[go: up one dir, main page]

CN112789205A - 针对自动驾驶车辆检测队列并对队列进行响应 - Google Patents

针对自动驾驶车辆检测队列并对队列进行响应 Download PDF

Info

Publication number
CN112789205A
CN112789205A CN201980064079.5A CN201980064079A CN112789205A CN 112789205 A CN112789205 A CN 112789205A CN 201980064079 A CN201980064079 A CN 201980064079A CN 112789205 A CN112789205 A CN 112789205A
Authority
CN
China
Prior art keywords
objects
queue
determining
vehicle
predetermined rule
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.)
Granted
Application number
CN201980064079.5A
Other languages
English (en)
Other versions
CN112789205B (zh
Inventor
D.H.西尔沃
Q.杨
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.)
Waymo LLC
Original Assignee
Waymo 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 Waymo LLC filed Critical Waymo LLC
Publication of CN112789205A publication Critical patent/CN112789205A/zh
Application granted granted Critical
Publication of CN112789205B publication Critical patent/CN112789205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60W30/08—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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • 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
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/80—Arrangements for reacting to or preventing system or operator failure
    • G05D1/81—Handing over between on-board automatic and on-board manual control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本技术涉及检测队列并对队列进行响应。例如，可接收识别车辆(100)的环境中的两个或更多个对象的传感器数据。可确定两个或更多个对象在以同样的方式违反预定规则。基于确定两个或更多个对象在违反预定规则，可确定两个或更多个对象包括在队列中。然后可基于确定两个或更多个对象包括在队列中，自动控制车辆以对队列进行响应。

