使用路线信息的运载工具的轨迹规划的制作方法

1.本说明书涉及使用路线信息的运载工具的轨迹规划。


背景技术：

2.自主运载工具所采取的路径取决于对象(例如，其它附近运载工具、自行车、行人)的路径。对象的轨迹估计(例如，接下来的5-10秒和/或50-100米)是基于由配置在自主运载工具上的传感器确定的对象的估计位置和速度。然而，这些轨迹估计并未考虑对象的预期行为。因此，在自主运载工具的行驶期间过度依赖这些轨迹估计可能迫使自主运载工具必须重新计算其路径，以避免碰撞和/或小于最佳驾驶条件(例如，困在运载工具的后方)。


技术实现要素：

3.一种方法，包括：利用至少一个处理器，接收用于指示在环境中操作的对象的存在的信息；利用所述至少一个处理器，确定所述对象的轨迹，所述轨迹至少包括所述对象的位置、速率和行驶方向；利用所述至少一个处理器，确定所述对象的预期路线，其中所述预期路线是预先规划的并且包括所述对象在将来时间的预期将来位置；将所述对象的轨迹与所述对象的预期路线进行比较；以及根据所述对象的轨迹与所述对象的预期路线一致的比较结果，基于所述对象的预期路线来更新所述对象的轨迹。
4.一种非暂时性计算机可读存储介质，包括供由第一装置的至少一个处理器执行的至少一个程序，所述至少一个程序包括指令，所述指令在由所述至少一个处理器执行时，使得所述第一装置进行上述方法。
5.一种运载工具，包括：至少一个传感器，其被配置为捕获对象的信息；至少一个收发器，其被配置为发送和接收所述对象的路线信息；以及至少一个处理器，其通信地耦接至所述至少一个传感器和所述至少一个收发器，并且被配置为执行计算机可执行指令，该执行使得执行上述方法。
附图说明
6.图1示出具有自主能力的自主运载工具的示例。
7.图2例示示例“云”计算环境。
8.图3例示计算机系统。
9.图4示出自主运载工具的示例架构。
10.图5示出规划模块的输入和输出之间的关系的框图。
11.图6示出自主运载工具接近交叉口。
12.图7a和7b是自主运载工具的决策树。
13.图8是用于改进环境中的对象的轨迹估计的流程图。
具体实施方式
14.在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本发明的透彻理解。然而，显而易见的是，本发明可以在没有这些具体细节的情况下实施。在其它实例中，众所周知的构造和装置是以框图形式示出的，以避免不必要地使本发明模糊。
15.在附图中，为了便于描述，显示了示意要素的具体安排或次序，例如表示设备、模块、指令块和数据要素的那些要素。然而，本领域技术人员应当理解，附图中示意要素的具体排序或安排并不意味着要求特定的处理顺序或序列、或处理过程的分离。此外，在附图中包含示意性要素并不意味着在所有实施例中都需要这种要素，也不意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其它要素结合。
16.此外，在附图中，连接要素、例如实线或虚线或箭头用于说明两个或两个以上其它示意要素之间的连接、关系或关联，没有任何此类连接要素并不意味着不能存在连接、关系或关联。换句话说，一些要素之间的连接、关系或关联未在附图中显示，以便不掩盖本发明。此外，为了便于说明，使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接元件代表信号、数据或指令的通信，本领域技术人员应理解，该元件代表影响通信可能需要的一个或多个信号路径(例如，总线)。
17.现在将详细参考实施例，其示例在附图中示出。在下面的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其它情况下，没有详细描述众所周知的方法、程序、组件、电路和网络，以便不会不必要地掩盖实施例的方面。
18.下面描述的若干特征可以彼此独立地使用，也可以与其它特征的任何组合一起使用。但是，任何个别特征可能不能解决上述任何问题，或者只能解决上述问题之一。上文讨论的一些问题可能不能通过本文所述的任何一个特征得到充分解决。虽然提供了标题，但在本说明的其它地方也可以找到与某一标题有关但在该标题部分未找到的信息。本文根据以下概要描述实施例：
19.1.总体概述
20.2.系统概述
21.3.自主运载工具架构
22.4.路径规划
23.5.环境中的对象的轨迹估计
24.总体概述
25.了解对象有可能遵循的预期路线帮助自主运载工具确定自己的路径。例如，可以向自主运载工具通知固定路线上的具有特定型号的公共交通公共汽车(或有轨电车)在自主运载工具的左侧。然后，自主运载工具可以在数据库中查询以检索该特定公共交通公共汽车的预期路线。如果公共交通公共汽车看起来正沿着该预期路线移动、并且预期路线指示将要在即将来临的交叉口左转，则自主运载工具可以以适当的确定度得出如下结论：公共交通公共汽车将要左转，并且公共交通公共汽车进入自主运载工具的当前车道的可能性非常低。然后，自主运载工具可以使用该信息来确定为留在当前车道是安全的。
26.作为又一示例，如果自主运载工具前方的运载工具被识别为将要在目的地停止的
ups卡车，则向自主运载工具通知该情况，使得自主运载工具可以切换车道以避开ups卡车。作为另一示例，如果自主运载工具前方的运载工具被识别为学员驾驶员运载工具，则在紧急停车或突然移动的情况下，自主运载工具可以与学员驾驶员运载工具维持更远的距离。
27.这些技术的优点中的一些优点包括降低了重新计算自主运载工具的路径的需求。此外，通过并入对象的路线信息，自主运载工具可以将未知信息从路径规划处理中去除。这样直接得到对于自主运载工具内的乘员而言更安全的搭乘和更平稳的搭乘。环境中的对象也将更安全，因为自主运载工具将设法避免干扰对象的预期路线。
28.系统概述
29.图1示出具有自主能力的自主运载工具100的示例。
30.如本文所使用的，术语“自主能力”是指一种功能、特征或设施，该功能、特征或设施使运载工具能够部分地或完全地运行，而无需实时的人类干预，包括但不限于完全自主运载工具、高度自主运载工具、部分自主运载工具和有条件自主运载工具。
31.如本文所使用的，自主运载工具(av)是一种具有自主能力的运载工具。
32.如本文所使用的，“运载工具”包括货物或人员的运输方式。例如，小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。
33.如本文所使用的，“轨迹”是指将av从第一时空地点导航到第二时空地点的路径或路线。在实施例中，第一时空地点被称为初始地点或起始地点，第二时空地点被称为目的地、最终地点、目标、目标位置或目标地点。在一些示例中，轨迹由一个或多个路段(例如，道路的数段)组成，并且各路段由一个或多个块(例如，车道或交叉路口的一部分)组成。在实施例中，时空地点对应于真实世界地点。例如，时空地点是上车或下车地点，以使人员或货物上车或下车。
34.如本文所使用的，“(一个或多个)传感器”包括一个或多个硬件组件，用于检测与传感器周围环境有关的信息。一些硬件部件可包括感测部件(例如，图像传感器、生物测量传感器)、发送和/或接收部件(例如，激光或射频波发射器和接收器)、电子部件(例如，模数转换器)、数据存储装置(例如，ram和/或非易失性存储器)、软件或固件部件和数据处理部件(例如，专用集成电路)、微处理器和/或微控制器。
35.如本文所使用的，“场景描述”是一种数据结构(例如，列表)或数据流，其包括由av运载工具上的一个或多个传感器检测到的一个或多个分类或标记的对象，或由av外部的源提供的一个或多个分类或标记的对象。
36.如本文所使用的，“道路”是一个可以被运载工具穿越的物理区域，并且可以对应于已命名的通道(例如，城市街道、州际高速公路等)或可对应于未命名的通道(例如，房屋或办公楼内的行车道、停车场的一段、空置停车场的一段、乡村地区的污物通道等)。因为有些运载工具(如四轮驱动的小卡车、越野车(suv)等)能够穿越各种不特别适合运载工具行驶的物理区域，因此“道路”可以是任何市政当局或其它政府或行政机构没有正式界定为一条通道的物理区域。
37.如本文所使用的，“车道”是道路的可被运载工具穿越的部分。有时基于车道标记来识别车道。例如，车道可对应于车道标记之间的大部分或全部空间，或仅对应于车道标记之间的部分空间(例如，小于50％)。例如，具有相距很远的车道标记的道路可能容纳两个或
两个以上的运载工具，使得一个运载工具可以在不穿过车道标记的情况下超过另一个运载工具，因此可被解释为车道比车道标记之间的空间窄，或车道之间有两个车道。在没有车道标记的情况下，也可以对车道进行解释。例如，可以基于环境的物理特征(例如，农村地区的岩石和沿着大道的树木、或者例如在欠发达地区应避免的自然障碍物)来定义车道。也可以独立于车道标记或物理特征来解释车道。例如，可以基于原本缺少将会被解释为车道边界的特征的在区域中无障碍物的任意路径来解释车道。在示例情景中，av可以解释通过田野或空地的无障碍物部分的车道。在另一示例情景中，av可以解释通过不具有车道标记的宽(例如，足够两个或更多个车道宽)道路的车道。在该情景中，av可以将与车道有关的信息通信至其它av，使得其它av可以使用相同的车道信息来协调av之间的路径规划。
38.术语“空中下载(ota)客户端”包括任何av，或者嵌入在av中、耦接至av或与av进行通信的任何电子装置(例如，计算机、控制器、iot装置、电子控制单元(ecu))。
39.术语“空中下载(ota)更新”意味着对使用专有和/或标准化的无线通信技术递送至ota客户端的软件、固件、数据或配置设置或者它们的任何组合的任何更新、改变、删除或添加，其中该专有和/或标准化的无线通信技术包括但不限于：蜂窝移动通信(例如，2g、3g、4g、5g)、无线电无线局域网络(例如，wifi)和/或卫星因特网。
40.术语“边缘节点”是指耦接至网络的一个或多个边缘装置，这些装置提供与av进行通信所用的门户并且可以与其它边缘节点和基于云的计算平台进行通信，以调度ota更新并将ota更新递送至ota客户端。
41.术语“边缘装置”是指实现边缘节点并提供向企业或服务提供商(如verizon、at&t)核心网的物理无线接入点(ap)的装置。边缘装置的示例包括但不限于：计算机、控制器、发送器、路由器、路由交换机、综合接入装置(iad)、多路复用器、城域网(man)和广域网(wan)接入装置。
[0042]“一个或多个”包括由一个要素执行的功能，由多个要素执行的功能、例如以分布式的方式，由一个要素执行的几个功能，由几个要素执行的几个功能，或上述的任意组合。
[0043]
还将理解的是，尽管在某些情况下，术语“第一”、“第二”等是用来描述各种要素的，但这些要素不应受到这些术语的限制。这些术语仅用于区分一个要素与另一个要素。例如，在未背离各种所述实施例的范围的情况下，第一触点可被称为第二触点，并且同样，第二触点可被称为第一触点。第一触点和第二触点都是触点，但这两者不是相同触点。
[0044]
此处描述的各种实施例的描述中使用的术语仅用于描述特定实施例，而不是意在限制。正如在所描述的各种实施例和所附权利要求书的描述中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，除非上下文另有明确说明。还应理解，本文所用的"和/或"一词是指并且包括一个或多个相关清单项目的任何和所有可能的组合。还应理解的是，在本说明中使用的术语“包括”、“包含”、“具备”和/或“具有”具体说明存在所述的特征、整数、步骤、操作、要素和/或组成部分，但并不排除存在或添加一个或多个其它特征、整数、步骤、操作、要素、组成部分、和/或上述的组。
[0045]
如本文所使用的，“如果”一词可选择地理解为在该情况下、在当时、或者响应于检测到、或响应于确定为，视上下文而定。同样，“如果已确定”或“如果[所述条件或事件]已被检测到”这一短语，视情境而定，可以理解为“在确定时”或“响应于确定为“或”在检测到[所述条件或事件]时”或“响应于检测到[所述条件或事件]”。
[0046]
如本文所使用的，av系统是指av以及实时生成的支持av操作的硬件、软件、存储的数据和实时生成的支持av运作的数据。在实施例中，av系统并入在av内。在实施例中，av系统跨多个地点分布。例如，av系统的一些软件是在类似于下面结合图3描述的云计算环境300的云计算环境中实现的。
[0047]
一般而言，本文件描述了适用于任何具有一种或多种自主能力的运载工具的技术，包括完全自主运载工具、高度自主运载工具和有条件自主运载工具，如所谓的第5级、第4级和第3级运载工具(见sae国际标准j3016：道路上机动车自动驾驶系统相关术语的分类和定义，通过引用将其全部内容纳入本说明，以了解运载工具自主权等级的更多详细信息)。本说明所述技术也适用于部分自主运载工具和驾驶员辅助运载工具，如所谓的2级和1级运载工具(见sae国际标准j3016：道路上机动车自动驾驶系统相关术语的分类和定义)。在实施例中，一个或多个1级、2级、3级、4级和5级运载工具系统可根据对传感器输入的处理，在某些操作条件下自动执行某些运载工具操作(例如，转向、制动和使用地图)。本文件中所述的技术可以使从完全自主运载工具到人类操作的运载工具的各级运载工具受益。
[0048]
自主运载工具与需要人类驾驶员的运载工具相比存在优势。一个优势是安全性。例如，在2016年，美国经历了600万起汽车事故、240万人受伤、40000人死亡和1300万辆运载工具碰撞事故，估计社会成本为9100亿美元多。从1965年到2015年，每行驶1亿英里的美国交通事故死亡人数已从约6人减少到约1人，部分是由于运载工具中所部署的附加安全措施。例如，认为与将发生碰撞有关的额外半秒的警告减轻了60％的前后碰撞。然而，被动安全特征(例如，安全带、安全气囊)在改进该数字方面有可能已达到它们的极限。因而，诸如运载工具的自动控制等的主动安全措施是改进这些统计数据的可能的下一步。由于在95％的碰撞中认为人类驾驶员是造成严重碰撞前事件的原因，因此自动驾驶系统例如通过以下操作，有可能实现更好的安全结果：比人类更好地可靠地识别和避免紧急情况；做出比人类更好的决策，比人类更好地遵守交通法规，并且比人类更好地预测将来事件；并且比人类更好地可靠地控制运载工具。
[0049]
参考图1，av系统120使av 100沿着轨迹198运行，穿过环境190至目的地199(有时称为最终地点)，同时避开对象(例如，自然障碍物191、运载工具193、行人192、骑车者和其它障碍物)和遵守道路规则(例如，操作规则或驾驶偏好)。
[0050]
在实施例中，av系统120包括用于从计算机处理器146接收操作命令并对其进行操作的装置101。使用术语“操作命令”来表示使得运载工具进行动作(例如，驾驶机动动作)的可执行指令(或指令集)。操作命令可以非限制性地包括用于使运载工具开始向前移动、停止向前移动、开始向后移动、停止向后移动、加速、减速、进行左转和进行右转的指令。在实施例中，计算处理器146与下面参考图3描述的处理器304相似。装置101的示例包括转向控制器102、制动器103、挡位、加速踏板或其它加速控制机构、挡风玻璃雨刮器、侧门锁、窗控器和转向指示器。
[0051]
在实施例中，av系统120包括用于测量或推断av 100的状态或条件的属性的传感器121，这些属性诸如是av的位置、线速度及角速度和加速度、以及航向(例如，av 100的前端的方向)。传感器121的示例是gps、以及测量运载工具线性加速度和角速率的惯性测量单元(imu)、用于测量或估计车轮滑移率的车轮速率传感器、车轮制动压力或制动扭矩传感器、引擎扭矩或车轮扭矩传感器以及转向角度和角速率传感器。
[0052]
在实施例中，传感器121还包括用于感测或测量av的环境的属性的传感器。例如，可见光、红外或热(或两者兼有)光谱的单目或立体摄像机122、lidar 123、radar、超声波传感器、飞行时间(tof)深度传感器、速率传感器、温度传感器、湿度传感器和降水传感器。
[0053]
在实施例中，av系统120包括数据存储单元142和存储器144，用于存储与计算机处理器146或由传感器121收集的数据相关的机器指令。在实施例中，数据存储单元142与以下结合图3描述的rom 308或存储装置310类似。在实施例中，存储器144与下面描述的主存储器306类似。在实施例中，数据存储单元142和存储器144存储有关环境190的历史、实时和/或预测性信息。在实施例中，存储的信息包括地图、驾驶性能、交通拥堵更新或天气条件。在实施例中，与环境190有关的数据通过来自远程数据库134的通信通道传输到av 100。
[0054]
在实施例中，av系统120包括通信装置140，用于将对其它运载工具的状态和条件(诸如位置、线性和角速度、线性和角加速度以及线性和角航向等)的测量到或推断的属性传送到av 100。这些装置包括运载工具到运载工具(v2v)和运载工具到基础设施(v2i)通信装置以及用于通过点对点或自组织(ad hoc)网络或两者兼而有之进行无线通信的装置。在实施例中，通信装置140跨电磁频谱(包括无线电和光通信)或其它介质(例如，空气和声学介质)进行通信。运载工具对运载工具(v2v)、运载工具对基础设施(v2i)通信(以及在一些实施例中为一种或多种其它类型的通信)的组合有时被称为运载工具对所有事物(v2x)通信。v2x通信通常符合一个或多个通信标准，用于与自主运载工具进行的和在自主运载工具之间的通信。
[0055]
在实施例中，通信装置140包括通信接口。例如，有线、无线、wimax、wi-fi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从远程数据库134传输到av系统120。在实施例中，远程数据库134嵌入云计算环境200中，如图2中所述。通信接口140将从传感器121收集的数据或与av 100操作有关的其它数据传输到远程数据库134。在实施例中，通信接口140向av 100传输与远程操作有关的信息。在一些实施例中，av 100与其它远程(例如，“云”)服务器136通信。
[0056]
在实施例中，远程数据库134还存储和传输数字数据(例如，存储道路和街道地点等的数据)。这些数据存储在av 100上的存储器144中，或者通过通信通道从远程数据库134传输到av 100。
[0057]
在实施例中，远程数据库134存储和传输与以前在一天中类似时间沿着轨迹198行驶的运载工具的驾驶属性有关的历史信息(例如，速率和加速率分布)。在一个实现中，这种数据可以存储在av 100上的存储器144中，或者通过通信通道从远程数据库134传输到av 100。
[0058]
位于av 100上的计算装置146基于实时传感器数据和先验信息以算法方式生成控制动作，使得av系统120能够执行其自主驾驶能力。
[0059]
在实施例中，av系统120包括连接到计算装置146的计算机外围设备132，用于向av 100的用户(例如，乘员或远程用户)提供信息和提醒并接收来自该用户的输入。在实施例中，外围设备132类似于下面参考图3讨论的显示器312、输入装置314和光标控制器316。连接是无线的或有线的。任意两个或更多的接口设备可以集成到单个设备中。
[0060]
在实施例中，av系统120接收并强制执行例如由乘员指定的或者存储在与乘员相关联的简档中的乘员的隐私级别。乘员的隐私级别确定了如何许可使用存储在乘员简档中
的以及/或者存储在云服务器136上且与乘员简档相关联的、与乘员相关联的特定信息(例如，乘员舒适度数据、生物测量数据等)。在实施例中，隐私级别指定了一旦搭乘完成则被删除的与乘员相关联的特定信息。在实施例中，隐私级别指定了与乘员相关联的特定信息，并且标识被授权访问该信息的一个或多个实体。被授权访问信息的所指定的实体的示例可以包括其它av、第三方av系统、或者可以潜在地访问该信息的任何实体。
[0061]
可以在一个或多个粒度级别指定乘员的隐私级别。在实施例中，隐私级别标识要存储或共享的特定信息。在实施例中，隐私级别适用于与乘员相关联的所有信息，使得乘员可以指定不存储或共享她的个人信息。被许可访问特定信息的实体的指定也可以在各种粒度级别指定。被许可访问特定信息的各种实体集例如可以包括其它av、云服务器136、特定第三方av系统等。
[0062]
在实施例中，av系统120或云服务器136确定av 100或另一实体是否可访问与乘员相关联的某些信息。例如，试图访问与特定时空地点有关的乘员输入的第三方av系统必须例如从av系统120或云服务器136获得授权，以访问与乘员相关联的信息。例如，av系统120使用乘员的指定隐私级别来确定是否可以将与时空地点有关的乘员输入呈现给第三方av系统、av 100或另一av。这使得乘员的隐私级别能够指定允许哪些其它实体接收与乘员的动作有关的数据或与乘员相关联的其它数据。
[0063]
图2例示示例“云”计算环境。云计算是一种服务交付模式，可以方便、按需地在网络上访问共享的可配置计算资源池(例如网络、网络带宽、服务器、处理、内存、存储、应用程序、虚拟机和服务)。在典型的云计算系统中，一个或多个大型云数据中心容纳用于递送云所提供的服务的机器。现在参考图2，云计算环境200包括通过云202互连的云数据中心204a、204b和204c。数据中心204a、204b和204c为连接到云202的计算机系统206a、206b、206c、206d、206e和206f提供云计算服务。
[0064]
云计算环境200包括一个或多个云数据中心。通常，云数据中心(例如图2中所示的云数据中心204a)是指构成云(例如图2中所示的云202或云的特定部分)的服务器的物理排列。例如，服务器在云数据中心中物理排列成房间、组、行和机架。云数据中心有一个或多个区域，其中包括一个或多个服务器房间。每个房间有一行或多行服务器，每行都包括一个或多个机架。每个机架包括一个或多个单独的服务器节点。在一些实现中，区域、房间、机架和/或行中的服务器根据数据中心设施的物理基础设施要求(包括电力、能源、热力、热源和/或其它要求)分为若干组。在实施例中，服务器节点类似于图3中描述的计算机系统。数据中心204a具有许多分布在多个机架上的计算系统。
[0065]
云202包括云数据中心204a、204b和204c以及用于连接云数据中心204a、204b和204c并有助于促进计算系统206a-f对云计算服务的访问的网络和网络资源(例如，网络设备、节点、路由器、交换机和网络电缆)。在实施例中，该网络表示一个或多个本地网络、广域网或通过使用地面或卫星连接部署的有线或无线链路连接的网际网络的任意组合。通过网络交换的数据采用多种网络层协议(如internet协议(ip)、多协议标签交换(mpls)、异步传输模式(atm)、帧中继(framerelay)等)进行传输。此外，在网络代表多个子网络的组合的实施例中，在每个底层子网络上使用不同的网络层协议。在一些实施例中，网络代表一个或多个互连网际网络(例如公共因特网等)。
[0066]
计算系统206a-f或云计算服务消费者通过网络链路和网络适配器连接到云202。
在实施例中，计算系统206a-f被实现为各种计算装置，例如服务器、台式机、膝上型计算机、平板电脑、智能电话、物联网(iot)设备、自主运载工具(包括小汽车、无人机、航天飞机、火车、公共汽车等)和消费电子产品。在实施例中，计算系统206a-f在其它系统中实现或作为其它系统的一部分实现。
[0067]
图3例示计算机系统300。在实现中，计算机系统300是一种专用计算装置。专用计算装置被硬连线以执行这些技术，或包括诸如一个或多个专用集成电路(asic)或现场可编程门阵列(fpga)等的被持久编程为进行上述技术的数字电子装置，或可包括一个或多个通用硬件处理器，这些硬件处理器经编程以根据固件、存储器、其它存储器、或者组合中的程序指令执行这些技术。这种专用的计算装置还可以将定制的硬线逻辑、asic或fpga与定制的编程相结合来完成这些技术。在各种实施例中，专用计算装置是台式计算机系统、便携式计算机系统、手持设备、网络设备或包含硬线和/或程序逻辑以实现这些技术的任何其它设备。
[0068]
在实施例中，计算机系统300包括总线302或用于通信信息的其它通信机制、以及与总线302连接以处理信息的硬件处理器304。硬件处理器304是例如通用微处理器。计算机系统300还包括主存储器306，例如随机存取存储器(ram)或其它动态存储装置，连接到总线302以存储信息和指令，该信息和指令由处理器304执行。在一个实现中，主存储器306用于在执行要由处理器304执行的指令期间存储临时变量或其它中间信息。当这些指令存储在处理器304可访问的非暂时性存储介质中时，使计算机系统300变成一个专用机器，该机器被定制以执行指令中指定的操作。
[0069]
在实施例中，计算机系统300还包括只读存储器(rom)308或连接到总线302的其它静态存储装置，用于存储处理器304的静态信息和指令。提供诸如磁盘、光盘、固态驱动器或三维交叉点存储器等的存储装置310，并连接到总线302以存储信息和指令。
[0070]
在实施例中，计算机系统300通过总线302连接到诸如阴极射线管(crt)、液晶显示器(lcd)、等离子体显示器、发光二极管(led)显示器或用于向计算机用户显示信息的有机发光二极管(oled)显示器等的显示器312。包括字母数字键和其它键的输入装置314连接到总线302，用于向处理器304传送信息和命令选择。另一种类型的用户输入装置是光标控制器316，例如鼠标、轨迹球、触控显示器或光标方向键，用于将方向信息和命令选择传送到处理器304，并用于控制光标在显示器312上的移动。这种输入装置通常具有两个轴线上的两个自由度，第一轴线(例如，x轴)和第二轴线(例如，y轴)，这两个轴线允许装置指定平面上的位置。
[0071]
根据一个实施例，这里的技术由计算机系统300执行，以响应处理器304执行主存储器306中包含的一个或多个指令的一个或多个序列。这些指令从诸如存储装置310等的另一存储介质读入主存储器306。执行主存储器306中包含的指令序列使处理器304执行本文所述的处理步骤。在替代实施例中，使用硬连线电路代替或与软件指令结合使用。
[0072]
此处使用的术语“存储介质”是指存储数据和/或指令的任何非暂时性介质，这些数据和/或指令使机器以特定方式运行。这种存储介质包括非易失性介质和/或易失性介质。非易失性介质例如包括诸如存储装置310等的光盘、磁盘、固态驱动器或三维交叉点存储器。易失性介质包括动态存储器，诸如主存储器306等。存储介质的常见形式包括例如软盘、软盘、硬盘、固态驱动器、磁带或任何其它磁数据存储介质、cd-rom、任何其它光数据存
储介质、任何具有孔型的物理介质、ram、prom和eprom、flash-eprom、nv-ram、或任何其它存储芯片或存储盒。
[0073]
存储介质有别于传输介质，但可以与传输介质相结合使用。传输介质参与存储介质之间的信息传输。例如，传输介质包括同轴电缆、铜线和光纤，其包括具备总线302的电线。传输介质也可以采取声波或光波的形式，如在无线电波和红外数据通信过程中产生的声波或光波。
[0074]
在实施例中，各种形式的介质涉及向处理器304携带一个或多个指令序列以供执行。例如，这些指令最初是在远程计算机的磁盘或固态驱动器上执行的。远程计算机将指令加载到其动态存储器中，并使用调制解调器通过电话线路发送指令。计算机系统300的本地调制解调器接收电话线路上的数据，并使用红外发射机将数据转换为红外信号。红外检测器接收红外信号中携带的数据，并且适当的电路将数据放置在总线302上。总线302将数据承载到主存储器306，处理器304从主存储器306检索并执行指令。主存储器306接收的指令可以任选地在处理器304执行之前或之后存储在存储装置310上。
[0075]
计算机系统300还包括连接到总线302的通信接口318。通信接口318提供耦合到连接至本地网络322的网络链路320多双向数据通信。例如，通信接口318是综合业务数字网(isdn)卡、电缆调制解调器、卫星调制解调器或用以提供与相应类型电话线路的数据通信连接的调制解调器。作为另一示例，通信接口318是局域网(lan)卡，用于提供与兼容lan的数据通信连接。在一些实现中，无线链路也被实现。在任何这种实现中，通信接口318发送和接收承载代表各种信息的数字数据流的电、电磁或光信号。
[0076]
网络链路320通常通过一个或多个网络向其它数据装置提供数据通信。例如，网络链路320通过本地网络322提供与主计算机324或与由因特网服务提供商(isp)326运营的云数据中心或设备的连接。isp 326又通过现在通常称为“因特网”的世界范围分组数据通信网络来提供数据通信服务。本地网络322和因特网328都使用携带数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路320上并通过通信接口318的信号是传输介质的示例形式，其中通信接口318承载了进出计算机系统300的数字数据。在实施例中，网络320包含上述云202或云202的一部分。
[0077]
计算机系统300通过(一个或多个)网络、网络链路320和通信接口318发送消息和接收包括程序代码的数据。在实施例中，计算机系统300接收用于处理的代码。接收到的代码在接收到时由处理器304执行，和/或存储在存储装置310中，或存储在其它非易失性存储装置中以便以后执行。
[0078]
自主运载工具架构
[0079]
图4示出用于自主运载工具(例如，图1所示的av 100)的示例架构400。架构400包括感知模块402(有时称为感知电路)、规划模块404(有时称为规划电路)、控制模块406(有时称为控制电路)、定位模块408(有时称为定位电路)和数据库模块410(有时称为数据库电路)。各模块在av 100的操作中发挥作用。共同地，模块402、404、406、408和410可以是图1所示的av系统120的一部分。在一些实施例中，模块402、404、406、408和410中的任何模块是计算机软件(例如，计算机可读介质上所存储的可执行代码)和计算机硬件(例如，一个或多个微处理器、微控制器、专用集成电路[asic]、硬件存储器装置、其它类型的集成电路、其它类型的计算机硬件、或者这些硬件中的任何或所有的组合)的组合。模块402、404、406、408和
410各自有时被称为处理电路(例如，计算机硬件、计算机软件、或者这两者的组合)。模块402、404、406、408和410中的任何或全部的组合也是处理电路的示例。
[0080]
在使用中，规划模块404接收表示目的地412的数据，并且确定表示av 100为了到达(例如，抵达)目的地412而可以行驶的轨迹414(有时称为路线)的数据。为了使规划模块404确定表示轨迹414的数据，规划模块404从感知模块402、定位模块408和数据库模块410接收数据。
[0081]
感知模块402使用例如也如图1所示的一个或多个传感器121来识别附近的物理对象。将对象分类(例如，分组成诸如行人、自行车、汽车、交通标志等的类型)，并且将包括经分类的对象416的场景描述提供至规划模块404。例如，一个或多个传感器121可以确定为ups配送运载工具在av 100的前方。
[0082]
规划模块404还从定位模块408接收表示av位置418的数据。定位模块408通过使用来自传感器121的数据和来自数据库模块410的数据(例如，地理数据)以计算位置来确定av位置。例如，定位模块408使用来自gnss(全球导航卫星系统)传感器的数据和地理数据来计算av的经度和纬度。在实施例中，定位模块408所使用的数据包括具有行车道几何属性的高精度地图、描述道路网络连接属性的地图、描述行车道物理属性(诸如交通速率、交通量、运载工具和自行车车道的数量、车道宽度、车道交通方向、或车道标记类型和地点，或者它们的组合)的地图、以及描述道路特征(诸如人行横道、交通标志或各种类型的其它行驶信号等)的空间地点的地图。在实施例中，高精度地图是通过将数据经由自动或手动注释添加到低精度地图所构建的。
