目标位置400c可以首先变更为430d,然后变更为最终目标位置440d,以产生封装在区域的并集的安全走廊中的轨迹。
图5A示出了根据一些实施方式的在车辆的坐标中对车辆控制进行建模的示例。参照图5A,在一个实施方式中,认识到通过在车辆的坐标中而不是在全局坐标中对车辆500a的控制进行建模,极大地简化了表达。然而,由于在车辆的局部坐标中进行建模,所以平衡点除了具有横向位移之外还可以具有横向方位,以解决从全局坐标到局部坐标时的惯性效应。在该示例中,运动目标是将车辆从横向位移500a移动到最终横向位移510a。例如,在全局坐标520a中对道路进行建模得到控制不变集合,该控制不变集合得到具有难以用数学表达的复杂形状的区域540a。相反,需要使用数值近似方法。然而,通过在车辆的局部坐标530中进行建模,控制不变集合具有可以被精确地并且因此被更准确地表示的简单形式(诸如,椭圆体550a)。
如各种实施方式所使用的,控制不变集合是车辆的前向维度和横向维度上的区域。但是,通常,这些集合具有更高的维度,并且合并了平衡点附近的车辆状态,其中横向动力学的每个状态包括横向位移、横向位移的变化率、横向方位、以及横向方位的变化率,其中每个区域限定了为使得区域内具有状态的车辆能够在该区域内维持其状态而确定的横向动力学的状态的控制不变集合。车辆的模型可以采用多种形式。在一个实施方式中,车辆模型是忽略了力的运动学模型。此模型适用于有限的驾驶条件。在另一实施方式中,车辆模型根据牛顿(Newton)的力-质量平衡表示为动力学***。
图5B示出了一些实施方式所使用的车辆的状态模型的示意图。例如,状态用式进行建模,其中ey和eψ=ψ-ψd分别表示在道路对齐坐标框架中的横向位置和车辆方位,ψd是道路相对于惯性坐标510b的切线的角度。车辆模型可以写成线性动力学***,其中,术语是坐标系从全局坐标到局部坐标的变化对车辆模型产生的干扰。在一个实施方式中,这种干扰被用于构造控制不变集的控制器抵消。
图5C和图5D示出了***的物理约束对控制不变集合的影响的示例。具体来说,控制不变集合可以依据***的物理约束来改变形状和形式。例如,图5C向左示出了在时间0的控制不变集合510c,其中区域的尺寸被限制为与障碍物520c不相交。
此外,时间0处的区域与时间1处的区域530c相交,这意味着可以在一个时间步长中从509c移动到529c。然而,如果还设置了对车辆的转向的限制,则控制不变集合可以更小,因为由于有限的致动而不可能再保证停留在大的区域中。因此,如图5D所示,控制不变集合510c缩小到510d,并且不再与530c相交。因此,不可能找到从509c到529c的无碰撞轨迹。
在一些实施方式中,针对车辆的横向动力学而预定了区域的集合,而不考虑车辆的纵向动力学。这种分离允许将相同区域的集合重新用于车辆的不同纵向位移,以确定在不同时间处不同区域的碰撞。在另选的实施方式中,考虑车辆的纵向动力学,针对车辆的横向动力学预先确定区域的集合。例如,在一个实施方式中,针对车辆的纵向速度的不同值确定不同区域的集合。该实施方式允许选择与车辆的当前和/或期望的纵向速度相对应的区域的集合。
图5E示出了确定平衡点之间的连接的另选示例。通常,随着时间增加,状态不仅保持在控制不变集合中,而且收敛到平衡点,这暗示有效的控制不变集合随着时间变化而改变尺寸。因此,在一个实施方式中,基于随着时间增加而缩小安全区域的尺寸来确定安全走廊。例如,在图5E中,目标是从509e移动到529e,其中各个不变集合用510e和530e表示。在控制的一个时间步长中,不变集合530e将尺寸改变为540e,这意味着在控制的一个时间步长中包含在540e中的所有状态可以到达不变集合530e。然而,集合540e不包含集合510e,因此不能确定510e中的所有状态可以到达530e。然而,在控制的又一个时间步长中,集合530e的尺寸已增加到覆盖了510e的550e。因此,在控制的两个时间步长中,可以从510e中的任何状态到达与平衡点529e相关联的不变集合530e,因此暗示了可以在控制的两个时间步长中从509e移动至529e。
图6A示出了根据一些实施方式的状态转移图的示例,该状态转移图限定了在不考虑障碍物的情况下针对控制的不同时间步长在与不同区域相对应的平衡点之间的可能转移。在图6A的示例中,车辆在与横向位移600a相对应的区域中,并且运动目标是移动到横向位移610a。例如,在控制的每个时间步长的道路上存在三个横向位移、平衡点。形成到达期望的横向位移的可能时间序列的可能转移620形成了状态转移图,其被存储在存储器中。从图6A中,可以评估到达横向位移610a的可能转移,并且与630a相对应的状态时间序列是在最小时间内(控制的2个时间步长)到达横向位移的平衡点的序列,从而导致产生轨迹640a。
图6B示出了根据一些实施方式的响应于检测到障碍物更新的图6A的曲线图以形成指示无碰撞区域的数据结构。例如,图6B示出了碰撞检测器检测到使转移640b无效的障碍物630b的情况。
在一些实施方式中,状态转移图是在没有障碍物的假设下预先确定的,其中碰撞检测器响应于检测到障碍物而使图上的至少一些转移无效,并且其中,路径规划器搜索图的有效转移以找到区域的并集。例如,路径规划器搜索最小时间序列650b,该最小时间序列650b现在为控制的3个时间步长。附加地或另选地,在一些实施方式中,转移包括不确定性,使得状态转移图是马尔可夫(Markov)链。
在一个实施方式中,针对道路状况的所有可能变化来预先计算区域的集合并将区域的集合存储在控制***的存储器中。在该实施方式中,由运动控制器(例如,与控制不变集合相关联的运动控制)来处理影响车辆的横向动力学的道路形状的变化。
图6C示出了指示由一些实施方式使用的状态转移图的数据结构的示意图。例如,一个实施方式将指示状态转移图的、在控制的时间步长上的一组平衡点存储为上块对角矩阵,其中导致可能转移的所有元素为非零。并且其中导致不可能转移的所有元素为零。例如,如果控制的时间步长的数量为N,平衡点的数量为M,则矩阵的尺寸为MN×MN,结构如图6C所示,其中如本发明的其他实施方式所解释的,通过从一个平衡点移动到另一平衡点的成本来确定非零元素的值。每个元素600c包含M个元素,并且总共有N个元素600c。对角线以下的所有元素为零,因为无法以小于一个时间步长到达平衡点,即***具有时间因果关系。矩阵右上的元素为零,因为不变集合具有有限尺寸。
碰撞检测器340基于指示物体的运动的时间系列信号来估计未来运动。在一个实施方式中,碰撞检测器确定物体的未来运动是否将与和横向位移相关联的每个区域相交。
图7A示出了安全区域700a的一部分710a与预测的障碍物720a相交并且碰撞检测器因此使图上的与区域710a相对应的转移无效的情况。以这种方式,路径规划器确定限定了区域的无碰撞序列的时间序列,以产生在并集内连接初始位移与目标位移的轨迹,区域的无碰撞序列形成在空间和时间上将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集。例如,区域735a和745a的并集在空间和时间上连接状态或平衡点730a和740a,以提供无碰撞走廊。该走廊内的任何轨迹是无碰撞的。
例如,在一个实施方式中,路径规划器通过优化车辆在并集内的运动的成本函数来确定轨迹。附加地或另选地,在一个实施方式中,路径规划器确定形成并集的最短时间序列。例如,路径规划器可以确定连接限定初始位移和目标位移的平衡点的轨迹。
在一些实施方式中,障碍物的预测轨迹至少包括路径、速度和方位/前进方向,但是也可以包括其他实体,诸如旋转速度、加速度和转向。此外,运动可以表示为测量运动在一定时间内在一定位置的概率的概率密度函数(PDF)。
在一些实施方式中,碰撞检测器估计与指示物体的运动的时间系列信号一致的物体的未来轨迹,估计在控制的每个时间步长处未来轨迹与每个区域相交的概率,并且在相交的概率低于阈值的情况下将在控制的时间步长处的区域检测为无碰撞。
图7B例示了根据一个实施方式的在概率上确定无碰撞区域的示意图。例如,在图7B中,在控制的一个时间步长中障碍物700b的估计位置以及该位置的相关PDF710b与在控制的一个时间步长处对应于平衡点730b的区域720b相交。如果与安全区域的边界721b相交的概率高于阈值740b,则通过设置相应上块对角矩阵的相应元素,使通往平衡点730b的转移无效并从路径规划器的图形搜索中去除该转移。
一些实施方式基于以下认识:在与主车辆共享的环境中行驶的车辆仅在该车辆沿着与主车辆的轨迹相交的轨迹移动时才对主车辆构成威胁。然而,该陈述可以倒过来,得到以下理解:与主车辆的轨迹相交的假想轨迹仅当存在沿着该假想轨迹行驶的另一车辆时,才对主车辆构成威胁。
一些实施方式基于以下认识:可行的并且在计算上更有效的是评估轨迹对主车辆的危险,而不是评估其他车辆的运动对主车辆的危险。这是因为由可驾驶区域、道路交通和/或环境地图所施加的可行轨迹数量有限。可以以在计算上有效的方式来预先计算这些可行轨迹,并且更容易的是测试车辆是否遵循预先计算的轨迹,而不是针对移动车辆生成所有可能的轨迹。以这种方式,生成最优轨迹的问题被指配和/或分类问题代替,这在计算上更有效。
一些实施方式基于以下认识:可以在概率上确定可行轨迹与主车辆的轨迹的相交。以这种方式,可行轨迹可以由概率密度函数表示,以覆盖可驾驶区域的更宽的空间,从而减少了要生成的可行轨迹的数量。类似地,也可以概率性地确定车辆对可行轨迹的指配,以表示运动的测量结果的不确定性、车辆驾驶员的驾驶意图快速变化的可能性、以及沿着属于多个轨迹的路段运动的可能性。
为此,一些实施方式将可行轨迹的风险水平确定为可行轨迹与主车辆的轨迹相交的概率与可行轨迹被至少一辆车辆遵循的概率的组合。
图8A示出了根据一个实施方式的用于确定130指示无碰撞区域的数据结构的碰撞检测器的示例性实现。该示例性实现确定810在车辆的驾驶区域中移动的假想对象的可行轨迹的集合。然后,示例性实现确定820每个可行轨迹在控制的每个时间步长与每个区域相交的概率。然后,示例性实现使用时间系列信号确定每个可行轨迹要被至少一个物体遵循的概率。最后,确定在控制的每个时间步长处每个可行轨迹与每个区域相交的风险水平,作为可行轨迹在控制的每个时间步长处与每个区域相交的概率与可行轨迹要被至少一个物体遵循的概率的组合;如果在控制的时间步长处所有可行轨迹与该区域相交的风险水平低于阈值,则示例性实现的结论是将在控制的该时间步长处的该区域检测为无碰撞。
在一些实施方式中,使用假想车辆的运动的运动学模型来确定可行轨迹,例如,通过针对在环境的不同位置处,以选自驾驶意图集合中的不同驾驶意图行驶的假想车辆的不同速度来生成可行轨迹。
附加地或另选地,一些实施方式通过迭代地采样假想对象的状态空间并且在采样状态与运动意图一致的情况下针对假想物体的运动意图在可行轨迹中添加采样状态,来确定可行轨迹。
图8B示出了根据一些实施方式的用于生成可行轨迹并确定其与区域相交的概率的方法810的流程图。该方法例如在满足假想驾驶员的各种意图的同时,迭代地确定指定了从车辆的初始假想状态到车辆的目标车道的车辆运动的状态序列。在不同的实施方式中,初始假想状态是过去观察到的车辆的状态和/或初始假想状态是在方法的先前迭代期间所确定的对应状态。
图8C示出了根据一些实施方式的列出假想驾驶员的各种意图的表格。例如,一些实施方式针对执行由环境所允许的不同驾驶意图的每辆假想车辆确定可行轨迹,该可行轨迹将假想车辆移入主车辆的驾驶区域中。例如,驾驶意图的集合包括左转意图、右转意图、直行意图、向左变更车道意图、向右变更车道意图、制动意图、加速意图和保持速度意图中的一个或者组合。
该运动由连接车辆状态的状态转移定义。每个状态包括车辆的位置、速度和前进方向。迭代地确定运动,直到满足终止条件(例如,持续一段时间,预定次数的迭代,或者只要可行轨迹在感兴趣的区域内)为止。可以相对于路径规划器350中的规划时程设置终止条件。对于手动驾驶车辆,可以相对于路段的可见性来设置终止条件。
图8D示出了例示图8B的方法的迭代的状态转移序列。该方法从初始状态800d开始,确定800b采样状态820d和870d的集合以及对应的状态转移821d的集合,使得状态和转移满足对车辆状态的静态和动态约束。例如,该方法在避开障碍物890d并且满足来自环境地图对车辆运动的约束830d的同时,从状态880d开始,确定图8D中的状态860d和状态转移881d。
图8E示出了根据一个实施方式的确定800b采样状态的集合的示例性实现的流程图。确定800b使用关于环境、使用先前迭代而确定的状态、以及图8C中的驾驶员意图的信息。先前状态的示例包括图8D中的节点880d、870d、820d和初始状态800d。
示例性实现执行状态的初始确定801e。如果这是该方法的第一次迭代,则初始状态是车辆的当前假想状态,并具有与其相关联的不确定性。不确定性可以是置信区间的形状,也可以是数个可能位置的形状。例如,如果感测***提供非常不确定的测量结果,或者如果地图是不确定的,则可能出现这种场景。否则,初始状态由该方法的先前迭代来确定。
该方法对预测状态的集合进行采样802e,预测状态的集合可以是预先确定的或自适应的、满足对车辆运动的约束。在本发明的一些实施方式中,状态802e是从动力***的虚拟噪声源生成的,也就是说,从作为输入的平均值的额定输入来生成的。例如,wk可以被选择为源自高斯分布或者可以被选择为适于与可行轨迹相关联的特定意图的概率密度函数(PDF)。
在本发明的其他实施方式中,通过使用图8C中的意图来生成采样状态802e。驾驶员的意图是预先已知的,并且从动力***的噪声源生成的状态被校正以更好地满足该意图。例如,可以使用概率函数q(xk+1|xk,yk+1)来生成状态,其是在给定在时间索引处的状态和在时间索引k+1处的规范的情况下时间索引k+1处的状态的函数。
作为特定示例,如果双方是加性的,则可以选择高斯PDF的q为其中并且即,状态可以生成为来自动力***的噪声源的随机样本,通过车辆的数学描述传播,并用确定项进行修正,以考虑与意图的偏差,并使用该修正项来预测相应状态。
在一个实施方式中,在循环中执行采样状态802e的生成和相应状态的预测,在该循环中预先确定迭代的次数。在另一实施方式中,基于时间上提前的意图轨迹时间步长来进行状态802e的生成。例如,迭代的次数可以确定为固定数量的步骤,或者迭代可以确定为感测***330的传感器的分辨率的函数。在执行802e的时间步长中,根据与从时间索引k+1到时间索引k+T的意图轨迹对应的所有位置来生成状态,即,q(xk+1|xk,yk+1,…,yk+T)。
图8F示出了用于更新与图8C所示的驾驶员意图一致的采样状态的概率的方法的流程图。具体地,该方法确定812f采样状态是否与通向与驾驶员意图一致的目标状态的状态一致,并且基于一致性的评估来更新813f该状态的概率。例如,如果驾驶员意图是变更至左车道,则目标状态可以处于左车道的中间,并且通向目标状态的中间状态与驾驶员的意图一致,而其他状态与驾驶员的意图不一致。
在一些实施方式中,作为意图/约束的PDF下一状态以及在先前迭代期间所确定的状态的概率的组合来进行确定812e。例如,如果根据车辆的动力学模型生成状态,则概率与规范的PDF成比例,即,作为另一示例,如果根据进行状态采样,则概率与意图轨迹的PDF的预测成比例,即,在一个实施方式中,以它们表示PDF的方式对概率进行归一化。
在一个实施方式中,具有非零但低概率的状态在一些时间步长中被具有更高概率的状态所代替。例如,一个实施方式以生成的概率为的方式生成新的状态集合。在另一实施方式中,每当概率的倒数平方和低于某个预定阈值时执行代替。以这种方式确保了仅使用可能良好的状态。
可以以几种方式来进行状态的确定820b。例如,一个实施方式通过使用加权平均函数以将状态生成为来确定状态。另一实施方式将状态确定为具有最高概率的状态,即,附加地或另选地,一个实施方式通过对固定数量m<N的采样状态求平均来确定状态。
图8G示出了该方法针对PDF的每个离散区间产生一个状态的迭代的简化示意图。在该示例中,针对单次迭代选择状态823g和824g。针对至少一个迭代选择多个状态得到将车辆的当前状态与车辆的目标状态连接起来的运动的集合。为此,一个实施方式从运动的集合中选择使成本函数优化的运动。
图8H示出了在图8G的第一次迭代中五个状态的可能指配的概率。那些概率821h、822h、823h、824h和825h被反映在选择示出状态821g、822g、823g、824g和825g的点的尺寸中。
返回参照图8G,状态823g和824g变为用于下一迭代的初始状态,该下一迭代再次产生车辆从初始状态到下一状态的五个采样状态转移。
图8I示出了一个实施方式使用的总概率密度函数的曲线图。例如,为了确定可行轨迹与控制的时间步长的每个区域相交的概率,可行轨迹包括来自确定810b的概率分布。在一个实施方式中,参照图8I,从总概率密度中将可行轨迹确定为具有最高概率的轨迹810i,并且在一个实施方式中,将其确定为密度上的聚合状态820i。在一个实施方式中,该概率被确定为在特定时刻PDF的多大部分830i与在特定时间步长处的区域相交。例如,如果整个PDF相交,则概率为1。
可行轨迹与主车辆的意图轨迹相交的概率不足以确定可行轨迹的风险水平,因为它无法告诉我们是否有任何车辆会遵循该可行轨迹。
图9示出了车辆的可能的可行轨迹的示例。考虑图9,其中针对车辆910有8条可行轨迹来遵循。假想轨迹920与被测量的车辆910不一致,因此可行轨迹的子集包括930。假设已经确定了930与主车辆的轨迹相交的概率。然后,在一个实施方式中,风险水平被确定为可行轨迹与主车辆的轨迹相交的概率以及可行轨迹被至少一辆车辆遵循的概率的组合。
一个实施方式将车辆的时间系列信号进行分类以产生车辆的驾驶意图,并且基于来自子集的可行轨迹与车辆意图的一致性来更新来自子集的每个可行轨迹的概率。这个构思在于,以前观察到的数据可以用来预测未来进行的决策。例如,通过学习变更车道的驾驶员的特征,可以预测将来的车道变更。
