CN114830055A - 阻塞区域引导 - Google Patents
阻塞区域引导 Download PDFInfo
- Publication number
- CN114830055A CN114830055A CN202080086781.4A CN202080086781A CN114830055A CN 114830055 A CN114830055 A CN 114830055A CN 202080086781 A CN202080086781 A CN 202080086781A CN 114830055 A CN114830055 A CN 114830055A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- blocked
- area
- suggested
- region
- 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
- 238000000034 method Methods 0.000 claims abstract description 94
- 238000003860 storage Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims 1
- 230000015654 memory Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 20
- 230000000903 blocking effect Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 10
- 230000008447 perception Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000003936 working memory Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241001300198 Caperonia palustris Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 235000000384 Veronica chamaedrys Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training 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
- G08G1/164—Centralised systems, e.g. external to vehicles
-
- 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
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0038—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement by providing the operator with simple or augmented images from one or more cameras located onboard the vehicle, e.g. tele-operation
-
- 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/22—Platooning, i.e. convoy of communicating vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
- G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/207—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles with respect to certain areas, e.g. forbidden or allowed areas with possible alerting when inside or outside boundaries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种对在环境中操作的车辆提供引导的技术,该技术可以包括:确定环境中的沿着车辆的路径的建议阻塞区域,并且使建议阻塞区域呈现在计算机设备的用户界面中。可以将关于阻塞区域的信息传输到环境中的一个或多个车辆。基于关于阻塞区域的信息,计算机设备或车辆的车辆计算机***中的至少一个可以控制车辆的操作以避开阻塞区域。
Description
相关申请
本申请要求于2019年12月16日提交的标题为“BLOCKED REGION GUIDANCE”的美国专利申请No.16/716,411的优先权,其全部内容通过引用并入本文。
背景技术
自动驾驶车辆和半自动驾驶车辆中的规划***确定车辆在操作环境中要采取的动作。可以部分地基于避开环境中存在的对象来确定车辆的动作。例如,可以生成动作以绕过并排停放的车辆、改变车道以避开道路中的另一车辆等。规划***可以执行任何数量的操作(例如,模拟等),以确定每一个检测到的对象对车辆的潜在动作的影响。然而,在某些情况下,车辆可以请求辅助以在导航下行驶经过阻碍车辆前进的环境的一部分。
附图说明
参照附图描述具体实施方式。在附图中,附图标记最左边的数字标识该附图标记首次在其中出现的附图。在不同附图中使用相同的附图标记指示相似或相同的部件或特征。
图1是引导部件的示例用户界面的图示,该引导部件用于提供关于阻塞区域的引导,其示出了穿过环境的车辆的示例表示。
图2是引导部件的另一示例用户界面的图示,该引导部件用于提供关于阻塞区域的引导,其示出了穿过环境的车辆的示例表示。
图3是引导部件的又一示例用户界面的图示,该引导部件用于提供关于阻塞区域的引导,其示出了穿过环境的车辆的示例表示。
图4是图3的示例用户界面的图示,其用于实现本文所描述的阻塞区域引导技术。
图5是图3的示例用户界面的图示,其用于实现本文所描述的阻塞区域引导技术。
图6是图3的示例用户界面的图示,其用于实现本文所描述的阻塞区域引导技术。
图7是示例用户界面的图示,其示出了穿过示例环境的车辆的示例表示,该示例环境包括被指定为阻塞的区域。
图8是示例***的框图,该示例***用于实现本文所描述的技术。
图9是描绘示例过程的流程图,该示例过程将示例环境的区域指定为阻塞的。
具体实施方式
如上所述,车辆可以向远程实体请求辅助以在阻碍车辆前进的环境中在导航下行驶经过障碍物。由远程实体提供车辆辅助产生的延迟可能导致车辆在提供辅助之前保持在原位,这可能延迟车辆前进,降低车辆乘客的体验,并且可能潜在地影响乘客的安全性。
本申请描述了用于从远离车辆的计算机设备向车辆提供引导的技术。在一些示例中,远程操作中心的计算机设备可以从穿过环境的车辆接收传感器数据,并且确定环境中包含阻塞车辆路径的障碍物的区域。在各种示例中,计算机设备可以向车辆传输阻塞区域的指示。车辆的车辆计算机***可以至少部分地基于从计算机设备接收阻塞区域的指示,为车辆规划避开阻塞区域(例如,阻塞车道)的新轨迹。在一些示例中,计算机设备可以至少部分地基于从车辆接收辅助请求,向车辆传输阻塞区域的指示。然而,在其他示例中,计算机设备可以在车辆遇到阻塞区域之前,通过识别车辆正在接近阻塞区域(例如,没有从车辆接收到辅助请求)向车辆发送阻塞区域的指示。使用本文所描述的用于提供引导的技术,车辆可以从该车辆可使用的计算机设备接收阻塞区域引导信息,以快速和/或抢先避开阻塞区域,从而提高车辆的安全性。
在各种示例中,计算机设备的用户界面向人类远程操作员或人类管理员呈现控件,使其能够将环境的一个或多个区域注释为阻塞区域(车辆不可通过)。用户界面可以包括一个或多个阻塞区域的建议。在一些示例中,阻塞区域(例如,道路中的阻塞车道、道路中的施工区、车辆视线之外的区域)的指示可以从计算机设备传输到车辆,用于引导车辆安全地经过阻塞区域。通过输出提供建议阻塞区域并且能够选择或确认建议阻塞区域的用户界面,本文所描述的技术相较于先前的引导技术(例如,手动指定堵塞的区域,或手动输入阻塞区域周围的车辆路线)可以减少向车辆提供引导所花费的时间量。这通过减少车辆可能等待辅助以绕开阻塞区域所需的时间量来提高车辆安全性。此外,本文描述的技术相比使用先前的引导技术可以允许远程操作员或管理员监控或支持更多车辆。
在一些示例中,车辆可以包括具有车辆计算机***的自动驾驶车辆或半自动驾驶车辆,该车辆计算机***被配置为:基于遇到难以在导航下行驶的场景(例如,其中规划器无法根据一组驾驶策略来规划路线,或其他)来请求计算机设备的辅助。作为示例而非限制,自动驾驶车辆可以接近在平行停车时阻塞道路中的车道的车辆。在一些情况下,可能不清楚车辆是否是平行停车、并排停放、或者是故障的情形。在这种情况下,自动驾驶车辆可以请求辅助以驶过阻塞车辆,并且可以基于该请求,接收阻塞的车道或其他区域的指示(例如,路段标识、车道号、车道标识、阻塞区域的起点、阻塞区域的长度等)。在一些示例中,计算机设备可以通过识别车辆通常可能无法通行的区域(例如,对向车道、自行车道、路肩等)来提供引导,车辆可以利用该区域穿过障碍物。然而,在其他示例中,计算机设备可以在缺少来自任何一个车辆的明确请求的情况下(例如,没有接收到辅助请求),为一个或多个车辆提供引导。
在一些示例中,计算机设备的用户界面可以至少部分地基于从车辆接收的传感器数据输出环境中车辆的表示(模型、模拟、估计状态等)。例如,计算机设备可以至少部分地基于车辆的传感器数据,来确定一个或多个建议阻塞区域,并且可以将该一个或多个建议阻塞区域相对于车辆的位置呈现在用户界面中。在各种示例中,车辆可以至少部分地基于指示阻塞的传感器数据来确定一个或多个建议阻塞区域,并且将该一个或多个建议阻塞区域的指示传送到计算机设备。在一些示例中,计算机设备的用户界面可以被配置为接收用户输入,该用户输入将建议区域中的一个区域确认为阻塞区域。通过输出一个或多个建议阻塞区域,远程操作员或其他管理员可以快速地从建议阻塞区域中选择或确认阻塞区域,和/或可以快速修改建议阻塞区域,从而与需要人类手动确定环境区域是阻塞的传统技术相比,更快速地向车辆提供引导,尤其是当车辆的指示仍然在环境中移动时(这种情况下车辆仍然在接近障碍物)。在各种示例中,关于阻塞区域的信息可以至少部分地基于将建议区域确认为阻塞区域的用户输入从计算机设备传送到车辆。以这种方式,车辆在规划车辆要遵循的轨迹时,可以被快速地提供指示阻塞区域的引导。进一步地,通过实施本文描述的引导技术,尽管车辆指示器在用户界面中呈现的环境表示中改变位置,车辆仍然能接收辅助(例如,接收可用的阻塞区域的指示,使车辆的规划器能够考虑到阻塞区域来规划新路径)。
在一些示例中,车辆在环境中导航的同时,可以使用一个或多个传感器检测一个或多个对象和/或一个或多个区域。例如,对象可以包括静态对象(例如,建筑物、桥梁、标志等)和动态对象,诸如其他车辆(例如,轿车、卡车、摩托车、摩托自行车等)、行人、骑自行车者等。在各种示例中,车辆可以检测不是可行驶表面的区域(例如,大坑洞、被淹没的道路、施工区等)。在一些示例中,基于车辆的传感器(例如,相机、运动检测器、激光雷达传感器、雷达传感器等)的传感器数据可以检测对象和/或区域。作为又一示例,基于从远程传感器接收的传感器数据可以检测对象和/或区域,该远程传感器诸如与另一车辆相关联的传感器,或位于环境中被配置为与多个车辆共享数据的传感器。表示检测到的对象和/或区域的传感器数据可以与计算机设备(例如,自动驾驶车辆车队的远程操作中心)通信。在各种示例中,传感器数据可以表示车辆在其中操作的环境,该环境包括检测到的可能阻碍车辆前进的对象和/或区域。因此,计算机设备可以至少基于传感器数据来输出表示环境的一个或多个模型。
在一些示例中,计算机设备可以至少部分地基于传感器数据来确定环境中沿着车辆路径的建议阻塞区域。在各种示例中,计算机设备的用户界面可以呈现建议阻塞区域(例如,道路的一条车道、道路的多条车道、道路的一条车道的一部分等)。作为示例而非限制,在示例中,当车辆正在接近道路中停止的车辆或其他对象时,计算机设备可以将建议阻塞区域呈现在用户界面上,用户界面示出表示环境的模型。
在一些示例中,计算机设备可以接收确认选择建议阻塞区域作为阻塞区域(例如,阻塞车道)的用户输入。例如,远程操作员(例如,经训练以远程引导机器人的远程操作员和/或战术家)可以从用户界面选择控件以将建议区域确认为阻塞区域。在一些示例中,远程操作员可以改变(增加或减小)将成为阻塞区域的区域的尺寸(例如,调整建议阻塞区域的宽度和/或长度)。在各种示例中,在远程操作员选择建议阻塞区域之后,用户界面上的视觉表示可以改变为反映该区域现在是阻塞的(例如,将未选择时针对建议阻塞区域的第一表示改变为被选择/被确认时针对阻塞区域的第二表示)。在一些示例中,针对阻塞区域的第二表示可以具有与针对建议阻塞区域的第一表示不同的尺寸(例如,更长、更短、更宽、更窄等)。例如,可以至少部分地基于车辆的速度来调整阻塞区域的起始位置,以使阻塞区域在车辆前方相隔足够距离时出现在用户界面中,以允许车辆在由于阻塞而停止之前规划绕过阻塞区域的路。
在一些示例中,接收确认选择建议阻塞区域作为阻塞区域的用户输入可以使阻塞区域的指示传输到车辆,而不需要计算机设备的操作员的动作。以这种方式,计算机设备可以在没有进一步的用户输入的情况下向车辆传输阻塞区域的指示。在各种示例中,接收确认选择建议阻塞区域作为阻塞区域的用户输入可以使阻塞区域的指示传输到自动驾驶车辆车队的另一车辆。在一些示例中,阻塞区域可以存储在地图中,该地图可供自动驾驶车辆车队使用。
在一些示例中,计算机设备可以从车辆接收辅助请求,并且至少部分地基于车辆的辅助请求来确定环境中的建议阻塞区域。然而,在其他示例中,可以独立于从车辆接收辅助请求来确定建议阻塞区域。例如,计算机设备可以确定环境中的建议阻塞区域和/或主动向一个或多个车辆发送阻塞区域的指示,以提高在阻塞区域附近操作的一个或多个车辆的安全性。在一些示例中,阻塞区域的指示可以由车辆计算机***的规划部件使用以改善车辆在环境中如何在导航下行驶(避开和/或与对象交互)。
在各种示例中,多个区域可以经由用户界面基本上同时和/或连续变为阻塞,以向车辆提供多个阻塞区域的多个指示来辅助车辆。例如,在第一区域变为阻塞之后,车辆可以在环境中在导航下行驶,同时附加的建议阻塞区域由远程操作员考虑变为阻塞。以这种方式,计算机设备可以确定多个阻塞区域(多个阻塞车道),并且可以向车辆传输阻塞区域的指示(与车辆是否向计算机设备发送辅助请求无关)。
在一些示例中,计算机设备可以向车辆提供指令以明确地引导车辆经过阻塞区域。例如,计算机设备可以确定车辆的轨迹并将该轨迹提供给车辆以使车辆避开阻塞区域。附加地或替代地,计算机设备可以获得车辆的权限,以经由计算机设备控制车辆,并且在成功地引导车辆经过阻塞区域之后和/或在确认引导由车辆接收之后放弃控制。然而,并且如在其他示例中所述,阻塞区域的指示可以传输给车辆,用于由车辆计算机***使用以引导车辆经过阻塞区域。
可以按各种方式清除或解除阻塞区域。例如,计算机设备的远程操作员可以选择控件,该控件被配置为清除一个或多个阻塞区域。在这样的示例中,控件的选择可以确认解除一个阻塞区域或多个阻塞区域。在其他示例中,可以至少部分地基于车辆通过阻塞区域来将阻塞区域改变为未阻塞区域。在进一步的示例中,可以基于全局地图将阻塞区域改变为未阻塞区域,由自动驾驶车队使用的该全局地图被更新以移除阻塞区域。在一些示例中,车队中的车辆可以进行推荐(例如,向计算机设备发送请求)以清除阻塞区域,并且远程操作员可以使用在计算机设备的用户界面中呈现的控件来确认解除该区域的阻塞。在又一示例中,车辆的车辆计算机***可以清除阻塞区域并将该改变传送到计算机设备。在各种示例中,至少部分地基于车辆与远离车辆的计算机设备之间的网络连接的丢失,阻塞区域可以改变为未阻塞区域。
本文讨论的技术可以在多个方面改进计算机设备的功能。传统上,远程辅助包括确定车辆要采用的新路线以避开阻塞区域(在一些情况下,远程操作员在用户界面上绘制路径)。然而,使用传统方法来确定车辆的新路线(绘制路径)要比将区域确认为阻塞并与车辆共享关于阻塞区域的信息花费更多的时间。通过输出能使建议区域变为阻塞的用户界面,与人类操作员绘制车辆在阻塞区域周围遵循的路径的传统方法相比,其减少了辅助车辆的时间。这通过减少车辆可能由于阻塞区域而无法在环境中在导航下行驶的时间来提高车辆安全性。
本文讨论的技术还可以通过输出一个或多个阻塞区域的指示来改进车辆计算***的功能。在一些示例中,计算机设备可以通过在车辆仍然在环境中移动时与车辆共享关于阻塞区域的信息来提高安全性。因此,与车辆相关联的车辆计算***可以通过利用识别阻塞区域的规划考虑来控制车辆的操作。通过实施本文描述的引导技术,车辆可以用比传统方法更少的时间接收到辅助,从而使车辆在阻塞区域周围在导航下行驶。
本文描述的技术可以通过多种方式实现。参考以下附图提供下列示例实施例。尽管在自动驾驶车辆的场景中讨论,但是本文描述的方法、装置和***可以应用于各种***(例如,手动驾驶车辆、传感器***或机器人平台),并且不限于自动驾驶车辆。在另一示例中,该技术可以在航空或航海场景中使用,或者在使用机器视觉的任何***中(例如,在使用图像数据的***中)使用。计算机设备可以包括用户界面,环境的一个或多个区域可以通过该用户界面被确认为阻塞区域(例如,阻止车辆前进的区域和/或障碍物)。
图1是引导部件的示例用户界面104的图示,引导部件用于提供关于阻塞车道的引导,其示出了穿过环境的车辆的示例表示。通常,用户界面104提供环境中的车辆的概况,该车辆可以由计算机设备引导(例如,控制和/或提供信息)以在环境导航期间辅助车辆。
如图1所示,一个或多个计算机设备102包括用户界面104和引导部件106。如图1的示例所示,用户界面104包括控件108(1)、108(2)、108(3)等(统称为“控件108”),基于接收用户输入和车辆指示器110(1)和110(2)来调用不同的功能,以表示在环境中穿过的相应的车辆。例如,车辆指示器110(1)和110(2)出现在环境的表示中,以指示相应车辆的位置和/或移动。在一些情况下,车辆可以向计算机设备102发送辅助请求,并且车辆指示器110(1)或110(2)表示车辆将提供辅助请求的指示(例如,通过改变注释或车辆指示器的外观或相关联的控件)。以这种方式,在一些示例中,远程操作员可以通过选择控件108之一以向车辆提供引导,以使计算机设备102发起辅助(例如,对车辆进行控制、输出车辆细节、从车辆接收传感器数据等)。
计算机设备102可以被包括在远程操作中心中,该远程操作中心可以向车队中的一个或多个自动驾驶车辆提供远程辅助。在一些示例中,远程操作中心可以响应来自车辆的辅助请求而向车辆提供引导。在2019年6月28日提交的标题为“Techniques forContacting a Teleoperator”的美国专利申请No.16/457,289中描述了确定何时联系远程操作员以及用于使用从远程操作员接收的指令来导航自动驾驶车辆的技术的附加细节,其内容通过引用并入本文。在2019年6月28日提交的标题为“Techniques for NavigatingVehicles using Teleoperations Instructions”的美国专利申请No.16/457,341中进一步描述了使用从远程操作员接收的指令来导航自动驾驶车辆的附加细节,其内容通过引用并入本文。
在各种示例中,引导部件106可以接收与环境中的一个或多个车辆相关联的传感器数据。通常,引导部件106可以被配置为至少部分地基于确认选择建议阻塞区域的用户输入,来确定建议阻塞区域并且提供阻塞区域的指示。在一些示例中,用户界面104可以被包括作为引导部件106的一部分,以提供关于阻塞车道的引导。
如上所述,用户界面104可以包括控件108中的一个,以基于用户输入来调用不同的功能。在一些示例中,控件108中的一个可以与环境中的车辆相关联,如果被选择,可以使关于该车辆的细节出现在新的用户界面中,正如在其他地方包括在下面图2中所讨论的那样。在进一步的示例中,响应于对车辆指示器110(1)或110(2)中的一个的选择,关于车辆的细节可以呈现在新的用户界面中。通常,控件108和/或车辆指示器110(1)和110(2)可以提供已经接收到辅助请求的视觉指示(例如,车辆指示器可以改变颜色、闪光等)。在一些示例中,辅助请求可以与接近障碍物(阻塞车道)并且可能无法通过障碍物来在导航下行驶的车辆相关。在各种示例中,将来自车辆的传感器数据提供给计算机设备102作为辅助请求的一部分。在各种示例中,来自一个或多个车辆的传感器数据可以由计算机设备102周期性地接收,用于(例如,远程操作中心的)计算机设备102维持、处理和/或输出与用户界面104中的环境相关的数据。
在一些示例中,由计算机设备102接收的传感器数据可以指示车辆正在接近导致拥塞的区域。在这样的示例中,相关联的车辆指示器110可以在没有从车辆接收辅助请求的情况下,提供车辆需要辅助的视觉指示。
图2是引导部件的另一示例用户界面200的图示,引导部件用于提供关于阻塞区域的引导,该图示出了穿过示例环境的车辆202的示例表示。在一些示例中,可以至少部分地基于接收图1的控件108中的一个的用户输入来呈现用户界面200以引导车辆202。
在一些示例中,用户界面200可以包括第一部分204和/或第二部分206,第一部分204包括一个或多个图像,该一个或多个图像至少部分地基于与车辆202的传感器相关联的传感器数据,第二部分206包括环境的模型,该模型至少部分地基于与车辆202的传感器相关联的传感器数据。如图2所示,用户界面可以进一步包括控件208(1)、208(2)、208(3)等(统称为“控件208”),用于规划车辆202的路径,对车辆202进行控制和/或使环境的区域成为阻塞的,仅以这些为例。在一些示例中,用户界面200还可以提供关于车辆202的信息210(例如,速度、行进方向、转向角、照明、音频等)和/或示出车道或路径的行进方向的指示器212。用户界面200被进一步示出为包括路段214,该路段214表示环境的一部分,车辆202可以在该环境中行进到目的地。在一些示例中,指示器212可以表示车辆202相对于路段214的行进方向和/或车道的行进方向的视觉指示。
通常,用户界面200的第一部分204和第二部分206可以表示环境的单独的模型,车辆202可以在该环境中在导航下行驶。在一些情况下,与计算机设备相关联的远程操作员(例如,经训练以远程引导机器人的远程操作员和/或战术家)可以使用环境的模型中的一个或多个来识别在车辆202的当前车道中即将到来的阻塞。作为示例而非限制,远程操作员可以控制车辆202的操作,包括提供路径、路线、轨迹等以临时引导车辆202。例如,远程操作员可以至少部分地基于来自车辆202的辅助请求来控制车辆202的操作,并且可以在引导车辆202经过阻塞区域之后放弃对车辆202的控制。在2018年11月8日提交的标题为“Autonomous Vehicle Guidance Authority Framework”的美国专利申请16/184,958中描述了授予行动者权限以向自动驾驶车辆提供引导、在行动者之间转移权限、以及跟踪哪一个行动者具有权限的附加细节,其内容通过引用并入本文。
如上所述,在一些示例中,第一部分204可以包括一个或多个图像,该一个或多个图像至少部分地基于与车辆202的传感器相关联的传感器数据。在这样的示例中,该一个或多个图像可以表示由车辆202中的车辆计算机***的感知***捕获的场景。如图2所描绘的,多个图像可以表达车辆202周围的不同的场景(前、后、右侧、和左侧),包括检测到的对象,诸如车辆、行人、骑自行车者和建筑物,仅以这些为例。通常,用户界面200的第一部分204包括图像(静止图像和/或视频),该图像具有足够质量的图像使得远程操作员能够理解车辆202的周围环境。如第一部分204中所示,控件(+、-)可以设置在用户界面200中,以在第一部分204中的一个或多个不同视图中放大和/或缩小图像。在各种示例中,远程操作员可以确定环境中的车辆202与对象之间的交互和/或不同对象之间的交互之间的交互的场景。
附加地或替代地,用户界面200的第二部分206可以包括示出了车辆202在环境中交互的模型,并且可以与用户界面200的第一部分204中的一个或多个图像相关联(例如,表示类似的场景)。在一些示例中,来自车辆202的传感器数据可以连续地确定车辆202在环境内的位置和/或朝向(例如,使用车辆的定位部件),并且还可以连续地检测对象。如图2所示,车辆202可以沿着路段214(例如,道路的车道)从第一位置行进到第二位置,而不会遇到阻碍前进的障碍物。路段214可以与描述路段属性的地图特征数据(例如,起点、终点、道路状况、路段标识、车道号等)相关联。如果路段214(或其一部分)成为阻塞区域,可以将路段214的一些或全部属性传输到车辆。在一些示例中,路段214可以对应与安全裕度相关联的走廊。例如,计算机设备可以确定可行驶表面,确定走廊、检测对象和/或将对象融合到走廊中。在这样的示例中,在将检测到的对象融合到走廊的过程中创建车辆202的安全裕度。在2018年5月17日提交的标题为“Drive Envelope Determination”的美国专利申请15/982,694中描述了确定自动驾驶车辆的走廊的附加细节,其通过引用并入本文。在2018年11月5日提交的标题为“Vehicle Trajectory Modification For Following”的美国专利申请16/181,164中描述了确定自动驾驶车辆的可行驶区域的附加细节,其通过引用并入本文。
图3是引导部件的又一示例用户界面300的图示,引导部件用于提供关于阻塞区域的引导,该图示出了穿过示例环境的图2的车辆202的示例表示。
如在用户界面300的第一部分204和第二部分206中所描绘的,车辆202接近检测到的对象302(另一车辆),该检测到的对象302至少部分地阻塞车辆202在其中行驶的车道。图3进一步描绘了车辆周围的示例同心区域,以指示对象相对于车辆202的距离。在一些示例中,用户界面300可以提供控件304以发起阻塞环境中的区域。
在一些示例中,远程操作员可以选择控件(例如,控件208(2)),使远程操作员来控制车辆202而不是仅由车辆计算机***来操作车辆202。在这样的示例中,在用户界面300使环境中的区域成为阻塞之前,车辆202可以由用户界面300控制。例如,控件208(3)可以构建车辆的路径,控件208(3)控制转向、加速、制动等以避开检测到的对象302。在一个非限制性示例中,控件208中的一个可以用于基于用户界面300的第一部分204中呈现的图像和/或基于用户界面300的第二部分206中的环境的模型来规划车辆的路线。在2019年6月28日提交的名称为“Remote Vehicle Guidance”的美国专利申请16/457,646中描述了给在难以在导航下行驶的环境中操作的车辆远程提供增量引导的附加细节,其通过引用并入本文。在2019年6月28日提交的标题为“Vehicle Control and Guidance”的美国专利申请16/457,654中描述了给在难以导航的环境中操作的车辆远程提供引导的进一步细节,其通过引用并入本文。然而,在其他示例中,远程操作员可以提供辅助以使车辆202在阻塞区域周围在导航下行驶,而无需明确地控制车辆202,例如,例如使车道被指定为阻塞车道如下文和其他地方更详细地讨论的那样。
图4是示例用户界面400的图示,用于实现本文描述的阻塞区域引导技术。关于图4讨论的示例可以至少部分地基于车辆在穿过环境的同时接近障碍物,例如在图3中描述的阻塞区域示例。为了清楚起见,用户界面400省略了用户界面的第一部分和第二部分的细节。
如图4所描绘的,用户界面400包括在图2的车辆202前方的建议阻塞区域402,以及控件404和406。虽然在图4中示出为在车辆前方,但在其他示例中,建议阻塞区域402可以在车辆的后方和/或在车辆的任一侧。在各种示例中,控件404可以接收将建议阻塞区域402确认为阻塞区域的用户输入。在一些示例中,控件406可以被配置为接收用户输入以清除阻塞区域(解除区域的阻塞)。
在一些示例中,建议阻塞区域402可以由计算机设备至少部分地基于与车辆相关联的传感器数据来确定。例如,计算机设备可以至少基于存储表示环境的特征的地图来确定建议阻塞区域402的尺寸和/或建议阻塞区域402的形状以用于呈现。在各种示例中,与用户界面400相关联的计算机***可以确定建议阻塞区域402,并且可选地将建议阻塞区域402呈现在用户界面300中。在各种示例中,响应于对控件404的选择,计算机设备可以将建议阻塞区域402呈现在用户界面400中,该选择指示使区域成为阻塞的请求。
附加地或替代地,建议阻塞区域402可以由车辆至少部分地基于与车辆相关联的传感器数据来确定。例如,传感器数据可以指示由对象和/或不可通行区域引起的阻塞,并且将建议阻塞区域402的指示传送到计算机设备。在这样的示例中,远程操作员可以将由车辆提供的建议阻塞区域402确认为阻塞区域。在进一步的示例中,在车辆处和/或在远程操作中心处的计算机设备的机器学习模型可以将建议阻塞区域402确认为阻塞区域(无论是由车辆确定还是由远程操作中心的计算机设备确定)。
在各种示例中,建议阻塞区域402可以至少部分地基于与路段(路段214)相关联的区域、道路中的阻塞车道、道路中的施工区、和/或车辆视线之外的区域(例如,由于地平线)来确定。例如,计算机***可以将建议阻塞区域402确定为从车辆202的当前位置和/或路段214(由地图特征数据定义的段)延伸的车道。然而,在其他示例中,建议阻塞区域402可以由计算机设备确定为与车辆相邻的车道(例如,除了车辆在其中行驶的车道之外的车道)。
在一些示例中,可以至少部分地基于区域是符合阻塞条件的区域,将区域呈现为建议阻塞区域402。例如,基于一个或多个因素(例如,该区域太短、该区域不与其他区域联结、该区域不可通过等),区域可能不符合阻塞条件。在一些示例中,不符合阻塞条件的区域可以用视觉指示器呈现以反映其不可用于成为阻塞(不同于建议阻塞区域)。在其他示例中,可以不在用户界面400中呈现不符合阻塞条件的区域和/或音频提醒。在进一步的示例中,响应于对不符合阻塞条件的区域进行阻塞的尝试,视觉指示器可以呈现在用户界面400中。例如,用户界面400可以接收不符合条件的区域的用户输入,并且基于正在接收的用户输入,输出指示该区域不符合阻塞条件的通知。
在一些示例中,建议阻塞区域402可以被配置为可选区域,如果被远程操作员选择(例如,轻击),则将建议阻塞区域402确认为阻塞区域(与如上所述的控件404相反)。
在一些示例中,远程操作员可以调整建议阻塞区域402的特征(起点、终点、长度、宽度等)。例如,远程操作员可以在用户界面400中调整建议阻塞区域的尺寸和/或建议阻塞区域的形状。以这种方式,远程操作员可以识别建议阻塞区域402的特征,此类特征可能无法由车辆的车辆计算机***确定。作为示例而非限制,道路的车道的宽度可以被加宽到包括另一车道(相邻车道和/或相对车道)的一部分,以指示应被阻塞的另一车道的部分。在各种示例中,阻塞区域的尺寸和/或到阻塞区域的距离可以被缩短和/或被延长以调整车道的哪一个部分可用于/不可用于车辆穿过的改变。例如,建议阻塞区域和/或阻塞区域的尺寸可以被缩短为小于与车道的标识相关联的长度(由与地图相关联的数据指定)。在一些示例中,可以在建议阻塞区域402呈现在用户界面中时和/或在选择建议阻塞区域402作为阻塞区域之后,执行对建议阻塞区域402的特征的调整。
在各种示例中,计算机设备的远程操作员可以在放弃对车辆的控制之前继续选择附加的建议阻塞区域402(在计算机设备接管车辆的控制的示例中)和/或向车辆发送阻塞区域的指示(在计算机设备提供抢先辅助的示例中)。
