用于驾驶员辅助功能的基于三阶多项式的行程预测

摘要

本文提供了用于执行车辆驾驶员辅助的方法和系统。一种方法包括：在控制器处判断车辆是否正朝向直行驾驶状态转向，当车辆正朝向直行驾驶状态转向时，在控制器处使用三阶多项式来计算预测的行程轨迹。此外，该方法还包括：当车辆不是正朝向直行驾驶状态转向时，在控制器处使用非三阶函数来计算预测的行程轨迹。此外，该方法还包括：基于预测的行程轨迹来执行驾驶员辅助。

说明书

相关申请

本申请要求享受2013年5月9日提交的美国临时申请No.61/821,482 和2014年1月31日提交的美国非临时申请No.14/169,958的优先权，故以 引用方式将其全部内容并入本文。

技术领域

本发明的实施例涉及用于预测车辆的行进行程的方法和系统。

背景技术

诸如自适应巡航控制(“ACC”)系统之类的车辆系统能够预测车辆的 行程轨迹(其还称为“当前行程预测”)，并使用该预测来控制车辆(例如 自动地使车辆减速)。

发明内容

为了生成行程预测，车辆系统能够基于车辆操作参数和导航信息(例 如，GPS信息)来计算预测轨迹的中心线。使用该中心线，系统能够生成 能用于执行自动车辆控制(例如，ACC功能、车道保持支持、车道偏离警 告、自主驾驶等等)的行程预测。一些现有的车辆系统使用基于二阶多项 式的行程预测。但是，基于二阶多项式的行程预测可能过高地估计弯道。

因此，在一个实施例中，本发明提供了用于使用三阶多项式来执行当 前行程预测的方法和系统。一种方法包括：在控制器处判断车辆是否正朝 向直行驾驶状态转向；当车辆正朝向直行驾驶状态转向时，在控制器处使 用三阶多项式来计算预测的行程轨迹。当车辆不是正朝向直行驾驶状态转 向时，该方法包括：在控制器处使用非三阶函数来计算所述预测的行程轨 迹。基于预测的行程轨迹来执行驾驶员辅助。

本发明的另一个实施例提供了一种用于车辆的驾驶员辅助系统。该系 统包括车辆动态状态传感器和控制器。所述控制器被配置为：从车辆动态 状态传感器接收信号；基于来自车辆动态状态传感器的信号判断车辆是否 正朝向直行驾驶状态转向。此外，所述控制器还被配置为：当车辆正朝向 直行驾驶状态转向时使用三阶多项式来计算预测的行程轨迹；当车辆不是 正朝向直行驾驶状态转向时使用非三阶函数来计算预测的行程轨迹。此外， 所述控制器还被配置为基于预测的行程轨迹来执行驾驶员辅助功能。

通过考虑详细的说明和所附附图，本发明的其它方面将变得更加明显。

附图说明

图1示意性地示出了包括驾驶员辅助系统的车辆。

图2示意性地示出了在图1的驾驶员辅助系统中所包括的控制单元。

图3以图形方式示出了使用基于二阶多项式的行程预测来进行针对转 向场景的行程预测。

图4以图形方式示出了使用基于二阶多项式的行程预测来进行针对变 换车道场景的行程预测。

图5是用于示出图1的驾驶员辅助系统的控制逻辑的流程图。

图6以图形方式示出了使用图5的控制逻辑来进行针对转向场景的中 心线行程预测。

图7以图形方式示出了使用图5的控制逻辑来进行针对变换车道场景 的中心线行程预测。

图8以图形方式示出了边界行程预测。

具体实施方式

在详细解释本发明的任何实施例之前，应当理解的是，本发明在其应 用方面并不限于在以下描述中阐述的或者在以下附图中示出的部件的构造 和布置的细节。本发明可以具有其它实施例并以多种方式来实施或执行。

此外，还应当理解的是，本文所使用的措辞和术语用于说明之目的， 而不应当被视为限制性的。本文中对于“包括”、“包含”以及“具有”以 及其变形的使用，旨在涵盖其后列出的条目及其等同物，以及它们的补充 条目。术语“安装”、“连接”和“耦合”被广泛使用并且涵盖直接和间接 安装、连接和耦合。此外，“连接”和“耦合”并不局限于物理或机械连接 或耦合，它们能够包括电子连接或耦合，无论是直接的还是间接的。此外， 可以使用包括直接连接、无线连接等等的任何已知方式来执行电子通信和 通知。

