CN113370974A - 增强的对象检测和响应 - Google Patents
增强的对象检测和响应 Download PDFInfo
- Publication number
- CN113370974A CN113370974A CN202110192079.2A CN202110192079A CN113370974A CN 113370974 A CN113370974 A CN 113370974A CN 202110192079 A CN202110192079 A CN 202110192079A CN 113370974 A CN113370974 A CN 113370974A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- identifying
- computer
- vertices
- intersection
- 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
- 238000001514 detection method Methods 0.000 title abstract description 8
- 230000004044 response Effects 0.000 title abstract description 6
- 238000000034 method Methods 0.000 claims description 55
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 9
- 238000013500 data storage Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/06—Direction of travel
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
-
- 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
- B60W2554/402—Type
- B60W2554/4026—Cycles
-
- 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
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了“增强的对象检测和响应”。一种计算机被编程为:识别由车辆的转弯半径和所述车辆的航向角限定的转弯中心;识别具有由所述转弯中心限定的中心和延伸到检测到的对象的位置的半径的边界圆;识别所述车辆的外部轮廓的多个顶点中的每一个的坐标,所述外部轮廓限定多个线段,每个线段连接所述顶点中的两个;在识别与所述边界圆相交的至少一个线段时,识别对象距离或所述对象与所述车辆之间的相交时间中的至少一者;以及当所述对象距离低于距离阈值或所述相交时间低于时间阈值时,致动转向或制动器中的至少一者以避开所述对象。
Description
技术领域
本公开总体上涉及车辆传感器。
背景技术
车辆可以使用传感器来检测道路上的对象。这些传感器可以检测对象相对于车辆的位置和速度。例如,传感器可以检测在车辆转弯时对象相对于车辆的位置。车辆可以对检测到对象做出响应,例如通过转向远离对象,通过在到达对象之前制动等。
发明内容
一种***包括计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令可由所述处理器执行以:识别由车辆的转弯半径和所述车辆的航向角限定的所述车辆的转弯中心;识别具有由所述转弯中心限定的中心和延伸到检测到的对象的位置的半径的边界圆;以及识别所述车辆的外部轮廓的多个顶点中的每一个的坐标。所述外部轮廓限定多个线段,每个线段连接所述顶点中的两个。所述指令包括用于进行以下操作的指令:确定所述边界圆是否与每个线段相交,并且在识别与所述边界圆相交的至少一个线段时,识别对象距离或所述对象与所述车辆之间的相交时间中的至少一者。所述指令包括用于进行以下操作的指令:当所述对象距离低于距离阈值或所述相交时间低于时间阈值时致动转向或制动器中的至少一者以避开所述对象。
所述指令还可以包括用于进行以下操作的指令:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述相交时间。
所述指令还可以包括用于进行以下操作的指令:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述对象距离。
所述指令还可以包括用于进行以下操作的指令:基于所述车辆的速度和所述车辆的转弯半径来确定所述相交时间。
所述指令还可以包括用于进行以下操作的指令:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及确定所述车辆在所述交点处的相交航向角。
所述指令还可以包括用于进行以下操作的指令:基于所述相交航向角来致动所述转向以转向远离所述对象。
所述指令还可以包括用于进行以下操作的指令:在致动所述转向以避开所述对象时,识别所述车辆的新的航向角;识别所述车辆的新的转弯半径;以及基于所述新的转弯半径和所述新的航向角来识别所述车辆的新的转弯中心。
所述指令还可以包括用于进行以下操作的指令:基于所述车辆的道路车轮角或计划路径中的一者来确定所述车辆的所述转弯半径。
所述指令还包括用于进行以下操作的指令:基于所述顶点的相应位置来识别所述边界圆与所述线段中的一个相交的位置处的交点,所述线段在所述顶点之间延伸。
所述外部轮廓可以限定多边形并且所述多个顶点中的每一个限定所述多边形的顶点。
所述指令还可以包括用于进行以下操作的指令:当所述对象距离低于距离阈值或所述相交时间低于时间阈值时,向所述车辆的乘员提供警报。
所述多个顶点可以包括至少五个顶点。
