基于碰撞区域的行驶路线修改的制作方法

基于碰撞区域的行驶路线修改
1.相关申请的交叉引用
2.本技术请求于2019年10月24日提交的题为“基于碰撞区域的行驶路线修改(trajectory modifications based on a collision zone)”的美国申请no.16/663,161的优先权，该申请的全部内容通过引用并入本文。


背景技术：

3.自动驾驶车辆利用各种方法、装置和系统来引导该自动驾驶车辆穿过包括各种静态和动态物体的所在环境。例如，自动驾驶车辆利用路线规划方法、设备和系统来引导该自动驾驶车辆穿过具有许多其他移动车辆(自动驾驶或其他车辆)、移动的行人、静止的建筑物等的拥挤区域。在一些示例中，自动驾驶车辆可能会在穿过所在环境时做出某些决定，以确保多名乘客和周围众多行人和物体的安全，例如避免与周围环境中的一些物体发生碰撞。各种传感器可用于收集有关周围环境中的多个物体的信息，自动驾驶车辆可以使用该些信息来决定如何穿过所在环境。确定自动驾驶车辆所需依循的行驶路线可以在不阻碍交通流量的情况下防止碰撞，有时可能会带来一些挑战。
附图说明
4.以下详细描述乃是参照附图来加以叙述。在以下附图中，组件符号的最左侧数字标识第一次出现该组件符号的附图。根据本发明的示例，在不同附图中使用相同的组件符号表示相似或相同的组件或特征。
5.图1是基于自动驾驶车辆的行驶路线和物体的一个或多个预测行驶路线来确定碰撞区域的图标流程图，其根据本发明的示例，基于预测的物体行驶路线以更新行驶路线，并基于更新的行驶路线来控制自动驾驶车辆。
6.图2是产生让路行驶路线和非让路行驶路线的示图，其根据本发明的示例确定各个行驶路线的成本，并基于该成本选择行驶路线。
7.图3a是根据本发明的示例的碰撞区域的多个不同组成要素的示图。
8.图3b是根据本发明的示例环境中车辆和的物体之间时空重叠的图解说明。
9.图4描绘了根据本发明的示例中用于基于车辆与车道中的物体会合来确定更新的碰撞区域的示例系统。
10.图5描绘了用于实现本文中所描述技术的示例性系统的方框图。
11.图6描绘了根据本发明的示例用于基于确定向物体让路会阻挡物体的行驶路线来确定车辆依循行驶路线行进的成本的示例过程。
12.图7a和图7b描绘了根据本发明的示例用于确定车辆和会合入车道的物体之间可能发生碰撞、并根据车道中路径的会合位置更新碰撞区域的示例过程。
具体实施方式
13.本发明涉及基于与所在环境中的物体相关的碰撞区域对车辆的行驶路线进行修
改，例如自动驾驶车辆。在示例中，地图数据可部分地用于为自动驾驶车辆产生初始行驶路线以依循穿过所在环境。当自动驾驶车辆在所在环境中行进时，自动驾驶车辆可以获取传感器数据(例如，激光雷达、雷达、飞行时间等)，并且可使用传感器数据来产生对物体行为的预测。在一些示例中，自动驾驶车辆可利用多种传感器模态和算法来预测物体在自动驾驶车辆周围环境中的行为。然后，随着自动驾驶车辆在所在环境中行驶，预测的物体的行为可用于产生和改进自动驾驶车辆的行驶路线(和/或选择替代行驶路线)。产生和/或改进自动驾驶车辆行驶路线的一些示例可能包括确定在所在环境中行驶的速度、确定何时和/或多快停止、确定自动驾驶车辆用于在所在环境中行驶的车道、确定是否对迎面而来的车辆让路、加速、及让路时要离开的空间量等。
14.在一些示例中，由自动驾驶车辆的传感器获取的传感器数据可用于确定与自动驾驶车辆相关的碰撞区域以及在所在环境中检测到的一个或多个物体。基于自动驾驶车辆和物体的当前行驶路线(和/或与当前行驶路线相关的变化、加速度、减速度等)，碰撞区域对应于所在环境中自动驾驶车辆和物体之间可能发生碰撞的区域。例如，自动驾驶车辆的碰撞安全组件可确定与自动驾驶车辆、物体和所在环境区域相关的时空重叠。时空重叠可基于相对于自动驾驶车辆和物体的行驶路线的重叠区域的自动驾驶车辆和物体的入口点和出口点的位置。此外，在某些情况下，时空重叠可能会基于自动驾驶车辆和物体到达入口点和出口点的预测时间，其可将诸如当前追踪速度、最小停止距离、最大加速度等因素纳入考虑。关于碰撞区域的其他细节可在美国专利申请no.16/136,038中找到，该申请的全部内容通过引用并入本文。如此的进入和退出时间可基于具有给定物体分类(车辆、行人、自行车骑士等)的物体的，例如，保守与激进的估计，和/或基于物体的预测行驶路线(例如，可以通过自上而下的估计来确定)再加上和减去一些缓冲(在一些示例中，这可基于与行驶路线预测相关的概率分布)。关于基于图像特征的自上而下预测的额外细节可在美国专利申请no.16/586,620中找到，该申请的全部内容通过引用并入本文。
15.对于安全地驾驶车辆(例如，自动驾驶车辆或自动机器人)穿过所在环境，其可预测世界上其他物体的行为。例如，如果自动驾驶车辆能够准确地确定是否对迎面而来的物体进行让路，就可以安全地穿过所在环境。自动驾驶车辆可使用碰撞区域来确定是否向物体让路。然而，在某些情况下，向物体让路可能会导致自动驾驶车辆阻挡物体的行驶路线，从而导致交通停止或减慢，和/或降低安全性。因此，本文所描述的技术在确定自动驾驶车辆相对于涉及物体的碰撞区域所需依循的行驶路线时，会考虑自动驾驶车辆的让路行为。
16.例如，自动驾驶车辆可接收和/或产生第一行驶路线以依循穿过所在环境，例如穿过交叉路口。自动驾驶车辆可确定所在环境中物体的第二行驶路线，其包括预测物体将依循的路径。例如，第二行驶路线可预测物体将穿过与自动驾驶车辆的第一条行驶路线交会的车道中的交叉路口。在一些示例中，自动驾驶车辆可确定让路行驶路线以对物体进行让路，例如通过减速或停止以允许物体穿过。接着，自动驾驶车辆可确定是要继续依循第一行驶路线行进还是执行让路行驶路线。例如，自动驾驶车辆可基于与自动驾驶车辆依循第一行驶路线行进相关的第一区域(例如，车辆依循行驶路线行进的大小的区域)，以及与物体依循第二行驶路线行进相关的第二区域(例如，物体依循行驶路线行进的大小的区域)，确定所在环境中的重叠区域。在一些情况下，重叠区域可至少部分地对应于自动驾驶车辆和物体之间的碰撞区域，如上文和下文中更加详细的描述。自动驾驶车辆可确定与执行让路
相关的成本，和/或与沿着第一行驶路线行驶有关的成本。该成本可能基于重叠区域与时空重叠，而考虑了两种情况下的潜在碰撞(让路行驶路线和第一行驶路线)。在一些示例中，时空重叠可基于自动驾驶车辆和/或物体的预测行驶路线，并可说明与预测行驶路线间的任何预测变量或误差。基于该成本，自动驾驶车辆可沿着第一行驶路线前进、执行让路行驶路线，或者可选择要依循的替代行驶路线。
17.在某些情况下，自动驾驶车辆可能会合至被另一个物体占用的车道，例如与高速公路会合或在交叉路口转弯。先前的技术主要依赖于地图数据来设置超出交叉路口的碰撞区域的范围。通常，地图数据中的交叉路口范围会延伸出停止线、人行穿越道、人行道或其他地目标很长一段距离(例如，10米或更远)。这些先前技术中的碰撞区会要求车道中的物体在自动驾驶车辆进入共享车道之前离开与交叉路口范围相关的碰撞区域。因此，先前的技术经常导致自动驾驶车辆在交叉路口阻塞交通，而在自动驾驶车辆前方和物体后面存在着多余的空间，和/或以其他方式使车辆执行更为保守的动作(在某些示例中，将导致车辆无法执行任何操作(例如，由于空间限制、阻塞交叉路口等))。
18.因此，所描述的技术可以不同的方式修改碰撞区域和/或利用碰撞区域来防止自动驾驶车辆与物体碰撞，同时还可防止自动驾驶车辆阻碍交叉路口的交通。在一些示例中，自动驾驶车辆可以确定所在环境中的交叉路口，其中，该交叉路口包括自动驾驶车辆当前所在的第一车道和自动驾驶车辆预计将会合的第二车道。自动驾驶车辆可检测第二车道中的物体，例如自动驾驶车辆在自动驾驶车辆与第二车道会合时将跟随的物体。
19.当自动驾驶车辆与物体所在第二车道会合时，自动驾驶车辆可确定与自动驾驶车辆和物体相关的碰撞区域。例如，自动驾驶车辆可确定从第一车道开始过渡至第二车道的第一路径与依循第二车道行进的路径会合的会合位置。换言之，第一路径可以对应于自动驾驶车辆从第一车道进入第二车道的行驶路线，并且第二路径可以对应于物体停留在第二车道的行驶路线。自动驾驶车辆的碰撞安全组件可以基于两条车道的路径的会合位置来确定碰撞区域的出口点。在一些情况下，出口点可以基于增加了安全距离的会合位置，其中安全距离可以基于检测到的特定物体的大小和/或预定大小(例如，平均车辆大小、最大车辆大小等)。在许多情况下，出口点将根据地图数据中包含的交叉路口范围确定的大小来降低碰撞区域的大小，从而在自动驾驶车辆与车道会合时减少自动驾驶车辆与物体之间的多余空间。此外，增加至会合位置的安全距离可防止自动驾驶车辆在会合期间与物体发生碰撞。
20.本文所讨论的技术可以多种方式改进计算设备的功能。如上所述地，碰撞安全组件可利用成本函数来确定是要对车辆行让路，还是沿着行驶路线前进而不让路(和/或以其他方式调整车辆的速度/加速度以执行安全性动作)。成本函数可使自动驾驶车辆更早、更有信心地决定如何通过所在环境。此外，碰撞安全组件可在会入期间提供更可靠的行驶路线，以防止自动驾驶车辆阻塞交叉路口。因此，与继续评估自动驾驶车辆和/或物体的多个行驶路线同时不确定地穿过所在环境或卡在交叉路口的传统技术相比，本案的技术所使用的处理资源显著地较少。在某些情况下，本案所描述的技术比其他碰撞预防机制更准确，从而提高了自动驾驶车辆和周围行人和/或车辆的安全性。例如，在传统系统的会合过程中，依靠交叉路口范围来确定碰撞区域，可在自动驾驶车辆和自动驾驶车辆正会入其后的物体之间创造了一个过于保守的空间，如此同时导致自动驾驶车辆阻塞交叉路口的交通。基于传感器数据和地图数据产生碰撞区域的传统技术通常会优先考虑向物体让路而非阻塞交
通，这也可能引起安全问题。然而，如果自动驾驶车辆选择让路，所描述的技术将会考虑交通阻塞，从而节省资源，否则这些资源将用于安全退出被自动驾驶车辆阻挡的交叉路口，这可能会使所在环境中的物体处于不期望的位置(例如，当交通号志灯从绿灯变为红灯时卡在交叉路口中间)。因此，通过允许自动驾驶车辆更有效地穿过所在环境，部分基于碰撞区域为基础的行驶路线修改以控制车辆可以减少处理资源的使用。通过部分基于碰撞区域为基础的行驶路线修改来控制车辆，可以更快、更早地做出行驶路线决策来提高自动驾驶车辆的安全性。此外，部分基于碰撞区域为基础的行驶路线修改以控制车辆的技术，通过更早、更准确地确定交通行为，可以增加车辆避免与迎面而来的交通和/或行人发生碰撞的信心，如此可能可以提高安全结果、性能和/或准确性。本文讨论了对计算机功能的前述这些与其他改进。
21.本案所描述的技术可以多种方式加以实现。以下提供了参考以下多个图示的多种示例性实施方式。尽管在自动驾驶车辆的背景下进行过了讨论，但本文所描述的方法、装置和系统可应用于各种系统中(例如，传感器系统或机器人平台)，并且不限于自动驾驶车辆。在一示例中，类似的技术可用于由驾驶员控制的车辆中，其中这种系统可向车辆的驾驶员提供执行各种操纵是否安全的指示。在另一示例中，这些技术可在航空或航海环境中使用，或者在涉及可能与系统未知的行为相关的物体或实体的任何系统中使用。这样的技术也可用于，例如，在制造和组装的环境中，以在组件沿着装配产线向后移动时进行检查。此外，本文描述的技术可以与真实数据(例如，使用传感器获取)、仿真数据(例如，由仿真器产生)或两者的任何组合一起使用。
22.图1是基于自动驾驶车辆的行驶路线和物体的一个或多个预测行驶路线来确定碰撞区域的图像流程图100，其可根据预测的多个物体行驶路线更新行驶路线，并且根据本发明的示例，基于所更新的行驶路线来控制自动驾驶车辆。
23.操作102包括接收供车辆依循以穿过所在环境的行驶路线。在一些示例中，行驶路线可由自动驾驶车辆在其穿过所在环境时产生。可选地或额外地，行驶路线可以由远程计算设备产生并且被传送至车辆以依循穿过所在环境。行驶路线可基于地图数据、从车辆的多个传感器(例如，激光雷达传感器、雷达传感器、摄像头、飞行时间传感器等)接收的数据或地图数据和传感器数据的组合加以产生。
24.例如，示例104示出了其中自动驾驶车辆106正在穿过的所在环境。在一些示例中，自动驾驶车辆106可执行图像流程图100的操作，其可包括接收行驶路线108以依循穿过所在环境，其中行驶路线可至少部分地基于传感器数据。出于讨论的目的，获取(或利用)传感器数据的车辆可配置为根据美国国家公路交通安全管理局发布的五种等级分类运行的自动驾驶车辆，其描述了一种能够在完整行驶中执行所有安全关键功能的车辆，驾驶员(或乘员)在任何时候都不需控制车辆。在这样的示例中，由于车辆可配置为控制从启动到停止的所有功能，包括所有停车功能，所以该车辆可为空车。这仅为一个示例，本文所描述的多种系统和多个方法可结合于任何地面、空中或水上交通工具，包括从需要始终由驾驶员手动控制的车辆到部分或完全自主控制的车辆。与车辆相关的额外细节在本发明全文中进行了描述。在示例104中，行驶路线108指示自动驾驶车辆106在当前车道上穿过所在环境中的交叉路口前进。在一些示例中，行驶路线108可包括关于自动驾驶车辆106在所在环境中行进的速度、自动驾驶车辆106占据的车道位置、加速/减速指令等多个指令。
25.操作110包括从传感器数据检测所在环境中的物体。例如，传感器数据可包括由激光雷达传感器、雷达传感器、图像传感器、飞行时间传感器、声纳传感器等中的一个或多个中所获取的数据。在至少一些示例中，可接收额外的环境数据(例如，环境编码部分的地图数据，例如车道、参考标线、人行穿越道、交通设备和/或号志等)。通常参考的物体会是所在环境中的车辆，但所在环境中的任何物体可认为是不背离本发明的范围(例如，行人、摩托车、自行车、动物、火车等)。例如，回到示例104，自动驾驶车辆106可检测所在环境中的物体112。在示例104中，物体112正在车道上接近与自动驾驶车辆106所在的车道交会的交叉路口。
26.操作114包括至少部分地基于车辆的行驶路线和物体的一个或多个预测行驶路线来确定碰撞区域。如上文所述以及下文更详细地讨论，基于自动驾驶车辆106和物体112的多个当前行驶路线(和/或与当前行驶路线相关的变量、加速度、减速度等)，碰撞区域对应于自动驾驶车辆106和物体112之间可能发生碰撞的所在环境区域。例如，自动驾驶车辆106可确定与自动驾驶车辆106、物体112和所在环境区域相关的时空重叠(于此情况，车道交会的交叉路口)。时空重叠可基于自动驾驶车辆106和物体112的多个入口点和多个出口点的多个位置相对于自动驾驶车辆106和物体112的多个行驶路线的重叠区域。另外，在某些情况下，时空重叠可基于自动驾驶车辆106和物体112到达入多个口点和多个出口点的多个预测时间，亦可考虑诸如当前追踪速度、最小停止距离、最大加速度等多个因素。有关碰撞区域的更多细节可在美国专利申请no.16/136,038中找到，其全文以引用方式并入本文。在一些示例中，自动驾驶车辆106可以产生所在环境中的由上而下的表示，其包括用于自动驾驶车辆106和/或物体112的碰撞区域的多个入口点和多个出口点的多个概率的一个或多个高斯(或其他类型)分布。有关由上而下环境的行驶路线预测的更多细节可在美国专利申请no.16/151,607中找到，其其全文以引用方式并入本文。
27.例如，示例116说明了所在环境中的自动驾驶车辆106和物体112，其通常如示例104中所描绘。然而，示例116还描绘了预测行驶路线118(a)、预测行驶路线118(b)和预测行驶路线118(c)(统称为多个“预测行驶路线118”)。在一些示例中，自动驾驶车辆106可基于物体112可能依循穿过所在环境的可能路径产生多个预测行驶路线118，例如，基于地图数据、所在环境中的其他多个物体、自动驾驶车辆106的行驶路线、与物体112相关的多个检测条件(例如，指示转向的方向灯、指示转向或不转向的车轮方向、剎车灯等)或其中两种或多种的组合。于此情况下，预测行驶路线118(a)对应于物体112而左转进入与自动驾驶车辆106相同的车道，预测行驶路线118(b)对应于物体112而继续直线穿过同一车道中的交叉路口，并且预测行驶路线118(c)对应于物体112而在与自动驾驶车辆106相邻的车道中向右转以在与自动驾驶车辆106相反的方向上前进。
28.此外，示例116示出了碰撞区域120，其可由自动驾驶车辆106对应于确定物体112的预测行驶路线118而产生。在一些示例中，因为自动驾驶车辆106依循行驶路线108行进，碰撞区域120可部分地基于与自动驾驶车辆106相关的路径多边形。自动驾驶车辆106可基于依循行驶路线108行进的自动驾驶车辆106的中心(例如，所估计的质量中心、估计的代理体积中心点等)以及基于自动驾驶车辆106的大小，并且在某些情况下，基于围绕自动驾驶车辆106的大小的安全包络，沿行驶路线108增加至自动驾驶车辆106的中心的尺寸来确定路径多边形。安全包络可具有一定的大小以防止自动驾驶车辆106和物体112之间的碰撞。
碰撞区域120可包括所在环境的区域，其中自动驾驶车辆106的路径多边形和物体112的行驶路线118中的一个或多个行驶路线相交。
29.在一些示例中，自动驾驶车辆106可确定每个预测行驶路线118将由物体112执行的可能性。例如，如果在物体112接近交叉路口时，物体112的左方向灯开启，自动驾驶车辆106可确定预测行驶路线118(a)具有比预测行驶路线118(b)和/或预测行驶路线118(c)更高的可能性。自动驾驶车辆106可将各自的预测行驶路线的可能性与行驶路线可能性临界值进行比较，例如大于50％的可能性、大于90％的可能性、大于99％的可能性等等。如果一个或多个预测行驶路线118高于行驶路线临界值的可能性，则可选择如此的预测行驶路线以确定一个或多个碰撞区域。在一些示例中，如果多于一个的预测行驶路线118大于行驶路线临界值的可能性，自动驾驶车辆106可选择大于行驶路线临界值可能性的预测行驶路线118中最保守的一个(在某些情况下，与最保守的预测行驶路线相关的变量)来确定碰撞区域120。关于预测行驶路线的产生和选择的其他细节可在美国专利申请no.16/160,493、美国专利申请no.16,420,050和美国专利申请no.16.151,607中找到，其全部内容通过引用并入本文。
30.操作122包括至少部分地基于碰撞区域来更新行驶路线。例如，如果物体112依循预测行驶路线118(b)行进，则自动驾驶车辆106可确定让路动作能够降低与物体112碰撞的可能性。在一些示例中，自动驾驶车辆106可以确定成本(例如，通过对成本函数进行评估)以确定是要继续沿行驶路线108行进还是执行让路。例如，在某些情况下，执行让路可能导致自动驾驶车辆106停在碰撞区域120内(或在交叉路口的一些其他部分)，从而阻塞物体112和/或所在环境中的其他物体的车流。因此，成本函数可考虑自动驾驶车辆106的停止位置以执行相对于行驶路线118(b)的让路。此外，在一些情况下，自动驾驶车辆106可确定自动驾驶车辆106在交叉路口中已行进了多远，以作为执行让路成本的一部分。在示例116中，自动驾驶车辆106已确定，基于依循行驶路线108行进与执行对物体112让路的成本，执行让路可具有比依循行驶路线108行进更低的成本。因此，自动驾驶车辆106已产生了更新的行驶路线124，其可指示自动驾驶车辆106在物体依循预测行驶路线118(b)行进时减速以向物体112让路。
31.在一些示例中，更新的行驶路线可基于并入具有物体112的车道的自动驾驶车辆106。可考虑一示例，其中物体112依循预测行驶路线118(a)行进并且自动驾驶车辆106在物体112转向的车道中跟随物体112。在多种传统情境中，自动驾驶车辆106将依赖于在地图数据中接收到的交叉路口的范围126来确定碰撞区域的出口点。然而，在所描述的技术中，自动驾驶车辆106可以基于与会合车道相关的会合位置来确定碰撞区域120的大小(在某些示例中，增加安全距离至会合位置)，从而降低碰撞区120的大小。通过降低碰撞区域120的大小，自动驾驶车辆106可在物体112后方并入时通过更远地穿过交叉路口来更新行驶路线，其可减少会合车道中物体112后面的不必要空间，并可减少自动驾驶车辆106在并道之后在跟随物体112的同时阻塞交叉路口交通的机会。
32.因此，操作128包括至少部分地基于更新的行驶路线来控制车辆。例如，对车辆进行控制可包括控制自动驾驶车辆106根据更新的行驶路线124进行让路，或者基于与相应动作相关的成本继续依循行驶路线108行进。在一些示例中，对车辆进行控制可包括控制自动驾驶车辆106以比当自动驾驶车辆106依赖交叉路口范围来确定碰撞区域120所需的空间更
少的空间来并入物体112所在的车道。本发明还考虑了其他示例，并在下方结合以下附图详细地探讨了这些示例。
33.图2是根据本发明示例的产生让路行驶路线和非让路行驶路线、确定各个行驶路线的成本以及基于成本来选择行驶路线的图示200。
34.示例202描绘了所在环境中的自动驾驶车辆204和物体206，在这种情况下，该所在环境大致为车道交会的交叉路口。在本示例中，自动驾驶车辆204依循行驶路线208行进以前进穿过交叉路口。自动驾驶车辆204可如上述关于图1所描述的那样来检测物体206，并可预测物体206也将依循以继续前进穿过交叉路口的行驶路线210。自动驾驶车辆204可以捕获环境的传感器数据并利用环境的地图数据来生成行驶路线208并预测物体206的行驶路线210。在一些示例中，自动驾驶车辆204可基于行驶路线208和210，并且在某些情况下，基于行驶路线208和210的潜在变量来确定自动驾驶车辆204和物体206之间可能发生碰撞。由于具有潜在的碰撞机会，自动驾驶车辆204可确定应该对让路动作进行评估，其可导致自动驾驶车辆204减速或停止，并让物体206在自动驾驶车辆204前方穿过交叉路口。
35.例如，行驶路线208和行驶路线210(以及来自传感器数据和/或地图数据的任何其他相关信息)可以输入至让路预测组件212中。让路预测组件212可为自动驾驶车辆204产生让路行驶路线，以使自动驾驶车辆停止和/或减速，并允许物体206在自动驾驶车辆204前方穿过交叉路口。为此，让路预测组件212可以基于物体206的行驶路线210和自动驾驶车辆204的让路行驶路线的重叠区域来确定碰撞区域。
36.示例214说明了由让路预测组件212确定的重叠区域216。让路预测组件212可使用重叠区域216来确定与让路行驶路线和物体206的行驶路线210相关的碰撞区域。例如，重叠区域216可以部分地基于区域218，所述区域218根据当物体依循行驶路线210行进时的物体206的大小。重叠区域216也可基于自动驾驶车辆204依循行驶路线(例如，行驶路线208)穿过区域218的大小。
37.在一些示例中，让路预测组件212可使用重叠区域216的多个尺寸和/或范围来确定与自动驾驶车辆204和物体206的行驶路线相关的时空重叠的空间重叠分量。例如，空间重叠可基于自动驾驶车辆204进入重叠区域216的入口点、物体206进入重叠区域216的入口点、自动驾驶车辆204离开重叠区域216的出口点、以及物体206离开重叠区域216的出口点。此外，让路预测组件212可确定与自动驾驶车辆204和物体206的行驶路线相关的时空重叠的时间重叠分量。例如，时间重叠分量可基于自动驾驶车辆204到达对应多个入口点和多个出口点的多个预测时间，以及物体206到达对应多个入口点和多个出口点的多个预测时间。让路预测组件212可基于自动驾驶车辆204确定物体206的物体类型(例如，车辆、自行车、行人、半卡车等)、物体206的当前速度、重叠区域216所在的交叉路口的交叉路口类型(例如，红绿灯、四向交叉路口、三向交叉路口、无灯号控制的交叉路口、高速公路车道会合等)、交叉路口附近的速限、物体206的预测加速率和/或减速率等来确定物体206的进入和退出时间。此外，让路预测组件212可基于多个预测行驶路线的多个概率分布确定物体206的多个进入和多个退出时间，以确定自动驾驶车辆204和/或物体206的多个最小和/或多个最大进入和退出时间。让路预测组件212还可在确定进入和退出时间时考虑自动驾驶车辆204和/或物体206的预测加速度和/或减速度。
38.在示例中，行驶路线208和行驶路线210(及来自传感器数据和/或地图数据的任何
其他相关信息)也可输入至行驶路线预测组件220中。行驶路线预测组件220可产生用于自动驾驶车辆204依循以与让路预测组件212基本地同时前进穿过所在环境的行驶路线，以作为自动驾驶车辆204向物体206让路的替代行驶路线。例如，行驶路线预测组件220可基于自动驾驶车辆204继续依循行驶路线208行进来评估多个预测，和/或可通过加速、减速、转弯、改变车道内的位置或改变至不同车道等来改变行驶路线208。行驶路线预测组件220可基于物体206的行驶路线210的碰撞区域和重叠区域以及(在本示例中)自动驾驶车辆204的行驶路线208来确定自动驾驶车辆204所需依循的替代行驶路线。
39.示例222示出了重叠区域216，其可由让路预测组件212确定和/或由行驶路线预测组件220通过与上述类似的方式来确定。在这种情况下，行驶路线预测组件220还可使用重叠区域216来确定与自动驾驶车辆204依循行驶路线208行进相关的碰撞区域。与上述讨论类似地，当物体依循行驶路线210行进时，根据物体206的大小，重叠区域216可部分地基于区域218。重叠区域216还可基于自动驾驶车辆204依循行驶路线208穿过区域218的大小。此外，在示例中，行驶路线预测组件220可确定具有空间重叠分量和时间重叠分量的时空重叠，如上文所讨论。
40.成本产生组件224可以接收与上述重叠区域216和/或时空重叠相关的信息，并且产生对应于自动驾驶车辆204是应该向物体206让路还是沿着行驶路线208前进的行驶路线成本226。在一些示例中，成本产生组件224可使用成本函数来产生行驶路线成本226，例如根据以下：
[0041][0042]
》成本临界值，检测到的碰撞
[0043]
其中v
exitt
对应于自动驾驶车辆204离开碰撞区域的时间，e
entert
对应于物体206进入碰撞区域的时间，v
entert
对应于自动驾驶车辆204进入碰撞区域的时间，w
t
是应用于时间重叠分量的权重，v
enterdistance
对应于自动驾驶车辆204可在交叉路口达到以执行让路的最小停车距离(这可能取决于自动驾驶车辆204已进入交叉路口多远)，v
collisionzonelength
对应于碰撞区域的长度，而wd则是应用于距离重叠分量的权重。第一项与时空重叠的时间重叠分量相关，并可评估时空重叠的广度。关于时空重叠的时间重叠分量的额外细节，请参阅有关参考图3a的讨论。
[0044]
第二项与距离重叠分量相关，并可评估自动驾驶车辆204已行进至交叉路口中与碰撞区域的整体长度成比例的距离。而本项可确定自动驾驶车辆204是否已行进至交叉路口中的足够远可阻塞物体206的路径，若是，自动驾驶车辆204可由规划组件228使用以使自动驾驶车辆204沿行驶路线208继续行进(例如，和/或加速以更快地离开交叉路口)。
[0045]
在一些情况下，可预测物体206在自动驾驶车辆204之后不久进入可能即将发生碰撞的碰撞区域。于此情况下，行驶路线预测组件220可以防止让路预测组件评估让路行驶路线，并因此可防止成本产生组件224评估与产量行驶路线相关的成本。类似地，如果物体206在自动驾驶车辆204之前进入碰撞区域，则自动驾驶车辆204应让路于物体206，并因此可防止计算让路行驶路线成本。在这种情况下，当无需进行让路行驶路线分析时，可通过调整让路行驶路线分析来节省处理资源(例如，自动驾驶车辆204无论如何都会让步)。一般来说，
