Deceleration request generation of vehicles approaching traffic lights

Abstract

Systems and techniques are described herein for automatic deceleration request generation of vehicles approaching traffic lights. For example, a computing device can determine, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light. The computing device determines a remaining period of time for the stop condition of the traffic light and generates a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

Description

DECELERATION REQUEST GENERATION OF VEHICLES APPROACHING TRAFFIC LIGHTSFIELD

[0001] The present disclosure generally relates to driving assistance. For example, aspects of the present disclosure relate to systems and techniques for automatic deceleration request generation of vehicles approaching traffic lights.BACKGROUND

[0002] Increasingly, systems and devices (e.g., autonomous vehicles, such as autonomous and semi-autonomous cars, drones, mobile robots, mobile devices, extended reality (XR) devices, and other suitable systems or devices) include multiple sensors to gather information about the environment, as well as processing systems to process the information gathered, such as for route planning, navigation, collision avoidance, etc. One example of such a system is an Advanced Driver Assistance System (ADAS) for a vehicle. Sensor data, such as images, captured from one or more image sensors of cameras may be gathered, transformed, and analyzed for enhancing driving safety.SUMMARY

[0003] The following presents a simplified summary relating to one or more aspects disclosed herein. Thus, the following summary should not be considered an extensive overview relating to all contemplated aspects, nor should the following summary be considered to identify key or critical elements relating to all contemplated aspects or to delineate the scope associated with any particular aspect. Accordingly, the following summary has the sole purpose to present certain concepts relating to one or more aspects relating to the mechanisms disclosed herein in a simplified form to precede the detailed description presented below.

[0004] Disclosed are systems and techniques for automatic deceleration request generation. In one illustrative example, an apparatus for adjusting vehicle deceleration for a first vehicle is provided. The apparatus includes at least one memory and at least one processor coupled to the at least one memory. The at least one processor is configured to: determine, based on one or more  images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light; determine a remaining period of time for the stop condition of the traffic light; and generate a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

[0005] As another example, a method for automatic deceleration request generation is provided. The method includes: determining, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light; determining a remaining period of time for the stop condition of the traffic light; and generating a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

[0006] In another example, a non-transitory computer-readable medium having stored thereon instructions that, when executed by at least one processor, cause the at least one processor to: determine, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light; determine a remaining period of time for the stop condition of the traffic light; and generate a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

[0007] As another example, an apparatus for automatic deceleration request generation. The apparatus includes: means for determining, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light; means for determining a remaining period of time for the stop condition of the traffic light; and means for generating a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

[0008] In some aspects, each of the apparatuses described above is, can be part of, or can include a vehicle or a part (e.g., a system) of the vehicle, a mobile device (e.g., a mobile phone) , an extended reality (XR) device (e.g., a virtual reality (VR) device, an augmented reality (AR) device, or a mixed reality (MR) device) , a wearable device, a server computer, an aviation system, or other device. In some aspects, the apparatus includes an image sensor (e.g., a camera) or multiple image sensors (e.g., multiple cameras) for capturing one or more images. In some aspects, the apparatus includes one or more displays for displaying one or more images, notifications, and / or other displayable data. In some aspects, the apparatus includes one or more speakers, one or more light-emitting devices, and / or one or more microphones. In some aspects, the apparatuses described above can include one or more sensors. In some cases, the one or more sensors can be used for determining a location of the apparatuses, a state of the apparatuses (e.g., a tracking state, an operating state, a temperature, a humidity level, and / or other state) , and / or for other purposes.

[0009] Some aspects include a device having a processor configured to perform one or more operations of any of the methods summarized above. Further aspects include processing devices for use in a device configured with processor-executable instructions to perform operations of any of the methods summarized above. Further aspects include a non-transitory processor-readable storage medium having stored thereon processor-executable instructions configured to cause a processor of a device to perform operations of any of the methods summarized above. Further aspects include a device having means for performing functions of any of the methods summarized above.

[0010] The foregoing has outlined rather broadly the features and technical advantages of examples according to the disclosure in order that the detailed description that follows may be better understood. Additional features and advantages will be described hereinafter. The conception and specific examples disclosed may be readily utilized as a basis for modifying or designing other structures for carrying out the same purposes of the present disclosure. Such equivalent constructions do not depart from the scope of the appended claims. Characteristics of the concepts disclosed herein, both their organization and method of operation, together with associated advantages will be better understood from the following description when considered in connection with the accompanying figures. Each of the figures is provided for the purposes of  illustration and description, and not as a definition of the limits of the claims. The foregoing, together with other features and aspects, will become more apparent upon referring to the following specification, claims, and accompanying drawings.

[0011] This summary is not intended to identify key or essential features of the claimed subject matter, nor is it intended to be used in isolation to determine the scope of the claimed subject matter. The subject matter should be understood by reference to appropriate portions of the entire specification of this patent, any or all drawings, and each claim.

[0012] The preceding, together with other features and aspects, will become more apparent upon referring to the following specification, claims, and accompanying drawings.BRIEF DESCRIPTION OF THE DRAWINGS

[0013] Illustrative aspects of the present application are described in detail below with reference to the following figures:

[0014] FIGS. 1A and 1B are block diagrams illustrating a vehicle suitable for implementing various techniques described herein, in accordance with some aspects of the disclosure.

[0015] FIG. 1C is a block diagram illustrating components of a vehicle suitable for implementing various techniques described herein, in accordance with some aspects of the disclosure.

[0016] FIG. 1D illustrates an example implementation of a system-on-a-chip (SOC) , in accordance with some aspects of the disclosure.

[0017] FIG. 2 is a block diagram illustrating an example architecture of an image capture and processing system, in accordance with some aspects of the disclosure.

[0018] FIG. 3 is a diagram illustrating an example scenario of a vehicle approaching a traffic light, in accordance with some aspects of the disclosure.

[0019] FIG. 4 is a diagram illustrating an example scenario of a vehicle approaching a traffic light in traffic in accordance with some aspects of the disclosure.

[0020] FIG. 5 is a flow diagram illustrating an example of generating a deceleration request using a slide mode controller, in accordance with some aspects of the disclosure.

[0021] FIG. 6 is a flow diagram illustrating an example of generating a deceleration request using a model predictive control (MPC) controller, in accordance with some aspects of the disclosure.

[0022] FIG. 7 is a flow diagram illustrating an example of a process for determining which controller to use to generate a deceleration request, in accordance with some aspects of the disclosure.

[0023] FIG. 8 is a flow diagram illustrating an example of a process for generating deceleration requests, in accordance with some aspects of the disclosure.

[0024] FIG. 9 is a diagram illustrating an example of a system for implementing certain aspects described herein.DETAILED DESCRIPTION

[0025] Certain aspects of this disclosure are provided below for illustration purposes. Alternate aspects may be devised without departing from the scope of the disclosure. Additionally, well-known elements of the disclosure will not be described in detail or will be omitted so as not to obscure the relevant details of the disclosure. Some of the aspects described herein can be applied independently and some of them may be applied in combination as would be apparent to those of skill in the art. In the following description, for the purposes of explanation, specific details are set forth in order to provide a thorough understanding of aspects of the application. However, it will be apparent that various aspects may be practiced without these specific details. The figures and description are not intended to be restrictive.

[0026] The ensuing description provides example aspects only, and is not intended to limit the scope, applicability, or configuration of the disclosure. Rather, the ensuing description of the example aspects will provide those skilled in the art with an enabling description for implementing an example aspect. It should be understood that various changes may be made in the function and  arrangement of elements without departing from the spirit and scope of the application as set forth in the appended claims.

[0027] The terms “exemplary” and / or “example” are used herein to mean “serving as an example, instance, or illustration. ” Any aspect described herein as “exemplary” and / or “example” is not necessarily to be construed as preferred or advantageous over other aspects. Likewise, the term “aspects of the disclosure” does not require that all aspects of the disclosure include the discussed feature, advantage or mode of operation.

[0028] As previously mentioned, increasingly, systems and devices (e.g., autonomous vehicles, such as autonomous and semi-autonomous cars, drones, mobile robots, mobile devices, XR devices, and other suitable systems or devices) include multiple sensors to gather information about the environment, as well as processing systems to process the information gathered, such as for route planning, navigation, collision avoidance, etc. One example of such a system is an Advanced Driver Assistance System (ADAS) for a vehicle. Sensor data, such as images, captured from one or more image sensors of cameras, may be gathered, transformed, and analyzed for enhancing driving safety.

[0029] High definition (HD) maps can be used by vehicles (e.g., autonomous and / or semi-autonomous vehicles) for various purposes, including navigation, scene understanding, etc. For instance, an HD map encodes prior knowledge of scenes (e.g., environment) that a vehicle may encounter. An HD map may be three-dimensional (e.g., including elevation information) . For instance, an HD map may include three-dimensional data (e.g., elevation data) regarding a three-dimensional space, such as a road on which a vehicle is navigating. In some examples, the HD map can include a plurality of map points corresponding to one or more reference locations in the three-dimensional space. In some cases, the HD map can include dimensional information for objects in the three-dimensional space and other semantic information associated with the three-dimensional space. For instance, the information from the HD map can include elevation or height information (e.g., road elevation / height) , normal information (e.g., road normal) , and / or other semantic information related to a portion (e.g., the road) of the three-dimensional space in which the vehicle is navigating.

[0030] An HD map may include a high level of detail (e.g., including centimeter level details) . In the context of HD maps, the term “high” typically refers to the level of detail and accuracy of the map data. In some cases, an HD map may have a higher spatial resolution and / or level of detail as compared to a non-HD map. While there is no specific universally accepted quantitative threshold to define “high” in HD maps, several factors contribute to the characterization of the quality and level of detail of an HD map. Some key aspects considered in evaluating the “high” quality of an HD map include resolution, geometric accuracy, semantic information, dynamic data, and coverage. With regard to resolution, HD maps generally have a high spatial resolution, meaning they provide detailed information about the environment. The resolution can be measured in terms of meters per pixel or pixels per meter, indicating the level of detail captured in the map. With regard to geometric accuracy, an accurate representation of road geometry, lane boundaries, and other features can be important in an HD map. High-quality HD maps strive for precise alignment and positioning of objects in the real world. Geometric accuracy is often quantified using metrics such as root mean square error (RMSE) or positional accuracy. With regard to semantic information, HD maps include not only geometric data but also semantic information about the environment. This may include lane-level information, traffic signs, traffic signals, road markings, building footprints, and more. The richness and completeness of the semantic information contribute to the level of detail in the map. With regard to dynamic data, some HD maps incorporate real-time or near real-time updates to capture dynamic elements such as traffic flow, road closures, traffic light timing, construction zones, and temporary changes. The frequency and accuracy of dynamic updates can affect the quality of the HD map. With regards to coverage, the extent of coverage provided by an HD map is another important factor. Coverage refers to the geographical area covered by the map. An HD map can cover a significant portion of a city, region, or country. In general, an HD map may exhibit a rich level of detail, accurate representation of the environment, and extensive coverage.

[0031] For a vehicle (e.g., an autonomous or semi-autonomous vehicle) to utilize HD maps, the vehicle must determine its own position (location) in relation to the HD map. An autonomous vehicle typically utilizes positioning sensors implemented onboard the vehicle to estimate a location of the vehicle. These positioning sensors can include satellite receivers (e.g., for satellite positioning systems) and inertial measurement units (IMUs) .

[0032] Accurate detection of traffic lights (also referred to as stop lights) , is a critical component of driving systems (e.g., autonomous or semi-autonomous driving systems) , enabling safe and efficient navigation of ego vehicles. An ego vehicle is a vehicle equipped with sensors which the ego vehicle can use to detect an environment. An ego vehicle can be further equipped with an autonomous or semi-autonomous driving system, such as the vehicle further described in the description of FIG. 1. Ego vehicles can include various sensors for object detection and ranging to assist the driving systems, such as radar, LIDAR, IR sensors, and ultrasonic sensors. Ego vehicles can use various traffic light detection methods. One example of a traffic light detection method employs vision-based solutions. Vision-based solutions generally employ one or more cameras on the ego vehicle that capture one or more images of a traffic light as the vehicle is driving towards or past the traffic light. One or more processors on the vehicle can process the captured image (s) to determine a condition of the traffic light (e.g., green –go condition, yellow –slow to a stop, and red –stop condition) . Further examples may include communication-based solutions, such as receiving information regarding a condition of traffic lights from an online mapping system or from a signal from the traffic light itself.

[0033] Adaptive cruise control (ACC) provides a tool to assist drivers in maintaining safe distances in traffic. For example, ACC can adjust vehicle throttle and braking to account for changes in elevation and traffic. ACC may use the vision-based solutions, or other sensors, to identify traffic and traffic speeds to adjust the speed of the driver. Braking using current ACC techniques can be an unpleasant experience for drivers. For example, ACC using longitudinal control methods may briefly accelerate towards stationary objects before decelerating suddenly. The unpleasant experience is particularly noticeable when the difference in speeds between the driver and another object are greater, such as when a driver is approaching a stopped vehicle at a traffic light. Further, accelerating briefly towards a stationary object is an unexpected response making drivers feel uncomfortable and does not conserve fuel.

[0034] As noted above, current ACC techniques generally provide an unpleasant experience. Current ACC techniques are also fuel efficient when approaching stationary vehicles. As such, improved systems and techniques that allow for a more pleasant and fuel-efficient deceleration towards stationary objects can be beneficial.

[0035] Systems, apparatuses, processes (also referred to as methods) , and computer-readable media (collectively referred to as “systems and techniques” ) are described herein for generating deceleration requests to decelerate vehicles. Deceleration requests refer to determined adjustments to an acceleration and velocity of an ego vehicle using the systems and techniques described herein. Deceleration requests can be converted to braking commands for or by an actuator (e.g., a mechanical apparatus for applying pressure to a brake pedal) of the ego vehicles. In some cases, the deceleration requests are provided as braking commands to the actuator, to an adaptive cruise control (ACC) system, and / or to another system of the ego vehicle used to decelerate the ego vehicle.

[0036] Various aspects relate generally to driving assistance. Some aspects more specifically relate to systems and techniques that provide solutions by determining when to use different deceleration techniques. The systems and techniques can further include performing the deceleration techniques. In one or more examples, the systems and techniques employ the usage of high-definition maps (e.g., navigation maps) , vehicle sensors, and / or vision-based methods to determine whether a vehicle should adjust deceleration techniques of the vehicle.

[0037] In one or more aspects, during operation of the systems and techniques for generating deceleration requests, a processor can determine a deceleration mode under which the ego vehicle should generate a deceleration request. The processor can determine the deceleration mode based on one or more images of a scene including a leading vehicle and a traffic light.

[0038] The processor can determine the deceleration mode to generate deceleration requests based on the one or more images of the scene. For example, the processor can generate deceleration requests using a first deceleration mode when a first set of conditions is met. The processor can generate deceleration requests using a second deceleration mode when a second set of conditions is met. Any number of deceleration modes can be used. The processor can select between deceleration modes based on various conditions including but not limited to a speed of the ego vehicle, movement of the leading vehicle (e.g., whether the leading vehicle is stationary or in motion) , traffic conditions, road type (e.g., whether the road is straight, curved, multiple lanes, etc. ) , traffic light timing (e.g., remaining period of time for a red light) , any combination thereof,  and / or other conditions. The processor can determine the various conditions from the one or more images of the scene, HD maps, online mapping systems, etc.

[0039] In one or more aspects, different deceleration modes can be performed using different controllers of the ego vehicle. In one such case, the processor can select a controller associated with a deceleration mode based on various conditions detected by the ego vehicle. The selected controller can generate the deceleration request. In further examples, the different deceleration modes can be performed using the same controller. In such an example, the controller can perform different processes (e.g., algorithms, loss functions, operations, etc. ) based on the deceleration mode.

[0040] In one or more aspects, the first deceleration mode can be performed using a model predictive control (MPC) controller. The MPC controller can use a cost function to optimize a deceleration request so that the vehicle decelerates more gently than traditional adaptive cruise control tools. For example, the MPC controller can use a cost function with the inputs representing a deceleration request and a velocity difference between an ego vehicle and a leading vehicle. The MPC controller can saturate the cost function to reduce output of the cost function to a minimum. The MPC controller can use the saturated cost function to generate deceleration requests to decelerate the vehicle. The deceleration requests can be used to decelerate the vehicle until a velocity difference between the ego vehicle and the leading vehicle is 0 (e.g., the ego vehicle comes to a stop. ) .

[0041] In one or more aspects, the second deceleration mode can be performed using a slide controller. The slide controller can receive the speed of an ego vehicle using an inertial measurement unit (IMU) , navigation components (e.g., a Global Positioning System (GPS) , etc. ) , or other sensors used to track speed of the ego vehicle. The slide controller can receive data associated with a leading vehicle position and speed. The slide controller can also receive updated slide mode tuning parameters associated with an adaptive cruise control (ACC) function.

[0042] The slide controller can calculate deceleration requests for various regions (e.g., catch-up, fallback, overshoot, and above catch-up) of the ACC function based on the distance between the leading vehicle and the host vehicle, and the difference in speed between the leading vehicle  and the ego vehicle. The slide controller can determine a factor associated with each region based on the calculated deceleration request. The slide controller can output deceleration requests calculated using the factor for regions of the ACC function.

[0043] Particular aspects of the subject matter described in this disclosure can be implemented to realize one or more of the following potential advantages. In one or more examples, the systems and techniques provide a benefit of enhancing driving safety by providing solutions that allow for a gentler deceleration of the vehicle when approaching a stationary leading vehicle. Additionally, this deceleration technique can be more predictable for other drivers on the road because it more closely resembles actions a human driver would take when approaching a stationary vehicle. In further examples, systems and techniques provide a benefit of providing deceleration techniques that are more fuel efficient than traditional ACC tools.

[0044] Additional aspects of the present disclosure are described in more detail below.

[0045] The systems and techniques described herein may be implemented by any type of system or device. One illustrative example of a system that can be used to implement the systems and techniques described herein is a vehicle (e.g., an autonomous or semi-autonomous vehicle) or a system or component (e.g., an ADAS or other system or component) of the vehicle. FIGS. 1A and 1B are diagrams illustrating an example vehicle 100 that may implement the systems and techniques described herein. With reference to FIGS. 1A and 1B, a vehicle 100 may include a control unit 140 and a plurality of sensors 102-138, including satellite geopositioning system receivers (e.g., sensors) 108, occupancy sensors 112, 116, 118, 126, 128, tire pressure sensors 114, 120, cameras 122, 136, microphones 124, 134, impact sensors 130, radar 132, and LIDAR 138. The plurality of sensors 102-138, disposed in or on the vehicle, may be used for various purposes, such as autonomous and semi-autonomous navigation and control, crash avoidance, position determination, etc., as well to provide sensor data regarding objects and people in or on the vehicle 100. The sensors 102-138 may include one or more of a wide variety of sensors capable of detecting a variety of information useful for navigation and collision avoidance. Each of the sensors 102-138 may be in wired or wireless communication with a control unit 140, as well as with each other. In particular, the sensors may include one or more cameras 122, 136 or other optical sensors or photo optic sensors. The sensors may further include other types of object  detection and ranging sensors, such as radar 132, LIDAR 138, IR sensors, and ultrasonic sensors. The sensors may further include tire pressure sensors 114, 120, humidity sensors, temperature sensors, satellite geopositioning sensors 108, accelerometers, vibration sensors, gyroscopes, gravimeters, impact sensors 130, force meters, stress meters, strain sensors, fluid sensors, chemical sensors, gas content analyzers, pH sensors, radiation sensors, Geiger counters, neutron detectors, biological material sensors, microphones 124, 134, occupancy sensors 112, 116, 118, 126, 128, proximity sensors, and other sensors.

[0046] The vehicle control unit 140 may be configured with processor-executable instructions to perform various aspects using information received from various sensors, particularly the cameras 122, 136, radar 132, and LIDAR 138. In some aspects, the control unit 140 may supplement the processing of camera images using distance and relative position information (e.g., relative bearing angle) that may be obtained from radar 132 and / or LIDAR 138 sensors. The control unit 140 may further be configured to control steering, breaking and speed of the vehicle 100 when operating in an autonomous or semi-autonomous mode using information regarding other vehicles determined using various aspects.

[0047] FIG. 1C is a component block diagram illustrating a system 150 of components and support systems suitable for implementing various aspects. With reference to FIGS. 1A, 1B, and 1C, a vehicle 100 may include a control unit 140, which may include various circuits and devices used to control the operation of the vehicle 100. In the example illustrated in FIG. 1C, the control unit 140 includes a processor 164, memory 166, an input module 168, an output module 170 and a radio module 172. The control unit 140 may be coupled to and configured to control drive control components 154, navigation components 156, and one or more sensors 158 of the vehicle 100.

[0048] The control unit 140 may include a processor 164 that may be configured with processor-executable instructions to control maneuvering, navigation, and / or other operations of the vehicle 100, including operations of various aspects. The processor 164 may be coupled to the memory 166. The control unit 140 may include the input module 168, the output module 170, and the radio module 172.

[0049] The radio module 172 may be configured for wireless communication. The radio module 172 may exchange signals 182 (e.g., command signals for controlling maneuvering, signals from navigation facilities, etc. ) with a network node 180, and may provide the signals 182 to the processor 164 and / or the navigation components 156. In some aspects, the radio module 172 may enable the vehicle 100 to communicate with a wireless communication device 190 through a wireless communication link 92. The wireless communication link 92 may be a bidirectional or unidirectional communication link and may use one or more communication protocols.

[0050] The input module 168 may receive sensor data from one or more vehicle sensors 158 as well as electronic signals from other components, including the drive control components 154 and the navigation components 156. The output module 170 may be used to communicate with or activate various components of the vehicle 100, including the drive control components 154, the navigation components 156, and the sensor (s) 158.

[0051] The control unit 140 may be coupled to the drive control components 154 to control physical elements of the vehicle 100 related to maneuvering and navigation of the vehicle, such as the engine, motors, throttles, steering elements, other control elements, braking or deceleration elements, and the like. The drive control components 154 may also include components that control other devices of the vehicle, including environmental controls (e.g., air conditioning and heating) , external and / or interior lighting, interior and / or exterior informational displays (which may include a display screen or other devices to display information) , safety devices (e.g., haptic devices, audible alarms, etc. ) , and other similar devices.

[0052] The control unit 140 may be coupled to the navigation components 156 and may receive data from the navigation components 156. The control unit 140 may be configured to use such data to determine the present position and orientation of the vehicle 100, as well as an appropriate course toward a destination. In various aspects, the navigation components 156 may include or be coupled to a global navigation satellite system (GNSS) receiver system (e.g., one or more Global Positioning System (GPS) receivers) enabling the vehicle 100 to determine its current position using GNSS signals. Alternatively, or in addition, the navigation components 156 may include radio navigation receivers for receiving navigation beacons or other signals from radio nodes, such as Wi-Fi access points, cellular network sites, radio station, remote computing devices,  other vehicles, etc. Through control of the drive control components 154, the processor 164 may control the vehicle 100 to navigate and maneuver. The processor 164 and / or the navigation components 156 may be configured to communicate with a server 184 on a network 186 (e.g., the Internet) using wireless signals 182 exchanged over a cellular data network via network node 180 to receive commands to control maneuvering, receive data useful in navigation, provide real-time position reports, and assess other data.

[0053] The control unit 140 may be coupled to one or more sensors 158. The sensor (s) 158 may include the sensors 102-138 as described, and can be configured to provide a variety of data to the processor 164.

[0054] While the control unit 140 is described as including separate components, in some aspects some or all of the components (e.g., the processor 164, the memory 166, the input module 168, the output module 170, and the radio module 172) may be integrated in a single device or module, such as a system-on-chip (SOC) processing device. Such an SOC processing device may be configured for use in vehicles and be configured, such as with processor-executable instructions executing in the processor 164, to perform operations of various aspects when installed into a vehicle.

[0055] FIG. 1D illustrates an example implementation of a system-on-a-chip (SOC) 105, which may include a central processing unit (CPU) 110 or a multi-core CPU, configured to perform one or more of the functions described herein. In some cases, the SOC 105 may be based on an ARM instruction set. In some cases, CPU 110 may be similar to processor 164. Parameters or variables (e.g., neural signals and synaptic weights) , system parameters associated with a computational device (e.g., neural network with weights) , delays, frequency bin information, task information, among other information may be stored in a memory block associated with a neural processing unit (NPU) 125, in a memory block associated with a CPU 110, in a memory block associated with a graphics processing unit (GPU) 115, in a memory block associated with a digital signal processor (DSP) 106, in a memory block 185, and / or may be distributed across multiple blocks. Instructions executed at the CPU 110 may be loaded from a program memory associated with the CPU 110 or may be loaded from a memory block 185.

[0056] The SOC 105 may also include additional processing blocks tailored to specific functions, such as a GPU 115, a DSP 106, a connectivity block 135, which may include fifth generation (5G) connectivity, fourth generation long term evolution (4G LTE) connectivity, Wi-Fi connectivity, USB connectivity, Bluetooth connectivity, and the like, and a multimedia processor 145 that may, for example, detect and recognize gestures. In one implementation, the NPU is implemented in the CPU 110, DSP 106, and / or GPU 115. The SOC 105 may also include a sensor processor 155, image signal processors (ISPs) 175, and / or navigation module 195, which may include a global positioning system. In some cases, the navigation module 195 may be similar to navigation components 156 and sensor processor 155 may accept input from, for example, one or more sensors 158. In some cases, the connectivity block 135 may be similar to the radio module 172.

[0057] FIG. 2 is a block diagram illustrating an architecture of an image capture and processing system 200. The image capture and processing system 200 includes various components that are used to capture and process images of scenes (e.g., an image of a scene 210) . The image capture and processing system 200 can capture standalone images (or photographs) and / or can capture videos that include multiple images (or video frames) in a particular sequence. A lens 215 of the system 200 faces a scene 210 and receives light from the scene 210. The lens 215 bends the light toward the image sensor 230. The light received by the lens 215 passes through an aperture controlled by one or more control mechanisms 220 and is received by an image sensor 230.

[0058] The one or more control mechanisms 220 may control exposure, focus, and / or zoom based on information from the image sensor 230 and / or based on information from the image processor 250. The one or more control mechanisms 220 may include multiple mechanisms and components; for instance, the control mechanisms 220 may include one or more exposure control mechanisms 225A, one or more focus control mechanisms 225B, and / or one or more zoom control mechanisms 225C. The one or more control mechanisms 220 may also include additional control mechanisms besides those that are illustrated, such as control mechanisms controlling analog gain, flash, HDR, depth of field, and / or other image capture properties.

[0059] The focus control mechanism 225B of the control mechanisms 220 can obtain a focus setting. In some examples, focus control mechanism 225B store the focus setting in a memory  register. Based on the focus setting, the focus control mechanism 225B can adjust the position of the lens 215 relative to the position of the image sensor 230. For example, based on the focus setting, the focus control mechanism 225B can move the lens 215 closer to the image sensor 230 or farther from the image sensor 230 by actuating a motor or servo, thereby adjusting focus. In some cases, additional lenses may be included in the system 200, such as one or more microlenses over each photodiode of the image sensor 230, which each bend the light received from the lens 215 toward the corresponding photodiode before the light reaches the photodiode. The focus setting may be determined via contrast detection autofocus (CDAF) , phase detection autofocus (PDAF) , or some combination thereof. The focus setting may be determined using the control mechanism 220, the image sensor 230, and / or the image processor 250. The focus setting may be referred to as an image capture setting and / or an image processing setting.

[0060] The exposure control mechanism 225A of the control mechanisms 220 can obtain an exposure setting. In some cases, the exposure control mechanism 225A stores the exposure setting in a memory register. Based on this exposure setting, the exposure control mechanism 225A can control a size of the aperture (e.g., aperture size or f / stop) , a duration of time for which the aperture is open (e.g., exposure time or shutter speed) , a sensitivity of the image sensor 230 (e.g., ISO speed or film speed) , analog gain applied by the image sensor 230, or any combination thereof. The exposure setting may be referred to as an image capture setting and / or an image processing setting.

[0061] The zoom control mechanism 225C of the control mechanisms 220 can obtain a zoom setting. In some examples, the zoom control mechanism 225C stores the zoom setting in a memory register. Based on the zoom setting, the zoom control mechanism 225C can control a focal length of an assembly of lens elements (lens assembly) that includes the lens 215 and one or more additional lenses. For example, the zoom control mechanism 225C can control the focal length of the lens assembly by actuating one or more motors or servos to move one or more of the lenses relative to one another. The zoom setting may be referred to as an image capture setting and / or an image processing setting. In some examples, the lens assembly may include a parfocal zoom lens or a varifocal zoom lens. In some examples, the lens assembly may include a focusing lens (which can be lens 215 in some cases) that receives the light from the scene 210 first, with the light then passing through an afocal zoom system between the focusing lens (e.g., lens 215) and the image  sensor 230 before the light reaches the image sensor 230. The afocal zoom system may, in some cases, include two positive (e.g., converging, convex) lenses of equal or similar focal length (e.g., within a threshold difference) with a negative (e.g., diverging, concave) lens between them. In some cases, the zoom control mechanism 225C moves one or more of the lenses in the afocal zoom system, such as the negative lens and one or both of the positive lenses.

[0062] The image sensor 230 includes one or more arrays of photodiodes or other photosensitive elements. Each photodiode measures an amount of light that eventually corresponds to a particular pixel in the image produced by the image sensor 230. In some cases, different photodiodes may be covered by different color filters, and may thus measure light matching the color of the filter covering the photodiode. For instance, Bayer color filters include red color filters, blue color filters, and green color filters, with each pixel of the image generated based on red light data from at least one photodiode covered in a red color filter, blue light data from at least one photodiode covered in a blue color filter, and green light data from at least one photodiode covered in a green color filter. Other types of color filters may use yellow, magenta, and / or cyan (also referred to as “emerald” ) color filters instead of or in addition to red, blue, and / or green color filters. Some image sensors may lack color filters altogether, and may instead use different photodiodes throughout the pixel array (in some cases vertically stacked) . The different photodiodes throughout the pixel array can have different spectral sensitivity curves, therefore responding to different wavelengths of light. Monochrome image sensors may also lack color filters and therefore lack color depth.

[0063] In some cases, the image sensor 230 may alternately or additionally include opaque and / or reflective masks that block light from reaching certain photodiodes, or portions of certain photodiodes, at certain times and / or from certain angles, which may be used for phase detection autofocus (PDAF) . The image sensor 230 may also include an analog gain amplifier to amplify the analog signals output by the photodiodes and / or an analog to digital converter (ADC) to convert the analog signals output of the photodiodes (and / or amplified by the analog gain amplifier) into digital signals. In some cases, certain components or functions discussed with respect to one or more of the control mechanisms 220 may be included instead or additionally in the image sensor 230. The image sensor 230 may be a charge-coupled device (CCD) sensor, an electron-multiplying  CCD (EMCCD) sensor, an active-pixel sensor (APS) , a complimentary metal-oxide semiconductor (CMOS) , an N-type metal-oxide semiconductor (NMOS) , a hybrid CCD / CMOS sensor (e.g., sCMOS) , or some other combination thereof.

[0064] The image processor 250 may include one or more processors, such as one or more image signal processors (ISPs) (including ISP 254) , one or more host processors (including host processor 252) , and / or one or more of any other type of processor 910 discussed with respect to the computing system 900. The host processor 252 can be a digital signal processor (DSP) and / or other type of processor. In some implementations, the image processor 250 is a single integrated circuit or chip (e.g., referred to as a system-on-chip or SoC) that includes the host processor 252 and the ISP 254. In some cases, the chip can also include one or more input / output ports (e.g., input / output (I / O) ports 256) , central processing units (CPUs) , graphics processing units (GPUs) , broadband modems (e.g., 3G, 4G or LTE, 5G, etc. ) , memory, connectivity components (e.g., BluetoothTM, Global Positioning System (GPS) , etc. ) , any combination thereof, and / or other components. The I / O ports 256 can include any suitable input / output ports or interface according to one or more protocol or specification, such as an Inter-Integrated Circuit 2 (I2C) interface, an Inter-Integrated Circuit 3 (I3C) interface, a Serial Peripheral Interface (SPI) interface, a serial General Purpose Input / Output (GPIO) interface, a Mobile Industry Processor Interface (MIPI) (such as a MIPI CSI-2 physical (PHY) layer port or interface, an Advanced High-performance Bus (AHB) bus, any combination thereof, and / or other input / output port. In one illustrative example, the host processor 252 can communicate with the image sensor 230 using an I2C port, and the ISP 254 can communicate with the image sensor 230 using an MIPI port.

[0065] The image processor 250 may perform a number of tasks, such as de-mosaicing, color space conversion, image frame downsampling, pixel interpolation, automatic exposure (AE) control, automatic gain control (AGC) , CDAF, PDAF, automatic white balance, merging of image frames to form an HDR image, image recognition, object recognition, feature recognition, receipt of inputs, managing outputs, managing memory, or some combination thereof. The image processor 250 may store image frames and / or processed images in random access memory (RAM) 240 / 925, read-only memory (ROM) 245 / 920, a cache 912, a memory unit (e.g., system memory 915) , another storage device 930, or some combination thereof.

[0066] Various input / output (I / O) devices 260 may be connected to the image processor 250. The I / O devices 260 can include a display screen, a keyboard, a keypad, a touchscreen, a trackpad, a touch-sensitive surface, a printer, any other output devices 935, any other input devices 945, or some combination thereof. In some cases, a caption may be input into the image processing device 205B through a physical keyboard or keypad of the I / O devices 260, or through a virtual keyboard or keypad of a touchscreen of the I / O devices 260. The I / O 260 may include one or more ports, jacks, or other connectors that enable a wired connection between the system 200 and one or more peripheral devices, over which the system 200 may receive data from the one or more peripheral device and / or transmit data to the one or more peripheral devices. The I / O 260 may include one or more wireless transceivers that enable a wireless connection between the system 200 and one or more peripheral devices, over which the system 200 may receive data from the one or more peripheral device and / or transmit data to the one or more peripheral devices. The peripheral devices may include any of the previously-discussed types of I / O devices 260 and may themselves be considered I / O devices 260 once they are coupled to the ports, jacks, wireless transceivers, or other wired and / or wireless connectors.

[0067] In some cases, the image capture and processing system 200 may be a single device. In some cases, the image capture and processing system 200 may be two or more separate devices, including an image capture device 205A (e.g., a camera) and an image processing device 205B (e.g., a computing device coupled to the camera) . In some implementations, the image capture device 205A and the image processing device 205B may be coupled together, for example via one or more wires, cables, or other electrical connectors, and / or wirelessly via one or more wireless transceivers. In some implementations, the image capture device 205A and the image processing device 205B may be disconnected from one another.

[0068] As shown in FIG. 2, a vertical dashed line divides the image capture and processing system 200 of FIG. 2 into two portions that represent the image capture device 205A and the image processing device 205B, respectively. The image capture device 205A includes the lens 215, control mechanisms 220, and the image sensor 230. The image processing device 205B includes the image processor 250 (including the ISP 254 and the host processor 252) , the RAM 240, the ROM 245, and the I / O 260. In some cases, certain components illustrated in the image capture  device 205A, such as the ISP 254 and / or the host processor 252, may be included in the image capture device 205A.

[0069] The image capture and processing system 200 can include an electronic device, such as a mobile or stationary telephone handset (e.g., smartphone, cellular telephone, or the like) , a desktop computer, a laptop or notebook computer, a tablet computer, a set-top box, a television, a camera, a display device, a digital media player, a video gaming console, a video streaming device, an Internet Protocol (IP) camera, or any other suitable electronic device. In some examples, the image capture and processing system 200 can include one or more wireless transceivers for wireless communications, such as cellular network communications, 802.11 wi-fi communications, wireless local area network (WLAN) communications, or some combination thereof. In some implementations, the image capture device 205A and the image processing device 205B can be different devices. For instance, the image capture device 205A can include a camera device and the image processing device 205B can include a computing device, such as a mobile handset, a desktop computer, or other computing device.

[0070] While the image capture and processing system 200 is shown to include certain components, one of ordinary skill will appreciate that the image capture and processing system 200 can include more components than those shown in FIG. 2. The components of the image capture and processing system 200 can include software, hardware, or one or more combinations of software and hardware. For example, in some implementations, the components of the image capture and processing system 200 can include and / or can be implemented using electronic circuits or other electronic hardware, which can include one or more programmable electronic circuits (e.g., microprocessors, GPUs, DSPs, CPUs, and / or other suitable electronic circuits) , and / or can include and / or be implemented using computer software, firmware, or any combination thereof, to perform the various operations described herein. The software and / or firmware can include one or more instructions stored on a computer-readable storage medium and executable by one or more processors of the electronic device implementing the image capture and processing system 200.

[0071] The host processor 252 can configure the image sensor 230 with new parameter settings (e.g., via an external control interface such as I2C, I3C, SPI, GPIO, and / or other interface) . In one illustrative example, the host processor 252 can update exposure settings used by the image sensor  230 based on internal processing results of an exposure control algorithm from past image frames. The host processor 252 can also dynamically configure the parameter settings of the internal pipelines or modules of the ISP 254 to match the settings of one or more input image frames from the image sensor 230 so that the image data is correctly processed by the ISP 254. Processing (or pipeline) blocks or modules of the ISP 254 can include modules for lens (or sensor) noise correction, de-mosaicing, color conversion, correction or enhancement / suppression of image attributes, denoising filters, sharpening filters, among others. Each module of the ISP 254 may include a large number of tunable parameter settings. Additionally, modules may be co-dependent as different modules may affect similar aspects of an image. For example, denoising and texture correction or enhancement may both affect high frequency aspects of an image. As a result, a large number of parameters are used by an ISP to generate a final image from a captured raw image.

[0072] In some cases, the image sensor 230 can support dynamic switching between different operational modes that the image sensor 230 supports. Examples of the different operation modes include power off mode, software standby mode, stream on and off mode, among others. For instance, in stream operation mode, the image sensor is fully powered. With the stream operation on, the image sensor starts streaming image data (e.g., on the CSI-2 PHY layer port or interface) . With the stream operation off, the image sensor stops streaming image data. In some cases, the host processor 252 can perform a dynamic parameter reconfiguration process that allows the image sensor 230 to support dynamic switching between the different operational modes without going through stream on and off and / or software standby procedures. Dynamic parameter reconfiguration refers to a process performed by the host processor 252 (e.g., an AP or other processor) to configure and update sensor internal register settings on-the-fly (e.g., as the operational modes change) without powering off the image sensor 230 and then powering on or putting the image sensor 230 into a software standby mode. Software standby mode refers to an operational mode of the image sensor 230 where the image sensor 230 is powered on and the camera control interface (CCI) communication is operational, but the image sensor 230 cannot capture and stream image data (e.g., on the CSI bus) .

[0073] Such dynamic switching can reduce latency of mode switching processing and can improve user experience. Examples of the image sensor 230 dynamically switching between  different operational modes include switching between turning high dynamic range (HDR) on and off, switching between a different number of exposures, switching between turning binning on and off (e.g., generating a 12 megapixel (MP) image using a 2x2 Quad Color Filter Array (QCFA) when binning is on and generating a 48 MP image by remosaicing the QCFA to a Bayer color filter array (CFA) when binning is off) , among others.

[0074] Switching between operational modes (referred to as mode-switching scenarios) is different than changing image capture settings (referred to as non-mode-switching scenarios) . For example, modifying image capture settings (e.g., exposure, focus, etc. ) can result in a modification of how an image is captured and / or processed by the image sensor 230 and / or the ISP 254 (e.g., resulting in a brighter image, an image with a particular object in focus, etc. ) . However, if a setting of the image sensor 230 is incorrect or the image sensor 230 and / or ISP 254 are late in applying a setting in a non-mode-switching scenario, the result will be that a captured image is captured and / or processed with slight loss of quality in the processed image (e.g., without the intended settings, such as the image being slightly darker than intended, with an object slightly more out of focus than intended, etc. ) . However, when switching between operational modes in a mode-switching scenario (e.g., from HDR off to HDR on) , applying the incorrect settings can result in a system failure, such as system hang or freeze, which can require a hardware reset of the ISP 254 and / or other components of the image capture and processing system 200. For instance, if the ISP 254 is unaware of the correct settings of an image frame produced by the image sensor 230 and mistakenly applies erroneous settings or parameters on that image frame for internal pipeline processing, the ISP 254 may freeze and require a hardware reset. As a result, instead of outputting an image frame with reduced quality, the image capture and processing system 200 may have to temporarily shut down and restart (e.g., the display screen may show a blank screen while the system 200 resets) .

[0075] As previously mentioned, increasingly, systems and devices (e.g., autonomous vehicles, such as autonomous and semi-autonomous cars, drones, mobile robots, mobile devices, XR devices, and other suitable systems or devices) include multiple sensors to gather information about the environment, as well as processing systems to process the information gathered (e.g., such as for route planning, navigation, collision avoidance, etc. ) . One example of such a system is  an ADAS for a vehicle. Sensor data, such as images, captured from one or more image sensors of cameras, can be gathered, transformed, and analyzed for enhancing driving safety.

[0076] FIG. 3 is a diagram illustrating an example scenario of a vehicle approaching a traffic light. In particular, FIG. 3 is a diagram illustrating an example scenario 300 of an ego vehicle 310 driving towards a leading vehicle 340 stopped at a traffic light 320. In FIG. 3, the ego vehicle 310 is shown to be driving (e.g., in a direction of arrow 350) along a road 330 (e.g., a highway) at a particular speed (e.g., 50 kilometers per hour (kph) ) . In this example scenario 300, the ego vehicle 310 will need to accurately determine which deceleration mode to use to generate deceleration requests to stop the ego vehicle 310 at point 355. By way of non-limiting example, the ego vehicle 310 can select a first deceleration mode when a variety of conditions are met. One such condition can include whether leading vehicle 340 is in motion. The ego vehicle 310 can use various vision-based techniques and sensors, further described in the description of FIGs. 1A-1D and FIG. 2, to determine whether the leading vehicle 340 is stationary or in motion. Another condition can include traffic light 320 timing. For example, the ego vehicle 310 may communicate with external traffic systems and services (e.g., navigation components, HD maps, or the traffic light 320) to receive traffic light timing information. By way of example, the condition can include whether the traffic light will remain red for a preset threshold period of time, such as the next five or more seconds. In further examples, the amount of time the traffic light must remain red to fulfill the condition can be variable based on the speed of the ego vehicle 310. Another condition can include whether the ego vehicle 310 is traveling at a speed above preset minimum. For example, the condition can be that the ego vehicle 310 must be traveling at over ten kilometers per hour to trigger generation of deceleration requests under the first deceleration mode. The ego vehicle 310 can determine the deceleration mode based on whether the aforementioned conditions are met. By way of non-limiting example, the ego vehicle 310 can select the deceleration mode based on whether each of the conditions are fulfilled. Further, in some examples, the ego vehicle 310 can select the controller to use to generate deceleration requests based on the deceleration mode (e.g., an MPC controller or a slide controller) .

[0077] The adaptive cruise control (ACC) solutions noted above generally use deceleration (e.g., braking) techniques that are unpleasant for drivers when approaching stopped vehicles. The  ACC solutions are also not fuel-efficient either, because they accelerate a vehicle before decelerating sharply. Therefore, improved systems and techniques that allow for improved deceleration can be useful.

[0078] FIG. 4 is a diagram illustrating an example scenario of a vehicle approaching a traffic light in traffic in accordance with some aspects of the disclosure. In particular, FIG. 4 is a diagram illustrating an example scenario 400 of an ego vehicle 410 driving towards a leading vehicle 440 stopped at a traffic light 420. The example scenario 400 includes traffic, demonstrated by additional vehicle 450. In some examples, the additional vehicle 450 can be a plurality of vehicles in lanes adjacent to ego vehicle 410 on road 430. In this example scenario 400, the ego vehicle 410 will need to determine a deceleration mode (e.g., further described in the description of FIG. 5, FIG. 6, and FIG. 7) to use to generate deceleration requests to stop the ego vehicle 410 at point 455. As mentioned in the description of FIG. 3, the ego vehicle 410 can select a first deceleration mode when a variety of conditions are met. One such condition can include whether there are one or more additional vehicles 450 in a lane adjacent to the ego vehicle 410. In some examples, the condition can include whether the one or more additional vehicles 450 are in motion and are in an adjacent lane ahead of the ego vehicle 410. In such an example, the condition can require that there are not any additional vehicles 450 detected in a lane adjacent to the ego vehicle 410. The ego vehicle 410 can use vision-based systems and techniques to determine road type. For example, the ego vehicle 410 can use vision-based systems and techniques to identify adjacent lanes, such as by identifying lines on the road indicating lanes (e.g., a broken white line, etc. ) . The ego vehicle 410 can use vision-based systems and techniques to identify additional vehicles 450 in the adjacent lanes. The ego vehicle 410 can use vision-based systems and techniques to determine the additional vehicles 450 position relative to the ego vehicle 410. Another such condition can include whether road 430 includes a turn. For example, the condition can include whether the road 430 includes a curve over a preset number of degrees. In another example, the condition can include whether the road 430 includes any turns between the leading vehicle 440 and the ego vehicle 410. By way of a non-limiting

[0079] FIG. 5 is a flow diagram illustrating an example of process 500 for generating a deceleration request using a slide mode controller, in accordance with some aspects of the  disclosure. At block 502, a slide mode controller receives data associated with the detected ego vehicle speed, leading vehicle position, and leading vehicle speed. In further examples, the slide mode controller can determine the ego vehicle speed, leading vehicle position, and leading vehicle speed using a processor such as the processor 164 of control unit 140 from FIG. 1C. For example, the slide mode controller can use a processor (e.g., the processor 164 of FIG. 1C, a processor within the SOC 105 of FIG. 1D, a processor within the image capture and processing system 200 of FIG. 2, and / or a processor 910 of FIG. 9) which can detect (e.g., a traffic light, vehicles, and other conditions) from computer vision (e.g., based on one or more images of a scene including the traffic sign) . At block 502, the processor can further determine, based on the one or more images, the speed of a leading vehicle and the position of the leading vehicle. The processor can further determine ego vehicle speed. In some examples, the slide mode controller can receive information associated with the speed of the ego vehicle from an inertial measurement unit (IMU) .

[0080] At block 504, the processor can determine regions of a sliding surface of the slide mode controller. The processor can calculate deceleration requests associated with the regions. For example, the processor can calculate deceleration requests for various regions of a sliding surface of a slide mode controller. The processor can calculate deceleration requests for regions of the sliding surface such as a catch-up region, above catch-up region, fallback region, and overshoot region of the sliding surface.

[0081] By way of a non-limiting example, the sliding surface can be represented by stability equation: σ (x) =α1*x1+α2*x22=0 with α1 and α2 being slide mode tuning parameters, x1representing a distance from the ego vehicle to the leading vehicle, x2 representing a speed difference between the ego vehicle and the leading vehicle, and σ (x) representing an equilibrium point. By way of a non-limiting example, the stability equation is a Lyapunov stability function. Therefore,  because the derivative of distance with respect to time is velocity (e.g., x2) . Acceleration can be represented by because the derivative of velocity with respect to time is acceleration. Therefore

[0082] The slide mode controller uses the stability function to determine the stability of the controls for equilibrium point σ (x) . With the sliding surface defined using the stability function, the slide mode controller can determine the regions of the sliding surface relative to the sliding  surface. The slide mode controller can calculate deceleration requests (e.g., slide mode outputs) associated with the regions.

[0083] At block 506, the slide mode controller can calculate a factor for the regions and apply the factor to the deceleration request. The different regions of the sliding surface can have different factors, which when applied to the deceleration requests calculated for the different regions, can adjust the deceleration requests calculated for the regions. For example, tuning parameters α1 and α2 can be adjusted using factors based on the region. The tuning parameters can be adjusted to smooth transitions between regions. In one example, factor “a” can be applied to tuning parameters of a region to smooth transitions between regions (e.g., a blender calculation) . In one such example, the tuning parameters of a first region (e.g., “region1” ) and a second region (e.g., “region2” ) can be adjusted using factor “a” to represent: a*region1 parameters + (1-a) *region2 parameters, where when a deceleration request is within a predetermined distance to region1, then a=1, and when the deceleration request is close to region 2, a=0 .

[0084] At block 508, the slide mode controller can select a deceleration request associated with a region as the output based on the applied factors to the deceleration requests.

[0085] FIG. 6 is a flow diagram illustrating an example of generating a deceleration request using a model predictive control (MPC) controller, in accordance with some aspects of the disclosure. At block 602, the MPC controller receives data associated with the velocity of the ego vehicle (e.g., ego vehicle 310, 410 from FIG. 3 and FIG. 4) and data associated with the velocity of the leading vehicle (e.g., leading vehicle 340, 440 from FIG. 3 and FIG. 4) . In further examples, the MPC controller can determine the ego vehicle velocity and the leading vehicle velocity using a processor such as the processor 164 of control unit 140 from FIG. 1C. For example, the MPC controller can use a processor (e.g., the processor 164 of FIG. 1C, a processor within the SOC 105 of FIG. 1D, a processor within the image capture and processing system 200 of FIG. 2, and / or a processor 910 of FIG. 9) which can detect (e.g., a traffic light, vehicles, and other conditions) from computer vision (e.g., based on one or more images of a scene including the traffic sign) . At block 502, the processor can further determine, based on the one or more images, the velocity of the leading vehicle and the velocity of the ego vehicle. In some examples, the MPC controller can  receive information associated with the velocity of the ego vehicle from an inertial measurement unit (IMU) .

[0086] At block 604, the MPC controller calculates a velocity difference between the ego vehicle and the leading vehicle. For example, the MPC controller can use a processor such as processor 164 of control unit 140 from FIG. 1C, to calculate the velocity difference. In further examples, the MPC controller can receive the velocity difference at block 602.

[0087] At block 606, the MPC controller generates a deceleration request based on the difference in velocities between the ego vehicle and the leading vehicle. The MPC controller can generate the deceleration request using a cost function. For example, the cost function can be:  where ek represents a vector including the difference in velocity between the ego vehicle and the leading vehicle at time step k. Q, R, and S represent weighting matrices on the state and control inputs. Element represents the transposed vector of ek. Element eN represents the final state of ek at the end of a time horizon of the cost function. Element uk represents a deceleration request at time step k. The deceleration request can be a rate at which the MPC controller requests the vehicle to decelerate (e.g., a value in miles per hour squared mph2, etc. ) . In some examples, the deceleration request can be a value associated with controlling an actuator.

[0088] The MPC controller can saturate J of the cost function to reduce the cost function to a minimum. The MPC controller can use the saturated cost function to generate deceleration requests to decelerate the vehicle. For example, the MPC controller can use a maximum threshold of 0 to saturate the cost function when the deceleration request is a positive value. The MPC controller can set collision avoidance constraints on the velocity of the ego vehicle by setting with x being a minimum safety distance from host to target. Further,  represents a collision constraint to confirm the velocity of the ego vehicle is toward the leading vehicle. The MPC controller can set further constraints on inputs to the cost function, including setting limits on deceleration requests of the ego vehicle. For example, the MPC controller can set a minimum deceleration request value and maximum deceleration request value.

[0089] The MPC controller can set additional conditions including where R is the position of the ego vehicle and SIVD is the position of the leading vehicle.  represents the velocity of the leading vehicle and represents the acceleration of the leading vehicle.

[0090] FIG. 7 is a flow diagram illustrating an example process 700 for determining which controller to use to generate a deceleration request, in accordance with some aspects of the disclosure. The process 700 can be performed by a computing device (e.g., SOC 105 of FIG. 1D and / or a computing device or computing system 900 of FIG. 9) or by a component or system (e.g., a chipset, one or more processors central processing units (CPUs) , digital signal processors (DSPs) , graphics processing units (GPUs) , any combination thereof, and / or other type of processor (s) , or other component or system) of the computing device. The operations of the process 700 may be implemented as software components that are executed and run on one or more processors (e.g., processor 910 of FIG. 9 or other processor (s) ) . Further, the transmission and reception of signals by the computing device in the process 700 may be enabled, for example, by one or more antennas and / or one or more transceivers (e.g., wireless transceiver (s)) .

[0091] At block 702, the computing device (or component thereof) can determine various information associated with the ego vehicle and the surroundings of the ego vehicle. For example, the computing device can determine the speed of the ego vehicle, the speed of the leading vehicle speed, road type (e.g., whether the road is straight, surrounding traffic, etc. ) , and traffic light timing (e.g., how long the traffic light will continue to display its current color / state) .

[0092] At block 704, the computing device (or component thereof) can compare the conditions of the ego vehicle and the surroundings of the ego vehicle to preset conditions to determine which deceleration mode to use to generate deceleration requests. When each of the conditions of block 704 are met, the computing device (or component thereof) can proceed to block 706. When one or more of the conditions of block 704 are not met, the computing device (or component thereof) can proceed to block 708.

[0093] Conditions represented in block 704 includes: whether a traffic light being approached by the ego vehicle will remain displaying a stop condition (e.g., red light) for greater than (e.g., exceeds) a preset threshold period of time (e.g., five seconds) , whether there is a leading vehicle stationary in front of the ego vehicle, and whether preset road and traffic conditions are met. The road conditions can include whether the portion of the road between the ego vehicle and the leading vehicle is an approved road type. For example, approved road types can include straight roads (e.g., roads having a straight portion between the ego vehicle and the leading vehicle) . In some examples, roads with a turn (e.g., a curve above a threshold number of degrees, a turn lane, an outlet, etc. ) between the position of the ego vehicle and the position of the leading vehicle are unapproved road types. In further examples, roads above a threshold grade between the ego vehicle and the leading vehicle are unapproved road types. In one example, an unapproved road type can include a road with a turn lane. In further examples, an unapproved road type can include a road which curves above a predetermined threshold of degrees between the ego vehicle and the leading vehicle. Traffic conditions can include whether there are additional vehicles in lanes adjacent to the ego vehicle. For example, the traffic condition can require that there not be any additional vehicles detected in front of the ego vehicle in an adjacent lane. When each of these conditions are met, the computing device (or component thereof) can proceed to block 706. When one or more of these conditions is not met, the computing device (or component thereof) can proceed to block 708.

[0094] At block 706, the computing device (or component thereof) can generate deceleration requests using a first deceleration mode. In some examples, the computing device (or component thereof) , can provide instructions to a controller to generate deceleration requests. The first deceleration mode can include generating deceleration request using an MPC controller, as further described in the description of FIG. 6.

[0095] At block 708, the computing device (or component thereof) can generate deceleration requests using a second deceleration mode. In some examples, the computing device (or component thereof) , can provide instructions to a controller to generate deceleration requests. The second deceleration mode can include generating deceleration request using a slide mode controller, as further described in the description of FIG. 5.

[0096] At block 710, the computing device (or component thereof) can output the deceleration requests generated at block 706 or block 708. In some examples, the computing device (or component thereof) can output the deceleration request to an actuator to apply pressure to the brakes of the ego vehicle.

[0097] FIG. 8 is a flow diagram illustrating an example of a process 800 for driving assistance. The process 800 can be performed by a computing device (e.g., SOC 105 of FIG. 1D and / or a computing device or computing system 900 of FIG. 9) or by a component or system (e.g., a chipset, one or more processors central processing units (CPUs) , digital signal processors (DSPs) , graphics processing units (GPUs) , any combination thereof, and / or other type of processor (s) , or other component or system) of the computing device. The operations of the process 800 can be implemented as software components that are executed and run on one or more processors (e.g., processor 910 of FIG. 9 or other processor (s) ) . Further, the transmission and reception of signals by the computing device in the process 800 can be enabled, for example, by one or more antennas and / or one or more transceivers (e.g., wireless transceiver (s)) .

[0098] At block 802, the computing device (or component thereof) can determine that a vehicle is positioned on a road relative to a traffic light. The computing device can determine a position of the vehicle using various vision-based techniques and sensors, such as the vision-based techniques further described in the description of FIGs. 1A-1D and FIG. 2. For example, the computing device can determine the position based on one or more images of a scene including the vehicle and the traffic light indicating a stop condition (e.g., a red light) . In some examples, the computing device can determine that the vehicle is positioned on a road relative to the traffic light using various other sensors, such as a ranging sensor (e.g., radar, LIDAR, etc. ) and a map indicating locations of traffic lights and traffic light conditions (e.g., red, yellow, green) .

[0099] At block 804, the computing device (or component thereof) can determine a remaining period of time for the stop condition of the traffic light. In some examples, the computing device (or component thereof) can receive information from the traffic light indicating a remaining period of time for the stop condition. In further examples, the computing device (or component thereof) can receive information from a map (e.g., an HD map) or an application receiving traffic light timing information.

[0100] At block 806, the computing device (or component thereof) generates a deceleration request based on a first deceleration mode or a second deceleration mode. The computing device (or component thereof) generates the deceleration request using one of the first deceleration mode or the second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

[0101] For example, at block 808, the vehicle is stationary at the traffic light and the remaining period of time for the stop condition exceeds a threshold period of time (e.g., 5 seconds) . When these conditions are met, the computing device (or component thereof) can generate the deceleration request based on the first deceleration mode. In some examples, the computing device can generate the deceleration request using an MPC controller, such as the MPC controller described in the description of FIG. 6.

[0102] At block 810, the computing device (or component thereof) generates the deceleration request based on the second deceleration mode based on at least one of: the vehicle being in motion, and the remaining period of time for the stop condition being below a preset threshold period of time (e.g., 5 seconds) . In some examples, the computing device generates the deceleration request using a sliding controller, such as the sliding controller described in the description of FIG. 5.

[0103] FIG. 9 is a block diagram illustrating an example of a computing system 900, which can be employed for generating deceleration requests. In particular, FIG. 9 illustrates an example of computing system 900, which can be for example any computing device making up internal computing system, a remote computing system, a camera, or any component thereof in which the components of the system are in communication with each other using connection 905. Connection 905 can be a physical connection using a bus, or a direct connection into processor 910, such as in a chipset architecture. Connection 905 can also be a virtual connection, networked connection, or logical connection.

[0104] In some aspects, computing system 900 is a distributed system in which the functions described in this disclosure can be distributed within a datacenter, multiple data centers, a peer network, etc. In some aspects, one or more of the described system components represents many  such components each performing some or all of the function for which the component is described. In some aspects, the components can be physical or virtual devices.

[0105] Example system 900 includes at least one processing unit (CPU or processor) 910 and connection 905 that communicatively couples various system components including system memory 915, such as read-only memory (ROM) 920 and random access memory (RAM) 925 to processor 910. Computing system 900 can include a cache 912 of high-speed memory connected directly with, in close proximity to, or integrated as part of processor 910.

[0106] Processor 910 can include any general purpose processor and a hardware service or software service, such as services 932, 934, and 936 stored in storage device 930, configured to control processor 910 as well as a special-purpose processor where software instructions are incorporated into the actual processor design. Processor 910 may essentially be a completely self-contained computing system, containing multiple cores or processors, a bus, memory controller, cache, etc. A multi-core processor may be symmetric or asymmetric.

[0107] To enable user interaction, computing system 900 includes an input device 945, which can represent any number of input mechanisms, such as a microphone for speech, a touch-sensitive screen for gesture or graphical input, keyboard, mouse, motion input, speech, etc. Computing system 900 can also include output device 935, which can be one or more of a number of output mechanisms. In some instances, multimodal systems can enable a user to provide multiple types of input / output to communicate with computing system 900.

[0108] Computing system 900 can include communications interface 940, which can generally govern and manage the user input and system output. The communication interface may perform or facilitate receipt and / or transmission wired or wireless communications using wired and / or wireless transceivers, including those making use of an audio jack / plug, a microphone jack / plug, a universal serial bus (USB) port / plug, an AppleTM LightningTM port / plug, an Ethernet port / plug, a fiber optic port / plug, a proprietary wired port / plug, 3G, 4G, 5G and / or other cellular data network wireless signal transfer, a BluetoothTM wireless signal transfer, a BluetoothTM low energy (BLE) wireless signal transfer, an IBEACONTM wireless signal transfer, a radio-frequency identification (RFID) wireless signal transfer, near-field communications (NFC) wireless signal transfer,  dedicated short range communication (DSRC) wireless signal transfer, 802.11 Wi-Fi wireless signal transfer, wireless local area network (WLAN) signal transfer, Visible Light Communication (VLC) , Worldwide Interoperability for Microwave Access (WiMAX) , Infrared (IR) communication wireless signal transfer, Public Switched Telephone Network (PSTN) signal transfer, Integrated Services Digital Network (ISDN) signal transfer, ad-hoc network signal transfer, radio wave signal transfer, microwave signal transfer, infrared signal transfer, visible light signal transfer, ultraviolet light signal transfer, wireless signal transfer along the electromagnetic spectrum, or some combination thereof.

[0109] The communications interface 940 may also include one or more range sensors (e.g., LiDAR sensors, laser range finders, RF radars, ultrasonic sensors, and infrared (IR) sensors) configured to collect data and provide measurements to processor 910, whereby processor 910 can be configured to perform determinations and calculations needed to obtain various measurements for the one or more range sensors. In some examples, the measurements can include time of flight, wavelengths, azimuth angle, elevation angle, range, linear velocity and / or angular velocity, or any combination thereof. The communications interface 940 may also include one or more Global Navigation Satellite System (GNSS) receivers or transceivers that are used to determine a location of the computing system 900 based on receipt of one or more signals from one or more satellites associated with one or more GNSS systems. GNSS systems include, but are not limited to, the US-based GPS, the Russia-based Global Navigation Satellite System (GLONASS) , the China-based BeiDou Navigation Satellite System (BDS) , and the Europe-based Galileo GNSS. There is no restriction on operating on any particular hardware arrangement, and therefore the basic features here may easily be substituted for improved hardware or firmware arrangements as they are developed.

[0110] Storage device 930 can be a non-volatile and / or non-transitory and / or computer-readable memory device and can be a hard disk or other types of computer readable media which can store data that are accessible by a computer, such as magnetic cassettes, flash memory cards, solid state memory devices, digital versatile disks, cartridges, a floppy disk, a flexible disk, a hard disk, magnetic tape, a magnetic strip / stripe, any other magnetic storage medium, flash memory, memristor memory, any other solid-state memory, a compact disc read only memory (CD-ROM)  optical disc, a rewritable compact disc (CD) optical disc, digital video disk (DVD) optical disc, a blu-ray disc (BDD) optical disc, a holographic optical disk, another optical medium, a secure digital (SD) card, a micro secure digital (microSD) card, a Memory card, a smartcard chip, a EMV chip, a subscriber identity module (SIM) card, a mini / micro / nano / pico SIM card, another integrated circuit (IC) chip / card, random access memory (RAM) , static RAM (SRAM) , dynamic RAM (DRAM) , read-only memory (ROM) , programmable read-only memory (PROM) , erasable programmable read-only memory (EPROM) , electrically erasable programmable read-only memory (EEPROM) , flash EPROM (FLASHEPROM) , cache memory (e.g., Level 1 (L1) cache, Level 2 (L2) cache, Level 3 (L3) cache, Level 4 (L4) cache, Level 5 (L5) cache, or other (L#) cache) , resistive random-access memory (RRAM / ReRAM) , phase change memory (PCM) , spin transfer torque RAM (STT-RAM) , another memory chip or cartridge, and / or a combination thereof.

[0111] The storage device 930 can include software services, servers, services, etc., that when the code that defines such software is executed by the processor 910, it causes the system to perform a function. In some aspects, a hardware service that performs a particular function can include the software component stored in a computer-readable medium in connection with the necessary hardware components, such as processor 910, connection 905, output device 935, etc., to carry out the function. The term “computer-readable medium” includes, but is not limited to, portable or non-portable storage devices, optical storage devices, and various other mediums capable of storing, containing, or carrying instruction (s) and / or data. A computer-readable medium may include a non-transitory medium in which data can be stored and that does not include carrier waves and / or transitory electronic signals propagating wirelessly or over wired connections. Examples of a non-transitory medium may include, but are not limited to, a magnetic disk or tape, optical storage media such as compact disk (CD) or digital versatile disk (DVD) , flash memory, memory or memory devices. A computer-readable medium may have stored thereon code and / or machine-executable instructions that may represent a procedure, a function, a subprogram, a program, a routine, a subroutine, a module, a software package, a class, or any combination of instructions, data structures, or program statements. A code segment may be coupled to another code segment or a hardware circuit by passing and / or receiving information, data, arguments, parameters, or memory contents. Information, arguments, parameters, data, etc. may be passed,  forwarded, or transmitted via any suitable means including memory sharing, message passing, token passing, network transmission, or the like.

[0112] Specific details are provided in the description above to provide a thorough understanding of the aspects and examples provided herein, but those skilled in the art will recognize that the application is not limited thereto. Thus, while illustrative aspects of the application have been described in detail herein, it is to be understood that the inventive concepts may be otherwise variously embodied and employed, and that the appended claims are intended to be construed to include such variations, except as limited by the prior art. Various features and aspects of the above-described application may be used individually or jointly. Further, aspects can be utilized in any number of environments and applications beyond those described herein without departing from the broader scope of the specification. The specification and drawings are, accordingly, to be regarded as illustrative rather than restrictive. For the purposes of illustration, methods were described in a particular order. It should be appreciated that in alternate aspects, the methods may be performed in a different order than that described.

[0113] For clarity of explanation, in some instances the present technology may be presented as including individual functional blocks including devices, device components, steps or routines in a method embodied in software, or combinations of hardware and software. Additional components may be used other than those shown in the figures and / or described herein. For example, circuits, systems, networks, processes, and other components may be shown as components in block diagram form in order not to obscure the aspects in unnecessary detail. In other instances, well-known circuits, processes, algorithms, structures, and techniques may be shown without unnecessary detail in order to avoid obscuring the aspects.

[0114] Further, those of skill in the art will appreciate that the various illustrative logical blocks, modules, circuits, and algorithm steps described in connection with the aspects disclosed herein may be implemented as electronic hardware, computer software, or combinations of both. To clearly illustrate this interchangeability of hardware and software, various illustrative components, blocks, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented as hardware or software depends upon the particular application and design constraints imposed on the overall system. Skilled  artisans may implement the described functionality in varying ways for each particular application, but such implementation decisions should not be interpreted as causing a departure from the scope of the present disclosure.

[0115] Individual aspects may be described above as a process or method which is depicted as a flowchart, a flow diagram, a data flow diagram, a structure diagram, or a block diagram. Although a flowchart may describe the operations as a sequential process, many of the operations can be performed in parallel or concurrently. In addition, the order of the operations may be re-arranged. A process is terminated when its operations are completed, but could have additional steps not included in a figure. A process may correspond to a method, a function, a procedure, a subroutine, a subprogram, etc. When a process corresponds to a function, its termination can correspond to a return of the function to the calling function or the main function.

[0116] Processes and methods according to the above-described examples can be implemented using computer-executable instructions that are stored or otherwise available from computer-readable media. Such instructions can include, for example, instructions and data which cause or otherwise configure a general purpose computer, special purpose computer, or a processing device to perform a certain function or group of functions. Portions of computer resources used can be accessible over a network. The computer executable instructions may be, for example, binaries, intermediate format instructions such as assembly language, firmware, source code. Examples of computer-readable media that may be used to store instructions, information used, and / or information created during methods according to described examples include magnetic or optical disks, flash memory, USB devices provided with non-volatile memory, networked storage devices, and so on.

[0117] In some aspects the computer-readable storage devices, mediums, and memories can include a cable or wireless signal containing a bitstream and the like. However, when mentioned, non-transitory computer-readable storage media expressly exclude media such as energy, carrier signals, electromagnetic waves, and signals per se.

[0118] Those of skill in the art will appreciate that information and signals may be represented using any of a variety of different technologies and techniques. For example, data, instructions,  commands, information, signals, bits, symbols, and chips that may be referenced throughout the above description may be represented by voltages, currents, electromagnetic waves, magnetic fields or particles, optical fields or particles, or any combination thereof, in some cases depending in part on the particular application, in part on the desired design, in part on the corresponding technology, etc.

[0119] The various illustrative logical blocks, modules, and circuits described in connection with the aspects disclosed herein may be implemented or performed using hardware, software, firmware, middleware, microcode, hardware description languages, or any combination thereof, and can take any of a variety of form factors. When implemented in software, firmware, middleware, or microcode, the program code or code segments to perform the necessary tasks (e.g., a computer-program product) may be stored in a computer-readable or machine-readable medium. A processor (s) may perform the necessary tasks. Examples of form factors include laptops, smart phones, mobile phones, tablet devices or other small form factor personal computers, personal digital assistants, rackmount devices, standalone devices, and so on. Functionality described herein also can be embodied in peripherals or add-in cards. Such functionality can also be implemented on a circuit board among different chips or different processes executing in a single device, by way of further example.

[0120] The instructions, media for conveying such instructions, computing resources for executing them, and other structures for supporting such computing resources are example means for providing the functions described in the disclosure.

[0121] The techniques described herein may also be implemented in electronic hardware, computer software, firmware, or any combination thereof. Such techniques may be implemented in any of a variety of devices such as general purposes computers, wireless communication device handsets, or integrated circuit devices having multiple uses including application in wireless communication device handsets and other devices. Any features described as modules or components may be implemented together in an integrated logic device or separately as discrete but interoperable logic devices. If implemented in software, the techniques may be realized at least in part by a computer-readable data storage medium including program code including instructions that, when executed, performs one or more of the methods, algorithms, and / or operations described  above. The computer-readable data storage medium may form part of a computer program product, which may include packaging materials. The computer-readable medium may include memory or data storage media, such as random-access memory (RAM) such as synchronous dynamic random access memory (SDRAM) , read-only memory (ROM) , non-volatile random access memory (NVRAM) , electrically erasable programmable read-only memory (EEPROM) , FLASH memory, magnetic or optical data storage media, and the like. The techniques additionally, or alternatively, may be realized at least in part by a computer-readable communication medium that carries or communicates program code in the form of instructions or data structures and that can be accessed, read, and / or executed by a computer, such as propagated signals or waves.

[0122] The program code may be executed by a processor, which may include one or more processors, such as one or more digital signal processors (DSPs) , general purpose microprocessors, an application specific integrated circuits (ASICs) , field programmable logic arrays (FPGAs) , or other equivalent integrated or discrete logic circuitry. Such a processor may be configured to perform any of the techniques described in this disclosure. A general-purpose processor may be a microprocessor; but in the alternative, the processor may be any conventional processor, controller, microcontroller, or state machine. A processor may also be implemented as a combination of computing devices, e.g., a combination of a DSP and a microprocessor, a plurality of microprocessors, one or more microprocessors in conjunction with a DSP core, or any other such configuration. Accordingly, the term “processor, ” as used herein may refer to any of the foregoing structure, any combination of the foregoing structure, or any other structure or apparatus suitable for implementation of the techniques described herein.

[0123] One of ordinary skill will appreciate that the less than ( “<” ) and greater than ( “>” ) symbols or terminology used herein can be replaced with less than or equal to ( “≤” ) and greater than or equal to ( “≥” ) symbols, respectively, without departing from the scope of this description.

[0124] Where components are described as being “configured to” perform certain operations, such configuration can be accomplished, for example, by designing electronic circuits or other hardware to perform the operation, by programming programmable electronic circuits (e.g., microprocessors, or other suitable electronic circuits) to perform the operation, or any combination thereof.

[0125] The phrase “coupled to” or “communicatively coupled to” refers to any component that is physically connected to another component either directly or indirectly, and / or any component that is in communication with another component (e.g., connected to the other component over a wired or wireless connection, and / or other suitable communication interface) either directly or indirectly.

[0126] Claim language or other language reciting “at least one of” a set and / or “one or more” of a set indicates that one member of the set or multiple members of the set (in any combination) satisfy the claim. For example, claim language reciting “at least one of A and B” or “at least one of A or B” means A, B, or A and B. In another example, claim language reciting “at least one of A, B, and C” or “at least one of A, B, or C” means A, B, C, or A and B, or A and C, or B and C, A and B and C, or any duplicate information or data (e.g., A and A, B and B, C and C, A and A and B, and so on) , or any other ordering, duplication, or combination of A, B, and C. The language “at least one of” a set and / or “one or more” of a set does not limit the set to the items listed in the set. For example, claim language reciting “at least one of A and B” or “at least one of A or B” may mean A, B, or A and B, and may additionally include items not listed in the set of A and B. The phrases “at least one” and “one or more” are used interchangeably herein.

[0127] Claim language or other language reciting “at least one processor configured to, ” “at least one processor being configured to, ” “one or more processors configured to, ” “one or more processors being configured to, ” or the like indicates that one processor or multiple processors (in any combination) can perform the associated operation (s) . For example, claim language reciting “at least one processor configured to: X, Y, and Z” means a single processor can be used to perform operations X, Y, and Z; or that multiple processors are each tasked with a certain subset of operations X, Y, and Z such that together the multiple processors perform X, Y, and Z; or that a group of multiple processors work together to perform operations X, Y, and Z. In another example, claim language reciting “at least one processor configured to: X, Y, and Z” can mean that any single processor may only perform at least a subset of operations X, Y, and Z.

[0128] Where reference is made to one or more elements performing functions (e.g., steps of a method) , one element may perform all functions, or more than one element may collectively perform the functions. When more than one element collectively performs the functions, each  function need not be performed by each of those elements (e.g., different functions may be performed by different elements) and / or each function need not be performed in whole by only one element (e.g., different elements may perform different sub-functions of a function) . Similarly, where reference is made to one or more elements configured to cause another element (e.g., an apparatus) to perform functions, one element may be configured to cause the other element to perform all functions, or more than one element may collectively be configured to cause the other element to perform the functions.

[0129] Where reference is made to an entity (e.g., any entity or device described herein) performing functions or being configured to perform functions (e.g., steps of a method) , the entity may be configured to cause one or more elements (individually or collectively) to perform the functions. The one or more components of the entity may include at least one memory, at least one processor, at least one communication interface, another component configured to perform one or more (or all) of the functions, and / or any combination thereof. Where reference to the entity performing functions, the entity may be configured to cause one component to perform all functions, or to cause more than one component to collectively perform the functions. When the entity is configured to cause more than one component to collectively perform the functions, each function need not be performed by each of those components (e.g., different functions may be performed by different components) and / or each function need not be performed in whole by only one component (e.g., different components may perform different sub-functions of a function) .

[0130] The various illustrative logical blocks, modules, engines, circuits, and algorithm steps described in connection with the aspects disclosed herein may be implemented as electronic hardware, computer software, firmware, or combinations thereof. To clearly illustrate this interchangeability of hardware and software, various illustrative components, blocks, engines, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented as hardware or software depends upon the particular application and design constraints imposed on the overall system. Skilled artisans may implement the described functionality in varying ways for each particular application, but such implementation decisions should not be interpreted as causing a departure from the scope of the present application.

[0131] The techniques described herein may also be implemented in electronic hardware, computer software, firmware, or any combination thereof. Such techniques may be implemented in any of a variety of devices such as general purposes computers, wireless communication device handsets, or integrated circuit devices having multiple uses including application in wireless communication device handsets and other devices. Any features described as engines, modules, or components may be implemented together in an integrated logic device or separately as discrete but interoperable logic devices. If implemented in software, the techniques may be realized at least in part by a computer-readable data storage medium including program code including instructions that, when executed, performs one or more of the methods described above. The computer-readable data storage medium may form part of a computer program product, which may include packaging materials. The computer-readable medium may include memory or data storage media, such as random-access memory (RAM) such as synchronous dynamic random-access memory (SDRAM) , read-only memory (ROM) , non-volatile random-access memory (NVRAM) , electrically erasable programmable read-only memory (EEPROM) , FLASH memory, magnetic or optical data storage media, and the like. The techniques additionally, or alternatively, may be realized at least in part by a computer-readable communication medium that carries or communicates program code in the form of instructions or data structures and that can be accessed, read, and / or executed by a computer, such as propagated signals or waves.

[0132] The program code may be executed by a processor, which may include one or more processors, such as one or more digital signal processors (DSPs) , general purpose microprocessors, an application specific integrated circuits (ASICs) , field programmable logic arrays (FPGAs) , or other equivalent integrated or discrete logic circuitry. Such a processor may be configured to perform any of the techniques described in this disclosure. A general-purpose processor may be a microprocessor; but in the alternative, the processor may be any conventional processor, controller, microcontroller, or state machine. A processor may also be implemented as a combination of computing devices, e.g., a combination of a DSP and a microprocessor, a plurality of microprocessors, one or more microprocessors in conjunction with a DSP core, or any other such configuration. Accordingly, the term “processor, ” as used herein may refer to any of the foregoing structure, any combination of the foregoing structure, or any other structure or apparatus suitable for implementation of the techniques described herein. In addition, in some aspects, the  functionality described herein may be provided within dedicated software modules or hardware modules configured for encoding and decoding, or incorporated in a combined video encoder-decoder (CODEC) .

[0133] Illustrative aspects of the disclosure include:

[0134] Aspect 1: An apparatus for adjusting vehicle deceleration for a first vehicle, the apparatus comprising: at least one memory; and at least one processor coupled to the at least one memory and configured to: determine, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light; determine a remaining period of time for the stop condition of the traffic light; and generate a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

[0135] Aspect 2: The apparatus of Aspect 1, wherein the at least one processor is configured to:determine that the second vehicle is stationary and the remaining period of time for the stop condition exceeds a threshold period of time; and based on the determination that the second vehicle is stationary and the remaining period of time for the stop condition exceeds the threshold period of time, generate the deceleration request for the first vehicle based on the first deceleration mode.

[0136] Aspect 3: The apparatus of any one of Aspects 1 to 2, wherein the at least one processor is configured to: determine that the second vehicle is in motion or the remaining period of time for the stop condition is below a threshold period of time; and based on the determination that the second vehicle is in motion or the remaining period of time for the stop condition is below the threshold period of time, generate the deceleration request for the first vehicle based on the second deceleration mode.

[0137] Aspect 4: The apparatus of any one of Aspects 1 to 3, wherein the at least one processor is configured to: determine the remaining period of time for the stop condition of the traffic light based on map information.

[0138] Aspect 5: The apparatus of any one of Aspects 1 to 4 wherein the at least one processor is configured to: determine that the road includes an outlet positioned between the first vehicle and the second vehicle; and based on the determination that the road includes the outlet positioned between the first vehicle and the second vehicle, generate the deceleration request for the first vehicle based on the second deceleration mode.

[0139] Aspect 6: The apparatus of Aspect 5, wherein the at least one processor is configured to:determine that the road includes the outlet based on map information.

[0140] Aspect 7: The apparatus of Aspect 5, wherein the at least one processor is configured to:determine that the road includes the outlet based on the one or more images of the scene.

[0141] Aspect 8: The apparatus of any one of Aspects 1 to 7, wherein the at least one processor is configured to: generate the deceleration request according to the first deceleration mode using a cost function of the deceleration request and of a velocity difference between the first vehicle and the second vehicle.

[0142] Aspect 9: The apparatus of any one of Aspects 1 to 8, wherein the at least one processor is configured to: generate the deceleration request according to the second deceleration mode using a Lyapunov function of a difference in velocity between the first vehicle and the second vehicle and of a difference in acceleration between the first vehicle and the second vehicle.

[0143] Aspect 10: The apparatus of any one of Aspects 1 to 9, wherein the at least one processor is configured to: determine a third vehicle is in an adjacent lane between the first vehicle and the second vehicle; and based on the determination that the third vehicle is in the adjacent lane between the first vehicle and the second vehicle, generate the deceleration request for the first vehicle based on the second deceleration mode.

[0144] Aspect 11: The apparatus of any one of Aspects 1 to 10, wherein the deceleration request includes instructions to adjust an actuator associated with the first vehicle.

[0145] Aspect 12: The apparatus of any one of Aspects 1 to 11, wherein the at least one processor is configured to: determine a velocity of the first vehicle is below a threshold velocity;  and based on the determination that the velocity of the first vehicle is below a threshold velocity, generate the deceleration request for the first vehicle based on the second deceleration mode.

[0146] Aspect 13: A method for adjusting vehicle deceleration for a first vehicle, the method comprising: determining, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light; determining a remaining period of time for the stop condition of the traffic light; and generating a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

[0147] Aspect 14: The method of Aspect 13, further comprising: determining that the second vehicle is stationary and the remaining period of time for the stop condition exceeds a threshold period of time; and based on the determination that the second vehicle is stationary and the remaining period of time for the stop condition exceeds the threshold period of time, generating the deceleration request for the first vehicle based on the first deceleration mode.

[0148] Aspect 15: The method of any one of Aspects 13 to 14, further comprising: determining that the second vehicle is in motion or the remaining period of time for the stop condition is below a threshold period of time; and based on the determination that the second vehicle is in motion or the remaining period of time for the stop condition is below the threshold period of time, generating a deceleration request for the first vehicle based on the second deceleration mode.

[0149] Aspect 16: The method of any one of Aspects 13 to 15, further comprising: determining the remaining period of time for the stop condition of the traffic light based on map information.

[0150] Aspect 17: The method of any one of Aspects 13 to 16, further comprising: determining that the road includes an outlet positioned between the first vehicle and the second vehicle; and based on the determination that the road includes the outlet positioned between the first vehicle and the second vehicle, generating the deceleration request for the first vehicle based on the second deceleration mode.

[0151] Aspect 18: The method of any one of Aspects 13 to 17, further comprising: determining that the road includes the outlet based on map information.

[0152] Aspect 19: The method of any one of Aspects 13 to 18, further comprising: determining that the road includes the outlet based on the one or more images of the scene.

[0153] Aspect 20: A non-transitory computer readable medium storing code for adjusting vehicle deceleration for a first vehicle, the code comprising instructions executable by a processor to:determine, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light; determine a remaining period of time for the stop condition of the traffic light; and generate a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

Claims

An apparatus for adjusting vehicle deceleration for a first vehicle, the apparatus comprising:at least one memory; andat least one processor coupled to the at least one memory and configured to:determine, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light;determine a remaining period of time for the stop condition of the traffic light; andgenerate a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.The apparatus of claim 1, wherein the at least one processor is configured to:determine that the second vehicle is stationary and the remaining period of time for the stop condition exceeds a threshold period of time; andbased on the determination that the second vehicle is stationary and the remaining period of time for the stop condition exceeds the threshold period of time, generate the deceleration request for the first vehicle based on the first deceleration mode.The apparatus of claim 1, wherein the at least one processor is configured to:determine that the second vehicle is in motion or the remaining period of time for the stop condition is below a threshold period of time; andbased on the determination that the second vehicle is in motion or the remaining period of time for the stop condition is below the threshold period of time, generate the deceleration request for the first vehicle based on the second deceleration mode.The apparatus of claim 1, wherein the at least one processor is configured to:determine the remaining period of time for the stop condition of the traffic light based on map information.The apparatus of claim 1, wherein the at least one processor is configured to:determine that the road includes an outlet positioned between the first vehicle and the second vehicle; andbased on the determination that the road includes the outlet positioned between the first vehicle and the second vehicle, generate the deceleration request for the first vehicle based on the second deceleration mode.The apparatus of claim 5, wherein the at least one processor is configured to:determine that the road includes the outlet based on map information.The apparatus of claim 5, wherein the at least one processor is configured to:determine that the road includes the outlet based on the one or more images of the scene.The apparatus of claim 1, wherein the at least one processor is configured to:generate the deceleration request according to the first deceleration mode using a cost function of the deceleration request and of a velocity difference between the first vehicle and the second vehicle.The apparatus of claim 1, wherein the at least one processor is configured to:generate the deceleration request according to the second deceleration mode using a Lyapunov function of a difference in velocity between the first vehicle and the second vehicle and of a difference in acceleration between the first vehicle and the second vehicle.The apparatus of claim 1, wherein the at least one processor is configured to:determine a third vehicle is in an adjacent lane between the first vehicle and the second vehicle; andbased on the determination that the third vehicle is in the adjacent lane between the first vehicle and the second vehicle, generate the deceleration request for the first vehicle based on the second deceleration mode.The apparatus of claim 1, wherein the deceleration request includes instructions to adjust an actuator associated with the first vehicle.The apparatus of claim 1, wherein the at least one processor is configured to:determine a velocity of the first vehicle is below a threshold velocity; andbased on the determination that the velocity of the first vehicle is below the threshold velocity, generate the deceleration request for the first vehicle based on the second deceleration mode.A method for adjusting vehicle deceleration for a first vehicle, the method comprising:determining, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light;determining a remaining period of time for the stop condition of the traffic light; andgenerating a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.The method of claim 13, further comprising:determining that the second vehicle is stationary and the remaining period of time for the stop condition exceeds a threshold period of time; andbased on the determination that the second vehicle is stationary and the remaining period of time for the stop condition exceeds the threshold period of time, generating the deceleration request for the first vehicle based on the first deceleration mode.The method of claim 13, further comprising:determining that the second vehicle is in motion or the remaining period of time for the stop condition is below a threshold period of time; andbased on the determination that the second vehicle is in motion or the remaining period of time for the stop condition is below the threshold period of time, generating the deceleration request for the first vehicle based on the second deceleration mode.The method of claim 13, further comprising:determining the remaining period of time for the stop condition of the traffic light based on map information.The method of claim 13, further comprising:determining that the road includes an outlet positioned between the first vehicle and the second vehicle; andbased on the determination that the road includes the outlet positioned between the first vehicle and the second vehicle, generating the deceleration request for the first vehicle based on the second deceleration mode.The method of claim 17, further comprising:determining that the road includes the outlet based on map information.The method of claim 17, further comprising:determining that the road includes the outlet based on the one or more images of the scene.A non-transitory computer readable medium storing code for adjusting vehicle deceleration for a first vehicle, the code comprising instructions executable by a processor to:determine, based on one or more images of a scene comprising a second vehicle and a traffic light indicating a stop condition, the second vehicle is positioned on a road relative to the traffic light;determine a remaining period of time for the stop condition of the traffic light; andgenerate a deceleration request for the first vehicle based on a first deceleration mode or a second deceleration mode based on a motion state of the second vehicle and the remaining period of time for the stop condition of the traffic light.

Images