CN108981730A - 用于为操作自动驾驶车辆生成参考路径的方法和系统 - Google Patents

用于为操作自动驾驶车辆生成参考路径的方法和系统 Download PDF

Info

Publication number
CN108981730A
CN108981730A CN201810194089.8A CN201810194089A CN108981730A CN 108981730 A CN108981730 A CN 108981730A CN 201810194089 A CN201810194089 A CN 201810194089A CN 108981730 A CN108981730 A CN 108981730A
Authority
CN
China
Prior art keywords
vehicle
route
data point
point
vehicle route
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810194089.8A
Other languages
English (en)
Other versions
CN108981730B (zh
Inventor
朱伟铖
庄立
罗琦
孔旗
朱帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN108981730A publication Critical patent/CN108981730A/zh
Application granted granted Critical
Publication of CN108981730B publication Critical patent/CN108981730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle for navigation systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking

Abstract

公开了用于为操作自动驾驶车辆生成参考路径的方法和系统。在一个实施方式中，计算机系统基于地图信息生成第一车辆路径.该系统收集代表行驶在车辆路径上的车辆在不同时间点的地理坐标的数据点。该系统基于收集到的数据点将第一车辆路径分割为离散的路径段。对于每个路径段，该系统应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集，并通过将所选择的数据点结合来计算代表路径段的段参考点。对第一车辆路径的路径段的段参考点进行内插以生成第二车辆路径，使得第二车辆路径作为参考线使用以控制行驶在第一车辆路径上的ADV。

Description

用于为操作自动驾驶车辆生成参考路径的方法和系统
技术领域
本发明的实施方式总体涉及操作自动驾驶车辆。更具体地，本发明的实施方式涉及用于自动驾驶车辆的可扩展性平滑参考路径生成器。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
驾驶路径轨迹规划是自动驾驶车辆(ADVs)中的重要操作。可行的轨迹可以基于对障碍物的感知和在ADV周围的道路信息来规划。道路信息(诸如道路上的特定曲率和道路上的模糊标记)使得驾驶路径轨迹规划复杂。一种不成熟的解决方案是连续地找到道路车道的边缘的中点并连接这些中点。但是，该解决方案在路径轨迹中会产生突变。
发明内容
根据本申请的一个方面，提供了一种用于为操作自动驾驶车辆生成参考路径的由计算机实现的方法，所述方法包括：基于地图信息生成第一车辆路径；收集代表行驶在车辆路径上的车辆在不同时间点的地理坐标的数据点；基于收集到的数据点将所述第一车辆路径分割为离散的路径段；对于每个路径段，应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集；以及通过将所选择的数据点结合来计算代表路径段的段参考点，其中对路径段的段参考点进行内插以生成第二车辆路径，其中所述第二车辆路径作为参考线使用以控制行驶在所述第一车辆路径上的自动驾驶车辆。
根据本申请的另一方面，提供了一种非暂存性机器可读介质，在所述非暂存性机器可读介质上存储有指令，所述指令在由处理器执行时，致使所述处理器执行操作，所述操作包括：基于地图信息生成第一车辆路径；收集代表行驶在车辆路径上的车辆在不同时间点的地理坐标的数据点；基于收集到的数据点将所述第一车辆路径分割为离散的路径段；对于每个路径段，应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集；以及通过将所选择的数据点结合来计算代表路径段的段参考点，其中对路径段的段参考点进行内插以生成第二车辆路径，其中所述第二车辆路径作为参考线使用以控制行驶在所述第一车辆路径上的自动驾驶车辆。
根据本申请的又一方面，提供了一种数据处理系统，包括：处理器；以及存储器，所述存储器联接到所述处理器以存储指令，所述指令在由所述处理器执行时，致使所述处理器执行操作，所述操作包括：基于地图信息生成第一车辆路径；在不同时间点收集代表行驶在车辆路径上的车辆的地理坐标的数据点；基于收集到的数据点将所述第一车辆路径分割为离散的路径段；对于每个路径段，应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集；以及通过将所选择的数据点结合来计算代表路径段的段参考点，其中对路径段的段参考点进行内插以生成第二车辆路径，其中所述第二车辆路径作为参考线使用以控制行驶在所述第一车辆路径上的自动驾驶车辆。
附图说明
本发明的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考数字指示相似元件。
图1是示出根据本发明的一个实施方式的网络化系统的框图。
图2是示出根据本发明的一个实施方式的自动驾驶车辆的示例的框图。
图3是示出根据本发明的一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。
图4是示出根据本发明的一个实施方式的数据分析系统的示例的框图。
图5是示出根据本发明的一个实施方式的自动驾驶车辆的示例性道路状况的框图。
图6A-6B是示出根据本发明的一个实施方式在路径被分割之前和分割之后的、具有历史驾驶数据的自动驾驶车辆的示例性道路状况的框图。
图7A-7B是分别示出根据本发明一个实施方式的路径部分表和路径点表的框图。
图8是示出根据本发明一个实施方式的为自动驾驶生成参考路径轨迹的处理的流程图。
图9是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
将参考以下所讨论的细节来描述本发明的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本发明的说明，而不应当解释为限制本发明。描述了许多特定细节以提供对本发明各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本发明的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本发明的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
根据一些实施方式，公开了用于生成用于操作自动驾驶车辆(ADV)的参考路径的系统和方法。该系统基于地图信息生成第一车辆路径。系统收集代表行驶在车辆路径上的车辆在不同时间点的地理坐标的数据点。系统基于收集到的数据点将第一车辆路径分割为不连续的路径段。对于每个路径段，系统应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集，并通过结合所选择的数据点计算代表该路径段的段参考点。通过对路径段的段参考点进行内插生成第二车辆路径。第二车辆路径作为之后用于控制行驶在第一车辆路径上的ADV的参考线使用。
图1是示出根据本发明的一个实施方式的自动驾驶车辆网络配置的框图。参考图1，网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。
自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆，在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。
现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外，LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其它传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如，麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意，如图2所示的部件可以以硬件、软件或其组合实施。
回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如，乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作系统、规划和路线安排程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。
例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。替代地，此类位置和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时，感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、对象、附近车辆)，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全且高效到达指定目的地。
服务器103可以是为各种客户端进行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自动驾驶车辆或者由人驾驶的常规车辆)收集驾驶统计123。驾驶统计123包括指示在不同的时间点由车辆发出的驾驶命令(例如，调节油门、制动、转向命令)和由车辆的传感器捕获的车辆响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计123还可以包括描述不同时间点的驾驶环境的信息，诸如，例如，路线(包括起始位置和终点位置)、MOPI、道路状况、天气状况等。
基于驾驶统计123，机器学习引擎122出于各种目的产生或训练一组规则、平滑函数和/或算法124。在一些实施方式中，机器学习引擎122基于车辆车道的地图数据信息使用算法124生成第一车辆路径或第一参考线。例如，机器学习引擎122可以通过连接由地图数据提供的车辆车道的两个相对的路缘或端缘的中点生成用于车辆车道参考线。基于第一参考线和收集到的代表行驶在路径上的车辆在不同时间点的地理坐标的数据点，引擎122将第一参考线分割为离散的段。引擎122可以基于地图地理位置或道路状况分割第一参考线。在另一实施方式中，引擎122可以基于预定的段长度简单地分割第一参考线。
对于每个路径段，引擎122通过向路径段的数据点应用平滑函数来选择在路径段的预定接近度范围内的、收集到的数据点的子集，并通过结合所选择的数据点计算段参考点。基于路径段的段参考点，引擎122可以通过对这些段参考点进行内插来生成第二车辆路径或参考线，使得第二车辆路径作为将来用于控制在第一车辆路径/车道上的ADV的参考线使用。在一些实施方式中，代表参考线的段参考点表和路径段表被上传至ADV使得ADV可以基于ADV的地理位置和驾驶方向生成用于车辆路径的参考线。例如，ADV可以使用ADV的地理位置和驾驶方向查找路径段标识符。基于路径段标识符，ADV可以查找用于路径段标识符的段参考点和之后的路径段标识符/段参考点以生成用于控制在车辆路径上的ADV的参考线。
图3是示出根据本发明一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可以被实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3，感知与规划系统110包括但不限于定位模块301、感知模块302、决策模块303、规划模块304、控制模块305、路径段分析模块306以及参考线生成器307。
模块301至307中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至307中的一些可以一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如利用GPS单元212)，并管理与用户的路线或行程有关的任何数据。定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置(例如，直线车道或弯曲车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象，决策模块303作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块303决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块303可以根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可以存储在永久性存储装置352中。
基于针对所感知到的对象中的每个的决定，规划模块304为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。换言之，针对给定的对象，决策模块303决定对该对象做什么，而规划模块304确定如何去做。例如，针对给定的对象，决策模块303可以决定超过所述对象，而规划模块304可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块304生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。
基于规划和控制数据，控制模块305根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转弯命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施方式中，在一些规划周期(也称为命令周期)中诸如以例如每100微秒(ms)的时间间隔进行规划阶段。对于每个规划周期或命令周期，将基于规划数据和控制数据发出一个或多个控制命令。也就是说，对于每100ms，规划模块304规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需的时间。可选地，规划模块304还可以指定具体的速度、方向和/或转向角等。在一实施方式中，规划模块304为下一个预定时间段(诸如5秒)规划路线段或路径段。对于每个规划周期，规划模块304基于在先前的周期中规划的目标位置为当前周期(例如，下一个5秒)规划目标位置。之后控制模块305基于当前周期的规划数据和控制数据生成一个或多个控制命令(例如，调节油门、制动、转向控制命令)。
应注意，决策模块303和规划模块304可以集成为集成模块。决策模块303/规划模块304可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。
在一些实施方式中，决策模块303/规划模块304可以通过路径段分析模块306确定参考路径或路径线以控制在车辆路径/车道上的ADV。例如，基于ADV的地理位置，路径段分析模块306可以在包含路径段标识符和之前生成的段参考点的名称值对的路径点表(诸如永久性存储装置352的路径点表314)中查询ADV的当前位置的最接近的段参考点。根据段参考点，系统110确定兴趣路径段。对于段参考点或兴趣路径段，系统110例如通过使用标识符在包括开始-结束路径段的名称值对的路径段表(诸如路径段表313)中查询该兴趣路径段以确定与其连接的路径段，来预测并识别如何安排段参考点或路径段的路线。对于连接的路径段，参考线生成器307查询路径点表314以确定它们各自的段参考点。参考线生成器307对段参考点进行内插以生成用于控制ADV的参考线。
在另一实施方式中，路径段标识符可以参考地图路线。例如，系统110可以包括将街道/路线参考至一个或多个路径段(未示出)的表，使得系统110可以基于地图信息确定相关的路径段。为了说明，当ADV在线时，系统110基于ADV的传感器信息确定ADV的地理位置和方向。根据传感器信息和地图信息，系统110确定ADV在特定的道路/路线/车道上。系统110在数据库表中查找与特定的道路/路线/车道对应的一个或多个路径段。基于所识别的路径段，ADV从段参考点表314中查找用于该路径段的段参考点和之后的路径段/段参考点以对段参考点进行内插来生成预期的参考路径，例如，第二车辆路径线。预期的参考路径，例如第二参考路径线，之后可以用于控制在相同或相似车辆路径/车道上的ADV。
在另一个实施方式中，当ADV在线时，路径分析器306生成参考线以控制ADV。ADV在从事于自动驾驶任务时是在线的。例如，路径点表314或路径段表313可能是空白表，或者信息可能未从关于特定地理位置的服务器下载到。在这种情况下，路径生成器306可以基于ADV的GPS位置和感测的或检索的地图信息通过生成当前车辆车道的中点并连接这些中点来生成第一参考线。接着路径分析器306确定代表行驶在车辆路径/兴趣车道上的车辆的地理坐标(由该ADV和/或其他机动车辆收集的数据)的数据点。基于这些数据点，路径分析器306将第一参考线分割为路径段。对于每个路径段，路径分析器306通过将平滑函数应用于选择的数据点来选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集，并通过结合所选择的平滑后的数据点计算段参考点。最后，参考线生成器307通过对用于控制在车辆路径上的ADV的每个段参考点进行内插来生成第二参考线。在另一实施方式中，为一个路径段生成多于一个的段参考点。
决策模块303/规划模块304还可以包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其它方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可以通过以下方式实现自动驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统可以自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。
图4是示出根据本发明的一个实施方式的数据分析系统的示例的框图。数据分析系统或服务器400可以是图1的服务器103-104中的任一个。参考图4，服务器400包括但不限于数据收集器121、车道分析模块401、路径分割器模块402、过滤模块403以及参考线生成器404。模块121、401-404中的所有或一些可以在软件、硬件或它们的组合中实现。例如，这些模块可以被安装在永久性存储装置452中、加载至存储器451中并由一个或多个处理器415执行。模块121、401-404中的一些可以集成在一起作为集成模块。
如上所述，数据收集器121从各种车辆(自动驾驶车辆或者由人驾驶的常规车辆)收集驾驶统计123，该驾驶统计123包括代表地理坐标和车辆朝向/方向的数据点。车道分析模块401基于地图数据信息确定第一参考线。路径分割器模块402基于收集到的数据点或驾驶统计123将第一车辆路径分割为离散的路径段。对于每个路径段，过滤模块403应用平滑函数/过滤器/模型124的过滤模型以选择在剩余的数据点的预定接近度范围内或在路径段的预定接近度范围内的、收集到的数据点的子集。过滤器模块403向所选择的数据点应用平滑函数/滤波器/模型124的平滑函数，并通过结合所选择的数据点计算段参考点。参考线生成器404使用内插模型124通过对计算出的路径段的段参考点进行内插来生成第二车辆路径使得第二车辆路径作为用于控制行驶在第一车辆路径上的ADV的参考线使用。
图5是示出根据本发明的一个实施方式的自动驾驶车辆的示例性道路状况的框图。参考图5，道路511是一车道双向街道。西向行车道具有用于公共汽车站或乘客下车的扩展的路缘。东分界线没有延伸的路缘。在这种情况下，第一参考线(诸如参考线501)仅根据地图数据信息生成。参考线501是基于地图数据信息通过将道路511的西向行车道的中点互连而生产的。但是，参考线501并非是优选的，并且由诸如参考线501的参考线控制的ADV将经历急转向和突然操纵。诸如参考线502-503的参考线是道路511上由驾驶员驾驶的典型线路，与参考线501相比更加优选。
图6A-6B是示出根据本发明的一个实施方式的在路径被分割之前和分割之后的、具有历史驾驶数据的自动驾驶车辆的示例性道路状况的框图。参考图6A，图1的驾驶统计123可以包括代表在道路511上机动车辆的历史数据点的许多数据点，诸如数据点611-613。数据点611-613可以由(x，y)坐标表示，或者数据点611-613可以表示为相对于地图生成的参考线(诸如参考线501)的相对点/坐标(s，l)(未示出)，其中(x，y)代表二维平面的两条轴线，s代表各个数据点从地图生成的参考线的路径段的自动生成的段参考点的纵向偏移量，并且l代表从地图生成的参考线的横向偏移量。这里，任何(x，y)坐标均可以基于初始路径段和初始参考线转换至(s，l)坐标。
参考图6B，基于道路511的可用数据点，参考线511被分割为路径部分或路径段(诸如段601-607)。例如，参考线511可以被分割为5米的段。但是，如果道路511的一个5米部分不具有任何数据点，则道路部分可以由系统分为10米的段。对于每个段，系统选择在该路径段的预定接近度范围内的、收集到的数据点的子集。在另一实施方式中，系统例如基于相邻的数据点选择在与该路径段对应的其他数据点的预定接近度范围内的、收集到的数据点的子集。如果一些离群数据点被确定为在某个预定距离之外，则其可以不被选择或被过滤掉。
出于说明的目的，当向路径段605应用过滤算法时，例如图6B的数据点611可以被过滤掉。接着，对于每个路径段，系统向所选择的数据点应用平滑函数。之后，对于每个路径段，系统通过结合平滑后的所选择的数据点计算段参考点。在一个实施方式中，结合所选择的数据点包括向所选择的点应用均值/平均函数。在另一实施方式中，结合所选择的数据点包括向所选择的点应用模(最频繁出现的点)函数。在另一实施方式中，结合所选择的数据点包括向所选择的点应用加权平均函数，例如，互相接近的数据点具有更高的权重。对路径段的段参考点进行内插以生成第二车辆路径，使得第二车辆路径作为用于控制行驶在车辆路径上的ADV的参考线使用。
在一实施方式中，平滑函数包括二维高斯模糊函数，诸如：
其中，参数x、y是数据点的二维平面坐标，σ是高斯分布的标准偏差，G(x，y)是高斯模糊数据点或所得结果的数据点。系统向每个数据点应用G(x，y)以将每个数据点调整至邻近值的加权平均值。换言之，在不频繁行驶的线路处的数据点将朝向更频繁行驶的线路处的数据点偏移，使得更频繁行驶的路线具有更高的权重。在另一实施方式中，平滑函数可以是具有z-轴分量的三维函数以包括数据点的标高度量。在另一实施方式中，二维高斯模糊函数对所选择的数据点的第一维度(例如x-轴)和第二维度(例如y-轴)应用平滑化。在另一实施方式中，应用于第一维度(例如x-轴)平滑函数独立于应用于第二维度(例如y-轴)的平滑化。在一些实施方式中，高斯模糊以各种标准偏差值应用，即，对于每个数据点，σ可以设置为1、1.5、2或它们的变化值。
在一个实施方式中，应用多项式回归函数作为平滑函数。在一些实施方式中，可以应用不同次数的多项式回归函数(例如，一次、二次或三次)。例如，对于路径段，一次多项式回归函数(线性)，诸如y＝a+bx(其中a和b是常数并且(x，y)是平面坐标)可以应用于一组数据点以使最佳拟合线性曲线接近该组数据点。在另一实施方式中，将与路径段对应的所选择的数据点结合可以包括将最佳拟合曲线的中点确定为路径段的段参考点。重复该处理从而为每个路径段确定段参考点。对段参考点进行内插从而为ADV生成第二参考线，以作为参考路径。在一个实施方式中，对每个路径段的段参考点进行内插包括对段参考点应用样条函数。在另一实施方式中，对每个路径段的段参考点进行内插包括对段参考点应用螺旋线函数。
图7A-7B是分别示出根据本发明一个实施方式的路径部分表和路径点表的框图。参考图7A，路径部分表存储路径部分或路径段的键值对。每个键值对代表由“键”路径段(例如源段)至“值”路径段(例如目标段)的互连。例如，路径部分表的第一排具有键值对(601，602)，其表示路径段601与路径段602互连。第二排具有键值对(602，603)，其表示路径段602连接至路径段603等等。每个路径段具有唯一的开始-结束坐标。换言之，没有两个不同的路径段具有重叠的开始点和结束点。
参考图7B，路径点表存储路径段和它们对应的段参考点的键值对。例如，键值对(601，{(x1，y1)})表示路径段601在坐标(x1，y1)具有单一的段参考点。如上所述，(x1，y1)坐标可以可选地被存储为(s，l)或相对的坐标。可以实现各种路径部分表和路径点表。例如，在一些实施方式中，路径部分表和/或路径点表可以被存储为数据库表或多个数据库表、链表、树形结构或任何其他合适的数据结构。在另一实施方式中，路径部分表和路径点表可以结合为一个表。如上所述，在一些实施方式中，路径部分表和路径点表可以由地图信息(诸如地图路线/路径)参考。当ADV在线时，ADV基于其GPS坐标通过路径部分表和路径点表为地图路线/路径查找路径段和段参考点，并根据其路径段对段参考点进行内插以生成预期的参考路径来控制行驶在地图路线/路径上的ADV。
图8是示出根据本发明一个实施方式的为自动驾驶车辆生成参考路径轨迹的处理的流程图。处理800可以通过处理逻辑执行，该处理逻辑可以包括软件、硬件及其组合。例如，处理800可以通过自动驾驶车辆的感知和规划系统110或服务器103执行。参考图8，在块801，处理逻辑基于地图信息生成第一参考线或路径。在块802，处理逻辑收集代表行驶在车辆路径/车道上的车辆在不同时间点的地理坐标的数据点。在块803，处理逻辑基于收集到的数据点将第一车辆路径分割为离散的路径段。对于每个段，在块804，处理逻辑应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集。在块805，处理逻辑通过结合所选择的数据点计算代表路径段的段参考点，从而对路径段的段参考点进行内插以生成第二车辆路径并且将第二车辆路径作为参考线使用以控制行驶在所述第一车辆路径上的ADV。
在一个实施方式中，第一车辆路径基于地图信息的车辆路径车道的中点生成。在另一实施方式中，平滑函数包括二维或三维高斯模糊函数。在另一实施方式中，二维或三维高斯模糊函数对数据点的第一维度和第二维度应用平滑化。在另一实施方式中，应用于数据点的第一维度的平滑化独立于应用于数据点的第二维度的平滑化。在另一实施方式中，向所选择的数据点应用平滑函数包括确定待应用于二维高斯模糊函数的标准偏差值。
在一个实施方式中，应用平滑函数包括应用多项式回归函数。在另一实施方式中，对所选择的数据点应用平滑函数包括为多项式回归函数确定多项式次数。在另一实施方式中，通过对路径段的段参考点应用样条函数来对段参考点进行内插。在另一实施方式中，通过对路径段的段参考点应用螺旋线函数来对段参考点进行内插。
应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
图9是示出可以与本发明的一个实施方式一起使用的数据处理系统的示例的框图。例如，系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统，例如，图1的感知与规划系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板(诸如，计算机系统的主板或插入卡)的其它模块或者实施为以其它方式并入计算机系统的机架内的部件。
还应注意，系统1500旨在示出计算机系统的许多部件的高阶视图。然而，应当理解的是，某些实施例中可以具有附加的部件，此外，其它实施例中可以具有所示部件的不同布置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。
在一个实施方式中，系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。
处理器1501(其可以是低功率多核处理器套接口，诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。
处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可以存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如，各种操作系统、装置驱动程序、固件(例如，输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ROS)、来自公司的操作系统、来自苹果公司的Mac来自公司的LINUX、UNIX，或者其它实时或嵌入式操作系统。
系统1500还可以包括IO装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如，手写笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种，以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。
IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如，摄像机)，所述成像处理子系统可以包括用于促进摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。
为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储，大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储设备可以经由固态装置(SSD)来实施。然而，在其它实施方式中，大容量存储设备可以主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其它固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个，例如规划模块304、控制模块305和路径段分析模块306。处理模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内，数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。
计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且使得所述机器执行本发明的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其它非暂时性机器可读介质。
本文所述的处理模块/单元/逻辑1528、部件以及其它特征可以实施为分立硬件部件或集成在硬件部件(诸如，ASICS、FPGA、DSP或类似装置)的功能中。此外，处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意，虽然系统1500被示出为具有数据处理系统的各种部件，但是并不旨在表示使部件互连的任何特定架构或方式；因为此类细节和本发明的实施方式没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其它数据处理系统也可以与本发明的实施方式一起使用。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出，否则应当了解，在整个说明书中，利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储设备、传输或显示装置内类似地表示为物理量的其它数据。
本发明的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机构。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。
本发明的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本发明的实施方式的教导。
在以上的说明书中，已经参考本发明的具体示例性实施方式对本发明的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本发明的更宽泛精神和范围的情况下，可以对本发明作出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

Claims (22)

1.用于为操作自动驾驶车辆生成参考路径的由计算机实现的方法，所述方法包括：
基于地图信息生成第一车辆路径；
收集代表行驶在车辆路径上的车辆在不同时间点的地理坐标的数据点；
基于收集到的数据点将所述第一车辆路径分割为离散的路径段；
对于每个路径段，
应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集；以及
通过将所选择的数据点结合来计算代表路径段的段参考点，其中对路径段的段参考点进行内插以生成第二车辆路径，其中所述第二车辆路径作为参考线使用以控制行驶在所述第一车辆路径上的自动驾驶车辆。
2.如权利要求1所述的方法，其中所述第一车辆路径基于所述地图信息的车辆路径车道的中点生成。
3.如权利要求1所述的方法，其中所述平滑函数包括二维高斯模糊函数。
4.如权利要求3所述的方法，其中所述二维高斯模糊函数对所选择的数据点的第一维度和第二维度应用平滑化。
5.如权利要求4所述的方法，其中对所选择的数据点的第一维度应用的平滑化独立于对所选择的数据点的第二维度应用的平滑化。
6.如权利要求3所述的方法，其中对所选择的数据应用平滑函数包括确定待应用于所述二维高斯模糊函数的标准偏差值。
7.如权利要求1所述的方法，其中所述平滑函数包括多项式回归函数。
8.如权利要求7所述的方法，其中对所选择的数据点应用平滑函数包括确定用于所述多项式回归函数的多项式次数。
9.如权利要求1所述的方法，其中通过对所述路径段的段参考点应用样条函数来对所述段参考点进行内插。
10.如权利要求1所述的方法，其中通过对所述路径段的段参考点应用螺旋线函数对所述段参考点进行内插。
11.非暂存性机器可读介质，在所述非暂存性机器可读介质上存储有指令，所述指令在由处理器执行时，致使所述处理器执行操作，所述操作包括：
基于地图信息生成第一车辆路径；
收集代表行驶在车辆路径上的车辆在不同时间点的地理坐标的数据点；
基于收集到的数据点将所述第一车辆路径分割为离散的路径段；
对于每个路径段，
应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集；以及
通过将所选择的数据点结合来计算代表路径段的段参考点，其中对路径段的段参考点进行内插以生成第二车辆路径，其中所述第二车辆路径作为参考线使用以控制行驶在所述第一车辆路径上的自动驾驶车辆。
12.如权利要求11所述的非暂存性机器可读介质，其中所述第一车辆路径基于所述地图信息的车辆路径车道的中点生成。
13.如权利要求11所述的非暂存性机器可读介质，其中所述平滑函数包括二维高斯模糊函数。
14.如权利要求13所述的非暂存性机器可读介质，其中所述二维高斯模糊函数对所选择的数据点的第一维度和第二维度应用平滑化。
15.如权利要求14所述的非暂存性机器可读介质，其中对所选择的数据点的第一维度应用的平滑化独立于对所选择的数据点的第二维度应用的平滑化。
16.如权利要求13所述的非暂存性机器可读介质，其中对所选择的数据应用平滑函数包括确定待应用于所述二维高斯模糊函数的标准偏差值。
17.数据处理系统，包括：
处理器；以及
存储器，所述存储器联接到所述处理器以存储指令，所述指令在由所述处理器执行时，致使所述处理器执行操作，所述操作包括：
基于地图信息生成第一车辆路径；
在不同时间点收集代表行驶在车辆路径上的车辆的地理坐标的数据点；
基于收集到的数据点将所述第一车辆路径分割为离散的路径段；
对于每个路径段，应用平滑函数以选择在对应的路径段的预定接近度范围内的、收集到的数据点的子集；以及通过将所选择的数据点结合来计算代表路径段的段参考点，其中对路径段的段参考点进行内插以生成第二车辆路径，其中所述第二车辆路径作为参考线使用以控制行驶在所述第一车辆路径上的自动驾驶车辆。
18.如权利要求17所述的数据处理系统，其中所述第一车辆路径基于所述地图信息的车辆路径车道的中点生成。
19.如权利要求17所述的数据处理系统，其中所述平滑函数包括二维高斯模糊函数。
20.如权利要求19所述的数据处理系统，其中所述二维高斯模糊函数对所选择的数据点的第一维度和第二维度应用平滑化。
21.如权利要求20所述的数据处理系统，其中对所选择的数据点的第一维度应用的平滑化独立于对所选择的数据点的第二维度应用的平滑化。
22.如权利要求19所述的数据处理系统，其中对所选择的数据应用平滑函数包括确定待应用于所述二维高斯模糊函数的标准偏差值。
CN201810194089.8A 2017-05-31 2018-03-09 用于为操作自动驾驶车辆生成参考路径的方法和系统 Active CN108981730B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/610,064 2017-05-31
US15/610,064 US10579062B2 (en) 2017-05-31 2017-05-31 Scalable smooth reference path generator for autonomous driving vehicles

Publications (2)

Publication Number Publication Date
CN108981730A true CN108981730A (zh) 2018-12-11
CN108981730B CN108981730B (zh) 2022-11-15

Family

ID=64458684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810194089.8A Active CN108981730B (zh) 2017-05-31 2018-03-09 用于为操作自动驾驶车辆生成参考路径的方法和系统

Country Status (2)

Country Link
US (1) US10579062B2 (zh)
CN (1) CN108981730B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815555A (zh) * 2018-12-29 2019-05-28 百度在线网络技术（北京）有限公司 自动驾驶车辆的环境建模能力评估方法及系统
CN109910908A (zh) * 2019-02-20 2019-06-21 百度在线网络技术（北京）有限公司 一种驾驶参考线处理方法、装置、车辆及服务器
CN110262509A (zh) * 2019-07-10 2019-09-20 百度在线网络技术（北京）有限公司 车辆自动驾驶方法和装置
CN110260864A (zh) * 2019-06-20 2019-09-20 维智汽车电子(天津)有限公司 最佳参考行迹路线的构建方法、装置及电子设备
CN110299051A (zh) * 2019-06-05 2019-10-01 上海车轮互联网服务有限公司 基于语音识别的驾考模拟路线创建方法及装置
WO2020132952A1 (en) * 2018-12-26 2020-07-02 Baidu.Com Times Technology (Beijing) Co., Ltd. Polynomial-fit based reference line smoothing method for high speed planning of autonomous driving vehicles
CN111380534A (zh) * 2018-12-27 2020-07-07 百度（美国）有限责任公司 用于自动驾驶车辆的基于st图学习的决策
CN111399489A (zh) * 2018-12-14 2020-07-10 北京京东尚科信息技术有限公司 用于生成信息的方法和装置
CN111615476A (zh) * 2018-12-26 2020-09-01 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统
CN111629947A (zh) * 2018-12-26 2020-09-04 百度时代网络技术（北京）有限公司 自动驾驶车辆的用于生成参考线的方法和系统
CN111649751A (zh) * 2019-03-04 2020-09-11 百度（美国）有限责任公司 一种用于参考线平滑的超自由缝合方法
WO2020191709A1 (en) * 2019-03-28 2020-10-01 Baidu.Com Times Technology (Beijing) Co., Ltd. A qp spline path and spiral path based reference line smoothing method for autonomous driving
WO2020191712A1 (en) * 2019-03-28 2020-10-01 Baidu.Com Times Technology (Beijing) Co., Ltd. A map-less and camera-based lane markings sampling method for level-3 autonomous driving vehicles
WO2020198938A1 (en) * 2019-03-29 2020-10-08 Baidu.Com Times Technology (Beijing) Co., Ltd. Multi-point enforced based stitch method to connect two smoothed reference lines
CN111835496A (zh) * 2019-04-16 2020-10-27 百度（美国）有限责任公司 在自动驾驶系统的不同计算节点之间的定时同步方案
CN112041774A (zh) * 2019-03-28 2020-12-04 百度时代网络技术（北京）有限公司 用于3级自动驾驶车辆的基于摄像机的横向位置校准
CN112712608A (zh) * 2019-10-25 2021-04-27 丰田研究所股份有限公司 用于通过车辆收集性能数据的系统和方法
CN113225375A (zh) * 2021-03-29 2021-08-06 北京城建智控科技有限公司 一种基于分布式的中心车站一体城轨云架构系统
CN113748316A (zh) * 2018-12-26 2021-12-03 北京航迹科技有限公司 用于车辆遥测的系统和方法
CN114803240A (zh) * 2021-01-22 2022-07-29 睿普育塔机器人株式会社 操作环境中的自主车辆管理

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018199433A (ja) * 2017-05-29 2018-12-20 三菱電機株式会社 自動操舵制御装置および操舵制御方法
US10606277B2 (en) * 2017-09-18 2020-03-31 Baidu Usa Llc Speed optimization based on constrained smoothing spline for autonomous driving vehicles
US10732632B2 (en) * 2018-01-31 2020-08-04 Baidu Usa Llc Method for generating a reference line by stitching multiple reference lines together using multiple threads
US10974546B2 (en) * 2018-04-20 2021-04-13 Robotire, Inc. Automated removal and replacement of vehicle wheels and tires
CN109886532B (zh) * 2019-01-07 2023-10-27 平安科技（深圳）有限公司 驾驶线路规划方法、装置、计算机设备及存储介质
CN109871016B (zh) * 2019-02-20 2022-07-22 百度在线网络技术（北京）有限公司 自动驾驶驾驶参考线生成方法、装置、车辆及服务器
TWI716127B (zh) * 2019-10-01 2021-01-11 東元電機股份有限公司 機器人及其路徑插值規劃命令產生系統
CN110867131A (zh) * 2019-11-20 2020-03-06 北京百度网讯科技有限公司 用于更新地图的方法、装置、设备和存储介质
CN112904837A (zh) * 2019-12-03 2021-06-04 北京京东乾石科技有限公司 数据处理方法、装置和计算机可读存储介质
US20210389133A1 (en) * 2020-06-12 2021-12-16 Lyft, Inc. Systems and methods for deriving path-prior data using collected trajectories
US20220396289A1 (en) * 2021-06-15 2022-12-15 Nvidia Corporation Neural network path planning
CN113390431B (zh) * 2021-06-17 2022-09-30 广东工业大学 动态生成参考线的方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0730728B1 (de) * 1993-11-26 1999-02-03 MANNESMANN Aktiengesellschaft Einrichtung in einem fahrzeug zur feststellung des befahrens einer teilstrecke eines vorgegebenen strassennetzes
US6385539B1 (en) * 1999-08-13 2002-05-07 Daimlerchrysler Ag Method and system for autonomously developing or augmenting geographical databases by mining uncoordinated probe data
US8718932B1 (en) * 2011-06-01 2014-05-06 Google Inc. Snapping GPS tracks to road segments
US20150197246A1 (en) * 2014-01-16 2015-07-16 Toyota Motor Engineering & Manufacturing North America, Inc. Lateral maneuver planner for automated driving system
FR3012630B1 (fr) * 2013-10-25 2016-01-01 Thales Sa Procede d'aide a la navigation pour un aeronef en descente et en approche a poussee reduite

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0730728B1 (de) * 1993-11-26 1999-02-03 MANNESMANN Aktiengesellschaft Einrichtung in einem fahrzeug zur feststellung des befahrens einer teilstrecke eines vorgegebenen strassennetzes
US6385539B1 (en) * 1999-08-13 2002-05-07 Daimlerchrysler Ag Method and system for autonomously developing or augmenting geographical databases by mining uncoordinated probe data
US8718932B1 (en) * 2011-06-01 2014-05-06 Google Inc. Snapping GPS tracks to road segments
FR3012630B1 (fr) * 2013-10-25 2016-01-01 Thales Sa Procede d'aide a la navigation pour un aeronef en descente et en approche a poussee reduite
US20150197246A1 (en) * 2014-01-16 2015-07-16 Toyota Motor Engineering & Manufacturing North America, Inc. Lateral maneuver planner for automated driving system

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHENG HUI，等: "Automomous Takeoff ,Tracking and Landing of a UAV on a Moving UGV Using Onboard Monocular Vision", 《PROCEEDINGS OF THE 32ND CHINESE CONTROL CONFERENCE》 *
HORACIO MARTINEZ-ALFARO，等: "Collision-Free Path Planning for Mobile Robots and/or AGVs Using Simulated Annealing", 《PROCEEDINGS OF IEEE INTERNATIONAL CONFERENCE ON SYSTEMS》 *
JUNGWOOK JUN，等: "Smoothing Methods to Minimize Impact of Global Positioning System Random Error on Travel Distance, Speed, and Acceleration Profile Estimates", 《TRANSPORTATION RESEARCH RECORD》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111399489A (zh) * 2018-12-14 2020-07-10 北京京东尚科信息技术有限公司 用于生成信息的方法和装置
CN111399489B (zh) * 2018-12-14 2023-08-04 北京京东乾石科技有限公司 用于生成信息的方法和装置
CN111629947A (zh) * 2018-12-26 2020-09-04 百度时代网络技术（北京）有限公司 自动驾驶车辆的用于生成参考线的方法和系统
CN111629947B (zh) * 2018-12-26 2023-05-26 百度时代网络技术（北京）有限公司 自动驾驶车辆的用于生成参考线的方法和系统
CN111615618B (zh) * 2018-12-26 2023-08-29 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法
WO2020132952A1 (en) * 2018-12-26 2020-07-02 Baidu.Com Times Technology (Beijing) Co., Ltd. Polynomial-fit based reference line smoothing method for high speed planning of autonomous driving vehicles
CN113748316A (zh) * 2018-12-26 2021-12-03 北京航迹科技有限公司 用于车辆遥测的系统和方法
CN113748316B (zh) * 2018-12-26 2024-01-02 北京航迹科技有限公司 用于车辆遥测的系统和方法
CN111615476A (zh) * 2018-12-26 2020-09-01 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统
CN111615618A (zh) * 2018-12-26 2020-09-01 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法
CN111380534A (zh) * 2018-12-27 2020-07-07 百度（美国）有限责任公司 用于自动驾驶车辆的基于st图学习的决策
CN109815555A (zh) * 2018-12-29 2019-05-28 百度在线网络技术（北京）有限公司 自动驾驶车辆的环境建模能力评估方法及系统
CN109910908A (zh) * 2019-02-20 2019-06-21 百度在线网络技术（北京）有限公司 一种驾驶参考线处理方法、装置、车辆及服务器
CN111649751A (zh) * 2019-03-04 2020-09-11 百度（美国）有限责任公司 一种用于参考线平滑的超自由缝合方法
CN111649751B (zh) * 2019-03-04 2023-11-24 百度（美国）有限责任公司 一种用于参考线平滑的超自由缝合方法
CN112041637B (zh) * 2019-03-28 2021-11-19 百度时代网络技术（北京）有限公司 用于3级自动驾驶车辆的无地图且基于摄像机的车道标识取样方法
WO2020191709A1 (en) * 2019-03-28 2020-10-01 Baidu.Com Times Technology (Beijing) Co., Ltd. A qp spline path and spiral path based reference line smoothing method for autonomous driving
WO2020191712A1 (en) * 2019-03-28 2020-10-01 Baidu.Com Times Technology (Beijing) Co., Ltd. A map-less and camera-based lane markings sampling method for level-3 autonomous driving vehicles
CN112041637A (zh) * 2019-03-28 2020-12-04 百度时代网络技术（北京）有限公司 用于3级自动驾驶车辆的无地图且基于摄像机的车道标识取样方法
CN112041774A (zh) * 2019-03-28 2020-12-04 百度时代网络技术（北京）有限公司 用于3级自动驾驶车辆的基于摄像机的横向位置校准
US11267476B2 (en) 2019-03-28 2022-03-08 Baidu Usa Llc Map-less and camera-based lane markings sampling method for level-3 autonomous driving vehicles
CN112272805A (zh) * 2019-03-29 2021-01-26 百度时代网络技术（北京）有限公司 连接两条平滑参考线的基于多点增强的拼接方法
WO2020198938A1 (en) * 2019-03-29 2020-10-08 Baidu.Com Times Technology (Beijing) Co., Ltd. Multi-point enforced based stitch method to connect two smoothed reference lines
CN111835496B (zh) * 2019-04-16 2023-04-28 百度（美国）有限责任公司 在自动驾驶系统的不同计算节点之间的定时同步方案
CN111835496A (zh) * 2019-04-16 2020-10-27 百度（美国）有限责任公司 在自动驾驶系统的不同计算节点之间的定时同步方案
CN110299051A (zh) * 2019-06-05 2019-10-01 上海车轮互联网服务有限公司 基于语音识别的驾考模拟路线创建方法及装置
CN110260864A (zh) * 2019-06-20 2019-09-20 维智汽车电子(天津)有限公司 最佳参考行迹路线的构建方法、装置及电子设备
CN110260864B (zh) * 2019-06-20 2021-11-09 维智汽车电子(天津)有限公司 最佳参考行迹路线的构建方法、装置及电子设备
CN110262509A (zh) * 2019-07-10 2019-09-20 百度在线网络技术（北京）有限公司 车辆自动驾驶方法和装置
US11338853B2 (en) 2019-07-10 2022-05-24 Apollo Intelligent Driving Technology (Beijing) Co., Ltd. Methods, devices, and media for autonomously driving vehicle
CN110262509B (zh) * 2019-07-10 2022-06-28 百度在线网络技术（北京）有限公司 车辆自动驾驶方法和装置
CN112712608A (zh) * 2019-10-25 2021-04-27 丰田研究所股份有限公司 用于通过车辆收集性能数据的系统和方法
CN112712608B (zh) * 2019-10-25 2024-03-01 丰田研究所股份有限公司 用于通过车辆收集性能数据的系统和方法
CN114803240A (zh) * 2021-01-22 2022-07-29 睿普育塔机器人株式会社 操作环境中的自主车辆管理
CN113225375B (zh) * 2021-03-29 2022-01-21 北京城建智控科技股份有限公司 一种基于分布式的中心车站一体城轨云架构系统
CN113225375A (zh) * 2021-03-29 2021-08-06 北京城建智控科技有限公司 一种基于分布式的中心车站一体城轨云架构系统

Also Published As

Publication number Publication date
US10579062B2 (en) 2020-03-03
CN108981730B (zh) 2022-11-15
US20180348761A1 (en) 2018-12-06

Similar Documents

Publication Publication Date Title
CN108981730A (zh) 用于为操作自动驾驶车辆生成参考路径的方法和系统
JP6644742B2 (ja) 頑健で効率的な車両測位用のアルゴリズム及びインフラ
CN110345955A (zh) 用于自动驾驶的感知与规划协作框架
CN110388931A (zh) 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法
US10331957B2 (en) Method, apparatus, and system for vanishing point/horizon estimation using lane models
CN109947090A (zh) 用于自动驾驶车辆规划的非阻塞边界
CN110531749A (zh) 确定避开移动障碍物的自动驾驶的驾驶路径
CN109491375A (zh) 用于自动驾驶车辆的基于驾驶场景的路径规划
CN109489673A (zh) 用于自动驾驶车辆的数据驱动地图更新系统
CN108387241A (zh) 更新自动驾驶车辆的定位地图的方法和系统
CN109489675A (zh) 用于自动驾驶车辆的基于成本的路径规划
CN110325935A (zh) 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线
CN110239562A (zh) 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适
CN110096053A (zh) 用于自动驾驶车辆的驾驶轨迹生成方法、系统和机器可读介质
CN109491376A (zh) 用于自动驾驶车辆的基于动态规划和梯度下降的决策和规划
CN109491377A (zh) 用于自动驾驶车辆的基于dp和qp的决策和规划
CN110083149A (zh) 用于自动驾驶车辆的路径与速度优化后馈机制
CN110377024A (zh) 用于自动驾驶车辆的自动数据标注
CN108139884A (zh) 模拟自动驾驶车辆移动的物理模型和结合机器学习的方法
CN110119140A (zh) 用于加速曲线投影的系统和方法
CN109521762A (zh) 用于自动驾驶车辆的基于2d约束平滑样条的平滑道路参考线路
CN110389585A (zh) 用于自动驾驶车辆的基于学习的速度规划器
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
CN109521763A (zh) 用于自动驾驶车辆的基于约束平滑样条的路径优化
CN109094573A (zh) 用于确定自动驾驶车辆的控制器的最佳系数的方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant