CN114162116A - 车辆检测和响应 - Google Patents
车辆检测和响应 Download PDFInfo
- Publication number
- CN114162116A CN114162116A CN202111058131.1A CN202111058131A CN114162116A CN 114162116 A CN114162116 A CN 114162116A CN 202111058131 A CN202111058131 A CN 202111058131A CN 114162116 A CN114162116 A CN 114162116A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- constraint value
- host vehicle
- boundary
- 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 6
- 230000004044 response Effects 0.000 title abstract description 4
- 230000001133 acceleration Effects 0.000 claims abstract description 56
- 238000013459 approach Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 55
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design 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
- 230000005484 gravity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process 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
- 238000012502 risk assessment Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 description 1
- 108010050014 systemin Proteins 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect 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
- B60W30/095—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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
- B60W10/184—Conjoint control of vehicle sub-units of different type or different function including control of braking systems with wheel brakes
-
- 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
- B60W30/09—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
- B60W30/0956—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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- 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
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/18—Braking system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开提供了“车辆检测和响应”。一种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:识别主车辆的主道路车道与目标车辆的目标道路车道之间的虚拟边界,所述虚拟边界基于所述目标车辆的预测路径;基于所述目标车辆的边界接近速度来确定第一约束值;基于(1)所述主车辆的边界接近速度和(2)所述主车辆的边界接近加速度来确定第二约束值;并且在确定所述第一约束值违反第一阈值或所述第二约束值违反第二阈值时对所述主车辆与所述目标车辆之间的碰撞执行威胁评估。
Description
技术领域
本公开总体上涉及车辆位置,并且更具体地涉及对检测到另一车辆的车辆响应。
背景技术
车辆可以使用传感器来检测道路上的对象。主车辆传感器可以检测对象(例如,感兴趣车辆,有时称为目标车辆)相对于主车辆的位置和速度。例如,主车辆传感器可以检测目标相对于车辆的位置。车辆可以对检测到目标做出响应,例如通过转向远离目标、通过在到达目标之前制动等做出响应。
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:识别主车辆的主道路车道与目标车辆的目标道路车道之间的虚拟边界,所述虚拟边界基于所述目标车辆的预测路径;基于所述目标车辆的边界接近速度来确定第一约束值;基于(1)所述主车辆的边界接近速度和(2)所述主车辆的边界接近加速度来确定第二约束值;并且在确定所述第一约束值违反第一阈值或所述第二约束值违反第二阈值时对所述主车辆与所述目标车辆之间的碰撞执行威胁评估。
所述指令还可以包括以下指令:基于所述威胁评估来致动一个或多个车辆部件以避开所述目标车辆。
所述指令还可以包括以下指令:在执行所述威胁评估时,基于所述目标车辆的位置识别第三约束值并且在所述第三约束值违反第三阈值时致动一个或多个部件。
所述指令还可以包括以下指令:基于从所述目标车辆到所述虚拟边界的预测横向距离来确定所述第二约束值。
所述指令还可以包括以下指令:将所述目标车辆的所述横向位置输入到路径规划算法以预测所述横向距离。
所述指令还可以包括以下指令:基于所述第一约束值的符号来确定所述第一约束值违反所述第一阈值。
所述指令还可以包括以下指令:当所述目标车辆穿过所述虚拟边界时确定所述第二约束值违反所述第二阈值。
所述指令还可以包括以下指令:基于所述目标车辆的边界接近加速度来确定所述第二约束值。
所述指令还可以包括以下指令:基于对所述主车辆的转向输入、制动输入和节气门输入来确定所述主车辆的所述边界接近加速度。
所述指令还可以包括以下指令:在检测到所述目标车辆在所述主道路车道中时执行所述威胁评估。
一种方法包括:识别主车辆的主道路车道与目标车辆的目标道路车道之间的虚拟边界,所述虚拟边界基于所述目标车辆的预测路径;基于所述目标车辆的边界接近速度来确定第一约束值;基于(1)所述主车辆的边界接近速度和(2)所述主车辆的边界接近加速度来确定第二约束值;并且在确定所述第一约束值违反第一阈值或所述第二约束值违反第二阈值时对所述主车辆与所述目标车辆之间的碰撞执行威胁评估。
所述方法还可以包括基于所述威胁评估来致动一个或多个车辆部件以避开所述目标车辆。
所述方法还可以包括在执行所述威胁评估时,基于所述目标车辆的位置识别第三约束值并且在所述第三约束值违反第三阈值时致动一个或多个部件。
所述方法还可以包括基于从所述目标车辆到所述虚拟边界的预测横向距离来确定所述第二约束值。
所述方法还可以包括将所述目标车辆的所述横向位置输入到路径规划算法以预测所述横向距离。
所述方法还可以包括基于所述第一约束值的符号来确定所述第一约束值违反所述第一阈值。
所述方法还可以包括当所述目标车辆穿过所述虚拟边界时确定所述第二约束值违反所述第二阈值。
所述方法还可以包括基于所述目标车辆的边界接近加速度来确定所述第二约束值。
所述方法还可以包括基于对所述主车辆的转向输入、制动输入和节气门输入来确定所述主车辆的所述边界接近加速度。
所述方法还可以包括在检测到所述目标车辆在所述主道路车道中时执行所述威胁评估。
一种***包括:多个车辆部件,所述多个车辆部件包括制动器、推进装置以及转向总成;用于识别主车辆的主道路车道与目标车辆的目标道路车道之间的虚拟边界的构件,所述虚拟边界基于所述目标车辆的预测路径;用于基于所述目标车辆的边界接近速度来确定第一约束值的构件;用于基于(1)所述主车辆的边界接近速度和(2)所述主车辆的边界接近加速度来确定第二约束值的构件;用于在确定所述第一约束值违反第一阈值或所述第二约束值违反第二阈值时对所述主车辆与所述目标车辆之间的碰撞执行威胁评估的构件;以及用于基于所述威胁评估致动所述多个车辆部件中的一者或多者以避开所述目标车辆的构件。
所述***还可以包括用于在执行所述威胁评估时基于所述目标车辆的位置识别第三约束值的构件以及用于在所述第三约束值违反第三阈值时致动一个或多个部件的构件。
所述***还可以包括用于基于从所述目标车辆到所述虚拟边界的预测横向距离来确定所述第二约束值的构件。
所述***还可以包括用于基于对所述主车辆的转向输入、制动输入和节气门输入来确定所述主车辆的所述边界接近加速度的构件。
所述***还可以包括用于在检测到所述目标车辆在所述主道路车道中时执行所述威胁评估的构件。
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是用于操作车辆的示例性***的图式。
图2是具有车辆和目标车辆的道路的俯视图。
图3是用于操作车辆的示例性过程的图式。
具体实施方式
利用虚拟边界避免与目标车辆的碰撞允许主车辆预测目标车辆的意图,即,未来路径或运动。主车辆可以识别表示目标车辆的运动的一个或多个约束值。约束值是基于目标车辆接近虚拟边界时的速度和加速度以及如下文所讨论的其他因素,例如,目标车辆航向角和转向角。当约束值中的一者或多者违反相应阈值时,主车辆可以执行威胁评估以确定与目标车辆的碰撞可能性。主车辆可以基于威胁评估致动一个或多个部件以避开目标车辆。虚拟边界、边界接近速度和边界接近加速度允许主车辆以比可以采用的其他技术(例如,神经网络或机器学习程序)更少的数据和更少的计算来预测目标车辆移动。使用边界接近速度和边界接近加速度可以允许在目标车辆穿过虚拟边界中的一者时避免主车辆与目标车辆碰撞并在主车辆到达虚拟边界之前调整一个或多个部件的操作。
图1示出了用于操作车辆105的示例性***100。车辆105中的计算机110被编程为从一个或多个传感器115接收收集的数据。例如,车辆数据可以包括车辆105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)。数据的另外示例可以包括车辆***和部件的测量结果,例如,车辆速度、车辆轨迹等。
计算机110通常被编程为在车辆网络上进行通信,所述网络例如包括常规车辆通信总线(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105中的有线或无线局域网),计算机110可以向车辆105中的各种装置(例如控制器、致动器、传感器等,包括传感器115)传输消息和/或从所述各种装置接收消息。替代地或另外,在计算机110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110的装置之间的通信。例如,计算机110可以是具有如上所述的处理器和存储器的通用计算机,和/或可以包括专用电子电路,所述专用电子电路包括为特定操作而制造的ASIC,例如用于处理传感器数据和/或传送传感器数据的ASIC。在另一个示例中,计算机110可以包括FPGA(现场可编程门阵列),所述FPGA是被制造为可由用户配置的集成电路。通常,在电子设计自动化中使用诸如VHDL(超高速集成电路硬件描述语言)的硬件描述语言来描述诸如FPGA和ASIC的数字和混合信号***。例如,ASIC是基于制造前提供的VHDL编程而制造的,而FPGA内部的逻辑部件可以基于例如存储在电连接到FPGA电路的存储器中的VHDL编程来配置。在一些示例中,处理器、ASIC和/或FPGA电路的组合可以包括在计算机110中。