在自动驾驶车辆204离开碰撞区域之前预测物体206几乎不会进入碰撞区域而其安全距离包括在自动驾驶车辆204和物体206的大小中的情况下，可对上述的算式进行加权并设置成本临界值，如此可使自动驾驶车辆204放弃所产生的让路行驶路线并依循原始行驶路线(或不同的行驶路线，例如通过加速)。由成本函数确定的行驶路线成本226通过比较自动驾驶车辆204和物体206将进入碰撞区域的预测时间来确定与自动驾驶车辆204和物体206之间的碰撞可能性相对应的安全等级，以及比较自动驾驶车辆204和物体206将离开碰撞区域的预测时间，如有关图3b中的详细讨论。
[0046]
在示例中，规划组件228可基于行驶路线成本226确定自动驾驶车辆204所需依循的车辆行驶路线230。例如，如果用于执行如示例214中描绘的让路行驶路线的行驶路线成本226大于成本临界值，规划组件228可输出使自动驾驶车辆204沿行驶路线208继续行进的车辆行驶路线230。如果用于执行如示例214中描绘的让路行驶路线的行驶路线成本226小于或等于成本临界值，规划组件228可以输出使自动驾驶车辆204向物体206让路的车辆行驶路线230。
[0047]
图3a是根据本发明中的示例的碰撞区域的多个不同组件的示图300。
[0048]
示例302说明了自动驾驶车辆304和物体306处于所在环境中的交叉路口，其中，自动驾驶车辆304正在右转，并且预计物体306将依循行驶路线308笔直地穿过交叉路口。行驶路线区域边界310对应于自动驾驶车辆304在自动驾驶车辆304执行转弯时的区域。碰撞区域长度312对应于时空重叠的距离重叠分量，其可增加自动驾驶车辆304和物体306之间的空间以保证安全。碰撞区域314中的距离对应于自动驾驶车辆304已行进至碰撞区域中的距离，尽管在一些情况下，其也可包含最小距离以执行让路动作。
[0049]
在一些示例中，行驶路线308中的一个或多个、行驶路线区域边界310、碰撞区域长度和/或碰撞区域314中的距离可以具有相关的变量，自动驾驶车辆304可将其结合于确定时空重叠中。例如，自动驾驶车辆304可在确定行驶路线308时确定物体306在车道内的位置的潜在变量。如上方参考图2所述，自动驾驶车辆304可使用物体306的行驶路线来确定重叠区域216(其继而可用于确定碰撞区域)。因此，自动驾驶车辆304可确定物体306在车道内的位置的潜在变量，并可于确定碰撞区域的时空重叠时，将潜在变量增加至与物体306依循行驶路线308行进的大小相关的区域。
[0050]
可选地或额外地，自动驾驶车辆304可根据物体306的追踪速度以确定物体306的速度的潜在变量。例如，物体306的速度的潜在变量可以含有加速(例如，以在交通号志灯变黄灯时清除交叉路口，以考虑物体306下坡等)、减速(例如，以允许自动驾驶车辆304继续沿其行驶路线行进、以考虑物体306上坡、考虑物体306转弯等)。当确定碰撞区域长度312时，自动驾驶车辆304可考虑物体306的追踪速度的潜在变量，例如，潜在的加速会增加碰撞区的长度，而潜在的减速会减少碰撞区的长度。
[0051]
如上所述，自动驾驶车辆304在确定碰撞区域时可应用安全包络，例如通过为自动驾驶车辆304和/或物体306的大小增加额外的空间来防止两者之间的碰撞。在一些示例中，自动驾驶车辆304可通过确定物体306可能依循的多个可能行驶路线中的每个行驶路线的变量来确定安全包络的大小。例如，变量可基于多个行驶路线中的每个行驶路线的确定性、与物体306的速度相关的误差、与加速(或减速)相关的误差等。
[0052]
图3b是根据本发明中的示例的车辆和所在环境中的物体之间的时空重叠的图解
说明316。在图解说明316中，相对于时间(t)，斜线条对应于碰撞区域中的车辆(例如，自动驾驶车辆)时间，而点状条对应于碰撞区域中的物体时间。
[0053]
时空重叠318示出了车辆在物体到达碰撞区域之前到达碰撞区域的示例。在时空重叠318中，车辆在物体进入碰撞区域之前几乎已经离开了碰撞区域。于此情况下，车辆可确定向物体让路的成本将超过成本临界值，因为如果车辆停止或减速以进行让路，车辆可能会阻挡物体，并且还会在碰撞发生之前离开碰撞区域。因此，车辆将继续沿着通过碰撞区域的行驶路线而不基于时空重叠318进行让路。
[0054]
时空重叠320示出了车辆在物体到达碰撞区域之前到达碰撞区域的示例。与时空重叠318不同，在时空重叠320中，车辆不仅在物体进入碰撞区之前仍处于碰撞区，但在预计物体离开碰撞区域后，仍将处于碰撞区域。于此情况下，车辆可确定向物体让路的成本将小于成本临界值，这是因为车辆不会在不可能发生碰撞的情况下离开碰撞区域，尽管其也可能阻止物体穿过交叉路口。因此，车辆将基于时空重叠320向物体进行让路。
[0055]
时空重叠322示出了车辆在物体到达碰撞区域之后到达碰撞区域的示例。在时空重叠322中，物体在车辆进入碰撞区域之前已经几乎离开碰撞区域。于此情况下，车辆可以确定向物体让路的成本将小于成本临界值，这是因为如果车辆停下或减速让行，车辆不太可能会阻挡物体。因此，车辆将基于时空重叠322向物体让路。
[0056]
时空重叠324示出了车辆在物体碰撞区域之后到达碰撞区域的另一个示例。在时空重叠324中，物体在车辆到达碰撞区域之前进入了碰撞区域，并且预计在碰撞区域中停留的时间将超过车辆穿过碰撞区域所需的时间。因为物体在车辆到达碰撞区域之前已到达碰撞区域，车辆可以确定向物体让路的成本将小于成本临界值，这是因为如果车辆停下或减速让行，车辆不太可能会阻挡物体。因此，车辆将基于时空重叠324向物体让路。
[0057]
图4描绘了根据本发明中的示例的用于基于车辆与车道中的物体会合来确定更新的碰撞区域的示例系统400。
[0058]
示例402示出了靠近交叉路口的环境中的车辆404和物体406。在本示例402中，交叉路口可为允许来自第一车道的车辆与第二车道中的车辆会合的类型，例如传统的4路十字路口(例如，车辆可能左转或右转进入另一条车道)、t字路口、高速公路入口匝道、与另一条高速公路或非高速公路车流会合的高速公路出口匝道等等。在示例402中，车辆404位于第一车道408中并计划并入当前具有物体406的第二车道410，并跟随物体406进入第二车道410(例如，向物体406让路)。
[0059]
在一些示例中，车辆404可接收所在环境的地图数据，其可用于确定如何在所在环境中前进、产生行驶路线以依循穿过所在环境等。作为地图数据的一部分，车辆404可以接收对应于第一车道408的路径412，其中路径412通常沿着第一车道408的中心。类似地，车辆404可以接收对应于第二车道410的路径414，并且通常沿着第二车道410的中心。此外，在一些示例中，车辆404可产生与车辆404的计划行驶路线相对应的包络416，当车辆404依循计划行驶路线行进时，安全距离围绕着车辆404的大小外围。
[0060]
车辆404可以确定碰撞区域，作为进入第二车道410的会合动作的一部分。在一些情况下，车辆404可以至少部分地基于地图数据来确定碰撞区域的出口点。例如，车辆404可基于在地图数据中接收到的交叉路口的范围来确定第一出口点418。在许多情况下，第一出口点418为车辆404提供了结束碰撞区域的保守位置，于该位置与物体406的碰撞极不可能
发生。然而，在一些示例中，第一出口点418的保守位置可能导致车辆404阻塞交通，同时车辆404在进入碰撞区域之前会等待物体406离开碰撞区域。因此，存在着一些情境，在其中可降低碰撞区域的大小而不会降低车辆404和物体406之间的会合动作的安全性，但通过允许车辆404比使用碰撞区域的第一出口点418更快的方式穿过交叉路口(或交叉路口的一部分)来提高安全性和效率。
[0061]
在一些示例中，车辆404可通过确定车辆404和物体406的多个行驶路线开始会合的位置420来确定碰撞区域。例如，车辆404可使用车辆404沿路径412的投影422和物体406沿路径414的投影424来确定位置420。投影422可对应于车辆404的大小(并且可以包括围绕车辆404大小的安全包络)，并且投影424可对应于基于平均车辆大小的物体406的大小、基于传感器数据所检测到的物体406的大小等。车辆404可以基于预测投影422和投影424交会的位置来指派位置420。在一些示例中，位置420可用于确定碰撞区的入口点。例如，车辆404可以确定物体406进入碰撞区域的多个入口点426，并且可以确定车辆404进入碰撞区域的入口点428。如图所示，入口点426和入口点428会出现在预计发生碰撞的位置420之前，以使车辆404可在碰撞发生之前采取预防措施。
[0062]
另外，在一些示例中，车辆404可确定路径412和路径414已完全会合为第二车道410中的单一路径的会合位置430。在一些情况下，会合位置430可由车辆404在车辆404穿过所在环境时产生，和/或可与所在环境的地图数据一起接收(例如，预先产生的)。车辆404可使用会合位置430来确定碰撞区域的更新出口点434。在一些示例中，当确定碰撞区域的更新出口点434时，车辆404可将安全距离432增加至会合位置430。安全距离432可以是防止车辆404和物体406之间的碰撞的距离。例如，当车辆404和/或物体406以更快的速度移动时，可能需要更大的安全距离432，如此，当物体406停止，车辆404将可有时间在碰撞发生之前停止。因此，安全距离432可基于车辆404的当前速度、物体406的当前速度、与第二车道410相关的速限、车辆404从当前速度达到第二车道410的速限的估计时间、车辆404从当前速度停止的估计时间、和/或这些或其他多个因素的任何组合。在大多数情况下，即使将安全距离432增加至会合位置430，碰撞区域也将小于当使用交叉路口的范围来确定碰撞区域的情况。因此，车辆404和物体406之间的空间量在会合发生期间和之后会降低(同时保持安全距离)，并且车辆404阻塞交叉路口的可能性会降低。
[0063]
本发明还考虑了车辆404在物体406进入碰撞区之前进入第二车道410(并且因此也进入碰撞区)的示例。换言之，车辆404可确定其具有足够的时间进入碰撞区域而不进行让路，如关于图2至图3b的描述。在一些情况下，车辆404可能不会在物体进入碰撞区域之前完全离开碰撞区域，例如当车辆改变车道而另一车辆紧随其后的走走停停交通状况中经常出现的情况。在这样的示例中，传统的技术通常会导致车辆404尝试执行让路，以适应物体406感知到的具攻击性的动作。然而，此示例中的让步会导致失落感和交通流量减慢，因为物体406在车辆404周围将没有空间行进。
[0064]
因此，在所描述的技术中，当车辆404已经进入第二车道410并且在碰撞区域中时，车辆404可检测到物体406位于第二车道410中的车辆404的临界值距离内(例如，在2米、5米、10米内等)。尽管物体非常接近，车辆404可不执行让路，而是基于物体406在第二车道410中跟随车辆404的预测产生行驶路线。行驶路线不仅可防止车辆404向物体进行让路(并因此阻塞交通)，而且还可使车辆404沿通往目的地的路线在第二车道410中前进。
[0065]
图5描绘了用于实现本发明所描述的技术的示例系统的方框图。在至少一个示例中，系统500可包括车辆502，例如自动、半自动或手动控制的车辆。
[0066]
车辆502可以包括一个或多个车辆计算设备504、一个或多个传感器系统506、一个或多个发射器508、一个或多个通信连接510、至少一个直接连接512和一个或多个驱动系统514。
[0067]
一个或多个车辆计算设备504可包括一个或多个处理器516和与一个或多个处理器516通信耦合的内存518。在所示示例中，车辆502为自动驾驶车辆；然而，车辆502可为任何其他类型的车辆或机器人平台。在所示示例中，一个或多个车辆计算设备504的内存518、储存定位组件520、感知组件522、一个或多个地图524、个或多个系统控制器526、碰撞安全组件528、交叉路口阻塞组件530、车道会合组件532、预测组件534和规划组件536。尽管出于说明目的在图5中描述为驻留在内存518中，可以设想到的，定位组件520、感知组件522、一个或多个地图524、个或多个系统控制器526、碰撞安全组件528、交叉路口阻塞组件530、车道会合组件532、预测组件534和规划组件536可额外地或可选地可由车辆502接近(例如，储存在远离车辆502的内存上或以其他方式由其接近)。
[0068]
在至少一个示例中，定位组件520可包括从一个或多个传感器系统506接收数据以确定车辆502的位置和/或方向的功能(例如，x-、y-、z-位置、滚动、俯仰或偏置中的一个或多个)。例如，定位组件520可包括和/或请求/接收环境地图，并且可以在地图内连续地确定自动驾驶车辆的位置和/或方向。在一些情况下，定位组件520可以利用slam(同时定位和映射)、clams(同时进行校准、定位和映射)、相对slam、束状调整、非线性最小二乘优化等来接收图像数据、激光雷达数据、雷达数据、飞行时间数据、imu数据、gps数据、车轮编码器数据等，来准确地确定自动驾驶车辆的位置。在一些情况下，如本发明所讨论的，定位组件520可向车辆502的多种组件提供数据以确定自动驾驶车辆的初始位置以产生行驶路线，以用于确定检索地图数据等等。
[0069]
在一些情况下，感知组件522可包括执行物体检测、分割和/或分类的功能。在一些示例中，感知组件522可提供经处理的传感器数据，该数据可指示存在着靠近车辆502的实体和/或将实体分类为实体类型(例如，车辆、卡车、行人、自行车骑士、动物、建筑物、树木、路面、路缘、人行道、红绿灯、停车标志、车道标记、未知等)。在额外或替代性示例中，感知组件522可提供经处理的传感器数据，该数据指示与检测到的实体(例如，被追踪的物体)和/或与实体所位于的环境相关的一个或多个特征。在一些示例中，与实体相关的特征可以包括但不限于x位置(全局和/或局部位置)、y位置(全局和/或局部位置)、z位置(全局和/或局部位置)、方向(例如，滚动、俯仰、偏置)、实体类型(例如，分类)、实体的速度、实体的加速度、实体的范围(大小)等。与所在环境相关的特征可包括但不限于所在环境中另一个实体的存在、所在环境中另一个实体的状态、一天中的某个时间、一周中的某一天、一个季节、天气状况、昏暗度/明亮度的指示等。
[0070]
在感知组件522执行检测的该些示例中，感知组件522可输出对图像中的多个物体的多个检测。如此多个检测可包括检测到的多个物体的多个二维边界框和/或多个屏蔽。在一些示例中，如此的检测可使用机器学习方法(例如，尺度不变特征变换(sift)、定向梯度直方图(hog)等)，接着使用支持向量机(svm)来对从传感器系统506的摄相机接收的图像中所描绘的多个物体进行分类。可选地或额外地，该检测可利用基于卷积类神经网络(cnn)的
深度学习方法来对从传感器系统506的摄相机接收的图像中所描绘的多个物体进行分类。
[0071]
内存518还可包括可由车辆502用于在所在环境进行导航的一个或多个地图524。出于讨论的目的，地图可为任意数量的以二维、三维或n维建模的多种数据结构，其能够提供有关所在环境的信息，例如但不限于街道结构(例如交叉路口)、街道、山脉、道路、地形和一般环境。在某些情况下，地图可以包括但不限于：纹理信息(例如，颜色信息(例如，rgb颜色信息、lab颜色信息、hsv/hsl颜色信息)等)、强度信息(例如，激光雷达信息、雷达信息等)；空间信息(例如，投影至网格上的图像数据、单一“面元”(例如，与单一颜色和/或强度相关的多边形))，反射率信息(例如，单向反射率信息、逆向反射率信息、brdf信息、bssrdf信息等)。在一示例中，地图可包括所在环境的三维网格。在一些情况下，地图可以多方格式储存，使得地图的各个方格表示所在环境的离散部分，并且可以根据需要加载于工作内存中。在至少一个示例中，一个或多个地图524可包括至少一个地图(例如，多个图像和/或网格)。在一些示例中，可以至少部分地基于多个地图524来控制车辆502。即，多个地图524可以与定位组件520、感知组件522、碰撞安全组件528、预测组件534或规划组件536结合使用以确定车辆502的位置、识别所在环境中的物体和/或产生多个路线和/或行驶路线以在所在环境中导航。
[0072]
在一些示例中，一个或多个地图524可储存于可通过网络538存取的一个或多个远程计算设备(例如计算设备540)。在一些示例中，可以基于，例如特性(例如，实体的类型、一天中的时间、一周中的一天、一年中的季节等)来储存多个地图524。储存多个地图524可具有相似的多种内存需求，但是提高了可存取地图中的数据的速度。在一些示例中，一个或多个地图524可储存与所在环境中的各个位置相关的物体的多种大小或尺寸。例如，当车辆502穿过所在环境并且代表车辆502附近区域的地图被加载到内存中时，与位置相关的物体的一种或多种大小或尺寸也可加载至内存中。在一些示例中，一个或多个地图524可包括如本文所述的交叉路口范围信息、多个车道会合位置等。
[0073]
预测组件534可以至少部分地基于从传感器系统506接收的传感器数据来产生对物体行为的多个预测。例如，预测组件534可为在所在环境中检测到的物体产生一个或多个预测行驶路线。此外，在一些情况下，预测组件534可确定为特定物体产生的每个预测行驶路线的定位、位置、速度、加速度等的多个变量。如本文所述，预测组件534可将预测行驶路线输出至碰撞安全组件528以用于产生碰撞区域。
[0074]
一般来说，碰撞安全组件528可基于一个或多个传感器系统506提供的数据(例如，传感器数据)、由一个或多个地图524提供的数据、和/或从预测组件534接收的多个预测行驶路线，为车辆502产生一条或多条行驶路线以防止与所在环境中的物体发生碰撞。在一些情况下，碰撞安全组件528可将由交叉路口阻塞组件530、车道会合组件532和/或预测组件534产生的信息提供给规划组件536以确定何时和/或如何控制车辆502穿过所在环境。如本文所讨论的，碰撞安全组件528可接收图像数据、地图数据、激光雷达数据等以确定关于所在环境中的物体信息。
[0075]
交叉路口阻塞组件530可接收来自预测组件534的多个预测行驶路线并且基于物体的多个预测行驶路线和车辆502的行驶路线确定与物体可能发生碰撞。交叉路口阻塞组件530可基于车辆502的当前行驶路线和物体的任意数量的预测行驶路线产生碰撞区域。在一些示例中，交叉路口阻塞组件530可通过评估成本函数来评估让路行驶路线(除了当前行
驶路线之外)，其中成本函数是基于碰撞区域中的车辆502和物体的时空重叠。如果成本函数的输出表明车辆502将阻塞交通并且不会发生碰撞(或极不可能发生)，交叉路口阻塞组件530可以阻止让路指令被发送至规划组件536。否则，交叉路口阻塞组件530可允许将让路指令发送至规划组件536。
[0076]