图10A示出了在一些实施方式中用于确定车辆驾驶员的意图的车辆的方向盘的转向轨迹和车辆的加速度轨迹的时间系列信号。驾驶员在时间1010a启动车道变更。然而,可以注意到,在车道变更之前,在短时间内转向角略有增加1020a。例如,这可能是由于车辆驾驶员越过肩膀以查看盲区中是否有车辆。此外,可以看出,加速度1030a在开始车道变更之前开始缓慢增加,然后在整个车道变更期间保持该加速度1030a。因此,可以使用来自记录数据的信息来预测未来意图。
图10B示出了根据一些实施方式的方法1010b的示例性实现的流程图,该方法1010b用于基于来自子集的可行轨迹与来自时间系列信号的车辆意图的一致性来更新每个可行轨迹被遵循的概率830。该方法确定1010b车辆的意图。例如,如在图8C所解释的,除制动860c、加速870c或保持速度880c之外,一个实施方式还考虑了以下意图:左转810c、右转820c、直行830c、向左变更车道840c、向右变更车道850c。一些实施方式学习如何通过观察许多车辆的行为来选择意图。例如,一个实施方式使用具有已知意图的车辆数据来训练基于深度决策树的随机森林算法,另一实施方式训练支持向量机,而第三实施方式训练神经网络。
然后,该方法更新1020b可行轨迹要被车辆遵循的概率。在一个实施方式中,通过从810i产生的可行轨迹的概率810i(即,最可能轨迹的概率),来更新概率。在另一实施方式中,通过在可行轨迹的PDF上的加权平均值820i来进行更新。
一个实施方式采用可行轨迹要相交的概率以及可行轨迹要被遵循的概率,并将这些概率一起加权。例如,一个实施方式使用这些概率的加权平均值。
本发明的几个实施方式使用风险水平来调整本车辆的轨迹。例如,在一个实施方式中,如果风险水平高于某个阈值,则计算车辆的可行轨迹与主车辆的运动规划器的轨迹之间的碰撞时间。一个实施方式向车辆驾驶员呈现作为碰撞时间的危险水平,以作为警告声音、仪表板上的信号或者二者,然后响应于从驾驶员接收到的关于输入命令的命令而调整轨迹。在另一实施方式中,高于阈值的风险水平被传播到主车辆的碰撞避免模块,并响应于从碰撞避免模块接收的输入命令而调整轨迹。例如,碰撞避免模块可以是车辆的运动规划器350或另一控制器360。输入命令可以包括方向盘和油门命令。
在一些实施方式中,路径规划器通过优化车辆在并集内的运动的成本函数来找到点的时间序列和相应轨迹。例如,如图6A所概示地,一个成本函数是达到横向位移的最短时间。另一个成本函数可以是例如由于需要为乘客提供舒适的乘坐而优化车辆运动的平稳度。
可以以数种方式确定与时间序列630a相对应的轨迹640a。在一个实施方式中,通过跟踪平衡点并在路径规划器确定的控制的时间步长处的平衡点之间进行切换来确定轨迹,如图4D和图6A所示。
在其他实施方式中,控制***包括速度计以测量车辆的纵向速度,其中碰撞检测器基于纵向速度和与控制的时间步长相对应的时间段的乘积,来确定在控制的时间步长处车辆的纵向位移。然而,一个实施方式假设没有速度计,而是碰撞检测基于例如从车辆的指令纵向速度而估计的恒定速度。
在又一实施方式中,诸如GPS之类的位置传感器被装备到车辆以确定车辆的当前位置,并且另一实施方式使用收发器来发送车辆的当前位置并且响应于该发送而接收针对包括当前位置的道路的形状而确定的区域的集合。
可变速度
一些实施方式基于以下理解:用于形成链式无碰撞时间线的区域的形状随车辆速度而变化。例如,当车辆以高速行驶时,与以低速行驶相比,可以及时执行更快的车道变更,这暗示无碰撞区域是不同的。
图11A示出了利用不同车辆速度来改变区域尺寸的图示。道路上有三个横向位移1110a、1120a和1130a。对于一个车辆速度v1,通过停留在区域1111a中,可以从横向位移1110a移动到1120a。对于相同的速度,不可能从1110a直接安全地移动到1130a,因为区域1113a没有覆盖横向位移1130a。但是,对于不同的车辆速度v2,由于与该速度相关联的区域1112a和1114a覆盖了这两个横向位移,因此可以从1110a移动到1120a和1130a二者。
图11B例示了使用三个横向位移1110a、1120a和1130a来确定用于不同速度的区域的安全序列。由于区域1111a与障碍物相交,因此两个障碍物1110b和1120b使得不可能停留在相同的横向位移1110a处或以速度v1移动到横向位移1120a。同时,因为区域1113a不交叠1130a,所以不可能以速度v1移动到横向位移1130a。然而,通过改变为车辆速度v2,由于与速度v2相关联的区域1114a交叠1130a,因此可以移动至横向位移1130。因此,可以通过改变车辆速度来安全地避免与障碍物1110b和1120b碰撞。
利用不同的速度,可以在将横向位移如何置于道路上包括灵活性。例如,由于与不同速度相关联的区域的尺寸改变,因此对于特定的车辆速度,可能并且更有利地将一些横向位移放置得更近。
图12A例示了针对不同车辆速度的横向位移的选择。对于速度v1,利用道路上的三个横向位移和三个时间步长足以从位移1210a移动至1220a。但是,对于速度v2,它需要四个横向位移,因为否则它将不可能在空间和时间上形成区域的无碰撞序列。
在一个实施方式中,通过在确保不是道路上的终点位移的每个横向位移可以在预定数量的控制时间步长中移动到当前横向位移每侧的至少一个相邻横向位移的同时,针对特定速度使横向位移之间的间隔最大化,来确定横向位移的数量。换句话说,确定横向位移的位置作为尝试在位移仍然连接的约束下使横向位移的数量最小化的优化问题的解。
在另一实施方式中,将横向位移的数量确定为在仍然确保位移对于控制的相关时间步长而交叠的同时,使车辆乘客的平稳度最大化的横向位移的数量。通过使与平稳度相关联的参数最小化来确定平稳度。例如,一个实施方式将转向率建模为车辆的控制输入,其被包括在车辆的动力学模型中,并且使控制幅度最小化,使得构成安全区域的控制不变集合仍然形成实现区域的安全无碰撞序列的连接。
针对每个横向位移和每个不同速度,存储所有不同的区域在计算上和存储上将是成本太高的。为此,一些实施方式认识到存储区域的子集并且针对不同的速度和横向位移使用相同的区域就足够了。
图13A示出了根据一些实施方式的选择存储在存储器中的区域的示意图。在该示例中,横向位移1310具有四个区域1320、1330、1340和1350,每个区域与不同的车辆速度相关联。区域1340包括区域1330和1320,这确保了区域1340也可以用于与区域1320和1330相关联的速度。以这种方式,减少了存储区域所需的存储器。
在一个实施方式中,相同的区域用于多种速度,并且针对控制的不同时间步长确定横向位移之间的连接性的过程针对不同的速度使用相同的区域。实际上,如果障碍物不与区域1340相交,则障碍物也不会与区域1340的任何子区域相交。但是,区域1350没有被包括在任何其他区域中,并且其自身也不覆盖任何其他区域。因此,对于横向位移1310,尽管最初具有四个不同的区域,但是使用两个区域1340和1350就足够了。
在一个实施方式中,为了进一步减少需要存储在存储器中的区域的数量,使用优化例程来寻找使得区域1350也被包括在多个区域中的区域。图13B示出了已经确定了附加区域1360b使得所有其他区域被覆盖在该区域中的情况。在一些实现中,该问题被作为估计问题而提出,其中目的是在覆盖与其他速度相关联的所有其他区域的同时使区域1360b的容积最小化,这包括寻找与该区域相关联的控制器。以这种方式进行操作可以确保保守性,使得冲突最小化并且存储器需求最小化。
当测试与区域1340相交的障碍物时,对于不同的车辆速度,在控制的特定时间步长处相对于车辆的障碍物位置将是不同的。因此,尽管将针对不同速度使用相同区域带来一些保守性,但不同的相对位置仍然确保可以针对不同速度区分不同区域。
在一些实施方式中,不同的速度根据他们被期望的程度而依次排序。例如,假设特定道路的速度限制是所期望的速度,并且超过该速度限制则违反交通规则,那么自然的排序是从速度限制开始并以降序遍历直到达到最低速度。只有在此之后,只要未找到区域的无碰撞序列,才测试超过速度限制的速度。
图14A示出了可能的速度排序的图示。第一优先级是保持速度限制。如果这是不可能的,即,如果不存在形成横向位移的无碰撞序列的区域的并集序列,则一个实施方式通过一系列额定车辆速度1420进行迭代直到找到解决方案。返回参照图12A,以这种方式进行操作确保了横向位移的数量能够针对不同的车辆速度而变化,以确保针对不同速度的连接性。
在一个实施方式中,零速度处于要遍历的速度序列中。图14B示出了另一种排序1420,其不包括降至停止的所有速度。
额定速度的集合的分辨率(即,针对无碰撞序列要测试的额定车辆速度的数量),可以取决于安全区域的尺寸。例如,参照图13A,如果区域1350对应于额定速度v1,区域1340对应于额定速度v2,区域1330对应于额定速度v3,区域1320对应于速度v4,则由于区域1350没有覆盖区域1340、1330或1320中的任何一个,所以不可能将速度从v1立即改变为v2、v3或v4中的任何速度。但是,参照图5E,通过确定针对控制的不同时间步长的不同区域的收缩,可以在控制的一定数量的时间步长中从对应于区域1350的速度v1达到对应于区域1340的速度v2。例如,如果图5E中的区域530e是区域1350,而区域510e是区域1340,则通过针对控制的不同时间步长改变区域530e的尺寸和形状,由于区域550e在控制的两个时间步长之后对应于区域530e,因此可以在控制的两个时间步长中达到速度v2。