存储器可以是任何类型,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。存储器可存储从传感器115发送的所收集数据。存储器可以是与计算机110分离的装置,并且计算机110可经由车辆105中的网络(例如,通过CAN总线、无线网络等)检索由存储器存储的信息。替代地或另外,存储器可以是计算机110的一部分,例如作为计算机110的存储器。
传感器115可以包括多种装置。例如,车辆105中的各种控制器可充当传感器115以经由车辆网络或总线提供数据,例如与车辆速度、加速度、位置、子***和/或部件状态等有关的数据。此外,其他传感器115可以包括相机、运动检测器等,即,用于提供数据以评估部件的位置、评估道路的坡度等的传感器115。传感器115还可以包括但不限于短程雷达、远程雷达、激光雷达和/或超声波传感器。
所收集的数据可以包括在车辆105中收集的多种数据。上面提供了所收集的数据的示例,并且此外,数据通常使用一个或多个传感器115来收集,并且可另外包括在计算机110中和/或在服务器130处根据其计算出的数据。通常,所收集的数据可以包括可由传感器115采集的和/或根据此类数据计算出的任何数据。
车辆105可以包括多个车辆部件120。在这种背景下,每个车辆部件120包括一个或多个硬件部件,所述一个或多个硬件部件适于执行机械功能或操作-诸如使车辆105移动、使车辆105减慢或停止、使车辆105转向等。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)、传动部件、转向总成(例如,其可以包括方向盘、转向齿条等中的一者或多者)、制动部件、停车辅助部件、自适应巡航控制部件、自适应转向部件、可移动座椅等等。部件120可以包括计算装置,例如,电子控制单元(ECU)等和/或诸如以上关于计算机110描述的计算装置,并且它们同样经由车辆网络进行通信。
车辆105可以以完全自主模式、半自主模式或非自主模式中的一者进行操作。完全自主模式被定义为其中车辆推进(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110控制的模式。半自主模式是其中车辆推进(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110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,车辆的推进、制动和转向由人类操作员控制。
***100还可以包括连接到服务器130的网络125。计算机110还可被编程为经由网络125与诸如服务器130的一个或多个远程站点通信,这种远程站点可能包括处理器和存储器。网络125表示车辆计算机110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/或包括互联网的广域网(WAN)。
图2是道路205上的主车辆105和目标车辆200的图式。“目标”车辆200是由主车辆105检测到的车辆。道路205包括第一道路车道210和第二道路车道215。主车辆在其上行驶的第一道路车道210是“主”道路车道210,而目标车辆在其上行驶的第二道路车道215是“目标”道路车道215。第一道路车道210具有左边界线220和右边界线225。
计算机110可以生成第一虚拟边界和第二虚拟边界。在这种背景下,“虚拟边界”是表示道路205上的虚拟线的地理坐标集合。即,虚拟边界可以是存储在计算机110中的地图上的虚拟线。例如,第一虚拟边界可以表示主道路车道210与目标道路车道215之间的分界线,而第二虚拟边界可以表示主道路车道210与道路205的路肩之间的分界线。
计算机110可以收集关于目标车辆200的数据以生成虚拟边界。所述数据可以包括目标车辆200的位置。目标车辆200的“位置”是定义全局坐标系中的点的坐标的集合,其中是定义纬度的地理坐标,并且是定义经度的地理坐标。目标车辆200的位置是目标车辆200的指定部分(例如,前保险杠的中心、后车桥的中心等)的地理坐标,并且可以被指定为
主车辆105定义车辆坐标系。车辆坐标系定义点x,y,其中x是沿着主车辆105的纵向轴线的坐标,并且y是沿着主车辆105的横向轴线的坐标。即,x坐标沿车辆向前和车辆向后(即,纵向)方向延伸,而y坐标沿车辆横向(即,横向)方向延伸。目标车辆200在车辆坐标系中的位置是xtg,ytg。即,xtg是限定主车辆105与目标车辆200之间的“纵向距离”的“纵向位置”,而ytg是限定主车辆105与目标车辆200之间的“横向距离”的“横向位置”。计算机110可以确定目标车辆200在特定时间t的位置,即,值xtg,ytg是时间t:xtg(t),ytg(t)的函数。为了清楚起见,下面可以省略对t上午依赖,并且xtg,ytg被理解为目标车辆200在时间t的位置。在时间段t内作为时间的函数的目标车辆200的位置是目标车辆200的“预测路径”。
计算机110可以识别关于主车辆105和目标车辆200的多个数据。所述数据可以包括目标车辆200的航向角θ,即,沿着目标车辆200的中心线延伸的轴线与全局坐标系的纵向轴线之间定义的角度。所述数据可以包括目标车辆200的纵向速度vtg,即,沿着纵向轴线的速度,以及主车辆105的纵向速度vh。所述数据可以包括目标车辆200的轴距L,即,目标车辆200的前轮的中心与后轮的中心之间的距离。所述数据可以包括目标车辆200的宽度W。所述数据可以包括转向角δ,即,在延伸穿过目标车辆200的前轮的中心的轴线与纵向轴线之间定义的角度。所述数据可以包括纵向输入u,即,沿着纵向轴线的由制动器和/或节气门输入引起的加速度。计算机110可以通过网络125接收来自目标车辆200的转向角δ和纵向输入u作为转向和推进数据,例如作为消息而广播。