应当注意的是，可以使用多种基于硬件和软件的设备以及多种不同的 结构化部件来实现本发明。此外，如在后面段落中所描述的那样，附图中 示出的特定配置旨在举例说明本发明的实施例并且其它替代的配置也是可 行的。

图1示出了包括引擎控制器102和制动控制器104的车辆100。此外， 车辆100还包括驾驶员辅助系统110。驾驶员辅助系统110包括多个车辆动 态状态传感器。该多个车辆动态状态传感器能够对诸如车辆100的转向角、 车辆100的转向角速度、车辆100的偏航率和车辆100的速度的当前驾驶 参数进行感测。例如，车辆动态状态传感器能够包括速度传感器130、偏航 率传感器140、转向传感器150和/或对象检测传感器160。速度传感器130 检测车辆100的速度。偏航率传感器140检测车辆100关于其偏航轴线转 向的速率，并且转向传感器150检测车辆100的转向方向和/或速度的改变。 对象检测传感器160检测位于车辆100的附近的对象(例如其它车辆，其 有时称为目标车辆)。对象传感器160能够包括诸如一个或多个雷达传感器 和/或视频传感器的一个或多个对象检测传感器。

此外，驾驶员辅助系统110还包括电子控制单元(“ECU”)180。在一 些实施例中，ECU180通过总线190，例如控制器区域网络(“CAN”)，与 控制器102和104以及传感器130、140、150和160通信。这些部件之间 的其它连接，无论是有线、无线、直接还是间接，也是可行的。

如图2中所示，ECU180包括处理单元210(例如微处理器、专用集成 电路(“ASIC”)等等)、一个或多个存储器模块220和输入/输出接口230。 此外，还应当理解的是，ECU180还能够包括不同于本文所描述的部件的 其它部件。此外，在一些实施例中能够将(下面所描述的)ECU180的功 能分布在多个系统或设备之中。此外，在一些实施例中能够将ECU180的 功能与其它系统或设备组合在一起。

存储器模块220包括诸如随机存取存储器(“RAM”)和/或只读存储器 (“ROM”)之类的非暂时性计算机可读介质。处理单元210通过输入/输出 接口230从位于ECU180之外的设备和系统获得数据。例如，ECU180通 过输入/输出接口230从传感器130、140、150和160接收输入。类似地， ECU180可以被配置为通过输入/输出接口230向引擎控制器102和/或制动 控制器104提供输出。

处理单元210(例如从存储器模块220和/或输入/输出接口230)接收 信息并且通过执行一个或多个指令对该信息进行处理。这些指令存储在存 储器模块220中。处理单元210也向存储器模块220存储信息(例如，从 总线190接收的信息或者由处理单元210执行指令所生成的信息)。当存储 在存储器模块220中的指令被处理单元210执行时，其提供特定的功能。 通常来说，当这些指令被处理单元210执行时，这些指令使用来自传感器 130、140、150和160的信息来预测车辆轨迹，在一些实施例中，基于预测 的轨迹来自动地控制或者辅助驾驶员来控制车辆100。例如，在一些实施例 中，ECU180被配置为基于预测的轨迹来提供驾驶员辅助功能，例如自适 应巡航控制(“ACC”)、停车辅助等等。在其它实施例中，ECU180被配置 为向车辆100中所包含的用于提供驾驶员辅助功能的一个或多个其它控制 器输出预测的轨迹。

如上所述，一些现有的车辆系统执行基于二阶多项式的行程预测。但 是，当车辆脱离弯道时，使用二阶多项式执行行程预测可能不能准确地对 车辆轨迹进行建模。例如，为了使用二阶多项式来执行针对车辆300的行 程预测，则可以使用下面的式(1)来计算中心线轨迹，其中kappa等于 tan(phi)/L(phi是该车辆的转向角，L是该车辆的前轴和后轴之间的距离)， dx是纵向方向的距离，dy是横向方向的距离：

dy＝(1/2)*kappa*dx*dx(1)

项“kappa”表示预测的车辆轨迹的曲率并且还能够表示成车辆偏航率 (例如其来自于偏航率传感器140)除以该车辆的速度(例如其来自于速度 传感器130)。式子(1)所限定的二阶模型类似于圆的第一项或者回旋曲线 的第一项。回旋曲线是具有常曲率变化的线的数学表达式。

如图3和图4中所示，二阶模型过高估计了转弯的曲率。例如，图3 示出了车辆300右转弯。随着车辆300右转弯，式子(1)所限定的二阶模 型预测出车辆轨迹301，其中车辆轨迹301偏离了道路并远离车辆303。相 应地，如果ACC系统使用预测的轨迹301，则该系统不能恰当地检测出车 辆300正在接近车辆303。

类似地，图4示出了处于变换车道场景下的车辆400。随着车辆400 从左车道转向并进入到右车道，式子(1)所限定的二阶模型预测出车辆轨 迹401，其中车辆轨迹401曲线朝向处于左车道的车辆403(例如，根据圆 形或类似回旋曲线的轨道)。但是，该车辆的实际预定轨迹是朝向车辆405 直线进入右车道。因此，ACC系统可能将车辆403不正确地视作为潜在的 车道干扰(而不是车辆405)，这可能导致危险的或者不舒服的车辆控制。

为了克服二阶模型的这些和其它问题，ECU180使用三阶模型来预测 车辆轨迹的至少一部分。三阶多项式描述盘旋形。因此，随着车辆转弯进 入曲线，使用三阶模型所计算的行程轨迹预测该车辆的方向盘将无限期以 相同的速率进行转弯，因此该车辆永远不会偏离该弯道。但是，由于道路 中的曲线(其包括曲线、转弯、变道等等)并不始终变得更强或者无限期 地持续，因此当车辆100驶离弯道时，ECU180能够被配置为使用基于三 阶多项式的行程轨迹。

例如，ECU180可以被配置为线性地(例如，当车辆100直线行驶时) 或者根据二阶多项式(例如，当车辆100进入弯道时)来对预测的车辆轨 迹进行建模，直到ECU180确定车辆100离开弯道为止(例如，基于车辆 动态状态传感器所感测的驾驶参数)。一旦确定了该状态，则随着车辆100 驶离弯道，ECU180使用基于三阶多项式的行程轨迹来使预测的车辆行程 轨迹重回正轨。在车辆100完全离开弯道时(例如，当转向角变成零以变 成直线轨迹时)，ECU180停止使用基于三阶多项式的轨迹，并返回到非三 阶行程预测(例如，二阶行程预测)。因此，ECU180能够被配置为使用一 种模型来预测包括第三阶项和非第三阶项的车辆轨迹，其中当车辆100正 在驶离弯道时，仅仅该第三阶项是非零的。

例如，图5示出了由ECU180来执行以预测车辆轨迹的方法500。如 图5中所示，该方法500包括：在ECU180处，从车辆动态状态传感器接 收感测的驾驶参数(在方框501处)。所感测到的驾驶参数可以包括：如速 度传感器130所感测到的车辆100的纵向速度、如偏航率传感器140所感 测到的车辆偏航率、如转向传感器150所感测到的转向方向的改变(例如， 转向角或者转向角速度的改变)、以及可选的如对象检测传感器160所感测 到的一个或多个检测到的对象(例如，如果ECU180执行驾驶员辅助功能 的话，其中该驾驶员辅助功能使用在该车辆100周围检测到的对象)。ECU 180可以存储所感测到的驾驶参数(例如，存储在存储器模块220中)。

ECU180使用这些驾驶参数来判断车辆100是否朝向直行驾驶状态转 向(在方框503处)。如上所述，当车辆驶离弯道时，可以使用三阶多项式 来准确地预测车辆轨迹。因此，ECU180能够通过检测车辆的方向盘何时 正在将车辆100朝向该车辆100的平衡点或中心点转向(即，直行驾驶状 态)来确定该状态。

例如，ECU180能够使用由车辆动态状态传感器所感测的驾驶参数来 判断转向角的幅度是否是非零并且在减小而使得下面中的任意一项成立： (a)phi(转向角)>0并且phiDt(转向角速度)<0，或者(b)phi<0 并且phiDt>0。在(a)和(b)这两种情况下，转向角非零(即，方向盘 已经偏离中心点)，但转向角速度指示方向盘正返回中心点。在情况(a) 中，正的转向角(phi>0)可以指示方向盘当前以顺时针方向偏离了中心 点某个幅度。因此，负的转向角速度(phiDt<0)指示方向盘正以逆时针 方向(即，与原始的位移相反的方向)并且按照某个速率进行转动。由于 方向盘角度指示相对于中心点的顺时针位移，但正在逆时针转动，因此方 向盘必定正返回中心点(即直行驾驶状态)。用于情况(b)的逻辑与用于 情况(a)的逻辑相同，其差别在于转向角的方向和转向角速度。

当车辆100没有朝向直行驾驶状态转向时(在方框503)，ECU180基 于来自车辆动态状态传感器的数据来计算基于非三阶多项式的行程轨迹 (在方框505处)。基于非三阶多项式的行程轨迹可以包括：基于线性的行 程预测或者基于二阶多项式的行程轨迹(例如，根据车辆100的偏航率或 者转向方向)。例如，在一些实施例中，当车辆100没有朝向直行驾驶状态 转向时(例如，当车辆100进入弯道时)，ECU180使用上面参照式子(1) 所描述的二阶多项式来预测车辆轨迹。

但是，当车辆100朝向直行驾驶状态转向时(在方框503处)，ECU180 使用基于三阶多项式的模型和来自车辆动态速度传感器的数据来计算行程 轨迹(在方框507处)。例如，在一个实施例中，ECU180基于下面的三阶 多项式(式子(2))来计算行程轨迹(即轨迹的中心线)，其中“kappa” 等于tan/(phi)/L，phi是转向角(例如前轮的角度)，L是车辆100的前轴和 后轴之间的距离，b＝phiDt/(L*v)*sec(phi)*sec(phi)，phiDt是转向角速度，v 是车辆速度：

dy＝(1/2)*kappa*dx*dx+(1/6)*b*dx*dx*dx(2)

如上所述，用于kappa的值表示预测的车辆轨迹的曲率并且还能够表 示成车辆偏航率除以车辆速度。在一些实施例中，转向角(即，phi)是前 轮的角度(即，转动)。此外，在具有恒定转向比的车辆中，能够通过使得 方向盘角度除以转向比来获得转向角，通过使方向盘角速度除以转向比来 确定转向角速度。在一些实施例中，围着车辆400的推力角来旋转式子(2) 所限定的模型，其中推力角是车辆的本体所指向的方向和车辆移动的方向 之间的角度。推力角有时称为滑移角。

在一些实施例中，使用基于三阶多项式的模型所计算的预测行程轨迹 包括第一部分和第二部分。ECU180使用基于三阶多项式的模型来计算第 一部分并且使用非三阶函数来计算第二部分。该行程轨迹的第一部分沿着 车辆100的当前驾驶方向(例如前行或后退)从车辆100开始延伸。该行 程轨迹的第二部分沿着车辆的当前驾驶方向(例如前行或后退)从第一部 分的末端(即第一部分的与起始于车辆100的末端相反的远端)开始延伸。 在一些实施例中，ECU180使用线性模型来计算第二部分。

第一部分的距离或长度通过零曲率点来规定。零曲率点是预测发生直 行驾驶状态的点，其指示第一部分和第二部分之间的转换(即从第三阶项 向非第三阶项转换)。例如，零曲率点限定了当轨迹基于来自车辆动态状态 传感器的数据应当从弯曲的三阶表示切换成非三阶表示(例如直线表示) 时沿着预测的行程轨迹的距离。

ECU180被配置为计算该零曲率点。ECU180能够基于车辆的转向角 的正切除以该车辆的前轴和后轴之间的距离来计算纵向方向的零曲率点。 此外，ECU180还能够基于车辆的偏航率除以该车辆的速度来计算纵向方 向的零曲率点。

例如，可以基于下面的式子(3)来确定沿着预测的行程轨迹的零曲率 点的位置：

0＝kappa+b*dx(3)

特别地，可以通过求式子(3)的导数来确定零曲率点，如式子(4) 中所示：

dxZeroPoint＝-kappa/b(4)

在一些实施例中，ECU180基于下面的式子(5)来计算行程轨迹的第 二部分(即，非第三阶项)，其中dyZeroPoint是横向方向的曲率的方向变 化，firstDerivZeroPoint是零曲率点的第一导数(firstDerivZeroPoint＝kappa *dxZeroPoint+(1/2)*b*dxZeroPoint*dxZeroPoint)。

dy＝dyZeroPoint+firstDerivZeroPoint*(dx–dxZeroPoint)(5)

如先前所描述的，三阶多项式表示盘旋。因此，三阶多项式具有函数 改变符号的拐点(即在该位置，该函数的范围值从正值变换成负值，或者 反之)。因此，对于基于三阶多项式的行程轨迹来说，在零曲率点之外的横 向距离上存在符号的改变。特别地，当车辆100离开弯道时，ECU180所 计算的基于三阶多项式的行程轨迹预期该车辆100将立即进入新的弯道(不 管该车辆的预期轨迹)。因此，当车辆正朝向直行驾驶状态转向(即轨迹的 第一部分)时，ECU180只使用行程轨迹的第三阶项。因此，对于所计算 的零曲率点之外所表示的距离而言(即轨迹的第二部分)，第三阶项是零。

如式子(3)和(4)中所示的那样，零曲率点可受到转向角速度影响。 因此，当转向角速度变得更大时，零曲率点对于行程预测具有更大的影响。 特别地，对于小转向角速度来说，将零曲率点计算成在该车辆之前更远的 距离发生，使得该零曲率点所指示的曲率方向变化不位于对象检测传感器 160(例如，雷达传感器)的视野之内。因此，位于视野之内的行程预测很 可能遵循三阶模型。但是，对于大转向角速度来说，更接近车辆来计算零 曲率点，因此，其更可能位于对象检测传感器160的视野之内。所以，在 这些情形下，可以使用沿着预测的行程轨迹的零曲率点的位置，来更准确 地预测位于对象检测传感器160的视野之内的该车辆的行程。其结果便是 能够更准确地识别可能与该车辆的预测的轨迹碰撞的对象(例如其它车 辆)。

除了计算零曲率点之外或者替代计算零曲率点，ECU180可以被配置 为使用关于道路的曲率的其它信息来确定预测的行程轨迹的第一部分(即 第三阶项)的长度。例如，如果导航系统(例如，GPS系统)提供关于即 将到来的道路的曲率的信息，则当到达道路中的该弯道时，可以使第三阶 项的贡献变成零(即轨迹的第一部分可以结束)。通过使用关于道路的曲率 的这种附加的信息，ECU180能够更好地检测车道变化或者弯道。

如上面所另外描绘的，车辆速度处于变量b的分母之中(参见式(4))。 因此，对于接近于零的低速(或者近似于零)来说，变量b变得不确定和 不稳定。因此，当确定车辆100按照较低的速度(例如对应于车辆速度小 于每秒近似1.0米)朝向直行驾驶状态转向时，ECU180能够被配置为使用 非三阶模型(例如二阶的当前行程预测)。

在ECU180计算行程轨迹时，ECU180可以使用该轨迹来执行驾驶员 辅助(在方框509处)。特别地，如上所述，ECU180可以被配置为执行 ACC功能或者其它驾驶员辅助功能。在其它实施例中，ECU180能够向执 行驾驶员辅助功能的单独系统或控制器发送所计算的行程轨迹(例如，通 过输入/输出接口230)。当ECU180(或者单独的控制器)执行ACC功能 时，ECU180能够被配置为使用该预测的行程轨迹来判断其它车辆是否位 于该车辆的轨迹之内。如果是，则ECU180能够被配置为自动地调整车辆 的速度，例如通过与车辆的引擎控制器102和/或制动控制器104进行通信 (例如以便当车辆100变得太接近其它车辆或对象时减慢车辆100)。

如图5中所示，在一些实施例中，ECU180基于来自车辆动态状态传 感器的更新的驾驶参数重复地(例如持续地)计算新的行程轨迹(在方框 501处)。此外，在一些实施例中，作为计算预测的行程轨迹的一部分，ECU 180计算零曲率点(方框507)。因此，随着预测的行程轨迹被更新还将更 新零曲率点。

图6和图7示出了由ECU180执行的行程预测。如图6中所示，随着 车辆600在执行右转弯之后开始直行，ECU180使用三阶多项式来生成预 测的车辆轨迹602，其使所预测的车辆轨迹变直。因此，与偏离道路指向相 反(参见图3)，行程轨迹602指向车辆604。如图6中所示，行程轨迹602 包括第一部分602a和第二部分602b。第一部分602a是使用三阶多项式来 计算的，第一部分602a沿着车辆600的行驶方向(即前行)从车辆600开 始延伸。第一部分602a在零曲率点606处结束。轨迹的第二部分602b是 使用非三阶函数(例如线性模型)来计算的，第二部分602b沿着车辆600 的行驶方向(即前行)从零曲率点606开始延伸。基于预测的车辆轨迹602， 车辆600能够执行ACC功能或者其它驾驶员辅助功能(例如利用ECU180 或单独的控制器)。例如，当执行ACC功能时使用预测的车辆轨迹602将 车辆604识别成在前或者目标车辆并且自动地控制车辆600的速度，以便 维持车辆600和车辆604之间的预定距离。

类似地，如图7中所示，随着车辆700在执行车道变换之后开始直行 到右侧车道，ECU180使用三阶多项式来生成预测的车辆轨迹703，其使所 预测的车辆轨迹变直。同样，预测的车辆轨迹703包括第一部分703a和第 二部分703b。第一部分703a是使用三阶多项式来计算的(即第三阶项是非 零的)，第一部分703a沿着车辆700的行驶方向(即前行)从车辆700开 始延伸。第一部分703a在零曲率点704处结束。轨迹的第二部分703b是 使用非三阶函数(例如线性模型，此时第三阶项是零)来计算的，第二部 分703b沿着车辆700的行驶方向(即前行)从零曲率点704开始延伸。因 此，与指向到相邻车道中的车辆707相反(参见图4)，预测的车辆轨迹703 指向车辆700的新车道中的车辆705。因此，如果使用预测的车辆轨迹703 来执行ACC功能，则能够将车辆705识别成在前车辆，并可以自动地控制 车辆700的速度，以便维持车辆700和车辆705之间的预定距离。

应当理解的是，可以基于车辆100的已知的宽度，将上面所描述的中 心线轨迹转换成二维车辆轨迹。在其它实施例中，除了中心线轨迹之外或 者替代中心线轨迹，可以规定单独的边界(即右和左边界)。例如，在一些 实施例中，针对转向角速度中的噪声来对基于三阶多项式的行程轨迹进行 稳定化，以便避免在对象检测或ACC应用中发生目标对象丢失。由于在离 开弯道的同时，对转向速度进行改变，可能造成转向角速度中的噪声(例 如在弯道离开时驾驶员没有以固定的速度进行开车)。例如，当第三阶项是 非零的时，可以对预测的车辆轨迹的左和右边界进行非均衡地建模。特别 地，在右转弯期间，可以基于三阶多项式对左边界进行建模，并基于二阶 和三阶多项式的混合对右边界进行建模。三阶与二阶多项式混合的示例性 比率可以是80％到20％。对于左转弯而言，使用该多项式混合对左边界进 行建模，并使用纯粹的三阶多项式对右边界进行建模。

例如，图8示出了驶离弯道的车辆800。随着车辆800开始朝向直行驾 驶状态转向，ECU180生成基于三阶多项式的左边界801和基于混合多项 式的右边界803。由于存在二阶多项式分量，因此右边界803“加宽”了预 测的车辆轨迹，这增加了右边界803的曲率。用此方式来加宽预测的车辆 轨迹能够为预测的车辆轨迹提供针对变化的转向角速度(其中，变化的转 向角速度可能造成不稳定的预测的车辆轨迹)的防护措施。特别地，由于 针对转向角速度中的每一次变化都重新计算基于三阶多项式的行程轨迹， 因此变化的转向角速度可能造成摇摆不定的(即嘈杂的)预测的车辆轨迹。 通过实现加宽的预测车辆轨迹，可以通过将变化的转向角速度涵盖成不同 于摇摆不定的轨迹的范围，来减小或者消除噪声。例如，如果确定转向角 速度是非固定的，则可以基于混合多项式来计算边界中的一个(例如，与 该弯道的方向相对应的一侧的边界)。

因此，本发明的实施例涉及用于预测车辆的轨迹的系统和方法。如上 所述，ACC系统或者提供自动驾驶员辅助的其它系统可以使用基于三阶多 项式的行程预测。此外，上面所描述的行程预测方法规定了基于中心线和 固定宽度的轨迹。但是，应当理解的是，也可以使用其它方法来预测车辆 轨迹的宽度(例如，可变的宽度(如，基于检测的距离)、检测的车道宽度 等等)。此外，还可以针对预测的车辆轨迹(包括预测的边界)，使用不同 的形状。此外，应当理解的是，本文所描述的门限、值和参数只是提供成 例子，它们可以基于车辆操作、车辆尺寸、驾驶环境、驾驶员辅助功能等 等而变化。

在所附的权利要求书中列出了本发明的各种特征。