JP2023554304A - 側面安全エリア - Google Patents
側面安全エリア Download PDFInfo
- Publication number
- JP2023554304A JP2023554304A JP2023535279A JP2023535279A JP2023554304A JP 2023554304 A JP2023554304 A JP 2023554304A JP 2023535279 A JP2023535279 A JP 2023535279A JP 2023535279 A JP2023535279 A JP 2023535279A JP 2023554304 A JP2023554304 A JP 2023554304A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- trajectory
- determining
- area
- safe area
- 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 83
- 230000001133 acceleration Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 9
- 238000002604 ultrasonography Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 description 33
- 230000015654 memory Effects 0.000 description 28
- 230000008447 perception Effects 0.000 description 26
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 15
- 230000004807 localization Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000001953 sensory effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000026676 system process Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000009826 distribution 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
- 238000012706 support-vector machine Methods 0.000 description 2
- HCDMJFOHIXMBOV-UHFFFAOYSA-N 3-(2,6-difluoro-3,5-dimethoxyphenyl)-1-ethyl-8-(morpholin-4-ylmethyl)-4,7-dihydropyrrolo[4,5]pyrido[1,2-d]pyrimidin-2-one Chemical compound C=1C2=C3N(CC)C(=O)N(C=4C(=C(OC)C=C(OC)C=4F)F)CC3=CN=C2NC=1CN1CCOCC1 HCDMJFOHIXMBOV-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- AYCPARAPKDAOEN-LJQANCHMSA-N N-[(1S)-2-(dimethylamino)-1-phenylethyl]-6,6-dimethyl-3-[(2-methyl-4-thieno[3,2-d]pyrimidinyl)amino]-1,4-dihydropyrrolo[3,4-c]pyrazole-5-carboxamide Chemical compound C1([C@H](NC(=O)N2C(C=3NN=C(NC=4C=5SC=CC=5N=C(C)N=4)C=3C2)(C)C)CN(C)C)=CC=CC=C1 AYCPARAPKDAOEN-LJQANCHMSA-N 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
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
車両の安全エリアを決定するための技術が論じられる。幾つかのケースにおいて、第1の安全エリアは、環境を走行する車両に基づくことが可能であり、第2の安全エリアは、車両のステアリング制御または速度に基づくことが可能である。安全エリアの幅は、車両に関連する境界ボックスの位置に基づいて更新することが可能である。境界ボックスの位置は、車両が軌道に沿って走行することに基づくことが可能である。センサデータは、安全エリア内のセンサデータに基づいて、フィルタリングすることが可能である。
Description
本開示は、車両の安全エリアを決定するための技術に関する。
関連出願の相互参照
本特許出願は、2020年12月16日に出願された米国実用特許出願第17/124,220号および2020年12月16日に出願された米国実用特許出願第17/124,237号の優先権を主張する。出願番号17/124,220および17/124,237の内容は、参照により本明細書に完全に組み込まれる。
本特許出願は、2020年12月16日に出願された米国実用特許出願第17/124,220号および2020年12月16日に出願された米国実用特許出願第17/124,237号の優先権を主張する。出願番号17/124,220および17/124,237の内容は、参照により本明細書に完全に組み込まれる。
車両は、センサデータを取り込んで環境における物体を検出することが可能である。センサデータは、一般に物体の検出に利用できるが、センサデータの処理に関連するシステム制限によって、稀な状況において物体が検出されないことがある。例えば、センサデータの取り込み前または取り込み中においては、車両の軌道に関連する位置への物体の接近に伴う車両の旋回が、適時に処理されないことがある。センサデータの処理の遅延に起因して、衝突可能性の検出および適時の安全対策の展開が可能でないことがあり得る。
詳細な説明は、添付の図面を参照しながら説明される。図面において、参照番号の左端の桁は、その参照番号が初出である図面を識別する。異なる図面に同じ参照番号を使用することは、類似または同一の構成要素または特徴を示す。
本明細書において、車両のための安全エリアを決定する技術が説明される。例えば、当該技術は、車両の軌道に基づいて1つまたは複数の安全エリアを決定することを含んでよい。幾つかのケースにおいて、安全エリアは、軌道の方向(例えば、左折または右折)、場所、実施される操作、または軌道の速度の1つまたは複数に基づいて決定することが可能である。幾つかの例において、安全エリアは、軌道を取り囲む一定幅として生成される第1の安全エリアと、第2の安全エリアとを含むことが可能であり、第2の安全エリアは、場所(例えば、交差点を通過する際に交差点と直交する場所)に基づくか、または車両に関連する旋回、操作または速度に基づく。幾つかのケースにおいて、安全エリアは、車両の軌道に沿った動きを投影すること、および、境界ボックスに関連する点が安全エリアの外であるかを決定することに基づいて、拡大されるか、そうでなければ更新されることが可能である。センサデータは、環境における物体との衝突の可能性についてのセンサデータを、より正確かつ信頼できる方法で評価しながら、処理量の削減のためにフィルタリングすることが可能である。このような安全域は、車両に関連する安全システムによって使用されてよい。そのような例において、安全エリアの外の領域に関連する利用可能なセンサ(または、その他の)データは、安全域に関連するデータの処理に利用可能なリソースの増大を提供すべく、フィルタリングされてよい。
上述したように、第1の安全エリアは、受信した軌道に関連する幅に基づいて決定することが可能であり、その一方で、第2の安全エリアは、軌道の態様に基づいて決定することが可能である。例えば、第2の安全エリアは、車両(例えば、車両の長手方向端部または車両の側部)に近い、および/または、隣接するエリアに決定することが可能である。幾つかのケースにおいて、第2の安全エリアは、車両の前方であり、かつ、第1の安全エリアに対して直交するエリアに決定することが可能である。幾つかのケースにおいて、第2の安全エリアは、第1の安全エリアに平行であり、かつ、車両に隣接するエリアに決定することが可能である。車両は、車両が走行している環境に関連するセンサデータを受信し、フィルタリングすることが可能である。センサデータは、第1の安全エリア、および/または、第2の安全エリアに関連するセンサデータを決定すべく、フィルタリングすることが可能である。フィルタリングされた安全エリアに関連するセンサデータは、第1の安全エリアに関連する物体の決定、および、あらゆる安全行動(例えば、操作の更新、緊急停止の発動等)を生じさせるために、あらゆる潜在的な安全問題(例えば、衝突またはその他)の決定に使用することが可能である。
安全エリアそれぞれの一部の幅は、車両、および/または、環境に関連する情報に基づいて決定することが可能である。情報は、車両に関連する境界ボックスの決定に利用することが可能である。幾つかの例において、安全エリア(例えば、第1の安全エリア)の一部に関連する幅は、境界ボックス(例えば、車両に関連する境界ボックス)に基づいて決定することが可能である。さらに、受信した軌道は、離散化することが可能である。安全エリア(例えば、第1の安全エリア、または第2の安全エリア)に関連する1つまたは複数のセグメントは、離散化された軌道に基づいて決定することが可能である。幾つかの例において、安全エリアのセグメントは、軌道に関連する離散化セグメントに基づいて決定することが可能である。セグメントそれぞれの幅は、第1の幅(例えば、固定幅)、または、境界ボックス及びセグメントのエッジに関連する点に基づく第2の幅に基づいて、決定することが可能である。安全エリアのあらゆる部分の範囲は、安全システムにおいて実施される処理の量を制限するために、速度制限、センサレンジ、そのエリアにおいて過去に観測された物体等の少なくとも一部に基づいて決定されてよい。
本明細書において説明される技術は、様々な追加の方法において計算機の機能を向上することが可能である。幾つかのケースにおいて、安全エリアを決定することは、環境における衝突の可能性を回避するために必要とされるデータの処理量削減に利用することが可能である。第1の安全エリアおよび車両に関連する軌道に基づいて第2の安全エリアを決定することが可能であり、より効率的かつ正確に物体を決定することが可能である。センサデータのフィルタリングに第2の安全エリアを利用することによって、リソースの節約、および/または、異なるタスクへの再割当が可能である。安全エリアの全体に代えて、安全エリアの一部の幅を解析することで、衝突の可能性を決定し、かつ、解析に必要なデータ量を減らすことが可能である。より早い時間での衝突の可能性を決定することによって、かつ、修正加速度プロファイルの決定に必要な処理の量および/または複雑さを簡易化することによって、車両の制御に利用するリソースを節約することが可能である。
本明細書において説明される技術は、様々な方法で実施可能である。実施の一例は、以下において後続の図面を参照しながら提供される。本明細書において説明される方法、装置、および、システムは、自律走行車のような車両に適用可能であるが、自律走行車に限定されず、様々なシステムに適用可能である。別の一例において、本技術は、航空または航海の文脈において、または、データが入力されて環境における物体に関連する動きを決定するように構成されたあらゆるシステムにおいて、利用可能である。追加的に、本明細書において説明される技術は、実データ(例えば、センサを用いて取り込まれた)、シミュレーションデータ(例えば、シミュレータによって生成された)、または、これら2つに対する第3のデータと併用することが可能である。
図1は、本開示の例による、車両の旋回を含む軌道に基づいて安全エリアを決定するための例示的な処理を示す絵入りのフロー図100である。
動作102は、軌道に基づいて安全エリア(例えば、第1の安全エリア)を決定することを含むことが可能である。第1の安全エリアは、環境を走行する車両の軌道に基づいて決定することが可能である。幾つかの例において、第1の安全エリアは、車両の幅および/または長さ、車両の現在の速度および/または軌道に関連する速度等の少なくとも一部に基づいて、決定することが可能である。幾つかの例において、第1の安全エリアの最大幅は、車両の幅、および/または、車両が現在位置している車線の幅とすることが可能である。幾つかの例において、第1の安全エリアの一部それぞれの幅は、同じ幅とすることが可能である。他の例において、第1の安全エリアの1つまたは複数の一部それぞれの幅は、未来の時刻における第1の安全エリアに沿った位置での車両の表現に基づいて、拡張することが可能である。幾つかの例において、第1の安全エリアは、軌道に直交する固定距離に基づいて決定することが可能である。第1の安全エリアの横断面それぞれの中心点は、軌道の点と同じ位置とすることが可能である。軌道は、車両の旋回(例えば、右折)に関連して決定することが可能である。第1の安全エリアは、軌道が右折に関連していることに基づいて、右折に関連していると決定することが可能である。
例104は、軌道108に基づく第1の安全エリア(例えば、安全エリア106)を含む環境を示す。安全エリア106は、環境を走行する車両110に関連する軌道に基づいて決定することが可能である。幾つかの例において、安全エリア106は、車両110の幅および/または長さ、車両110の現在の速度および/または軌道108等に基づいて決定することが可能である。安全エリア106の一部それぞれの幅は、同じ幅とすることが可能である。安全エリア106の横断面それぞれの中心点は、軌道108の点と同じ位置とすることが可能である。軌道108は、車両110の旋回(例えば、右折)に関連して決定することが可能である。安全エリア106は、軌道108が右折に関連していることに基づいて、右折に関連していると決定することが可能である。幾つかの例において、安全エリア106の幅の距離は、車両110の幅と同じ距離とすることが可能である。幾つかの例において、安全エリア106の幅の距離は、車両110の幅の距離よりも、閾値距離だけ大きく、または小さくすることが可能である。
動作112は、軌道に基づいて安全エリア(例えば、第2の安全エリア)を決定することを含むことが可能である。第2の安全エリアは、旋回(例えば、右折)に関連付けられている軌道に基づいて決定することが可能である。幾つかの例において、第2の安全エリアは、旋回制御されている車両に関連付けられている安全エリアの部分の少なくとも一部に基づいて決定することが可能である。幾つかの例において、第2の安全エリアは、環境における旋回(例えば、旋回に関連する旋回角度)が閾値角度と一致する、または超えることに基づいて、決定することが可能である。第2の安全エリアは、環境および/または車両に関連する情報に基づいて、決定することが可能である。幾つかの例において、第2の安全エリアは、車両と交差点(例えば、車両に最も近い横断歩道の境界に関連し、平行し、かつ、重なる線)との間の距離が閾値距離を下回ることに基づいて、および/または、車両の速度が閾値速度を下回ることに基づいて、決定することが可能である。幾つかの例において、第2の安全エリアの最大幅は、車両が現在位置する車線と直交する交差車線の幅とすることが可能である。第2の安全エリアの更なる例は、本開示を通じて説明される。
