CN115071692A - 自动驾驶中事件避免和减轻的概率自适应风险范围 - Google Patents

自动驾驶中事件避免和减轻的概率自适应风险范围 Download PDF

Info

Publication number
CN115071692A
CN115071692A CN202111566046.6A CN202111566046A CN115071692A CN 115071692 A CN115071692 A CN 115071692A CN 202111566046 A CN202111566046 A CN 202111566046A CN 115071692 A CN115071692 A CN 115071692A
Authority
CN
China
Prior art keywords
host vehicle
vehicle
processor
range
event
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
Application number
CN202111566046.6A
Other languages
English (en)
Inventor
M.沙里亚里
R.扎林哈拉姆
V.维尼加拉
D.费尔德曼
K.加迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN115071692A publication Critical patent/CN115071692A/zh
Pending legal-status Critical Current

Links

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
    • B60W30/18—Propelling the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

在示例性实施例中，提供了一种***，该***包括一个或多个第一传感器、一个或多个第二传感器和处理器。所述一个或多个第一传感器设置在主车辆上，并且被配置为至少有助于获得关于主车辆的第一传感器数据。所述一个或多个第二传感器设置在主车辆上，并且被配置为至少有助于获得关于主车辆附近的目标车辆的第二传感器数据。处理器耦合到一个或多个第一传感器和一个或多个第二传感器，并且被配置成至少有助于：创建自适应预测范围，该范围包括关于主车辆和目标车辆之间的可能车辆事件的概率时间到事件范围；以及基于概率时间到事件范围控制主车辆。