计算机110可以使用一个或多个路径多项式来表示主道路车道210的左车道边界220和右车道边界225。“路径多项式”是表示为即将到来的距离x的多项式方程的预测线。在当前背景下,“即将到来的距离”x是在主车辆105前方距主车辆105的前保险杠的预定纵向距离,传感器115在所述前保险杠处收集数据并且路径规划算法预测路径。即将到来的距离x可以基于例如主车辆105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115的检测范围等来确定。时间阈值可以是例如1秒。路径多项式可以包括一条或多条贝塞尔曲线(Bezier curve),即,各自表示表征路径的点的不相交子集并且合起来表示表征路径的整个点集的多项式函数。贝塞尔曲线可以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主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。
路径多项式可以表示计算机110可以用于操作车辆105的任何线,例如,车道边界、主车辆105的预测路径、目标车辆200的预测路径等。计算机110可以使用路径多项式预测车道边界,诸如左车道边界220和/或右车道边界225。另外,计算机110可以使用路径多项式预测主车辆105将遵循的路径。预测车道边界220、225的路径多项式可以使用不同的数据并且具有与预测主车辆105将遵循的路径的路径多项式不同的系数。例如,车道边界220、225的路径多项式可以使用来自道路车道210、215的数据,并且主车辆105的路径的路径多项式可以使用来自一个或多个部件120的数据,例如,速度、转向角、加速度等。即,计算机110可以使用预测主车辆105的路径的路径多项式来确定主车辆105的预测路径是否穿过车道边界220、225的路径多项式中的一者。
计算机110可以定义方程LL(x),RL(x)以预测主道路车道210的相应的左车道边界线220和右车道边界线225。可以针对坐标x,y将方程LL(x),RL(x)定义为来自路径规划算法的路径多项式:
LL(x)=a0+a1x+a2x2+a3x3 (1)
RL(x)=b0+b1x+b2x2+b3x3 (2)
其中a0,b0是横向偏移,即,在即将到来的距离x处路径与主车辆105的中心线之间的预测横向距离,a1,b1是路径的航向角,a2,b2是路径的曲率,并且a3,b3是路径的曲率变化率。计算机110可以确定横向偏移误差e1和航向偏移误差e2。横向偏移误差e1是主车辆105的当前位置与主车辆105的规划路径之间的横向距离。航向偏移误差e2是当前航向角θ与规划航向角θ之间的差值。计算机110可以使用误差e1,e2来确定一个或多个约束值c,如下所述。
计算机110可以根据方程h1,h2基于方程LL(x),RL(x)和目标车辆200的预测路径xtg(t),ytg(t)来定义虚拟边界:
计算机110可以定义方程以定义目标车辆200到第一虚拟边界的边界接近速度和主车辆105到第二虚拟边界的边界接近速度。所述方程采用变量X=[x,y,θ,v]的集合和变量U=[δ,u]的第二集合作为输入。
其中G是由于重力引起的加速度。所述方程表示车辆(诸如主车辆101或目标车辆200)的简化自行车模型。对于图2所示的示例,所述方程可以定义边界接近速度:
并且所述方程可以定义边界接近加速度:
其中是在主车辆105的当前位置处道路205的航向变化,其由定义,其中κ是在主车辆105的当前位置处道路205的曲率。因此,计算机110可以基于对主车辆105和目标车辆200的相应转向输入、制动输入和节气门输入来确定边界接近加速度
计算机110可以识别多个约束值c。“约束值”c是基于虚拟边界、边界接近速度和边界接近加速度中的一者的值,其指示目标车辆200到虚拟边界的运动。计算机110可以将约束值c与预定阈值进行比较,如下所述,以识别目标200的操纵。计算机110可以定义方程以基于虚拟边界方程来确定两个约束值c1,c2:
其中l0,l1是向方程c1(X)≥0,c2(X)≥0提供实数正本征值的预定标量值。因此,第一约束值c1是基于目标车辆200的边界接近速度和目标车辆200的边界接近加速度第二约束值c2是基于主车辆105的边界接近速度和主车辆105的边界接近加速度替代地,当目标车辆200或主车辆105的加速度数据不可用时,可以基于边界接近速度来确定第一约束值和第二约束值c1,c2:
计算机110可以确定约束值c1,c2中的一者是否违反阈值。在这种背景下,如果约束值c在由阈值限制或定义的值的范围之外,则“违反”阈值。例如,当约束值c下降到低于阈值时,可能会违反阈值。替代地,当约束值c超过阈值时,可能会违反阈值。在图2的示例中,阈值可以是0,并且计算机110可以在c1<0和/或c2<0时执行威胁评估。因此,计算机110可以基于约束值c1,c2的符号确定约束值c1,c2违反其相应阈值,如果值超过0,则“符号”是正的,如果值低于0,则为负,并且如果值等于0,则为0。即,如果c1,c2中的至少一者为负,则违反阈值中的至少一者。替代地或另外,当主车辆105和/或目标车辆200中的至少一者穿过虚拟边界210、215中的一者时,计算机110可以确定约束值c1,c2中的至少一者是违反的。