Description

针对自动驾驶车辆检测队列并对队列进行响应
相关申请的交叉引用
本申请要求2018年8月20日递交的申请序列号16/105,233的权益，其公开通过引用结合在此。
背景技术
自动驾驶车辆(诸如不需要人类驾驶员的车辆)可用来辅助将乘客或物品从一个位置运输到另一个位置。这样的车辆可在完全自动模式下操作，其中乘客可提供某一初始输入(诸如接载位置或目的地位置)，并且车辆将其自身操纵到该位置。
自动驾驶车辆或在自动驾驶模式下操作的车辆的鲁棒性操作需要对意外情况进行适当响应，意外情况诸如车辆遇到了队列(procession)。队列可以包括一起移动的车辆群或人群，诸如行进(parade)、游行(march)、葬礼队列、车队(motorcade)等。虽然这些是罕见的情况，但是它们一般会援用完全不同的交通规则，要么合法要么是出于礼节。因此能够检测这些队列并对这些队列进行响应对于确保安全且有效的自动驾驶来说会是特别重要的。
发明内容
本公开的各方面提供了一种检测队列并对队列进行响应的方法。该方法包括：由一个或多个处理器接收传感器数据，该传感器数据识别车辆的环境中的两个或更多个对象；由一个或多个处理器确定所述两个或更多个对象在以同样的方式违反预定规则；基于确定所述两个或更多个对象在违反预定规则，由一个或多个处理器确定所述两个或更多个对象包括在队列中(involved in a procession)；以及基于确定所述两个或更多个对象包括在队列中，由一个或多个处理器自动控制车辆以对队列进行响应。
在一个示例中，预定规则限定所述两个或更多个对象在违反的交通优先级(traffic precedence)。在另一示例中，确定所述两个或更多个对象包括在队列中是基于阈值最小数目的对象被确定为在违反预定规则。在该示例中，确定所述两个或更多个对象包括在队列中是基于阈值最小数目的对象在至少阈值最小时间段违反预定规则。在另一示例中，确定所述两个或更多个对象包括在队列中是基于对象被确定为在至少阈值最小时间段违反预定规则。在另一示例中，该方法还包括：确定队列是车队或葬礼队列。在另一示例中，该方法还包括：确定队列是行进或游行。在另一示例中，预定规则包括以下之一：因为红色交通灯信号停车、或闯过停车标志。在另一示例中，由一个或多个处理器确定所述两个或更多个对象包括在队列中进一步基于一定数目的附加对象中的每个在违反预定规则。在另一示例中，由一个或多个处理器确定所述两个或更多个对象包括在队列中进一步基于附加对象也违反预定规则的时间量。在另一示例中，该方法还包括从传感器数据识别紧急车辆，以及其中确定所述两个或更多个对象包括在队列中进一步基于紧急车辆。在该示例中，确定两个或更多个对象包括在队列中进一步基于紧急车辆相对于所述两个或更多个对象的位置。在该示例中，确定所述两个或更多个对象包括在队列中进一步基于紧急车辆是否在交叉路口停车。在另一示例中，该方法还包括从传感器数据识别指导交通的行人，以及其中确定两个或更多个对象包括在队列中进一步基于所识别的指导交通的行人。
在另一示例中，该方法还包括从传感器数据识别持有旗帜、标志或横幅的行人，以及其中确定两个或更多个对象包括在队列中进一步基于所识别的持有旗帜、标志或横幅的行人。在另一示例中，该方法还包括识别两个或更多个对象中的至少一个具有旗帜或徽章，以及其中确定两个或更多个对象包括在队列中进一步基于识别两个或更多个对象中的至少一个具有旗帜或徽章。在另一示例中，该方法还包括确定两个或更多个对象中的两个对象之间的附加对象没有在违反预定规则，以及其中确定两个或更多个对象包括在队列中进一步基于确定两个或更多个对象中的两个对象之间的附加对象没有在违反预定规则。在另一示例中，该方法还包括确定以同样的方式违反预定规则的两个或更多个对象中的两个对象之间的时间间隙(gap)，以及其中确定两个或更多个对象包括在队列中进一步基于时间间隙。在另一示例中，该方法还包括：确定两个或更多个对象包括在队列中进一步基于针对队列的本地法规。在另一示例中，该方法还包括：控制车辆包括给包括在队列中作为群体的两个或更多个对象让行。
附图说明
图1是根据本公开的各方面的示例车辆的功能图。
图2是根据本公开的各方面的详细地图信息的示例表示。
图3是根据本公开的各方面的车辆的示例外部视图。
图4是根据本公开的各方面的示例系统的直观图。
图5是根据本公开的各方面的图4的系统的功能图。
图6是根据本公开的各方面的道路段(a section of roadway)的视图。
图7是根据本公开的各方面的道路段和传感器数据的视图。
图8是根据本公开的各方面的道路段和传感器数据的另一视图。
图9是根据本公开的各方面的流程图。
具体实施方式
概述
本技术涉及为完全自动驾驶车辆或在自动驾驶模式下操作的车辆检测队列并对队列进行响应。队列可以包括一起移动的车辆群或人群，诸如行进、游行、葬礼队伍、车队等。虽然这些是罕见的情况，但是它们一般会援用完全不同的交通规则，要么合法要么是出于礼节。因此能够检测这些队列并对这些队列进行响应对于确保安全且有效的自动驾驶来说会是特别重要的。
车辆的感知系统可使用各种传感器来检测并识别车辆周围环境中的对象。该信息可用于基于该信息、地图数据以及用于对不同情形进行响应的规则的组合来确定如何操纵车辆。
为了检测队列，可分析来自感知系统的传感器数据，以确定任何检测到的对象是否在违反规则之一。使用该信息，队列检测器可用来检测该对象是否包括在队列中。在一种情况下，检测器可基于是否满足一个或多个阈值来确定是否存在队列。在其他情况下，对象是否包括在队列中可能更加有细微差别(nuanced)。例如，每个附加对象在以同样的方式违反同一规则可能增加对象包括在队列中的可能性。附加地或可替代地，对象继续以同样的方式违反同一规则的每个附加的一秒或更多或更少时间也会增加对象包括在队列中的可能性。
其他信号可进一步增加或降低队列的可能性。例如，视觉信号，诸如识别对象的视觉信号，也会增加队列的可能性。如果存在看起来没有在以同样方式违反同一规则的对象，则这会降低队列的可能性或对队列的可能性无影响。类似地，如果存在在其间对象遵从规则的时间间隙，则这会降低队列的可能性。在一些情况下，检测器会考虑进本地法规。
一旦可能性满足特定阈值，检测器可确定存在队列。一旦检测器确定存在队列，该信息可被发送至车辆的规划方，并且被使用以确定如何对队列进行响应以及由此如何控制车辆。
在此描述的特征可提供一种有用的方式来检测并对队列进行响应。通过这样做，车辆可对队列进行响应，例如适当让行。这可防止车辆变得不适当地有侵略性或独断的，以及防止由于不适当地对队列进行响应而产生的令人不适的交通堵塞。
示例系统
如图1所示，根据本公开的一方面的车辆100包括各种组件。虽然本公开的某些方面对于特定类型的车辆特别有用，但是车辆可以是任何类型的车辆，包括但不限于：小汽车、卡车、摩托车、公共汽车、休闲车等。车辆可具有一个或多个计算设备，诸如计算设备110，其包含一个或多个处理器120、存储器130以及通常存在于通用计算设备中的其他组件。
存储器130存储一个或多个处理器120可访问的信息，包括可由处理器120执行或使用的指令132和数据134。存储器130可以是能够存储处理器可访问的信息的任何类型，包括计算设备可读介质，或存储可借助电子设备读取的数据的其他介质，诸如硬驱动、存储卡、ROM、RAM、DVD或其他光盘，以及其他可写只读存储器。系统和方法可包括前述的不同组合，由此指令和数据的不同部分被存储在不同类型的介质上。
指令132可以是处理器直接执行(诸如机器代码)或间接执行(诸如脚本)的任何指令集。例如，指令可作为计算设备代码被存储在计算设备可读介质上。在这方面，术语“指令”和“程序”在此可互换使用。指令可以以目标代码格式存储以供处理器直接处理，或以任何其他计算设备语言存储，所述其他计算设备语言包括按需进行解释或提前编译的独立源代码模块的集合或脚本。以下更详细地解释指令的功能、方法和例程。
数据134可由处理器120根据指令132来检索、存储或修改。一个或多个处理器120可以是任何传统处理器，诸如商用CPU。可替代地，一个或多个处理器可以是专用设备，诸如ASIC或其他基于硬件的处理器。尽管图1在功能上示出计算设备110的处理器、存储器和其他元件在同一框内，但是本领域普通技术人员将理解，处理器、计算设备或存储器实际上可包括可以存放或可以不存放在同一物理壳体内的多个处理器、计算设备或存储器。作为示例，内部电子显示器152可由具有其自身处理器或中央处理单元(CPU)、存储器等的专用计算设备来控制，所述专用计算设备可经由高带宽或其他网络连接来与计算设备110接口连接(interface)。在一些示例中，该计算设备可以是可与用户的客户端设备通信的用户接口计算设备。类似地，存储器可以是位于与计算设备110的壳体不同的壳体内的硬驱动或其他存储介质。因此，提及处理器或计算设备将被理解为包括：提及可并行操作或可不并行操作的处理器或计算设备或存储器的集合。