在车辆502进入具有物体的车道的情境中，车道会合组件532还可从预测组件534接收多个预测行驶路线，并且确定所在环境中的多个车道(例如，从一个或多个地图524)。在一些示例中，车道会合组件532可确定第一车道的路径(车辆502当前所在的位置)和第二车道的路径(车辆502正在会合到的地方)会合的会合位置。车道会合组件532可基于会合位置确定与车辆502和物体相关的碰撞区域的出口点，并且在一些情况下，通过向会合位置增加安全距离以增加车辆502和会合之后与物体之间的空间。
[0077]
一般来说，规划组件536可确定车辆502依循以穿过所在环境的路径。例如，规划组件536可确定各种路线和行驶路线以及各种详细程度。例如，规划组件536可确定从第一位置(例如，当前位置)行进到第二位置(例如，目标位置)的路线。出于本讨论的目的，路线可为用于在两个位置之间行驶的多个航路点的序列。作为非限制性示例，多个航路点包括街道、十字路口、全球定位系统(gps)坐标等。此外，规划组件536可产生用于引导自动驾驶车辆沿着从第一位置到第二位置的路线的至少一部分的指令。在至少一个示例中，规划组件536可确定如何将自动驾驶车辆从航路点序列中的第一航路点引导到航路点序列中的第二航路点。在一些示例中，指令可以是行驶路线或行驶路线的一部分。在一些示例中，可根据远离水平技术大致上同时产生多个行驶路线(例如，在技术公差内)，其中，选择多个行驶路线之一以供车辆502进行导航。
[0078]
在一些情况下，规划组件536可以至少部分地基于让路行驶路线成本和/或更新的会合位置来产生车辆502的一个或多个行驶路线，如本文中所讨论的。在一些示例中，规划组件536可使用诸如线性时间逻辑和/或信号时间逻辑的时间逻辑来评估车辆502的一个或多个行驶路线。
[0079]
在至少一个示例中，一个或多个车辆计算设备504可包括一个或多个系统控制器526，其可配置为控制车辆502的转向、推进、剎车、安全、发射器、通信和其他系统。这些一个或多个系统控制器526可以对一个或多个驱动系统514中的相应多个系统和/或车辆502的其他多个部件进行通信和/或控制。
[0080]
如可以理解的，于此所讨论的多个组件(例如，储存定位组件520、感知组件522、一个或多个地图524、个或多个系统控制器526、碰撞安全组件528、交叉路口阻塞组件530、车道会合组件532、预测组件534和规划组件536)描述为是为了说明性目的而划分的。然而，由各种组件执行的操作可在任何其他组件中组合或执行。例如，关于碰撞安全组件528、交叉路口阻塞组件530、车道会合组件532和/或预测组件534描述的功能可由感知组件522执行，以减少系统传输的数据量。
[0081]
在至少一个示例中，一个或多个传感器系统506可包括激光雷达传感器、雷达传感器、超音波转换器、声纳传感器、位置传感器(例如gps、指南针等)、惯性传感器(例如惯性测量单元(imu)、加速度计、磁力计、陀螺仪等)、摄相机(例如rgb、ir、强度、深度、飞行时间等)，麦克风、车轮编码器、环境传感器(例如，温度传感器、湿度传感器、光传感器、压力传感器等)等。一个或多个传感器系统506可包括这些或其他类型的传感器中的每一个的多个实
例。例如，多个激光雷达传感器可包括位于车辆502的四个角落处、前部、后部、侧面和/或顶部的单独的多个激光雷达传感器。作为另一个示例，多个摄相机传感器可包括设置在车辆502的外部和/或内部周围的不同位置处的多个摄相机。一个或多个传感器系统506可向一个或多个车辆计算设备504提供输入。额外地或可选地，经过一段预定的时间后，一个或多个传感器系统506可通过一个或多个网络538以近实时等方式透过特定频率向一个或多个计算设备发送传感器数据。
[0082]
如上所述，车辆502还可包括用于发射光和/或声音的一个或多个发射器508。该示例中的多个发射器508包括用于与车辆502的多名乘客通信的内部音频和视频发射器。作为示例而非限制，多个内部发射器可包括扬声器、灯号、标志、显示屏、触摸屏、触觉发射器(例如，振动和/或力反馈)、机械致动器(例如，安全带张紧器、座椅定位器、头枕定位器等)等。本示例中的多个发射器508还包括外部发射器。作为示例而非限制，该示例中的多个外部发射器包括用于发出行驶方向信号的多个灯号或车辆动作的其他指示灯(例如，方向灯、号志灯、光数组等)，和一个或多个音频发射器(例如，扬声器、扬声器数组、喇叭等)，用于与行人或其他附近的车辆进行听觉通信，其中一个或多个包括声束转向技术。
[0083]
车辆502还可包括一个或多个通信连接510，其实现车辆502与一个或多个其他本地或远程计算设备之间的通信。例如，一个或多个通信连接510可促进与车辆502和/或一个或多个驱动系统514上的一个或多个其他本地计算设备的通信。并且，一个或多个通信连接510可允许车辆与其他附近的一个或多个计算设备(例如，其他附近的多个车辆、多个交通号志等)进行通信。一个或多个通信连接510还可使车辆502能够与远程遥操作计算设备或其他多种远程服务进行通信。
[0084]
一个或多个通信连接510可包括物理和/或逻辑接口以将一个或多个车辆计算设备504连接到另一个计算设备或网络，例如一个或多个网络538。例如，一个或多个通信连接510可以启用基于wi-fi的通信，例如通过ieee802.11标准所定义的频率、短程无线频率，例如如移动通信(例如，2g、3g、5g、5glte、5g等)或使相应计算设备能够接于其他一个或多个计算设备的任何合适的有线或无线通信协议。
[0085]
在至少一个示例中，车辆502可以包括一个或多个驱动系统514。在一些示例中，车辆502可以具有单一驱动系统514。在至少一个示例中，如果车辆502具有多个驱动系统514，则各个驱动系统514可以定位在车辆502的多个相对端(例如，前部和后部等)。在至少一个示例中，一个或多个驱动系统514可包括一个或多个传感器系统以检测一个或多个驱动系统514和/或车辆502周围环境的状况。作为示例而非限制，一个或多个传感器系统可包括一个或多个车轮编码器(例如，旋转编码器)以感测驱动模块的多个车轮的旋转、多个惯性传感器(例如，惯性测量单元、加速度计、陀螺仪、磁力计等)以测量驱动模块的方向和加速度、多个摄像头或其他图像传感器、用于对驱动系统周围多个物体进行声学检测的多个超声波传感器、多个激光雷达传感器、多个雷达传感器等。诸如多个车轮编码器之类的一些传感器对于一个或多个驱动系统514可以是唯一的。在一些情况下，一个或多个驱动系统514上的一个或多个传感器系统可以重叠或补充车辆502的多个相应系统(例如，一个或多个传感器系统506)。
[0086]
一个或多个驱动系统514可包括许多车辆系统，包括高压电瓶、驱动车辆的电机、将来自电池的直流电转换成交流电以供其他车辆系统使用的反相器、包括转向电机和转向
齿条的转向系统(可以是电动的)、包括多个液压或电动致动器的剎车系统、包括多个液压和/或气动组件的悬挂系统，用于分配剎车力以减轻牵引力损失并保持控制的稳定性控制系统、hvac系统、照明(例如，用于照亮车辆外部环境的头灯/尾灯等照明)以及一个或多个其他系统(例如，冷却系统、多种安全系统、车载充电系统、其他多种电气组件，如dc/dc转换器、高压接头、高压电缆、充电系统、充电端口等)。此外，一个或多个驱动系统514可包括驱动系统控制器，该驱动系统控制器可接收和预处理来自一个或多个传感器系统的数据并控制各种车辆系统的操作。在一些示例中，驱动系统控制器可包括一个或多个处理器和与一个或多个处理器通信耦合的内存。内存可储存一个或多个组件以执行一个或多个驱动系统514的各种功能。再者，一个或多个驱动系统514还包括一个或多个通信连接，其使得相应驱动系统能够与一个或多个其他本地或远程计算设备进行通信。
[0087]
在至少一个示例中，直接连接512可提供物理接口以将一个或多个驱动系统514与车辆502的车身耦合。例如，直接连接512可允许在一个或多个驱动系统514和车辆之间传递能量、流体、空气、数据等。在某些情况下，直接连接512可以进一步将一个或多个驱动系统514可释放地固定于车辆502的车身。
[0088]
在至少一个示例中，定位组件520、感知组件522、一个或多个地图524、一个或多个系统控制器526、碰撞安全组件528、交叉路口阻塞组件530、车道会合组件532、预测组件534和规划组件536可如上所述地处理传感器数据，并且可以通过一个或多个网络538将其各自的输出发送到一个或多个计算设备540。在至少一个示例中，定位组件520、感知组件522、一个或多个地图524、一个或多个系统控制器526、碰撞安全组件528、交叉路口阻塞组件530、车道会合组件532、预测组件534和规划组件536可以特定频率、在预定时间段之后，以接近实时等方式将其各自的输出发送到一个或多个计算设备540。
[0089]
在一些示例中，车辆502可以通过一个或多个网络538将传感器数据发送到一个或多个计算设备540。在一些示例中，车辆502可以将原始传感器数据发送到一个或多个计算设备540。在其他示例中，车辆502可将处理后的传感器数据和/或传感器数据的多个表示发送到一个或多个计算设备540。在一些示例中，车辆502可以特定频率、在预定时间之后，以近乎实时等方式发送传感器数据到一个或多个计算设备540。在一些情况下，车辆502可以将传感器数据(原始数据或处理后数据)作为一个或多个日志文件发送到一个或多个计算设备540。