幾つかの例において、第2の安全エリアの方向は、第1の安全エリアの方向に基づくことが可能である。例えば、第2の安全エリアの方向は、第1の安全エリアの一部に接する線に基づいて決定することが可能である。第2の安全エリアは、第1の安全エリアに対して実質的に直交することが可能である。幾つかのケースにおいて、第2の安全エリアは、車両に隣接(例えば、接触)することが可能である。例えば、車両側面における第2の安全エリアの境界の一部の位置は、車両の長手方向端部(例えば、車両の移動が制御される位置に最も近い長手方向端部)の一部の位置と関連することが可能である。幾つかの例において、車両の長手方向端部の一部は、車両の構成要素(例えば、バンパー)とすることが可能である。境界の一部(例えば、近い側の境界(例えば、長手方向端部の一部に最も近い第2の安全エリアの側面における境界)は、車両に最も近い境界の点とすることが可能である。車両の長手方向端部の一部は、長手方向端部の境界に最も近い点とすることが可能である。
幾つかのケースにおいて、第2の安全エリアは、車両の長手方向端部から離隔(例えば、隣接しないように)することが可能である。例えば、第2の安全エリアと長手方向端部との間の距離は、閾値距離(例えば、1メートル、10メートル、30メートル、100メートル等)以上に決定することが可能である。幾つかのケースにおいて、第2の安全エリアの近い側の境界は、車両の長手方向端部の前に決定することが可能である。幾つかのケースにおいて、第2の安全エリアの近い側の境界は、車両の内部に決定することが可能である。
幾つかの例において、第2の安全エリアは、車両が環境を走行するにつれて第2の安全エリアの位置が更新されるように、車両に相対的に固定される。幾つかの例において、第2の安全エリアと車両との間の距離は可変である(例えば、車両と交差点との距離が閾値距離を下回るにつれて、または車両の速度が閾値速度を下回るにつれて、距離は減少することが可能である)。
幾つかの例において、第1の安全エリアは軌道に基づいて決定され得るため、第1の安全エリアは、走行可能エリアであると考えることが可能である。しかしながら、幾つかの例において、第2の安全エリアは、走行可能エリアを同様に含んでよいが、歩道、建物等の非走行可能エリアを含んでよい。
例114は、軌道に基づく第2の安全エリア(例えば、安全エリア116)を示す。安全エリア116は、旋回(例えば、右折)に関連付けられている軌道に基づいて決定することが可能である。幾つかの例において、安全エリア116は、環境における旋回(例えば、旋回に関連する旋回角度)が閾値旋回角度を満たすか、または超えることに基づいて、決定することが可能である。幾つかの例において、安全エリア116の最大幅は、車両が現在位置する車線と直交する交差車線の幅とすることが可能である。
本明細書で説明される様々な例において、第2の安全エリアは、車両が利用可能な地図データの少なくとも一部に基づいて限定されてよい。そのような例において、幅、長さ、または他の範囲は、地図に関連する幾何学的データおよび/またはそれらに関連するパラメータ(例えば、速度制限、横断歩道等)に基づいて、境界付けられてよい。
動作118は、物体が第2の安全エリアに関連すると決定することを含むことが可能である。幾つかのケースにおいて、物体は、車両の1つまたは複数のセンサから受信されるセンサデータに基づいて、決定することが可能である。例えば、センサデータは、光検出および測距(LIDAR)センサ、RADARセンサ、画像センサ、深度センサ(飛行時間、構造化光等)といった、車両における複数のタイプのセンサからのデータを含むことが可能である。環境における物体の決定に利用されるセンサデータは、フィルタリングされたセンサデータ(例えば、センサデータのサブセット)としてフィルタリングすることが可能である。センサデータのサブセットは、第1の安全エリアおよび/または第2の安全エリアに関連するデータを含むことが可能である。物体は、センサデータのサブセットに基づいて、第1の安全エリアおよび/または第2の安全エリアに関連して決定することが可能である。物体が軌道を横断する尤度(例えば、交差の尤度)は、センサデータのサブセットに基づいて決定することが可能である。
幾つかの例において、安全エリア116の幅の距離は、車両110の幅と同じ距離とすることが可能である。幾つかの例において、安全エリア116の幅の距離は、車両の幅の距離よりも閾値距離だけ大きいまたは小さいことが可能である。幅の距離は、車両110の幅に基づいて自動的に設定、および/または、安全エリア116に重なるおよび/または関連する道路のサイズに基づいて動的に調整することが可能である。図2との関係で説明するように、安全エリアの幅は、軌道に沿った車両のシミュレーションまたは予測された動きに基づいて、広げることが可能であり、そうでなければ更新することが可能である。
例120は、第2の安全エリア(例えば、安全エリア116)に関連する物体122を示す。幾つかのケースにおいて、物体122は、車両の1つまたは複数のセンサから受信されたセンサデータに基づいて決定することが可能である。物体122の決定に利用されるセンサデータは、フィルタリングされたセンサデータとしてフィルタリングすることが可能である。フィルタリングされたセンサデータは、安全エリア116に関連するデータを含むことが可能である。物体122は、フィルタリングされたセンサデータに基づいて、安全エリア116に関連するものとして決定することが可能である。
幾つかの例において、安全エリア106に関連するセンサデータ(例えば、LIDARデータ点)は、安全エリア116に関連するセンサデータ(例えば、LIDARデータ点)と融合することが可能である。例えば、安全エリア106および安全エリア116のそれぞれに関連するセンサデータ(例えば、重複するセンサデータ)は、一度処理されて安全エリア106および安全エリア116のそれぞれのために利用することが可能である。重複するセンサデータを2回処理する代わりに、安全エリア106および安全エリア116についての1回の処理によって処理の半分を省略することが可能である。重複するセンサデータを1回だけ安全エリア106および安全エリア116の双方のために処理および/または解析することで、計算リソースを節約および/または最適化することが可能である。
動作124は、物体に基づいた車両の制御を含むことが可能である。例えば、車両は、物体が軌道を横切る尤度に基づいて制御することが可能である。幾つかの例において、車両は、減速(例えば、スローダウン)および/または停止するよう制御することが可能である。車両は、加速度またはステアリングコマンドの1つまたは複数を修正することによって交差の尤度を減少させるように制御することが可能である。車両は、車両と物体との間の閾値距離を超える距離に関連する位置で車両を停止するように制御することが可能である。例えば、車両の速度は、減少(例えば、10マイル毎時(mph)、5mph、0mph等に減少)するように制御することが可能である。車両と物体との間の距離が閾値距離よりも大きいと決定される距離に基づいて、車両をスローダウンするように制御することにより、物体が環境内(例えば、第2の安全エリア内)を移動する際に、車両と物体との間の衝突の可能性を回避することが可能である。
幾つかの例において、車両は、物体に基づいて加速(例えば、スピードアップ)するよう制御することが可能である。例えば、車両の速度は、増加(例えば、10マイル毎時(mph)、15mph、20mph等に増加)するように制御することが可能である。車両の速度をスピードアップするように制御することで、車両と物体との衝突の可能性を回避することが可能である。車両と物体との間の距離が閾値距離よりも大きくなると決定されることに基づいて、車両をスローダウンするように制御することにより、物体が環境内(例えば、第2の安全エリア内)において旋回かつ移動する際に、車両と物体との間の衝突の可能性を回避することが可能である。車両は、加速または減速するオプションに基づいて、個々のオプションに関連する衝突の可能性の予測尤度に基づいて、制御することが可能である。車両の制御を決定するオプションは、オプションに関連する予測尤度が他のオプションに関連する予測尤度よりも小さいことに基づいて決定することが可能である。
例126は、車両110が物体122に基づいて制御されることを示す。幾つかの例において、車両110は、減速、停止、および/または、加速の1つまたは複数に制御することが可能である。車両110は、位置128にて停止するよう制御することが可能である。幾つかの例において、車両110は、物体122が安全エリア116に存在するとの決定に基づいて、軌道108を戻るよう制御することが可能である。安全エリア116に関連するセンサデータの分析により、車両110は、物体122の動きの変化に基づいて、物体122に反応することが可能である。車両110は、安全エリア116に進入する前に、安全エリア116に存在する物体に基づいて、物体122の検出を無視することが可能である。
したがって、本明細書において説明したとおり、車両に関連する軌道に基づいて、複数の安全エリアを決定することが可能である。安全エリアは、車両が走行している環境における物体の動きをより正確に決定することに利用可能である。安全エリアの1つ(例えば、側面安全エリア)は、軌道と平行または同一線上にある他の安全エリアと直交とすることが可能である。側面安全エリアは、センサデータのフィルタリングに利用可能である。センサデータのフィルタリングにより、物体を迅速かつ正確に決定することが可能である。物体は、車両が交差点に接近する際に決定することが可能である。車両は、停止するよう制御されて障害物との衝突の可能性を回避することが可能である。例えば、車両は、物体との衝突可能性の尤度を減少すべく、より低速に減速され、停止するよう減速され、加速され、および/または、別のアクション(例えば、旋回)をとるように制御することが可能である。
図2は、本開示の例による、車両に関連する境界ボックスの向きに基づいて決定される幅を有する安全エリアの一部を含む環境200を示す図である。
幾つかの例において、車両204に関連する境界ボックス202の位置は、車両204の軌道206に基づいて決定することが可能である。境界ボックスの位置は、軌道206に沿って走行する車両204のシミュレーションに基づいて決定することが可能である。シミュレーションは、境界ボックス202が軌道206の各部分に沿って伝搬することを含むことが可能である。境界ボックス202の長手方向の向きは、境界ボックス202が伝搬するにつれて、軌道206に一致する(例えば、接する)ことが可能である。境界ボックス202は、車両に関連する場所、方向、姿勢、および/または、サイズ(例えば、長さ、幅、高さ等)といった情報を含むことが可能である、および/または、当該情報と関連付けることが可能である。境界ボックス202は、1つまたは複数の境界ボックス点(例えば、境界ボックス点208)を含むことが可能であり、境界ボックス点のそれぞれは車両204の角に関連付けられる。情報は、軌道に沿って進む境界ボックス202の各位置について、境界ボックス202の点のそれぞれに関連する位置を含むことが可能である。
幾つかの例において、軌道206は、セグメントに離散化することが可能であり、安全エリア212の複数のセグメント(例えば、セグメント210)は、軌道206のセグメントと関連する。軌道206に沿った境界ボックス202の位置は、離散化された軌道のセグメントの1つとすることが可能である。安全エリア212の複数のセグメントに含まれるセグメントの数は限定されず、セグメントの数は任意である。幾つかの例において、セグメントそれぞれの形状は、多角形(例えば、矩形)である。
幾つかの例において、未来の時刻における車両204を表す境界ボックス202の位置は、軌道206に沿って決定することが可能である。安全エリア212に沿った車両204に関連する位置は、未来の時刻において軌道206に沿って走行する車両204のシミュレーションに基づくことが可能である。
幾つかの例において、軌道に沿って進む境界ボックスの位置のそれぞれについて、境界ボックス点に対する距離を決定することが可能である。境界ボックス202の位置について、各境界ボックス点から軌道206への距離、および、軌道から安全エリア212の境界(例えば、境界214または境界216)への距離を決定することが可能である。例えば、境界ボックス202の位置について、第1の点(例えば、境界ボックス点(例えば、境界ボックス点208))と、第2の点(例えば、軌道上の最も近い点(例えば、最も近い点220))との間の距離を決定することが可能である。境界ボックス202の各点について、最も近い点220と、セグメント(例えば、セグメント210)のエッジ(例えば、エッジ224)および/または境界(例えば、最も近い境界(例えば、境界214))との間の距離222を決定することが可能である。
幾つかの例において、距離218と距離222との差分を決定することが可能である。距離218は、境界ボックス202が、境界ボックス点208において、最も近い点220における軌道206よりも広い旋回半径を有することに基づき、距離222と一致する、または超えると決定することが可能である。その後、セグメント210の幅は、距離218が距離222と一致するか、または超えるか(例えば、距離222(例えば、第1の距離)が距離218(例えば、第2の距離)よりも小さい、または等しいか)に基づき、距離218を含むように更新することが可能である。幾つかの例において、安全エリア212は、セグメント210に関連する部分であって距離218を含むようにその後に更新された部分を有するように決定することが可能である。
幾つかの例において、セグメント210の幅は、セグメント210の異なる側(例えば、右側、および/または、旋回についての内側)に関連する距離に基づいて更新することが可能である。例えば、異なる側に関連する境界ボックス点および最も近い点220の間の距離を決定することが可能である。最も近い点220と、セグメントの異なる側および/または境界216に関連するエッジ(例えば、エッジ226)との間の距離を決定することが可能である。セグメント210の幅は、その後、異なる側に関連する境界ボックス点と最も近い点220との間の距離が、最も近い点220とエッジ226との間の距離と一致するか、または超えることに基づいて、異なる側に関連する境界ボックス点と最も近い点220との間の距離を含むように更新することが可能である。
図2に関して上述した特徴は、それらに限定されず、図1に関して上述した特徴の何れかと組み合わせて実施することが可能である。例えば、図2に関して上述した特徴の何れかは、図1に関して上述した特徴の何れかと組み合わせて実施することが可能である。図1および図2の両方に関して上述した特徴を組み合わせることにより、車両は、より高い精度および安全性をもって制御することが可能である。例えば、図2の更新された安全エリア幅は、衝突の可能性を回避するよう車両を制御するために、図2の第2の安全エリアと併用することが可能である。
図3は、本開示の例による、車両に関連する境界ボックスに基づいて安全エリアのセグメントを決定するための例示的な処理を示す絵入りのフロー図である。
動作302は、安全エリアに関連するセグメントの決定を含むことが可能である。幾つかの例において、車両に関連する軌道は、安全エリアに関連する複数のセグメントに離散化することが可能である。安全エリアは、旋回外側の境界および旋回内側の境界を有することが可能である。車両に関連する境界ボックスの位置は、複数のセグメントのそれぞれに基づいて決定することが可能である。境界ボックスの位置は、軌道に沿って決定することが可能である。安全エリアは、任意の数のセグメントを含むことが可能である。セグメントの数は、複数のセグメントに基づいて決定される安全エリアが連続するものとして扱えるように、閾値よりも大きい数とすることが可能である。幾つかの例において、安全エリアの最大幅は、車両の幅、および/または、車両が現在位置する車線の幅とすることが可能である。
例304は、車両308に関連する軌道306を示す。軌道306は、離散化することが可能である。安全エリア(例えば、安全エリア312)に関連する複数のセグメント(例えば、セグメント310)は、離散化された軌道306のセグメントに関連付けることが可能である。例えば、セグメントのそれぞれは、第1安全エリアの部分に関連付けることが可能である。安全エリア312は、旋回外側における境界314および旋回内側における境界316を有することが可能である。車両308に関連する境界ボックスの位置は、離散化された軌道306のセグメントそれぞれに基づいて決定することが可能である。境界ボックスの位置は、軌道306に沿って決定することが可能である。
幾つかの例において、セグメント(例えば、セグメント310)それぞれの幅は、セグメントの第1の側の距離(例えば、距離318)およびセグメントの第2の側の距離(例えば、距離324)に基づいて決定することが可能である。距離318は、セグメントのエッジ(例えば、エッジ320)と軌道306における最も近い点(例えば、点322)との間の距離とすることが可能である。例えば、距離318は、点322から直交方向に延びて境界316において終わる仮想線の長さとすることが可能である。距離324は、セグメントの別のエッジ(例えば、エッジ326)と軌道306における点の間の距離とすることが可能である。例えば、距離324は、点322から直交方向に延びてエッジ326において終わる仮想線とすることが可能である。セグメントに関連する軌道306における点は、セグメントの中心における位置を有することが可能である。
安全エリアの個々の部分に関連するセグメントそれぞれの幅は、第1の側の距離と第2の側の距離との和とすることが可能である。例えば、セグメント310の幅は、距離318と距離324との和とすることが可能である。幾つかのケースにおいて、セグメントそれぞれの幅は、同じ幅とすることが可能である。しかしながら、幅は、同じ幅には限定されず、様々なパラメータに基づいて可変である。例えば、安全エリアの個々の部分に関連するセグメントの何れかの幅は、非限定的に、車両の速度、車両が走行する地形の種類、天気の種類、道路および/または車線の寸法、車両の特徴(例えば、種類、および/または、タイヤまたはブレーキの使用年数)、車両が走行している道路または交差点の速度制限等を含む様々な情報に基づいて、決定することが可能である。幅の決定に利用される情報は、類似の環境における類似の車両に関連するリアルタイムデータまたは履歴データとすることが可能である。軌道306は、安全エリア312に関連する任意の数(例えば、1、または、10、100、1000等のオーダの数)であって無限大に近い数を含む数のセグメントに離散化することが可能である。安全エリア312の複数のセグメントの組み合わせは、離散化された軌道306の複数のセグメントに関連付けることが可能であり、連続的なエリアに近似することが可能である。
動作328は、拡張された安全エリア(例えば、修正安全エリア)に関連するセグメントの幅の決定を含むことが可能である。幾つかの例において、セグメントの幅は、第1の側のセグメントに関連する距離および第2のセグメントに関連する別の距離に基づいて、決定することが可能である。第1の側および第2の側に関連する距離のそれぞれは、第1の距離および第2の距離との間のより大きい距離に決定することが可能である。第1の距離は、安全エリアの境界、および/または、安全エリアに関連するセグメントのエッジに関連付けることが可能である。例えば、第1の距離は、軌道における最も近い点と安全エリアのセグメントのエッジとの間の距離、および/または、軌道における最も近い点と安全エリアの一部の境界との間の距離とすることが可能である。第2の距離は、シミュレーションされた境界ボックスにおける点に関連付けることが可能である。例えば、第2の距離は、境界ボックスの点と最も近い点との間の距離とすることが可能である。幾つかの例において、拡張された安全エリアの最大幅は、車両が現在位置する車線の幅とすることが可能である。
例330は、拡張された安全エリア(例えば、安全エリア332)に関連するセグメント(例えば、セグメント310)の幅を示す。幾つかの例において、セグメント310の幅は、セグメント310の第1の側に関連する距離(例えば、距離334)と、セグメント310の第2の側に関連する他の距離(例えば、距離336)とに基づいて、決定することが可能である。安全エリアの個々の部分に関連するセグメントそれぞれの幅は、第1の側の距離(例えば、距離334)と、第2の側の距離(例えば、距離336)との和とすることが可能である。
幾つかの例において、車両308に関連する位置は、未来の時刻において安全エリア332に沿って決定することが可能である。車両308の表現に関連する点の未来の時刻、位置における軌道306からの最大距離を決定することが可能である。車両の表現は、境界ボックスを含むことが可能である。安全エリア332(例えば、セグメント310に関連する安全エリア332)の一部の幅は、当該位置における最大距離として決定することが可能であり、車両308の制御に利用することが可能である。例えば、最大幅は、距離334と距離336との組み合わせを含むことが可能である。安全エリア332の一部の幅は、距離334と距離336との組み合わせとして決定することが可能である。
幾つかの例において、第1の側および第2の側に関連する距離のそれぞれは、第1の距離および第2の距離の間のより大きい距離に決定することが可能である。距離334の決定に使用される第1の距離は、現在の安全エリアの現在の境界(例えば、境界314)、および/または、安全エリアの一部に関連するセグメントの現在のエッジと関連付けることが可能である。例えば、距離334の決定に使用される第1の距離は、最も近い点(例えば、点322)とセグメント310の現在のエッジ(例えば、320)との間の距離、および/または、最も近い点(例えば、点322)と現在の安全エリア312における一部の現在の境界(例えば、境界314)との間の距離とすることが可能である。第2の距離は、シミュレーションされた境界ボックスにおける点に関連付けることが可能である。幾つかの例において、距離334の決定に使用される第2の距離は、境界ボックスにおける点と軌道における最も近い点(例えば、点322)との間の距離とすることが可能である。セグメント(例えば、310)の第1の側に関連する距離(例えば、距離334)は、第1の距離以上の第2の距離に基づいて、第2の距離に決定することが可能である。セグメント310の幅は、第2の距離となるように決定された第1の側に関連する距離(例えば、距離334)に基づいて決定することが可能である。追加的または代替的に、安全エリア332の一部の幅は、第2の距離となるように決定された第1の側に関連する距離(例えば、距離334)に基づいて決定することが可能である。
幾つかの例において、距離336の決定に使用される第1の距離は、安全エリア(例えば、安全エリア312)の現在の境界(例えば、境界316)、および/または、安全エリアの一部に関連するセグメントの現在のエッジ(例えば、エッジ326)と関連付けることが可能である。例えば、距離336の決定に使用される第1の距離は、最も近い点(例えば、点322)とセグメント310の現在のエッジ(例えば、エッジ326)との間の距離、および/または、最も近い点(例えば、点322)と現在の安全エリア312における一部の現在の境界(例えば、境界316)との間の距離とすることが可能である。距離336の決定に使用される第2の距離は、境界ボックスにおける点と軌道における最も近い点(例えば、点322)との間の距離とすることが可能である。セグメント(例えば、セグメント310)の第1の側に関連する距離(例えば、距離336)は、第1の距離よりも大きい第2の距離に基づいて、第2の距離に決定することが可能である。セグメント310の幅は、第2の距離として設定された第2の側に関連する距離(例えば、距離336)に基づいて決定することが可能である。追加的または代替的に、安全エリア332の一部の幅は、第2の距離として決定された第1の側に関連する距離(例えば、距離336)に基づいて、決定することが可能である。
幾つかの例において、エッジ338は、旋回の外側について、境界314を超えて延長し得る。エッジ340は、旋回の内側について、境界316を超えて延長し得る。安全エリア312は、可変幅を有することが可能である。
センサデータのサブセットは、安全エリア312および/または安全エリア332に基づいて決定することが可能である。センサデータのサブセットにおいて表現される物体を検出することが可能である。物体が軌道306を横切るであろう尤度(例えば、交差の尤度)を決定することが可能である。車両308は、尤度に基づいて制御することが可能である。図3に関して上述した特徴は、それらに限定されず、図1または図2に関して上述した特徴の何れかと組み合わせて実施することが可能である。例えば、車両308は、加速度コマンドまたはステアリングコマンドの1つまたは複数が修正されることによって、交差の尤度が低減するよう制御することが可能である。
したがって、本明細書において述べたとおり、車両に関連する軌道は、セグメントに離散化することが可能である。安全エリアの複数のセグメントは、離散化された軌道のセグメントに関連付けることが可能である。安全エリアのセグメントおよび/または一部は、シミュレーションされた境界ボックスであって車両に関連する境界ボックスに基づいて調整された幅を有することが可能である。幅は、安全エリアに一致するか、または安全エリアを超えて広がる境界ボックスの部分に基づいて、調整することが可能である。幅を調整することにより、車両が走行する環境において車両と物体との衝突の可能性をより正確に予測し回避することが可能である。平均的な長さよりも長い長さを有する車両についての安全エリアの一部の幅を調整することにより、衝突可能性の尤度を、より大きなレベルで低減することが可能である。例えば、大きなトラック(例えば、セミ・トレーラー・トラック)についての安全エリアの一部の幅を調整することにより、衝突可能性の尤度を、より大きなレベルで低減することが可能である。
図4は、本明細書において説明される技術を実行するための例示的なシステム400を示すブロック図である。少なくとも一例において、システム400は、車両402を含み得る。例示したシステム400において、車両402は、自動車であるが、車両402は、あらゆる種類の車両であり得る。車両402は、図1~図3および図5~図7における何れの車両としても実施することが可能である。
車両402は、米国運輸省道路交通***(U.S. National Highway Traffic Safety Administration)が発行するレベル5のクラス(classification)に従って構成された自動車両のような、自律運転車両とすることが可能である。レベル5のクラスは、運転者(または乗員)が車両を常に制御することを期待されていない状態で、移動の全体において安全重要機能の全てを実施することが可能な車両について記述する。このような例において、車両402は、全ての駐車機能を含む、移動の開始から完了までの全ての機能を制御するように構成することが可能であるため、運転者、および/または、ステアリングホイール、アクセルペダルおよび/またはブレーキペダルといった車両402の運転制御は含まれなくてもよい。これは単なる一例であり、本明細書に記載のシステムおよび方法は、常に運転者が手動で制御する必要のある車両から、部分的または完全に自律的に制御される車両まで、地上、空中、または水上のあらゆる乗り物に組み込まれてよい。
車両402は、1つまたは複数の計算機404、1つまたは複数のセンサシステム406、1つまたは複数のエミッター408、1つまたは複数の通信接続410(通信デバイスおよび/またはモデムとしても参照する)、少なくとも1つの直接接続412(例えば、データの交換および/または電力の供給のために車両402に物理的に結合する)、および、1つまたは複数の駆動システム414を含み得る。1つまたは複数のセンサシステム406は、環境に関連するデータを取り込むように構成することが可能である。
センサシステム406は、飛行時間センサ、位置センサ(例えば、GPS、コンパス等)、慣性センサ(例えば、慣性計測装置(IMUs)、加速度計、磁気計、ジャイロスコープ等)、LIDARセンサ、レーダーセンサ、ソナーセンサ、赤外線センサ、カメラ(例えば、RGB、IR、強度、深度等)、マイクロホンセンサ、環境センサ(例えば、温度センサ、湿度センサ、光センサ、圧力センサ等)、超音波送受信器、ホイールエンコーダ等を含むことが可能である。センサシステム406は、これらまたは他のタイプのセンサそれぞれの複数の例を含むことが可能である。例えば、飛行時間センサは、車両402の角、前部、後部、側部、および/または、上端に個別に位置する飛行時間センサを含むことが可能である。別の例として、カメラセンサは、車両402の外部および/または内部の様々な位置に配置された複数のカメラを含むことが可能である。センサシステム406は、第1の計算機404への入力を提供することが可能である。
車両402は、光および/または音を放出するエミッター408も含むことが可能である。この例において、エミッター408は、車両402の乗員とコミュニケーションをとるための内部音響映像エミッターを含む。限定ではなく一例として、内部エミッターは、スピーカ、ライト、サイン、ディスプレイスクリーン、タッチスクリーン、触覚エミッター(例えば、振動及び/又は力フィードバック)、機械的アクチュエータ(例えば、シートベルトテンショナー、シートポジショナー、ヘッドレストポジショナー等)等を含むことが可能である。この例において、エミッター408は、外部エミッターも含むことが可能である。限定ではなく一例として、この例における外部エミッターは、進行方向または他の車両アクションの指標を知らせるためのライト(例えば、表示灯、標識、ライトアレイ等)、および、歩行者または他の近くの車両と聴覚的に通信するための1つまたは複数の音響エミッター(例えば、スピーカ、スピーカアレイ、ホーン等)を含むことが可能であり、その1つまたは複数が音響ビームステアリング技術を構成することが可能である。
車両402は、車両402と1つまたは複数のローカルまたは遠隔の計算機(例えば、遠隔操作計算機)または遠隔サービスとの間の通信を可能にする通信接続410もまた含むことが可能である。例えば、通信接続410は、車両402における他のローカル計算機、および/または、駆動システム414との通信を促進することが可能である。また、通信接続410は、車両402が他の近傍の計算機(例えば、他の近傍の車両、交通信号等)と通信することを許容し得る。
通信接続410は、第1の計算機404を別の計算機または1つまたは複数の外部ネットワーク416(例えば、インターネット)に接続するための物理的および/または論理的なインタフェースを含むことが可能である。例えば、通信接続410は、IEEE802.11標準によって定義された周波数を介するようなWi-Fi(登録商標)ベースの通信、Bluetooth(登録商標)のような短距離無線周波数、セルラー通信(例えば、2G、3G、4G、LTE、5G等)、衛星通信、個別短距離通信(DSRC)、または個々の計算機を他の計算機とのインタフェースを可能にする任意の適切な有線又は無線の通信プロトコルを可能にできる。
少なくとも1つの例において、車両402は、駆動システム414を含むことが可能である。幾つかの例において、車両402は、単一の駆動システム414を有することが可能である。少なくとも1つの例において、車両402が複数の駆動システム414を有する場合、個々の駆動システム414は、車両402の対向する端部(例えば、フロント及びリア等)に位置することが可能である。少なくとも1つの例において、駆動システム414は、駆動システム414の状況、および/または、車両402の周囲を検出するセンサシステム406を含むことが可能である。限定ではなく一例として、センサシステム406は、駆動システムのホイールの回転を感知する1つまたは複数のホイールエンコーダ(例えば、ロータリエンコーダ)、駆動システムの方向および加速度を測定する慣性センサ(例えば、慣性計測装置、加速度計、ジャイロスコープ、磁気計等)、カメラまたは他の画像センサ、駆動システムの周囲における物体を音響的に検出する超音波センサ、LIDARセンサ、レーダーセンサ等を含むことが可能である。ホイールエンコーダのような幾つかのセンサは、駆動システム414に固有とすることが可能である。幾つかのケースにおいて、駆動システム414におけるセンサシステム406は、車両402の対応するシステムに対して重複または補足することが可能である(例えば、センサシステム406)。
駆動システム414は、高圧バッテリ、車両を推進するモータ、他の車両システムによる使用のためにバッテリからの直流を交流に変換するインバータ、ステアリグモータ及びステアリングラック(電子的であることが可能)を含むステアリングシステム、油圧または電子アクチュエータを含むブレーキシステム、油圧および/または空気圧の部品を含むサスペンションシステム、トラクションの損失を軽減して制御を維持するブレーキ力を分配するための安定制御システム、HVACシステム、照明装置(例えば、車両の外部周辺を照らすヘッド/テイル照明のような照明装置)、および、1つまたは複数の他のシステム(例えば、冷却システム、安全システム、車載充電システム、DC/DCコンバータのような他の電子部品、高圧バッテリジャンクション、高圧ケーブル、充電システム、充電ポート等)を含む、多くの車両システムを含むことが可能である。追加的に、駆動システム414は、センサシステム406からデータを受信及び前処理して、様々な車両システムの動作を制御する駆動システムコントローラを含むことが可能である。幾つかの例において、駆動システムコントローラは、1つまたは複数のプロセッサと、1つまたは複数のプロセッサに通信可能に結合されたメモリとを含むことが可能である。メモリは、駆動システム414の様々な機能を実施するための1つまたは複数のコンポーネントを記憶することが可能である。さらに、駆動システム414はまた、個々の駆動システムによる1つまたは複数の他のローカルまたは遠隔の計算機との通信を可能にする1つまたは複数の通信接続を含むことが可能である。
車両402は、冗長性、エラーチェック、および/または、第1の計算機404によって決定された決定および/または命令の検証を提供する1つまたは複数の第2の計算機418を含むことが可能である。
例として、第1の計算機404は、プライマリシステムであると考えられてよく、その一方で、第2の計算機418は、セカンダリシステムであると考えられてよい。プライマリシステムは、概して、車両が環境内でどのように操作されるかを制御する処理を実施してよい。プライマリシステムは、機械学習のような様々な人工知能(AI)技術を実行して、車両の周辺環境を把握し、および/または、環境内を移動するよう車両に指示してよい。例えば、プライマリシステムは、AI技術を実行して、車両をローカライズしたり、車両周辺の物体を検出したり、センサデータをセグメント化したり、物体の分類を決定したり、物体の軌道を予測したり、車両の軌道を生成したりしてよい。例において、プライマリシステムは、光検出および測距(LIDAR)センサ、レーダーセンサ、画像センサ、深度センサ(飛行時間、構造化光等)といった、車両における複数種類のセンサからのデータを処理する。
セカンダリシステムは、プライマリシステムの動作を検証してよく、かつ、プライマリシステムに問題がある時に、プライマリシステムから車両の制御を引き継いでよい。セカンダリシステムは、車両および/または車両周辺の物体の位置、速度、加速度等に基づく確率技術を実行してよい。例えば、セカンダリシステムは、1つまたは複数の確率技術を実行して、独立に車両をローカライズしたり、車両周辺の物体を検出したり、センサデータをセグメント化したり、物体の分類を識別したり、物体の軌道を予測したり、車両の軌道を生成したりしてよい。例において、セカンダリシステムは、プライマリシステムによって処理されたセンサデータのサブセットのような、少ないセンサからのデータを処理する。例えば、プライマリシステムは、LIDARデータ、レーダーデータ、画像データ、深度データ等を処理してよく、その一方で、セカンダリシステムは、LIDARデータおよび/またはレーダーデータ(および/または飛行時間データ)だけを処理してよい。しかしながら、他の例において、セカンダリシステムは、各センサからのデータ、プライマリシステムと同じ数のセンサからのデータのように、任意の数のセンサからのセンサデータを処理してもよい。
セカンダリシステムは、本明細書において説明したように、図1~図3および図5~図7の技術の何れかを実行してよい。例えば、セカンダリシステムは、車両の制御に利用される1つまたは複数の安全エリアを決定してよい。セカンダリシステムは、冗長なバックアップシステムであってよい。
プライマリシステムおよびセカンダリシステムを備える車両アーキテクチャの追加的な例は、例えば、参照により全体が本明細書に組み込まれる、2018年11月13日に出願された「Perception Collision Avoidance」というタイトルの特許文献1において見ることができる。
第1の計算機404は、1つまたは複数のプロセッサ420と、1つまたは複数のプロセッサ420と通信可能に結合されたメモリ422とを含むことが可能である。図示の例において、第1の計算機404のメモリ422は、ローカライゼーションコンポーネント424、知覚コンポーネント426、予測コンポーネント428、計画コンポーネント430、地図コンポーネント432、及び、1つまたは複数のシステムコントローラ434を記憶する。例示目的のためにメモリ422内に存在するように示したが、ローカライゼーションコンポーネント424、知覚コンポーネント426、予測コンポーネント428、計画コンポーネント430、地図コンポーネント432、及び、1つまたは複数のシステムコントローラ434は、追加的または代替的に、第1の計算機404(例えば、車両402の異なるコンポーネントに記憶される)にアクセスすることが可能であり、および/または、車両402(例えば、遠隔に記憶される)にアクセスすることが可能であると考えられる。
第1の計算機404のメモリ422において、ローカライゼーションコンポーネント424は、センサシステム406からデータを受信して車両402の位置を決定する機能を含むことが可能である。例えば、ローカライゼーションコンポーネント424は、環境の3次元マップを含む、および/または、要求する/受信することが可能であり、かつ、マップにおける自律走行車両の位置を継続的に決定することが可能である。場合により、ローカライゼーションコンポーネント424は、SLAM(simultaneous localization and mapping)またはCLAMS(calibration, localization and mapping, simultaneously)を使用して飛行時間データ、画像データ、LIDARデータ、レーダーデータ、ソナーデータ、IMUデータ、GPSデータ、ホイールエンコーダデータ、またはこれらの何れかの組み合わせ等を受信し、また、自律走行車両の位置を正確に決定することが可能である。場合により、ローカライゼーションコンポーネント424は、本明細書において説明するように、軌道を生成するための自律走行車両の初期位置を決定すべく、車両402の様々なコンポーネントへデータを提供することが可能である。
知覚コンポーネント426は、物体検出、セグメント化、および/または、分類を実施する機能を含むことが可能である。幾つかの例において、知覚コンポーネント426は、車両402に最も近い物の存在、および/または、エンティティタイプ(例えば、車、歩行者、自転車に乗った人、ビル、木、路面、カーブ、歩道、未知等)としてのエンティティの分類を示す処理済みセンサデータを提供することが可能である。追加的または代替的な例において、知覚コンポーネント426は、検出されたエンティティおよび/またはエンティティが位置する環境に関連する1つまたは複数の特徴を示す処理済みセンサデータを提供することが可能である。幾つかの例において、エンティティに関連する特徴は、限定はしないが、x位置(地球測位)、y位置(地球測位)、z位置(地球測位)、方向、エンティティタイプ(例えば、分類)、エンティティの速度、エンティティの範囲(サイズ)等を含むことが可能である。環境に関連する特徴は、限定はしないが、環境における別のエンティティの存在、環境における別のエンティティの状態、時刻、曜日、季節、気象条件、暗闇/光の指標等を含むことが可能である。
上述したように、知覚コンポーネント426は、知覚アルゴリズムを使用して、センサデータに基づき、環境における物体に関連する、知覚ベースの境界ボックスを決定することが可能である。例えば、知覚コンポーネント426は、画像データを受信し、かつ、分類して、画像データにおいて表現される物体を決定することが可能である。そして、検出アルゴリズムを使用することにより、知覚コンポーネント426は、2次元の境界ボックス、および/または、物体に関連する、知覚ベースの3次元境界ボックスを生成することが可能である。知覚コンポーネント426は、さらに、物体に関連する3次元境界ボックスを生成することが可能である。上述したように、3次元境界ボックスは、物体に関連する位置、方向、姿勢、および/または、サイズ(例えば、長さ、幅、高さ等)といった追加の情報を提供することが可能である。
知覚コンポーネント426は、知覚コンポーネント426によって生成された知覚データを記憶する機能を含むことが可能である。場合により、知覚コンポーネント426は、物体タイプに分類されている物体に対応する軌道を決定することが可能である。説明目的のみであるが、知覚コンポーネント426は、センサシステム406の使用により、歩行者のような物体を含む環境の1つまたは複数の画像を取り込むことが可能である。歩行者は、時刻Tにおいて第1位置に存在し、時刻T+tにおいて第2位置に存在することが可能である(例えば、時刻Tから時刻tの期間における移動)。換言すると、歩行者は、この時間区間において第1位置から第2位置へ移動することが可能である。このような移動は、例えば、物体に関連する保存知覚データとして記録することが可能である。
保存知覚データは、幾つかの例において、車両402によって取り込まされた融合知覚データを含むことが可能である。融合知覚データは、画像センサ、LIDARセンサ、レーダーセンサ、飛行時間センサ、ソナーセンサ、全地球測位システムセンサ、内部センサ、および/または、それらの何れかの組み合わせといったセンサシステム406からのセンサデータの融合または他の組み合わせを含むことが可能である。保存知覚データは、追加的または代替的に、センサデータにおいて表現される物体(例えば、歩行者、車両、ビル、路面等)の意味論的な分類を含む分類データを含むことが可能である。保存知覚データは、追加的または代替的に、環境を通る動的な物体として分類された物体の動きに対応する軌道データ(位置、方向、センサ特性等)を含むことが可能である。軌道データは、時間経過に応じた、複数の異なる物体の複数の軌道を含むことが可能である。この軌道データは、物体が動いていない(例えば、静止状態)または動いている(歩いている、走っている等)時の、或る種類の物体(例えば、歩行者、動物等)の画像を識別するのに利用することが可能である。この例において、計算機は、軌道が歩行者に対応すると決定する。
予測コンポーネント428は、環境において1つまたは複数の物体が位置する可能性のある場所の予測確率を表す1つまたは複数の確率マップを生成することが可能である。例えば、予測コンポーネント428は、車両402から閾値距離内の車両、歩行者、動物等についての1つまたは複数の確率マップを生成することが可能である。場合により、予測コンポーネント428は、物体の軌道を測定することが可能であり、かつ、離散化された予測確率マップ、温度マップ、確率分布、離散化された確率分布、および/または、観測及び予測された挙動に基づく物体の軌道を生成することが可能である。場合により、1つまたは複数の確率マップは、環境における1つまたは複数の物体の意図を表すことが可能である。
計画コンポーネント430は、環境を走行する車両402が従うパスを決定することが可能である。例えば、計画コンポーネント430は、様々なルート及びパス、様々な詳細レベルを決定し得る。場合により、計画コンポーネント430は、第1の位置(例えば、現在位置)から第2の位置(例えば、目的地)へ走行するルートを決定することが可能である。この説明のため、ルートは、2つの場所の間を走行する中間点のシーケンスとすることが可能である。非限定的な例として、中間点は、通り、交差点、全地球測位システム(GPS)座標等を含むことが可能である。さらに、計画コンポーネント430は、第1の位置から第2の位置へのルートの少なくとも一部に沿って自動運転車両を案内するための指示を生成することが可能である。少なくとも1つの例において、計画コンポーネント430は、中間点のシーケンスにおける第1の中間点から中間点のシーケンスにおける第2の中間点へどのようにして案内するかを決定することが可能である。幾つかの例において、指示は、パスまたはパスの一部とすることが可能である。幾つかの例において、複数のパスが、後退地平線技術に従って実質的に同時に(すなわち、技術的な許容範囲内において)生成することが可能である。後退地平線データにおける複数のパスのうち最も高い信頼レベルを有する単一のパスが、車両の運転のために選択されてよい。
他の例において、計画コンポーネント430は、代替的または追加的に、知覚コンポーネント426および/または予測コンポーネント428からのデータを使用して環境を走行する車両402が従うパスを決定することが可能である。例えば、計画コンポーネント430は、環境に関連する物体に関するデータを、知覚コンポーネント426および/または予測コンポーネント428から受信することが可能である。このデータを使用して、計画コンポーネント430は、環境において物体を避けて第1の位置から第2の位置へ走行するルートを決定することが可能である。少なくとも幾つかの例において、このような計画コンポーネント430は、衝突の生じない経路が存在しないことを決定してよく、次いで、すべての衝突を回避し、および/または、損害を軽減する安全な停止を車両402にもたらすパスを提供してよい。
メモリ422は、さらに、環境内の車両の運転に使用され得る1つまたは複数のマップ432をさらに含むことが可能である。この説明の目的のため、限定はしないが、トポロジー(交差点のような)、通り、山岳、道路、地形、及び、環境一般といった環境についての情報を提供可能な2次元、3次元、またはN次元にてモデルリングされた、何れかの数のデータ構造とすることが可能である。場合により、マップは、限定はしないが、テクスチャ情報(例えば、色情報(例えば、RGB色情報、Lab色情報、HSV/HSL色情報)等)、強度情報(例えば、LIDAR情報、RADAR情報等)、空間情報(例えば、メッシュに投影される画像データ、個別の“表面要素”(例えば、個別の色および/または強度に関連するポリゴン)、反射性情報(例えば、鏡面性情報、再帰反射性情報、BRDF情報、BSSRDF情報等)を含むことが可能である。一例において、マップは、本明細書において説明するように、環境の3次元メッシュを含むことが可能である。場合により、マップは、マップの個々のタイルが環境の離散化部分を表すような環境タイルフォーマットにて保存することが可能であり、かつ、必要に応じてワーキングメモリにロードすることが可能である。少なくとも一例において、1つまたは複数のマップ432は、少なくとも1つのマップ(例えば、画像および/またはメッシュ)を含むことが可能である。幾つかの例において、車両402は、マップ432の少なくとも一部に基づいて制御することが可能である。すなわち、マップ432は、ローカライゼーションコンポーネント424、知覚コンポーネント426、予測コンポーネント428、および/または、計画コンポーネント430と関連して、車両402の位置を決定し、環境内の物体を識別し、物体および/または車両402に関連する予測確率を生成し、および/または、環境内を移動する経路および/または軌道を生成するために使用することが可能である。
幾つかの例において、1つまたは複数のマップ432は、ネットワーク416を経由してアクセス可能な遠隔計算機(計算機448のような)に保存することが可能である。幾つかの例において、複数のマップ432は、例えば、特性(例えば、エンティティのタイプ、時間帯、曜日、年の季節等)に基づいて保存することが可能である。複数のマップ432を保存することは、同様のメモリ要件を有することが可能であるが、マップ内のデータにアクセスできる速度を増大させることが可能である。
少なくとも一例において、第1の計算機404は、1つまたは複数のシステムコントローラ434を含むことが可能であり、システムコントローラ434は、ステアリング、駆動力、ブレーキ、安全、エミッター、通信、および車両の他のシステムを制御するよう構成することが可能である。これらのシステムコントローラ434は、計画コンポーネント430から提供される経路に従って動作するように構成することが可能な車両402の駆動システム414および/または他のコンポーネントの対応するシステムと通信し、および/または制御し得る。
第2の計算機418は、本明細書において説明するように、1つまたは複数のプロセッサ436と、車両402の態様を検証および/または制御するコンポーネントを含むメモリ438とを備えることが可能である。少なくとも一例において、1つまたは複数のプロセッサ436は、プロセッサ420と同様であってよく、メモリ438は、メモリ422と同様であってよい。ただし、幾つかの例において、プロセッサ436およびメモリ438は、追加の冗長性のために、プロセッサ420およびメモリ422と異なるハードウェアを備えてもよい。
幾つかの例において、メモリ438は、ローカライゼーションコンポーネント440、知覚/予測コンポーネント442、計画コンポーネント444、および、1つまたは複数のシステムコントローラ446を備えることが可能である。
幾つかの例において、ローカライゼーションコンポーネント440は、センサ406からセンサデータを受信して、自律走行車両402の1つまたは複数の位置および/または方向(併せて姿勢)を決定してよい。ここで、位置および/または方向は、自律走行車両402が位置する環境における点および/または物体に関連し得る。例において、方向は、基準平面に対する、および/または、点および/または物体に対する自律走行車両402のヨー、ロール、および/または、ピッチの指標を含んでよい。例において、ローカライゼーションコンポーネント440は、第1の計算機404(例えば、高レベルローカライゼーション)のローカライゼーションコンポーネント424よりも少ない処理を実施してよい。例えば、ローカライゼーションコンポーネント440は、マップに対する自律走行車両402の姿勢を決定しなくてもよいが、自律走行車両402の周囲において検出された物体および/または表面に対する自律走行車両402の姿勢を単に決定してよい(例えば、ローカルな位置であってグローバルな位置ではない)。このような位置および/または方向は、例えば、センサデータの幾つかまたは全部を使用するベイジアンフィルタ(カルマンフィルタ、拡張カルマンフィルタ、アンセンテッドカルマンフィルタ等)のような確率フィルタリング技術を例示的に使用して決定されてよい。
幾つかの例において、知覚/予測コンポーネント442は、センサデータにおいて表現される物体を検出し、識別し、分類し、および/または、追跡する機能を含むことが可能である。例えば、知覚/予測コンポーネント442は、本明細書において説明するように、クラスタリング演算、および、物体に関連する高さを推定または決定する演算を実施することが可能である。
幾つかの例において、知覚/予測コンポーネント442は、M推定器を備えてよいが、例えば、物体を分類するためのニューラルネットワーク、決定木等のような物体分類器は備えなくてもよい。追加的または代替的な例において、知覚/予測コンポーネント442は、物体の分類の曖昧さを除去するように構成された、どのようなタイプのMモデルを備えてもよい。これに対して、知覚コンポーネント426は、ハードウェアおよび/またはソフトウェアコンポーネントのパイプラインを備えてよく、パイプラインは、1つまたは複数の機械学習モデル、ベイジアンフィルタ(例えば、カルマンフィルタ)、グラフィックス処理装置(GPU)等を備えてよい。幾つかの例において、知覚/予測コンポーネント442(および/または426)によって決定された知覚データは、物体検出(例えば、自律走行車両の周囲環境における物体に関連するセンサデータの識別)、物体分類(例えば、検出された物体に関連する物体の種類の識別)、物体追跡(例えば、履歴的な、現在の、および/または、予測された物体の位置、速度、加速度、および/または、進行方向)等を備えてよい。
知覚/予測コンポーネント442は、入力データを処理して1つまたは複数の予測された物体の軌道を決定してもよい。例えば、物体の現在位置および数秒間にわたる物体の速度に基づいて、知覚/予測コンポーネント442は、物体が次の数秒間にわたって移動するパスを予測してよい。幾つかの例において、予測されたパスは、与えられた位置、方向、速度、および/または、方向の線形仮定を使用することを含んでよい。他の例において、予測されたパスは、より複雑な解析を含んでもよい
幾つかの例において、計画コンポーネント444は、計画コンポーネント430から軌道を受信して、軌道が衝突フリーである、および/または、安全マージン内であることを認証する機能を含むことが可能である。幾つかの例において、計画コンポーネント444は、安全停止軌道(例えば、“快適な”減速(例えば、最大減速未満)にて車両402を停止する軌道)を生成することが可能であり、かつ、幾つかの例においては、計画コンポーネント444は、緊急停止軌道(例えば、ステアリング入力を伴う、または、伴わない最大減速)を生成することが可能である。
幾つかの例において、システムコントローラ446は、車両の安全危機コンポーネント(例えば、ステアリング、ブレーキ、モータ等)を制御する機能を含むことが可能である。このようにして、第2の計算機418は、車両安全のための冗長性、および/または、追加のハードウェアおよびソフトウェアレイヤを提供することが可能である。
車両402は、ネットワーク416を介して計算機448に接続することが可能であり、1つまたは複数のプロセッサ450と、1つまたは複数のプロセッサ450に通信可能に結合されたメモリ452とを含むことが可能である。少なくとも一例において、1つまたは複数のプロセッサ450は、プロセッサ420と同様であってよく、メモリ452は、メモリ422と同様であってよい。図示の例において、計算機448のメモリ452は、コンポーネント454を記憶し、コンポーネント454は、本明細書において説明したコンポーネントの何れかに対応してよい。
プロセッサ420、436、および/または、450は、本明細書において説明するように、データを処理し、かつ、演算を実施するための命令を実行可能な何れかの適切なプロセッサとすることが可能である。例であり限定されないが、プロセッサ420、436および/または450は、電気的なデータをレジスタおよび/またはメモリに記憶可能な電気的なデータに変換する1つまたは複数の中央演算装置(CPUs)、グラフィックス処理装置(GPUs)または何れかの他のデバイスまたはデバイスの一部を備えることが可能である。幾つかの例において、集積回路(例えば、ASICs等)、ゲートアレイ(例えば、FPGAs)および他のハードウェアデバイスもまた、エンコードされた命令を実行するように構成される限りにおいて、プロセッサであると考えることが可能である。
メモリ422、438、および/または、452は、非一時的なコンピュータ読み取り可能な媒体の例である。メモリ422、438、および/または、452は、本明細書において説明する方法および様々なシステムによる機能を実施するための、オペレーティングシステムおよび1つまたは複数のソフトウェアアプリケーション、命令、プログラム、および/または、データを記憶することが可能である。様々な実施において、メモリ422、438、および/または、452は、静的ランダムアクセスメモリ(SRAM)、同期動的RAM(SDRAM)、不揮発性/フラッシュ型メモリ、または、情報を記憶可能な他の何れかの種類のメモリといった何れかの適切なメモリ技術を用いて実施することが可能である。本明細書において説明したアーキテクチャ、システム、および個々の要素は、他の多くの論理的、プログラム的、および物理的コンポーネントを含むことが可能であり、それらのうち添付図に示したものは、本明細書における説明に関連する単なる例である。
場合により、本明細書において説明した幾つかのまたは全部のコンポーネントは、任意のモデル、アルゴリズム、および/または、機械学習アルゴリズムを含むことが可能であ。例えば、メモリ422、438、および/または、452は、場合により、ニューラルネットワークとして実施することが可能である。幾つかの例において、メモリ422、438、および/または、452におけるコンポーネントは、複雑さを低減し、かつ、安全性の観点から検証および/または認証されるように、機械学習アルゴリズムを含まなくてもよい(または、簡易化された、または検証可能な機械学習アルゴリズムを含んでもよい)。
本明細書で説明するように、例示的なニューラルネットワークは、入力データを一連の接続された層に通して出力を生成する、生物学的に起こされたアルゴリズムである。ニューラルネットワークの各層はまた、別のニューラルネットワークを構成してもよく、または任意の数の層(畳み込みであるか否かを問わない)を構成してもよい。本開示の文脈において理解されるように、ニューラルネットワークは、機械学習を利用してもよく、これは、学習されたパラメータに基づいて出力が生成される、これらのアルゴリズムの広範囲な分類を指す場合がある。
ニューラルネットワークの文脈において論じられるが、本開示と適合する任意の種類の機械学習を使用することが可能である。例えば、機械学習または機械学習アルゴリズムは、限定されないが、回帰アルゴリズム(例えば、通常の最小二乗回帰(OLSR)、線形回帰、ロジスティック回帰、ステップワイズ回帰、多変量適応回帰スプライン(MARS)、局所的に重み付けされた散布図平滑化(LOESS))、インスタンスベースのアルゴリズム(例えば、リッジ回帰、最小絶対縮退選択演算子(LASSO)、弾性ネット、最小角回帰(LARS))、決定木アルゴリズム(例えば、分類回帰木(CART)、反復二分木3(ID3)、カイ二乗自動相互作用検出(CHAID)、決定スタンプ、条件付き決定木)、ベイジアンアルゴリズム(例えば、ナイーブベイズ、ガウスナイーブベイズ、多項ナイーブベイズ、平均一従属性分類器(AODE)、ベイジアンビリーフネットワーク(BNN)、ベイジアンネットワーク)、クラスタリングアルゴリズム(例えば、k-means、k-medians、期待値最大化(EM)、階層型クラスタリング)、相関ルール学習アルゴリズム(例えば、パーセプトロン、バックプロパゲーション、ホップフィールドネットワーク、Radial Basis Function Network(RBFN)等)、深層学習アルゴリズム(Deep Boltzmann Machine(DBM)、Deep Belief Networks(DBN)、畳み込みニューラルネットワーク(CNN)、Stacked Auto-Encoders等)、次元削減アルゴリズム(例えば、主成分分析(PCA)、主成分回帰(PCR)、部分最小二乗回帰(PLSR)、サモンマッピング、多次元尺度法(MDS)、Projection Pursuit、線形判別分析(LDA)、混合判別分析(MDA)、二次判別分析(QDA)、フレキシブル判別分析(FDA)等)、アンサンブルアルゴリズム(例.Boosting、Bootstrapped Aggregation(Bagging)、AdaBoost、Stacked Generalization(Blending)、Gradient Boosting Machines(GBM)、Gradient Boosted Regression Trees(GBRT)、Random Forest)、SVM(Support Vector Machine)、教師付き学習、教師なし学習、半教師付き学習、等を含むことが可能である。
アーキテクチャの追加の例としては、ResNet50、ResNet101、VGG、DenseNet、PointNet等といったニューラルネットワークを含む。
図5は、本開示の例による、車両の軌道に基づいて決定される境界を含む環境500、および、境界に関連する線に基づいて決定される安全エリアを示す図である。
幾つかの例において、環境500は、第1の安全エリア(例えば、安全エリア506)に関連する第1の境界(例えば、境界502)および第2の境界(例えば、境界504)を含むことが可能である。安全エリア506は、車両508に関連する軌道に基づいて決定することが可能である。第2の安全エリア(例えば、安全エリア510)は、境界504に関連する線512に基づいて決定することが可能である。境界502と、安全エリア506に関連する境界504に関連した線512との間の交点514を決定することが可能である。安全エリア506は、交点514に基づいて決定することが可能である。幾つかの例において、交点514は、閾値旋回角度と一致するか超える環境における旋回に関連付けることが可能である。安全エリア510は、フィルタリングされたセンサデータとして、安全エリア510に関連するセンサデータをフィルタリングするために利用することが可能である。安全エリア510およびフィルタリングされたセンサデータは、安全エリア510に関連する物体516の決定に利用することが可能である。安全エリア510の幅は、交差車線、および/または、他のエリアであって車両508の軌道に関連する車線へそのエリアから1つまたは複数の物体が進入してくる可能性のあるエリアの全部のうちの1つまたは複数を含むように決定することが可能である。幾つかの例において、安全エリア510の最大幅は、車両508が現在位置する車線と直交する交差車線の幅に関連付けることが可能である。ただし、最大幅は、そのような幅に限定されず、交差車線の幅よりも小さい、または大きい幅に関連付けることが可能である。
したがって、本明細書において説明したように、第2の安全エリアは、車両が旋回に入るとき、または旋回を実行しているときに、物体が車両に接近しているか否かをより容易に判断すべく決定され得る。環境に関連する情報が欠けているために生じる可能性のある衝突を回避するために、第2の安全エリアに基づいて物体を決定することが可能である。車両の接近または旋回の準備に基づいて第2の安全エリアを決定することにより、目標を決める上で考慮される環境のサイズを増加することが可能である。第2の安全エリアの幅は、交差車線、および/または、他のエリアであって車両508の軌道に関連する車線へそのエリアから1つまたは複数の物体が進入してくる可能性のあるエリアの全部のうちの1つまたは複数を含むように決定することが可能である。幾つかの例において、第2の安全エリアの最大幅は、車両が現在位置する車線と直交する交差車線の幅に関連付けることが可能である。ただし、最大幅は、そのような幅に限定されず、交差車線の幅よりも小さい、または大きい幅に関連付けることが可能である。
図6は、本開示の例による、車両の左折を含む軌道に基づいて決定される安全エリアを含む環境600を示す図である。
幾つかの例において、環境600は、第1の安全エリア(例えば、安全エリア602)を含むことが可能である。安全エリア602は、車両604に関連する、旋回(例えば、左折)を含む軌道に基づいて、決定することが可能である。幾つかの例において、安全エリア602は、車両110の幅および/または長さ、車両604の現在の速度、および/または、軌道に関連する速度等の少なくとも一部に基づいて、決定することが可能である。安全エリア602の各部の幅は、同じ幅とすることが可能である。安全エリア602は、左折に関連している軌道に基づいて左折に関連付けるように決定することが可能である。
幾つかの例において、第2の安全エリア(例えば、安全エリア606は、軌道に基づいて決定することが可能である。安全エリア606は、旋回(例えば、左折)に関連付けられている軌道に基づいて決定することが可能である。幾つかの例において、安全エリア606は、旋回制御されている車両604に関連付けられている安全エリア602の少なくとも一部に基づいて、決定することが可能である。幾つかの例において、安全エリア606は、閾値旋回角度と一致する、または超える環境における旋回(例えば、旋回に関連する旋回角度)に基づいて、決定することが可能である。安全エリア606は、第1の境界(例えば、境界608)および第2の境界(例えば、境界610)に関連付けることが可能である。安全エリア606は、境界610に関連する線612に基づいて決定することが可能である。境界608と安全エリア602に関連する線612との間の交点614を決定することが可能である。安全エリア606は、交点614に基づいて決定することが可能である。幾つかの例において、交点614は、閾値旋回角度と一致する、または超える環境における旋回と関連付けることが可能である。安全エリア606は、フィルタリングされたセンサデータとして、安全エリア606に関連するセンサデータをフィルタリングするために利用することが可能である。安全エリア606およびフィルタリングされたセンサデータは、安全エリア606に関連する物体616を決定するために利用することが可能である。安全エリア606の幅は、隣接車線および/または対向車線、および/または、他のエリアであって車両の軌道に関連する車線へそのエリアから1つまたは複数の物体が進入してくる可能性のあるエリアの全部のうちの1つまたは複数を含むように決定することが可能である。幾つかの例において、安全エリア606の最大幅は、車両508が現在位置する車線に近接する対向車線の幅に関連付けることが可能である。ただし、最大幅は、そのような幅に限定されず、対向車線の幅よりも小さい、または大きい幅に関連付けることが可能である。
幾つかの例において、安全エリア606は、左折に関連付けられている安全エリア602に基づいて、安全エリア602に隣接し、かつ、実質的に平行とすることが可能である。幾つかの例において、安全エリア606は、車両604から間隔を空けて配置することが可能である。例えば、安全エリア606と車両604との間の距離は、閾値距離(例えば、10cm、1メートル、3メートル等)以上とすることが可能である。他の例において、安全エリア606は、車両604と境界を接することが可能(例えば、接触することが可能)である。他の例において、安全エリア606は、車両604から間隔を空けて(例えば、車両604と境界を接しないように)配置することが可能である。
幾つかの例において、車両604によって受信されたセンサデータは、最も近い車線に関連付けられている(例えば、重なっている)安全エリア606に基づいて、車両に隣接する最寄り車線における物体616を決定するために利用することが可能である。幾つかの例において、車両604によって受信されたセンサデータは、最寄り車線に隣接する車線における物体616を決定するため、または、最寄り車線から1つまたは複数の車線だけ離れた車線を決定するために利用することが可能である。幾つかの例において、車両604によって受信されたセンサデータは、最寄り車線、最寄り車線に隣接する車線、および/または、最寄り車線から1つまたは複数の車線だけ離れた車線を含む1つまたは複数の車線における物体616を決定するために利用することが可能である。
したがって、本明細書において説明したように、第1の安全エリアを決定することが可能であるだけでなく、左折する車両に基づいて第2の安全エリアを決定することが可能である。第2の安全エリアを第1の安全エリアと平行とすることで、対向車両物体が接近しているかをより容易に決定することが可能である。図6について上述した特徴は車両の左折に関連するが、そのような特徴には限定されない。特徴は、二重駐車の車両を迂回するために対向車線に進入するといった他の種類の旋回にも利用することが可能である。第2の安全エリアは、一方通行路において物体が後ろから接近しているかを決定することにも使用することが可能である。車両は、より遅い速度に減速する、停止するように減速する、加速する、および/または、他のアクションをとる(例えば、旋回する)ように制御されて、物体との衝突の可能性を減少することが可能である。第2の安全エリアの幅は、1つまたは複数の隣接および/または対向の車線、および/または、他のエリアであって車両の軌道に関連する車線へそのエリアから1つまたは複数の物体が進入してくる可能性のあるエリアの全部のうちの1つまたは複数を含むように決定することが可能である。幾つかの例において、第2の安全エリアの最大幅は、車両が現在位置する車線に最も近い対向車線の幅に関連付けることが可能である。ただし、最大幅は、そのような幅に限定されず、対向車線の幅よりも小さいまたは大きい幅に関連付けることも可能である。幾つかの例において、第2の安全エリアの長さは、固定距離(例えば、10m、50m、150m、200m等)とすることが可能である。幾つかの例において、長さは、車両604の速度、第1の安全エリアの形状等に基づくことが可能である。
図7は、本開示の例による、停止している車両に基づいて安全エリアを決定するための例示的な処理700を示す絵入りのフロー図である。
動作702は、車両が交差点に接近しているとの決定を含むことが可能である。幾つかの例において、車両が走行している環境および/または車両に関連する情報を決定することが可能である。情報は、車両が交差点に接近しているかどうかを決定するために利用することが可能である。例えば、車両は、センサデータを受信かつ解析して、近づきつつある交差点を識別することが可能である。第1の安全エリアは、車両に関連する軌道に基づいて決定することが可能である。第1の安全エリアは、車両に関連する旋回を含まない軌道と関連付けるように決定することが可能である。
例704は、交差点に接近する車両706を含む環境を示す。幾つかの例において、車両706は、軌道708に関連付けることが可能である。第1の安全エリア(例えば、安全エリア710)は、環境を走行する車両706に関連する軌道708に基づいて決定することが可能である。安全エリア710は、車両に関連する旋回を含まない軌道708と関連付けることが可能である。
動作712は、停車している車両に基づいて第2の安全エリアを決定することを含むことが可能である。幾つかの例において、第2の安全エリアは、車両と交差点との間の距離であって閾値距離を下回る距離に基づいて、および/または、閾値速度を下回る車両の速度に基づいて、決定することが可能である。
例714は、一時停止標識に基づいて減速し停止する車両706を示す。幾つかの例において、第2の安全エリア(例えば、安全エリア716は、車両706と交差点との間の距離に基づいて、および/または、車両の速度に基づいて、決定することが可能である。安全エリア716は、前述したように、軌道708に平行である安全エリア710に対して直交するものとすることが可能である。
動作718は、速度が閾値と一致する、または超えることに基づいて、安全エリアを削除することを含み得る。第2の安全エリアは、車両が交差点を前進するように制御されることに基づいて車両の速度が増加する時に削除することが可能である。第2の安全エリアは、速度が閾値速度と一致する、または超えることに基づいて削除することが可能である。
例720は、閾値と一致するか、または超える速度に基づいて削除される第2の安全エリア(例えば、安全エリア716)を示す。第2の安全エリア716は、車両706が交差点を前進するように制御されることに基づいて車両の速度が増加する時に削除することが可能である。車両706は、軌道708に基づいて制御することが可能である。安全エリア716は、速度が閾値速度と一致する、または超えることに基づいて削除可能である。図7に関して上述した特徴は、それらに限定されず、図1~図3、図5および図6の何れかに関して説明した何れの特徴と共に実施することが可能である。
図8は、本開示の例による、車両の旋回を含む軌道に基づいて安全エリアを決定するための例示的な処理800を示すフローチャートである。
動作802において、処理は、車両に関連する軌道の受信を含むことが可能である。軌道は、環境を移動する車両に関連付けることが可能である。
動作804において、処理は、第1の安全エリアを決定することを含むことが可能である。第1の安全エリアは、軌道に基づいて決定することが可能である。第1の安全エリアは、一定の幅を有するものとすることが可能である。
動作806において、処理は、第1の安全エリアと異なる第2の安全エリアを軌道に基づいて決定することを含むことが可能である。第2の安全エリアは、第1の安全エリアと直交するものとすることが可能である。第2の安全エリアの方向は、車両の操作、車両の位置等に基づいて決定することが可能である。第2の安全エリアは、旋回(例えば、右折または左折)に関連付けられている軌道に基づいて決定することが可能である。
動作808において、処理は、第1または第2の安全エリアの1つまたは複数に関連するセンサデータのサブセットを決定することを含むことが可能である。車両の1つまたは複数のセンサから受信されたセンサデータのサブセットに基づいて、物体を決定することが可能である。例えば、センサデータは、LIDARセンサ、画像センサ、深度センサ(飛行時間、構造化光等)等といった複数種類のセンサからのデータを含むことが可能である。センサデータのサブセットは、センサデータの入力に基づいて、1つまたは複数の機械学習モデル、ベイジアンフィルタ(例えば、カルマンフィルタ)、および/または、グラフィックス処理装置(GPU)等によって出力することが可能である。
動作810において、処理は、尤度が閾値尤度と一致するか、または超えるかを決定することを含むことが可能である。もしも、noであれば、処理は動作802へ戻ることが可能である。もしも、yesであれば、処理は動作812へ継続することが可能である。
動作812において、処理は、尤度に基づいて車両を制御することを含むことが可能である。幾つかの例において、車両は、減速(例えば、スローダウン)、および/または、停止するよう制御することが可能である。幾つかの例において、車両は、加速するように制御することが可能である。加速または減速するよう制御することが決定したオプションは、そのオプションに関連する予測衝突尤度が他のオプションの場合よりも小さいことに基づくことが可能である。
図9は、本開示の例による、車両に関連するものとしての境界ボックスの向きに基づいて安全エリアの一部の幅を決定するための例示的な処理900を示すフローチャートである。
動作902において、処理は、車両に関連する軌道を受信することを含むことが可能である。軌道は、車両に関連付けることが可能であり、かつ、離散化することが可能である。
動作904において、処理は、軌道に基づいて、安全エリアを決定することを含むことが可能である。安全エリアに関連する複数のセグメントを決定することが可能である。複数のセグメントのうちの或るセグメントは、軌道から実質的に直交して第1の距離だけ伸長することが可能である。
動作906において、処理は、未来の時刻における安全エリアに沿った車両に関連する位置を決定することを含むことが可能である。位置は、未来の時刻における車両を表す境界ボックスに関連付けることが可能である。
動作908において、処理は、当該位置における軌道からの、未来の時刻における車両の表現に関連する点の最大距離を決定することを含むことが可能である。車両の表現における点は、境界ボックスの角に関連付けることが可能である。
動作910において、処理は、安全エリアの一部の幅を当該位置における最大距離として定義することを含むことが可能である。安全エリアの一部の幅は、第1の距離が第2の距離と一致する、または超えることに基づいて、第1の距離に設定することが可能である。第1の距離に設定することで、安全エリアは、第1の点を含むように拡大することが可能である。そうでなければ、安全エリアの一部の幅は、第1の距離が第2の距離と一致しない、または超えないことに基づいて、第2の距離に設定することが可能である。
動作912において、処理は、軌道の全てのセグメントに関連する安全エリアの部分を考慮したかどうかを決定することを含むことが可能である。もしも、yesなら、処理は、動作914へ継続することが可能である。もしも、noならば、処理は、動作906に戻って、軌道の次のセグメントに関連する安全エリアの一部に関連する第1の安全エリアおよび第2の安全エリアを決定することが可能である。
動作914において、処理は、安全エリアに基づいて車両を制御することを含むことが可能である。車両は、第1の距離として設定された、安全エリアの一部の幅に基づいて、制御することが可能である。
例示節
A:システムであって、1つまたは複数のプロセッサと、1つまたは複数のコンピュータ読み取り可能な媒体であって、前記1つまたは複数のプロセッサによって実行可能な命令を記憶し、前記命令は実行されると前記システムに動作を実施させる、媒体と、を備え、前記動作は、環境を横断する車両に関連する軌道を受信すること、前記軌道に基づいて前記車両のための第1の安全エリアを決定すること、前記軌道に基づいて前記車両のための第2の安全エリアを決定すること、前記車両が走行している環境に関連するセンサデータをセンサから受信すること、前記第1の安全エリアおよび前記第2の安全エリアに関連するセンサデータのサブセットを決定すること、前記センサデータの前記サブセットにおいて表現される物体を検出すること、前記センサデータの前記サブセットの少なくとも一部に基づいて、前記物体が前記軌道と交差する尤度を決定すること、前記尤度に基づいて、前記車両に関連する修正加速度プロファイルを決定すること、および、前記修正加速度プロファイルに基づいて、前記車両を制御すること、を含むシステム。
A:システムであって、1つまたは複数のプロセッサと、1つまたは複数のコンピュータ読み取り可能な媒体であって、前記1つまたは複数のプロセッサによって実行可能な命令を記憶し、前記命令は実行されると前記システムに動作を実施させる、媒体と、を備え、前記動作は、環境を横断する車両に関連する軌道を受信すること、前記軌道に基づいて前記車両のための第1の安全エリアを決定すること、前記軌道に基づいて前記車両のための第2の安全エリアを決定すること、前記車両が走行している環境に関連するセンサデータをセンサから受信すること、前記第1の安全エリアおよび前記第2の安全エリアに関連するセンサデータのサブセットを決定すること、前記センサデータの前記サブセットにおいて表現される物体を検出すること、前記センサデータの前記サブセットの少なくとも一部に基づいて、前記物体が前記軌道と交差する尤度を決定すること、前記尤度に基づいて、前記車両に関連する修正加速度プロファイルを決定すること、および、前記修正加速度プロファイルに基づいて、前記車両を制御すること、を含むシステム。
B:段落Aのシステムにおいて、前記軌道は、交差点を横断することを含み、前記第2の安全エリアを決定することは、前記軌道に実質的に直交する環境の部分の少なくとも一部に基づく、システム。
C:段落AまたはBのシステムにおいて、前記軌道は左折を含み、前記第2の安全エリアは、前記車両が現在位置する車線に最も近い前記環境の領域を含む、システム。
D:段落A~Cの何れかにおいて、前記第2の安全エリアは、前記第1の安全エリアに実質的に直交する、システム。
E:段落A~Dの何れかにおいて、前記第2の安全エリアの方向を決定することは、前記第1の安全エリアに関連する点に接する線の少なくとも一部に基づく、システム。
F:方法であって、車両に関連する軌道を受信すること、前記軌道の少なくとも一部に基づいて、第1の安全エリアを決定すること、前記軌道の少なくとも一部に基づいて、前記第1の安全エリアと異なる第2の安全エリアを決定すること、前記第1または第2の安全エリアの1つまたは複数に関連するセンサデータのサブセットを決定すること、前記センサデータの前記サブセットにおいて表現される物体の軌道が前記車両の軌道と交差する尤度を決定すること、および、前記尤度の少なくとも一部に基づいて、前記車両を制御すること、を備える、方法。
G:段落Fの方法において、車両を制御することは、前記物体の軌道の少なくとも一部に基づいて、前記車両に関連する修正加速度プロファイルを決定すること、および、前記修正加速度プロファイルの少なくとも一部に基づいて、前記車両を制御すること、を含む、方法。
H:段落FまたはGの方法において、前記車両を制御することは、前記尤度が閾値尤度と一致する、または超えることに基づいて、前記車両を停止するよう減速する制御をさらに含む、方法。
I:段落F~Hの何れかの方法において、前記第1の安全エリアの一部の幅は、未来の時刻における前記第1の安全エリアに沿った前記車両の位置の表現の少なくとも一部に基づいて拡張される、方法。
J:段落F~Iの何れかの方法において、前記第2の安全エリアを決定することは、前記第1の安全エリアに関連する第1の境界を決定すること、前記軌道の少なくとも一部に基づいて、前記第1の境界と、前記第1の安全エリアに関連する第2の境界に関連する線との交点を決定すること、および、前記交点に基づいて、前記第2の安全エリアを決定することをさらに含む、方法。
K:段落F~Jの何れかの方法において、前記第2の安全エリアは、前記第1の安全エリアと実質的に直交する、方法。
L:段落F~Kの何れかの方法において、第1の安全エリアの第1の幅は、前記車両が現在位置する車線の幅に関連付けられ、前記第2の安全エリアの第2の幅は、前記車両が現在位置する車線に最も近い対向車線の幅に関連付けられる、方法。
M:段落F~Lの何れかの方法において、前記第2の安全エリアを決定することは、左折に関連する前記軌道を決定すること、および、前記第2の安全エリアとして、前記車両が現在位置する車線に最も近い対向車線に関連する環境の一部を決定すること、をさらに含む、方法。
N:段落F~Mの何れかの方法において、前記第2の安全エリアを決定することは、閾値速度を下回る前記車両の速度の少なくとも一部に基づいて、前記第2の安全エリアを決定すること、をさらに含む、方法。
O:段落F~Nの何れかの方法において、前記第2の安全エリアを決定することは、前記車両に関連する点の少なくとも一部にさらに基づく、方法。
P:1つまたは複数の非一時的なコンピュータ読み取り可能な媒体であって、前記媒体は、実行されると1つまたは複数のプロセッサに動作を実施させる命令を記憶し、前記動作は、車両に関連する軌道を受信すること、前記軌道の少なくとも一部に基づいて第1の安全エリアを決定すること、前記軌道の少なくとも一部に基づいて、前記第1の安全エリアと異なる第2の安全エリアを決定すること、前記第1または第2の安全エリアの1つまたは複数に関連するセンサデータのサブセットを決定すること、前記センサデータの前記サブセットにおいて表現される物体の軌道が前記車両の軌道と交差する尤度を決定すること、および、前記尤度の少なくとも一部に基づいて、前記車両を制御すること、を備える、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
Q:段落Pにおける、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体において、前記車両を制御することは、前記物体の軌道の少なくとも一部に基づいて、前記車両に関連する修正加速度プロファイルを決定すること、および、前記修正加速度プロファイルの少なくとも一部に基づいて、前記車両を制御すること、を含む、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
R:段落PまたはQにおける、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体において、前記車両を制御することは、前記尤度が閾値尤度と一致する、または超えることに基づいて、前記車両を停止するよう減速する制御をさらに含む、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
S:段落P~Rの何れかにおける、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体において、前記第1の安全エリアの一部の幅は、未来の時刻における前記第1の安全エリアに沿った前記車両の位置の表現の少なくとも一部に基づいて拡張される、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
T:段落P~Sの何れかにおける、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体において、前記第2の安全エリアを決定することは、前記第1の安全エリアに関連する第1の境界を決定すること、前記軌道の少なくとも一部に基づいて、前記第1の境界と、前記第1の安全エリアに関連する第2の境界に関連する線との交点を決定すること、および、前記交点に基づいて、前記第2の安全エリアを決定することをさらに含む、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
U:システムであって、1つまたは複数のプロセッサと、1つまたは複数のコンピュータ読み取り可能な媒体であって、前記1つまたは複数のプロセッサによって実行可能な命令を記憶し、前記命令は、実行されると前記システムに動作を実施させる、媒体と、を備え、前記動作は、車両に関連する軌道を受信すること、前記軌道の少なくとも一部に基づいて、安全エリアを決定すること、前記安全エリアに関連する複数のセグメントであって、前記複数のセグメントのうちの或るセグメントは、前記軌道から実質的に直交して第1の距離だけ伸長している、前記複数のセグメントを決定すること、前記軌道に沿った境界ボックスであって未来の時刻における前記車両を表す前記境界ボックスの位置を決定すること、前記境界ボックスの点と前記軌道に最も近い点との間の第2の距離を決定すること、前記第2の距離が前記第1の距離と一致する、または超えることを決定すること、前記第1の距離を超える前記第2の距離に基づいて、修正安全エリアを決定すること、前記修正安全エリアに基づいて前記車両を制御すること、を含む、システム。
V:段落Uのシステムにおいて、前記境界ボックスの前記位置は、前記未来の時刻において前記軌道に沿って走行する前記車両のシミュレーションの少なくとも一部に基づいており、前記境界ボックスの前記点は、前記境界ボックスの角に関連付けられる、システム。
W:段落UまたはVのシステムにおいて、前記動作は、前記車両に関連するセンサからセンサデータを受信すること、前記修正安全エリアの少なくとも一部に基づいて、センサデータのサブセットを決定すること、前記センサデータのサブセットにおいて表現される物体を検出すること、および、前記物体が前記軌道を横切るであろう尤度を決定すること、をさらに含み、前記車両を制御することは、前記尤度の少なくとも一部にさらに基づく、システム。
X:段落U~Wの何れかのシステムにおいて、前記安全エリアの幅は、前記車両の幅に関連付けられる、システム。
Y:段落U~Xの何れかのシステムにおいて、前記修正安全エリアの幅は、前記車両が現在位置する車線の幅に関連付けられる、システム。
Z:方法であって、車両に関連する軌道を受信すること、前記軌道の少なくとも一部に基づいて、前記車両に関連する安全エリアを決定すること、未来の時刻における前記安全エリアに沿った前記車両に関連する位置を決定すること、未来の時刻における前記車両の表現に関連する点の前記位置における前記軌道からの最大距離を決定すること、前記安全エリアの一部の幅を前記位置における前記最大距離として定義すること、および、前記安全エリアの少なくとも一部に基づいて、前記車両を制御すること、を備える方法。
AA:段落Zの方法は、前記軌道に関連する複数のセグメントを決定することをさらに含み、前記位置は、前記複数のセグメントのうちの或るセグメントに関連付けられる、方法。
AB:段落ZまたはAAの方法において、前記安全エリアに沿った前記車両に関連する前記位置は、前記未来の時刻において前記軌道に沿って走行する前記車両のシミュレーションの少なくとも一部に基づいており、前記点は、前記車両を表す境界ボックスの角に関連付けられる、方法。
AC:段落Z~ABの何れかの方法は、前記車両に関連するセンサからセンサデータを受信すること、前記安全エリアの前記一部を含む修正安全エリアに基づいて、前記センサデータのサブセットを決定すること、および、前記センサデータのサブセットにおいて表現される物体を検出すること、および、前記物体が前記軌道を横切るであろう尤度を決定することをさらに含み、前記車両を制御することは、前記尤度の少なくとも一部にさらに基づく、方法。
AD:段落Z~ACの何れかの方法において、前記安全エリアの最大幅は、前記車両の幅に関連付けられる、方法。
AE:段落Z~ADの何れかの方法において、前記安全エリアの一部を含む修正安全エリアの最大幅は、前記車両が現在位置する車線の幅に関連付けられる、方法。
AF:段落Z~AEの何れかの方法において、前記車両の前記表現は、境界ボックスを含む、方法。
AG:段落Z~AFの何れかの方法は、センサデータを受信すること、前記安全エリアの少なくとも一部に基づいて、前記センサデータのサブセットを決定すること、前記センサデータの前記サブセットにおいて表現される物体を検出すること、前記物体が前記軌道を横切るであろう尤度を決定すること、をさらに含み、前記車両を制御することは、前記尤度の少なくとも一部にさらに基づく、方法。
AH:段落AGの方法において、前記車両を制御することは、1つまたは複数の加速またはステアリングコマンドを修正して交差の尤度を低減することを含む、方法。
AI:段落Z~AHの何れかの方法は、前記車両に関連するセンサからセンサデータを受信することをさらに備え、前記センサデータは、LIDARデータ、カメラデータ、レーダーデータ、超音波データ、または、深度データを含む、方法。
AJ:1つまたは複数の非一時的なコンピュータ読み取り可能な媒体であって、前記媒体は、実行されると1つまたは複数のプロセッサに動作を実施させる命令を記憶し、前記動作は、車両に関連する軌道を受信すること、前記軌道の少なくとも一部に基づいて、前記車両に関連する安全エリアを決定すること、未来の時刻における前記安全エリアに沿った前記車両に関連する位置を決定すること、未来の時刻における前記車両の表現に関連する点の前記位置における前記軌道からの最大距離を決定すること、前記安全エリアの一部の幅を前記位置における前記最大距離として定義すること、および、前記安全エリアの少なくとも一部に基づいて、前記車両を制御すること、を含む、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
AK:段落AJにおける、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体において、前記動作は、前記軌道に関連する複数のセグメントを決定することをさらに含み、前記位置は、前記複数のセグメントのうちの或るセグメントに関連付けられる、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
AL:段落AJまたはAKにおける、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体において、前記安全エリアに沿った前記車両に関連する前記位置は、前記未来の時刻において前記軌道に沿って走行する前記車両のシミュレーションの少なくとも一部に基づいており、前記点は、前記境界ボックスの角に関連付けられる、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
AM:段落AJ~ALの何れかにおける、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体において、前記動作は、前記車両に関連するセンサからセンサデータを受信すること、前記安全エリアの前記一部を含む修正安全エリアの少なくとも一部に基づいて、前記センサデータのサブセットを決定すること、前記センサデータの前記サブセットにおいて表現される前記物体を検出すること、および、前記物体が前記軌道を横切るであろう尤度を決定すること、をさらに含み、前記車両を制御することは、前記尤度の少なくとも一部にさらに基づく、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
AN:段落AJ~AMの何れかにおける、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体において、前記安全エリアの最大幅は、前記車両の幅に関連付けられる、1つまたは複数の非一時的なコンピュータ読み取り可能な媒体。
上述した例示節は、1つの特定の実装に関して説明するが、本書の文脈において、例示節の内容は、方法、デバイス、システム、コンピュータ読み取り可能な媒体、および/または別の実装を介して実装することも可能であることを理解すべきである。加えて、例A~ANの何れかを単独で、または他の例A~ANの何れか1つ以上と組み合わせて実施することが可能である。
まとめ
本明細書に記載された技術の1つまたは複数の例が記載されているが、その様々な変更、追加、置換、および等価物は、本明細書に記載された技術の範囲内に含まれる。
本明細書に記載された技術の1つまたは複数の例が記載されているが、その様々な変更、追加、置換、および等価物は、本明細書に記載された技術の範囲内に含まれる。
例の説明では、本明細書の一部を構成する添付図を参照しており、これらの図は、請求される主題の特定の実施例を例示するものである。他の例を使用してもよく、構造的な変更のような変更または改変を行ってもよいことを理解されたい。そのような例、変更または改変は、意図された請求項の主題に関する範囲から必ずしも逸脱するものではない。本明細書の手順は一定の順序で提示され得るが、場合によっては、記載されたシステムおよび方法の機能を変更することなく、特定の入力が異なるタイミングまたは異なる順序で提供されるように順序を変更され得る。また、開示された手順を異なる順序で実行することもあるだろう。さらに、本明細書に記載されている様々な計算は、開示されている順序で実行される必要はなく、計算の代替的な順序を用いた他の例も容易に実施され得る。順序の並べ替えに加えて、計算は、同じ結果のサブ計算に分解されることもあり得る。
Claims (15)
- 車両に関連する軌道を受信すること、
前記軌道の少なくとも一部に基づいて、第1の安全エリアを決定すること、
前記軌道の少なくとも一部に基づいて、前記第1の安全エリアと異なる第2の安全エリアを決定すること、
前記第1の安全エリアまたは前記第2の安全エリアの1つまたは複数と関連するセンサデータのサブセットを決定すること、
前記センサデータの前記サブセットにおいて表現される物体の軌道が前記車両の前記軌道と交差する尤度を決定すること、および、
前記尤度の少なくとも一部に基づいて、前記車両を制御すること、
を備える、方法。 - 前記方法は、
前記車両が走行している環境に関連する前記センサデータをセンサから受信すること、および、
前記センサデータの前記サブセットにおいて表現される前記物体を検出すること、を更に備え、
前記センサデータの前記サブセットは、前記第1の安全エリアおよび前記第2の安全エリアに関連する、請求項1に記載の方法。 - 前記車両を制御することは、
前記物体の前記軌道の少なくとも一部に基づいて、前記車両に関連する修正加速度プロファイルを決定すること、および、
前記修正加速度プロファイルの少なくとも一部に基づいて、前記車両を制御すること、
を含む、請求項1または2に記載の方法。 - 前記第2の安全エリアを決定することは、
前記第1の安全エリアに関連する第1の境界を決定すること、
前記軌道の少なくとも一部に基づいて、前記第1の境界と、前記第1の安全エリアに関連する第2の境界に関連する線との間の交点を決定すること、および、
前記交点の少なくとも一部に基づいて、前記第2の安全エリアを決定すること、
を更に含む、請求項1から3の何れか1つに記載の方法。 - 前記方法は、
未来の時刻における前記第1の安全エリアに沿った位置における前記車両の表現の少なくとも一部に基づいて、前記第1の安全エリアの一部の幅を拡張すること、
閾値速度を下回る前記車両の速度の少なくとも一部に基づいて、前記第2の安全エリアを決定すること、または、
前記車両と関連する点の少なくとも一部に基づいて、前記第2の安全エリアを決定すること、
の少なくとも1つを備える、請求項1から4の何れか1つに記載の方法。 - 前記方法は、
前記軌道に対して実質的に直交して第1の距離だけ伸長するセグメントであって前記第1の安全エリアに関連する複数のセグメントを決定すること、
未来の時刻における前記車両を表す境界ボックスの前記軌道に沿った位置を決定すること、
前記境界ボックスの点と前記軌道に最も近い点との間の第2の距離を決定すること、
前記第2の距離が前記第1の距離と一致する、または前記第1の距離を超えることを決定すること、および、
前記第1の距離を超える前記第2の距離の少なくとも一部に基づいて、修正安全エリアを決定すること、
を更に備える、請求項1から5の何れか1つに記載の方法。 - 前記方法は、
i)未来の時刻における前記車両を表す境界ボックスの前記軌道に沿った位置であって、前記未来の時刻において前記軌道に沿って走行する前記車両のシミュレーションの少なくとも一部に基づく位置、を決定すること、
ii)前記第1の安全エリアの一部の幅を前記車両の第1の幅に関連するものとして定義する、または前記車両が現在位置する車線の第2の幅を定義すること、
iii)前記車両を表す境界ボックスの未来の時刻における位置であって、前記軌道に関連する複数のセグメントの1つに関連する位置を決定すること、または、
iv)未来の時刻において前記軌道に沿って走行する前記車両のシミュレーションの少なくとも一部に基づいて、前記第1の安全エリアに沿った前記車両に関連する位置を決定することであって、前記車両は、前記未来の時刻に境界ボックスによって表現され、前記境界ボックスの少なくとも一部は、前記境界ボックスの角に関連する点と、前記軌道における最も近い点との間の距離に基づいて、前記第1の安全エリアの一部を含む修正安全エリアを決定するために利用される、こと、
の少なくとも1つを更に備える、請求項1から6の何れか1つに記載の方法。 - 前記方法は、
前記第1の安全エリアの一部を含む修正安全エリアを決定することを更に備え、
前記修正安全エリアの最大幅は、前記車両が現在位置する車線の幅に関連し、かつ、
前記センサデータのサブセットは、前記修正安全エリアに関連する、請求項1から7の何れか1つに記載の方法。 - コンピュータ上で実行されると請求項1から8の何れかに記載の方法を実施するコード化された命令を含む、コンピュータプログラム製品。
- システムであって、
1つまたは複数のプロセッサと、
前記1つまたは複数のプロセッサによって実行可能な命令を記憶する1つまたは複数の非一過性のコンピュータ読み取り可能な媒体と、を備え、前記命令は、実行されると前記システムに、
車両に関連する軌道を受信すること、
前記軌道の少なくとも一部に基づいて、第1の安全エリアを決定すること、
前記軌道の少なくとも一部に基づいて、前記第1の安全エリアと異なる第2の安全エリアを決定すること、
前記第1の安全エリアまたは前記第2の安全エリアの1つまたは複数と関連するセンサデータのサブセットを決定すること、
前記センサデータの前記サブセットにおいて表現される物体の軌道が前記車両の前記軌道と交差する尤度を決定すること、および、
前記尤度の少なくとも一部に基づいて、前記車両を制御すること、
を含む工程を実行させる、システム。 - 前記第2の安全エリアは、前記車両が現在位置する車線に近接する環境の領域を含むこと、または、
前記第2の安全エリアの方向を決定することは、前記第1の安全エリアに関連する点の接線の少なくとも一部に基づくこと、
の少なくとも1つである、請求項10に記載のシステム。 - 未来の時刻において前記軌道に沿って走行する前記車両のシミュレーションの少なくとも一部に基づいて、前記未来の時刻における前記第1の安全エリアに沿った前記車両に関連する位置を決定すること、
前記未来の時刻における前記車両の表現に関連する点の、前記位置における前記軌道からの最大距離を決定すること、および、
前記第1の安全エリアの一部の幅を前記位置における前記最大距離として定義すること、を更に含む、請求項10または11に記載のシステム。 - i)前記第2の安全エリアを決定することは、前記軌道に対して実質的に直交する環境の部分の少なくとも一部に基づいており、前記軌道が交差点を通過する軌道を含むこと、または、
ii)前記第2の安全エリアを決定することは、前記第2の安全エリアとして、かつ、前記軌道が左折に関連するとの決定の少なくとも一部に基づいて、前記車両が現在位置する車線に近接する対向車線に関連する環境の一部を決定することを更に含むこと、
の少なくとも1つである、請求項10から12の何れか1つに記載のシステム。 - 前記車両を制御することは、1つまたは複数の加速またはステアリングコマンドを修正して交差の前記尤度を減少することを含む、または、
前記車両を制御することは、閾値尤度と一致する、または超える尤度の少なくとも一部に基づいて、前記車両を停止する制御を含む、請求項10から13の何れか1つに記載のシステム。 - 前記センサデータは、LIDARデータ、カメラデータ、超音波データ、または深度データの1つまたは複数を含む、請求項10から14の何れか1つに記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/124,237 | 2020-12-16 | ||
US17/124,220 US20220185288A1 (en) | 2020-12-16 | 2020-12-16 | Lateral safety area |
US17/124,237 US11603116B2 (en) | 2020-12-16 | 2020-12-16 | Determining safety area based on bounding box |
US17/124,220 | 2020-12-16 | ||
PCT/US2021/063236 WO2022132713A1 (en) | 2020-12-16 | 2021-12-14 | Lateral safety area |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023554304A true JP2023554304A (ja) | 2023-12-27 |
Family
ID=82058068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023535279A Pending JP2023554304A (ja) | 2020-12-16 | 2021-12-14 | 側面安全エリア |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4263306A1 (ja) |
JP (1) | JP2023554304A (ja) |
WO (1) | WO2022132713A1 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE539097C2 (en) * | 2015-08-20 | 2017-04-11 | Scania Cv Ab | Method, control unit and system for avoiding collision with vulnerable road users |
DE102015220646A1 (de) * | 2015-10-22 | 2017-04-27 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Verringern eines Kollisionsrisikos einer Kollision eines Kraftfahrzeugs mit einem Objekt |
JP6323473B2 (ja) * | 2016-02-25 | 2018-05-16 | トヨタ自動車株式会社 | 走行制御装置 |
WO2017208296A1 (ja) * | 2016-05-30 | 2017-12-07 | 日産自動車株式会社 | 物体検出方法及び物体検出装置 |
-
2021
- 2021-12-14 JP JP2023535279A patent/JP2023554304A/ja active Pending
- 2021-12-14 WO PCT/US2021/063236 patent/WO2022132713A1/en active Application Filing
- 2021-12-14 EP EP21907604.9A patent/EP4263306A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4263306A1 (en) | 2023-10-25 |
WO2022132713A1 (en) | 2022-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11420630B2 (en) | Trajectory modifications based on a collision zone | |
US11643073B2 (en) | Trajectory modifications based on a collision zone | |
US11351991B2 (en) | Prediction based on attributes | |
US11021148B2 (en) | Pedestrian prediction based on attributes | |
US11731620B2 (en) | Collision avoidance system with trajectory validation | |
US11734832B1 (en) | Prediction on top-down scenes based on object motion | |
US20200211394A1 (en) | Collision avoidance system | |
US11703869B2 (en) | Latency accommodation in trajectory generation | |
EP3948656A1 (en) | Pedestrian prediction based on attributes | |
JP2022544715A (ja) | 譲歩挙動のモデリングおよび予測 | |
US20200285244A1 (en) | State machine for traversing junctions | |
US11603116B2 (en) | Determining safety area based on bounding box | |
US11603095B2 (en) | Collision avoidance planning system | |
US20210157321A1 (en) | Height estimation using sensor data | |
US11858529B1 (en) | Predicting articulated object states | |
US11908204B2 (en) | Tracking articulated objects | |
US20220185288A1 (en) | Lateral safety area | |
US20230182782A1 (en) | Identifying relevant objects within an environment | |
JP2024526614A (ja) | 縁石を識別するための技術 | |
JP2023554304A (ja) | 側面安全エリア | |
US12039784B1 (en) | Articulated object determination | |
US20240034356A1 (en) | Reference trajectory validating and collision checking management | |
US20240092350A1 (en) | Vehicle safety system |