计算设备110可包括通常结合诸如上述存储器和处理器的计算设备使用的所有组件以及用户输入150(例如，鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如，具有屏幕的监视器或可操作来显示信息的任何其他电气设备)。在该示例中，车辆包括内部电子显示器152以及一个或多个扬声器154来提供信息或视听体验。在这方面，内部电子显示器152可位于车辆100的客舱内或可由计算设备110使用来向车辆100内的乘客提供信息。除了内部扬声器之外，一个或多个扬声器154可包括布置在车辆上的各种位置处的外部扬声器，以向车辆100外部的对象提供声音通知。
在一个示例中，计算设备110可以是结合到车辆100中的自动驾驶计算系统。自动驾驶计算系统能够与车辆的各种组件通信。例如，返回图1，计算设备110可以与车辆100的各种系统通信，以在不要求或不需要来自车辆的乘客的持续输入或周期性输入的自动驾驶模式下根据存储器130的指令132来控制车辆100的移动、速度等，各种系统诸如减速系统160(用于控制车辆的制动)、加速系统162(用于控制车辆的加速)、转向系统164(用于控制车轮的朝向和车辆的方向)、信令系统166(用于控制转弯信号)、路由(routing)系统168(用于将车辆导航到一位置或对象附近)、定位系统170(用于确定车辆的位置)、感知系统172(用于检测车辆的外部环境中的对象)以及动力系统174(诸如电池和/或燃气或柴油动力发动机)。再一次地，尽管这些系统被示为在计算设备110外部，但是实际上这些系统也可再一次作为用于控制车辆100的自动驾驶计算系统被结合到计算设备110中。
计算设备110可通过控制各种组件来控制车辆的方向和速度。作为示例，计算设备110可使用来自地图信息和路由系统168的数据完全自动地将车辆导航到目的地位置。计算设备110可使用定位系统170来确定车辆的位置，并且在需要时可使用感知系统172来检测对象并对对象进行响应，以安全到达位置。为了这样做，计算设备110可使车辆加速(例如通过加速系统162增加提供给发动机的燃料或其他能量)、减速(例如通过减速系统160减少供应给发动机的燃料、变档和/或通过施加制动)、改变方向(例如通过转向系统164转动车辆100的前轮或后轮)，并用信号通知这样的改变(例如通过信令系统166点亮转弯信号)。因此，加速系统162和减速系统160可以是包括车辆的发动机和车辆的车轮之间的各种组件的传动系(drivetrain)的一部分。再一次地，通过控制这些系统，计算设备110还可控制车辆的传动系以自动操纵车辆。
作为示例，计算设备110可与减速系统160和加速系统162交互以控制车辆的速度。类似地，计算设备110可使用转向系统164以控制车辆100的方向。例如，如果车辆100被配置成在道路上使用，诸如小汽车或卡车，则转向系统可以包括用以控制车轮的角度以使车辆转弯的组件。计算设备110可使用信令系统166以便例如在需要时通过点亮转弯信号或刹车灯来将车辆的意图用信号通知给其他驾驶员或车辆。
计算设备110可使用路由系统168以确定并跟随至位置的路线。在这方面，路由系统168和/或数据134可存储详细的地图信息，例如，识别以下项的高度详细地图：道路的形状和高程(elevation)、车道线、交叉路口、人行横道、速度限制、交通信号灯、建筑物、标志、实时交通信息、植被、或其他这样的对象和信息。换言之，该详细地图信息可限定车辆的预期环境的几何结构，包括道路以及针对这些道路的速度限制(法定限速)。
图2是针对包括交叉路口202和204的道路段的地图信息200的示例。在该示例中，地图信息200包括识别以下项的信息：车道线210、212和214，交通灯信号灯220、222，人行横道230，人行道240，停车标志250、252和让行标志260的形状、位置和其他特性。车辆可在其中行驶的区域可以与地图信息中的各个位置处的、指示车辆通常应行进的位置和方向的一个或多个轨道(rails)270、272和274相关联。例如，车辆可在车道线210和212之间的车道中行驶时跟随轨道270，并且可转变到轨道272以在交叉路口204进行右转。此后，车辆可跟随轨道274。当然，鉴于轨道的数目和性质，为简化和便于理解，在地图信息200中仅描绘了几个轨道。
尽管在此将详细地图信息描绘为基于图像的地图，但是地图信息不需要完全基于图像(例如，光栅)。例如，详细地图信息可包括信息(诸如道路、车道、交叉路口和这些特征之间的连接)的一个或多个道路图或图形网络。每个特征可被存储为图形数据，并且可与诸如地理位置以及其是否链接到其他相关特征的信息相关联，例如，停车标志可链接到道路和交叉路口等。在一些示例中，相关联的数据可包括基于网格的道路图索引，来允许高效查找某些道路图特征。
感知系统172还包括用于检测车辆外部的对象(诸如其他车辆、道路中的障碍物、交通灯信号、标志、树木等)的一个或多个组件。例如，感知系统172可包括一个或多个LIDAR传感器、声纳设备、雷达单元、相机和/或记录可由计算设备110处理的传感器数据的任何其他检测设备。感知系统的传感器可检测对象及其特性，诸如位置、朝向、尺寸、形状、类型(例如，车辆、人或行人、骑自行车的人等)、走向(heading)、移动的速度等。来自传感器的原始数据和/或前述特性可在由感知系统172生成时被量化或被布置成描述性功能、向量和/或边界框(bounding box)，并作为传感器数据周期性或连续地发送至计算设备10以进行进一步处理。如下面进一步详细讨论的，计算设备110可使用定位系统170来确定车辆的位置，并且在需要时可使用感知系统172来检测对象并对对象进行响应，以安全到达位置。
例如，图3是车辆100的示例外部视图。在该示例中，车顶上(roof-top)壳体310和圆顶(dome)壳体312可包括LIDAR传感器以及各种相机和雷达单元。另外，位于车辆100前端的壳体320和车辆的驾驶员侧和乘客侧上的壳体330、332可各自存放LIDAR传感器。例如，壳体330位于驾驶员车门360前方。车辆100还包括用于同样位于车辆100的车顶上的雷达单元和/或相机的壳体340、342。附加的雷达单元和相机(未示出)可位于车辆100的前端和后端，和/或沿着车顶或车顶上壳体310的其他位置上。
存储器130还可存储计算设备110可用来确定如何响应车辆的环境中的对象和/或不同情形的预定规则。规则可被配置为启发式、决策树或其他模型，但是可在某些情形下限定交通优先级。例如，如果行人在人行横道中，则规则可能需要车辆必须对行人让行，或者如果与交叉路口处特定车道相关联的交通灯信号是红色且车辆处于该车道，则车辆在继续通过交叉路口之前必须停下。这些规则可存储在存储器130中和/或可部分地结合到地图信息中。例如，每个停车标志250、252可与一个或多个规则相关联，所述规则指示：应遵从其停车标志的一个或多个车道，遵从停车标志意味着在某个位置(诸如交叉路口204)的特定距离内停下，在交叉路口204停下的道路使用者(车辆、骑自行车的人、骑摩托车的人等)的优先级，以及在何处停下车辆。作为另一示例，交通灯信号灯220、222中的每一个可与如下规则相关联，该规则指示该交通灯信号灯控制哪个车道。
基于这些确定，计算设备110可通过控制各种组件来控制车辆的方向和速度。通过示例，计算设备110可使用来自详细地图信息和路由系统168的数据完全自动地将车辆导航到目的地位置。计算设备110可使用定位系统170来确定车辆的位置，并且在需要时可使用感知系统172来检测对象并对对象进行回应以安全到达位置。为了这样做，计算设备110可使车辆加速(例如通过加速系统162增加提供给发动机的燃料或其他能量)、减速(例如通过减速系统160减少供应给发动机的燃料、变档和/或通过施加制动)、改变方向(例如通过转向系统164转动车辆100的前轮或后轮)，并用信号通知这样的改变(例如通过点亮信令系统166的转弯信号)。因此，加速系统162和减速系统160可以是包括车辆的发动机和车辆的车轮之间的各种组件的传动系的一部分。再一次地，通过控制这些系统，计算设备110还可控制车辆的传动系以自动操纵车辆。