[0090]
一个或多个计算设备540可以包括一个或多个处理器542和储存训练组件546的内存544。
[0091]
在一些情况下，训练组件546可以包括训练一个或多个模型以检测所在环境中的多个物体、预测物体行为等的功能。例如，如本文讨论的一些或所有组件的方面可包括任何多个模型、算法和/或机器学习算法。例如，在某些情况下，内存544(如上讨论的内存518)中的多个组件可实现为神经网络。在一些示例中，训练组件546可利用神经网络来产生和/或执行一个或多个模型以改进用于车辆502的行驶路线规划的物体行为预测的各个方面。
[0092]
如本文所述，示例性神经网络是受生物学启发的算法，其传递输入数据通过一系列多个连接层以产生输出。神经网络中的每一层也可包括另一个神经网络，或者也可包括任意数量的层(无论是否卷积)。如在本发明的上下文中可以理解的，神经网络可利用机器学习，机器学习可为此类算法的广泛类别，基于已学习的参数，输出可于此类算法中产生。
[0093]
尽管在神经网络的相关内容中进行了讨论，但仍可使用与本发明一致的任何类型的机器学习法。例如，机器学习算法可包括但不限于回归算法(例如，普通最小平方回归(olsr)、线性回归、逻辑回归、逐步回归、多元适应回归样条(mars)，局部估计散点图平滑(loess))、基于实例的算法(例如，脊状回归、最小绝对收缩和选择运算符(lasso)、弹性网，最小角度回归(lars))，判定树算法(例如，分类和回归树(cart)、叠代二分法3(id3)、开平方自动交互检测(chaid)、判定树墩、条件式判定树)、贝氏算法(例如，单纯贝氏、高斯单纯贝氏、多项单纯贝氏、平均单依赖估计量(aode)、贝氏信念网络(bnn)、贝氏网络)、丛集算法(例如，k-means、k-median、期望最大化(em)、阶层式丛集)、关联规则学习算法(例如，感知器、反向传播、跳场网络、径向基底函数网络(rbfn))、深度学习算法(例如，深度波兹曼机(dbm)、深度信念网络(dbn)、卷积神经网络(cnn)、堆栈自动编码器)、降维算法(例如，主成分分析(pca)、主成分回归(pcr)、偏最小平方回归(plsr)、萨蒙映射、多维缩放(mds)、投影追踪、线性判别分析(lda)、混合判别分析(mda)、二次判别分析(qda)、灵活判别分析(fda))、集成算法(提升、引导聚集(装袋)、自适应增强、堆栈泛化(混合)、梯度提升机(gbm)、梯度提升回归树(gbrt)、随机森林))、svm(支持向量机)、监督学习、无监督学习、半监督学习等。
[0094]
多个架构的其他示例包括神经网络，例如resnet50、resnet101、vgg、densenet、pointnet等。
[0095]
车辆502的多个处理器516和多个计算设备540的多个处理器542可为能够执行指令以处理数据和执行如本文所述的操作的任何合适的处理器。作为示例而非限制，多个处理器516和542可包括一个或多个中央处理单元(cpu)、图形处理单元(gpu)或任何其他设备或设备的一部分，其可处理电子数据以将该电子数据转换成可储存在多个缓存器和/或内存中的其他电子数据。在一些示例中，集成电路(例如，asic等)、门阵列(例如，fpga等)和其他硬件设备也可认为是处理器，只要其配置为实现多种编码指令。
[0096]
内存518和544是非暂时性计算机可读介质的示例。内存518和544可储存操作系统和一个或多个软件应用程序、指令、程序和/或数据以实现本文描述的方法和归属于各种系统的功能。在各种实施方式中，内存可使用任何合适的内存技术来实施，例如静态随机存取内存(sram)、同步动态ram(sdram)、非易失性/闪存型内存或能够储存信息的任何其他类型的内存。于此描述的多种架构、系统和单独的元素可包括许多其他逻辑、程序和物理组件，附图中所示的那些组件仅是与此处讨论相关的示例。
[0097]
应注意的是，虽然图5描绘为分布式系统，在替代示例中，车辆502的多个组件可与多个计算设备540相关和/或多个计算设备540的多个组件可与车辆502相关。也就是说，车辆502可执行与多个计算设备540相关的一个或多个功能，反之亦然。此外，碰撞安全组件528和/或规划组件536的多种方面可于本文讨论的任何设备上执行。例如，参考图1至图4所描述的任何或所有功能和组件都可由碰撞安全组件528或车辆502的其他多个组件来实施。
[0098]
图6描绘了根据本发明的示例的示例过程600，该示例过程600用于基于确定向物体让路会阻挡物体的行驶路线来确定车辆依循行驶路线行进的成本。例如，过程600中的一些或全部过程可以由图5中的一个或多个组件执行，如本文所述。例如，过程600中的一些或全部可由多个车辆计算设备504、多个计算设备540或任何其他计算设备或计算设备的组合来执行。此外，示例过程600中所描述的任何操作可以并行、与过程600中描绘的顺序不同的
顺序、省略、与过程700结合、与其他过程组合等方式执行。
[0099]
操作602包括接收用于使车辆依循穿过所在环境的第一行驶路线。在一些示例中，行驶路线可由车辆在车辆穿过所在环境时基于地图数据、传感器数据等产生。还可考虑从远程计算设备(例如计算设备540)接收行驶路线的示例。
[0100]
操作604包括至少部分地基于传感器数据确定所在环境中物体的第二行驶路线。在多个示例中，诸如激光雷达传感器、雷达传感器、飞行时间传感器等的传感器可包括于车辆中，其可在车辆穿过所在环境时获取多种相应类型的传感器数据。传感器数据可用于检测所在环境中的物体，同时确定物体的物体类型、物体的速度或速率、物体的特征、物体相对于所在环境中的车辆或地目标位置等等。在一些示例中，基于关于基于传感器数据确定的物体的信息，物体的行驶路线可以是物体依循穿过所在环境的预测行驶路线。
[0101]
操作606包括至少部分地基于与车辆依循第一行驶路线行进相关的第一区域和与物体依循第二行驶路线行进相关的第二区域来确定重叠区域。如上面关于图2所讨论的，当物体依循预测行驶路线行进时，重叠区域可部分地基于物体大小的区域。重叠区域还可基于车辆依循穿过与物体依循预测行驶路线行进相关的区域的行驶路线的大小。
[0102]
操作608包括确定向物体让路是否会阻挡物体的第二行驶路线。例如，如果车辆停止或减速，则车辆可确定物体的预测行驶路线被车辆阻挡成停止或减速。
[0103]
如果确定对物体让路而不阻挡第二行驶路线(操作608处的“否”)，则可进行过程至操作610，其包括控制车辆以向物体让路。然而，如果确定对物体让路而不会阻挡第二行驶路线(操作608处的“是”)，则可进行过程至操作612，其包括通过至少部分地基于重叠区域来评估成本函数以确定车辆继续依循第一行驶路线行进的成本。在一些示例中，车辆可评估成本函数以对物体执行让路。如上所述，成本函数可包括与车辆和物体的时空重叠的时间重叠分量相关的第一项目。在一些示例中，时间重叠分量可基于车辆到达重叠区域相应的多个入口点和多个出口点的多个预测时间，以及物体到达重叠区域相应的多个入口点和多个出口点的多个预测时间。
[0104]
成本函数还可包括与距离重叠分量相关的第二项目，其可评估车辆已经进入交叉路口的距离，该距离与碰撞区域的整个长度成比例。距离重叠分量可确定车辆是否已经足够远地进入交叉路口，足已阻挡物体的路径，如果是，其可为规划组件所使用以使车辆沿第一行驶路线继续行驶(和/或加速以更快地离开交叉路口)。
[0105]
操作614包括至少部分地基于成本以控制车辆沿第一行驶路线行进。例如，车辆可确定依循原始行驶路线行进将不会导致碰撞，但向物体让路会阻止物体沿着物体的预测行驶路线前进和/或在交叉路口阻塞交通。因此，如果执行让路行驶路线的成本大于行驶路线临界值，则车辆可沿着该行驶路线行进并且阻止执行该让路行驶路线。
[0106]
根据本发明的示例中，基于车道中路径的会合位置，图7a和7b描绘了用于确定并入车道的车辆和物体之间可能发生碰撞并更新碰撞区域的示例过程700。例如，过程700中的一些或全部可由图5中的一个或多个组件执行，如本文所述。如，过程700中的一些或全部可以由一个或多个车辆计算设备504、一个或多个计算设备540或任何其他计算设备或计算设备的组合来执行。此外，示例过程700中描述的任何操作可以与过程700中描述的顺序不同的顺序并行、省略、与过程600组合、与其他过程组合等方式执行。
[0107]
操作702包括确定车辆位于所在环境中的交叉路口的第一车道中，其中交叉路口
包括第一车道和第二车道。例如，车辆可以根据地图数据和/或定位系统来确定车辆位于交叉路口。车辆可以检测到该交叉路口为会合式路口(高速公路入口/出口等)、红绿灯交叉路口、四向十字路口、无号志的交叉路口等。
[0108]
操作704包括至少部分地基于地图数据确定与第二车道相关的交叉路口的第一出口点。例如，如地图数据所示，第一出口点可基于第二车道中的交叉路口的范围。
[0109]
操作706包括接收车辆的第一行驶路线以从第一车道依循该行驶路线行进并穿过交叉路口至第二车道。在一些示例中，第一行驶路线可由车辆在车辆穿过所在环境时基于地图数据、传感器数据等产生。本发明还将从远程计算设备(例如计算设备540)接收第一行驶路线的示例纳入考虑。
[0110]
操作708包括至少部分地基于传感器数据来检测位于第二车道中的物体。在多个示例中，车辆可包括诸如激光雷达传感器、雷达传感器、飞行时间传感器等传感器，其可在车辆穿过所在环境时获取多种相应类型的传感器数据。传感器数据可用于检测所在环境中的物体，以及确定物体的类型、物体的速度或速率、物体的特征、物体在第二车道中的位置等。在一些示例中，车辆可以基于有关基于传感器数据所确定的物体信息来确定物体通过所在环境的预测行驶路线。
[0111]
操作710包括确定车辆和物体之间是否可能发生碰撞。例如，车辆可以确定与车辆依循第一行驶路线行进和物体依循预测行驶路线行进相关的多个区域，并且这些区域可以重叠。在某些情况下，在确定车辆与物体之间是否可能会发生碰撞时，车辆可能会考虑位置(例如，物体或车辆在车道内的位置)、速度、加速度等的多个潜在变量。
[0112]
若车辆确定不可能发生碰撞(或极不可能，或在操作710中为“否”)，则该过程可以进一步进行至操作712，其中可控制车辆以穿过交叉路口。例如，车辆可继续沿着第一行驶路线穿过交叉路口。然而，如果车辆确定可能发生碰撞(或很可能发生，或在操作710中为“是”)，则过程可通过“a”进行到图7b的操作714。
[0113]
操作714包括确定碰撞区域，该碰撞区域包括车辆和物体之间的可能碰撞区域并且至少部分地基于第一出口点。换言之，碰撞区的出口点可对应于从地图数据所接收到的交叉路口的范围。在某些情况下，车辆可基于与车辆依循第一行驶路线穿过交叉路口(并且可包括安全包络)相关的区域以及基于与物体依循预测行驶路线行进相关的区域来确定车辆和物体的多个入口点。
[0114]
操作716包括确定第一车道的路径和第二车道的路径会合的会合位置。在示例中，可根据地图数据来确定会合位置。另外，在某些情况下，各个车道的多个路径通常可对应于车道的中心，及/或可对应于车辆的第一行驶路线和物体的预测行驶路线。
[0115]
操作718包括至少部分地基于会合位置来确定与碰撞区域相关的第二出口点。在某些情况下，第二出口点可以从基于交叉路口的范围确定的碰撞区域的大小降低碰撞区域的大小。在某些情况下，车辆可能会在会合位置增加安全距离，其中第二出口点位于安全距离之外。如上所述，安全距离可基于第二车道的速限、物体的速度、物体的预测加速度和/或减速度等。
[0116]
操作720包括至少部分地基于第二出口点以确定车辆的第二行驶路线。例如，第一行驶路线可能导致车辆在会合时和/或会合之后在车辆和物体之间提供不必要的空间，及/或当车辆被阻止离开交叉路口时，第一行驶路线可能阻塞交叉路口中的交通。另一方面，第
二行驶路线可在会合期间和/或会合之后降低车辆和物体之间的空间，及/或可防止车辆在会合期间和/或会合之后阻塞交叉路口的交通。最后，操作722包括控制车辆以依循第二行驶路线行进。
[0117]
示例条款
[0118]
a：一种系统，包括：一个或多个处理器；以及一个或多个计算机可读介质储存指令，其在由所述一个或多个处理器执行时进行操作，包括：至少部分基于地图数据，确定所在环境中的交叉路口，交叉路口包括第一车道和第二车道；确定自动驾驶车辆位于第一车道；至少部分地基于地图数据，确定与交叉路口的第二车道相关的第一出口点；确定自动驾驶车辆依循以从第一车道穿过交叉路口进入第二车道并通过第一出口点的第一行驶路线；至少部分地基于传感器数据，检测位于第二车道中的物体；确定重叠区域，重叠区域包括自动驾驶车辆和物体之间可能重叠的第一区域并且至少部分地基于与第一行驶路线相关的第二区域；至少部分地基于检测到物体，确定第一车道的路径和第二车道的路径会合的会合位置；至少部分地基于会合位置，确定与重叠区域相关的第二出口点；至少部分地基于第二出口点，确定自动驾驶车辆的第二行驶路线；以及控制自动驾驶车辆依循第二行驶路线行进。
[0119]
b：如段落a中的系统，其中，重叠区域的第二出口点相对于重叠区域的第一出口点降低重叠区域的大小。
[0120]
c：如段落a或b中的系统，其中，重叠区域的第二出口点还基于增加至会合位置的安全距离。
[0121]
d：如段落c中的系统，其中，安全距离至少部分地基于与第二车道相关的速限或物体的行驶路线中的一个或多个。
[0122]
e：一种方法，包括：确定所在环境中的交叉路口，交叉路口包括第一车道和第二车道；检测位于第二车道的物体；响应于检测到物体，确定第一车道的第一路径和第二车道的第二路径会合的会合位置；至少部分地基于会合位置，确定与车辆和物体相关的重叠区域的出口点；至少部分地基于出口点，确定车辆进入第二车道的行驶路线；以及控制车辆依循行驶路线行进。
[0123]
f：如段落e中的方法，其中，行驶路线为第一行驶路线并且车辆在物体进入重叠区域之前进入第二车道，所述方法还包括：检测到物体在重叠区域中进入车辆的临界距离；以及确定物体的第二行驶路线，第二行驶路线响应于物体进入临界距离并且至少部分地基于物体将在第二车道中跟随车辆的预测，其中，控制车辆依循行驶路线行进包括至少部分地基于物体的第二行驶路线以防止车辆向物体让路。
[0124]
g：如段落e或f中的方法，其中，车辆进入第二车道的行驶路线包括转弯动作或会合动作。
[0125]
h：如段落e至g中任一项的方法，其中，第一路径大致上沿着第一车道的第一中心线，并且第二路径大致上沿着第二车道的第二中心线。
[0126]
i：如段落e至h中任一项的方法，还包括：从地图数据确定交叉路口的大小；至少部分地基于交叉路口的大小确定重叠区域的第一尺寸，其中，确定重叠区域的出口点包括确定重叠区域的第二尺寸，第二尺寸小于第一尺寸。
[0127]
j：如段落e至i中任一项的方法，其中，确定重叠区域的出口点还基于增加至会合
位置的安全距离。
[0128]
k：如段落j中的方法，其中，安全距离至少部分地基于与第二车道或物体的行驶路线相关的速限。
[0129]
l：如段落k中的方法，其中，安全距离还基于车辆从当前速度达到速限的时间。
[0130]
m：一个或多个计算机可读介质储存指令，其在由一个或多个处理器执行时进行操作，包括：确定所在环境中的交叉路口，交叉路口包括第一车道和第二车道；确定车辆从第一车道进入第二车道以进入第二车道的车辆行驶路线；检测位于第二车道的物体；确定与物体相关的物体行驶路线；确定第一车道的第一路径和第二车道的第二路径会合的会合位置；确定与车辆行驶路线和物体行驶路线相关的区域之间的重叠区域；至少部分地基于会合位置，确定重叠区域的出口点；作为调整后的车辆行驶路线并至少部分基于出口点，改变车辆行驶路线；控制车辆依循调整后的车辆行驶路线行进。
[0131]
n：如段落m中的一个或多个计算机可读介质，其中，所述操作还包括：检测到物体在重叠区域中进入车辆的临界距离；以及响应于物体进入临界距离并且至少部分地基于物体将在第二车道中跟随车辆的预测，确定物体的第二物体行驶路线，其中，控制车辆依循调整后的车辆行驶路线行进包括至少部分地基于物体的第二物体行驶路线以防止车辆向物体让路。
[0132]
o：如段落m或n中的一个或多个计算机可读介质，其中，车辆进入第二车道的车辆行驶路线包括转弯动作或会合动作。
[0133]
p：如段落m至o中任一项的一种或多种计算机可读介质，其中，第一路径大致上沿着第一车道的第一中心线，并且第二路径大致上沿着第二车道的第二中心线。
[0134]
q：如段落m至p中任一项的一个或多个计算机可读介质，所述操作还包括：从地图数据确定交叉路口的大小；至少部分地基于交叉路口的大小确定重叠区域的第一尺寸，其中，确定重叠区域的出口点包括确定重叠区域的第二尺寸，第二尺寸小于第一尺寸。
[0135]
r：如段落m至q中任一项的一个或多个计算机可读介质，其中，确定重叠区域的出口点还基于增加至会合位置的安全距离。
[0136]
s：如段落r中的一个或多个计算机可读介质，其中，安全距离至少部分地基于与第二车道相关的速限。
[0137]
t：如段落s中的一个或多个计算机可读介质，其中，安全距离还基于车辆从当前速度达到速限的时间。
[0138]
尽管上述示例条款是针对一种特定实施方式进行描述，应当理解的是，在本发明的内容中，示例条款的内容也可通过方法、设备、系统、计算机可读介质和/或其他实施方式来实现，此外，示例a至t中的任何一项均可单独实施或与示例a-t中的任何其他一个或多个加以组合实施。
[0139]
结论
[0140]
尽管已经说明了本发明所描述的技术的一个或多个示例，其中各种改变、增加、置换与等效物都包括在本文描述的技术的范围内。
[0141]
在以上多个示例的描述中，参考了构成其一部分的多个附图，这些附图通过图解的方式示出了要求保护的目标的具体示例。应当理解的是，可使用其他多种示例并且可以进行改变或变更，例如结构上的改变。这样的多种示例、改变或变更不一定会脱离关于预期
中要求保护的主题范围。尽管本文将各个示例描述为具有某些特征或组件，但是各个示例的特征和组件能够结合在一起并一同使用。于此，虽然操作可依照一定的顺序呈现，在某些情况下，顺序可以更改以在不同时间或以不同的顺序提供某些输入，而不会改变所描述的多种系统和方法的功能。本文所揭露的多种程序也可以多种不同的顺序执行。另外，本文中的各种计算不需要按照所发明的顺序执行，并且可以容易地实现使用多种运算的多种替代顺序的其他多个示例。除了重新排序之外，多种计算还可分为具有多个相同结果的多个子运算。