在另一实施方式中,车辆速度的分辨率或离散水平是基于确保车辆乘客乘坐愉快的平稳度条件而确定的。例如,一个实施方式在确定额定车辆速度的分辨率时对车辆的纵向速度控制器进行建模。确定所允许加速度的最大值和最小值,并且将速度的分辨率确定为不违反最小值和最大值中的任何一个的最大分辨率。
图14C示出了根据本发明一些实施方式的如何确保不同速度之间的安全过渡的图示。与不同的车辆速度1409c相关联的是数个区域1410c、1420c、1430c和1440c,每个区域用于由本发明的其他实施方式确定的多个速度。例如,区域1410c适用于速度v1、v11、v12和v2。现在假定车辆正以速度v2行驶,并且在v1和v2范围内的任何速度下没有无碰撞区域序列。然而,区域1420c适用于速度v2、v21、v22和v3。因此,如果存在得到无碰撞轨迹的区域的无碰撞序列,则可以确保从速度v2安全过渡到速度v21、v22和v3中的任何一个。
在一个实施方式中,由车辆的乘客例如使用语音或仪表板来设置优选速度。在另一实施方式中,优选速度是对应于速度限制的速度。
在一个实施方式中,在车辆相对于诸如优选速度的额定速度的坐标系中确定障碍物位置。然后,通过考虑优选速度和第二速度之间的差,针对控制的不同时间步长转换障碍物位置,来确定障碍物位置以及随后使区域相对于第二速度无效。以这种方式并通过使用额定速度进行操作确保减少计算量。
图15示出了用于控制在与一组移动障碍物或物体(在下文中可用车辆互换地表示)共享的道路上行驶的车辆的方法的流程图。该方法使用存储器来存储实现该方法的步骤所必需的信息。该方法从存储器1509中检索1510一组期望速度和限定了车辆在道路上的横向位移和方位的一组平衡点、以及与平衡点相对应的车辆横向动力学的状态的区域的集合,其中横向动力学的每个状态包括横向位移、横向位移的变化率、横向方位和横向方位的变化率。每个区域限定了针对期望速度中的至少一个所确定的横向动力学的状态的控制不变集合,使得区域内具有状态的车辆在该区域内能够维持其状态。在一些实现中,每个区域包括相应平衡点并且与至少一个相邻区域相交。
该方法使用来自直接连接到车辆或远程地连接到车辆的至少一个传感器的信息1519来生成1520时间系列信号1521,该时间系列信号1521指示由传感器检测到的一组移动物体中每个物体的运动。测量可以包括相机测量或激光/LIDAR测量。测量可以包括从车辆到车辆通信的测量,并且测量可以包括GPS数据。测量序列的长度可以因车辆而变化。
使用时间系列信号1521和从存储器检索的信息1511,该方法确定1530指示控制的不同时间步长处的无碰撞区域的数据结构。在确定1530中,当在时程内的控制的每个时间步长处至少一个物体的轨迹与由针对预定的期望速度在控制的时间步长处的车辆的纵向位移和每个区域的横向位移的值的范围所确定的空间相交时,碰撞检测器检测在控制的每个时间步长区域与至少一个物体的碰撞。然后,使用确定的数据结构1531,该方法使用路径规划器针对至少一个基准速度确定1540限定了区域的无碰撞序列的时间序列,以产生在并集内联接初始位移与目标位移的轨迹1541,区域的无碰撞序列形成在空间和时间上将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集。最后,该方法根据轨迹1541控制1550车辆以产生车辆运动1551。
图16示出了根据本发明的实施方式的用于确定1530指示无碰撞区域的数据结构并且确定1540横向位移的无碰撞序列和对应车辆轨迹的方法的示例性实现。该方法挑选1609车辆的期望速度。然后,该方法使用针对期望速度的横向位移和相关联区域来检查1610障碍物与区域相交的预测。针对控制的每个时间步长,该方法去除1620至少一个障碍物与相关联区域相交的相应横向位移。然后,使用当前位置1628和目标位移1629,该方法确定1630与当前位置相关联的初始位移,并尝试寻找至目标位移的解决方案。在一个实施方式中,选择初始位移作为最接近当前位置的位移。如果找到解决方案,则根据本发明的其他实施方式,该方法退出并控制车辆。如果不存在得到无碰撞解决方案的位移序列,则选择另一期望速度1609,并且该方法执行另一迭代。
在一个实施方式中,路径规划器通过在无碰撞区域的并集内优化车辆运动的成本函数来确定轨迹。例如,在一个实施方式中,在控制的时间步长处不同位移之间转移的成本被确定为与车道中间的偏离以及到周围障碍物的距离的组合。
图17示出了由一个实施方式所使用的用于状态转移的成本函数的选择的图示。例如,道路可以是两车道单向道路。随着控制的时间步长的增加,转移到对应于车道之间的横向位移的成本增加,并且靠近任何车道中间停留的成本保持较低。以这种方式进行操作确保了路径规划器偏好尽早变更车道,这增加了与道路上其他物体的距离。
可以以大量方式中的任何方式来实现本发明的上述实施方式。例如,可以使用硬件、软件或其组合来实现实施方式。当以软件实现时,软件代码可以在任何合适的处理器或处理器集上执行,无论是设置于单台计算机中还是分布在多台计算机中。这样的处理器可以实现为集成电路,在集成电路组件中具有一个或更多个处理器。但是,可以使用任何适当格式的电路来实现处理器。
附加地或另选地,上述实施方式可以被实现为上面体现程序的非暂时性计算机可读存储介质,该程序可由处理器执行以执行各种实施方式的方法。
而且,本文概述的各种方法或过程可以被编码为在采用各种操作***或平台中的任何一种的一个或更多个处理器上可执行的软件。附加地,可以使用大量合适编程语言和/或编程或脚本工具中的任何一种来编写这种软件,并且这种软件还可以编译为可执行机器语言代码或在框架或虚拟机上执行的中间代码。通常,在各种实施方式中,程序模块的功能可以根据需要进行组合或分布。
而且,本发明的实施方式可以体现为一种方法,已经提供了该方法一个示例。作为该方法的一部分而执行的动作可以以任何合适的方式排序。因此,可以构造实施方式,其中以与所示出的顺序不同的顺序执行动作,这可以包括同时执行一些动作,即使在示例性实施方式中这些动作被示为顺序动作。
Claims (15)
1.一种车辆的控制***,该控制***用于控制在与一组移动物体共享的道路上行驶的车辆的运动,该控制***包括:
存储器,该存储器存储限定了所述车辆在行驶的道路上的横向位移的一组平衡点,并且存储与所述一组平衡点相对应的所述车辆的横向动力学的状态的区域的集合,其中横向动力学的每个状态包括横向位移、所述横向位移的变化率、横向方位和所述横向方位的变化率,其中每个区域限定了针对所述车辆的不同速度所确定的横向动力学的所述状态的控制不变集合,使得在针对速度所确定的区域内具有状态的所述车辆能够在以所述速度移动的同时在所述区域内维持其状态,其中每个区域包括相应平衡点并与至少一个相邻区域相交,并且其中每个平衡点与针对不同速度所确定的一个或更多个区域相关联;
至少一个传感器,所述至少一个传感器生成时间系列信号,该时间系列信号指示在与所述车辆共享的道路上的所述一组移动物体中的每个物体的运动轨迹;
碰撞检测器,该碰撞检测器在时程内的控制的每个时间步长处至少一个物体的运动轨迹与由在控制的所述时间步长处所述车辆的纵向位移和针对第一速度所确定的每个区域的横向位移的值的范围所限定的空间相交时,检测在控制的所述时间步长处所述区域与所述至少一个物体的碰撞,以产生指示在控制的不同时间步长处的无碰撞区域的数据结构;
路径规划器,该路径规划器确定限定了区域的无碰撞序列的时间序列,以产生在并集内连接初始位移和目标位移的轨迹,所述区域的无碰撞序列形成在空间和时间上将包括所述初始位移的区域与包括所述目标位移的区域连接起来的区域的所述并集;以及
控制器,该控制器用于根据所述轨迹控制所述车辆。
2.根据权利要求1所述的***,其中,当所述路径规划器未能确定限定针对所述第一速度而确定的区域的无碰撞序列的所述时间序列时,所述碰撞检测器检测针对第二速度而确定的每个区域的碰撞,并且其中,所述路径规划器确定针对所述第二速度所确定的区域的所述无碰撞序列,以控制所述车辆。
3.根据权利要求2所述的***,其中,所述碰撞检测器通过所述速度的不同值进行迭代,直到找到所述速度的针对其确定的区域的无碰撞序列的值。
4.根据权利要求2所述的***,其中,所述第一速度是所述车辆的当前速度。
5.根据权利要求2所述的***,其中,针对表示所述车辆的当前位移的平衡点而确定的区域覆盖包括所述第一速度和所述第二速度的速度的序列。
6.根据权利要求2所述的***,其中,所述碰撞检测器通过计算以所述第一速度移动的所述车辆的未来状态来确定相对于所述第一速度的障碍物位置,并且通过基于所述第一速度和所述第二速度之间的差,调整以所述第一速度移动的所述车辆的未来状态来确定相对于所述第二速度的障碍物位置。
7.根据权利要求2所述的***,其中,选择用于确定区域的速度,使得在相似的横向位移处与不同速度对应的区域针对至少一个速度而交叠。
8.根据权利要求2所述的***,其中,从对应于速度限制的最大速度开始,以降序迭代地测试所述速度。
9.根据权利要求1所述的***,其中,所述存储器存储指示状态转移图的数据结构,所述状态转移图限定了在不考虑障碍物的情况下针对相同速度和不同速度而确定的、针对控制的不同时间步长的区域之间的可能转移,并且其中所述碰撞检测器响应于检测到所述障碍物而使所述图中的至少一些转移无效,以形成指示所述无碰撞区域的所述数据结构,并且其中所述路径规划器搜索所述图中的有效转移以找到所述区域的并集。
10.根据权利要求1所述的***,其中,指示所述状态转移图的所述数据结构包括上块对角矩阵。
11.根据权利要求1所述的***,其中,所述碰撞检测器估计与指示所述物体的运动的所述时间系列信号一致的所述物体的未来轨迹,估计在控制的每个时间步长处所述未来轨迹与每个区域相交的概率,并且在相交的概率低于阈值的情况下将在控制的所述时间步长处的所述区域检测为无碰撞。
12.根据权利要求1所述的***,其中,所述碰撞检测器被配置为用于:
确定在所述车辆的驾驶区域中移动的假想对象的可行轨迹的集合;
确定在控制的每个时间步长处每个可行轨迹与每个区域相交的概率;
使用时间系列信号来确定每个可行轨迹将被至少一个物体遵循的概率;
将在控制的每个时间步长处每个可行轨迹与每个区域相交的风险水平确定为在控制的每个时间步长处所述可行轨迹与每个区域相交的所述概率以及所述可行轨迹被至少一个物体遵循的所述概率的组合;以及
如果在控制的所述时间步长处所有可行轨迹与区域相交的风险水平低于阈值,则将在控制的所述时间步长处的所述区域检测为无碰撞。
13.根据权利要求1所述的方法,其中,使用假想车辆的运动的运动学模型来确定所述可行轨迹包括以下操作:
针对在环境的不同位置处以选自一组驾驶意图的不同驾驶意图行驶的所述假想车辆的不同速度,生成所述可行轨迹。
14.根据权利要求1所述的***,该***还包括:
速度表,该速度表用于测量所述车辆的当前速度,其中,所述碰撞检测器基于所述当前速度与对应于控制的时间步长的时间段的乘积,来确定在控制的所述时间步长的所述车辆的纵向位移。
15.一种用于控制在与一组移动物体共享的道路上行驶的车辆的运动的控制方法,其中,该方法使用联接至存储器的至少一个处理器,该存储器被配置为存储限定了所述车辆所行驶的道路上的横向位移的一组平衡点,并且存储与所述一组平衡点相对应的所述车辆的横向动力学的状态的区域的集合,其中横向动力学的每个状态包括横向位移、所述横向位移的变化率、横向方位和所述横向方位的变化率,其中每个区域限定了针对所述车辆的不同速度所确定的横向动力学的所述状态的控制不变集合,使得在针对速度所确定的区域内具有状态的所述车辆能够在以所述速度移动的同时在所述区域内维持其状态,其中每个区域包括相应平衡点并与至少一个相邻区域相交,并且其中每个平衡点与针对不同速度所确定的一个或更多个区域相关联,其中所述处理器与实现该方法的存储指令联接,其中,所述指令在被所述处理器执行时实施该方法的步骤,该方法包括以下步骤:
生成时间系列信号,该时间系列信号指示在与所述车辆共享的道路上的所述一组移动物体中的每个物体的运动轨迹;
在时程内的控制的每个时间步长处至少一个物体的运动轨迹与由在控制的所述时间步长处所述车辆的纵向位移和针对第一速度所确定的每个区域的横向位移的值的范围所限定的空间相交时,检测在控制的所述时间步长处所述区域与所述至少一个物体的碰撞,以产生指示在控制的不同时间步长处的无碰撞区域的数据结构;
确定限定了区域的无碰撞序列的时间序列,以产生在并集内连接初始位移和目标位移的轨迹,所述区域的无碰撞序列形成在空间和时间上将包括所述初始位移的区域与包括所述目标位移的区域连接起来的区域的所述并集;以及
根据所述轨迹控制所述车辆。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/016,613 | 2018-06-24 | ||
US16/016,613 US11091158B2 (en) | 2018-06-24 | 2018-06-24 | System and method for controlling motion of vehicle with variable speed |
PCT/JP2019/003538 WO2020003578A1 (en) | 2018-06-24 | 2019-01-24 | Control system of vehicle and control method for controlling motion of vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112334368A true CN112334368A (zh) | 2021-02-05 |
Family
ID=65635774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980041476.0A Pending CN112334368A (zh) | 2018-06-24 | 2019-01-24 | 车辆控制***及控制车辆运动的控制方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11091158B2 (zh) |
JP (1) | JP7069345B2 (zh) |
CN (1) | CN112334368A (zh) |
DE (1) | DE112019003164T5 (zh) |
WO (1) | WO2020003578A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341941A (zh) * | 2021-08-04 | 2021-09-03 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
CN114399659A (zh) * | 2021-12-28 | 2022-04-26 | 禾多科技(北京)有限公司 | 车辆控制信息生成方法、装置、设备和计算机可读介质 |
Families Citing this family (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9646005B2 (en) | 2005-10-26 | 2017-05-09 | Cortica, Ltd. | System and method for creating a database of multimedia content elements assigned to users |
US11386139B2 (en) | 2005-10-26 | 2022-07-12 | Cortica Ltd. | System and method for generating analytics for entities depicted in multimedia content |
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 |
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 |
US10949773B2 (en) | 2005-10-26 | 2021-03-16 | Cortica, Ltd. | System and methods thereof for recommending tags for multimedia content elements based on context |
US11403336B2 (en) | 2005-10-26 | 2022-08-02 | Cortica Ltd. | System and method for removing contextually identical multimedia content elements |
US11216498B2 (en) | 2005-10-26 | 2022-01-04 | Cortica, Ltd. | System and method for generating signatures to three-dimensional multimedia data elements |
US20160321253A1 (en) | 2005-10-26 | 2016-11-03 | Cortica, Ltd. | System and method for providing recommendations based on user profiles |
