[发明专利]检测阻塞静止车辆

说明书

一种确定静止车辆是否为阻塞车辆以改善对自动驾驶车辆的控制的方法和系统。感知引擎可以由从自动驾驶车辆接收的传感器数据检测自动驾驶车辆的环境中的静止车辆。响应于该检测，感知引擎可以根据传感器数据确定车辆环境的特征值(例如，静止车辆的特征，其他物体，环境本身)。自动驾驶车辆可以将这些特征值输入到机器学习模型中，以确定静止车辆是阻塞车辆的概率，并使用该概率生成轨迹来控制自动驾驶车辆的运动。

相关申请的交叉引用

该PCT国际申请要求2018年2月14日提交的美国专利申请15/897,028的优先权，其通过引用合并于此。

背景技术

静止物体，例如道路上的车辆，可能会干扰车辆的自动操作。例如，自动驾驶车辆前方的静止车辆可以是并排停放的，或者以其他方式丧失功能，从而阻塞了自动驾驶车辆。检测这种阻塞车辆可能受到传感器可见度的限制，因为可能无法“看见”潜在阻塞车辆的前方以确定它是否是阻塞车辆。

此外，环境提示可能会增加检测的复杂性。作为列举的两个示例，停在具有被检测的红灯的十字路口的车辆可能是阻塞车辆并且没在等待交通信号灯。类似地，停在具有被检测的绿灯的交叉路口附近的车辆实际上可能在排长队等待转弯，而不是阻塞车辆。基于未正确被检测的阻塞车辆自动操作可能会产生其他问题，例如，自动驾驶车辆无法重新进入其原始车道。

附图说明

参照附图描述详细说明。在附图中，附图标记的最左边的数字标识该附图标记首次出现的附图。不同附图中的相同附图标记表示相似或相同的项目。

图1A示出涉及静止车辆的示例场景，该静止车辆可以是阻塞车辆。

图1B示出描绘图1A的场景的自动驾驶车辆视图的示例，以显示从自动驾驶车辆收集的传感器数据可辨别出的图1A的场景的一部分。

图2示出用于检测阻塞车辆的示例过程的图形流程图。

图3A-3F示出传感器数据和从中得出的用于检测阻塞车辆的特征的示例。

图4示出包括示例车辆系统的用于检测阻塞车辆的示例架构的框图。

图5示出根据本文讨论的技术的用于训练阻塞车辆机器学习模型的示例过程的流程图。

图6示出根据本文讨论的技术的用于使用机器学习模型来检测阻塞车辆的示例过程的示意性流程图。

图7示出根据本文所讨论的技术的用于训练阻塞车辆机器学习模型的示例过程的流程图。

具体实施方式

如上所述，阻塞物体(包括车辆)包括阻碍自动驾驶车辆沿着规划的路线或路径前进的物体。例如，在许多城市环境中，并排停放是一种常见的做法。需要将这种并排停放的车辆检测为阻塞车辆，以与静止车辆分开处理。特别地，虽然可以指示自动驾驶车辆等待停止的车辆移动，但是也可以指示自动驾驶车辆在这种并排停放的车辆周围行驶。一般规则，例如将所有在绿灯处静止车辆视为阻塞，通常不准确和/或不足以安全地操作自动驾驶车辆和/或以更接近地模仿车辆的人类操作的方式操作自动驾驶车辆。本公开总体上针对用于确定静止车辆是阻塞车辆还是物体以便根据该确定来控制自动驾驶车辆的技术(例如，机器，程序，过程)。在一些示例中，本文讨论的技术包括机器学习(ML)模型，该机器学习模型被配置为接收传感器数据以确定是否指示静止车辆是阻塞车辆。代替根据条件规则进行该确定(例如，如果确实是绿色的灯并且确实是车辆已停止，则指示该车辆是阻塞车辆)，本文讨论的技术可以使用以传感器数据为输入的ML模型来确定静态车辆是阻塞车辆的概率。