CN109955853B - 用于操作自动驾驶车辆的方法、系统和存储介质 - Google Patents

用于操作自动驾驶车辆的方法、系统和存储介质 Download PDF

Info

Publication number
CN109955853B
CN109955853B CN201810902288.XA CN201810902288A CN109955853B CN 109955853 B CN109955853 B CN 109955853B CN 201810902288 A CN201810902288 A CN 201810902288A CN 109955853 B CN109955853 B CN 109955853B
Authority
CN
China
Prior art keywords
reference line
line segment
polynomial function
autonomous vehicle
order polynomial
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
Application number
CN201810902288.XA
Other languages
English (en)
Other versions
CN109955853A (zh
Inventor
张雅嘉
李立耘
许珂诚
李栋
缪景皓
胡江滔
王京傲
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 CN109955853A publication Critical patent/CN109955853A/zh
Application granted granted Critical
Publication of CN109955853B publication Critical patent/CN109955853B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/02—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
    • B60W30/10—Path keeping
    • 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
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding 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
    • 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
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • 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
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Human Resources & Organizations (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Game Theory and Decision Science (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

接收与自动驾驶车辆(ADV)有关的、表示从第一位置到第二位置的轨迹的第一参考线路。第一参考线路被分成多个参考线路段。对于所述多个参考线路段中的每个参考线路段，五次多项式函数被限定成表示参考线路段。基于所述多个参考线路段的五次多项式函数确定目标函数。根据与所述多个参考线路段有关的约束集，对五次多项式函数的系数执行优化，以使得在满足约束集的同时使目标函数的输出达到最小值。然后基于目标函数的五次多项式函数的优化后的参数或系数生成第二参考线路。然后利用第二参考线路来规划和控制ADV。

Description

用于操作自动驾驶车辆的方法、系统和存储介质
技术领域
本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及生成用于操作自动驾驶车辆的轨迹的参考线路。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘客(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。
运动规划与控制是自动驾驶中的关键操作。具体地，轨迹规划是自动驾驶系统中的关键组成。传统的轨迹规划技术严重依赖于高质量的参考线路(作为自动驾驶车辆的引导路径(例如，道路的中心线))，以生成稳定的轨迹。通常，直接来自传感器的地图数据(通常是世界坐标系中的一系列二维(2D)点)无法提供所需的平滑度，并因而，直接使用地图数据可能会导致规划器在规划周期之间产生不稳定且振荡的轨迹。
发明内容
本申请提供了一种操作自动驾驶车辆的计算机实施的方法。所述方法包括：响应于接收到与自动驾驶车辆有关的、表示从第一位置到第二位置的路线的第一参考线路，将所述第一参考线路分成多个参考线路段；对于所述多个参考线路段中的每个参考线路段，确定用于表示所述参考线路段的五次多项式函数；基于所述多个参考线路段的五次多项式函数确定目标函数；根据与所述多个参考线路段有关的约束集，对所述五次多项式函数的参数执行优化，以使得在满足所述约束集的同时使所述目标函数的输出达到最小值；以及基于所述目标函数的五次多项式函数的优化后的参数，生成第二参考线路，其中，所述第二参考线路被用作用于控制所述自动驾驶车辆的参考线路。
根据本申请实施例，所述目标函数表示所述多个参考线路段的五次多项式函数的导数的至少一部分的总和。
根据本申请实施例，每个参考线路段的五次多项式函数的系数基于与所述第一参考线路的参考线路段有关的所述自动驾驶车辆的位置、所述自动驾驶车辆的方向、所述自动驾驶车辆的曲率和所述自动驾驶车辆的曲率变化率而确定。
根据本申请实施例，对所述五次多项式函数的参数执行优化包括优化每个五次多项式函数的系数，以使得所述五次多项式函数在所述参考线路段的起始点处的输出与所述自动驾驶车辆在所述参考线路段的起始点处的方向相似，并且所述五次多项式函数在所述参考线路段的结束点处的输出与所述自动驾驶车辆在下一参考线路段的起始点处的方向相似。
根据本申请实施例，所述约束集还包括所述五次多项式函数在所述参考线路段的起始点处的一阶导数与所述参考线路段的起始点处的曲率相似的条件，并且其中，所述五次多项式函数在所述参考线路段的结束点处的一阶导数与所述下一参考线路段的起始点处的曲率相似。
根据本申请实施例，所述约束集还包括所述五次多项式函数在所述参考线路段的起始点处的二阶导数与所述参考线路段的起始点处的曲率变化率相似的条件，并且其中，所述五次多项式函数在所述参考线路段的结束点处的二阶导数与所述下一参考线路段的起始点处的曲率变化率相似。
根据本申请实施例，所述约束集包括所述自动驾驶车辆在所述第一参考线路上的位置与从所述五次多项式函数中求导的所述自动驾驶车辆的相应位置之间的差异小于预定阈值的条件。
根据本申请实施例，对所述目标函数迭代地执行所述优化，直至所述目标函数在当前迭代下的输出与所述目标函数在先前迭代下的输出之间的差异小于预定阈值。
根据本申请实施例，执行优化包括：将所述多个参考线路段中的第一参考线路段分成多个子段；对于所述多个子段中的每个子段，使用与所述第一参考线路段有关的第一五次多项式函数执行第二优化；以及对与所述多个子段对应的第一五次多项式函数的输出求和，以表示所述第一参考线路段。
本申请还提供了一种存储有指令的非暂时性机器可读介质，所述指令在由处理器运行时使得所述处理器执行以下操作。所述操作包括：响应于接收到与自动驾驶车辆有关的、表示从第一位置到第二位置的路线的第一参考线路，将所述第一参考线路分成多个参考线路段；对于所述多个参考线路段中的每个参考线路段，确定用于表示所述参考线路段的五次多项式函数；基于所述多个参考线路段的五次多项式函数确定目标函数；根据与所述多个参考线路段有关的约束集，对所述五次多项式函数的参数执行优化，以使得在满足所述约束集的同时使所述目标函数的输出达到最小值；以及基于所述目标函数的五次多项式函数的优化后的参数，生成第二参考线路，其中，所述第二参考线路被用作用于控制所述自动驾驶车辆的参考线路。
本申请还提供了一种数据处理系统，包括：处理器；以及存储器，所述存储器联接至所述处理器以存储指令，所述指令在由所述处理器运行时使得所述处理器执行以下操作。所述操作包括：响应于接收到与自动驾驶车辆有关的、表示从第一位置到第二位置的路线的第一参考线路，将所述第一参考线路分成多个参考线路段；对于所述多个参考线路段中的每个参考线路段，确定用于表示所述参考线路段的五次多项式函数；基于所述多个参考线路段的五次多项式函数确定目标函数；根据与所述多个参考线路段有关的约束集，对所述五次多项式函数的参数执行优化，以使得在满足所述约束集的同时使所述目标函数的输出达到最小值；以及基于所述目标函数的五次多项式函数的优化后的参数，生成第二参考线路，其中，所述第二参考线路被用作用于控制所述自动驾驶车辆的参考线路。
附图说明
本公开的实施方式以示例而非限制的方式示出在附图的各图中，附图中相似的附图标记指示相似的元件。
图1是示出根据一个实施方式的网络化系统的框图。
图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。
图3A至图3B是示出根据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是示出根据一个实施方式的规划模块的示例的框图。
图5示出了根据一个实施方式的被分成多个参考线路段的参考线路。
图6示出了根据一个实施方式的进一步分成多个子段的参考线路段。
图7示出了根据一个实施方式的初始参考线路和优化参考线路。
图8是示出根据一个实施方式的用于优化参考线路的过程的示例的流程图。
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公开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公开的说明，而不应当解释为限制本公开。描述了许多特定细节以提供对本公开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公开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”的引述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公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各处的记载不必全部指同一实施方式。
根据一些实施方式，使用新的约束数值优化方法来获取具有一系列2D点的格式的地图数据，并生成具有最小曲率变化的平滑且分段级联的参考线路。给定一系列2D点，系统首先使用任意五次多项式螺旋路径连接连续的点。通过扰乱这些分段路径，优化系统以迭代的方式找到这些路径中具有整体最小曲率变化并且在联结点处直至三阶导数仍平滑地连接的最佳集合。
五次多项式螺旋路径被用作分段路径，以简化目标公式。优化的目标在于使沿着参考线路的整体曲率变化最小化。然而，如果分段路径被限定在世界坐标系中(例如，笛卡尔空间中)，则对目标进行公式化是极其复杂的。为解决该问题，螺旋路径(即，曲线方向是曲线长度的函数)被用作分段路径，并因而可容易地对该目标进行公式化。螺旋路径中的点的坐标可使用数值积分来计算。此外，用户可根据其置信水平来限定其对地图数据的“信任”。可使用最终输出中的一个输入点的最大偏差对该“信任”建模，并且在该方法中可直接考虑该“信任”。
根据一个实施方式，接收与自动驾驶车辆(ADV)有关的、表示从第一位置到第二位置的轨迹的第一参考线路。第一参考线路基于地图数据生成，该地图数据与从第一位置到第二位置的路线有关。第一参考线路被分成多个参考线路段。对于多个参考线路段中的每个参考线路段，五次多项式函数(也简称为五次函数)被限定成表示相应的参考线路段。基于参考线路段的五次多项式函数确定目标函数。然后，根据与参考线路段有关的约束集，对五次多项式函数的参数或系数执行优化，以使得在满足约束集的同时使目标函数的输出达到最小值。然后基于目标函数的五次多项式函数的优化后的参数或系数生成第二参考线路。然后利用第二参考线路来规划ADV的轨迹。
在一个实施方式中，目标函数表示所有参考线路段的五次多项式函数的所有输出的总和。在具体的实施方式中，目标函数基于参考线路段的五次多项式函数的二阶导数的总和进行配置。根据参考线路的两端处的参考线路方向、曲率和曲率变化率以及参考线路段的长度，依据约束集来确定每个参考线路段的五次多项式函数的系数。在一个实施方式中，对五次多项式函数的参数的优化包括优化每个五次多项式函数的系数，以使得五次多项式函数的输出具有最小的曲率变化。
在一个实施方式中，约束集还包括五次多项式函数在参考线路段的起始点处的一阶导数与在参考线路段的起始点处的曲率相似的条件。五次多项式函数在参考线路段的结束点处的一阶导数与下一参考线路段的起始点处的曲率相同或相似。在另一个实施方式中，约束集还包括五次多项式函数在参考线路段的起始点处的二阶导数与在参考线路段的起始点处的曲率变化率相似的条件。五次多项式函数在参考线路段的结束点处的二阶导数与下一参考线路段的起始点处的曲率变化率相同或相似。约束集还包括第一参考线路上的端点与从五次多项式函数求导的相应端点之间的差异小于预定阈值的条件，其中，阈值可由用户进行配置，例如根据与ADV的传感器相关的置信度或信任度进行配置。
图1是示出根据本公开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相机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。相机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。相机211可以是静物相机和/或视频相机。相机可以是可机械地移动的，例如，通过将相机安装在旋转和/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可以是为多种客户端执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(自动驾驶车辆或由人类驾驶员所驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括表明在不同的时间点时发出的驾驶命令(例如，油门命令、制动命令、转向命令)以及车辆的传感器所捕获的车辆的响应(例如速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述在不同的时间点时的驾驶环境的信息，诸如，例如路线(包括起始位置和目的地位置)、MPOI、道路条件、天气条件等。
基于驾驶统计数据123，机器学习引擎122出于多种目的而生成或训练规则集、算法和/或预测模型124。例如，可选择一组五次多项式函数，并利用初始系数或参数对其进行限定。此外，还可基于可从驾驶统计数据123获取的硬件特征(诸如，传感器规格和具体的车辆设计)来限定约束集。
图3A和图3B是示出根据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3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306和路线安排模块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(例如，利用GPS单元212)确定自动驾驶车辆300的当前位置，并管理与用户的行程或路线相关的任何数据。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相机采集的图像，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，预测模块303预测所述对象在所述情况下的行为。基于在某时间点感知的驾驶环境的感知数据根据地图/路线信息311与交通规则312的集合来执行所述预测。例如，如果对象是相反方向处的车辆且当前驾驶环境包括十字路口，预测模块303则将预测该车辆是可能向前直行还是可能转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可预测该车辆可能在进入十字路口之前必须完全停下。如果感知数据表明该车辆当前处于左转专用车道或右转专用车道，则预测模块303可分别预测该车辆更可能进行左转或右转。
针对每个对象，决策模块304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304决定如何与所述对象相遇(例如，超车、让行、停止、经过)。决策模块304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。
路线安排模块307配置成提供从起始点到终点的一个或多个路线或路径。对于例如从用户处接收到的从起始位置到目的地位置的给定行程，路线安排模块307获取地图和路线信息311，并确定从起始位置到达目的地位置的所有可能的路线或路径。对于确定了从起始位置到达目的地位置的路线中的每一个，路线安排模块307可以以地形图的形式生成参考线路。参考线路表示没有诸如其它车辆、障碍物或交通状况的其它干扰的理想路线或理想路径。即，如果道路上没有其它车辆、行人或障碍物，则ADV应精确地或接近地遵循参考线路。随后可向决策模块304和/或规划模块305提供地形图。根据由其它模块提供的其它数据(诸如，来自定位模块301的交通状况、感知模块302感知的驾驶环境和预测模块303预测的交通状况)，决策模块304和/或规划模块305检验所有可能的路线，以选择并修正其中一个最佳路线。取决于在某时间点时的特定的驾驶环境，用于控制ADV的实际路径或路线可接近于或不同于由路线安排模块307提供的参考线路。
基于针对所感知到的对象中的每个的决定，规划模块305使用路线安排模块307提供的参考线路作为基础，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)。划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定经过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧经过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动周期(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306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，规划阶段在多个规划周期(也称为命令周期)中执行，诸如，以例如每100毫秒(ms)的时间间隔执行。针对每个规划周期或命令周期，将基于规划和控制数据发出一个或多个控制命令。即，对于每100ms，规划模块305规划下一路线段或路径段，例如，包括目标位置和ADV到达该目标位置所需的时间。替代地，规划模块305还可指定具体速度、方向和/或转向角度等。在一个实施方式中，规划模块305为下一预定的时间段(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305基于先前周期中所规划的目标位置为当前周期(例如，下个5秒)规划目标位置。控制模块306随后基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门控制命令、制动控制命令、转向控制命令)。
应注意，决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305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。
决策模块304/规划模块305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客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。
路线安排模块307可例如从地图信息(诸如路段、路段的车道和从车道到路缘的距离的信息)生成参考路线。例如，道路可划分成{A、B和C}节或段来表示三个路段。路段A的三个车道可列举为{A1、A2和A3}。参考路线通过沿着参考路线生成参考点而生成。例如，对于车道，路线安排模块307可连接由地图数据提供的车道的两个相对的路缘或路沿的中点。基于表示曾经车辆在不同的时间点在该车道上驾驶所收集的数据点的机器学习数据和上述中点，路线安排模块307可通过在车道的预定邻近范围内选择所收集的数据点的子集并根据收集到的数据点的子集对所述中点应用平滑函数，从而计算参考点。
基于参考点或车道参考点，路线安排模块307可通过对参考点插值来生成参考线路，以使得所生成的参考线路被用作用于控制所述车道上的ADV的参考线路。在一些实施方式中，代表参考线路的参考点表和路段表可被实时下载到ADV，以使得ADV可基于ADV的地理位置和驾驶方向生成参考线路。例如，在一个实施方式中，ADV可通过利用表示前方即将到来的路段的路径段标识符和/或基于ADV的GPS位置来请求用于路径段的路线安排服务，从而生成参考线路。基于路径段标识符，路线安排服务可返回到ADV参考点表，所述ADV参考点表包含用于关注路段的所有车道的参考点。ADV可查阅路径段的车道的参考点，以生成用于控制车道上的ADV的参考线路。
然而，在一些情况下，从地图数据生成的参考线路不够平滑，从而可导致驾驶员感觉不适或导致车辆的控制误差。有时经过参考点的参考线路不够平滑。为使参考线路足够平滑，每个参考点之前或之后的曲率应该彼此接近。此外，应减小曲率变化率。
根据一个实施方式，例如由规划模块305利用新的约束数值优化方法，来获取具有一系列2D点的格式的地图数据，并生成平滑且分段级联的具有最小曲率变化的参考线路。给定一系列2D点，系统首先利用任意的五次多项式螺旋路径来连接连续的点。通过扰乱这些分段路径，优化系统以迭代的方式找到这些路径中具有整体最小曲率变化并且在联结点处直至三阶导数仍平滑地连接的最佳集合。
五次多项式螺旋路径被用作分段路径，以简化目标公式。优化的目标在于使沿着参考线路的整体曲率变化最小化。然而，如果分段路径被限定在世界坐标系中(例如，笛卡尔空间中)，则对目标进行公式化是极其复杂的。为解决该问题，螺旋路径(即，曲线方向是曲线长度的函数)被用作分段路径，并因而可容易地对该目标进行公式化。螺旋路径中的点的坐标可使用数值积分来计算。此外，用户可根据其置信水平来限定其对地图数据的“信任”。可使用最终输出中的一个输入点的最大偏差对该“信任”建模，并且在该方法中可直接考虑该“信任”。
图4是示出根据一个实施方式的规划模块的示例的框图。参考图4，规划模块305包括，但不限于，分段器401、五次函数生成器402、目标函数生成器403、优化器404和参考线路生成器405。这些模块401至405可以以软件、硬件或其组合实施。分段器401配置成将第一参考线路分成多个参考线路段。对于参考线路段中的每个，五次函数生成器402配置成定义并生成五次多项式函数，以表示相应的参考线路段。目标函数生成器403配置成基于参考线路段的五次多项式函数生成目标函数。五次多项式函数和/或目标函数可预配置或存储为函数314的一部分。优化器404配置成对目标函数执行优化，以使得目标函数根据约束集达到最小值，约束集通过规划模块305的约束生成器(未示出)配置为约束313的一部分。参考线路生成器405配置成基于所述优化(即，使用优化的目标函数的参数或系数)生成第二参考线路。优化的目标中的一个在于在参考线路段之间的曲率变化或曲率变化率保持最小的同时，确定表示与第一参考线路的相应的初始参考点接近的第二参考线路的一组新参考点。曲率变化越小，则产生的参考线路越平滑。
图5是示出基于地图数据生成的参考线路的示例的示图。参考图5，根据一个实施方式，分段器401将参考线路500分成多个参考线路段。每个参考线路段由两个参考点终止。在该示例中，存在n个参考点(x0、y0)、(x1、y1)、…、(xn，yn)，本文中表示为参考线路段501至506。每个参考线路段与段长度s相关联。例如，参考点(x0，y0)与参考点(x1，y1)之间的参考线路段与段长度s0相关联。因此，对于n个参考点，有(n-1)个参考线路段。使用不同的五次多项式函数对每个参考线路段建模。
对参考线路段中的每个，五次函数生成器402生成五次多项式函数θ(s)。因此，存在至少(n-1)个五次多项式函数θ0(s)至θn-1(s)。在一个实施方式中，每个五次多项式函数表示相应的参考线路段的起始参考点的方向。五次多项式函数的导数(例如，一阶导数)表示参考线路段的起始参考点的曲率，K＝dθ/ds。五次多项式函数的二阶导数表示曲率变化或曲率变化率，dK/ds。
出于说明的目的，定义以下术语：
●θ0：起始方向
●
Figure BDA0001759713700000151
起始曲率，κ，关于曲线长度的方向导数，即，
Figure BDA0001759713700000152
●
Figure BDA0001759713700000153
起始曲率导数，即，
Figure BDA0001759713700000154
●θ1：结束方向
●
Figure BDA0001759713700000155
结束曲率
●
Figure BDA0001759713700000156
结束曲率导数
●Δs：两个端点之间的曲线长度
每个分段螺旋路径由七个参数决定：起始方向(θ0)、起始曲率(dθ0)、起始曲率导数(d2θ0)、结束方向(θ1)、结束曲率(dθ1)、结束曲率导数(d2θ1)以及起始点与结束点之间的曲线长度(Δs)。在一个实施方式中，五次多项式函数可定义如下：
θi(s)＝a×s5+b×s4+c×s3+d×s2+e×s+f
并且上式满足：
θi(0)＝θi
Figure BDA0001759713700000157
Figure BDA0001759713700000161
θi(Δs)＝θi+1
Figure BDA0001759713700000162
Figure BDA0001759713700000163
基于上述约束，对所有参考线路段的所有五次多项式函数执行优化，以使得表示参考线路段(i)的五次多项式函数在零段长度处的输出应与相应的参考线路段(i)的起始参考点处的方向相同或相似。五次多项式函数的一阶导数应与参考线路段(i)的起始参考点处的曲率相同或相似。五次多项式函数的二阶导数应与参考线路段(i)的起始参考点处的曲率变化率相同或相似。类似地，表示参考线路段(i)的五次多项式函数在全段长度(s)处的输出应与下一参考线路段(i+1)的起始参考点(即，当前参考线路段(i)的结束参考点)处的方向相同或相似。五次多项式函数的一阶导数应与下一参考线路段(i+1)的起始参考点处的曲率相同或相似。五次多项式函数的二阶导数应与下一参考线路段(i+1)的起始参考点处的曲率变化率相同或相似。
例如，对于如图5中所示的参考线路段501，相应的五次多项式函数θ(0)的输出表示起始点(x0，y0)的方向或角度。θ(Δs0)表示结束点(x1，y1)的方向，其中，点(x1，y1)也是下一参考线路段502的起始点。θ(0)的一阶导数表示起始点处的曲率，并且θ(0)的二阶导数表示起始点(x0，y0)处的曲率变化率。θ(s0)的一阶导数表示结束点(x1，y1)的曲率，并且θ(s0)的二阶导数表示结束点(x1，y1)的曲率变化率。
通过带入上述变量θi、
Figure BDA0001759713700000164
θi+1、
Figure BDA0001759713700000165
Δs，将有六个等式可用于求解五次多项式函数的系数a，b，c，d，e和f。例如，如上所述，可使用上文的五次多项式函数来定义给定点处的方向：
θ(s)＝as5+bs4+cs3+ds2+es+f
五次函数的一阶导数表示在路径的该点处的曲率：
dθ＝5as4+4bs3+3cs2+2ds+e
五次函数的二阶导数表示在路径的该点处的曲率变化率：
d2θ＝20as3+12bs2+6cs+2d
对于给定的螺旋路径或参考线路段，涉及两个点：起始点和结束点，其中，每个点的方向、曲率和曲率变化率可分别由以上三个等式表示。因此，对于每个螺旋路径或参考线路段总共有六个等式。可利用这六个等式来确定相应的五次函数的系数a，b，c，d，e和f。
当利用螺旋路径来表示笛卡尔空间中的连续参考点之间的曲线时，需要在螺旋路径曲线长度与笛卡尔空间中的位置之间建立连接或桥接。给定由{θi,dθi,d2θi,θi+1,dθi+1,d2θi+1,Δs}和路径起始点pi＝(xi，yi)限定的螺旋路径θi(s)的情况下，我们需要在给定任何s＝[0,Δs]的情况下，确定点p＝(x，y)的坐标。在一个实施方式中，给定点的坐标可基于以下公式获得：
Figure BDA0001759713700000171
Figure BDA0001759713700000172
当s＝Δs时，在给定曲线θi和起始坐标pi＝(xi，yi)的情况下获得结束坐标pi+1。执行五次函数的优化，使得螺旋路径的五次函数的整体输出达到最小值，同时满足上述约束集。此外，从该优化求导出的端点的坐标需要处于相对于初始参考线路的相应坐标的预定范围(例如，容差，误差容限)内。即，每个优化点与初始参考线路的对应点之间的差异应处于预定的阈值内。
根据一个实施方式，基于所有螺旋路径的五次函数来限定目标函数。满足上述约束的同时，对目标函数的五次函数的输入参数(例如，θi、
Figure BDA0001759713700000173
θi+1、
Figure BDA0001759713700000174
Δs)执行优化。在一个实施方式中，目标函数表示与所有参考线路段相关联的所有五次函数的总和，并且执行优化，以使得在满足以上约束集的同时，目标函数的输出达到最小值。迭代地执行优化、修改变量并评估约束集，直至当前迭代中的目标函数的输出与先前迭代中的目标函数的输出相似。本文中的措辞“相似”表示两次连续迭代的输出之间的差异小于预定阈值。
在该方法中，如图5中所示，参考线路被建模为具有与一个螺旋路径连接的两个连续参考点的一系列分段的五次螺旋路径。输入点允许在预定边界内略微偏离其初始螺旋路径，其中，预定边界可由用户进行限定或配置。该边界对生成地图数据时的传感器精度、处理标记误差等的置信水平进行建模。在一个实施方式中，给定n个点的情况下，如下地选择优化中的变量：
Figure BDA0001759713700000181
Figure BDA0001759713700000182
参考线路的平滑度被建模为曲率变化率的绝对值，即，五次函数θ(s)的二阶导数。
根据一个实施方式，参考线路段中的每个均被分成多个子段。每个子段表示参考线路段的分段路径内的分段子路径。图6是示出参考线路段的分段的示图，在该图6中，参考线路段还被分割成m个子段。每个子段由相同参考线路段的五次函数表示。因此，一个分段路径中存在m个中间点作为探测点。目标在于使子段的五次函数最小化。目标函数被定义为每个参考线路段的子段的五次函数的输出的总和。在一个实施方式中，目标函数定义如下：
Figure BDA0001759713700000183
受以下点位置运动约束：
Figure BDA0001759713700000184
在一个实施方式中，目标函数表示每个五次多项式函数的二阶导数的平方和。坐标
Figure BDA0001759713700000185
表示输入点pi的初始位置，并且ri表示点pi的可由用户配置的边界。基于如上所述的相应五次函数的积分来求导坐标(xi，yi)。利用从优化得到的新坐标来形成可用以控制ADV的新的参考线路。图7示出了初始参考线路和使用上述优化的至少一部分进行优化的参考线路。
图8是示出根据一个实施方式的用于优化参考线路的过程的示例的流程图。过程800可由处理逻辑执行，其中，处理逻辑可包括软件、硬件或其组合。例如，过程800可由图4的规划模块305执行。参考图8，在操作801中，处理逻辑接收基于地图数据生成的第一参考线路。第一参考线路表示从第一位置到第二位置的、ADV所应遵循的轨迹。在操作802中，处理逻辑将第一参考线路分成多个参考线路段。每个参考线路段由起始参考点和结束参考点终止。每个参考点由包括但不限于2D笛卡尔空间中的参考点(x，y)的位置和方向(θ)的属性集表示。可基于方向(θ)的导数获取参考点处的曲率K，并可基于曲率K的导数获取曲率变化率。
对于参考线路段中的每个，在操作803中，处理逻辑确定五次多项式函数以表示对应的参考线路段。在操作804中，处理逻辑基于参考线路段的五次多项式函数确定目标函数。在操作805中，处理逻辑根据约束集(例如，基于θ、dθ、d2θ、x、y的约束)对目标函数的五次多项式函数的参数执行优化，以使得在满足约束集的同时目标函数的输出达到最小值。在操作806中，基于目标函数的五次多项式函数的优化参数生成第二参考线路。使用第二参考线路来控制ADV。
在执行优化时，在多次迭代中迭代地调整和优化五次多项式函数的参数(例如，系数a，b，c，d，e和f)，并评估目标函数的输出。基于每个参考线路段的输入点来配置参数，例如，x、y、方向、曲率和曲率变化率。目标在于优化每个五次多项式函数的位置(x，y)、方向、曲率和曲率变化率以使得目标函数的输出达到最小值。当优化达到预定的退出条件时，将停止该过程并将获得最新的参数集以生成新的参考线路。在一个实施方式中，当优化的两个连续的迭代的输出之间的差异小于预定阈值时，迭代过程停止。可替代地，当迭代次数达到预定次数时，该过程将停止。
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本申请全文中所述的过程或操作。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是示出可以与本公开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，某些实施方式中可以具有附加的部件，此外，其它实施方式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)可以用作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
Figure BDA0001759713700000211
公司的
Figure BDA0001759713700000212
操作系统、来自苹果公司的Mac
Figure BDA0001759713700000213
来自
Figure BDA0001759713700000214
公司的
Figure BDA0001759713700000215
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，相机)，所述成像处理子系统可以包括用于促进相机功能(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305、控制模块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公开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；因为此类细节和本公开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公开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。
本公开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。
本公开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公开的实施方式的教导。
在以上的说明书中，已经参考本公开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，可以对本公开作出各种修改。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)

1.一种操作自动驾驶车辆的计算机实施的方法，所述方法包括：
响应于接收到与自动驾驶车辆有关的、表示从第一位置到第二位置的路线的第一参考线路，将所述第一参考线路分成多个参考线路段；
对于所述多个参考线路段中的每个参考线路段，确定用于表示所述参考线路段的五次多项式函数；
基于所述多个参考线路段的五次多项式函数确定目标函数；
根据与所述多个参考线路段有关的约束集，对所述五次多项式函数的参数执行优化，以使得在满足所述约束集的同时使所述目标函数的输出达到最小值；以及
基于所述目标函数的五次多项式函数的优化后的参数，生成第二参考线路，其中，所述第二参考线路被用作用于控制所述自动驾驶车辆的参考线路。
2.根据权利要求1所述的方法，其中，所述目标函数表示所述多个参考线路段的五次多项式函数的导数的至少一部分的总和。
3.根据权利要求1所述的方法，其中，每个参考线路段的五次多项式函数的系数基于与所述第一参考线路的参考线路段有关的所述自动驾驶车辆的位置、所述自动驾驶车辆的方向、所述自动驾驶车辆的曲率和所述自动驾驶车辆的曲率变化率而确定。
4.根据权利要求3所述的方法，其中，对所述五次多项式函数的参数执行优化包括优化每个五次多项式函数的系数，以使得所述五次多项式函数在所述参考线路段的起始点处的输出与所述自动驾驶车辆在所述参考线路段的起始点处的方向相似，并且所述五次多项式函数在所述参考线路段的结束点处的输出与所述自动驾驶车辆在下一参考线路段的起始点处的方向相似。
5.根据权利要求4所述的方法，其中，所述约束集还包括所述五次多项式函数在所述参考线路段的起始点处的一阶导数与所述参考线路段的起始点处的曲率相似的条件，并且其中，所述五次多项式函数在所述参考线路段的结束点处的一阶导数与所述下一参考线路段的起始点处的曲率相似。
6.根据权利要求4所述的方法，其中，所述约束集还包括所述五次多项式函数在所述参考线路段的起始点处的二阶导数与所述参考线路段的起始点处的曲率变化率相似的条件，并且其中，所述五次多项式函数在所述参考线路段的结束点处的二阶导数与所述下一参考线路段的起始点处的曲率变化率相似。
7.根据权利要求4所述的方法，其中，所述约束集包括所述自动驾驶车辆在所述第一参考线路上的位置与从所述五次多项式函数中求导的所述自动驾驶车辆的相应位置之间的差异小于预定阈值的条件。
8.根据权利要求1所述的方法，其中，对所述目标函数迭代地执行所述优化，直至所述目标函数在当前迭代下的输出与所述目标函数在先前迭代下的输出之间的差异小于预定阈值。
9.根据权利要求1所述的方法，其中，执行优化包括：
将所述多个参考线路段中的第一参考线路段分成多个子段；
对于所述多个子段中的每个子段，使用与所述第一参考线路段有关的第一五次多项式函数执行第二优化；以及
对与所述多个子段对应的第一五次多项式函数的输出求和，以表示所述第一参考线路段。
10.一种存储有指令的非暂时性机器可读介质，所述指令在由处理器运行时使得所述处理器执行以下操作，所述操作包括：
响应于接收到与自动驾驶车辆有关的、表示从第一位置到第二位置的路线的第一参考线路，将所述第一参考线路分成多个参考线路段；
对于所述多个参考线路段中的每个参考线路段，确定用于表示所述参考线路段的五次多项式函数；
基于所述多个参考线路段的五次多项式函数确定目标函数；
根据与所述多个参考线路段有关的约束集，对所述五次多项式函数的参数执行优化，以使得在满足所述约束集的同时使所述目标函数的输出达到最小值；以及
基于所述目标函数的五次多项式函数的优化后的参数，生成第二参考线路，其中，所述第二参考线路被用作用于控制所述自动驾驶车辆的参考线路。
11.根据权利要求10所述的机器可读介质，其中，所述目标函数表示所述多个参考线路段的五次多项式函数的导数的至少一部分的总和。
12.根据权利要求10所述的机器可读介质，其中，每个参考线路段的五次多项式函数的系数基于与所述第一参考线路的参考线路段有关的所述自动驾驶车辆的位置、所述自动驾驶车辆的方向、所述自动驾驶车辆的曲率和所述自动驾驶车辆的曲率变化率而确定。
13.根据权利要求12所述的机器可读介质，其中，对所述五次多项式函数的参数执行优化包括优化每个五次多项式函数的系数，以使得所述五次多项式函数在所述参考线路段的起始点处的输出与所述自动驾驶车辆在所述参考线路段的起始点处的方向相似，并且所述五次多项式函数在所述参考线路段的结束点处的输出与所述自动驾驶车辆在下一参考线路段的起始点处的方向相似。
14.根据权利要求13所述的机器可读介质，其中，所述约束集还包括所述五次多项式函数在所述参考线路段的起始点处的一阶导数与所述参考线路段的起始点处的曲率相似的条件，并且其中，所述五次多项式函数在所述参考线路段的结束点处的一阶导数与所述下一参考线路段的起始点处的曲率相似。
15.根据权利要求13所述的机器可读介质，其中，所述约束集还包括所述五次多项式函数在所述参考线路段的起始点处的二阶导数与所述参考线路段的起始点处的曲率变化率相似的条件，并且其中，所述五次多项式函数在所述参考线路段的结束点处的二阶导数与所述下一参考线路段的起始点处的曲率变化率相似。
16.根据权利要求13所述的机器可读介质，其中，所述约束集包括所述自动驾驶车辆在所述第一参考线路上的位置与从所述五次多项式函数中求导的所述自动驾驶车辆的相应位置之间的差异小于预定阈值的条件。
17.根据权利要求10所述的机器可读介质，其中，对所述目标函数迭代地执行所述优化，直至所述目标函数在当前迭代下的输出与所述目标函数在先前迭代下的输出之间的差异小于预定阈值。
18.根据权利要求10所述的机器可读介质，其中，执行优化包括：
将所述多个参考线路段中的第一参考线路段分成多个子段；
对于所述多个子段中的每个子段，使用与所述第一参考线路段有关的第一五次多项式函数执行第二优化；以及
对与所述多个子段对应的第一五次多项式函数的输出求和，以表示所述第一参考线路段。
19.一种数据处理系统，包括：
处理器；以及
存储器，所述存储器联接至所述处理器以存储指令，所述指令在由所述处理器运行时使得所述处理器执行以下操作，所述操作包括：
响应于接收到与自动驾驶车辆有关的、表示从第一位置到第二位置的路线的第一参考线路，将所述第一参考线路分成多个参考线路段；
对于所述多个参考线路段中的每个参考线路段，确定用于表示所述参考线路段的五次多项式函数；
基于所述多个参考线路段的五次多项式函数确定目标函数；
根据与所述多个参考线路段有关的约束集，对所述五次多项式函数的参数执行优化，以使得在满足所述约束集的同时使所述目标函数的输出达到最小值；以及
基于所述目标函数的五次多项式函数的优化后的参数，生成第二参考线路，其中，所述第二参考线路被用作用于控制所述自动驾驶车辆的参考线路。
20.根据权利要求19所述的系统，其中，所述目标函数表示所述多个参考线路段的五次多项式函数的导数的至少一部分的总和。
21.根据权利要求19所述的系统，其中，每个参考线路段的五次多项式函数的系数基于与所述第一参考线路的参考线路段有关的所述自动驾驶车辆的位置、所述自动驾驶车辆的方向、所述自动驾驶车辆的曲率和所述自动驾驶车辆的曲率变化率而确定。
22.根据权利要求21所述的系统，其中，对所述五次多项式函数的参数执行优化包括优化每个五次多项式函数的系数，以使得所述五次多项式函数在所述参考线路段的起始点处的输出与所述自动驾驶车辆在所述参考线路段的起始点处的方向相似，并且所述五次多项式函数在所述参考线路段的结束点处的输出与所述自动驾驶车辆在下一参考线路段的起始点处的方向相似。
CN201810902288.XA 2017-12-14 2018-08-09 用于操作自动驾驶车辆的方法、系统和存储介质 Active CN109955853B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/842,204 2017-12-14
US15/842,204 US10429849B2 (en) 2017-12-14 2017-12-14 Non-linear reference line optimization method using piecewise quintic polynomial spiral paths for operating autonomous driving vehicles

Publications (2)

Publication Number Publication Date
CN109955853A CN109955853A (zh) 2019-07-02
CN109955853B true CN109955853B (zh) 2021-08-31

Family

ID=66814512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810902288.XA Active CN109955853B (zh) 2017-12-14 2018-08-09 用于操作自动驾驶车辆的方法、系统和存储介质

Country Status (2)

Country Link
US (1) US10429849B2 (zh)
CN (1) CN109955853B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112016003285B4 (de) * 2015-07-22 2022-12-22 Honda Motor Co., Ltd. Routengenerator, Routenerzeugungsverfahren und Routenerzeugungsprogramm
US10823575B2 (en) * 2018-06-27 2020-11-03 Baidu Usa Llc Reference line smoothing method using piecewise spiral curves with weighted geometry costs
US11079761B2 (en) * 2018-12-12 2021-08-03 Ford Global Technologies, Llc Vehicle path processing
CN110377041B (zh) * 2019-08-08 2022-03-29 腾讯科技（深圳）有限公司 参考线生成方法、装置、终端设备及存储介质
CN110554697A (zh) * 2019-08-15 2019-12-10 北京致行慕远科技有限公司 行进方法、可行进设备和存储介质
US11958183B2 (en) 2019-09-19 2024-04-16 The Research Foundation For The State University Of New York Negotiation-based human-robot collaboration via augmented reality
EP3861291B1 (en) * 2019-12-20 2023-01-25 Baidu.com Times Technology (Beijing) Co., Ltd. Spline curve and spiral curve based reference line smoothing method
CN111145355B (zh) * 2019-12-25 2023-09-22 北京经纬恒润科技股份有限公司 道路网格数据生成方法及装置
US11586209B2 (en) * 2020-04-08 2023-02-21 Baidu Usa Llc Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles
CN111585793B (zh) * 2020-04-20 2021-04-30 南京大学 一种网络服务优化组合方法
US20220011775A1 (en) * 2020-07-13 2022-01-13 Baidu Usa Llc Random shift based path centering system for autonomous vehicles
CN111880539B (zh) * 2020-07-30 2024-04-19 上海高仙自动化科技发展有限公司 智能机器人的移动控制方法及装置、智能机器人及可读存储介质
US11577733B2 (en) * 2020-09-30 2023-02-14 GM Global Technology Operations LLC Efficient road coordinates transformations library
CN114001739B (zh) * 2021-10-11 2024-04-16 广州小鹏自动驾驶科技有限公司 一种路径规划方法、装置、车辆及存储介质
CN115457113B (zh) * 2022-09-03 2023-05-23 北京津发科技股份有限公司 人机交互移动轨迹检测方法、装置、设备和可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5612883A (en) * 1990-02-05 1997-03-18 Caterpillar Inc. System and method for detecting obstacles in the path of a vehicle
CN101825469A (zh) * 2009-02-18 2010-09-08 哈曼贝克自动系统股份有限公司 估算与推进相关的操作参数的方法
CN105579320A (zh) * 2013-09-05 2016-05-11 李斯特内燃机及测试设备公司 一种用于优化驾驶员辅助系统的方法和设备
CN107340772A (zh) * 2017-07-11 2017-11-10 清华大学 一种面向无人驾驶的拟人化参考轨迹规划方法
CN107346137A (zh) * 2016-05-06 2017-11-14 福特全球技术公司 车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6772062B2 (en) * 2001-05-31 2004-08-03 The Regents Of The University Of California Intelligent ultra high speed distributed sensing system and method for sensing roadway markers for intelligent vehicle guidance and control
EP1529556B1 (en) * 2003-11-04 2013-02-20 Toyota Jidosha Kabushiki Kaisha Travelling apparatus and method for controlling thereof
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
US8190330B2 (en) * 2009-03-06 2012-05-29 GM Global Technology Operations LLC Model based predictive control for automated lane centering/changing control systems
KR101145112B1 (ko) * 2010-05-11 2012-05-14 국방과학연구소 자율이동차량의 조향제어장치, 이를 구비하는 자율이동차량 및 자율이동차량의 조향제어방법
GB201100844D0 (en) * 2011-01-18 2011-08-17 Bae Systems Plc Trajectory planning
GB201100840D0 (en) * 2011-01-18 2011-08-17 Bae Systems Plc Trajectory planning
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
WO2017078823A2 (en) * 2015-08-13 2017-05-11 The Board Of Regents For Oklahoma State University Modular autopilot design and development featuring bayesian non-parametric adaptive control
US9849911B2 (en) * 2016-02-26 2017-12-26 GM Global Technology Operations LLC Enhanced vehicle lateral control (lane following/lane keeping/lane changing control) for trailering vehicles
US9849878B2 (en) * 2016-02-26 2017-12-26 GM Global Technology Operations LLC System and method for providing a corrected lane following path through a curve for trailering vehicles
US10089875B2 (en) * 2016-09-06 2018-10-02 Delphi Technologies, Inc. Automated vehicle cross-traffic detection system
US10345812B2 (en) * 2017-01-10 2019-07-09 GM Global Technology Operations LLC Methods and apparatus for optimizing a trajectory for an autonomous vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5612883A (en) * 1990-02-05 1997-03-18 Caterpillar Inc. System and method for detecting obstacles in the path of a vehicle
US5684696A (en) * 1990-02-05 1997-11-04 Caterpillar Inc. System and method for enabling an autonomous vehicle to track a desired path
CN101825469A (zh) * 2009-02-18 2010-09-08 哈曼贝克自动系统股份有限公司 估算与推进相关的操作参数的方法
CN105579320A (zh) * 2013-09-05 2016-05-11 李斯特内燃机及测试设备公司 一种用于优化驾驶员辅助系统的方法和设备
CN107346137A (zh) * 2016-05-06 2017-11-14 福特全球技术公司 车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据
CN107340772A (zh) * 2017-07-11 2017-11-10 清华大学 一种面向无人驾驶的拟人化参考轨迹规划方法

Also Published As

Publication number Publication date
US20190187715A1 (en) 2019-06-20
CN109955853A (zh) 2019-07-02
US10429849B2 (en) 2019-10-01

Similar Documents

Publication Publication Date Title
CN109955853B (zh) 用于操作自动驾驶车辆的方法、系统和存储介质
CN110083149B (zh) 用于自动驾驶车辆的路径与速度优化后馈机制
CN110728014B (zh) 使用具有加权几何成本的分段螺旋曲线的参考线平滑方法
CN109947090B (zh) 用于自动驾驶车辆规划的非阻塞边界
CN109491376B (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
CN109491377B (zh) 用于自动驾驶车辆的基于dp和qp的决策和规划
CN109521762B (zh) 用于生成自动驾驶车辆的最优参考线路的计算机实施的方法、介质及系统
CN110119140B (zh) 用于加速曲线投影的系统和方法
CN109521761B (zh) 用于自动驾驶车辆的基于约束平滑样条的速度优化方法、介质及系统
CN109521763B (zh) 用于自动驾驶车辆的基于约束平滑样条的路径优化
US10800408B2 (en) Determining driving paths for autonomous driving that avoid moving obstacles
US10775801B2 (en) Determining speeds along a path for autonomous driving vehicles
CN110955236B (zh) 用于自动驾驶车辆的曲率校正路径采样系统
US10816985B2 (en) Method on moving obstacle representation for trajectory planning
CN111380534B (zh) 用于自动驾驶车辆的基于st图学习的方法
US11099017B2 (en) Determining driving paths for autonomous driving vehicles based on offset points
US20190315357A1 (en) Novel method for speed adjustment of autonomous driving vehicles prior to lane change
CN111615618B (zh) 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
CN112146680B (zh) 基于特征图确定消失点
CN111615476A (zh) 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统
CN112009487A (zh) 确定自动驾驶车辆的速度
US11414096B2 (en) QP spline path and spiral path based reference line smoothing method for autonomous driving
CN111649751B (zh) 一种用于参考线平滑的超自由缝合方法

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