US11361014B2 (en) | 2005-10-26 | 2022-06-14 | Cortica Ltd. | System and method for completing a user profile |
US10848590B2 (en) | 2005-10-26 | 2020-11-24 | Cortica Ltd | System and method for determining a contextual insight and providing recommendations based thereon |
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 |
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 |
US20140156901A1 (en) | 2005-10-26 | 2014-06-05 | Cortica Ltd. | Computing device, a system and a method for parallel processing of data streams |
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 |
US11032017B2 (en) | 2005-10-26 | 2021-06-08 | Cortica, Ltd. | System and method for identifying the context of multimedia content elements |
US11019161B2 (en) | 2005-10-26 | 2021-05-25 | Cortica, Ltd. | System and method for profiling users interest based on multimedia content analysis |
US11537636B2 (en) | 2007-08-21 | 2022-12-27 | Cortica, Ltd. | System and method for using multimedia content as search queries |
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 |
US11037015B2 (en) | 2015-12-15 | 2021-06-15 | Cortica Ltd. | Identification of key points in multimedia data elements |
WO2019008581A1 (en) | 2017-07-05 | 2019-01-10 | Cortica Ltd. | DETERMINATION OF DRIVING POLICIES |
WO2019012527A1 (en) | 2017-07-09 | 2019-01-17 | Cortica Ltd. | ORGANIZATION OF DEPTH LEARNING NETWORKS |
EP3788612A2 (en) * | 2018-05-04 | 2021-03-10 | Interdigital Patent Holdings, Inc. | Market based detect and avoid (daa) solutions |
US10846544B2 (en) | 2018-07-16 | 2020-11-24 | Cartica Ai Ltd. | Transportation prediction system and method |
US11613261B2 (en) | 2018-09-05 | 2023-03-28 | Autobrains Technologies Ltd | Generating a database and alerting about improperly driven vehicles |
US10882522B2 (en) * | 2018-09-13 | 2021-01-05 | Toyota Research Institute, Inc. | Systems and methods for agent tracking |
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 |
US10839694B2 (en) | 2018-10-18 | 2020-11-17 | Cartica Ai Ltd | Blind spot alert |
US10748038B1 (en) | 2019-03-31 | 2020-08-18 | Cortica Ltd. | Efficient calculation of a robust signature of a media unit |
US11392738B2 (en) | 2018-10-26 | 2022-07-19 | Autobrains Technologies Ltd | Generating a simulation scenario |
US11904863B2 (en) | 2018-10-26 | 2024-02-20 | AutoBrains Technologies Ltd. | Passing a curve |
US11244176B2 (en) | 2018-10-26 | 2022-02-08 | Cartica Ai Ltd | Obstacle detection and mapping |
DK201970121A1 (en) * | 2018-10-30 | 2020-06-04 | Aptiv Technologies Limited | GENERATION OF OPTIMAL TRAJECTORIES FOR NAVIGATION OF VEHICLES |
US10789535B2 (en) | 2018-11-26 | 2020-09-29 | Cartica Ai Ltd | Detection of road elements |
US11803184B2 (en) | 2018-12-18 | 2023-10-31 | Motional Ad Llc | Methods for generating maps using hyper-graph data structures |
US10919543B2 (en) * | 2019-01-30 | 2021-02-16 | StradVision, Inc. | Learning method and learning device for determining whether to switch mode of vehicle from manual driving mode to autonomous driving mode by performing trajectory-based behavior analysis on recent driving route |
US11747806B1 (en) * | 2019-02-05 | 2023-09-05 | AV-Connect, Inc. | Systems for and method of connecting, controlling, and coordinating movements of autonomous vehicles and other actors |
US11170647B2 (en) | 2019-02-07 | 2021-11-09 | Cartica Ai Ltd. | Detection of vacant parking spaces |
US11635764B2 (en) * | 2019-02-22 | 2023-04-25 | Uatc, Llc. | Motion prediction for autonomous devices |
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 |
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 |
US10776669B1 (en) | 2019-03-31 | 2020-09-15 | Cortica Ltd. | Signature generation and object detection that refer to rare scenes |
CN112242069B (zh) * | 2019-07-17 | 2021-10-01 | 华为技术有限公司 | 一种确定车速的方法和装置 |
JP7289760B2 (ja) * | 2019-09-18 | 2023-06-12 | 日立Astemo株式会社 | 電子制御装置 |
US11704292B2 (en) | 2019-09-26 | 2023-07-18 | Cortica Ltd. | System and method for enriching a concept database |
US11390300B2 (en) * | 2019-10-18 | 2022-07-19 | Uatc, Llc | Method for using lateral motion to optimize trajectories for autonomous vehicles |
DE102019217393A1 (de) * | 2019-11-11 | 2021-05-12 | Robert Bosch Gmbh | Verfahren zum Betreiben einer autonomen Fahrfunktion eines Fahrzeugs |
US11593662B2 (en) | 2019-12-12 | 2023-02-28 | Autobrains Technologies Ltd | Unsupervised cluster generation |
CN113064412B (zh) * | 2019-12-31 | 2023-04-25 | 北京车和家信息技术有限公司 | 路径跟踪方法、装置、车辆及可读存储介质 |
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 |
CN111784729B (zh) * | 2020-07-01 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种对象跟踪方法、装置、电子设备及存储介质 |
CN112068445B (zh) * | 2020-09-23 | 2021-05-25 | 北京理工大学 | 自动驾驶车辆路径规划与路径跟踪集成控制方法及*** |
KR20220056922A (ko) * | 2020-10-28 | 2022-05-09 | 현대자동차주식회사 | 자율주행 제어 장치 및 방법 |
US11603095B2 (en) * | 2020-10-30 | 2023-03-14 | Zoox, Inc. | Collision avoidance planning system |
US11718290B2 (en) * | 2021-01-12 | 2023-08-08 | Argo AI, LLC | Methods and systems for safe out-of-lane driving |
KR20220120009A (ko) * | 2021-02-22 | 2022-08-30 | 현대자동차주식회사 | 로봇의 충돌 감지 장치 및 그 방법 |
US20220315047A1 (en) * | 2021-03-30 | 2022-10-06 | Honda Research Institute Europe Gmbh | Method, system and vehicle with an uncertainty-based lane positioning control |
DE102022104322A1 (de) | 2022-02-23 | 2023-08-24 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Vorrichtung und Verfahren zur Fahrerassistenz für ein Kraftfahrzeug, die Vorrichtung umfassendes Kraftfahrzeug |
CN115359682B (zh) * | 2022-08-09 | 2024-02-13 | 上汽通用五菱汽车股份有限公司 | 碰撞预警方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216181A1 (en) * | 2004-03-26 | 2005-09-29 | Estkowski Regina I | System and method for adaptive path planning |
US20100228427A1 (en) * | 2009-03-05 | 2010-09-09 | Massachusetts Institute Of Technology | Predictive semi-autonomous vehicle navigation system |
DE102012009555A1 (de) * | 2012-05-12 | 2012-11-29 | Daimler Ag | Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs und Fahrerassistenzsystem |
US20150081200A1 (en) * | 2013-09-19 | 2015-03-19 | Mitsubishi Electric Research Laboratories, Inc. | Method for Determining Trajectory of Multi-Motor Control System Avoiding Obstacle |
EP2990290A1 (en) * | 2014-09-01 | 2016-03-02 | Honda Research Institute Europe GmbH | Method and system for post-collision manoeuvre planning and vehicle equipped with such system |
CN105848981A (zh) * | 2013-12-24 | 2016-08-10 | 沃尔沃卡车集团 | 用于车辆的驾驶员辅助方法和*** |
CN106608263A (zh) * | 2015-10-27 | 2017-05-03 | 通用汽车环球科技运作有限责任公司 | 用于避免在左转或右转交叉口汽车碰撞的算法 |
CN106794838A (zh) * | 2014-08-05 | 2017-05-31 | 法雷奥开关和传感器有限责任公司 | 用于至少半自主操纵机动车辆的方法、驾驶员辅助***和机动车辆 |
CN108062094A (zh) * | 2016-11-09 | 2018-05-22 | 通用汽车环球科技运作有限责任公司 | 基于处理器实现的自主***和方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5082433B2 (ja) * | 2006-12-26 | 2012-11-28 | トヨタ自動車株式会社 | 移動体周囲危険度判定方法、装置、およびプログラム |
EP2289754B1 (en) * | 2009-08-31 | 2015-04-29 | Toyota Motor Europe NV/SA | Vehicle or traffic control method and system |
JP5419784B2 (ja) * | 2010-04-06 | 2014-02-19 | 三菱電機株式会社 | 予測装置及び予測システム及びコンピュータプログラム及び予測方法 |
US8896982B2 (en) | 2010-12-31 | 2014-11-25 | Taser International, Inc. | Electrodes for electronic weaponry and methods of manufacture |
US9250324B2 (en) * | 2013-05-23 | 2016-02-02 | GM Global Technology Operations LLC | Probabilistic target selection and threat assessment method and application to intersection collision alert system |
JP6308032B2 (ja) * | 2014-06-04 | 2018-04-11 | 株式会社デンソー | 運転操作を生成するシステムおよび方法 |
EP3091370B1 (en) * | 2015-05-05 | 2021-01-06 | Volvo Car Corporation | Method and arrangement for determining safe vehicle trajectories |
