CN108528457A - 运动规划的方法、设备和具有指令的计算机可读存储介质 - Google Patents

Abstract

本发明涉及运动规划的方法、设备和具有指令的计算机可读存储介质。一种用于机动车的运动规划的方法、设备和具有指令的计算机可读存储介质。在第一步骤中，基于动作和状态筛选来确定（10）运动候选对象。在此，应用至少一个措施来优化运动候选对象。接着，从初始状态出发，在离散化状态空间内根据运动候选对象来确定（11）机动车的运动的最终状态。最后，基于最终状态来选择（12）机动车的运动。

Description

运动规划的方法、设备和具有指令的计算机可读存储介质

技术领域

本发明涉及一种用于机动车的运动规划的方法、设备和具有指令的计算机可读存储介质。本发明还涉及一种机动车，在所述机动车中可以使用按照本发明的方法或按照本发明的设备。

背景技术

如今的机动车已经具有多个辅助系统，所述辅助系统在驾驶机动车方面对驾驶员进行辅助。在此，半自动系统或自动系统越来越多地投入使用，所述半自动系统或自动系统能够实现机动车的半自动化或全自动化的行驶。

新代的辅助系统能够实现对能自动化执行的驾驶机动动作的越来越多的选择以及这些驾驶机动动作的越来越大的复杂性。所辅助的驾驶机动动作通常涉及所限定的驾驶任务，例如驾驶、停车或者驶出。

在该背景下，DE 10 2012 215 060 A1描述了一种用于驾驶车辆的方法。依据至少一个传感器来检测车辆的周围环境的至少一个参数。接着，依据该参数来确定行驶地带和在行驶地带内的希望点。最后，根据至少一个其它参数，确定在行驶地带之内的包括该希望点的轨迹，而且根据所确定的轨迹来适配对车辆的驾驶。

从DE 10 2014 215 244 A1公知一种确定用于控制和/或调节车辆的横向/纵向驾驶的理论轨迹的方法。基于周围环境数据来探测在车辆的周围环境内的一个或多个对象。借助于全局规划，根据所探测到的对象确定多个潜在可能的驾驶机动动作，从所述驾驶机动动作中选择一个驾驶机动动作。借助于局部规划，针对所选择的驾驶机动动作确定用于车辆的纵向和/或横向驾驶的理论轨迹。

DE 10 2014 215 245 A1描述了一种用于确定可移动对象的运动路径的方法，所述可移动对象包括基本对象和对基本对象的运动学相关的附加物。基本对象的运动通过多个基本状态参量来描述，而附加物的运动通过附加物状态参量来描述。针对基本对象确定多个基本机动动作，其中每个基本机动动作都包括多个基本状态参量从基本机动动作的起点到终点的变化过程。多个基本机动动作被确定为使得多个基本状态参量在起点并且在终点取预先限定的值。此外，改变多个基本机动动作，以便确定多个被改变的基本机动动作，使得多个基本状态参量的值在多个基本机动动作的起点并且在多个基本机动动作的终点保持不变，而且使得附加物状态参量在多个被改变的基本机动动作的起点并且在多个被改变的基本机动动作的终点取预先限定的值。最后，通过使被改变的基本机动动作相互连接来确定运动路径。

从EP 2 848 487 A1公知一种用于生成车辆在单行道上的自动驾驶的机动动作的方法。以固定的时间间隔来确定针对车辆的纵向和横向运动的无碰撞的参考轨迹，所述无碰撞的参考轨迹能够实现在优选的车道上保持所希望的速度。为了确定参考轨迹，使用模型预测调节和文本作为二次程序。使用如下控制场景，所述控制场景充分利用单行道的结构化的周围环境，以便线性地表达针对碰撞避免的条件。通过开启二次程序来实现机动动作的生成。

McNaughton的论文“Parallel Algorithms for Real-time Motion Planning”描述了一种用于车辆的实时运动规划的方案，所述方案基于在GPU（GPU：GraphicsProcessing Unit，图形处理器）上使用并行算法。该方案使用了五维搜索空间，所述五维搜索空间不仅包括空间维度而且包括时间维度，并且考虑了典型车辆的运动学限制和动态限制。通过在GPU上的并行的实现方案，可以确保对动作空间的严密的筛选。

通用的运动规划需要机动车的状态（例如位置、速度和加速度）的复杂的高维度的搜索空间。用于在多个维度内对车辆进行轨迹计算的原则上全局最优的优化方法受到维度的惩罚（Fluch）。因为车辆的运动问题已经是二维的而且此外还描述了同样具有至少两个维度的状态空间，所以这种方案的实时能力受到威胁。已知的用于减少计算花费的方案涉及在优化问题方面的简化，所述简化大多数牺牲了最优性或者一般的可用性。对参考轨迹的使用例如就是简化，然而所述简化牺牲了用于停车过程的规划方法的可用性。

发明内容

本发明的任务是说明用于机动车的运动规划的解决方案，其中实现了实时能力。

该任务通过具有权利要求1的特征的方法、通过按照权利要求12的具有指令的计算机可读存储介质并且通过具有权利要求13的特征的设备来解决。本发明的优选的设计方案是从属权利要求的主题。

按照本发明的第一方面，用于机动车的运动规划的方法包括如下步骤：

- 基于动作和状态筛选来确定运动候选对象，其中在确定运动候选对象时应用至少一个措施来优化运动候选对象；

- 从初始状态出发在离散化状态空间内根据运动候选对象来确定机动车的运动的最终状态；而且

- 基于最终状态来选择机动车的运动。

按照本发明的一个方面，计算机可读存储介质包含如下指令，所述指令在由计算机实施时促使计算机来实施如下步骤用于机动车的运动规划：

- 基于动作和状态筛选来确定运动候选对象，其中在确定运动候选对象时应用至少一个措施来优化运动候选对象；

- 从初始状态出发在离散化状态空间内根据运动候选对象来确定机动车的运动的最终状态；而且

- 基于最终状态来选择机动车的运动。

术语计算机在此能宽泛地来理解。所述计算机尤其也包括控制设备和其它基于处理器的数据处理设备。

按照本发明的另一方面，用于机动车的运动规划的设备具有：

- 筛选单元，用于基于动作和状态筛选来确定运动候选对象，其中所述筛选单元被设立为在确定运动候选对象时应用至少一个措施来优化运动候选对象；

- 模拟单元，用于从初始状态出发在离散化状态空间内根据运动候选对象来确定机动车的运动的最终状态；和

- 选择单元，用于基于最终状态来选择机动车的运动。

在按照本发明的解决方案中实现了计算花费的减少，其方式是在确定运动候选对象时已经采取如下措施，通过所述措施减少了要检查的运动候选对象的数目或者通过所述措施来优选具有特别好的成功前景的运动候选对象。对随后更精确地描述的措施的使用导致了在必要的计算时间方面的显著的节约，所述显著的节约总的来说仅仅能够实现有实时能力的批量使用或者由于更低的必要计算能力而降低了必要的计算时间的成本。

按照本发明的一个方面，在确定运动候选对象时筛选用于两个控制参量的二维动作空间，使得更愿意选择接近互补的控制参量的参考值的运动候选对象。在此，二维动作空间的第一轴例如说明了转向角、曲率或横向加速度，而二维动作空间的第二轴说明了纵向加速度。接着，参考值例如会是恒定的加速度或参考转向角。用于将可能的合力在车轮上分成纵向力和横向力的解释模型是卡姆圆。如果需要最大横向力，那么不能通过轮胎-道路的力配合来建立纵向力，而且反之亦然。基于所述关联，可能的行动已经减少到类似圆形的平面上。对这些动作的扫描对于以舒适为目标的驾驶来说仍然是花费很高的。通过优选接近轴的运动候选对象，可以进一步限制所要扫描的区域，这导致明显减少所要计算的动作。结果是，纵向加速度和横向加速度尽可能分开地实施，也就是说车辆在转向机动动作的情况下将只是很轻微地加速/制动或在加速或制动机动动作的情况下将只是很小心地转向。

按照本发明的一个方面，只有从阈值开始才更愿意选择接近互补的控制参量的参考值的运动候选对象。由此可以保证：转向和加速可以在较小的合力的范围内同时进行。例如以这种方式确保了：在超车机动动作时已经可以在换车道的情况下进行加速，这接近人类驾驶员的驾驶行为。

按照本发明的一个方面，在确定运动候选对象时对动作空间或状态空间进行非线性的筛选，其中动作空间或状态空间的某些区域以比其它区域更高的分辨率来筛选。例如，对于对动作空间或状态空间的非线性的筛选来说可以平面地或立体地分辨动作或状态轴。由于运动候选对象的这样的不均匀分布，对某些状态区域的启发式的区分优先次序是可能的。由此，可以优选如下运动候选对象，所述运动候选对象是潜在上更有成功希望的，或者所述运动候选对象辅助以舒适为目标的驾驶。

按照本发明的一个方面，对于转弯行驶来说，具有在转弯曲率的范围内的值的转向角比具有离转弯曲率更远的值的转向角更精细地被筛选。以这种方式优选平缓的转向运动，这对行驶舒适性有积极作用。

按照本发明的一个方面，接近零的加速度比具有更大的值的加速度筛选得更精细。在零加速度附近的更精细的分辨通常导致平缓地过渡到以恒定速度的行驶。

按照本发明的一个方面，在确定运动候选对象时依据预先计算的动作离散化从每个初始状态检查是否到达了机动车的所希望的最终姿态以及在成功情况下如何到达机动车的所希望的最终姿态。这尤其是在停车机动动作的情况下是有意义的，以便满足所属的精确度要求。通过生成精细地分辨的、预先计算的动作离散化，可以从每个初始状态检查是否到达了最终姿态以及在成功情况下如何到达最终姿态。与足够全面地精细地进行筛选的方案相反，所述到达检查需要更少的计算花费。可以在线下产生预先计算并且以清楚的存储花费来提供预先计算。结果是，在停车场景下，粗略得多地分辨的筛选就足够。

按照本发明的一个方面，在确定运动候选对象时根据启发式调节来馈入某些附加的运动候选对象，以便接近到达所希望的目标姿态。通过启发式的方案，可以对尤其是用于停车机动动作的优化进行辅助。例如，针对目标接近可以检查是否以当前的转向角来到达所希望的目标姿态，或者运动候选对象与所述目标姿态离得多远。接着，在需要时可以确定修正机动动作，候选对象利用所述修正机动动作来接近到达。

按照本发明的一个方面，该方法在GPU上实现，也就是说为了实现该方法而遵循GPGPU方案（GPGPU：General Purpose Computation on Graphics Processing Unit，在图像处理单元上的通用目的计算）。所描述的方法的优点是可以执行对不同的运动候选对象的并行的分析。这种并行的分析可以在图形处理器上最优地来实现，由此可以明显减少必要的计算时间。

优选地，在自动或半自动车辆、尤其是机动车中使用按照本发明的方法或按照本发明的设备。

附图说明

本发明的其它特征从与附图相结合的随后的描述和附上的权利要求书中可见。

图1示意性地示出了用于机动车的运动规划的方法；

图2示出了用于机动车的运动规划的设备的第一实施方式；

图3示出了用于机动车的运动规划的设备的第二实施方式；

图4示意性地示出了如下机动车，在所述机动车中实现了按照本发明的解决方案；

图5示意性地示出了对用于两个控制参量的二维动作空间的筛选，其中更愿意选择接近互补的控制参量的参考值的运动候选对象；

图6示意性地示出了对动作空间的非线性筛选；而

图7阐明了对预先计算的动作离散化的应用。

具体实施方式

随后，为了更好地理解本发明的原理，依据附图更详细地阐述了本发明的实施方式。易于理解的是，本发明并不限于这些实施方式而且所描述的特征也可以组合或者被修改，而不脱离本发明的保护范围，如所述保护范围在附上的权利要求书中限定的那样。

图1示意性地示出了用于机动车的运动规划的方法。优选地，该方法在GPU上实现。在第一步骤中，基于动作和状态筛选来确定10运动候选对象。在此，应用至少一个措施来优化运动候选对象。例如，在确定10运动候选对象时可以筛选用于两个控制参量的二维动作空间，使得更愿意选择接近互补的控制参量的参考值的运动候选对象。同样，可以对动作空间或状态空间进行非线性的筛选，其中动作空间或状态空间的某些区域以比其它区域更高的分辨率来筛选。另一措施在于：依据预先计算的动作离散化从每个初始状态检查是否到达了机动车的所希望的最终姿态以及在成功情况下如何到达机动车的所希望的最终姿态。此外还可能的是，在确定运动候选对象时根据启发式调节来馈入某些附加的运动候选对象，以便更接近到达所希望的目标姿态。接着，从初始状态出发，在离散化状态空间内根据运动候选对象来确定11机动车的运动的最终状态。最后，基于最终状态来选择12机动车的运动。

图2示出了用于机动车的运动规划的设备20的第一实施方式的简化示意图。设备20具有用于接收如下数据的输入端21，所述数据允许运动规划。筛选单元22基于动作和状态筛选来确定运动候选对象。在此，筛选单元22应用至少一个措施来优化运动候选对象。例如，筛选单元22可以在确定运动候选对象时筛选用于两个控制参量的二维动作空间，使得更愿意选择接近互补的控制参量的参考值的运动候选对象。同样，通过筛选单元22可以对动作空间或状态空间进行非线性的筛选，其中动作空间或状态空间的某些区域以比其它区域更高的分辨率来筛选。另一措施在于：筛选单元22依据预先计算的动作离散化从每个初始状态检查是否到达了机动车的所希望的最终姿态以及在成功情况下如何到达机动车的所希望的最终姿态。此外还可能的是，筛选单元22在确定运动候选对象时根据启发式调节来馈入某些附加的运动候选对象，以便更接近到达所希望的目标姿态。从初始状态出发，模拟单元23在离散化状态空间内根据运动候选对象来确定机动车的运动的最终状态。选择单元24基于n个最终状态来选择机动车的运动。由选择单元24生成的数据被提供用于通过设备20的输出端26来控制机动车。筛选单元22、模拟单元23和选择单元24可以由控制单元25来控制。必要时，通过用户界面28可以改变对筛选单元22、模拟单元23、选择单元24或控制单元25的设定。在设备20中产生的数据还可以被存放在设备20的存储器27中，例如为了稍后的分析或者为了由设备20的部件使用而被存放在设备20的存储器27中。筛选单元22、模拟单元23、选择单元24以及控制单元25可以被实现为专用硬件、例如被实现为集成电路。但是，它们当然也可以部分地或完全地组合或被实现为软件，所述软件在适当的处理器上运行，例如在GPU上运行。输入端21和输出端26可以被实现为分开的接口或者被实现为组合式双向接口。

图3示出了用于机动车的运动规划的设备30的第二实施方式的简化示意图。设备30具有处理器32和存储器31。例如，设备30是计算机或控制设备。在存储器31中存放如下指令，所述指令在由处理器32实施时促使设备30实施按照所描述的方法之一的步骤。因此，存放在存储器31中的指令表现为可由处理器32实施的程序，所述程序实现了按照本发明的方法。该设备具有用于接收信息的输入端33。由处理器32生成的数据通过输出端34来提供。此外，所述数据可以存放在存储器31中。输入端33和输出端34可以组合成双向接口。

处理器32可包括一个或多个处理单元，例如微处理器、数字信号处理器或它们的组合。

所描述的实施方式的存储器27、31不仅可以具有易变的存储区而且可以具有不易变的存储区，而且可包括不同的存储设备和存储介质，例如硬盘、光学存储介质或半导体存储器。

图4示意性地示出了如下机动车40，在所述机动车中实现了按照本发明的解决方案。机动车40尤其具有导航系统41和周围环境传感装置42，例如摄像机系统或雷达系统。由导航系统41和周围环境传感装置42检测到的数据通过网络43被传送给用于运动规划的设备20。由设备20生成的数据被传送给在机动车40中的相对应的控制设备，例如被传送给转向控制装置44、制动控制装置45或速度调节装置46。优选地，同样通过网络43来传送数据。

随后，应该依据图5至7来阐述本发明的优选的实施方式。

如果基于模型的运动规划实际上应该掌控所有行驶场景，那么原则上必须在最小的纵向和横向力至最大的纵向和横向力的范围内计算针对纵向和横向动作的所有调定量。用于将可能的合力在车轮上分成纵向力和横向力的解释模型是卡姆圆。如果需要最大横向力，那么不能通过轮胎-道路的力配合来建立纵向力，而且反之亦然。尽管已经由此造成地将可能的行动减少到类似圆形的平面上，对这些动作的扫描对于以舒适为目标的驾驶来说仍是花费很高的。因此，按照本发明，进一步限制了可能的纵向和横向动作，使得得到几乎分离的纵向和横向特性。这在图5中示意性地以卡姆圆的形式来示出。在该示例中，卡姆圆的轴通过纵向加速度a_纵向 和横向减速度a_横向 来限定。在极限区域GB之内规定舒适区域KB，用于对舒适为目标的驾驶的动作应该在所述舒适区域KB内。附加地，进行对动作空间的“类似十字形的”筛选，也就是说更愿意选择接近互补的控制参量的参考值的运动候选对象或动作。在此，可以设置阈值SW，从所述阈值SW起更愿意选择接近轴的运动候选对象。

附加地，横向分量可以转移到转向角上。因此，进行动作筛选的运动规划者在该模型的情况下将在转弯之前制动，紧接着改变转弯的转向轮角度走向，然而在此只是稍微地改变速度，而且在转弯出口之后才显著地加速。该行为非常接近人类驾驶员的典型行为。在此，阈值SW保证了转向和加速可以在较小的合力的范围内同时进行。以这种方式例如确保了：在超车机动动作时已经可以在换车道的情况下进行加速。将圆形减小到圆形区域的小得多的要进行扫描的区域A导致了所要计算的动作的减少。

图6示意性地示出了对动作空间的非线性的筛选，作为用于优化运动候选对象的另一措施。对状态和动作空间的邻近的划分是对每个维度的线性的、等距离的分割。这对应于在没有预先知道的情况下的均匀分布的途径。而由于不均匀分布，对某些状态区域的启发式的区分优先次序是可能的。为了描绘转弯走向，例如值得推荐的是，平面地或立体地接近转弯曲率地分辨状态轴转向角并且远离该值地不那么精细地分辨状态轴转向角。在该图中，通过黑点勾画出对状态轴转向角的立体的筛选。同样可以运用动作筛选。在零加速度附近的更精细的分辨例如导致平缓地过渡到以恒定速度的行驶。

借助于对动作的筛选来调查的优化方案的典型问题是在占据所希望的状态时的不精确性，其中优化者并不提前知道运动函数的最终状态。因而，到达精确的目标姿态（位置和角度）、例如在停车时到达精确的目标姿态（位置和角度）是困难的。

解决该问题的第一可能性是使用预先计算的动作离散化。这一点在图7中阐明，在所述图7中示出了针对停车场景的运动规划。能看到一系列障碍物H和可到达集合。通过黑点来标记能借助于运动规划到达的位置。如可以从放大的图像片段得知的那样，能比较少地到达的位置在所希望的停车场P之内。这使得满足对停车机动动作的精确度要求变得困难。但是，通过生成精细地分辨的、预先计算的动作离散化，可以从每个初始状态检查是否到达了最终姿态以及在成功情况下如何到达最终姿态。与足够全面地精细地进行筛选的方案相反，所述到达检查需要更少的计算花费。可以在线下产生预先计算并且以合理的存储花费来提供预先计算。结果是，在停车场景下，粗略得多地分辨的筛选就足够。

解决该问题的第二可能性在于生成启发式的目标接近候选对象。除了对纵向和横向动作的日常的筛选之外，所基于的运动规划方案也能够实现对附加候选对象的馈入。这里，可以使用启发式调节，以便更接近目标姿态或更接近到达所述目标姿态。类似于全局最优性与将启发式知识在A*算法中用于路线确定的结合，所述启发式知识对优化进行补充。在最坏的情况下，所有启发式知识都是不能使用的而且算法倒退回到所基于的Dykstra算法。针对所提及的目标接近可以检查是否以当前的转向角来到达所述姿态，或者运动候选对象与所述姿态离得多远。在后者的情况下，可以确定修正机动动作，候选对象利用所述修正机动动作更接近到达，例如其方式是所述候选对象制动/减速或这样转向，使得所述候选对象驶入目标姿态。

附图标记列表

10 确定运动候选对象

11 确定运动的最终状态

12 基于最终状态来选择运动

20 设备

21 输入端

22 筛选单元

23 模拟单元

24 选择单元

25 控制单元

26 输出端

27 存储器

28 用户接口

30 设备

31 存储器

32 处理器

33 输入端

34 输出端

40 机动车

41 导航系统

42 周围环境传感装置

43 网络

44 转向控制装置

45 制动控制装置

46 速度调节装置

GB 极限区域

KB 舒适区域

SW 阈值

A 所要扫描的区域

H 障碍物

P 停车场。

Claims (14)

1.一种用于机动车（40）的运动规划的方法，所述方法具有如下步骤：

- 基于动作和状态筛选来确定（10）运动候选对象；

- 从初始状态出发在离散化状态空间内根据所述运动候选对象来确定（11）所述机动车（40）的运动的最终状态；而且

- 基于所述最终状态来选择（12）所述机动车（40）的运动；

其特征在于，在确定（10）运动候选对象时应用至少一个措施来优化所述运动候选对象。

2.根据权利要求1所述的方法，其中在确定（10）运动候选对象时筛选用于两个控制参量的二维动作空间，使得更愿意选择接近互补的控制参量的参考值的运动候选对象。

3.根据权利要求2所述的方法，其中所述二维动作空间的第一轴说明了转向角、曲率或横向加速度，而所述二维动作空间的第二轴说明了纵向加速度。

4.根据权利要求2或3所述的方法，其中只有从阈值开始才更愿意选择接近所述互补的控制参量的参考值的运动候选对象。

5.根据上述权利要求之一所述的方法，其中在确定（10）运动候选对象时对动作空间或状态空间进行非线性的筛选，其中所述动作空间或所述状态空间的某些区域以比其它区域更高的分辨率来筛选。

6.根据权利要求5所述的方法，其中对于转弯行驶来说，具有在转弯曲率的范围内的值的转向角比具有离所述转弯曲率更远的值的转向角更精细地被筛选。

7.根据权利要求5所述的方法，其中接近零的加速度比具有更大的值的加速度更精细地被筛选。

8.根据权利要求5至7之一所述的方法，其中对于对所述动作空间或所述状态空间的非线性的筛选来说，平面地或立体地分辨动作或状态轴。

9.根据上述权利要求之一所述的方法，其中在确定（10）运动候选对象时，依据预先计算的动作离散化从每个初始状态检查是否到达了所述机动车（40）的所希望的最终姿态以及在成功情况下如何到达所述机动车（40）的所希望的最终姿态。

10.根据上述权利要求之一所述的方法，其中在确定（10）运动候选对象时根据启发式调节来馈入某些附加的运动候选对象，以便更接近到达所希望的目标姿态。

11.根据上述权利要求之一所述的方法，其中所述方法在GPU上实现。

12.一种具有指令的计算机可读存储介质，所述指令在由计算机实施时促使所述计算机实施根据权利要求1至11之一所述的方法的步骤，用于机动车（40）的运动规划。

13.一种用于机动车（40）的运动规划的设备（20），其中所述设备（20）具有：

- 筛选单元（22），用于基于动作和状态筛选来确定（10）运动候选对象；

- 模拟单元（23），用于从初始状态出发在离散化状态空间内根据所述运动候选对象来确定（11）所述机动车（40）的运动的最终状态；和

- 选择单元（24），用于基于所述最终状态来选择（12）所述机动车（40）的运动；

其特征在于，所述筛选单元（22）被设立为：在确定（10）运动候选数据时应用至少一个措施来优化所述运动候选对象。

14.一种机动车（40），其特征在于，所述机动车具有根据权利要求13所述的设备（20）或者被设立为实施根据权利要求1至11之一所述的方法用于运动规划。