Description

自动驾驶中事件避免和减轻的概率自适应风险范围
技术领域
本公开内容一般涉及车辆，更具体地，涉及用于控制车辆避免和减轻与目标车辆的事件的方法和***。
背景技术
今天的某些车辆包括用于避免和减轻车辆事件的***，例如当主车辆将接触目标车辆时。然而，这种现有的车辆***在某些情况下可能不总是提供最佳的避免和减轻。
因此，期望提供用于控制车辆以避免和减轻目标车辆的车辆事件的改进方法和***。
发明内容
根据示例性实施例，提供了一种***，该***包括一个或多个第一传感器、一个或多个第二传感器和处理器。一个或多个第一传感器设置在主车辆上，并且被配置为至少有助于获得关于主车辆的第一传感器数据。所述一个或多个第二传感器设置在主车辆上，并且被配置为至少有助于获得关于主车辆附近的目标车辆的第二传感器数据。处理器耦合到一个或多个第一传感器和一个或多个第二传感器，并且被配置成至少有助于：创建自适应预测范围，该范围包括关于主车辆和目标车辆之间的可能车辆事件的概率时间到事件范围；以及基于概率时间到事件范围控制主车辆。
同样在示例性实施例中，处理器还被配置成至少有助于基于概率时间到事件范围同时控制主车辆的横向和纵向移动。
同样在示例性实施例中，处理器还被配置成至少有助于：使用与第一传感器、第二传感器中的一个或多个或与两者相关联的相应不确定性来估计自适应预测风险范围的预测不确定性；使用预测不确定性生成校正的概率时间到事件范围；以及基于校正的概率时间到事件范围控制主车辆。
同样在示例性实施例中，处理器还被配置成至少有助于：为自适应预测范围生成概率风险范围；以及基于概率时间到事件范围和概率风险范围来控制主车辆。
同样在示例性实施例中，处理器还被配置成至少有助于：使用第一传感器数据和第二传感器数据生成预测潜在事件区域；以及计算与潜在事件区域相关联的特定事件的风险。
同样在示例性实施例中，处理器还被配置成至少有助于：基于概率时间到事件范围和概率风险范围生成用于控制的类别；以及基于用于控制的类别，基于概率时间到事件范围和概率风险范围两者来控制主车辆。
同样在示例性实施例中，处理器还被配置为至少有助于从多个不同的类别分组中生成用于控制的类别，包括：代表第一紧急级别的第一类别分组，并且要求向主车辆的驾驶员或其他用户提供通知；第二类别分组，代表比第一紧急级别更高的第二紧急级别，并要求根据处理器提供的指令为主车辆提供任务规划控制；以及代表第三紧急级别的第三类别分组，该第三紧急级别高于第一紧急级别和第二紧急级别，并且要求根据由处理器提供的指令为主车辆提供反应计划控制。
同样在示例性实施例中，处理器还被配置成至少有助于基于概率时间到事件范围来控制主车辆的转向。
同样在示例性实施例中，处理器还被配置成至少有助于基于概率时间到事件范围来控制主车辆的横向和纵向移动。
在另一示例性实施例中，提供了一种方法，该方法包括：从主车辆上搭载的一个或多个第一传感器获得关于主车辆的第一传感器数据；从搭载在主车辆上的一个或多个第二传感器获得关于邻近主车辆的目标车辆的第二传感器数据；经由主车辆上的处理器创建自适应预测范围，该范围包括关于主车辆和目标车辆之间的可能车辆事件的概率时间到事件范围；以及经由由处理器提供的指令基于概率时间到事件范围控制主车辆。
同样在示例性实施例中，控制主车辆的步骤包括根据处理器提供的指令，基于概率时间到事件范围，向主车辆的用户提供通知。
同样在示例性实施例中，控制主车辆的步骤包括根据处理器提供的指令，基于概率时间到事件范围，同时控制主车辆的横向和纵向移动。
同样在示例性实施例中，该方法还包括：通过处理器，使用与第一传感器、第二传感器中的一个或多个或与两者相关联的相应不确定性，来估计自适应预测风险范围的预测不确定性；以及通过处理器使用预测不确定性生成校正的概率时间到事件范围；其中控制主车辆的步骤包括基于校正的概率时间到事件范围控制主车辆。
同样在示例性实施例中，该方法还包括：经由处理器生成自适应预测范围的概率风险范围；其中控制主车辆的步骤包括经由处理器提供的指令，基于概率时间到事件范围和概率风险范围来控制主车辆。
同样在示例性实施例中，概率风险范围的生成包括：使用第一传感器数据和第二传感器数据生成预测潜在事件区域；以及计算与潜在事件区域相关联的特定事件的风险。
同样在一个示例性实施例中，该方法还包括：通过处理器基于概率时间到事件范围和概率风险范围生成控制类别；其中控制主车辆的步骤包括经由处理器提供的指令基于概率时间到事件范围和概率风险范围来控制主车辆，其中指令基于控制的类别。
同样在示例性实施例中，用于控制的类别是从多个不同的类别分组中生成的，包括：代表第一紧急级别的第一类别分组，并且要求向主车辆的驾驶员或其他用户提供通知；第二类别分组，代表比第一紧急级别更高的第二紧急级别，并要求根据处理器提供的指令为主车辆提供任务规划控制；以及代表第三紧急级别的第三类别分组，该第三紧急级别高于第一紧急级别和第二紧急级别，并且要求根据由处理器提供的指令为主车辆提供反应计划控制。
在另一示例性实施例中，提供了一种车辆，其包括：车身、推进***、一个或多个第一传感器、一个或多个第二传感器和处理器。推进***被配置成产生车身的运动。一个或多个第一传感器设置在主车辆上，并且被配置为至少有助于获得关于主车辆的第一传感器数据。一个或多个第二传感器设置在主车辆上，并且被配置为至少有助于获得关于主车辆附近的目标车辆的第二传感器数据。处理器耦合到一个或多个第一传感器和一个或多个第二传感器，并且被配置成至少有助于：创建自适应预测范围，该范围包括关于主车辆和目标车辆之间的可能车辆事件的概率时间到事件范围；以及基于概率时间到事件范围控制主车辆。
同样在示例性实施例中，处理器还被配置成至少有助于：使用与第一传感器、第二传感器中的一个或多个或与两者相关联的相应不确定性来估计自适应预测风险范围的预测不确定性；使用预测不确定性生成校正的概率时间到事件范围；以及基于校正的概率时间到事件范围控制主车辆。
同样在示例性实施例中，处理器还被配置成至少有助于：为自适应预测范围生成概率风险范围；以及基于概率时间到事件范围和概率风险范围来控制主车辆。
附图说明
下文将结合以下附图描述本公开，其中相同的附图标记表示相同的元件，并且其中：
图1是根据示例性实施例的车辆的功能框图，该车辆包括用于控制车辆避免和减轻与目标车辆的车辆事件的控制***；
图2是根据示例性实施例的用于控制车辆以避免和减轻与目标车辆的车辆事件的过程的流程图，并且该过程可以结合图1的车辆来实现；和
图3-5描绘了根据示例性实施例的图2的过程的说明性实现。
具体实施方式
以下详细描述本质上仅仅是示例性的，并不旨在限制本公开或其应用和用途。此外，不打算受前面背景技术或下面详细描述中提出的任何理论的约束。
图1示出了根据示例性实施例的车辆100(这里也称为“主车辆”100)。如下文更详细描述的，车辆100包括控制***102，用于控制车辆100，同时避免或减轻其他车辆的车辆事件。如这里所使用的，术语“事件”或“车辆事件”包括当一辆车辆接触另一辆车辆(这里也称为“目标车辆”)时的事件。
在各种实施例中，车辆100包括汽车。在某些实施例中，车辆100可以是多种不同类型的汽车中的任何一种，例如轿车、货车、卡车或运动型多功能车(SUV)，并且可以是两轮驱动(2WD)(即后轮驱动或前轮驱动)、四轮驱动(4WD)或全轮驱动(AWD)，和/或各种其他类型的车辆。在某些实施例中，车辆100还可以包括摩托车或其他车辆，例如飞机、航天器、船只等，和/或一个或多个其他类型的移动平台(例如，机器人和/或其他移动平台)。
车辆100包括布置在底盘116上的车身104。车身104基本上包围车辆100的其他部件。车身104和底盘116可以共同形成框架。车辆100还包括多个车轮112。车轮112每个都在车身104的相应拐角附近可旋转地连接到底盘116，以便于车辆100的运动。在一个实施例中，车辆100包括四个车轮112，尽管这可以在其他实施例中变化(例如对于卡车和某些其他车辆)。
驱动***110安装在底盘116上，并例如通过轴114驱动车轮112。驱动***110优选包括推进***。在某些示例性实施例中，驱动***110包括与其变速器连接的内燃机和/或电动机/发电机。在某些实施例中，驱动***110可以变化，和/或可以使用两个或更多个驱动***112。举例来说，车辆100还可以结合多种不同类型的推进***中的任何一种或其组合，例如汽油或柴油燃料的内燃机、“柔性燃料车辆”(FFV)发动机(即使用汽油和酒精的混合物)、气体化合物(例如氢气和/或天然气)燃料的发动机、燃烧/电动机混动发动机和电动机。
如图1所示，在各种实施例中，车辆还包括制动***106和转向***108。在示例性实施例中，制动***106使用制动部件控制车辆100的制动，该制动部件通过由驾驶员提供的输入(例如，在某些实施例中，通过制动踏板)控制和/或通过控制***102自动控制。同样在示例性实施例中，转向***108经由转向部件(例如，耦合到车轴114和/或车轮112的转向柱)控制车辆100的转向，该转向部件经由由驾驶员提供的输入(例如，在某些实施例中经由方向盘)控制和/或经由控制***102自动控制。
在图1所示的实施例中，控制***102连接到制动***106、转向***108和驱动***110。同样如图1所示，在各种实施例中，控制***102包括传感器阵列120、定位***130、显示***135和控制器140。
在各种实施例中，传感器阵列120包括获得传感器数据的各种传感器，用于跟踪道路高度并基于道路高度控制车辆10。在所描绘的实施例中，传感器阵列120包括惯性测量传感器121、输入传感器122(例如，测量由驾驶员提供的制动输入的制动踏板传感器和/或触摸屏传感器和/或被配置为从车辆10的驾驶员或其他用户接收输入的其他输入传感器)；转向传感器123(例如，耦合到车辆10的方向盘和/或车轮并被配置为测量其转向角)、轮胎传感器124(例如，测量车辆100的一个或多个轮胎的压力)、速度传感器125(例如，车轮速度传感器和/或被配置为测量车辆速度和/或速度和/或用于计算这种速度和/或速度的数据的其他传感器)、质量传感器129(例如，为了测量车辆100和/或其一个或多个部件的质量，摄像机126(例如，被配置为获得摄像机图像，例如关于道路上的其他车辆)、激光雷达传感器127(例如，被配置为获得激光雷达数据，例如关于道路上的其他车辆)、雷达传感器128(例如，被配置为获得雷达数据，例如关于道路上的其他车辆)和/或一个或多个其他传感器131(例如，包括被配置为获得数据的一个或多个其他超声波传感器)。
同样在各种实施例中，定位***130被配置成获得和/或生成关于车辆所处和/或行驶的位置和/或方位的数据。在某些实施例中，定位***130包括和/或耦合到基于卫星的网络和/或***，例如全球定位***和/或其他基于卫星的***。
在各种实施例中，显示***135向车辆100的驾驶员或其他用户提供通知。在各种实施例中，当车辆100和一个或多个目标车辆之间的潜在事件被确定时，显示***135提供音频、视觉、触觉和/或其他通知，使得驾驶员或用户可以采取适当的纠正措施。
在各种实施例中，控制器140耦合到传感器阵列120、定位***130和显示***135。同样在各种实施例中，控制器140包括计算机***(这里也称为计算机***14)，并且包括处理器142、存储器144、接口146、存储设备148和计算机总线150。在各种实施例中，控制器(或计算机***)140基于来自传感器阵列120的数据控制车辆操作，包括避免和减轻车辆事件。在各种实施例中，控制器140根据图2的过程的步骤和图3-5的实施例提供这些功能和其他功能。
在各种实施例中，控制器140(以及在某些实施例中，控制***102本身)设置在车辆100的车身104内。在一个实施例中，控制***102安装在底盘116上。在某些实施例中，控制器104和/或控制***102和/或其一个或多个组件可以设置在车身104的外部，例如远程服务器上、云中或远程执行图像处理的其他设备上。
应当理解，控制器140可以不同于图1所示的实施例。例如，控制器140可以耦合到或者可以利用一个或多个远程计算机***和/或其他控制***，例如作为一个或多个上述车辆100设备和***的一部分。
在所描绘的实施例中，控制器140的计算机***包括处理器142、存储器144、接口146、存储设备148和总线150。处理器142执行控制器140的计算和控制功能，并且可以包括任何类型的处理器或多个处理器、诸如微处理器的单个集成电路、或者任何合适数量的集成电路设备和/或电路板，它们协同工作以实现处理单元的功能。在操作期间，处理器142执行包含在存储器144中的一个或多个程序152，并且因此控制控制器140和控制器140的计算机***的一般操作，通常是在执行这里描述的过程中，例如下面结合图2和图2-5的实施例进一步讨论的过程200。
存储器144可以是任何类型的合适存储器。例如，存储器144可以包括各种类型的动态随机存取存储器(DRAM)，例如软件随机存取存储器(SDRAM)、各种类型的静态随机存取存储器(SRAM)和各种类型的非易失性存储器(可编程只读存储器、电可编程只读存储器和闪存)。在某些示例中，存储器144位于和/或共同位于与处理器142相同的计算机芯片上。在所描绘的实施例中，存储器144存储上述程序152以及地图数据154(例如，来自和/或结合定位***130使用)和一个或多个存储值156(例如，在各种实施例中，包括关于车辆100和道路上的一个或多个目标车辆之间的可能事件的时间和/或距离的阈值)。
总线150用于在控制器140的计算机***的各种组件之间传输程序、数据、状态和其他信息或信号。接口146允许例如从***驱动器和/或另一个计算机***到控制器140的计算机***的通信，并且可以使用任何合适的方法和装置来实现。在一个实施例中，接口146从传感器阵列120和/或定位***130获得各种数据。接口146可以包括一个或多个网络接口，以与其他***或组件通信。接口146还可以包括一个或多个网络接口以与技术人员通信，和/或一个或多个存储接口以连接到存储设备，例如存储设备148。
存储设备148可以是任何合适类型的存储装置，包括各种不同类型的直接存取存储器和/或其他存储设备。在一个示例性实施例中，存储设备148包括程序产品，存储器144可以从该程序产品接收程序152，该程序152执行本公开的一个或多个过程的一个或多个实施例，例如下面结合图2和图3-5的实施例进一步讨论的过程200的步骤。在另一个示例性实施例中，程序产品可以直接存储在存储器144和/或磁盘(例如，磁盘157)中和/或由存储器144和/或磁盘(例如，磁盘157)访问，如下所述。
总线150可以是连接计算机***和组件的任何合适的物理或逻辑装置。这包括但不限于直接硬连线连接、光纤、红外和无线总线技术。在操作期间，程序152存储在存储器144中，并由处理器142执行。
应当理解，虽然在全功能计算机***的上下文中描述了该示例性实施例，但是本领域技术人员将认识到，本公开的机制能够作为具有一种或多种类型的非暂时性计算机可读信号承载介质的程序产品来分发，该介质用于存储程序及其指令并执行其分发，例如承载程序并包含存储在其中的计算机指令的非暂时性计算机可读介质，用于使计算机处理器(例如处理器142)执行和执行程序。这种程序产品可以采取多种形式，并且本公开同样适用，而不管用于执行分发的计算机可读信号承载介质的特定类型。信号承载介质的例子包括：可记录介质，例如软盘、硬盘、存储卡和光盘，以及传输介质，例如数字和模拟通信链路。应当理解，在某些实施例中也可以利用基于云的存储和/或其他技术。类似地，可以理解，控制器140的计算机***也可以不同于图1所示的实施例，例如，控制器140的计算机***可以耦合到或者可以利用一个或多个远程计算机***和/或其他控制***。
图2是在各种实施例中，关于避免和减轻与目标车辆的车辆事件来控制车辆的过程200的流程图。根据示例性实施例，过程200可以结合图1的车辆100来实现。图2的过程200也将在下面结合图3-5进一步讨论，图3-5示出了根据各种实施例的过程200的不同实现。
如图2所示，该过程开始于步骤202。在一个实施例中，当车辆驾驶或点火循环开始时，过程200开始，例如当驾驶员接近或进入车辆100时，或者当驾驶员打开车辆和/或其点火装置时(例如，通过转动钥匙、接合钥匙链或启动按钮等)。在一个实施例中，过程200的步骤在车辆运行期间连续执行。
在各种实施例中，获得关于以下两者的传感器数据：(i)车辆100行驶的道路上的目标车辆和/或其他物体(步骤204)和(ii)车辆100本身的状态(步骤206)。
在各种实施例中，在步骤204期间，获得关于车辆100正在行驶的道路上或附近的一个或多个其他车辆(这里称为“目标车辆”)的数据。虽然这里使用了术语“目标车辆”，但是应当理解，在各种实施例中，这也可以指一个或多个可能不是车辆的其他对象(例如，树木、岩石、行人、交通灯、基础设施等)。在各种实施例中，在步骤204期间，由图1中的一个或多个摄像机126、激光雷达传感器127、雷达传感器128和/或其他传感器131获得关于一个或多个这样的“目标车辆”的数据。
在各种实施例中，在步骤206期间，获得关于主车辆100自身的一个或多个状态的数据。在各种实施例中，在步骤206期间，传感器数据通过一个或多个惯性测量单元(IMU)传感器121(例如，IMU数据)、输入传感器122(例如，包括当前车辆驾驶的车辆100的行驶目的地、驾驶员或其他用户对制动转向***108和/或驱动***110的接合、驾驶员或用户对车辆100的一个或多个自动化特征的超越等)、轮胎传感器124(例如，包括轮胎压力)、速度传感器125(例如，车辆100和/或其车轮112的速度)、质量传感器129(例如，车辆100和/或其一个或多个部件的质量或重量)等获得。
在各种实施例中，关于目标车辆(即，步骤204的)和主车辆100本身(即，步骤206的)的传感器数据被一起使用，以经由步骤210-216生成概率时间到事件的范围208，如下所述。
具体地，在各种实施例中，为车辆100生成自适应预测范围(步骤210)。在各种实施例中，图1的处理器142相对于车辆100前方的道路和/或路径(这里统称为“道路”)，相对于逐渐远离范围(例如，相对于时间和/或距离)，生成自适应预测范围。
在各种实施例中，在步骤210期间，根据以下等式，主车辆100(Xhost，k)和目标车辆(Xtarget，k)都使用运动模型：
Figure BDA0003420433240000091
此外，在各种实施例中，在步骤210期间，还根据以下等式利用测量模型：
Figure BDA0003420433240000092
此外，在各种输入中，车辆
Figure BDA0003420433240000093
的概率未来状态可以通过假设分段常数Ak和Bk和更新Ak+f和Bk+f来计算。
参考图3，图3的第一图形表示302描绘了目标车辆300附近的主车辆100，以及主车辆100的各种第一概率区域310和目标车辆300的第二概率区域320。如图3的第二图形表示304所示，并且在下面进一步详细描述，在各种实施例中，基于第一和第二概率区域310、320生成不同的相应控制区域330、332和334，用于控制主车辆100。
返回参考图2，在各种实施例中，计算概率时间到事件(步骤212)。在各种实施例中，图1的处理器142将概率“时间到事件”计算为在车辆100和目标车辆100的当前轨迹下车辆100和目标车辆之间可能发生车辆事件的估计时间量。
在各种实施例中，在步骤212期间，首先根据以下等式计算主车辆100和目标车辆之间的概率相对距离
Figure BDA0003420433240000101
Figure BDA0003420433240000102
其中
Figure BDA0003420433240000103
分别是主车辆和目标车辆的概率位置。
同样在各种实施例中，作为步骤212的一部分，根据以下等式计算相对距离矢量(例如，可能导致车辆事件的分量)
Figure BDA0003420433240000104
方向上的速度变化：
Figure BDA0003420433240000105
其中
Figure BDA0003420433240000106
定义为
Figure BDA0003420433240000107
其中
Figure BDA0003420433240000108
分别是主车辆和目标车辆的概率速度矢量。
因此，根据各种实施例，时间“k”处的概率时间到事件可以根据以下等式来计算：
Figure BDA0003420433240000109
同样在各种实施例中，时间“k+f”处的时间到事件可以类似地通过预测状态
Figure BDA00034204332400001010
并相应地通过计算
Figure BDA00034204332400001011
来确定。
同样在各种实施例中，提供关于预测不确定性的估计(步骤214)。在各种实施例中，图1的处理器142基于步骤204和206的传感器数据以及关于传感器被认为是多么可靠的数据以及沿着逐渐远离范围正在发生的数据来估计预测不确定性。例如，当特定传感器数据被认为不太可靠时，特定事件发生时间的可信度就会降低。类似地，当特定数据涉及沿着逐渐远离范围更远的时间或距离时，关于这种估计的可信度同样降低。在各种实施例中，预测不确定性识别将主车辆和目标车辆的所有状态考虑在内，包括但不限于车辆的相对航向、车辆的角速度和平移速度以及主车辆驾驶员意图，以有效地量化这些测量不确定性对计算时间到事件和逐渐远离范围的影响。
在各种实施例中，在步骤216期间，在步骤214中确定的预测不确定性被用于在步骤210的自适应预测范围内校正步骤212的概率时间到事件的计算。在各种实施例中，处理器142基于先前步骤中的历史数据并与在步骤214中确定的预测状态进行比较来校正步骤212的概率时间到事件。
在各种实施例中，在步骤216期间确定的自适应预测范围上的概率时间到事件的校正计算包括概率时间到事件范围208，如图1所示。在各种实施例中，该值表示为
Figure BDA0003420433240000111
继续参考图2，在步骤220-224中，相对于概率时间到事件范围208生成概率风险范围218。在各种实施例中，概率风险范围218由图1的处理器142使用与时间到事件范围208相关联的潜在车辆事件的结果的相对严重性来生成。
在各种实施例中，在步骤220期间，生成预测潜在事件区域。在各种实施例中，预测潜在事件由图1的处理器142基于考虑所有传感器、模型和环境不确定性的概率时间到事件来生成。同样在各种实施例中，在步骤222中类似地计算不确定性水平。根据示例性实施例，将利用图4中描绘的图示进一步解释这些步骤。
参考图4，主车辆100被描绘为在目标车辆300附近沿着范围时间402沿着道路400行进。如图4所示，多个预测控制点404(即，PC1、PC2、PC3和PC4)被用于分析自适应预测范围。虽然图4中示出了四个预测控制点404，但是应当理解，在各种实施例中可以使用任意数量的预测控制点404。同样在各种实施例中，对于每个预测控制点404，计算相应的概率时间到事件，以及关于该计算的相应的可信度。结果，在示例性实施例中，在各种预测控制点404上生成概率潜在事件区域范围406。
返回参考图2，在各种实施例中，计算与潜在车辆事件相关联的风险(步骤224)。在各种实施例中，图1的处理器142计算与步骤220和222中表示的各种潜在事件相关联的相应风险(或成本)，并且通常计算概率时间到事件范围208，从而生成图2的概率风险范围218。
在步骤226中，确定自适应预测范围的潜在事件的各种类别。在各种实施例中，时间到事件范围208和概率风险范围218的值由图1的处理器142组合，以便生成沿着自适应预测范围关于主车辆100和目标车辆的可能事件的类别(组合严重性和概率的可能性)。在各种实施例中，类别涉及适当纠正措施的紧迫性和/或严重性，例如，如下面结合图3和图5更详细描述的。
关于图5，针对步骤226的类别示出了示例性概率风险范围500。在图5所示的实施例中，根据示例性实施例，示出了指针502，并且指针502可以沿着连续范围在任意数量的可能类别504之间旋转。
例如，在图5所示的实施例中，当指针502指向落入第一组512中的类别504时，则认为这具有相对较低的紧急性(与组510和514相比)，因此第一组512中的类别504可以要求提供预测警报。因此，在某些实施例中，对于属于第一组512的类别，图1的处理器142可以为图1的显示***135提供指令，以向车辆100的驾驶员或其他用户提供一个或多个音频、视觉、触觉和/或其他通知(例如，潜在的车辆事件可能发生，并且驾驶员或其他用户可能想要开始采取适当的制动、转向和/或其他车辆动作来帮助避免或减轻这种车辆事件)。
作为附加示例，同样在图5所示的实施例中，当指针502指向落入第二组510中的类别504时，这被认为具有相对中等的紧急性(即，大于组512但小于组514)，因此第二组510中的类别504可以要求自动任务规划控制。因此，在某些实施例中，对于属于第二组510的类别，图1的处理器142可以为制动***106、转向***108、驱动***110和/或一个或多个车辆***提供自动控制规划指令(例如，与结合第三组514描述的更紧急、显著和/或剧烈的动作相比，为制动、转向、加速(或减速)等提供相对逐渐的变化)，以便避免或减轻潜在的车辆事件。
作为进一步的示例，同样在图5所示的实施例中，当指针502指向落入第三组514内的类别504时，则这被认为具有相对高的紧急性(即，大于第一组512和第二组510)，因此第三组514中的类别504可以要求自动反应控制。因此，在某些实施例中，对于属于第三组514的类别，图1的处理器142可以经由用于制动***106、转向***108、驱动***110和/或一个或多个车辆***的指令来提供紧急自动校正动作(例如，提供即时且重要的控制动作，例如完全紧急制动、避免即将发生的车辆事件的规避转向动作等)。
现在参考图3，另外提供了关于步骤226的类别的图示。具体而言，图3的第二图形表示304示出了与图5中阐述的分组类似的分组。例如，图3的第二图形表示304描绘了：(i)具有相对较低紧急程度的第一区域(或“警报区域”)330，并且其中向车辆的驾驶员或用户提供预测警报(即，对应于图5的第一组512)；(ii)具有相对中等紧急程度的第二区域(或“规划控制区域”)332，并且其中由处理器提供渐进规划控制(即，对应于图5的第二组510)；以及(iii)第三区域(或“反应控制区域”)334，其具有相对高的紧急程度，并且其中反应控制由处理器在紧急基础上自动提供(即，对应于图5的第三组514)。
回到图2，执行车辆控制(步骤228)。在各种实施例中，图1的处理器142为制动***106、转向***108、驱动***108、显示***135和/或一个或多个其他车辆***提供指令，以基于步骤226的类别提供自动控制动作。
因此，在各种实施例中，对于具有相对较低紧急级别的类别(例如，考虑到事件发生的时间、预测的可信度以及与事件相关联的潜在严重性或风险，所有这些加在一起)，例如在图5的第一分组512中，在某些实施例中可以向车辆100的驾驶员或其他用户提供通知。
同样，同样在各种实施例中，对于具有相对中等紧急程度的类别(例如，考虑到事件发生的时间、预测的可信度以及与事件相关联的潜在严重性或风险，所有这些加在一起)，例如在图5的第二分组510中，处理器142可以实现自动任务规划控制(例如，对于路径规划、转向、制动、加速、减速等的相对渐进的调整)。
此外，在各种实施例中，对于具有相对较高紧急程度的类别(例如，考虑到事件发生的时间、预测的可信度以及与事件相关联的潜在严重性或风险，所有这些加在一起)，例如在图5的第三组514中，处理器142可以例如通过对车辆控制的紧急和/或即时改变(例如，完全紧急制动、规避转向操作等)来实现反应式车辆控制。
此外，在各种实施例中，当需要自动控制时(例如，关于图5的第二组510和第三组514)，在各种实施例中，图1的处理器142通过对制动***106和转向***108的指令，提供用于横向和纵向控制的指令，用于制动和转向调节，以优化控制(例如，避免和减轻)潜在车辆事件的努力。
在某些实施例中，基于期望的车轮角度δt来提供车辆控制以避免车辆事件，这是基于以下等式找到的：
Figure BDA0003420433240000131
受制于：
Figure BDA0003420433240000132
Figure BDA0003420433240000141
其中，M1，...，M5是车辆横向误差动态的车辆参数，δt是期望的车轮角度，它是控制命令，ρ是期望的曲率，θ是道路的倾斜角，并且
Figure BDA0003420433240000142
是误差动态的不确定性。
然而，在各种实施例中，车辆控制的具体方式可以变化，例如基于上述步骤226的类别。
在各种实施例中，该方法然后在步骤230终止。
因此，提供了用于控制车辆同时避免或减轻目标车辆的车辆事件的方法、***和车辆。在各种实施例中，在车辆前方预测自适应预测范围，并且在车辆前方沿着逐渐远离预测范围的各种控制点处计算概率时间到事件。此外，在各种实施例中，基于预测的可信度和这种车辆事件的潜在风险来调整沿着预测范围的时间到事件，以便提供适当的车辆控制来避免或减轻车辆事件。在各种实施例中，与其他技术相比，本文描述的技术提供了反应性方法，以避免或减轻潜在的车辆事件，具有更长的提前期，例如使用先进和更新的概率方法。
应当理解，***、车辆和方法可以不同于附图中描绘的和这里描述的那些。例如，图1的车辆100以及控制***102及其部件可以在不同的实施例中变化。类似地，可以理解，过程200的步骤可以不同于图2中描述的步骤，和/或过程200的各个步骤可以同时发生和/或以不同于图2中描述的顺序发生。类似地，应当理解，图3-5的各种实现在各种实施例中也可以不同。
虽然在前面的详细描述中已经呈现了至少一个示例性实施例，但是应当理解，存在大量的变化。还应当理解，一个或多个示例性实施例仅是示例，并不旨在以任何方式限制本公开的范围、适用性或配置。相反，前述详细描述将为本领域技术人员提供用于实现一个或多个示例性实施例的便利路线图。应当理解，在不脱离所附权利要求及其法律等同物中阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。

Claims (10)

1.一种***，包括：
主车辆上的一个或多个第一传感器，其被配置为至少有助于获得关于主车辆的第一传感器数据；
主车辆上的一个或多个第二传感器，其被配置为至少有助于获得关于主车辆附近的目标车辆的第二传感器数据；和
处理器，其耦合到所述一个或多个第一传感器和所述一个或多个第二传感器，并且被配置为至少有助于：
创建自适应预测范围，其包括关于主车辆和目标车辆之间的可能车辆事件的概率时间到事件范围；和
基于概率时间到事件范围控制主车辆。
2.根据权利要求1所述的***，其中，所述处理器还被配置为至少有助于基于所述概率时间到事件范围同时控制所述主车辆的横向和纵向移动。
3.根据权利要求1所述的***，其中，所述处理器还被配置为至少促进：
使用与第一传感器、第二传感器中的一个或多个或与两者相关联的相应不确定性，来估计自适应预测风险范围的预测不确定性；
使用预测不确定性生成校正的概率时间到事件范围；和
基于校正的概率时间到事件范围控制主车辆。
4.根据权利要求1所述的***，其中，所述处理器还被配置为至少促进：
为自适应预测范围生成概率风险范围；和
基于概率时间到事件范围和概率风险范围两者控制主车辆。
5.根据权利要求4所述的***，其中，所述处理器还被配置为至少促进：
使用第一传感器数据和第二传感器数据生成预测潜在事件区域；和
计算与潜在事件区域相关联的特定事件的风险。
6.根据权利要求4所述的***，其中，所述处理器还被配置为至少促进：
基于概率时间到事件范围和概率风险范围两者生成控制类别；和
基于控制的类别，基于概率时间到事件范围和概率风险范围两者控制主车辆。
7.根据权利要求6所述的***，其中，所述处理器还被配置为至少有助于从多个不同的类别分组中生成用于控制的类别，包括：
代表第一紧急级别的第一类别分组，并要求向主车辆的驾驶员或其他用户提供通知；
第二类别分组，代表比第一紧急级别更高的第二紧急级别，并要求根据处理器提供的指令为主车辆提供任务规划控制；和
第三类别分组，代表第三紧急级别，其高于第一紧急级别和第二紧急级别，并且要求根据由处理器提供的指令为主车辆提供反应计划控制。
8.根据权利要求1所述的***，其中，所述处理器还被配置为至少有助于基于所述概率时间到事件范围来控制所述主车辆的转向。
9.根据权利要求1所述的***，其中，所述处理器还被配置为至少有助于基于所述概率时间到事件范围来控制所述主车辆的横向和纵向移动。
10.一种方法，包括：
从主车辆上的一个或多个第一传感器获得关于主车辆的第一传感器数据；
从主车辆上的一个或多个第二传感器获得关于邻近主车辆的目标车辆的第二传感器数据；
经由主车辆上的处理器创建自适应预测范围，该范围包括关于主车辆和目标车辆之间的可能车辆事件的概率时间到事件范围；和
经由处理器提供的指令，基于概率时间到事件范围控制主车辆。
CN202111566046.6A 2021-03-15 2021-12-20 自动驾驶中事件避免和减轻的概率自适应风险范围 Pending CN115071692A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/202,123 2021-03-15
US17/202,123 US20220289195A1 (en) 2021-03-15 2021-03-15 Probabilistic adaptive risk horizon for event avoidance and mitigation in automated driving

Publications (1)

Publication Number Publication Date
CN115071692A true CN115071692A (zh) 2022-09-20

Family

ID=83005663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111566046.6A Pending CN115071692A (zh) 2021-03-15 2021-12-20 自动驾驶中事件避免和减轻的概率自适应风险范围

Country Status (3)

Country Link
US (1) US20220289195A1 (zh)
CN (1) CN115071692A (zh)
DE (1) DE102021129878A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2289754B1 (en) * 2009-08-31 2015-04-29 Toyota Motor Europe NV/SA Vehicle or traffic control method and system
JP5842862B2 (ja) * 2013-05-14 2016-01-13 株式会社デンソー 衝突緩和装置
JP6332181B2 (ja) * 2015-07-16 2018-05-30 トヨタ自動車株式会社 車両の制御装置
JP6937218B2 (ja) * 2017-10-19 2021-09-22 株式会社東芝 情報処理装置、情報処理方法、およびプログラム
DE102018109883A1 (de) * 2018-04-24 2018-12-20 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zum kooperativen Abstimmen von zukünftigen Fahrmanövern eines Fahrzeugs mit Fremdmanövern zumindest eines Fremdfahrzeugs
US11420630B2 (en) * 2019-10-24 2022-08-23 Zoox, Inc. Trajectory modifications based on a collision zone
JP7134368B2 (ja) * 2019-11-29 2022-09-09 三菱電機株式会社 物体認識装置及び物体認識方法

Also Published As

Publication number Publication date
US20220289195A1 (en) 2022-09-15
DE102021129878A1 (de) 2022-09-15

Similar Documents

Publication Publication Date Title
US11809185B2 (en) Systems and methods for dynamic predictive control of autonomous vehicles
CN109421742B (zh) 用于监测自主车辆的方法和设备
US11235757B2 (en) Collision avoidance apparatus
US9278713B2 (en) Collision avoidance control integrated with EPS controller
US8428843B2 (en) Method to adaptively control vehicle operation using an autonomic vehicle control system
US10733233B2 (en) Method and apparatus for generating situation awareness graphs using cameras from different vehicles
US11708069B2 (en) Obstacle avoidance apparatus and obstacle avoidance route generating apparatus
CN116660871A (zh) 传感器偏差校正
US11760318B2 (en) Predictive driver alertness assessment
CN115476881B (zh) 车辆轨迹跟踪控制方法、装置、设备及介质
US11634128B2 (en) Trailer lane departure warning and lane keep assist
US11794751B2 (en) Pro-active trajectory tracking control for automated driving during elevation transitions
US20220281451A1 (en) Target vehicle state identification for automated driving adaptation in vehicles control
CN115071692A (zh) 自动驾驶中事件避免和减轻的概率自适应风险范围
CN115871632A (zh) 车辆对象追踪
CN115098821A (zh) 轨迹参考曲率确定方法、装置、设备、介质及程序
US20210064032A1 (en) Methods and systems for maneuver based driving
US12005903B2 (en) Method for completing overtake maneuvers in variant traffic conditions
US20230398985A1 (en) Optimal pull over planning upon emergency vehicle siren detection
CN118144797A (zh) 自动驾驶中超过大型车辆时对拉力影响的识别和减轻控制
CN117429445A (zh) 用于估计自动驾驶的航向和偏航率的***和方法
CN117657175A (zh) 车辆车轮磨损程度确定方法、装置、介质及车辆
CN117601854A (zh) 一种自适应巡航的控制方法、装置、车辆及存储介质
CN118082812A (zh) 用于规避碰撞的车辆和车辆的操作方法
CN117901842A (zh) 用于自动和辅助停车的基于占用的停车对齐

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