在一些示例中,计算机设备可以通过以下方式提供引导:识别车辆通常可能无法通行的区域(例如,对向车道、自行车道、路肩等),车辆可以利用该区域穿过障碍物。在这样的示例中,可通行区域的指示可以作为阻塞区域的指示的一部分被提供给车辆。例如,自行车道或对向车道的一部分可以由远程操作员识别为可通过的,并且可以由计算机设备传输到车辆用于穿过阻塞区域。因此,远程操作员可以推翻与路段或车道相关联的策略(禁止车辆通行)以使用车辆通常不可通行的区域。
在一些示例中,用户界面400可以被配置为从控件406接收用户输入以清除阻塞区域(解除区域的阻塞)。附加地或替代地,用户界面400可以被配置为从控件208(2)接收用户输入以放弃对车辆的控制并清除由计算机设备在控制期间确定的一个或多个阻塞区域。
用户界面400可以被配置为启用和禁用控件404,控件404指示基于车辆的位置使区域成为阻塞的请求。例如,当车辆202处于包括前方阻塞区域的车道中时,则控件404可以被禁用,因为该区域已经是阻塞的。然而,在一些示例中,当车辆改变车道到符合阻塞条件的车道时,可以启用控件404。在一些示例中,区域(例如,道路的车道、路段等)可能不符合阻塞条件,并且可以通过用户界面400接收使这样的不符合条件的区域成为阻塞的尝试的各种视觉和/或音频提醒。
如图4所示,用户界面400呈现后鸟眼视角。在其他示例中,用户界面400可以呈现顶部视角或其他视角,其改善了用于选择建议阻塞区域402的角度。在一些示例中,可以输出后鸟眼视角或顶部视角以显示在用户界面400中,用于响应发起用户界面400的呈现的控件304的选择。
图5是示例用户界面500的图示,其用于实现本文描述的阻塞区域引导技术。关于图5讨论的示例总体上描述了阻塞区域,该阻塞区域响应关于图4和其他地方所讨论的对建议阻塞区域的选择。为了清楚起见,用户界面500省略了图3所示的用户界面300的第一部分和第二部分的细节。
如图5所示,用户界面500包括响应于接收控件404的用户输入的阻塞区域502,该用户输入将建议阻塞区域402确认为阻塞区域502。在一些示例中,阻塞区域502改变外观以指示成功阻塞的车道。以这种方式,远程操作员可以容易地确定区域是建议阻塞区域还是阻塞区域。在各种示例中,由计算机设备确定阻塞区域502可以包括调整建议阻塞区域402的特征(例如,起点、终点、长度、宽度等)。在一些示例中,可以至少部分地基于车辆的速度来确定阻塞区域502的长度和/或阻塞区域502的宽度。例如,可以自动地调整阻塞区域502的起点以反映接近阻塞区域502的车辆202的当前速度。在一些示例中,车辆202的速度可以用作基础来确定阻塞区域502(例如,阻塞车道)起点相对于车辆的预定距离。为此,图5示出的阻塞区域502的起点相比于图4示出的建议阻塞区域402的起点离车辆202更近。附加地或替代地,可以至少部分地基于与阻塞区域502相关联的地图特征数据来确定阻塞区域502的长度和/或阻塞区域502的宽度。
在一些示例中,机器学习模型可以由车辆计算机***和/或(例如,远程操作中心的)计算机设备来实现,以将建议阻塞区域402确认为阻塞区域。例如,可以独立于人类操作员使用一个或多个机器学习模型来确认阻塞区域。在示例中,当车辆确定建议阻塞区域时,车辆的车辆计算机***可以实现机器学习模型以将建议阻塞区域确认为阻塞区域。
在一些示例中,阻塞区域502可以仅应用于请求辅助的车辆和/或由远程操作员识别为需要辅助的车辆。在这样的示例中,阻塞区域502的指示可以被传送到车辆,使阻塞区域502显示在车辆的车辆计算机***的显示设备上。然而,在其他示例中,阻塞区域502可以应用于一队车辆,其中阻塞区域502的指示可以被传送到一队车辆,这可以使阻塞区域502显示在与每一个车辆的每一个车辆计算机***相关联的相应显示设备上。在2015年11月5日提交的标题为“Software Application and Logic to Modify Configuration of anAutonomous Vehicle”的美国专利申请No.14/933,665中描述了远程操作中心和一队车辆之间的行动的附加细节,其通过引用并入本文。
由计算机设备传输到车辆的阻塞区域502的指示可以包括关于阻塞区域的信息(例如,路段标识、车道标识、阻塞区域的起点、阻塞区域的长度等)。在一些示例中,关于阻塞区域502的信息可以由车辆计算机***的一个或多个部件(感知部件、规划部件等)使用,以使车辆确定可安全地避开阻塞区域502的轨迹。例如,当规划车辆202的操作时,可以由车辆计算机***处理与阻塞区域502相关联的路段(一个或多个)数据和/或车道标识(一个或多个)数据。
在一些示例中,关于阻塞区域502的信息可能与由车辆捕获的传感器数据冲突(例如,传感器数据示出阻塞区域是畅通的)。在这样的示例中,车辆计算机***可以通过给予从计算机设备接收的关于阻塞区域的信息比与阻塞区域相关的传感器数据更多的权重,在规划考虑中使用阻塞区域的指示。以这种方式,阻塞区域可以在规划考虑中优先于指示阻塞区域是畅通的传感器数据。图6是示例用户界面600的图示,其用于实现本文描述的阻塞区域引导技术。关于图6讨论的示例通常描述在关于图5和其他地方讨论的使区域成为阻塞之后,呈现建议阻塞区域602。为了清楚起见,图6省略了图3所示的用户界面的第一部分和第二部分的细节。
如图6所示,计算机设备可以至少部分地基于车辆202改变到开放车道来确定建议阻塞区域602。在一些示例中,至少部分地基于呈现建议阻塞区域602和/或车辆202改变到开放车道,可以启用控件404(可用于选择)来指示使区域成为阻塞的请求。在一些示例中,用户界面600的远程操作员可以在放弃对车辆的控制之前(在计算机设备接管车辆的控制的示例中),继续选择附加的建议阻塞区域和/或向车辆传输阻塞区域的指示。
在一些示例中,可以使用用户界面600中的控件406来解除阻塞区域,该控件解除一个特定的阻塞区域和/或解除一组阻塞区域。在一些情况下,使用对应每一个阻塞区域(未示出)的控件和/或通过选择阻塞区域可以单独地解除一个或多个阻塞车道。
在各种示例中,其中计算机设备对车辆的至少一些操作进行控制,可以在计算机设备放弃对车辆的控制时自动地解除区域的阻塞。在一些示例中,当阻塞区域变为未阻塞时,可以从由车辆的车辆计算机***确定的规划考虑中移除传输到车辆的阻塞区域的对应指示(以及与其相关联的信息)。
在一些示例中,阻塞区域可以至少部分地基于车辆经过阻塞区域而改变为未阻塞区域。在进一步的示例中,可以基于全局地图将阻塞区域改变为未阻塞区域,该全局地图被更新以移除阻塞区域,由一队自动驾驶车辆使用。在一些示例中,车队中的车辆可以进行推荐(例如,向计算机设备发送请求)以清除阻塞区域,并且远程操作员可以使用在计算机设备的用户界面中呈现的控件来确认解除该区域的阻塞。在又一示例中,车辆的车辆计算机***可以清除阻塞区域并将该改变传送到计算机设备。
图7是示例用户界面700的图示,示出了穿过示例环境的车辆的示例表示,该示例环境包括被指定为阻塞的区域(阻塞区域502)。关于图7所讨论的示例通常描述用于规划工具的控件(控件208(3))、用于控制车辆的控件(控件208(2))以及使一个或多个区域成为阻塞的控件(控件404)。为了清楚起见,用户界面700省略了图3所示的用户界面300的第一部分和第二部分的细节。
如图7所示,计算机设备呈现用户界面700,其示出了车辆202穿过包括阻塞区域502的环境的顶部视角。这可以表示图6中的示例在车辆202改变车道之后的延续。在一些示例中,车辆202可以在远程操作员的控制下改变车道,并且继续使用可用于用户界面700的规划控件在环境中导航车辆202。在这样的示例中,指示车辆规划工具的控件208(3)在用户界面700中是活跃的,同时指示区域阻塞工具的控件304是活跃的(在图7中示出为有阴影)。在一些示例中,阻塞区域502可以持续直到指定的终点(例如,车道标识的改变)和/或直到阻塞区域被清除(未阻塞)。
虽然被描述为单独的***,但是在一些示例中,本文关于图1-7描述的引导技术可以由其他车辆***、部件和/或计算机设备来实现。例如,并且将关于图8进一步详细描述,本文关于图1-7描述的引导技术可以至少部分地由图8的感知部件、规划部件和/或引导部件来实现或与其相关联。此外,关于图1-7讨论的示例可以至少部分地基于从车辆接收辅助请求,或者在其他示例中,可以至少部分地基于计算机设备(或其远程操作员)在没有从车辆接收明确的辅助请求的情况下发起对车辆的辅助。
图8是用于实现本文描述的技术的示例***800的框图。在至少一个示例中,***800可以包括车辆,诸如车辆802。
车辆802可以包括车辆计算机***804、一个或多个传感器***806、一个或多个发射器808、一个或多个通信连接810、至少一个直接连接812、和一个或多个驱动模块814。
车辆计算机***804可以包括一个或多个处理器816和与一个或多个处理器816通信耦合的存储器818。在所示的示例中,车辆802是自动驾驶车辆;然而,车辆802可以是任何其他类型的车辆,诸如半自动驾驶车辆,或至少具有图像捕获设备(例如,启用相机的智能电话)的任何其他***。在一些情况下,自动驾驶车辆802可以是被配置为根据美国国家公路交通安全管理局发布的5级分类操作的自动驾驶车辆,该分类描述了一种能够在整个行程中执行所有安全关键功能的车辆,其中驾驶员(或乘员)不被期望在任何时候控制车辆。然而,在其他示例中,自动驾驶车辆802可以是具有任何其他级别或分类的完全自动驾驶车辆或部分自动驾驶车辆。
在各种示例中,车辆计算机***804可以在估计状态的集合的结束处(例如,时间段结束)存储与对象的实际位置相关联的传感器数据,并且使用该数据作为训练数据来训练一个或多个模型。在一些示例中,车辆计算机***804可以将数据提供给远程计算机设备(即与车辆计算机***分离的计算机设备,诸如计算机设备830)用于数据分析。在这样的示例中,计算机设备可以分析传感器数据以确定。
在图示的示例中,车辆计算机***804的存储器818存储一个定位部件820、一个感知部件822、一个规划部件824、一个或多个***控制器826、以及一个或多个地图828。虽然出于说明性目的在图8中描绘为存在于存储器818中,但是可以预见的是定位部件820、感知部件822、规划部件824、一个或多个***控制器826、和/或一个或多个地图828可以附加地或替代地可由车辆802访问(例如,存储在远离车辆802的存储器诸如在计算机设备830的存储器836)。
在至少一个示例中,定位部件820可以包括从一个或多个传感器***806接收数据以确定车辆802的位置和/或朝向(例如,x-位置、y-位置、z-位置、翻滚、俯仰或偏航中的一个或多个)的功能。例如,定位部件820可以包括和/或请求/接收环境的地图,例如来自一个或多个地图828和/或地图部件838的地图,并且可以连续地确定自动驾驶车辆在地图内的位置和/或朝向。在一些情况下,定位部件820可以利用SLAM(同时定位和映射)、CLAMS(同时校准、定位和映射)、相对SLAM、束调整、非线性最小二乘优化等,以接收图像数据、激光雷达数据、雷达数据、IMU数据、GPS数据、车轮编码器数据等,以准确地确定自动驾驶车辆的位置。在一些情况下,如本文所讨论的,定位部件820可以向车辆802的各种部件提供数据以确定自动驾驶车辆的初始位置,以用于确定对象与车辆802的相关性。
在一些情况下,感知部件822可以包括执行对象检测、分割和/或分类的功能。在一些示例中,感知部件822可以提供经处理的传感器数据,其指示接近车辆802的对象(例如,实体)的存在和/或对象的分类作为对象类型(例如,轿车、行人、骑自行车者、动物、建筑物、树、路面、路缘、人行道、未知等)。在一些示例中,感知部件822可以提供经处理的传感器数据,其指示接近车辆802的静止实体的存在和/或静止实体的分类作为类型(例如,建筑物、树、路面、路缘、人行道、未知等)。在附加或替代示例中,感知部件822可以提供经处理的传感器数据,其指示与检测到的对象(例如,被跟踪的对象)和/或对象所处的环境相关联的一个或多个特征。在一些示例中,与对象相关联的特征可以包括但不限于:x-位置(全局位置和/或局部位置)、y-位置(全局位置和/或局部位置)、z-位置(全局位置和/或局部位置)、朝向(例如,翻滚、俯仰、偏航)、对象类型(例如,分类)、对象的速度、对象的加速度、对象的大小(尺寸)等。与环境相关联的特征可以包括但不限于:环境中的另一对象的存在、环境中的另一对象的状态、一天中的时间、一周中的一天、季节、天气状况、黑暗/光亮的指示等。
通常,规划部件824可以确定车辆802穿过环境要遵循的路径。例如,规划部件824可以确定各种路线和轨迹以及各种细节层次。例如,规划部件824可以确定从第一位置(例如,当前位置)行进到第二位置(例如,目标位置)的路线。出于本讨论的目的,路线可以包括用于在两个位置之间行进的航路点序列。作为非限制性示例,航路点包括街道、十字路口、全球定位***(GPS)坐标等。进一步地,规划部件824可以生成指令,用于引导自动驾驶车辆沿着路线的至少一部分从第一位置到第二位置。在至少一个示例中,规划部件824可以确定如何引导自动驾驶车辆从航路点序列中的第一航路点到航路点序列中的第二航路点。在一些示例中,指令可以是轨迹或轨迹的一部分。在一些示例中,可以根据后退水平技术(receding horizon technique)基本上同时生成多个轨迹(例如,在技术公差内),其中,多个轨迹中的一个被选择用于导航车辆802。
在一些示例中,规划部件824可以包括预测部件,以生成环境中的对象(例如,对象)的预测轨迹和/或为车辆802生成预测候选轨迹。例如,预测部件可以针对距车辆802的阈值距离内的对象生成一个或多个预测轨迹。在一些示例中,预测部件可以测量对象的轨迹,并且基于观察到的行为和预测的行为来生成对象的轨迹。
在至少一个示例中,车辆计算机***804可以包括一个或多个***控制器826,该***控制器826可以被配置为控制车辆802的转向、推进、制动、安全性、发射器、通信和其他***。该***控制器826可以与驱动模块814的对应的***和/或车辆802的其他部件进行通信和/或对其进行控制。
存储器818可以进一步包括可以由车辆802使用在环境内导航的一个或多个地图828。出于本讨论的目的,地图可以是在二维、三维或N维中建模的任何数量的数据结构,其能够提供关于环境的信息,诸如但不限于拓扑(例如十字路口)、街道、山脉、道路、地形和总体环境。在一些情况下,地图可以包括但不限于:纹理信息(例如,颜色信息(例如,RGB颜色信息、Lab颜色信息、HSV/HSL颜色信息)等)、强度信息(例如,激光雷达信息、雷达信息等);空间信息(例如,投影到网格上的图像数据、单独的“面元”(例如,与单独的颜色和/或强度相关联的多边形),反射率信息(例如,镜面反射信息、逆反射信息、BRDF信息、BSSRDF信息等)。在一个示例中,地图可以包括环境的三维网格。在一些示例中,可以至少部分地基于地图828来控制车辆802。也就是说,地图828可以与定位部件820、感知部件822、和/或规划部件824结合使用,以确定车辆802的位置,检测环境中的对象和/或区域,生成路线,确定在环境内导航的动作和/或轨迹。
在一些示例中,一个或多个地图828可以被存储在经由一个或多个网络844可访问的远程计算机设备(例如,计算机设备830)上。在一些示例中,多个地图828可以基于诸如特性(例如,实体的类型、一天中的时间、一周中的一天、一年的季节等)被存储。存储多个地图828可以具有类似的存储器要求,但是增加了可以访问地图中的数据的速度。
如图8所示,计算机***830可以包括引导部件842。在各种示例中,引导部件842可以从感知部件822和/或从传感器***806接收与检测到的对象和/或区域相关联的传感器数据。在一些示例中,引导部件842可以从感知部件822和/或传感器***806接收环境特性(例如,环境因素等)和/或天气特性(例如,天气因素,诸如雪、雨、冰等)。引导部件842可以被配置为确定建议阻塞区域,例如图5的建议阻塞区域。虽然在图8中单独示出,但是引导部件842可以是规划部件824或车辆802的另一部件的一部分。
在各种示例中,引导部件842可以被配置为接收确认选择建议阻塞区域作为阻塞区域的用户输入,例如图5的阻塞区域502。引导部件842可以确定与阻塞区域相关联的信息,并且经由网络844将信息传输给车辆802。在各种示例中,信息可以包括阻塞区域的指示,该指示可由规划部件824使用以生成车辆802的一个或多个预测轨迹(例如,行进方向、速度等)。在一些示例中,引导部件842可以被配置为确定车辆802要遵循的一个或多个可用轨迹,以避开阻塞区域。附加地或替代地,引导部件842可以被配置为将一个或多个可用轨迹传输给车辆802,以供车辆在规划考虑中考虑。在一些示例中,引导部件842可以被配置为诸如基于环境特性、天气特性等确定适用于环境的轨迹。
引导部件842可以被配置为诸如通过经由用户界面从远程操作员接收输入来控制车辆802的操作。例如,远程操作员可以选择实现用户界面中的规划工具的控件,该规划工具使得能够由规划工具自动为车辆执行规划和/或由远程操作员手动为车辆执行规划。
在一些示例中,引导部件842可以被配置为接收输入以解除一个或多个阻塞区域。在一些示例中,可以使用用户界面中的控件来解除阻塞车道,其解除一个特定的阻塞区域和/或解除一组阻塞区域。在一些情况下,可以使用用户界面中对应每一个阻塞区域的控件和/或通过选择阻塞区域来单独地解除一个或多个阻塞车道。
在各种示例中,其中计算机设备830对车辆的至少一些操作进行控制,可以在计算机设备放弃对车辆的控制时自动地解除区域的阻塞。在一些示例中,当阻塞区域成为未阻塞时,可以在由车辆计算机***确定的规划考虑中移除传输到车辆的阻塞区域的对应指示(以及与其相关联的信息)。
正如可以理解的,本文讨论的部件(例如,定位部件820、感知部件822、规划部件824、一个或多个***控制器826、一个或多个地图828、引导部件842出于说明性目的被描述为划分的。然而,由各种部件执行的操作可以在任何其他部件中组合或执行。
在一些情况下,本文讨论的一些或全部部件的各方面可以包括任何模型、技术和/或机器学习技术。例如,在一些情况下,存储器818(以及下面讨论的存储器836)中的部件可以被实现为神经网络。
如本文所描述的,示例性神经网络是生物启发式技术,其将输入数据传递通过一系列连接层以产生输出。神经网络中的每一个层还可以包括另一神经网络,或者可以包括任何数量的层(无论是卷积还是非卷积)。如在本公开的上下文中可以理解的,神经网络可以利用机器学习,机器学习可以指基于学习的参数生成输出的此类技术的广泛类别。
尽管在神经网络的场景中讨论,但是可以使用与本公开一致的任何类型的机器学***滑(LOESS)),基于实例的技术(例如,岭回归、最小绝对收缩和选择算子(LASSO)、弹性网络、最小角回归(LARS)),决策树技术(例如,分类与回归树(CART)、迭代二分法3(ID3)、卡方自动交互检测(CHAID)、决策树桩、条件决策树),贝叶斯技术(例如,朴素贝叶斯、高斯朴素贝叶斯、多项式朴素贝叶斯、平均单依赖估计器(AODE)、贝叶斯信念网络(BNN)、贝叶斯网络),聚类技术(例如,k均值、k中值、期望最大化(EM)、层次聚类),关联规则学习技术(例如,感知机、反向传播、跳场网络、径向基函数网络(RBFN)),深度学习技术(例如,深度玻尔兹曼机(DBM)、深度信念网络(DBN)、卷积神经网络(CNN)、堆栈自动编码器),降维技术(例如,主成分分析(PCA)、主成分回归(PCR)、部分最小二乘回归(PLSR)、Sammon映射、多维缩放(MDS)、投影追踪、线性判别分析(LDA)、混合判别分析(MDA)、二次判别分析(QDA)、灵活判别分析(FDA)),集成技术(例如,提升方法、自举聚合(Bagging)、AdaBoost、堆栈泛化(混合)、梯度提升机(GBM)、梯度提升回归树(GBRT)、随机森林)、SVM(支持向量机)、监督学习、无监督学习、半监督学习等)。架构的附加示例包括神经网络,诸如ResNet70、ResNet101、VGG、DenseNet、PointNet等。
在至少一个示例中,传感器***806可以包括:激光雷达传感器、雷达传感器、超声传感器、声纳传感器、位置传感器(例如,GPS、罗盘等)、惯性传感器(例如,惯性测量单元(IMU)、加速度计、磁力计、陀螺仪等)、相机(例如,RGB、IR、强度、深度、飞行时间等)、麦克风、车轮编码器、环境传感器(例如,温度传感器、湿度传感器、光传感器、压力传感器等)等。传感器***806可以包括这些或其他类型的传感器中的每一个的多个实例。例如,激光雷达传感器可以包括位于车辆802的拐角、前部、后部、侧面和/或顶部的单独的激光雷达传感器。作为另一示例,相机传感器可以包括设置在围绕车辆802的外部和/或内部的各种位置处的多个相机。传感器***806可以向车辆计算机***804提供输入。附加地,或者在替代方案中,传感器***806可以在经过预定时间段之后、在接近实时等,经由一个或多个网络844将传感器数据发送到一个或多个计算机设备830。
