用于自动驾驶车辆的碰撞避免系统技术方案

一种与自动驾驶车辆一同使用的碰撞避免系统可以连续接收道路捕获图像帧以确定车辆前方的可驾驶空间。系统可以针对每个图像帧确定图像帧的单个区域是否描绘可驾驶空间。该系统可以使用机器学习图像识别算法来实现上述确定，例如使用广泛的训练数据所生成的卷积神经网络。使用这样的技术，系统可以将图像帧的区域标记为对应于可驾驶空间或不可驾驶空间。通过分析已标记图像帧，系统可以确定车辆是否可能撞击不可驾驶空间区域。并且，响应于这种确定，系统可以产生控制信号，该控制信号掩覆其他控制系统或人类操作员输入以控制车辆的制动器、转向装置或其他子系统以避免碰撞。

Collision Avoidance System for Autopilot Vehicles

A collision avoidance system used with an automatic driving vehicle can continuously receive road capture image frames to determine the driving space in front of the vehicle. The system can determine whether a single area of an image frame depicts a drivable space for each image frame. The system can use machine learning image recognition algorithm to achieve the above determination, such as convolution neural network generated by extensive training data. Using this technique, the system can mark the region of the image frame as the corresponding driving space or non-driving space. By analyzing the labeled image frames, the system can determine whether the vehicle is likely to impact the unmaneuverable space area. In response to this determination, the system can generate control signals that mask input from other control systems or human operators to control brakes, steering gear or other subsystems of the vehicle to avoid collisions.

【技术实现步骤摘要】
用于自动驾驶车辆的碰撞避免系统
技术介绍
自动车辆/自动驾驶车辆是指利用由传感器和计算机实现的智能、传感器以及其他自主化技术代替人类驾驶员的车辆。在现有技术下，自动车辆可以容易地处理与诸如高速公路的道路上的其它车辆一同行驶。然而，某些环境和天气条件可能会对某些传感器和自动驾驶系统的性能产生不利影响并可能对自动车辆构成挑战。
技术实现思路
根据本专利技术的一个方面，提供了一种自动驾驶车辆，其包括：多个传感器，所述传感器包含用于捕获所述自动驾驶车辆前进方向上的图像帧的摄像机；车辆控制系统，其用于控制所述自动驾驶车辆，所述车辆控制系统配置为(i)从所述多个传感器接收传感器输入并且(ii)基于所述传感器输入生成车辆控制信号；碰撞避免系统，其独立于所述车辆控制系统进行操作，配置为执行步骤，所述步骤包含：从所述摄像机接收图像帧；在所接收的图像帧上执行图像分析以将所述图像帧的区域标记为描绘可驾驶空间或不可驾驶空间；至少部分地基于车辆数据确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域；以及一旦确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域，则生成碰撞避免信号，其中所述碰撞避免信号使得所述自动驾驶车辆避免撞击所述不可驾驶空间的区域。可选地，在所述所接收的图像帧上执行图像分析包括使用机器学习图像识别模型来识别所述图像帧中所描绘的可驾驶空间或不可驾驶空间的区域。可选地，所述机器学习图像识别模型是卷积神经网络。可选地，所述机器学习图像识别模型使用包括训练图像帧的训练数据来生成。可选地，训练数据进一步包括传感器数据，并且其中，每个训练图像帧与同所述训练图像帧同时捕获的一组对应传感器数据相关联。可选地，所述传感器数据包括LIDAR测量/测量值。可选地，所述机器学习模型是基于从管理员接收的监理输入而生成的，所述监理输入将训练图像帧的部分识别为表示可驾驶空间或不可驾驶空间。可选地，在所述所接收的图像帧上执行图像分析包括：对于所述图像帧的特定区域确定所述特定区域描绘可驾驶空间的对应概率；以及如果描绘可驾驶空间的对应概率超过第一阈值，则将所述特定区域标记为表示可驾驶空间。可选地，在所述所接收的图像帧上执行图像分析进一步包括：如果描绘可驾驶空间的对应概率低于第二阈值，则将所述特定区域标记为表示不可驾驶空间。可选地，所述图像分析是以逐个像素为基础进行的。可选地，所述车辆数据包括所述自动驾驶车辆的方向矢量、速度和加速度。可选地，确定所述自动驾驶车辆可能撞击所述所接收的图像帧中所描绘的不可驾驶空间的区域包括：确定所述不可驾驶空间的区域的空间参数，包括相对于所述自动驾驶车辆的位置以及距所述自动驾驶车辆的距离；以及基于所述不可驾驶空间的区域的所述空间参数确定与所述不可驾驶空间的区域的碰撞概率。可选地，所述不可驾驶空间的区域的所述空间参数还包括行进方向和行进速率。可选地，所述碰撞避免信号掩覆由所述车辆控制系统所生成的所述车辆控制信号。可选地，所述碰撞避免信号使所述自动驾驶车辆激活一个或多个制动器。可选地，所述碰撞避免系统和所述车辆控制系统利用包括共享存储器资源和至少一个共享处理器的共享硬件资源组。可选地，所述碰撞避免系统和所述车辆控制系统利用分开的硬件资源组。可选地，所述碰撞避免信号掩覆由车辆控制系统所产生的或从所述车辆的操作员接收的其他车辆控制信号。根据本申请的另一个方面，还提供了一种车辆上的碰撞避免系统，所述碰撞避免系统包括：一个或多个处理器；以及一个或多个存储指令的存储器资源，所述指令在由所述一个或多个处理器执行时使得所述碰撞避免系统：从所述车辆的摄像机接收图像帧；在所接收的图像帧上执行图像分析以将所述图像帧的区域标记为描绘可驾驶空间或不可驾驶空间；至少部分地基于车辆数据确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域；以及一旦确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域，则生成碰撞避免信号，其中所述碰撞避免信号使得所述自动驾驶车辆避免撞击所述不可驾驶空间的区域。根据本申请的另一个方面，还提供了一种操作车辆上的碰撞避免系统的计算机实现方法，其包括：从所述车辆的摄像机接收图像帧；在所接收的图像帧上执行图像分析以将所述图像帧的区域标记为描绘可驾驶空间或不可驾驶空间；至少部分地基于车辆数据确定自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域；以及一旦确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域，则生成碰撞避免信号，其中所述碰撞避免信号使得所述自动驾驶车辆避免撞击所述不可驾驶空间的区域。根据本申请的另一个方面，还提供了一种自动驾驶车辆，其包括：多个传感器，所述传感器包括用于捕获所述自动驾驶车辆前进方向上的图像帧的摄像机；车辆控制系统，其用于控制所述自动驾驶车辆，所述车辆控制系统配置为(i)从所述多个传感器接收传感器输入并且(ii)基于所述传感器输入生成车辆控制信号；碰撞避免系统，其独立于所述车辆控制系统进行操作，配置为执行步骤，所述步骤包含：从所述摄像机接收图像帧；在所接收的图像帧上执行图像分析以将所述图像帧的区域标记为描绘可驾驶空间或描绘不可驾驶空间；至少部分地基于车辆数据确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域；以及一旦确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域，则生成碰撞避免信号，其中所述碰撞避免信号使得所述自动驾驶车辆避免撞击所述不可驾驶空间的区域。可选地，在所述所接收的图像帧上执行图像分析包括使用机器学习图像识别模型来识别所述图像帧中所描绘的可驾驶空间或不可驾驶空间的区域。可选地，所述机器学习图像识别模型是卷积神经网络。可选地，所述机器学习图像识别模型使用包括训练图像帧的训练数据来生成。可选地，训练数据进一步包括传感器数据，并且其中，每个训练图像帧与同所述训练图像帧同时捕获的一组对应传感器数据相关联。可选地，所述传感器数据包括LIDAR测量/测量值。可选地，所述机器学习模型是基于从管理员接收的监理输入而生成的，所述监理输入将训练图像帧的部分识别为表示可驾驶空间或不可驾驶空间。可选地，在所述所接收的图像帧上执行图像分析包括：对于所述图像帧的特定区域确定所述特定区域描绘可驾驶空间的对应概率；以及如果描绘可驾驶空间的对应概率超过第一阈值，则将所述特定区域标记为表示可驾驶空间。可选地，在所述所接收的图像帧上执行图像分析进一步包括：如果描绘可驾驶空间的对应概率低于第二阈值，则将所述特定区域标记为表示不可驾驶空间。可选地，所述图像分析是以逐个像素为基础进行的。可选地，所述车辆数据包括所述自动驾驶车辆的方向矢量、速度和加速度。可选地，确定所述自动驾驶车辆可能撞击所述所接收的图像帧中所描绘的不可驾驶空间的区域包括：确定所述不可驾驶空间的区域的空间参数，包含相对于所述自动驾驶车辆的位置以及距所述自动驾驶车辆的距离；以及基于所述不可驾驶空间的区域的所述空间参数确定与所述不可驾驶空间的区域碰撞的概率。可选地，所述不可驾驶空间的区域的所述空间参数还包括行进方向和行进速率。可选地，所述碰撞避免信号掩覆由所述车辆控制系统所生成的所述本文档来自技高网...

【技术保护点】
1.一种自动驾驶车辆，其包括：多个传感器，所述传感器包括用于捕获所述自动驾驶车辆前进方向上的图像帧的摄像机；车辆控制系统，其用于控制所述自动驾驶车辆，所述车辆控制系统配置为(i)从所述多个传感器接收传感器输入并且(ii)基于所述传感器输入生成车辆控制信号；碰撞避免系统，其独立于所述车辆控制系统进行操作，配置为执行步骤，所述步骤包含：从所述摄像机接收图像帧；在所接收的图像帧上执行图像分析以将所述图像帧的区域标记为描绘可驾驶空间或描绘不可驾驶空间；至少部分地基于车辆数据确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域；以及一旦确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域，则生成碰撞避免信号，其中所述碰撞避免信号使得所述自动驾驶车辆避免撞击所述不可驾驶空间的区域。

【技术特征摘要】
2017.06.23 US 15/631,9901.一种自动驾驶车辆，其包括：多个传感器，所述传感器包括用于捕获所述自动驾驶车辆前进方向上的图像帧的摄像机；车辆控制系统，其用于控制所述自动驾驶车辆，所述车辆控制系统配置为(i)从所述多个传感器接收传感器输入并且(ii)基于所述传感器输入生成车辆控制信号；碰撞避免系统，其独立于所述车辆控制系统进行操作，配置为执行步骤，所述步骤包含：从所述摄像机接收图像帧；在所接收的图像帧上执行图像分析以将所述图像帧的区域标记为描绘可驾驶空间或描绘不可驾驶空间；至少部分地基于车辆数据确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域；以及一旦确定所述自动驾驶车辆可能撞击在所述所接收的图像帧中所描绘的不可驾驶空间的区域，则生成碰撞避免信号，其中所述碰撞避免信号使得所述自动驾驶车辆避免撞击所述不可驾驶空间的区域。2.根据权利要求1所述的自动驾驶车辆，其中，在所述所接收的图像帧上执行图像分析包括使用机器学习图像识别模型来识别所述图像帧中所描绘的可驾驶空间或不可驾驶空间的区域。3.根据权利要求2所述的自动驾驶车辆，其中，所述机器学习图像识别模型是卷积神经网络。4.根据权利要求2所述的自动驾驶车辆，其中，所述机器学习图像识别模型使用包括训练图像帧的训练数据来生成。5.根据权利要求4所述的自动驾驶车辆，其中，训练数据进一步包括传感器数据，并且其中，每个训练图像帧与同所述训练图像帧同时捕获的一组对应传感器数据相关联。6.根据权利要求5所述的自动驾驶车辆，其中，所述传感器数据包括LIDAR测量。7.根据权利要求4所述的自动驾驶车辆，其中，所述机器学习模型是基于从管理员接收的监理输入而生成的，所述监理输入将训练图像帧的部分识别为表示可驾驶空间或不可驾驶空间。8.根据权利要求1所述的自动驾驶车辆，其中，在所述所接收的图像帧上执行图像分析包括：对于所述图像帧的特定区域确定所述特定区域描绘可驾驶空间的对应概率；以及如果描绘可驾驶空间的对应概率超过第一阈值，则将所述特定区域标记为表示可驾驶空间。9.根据权利要求8所述的自动驾驶车辆，其中，在所述所接收的图像帧上执行图像分析进一步包括：如果描绘可驾驶空间的对应概率低于第二阈值，则将所述特定区域标记为表示不可驾驶空间。10.根据权利要求8所述的自动驾驶车辆，所述图像分析是以逐个像素为基础进行的。11.根据权利要求1所述的自动驾驶车辆，其中，所述车辆数据包括所述自动驾驶车辆的方向矢量、速度和加速度。12.根据权利要求1所述的自动驾驶车辆，其中，确定所述自动驾驶车辆可能撞击所述所接收的图像帧...

【专利技术属性】
技术研发人员：A·格雷，
申请(专利权)人：优步技术公司，
类型：发明
国别省市：美国,US