[0083]
控制模块406接收表示轨迹414的数据和表示av位置418的数据，并且以将使得av 100行驶轨迹414到达目的地412的方式来操作av的控制功能420a～420c(例如，转向、油门、制动、点火)。例如，如果轨迹414包括左转，则控制模块406将以如下方式操作控制功能420a～420c：转向功能的转向角度将使得av 100左转，并且油门和制动将使得av 100在进行转弯之前暂停并等待经过的行人或运载工具。
[0084]
路径规划
[0085]
图5示出(例如，如图4所示的)规划模块404的输入和输出之间的关系的框图500。通常，规划模块404的输出是从起点504(例如，源地点或初始地点)到终点506(例如，目的地或最终地点)的路线502。路线502通常由一个或多个路段定义。例如，路段是指要行驶经过街道、道路、公路、行车道或适合汽车行驶的其它物理区域的至少一部分的距离。在一些示例中，例如，如果av 100是诸如四轮驱动(4wd)或全轮驱动(awd)小汽车、suv或小型卡车等的越野运载工具，则路线502包括诸如未铺面道路或开阔田野等的“越野”路段。
[0086]
除路线502之外，规划模块还输出车道级路线规划数据508。车道级路线规划数据508用于在特定时间基于路线502的路段的条件来穿越这些路段。例如，如果路线502包括多车道公路，则车道级路线规划数据508包括轨迹规划数据510，其中av 100可以使用该轨迹规划数据510以例如基于出口是否临近、多个车道中的一个以上的车道是否存在其它运载工具、或者在几分钟或更少时间的过程中变化的其它因素，来从这多个车道中选择某车道。对于住宅道路，邮件递送运载工具可能在最右侧车道频繁停止。同样地，在一些实现中，车道级路线规划数据508包括路线502的某路段特有的速率约束512。例如，如果该路段包括行人或非预期交通，则速率约束512可以将av 100限制到比预期速率慢的行驶速率，例如基于
该路段的限速数据的速率。
[0087]
在实施例中，向规划模块404的输入包括(例如，来自图4所示的数据库模块410的)数据库数据514、当前地点数据516(例如，图4所示的av位置418)、(例如，用于图4所示的目的地412的)目的地数据518和对象数据520(例如，如图4所示的感知模块402所感知的经分类的对象416)。在一些实施例中，数据库数据514包括规划时所使用的规则。规则是使用形式语言(例如，使用布尔逻辑)指定的。在av 100所遇到的任何给定情形中，这些规则中的至少一些规则将适用于该情形。如果规则具有基于av 100可用的信息(例如，与周围环境有关的信息)所满足的条件，则该规则适用于给定情形。规则可以具有优先级。例如，“如果公路是高速公路，则移动到最左侧车道”这一规则与“如果出口在一英里内临近，则移动到最右侧车道”相比可以具有更低的优先级。作为另一示例，“如果av 100前方的运载工具是邮件递送运载工具，则尝试超车机动动作”这一规则与“如果在禁止超车区内，则保持在当前车道内”相比可以具有更低的优先级。
[0088]
环境中的对象的轨迹估计
[0089]
图6示出av 100在环境600内沿着道路路段608行驶。各种移动对象可能在av 100的行驶期间干扰av 100的路线或路径。例如，另一运载工具、行人或自行车可能干扰av 100的路线。如图6所示，环境600中的两个对象(运载工具“a”和运载工具“b”)都在av 100的范围602内。范围602是环境600的av 100“看到”可能干扰av 100的路线的对象的子集。
[0090]
例如，运载工具“b”在前方5英尺(前方由av 100的行驶的前进方向表示)且在最右侧行驶车道中，并且运载工具“a”在av 100的紧挨左侧且在最左侧行驶车道中。在一些实施例中，av 100周围的20m的半径表示范围602。在一些实施例中，范围602跨越av 100在接下来的5-8秒中可以穿越的区域。在一些实施例中，范围602偏置到av 100的前方，使得更强调av 100的前方而不是av 100的后方。这样，范围602取决于av 100的速度(速率和航向)。
[0091]
av 100的传感器(例如，传感器121)检测到运载工具“a”和运载工具“b”这两者的存在(例如，如由光的射线追踪636所示，lidar 123“看到”运载工具“a”)。如参考图4所述，该信息由感知模块402处理以进行对象分类416。然而，av 100的其它传感器可用于检测运载工具“a”和“b”的存在。例如，还可以使用radar、照相机、近距离传感器和/或前面所述的任何传感器。
[0092]
然而，仅仅知晓运载工具“a”在av 100的左侧不足以确定运载工具“a”的行为。另外，感知模块402可以确定表示对象的行驶的接下来几秒(例如，2-5秒)的对象的轨迹。该轨迹可以证明，av 100左侧的小汽车正以20mph笔直前进行驶，但并不知晓驾驶员是否将要进行突然机动动作(例如，切换车道以即将转弯)。
[0093]
例如，如果av 100的规划模块规定av 100应在即将来临的交叉口640左转，则av 100可以确定为最佳行动方案是减速并进入运载工具“a”后方的最左侧车道。然而，如果知晓运载工具“a”是即将停靠在公共汽车站642的公共汽车，则av 100可以确定为最佳行动方案是保持在当前车道、并且在运载工具“a”已减速以停靠在公共汽车站642之后进入最左侧车道。相反，如果av 100已减速且在运载工具“a”的后方移动，则av 100将需要在公共汽车站642处在运载工具“a”的后方等待或者进行超车机动动作。从时间和/或乘员舒适度的角度来看，这两者都不是理想的。
[0094]
了解预计运载工具“a”将采取的预期路线可用于确定av 100在任何给定时间应在
哪个车道中。预期路线被定义为基于对象将要采取的固定的、预先计划的、安排好的或不可改变的路线而导出的固定的、预先计划的、安排好的、不可改变的或其它形式的路线。特别地，该信息由规划模块404使用以更新路线502的(前面参考图5所述的)车道级路线规划数据508。尽管av 100的总体路线502不大可能因了解环境600中的对象的预期路线而改变，但这样的改变是可能的。例如，运载工具“a”的预期路线可以表明，预计运载工具“a”将停靠在公共汽车站642，然后继续在交叉口640向左行驶。规划模块404了解该预期路线将使得规划模块404能够确定av 100的最佳瞬时车道位置。
[0095]
预期路线可以是单次或临时路线(例如，休闲驾驶员、送货服务、工程运载工具)、或者反复出现的路线(例如，邮政服务、公共汽车)。另外，了解沿着预期路线的距离和速率使得感知模块402能够粗略估计预计对象将沿着预期路线处于该位置的将来时间。例如，将来时间可以表示将来至少5秒，但在一些实施例中，预期路线定义了对象在下一分钟期间的预期位置。在一些实施例中，感知模块402可以通过了解当前限速、对象的当前轨迹和/或交通拥堵来估计预期位置vs时间。
[0096]
预期路线信息的重要方面是提供了对象在将来时间的位置估计。例如，知晓对象在将来10秒的预期位置是非常有帮助的。在大多数实施例中，知晓对象在将来5-8秒的位置为与对象的轨迹数据融合以生成对象的将来位置的得以改进的预测提供了足够的准确性。比10秒长的多的将来时间可能不太有帮助，因为环境600内的对象的所有可能移动的排列大并且可能难以准确地预测，然而，有时使用长于将来10秒的时间。
[0097]
可以通过数个方式来确定预计对象将采取的预期路线。一个方法是使用运载工具到运载工具的通信直接与对象进行通信以检索该信息。例如，在一些实施例中，运载工具“a”(例如，通过wifi、蓝牙(bluetooth)或低功率am/fm频率)无线地广播包括其预期路线的识别信息。这从安全的角度来看对于商业驾驶员是有利的，因为这允许在商业驾驶员附近的小汽车意识到商业驾驶员的下一步动作。在一些实施例中，路线信息是从运载工具“a”内的移动装置的收发器通信来的。例如，当运载工具“a”内的驾驶员或乘员使用其智能电话提供到目的地的方向时，该方向信息经由wifi等被无线地提供至av 100。在这种情况下，智能电话的收发器将方向信息广播到av 100。
[0098]
然而，在一些实施例中，识别信息将不包括对象的预期路线。只要识别信息揭示了与对象有关的其它特性，av 100的收发器就可以在远程服务器和/或因特网中查询，以使用任何已知特性来确定对象的预期路线。在一些实施例中，收发器通过公共因特网与同运载工具“a”和/或运载工具“b”相关联的外部服务器进行通信。
[0099]
例如，如果识别信息揭示了运载工具“a”是公共交通公共汽车，则av 100的收发器可以在公共交通服务器中查询以检索具有穿越通过公共汽车的近似当前位置的预期路径的所有公共汽车的地图。这里，该当前位置是相对于av 100的已知当前位置来估计的。然而，在一些实施例中，当前位置被近似为av 100自身的当前位置。
[0100]
在一些实施例中，从与对象相关联的服务器中检索路线信息。例如，ups配送运载工具的路线信息是从ups服务器获得的。同样，uber运载工具的路线信息是从uber服务器获得的。这可以使用api来进行。在一些实施例中，达成了允许av 100的收发器或与av 100相关联的服务器访问路线信息的协议。在一些实施例中，预期路线数据是从服务器下载并本地存储的。在一些实施例中，处理该数据以对对象进行进一步分类。在一些情况下，该数据
与附近的自主运载工具共享。
[0101]
有时，该查询可能会揭示多于一个的唯一解决方案。例如，两辆公共交通公共汽车可以沿着它们的路径穿越通过目前位置。在这些情况下，可以考虑预期路线的其它方面。该方法还可以将对象的速度与沿着预期路线的预期速度进行比较。例如，表示公共汽车站即将到来但运载工具似乎没有减速的预期路线可能表明预期路线不正确。另一指示是车道位置。例如，预计将左转但在最右侧车道中的运载工具可能不在预期路线上。其它方面包括预计对象将沿着预期路线的一天中的时间(或一周中的星期几或一年中的季节)。如果感知模块402不能唯一地建立预期路线，则av 100可以不将该信息用在规划模块404中。在一些实施例中，当识别出多个预期路线时，规划器模块404考虑了对象可能遵循这些路径中的任何路径并且假定所有可能路线的组合这一可能性。
[0102]
在一些实施例中，预期路线可能与对象的当前位置和/或速度矛盾。当将对象的轨迹与对象的预期路线进行比较时，感知模块402可以确定为预期路线信息没有意义。例如，如果预期路线表明运载工具应在当前时间穿过城镇，则预期路线信息被视为不准确或不可靠。然而，如果对象的当前位置沿着预期路线，则感知模块402可以得出对象正沿着预期路线行驶这一结论。
[0103]
基于对象的预期路线的准确性和/或可靠性来指派置信度水平。将该置信度水平作为输入提供到规划模块404，其中在该规划模块404中，基于对象的预期路线的关联置信度水平来向该预期路线赋予权重(或强调)。在一些实施例中，规划模型404使用卡尔曼滤波方法来将该置信度水平并入规划处理。如果置信度低(例如，低于50％置信度)，则可以不使用该信息。然而，如果预期路线数据看起来可靠(例如，置信度水平大于70％)，则将对象的轨迹信息与预期路线信息融合，以改进对象在接下来的5-8秒的预期位置。
[0104]
在一些实施例中，感知模块402确定预期路线信息的可靠程度。例如，10秒前最后更新的预期路线与一年前最后更新的路线相比可被赋予更多的权重。在一些实施例中，还考虑数据源的信誉。例如，来自安全站点的源与来自非安全站点的源相比可被赋予更多的权重。可以根本不会考虑或访问最近陷入危险(例如，来自黑客事件)的源。
[0105]
在一些实施例中，从运载工具或与对象相关联的移动装置获得的信息足以唯一地识别对象。例如，小汽车广播其地点和路线是足以确定预期路线的信息。在其它实施例中，分类模块可以确定为小汽车在av 100的左侧(例如，可使用lidar将对象识别为小汽车)，但对该小汽车的了解很少。在这些实施例中，av 100可以指示车载传感器近距离地观察小汽车，以确定是否存在公司徽标或其它运载工具标识。例如，关于公司徽标、运载工具标识、颜色、乘员检测、运载工具声音、打开/关闭门、闪光信号灯开启等的知识表示小汽车的状态，并且可用于过滤所有可能的匹配的集合。
[0106]
例如，av 100的分类模块可以确定为图6中的运载工具“b”是卡车。然后，av 100可以指示分类模块进行第二分类，以查看是否可以获得任何识别信息(或附加信息)。第二分类可以揭示卡车是棕色的并且在侧面具有字母“ups”。该信息可用于确定为该卡车有可能是ups配送卡车。此外，当接收到对象的附加信息时，存储该信息以供随后使用(例如，存储在数据库中)可以是有用的。在一些实施例中，可以将该信息发送至系统管道内的机器学习模块，以用于得以改进的对象分类。该附加信息可用于训练具有类似签名或特征的对象。
[0107]
在得知运载工具“b”是ups卡车时，av 100然后可以在ups服务器中查询，以确定该
区域中的ups卡车的计划配送路线。这样可能得到如上所述的两个或更多个可能匹配。然而，使用诸如ups卡车的当前轨迹等的附加信息，可以将这些选择滤除减少到一个唯一路线。这成为运载工具“b”的预期路线。
[0108]
如果运载工具“b”的预期路线表明运载工具“b”将要直行前进通过交叉口640，则向av 100警告运载工具“b”可能进入av 100的行驶车道、或尽管运载工具“b”在仅右转车道中但仍进行直行前进通过交叉口640的非法机动动作。由于保持警戒，建议av 100与运载工具“b”维持安全距离。例如，控制模块406可以响应于保持警戒而使运载工具减速(例如，减小油门420b和/或应用制动器420c)。
[0109]
在一些实施例中，感知模块402基于将轨迹信息与预期路线信息融合来确定运载工具或对象的更新后的轨迹的不确定性。例如，如果运载工具看上去正快速移动、但预期路线指示接近转弯，则可以指派更高的不确定性得分以表明运载工具的轨迹可能不准确。另一方面，如果运载工具正在行驶的右车道中减速、并且路线指示右转弯临近，则可以将更高的置信度(更低的不确定性)得分指派至更新后的轨迹，这表明该轨迹是准确的。这样的信息可用于影响如由规划模块404定义的av 100所采用的路径。
[0110]
在大多数实施例中，感知模块402将对象的更新后的轨迹发送至规划模块404以更新av 100的路线和/或瞬时车道位置。有时，更新后的轨迹计算是在云中或在远程服务器上进行的，并且被发送至配置在av 100上的控制器以进行处理。
[0111]
再次参考图6，在av 100接近交叉口640时，自行车644进入范围602。分类模块可以确定为自行车644与“uber eats”相关联。通过在“uber eats”服务器中查询，感知模块402确定为自行车644将直行前进通过交叉口640。这样，向av 100警告自行车将有可能穿过av 100的路径。控制模块406控制av 100以减速和/或让路于自行车644。
[0112]
同样，在运载工具“c”在范围602中时，av 100通过分类管道获知运载工具“c”是警报器激活的消防车。例如，车载麦克风可用于确定为警报器与运载工具“c”相关联。av 100的收发器在在线数据中查询附近的活跃火警，并且确定为消防车有可能在交叉口640左转。在这种情况下，无论交通信号如何，av 100的控制模块406都控制av 100减速且让路于运载工具“c”。此外，av 100预计运载工具“c”将进入av 100的行驶车道，并且警戒运载工具“c”的这种机动动作。
[0113]
图7a和7b是av 100的处理700的决策树。该处理从av 100的感知模块402或规划模块404接收到用以确定对象(例如，附近运载工具)的轨迹的请求(702)。分类模块查询与对象有关的数据(704)。这可以包括：从运载工具的至少一个传感器(例如，照相机、lidar、radar)请求和/或接收存在对象的指示(706)。这还可以包括：从对象的收发器或从对象内的移动装置请求和/或接收存在对象的指示(708)。处理700确定是否存在对象(710)。如果不存在对象，则发送不存在对象的信息(712)。
[0114]
然而，如果存在对象，则进行两个并行计算。一个计算是确定对象的轨迹(例如，当前位置、速率和行驶方向)(714)，并且确定轨迹的置信度(716)。第二个计算是确定所接收到的数据是否足以确定对象的预期路线(718)。如果所接收到的数据不足以确定对象的预期路线，则(例如，通过第二分类处理)接收到对象的至少一个状态的附加信息(例如，公司信息、运载工具id、radar签名、照相机颜色、发动机声音)(720)。使用该信息，确定了对象的预期路线(722)。这至少部分通过从服务器、对象的收发器和/或从对象内的移动装置发送
和/或接收信息来确定(724)。
[0115]
将对象的轨迹与预期路线进行比较(例如，对象在该对象应在的地点？对象的速率与沿着预期路线的预期速率一致？)(726)。如果为“是”，则确定了预期路线信息(例如，数据的使用年限、数据源的信誉)的可靠性(728)。如果预期路线信息是可靠的，则将包括预期路线和对象的至少一个状态的附加信息的对象信息发送至自主运载工具的机器学习模块(730)。由于预期路线信息是可靠的，因此与预期路线相关联的强调增加，使得预期路线信息在更新后的轨迹确定中起重要作用(732)。另一方面，如果预期路线数据不一致或不可靠，则处理减少了使用路线信息来更新对象的轨迹的强调(734)。
[0116]
使用在步骤732或734中定义的特别强调，基于对象的预期路线来更新对象的轨迹。确定更新后的轨迹的不确定性(738)。将对象的更新后的轨迹发送至自主运载工具(例如，av 100)的规划模块(740)。
[0117]
图8是用于改进环境中的对象的轨迹估计的方法800的流程图。该方法包括：利用至少一个处理器来接收用以指示在环境中操作的对象的存在的信息(802)。该至少一个处理器确定对象的轨迹，其中该轨迹至少包括对象的位置、速率和行驶方向(804)。确定对象的预期路线，其中该预期路线是预先规划的，并且包括对象在将来时间的预期将来位置(806)。将对象的轨迹与对象的预期路线进行比较(808)。并且，根据对象的轨迹与对象的预期路线一致的比较结果，基于对象的预期路线来更新对象的轨迹(810)。
[0118]
在先前描述中，已经参考许多具体细节描述了本发明的实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。本发明范围的唯一且排他的指示、以及申请人期望是本发明范围的内容是以授权权利要求的具体形式从本技术授权的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。