当第一约束值和/或第二约束值中的一者违反其相应阈值时,计算机110可以对主车辆105与目标车辆200之间的碰撞执行威胁评估。替代地或另外,计算机可以在检测到目标车辆在主道路车道210中时执行威胁评估。“威胁评估”是确定主车辆105与目标车辆200之间的碰撞概率。例如,威胁评估可以是主车辆105在到达目标车辆200之前停止所需的纵向减速度的量。在另一个示例中,威胁评估可以是使主车辆105转向离开目标车辆200的横向加速度的量。在另一个示例中,威胁评估可以是将主车辆105移动超过目标车辆200所需的纵向加速度的量。计算机110可以将威胁评估与预定阈值进行比较。例如,如果威胁评估是使主车辆105停止所需的纵向减速度的量,则计算机110可以在纵向减速度的所需量大于预定阈值(例如,制动器120可以提供给主车辆105的最大减速度的50%)时检测到威胁。可以基于例如试车跑道上的主车辆105和目标车辆200的经验和/或虚拟测试、物理部件120的特定操作极限、制造商推荐等来确定预定阈值。例如,测试可以包括识别在多个交叉路口中以指定速度、纵向加速度和横向加速度操作的多个虚拟车辆105、200的路径。测试可以识别最大速度、最大纵向加速度和/或最大横向加速度以避免虚拟主车辆105与虚拟目标车辆200之间发生碰撞。所述阈值可以基于由测试产生的最大速度和/或加速度。所述预定阈值可以是根据经验和/或虚拟测试确定的最小威胁评估值,以防止主车辆105与目标车辆200之间发生碰撞。
计算机110可以基于风险评定来致动一个或多个车辆部件以避开目标车辆。计算机110可以调整主车辆105所遵循的路径(例如,从上述路径多项式产生的路径)以避开目标车辆200。调整路径可以包括例如确定转向角、确定节气门输入、确定制动输入等,使得主车辆105在达到转向角和节气门和/或制动输入以遵循调整后的路径时避开目标车辆200。例如,计算机110可以致动转向马达120以提供横向加速度来使主车辆105转向而远离目标车辆200。在另一个示例中,计算机110可以致动推进装置120以使主车辆105加速超过目标车辆200。在另一个示例中,计算机110可以致动制动器120以使主车辆105减速或停止,直到目标车辆200超过主车辆105为止。
计算机110可以确定威胁评估约束值c3。当威胁评估约束值c3违反阈值时,计算机110可以执行威胁评估。威胁评估约束值c3可以基于目标车辆200的位置h3的函数xtg,ytg来确定:
其中rmin是主车辆105应与目标车辆200保持的预定最小距离。rmin的值可以由例如制造商确定。因此,约束值c3是基于主车辆105与目标车辆200之间的横向距离和纵向距离(如h3项中所示)以及主车辆105与目标车辆200之间的横向加速度和纵向加速度(如项中所示)。
图3是用于操作主车辆105的示例性过程300的图式。过程300开始于框305,其中主车辆105的计算机110检测目标车辆200。计算机110可以基于来自一个或多个传感器115的数据检测目标车辆200。例如,计算机110可以致动相机以收集主车辆105周围的环境的图像,并且可以使用常规的图像处理技术(例如,Canny边缘检测、深度学习对象检测等)来识别目标车辆200。在另一个示例中,计算机110可以致动激光雷达以收集数据点云,并且可以使用常规的对象检测算法(例如,分段)来识别目标车辆200。
接下来,在框310中,计算机识别第一虚拟边界和第二虚拟边界。如上所述,计算机110可以使用诸如h1,h2的函数来识别主车辆105与目标车辆200之间的虚拟边界。虚拟边界允许计算机110预测主车辆105和一个或多个目标车辆200在道路205上的移动。
接下来,在框315中,计算机110识别一个或多个约束值c。如上所述,约束值c是基于虚拟边界、边界接近速度和边界接近加速度的值,其指示目标车辆200和主车辆105到虚拟边界的运动。例如,约束值c1可以是上述虚拟边界方程中的一者的输出。计算机110可以确定第一约束值c1和第二约束值c2。
接下来,在框320中,计算机110确定约束值c中的一者是否违反相应阈值。例如,计算机110可以确定第一约束值是否违反第一阈值,例如,c1<0。可以基于例如虚拟主车辆105和虚拟目标车辆200在虚拟道路205上的虚拟测试来确定第一阈值。计算机110可以确定第二约束值是否违反第二阈值,例如,c2<0。如果约束值c1,c2中的至少一者违反相应阈值,则过程300在框325中继续。否则,过程300在框340中继续。
在框325中,计算机110对主车辆105与目标车辆200之间的碰撞执行威胁评估。如上所述,威胁评估是确定主车辆105与目标车辆200之间的碰撞概率。例如,威胁评估可以是主车辆105在到达目标车辆200之前停止所需的纵向减速度的量。在另一个示例中,威胁评估可以是使主车辆105转向离开目标车辆200的横向加速度的量。在另一个示例中,威胁评估可以是将主车辆105移动超过目标车辆200所需的纵向加速度的量。
接下列,在框330中,计算机110确定是否检测到威胁。如上所述,计算机110可以将威胁评估与预定阈值进行比较。例如,如果威胁评估是使主车辆105停止所需的纵向减速度的量,则计算机110可以在纵向减速度的所需量大于预定阈值(例如,制动器120可以提供给主车辆105的最大减速度的50%)时检测到威胁。所述预定阈值可以基于例如试车跑道上的主车辆105和目标车辆200的经验和/或虚拟测试、物理部件120的特定操作限制、制造商推荐等来确定。所述预定阈值可以是根据经验和/或虚拟测试确定的最小威胁评估值,以防止主车辆105与目标车辆200之间发生碰撞。例如,测试可以包括识别在多个交叉路口中以指定速度、纵向加速度和横向加速度操作的多个虚拟车辆105、200的路径。测试可以识别最大速度、最大纵向加速度和/或最大横向加速度以避免虚拟主车辆105与虚拟目标车辆200之间发生碰撞。所述阈值可以基于由测试产生的最大速度和/或加速度。当威胁评估违反阈值时,计算机可以确定检测到碰撞威胁。如果计算机110检测到威胁,则过程300在框335中继续。否则,过程300在框340中继续。
在框335中,计算机110致动一个或多个部件120以避开目标车辆200。计算机110可以调整主车辆105的路径(例如,从上述路径多项式产生的路径)以避开目标车辆200。调整路径可以包括例如确定转向角、确定节气门输入、确定制动输入等,使得主车辆105在达到转向角和节气门和/或制动输入以遵循调整后的路径时避开目标车辆200。例如,计算机110可以致动转向马达120以提供横向加速度来使主车辆105转向而远离目标车辆200。在另一个示例中,计算机110可以致动推进装置120以使主车辆105加速超过目标车辆200。在另一个示例中,计算机110可以致动制动器120以使主车辆105减速或停止,直到目标车辆200超过主车辆105为止。替代地或另外,计算机110可以致动转向马达120、推进装置120和制动器120中的所有三者以使主车辆105移动以避开目标车辆200。
在框340中,计算机110确定是否继续过程300。例如,当目标车辆200超过主车辆105时,计算机110可以确定不继续过程300。如果计算机110确定继续,则过程300返回到框305。否则,过程300结束。
本文所讨论的计算装置(包括计算机110)包括处理器和存储器,所述存储器通常各自包括可由诸如上面标识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由使用多种编程语言和/或技术创建的计算机程序来编译或解释,所述编程语言和/或技术包括但不限于单独或组合形式的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者或多者。此类指令和其他数据可使用各种计算机可读介质来存储和传输。计算机110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。易失性介质包括通常构成主存储器的动态随机存取存储器(DRAM)。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、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,尽管已经将此类过程等的步骤描述为按照某个有序序列发生,但是此类过程可以通过以不同于本文描述的顺序的顺序执行所描述的步骤来实践。还应当理解,可同时执行某些步骤,可添加其他步骤,或者可省略本文所描述的某些步骤。例如,在过程300中,可省略步骤中的一个或多个,或者可以与图3所示的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的目的而提供,而决不应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。
形容词“第一”、“第二”和“第三”贯穿本文档用作标识符,并且不意图表示重要性或顺序。
根据本发明,提供了一种***,所述***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:识别主车辆的主道路车道与目标车辆的目标道路车道之间的虚拟边界,所述虚拟边界基于所述目标车辆的预测路径;基于所述目标车辆的边界接近速度来确定第一约束值;基于(1)所述主车辆的边界接近速度和(2)所述主车辆的边界接近加速度来确定第二约束值;并且在确定所述第一约束值违反第一阈值或所述第二约束值违反第二阈值时对所述主车辆与所述目标车辆之间的碰撞执行威胁评估。
根据实施例,所述指令还包括以下指令:基于所述威胁评估来致动一个或多个车辆部件以避开所述目标车辆。
根据实施例,所述指令还包括以下指令:在执行所述威胁评估时,基于所述目标车辆的位置识别第三约束值并且在所述第三约束值违反第三阈值时致动一个或多个部件。
根据实施例,所述指令还包括以下指令:基于从所述目标车辆到所述虚拟边界的预测横向距离来确定所述第二约束值。
根据实施例,所述指令还包括以下指令:将所述目标车辆的所述横向位置输入到路径规划算法以预测所述横向距离。
根据实施例,所述指令还包括以下指令:基于所述第一约束值的符号来确定所述第一约束值违反所述第一阈值。
根据实施例,所述指令还包括以下指令:当所述目标车辆穿过所述虚拟边界时确定所述第二约束值违反所述第二阈值。
根据实施例,所述指令还包括以下指令:基于所述目标车辆的边界接近加速度来确定所述第二约束值。
根据实施例,所述指令还包括以下指令:基于对所述主车辆的转向输入、制动输入和节气门输入来确定所述主车辆的所述边界接近加速度。
根据实施例,所述指令还包括以下指令:在检测到所述目标车辆在所述主道路车道中时执行所述威胁评估。
根据本发明,一种方法包括:识别主车辆的主道路车道与目标车辆的目标道路车道之间的虚拟边界,所述虚拟边界基于所述目标车辆的预测路径;基于所述目标车辆的边界接近速度来确定第一约束值;基于(1)所述主车辆的边界接近速度和(2)所述主车辆的边界接近加速度来确定第二约束值;以及在确定所述第一约束值违反第一阈值或所述第二约束值违反第二阈值时对所述主车辆与所述目标车辆之间的碰撞执行威胁评估。
在本发明的一个方面中,所述方法包括基于所述威胁评估来致动一个或多个车辆部件以避开所述目标车辆。
在本发明的一个方面中,所述方法包括在执行所述威胁评估时,基于所述目标车辆的位置识别第三约束值并且在所述第三约束值违反第三阈值时致动一个或多个部件。
在本发明的一个方面中,所述方法包括基于从所述目标车辆到所述虚拟边界的预测横向距离来确定所述第二约束值。
在本发明的一个方面中,所述方法包括基于对所述主车辆的转向输入、制动输入和节气门输入来确定所述主车辆的所述边界接近加速度。
根据本发明,提供了一种***,所述***具有:多个车辆部件,所述多个车辆部件包括制动器、推进装置以及转向总成;用于识别主车辆的主道路车道与目标车辆的目标道路车道之间的虚拟边界的构件,所述虚拟边界基于所述目标车辆的预测路径;用于基于所述目标车辆的边界接近速度来确定第一约束值的构件;用于基于(1)所述主车辆的边界接近速度和(2)所述主车辆的边界接近加速度来确定第二约束值的构件;用于在确定所述第一约束值违反第一阈值或所述第二约束值违反第二阈值时对所述主车辆与所述目标车辆之间的碰撞执行威胁评估的构件;以及用于基于所述威胁评估致动所述多个车辆部件中的一者或多者以避开所述目标车辆的构件。
根据实施例,本发明的特征还在于用于在执行所述威胁评估时基于所述目标车辆的位置识别第三约束值的构件以及用于在所述第三约束值违反第三阈值时致动一个或多个部件的构件。
根据实施例,本发明的特征还在于用于基于从所述目标车辆到所述虚拟边界的预测横向距离来确定所述第二约束值的构件。
根据实施例,本发明的特征还在于用于基于对所述主车辆的转向输入、制动输入和节气门输入来确定所述主车辆的所述边界接近加速度的构件。
根据实施例,本发明的特征还在于用于在检测到所述目标车辆在所述主道路车道中时执行所述威胁评估的构件。
Claims (15)
1.一种方法,其包括:
识别主车辆的主道路车道与目标车辆的目标道路车道之间的虚拟边界,所述虚拟边界基于所述目标车辆的预测路径;
基于所述目标车辆的边界接近速度来确定第一约束值;
基于(1)所述主车辆的边界接近速度和(2)所述主车辆的边界接近加速度来确定第二约束值;以及
在确定所述第一约束值违反第一阈值或所述第二约束值违反第二阈值时对所述主车辆与所述目标车辆之间的碰撞执行威胁评估。
2.根据权利要求1所述的方法,其还包括基于所述威胁评估来致动一个或多个车辆部件以避开所述目标车辆。
3.根据权利要求1所述的方法,其还包括在执行所述威胁评估时,基于所述目标车辆的位置识别第三约束值并且在所述第三约束值违反第三阈值时致动一个或多个部件。
4.根据权利要求1所述的方法,其还包括基于从所述目标车辆到所述虚拟边界的预测横向距离来确定所述第二约束值。
5.根据权利要求4所述的方法,其还包括将所述目标车辆的所述横向位置输入到路径规划算法以预测所述横向距离。
6.根据权利要求1所述的方法,其还包括基于所述第一约束值的符号来确定所述第一约束值违反所述第一阈值。
7.根据权利要求1所述的方法,其还包括当所述目标车辆穿过所述虚拟边界时确定所述第二约束值违反所述第二阈值。
8.根据权利要求1所述的方法,其还包括基于所述目标车辆的边界接近加速度来确定所述第二约束值。
9.根据权利要求1所述的方法,其还包括基于对所述主车辆的转向输入、制动输入和节气门输入来确定所述主车辆的所述边界接近加速度。
10.根据权利要求1所述的方法,其还包括在检测到所述目标车辆在所述主道路车道中时执行所述威胁评估。
11.根据权利要求2、4至10中任一项所述的方法,其还包括在执行所述威胁评估时,基于所述目标车辆的位置识别第三约束值并且在所述第三约束值违反第三阈值时致动一个或多个部件。
12.根据权利要求2至8、10中任一项所述的方法,其还包括基于对所述主车辆的转向输入、制动输入和节气门输入来确定所述主车辆的所述边界接近加速度。
13.一种计算机,其被编程为执行权利要求1至10中任一项所述的方法。
14.一种车辆,其包括权利要求13所述的计算机。
15.一种计算机程序产品,其包括计算机可读介质,所述计算机可读介质存储指令,所述指令能够由计算机处理器执行以执行权利要求1至10中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/017,003 | 2020-09-10 | ||
US17/017,003 US11673548B2 (en) | 2020-09-10 | 2020-09-10 | Vehicle detection and response |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114162116A true CN114162116A (zh) | 2022-03-11 |
Family
ID=80266795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111058131.1A Pending CN114162116A (zh) | 2020-09-10 | 2021-09-09 | 车辆检测和响应 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11673548B2 (zh) |
CN (1) | CN114162116A (zh) |
DE (1) | DE102021123522A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11827217B2 (en) * | 2020-08-28 | 2023-11-28 | Ford Global Technologies, Llc | Vehicle detection and response |
US11897461B2 (en) * | 2021-09-10 | 2024-02-13 | Ford Global Technologies, Llc | Methods and systems for autonomous vehicle collision avoidance |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4578795B2 (ja) * | 2003-03-26 | 2010-11-10 | 富士通テン株式会社 | 車両制御装置、車両制御方法および車両制御プログラム |
GB0901906D0 (en) | 2009-02-05 | 2009-03-11 | Trw Ltd | Collision warning apparatus |
EP2562060B1 (en) | 2011-08-22 | 2014-10-01 | Honda Research Institute Europe GmbH | A method and system for predicting movement behavior of a target traffic object |
JP6303217B2 (ja) * | 2015-10-28 | 2018-04-04 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
US10093315B2 (en) | 2016-09-19 | 2018-10-09 | Ford Global Technologies, Llc | Target vehicle deselection |
US10377376B2 (en) | 2016-10-06 | 2019-08-13 | Ford Global Technologies, Llc | Vehicle with environmental context analysis |
US10739782B2 (en) * | 2016-10-31 | 2020-08-11 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating lane merges and lane splits |
EP3360747A1 (en) * | 2017-02-13 | 2018-08-15 | Autoliv Development AB | Improvements in or relating to driver assistance systems |
JP6589941B2 (ja) * | 2017-06-06 | 2019-10-16 | トヨタ自動車株式会社 | 操舵支援装置 |
JP7069518B2 (ja) * | 2018-01-17 | 2022-05-18 | マツダ株式会社 | 車両制御装置 |
CN111095291B (zh) * | 2018-02-27 | 2024-04-09 | 辉达公司 | 由自动驾驶车辆实时检测车道和边界 |
US11186282B2 (en) * | 2018-12-11 | 2021-11-30 | Alpine Electronics, Inc. | Automated lane change system and methods |
JP7056632B2 (ja) * | 2019-09-05 | 2022-04-19 | トヨタ自動車株式会社 | 運転支援装置 |
US11472440B2 (en) * | 2019-09-27 | 2022-10-18 | Intel Corporation | Methods and apparatus to provide accident avoidance information to passengers of autonomous vehicles |
-
2020
- 2020-09-10 US US17/017,003 patent/US11673548B2/en active Active
-
2021
- 2021-09-09 CN CN202111058131.1A patent/CN114162116A/zh active Pending
- 2021-09-10 DE DE102021123522.7A patent/DE102021123522A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
US11673548B2 (en) | 2023-06-13 |
DE102021123522A1 (de) | 2022-03-10 |
US20220073063A1 (en) | 2022-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10981564B2 (en) | Vehicle path planning | |
CN109213134B (zh) | 生成自动驾驶策略的方法和装置 | |
US10121367B2 (en) | Vehicle lane map estimation | |
US10831208B2 (en) | Vehicle neural network processing | |
CN108327716B (zh) | 碰撞缓解和避免 | |
CN108327723B (zh) | 通过无监督学习的对象跟踪 | |
US10703373B2 (en) | Vehicle velocity control | |
CN114391088B (zh) | 轨线规划器 | |
CN110858325A (zh) | 车辆自适应学习 | |
CN110861642A (zh) | 车辆横向运动控制 | |
US10160459B2 (en) | Vehicle lane direction detection | |
CN112389426A (zh) | 增强的威胁选择 | |
US11827217B2 (en) | Vehicle detection and response | |
US11498554B2 (en) | Enhanced object detection and response | |
CN113353070A (zh) | 车辆检测和响应 | |
CN111605548A (zh) | 车辆路径处理 | |
CN114162116A (zh) | 车辆检测和响应 | |
CN112440988A (zh) | 增强型威胁评估 | |
US11087147B2 (en) | Vehicle lane mapping | |
CN113034970A (zh) | 安全性***、自动化驾驶***及其方法 | |
CN112776776A (zh) | 增强的车辆操作 | |
US11383704B2 (en) | Enhanced vehicle operation | |
US20220333933A1 (en) | Enhanced vehicle and trailer operation | |
US11801836B2 (en) | Enhanced vehicle operation | |
CN115489520A (zh) | 目标车辆检测 |
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 |