一种方法包括:识别由车辆的转弯半径和所述车辆的航向角限定的所述车辆的转弯中心;识别具有由所述转弯中心限定的中心和延伸到检测到的对象的位置的半径的边界圆;识别所述车辆的外部轮廓的多个顶点中的每一个的坐标。所述外部轮廓限定多个线段,每个线段连接所述顶点中的两个。所述方法包括:确定所述边界圆是否与每个线段相交,并且在识别与所述边界圆相交的至少一个线段时,识别对象距离或所述对象与所述车辆之间的相交时间中的至少一者。所述方法包括:当所述对象距离低于距离阈值或所述相交时间低于时间阈值时,致动转向或制动器中的至少一者以避开所述对象。
所述方法还可以包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述相交时间。
所述方法还可以包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述对象距离。
所述方法还可以包括:基于所述车辆的速度和所述车辆的所述转弯半径来确定所述相交时间。
所述方法还可以包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及确定所述车辆在所述交点处的相交航向角。
所述方法还可以还包括:基于所述相交航向角来致动所述转向以转向远离所述对象。
所述方法还可以包括:在致动所述转向以避开所述对象时,识别所述车辆的新的航向角;识别所述车辆的新的转弯半径;以及基于所述新的转弯半径和所述新的航向角识别所述车辆的新的转弯中心。
所述方法还可以包括:基于所述车辆的道路车轮角或计划路径中的一者来确定所述车辆的所述转弯半径。
所述方法还包括:基于所述顶点的相应位置来识别所述边界圆与所述线段中的一个相交的位置处的交点,所述线段在所述顶点之间延伸。
所述方法还可以包括:当所述对象距离低于距离阈值或所述相交时间低于时间阈值时,向所述车辆的乘员提供警报。
一种***包括:车辆,所述车辆具有转向和制动器;用于识别由车辆的转弯半径和所述车辆的航向角限定的所述车辆的转弯中心的装置;用于识别具有由所述转弯中心限定的中心和延伸到检测到的对象的位置的半径的边界圆的装置;以及用于识别所述车辆的外部轮廓的多个顶点中的每一个的坐标的装置。所述外部轮廓限定多个线段,每个线段连接所述顶点中的两个。所述***包括:用于确定所述边界圆是否与每个线段相交的装置;以及用于在识别与所述边界圆相交的至少一个线段时,识别对象距离或所述对象与所述车辆之间的相交时间中的至少一者的装置。所述***包括:用于当所述对象距离低于距离阈值或所述相交时间低于时间阈值时,致动所述转向或所述制动器中的至少一者以避开所述对象的装置。
所述方法还可以包括:用于识别所述边界圆与所述线段中的一个相交的位置处的交点的装置;以及用于基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述相交时间的装置的装置。
所述***还可以包括:用于识别所述边界圆与所述线段中的一个相交的位置处的交点的装置;以及用于基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述对象距离的装置。
所述方法还可以包括:用于识别所述边界圆与所述线段中的一个相交的位置处的交点的装置;以及用于确定所述车辆在所述交点处的相交航向角的装置。
还公开了一种计算装置,所述计算装置被编程为执行上述方法步骤中的任一者。还公开了一种包括所述计算装置的车辆。还公开了一种计算机程序产品,所述计算机程序产品包括计算机可读介质,所述计算机可读介质存储指令,所述指令可由计算机处理器执行以执行上述方法步骤中的任一者。
附图说明
图1是用于对象检测的示例性***的框图。
图2是示例性车辆和示例性对象的平面图。
图3是示例性车辆的外部轮廓的平面图。
图4是用于检测示例性对象的过程的图。
图5是示出致动示例车辆的部件以避开示例对象的图。
具体实施方式
车辆中的计算机可以在车辆转弯时检测对象。计算机可以识别车辆围绕其转弯的转弯中心。计算机可以预测对象相对于转弯中心的位置作为围绕转弯中心的边界圆。计算机可以确定边界圆是否与车辆的外部轮廓相交。外部轮廓可以是表示在车辆坐标系中的车辆的外部边界的多边形。使用边界圆与外部轮廓之间的交点允许计算机仅使用对象的位置和车辆的动力学来预测与对象的碰撞,从而减少针对对象检测和响应执行的计算并提高预测碰撞的准确性。也就是说,与例如神经网络中的图像分析(其可能需要几个周期的收集数据来预测对象的路径并致动部件以避开对象)相比,计算机可以使用更少量的数据来进行对象检测和响应。
图1示出用于对象检测和响应的示例性***100。车辆101中的计算机105被编程为从一个或多个传感器110接收所收集的数据115。例如,车辆101的数据115可包括车辆101的位置、关于车辆周围的环境的数据、关于车辆外部的对象(诸如另一车辆)的数据等。车辆101位置通常以常规形式提供,所述形式为例如经由使用全球定位***(GPS)的导航***获得的地理坐标(诸如纬度和经度坐标)。数据115的另外的示例可包括车辆101***和部件的测量结果,例如,车辆101速度、车辆101轨迹等。
计算机105通常被编程为在车辆101网络上进行通信,所述网络例如包括常规车辆101的通信总线诸如CAN总线、LIN总线等和/或其他有线和/或无线技术例如以太网、WIFI等。经由网络、总线和/或其他有线或无线机制(例如车辆101中的有线或无线局域网),计算机105可向车辆101中的各种装置(例如控制器、致动器、传感器等,包括传感器110)发送消息和/或从所述各种装置接收消息。替代地或另外,在计算机105实际上包括多个装置的情况下,车辆网络可用于在本公开中表示为计算机105的装置之间的通信。另外,计算机105可被编程为与可以包括各种有线和/或无线联网技术(如下文所描述)的网络125通信,所述有线和/或无线联网技术例如蜂窝、低功耗(BLE)、有线和/或无线分组网络等。
数据存储区106可以是任何类型,例如硬盘驱动器、固态驱动器、服务器或任何易失性或非易失性介质。数据存储区106可以存储从传感器110发送的所收集的数据115。数据存储区106可以是与计算机105分离的装置,并且计算机105可以经由车辆101中的网络(例如,通过CAN总线、无线网络等)检索由数据存储区106存储的信息。另外或替代地,数据存储区106可以是计算机105的一部分,例如作为计算机105的存储器。
传感器110可以包括多种装置。例如,车辆101中的各种控制器可作为传感器110操作,以经由车辆101网络或总线提供数据115,例如与车辆速度、加速度、方位、子***和/或部件状态等有关的数据115。此外,其他传感器110可以包括相机、运动检测器等,即用于提供数据115以评估部件的方位、评估道路的斜率等的传感器110。传感器110还可以包括但不限于短程雷达、远程雷达、激光雷达(LIDAR)和/或超声换能器。
所收集的数据115可以包括在车辆101中收集的多种数据。上文提供了所收集的数据115的示例,并且此外,数据115通常使用一个或多个传感器110来收集,并且另外可包括在计算机105中和/或在服务器130处根据所收集的数据计算出的数据。通常,所收集的数据115可包括可由传感器110采集的和/或根据此类数据计算出的任何数据。
车辆101可包括多个车辆部件120。在这种背景下,每个车辆部件120包括适于执行诸如移动车辆101、使车辆101减慢或停止、使车辆101转向等机械功能或操作的一个或多个硬件部件。部件120的非限制性示例包括推进部件(其包括例如内燃发动机和/或电动马达等)、变速器部件、转向部件(例如,其可包括方向盘、转向齿条等中的一者或多者)、制动部件、驻车辅助部件、自适应巡航控制部件、自适应转向部件、可移动座椅等。
当计算机105操作车辆101时,车辆101是“自主”车辆101。出于本公开的目的,术语“自主车辆”用于指代在完全自主模式(即,“自主”操作模式)下操作的车辆101。完全自主模式被定义为其中车辆101的推进(通常经由包括电动马达和/或内燃发动机的动力传动***进行)、制动和转向中的每一者都由计算机105控制的模式。半自主模式是其中车辆101的推进(通常经由包括电动马达和/或内燃发动机的动力传动***进行)、制动和转向中的至少一者至少部分地由计算机105而不是人类操作员控制的模式。在非自主模式(即,手动模式)下,车辆101的推进、制动和转向由人类操作者控制。
***100还可以包括连接到服务器130和数据存储区135的网络125。计算机105还可以被编程来经由网络125与诸如服务器130等一个或多个远程站点通信,这种远程站点可能包括数据存储区135。网络125表示车辆计算机105可以通过其与远程服务器130进行通信的一种或多种机制。因此,网络125可以是各种有线或无线通信机制中的一种或多种,包括有线(例如,电缆和光纤)和/或无线(例如,蜂窝、无线、卫星、微波和射频)通信机制的任何期望的组合以及任何期望的网络拓扑结构(或当使用多种通信机制时的多种拓扑结构)。示例性通信网络包括提供数据通信服务的无线通信网络(例如,使用低功耗(BLE)、IEEE 802.11、车辆对车辆(V2V)诸如专用短程通信(DSRC)等)、局域网(LAN)和/或包括因特网的广域网(WAN)。
图2是示例性车辆101和示例性对象200在全局坐标系中的平面图。在这种背景下,“全局坐标系”是地理位置经度和纬度坐标系,其中根据固定的原点(即,当对象移动时不会改变并且不依赖于任何对象相对于坐标系的位置的原点,所述坐标系例如全球导航卫星***(GNSS),诸如全球定位***(GPS))为地球表面指定坐标。纬度坐标(即,北-南)用“Y”轴表示。经度坐标(即,东-西)用“X”轴表示。“位置”是分别表示全局坐标系中的经度和纬度的一组x,y坐标。车辆101限定航向角所述航向角是在车辆101的纵轴Xv(如下文所描述且如图3所示)与全局坐标系的X轴之间限定的角度。对象200可以是例如另一车辆101、行人、骑自行车的人等。对象200具有位置xobj,yobj。
计算机105可以收集在本地坐标系(例如,车辆坐标系)中的数据115,如图3所示。在这种背景下,车辆101的“车辆坐标系”是具有原点Ov(其是车辆101上和/或车辆101中的点)的二维坐标系。在图3的示例中,原点Ov是车辆101的后车桥的中心点。原点可以是存储在数据存储区106中的车辆101上的预定点。局部坐标系具有从原点Ov延伸的纵轴Xv和横轴Yv。车辆101具有宽度VW,所述宽度被定义为沿着横轴Yv在车辆101的一侧与车辆101的另一侧之间的距离,如图3所示。
计算机105可以识别车辆101的外部轮廓205。外部轮廓205是包围车辆101的二维投影的形状。例如,如图2至图3所示,外部轮廓205是包围车辆101到全局坐标系上的二维投影的形状。外部轮廓205可以是多边形,即具有多个顶点和连接相邻顶点的多个线段以形成如下文所描述的封闭环的形状。计算机105可以基于车辆101的虚拟模型(例如,计算机辅助设计(CAD)图、数字照片等)来识别限定外部轮廓205的多边形。外部轮廓205可以存储在数据存储区106中。
计算机105可以识别车辆101的转弯半径rv。“转弯半径”是车辆101在转弯中遵循的圆的半径。也就是说,当车辆101转弯时,车辆101所遵循的路径限定圆弧,并且转弯半径是圆的半径:
其中WB是车辆101的轴距,δ是道路车轮角,并且tan是切线三角函数。“轴距”WB是车辆101的前轮的旋转轴线与车辆101的后轮的旋转轴线之间的距离。轴距WB可以存储在数据存储区106中。“道路车轮角”δ是在车辆101的前轮与平行于车辆101的纵轴延伸穿过前轮的轴线之间限定的角度。正道路车轮角δ被限定为逆时针(即,左转),并且负道路车轮角δ被限定为顺时针(即,右转)。计算机105可通过测量来自方向盘传感器110的数据115的方向盘角并且将所述方向盘角乘以转向比来确定道路车轮角δ(即,方向盘的角度变化与前轮的角度变化的比例)。转向比可以存储在数据存储区106中。
替代地或另外,计算机105可以基于路径规划算法来识别转弯半径rv。路径规划算法可以识别车辆101所遵循的路径。替代地,计算机105可以根据常规曲率技术,基于作为多项式函数的所识别的路径p(x)的一部分的曲率来识别转弯半径rv:
其中p′是路径多项式p(x)的第一导数并且p″是路径多项式的第二导数p(x)。路径多项式p(x)是将路径预测为多项式方程所描绘的线的模型。路径多项式p(x)通过确定横向坐标y来预测针对预定即将到来的距离x(例如,以米为单位进行测量)的路径:
p(x)=a0+a1x+a2x2+a3x3 (1)
其中a0是偏移量,即,在即将到来的距离x处路径与车辆101的中心线之间的横向距离,a1是路径的航向角,a2是路径的曲率,并且a3是路径的曲率变化率。在当前背景下,“即将到来的距离”x是在车辆101前方距车辆101的前保险杠的预定纵向距离,传感器110在前保险杠处收集数据115并且计算机105预测路径。即将到来的距离x可以基于例如车辆101的当前速度、基于经验模拟数据确定的预定时间阈值、传感器110的检测范围等来确定。时间阈值可以是例如1秒。路径多项式可包括一个或多个贝赛尔曲线(Bezier curve),即,各自表示表示路径的点的不相交子集并且合起来表示表示路径的整个点集的多项式函数。贝赛尔曲线可被约束为连续可微的,并且在无不连续性的情况下对允许的导数具有约束或限制(例如,对变化率具有限制)。贝塞尔曲线也可被约束来使导数与其他贝塞尔曲线在边界处匹配,从而提供子集之间的平滑过渡。贝塞尔曲线上的约束可通过限制沿着车辆路径多项式驾驶车辆所需的纵向加速度和横向加速度的速率来使车辆路径多项式成为可转向路径多项式,其中制动扭矩和动力传动***扭矩被施加为正纵向加速度和负纵向加速度并且顺时针转向扭矩和逆时针转向扭矩被施加为左横向加速度和右横向加速度。
计算机105可以识别转弯中心c,转弯半径rv从所述转弯中心延伸。转弯中心c在全局坐标系中具有坐标xc,yc。如上文所描述,计算机105可以确定车辆101x,y的当前位置和航向角然后,计算机105可以识别转弯中心c的坐标xc,yc:
当车辆101转弯时,外部轮廓205围绕转弯中心c旋转,在图2中被示出为朝向对象200的虚线轮廓。也就是说,虚线轮廓表示车辆101在围绕转弯中心c转弯时将遵循的路径。
基于转弯中心坐标xc,yc和检测到的对象200的对象坐标xobj,yobj,计算机105可识别转弯中心c与对象200之间的距离robj:
距离robj限定边界圆210,所述边界圆210具有在转弯中心处的中心c和延伸到对象200的位置的半径robj。边界圆210表示在车辆101转弯时对象200的位置。也就是说,对象200的位置由边界圆210表示,并且当边界圆210与外部轮廓205相交时,对象200可能与车辆101碰撞。计算机105可以在外部轮廓205与边界圆210相交的情况下确定车辆101可能与对象碰撞。外部轮廓205与边界圆210相交处的点是具有坐标x交点,y交点的交点215。也就是说,交点215具有在边界圆210上的坐标:
计算机105可以识别外部轮廓205的多个线段,如图3所示并且在下文进一步详细描述的。也就是说,外部轮廓205限定多个顶点300。每个顶点300具有在车辆坐标系中的一组坐标xrel,i,yrel,i,其中i是在1与顶点300的总数n之间的自然数。在图3中,每个顶点300用1与12之间的数字表示,其表示外部轮廓205的十二个顶点300。替代地,外部轮廓205可以具有不同数量(例如五个、八个、十六个等)的顶点300。坐标xrel,i,yrel,i因此是顶点300与原点Ov之间的相对距离。计算机105可以识别每个顶点300的全局坐标xi,yi:
外部轮廓205限定多个线段305。线段305在多对相邻的顶点300之间延伸以形成多边形,即具有直边缘的封闭平面图形。在图3中,每个线段305用围成圆圈的数字表示,所述数字在1与12之间以表示十二个线段305。多边形可以是凸多边形,即,其中两个相邻线段305之间限定的角度小于180度的多边形。多边形可以包括至少五个顶点300,例如,如图3所示的十二个顶点。因此,根据一对顶点300之间的欧几里德距离来限定每个线段305:
其中segi是线段305,并且i,j是1与n之间的连续索引。
当外部轮廓205与边界圆210相交时,交点215的坐标x交点,y交点与线段305上的点的坐标重合:
x交点=xjt+xi(1-t) (10)
y交点=yjt+yi(1-t) (11)
其中t是指示边界圆210是否与限定线段305的顶点300之间的位置相交的虚拟变量。也就是说,计算机105可以基于线段305在其间延伸的顶点300的相应位置,将交点215识别为边界圆210与线段305中的一个相交的位置。当变量t在0与1之间时,坐标x交点,y交点位于线段305上。当变量t小于0、大于1或是复数时,坐标x交点,y交点不位于线段305上。当t为0或1时,坐标x交点,y交点与顶点300中的一个重合。因此,边界圆210上的生成0与1之间的t值的点是边界点215。
将交点215坐标x交点,y交点的此定义***到边界圆210的方程中在变量t中生成二次方程:
计算机105可以使用例如二次公式来求解二次方程,以找到t的解。如果t的解是复数(即,包括虚部)或者t只有一个解,则计算机105可以确定边界圆210不与线段305相交并且不存在交点215。如果t有两个解,其中的一者或两者是t≥1,t≤0,则计算机105可以确定边界圆210不与线段305相交并且不存在交点215。如果t有两个解,其中至少一个满足0<t<1,则计算机105可以确定边界圆210在由0与1之间的t值限定的在交点215处与线段305相交。计算机105针对每个线段305识别t的解,以确定边界圆210是否与线段305中的任何一个相交。
在识别出交点215后,计算机105可以识别线段305中的一个在从转弯中心c延伸到交点215的线与延伸到对象200的位置的线之间的中心角θi:
计算机105可以基于交点215来识别每个线段305(如果有,线段305中的任一个)的相应中心角θi。计算机105可以识别最小中心角θ以预测与对象200的碰撞,如下文所描述。
计算机105可以基于最小中心角θ和边界圆210的半径robj来识别车辆101与对象200之间的对象距离sobj=robj·θ。由于对象距离sobj是基于最小中心角θ,因此对象距离sobj是对象200与车辆101之间的最小距离。计算机105可以识别相交航向角所述相交航向角是车辆101在到达交点215时的航向角。对航向角的sign(δ)调整考虑了改变相交航向角的道路车轮角δ的方向。
替代地或另外,计算机105可以识别相交时间T交点,即,直到车辆101到达交点215的预测时间:
其中V是车辆101的当前速度。由于相交时间T交点是基于最小中心角θ的,因此相交时间T交点是对象200到达车辆101的最小时间。
计算机105可以将对象距离sobj与距离阈值进行比较。距离阈值可以是在到达对象200之前使车辆101停止的最小制动距离。替代地或另外,距离阈值可以是使车辆101转向远离对象200的最小转向距离。距离阈值可以基于车辆101对以不同速度应用制动和转向并测量每个速度的制动距离和转向距离的经验测试来确定。又替代地或另外,计算机105可以将相交时间T相交与时间阈值进行比较。时间阈值可以是在到达对象200之前使车辆101停止的最小制动时间。替代地或另外,时间阈值可以是使车辆101转向远离对象200的最小转向时间。时间阈值可以基于车辆101对以不同速度应用制动和转向并测量每个速度的制动时间和转向时间的经验测试来确定。
在识别出对象距离sobj和/或相交时间T交点后,计算机105可以致动一个或多个部件120以避开对象200。例如,为了在到达对象距离sobj之前使车辆101停止,计算机105可以识别减速度a以使车辆101在到达相交点215之前停止:
替代地或另外,计算机105可以减小车辆101的道路车轮角δ以减小车辆101的转弯半径,从而避开对象200。计算机105可以致动转向部件120以减小将车辆101转向远离对象200的道路车轮角δ,。为了减小道路车轮角δ,计算机105可以识别最小转弯半径r最小:
其中sign()是符号函数(即,提取实数rv的符号),并且VW是车辆101的宽度,如上文所描述。在确定最小转弯半径r最小后,计算机105可以确定前馈道路车轮角δff以减小道路车轮角:
计算机105可以如下文所描述将前馈道路车轮角δff输入到反馈控制器,以识别目标道路车轮角δ。
计算机105可以基于上述相交航向角SW来识别方向盘角以调整航向角来避开对象200。在致动转向部件120以避开对象200时,计算机105可以识别车辆101的新航向角新转弯半径rv和新转弯中心c,以确定对象200的边界圆210。基于新边界圆210与外部轮廓205之间的交点,计算机105可以确定车辆101是否可能与对象200碰撞。在识别出新边界圆210与外部轮廓205之间没有交点215时,计算机105可以确定车辆101不太可能与对象200相遇。
另外或替代地,当对象距离sobj低于距离阈值和/或相交时间T交点低于时间阈值时,计算机105可以向车辆101的乘员提供一个或多个警报。警报可以是例如音频、视觉、触觉等。例如,计算机105可以通过车辆101中的扬声器提供音频警报。在另一示例中,计算机105可以在车辆中的显示屏上提供视觉警报。在又一示例中,计算机105可以在车辆101中的方向盘和/或座椅上提供触觉警报。在提供警报后,计算机105可以接收操作员对部件120的输入以避开对象200。
图4是用于避开对象200的示例性过程400。过程400开始于框405,其中车辆101中的计算机105识别对象200。计算机105可以致动一个或多个传感器110以收集关于对象200的数据115。例如,计算机105可以致动相机110以收集图像数据115并且可以利用常规的图像处理算法(例如,Canny边缘检测)来识别对象200。
接下来,在框410中,计算机105识别车辆101rv的转弯半径和转弯中心c。如上文所描述,当车辆101转弯时,车辆101的轨迹限定具有半径rv和在转弯中心c处的原点的圆的弧。计算机105可以基于车辆101的道路车轮角rv、航向角c和/或计划路径来识别转弯半径δ和转弯中心
接下来,在框415中,计算机105识别边界圆210。边界圆210是具有在转弯中心c处的中心和延伸到对象200的位置的半径。也就是说,边界圆210表示对象200围绕转弯中心c的圆形路径。当车辆101的外部轮廓205与边界圆210相交时,计算机105可以确定与对象200可能发生碰撞。
接下来,在框420中,计算机105识别外部轮廓205的多个顶点300和线段305。如上文所描述,外部轮廓205可以是限定多个顶点300和连接相邻顶点300的线段305的多边形。外部轮廓205的顶点300和线段305限定车辆101在全局坐标系中的边界。
接下来,在框425中,计算机105确定边界圆210是否与外部轮廓205相交。如上文所描述,计算机105可以确定边界圆210的坐标是否与外部轮廓205的一个或多个线段305的坐标相交。如果边界圆210与外部轮廓205相交,则过程400在框430中继续。否则,过程400在框435中继续。
在框430中,计算机105致动一个或多个部件120(例如转向部件120或制动器120)以避开对象200。例如,计算机105可以识别减速度a并且可以致动制动器120以使车辆101减速直到对象200经过车辆101。在另一示例中,计算机105可以识别道路车轮角δ以转向远离对象200,并且可以致动转向部件120(例如,转向马达)以避开对象200。
在框435中,计算机105确定是否继续过程400。例如,计算机105可在经过对象200时确定是否继续过程400。如果计算机105确定继续,则过程400返回到框405以识别另一对象200。否则,过程400结束。
图5是用于识别方向盘角SW以避开对象200的示例性控制程序500的框图。如上文所描述,计算机105检测对象200并且识别转弯中心c与对象200之间的距离robj。计算机105识别表示车辆101的内侧的内转弯半径当内转弯半径r内超过距离robj时,车辆101可以避开对象。计算机105可以识别方向盘角SW以增加内转弯半径r内来避开对象200。计算机105将距离robj和内转弯半径r内输入到常规控制算法(例如,比例积分微分控制),以识别反馈道路车轮角δfb。反馈道路车轮角δfb是生成内转弯半径r内、转弯中心c和到对象200的距离robj的道路车轮角。
如上文所描述,计算机105可以识别最小转弯半径r最小。基于最小转弯半径r最小,计算机105可以识别实现最小转弯半径r最小的期望的道路车轮角,即前馈道路车轮角δff。计算机105可以将方向盘角SW确定为反馈道路车轮角δfb和前馈道路车轮角δfb的总和。也就是说,计算机105可以将期望的方向盘角SW确定为:
SW=SR·(δfb+δff) (18)
其中SR是转向比。计算机105可以继续循环通过控制程序500,直到对象200不再可能与车辆101碰撞。
本文所讨论的计算装置(包括计算机105)包括处理器和存储器,所述存储器通常各自包括能够由诸如上面识别的计算装置的一个或多个计算装置执行并用于执行上述过程的框或步骤的指令。计算机可执行指令可以由使用各种编程语言和/或技术创建的计算机程序来编译或解译,所述编程语言和/或技术包括但不限于单独或组合的JavaTM、C、C++、Visual Basic、Java Script、Python、Perl、HTML等。一般来说,处理器(例如,微处理器)例如从存储器、计算机可读介质等接收指令,并且执行这些指令,由此执行一个或多个过程,包括本文所描述的过程中的一个或多个。此类指令和其他数据可以使用各种计算机可读介质来存储和传输。计算机105中的文件通常是存储在计算机可读介质(诸如存储介质、随机存取存储器等)上的数据的集合。
计算机可读介质包括参与提供可以由计算机读取的数据(例如,指令)的任何介质。这种介质可采用许多形式,包括但不限于非易失性介质、易失性介质等。非易失性介质包括例如光盘或磁盘和其他持久性存储器。易失性介质包括动态随机存取存储器(DRAM),所述动态随机存取存储器典型地构成主存储器。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、CD ROM、DVD、任何其他光学介质、穿孔卡、纸带、具有孔图案的任何其他物理介质、RAM、PROM、EPROM、快闪EEPROM、任何其他存储器芯片或盒式磁带、或计算机可从中读取的任何其他介质。
关于本文所描述的介质、过程、***、方法等,应当理解,虽然此类过程等的步骤已被描述为按照某一有序的序列发生,但是此类过程可以通过以本文所描述的顺序以外的顺序执行所描述的步骤来实践。还应当理解,可以同时执行某些步骤,可以添加其他步骤,或者可以省略本文所描述的某些步骤。例如,在过程400中,可以省略步骤中的一个或多个,或者可以与图4中所示不同的次序执行步骤。换句话说,本文对***和/或过程的描述是为了示出某些实施例而提供,而决不应当将其理解为对所公开的主题进行限制。
因此,应当理解,包括以上描述和附图以及所附权利要求的本公开意图为说明性的而非限制性的。在阅读了以上描述之后,除了所提供的示例之外的许多实施例和应用对于本领域技术人员而言将是明显的。本发明的范围不应参考以上描述来确定,而应参考所附的和/或基于此包括在非临时专利申请中的权利要求连同此类权利要求所赋予权利的等效物的全部范围来确定。设想并预期未来的发展将在本文讨论的技术中发生,并且所公开的***和方法将结合到此类未来实施例中。总而言之,应当理解,所公开的主题能够进行修改和变化。
除非另有说明或上下文另有要求,否则修饰名词的冠词“一个”应被理解为是指一个或多个。短语“基于”涵盖部分地或完全地基于。
根据本发明,提供了一种***,其具有计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令可由所述处理器执行以:识别由车辆的转弯半径和所述车辆的航向角限定的所述车辆的转弯中心;识别具有由所述转弯中心限定的中心和延伸到检测到的对象的位置的半径的边界圆;识别所述车辆的外部轮廓的多个顶点中的每一个的坐标,所述外部轮廓限定多个线段,每个线段连接所述顶点中的两个;确定所述边界圆是否与每个线段相交;在识别与所述边界圆相交的至少一个线段时,识别对象距离或所述对象与所述车辆之间的相交时间中的至少一者;以及当所述对象距离低于距离阈值或所述相交时间低于时间阈值时致动转向或制动器中的至少一者以避开所述对象。
根据一个实施例,所述指令还包括用于进行以下操作的指令:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述相交时间。
根据一个实施例,所述指令还包括用于进行以下操作的指令:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述对象距离。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述车辆的速度和所述车辆的转弯半径来确定所述相交时间。
根据一个实施例,所述指令还包括用于进行以下操作的指令:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及确定所述车辆在所述交点处的相交航向角。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述相交航向角来致动所述转向以转向远离所述对象。
根据一个实施例,所述指令还包括用于进行以下操作的指令:在致动所述转向以避开所述对象时,识别所述车辆的新的航向角;识别所述车辆的新的转弯半径;以及基于所述新的转弯半径和所述新的航向角来识别所述车辆的新的转弯中心。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述车辆的道路车轮角或计划路径中的一者来确定所述车辆的所述转弯半径。
根据一个实施例,所述指令还包括用于进行以下操作的指令:基于所述顶点的相应位置来识别所述边界圆与所述线段中的一个相交的位置处的交点,所述线段在所述顶点之间延伸。
根据一个实施例,所述外部轮廓限定多边形并且所述多个顶点中的每一个限定所述多边形的顶点。
根据一个实施例,所述指令还包括用于进行以下操作的指令:当所述对象距离低于距离阈值或所述相交时间低于时间阈值时,向所述车辆的乘员提供警报。
根据一个实施例,所述多个顶点包括至少五个顶点。
根据本发明,一种方法包括:识别由车辆的转弯半径和所述车辆的航向角限定的所述车辆的转弯中心;识别具有由所述转弯中心限定的中心和延伸到检测到的对象的位置的半径的边界圆;识别所述车辆的外部轮廓的多个顶点中的每一个的坐标,所述外部轮廓限定多个线段,每个线段连接所述顶点中的两个;确定所述边界圆是否与每个线段相交;在识别与所述边界圆相交的至少一个线段时,识别对象距离或所述对象与所述车辆之间的相交时间中的至少一者;以及当所述对象距离低于距离阈值或所述相交时间低于时间阈值时致动转向或制动器中的至少一者以避开所述对象。
在本发明的一个方面,所述方法包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述相交时间。
在本发明的一个方面,所述方法包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述对象距离。
在本发明的一个方面,所述方法包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及确定所述车辆在所述交点处的相交航向角。
根据本发明,提供了一种***,其具有:包括转向和制动器的车辆:用于识别由所述车辆的转弯半径和所述车辆的航向角限定的所述车辆的转弯中心的装置;用于识别具有由所述转弯中心限定的中心和延伸到检测到的对象的位置的半径的边界圆的装置;用于识别所述车辆的外部轮廓的多个顶点中的每一个的坐标的装置,所述外部轮廓限定多个线段,每个线段连接所述顶点中的两个;用于确定所述边界圆是否与每个线段相交的装置;用于在识别与所述边界圆相交的至少一个线段时,识别对象距离或所述对象与所述车辆之间的相交时间中的至少一者的装置;以及用于当所述对象距离低于距离阈值或所述相交时间低于时间阈值时致动所述转向或所述制动器中的至少一者以避开所述对象的装置。
根据一个实施例,本发明的特征还在于:用于识别所述边界圆与所述线段中的一个相交的位置处的交点的装置;以及用于基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述相交时间的装置。
根据一个实施例,本发明的特征还在于:用于识别所述边界圆与所述线段中的一个相交的位置处的交点的装置;以及用于基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述对象距离的装置。
根据一个实施例,本发明的特征还在于:用于识别所述边界圆与所述线段中的一个相交的位置处的交点的装置;以及用于确定所述车辆在所述交点处的相交航向角的装置。
Claims (15)
1.一种方法,其包括:
识别由车辆的转弯半径和所述车辆的航向角限定的所述车辆的转弯中心;
识别具有由所述转弯中心限定的中心和延伸到检测到的对象的位置的半径的边界圆;
识别所述车辆的外部轮廓的多个顶点中的每一个的坐标,所述外部轮廓限定多个线段,每个线段连接所述顶点中的两个;
确定所述边界圆是否与每个线段相交;
在识别与所述边界圆相交的至少一个线段时,识别对象距离或所述对象与所述车辆之间的相交时间中的至少一者;以及
当所述对象距离低于距离阈值或所述相交时间低于时间阈值时,致动转向或制动器中的至少一者以避开所述对象。
2.如权利要求1所述的方法,其还包括:基于所述车辆的速度和所述车辆的所述转弯半径来确定所述相交时间。
3.如权利要求1所述的方法,其还包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及确定所述车辆在所述交点处的相交航向角。
4.如权利要求3所述的方法,其还包括:基于所述相交航向角来致动所述转向以转向远离所述对象。
5.如权利要求1所述的方法,其还包括:在致动所述转向以避开所述对象时,识别所述车辆的新的航向角;识别所述车辆的新的转弯半径;以及基于所述新的转弯半径和所述新的航向角识别所述车辆的新的转弯中心。
6.如权利要求1所述的方法,其还包括:基于所述车辆的道路车轮角或计划路径中的一者来确定所述车辆的所述转弯半径。
7.如权利要求1所述的方法,其还包括:基于所述顶点的相应位置来识别所述边界圆与所述线段中的一个相交的位置处的交点,所述线段在所述顶点之间延伸。
8.如权利要求1所述的方法,其中所述外部轮廓限定多边形并且所述多个顶点中的每一个限定所述多边形的顶点。
9.如权利要求1所述的方法,其还包括:当所述对象距离低于距离阈值或所述相交时间低于时间阈值时,向所述车辆的乘员提供警报。
10.如权利要求1所述的方法,其中所述多个顶点包括至少五个顶点。
11.如权利要求1-10中任一项所述的方法,其还包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述相交时间。
12.如权利要求1-10中任一项所述的方法,其还包括:识别所述边界圆与所述线段中的一个相交的位置处的交点;以及基于所述检测到的对象的所述位置与所述交点之间的角度来确定所述对象距离。
13.一种被编程来执行如权利要求1-10中任一项所述的方法的计算机。
14.一种车辆,其包括如权利要求13所述的计算机。
15.一种计算机程序产品,其包括存储指令的计算机可读介质,所述指令能够由计算机处理器执行以执行如权利要求1-10中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/800,051 | 2020-02-25 | ||
US16/800,051 US11498554B2 (en) | 2020-02-25 | 2020-02-25 | Enhanced object detection and response |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113370974A true CN113370974A (zh) | 2021-09-10 |
Family
ID=77176307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110192079.2A Pending CN113370974A (zh) | 2020-02-25 | 2021-02-20 | 增强的对象检测和响应 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11498554B2 (zh) |
CN (1) | CN113370974A (zh) |
DE (1) | DE102021104324A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11884268B2 (en) * | 2020-11-25 | 2024-01-30 | Ford Global Technologies, Llc | Motion planning in curvilinear coordinates for autonomous vehicles |