车辆802还可以包括用于发射光和/或声音的一个或多个发射器808。发射器808可以包括内部音频发射器和内部视觉发射器以与车辆802的乘客通信。通过示例而非限制的方式,内部发射器可以包括扬声器、灯、标志、显示屏、触摸屏、触觉发射器(例如,振动和/或力反馈)、机械致动器(例如,安全带张紧器、座椅***、头枕***等)等。发射器808还可以包括外部发射器。作为示例而非限制,外部发射器可以包括示意行进方向的灯或车辆动作的其他指示器(例如,指示灯、标志、灯阵列等),以及一个或多个音频发射器(例如,扬声器、扬声器阵列、喇叭等),以与行人或其他附近车辆进行听觉通信,其中的一个或多个包括声束转向技术(acoustic beam steering technology)。
车辆802还可以包括实现车辆802与一个或多个其他本地或远程计算机设备之间的通信的一个或多个通信连接810。例如,通信连接810可以促进与车辆802和/或驱动模块814上的其他本地计算机设备的通信。而且,通信连接810可以允许车辆与其他附近的计算机设备(例如,计算机设备830、其他附近的车辆等)和/或一个或多个远程传感器***846通信以接收传感器数据。通信连接810还使得车辆802能够与远程操作计算机设备或其他远程服务通信。
通信连接810可以包括物理接口和/或逻辑接口,用于将车辆计算机***804连接到另一计算机设备或网络,例如网络844。例如,通信连接810可以启用基于Wi-Fi的通信,例如由IEEE 802.11标准定义的频率,短距离无线频率,诸如蓝牙、蜂窝通信(例如,2G、3G、4G、4GLTE、5G等),或任何合适的有线或无线通信协议,其使得相应的计算机设备能够与其他计算机设备交互。
在至少一个示例中,车辆802可以包括一个或多个驱动模块814。在一些示例中,车辆802可以具有单个驱动模块814。在至少一个示例中,如果车辆802具有多个驱动模块814,则单独的驱动模块814可以定位在车辆802的相对的端部(例如,前部和后部等)上。在至少一个示例中,驱动模块814可以包括一个或多个传感器***,以检测驱动模块814和/或车辆802的周围环境的状况。作为示例而非限制,传感器***可以包括:一个或多个车轮编码器(例如,旋转编码器)以感测驱动模块的车轮的旋转,惯性传感器(例如,惯性测量单元、加速度计、陀螺仪、磁力计等)以测量驱动模块的朝向和加速,相机或其他图像传感器,超声传感器以声学检测驱动模块的周围环境中的对象,激光雷达传感器、雷达传感器等。一些传感器,诸如车轮编码器,可以对于驱动模块814是唯一的。在一些情况下,驱动模块814上的传感器***可以重叠或补充车辆802的对应***(例如,一个或多个传感器***806)。
驱动模块814可以包括车辆***中的许多***,包括:高压电池,用于推进车辆的马达,将来自电池的直流电转换成交流电以供其他车辆***使用的逆变器,包括转向马达和转向齿条(其可以是电动)的转向***,包括液压致动器或电动致动器的制动***,包括液压部件和/或气动部件的悬架***,用于分配制动力以减轻牵引力损失并维持控制的稳定性控制***,HVAC***,照明(例如,诸如用于照亮车辆的外部周围环境的头/尾灯的照明),以及一个或多个其他***(例如,冷却***、安全***、车载充电***、其他电气部件,诸如DC/DC转换器、高压接头、高压电缆、充电***、充电端口等)。另外,驱动模块814可以包括驱动模块控制器,该驱动模块控制器可以接收和预处理来自传感器***的数据并且控制各种车辆***的操作。在一些示例中,驱动模块控制器可以包括一个或多个处理器以及与一个或多个处理器通信耦合存储器。存储器可以存储一个或多个模块以执行驱动模块814的各种功能。此外,驱动模块814还可以包括一个或多个通信连接,该一个或多个通信连接使得相应的驱动模块能够与一个或多个其他本地或远程计算机设备进行通信。
在至少一个示例中,直接连接812可以提供物理接口以将一个或多个驱动模块814与车辆802的主体联接。例如,直接连接812可以允许在驱动模块814和车辆之间传输能量、流体、空气、数据等。在一些情况下,直接连接812可以进一步将驱动模块814可释放地固定到车辆802的车身。
如上所述,在至少一个示例中,定位部件820、感知部件822、规划部件824、一个或多个***控制器826、和一个或多个地图828可以处理传感器数据,并且可以通过一个或多个网络844将其相应的输出发送到计算机设备830。在至少一个示例中,定位部件820、感知部件822、规划部件824、和一个或多个***控制器826、一个或多个地图828可以在预定时间段之后、在接近实时等,以特定频率向计算机设备830发送它们各自的输出。
在一些示例中,车辆802可以经由网络844将传感器数据发送到计算机设备830。在一些示例中,车辆802可以经由网络844从计算机设备830和/或远程传感器***846接收传感器数据。传感器数据可以包括原始传感器数据和/或经处理的传感器数据和/或传感器数据的表示。在一些示例中,传感器数据(原始的或经处理的)可以作为一个或多个日志文件被发送和/或接收。
计算机设备830可以包括处理器832、用户界面834、和存储地图部件838的存储器836、传感器数据处理部件840、和引导部件842。在一些示例中,地图部件838可以包括用于生成各种分辨率的地图的功能。在这样的示例中,地图部件838可以向车辆计算机***804发送一个或多个地图以用于导航目的。在各种示例中,传感器数据处理部件840可以被配置为从一个或多个远程传感器(诸如传感器***806和/或远程传感器***846)接收数据。在一些示例中,传感器数据处理部件840可以被配置为处理数据并且将经处理的传感器数据发送到车辆计算机***804,诸如以供规划部件824使用。在一些示例中,传感器数据处理部件840可以被配置为将原始传感器数据发送到车辆计算机***804。
车辆802的处理器816和计算机设备830的处理器832可以是能够执行指令以处理数据并执行如本文所述的操作的任何合适的处理器。作为示例而非限制,处理器816和832可以包括一个或多个中央处理单元(CPU)、图形处理单元(GPU)、或任何其他设备或设备的一部分,其处理电子数据以将该电子数据转换成可以存储在寄存器和/或存储器中的其他电子数据。在一些示例中,集成电路(例如,ASIC等)、门阵列(例如,FPGA等)、和其他硬件设备也可以被认为是被配置为实现编码的指令的处理器。
存储器818和存储器836是非暂时性计算机可读介质的示例。存储器818和存储器836可以存储操作***和一个或多个软件应用、指令、程序、和/或数据以实现本文描述的方法以及归属于各种***的功能。在各种实施例中,存储器可以使用任何合适的存储器技术来实现,诸如静态随机存取存储器(SRAM)、同步动态RAM(SDRAM)、非易失性/闪存型存储器、或能够存储信息的任何其他类型的存储器。本文描述的架构、***和单独的元件可以包括许多其他逻辑部件、程序化部件和物理部件,其中附图中示出的那些部件仅仅是与本文中的讨论有关的示例。
在一些情况下,存储器818和存储器836可至少包括工作存储器和存储内存。例如,工作存储器可以是有限容量的高速存储器(例如,缓存),用于存储要由处理器816和处理器832操作的数据。在一些情况下,存储器818和存储器836可包括存储内存,其可以是相对大容量的较低速度存储器,用于数据的长期存储。在一些情况下,如本文所讨论的,处理器816和处理器832不能直接对存储在存储内存中的数据进行操作,并且数据可能需要被加载到工作存储器中以基于数据执行操作。
应当注意,虽然图8被示出为分布式***,但是在替代示例中,车辆802的部件可以与计算机设备830相关联,和/或计算机设备830的部件可以与车辆802相关联。也就是说,车辆802可以执行与计算机设备830相关联的一个或多个功能,且反之亦然。
图9示出了根据本公开的实施例的示例过程。这些过程被示出为逻辑流程图,其每一个操作表示可以在硬件、软件或其组合中实现的操作序列。在软件的场景中,操作表示存储在一个或多个计算机可读存储介质上的计算机可执行指令,当由一个或多个处理器执行时,执行所述的操作。通常,计算机可执行指令包括执行特定功能或实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。描述操作的顺序不旨在被解释为限制,并且任何数量的所描述的操作可以按任何顺序和/或并行地组合以实现过程。
图9是描绘示例过程900的流程图,其用于将示例环境的区域指定为阻塞的。如本文所述,过程900中的一些或全部可以由图8中的一个或多个部件执行。例如,过程900中的一些或全部可以由计算机***830执行。
在操作902处,该过程可以包括从车辆的传感器接收传感器数据。例如,远程操作中心的计算机***可以被配置为接收表示相对于环境中的一个或多个对象的车辆的传感器数据。传感器数据可以从车辆上的一个或多个传感器和/或从一个或多个远程传感器被接收。在一些示例中,车辆的车辆计算机***可以被配置为检测动态对象、静态对象、和/或区域。在一些示例中,传感器数据可以与地图数据组合,该地图数据表示环境的固定特征,包括但不限于人行横道、交通信号、学校区域、自行车道等。在各种示例中,可以利用机器学习技术来检测对象。在这样的示例中,可以训练一个或多个机器学习算法以基于传感器数据来检测对象。
在操作904处,该过程可以包括至少部分地基于传感器数据来确定环境中沿着车辆的路径的建议阻塞区域。例如,计算机设备可以至少部分地基于传感器数据和地图数据来确定建议阻塞区域402。例如,计算机设备830可以至少基于存储表示环境的特征的地图来确定建议阻塞区域402的尺寸和/或建议阻塞区域402的形状以用于呈现。在各种示例中,可以至少部分地基于与路段(路段214)、道路中的阻塞车道、道路中的施工区和/或(例如,由于地平线)车辆视线以外的区域相关联的区域来确定建议阻塞区域。例如,计算机***可以确定建议阻塞区域402表示道路的一个车道、道路的多个车道、道路的一个车道的一部分等。在各种示例中,车辆可以将建议阻塞区域502传送到计算机设备,以由计算机设备处理和/或在用户界面上呈现。
在操作906处,该过程可以包括使建议阻塞区域呈现在计算机设备的用户界面中。例如,在各种示例中,计算机设备830可以确定建议阻塞区域402,并且将建议阻塞区域402呈现在用户界面400中。在各种示例中,计算机设备830可以至少部分地基于从车辆接收辅助请求,将建议阻塞区域402呈现在用户界面400中。在各种示例中,计算机设备830可以经由用户界面接收用户输入,以调整建议阻塞区域的特征(起点、终点、长度、宽度等)。
在操作908处,该过程可以包括经由用户界面接收用户输入,该用户输入确认选择建议阻塞区域作为阻塞区域。在各种示例中,用户界面400可以接收控件(控件404)的用户输入以将建议阻塞区域402确认为阻塞区域502。在没有接收到用户输入的示例中(用“否”指示),则该过程可以包括从车辆接收附加的传感器数据。在这样的示例中,新传感器数据可以导致呈现另一建议阻塞区域。在一些示例中,远程操作员可以修正建议阻塞区域402和/或阻塞区域502。例如,计算机设备可以经由用户界面接收用户输入以调整建议区域402的尺寸、建议区域402的形状、阻塞区域502的尺寸、或阻塞区域502的形状中的至少一个。
在示例中,当接收到用户输入时(用“是”指示),则该过程可以包括:在操作910处,在没有进一步的用户输入的情况下向车辆发送阻塞区域的指示。在各种示例中,计算机设备830可以至少部分地基于在用户界面400的控件404处接收用户输入,将关于阻塞区域502的信息传输到车辆(并且在一些示例中,也可能受到阻塞区域502影响的附加车辆)。信息(例如,路段标识、车道标识、阻塞区域的起点、阻塞区域的长度等)可以由车辆计算机***处理以导航车辆经过阻塞区域。
本文中所描述的方法表示可在硬件、软件或其组合中实施的操作序列。在软件的场景中,块表示存储在一个或多个计算机可读存储介质上的计算机可执行指令,当由一个或多个处理器执行时,执行所述的操作。通常,计算机可执行指令包括执行特定功能或实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。描述操作的顺序并不旨在被解释为限制,并且任何数量的所描述的操作可以按任何顺序和/或并行地组合以实现过程。在一些实施例中,可以完全省略该方法的一个或多个操作。作为示例而非限制,可以在没有操作610、612、和/或614的情况下执行操作604和608。此外,本文描述的方法可以全部或部分地彼此组合或与其他方法组合。
本文描述的各种技术可以在计算机可执行指令或软件的场景中(诸如程序模块)实现,计算机可执行指令或软件存储在计算机可读存储中并且由诸如图中所示的那些一个或多个计算机设备的处理器执行。通常,程序模块包括例程、程序、对象、部件、数据结构等,并且定义操作逻辑用于执行特定任务或实现特定抽象数据类型。
可以使用其他架构来实现所描述的功能,并且旨在将其包括在本公开的范围内。此外,尽管出于讨论的目的上文定义了责任的具体分布,但是根据情况,各种功能和责任可以按不同的方式分布和划分。
类似地,可以按各种方式并且使用不同的手段来存储和分布软件,并且上述特定的软件存储和执行配置可以按许多不同的方式变化。因此,实现上述技术的软件可以分布在各种类型的计算机可读介质上,不限于具体描述的存储器的形式。
示例条款
本部分中的示例条款中的任一个可以与本文描述的任何其他示例条款和/或任何其他示例或实施例一起使用。
A:一种***,包括:一个或多个处理器;以及存储指令的非暂时性计算机可读存储介质,所述指令当由一个或多个处理器执行时使***执行包括以下操作,包括:从与穿过环境的车辆相关联的传感器接收传感器数据;至少部分地基于传感器数据,确定环境中沿着车辆的路径的建议阻塞区域;使建议阻塞区域呈现在用户界面中;由用户界面接收确认选择建议区域作为阻塞区域的用户输入;以及将阻塞区域的指示传输到车辆。
B:如段落A所描述的***,其中,建议阻塞区域包括环境中的道路的车道。
C:如段落A或B所描述的***,其中,进一步至少部分地基于存储环境的特征的地图,确定环境中的建议阻塞区域。
D:如段落A-C所描述的***,其中,车辆是一队车辆的单独车辆,并且该操作还包括将阻塞区域的指示传输到一队车辆的附加车辆。
E:如段落A-D所描述的***,该操作进一步包括:由用户界面接收至少部分地基于地图数据车辆能够在先前指定为不可行驶的区域中行驶的指示。
F:一种方法,包括:从与穿过环境的车辆相关联的传感器接收传感器数据;至少部分地基于传感器数据,确定车辆被禁止在其中行进的环境的建议区域;使建议区域呈现在用户界面中;以及接收确认选择建议阻塞区域作为阻塞区域的用户输入;以及传输阻塞区域的指示。
G:如段落F所描述的方法,其中,建议阻塞区域包括环境中的道路的车道。
H:如段落F或G所描述的方法,进一步包括将阻塞区域存储在地图中。
I:如段落F-H所描述的方法,进一步包括经由用户界面接收确认选择解除阻塞区域的用户输入。
J:如段落F-I所描述的方法,进一步包括:从车辆接收解除阻塞区域的请求,以及其中,至少部分地基于该请求,经由用户界面接收确认选择解除阻塞区域的用户输入。
K:如段落F-J所描述的方法,进一步包括经由用户界面接收用户输入以调整建议区域的尺寸或建议区域的形状中的至少一个。
L:如段落F-K所描述的方法,其中,传输阻塞区域的指示包括将阻塞区域的指示传输到一队车辆的另一车辆。
M:如段落F-L所描述的方法,其中,建议区域至少部分地基于地图数据。
N:如段落F-M所描述的方法,进一步包括至少部分地基于阻塞区域的指示,使车辆在环境中在导航下行驶。
O:一种存储指令的非暂时性计算机可读存储介质,当指令被执行时,使一个或多个处理器执行以下操作,包括:从与穿过环境的车辆相关联的传感器接收传感器数据;至少部分地基于传感器数据,确定车辆被禁止在其中行进的环境的建议区域;使建议区域呈现在用户界面中;以及接收用户输入,该用户输入确认选择建议阻塞区域作为阻塞区域;以及传输阻塞区域的指示。
P:如段落O所描述的非暂时性计算机可读存储介质,其中,建议阻塞区域包括环境中的道路的车道。
Q:如段落O或P所描述的非暂时性计算机可读存储介质,其中,进一步至少部分地基于存储环境的特征的地图,确定环境中的建议阻塞区域。
R:如段落O-Q所描述的非暂时性计算机可读存储介质,其中,车辆是一队车辆中的单独车辆,并且该操作进一步包括将阻塞区域的指示传输到一队车辆的附加车辆。
S:如段落O-R所描述的非暂时性计算机可读存储介质,该操作进一步包括:由用户界面至少部分地基于地图数据来接收车辆可以在先前指定为不可行驶的区域中行驶的指示。
T:如段落O-Q所描述的非暂态计算机可读存储介质,其中,传输阻塞区域的指示包括将阻塞区域的指示传输到一队车辆的另一车辆。
虽然上面描述的示例条款是针对一种特定实施例进行描述,但是应当理解,在本文档的上下文中,示例条款的内容也可以经由方法、设备、***、计算机可读介质和/或另一实现方式来实现。
结论
虽然已经描述了本文所述的技术的一个或多个示例,但是其各种改变、添加、置换和等同物被包括在本文所描述的技术的范围内。
在示例的描述中,参考形成其一部分的附图,附图通过图示的方式示出所要求保护的主题的具体示例。应当理解,可以使用其他示例,并且可以进行诸如结构改变的改变或更改。这样的示例、改变或更改不一定偏离关于意图要求保护的主题的范围。虽然本文中的步骤可以按某种顺序呈现,但是在一些情况下,可以改变排序,使得某些输入在不同的时间或按不同的顺序提供,而不改变所描述的***和方法的功能。所公开的程序也可以按不同的顺序执行。另外,不需要按照所公开的顺序执行本文的计算,并且可以容易地实现使用计算的替代顺序的其他示例。除了被重新排序之外,还可以将计算分解为具有相同结果的子计算。
Claims (15)
1.一种***,所述***包括:
一个或多个处理器;以及
存储指令的非暂时性计算机可读存储介质,所述指令在由所述一个或多个处理器执行时,使所述***执行以下操作,包括:
从与穿过环境的车辆相关联的传感器接收传感器数据;
至少部分地基于所述传感器数据,确定所述环境中沿着所述车辆的路径的建议阻塞区域;
使所述建议阻塞区域呈现在用户界面中;
由所述用户界面接收确认选择所述建议阻塞区域作为阻塞区域的用户输入;以及
将所述阻塞区域的指示传输到所述车辆。
2.根据权利要求1所述的***,其中,所述建议阻塞区域包括所述环境中的道路的车道。
3.根据权利要求1或2所述的***,其中,进一步至少部分地基于存储所述环境的特征的地图,确定所述环境中的所述建议阻塞区域。
4.根据权利要求1-3中任一项所述的***,其中,所述车辆是一队车辆的单独车辆,并且所述操作进一步包括将所述阻塞区域的所述指示传输到所述一队车辆的附加车辆。
5.根据权利要求1-4中任一项所述的***,所述操作进一步包括由所述用户界面接收至少部分地基于地图数据所述车辆能够在先前指定为不可行驶的区域中行驶的指示。
6.一种方法,包括:
从与穿过环境的车辆相关联的传感器接收传感器数据;
至少部分地基于所述传感器数据,确定环境的建议区域,所述车辆被禁止在所述建议区域中行进;
使所述建议区域呈现在用户界面中;以及
接收确认选择建议阻塞区域作为阻塞区域的用户输入;以及
传输所述阻塞区域的指示。
7.根据权利要求6所述的方法,其中,所述建议阻塞区域包括所述环境中的道路的车道。
8.根据权利要求6或7中任一项所述的方法,进一步包括将所述阻塞区域存储在地图中。
9.根据权利要求6-8中任一项所述的方法,进一步包括经由所述用户界面接收确认选择解除所述阻塞区域的用户输入。
10.根据权利要求9所述的方法,进一步包括从所述车辆接收解除所述阻塞区域的请求,并且其中,至少部分地基于所述请求,经由所述用户界面接收确认选择解除所述阻塞区域的用户输入。
11.根据权利要求6-10中任一项所述的方法,进一步包括经由所述用户界面接收调整所述建议区域的尺寸或所述建议区域的形状中的至少一个的用户输入。
12.根据权利要求6-11中任一项所述的方法,其中,传输所述阻塞区域的指示包括将所述阻塞区域的所述指示传输到一队车辆的另一车辆。
13.根据权利要求6-12中任一项所述的方法,其中,所述建议区域至少部分地基于地图数据。
14.根据权利要求6-13中任一项所述的方法,进一步包括至少部分地基于所述阻塞区域的指示,使所述车辆在所述环境中在导航下行驶。
15.一种存储编码指令的计算机程序产品,当所述指令在计算机上运行时,实现根据权利要求6-14中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/716,411 | 2019-12-16 | ||
US16/716,411 US11353877B2 (en) | 2019-12-16 | 2019-12-16 | Blocked region guidance |
PCT/US2020/065125 WO2021126853A1 (en) | 2019-12-16 | 2020-12-15 | Blocked region guidance |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114830055A true CN114830055A (zh) | 2022-07-29 |
Family
ID=76317002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080086781.4A Pending CN114830055A (zh) | 2019-12-16 | 2020-12-15 | 阻塞区域引导 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11353877B2 (zh) |
EP (1) | EP4078319A4 (zh) |
JP (1) | JP2023506840A (zh) |
CN (1) | CN114830055A (zh) |
WO (1) | WO2021126853A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3882813A1 (en) | 2020-03-20 | 2021-09-22 | Aptiv Technologies Limited | Method for generating a dynamic occupancy grid |
US11730089B2 (en) * | 2020-03-25 | 2023-08-22 | Iunu, Inc. | Horticulture aided by autonomous systems |
US11656624B2 (en) * | 2020-03-25 | 2023-05-23 | Iunu, Inc. | Horticulture aided by autonomous systems |
EP3905106A1 (en) * | 2020-04-27 | 2021-11-03 | Aptiv Technologies Limited | Method for determining a drivable area |
EP3905105A1 (en) * | 2020-04-27 | 2021-11-03 | Aptiv Technologies Limited | Method for determining a collision free space |
US20230177839A1 (en) * | 2021-12-02 | 2023-06-08 | Nvidia Corporation | Deep learning based operational domain verification using camera-based inputs for autonomous systems and applications |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3348675B2 (ja) * | 1999-03-16 | 2002-11-20 | 株式会社デンソー | 車載用ナビゲーション装置 |
JP5087352B2 (ja) * | 2007-09-18 | 2012-12-05 | アルパイン株式会社 | 車載用ナビゲーション装置 |
US8731777B2 (en) | 2009-08-18 | 2014-05-20 | Crown Equipment Corporation | Object tracking and steer maneuvers for materials handling vehicles |
US9720410B2 (en) * | 2014-03-03 | 2017-08-01 | Waymo Llc | Remote assistance for autonomous vehicles in predetermined situations |
WO2017079349A1 (en) | 2015-11-04 | 2017-05-11 | Zoox, Inc. | System for implementing an active safety system in an autonomous vehicle |
US10322717B2 (en) * | 2016-01-04 | 2019-06-18 | GM Global Technology Operations LLC | Expert mode for vehicles |
WO2017136283A1 (en) * | 2016-02-05 | 2017-08-10 | Pcms Holdings, Inc. | System and method for adaptively informing road users about a temporary traffic disturbance |
US10303166B2 (en) * | 2016-05-23 | 2019-05-28 | nuTonomy Inc. | Supervisory control of vehicles |
US10163015B2 (en) | 2016-11-16 | 2018-12-25 | Ford Global Technologies, Llc | Detecting foliage using range data |
US10268191B1 (en) | 2017-07-07 | 2019-04-23 | Zoox, Inc. | Predictive teleoperator situational awareness |
KR102038317B1 (ko) * | 2017-11-21 | 2019-10-30 | 주식회사 티티엔지 | 정확한 위치정보를 기반으로 자율주행이 가능한 골프카트 시스템 및 그 시스템을 이용한 골프카트 제어방법 |
US10845207B2 (en) * | 2018-01-18 | 2020-11-24 | Verizon Patent And Licensing Inc. | Navigation based on regional navigation restrictions |
KR20190095179A (ko) * | 2019-07-24 | 2019-08-14 | 엘지전자 주식회사 | 제한 구역에서의 자율 주행 제어 방법 및 이를 이용한 자율 주행 시스템 |
-
2019
- 2019-12-16 US US16/716,411 patent/US11353877B2/en active Active
-
2020
- 2020-12-15 JP JP2022536678A patent/JP2023506840A/ja active Pending
- 2020-12-15 WO PCT/US2020/065125 patent/WO2021126853A1/en unknown
- 2020-12-15 CN CN202080086781.4A patent/CN114830055A/zh active Pending
- 2020-12-15 EP EP20903416.4A patent/EP4078319A4/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4078319A1 (en) | 2022-10-26 |
JP2023506840A (ja) | 2023-02-20 |
WO2021126853A1 (en) | 2021-06-24 |
EP4078319A4 (en) | 2024-01-17 |
US11353877B2 (en) | 2022-06-07 |
US20210181750A1 (en) | 2021-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11631200B2 (en) | Prediction on top-down scenes based on action data | |
US20210278853A1 (en) | Determining occupancy of occluded regions | |
US11554790B2 (en) | Trajectory classification | |
US11708093B2 (en) | Trajectories with intent | |
JP2022553310A (ja) | 衝突ゾーンに基づく軌道修正 | |
CN113544035A (zh) | 遮挡预测和轨迹评估 | |
US11513519B1 (en) | Sharing occlusion data | |
US11353877B2 (en) | Blocked region guidance | |
CN113015664A (zh) | 感知防撞 | |
US11584389B2 (en) | Teleoperations for collaborative vehicle guidance | |
CN114026514A (zh) | 远程车辆导引 | |
US20210325880A1 (en) | Collaborative vehicle guidance | |
US20230067887A1 (en) | Techniques for detecting road blockages and generating alternative routes | |
US11858529B1 (en) | Predicting articulated object states | |
CN117980212A (zh) | 基于优化的规划*** | |
CN117616355A (zh) | 用于全双工***中的a-csi-rs的qcl确定 | |
WO2021138475A1 (en) | Vehicle control to join and depart a route | |
CN114080341A (zh) | 联系远程操作员的技术 | |
US11970164B1 (en) | Adverse prediction planning | |
JP2023525054A (ja) | 軌道分類 | |
CN115443233A (zh) | 针对协作车辆引导的遥操作 | |
JP2022544835A (ja) | 進路変更の前の合流に対する車線処理 | |
US12039784B1 (en) | Articulated object determination | |
US20230060435A1 (en) | Remote assistance for vehicles | |
US20240174256A1 (en) | Vehicle trajectory tree search for off-route driving maneuvers |
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 |