US20190016339A1 (en) * | 2016-02-16 | 2019-01-17 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and vehicle control program |
CN105786014B (zh) * | 2016-03-29 | 2018-09-21 | 沈阳上博智拓科技有限公司 | 无人设备的控制方法和装置 |
US10994729B2 (en) | 2017-03-29 | 2021-05-04 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling lateral motion of vehicle |
-
2018
- 2018-06-24 US US16/016,613 patent/US11091158B2/en active Active
-
2019
- 2019-01-24 DE DE112019003164.3T patent/DE112019003164T5/de active Pending
- 2019-01-24 WO PCT/JP2019/003538 patent/WO2020003578A1/en active Application Filing
- 2019-01-24 CN CN201980041476.0A patent/CN112334368A/zh active Pending
- 2019-01-24 JP JP2020559571A patent/JP7069345B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216181A1 (en) * | 2004-03-26 | 2005-09-29 | Estkowski Regina I | System and method for adaptive path planning |
US20100228427A1 (en) * | 2009-03-05 | 2010-09-09 | Massachusetts Institute Of Technology | Predictive semi-autonomous vehicle navigation system |
DE102012009555A1 (de) * | 2012-05-12 | 2012-11-29 | Daimler Ag | Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs und Fahrerassistenzsystem |
US20150081200A1 (en) * | 2013-09-19 | 2015-03-19 | Mitsubishi Electric Research Laboratories, Inc. | Method for Determining Trajectory of Multi-Motor Control System Avoiding Obstacle |
CN105848981A (zh) * | 2013-12-24 | 2016-08-10 | 沃尔沃卡车集团 | 用于车辆的驾驶员辅助方法和*** |
CN106794838A (zh) * | 2014-08-05 | 2017-05-31 | 法雷奥开关和传感器有限责任公司 | 用于至少半自主操纵机动车辆的方法、驾驶员辅助***和机动车辆 |
EP2990290A1 (en) * | 2014-09-01 | 2016-03-02 | Honda Research Institute Europe GmbH | Method and system for post-collision manoeuvre planning and vehicle equipped with such system |
CN106608263A (zh) * | 2015-10-27 | 2017-05-03 | 通用汽车环球科技运作有限责任公司 | 用于避免在左转或右转交叉口汽车碰撞的算法 |
CN108062094A (zh) * | 2016-11-09 | 2018-05-22 | 通用汽车环球科技运作有限责任公司 | 基于处理器实现的自主***和方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341941A (zh) * | 2021-08-04 | 2021-09-03 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
CN114399659A (zh) * | 2021-12-28 | 2022-04-26 | 禾多科技(北京)有限公司 | 车辆控制信息生成方法、装置、设备和计算机可读介质 |
CN114399659B (zh) * | 2021-12-28 | 2023-04-07 | 禾多科技(北京)有限公司 | 车辆控制信息生成方法、装置、设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020003578A1 (en) | 2020-01-02 |
JP2021519719A (ja) | 2021-08-12 |
JP7069345B2 (ja) | 2022-05-17 |
US11091158B2 (en) | 2021-08-17 |
DE112019003164T5 (de) | 2021-03-25 |
US20190389459A1 (en) | 2019-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7069345B2 (ja) | 車両の制御システム及び車両の運動を制御する制御方法 | |
CN110461676B (zh) | 控制车辆的横向运动的***和方法 | |
JP6837558B2 (ja) | 自車両の制御方法及び自車両の制御システム | |
JP7444874B2 (ja) | 方法、非一時的コンピュータ可読媒体、および、車両 | |
US11465619B2 (en) | Vehicle collision avoidance based on perturbed object trajectories | |
JP6494872B2 (ja) | 車両の運動を制御する方法、及び車両の制御システム | |
JP7150067B2 (ja) | 車両の制御システム、車両を制御する方法、及び非一時的コンピュータ可読メモリ | |
US9934688B2 (en) | Vehicle trajectory determination | |
US11794732B2 (en) | Allocation of safety system resources based on probability of intersection | |
CN110857085A (zh) | 车辆路径规划 | |
CN114248800A (zh) | 用于预测性风险感知驾驶的***、设备和方法 | |
US11860634B2 (en) | Lane-attention: predicting vehicles' moving trajectories by learning their attention over lanes | |
JPWO2021242702A5 (zh) | ||
CN117980212A (zh) | 基于优化的规划*** | |
Kibalov et al. | Safe speed control and collision probability estimation under ego-pose uncertainty for autonomous vehicle | |
US11807233B1 (en) | Procedurally generated safety system determination | |
CN114206698B (zh) | 在具有动态障碍物的环境中促进运动规划的装置、方法和物品 | |
Mondal | DEVELOPMENT OF AUTONOMOUS VEHICLE MOTION PLANNING AND CONTROL ALGORITHM WITH D* PLANNER AND MODEL PREDICTIVE CONTROL IN A DYNAMIC ENVIRONMENT | |
CN114206698A (zh) | 在具有动态障碍物的环境中促进运动规划的装置、方法和物品 |
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 |