CN113747354A (zh) * | 2021-09-03 | 2021-12-03 | 上海博泰悦臻电子设备制造有限公司 | 用于车辆定位的方法、车载uwb设备、路侧uwb设备和介质 |
US20230347880A1 (en) * | 2022-04-29 | 2023-11-02 | Zoox, Inc. | Systems and methods for determining buffer regions |
CN115083208B (zh) * | 2022-07-20 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5210233B2 (ja) | 2009-04-14 | 2013-06-12 | 日立オートモティブシステムズ株式会社 | 車両用外界認識装置及びそれを用いた車両システム |
DE102010002105A1 (de) | 2010-02-18 | 2011-08-18 | Robert Bosch GmbH, 70469 | Verfahren zur Unterstützung eines Fahrers eines Fahrzeugs bei einem Fahrmanöver |
DE102010012749A1 (de) | 2010-03-25 | 2011-09-29 | Kuka Laboratories Gmbh | Verfahren zum Betreiben eines autonomen Flurförderfahrzeugs |
JP6361698B2 (ja) * | 2016-06-24 | 2018-07-25 | トヨタ自動車株式会社 | 衝突回避装置 |
JP6673178B2 (ja) * | 2016-12-14 | 2020-03-25 | 株式会社デンソー | 車両制御装置、車両制御方法 |
CN107672588B (zh) | 2017-08-29 | 2020-05-08 | 广州小鹏汽车科技有限公司 | 一种自动泊车路径障碍物碰撞检测方法、装置及*** |
-
2020
- 2020-02-25 US US16/800,051 patent/US11498554B2/en active Active
-
2021
- 2021-02-20 CN CN202110192079.2A patent/CN113370974A/zh active Pending
- 2021-02-23 DE DE102021104324.7A patent/DE102021104324A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102021104324A1 (de) | 2021-08-26 |
US11498554B2 (en) | 2022-11-15 |
US20210261118A1 (en) | 2021-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10981564B2 (en) | Vehicle path planning | |
US10671865B2 (en) | Autonomous vehicle control method and apparatus | |
US11498554B2 (en) | Enhanced object detection and response | |
CN108340913B (zh) | 碰撞减轻和避免 | |
US10446033B2 (en) | Vehicle detection and avoidance | |
CN108297863B (zh) | 用于车辆的碰撞减轻和躲避方法和*** | |
CN112389426A (zh) | 增强的威胁选择 | |
US10160459B2 (en) | Vehicle lane direction detection | |
CN111137301A (zh) | 车辆语言处理 | |
CN112440988A (zh) | 增强型威胁评估 | |
US20200255001A1 (en) | Enhanced collision mitigation | |
US11138452B2 (en) | Vehicle neural network training | |
US20210139007A1 (en) | Enhanced vehicle operation | |
US10777084B1 (en) | Vehicle location identification | |
CN111605548A (zh) | 车辆路径处理 | |
US11827217B2 (en) | Vehicle detection and response | |
CN111469833A (zh) | 碰撞减轻和避免 | |
CN112440973A (zh) | 增强防撞 | |
US11383704B2 (en) | Enhanced vehicle operation | |
CN112677962A (zh) | 增强的碰撞减轻 | |
US11087147B2 (en) | Vehicle lane mapping | |
US11312373B2 (en) | Vehicle detection and response | |
CN114162116A (zh) | 车辆检测和响应 | |
US20220333933A1 (en) | Enhanced vehicle and trailer operation | |
CN114114239A (zh) | 组对象跟踪 |
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 |