CN109085820B - 临界条件的自主车辆驾驶系统和方法 - Google Patents
临界条件的自主车辆驾驶系统和方法 Download PDFInfo
- Publication number
- CN109085820B CN109085820B CN201810586035.6A CN201810586035A CN109085820B CN 109085820 B CN109085820 B CN 109085820B CN 201810586035 A CN201810586035 A CN 201810586035A CN 109085820 B CN109085820 B CN 109085820B
- Authority
- CN
- China
- Prior art keywords
- trajectory
- vehicle
- generating
- range
- constraint
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000009471 action Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 33
- 230000006870 function Effects 0.000 description 25
- 230000014509 gene expression Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 18
- 230000001133 acceleration Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000006399 behavior Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 8
- 239000000126 substance Substances 0.000 description 7
- 238000013500 data storage Methods 0.000 description 5
- 238000007499 fusion processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- 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
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- 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
-
- 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
-
- 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
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/009—Priority selection
-
- 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
- B60W2554/00—Input parameters relating to objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Abstract
提供了一种用于自主操作车辆的方法。该方法包括在处理器处接收至少车辆状态数据和车辆对象环境数据;利用处理器基于车辆状态数据和车辆对象环境数据来生成具有成本函数的车辆的最优路径;利用处理器基于车辆或车辆环境中的至少一个识别至少一个临界条件约束;利用处理器基于至少一个临界条件约束来修改最优路径的至少第一部分以产生短程轨迹部分;利用短程轨迹部分生成所得轨迹;并在车辆上实施所得轨迹。
Description
技术领域
本发明总体上涉及自主车辆,并且更具体地涉及用于自主车辆中的轨迹规划的系统和方法。
背景技术
自主驾驶车辆是一种能够在很少或根本没有用户输入的情况下感知和导航其环境的车辆。车辆自动化已经被分为从零级(相当于完全人为控制而没有自动化)到五级(相当于全自动化而无人控制)的数字级别。诸如巡航控制、自适应巡航控制和停车辅助系统的各种自动驾驶辅助系统对应于较低的自动化水平,而真正的“无人驾驶”车辆对应于较高的自动化水平。尽管近年来自主驾驶车辆取得了巨大的进步,但设计师们仍在继续寻求改进,特别是在诸如轨迹规划的导航功能方面。
因此,期望提供对自主驾驶系统执行改进的轨迹规划的系统和方法,特别是解决各种驾驶环境和条件的系统和方法。此外,结合附图和前述技术领域和背景,从随后的详细描述和所附权利要求中,系统和方法的其它期望的特征和特性将变得显而易见。
发明内容
在示例性实施例中,提供了一种用于自主操作车辆的方法。该方法包括在处理器处接收至少车辆状态数据和车辆对象环境数据;利用处理器基于车辆状态数据和车辆对象环境数据来生成具有成本函数的车辆的最优路径;利用处理器基于车辆或车辆环境中的至少一个来识别至少一个临界条件约束;利用处理器基于至少一个临界条件约束来修改最优路径的至少第一部分以产生短程轨迹部分;利用短程轨迹部分生成所得轨迹;并在车辆上实施所得轨迹。
在另一个示例性实施例中,修改步骤包括基于至少一个临界条件修改全部最优路径以生成所得轨迹。
在另一个示例性实施例中,该方法进一步包括从最优路径的第二部分生成远程轨迹部分,而不考虑至少一个临界条件约束。
在另一个示例性实施例中,生成所得轨迹的步骤包括组合短程轨迹部分和远程轨迹部分以形成所得轨迹。
在另一个示例性实施例中,生成步骤包括平滑短程轨迹部分的第一端以提供与远程轨迹的第二端的连续性。
在另一个示例性实施例中,至少一个临界条件与意外的转向输入相关联。
在另一个示例性实施例中,至少一个临界条件与湿滑的道路条件相关联。
在另一个示例性实施例中,至少一个临界条件约束是围绕最优路径的第一部分定义的安全区域约束作为可接受的偏差。
在另一个示例性实施例中,至少一个临界条件约束是表示与车辆的转向系统、推进系统或制动系统中的至少一个相关联的限制的致动器约束。
在另一个示例性实施例中,修改步骤包括另外基于车辆动态模型修改最优路径的至少第一部分。
在另一个示例性实施例中,生成最优路径的步骤包括另外接收驾驶场景计划和行为控制数据;以及利用处理器基于车辆状态数据和驾驶场景计划来生成搜索图。搜索图包含用于相对于参考轨迹路径定位对象的点的网格,并且搜索图使用指示对象相对于参考轨迹路径站的横向偏移的坐标系。
在另一个示例性实施例中,对象包括车辆环境中的其它车辆。
在另一个示例性实施例中,搜索图是使用坐标系生成的多个搜索图中的一个,以确定不同道路场景中的轨迹路径。
在另一个示例性实施例中,生成最优路径的步骤进一步包括:基于轨迹路径生成局部轨迹。局部轨迹基于满足在不同前瞻时间到达最优路径上的目的地点的连续性条件来确定,并且局部轨迹满足车辆的运动学和动态约束以及车辆环境的自由空间和道路边界约束并且直接由车辆中的纵向和横向控制器使用。
在另一个示例性实施例中,自主车辆包括至少一个传感器,其提供关于作为车辆对象环境数据的车辆环境内的对象以及关于作为车辆状态数据的车辆状态的传感器数据;以及控制器。利用处理器并且基于传感器数据的控制器被配置为:基于车辆状态数据和车辆对象环境数据生成具有成本函数的车辆的最优路径;基于车辆或车辆环境中的至少一个识别至少一个临界条件约束;基于至少一个临界条件约束修改最优路径的至少第一部分以产生短程轨迹部分;利用短程轨迹部分生成所得轨迹;并实现车辆的所得轨迹。
在另一个示例性实施例中,控制器被配置为从最优路径的第二部分生成远程轨迹部分,而不考虑至少一个临界条件约束,并且组合短程轨迹部分和远程轨迹部分以形成所得轨迹。
在另一个示例性实施例中,控制器被配置为平滑短程轨迹部分的第一端以提供与远程轨迹部分的第二端的连续性。
在另一个示例性实施例中,至少一个临界条件与意外转向输入或湿滑道路条件中的至少一个相关联,并且至少一个临界条件约束包括围绕最优路径的第一部分定义的安全区域约束作为可接受的偏差,表示在车辆侧倾角(β)和偏航率方面的横向运动的稳定性约束,或者表示与车辆的转向系统、推进系统或制动系统中的至少一个相关联的限制的致动器约束。
在另一个示例性实施例中,自主车辆系统包括至少一个传感器,其提供关于作为车辆对象环境数据的车辆环境内的对象以及关于作为车辆状态数据的车辆状态的传感器数据;以及耦合到至少一个传感器的轨迹控制系统。轨迹控制系统包括利用处理器并且基于传感器数据的轨迹规划系统,该轨迹规划系统被配置为:基于车辆状态数据和车辆对象环境数据生成具有成本函数的车辆的最优路径;基于车辆或车辆环境中的至少一个识别至少一个临界条件约束;基于至少一个临界条件约束修改最优路径的至少第一部分以产生短程轨迹部分;从最优路径的第二部分生成远程轨迹部分,而不考虑至少一个临界条件约束;并通过组合短程轨迹部分和远程轨迹部分来生成所得轨迹。轨迹控制系统进一步包括纵向和横向控制器,该纵向和横向控制器耦合到轨迹规划系统,并被配置为生成用于车辆组件的命令以实现车辆的所得轨迹。
附图说明
以下将结合以下附图来描述示例性实施例,其中相同的附图标记表示相同的元件,并且在附图中:
图1是根据示例性实施例的自主驾驶车辆系统的框图;
图2是根据示例性实施例的一个或多个自主车辆在其中操作的运输环境的框图;
图3是根据示例性实施例的图1的自主驾驶车辆系统的轨迹控制系统的框图;
图4是根据示例性实施例的图3的轨迹控制系统的轨迹规划系统的框图;
图5-8描绘了根据示例性实施例的包括自主车辆的若干车辆的地形和示意图;
图9是根据示例性实施例的可以在图4的轨迹规划系统中实现的致动器约束的图示;
图10是根据示例性实施例的可以在图4的轨迹规划系统中实现的稳定性约束的图示;
图11是根据示例性实施例的可以在图4的轨迹规划系统中实现的修改的最优路径的图示;
图12是根据示例性实施例的可以在图4的轨迹规划系统中实现的所得轨迹的图示;以及
图13是示出根据示例性实施例的用于控制自主车辆的操作场景的流程图。
具体实施方式
以下详细描述本质上仅仅是示例性的,并不意图限制应用和用途。此外,不打算受到在前述技术领域、背景、简要概述或以下详细描述中呈现的任何表达或暗示的理论的束缚。如本文所使用的,术语模块是指执行一个或多个软件或固件程序的专用集成电路(ASIC)、电子电路、处理器(共享的、专用的或群组的)和存储器,组合逻辑电路,和/或提供所述功能的其它合适的组件。
本文可以根据功能和/或逻辑块组件以及各种处理步骤来描述本发明的实施例。应该理解的是,这种块组件可以通过被配置为执行指定功能的任何数量的硬件、软件和/或固件组件来实现。例如,本发明的实施例可以采用各种集成电路组件,例如存储器元件、数字信号处理元件、逻辑元件、查找表等,其可以在一个或多个微处理器或其它控制装置的控制下执行各种功能。另外,本领域技术人员将会理解,可以结合任何数量的系统来实践本发明的实施例,并且本文描述的系统仅仅是本发明的示例性实施例。
为了简洁起见,与系统(和系统的各个操作组件)的信号处理、数据传输、信令、控制和其它功能方面有关的传统技术可能在本文不作详细描述。此外,本文包含的各个附图中示出的连接线旨在表示各个元件之间的示例功能关系和/或物理耦合。应该注意的是,在本发明的实施例中可以存在许多替代或附加的功能关系或物理连接。
图1是根据示例性实施例的在车辆100中实现的自主驾驶车辆系统 110的框图。在各种实施例中,车辆100是被自动控制以将乘客从一个位置运送到另一个位置的自主车辆。通常,自主驾驶车辆系统110包括轨迹控制系统300,其确定并实现用于自动驾驶的轨迹计划,如下面更详细描述的。如本文所使用的,自主驾驶车辆系统110是指使车辆100能够自主操作并且可以被视为包括车辆100以及车辆100外部的协作元件的各种硬件和软件组件和系统。
在所示实施例中将车辆100描绘为乘用车,但是应该理解,包括摩托车、卡车、运动型多用途车(SUV)、休闲车(RV)等的任何其它车辆也可以使用。在示例性实施例中,车辆100可以被表征为四级或五级自动化。通常,四级指示“高度自动化”,指的是即使人类驾驶员对干预要求没有做出适当反应,自动驾驶系统对动态驾驶任务的所有方面的驾驶模式特定表现;五级指示“全自动化”,指的是在人类驾驶员可以管理的所有道路和环境条件下动态驾驶任务的各个方面的自动驾驶系统的全时表现。
如图1中所描绘,车辆100通常包括底盘112、车身114、前轮116 和后轮118。车身114布置在底盘112上并基本上包围车辆100的组件。车身114和底盘112可以共同构成框架。车轮116、118各自在车身114的相应拐角附近旋转地联接到底盘112。
如图所示,车辆100通常包括推进系统120、变速器系统122、转向系统124、制动系统126、传感器系统128、致动器系统130、至少一个数据存储装置132、至少一个车辆控制器134以及通信系统136。这些组件或其方面中的任何一个或多个可以被认为是整个自主驾驶车辆系统110的一部分。
在各种实施例中,推进系统120可以包括内燃机,诸如牵引马达的电机和/或燃料电池推进系统。变速器系统122被配置为根据可选速比将来自推进系统120的动力传递到车轮116、118。根据各种实施例,变速器系统 122可以包括步长比自动变速器、无级变速器或其它适当的变速器。制动系统126被配置为向车轮116、118提供制动转矩。在各种实施例中,制动系统126可以包括摩擦制动器、线制动器、诸如电机的再生制动系统,和 /或其它适当的制动系统。转向系统124影响车轮116、118的位置。尽管为了说明的目的将其描绘为包括方向盘,但是在本发明的范围内设想的一些实施例中,转向系统124可以不包括方向盘。
传感器系统128包括感测车辆100的外部环境和/或内部环境的可观察条件的一个或多个感测装置140a-140n。感测装置140a-140n可以包括但不限于:雷达、激光雷达、全球定位系统、光学相机、热像仪、超声波传感器和/或其它传感器。致动器系统130包括控制一个或多个车辆特征的一个或多个致动器装置142a-142n,诸如但不限于推进系统120、变速器系统 122、转向系统124和制动系统126。在各种实施例中,车辆特征可以进一步包括内部和/或外部车辆特征,诸如但不限于门、行李箱,以及诸如空气,音乐、照明等(未编号)的机舱特征。
数据存储装置132存储用于自动控制车辆100的数据。在各种实施例中,数据存储装置132存储所定义的可导航环境的地图。在各种实施例中,所定义的地图可以由远程系统预定义并且从远程系统获得(关于图2进一步详细描述)。例如,所定义的地图可以由远程系统组装并且(以无线方式和/或以有线方式)传送到车辆100并且存储在数据存储装置132中。可以理解,数据存储装置132可以是控制器134的一部分,与控制器134分离,或者控制器134的一部分以及单独系统的一部分。
车辆控制器134包括至少一个处理器144和计算机可读存储装置或介质146。处理器144可以是任何定制的或商业上可用的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器134相关联的若干处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、宏处理器,其任何组合,或者通常用于执行指令的任何装置。例如,计算机可读存储装置或介质146可以包括在只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM 是可用于在处理器144断电时存储各种操作变量的持久性或非易失性存储器。计算机可读存储装置或介质146可以使用诸如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或者能够存储由控制器134在控制车辆100中使用的数据(其中的一些表示可执行指令)的任何其它电、磁、光或组合存储器装置的任何若干已知存储器装置来实现。
指令可以包括一个或多个单独的程序,每个程序包括用于实现逻辑功能的可执行指令的有序列表。该指令在由处理器144执行时接收并处理来自传感器系统128的信号,执行用于自动控制车辆100的组件的逻辑、计算、方法和/或算法,并且生成控制信号给致动器系统130以基于逻辑、计算、方法和/或算法自动地控制车辆100的组件。尽管在图1中仅示出了一个控制器134,但是自主车辆100的实施例可以包括通过任何合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号,执行逻辑、计算、方法和/或算法以及生成控制信号以自动控制车辆100的特征的任何数量的控制器134。
在各种实施例中,控制器134的一个或多个指令体现在轨迹控制系统 300中,并且当由处理器144执行时生成适当的驱动命令,其解决环境的运动学和动态约束。例如,这些指令接收作为输入过程传感器和地图数据。该指令通过定制的成本函数执行基于图形的方法来处理不同的驾驶场景。
通信系统136被配置为与其它实体148(诸如但不限于其它车辆(“V2V”通信)、基础设施(“V2I”通信)、远程系统和/或个人装置(关于图2更详细地描述)往返无线地通信信息。在示例性实施例中,通信系统136是被配置为使用IEEE 802.11标准或通过使用蜂窝数据通信经由无线局域网 (WLAN)进行通信的无线通信系统。然而,诸如专用短程通信(DSRC) 信道的附加或替代通信方法也被认为在本发明的范围内。DSRC信道是指专门为汽车使用而设计的单向或双向短程至中程无线通信信道,以及相应的一组协议和标准。
图2是根据示例性实施例的一个或多个自主车辆100a-100n在其中操作的交通环境150的框图。在各种实施例中,图2的环境150可以与基于自主车辆的远程交通系统152相关联,诸如适用于在特定地理区域(例如,城市、学校或商业园区、购物中心、游乐园、活动中心等)中的出租车或班车系统的环境中的远程交通系统,或者其简单地由远程系统管理。图2 中描绘的任何一个或多个车辆100a-100n可以对应于图1的车辆100。在其它实施例中,本文描述的车辆100可以是独立车辆,例如不与交通系统相关联或仅与交通系统的一部分相关联。在各种实施例中,操作环境150 进一步包括经由通信网络156与自主车辆100和/或远程交通系统152通信的一个或多个用户装置154。
通信网络156根据需要在由操作环境150支持的装置、系统和组件之间(例如,经由有形通信链路和/或无线通信链路)支持通信。例如,通信网络156可以包括无线载波系统160,诸如蜂窝电话系统,其包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)(未示出)以及将无线载波系统160与陆地通信系统连接所需的任何其它联网组件。每个小区塔包括发送和接收天线以及基站,来自不同小区塔的基站直接或经由中间设备(诸如基站控制器)连接到MSC。无线载波系统160可以实现任何合适的通信技术,包括例如诸如CDMA(例如CDMA2000)、LTE(例如,4G LTE 或5G LTE)、GSM/GPRS的数字技术或其它当前或新兴的无线技术。其它小区塔/基站/MSC布置是可能的并且可以与无线载波系统160一起使用。例如,基站和小区塔可以共同位于同一地点或者它们可以彼此远离地定位,每个基站可以负责单个小区塔或者单个基站可以服务各种小区塔,或者各种基站可以联接到单个MSC,仅举几个可能的布置。
除了包括无线载波系统160之外,可以包括卫星通信系统164形式的第二无线载波系统以提供与自主车辆100a-100n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发射站(未示出)来完成。单向通信可以包括例如卫星无线电服务,其中节目内容(新闻、音乐等)由发射站接收,打包上传,并且然后发送到卫星,该卫星将节目广播给订户。双向通信可以包括例如使用卫星来中继车辆100与站之间的电话通信的卫星电话服务。卫星电话可以作为无线载波系统160的补充或者代替无线载波系统160使用。
可以进一步包括陆地通信系统162,其是连接到一个或多个陆线电话的传统的基于陆地的电信网络,并且将无线载波系统160连接到远程交通系统152。例如,陆地通信系统162可以包括诸如用于提供硬连线电话、分组交换数据通信和互联网基础设施的公共交换电话网络(PSTN)。陆地通信系统162的一个或多个分段可以通过使用标准有线网络、光纤或其它光学网络、电缆网络、电力线、其它无线网络(诸如无线局域网(WLAN)) 或者提供宽带无线接入(BWA)的网络或其任何组合来实现。此外,远程交通系统152不需要经由陆地通信系统162连接,而是可以包括无线电话设备,使得它可以直接与无线网络(诸如无线载波系统160)通信。
虽然图2中仅示出一个用户装置154,但是操作环境150的实施例可以支持任何数量的用户装置154,包括拥有、操作或由一个人以别的方式使用的多个用户装置154。由操作环境150支持的每个用户装置154可以使用任何合适的硬件平台来实现。在这方面,用户装置154可以以任何常见的形式因素来实现,包括但不限于:台式计算机;移动计算机(例如,平板计算机、膝上型计算机或上网本计算机);智能手机;视频游戏装置;数字媒体播放器;一件家庭娱乐设备;数码相机或摄像机;可穿戴计算装置(例如,智能手表、智能眼镜、智能服装);等等。由操作环境150支持的每个用户装置154被实现为具有执行本文描述的各种技术和方法所需的硬件、软件、固件和/或处理逻辑的计算机实现的或基于计算机的装置。例如,用户装置154包括可编程装置形式的微处理器,其包括存储在内部存储器结构中的一个或多个指令并且被应用来接收二进制输入以创建二进制输出。在一些实施例中,用户装置154包括能够接收GPS卫星信号并且基于那些信号生成GPS坐标的GPS模块。在其它实施例中,用户装置 154包括蜂窝通信功能,使得装置使用一个或多个蜂窝通信协议通过通信网络156执行语音和/或数据通信,如本文所讨论的。在各种实施例中,用户装置154包括视觉显示器,诸如触摸屏图形显示器或其它显示器。
远程交通系统152可以包括一个或多个后端服务器系统,该后端服务器系统可以是基于云的、基于网络的或驻留在由远程交通系统152服务的特定校园或地理位置处。远程交通系统152可以由现场顾问或自动顾问或两者的组合来管理。远程交通系统152可以与用户装置154和自主车辆 100a-100n进行通信以安排乘车,派遣自主车辆100a-100n等。在各种实施例中,远程交通系统152存储诸如订户认证信息、车辆标识符、简档记录、行为模式和其它相关订户信息的商店帐户信息。
根据典型的用例工作流程,远程交通系统152的注册用户可以经由用户装置154创建乘车请求。乘车请求通常将指示乘客希望的搭乘位置(或当前GPS位置)、期望的目的地位置(其可以识别预定义的车辆停靠站和/ 或用户指定的乘客目的地)以及搭乘时间。远程交通系统152接收乘坐请求,处理该请求,并且派遣自主车辆100a-100n中的选定的一个(当并且如果有人可用时)以在指定的搭乘位置并且在适当的时间搭乘乘客。交通系统152还可以生成并向用户装置154发送适当配置的确认消息或通知,以让乘客知道车辆正在途中。
可以理解的是,本文公开的主题提供了可被认为是标准或基线自主车辆100和/或基于自主车辆的远程交通系统152的某些增强特征和功能。为此,自主车辆和基于自主车辆的远程交通系统可以被修改、增强或以其它方式补充以提供下面更详细描述的附加特征。
如前面关于图1所指出的那样,车辆100和/或车辆控制器134可以实现轨迹控制系统300作为自主驾驶车辆系统110的一部分。尽管在图1中描绘为车载在车辆100上,但是轨迹控制系统300的部分可以定位远离车辆100。
图3是根据示例性实施例的图1的轨迹控制系统300的框图或功能图。参考图1和图3,轨迹控制系统300的各种实施例可以包括嵌入在控制器 134内的任何数量的单元、模块和子模块。可以理解,图3中所示的元件可以被组合和/或被进一步划分为相应的功能。
在一个示例性实施例中,到轨迹控制系统300的输入可以从传感器系统128接收,从与自主车辆100相关联的其它控制模块(未示出)接收,从通信系统136接收,和/或由控制器134内的其它元件(未示出)确定/ 建模。例如,轨迹控制系统300可以接收主车辆数据、道路几何形状、地图属性和远程对象作为输入并生成无碰撞且可行的轨迹用于车辆在不久的将来遵循。
如在图3中所示,轨迹控制系统300可以包括对象融合处理单元302,其用于融合来自一个或多个传感器的数据以提供环境中的对象的整体视图。对象融合处理单元302生成提供给轨迹规划系统320的自由空间约束。来自对象融合处理单元302的自由空间约束可以包括环境内的对象列表,诸如远程道路用户和在路上的障碍物。
轨迹控制系统300可以进一步包括向轨迹规划系统320提供道路边界约束的场景规划处理单元304。可以根据地图数据和车道融合连同假定无障碍环境的参考轨迹来生成道路边界约束。
轨迹控制系统300可以进一步包括向轨迹规划系统320提供高级行为指令的行为控制处理单元306。行为指令可以考虑所有交通参与者和场景。
轨迹控制系统300可以进一步包括主车辆(HV)状态处理单元308,其向轨迹规划系统320提供主车辆的当前状态的位置和运动学约束。使用这种输入数据确保轨迹规划系统320设置有对当前场景的全面理解。
通常,轨迹计划系统320处理输入以便生成轨迹输出,在一个实施例中,该轨迹输出满足主车辆的运动学和动态约束以及环境的自由空间和道路边界约束。如下面更详细描述的,来自对象融合处理单元302、场景计划处理单元304、行为控制处理单元306和主车辆(HV)状态处理单元308 的数据的一个或多个方面可以表示与车辆100相关联的临界条件。
在一个示例性实施例中,轨迹规划系统320生成的轨迹包括路径路点的列表以及纵向和横向控制器330在自主驾驶中使用的速度分布。纵向和横向控制器330生成对相应车辆组件的适当命令以实现轨迹。纵向和横向控制器330可以以任何合适的方式实现轨迹。在一个示例性实施例中,与轨迹相关联的横向控制可以包括用于转向命令的角度或转矩覆盖,并且与轨迹相关联的纵向控制可以包括具有制动系统命令和/或加速器命令的速度和/或加速度分布。以下提供关于利用轨迹规划系统320生成轨迹的更多细节。
图4是根据示例性实施例的轨迹规划系统320的框图或功能图。如上所述,根据本公开的轨迹规划系统320的各种实施例可以包括嵌入在控制器134内的任何数量的单元、模块和子模块。如可以理解的,图4中所示的元件可以被组合和/或进一步划分以执行相应的功能。
通常,轨迹计划系统320可基于多个考虑因素来生成轨迹,包括轨迹的不同方面的不同考虑因素。在一个示例性实施例中,轨迹规划系统320 可以在相对的远程内生成轨迹的第一部分并且在相对的短程内生成轨迹的第二部分。通常,术语“远程”和“短程”可以表示任何合适的相对或绝对路径规划持续时间值。作为非限制性示例,“短程”可以被认为是下一个1、2和/或3秒,或者整个路径规划持续时间的特定百分比(例如, 10%、20%等)。在一些实施例中,短程轨迹部分可以对应于本来是远程轨迹部分的轨迹的修改部分,尽管具有附加或增强的考虑。以下讨论关于确定相对持续时间以及组合远程轨迹部分和短程轨迹部分的附加细节。在一些实施例中,轨迹规划系统320可以仅生成轨迹部分中的一个以表示整个范围上的轨迹。如此,在一些示例性实施例中,下面的一个或多个模块可以被省略。
如图4中所示,轨迹规划系统320包括参考轨迹模块410、搜索图模块412、最优路径模块414、安全通道模块416、平滑轨迹模块418和局部轨迹模块420。如下面更详细描述的,这一系列模块410、412、414、416、 418、420可以生成远程轨迹部分,并且将在下面在总体所得轨迹的上下文中的更详细描述之前被介绍。
参考轨迹模块410用于生成具有参考轨迹模块410的参考轨迹。具体地,参考轨迹模块410使用场景计划数据、行为控制数据和主车辆状态数据来生成假定没有障碍的参考轨迹。参考轨迹相对于主车辆生成并且允许轨迹规划系统320评估主车辆相对于其它障碍物(诸如其它车辆)的相对位置。
简要参考图5,描绘了包括主车辆(HV)502和两个目标车辆(TV) 504、506的若干车辆的示例性拓扑视图500以及生成参考轨迹552的对应示意图550。通常,主车辆502可以对应于实现自主驾驶控制系统110的车辆,例如上面讨论的车辆100。
首先参考图5的拓扑视图500,主车辆502在右车道中行驶(例如,运动中)。目标车辆504、506如所指示的那样停止(例如,以0km/h)。描绘的障碍物环境通过由图3的场景计划处理单元304、行为控制处理单元306和主车辆状态处理单元308中的一个或多个提供的数据来描述。
现在参考图5的示意图550,参考轨迹552包括参考路径(例如,要跟随的初始路径)并且假设没有障碍物而生成。在环境中在示意图550中施加X-Y坐标系,以允许环境中的对象在主车辆502位于原点处时沿着X 轴和Y轴在数字上定位。该示例中的两个轴都是以距离为单位(例如,米) 测量的。
在一个实施例中,轨迹规划系统320可以使用另一个坐标系来进一步相对于其它对象评估主车辆502。站-横向(SL)坐标系定义沿着参考轨迹相对于“站”路点的对象以及“横向”偏离参考轨迹552的对象有多远。以这种方式相对于主车辆502指定对象可以便于驾驶场景更加困难,诸如道路上的尖锐曲线、十字路口、环形交叉路口、掉头等。
在S-L坐标系内,参考轨迹552包括不同站路点处的速度分布。速度分布指示主车辆502在不同路点处的速度。例如,在第十中心线路点站(在附图标记554处示出)处的主车辆502的速度分布可以在该点相对于沿着参考轨迹552较早的另一站点示出较慢的速度,以便避免目标车辆504。在该示例中,基于一个或多个因素来确定速度分布,诸如道路上的目标车辆速度、加速/减速限制、道路速度限制等。
返回到图4,参考轨迹模块410向搜索图模块412提供参考轨迹。搜索图模块412使用所生成的参考轨迹来生成搜索图。搜索图包含当连接时提供各种轨迹路径的点的网格。点偏离参考轨迹。对象与网格上的某些点相关联,以指示障碍物相对于参考轨迹所具有的横向偏移的程度。
简要参考图6,其描述了由搜索图模块412生成搜索图600并且继续图5引入的示例。搜索图600包含从中心线路点站在横向方向中偏移的节点。线段将节点连接到其相邻节点。例如,节点602经由线段连接到相邻节点604。通常,假定每个节点具有与其相应的参考轨迹点相同的速度。
返回到图4,搜索图模块412向最优路径模块414提供搜索图。最优路径模块414进一步从对象融合处理单元302接收自由空间约束并生成最优路径。在一个示例性实施例中,鉴于上述各种约束,最优路径对应于通过主体环境的理想或最优路径。为了执行优化,最优路径模块414包括成本函数,该成本函数考虑与道路上的静态和动态对象的碰撞避免相关的一个或多个因素,距离参考目录的偏移程度和/或其它考虑。其它细节将在下面讨论,包括关于考虑临界条件的最优路径的修改的细节。
简要参考图7,其描述了最优路径模块414生成最优路径702并且继续图5和图6的示例。最优路径702是在给定约束和环境因素的情况下最优到达期望目的地的路径。优化方法使用成本函数来帮助识别通过关于一个或多个驾驶因素最优的节点的路径702。这些因素可包括与道路上的静态和动态对象的可能碰撞相关的成本;与参考轨迹的偏移程度;所需的转向行动;偏离先前生成的轨迹的程度;等等。以下表达式(1)提供了通过搜索图的每个路径的成本函数的示例:
其中,
α:表示经调整以满足特定驾驶和性能要求的值,诸如HV动态约束、驾驶员舒适性、安全性、环保驾驶;以及
Dmax表示将距离成本归一化为[0 1]范围的值。
作为图7中的成本函数的说明,主车辆502的路径702由于避免环境内的各种对象而具有最低的成本。
返回到图4,安全通道模块416用于指定最优路径周围的安全通道,以避免与其它对象的碰撞。平滑轨迹模块418用于使通过安全通道的最优路径平滑。执行曲线平滑操作以减小曲率的程度和曲率速率。局部轨迹模块420通过生成满足用于到达期望的目的点的某些标准的局部轨迹来进一步细化平滑的轨迹路径。这种标准可以包括轨迹持续时间、偏移轨迹等。如上所述,来自局部轨迹模块420的轨迹可以被认为是被提供给临界控制模块470的远程轨迹部分。
简要参考图8,其描绘了由定义最优路径702的线802、804表示的安全通道的确定。安全通道802、804定义了随后细化的通道可以以安全方式变化的范围。更具体地,安全通道802、804是在与所有周围障碍物安全距离处的最优路径702的两侧上的连接点。
图8进一步描绘了由平滑轨迹模块418生成的平滑轨迹810。平滑轨迹810是具有最小曲率和曲率速率的安全通道802、804内的路径。除此之外,这避免了最大横向加速度/颠簸驾驶体验。图8进一步描绘了局部轨迹模块420生成的局部轨迹820。计划满足连续性条件的多个轨迹在不同的前瞻时间到达平滑轨迹上的目的点。局部轨迹与平滑轨迹的不同之处在于它满足运动学约束,诸如主车辆的位置、航向、曲率和速度的连续性。局部轨迹820可以基于以下成本项目中的一个或多个来确定:轨迹持续时间;与平滑轨迹的偏移;最大横向加速度;以及碰撞的可能性。通过增加局部轨迹处理,主车辆可以满足这些约束。
返回到图4并且如上所介绍,由轨迹规划系统320生成的所得轨迹可以包括远程轨迹部分和短程轨迹部分中的一个或多个。在一个实施例中,由平滑轨迹模块420生成的局部轨迹可以表示提供给临界控制模块470的远程轨迹部分,如在下面进行更详细的讨论。现在将讨论短程轨迹部分的生成。
如图4中所示,轨迹规划系统320进一步包括接收各种类型的输入数据的临界条件模块450。临界条件模块450评估该数据并识别临界条件的存在和/或特性。在这种情况下,临界条件可以指可能影响车辆的任何车辆、驾驶和/或环境条件,特别是可能危及上述远程轨迹部分的条件。例如,这种条件可能包括湿滑道路条件或导致过度的转向机动的意外障碍物。
临界条件可以以任何合适的方式检测和/或表征。例如,意外的转向输入可以从与转向系统124相关联的传感器导出,例如,从感测到的参数中获得,该感测的参数指示在意外的方向中或以意外的速率的方向盘上的力。可以通过估计表面摩擦系数来识别和/或表征湿滑道路条件。表面摩擦系数可基于从通信网络156接收的和/或根据位置导出的天气或条件信息来确定。关于表面摩擦系数的进一步信息可以基于许多因素从传感器数据(例如,来自视觉或红外相机、激光雷达等)导出,该因素包括来自周围车辆的动作、温度、湿度、风速、风向、降水、太阳负荷、轮胎压力变化、速度或加速度偏差、路面(例如砾石、湿沥青、雪、冰等)等。临界条件的另一个示例是可能限制能见度范围的雾。视觉系统以及其它感知工具可用于检测可见范围。例如突然跳入道路的动物的意外障碍物的出现可能需要过度转向。这种情况可能使车辆进入非典型的路径规划中未考虑的非线性操作范围,由此呈现可由本文所讨论的示例性实施例适应的附加类型的临界条件。
轨迹规划系统320进一步包括车辆模型模块460、致动器模块462、稳定性模块464和安全区域模块466。临界条件模块450向这些模块460、 462、464、466提供临界条件特征。
通常,车辆模型模块460接收与车辆(包括轮胎)相关联的各种类型的输入数据。车辆模型模块460表示代表车辆动态的等式、算法或模型的集合。在一个示例性实施例中,车辆模型模块460是具有非线性轮胎模态的自行车模型。在一个实施例中,车辆模型可以使用临界条件特性,例如,用于建模和/或作为约束。
在一个示例性实施例中,车辆模型模块460的模型可以是由车辆状态向量(X)和一个或多个控制动作(u)的函数表示的标准系统动态车辆状态向量(X)和一个或多个控制动作(u)可以由以下表达式(2) 和(3)表示:
其中,
x、y表示位置坐标;
ψ表示偏航;
β表示侧滑角;
vx表示纵向车辆速度;以及
ax表示纵向加速度。
u=[δrf,axd] 表达式(3)。
其中,
δrf表示前桥上的道路转向角;以及
axd表示期望的纵向加速度。
其中,
ψ和β表示偏航角和侧滑角;
Fyf和Fyr表示前桥和后桥的横向轮胎力,其可以基于车辆状态和轮胎横向刚度来扩展;
τd表示动力系或制动系统时间常数;
Lf和Lr表示从前后桥到重心的距离;
vx表示纵向车辆速度;
Iz表示偏航力矩惯性;以及
M表示车辆质量。
车辆模型模块460向临界控制模块470提供车辆动态的表示,如下面更详细讨论的。
致动器模块462生成或定义与致动器相关联的约束作为一种类型的临界条件约束。这种约束可以基于与致动器相关联的模型和限制,并且可以根据由临界条件模块450提供的临界条件特性来考虑。在一个示例中,约束可以取决于致动器带宽和致动器动作的安全正常范围。任何车辆致动器都可能受到致动器模块462中的约束。
作为示例,与转向范围和转向速率限制相关联的约束可以分别由以下表达式(5)和(6)表示:
δmin<δ<δmax 表达式(5)
作为另一个示例,作为牵引力和制动力约束的与动力系和制动系统相关联的约束可由以下表达式(7)表示:
简要参考图9,图9是对加速度(或“g-g”)图900的致动器约束的图示。其中纵线902、904、906表示与牵引力和制动力相关联的加速度值,并且横线912、914、916表示与转向系统相关联的加速度值。如图所示,转向系统通常与横向加速度(ay)相关联,并且动力系和制动系统通常与纵向加速度(ax)相关联。所得的加速度约束950在图900上在横向和纵向方向中用图示。
因此,致动器模块462和/或车辆模型模块460利用临界条件特性用于建模和/或约束的实时适应。例如,临界条件特性可以用作车辆(或轮胎) 模型中的道路条件和/或作为控制策略中的约束,如下面将更详细地讨论。示例包括基于道路条件的最大减速度或确定最大速度的能见度范围。临界条件约束的另一个示例是当障碍物(例如动物)进入道路时可能发生的转向输入,其可能影响转向速率和角度,作为避免障碍物的限制。
βmin<β<βmax 表达式(8)
rmin<r<rmax 表达式(9)
简要参考图10,其中稳定性约束(或稳定性包络)被表示为侧滑角- 偏航角速率(β-r)相位图1000。在图10中,侧滑角值在横轴1002上表示,并且偏航速率值在纵轴1004上表示。所得的约束1010被表示。
实际上,图10的相位部分1000描绘包括偏航率和侧滑角的用于车辆运动(或状态)的稳定区域。换句话说,与稳定性模块464相关联的约束使得车辆状态能够保持在侧滑角和偏航角速率的定义包络内。该包络的大小可取决于临界条件特性,包括道路条件,以及车辆速度和车辆特性。在下面讨论的控制模块470中,可以用数学方式表示该约束,以便于在不同道路条件下的车辆稳定性。
返回到图4,安全区域模块466用于生成安全区域约束作为另一种类型的临界条件约束,其表示围绕考虑临界条件的每个点处的最优路径定义的边界,诸如由环境条件导致的湿滑道路,如下面更详细讨论的。在一个示例中,安全区域模块466可以表示根据车辆位置定义的边界约束。
考虑到临界条件特性作为另一种类型的临界条件约束,平滑度模块 468定义车辆100的曲率约束。这种约束可被定义为对曲率范围和/或曲率速率的约束。
临界控制模块470接收来自平滑度模块468、安全区域模块466、稳定性模块464和致动器模块462的约束;来自车辆模型模块460的车辆动态方程;以及来自最优路径模块414的最优路径。通常,临界控制模块470 用于根据临界条件(例如至少部分地由约束表示)修改最优路径以提供更有效的轨迹,如现在将更详细描述的。
临界控制模块470可以被认为包括校准子模块472、短程子模块474 以及所得的路径子模块476。通常,校准子模块472用于定义短程轨迹部分和远程轨迹部分的相对持续时间。相对持续时间可取决于许多问题,包括可用的处理资源、临界条件的紧急程度等。在一些实施例中,相对持续时间可以是预定常数。此外,在其它实施例中,整个所得的轨迹可以是本文描述的短程轨迹部分。
短程子模块474用于基于由校准子模块472定义的持续时间来生成短程轨迹部分。简要参考图11,该图是大体对应于图5的示例的示意图。如上所述,主车辆502在具有目标车辆504、506的道路上行驶。在目标车辆504、506周围提供最优路径702(例如,不考虑临界条件)。
图11中的表示还描绘了围绕最优路径702定义的安全区域边界1102、 1104。如上所述,安全区域边界1102、1104对应于由安全区域模块466 提供的安全区域约束。实际上,安全区域边界1102、1104定义和/或预测考虑到安全区域约束而可容忍的最优路径702的偏差量。
在图11的情况下,如果车辆502在临界条件下试图遵循最优路径702,则这些命令可能导致不希望的所得路径1106(例如,由于最优路径702可能不适应和/或考虑临界条件)。这样,临界控制模块470生成用于将车辆 502保持在安全区域边界1102、1104内的临界条件的可行轨迹1110。实际上,临界控制模块470修改最优路径702以根据临界条件产生可行轨迹 1110,从而为车辆502提供安全的轨迹。可行轨迹1110可以对应于未平滑的短程轨迹部分。
返回到图4,短程子模块474可以以任何合适的方式生成短程轨迹部分。在一个示例性实施例中,短程子模块474利用模型预测控制(MPC) 技术。MPC是一种依赖复杂系统的多变量动态模型的过程控制方法。例如,短程子模块474所使用的MPC可以是其中对当前状态进行采样的车辆路径的迭代有限时域优化,并计算成本最小化控制策略以修改最优路径,同时遵守用临界条件表示的约束。随着控制策略实施,预测范围向前移动,从而产生新的控制和预测的状态路径。以这种方式,短程子模块474用于追踪车辆的当前状态和路径,以便将临界条件结合到短程轨迹部分的生成和规划中。
下面提供了MPC实施的一个示例。通常,MPC系统试图将预测范围的控制范围(M)上的控制信号的预测未来输出移向经受约束的目标控制信号(yd)(例如,基于临界条件特性的约束)。优化器基于状态变量生成控制输入信号,并且预测模型生成所得的预测控制输入信号。预测函数可以用任何系统技术来实现,以预测预测范围内的系统行为,包括递归和批处理方法。类似地,约束优化可以用任何实时解决的技术来实现,诸如有源组技术。
作为示例,表达式(10)是线性参数变化(LPV)系统的一般表达式,其是线性时变动态模型的形式。
其中,
θ表示控制输入信号;以及
A、B和C表示时间t的连续时间相关系统、控制和已知干扰矩阵。
可以估计或测量状态变量,例如(y=Eξ)。
预测模型可以经历离散化以在采样时间(t)提供递归形式,如表达式 (11)所表示的。
优化器的目标函数可以由表达式(12)表示。
其中,
ξ表示实际状态;以及
ξdes表示期望的状态。
因此,目标函数旨在最小化实际状态与理想状态之间的误差,同时最小化预测范围内的控制动作的误差。
目标函数服从系统的动态模型(表达式(13)),与状态相关联的约束 (表达式(14)),以及与控制动作相关联的约束(表达式(15))。
ξk|t∈X k=t+1,…t+Np 表达式(14)
θk|t∈V k=t+1,…t+Nc-1 表达式(15)
表达式(4)中提供了相关联的动态模型的更具体的表示。表达式(14) 和(15)中可以并入上面讨论的临界条件约束。例如,可以在表达式(15) 中考虑来自模块462的致动器约束。作为进一步的示例,可以在表达式(14) 中考虑来自模块464、466、468的安全区域约束、稳定性约束和曲率约束。
如上所述,目标函数的结果作为示例提供优化的控制信号,诸如用于转向和制动系统的控制信号。
返回到图4,短程子模块474向所得的路径子模块476提供短程轨迹部分。所得的路径子模块476还接收如上所述的远程轨迹部分。通常,所得的路径子模块476用于将短程轨迹部分与远程轨迹部分组合以生成所得的轨迹。
在一个示例性实施例中,所得的路径子模块476利用长程轨迹部分的开始来评估短程轨迹部分的结束,以确定组合部分是否经历不连续和/或不适当的转变,以及如果是这样,则平滑短程路径部分,直到不连续和/或不适当的转变不再存在,如以下表达式(16)所示:
其中,
所得的路径子模块476可以根据预定曲率约束和/或基于临界条件的曲率约束来平滑短程轨迹部分。在组合短程轨迹部分和远程轨迹部分时,临界控制模块将所得的轨迹提供给车辆的纵向和横向控制器330以实现轨迹。由于图4中描绘的输入和处理,考虑到临界条件,轨迹输出满足主车辆的运动学和动态约束以及环境的自由空间和道路边界约束。
简要参考图12,该图是可以由图4的轨迹规划系统470生成的所得轨迹的图示。如上所述,图12描绘了考虑到目标车辆504、506周围的最优路径702而生成的主车辆502和可行轨迹1110。如图12所示,可行路径 1110相对于最优路径702具有不连续性。如上所述,平滑子模块476用于平滑可行轨迹1110以产生短程轨迹部分1210。短程持续时间1202内的短程轨迹部分1210和长程持续时间1204内的最优路径702的组合在整个持续时间1200内提供所得轨迹。
图13描绘了示出用于轨迹规划方法1300的操作场景的流程图。如根据本发明可以理解的,方法1300内的操作顺序不限于图13所示的顺序执行,但是可以适用和根据本发明以一个或多个变化顺序来执行。在各种实施例中,方法1300可以被调度为基于一个或多个预定事件运行,和/或可以在自主车辆的操作期间连续运行。
在方法1500的第一步骤1305中,轨迹控制系统300从各种传感器和控制模块接收输入。在步骤1310中,生成参考轨迹。在步骤1315中,为参考轨迹生成搜索图。在步骤1320中,为搜索图和参考轨迹生成最优路径。在步骤1325和1330中,为最优路径生成安全通道并随后进行平滑。在步骤1335中,确定平滑轨迹的局部轨迹以生成远程路径。在步骤1340 中,从输入数据中识别临界条件特性。在步骤1345中,识别和/或检索车辆模型。在步骤1350、1355、1360和1365中,针对临界条件特性识别致动器约束、稳定性约束、安全区域约束和曲率约束。在步骤1370中,从最优路径、临界条件约束和车辆模型生成短程路径。在步骤1375中,从远程路径和短程路径生成具有相关联的致动器命令的所得路径。
图13中所描绘的操作场景包括一种轨迹规划方法,该方法通过其几何方法在计算上是高效的并且也是通用的,因为它可以在包括临界条件期间的各种道路场景中使用。另外,操作场景的规划方法对主车辆动态变化以及道路上其它动态对象的变化起反应。在这种操作场景下所得的轨迹遵循交通规则,在道路边界内是安全的,并且考虑主车辆非完整运动约束以及诸如最大横向加速度/挺举的动态约束。图13中的操作场景可以配置大量的变型。
关于根据示例性实施例生成轨迹(特别是关于在安全通道内以最小曲率和曲率速率生成平滑轨迹)的附加细节可以在2016年11月9日提交的美国专利申请第15/347,546号中提供,并在此引入作为参考。
虽然在前面的详细描述中已经呈现了至少一个示例性实施例,但应该理解的是存在大量的变型。还应该理解的是,一个示例性实施例或多个示例性实施例仅是示例,并不意图以任何方式限制本发明的范围、适用性或配置。而是,前面的详细描述将为本领域技术人员提供用于实现一个示例性实施例或多个示例性实施例的便利路线图。应该理解的是,在不脱离如所附权利要求及其合法等同物所阐述的本发明的范围的情况下,可以对元件的功能和布置进行各种改变。
Claims (9)
1.一种用于自主操作车辆的方法,所述方法包括以下步骤:
利用处理器,基于参考轨迹生成搜索图,其中所述搜索图包含从中心线路点站在横向方向上偏移的多个节点、和将多个节点的每个节点连接到相邻节点的线段;
利用所述处理器,基于成本函数和所述搜索图生成所述车辆的最优路径,其中所述成本函数与道路上的静态和动态对象的可能碰撞、从参考轨迹的偏移程度、所需的转向行动、偏离先前生成的轨迹的程度相关;
利用所述处理器,基于最优路径和安全通道生成第一轨迹,所述安全通道限定与最优路径相关的并代表距障碍物安全距离的点;
利用所述处理器识别至少一个约束;
利用所述处理器,使用考虑所述至少一个约束的模型预测控制来修改所述第一轨迹的至少第一部分以产生短程轨迹部分,其中所述第一部分根据预定持续时间限定;
根据第一轨迹和短程轨迹部分生成所得的轨迹;以及
根据所述所得的轨迹控制所述车辆。
2.根据权利要求1所述的方法,进一步包括:从所述第一轨迹的第二部分生成远程轨迹部分,而不考虑所述至少一个约束,其中生成所得的轨迹的步骤包括组合所述短程轨迹部分和所述远程轨迹部分以形成所述所得的轨迹,以及其中生成步骤包括平滑所述短程轨迹部分的第一端以提供与所述远程轨迹部分的第二端的连续性。
3.根据权利要求1所述的方法,其中所述至少一个约束与意外的转向输入相关联。
4.根据权利要求1所述的方法,其中所述至少一个约束与湿滑道路条件相关联。
5.根据权利要求1所述的方法,其中所述至少一个约束是围绕所述最优路径的所述第一部分定义的安全区域约束作为可接受的偏差。
7.根据权利要求1所述的方法,其中所述至少一个约束是表示与所述车辆的转向系统、推进系统或制动系统中的至少一个相关联的限制的致动器约束。
8.根据权利要求1所述的方法,其中修改步骤包括另外基于车辆动态模型修改所述第一轨迹的所述至少第一部分。
9.根据权利要求1所述的方法,其中生成所述最优路径的步骤包括:
另外接收驾驶场景计划和行为控制数据;以及
利用所述处理器基于所述车辆状态数据和所述驾驶场景计划生成搜索图,其中所述搜索图包含用于相对于参考轨迹路径定位对象的点的网格,并且其中所述搜索图使用指示所述对象相对于所述参考轨迹路径站的横向偏移的坐标系,
其中所述对象包括所述车辆环境中的其它车辆,
其中所述搜索图是使用所述坐标系生成的多个搜索图中的一个以确定不同道路场景中的轨迹路径,以及
其中生成所述最优路径的步骤进一步包括:
基于所述轨迹路径生成局部轨迹,其中所述局部轨迹基于满足在不同的前瞻时间到达目的地点的连续性条件来确定,并且其中所述局部轨迹满足所述车辆的运动学和动态约束以及所述车辆环境的自由空间和道路边界约束,并直接由所述车辆中的纵向和横向控制器使用。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/621,221 US10725470B2 (en) | 2017-06-13 | 2017-06-13 | Autonomous vehicle driving systems and methods for critical conditions |
US15/621221 | 2017-06-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109085820A CN109085820A (zh) | 2018-12-25 |
CN109085820B true CN109085820B (zh) | 2021-10-29 |
Family
ID=64332632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810586035.6A Active CN109085820B (zh) | 2017-06-13 | 2018-06-08 | 临界条件的自主车辆驾驶系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10725470B2 (zh) |
CN (1) | CN109085820B (zh) |
DE (1) | DE102018113926A1 (zh) |
Families Citing this family (69)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201600109633A1 (it) * | 2016-10-31 | 2018-05-01 | Magneti Marelli Spa | Procedimento e sistema di controllo adattivo in un veicolo terrestre per l'inseguimento di un percorso, particolarmente in uno scenario di guida autonoma. |
DE102017212355B4 (de) * | 2017-07-19 | 2019-12-24 | Volkswagen Aktiengesellschaft | Verfahren zur Erkennung und zur Charakterisierung eines Fahrverhaltens eines Fahrers oder eines Autopiloten in einem Kraftfahrzeug, Steuereinheit und Kraftfahrzeug |
US11392120B2 (en) * | 2017-09-08 | 2022-07-19 | Motional Ad Llc | Planning autonomous motion |
US10754339B2 (en) * | 2017-09-11 | 2020-08-25 | Baidu Usa Llc | Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles |
US10688991B2 (en) * | 2018-01-24 | 2020-06-23 | GM Global Technology Operations LLC | Systems and methods for unprotected maneuver mitigation in autonomous vehicles |
US10884422B2 (en) * | 2018-04-16 | 2021-01-05 | Baidu Usa Llc | Method for generating trajectories for autonomous driving vehicles (ADVS) |
US10816985B2 (en) * | 2018-04-17 | 2020-10-27 | Baidu Usa Llc | Method on moving obstacle representation for trajectory planning |
US20190314983A1 (en) * | 2018-04-17 | 2019-10-17 | Sony Corporation | Recording medium, information processing apparatus, and information processing method |
US11602999B1 (en) * | 2018-05-01 | 2023-03-14 | Zoox, Inc. | Predictive control strategies for vehicles |
US11249485B2 (en) * | 2018-05-30 | 2022-02-15 | Siemens Industry Software Nv | Method and system for controlling an autonomous vehicle device to repeatedly follow a same predetermined trajectory |
US11436504B1 (en) * | 2018-06-11 | 2022-09-06 | Apple Inc. | Unified scene graphs |
US10860023B2 (en) * | 2018-06-25 | 2020-12-08 | Mitsubishi Electric Research Laboratories, Inc. | Systems and methods for safe decision making of autonomous vehicles |
US11181368B2 (en) * | 2018-08-20 | 2021-11-23 | Simmonds Precision Products, Inc. | Visibility range sensing |
US11358605B2 (en) * | 2018-09-10 | 2022-06-14 | Here Global B.V. | Method and apparatus for generating a passenger-based driving profile |
US11535262B2 (en) | 2018-09-10 | 2022-12-27 | Here Global B.V. | Method and apparatus for using a passenger-based driving profile |
US10990099B2 (en) * | 2018-11-16 | 2021-04-27 | Great Wall Motor Company Limited | Motion planning methods and systems for autonomous vehicle |
DE102018222531A1 (de) * | 2018-12-20 | 2020-06-25 | Volkswagen Aktiengesellschaft | Verfahren zum wenigstens teilautomatisierten Steuern des Kraftfahrzeugs während eines Einpark- oder Ausparkvorgangs, Steuervorrichtung sowie Kraftfahrzeug |
CN111380526B (zh) * | 2018-12-27 | 2022-04-05 | 北京航迹科技有限公司 | 一种路径确定的系统和方法 |
CN110618676B (zh) * | 2018-12-29 | 2020-11-20 | 长城汽车股份有限公司 | 车辆自动驾驶时安全偏移线的生成方法、生成系统及车辆 |
US11364929B2 (en) * | 2019-01-04 | 2022-06-21 | Toyota Research Institute, Inc. | Systems and methods for shared control of a vehicle |
US11669098B2 (en) | 2019-02-07 | 2023-06-06 | GM Global Technology Operations LLC | Method and apparatus for longitudinal motion control of a vehicle |
DE102019103106A1 (de) * | 2019-02-08 | 2020-08-13 | Zf Automotive Germany Gmbh | Steuerungssystem und Steuerungsverfahren zur interaktionsbasierten Langzeitbestimmung von Trajektorien für Kraftfahrzeuge |
CN109765902B (zh) * | 2019-02-22 | 2022-10-11 | 阿波罗智能技术(北京)有限公司 | 无人车驾驶参考线处理方法、装置及车辆 |
CN111752254A (zh) * | 2019-03-28 | 2020-10-09 | 深圳市商汤科技有限公司 | 轨迹跟踪控制器的测试方法、装置、介质及设备 |
US11305765B2 (en) * | 2019-04-23 | 2022-04-19 | Baidu Usa Llc | Method for predicting movement of moving objects relative to an autonomous driving vehicle |
EP3730384B1 (en) * | 2019-04-24 | 2022-10-26 | Aptiv Technologies Limited | System and method for trajectory estimation |
US11613254B2 (en) * | 2019-06-13 | 2023-03-28 | Baidu Usa Llc | Method to monitor control system of autonomous driving vehicle with multiple levels of warning and fail operations |
US11429115B2 (en) * | 2019-06-27 | 2022-08-30 | Baidu Usa Llc | Vehicle-platoons implementation under autonomous driving system designed for single vehicle |
US11292457B2 (en) * | 2019-07-31 | 2022-04-05 | Toyota Research Institute, Inc. | Autonomous vehicle user interface with predicted trajectories |
US11328593B2 (en) | 2019-07-31 | 2022-05-10 | Toyota Research Institute, Inc. | Autonomous vehicle user interface with predicted trajectories |
US11292458B2 (en) | 2019-07-31 | 2022-04-05 | Toyota Research Institute, Inc. | Autonomous vehicle user interface with predicted trajectories |
US11914368B2 (en) | 2019-08-13 | 2024-02-27 | Zoox, Inc. | Modifying limits on vehicle dynamics for trajectories |
CN114222690A (zh) * | 2019-08-13 | 2022-03-22 | 祖克斯有限公司 | 修改轨迹的车辆动力学限制 |
US20210064031A1 (en) * | 2019-08-28 | 2021-03-04 | Zenuity Ab | Path planning for autonomous and semi-autonomous vehicles |
US20210064042A1 (en) * | 2019-08-28 | 2021-03-04 | Zenuity Ab | Path planning for autonomous and semi-autonomous vehicles |
EP3792125B1 (en) | 2019-09-13 | 2023-12-06 | Zenuity AB | Safe trajectory tracking in uncertain environments |
US11237562B2 (en) * | 2019-09-19 | 2022-02-01 | Caterpillar Inc. | System and method for avoiding contact between autonomous and manned vehicles caused by loss of traction |
US11273837B2 (en) * | 2019-09-24 | 2022-03-15 | Baidu Usa Llc | Variable boundary estimation for path planning for autonomous driving vehicles |
US11625513B2 (en) * | 2019-09-27 | 2023-04-11 | Zoox, Inc. | Safety analysis framework |
US11734473B2 (en) * | 2019-09-27 | 2023-08-22 | Zoox, Inc. | Perception error models |
US11351995B2 (en) | 2019-09-27 | 2022-06-07 | Zoox, Inc. | Error modeling framework |
JP2022550058A (ja) * | 2019-09-27 | 2022-11-30 | ズークス インコーポレイテッド | 安全性分析フレームワーク |
EP3880413B1 (en) * | 2019-10-03 | 2023-10-04 | Mitsubishi Electric Corporation | Method and system for trajectory optimization for vehicles with geometric constraints |
US11754408B2 (en) * | 2019-10-09 | 2023-09-12 | Argo AI, LLC | Methods and systems for topological planning in autonomous driving |
JP7158367B2 (ja) * | 2019-12-09 | 2022-10-21 | 本田技研工業株式会社 | 車両制御システム |
US11467584B2 (en) * | 2019-12-27 | 2022-10-11 | Baidu Usa Llc | Multi-layer grid based open space planner |
EP3855121A3 (en) * | 2019-12-30 | 2021-10-27 | Waymo LLC | Kinematic model for autonomous truck routing |
CN114489044A (zh) * | 2019-12-31 | 2022-05-13 | 华为技术有限公司 | 一种轨迹规划方法及装置 |
JP7448400B2 (ja) * | 2020-03-31 | 2024-03-12 | 本田技研工業株式会社 | 移動体制御装置、移動体制御方法、およびプログラム |
DE102020108857A1 (de) | 2020-03-31 | 2021-09-30 | Daimler Ag | Verfahren zur Planung einer Soll-Trajektorie |
JP7450481B2 (ja) * | 2020-07-14 | 2024-03-15 | 本田技研工業株式会社 | 移動体制御装置、移動体、移動体制御方法、およびプログラム |
CN111873991B (zh) * | 2020-07-22 | 2022-04-08 | 中国第一汽车股份有限公司 | 一种车辆转向的控制方法、装置、终端及存储介质 |
US20220055629A1 (en) * | 2020-08-24 | 2022-02-24 | Clinton L. Schumann | Surface Detection Via a Directed Autonomous Vehicle |
GB2598731B (en) * | 2020-09-09 | 2023-03-29 | Jaguar Land Rover Ltd | Apparatus and method for controlling a vehicle |
CN112215882B (zh) * | 2020-12-10 | 2021-03-16 | 中智行科技有限公司 | 一种中心线的处理方法及装置 |
WO2022144559A1 (en) | 2020-12-30 | 2022-07-07 | Budapesti Műszaki és Gazdaságtudományi Egyetem | Method and system for an autonomous motion control and motion planning of a vehicle |
US20220219548A1 (en) * | 2021-01-11 | 2022-07-14 | GM Global Technology Operations LLC | Linear time varying model predictive torque control |
CN112837534B (zh) * | 2021-01-12 | 2022-07-22 | 同济大学 | 一种智能网联车环境下多车道环岛车辆协同控制方法 |
EP4056441A1 (en) * | 2021-03-12 | 2022-09-14 | Aptiv Technologies Limited | Back propagation planning for adas/ad motion planning and control |
KR102317430B1 (ko) * | 2021-05-27 | 2021-10-26 | 주식회사 라이드플럭스 | 자율주행 차량의 주행 계획을 위한 로드 네트워크 맵 생성방법, 서버 및 컴퓨터프로그램 |
US11892832B2 (en) | 2021-06-16 | 2024-02-06 | Waymo Llc | Lane path modification framework |
EP4105094A1 (en) * | 2021-06-17 | 2022-12-21 | Volvo Autonomous Solutions AB | A method of reconstructing a vehicle trajectory |
US11724739B2 (en) * | 2021-07-22 | 2023-08-15 | GM Global Technology Operations LLC | Vehicle actuation commands to affect transient handling |
CN113581201B (zh) * | 2021-07-22 | 2022-11-04 | 重庆邮电大学 | 一种基于势场模型的无人汽车避撞控制方法及系统 |
US11897461B2 (en) | 2021-09-10 | 2024-02-13 | Ford Global Technologies, Llc | Methods and systems for autonomous vehicle collision avoidance |
US11724689B2 (en) * | 2021-09-14 | 2023-08-15 | GM Global Technology Operations LLC | Systems and methods for predicting and detecting vehicle instability |
CN113844446B (zh) * | 2021-10-14 | 2023-08-15 | 安徽江淮汽车集团股份有限公司 | 融合长短程的车辆轨迹预测方法 |
CN115214773B (zh) * | 2022-03-01 | 2023-11-21 | 广州汽车集团股份有限公司 | 车辆控制方法、装置、系统、车辆及存储介质 |
DE102022205460A1 (de) | 2022-05-31 | 2023-11-30 | Continental Autonomous Mobility Germany GmbH | Verfahren für eine Fahrplanung einer Notlenkung, sowie Fahrplanungssystem |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103380351A (zh) * | 2010-10-22 | 2013-10-30 | 丰田自动车工程及制造北美公司 | 用于停放障碍物附近的车辆的方法和系统 |
CN104417603A (zh) * | 2013-08-30 | 2015-03-18 | 株式会社万都 | 转向控制设备和方法 |
CN106094812A (zh) * | 2015-04-27 | 2016-11-09 | 通用汽车环球科技运作有限责任公司 | 用于自主驾驶的反应式路径规划 |
CN106767860A (zh) * | 2016-11-21 | 2017-05-31 | 江苏大学 | 一种基于启发式搜索算法来缩短智能汽车路径规划搜索时间的方法 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6618651B1 (en) * | 2002-02-25 | 2003-09-09 | Visteon Global Technologies, Inc. | Estimating vehicle velocities using linear-parameter-varying and gain varying scheduling theories |
US8170739B2 (en) | 2008-06-20 | 2012-05-01 | GM Global Technology Operations LLC | Path generation algorithm for automated lane centering and lane changing control system |
US8428843B2 (en) | 2008-06-20 | 2013-04-23 | GM Global Technology Operations LLC | Method to adaptively control vehicle operation using an autonomic vehicle control system |
US8108138B2 (en) * | 2008-10-02 | 2012-01-31 | The Boeing Company | Optimal vehicle router with energy management system |
US20110035150A1 (en) | 2009-08-07 | 2011-02-10 | Gm Global Technology Operations, Inc. | Simple technique for dynamic path planning and collision avoidance |
US9514647B2 (en) | 2010-10-20 | 2016-12-06 | GM Global Technology Operations LLC | Optimal acceleration profile for enhanced collision avoidance |
US8612139B2 (en) | 2010-11-30 | 2013-12-17 | GM Global Technology Operations LLC | Systems and methods for planning vehicle routes based on safety factors |
DE102011109491A1 (de) | 2011-08-04 | 2013-02-07 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrunterstützungsvorrichtung zur Unterstützung der Befahrung enger Fahrwege |
DE102011109492A1 (de) | 2011-08-04 | 2013-02-07 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrunterstützungsvorrichtung zur Unterstützung der Befahrung enger Fahrwege |
US9318023B2 (en) * | 2011-08-31 | 2016-04-19 | GM Global Technology Operations LLC | System and method for collision avoidance maneuver path determination with jerk limit |
JP5729480B2 (ja) * | 2011-10-03 | 2015-06-03 | トヨタ自動車株式会社 | 車両の運転支援システム |
US8849515B2 (en) | 2012-07-24 | 2014-09-30 | GM Global Technology Operations LLC | Steering assist in driver initiated collision avoidance maneuver |
US9099006B2 (en) | 2013-08-22 | 2015-08-04 | GM Global Technology Operations LLC | Context-aware threat response arbitration |
US20150292894A1 (en) * | 2014-04-11 | 2015-10-15 | Telecommunication Systems, Inc. | Travel route |
US9457807B2 (en) | 2014-06-05 | 2016-10-04 | GM Global Technology Operations LLC | Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver |
US9428187B2 (en) | 2014-06-05 | 2016-08-30 | GM Global Technology Operations LLC | Lane change path planning algorithm for autonomous driving vehicle |
US9283967B2 (en) | 2014-07-16 | 2016-03-15 | GM Global Technology Operations LLC | Accurate curvature estimation algorithm for path planning of autonomous driving vehicle |
US9229453B1 (en) | 2014-08-29 | 2016-01-05 | GM Global Technology Operations LLC | Unified motion planner for autonomous driving vehicle in avoiding the moving obstacle |
US9227632B1 (en) | 2014-08-29 | 2016-01-05 | GM Global Technology Operations LLC | Method of path planning for evasive steering maneuver |
JP6280850B2 (ja) * | 2014-09-29 | 2018-02-14 | 日立建機株式会社 | 障害物回避システム |
DE102014016567A1 (de) | 2014-11-08 | 2016-05-12 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Verfahren zum Bestimmen einer Ausweichtrajektorie und Fahrerassistenzsystem dafür |
US20160231124A1 (en) | 2015-01-15 | 2016-08-11 | GM Global Technology Operations LLC | Horizon-based driver assistance systems and methods |
US9821801B2 (en) * | 2015-06-29 | 2017-11-21 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling semi-autonomous vehicles |
DE112016003285B4 (de) * | 2015-07-22 | 2022-12-22 | Honda Motor Co., Ltd. | Routengenerator, Routenerzeugungsverfahren und Routenerzeugungsprogramm |
KR102464926B1 (ko) * | 2016-02-11 | 2022-11-08 | 삼성전자주식회사 | 운송 기기를 제어하는 제어 장치 및 이의 운송 기기 제어 방법 |
-
2017
- 2017-06-13 US US15/621,221 patent/US10725470B2/en active Active
-
2018
- 2018-06-08 CN CN201810586035.6A patent/CN109085820B/zh active Active
- 2018-06-11 DE DE102018113926.8A patent/DE102018113926A1/de active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103380351A (zh) * | 2010-10-22 | 2013-10-30 | 丰田自动车工程及制造北美公司 | 用于停放障碍物附近的车辆的方法和系统 |
CN104417603A (zh) * | 2013-08-30 | 2015-03-18 | 株式会社万都 | 转向控制设备和方法 |
CN106094812A (zh) * | 2015-04-27 | 2016-11-09 | 通用汽车环球科技运作有限责任公司 | 用于自主驾驶的反应式路径规划 |
CN106767860A (zh) * | 2016-11-21 | 2017-05-31 | 江苏大学 | 一种基于启发式搜索算法来缩短智能汽车路径规划搜索时间的方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102018113926A1 (de) | 2018-12-13 |
CN109085820A (zh) | 2018-12-25 |
US20180356819A1 (en) | 2018-12-13 |
US10725470B2 (en) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109085820B (zh) | 临界条件的自主车辆驾驶系统和方法 | |
CN108725446B (zh) | 用于自主车辆的俯仰角补偿 | |
CN108062094B (zh) | 基于处理器实现车辆行驶轨迹规划的自主系统和方法 | |
CN110126839B (zh) | 用于自主车辆路径跟随器校正的系统和方法 | |
CN108268034B (zh) | 用于车辆的专家模式 | |
CN110068346B (zh) | 用于自主车辆中不受保护的操纵缓解的系统和方法 | |
CN108981722B (zh) | 用于自主驾驶的使用贝塞尔曲线的轨迹规划器 | |
US10317907B2 (en) | Systems and methods for obstacle avoidance and path planning in autonomous vehicles | |
US10495493B2 (en) | Systems and methods for controlling sensing device field of view | |
CN109017782B (zh) | 个性化的自主车辆乘坐特性 | |
CN109814543B (zh) | 道路廊道 | |
CN110126825B (zh) | 用于低级别前馈车辆控制策略的系统和方法 | |
US20180164822A1 (en) | Systems and methods for autonomous vehicle motion planning | |
CN109813325B (zh) | 可行车道路线规划 | |
US11242060B2 (en) | Maneuver planning for urgent lane changes | |
US20180315314A1 (en) | Automated vehicle route traversal | |
US20180004215A1 (en) | Path planning of an autonomous vehicle for keep clear zones | |
US20180224860A1 (en) | Autonomous vehicle movement around stationary vehicles | |
CN109115230B (zh) | 用于车辆的自主驾驶系统及其车辆 | |
US20180348771A1 (en) | Stop contingency planning during autonomous vehicle operation | |
US20190168805A1 (en) | Autonomous vehicle emergency steering profile during failed communication modes | |
US20190071916A1 (en) | Door closing system | |
CN114719874A (zh) | 用于在自主车辆中将导航路线转化为行为决策的系统和方法 | |
CN114763158A (zh) | 用于控制自主车辆的轨迹选择 |
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 |