车辆100的计算设备110还可以从其他计算设备接收信息或将信息传送到其他计算设备，其他计算设备诸如作为运输服务的一部分的那些计算设备以及其他计算设备。图4和图5分别是示例系统400的直观图和功能图，示例系统400包括经由网络460连接的多个计算设备410、420、430、440和存储系统450。系统400还包括车辆100以及可以与车辆100相同或相似配置的车辆100A、100B。尽管为了简化仅描绘了几个车辆和计算设备，但是典型的系统可以包括明显更多。
如图4所示，计算设备410、420、430、440中的每一个可以包括一个或多个处理器、存储器、数据和指令。这样的处理器、存储器、数据和指令可以与计算设备110的一个或多个处理器120、存储器130、数据134和指令132类似地配置。
网络460和中间(intervening)节点可以包括各种配置和协议，包括短距离通信协议，诸如蓝牙、蓝牙LE、因特网、万维网、内联网、虚拟专用网、广域网、本地网络、使用一个或多个公司专有的通信协议的私密网络、以太网、WiFi和HTTP，以及前述的各种组合。这样的通信可由能够向和从其他计算设备(诸如调制解调器和无线接口)传输数据的任何设备来促进。
在一个示例中，一个或多个计算设备410可以包括具有多个计算设备的一个或多个服务器计算设备，诸如负载均衡服务器场，其与网络的不同节点交换信息，以用于从其他计算设备接收数据、处理数据和向其他计算设备发送数据的目的。例如，一个或多个计算设备410可以包括一个或多个服务器计算设备，其能够经由网络460与车辆100的计算设备110或车辆100A的类似计算设备以及计算设备420、430和440通信。例如，车辆100、100A可以是车队的一部分，其可由服务器计算设备派遣到各个位置。在这方面，服务器计算设备410可用作验证计算系统，其可用于验证自动控制软件，车辆(诸如车辆100和车辆100A)可使用该自动控制软件来在自动驾驶模式下操作。另外，服务器计算设备410可使用网络460来发送信息并在显示器(诸如计算设备420、430、440的显示器424、434和444)上呈现给用户(诸如用户422、432、442)。在这方面，计算设备420、430和440可被视为客户端计算设备。
如图4所示，每个客户端计算设备420、430和440可以是打算供用户422、432、442使用的个人计算设备，并且具有通常结合个人计算设备使用的所有组件，所述个人计算设备包括一个或多个处理器(例如，中央处理单元(CPU))，存储数据和指令的存储器(例如，RAM和内部硬驱动)，诸如显示器424、434、444的显示器(例如，具有屏幕的监视器、触摸屏、投影仪、电视机或可操作以显示信息的其他设备)，以及用户输入设备426、436、446(例如，鼠标、键盘、触摸屏或麦克风)。客户端计算设备还可以包括用于记录视频流的相机、扬声器、网络接口设备，以及用于将这些元件彼此连接的所有组件。
尽管客户端计算设备420、430和440可各自包括全尺寸个人计算设备，但是可替代地其可包括移动计算设备，该移动计算设备能够通过网络(诸如因特网)与服务器无线交换数据。仅作为示例，客户端计算设备420可以是移动电话或设备，诸如无线使能的PDA、平板PC、可穿戴计算设备或系统或能够经由因特网或其他网络获得信息的上网本。在另外的示例中，客户端计算设备430可以是可穿戴计算设备，诸如图4所示的手表。作为示例，用户可使用小型键盘、键区(keypad)、麦克风，使用相机的视觉信号或触摸屏来输入信息。
在一些示例中，客户端计算设备440可以是操作工作站，由管理员或操作员用来查看场景结果、切换时间和验证信息，如以下进一步所讨论的。尽管在图4和图5中仅示出单个操作工作站440，在典型的系统中可包括任意数目的这样的工作站。另外，尽管操作工作站被描绘为台式计算机，但是操作工作站可包括各种类型的个人计算设备，诸如膝上型计算机、上网本、平板计算机等。
与存储器130一样，存储系统450可以是能够存储可由服务器计算设备410访问的信息的任意类型的计算机化存储，诸如硬驱动、存储卡、ROM、RAM、DVD、CD-ROM、可写存储器以及只读存储器。另外，存储系统450可以包括分布式存储系统，其中数据被存储在可物理上位于相同或不同的地理位置处的多个不同的存储设备上。存储系统450可经由网络460连接到计算设备，如图4和图5所示，和/或可直接连接到计算设备110、410、420、430、440等中的任何计算设备或结合到其中。
存储系统450可以存储如以下更详细描述的各种类型的信息。该信息可由诸如一个或多个服务器计算设备410的服务器计算设备检索或访问，以执行本文所述特征中的一些或全部。
示例方法
除以上所述和图中所示的操作之外，现在还将描述各种操作。应理解，以下操作不是必须按照下面所述的精确顺序执行。反而，各种步骤可以按照不同顺序或同时处理，并且还可添加或省略步骤。
计算设备110可将车辆100操纵到目的地位置，例如以运输货物和/或一个或多个乘客。在这方面，计算设备110可启动必要的系统来沿着至目的地位置的路线自动控制车辆。例如，路由系统168可使用数据134的地图信息来确定至目的地位置的路径或路线，该路径或路线遵循地图信息200的一组连接轨道。计算设备110然后可如上所述沿着朝向目的地的路线自动(或以自动驾驶模式)操纵车辆。
例如，图6描绘了在道路段600上操纵车辆100，道路段600包括与地图信息200相对应的交叉路口602和604。在该示例中，交叉路口602和604分别对应于地图信息200的交叉路口202和204。在该示例中，车道线610、612和614分别对应于车道线210、212和214的形状、位置和其他特性。类似地，人行横道630分别对应于人行横道230的形状、位置和其他特性；人行道640对应于人行道240；交通灯信号灯620、622分别对应于交通灯信号灯220、222；停车标志650、652分别对应于停车标志250、252；以及让行标志660对应于让行标志260。另外，各种车辆690-494被布置在道路600周围的不同位置处。
在车辆100在其环境中移动时，车辆的感知系统172可向计算设备提供传感器数据，该传感器数据包括关于车辆的环境的信息。如上所述，该传感器数据可包括如下传感器数据，其可包括地图信息的特征以及其他对象的位置、朝向、走向、形状、尺寸和类型。该信息可用于基于该信息、地图数据以及用于响应不同情形的规则的组合来确定如何操纵车辆。
例如，图7的示例700描绘了车辆100的环境的特征(如在图6的示例600中那样)，其中对象的边界框790-794表示如感知系统172提供给计算设备110的车辆690-694的一般形状和位置。在该示例中，路由系统168使用地图信息200来确定车辆100为到达目的地(未示出)要遵循的路线670，并且计算设备110可使用该信息和存储器130的规则来确定车辆在接下来几秒钟内跟踪的轨迹以遵循该路线。
可随时间跟踪传感器数据来确定每个对象的行为，例如，对象如何在世界中移动。例如，图8的示例800描绘了在比图7更晚的某时间点处(诸如未来几秒钟或更多或更少)车辆100的环境的特征。再一次地，对象的边界框790-794表示感知系统172提供给计算设备110的车辆690-694的一般形状和位置。通过比较这样的对象随时间的传感器数据(例如，在图7和图8之间以及之间的点)，计算设备110可确定这些对象的行为。
为了检测队列，可分析来自感知系统172的传感器数据和上述确定的行为，以确定任何检测的对象是否在违反规则之一(即，没有遵循交通优先级)。使用该信息，计算设备110的指令132的队列检测器(例如，软件模块)可用于检测对象是否包括在队列中。
检测器可连续运行，即，将初始对象识别为违反规则可以是检测器执行的处理的一部分。可替代地，检测器可响应于检测到一个或多个对象违反规则之一来运行。队列检测器可比较观察的行为与规则以确定对象是否在遵从规则或违反规则。例如，边界框790、792中的每一个可被观察到通过交叉路口204/604而没有因为停车标志250/650停车。另外，边界框792和794中的每一个可被观察到通过交叉路口202/602而没有因为交通灯信号灯220处的红灯停车。
被观察到违反规则的对象越多，以及被观察到违反的规则越多，一个或多个对象是队列的一部分的可能性更高，或者更确切地说，更有信心确定一个或多个对象是队列的一部分。例如，一旦第一对象被观察到通过交叉路口204/604而没有因为停车标志250/650停车，对于被观察到通过交叉路口204/604而没有因为停车标志250/650停车的每个附加对象，这可以使得这些对象中的每一个更有可能是队列的一部分。类似地，一旦第一对象被观察到通过交叉路口204/604而没有因为交通灯信号灯220处的红灯停车，对于被观察到通过交叉路口204/604而没有因为交通灯信号灯220处的红灯停车的每个附加对象，这可以使得这些对象中的每一个更有可能是队列的一部分。另外，如果被观察到通过交叉路口204/604而没有因为停车标志250/650停车的对象中的一些或全部也被观察到通过交叉路口204/604而没有因为交通灯信号灯220处的红灯停车，这可以使得这些对象中的每一个更有可能是队列的一部分。
在一个实例中，检测器可基于是否满足一个或多个阈值来确定是否存在队列。例如，如果观察到阈值最小数目的对象(诸如2个或更多或更少)以同样的方式违反同一规则，诸如所有这些对象都通过交叉路口202/602而没有因为交通灯信号灯220处的红灯停车，检测器可确定这些对象包括在队列中。当然，阈值最小数目不需要是固定的整数，而是实际上本质上可以是概率性的，且可以从感知系统收集且登入存储器130中的传感器数据得出。作为另一实例，如果任何数目的对象看起来在阈值最小时间段(诸如10秒或更多或更少)一致性地以同样的方式违反同一规则，检测器可确定对象包括在队列中。对于该示例，足以满足该阈值的对象的实际数目可取决于“规则违反”的性质以及其他周边交通。例如，仅几乎不闯红灯的车辆不是强信号，但是闯了公认(well-established)红灯(或已变红一秒钟或更长的交通灯)且然后停在交叉路口的中间的紧急车辆本身就是足够的信号，等等。对于又一个实例，如果检测到最小数目的对象在某一最小时间段在以同样的方式违反同一规则，这可指示对象包括在队列中。
在其他实例中，是否存在队列可能更加有细微差别。例如，可能性可以是可基于多个不同信号和观察增加或减少的累计值。换句话说，越多车辆被观察到违反规则，越确信规则对这些车辆“没有效力”。另外，这些所观察的车辆违反越多不同的规则，越有以下可能：因为这些对象是队列的一部分，存在某些不同的规则集。作为示例，每个附加对象被观察到以同样的方式违反同一规则会以某值(诸如0.1或更多或更少)增加对象包括在队列中的可能性。
该值可以是固定的，或可变的，例如，对于被观察到以同样的方式违反同一规则的每个附加对象略微增加。例如，对于初始观察，值可以是0.1，然而对于每个附加观察，该值可以以0.05增加，使得第二观察将是0.15(加到0.1上)，第三观察将是0.2(加到0.25上)。附加地或可替代地，对于对象继续以同样的方式违反同一规则的每个附加的一秒或更多或更少时间，也会诸如以0.1或更多或更少增加对象包括在队列中的可能性。附加地或可替代地，对于这些对象以同样的方式违反的每个附加的规则，也会诸如以0.1或更多或更少增加对象包括在队列中的可能性。类似地，附加地或可替代地，对于对象持续以同样的方式违反该附加的规则的每个附加的一秒或更多或更少时间，也会以诸如0.1或更多或更少增加对象包括在队列中的可能性。再一次地，值可以是固定的，或可变的，例如，对于被观察到以同样的方式违反同一规则的每个附加对象略微增加。
感知系统172所检测的其他信号会进一步增加或队列的可能性。例如，如果附近存在一个或多个紧急车辆(诸如警车、消防车、急救车或警用摩托车)，如果一组车辆被紧急车辆领头，如果救援车辆驶入(pull into)交叉路口且停下，如果行人(警察或其他)在指导交通，或者如果一个或多个摩托车停在交叉路口(甚至没有紧急灯或警报(sirens))，这样的信号会再次以某个固定量或可变量增加队列的可能性。更复杂的情形(诸如“蛙跳”紧急(“leap-frogging”emergency)或紧急车辆做一般车辆否则不会做的事情)也可以是以某固定量或可变量增加队列的可能性的信号。作为示例，前述蛙跳可以在队列中是典型的，其伴随有临时停止交通以允许队列行进的警察或其他紧急车辆。这可以包括第一紧急车辆经过另一个，停车(例如，在第一交叉路口处以停止交叉车流(cross traffic))，第二紧急车辆随后停车(例如，以在第二交叉路口处停止交叉车流)，且随后第一紧急车辆继续经过第二紧急车辆且随后停车(例如，以在第三交叉路口处停止交叉车流)，等等。
例如感知系统172的一个或多个相机捕获的视觉信号也可用来再次以某固定量或可变量增加队列的可能性。作为示例，这样的视觉信号可以包括如下那些信号：其将对象识别为灵车(使用灵车检测器)、通常用在葬礼队列和车队(motorcade)中或用在这样队列的领头车辆上的旗帜或窗口徽章(window badges)，将行人识别为在街上走路且有演奏音乐或没有演奏音乐，将行人识别为拿着旗帜、标志或横幅以及其上的文本，也会增加队列的可能性。
感知系统172检测的一些信号实际上会再次以某固定量或可变量降低队列的可能性。如果存在看起来没有以同样的方式违反同一规则的对象，则这会降低队列的可能性或对该可能性没有影响。类似地，如果存在在其间对象遵从规则的时间间隙，这会降低队列的可能性。在这种情况下，间隙越长，队列的可能性降低得越多。在一些实例中，检测器可考虑当地法规。例如，如果在特定区域中禁止违反交通灯的葬礼队列或行进，则这会降低队列的可能性。
一旦该累计性的可能性满足特定阈值，检测器可确定存在队列。例如，基于通过对象790-794对车辆690-694的观察以及任何其他信号，队列的可能性可被确定为80％。如果阈值是75％，则检测器可确定存在队列。
在一些实例中，检测器甚至可确定队列的类型。例如，如果队列涉及到行人，这可能指示行进或游行。作为另一实例，如果队列涉及到多个客运车辆，则这可能指示葬礼队列或车队。同时，如果队列涉及到多个摩托车或行人，则这可能指示行进。作为又一实例，如果队列包括具有特定特性的车辆，例如，标记有指示它们是葬礼队列的一部分(如从感知系统的相机捕获的图像确定)的旗帜或文本的车辆，则这可能指示葬礼队列。
一旦检测器确定了存在队列，该信息可被发送至车辆的规划方，并且被使用以确定如何响应队列以及由此如何控制车辆。例如，可能存在对所有队列的默认响应来给队列中的对象让行，直至队列结束。在这方面，车辆100可在所有对象790-794通过交叉路口202/602时给这些对象让行，即使车辆本该有在一个或多个对象790-704之前通过交叉路口的通行权(right of way)。附加地或可替代地，不是默认响应，而是某些类型的行为(诸如行进通过车辆100具有通行权的交叉路口)在确定如何控制车辆时可能不再是个选项。
附加地或可替代地，对于某些类型的队列，还可采取另外的动作，例如，诸如通过经由网络460向操作工作站440发送请求来请求远程操作员的辅助或对队列的确认。
另外，检测器可识别队列中包括的对象，或者更确切地，以同样的方式违反同一规则的所有对象。这样，这些对象可被“分组”到一起，或者也就是，作为单个对象被响应(即使它们被感知系统分开跟踪)。在这方面，如果确定的响应是让行，则车辆可被控制为给作为组的所有对象让行。例如，如果所有对象790-794被确定为是队列的一部分，则计算设备110可控制车辆100给所有这些对象让行。这可防止车辆变得不适当地有侵略性或独断的。作为示例，如果葬礼队列正在通过交叉路口，则因为没有检测器，车辆可能有机会“切入”行列中从而进行右转。这可能是因为车辆100可能简单确定队列中的对象仅是缓慢移动的车流。因此，通过检测队列，车辆100不会在一组对象中的对象之间移动。这样就可以避免通常令人不悦且对队列中的那些对象来说不安的这种切入行为。
图9是可由一个或多个处理器(诸如计算设备110的一个或多个处理器120)执行以检测并响应队列的流程图900。例如，在框910，接收识别车辆的环境中的两个或更多个对象的传感器数据。在框920，确定两个或更多个对象是否以同样的方式违反预定规则。在框930，基于确定两个或更多个对象在违反预定规则，确定两个或更多个对象是否包括在队列中。在框940，基于确定两个或更多个对象包括在队列中，自动控制车辆来响应队列。
上述特征提供了检测并响应队列的有用方式。通过这样做，车辆可响应队列，诸如适当地让行。这可防止车辆变得不适当地有侵略性或独断的，以及防止由于不适当地响应队列(诸如不让行或切入队列)而产生的令人不适的交通堵塞。
除非另外说明，否则前述替代性示例不互相排斥，而是可以各种组合来实施，以实现独特优势。由于可在不脱离权利要求限定的主题内容的情况下利用上述特征的这些和其他变化以及组合，所以前面对实施例的描述应理解为示例，而非限制权利要求限定的主题内容。另外，提供此文所述示例以及措辞为“诸如”、“包括”等的子句不应被理解为将权利要求的主题内容限制到特定示例；反而，这些示例意在仅示出许多可能的实施例中的一种。此外，不同附图中的相同附图标记可识别相同或相似元件。

Claims (20)

1.一种检测队列并对队列进行响应的方法，所述方法包括：
由一个或多个处理器接收传感器数据，所述传感器数据识别车辆的环境中的两个或更多个对象；
由所述一个或多个处理器确定所述两个或更多个对象在以同样的方式违反预定规则；
基于确定所述两个或更多个对象在违反预定规则，由所述一个或多个处理器确定所述两个或更多个对象包括在队列中；以及
基于确定所述两个或更多个对象包括在队列中，由所述一个或多个处理器自动控制车辆以对队列进行响应。
2.根据权利要求1所述的方法，其中，所述预定规则限定所述两个或更多个对象在违反的交通优先级。
3.根据权利要求1所述的方法，其中，确定所述两个或更多个对象包括在队列中是基于阈值最小数目的对象被确定为在违反所述预定规则。
4.根据权利要求3所述的方法，其中，确定所述两个或更多个对象包括在队列中是基于所述阈值最小数目的对象在至少阈值最小时间段违反所述预定规则。
5.根据权利要求1所述的方法，其中，确定所述两个或更多个对象包括在队列中是基于对象被确定为在至少阈值最小时间段违反所述预定规则。
6.根据权利要求1所述的方法，还包括：确定所述队列是车队或葬礼队列。
7.根据权利要求1所述的方法，还包括：确定所述队列是行进或游行。
8.根据权利要求1所述的方法，其中，所述预定规则包括以下之一：因为红色交通灯信号停车、或闯过停车标志。
9.根据权利要求1所述的方法，其中，由所述一个或多个处理器确定所述两个或更多个对象包括在队列中进一步基于一定数目的附加对象中的每个在违反所述预定规则。
10.根据权利要求1所述的方法，其中，由所述一个或多个处理器确定所述两个或更多个对象包括在队列中进一步基于附加对象也违反所述预定规则的时间量。
11.根据权利要求1所述的方法，还包括从所述传感器数据识别紧急车辆，以及其中确定所述两个或更多个对象包括在队列中进一步基于所述紧急车辆。
12.根据权利要求11所述的方法，其中，确定两个或更多个对象包括在队列中进一步基于所述紧急车辆相对于所述两个或更多个对象的位置。
13.根据权利要求11所述的方法，其中，确定所述两个或更多个对象包括在队列中进一步基于所述紧急车辆是否在交叉路口停车。
14.根据权利要求1所述的方法，还包括从所述传感器数据识别指导交通的行人，以及其中确定所述两个或更多个对象包括在队列中进一步基于所识别的指导交通的行人。
15.根据权利要求1所述的方法，还包括从所述传感器数据识别持有旗帜、标志或横幅的行人，以及其中确定所述两个或更多个对象包括在队列中进一步基于所识别的持有旗帜、标志或横幅的行人。
16.根据权利要求1所述的方法，还包括识别所述两个或更多个对象中的至少一个具有旗帜或徽章，以及其中确定所述两个或更多个对象包括在队列中进一步基于识别所述两个或更多个对象中的至少一个具有旗帜或徽章。
17.根据权利要求1所述的方法，还包括确定所述两个或更多个对象中的两个对象之间的附加对象没有在违反预定规则，以及其中确定所述两个或更多个对象包括在队列中进一步基于确定两个或更多个对象中的两个对象之间的附加对象没有在违反预定规则。
18.根据权利要求1所述的方法，还包括确定以同样的方式违反预定规则的所述两个或更多个对象中的两个对象之间的时间间隙，以及其中确定所述两个或更多个对象包括在队列中进一步基于所述时间间隙。
19.根据权利要求1所述的方法，其中，确定所述两个或更多个对象包括在队列中进一步基于针对队列的本地法规。
20.根据权利要求1所述的方法，其中，控制车辆包括给包括在队列中作为群体的两个或更多个对象让行。
CN201980064079.5A 2018-08-20 2019-08-12 针对自动驾驶车辆检测队列并对队列进行响应 Active CN112789205B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/105,233 2018-08-20
US16/105,233 US10795362B2 (en) 2018-08-20 2018-08-20 Detecting and responding to processions for autonomous vehicles
PCT/US2019/046141 WO2020041023A1 (en) 2018-08-20 2019-08-12 Detecting and responding to processions for autonomous vehicles

Publications (2)

Publication Number Publication Date
CN112789205A true CN112789205A (zh) 2021-05-11
CN112789205B CN112789205B (zh) 2024-06-25

Family

ID=69523153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980064079.5A Active CN112789205B (zh) 2018-08-20 2019-08-12 针对自动驾驶车辆检测队列并对队列进行响应

Country Status (6)

Country Link
US (4) US10795362B2 (zh)
EP (1) EP3820752A4 (zh)
JP (1) JP7176098B2 (zh)
KR (1) KR102534960B1 (zh)
CN (1) CN112789205B (zh)
WO (1) WO2020041023A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12201044B2 (en) * 2018-02-05 2025-01-21 FarmWise Labs, Inc. Method for autonomously weeding crops in an agricultural field
US11971714B2 (en) * 2018-02-19 2024-04-30 Martin Tremblay Systems and methods for autonomous vehicles
US12052688B2 (en) * 2019-01-11 2024-07-30 Lg Electronics Inc. Method and UE for transmitting signal in wireless communication system
US20220092987A1 (en) * 2021-12-03 2022-03-24 Intel Corporation Methods and devices for determining an action in the presence of road users
KR102772790B1 (ko) 2022-11-07 2025-02-26 (주) 오토노머스에이투지 자율주행시 통행우선권에 기초한 충돌 위험도 관리 장치
WO2024168068A1 (en) 2023-02-07 2024-08-15 FarmWise Labs, Inc. Crop detection system and/or method

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5680122A (en) * 1995-09-11 1997-10-21 Toyota Jidosha Kabushiki Kaisha Platoon running control system
US20040236474A1 (en) * 2003-02-27 2004-11-25 Mahesh Chowdhary Vehicle management system
US20090157461A1 (en) * 2007-12-12 2009-06-18 Honeywell International Inc. Vehicle deployment planning system
CN101501740A (zh) * 2006-08-07 2009-08-05 丰田自动车株式会社 行驶控制装置
US20130261948A1 (en) * 2012-03-27 2013-10-03 Denso Corporation Periphery vehicle determination apparatus
CN103456047A (zh) * 2013-09-04 2013-12-18 广州华工信息软件有限公司 基于车辆动态检测技术的电子不停车收费车道系统及方法
US20150262481A1 (en) * 2012-10-15 2015-09-17 Scania Cv Ab System and method to determine occurrence of platoon
JP2015210823A (ja) * 2014-04-25 2015-11-24 ゼロックス コーポレイションＸｅｒｏｘ Ｃｏｒｐｏｒａｔｉｏｎ 変形可能部分モデルを使用した車両追跡における部分的隠蔽処理方法及びシステム
CN105584481A (zh) * 2014-11-10 2016-05-18 沃尔沃汽车公司 控制自主车辆的控制装置、自主驾驶装置、车辆和方法
US20160163200A1 (en) * 2014-12-03 2016-06-09 Ebay Enterprise, Inc. Managing and controlling travel for a convoy of vehicles
US9600768B1 (en) * 2013-04-16 2017-03-21 Google Inc. Using behavior of objects to infer changes in a driving environment
US20170088040A1 (en) * 2015-09-30 2017-03-30 Nissan North America, Inc. Vehicle state indication system
US20170146995A1 (en) * 2015-11-23 2017-05-25 Easy Aerial Inc. System and method of controlling autonomous vehicles
US20170249836A1 (en) * 2016-02-25 2017-08-31 Delphi Technologies, Inc. Conflict-Resolution System For Operating An Automated Vehicle
US20170351261A1 (en) * 2015-11-04 2017-12-07 Zoox, Inc. Sensor-Based Object-Detection Optimization For Autonomous Vehicles
CN107452218A (zh) * 2017-09-22 2017-12-08 西北工业大学 一种多无人车编队的交叉路口集中式调度方法
CN107492249A (zh) * 2016-09-20 2017-12-19 宝沃汽车（中国）有限公司 一种车队监控方法及系统
US20180059664A1 (en) * 2016-09-01 2018-03-01 Samsung Electronics Co., Ltd. Method and apparatus for operating autonomous driving controller of vehicle
CN108140310A (zh) * 2015-08-26 2018-06-08 佩路通科技股份有限公司 用于车辆监测和编队的装置、系统及方法

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10024739A1 (de) * 1999-05-21 2000-12-07 Honda Motor Co Ltd Kolonnenfahr-Steuervorrichtung
US10643467B2 (en) * 2010-03-28 2020-05-05 Roadmetric Ltd. System and method for detecting and recording traffic law violation events
US8977420B2 (en) 2010-06-23 2015-03-10 GM Global Technology Operations LLC Vehicle procession control through a traffic intersection
US8509982B2 (en) * 2010-10-05 2013-08-13 Google Inc. Zone driving
KR101029096B1 (ko) 2010-11-18 2011-04-13 김은숙 차량의 측면 충돌 회피 방법
US8195394B1 (en) * 2011-07-13 2012-06-05 Google Inc. Object detection and classification for autonomous vehicles
US20130093895A1 (en) * 2011-10-17 2013-04-18 Samuel David Palmer System for collision prediction and traffic violation detection
JP5838879B2 (ja) * 2012-03-22 2016-01-06 株式会社デンソー 予測システム
US9633564B2 (en) * 2012-09-27 2017-04-25 Google Inc. Determining changes in a driving environment based on vehicle behavior
US9536427B2 (en) 2013-03-15 2017-01-03 Carnegie Mellon University Methods and software for managing vehicle priority in a self-organizing traffic control system
DE202013006466U1 (de) * 2013-07-18 2014-10-27 GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) Computerprogrammprodukt und Fahrerassistenzsystem für einFahrzeug
US9766628B1 (en) * 2014-04-04 2017-09-19 Waymo Llc Vision-based object detection using a polar grid
US9586585B2 (en) 2014-11-20 2017-03-07 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle detection of and response to traffic officer presence
EP3318456B1 (en) * 2015-07-02 2021-09-22 Sony Group Corporation Vehicle control device, vehicle control method, and program
MX370259B (es) * 2015-09-30 2019-12-09 Nissan Motor Sistema de indicacion del estado del vehiculo.
JP2017138694A (ja) * 2016-02-02 2017-08-10 ソニー株式会社 映像処理装置及び映像処理方法
US9633560B1 (en) 2016-03-30 2017-04-25 Jason Hao Gao Traffic prediction and control system for vehicle traffic flows at traffic intersections
US10077052B2 (en) * 2016-03-31 2018-09-18 Faraday&Future Inc. State-based operation for autonomous vehicles
US20170329332A1 (en) 2016-05-10 2017-11-16 Uber Technologies, Inc. Control system to adjust operation of an autonomous vehicle based on a probability of interference by a dynamic object
RU2733015C1 (ru) 2017-02-10 2020-09-28 Ниссан Норт Америка, Инк. Оперативное управление автономным транспортным средством
US10127818B2 (en) * 2017-02-11 2018-11-13 Clear Commute Ventures Pty Ltd Systems and methods for detecting and avoiding an emergency vehicle in the proximity of a substantially autonomous vehicle
US10401862B2 (en) * 2017-10-31 2019-09-03 Waymo Llc Semantic object clustering for autonomous vehicle decision making
US10562538B2 (en) * 2017-11-22 2020-02-18 Uatc, Llc Object interaction prediction systems and methods for autonomous vehicles
US20190164007A1 (en) * 2017-11-30 2019-05-30 TuSimple Human driving behavior modeling system using machine learning
US20190187719A1 (en) * 2017-12-19 2019-06-20 Trw Automotive U.S. Llc Emergency lane change assistance system
US10919444B2 (en) * 2018-01-24 2021-02-16 Peloton Technology, Inc. Systems and methods for providing information about vehicles
US11971714B2 (en) * 2018-02-19 2024-04-30 Martin Tremblay Systems and methods for autonomous vehicles
US10632913B2 (en) * 2018-04-13 2020-04-28 GM Global Technology Operations LLC Vehicle behavior using information from other vehicles lights
WO2019206252A1 (en) * 2018-04-27 2019-10-31 Shanghai Truthvision Information Technology Co., Ltd. Systems and methods for monitoring traffic sign violation
US11126873B2 (en) * 2018-05-17 2021-09-21 Zoox, Inc. Vehicle lighting state determination
US10810872B2 (en) * 2018-07-31 2020-10-20 Baidu Usa Llc Use sub-system of autonomous driving vehicles (ADV) for police car patrol

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5680122B1 (en) * 1995-09-11 2000-04-04 Toyota Motor Co Ltd Platoon running control system
US5680122A (en) * 1995-09-11 1997-10-21 Toyota Jidosha Kabushiki Kaisha Platoon running control system
US20040236474A1 (en) * 2003-02-27 2004-11-25 Mahesh Chowdhary Vehicle management system
CN101501740A (zh) * 2006-08-07 2009-08-05 丰田自动车株式会社 行驶控制装置
US20090157461A1 (en) * 2007-12-12 2009-06-18 Honeywell International Inc. Vehicle deployment planning system
US20130261948A1 (en) * 2012-03-27 2013-10-03 Denso Corporation Periphery vehicle determination apparatus
US20150262481A1 (en) * 2012-10-15 2015-09-17 Scania Cv Ab System and method to determine occurrence of platoon
US9600768B1 (en) * 2013-04-16 2017-03-21 Google Inc. Using behavior of objects to infer changes in a driving environment
CN103456047A (zh) * 2013-09-04 2013-12-18 广州华工信息软件有限公司 基于车辆动态检测技术的电子不停车收费车道系统及方法
JP2015210823A (ja) * 2014-04-25 2015-11-24 ゼロックス コーポレイションＸｅｒｏｘ Ｃｏｒｐｏｒａｔｉｏｎ 変形可能部分モデルを使用した車両追跡における部分的隠蔽処理方法及びシステム
CN105584481A (zh) * 2014-11-10 2016-05-18 沃尔沃汽车公司 控制自主车辆的控制装置、自主驾驶装置、车辆和方法
US20160163200A1 (en) * 2014-12-03 2016-06-09 Ebay Enterprise, Inc. Managing and controlling travel for a convoy of vehicles
CN108140310A (zh) * 2015-08-26 2018-06-08 佩路通科技股份有限公司 用于车辆监测和编队的装置、系统及方法
US20170088040A1 (en) * 2015-09-30 2017-03-30 Nissan North America, Inc. Vehicle state indication system
US20170351261A1 (en) * 2015-11-04 2017-12-07 Zoox, Inc. Sensor-Based Object-Detection Optimization For Autonomous Vehicles
US20170146995A1 (en) * 2015-11-23 2017-05-25 Easy Aerial Inc. System and method of controlling autonomous vehicles
US20170249836A1 (en) * 2016-02-25 2017-08-31 Delphi Technologies, Inc. Conflict-Resolution System For Operating An Automated Vehicle
US20180059664A1 (en) * 2016-09-01 2018-03-01 Samsung Electronics Co., Ltd. Method and apparatus for operating autonomous driving controller of vehicle
CN107492249A (zh) * 2016-09-20 2017-12-19 宝沃汽车（中国）有限公司 一种车队监控方法及系统
CN107452218A (zh) * 2017-09-22 2017-12-08 西北工业大学 一种多无人车编队的交叉路口集中式调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毛庆洲;周宝定;李清泉;栾海;: "公路列车的体系框架与关键技术", 公路交通科技, no. 1, 15 July 2011 (2011-07-15) *

Also Published As

Publication number Publication date
KR102534960B1 (ko) 2023-05-26
JP7176098B2 (ja) 2022-11-21
US20210018919A1 (en) 2021-01-21
US20230141636A1 (en) 2023-05-11
JP2021534490A (ja) 2021-12-09
US12228929B2 (en) 2025-02-18
WO2020041023A1 (en) 2020-02-27
US20240085907A1 (en) 2024-03-14
EP3820752A1 (en) 2021-05-19
KR20210034096A (ko) 2021-03-29
US11537128B2 (en) 2022-12-27
EP3820752A4 (en) 2022-04-20
CN112789205B (zh) 2024-06-25
US10795362B2 (en) 2020-10-06
US11860631B2 (en) 2024-01-02
US20200057443A1 (en) 2020-02-20

Similar Documents

Publication Publication Date Title
KR102274273B1 (ko) 자율 차량을 위한 정지 위치 계획
KR102446698B1 (ko) 폐색들이 있는 도로 사용자 반응 모델링에 따른 자율주행 차량의 동작
CN112789205B (zh) 针对自动驾驶车辆检测队列并对队列进行响应
CN111295629B (zh) 检测并响应于自动驾驶车辆的交通改向
US10220776B1 (en) Scenario based audible warnings for autonomous vehicles
KR102478819B1 (ko) 정지된 자율주행 차량들에 의해 야기되는 주변 도로 사용자들에 대한 불편을 감소시키는 것
US9947221B1 (en) Systems and methods of vehicular communication
US11866068B2 (en) Detecting and responding to malfunctioning traffic signals for autonomous vehicles
US20240126296A1 (en) Behavior prediction for railway agents for autonomous driving system
US20220063485A1 (en) Systems and methods for vehicular communication
CN113226878B (zh) 铁路灯检测

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant