CN110096054A - 用于使用多个线程生成用于自动驾驶车辆的参考线的方法和系统 - Google Patents
用于使用多个线程生成用于自动驾驶车辆的参考线的方法和系统 Download PDFInfo
- Publication number
- CN110096054A CN110096054A CN201910036939.6A CN201910036939A CN110096054A CN 110096054 A CN110096054 A CN 110096054A CN 201910036939 A CN201910036939 A CN 201910036939A CN 110096054 A CN110096054 A CN 110096054A
- Authority
- CN
- China
- Prior art keywords
- reference line
- automatic driving
- driving vehicle
- track
- vehicle
- 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
Links
- 238000000034 method Methods 0.000 title claims description 45
- 238000012545 processing Methods 0.000 claims abstract description 71
- 230000004044 response Effects 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims description 50
- 238000013507 mapping Methods 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 abstract description 5
- 230000008447 perception Effects 0.000 description 24
- 230000008569 process Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 238000005457 optimization Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000004888 barrier function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000630329 Scomberesox saurus saurus Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005036 potential barrier Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
-
- 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
- B60W30/14—Adaptive cruise control
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
Abstract
经由第一处理线程,根据基于在第一位置处开始的第一参考线生成的第一轨迹来控制ADV。经由第二处理线程,基于第一轨迹的、ADV将在未来的预定时间段内可能到达的第二位置同时生成第二参考线。该预定时间段大于或等于生成用于ADV的参考线所需的时间量。在ADV根据第一轨迹移动并且在到达第二位置之前,生成第二参考线。随后,响应于确定ADV在第二位置的预定邻域内,基于第二参考线生成第二轨迹,而不必在第二位置处计算第二参考线。
Description
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控制自动驾驶车辆的参考线。
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。
运动规划和控制是自动驾驶中的关键操作。通常,根据参考线来控制和驱动自动驾驶车辆(ADV)。当生成驾驶轨迹时,系统高度依赖于参考线。参考线为地图上的平滑线。车辆试图通过遵循参考线来驾驶。地图上的道路和车道通常由一系列连接的线段来表示,这些线段并不平滑且ADV难以遵循。因此,对参考线执行平滑优化以平滑参考线。然而,这种优化很耗时。例如,可能花费0.1秒来平滑100米(m)长的参考线。规划下一个轨迹的规划周期也约为0.1秒,这不足以完成优化。
发明内容
本公开的一个方面涉及一种生成用于操作自动驾驶车辆的参考线的计算机实施的方法。所述方法包括:经由第一处理线程,根据基于在第一位置处开始的第一参考线生成的第一轨迹,控制自动驾驶车辆;经由第二处理线程,基于所述第一轨迹的、所述自动驾驶车辆将在未来的预定时间段内预期到达的第二位置,同时生成第二参考线;响应于确定所述自动驾驶车辆处于所述第二位置的预定邻域内,基于所述第二参考线生成第二轨迹,而无需在所述第二位置处计算所述第二参考线;以及根据从所述第二位置开始的所述第二轨迹,控制所述自动驾驶车辆。
本公开的另一方面涉及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执行时致使所述处理器执行操作,所述操作包括:经由第一处理线程,根据基于在第一位置处开始的第一参考线生成的第一轨迹,控制自动驾驶车辆;经由第二处理线程,基于所述第一轨迹的、所述自动驾驶车辆将在未来的预定时间段内预期到达的第二位置,同时生成第二参考线;响应于确定所述自动驾驶车辆处于所述第二位置的预定邻域内,基于所述第二参考线生成第二轨迹,而无需在所述第二位置处计算所述第二参考线;以及根据从所述第二位置开始的所述第二轨迹,控制所述自动驾驶车辆。
本公开的又一方面涉及一种数据处理系统,其包括处理器以及联接至所述处理器以存储指令的存储器。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:经由第一处理线程,根据基于在第一位置处开始的第一参考线生成的第一轨迹,控制自动驾驶车辆,经由第二处理线程,基于所述第一轨迹的、所述自动驾驶车辆将在未来的预定时间段内预期到达的第二位置,同时生成第二参考线,响应于确定所述自动驾驶车辆处于所述第二位置的预定邻域内,基于所述第二参考线生成第二轨迹,而无需在所述第二位置处计算所述第二参考线,以及根据从所述第二位置开始的所述第二轨迹,控制所述自动驾驶车辆。
附图说明
本公开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使用多个线程生成参考线的过程的图示。
图5是示出根据一个实施方式的用于同时生成多个参考线的多个线程的示例的框图。
图6是示出根据一个实施方式的用于存储和搜索参考线的数据结构的示例的框图。
图7是示出根据一个实施方式的生成参考线的过程的流程图。
图8是示出根据另一实施方式的生成参考线的过程的流程图。
图9是示出根据另一实施方式的生成参考线的过程的流程图。
图10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,当ADV在基于参考线生成的轨迹上行驶时,执行单独的线程,以基于预测的ADV的未来位置并行地预先计算用于未来规划周期的新参考或未来参考线。可替代地,当已经基于路线与地图信息确定了初始参考路线时,预测沿着参考线的、车辆将可能到达的一组未来位置。针对未来位置中的每个,重新计算和平滑参考线。预先计算的参考线保持在存储器或永久性存储装置中的数据结构中。当ADV最终到达预测的未来位置时,对应于该位置的参考线是容易获得的。然后利用该参考线生成从该位置开始的新轨迹,而不必在该特定位置的时间点处计算相同的参考线。因此,系统在规划周期内有充足的时间生成轨迹,因为系统不必从头开始计算参考线。
根据一个实施方式,经由第一处理线程,根据基于从第一位置开始的第一参考线生成的第一轨迹来控制ADV。同时经由第二处理线程,基于第一轨迹或第一参考线的、ADV将在未来的预定时间段内可能到达的第二位置生成第二参考线。预定时间段大于或等于生成用于ADV的参考线所需的时间量。第二参考线在ADV根据第一轨迹移动并且在到达第二位置之前生成。随后,响应于确定ADV在第二位置的预定邻域内,基于第二参考线生成第二轨迹,而不必在第二位置处计算第二参考线。然后根据第二轨迹控制ADV。
根据另一实施方式,当ADV经由第一处理线程根据第一轨迹行驶时,可经由相应的不同处理线程同时生成多个未来参考线。每个未来参考线都从预测的ADV可能到达的未来位置中的一个不同位置开始。然后将参考线存储在诸如存储器或永久性存储装置的存储位置中。例如,参考线可存储在到参考线(位置/参考线)映射表的位置中。位置/参考线映射表包括许多映射条目。每个映射条目将特定位置映射到对应于映射位置(例如,参考线的起始位置)的特定参考线。随后,当ADV移动到特定位置时,基于ADV的当前位置在位置/参考线映射表中执行查找操作,以定位与当前位置(例如,在匹配位置的预定邻域内)匹配的映射条目。然后获得对应于匹配位置的参考线,该参考线可用于生成下一个规划周期的轨迹,而不必在该时间点计算参考线。
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、资讯娱乐系统114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可以是数据分析系统,以为各种客户执行数据分析服务。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包括指示所发出的驾驶命令(例如,油门、制动、转向命令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如,速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述不同时间点下的驾驶环境的信息,例如,路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计数据123,出于各种目的,机器学习引擎122生成或训练一组规则、算法和/或预测模型124。规则/算法124可包括规则或算法以计算参考线。在一个实施方式中,规则124可包括指示与ADV的当前位置相距多远时应选择ADV的未来位置以便同时经由单独的线程计算新参考线的信息。例如,如果计算参考线花费一秒钟,则应从车辆将在一秒、两秒、三秒等时间内到达的位置中选择未来位置,其中,这些位置被称为一秒后的位置,两秒后的位置,三秒后的位置等。可基于该时间点下车辆的速度动态地确定这种未来位置。可基于过去针对特定类型的车辆的驾驶统计数据来生成这种算法。
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和图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、路线制定模块307和参考线生成器或生成模块308。
模块301至308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308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)以及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,预测模块303预测对象在这种情况下将如何表现。。根据一组地图/路线信息311和交通规则312,基于该时间点的感知驾驶环境的感知数据来执行预测。例如,如果对象为相反方向上的车辆且当前驾驶环境包括十字路口,则预测模块303将预测车辆是将可能会直线向前移动还是进行转弯。如果感知数据表明十字路口没有交通灯,则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于仅左转车道或仅右转车道,则预测模块303可分别预测车辆将更可能向左转弯或向右转弯。
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、超过)。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。
路线制定模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于从起始位置到目的地位置的给定行程,例如从用户接收的给定行程,路线制定模块307获得路线与地图信息311,并确定从起始位置至到达目的地位置的所有可能路线或路径。路线制定模块307可以以地形图的形式生成用于其确定的从开始位置至到达目的地位置的路线中的每个的参考线。可替代地,参考线可由参考线生成器308生成。参考线是指不受来自其它诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。即,如果道路上没有其它车辆、行人或障碍物,则ADV应精确地或紧密地遵循参考线。然后,将地形图提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线,以根据由其它模块提供的其它数据选择和更改最佳路线中的一个,其中,其它数据诸如为来自定位模块301的交通状况、由感知模块302感知到的驾驶环境以及由预测模块303预测的交通状况。取决于该时间点下的特定驾驶环境,用于控制ADV的实际路径或路线可能接近于或不同于由路线制定模块307提供的参考线。
基于针对所感知到的对象中的每个的决定,规划模块305使用由路线制定模块307提供的参考线作为基准,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304决定对该对象做什么,而规划模块305确定如何去做。例如,针对给定的对象,决策模块304可以决定超过所述对象,而规划模块305可以确定在所述对象的左侧还是右侧超过。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(也称作为命令周期)中执行,例如,在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或命令周期中的每一个,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到达目标位置所需要的时间。可替代地,规划模块305还可规定具体的速度、方向和/或转向角等。在一个实施方式中,规划模块305为下一个预定时段(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基于在前一周期中规划的目标位置规划用于当前周期(例如,下一个5秒)的目标位置。控制模块306然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、制动、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。
根据一个实施方式,当已经从路线制定模块307确定并接收到初始参考线时,参考线生成器308配置成生成第一参考线。通常,初始参考线是基于路线与地图信息创建的。道路通常由多个道路段表示。初始参考线通常是每个道路段的中心线。因此,初始参考线是彼此连接的中心线段的集合,并且这种初始参考线不是平滑的,特别是在两个相邻段的连接处。基于初始参考线,参考线生成器308对初始参考线执行优化以生成平滑参考线。
在一个实施方式中,参考线生成器308对初始参考线的所选控制点执行样条优化。样条是由连接在一起以形成曲线的一个或多个(例如,分段)多项式表示的曲线。例如,多项式或多项式函数可表示相邻控制点(也称为约束点)之间的段。每个控制点均与一组约束相关联,这些约束包括初始约束、等式约束和不等式约束。
初始约束包括对应于ADV的初始条件的一组约束,例如ADV的直接方向和/或地理位置。等式约束包括主张必须满足一些相等条件(例如,完全或基本上匹配)的一组等式约束。例如,等式约束可包括保证接合平滑性和/或满足一些逐点约束(例如,样条将经过前方的一些点或具有前方的一些特定点)的一组约束。不等式约束包括保证样条在一些边界内(例如,小于或大于一些约束值或公差)的一组约束。不等式约束和等式约束都是硬约束,这意味着要求满足它们。产生的参考线将是平滑的。
根据一个实施方式,可使用动态规划技术生成初始参考线。这种参考线可称为粗略参考线,其不是平滑的。动态规划(或动态优化)是数学优化方法,它将要解决的问题分解为一系列值函数,仅需解决这些值函数中的每个一次并存储它们的解。下次相同的值函数出现时,只需查找先前计算的解而不是重新计算它的解,从而节省计算时间。一旦生成了初始或粗略参考线,就可通过优化过程对初始参考线进行平滑。在一个实施方式中,使用二次规划技术执行参考线平滑优化。二次规划涉及最小化或最大化目标函数(例如,具有若干变量的二次函数),其受到边界,线性等式和/或不等式约束。动态规划与二次规划之间的一个区别是二次规划一次性优化了参考线上所有点的所有候选运动。
然而,上述优化操作很耗时,并且与规划周期的持续时间相比,有时计算和平滑参考线所花费的时间是相当大的。常规系统通常一次计算一个参考线。对于每个规划周期,系统都必须生成参考线。通常,规划周期范围为0.1秒至0.2秒。如果计算参考线的时间接近0.1秒或占用规划周期的很大一部分,则可能没有足够的时间在规划周期内执行其它操作。参考线通常表示200米的路径。为了确保系统具有充足的时间,常规系统可能必须将参考线限制为70米,反过来缩短计算参考线的时间。但是,较短的参考线对于在高速公路上进行规划可能不够长,在高速公路上进行规划通常需要200米。在高速公路上,车辆需要规划接下来的200米,以预测急转弯和在前方停止的汽车。
根据一个实施方式,当系统根据从第一参考线生成的轨迹控制ADV时,参考线生成器308基于轨迹上的、预测ADV在某一点到达的第二位置(即,未来位置)经由单独的处理线程预先计算第二参考线。使用不同的线程并行计算第二参考线,同时ADV在到达第二位置之前仍然根据轨迹行进。当ADV移动到第二位置的附近时,预先计算的第二参考线可用于下一个规划周期,而不必在第二位置处计算第二参考线。因此,系统将有充足的时间来规划下一个规划周期,例如,接下来的200米。
图4是示出根据一个实施方式的使用多个线程生成参考线的过程的图示。参考图4,假设ADV正在基于第一参考线401生成的轨迹上行驶。还假设车辆位于参考线401的第一位置411处,该第一位置411由第一处理线程(例如由规划模块305和/或控制模块306)规划和控制。在位置411处,参考线生成器308确定相对于位置411的未来时间中的第二位置412。位置412与位置411之间的距离(s)可基于车辆到达位置412所花费的时间量(本文中称为(t))来确定。距离s可基于车辆在位置411处的当前速度(v)来确定。
在一个实施方式中,车辆从位置411到位置412所花费的时间量大于或等于参考线产生器308计算新参考线所花费的时间量。例如,如果参考线生成器308花费t来计算参考线,则可基于s=t*v来确定位置411与位置412之间的距离s,其中,v是指车辆在位置411处的速度。该要求背后的基本原理是花费Δt来完成参考线402的生成。如果车辆到达第二位置412花费比Δt短的时间,则当车辆到达位置412时,参考线402可能不可用或未完成。
因而,在位置411处,经由第二处理线程,参考线生成器308同时生成具有位置412的起始位置的第二参考线402。应注意,相对于计算第二参考线402的第二处理线程,同时执行根据基于第一参考线401生成的轨迹来驾驶车辆的第一处理线程。在车辆到达位置412之前计算第二参考线402。当车辆到达位置412的预定邻域内的位置时,然后取回参考线402并利用该参考线402来生成用于下一个规划周期的新轨迹。在位置412处,车辆从参考线401切换至参考线402。类似地,当车辆在从参考线402生成的轨迹上行驶时,可执行新的处理线程以预先计算另一新的参考线,在该示例中,参考线403从位置413开始,依此类推。即,在车辆到达预先计算的参考线的相应位置(例如,起始点)之前,使用单独的处理线程预先计算要在特定规划周期中使用的每个参考线。因此,在相应的位置处系统不必花费时间计算参考线。
根据一个实施方式,可使用一个或多个单独的处理线程来预先计算多个未来参考线并将其存储在存储位置(例如,存储器或永久性存储器)中。例如,在位置411处,参考线生成器308可预测和选择诸如位置412至位置414的未来位置,并启动若干处理线程来计算对应于所选位置的未来参考线,例如参考线402至参考线404。在一个实施方式中,如图5中所示,可启动单独的处理线程来计算未来参考线中的每个。
现在参考图5,基于特定参考线501,启动多个参考线生成线程511至线程513来分别计算未来参考线521至参考线523。可替代地,一个单独的处理线程可计算多个未来参考线。参考线521至参考线523可存储在共享存储位置中,诸如系统存储器或永久性存储装置(例如,硬盘)的专用存储位置。随后,当车辆移动到作为当前位置的特定位置时,对于下一个规划周期,参考线生成器308检查当前位置并搜索包含参考线521至参考线523的存储位置,以使当前位置匹配与参考线521至参考线523相关联的对应位置(例如,起始位置)。如果当前位置和与参考线521至参考线523相关联的位置中的任一个之间存在匹配,则然后从存储位置中取回匹配的参考线。然后,规划模块305利用取回的参考线来规划新的轨迹,而不必为相同的规划周期计算相同的参考线。
根据一个实施方式,如图6中所示,参考线521至参考线523存储在位置与参考线(位置/参考线)映射表中,该映射表可保持在存储器和/或永久性存储装置中。参考图6,在一个实施方式中,位置/参考线映射表600包括许多映射条目。每个映射条目均将特定位置601映射到特定参考线602。位置601可表示参考线602的起始位置。给定车辆的当前位置,基于当前位置执行查找操作,以定位具有与当前位置相匹配的位置601的映射条目。然后从匹配条目中取回参考线602,以生成用于下一个命令周期的轨迹。
当车辆向前移动时,将消耗越来越多的预先计算的参考线602,并且还将使用如上所述的多个处理线程生成更多新的参考线。然后将新的参考线存储在位置/参考线映射表中,例如,基于位置601索引。同时,将从表600中移除车辆已通过其相关联的位置的任何映射条目。映射条目的这种内务保持操作可由单独的内务保持线程来进行。可替代地,内务保持操作可由处理线程执行以消耗或取回参考线,或者由插入新参考线的处理线程执行。
图7是示出根据一个实施方式的生成参考线的过程的流程图。过程700可由处理逻辑执行,所述处理逻辑可包括软件、硬件或它们的组合。例如,过程700可由参考线生成器308执行。参考图7,在操作701中,处理逻辑经由第一处理线程根据基于第一参考线生成的第一轨迹控制ADV,该第一参考线在第一位置处开始。在操作702中,经由第二处理线程,处理逻辑基于沿着第一轨迹的第二位置同时生成第二参考线,该第二位置为ADV在预定时间段内在不久的将来可能到达的位置。响应于确定ADV在第二位置的预定邻域内,在操作703中,处理逻辑基于第二参考线生成第二轨迹,而不必在接近第二位置的时间点计算第二参考线。在操作704中,基于从第二位置开始的第二轨迹来控制ADV。
图8是示出根据另一实施方式的生成参考线的过程的流程图。过程800可由处理逻辑执行,所述处理逻辑可包括软件、硬件或其组合。例如,过程800可由参考线生成器308执行。参考图8,在操作801中,处理逻辑基于地图与路线信息规划从起始位置到结束位置的路径。在操作802中,处理逻辑基于ADV的当前位置生成用于路径的第一参考线。在操作803中,处理逻辑确定并选择车辆沿着第一参考线可能到达的一个或多个未来位置。针对每个未来位置,在操作804中,经由单独的处理线程,处理逻辑预先计算用于相应未来位置的未来参考线,同时沿第一参考线控制车辆。在操作805中,将未来参考线存储到存储位置(例如,位置/参考线映射表)中。
图9是示出根据另一实施方式的生成参考线的过程的流程图。过程900可由处理逻辑执行,所述处理逻辑可包括软件、硬件或其组合。例如,过程900可由参考线生成器308执行。参考图9,在操作901中,处理逻辑例如基于从GPS和/或IMU单元接收的信息确定ADV的当前位置。在操作902中,处理逻辑基于当前位置在预定存储位置(诸如位置/参考线映射表)中执行查找操作,以定位与当前位置相匹配的匹配条目。在操作903中,处理逻辑从匹配条目中获得预先计算的参考线。在操作904中,基于从匹配条目中获得的参考线来生成轨迹。在操作905中,控制ADV根据轨迹移动。应注意,过程900可作为过程800的第二处理线程的一部分来执行。可替代地,过程900可经由作为单独的线程的第三处理线程来执行。
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10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305、控制模块306和/或参考线生成器308。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。
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公开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公开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 (21)
1.一种生成用于操作自动驾驶车辆的参考线的计算机实施的方法,所述方法包括:
经由第一处理线程,根据基于在第一位置处开始的第一参考线生成的第一轨迹,控制自动驾驶车辆;
经由第二处理线程,基于所述第一轨迹的、所述自动驾驶车辆将在未来的预定时间段内预期到达的第二位置,同时生成第二参考线;
响应于确定所述自动驾驶车辆处于所述第二位置的预定邻域内,基于所述第二参考线生成第二轨迹,而无需在所述第二位置处计算所述第二参考线;以及
根据从所述第二位置开始的所述第二轨迹,控制所述自动驾驶车辆。
2.根据权利要求1所述的方法,其中,所述预定时间段大于或等于生成用于所述自动驾驶车辆的参考线所需的时间量。
3.根据权利要求1所述的方法,其中,所述第二位置是从所述第一轨迹中选择的、所述自动驾驶车辆未来预期到达的多个第三位置中的一个。
4.根据权利要求3所述的方法,其中,生成所述第二参考线包括:
对于所述第三位置中的每个,经由单独的处理线程,同时生成用于所述第三位置的第三参考线;以及
将所述第三参考线存储在存储区域中,同时所述自动驾驶车辆根据所述第一轨迹移动。
5.根据权利要求4所述的方法,其中,所述存储区域包括具有多个映射条目的映射表,其中,每个映射条目均将所述第三位置中的一个映射至所对应的第三参考线中的一个。
6.根据权利要求4所述的方法,还包括:
确定所述自动驾驶车辆的当前位置;
基于所述自动驾驶车辆的所述当前位置,在所述存储区域中进行搜索,以获得所述第三参考线中的、其关联位置匹配所述当前位置的一个第三参考线;以及
基于所获得的第三参考线生成下一轨迹,以控制所述自动驾驶车辆进行下一规划周期。
7.根据权利要求1所述的方法,其中,在所述自动驾驶车辆根据所述第一轨迹到达所述第二位置之前,生成所述第二参考线。
8.一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执行时致使所述处理器执行操作,所述操作包括:
经由第一处理线程,根据基于在第一位置处开始的第一参考线生成的第一轨迹,控制自动驾驶车辆;
经由第二处理线程,基于所述第一轨迹的、所述自动驾驶车辆将在未来的预定时间段内预期到达的第二位置,同时生成第二参考线;
响应于确定所述自动驾驶车辆处于所述第二位置的预定邻域内,基于所述第二参考线生成第二轨迹,而无需在所述第二位置处计算所述第二参考线;以及
根据从所述第二位置开始的所述第二轨迹,控制所述自动驾驶车辆。
9.根据权利要求8所述的机器可读介质,其中,所述预定时间段大于或等于生成用于所述自动驾驶车辆的参考线所需的时间量。
10.根据权利要求8所述的机器可读介质,其中,所述第二位置是从所述第一轨迹中选择的、所述自动驾驶车辆未来预期到达的多个第三位置中的一个。
11.根据权利要求10所述的机器可读介质,其中,生成所述第二参考线包括:
对于所述第三位置中的每个,经由单独的处理线程,同时生成用于所述第三位置的第三参考线;以及
将所述第三参考线存储在存储区域中,同时所述自动驾驶车辆根据所述第一轨迹移动。
12.根据权利要求11所述的机器可读介质,其中,所述存储区域包括具有多个映射条目的映射表,其中,每个映射条目均将所述第三位置中的一个映射至所对应的第三参考线中的一个。
13.根据权利要求11所述的机器可读介质,其中,所述操作还包括:
确定所述自动驾驶车辆的当前位置;
基于所述自动驾驶车辆的所述当前位置,在所述存储区域中进行搜索,以获得所述第三参考线中的、其关联位置匹配所述当前位置的一个第三参考线;以及
基于所获得的第三参考线生成下一轨迹,以控制所述自动驾驶车辆进行下一规划周期。
14.根据权利要求8所述的机器可读介质,其中,在所述自动驾驶车辆根据所述第一轨迹到达所述第二位置之前,生成所述第二参考线。
15.一种数据处理系统,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执行时致使所述处理器执行操作,所述操作包括:
经由第一处理线程,根据基于在第一位置处开始的第一参考线生成的第一轨迹,控制自动驾驶车辆,
经由第二处理线程,基于所述第一轨迹的、所述自动驾驶车辆将在未来的预定时间段内预期到达的第二位置,同时生成第二参考线,
响应于确定所述自动驾驶车辆处于所述第二位置的预定邻域内,基于所述第二参考线生成第二轨迹,而无需在所述第二位置处计算所述第二参考线,以及
根据从所述第二位置开始的所述第二轨迹,控制所述自动驾驶车辆。
16.根据权利要求15所述的系统,其中,所述预定时间段大于或等于生成用于所述自动驾驶车辆的参考线所需的时间量。
17.根据权利要求15所述的系统,其中,所述第二位置是从所述第一轨迹中选择的、所述自动驾驶车辆未来预期到达的多个第三位置中的一个。
18.根据权利要求17所述的系统,其中,生成所述第二参考线包括:
对于所述第三位置中的每个,经由单独的处理线程,同时生成用于所述第三位置的第三参考线;以及
将所述第三参考线存储在存储区域中,同时所述自动驾驶车辆根据所述第一轨迹移动。
19.根据权利要求18所述的系统,其中,所述存储区域包括具有多个映射条目的映射表,其中,每个映射条目均将所述第三位置中的一个映射至所对应的第三参考线中的一个。
20.根据权利要求18所述的系统,其中,所述操作还包括:
确定所述自动驾驶车辆的当前位置;
基于所述自动驾驶车辆的所述当前位置,在所述存储区域中进行搜索,以获得所述第三参考线中的、其关联位置匹配所述当前位置的一个第三参考线;以及
基于所获得的第三参考线生成下一轨迹,以控制所述自动驾驶车辆进行下一规划周期。
21.根据权利要求15所述的系统,其中,在所述自动驾驶车辆根据所述第一轨迹到达所述第二位置之前,生成所述第二参考线。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/883,052 US11360482B2 (en) | 2018-01-29 | 2018-01-29 | Method and system for generating reference lines for autonomous driving vehicles using multiple threads |
US15/883,052 | 2018-01-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110096054A true CN110096054A (zh) | 2019-08-06 |
CN110096054B CN110096054B (zh) | 2022-10-28 |
Family
ID=65324155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910036939.6A Active CN110096054B (zh) | 2018-01-29 | 2019-01-15 | 用于使用多个线程生成用于自动驾驶车辆的参考线的方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11360482B2 (zh) |
EP (1) | EP3518066B1 (zh) |
JP (1) | JP6779326B2 (zh) |
KR (1) | KR102210714B1 (zh) |
CN (1) | CN110096054B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112650975A (zh) * | 2019-09-25 | 2021-04-13 | 百度(美国)有限责任公司 | 自动驾驶车辆的基于枚举的失败防止qp平滑器 |
CN113160548A (zh) * | 2020-01-23 | 2021-07-23 | 宝马股份公司 | 用于车辆的自动驾驶的方法、设备和车辆 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10671075B1 (en) | 2017-12-15 | 2020-06-02 | Zoox, Inc. | Trajectory generation using curvature segments |
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 |
US11169528B2 (en) * | 2018-05-11 | 2021-11-09 | Uatc, Llc | Initial trajectory generator for motion planning system of autonomous vehicles |
US11442467B2 (en) * | 2019-03-29 | 2022-09-13 | Wipro Limited | Method and system for generating a trajectory for navigating an autonomous vehicle |
US11407419B2 (en) * | 2019-12-30 | 2022-08-09 | Baidu Usa Llc | Central line shifting based pre-change lane path planning |
CN111267838B (zh) * | 2020-01-20 | 2021-07-23 | 北京百度网讯科技有限公司 | 泊车处理方法、系统、装置及车辆控制器 |
JP2023516412A (ja) * | 2020-03-05 | 2023-04-19 | バイドゥドットコム タイムズ テクノロジー (ベイジン) カンパニー リミテッド | 慣性ナビゲーションシステム内の遅延補償 |
US20220121201A1 (en) * | 2020-10-15 | 2022-04-21 | Argo AI, LLC | System for anticipating future state of an autonomous vehicle |
CN112622934B (zh) * | 2020-12-25 | 2022-06-24 | 上海商汤临港智能科技有限公司 | 一种参考轨迹点和参考轨迹生成方法、驾驶方法以及车辆 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033192A (zh) * | 2011-09-30 | 2013-04-10 | 上海博泰悦臻电子设备制造有限公司 | 导航系统及基于实时交通信息的导航方法与装置 |
CN104236577A (zh) * | 2014-09-19 | 2014-12-24 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN104422455A (zh) * | 2013-08-24 | 2015-03-18 | 李竹君 | 一种路况实时导航系统 |
CN105916749A (zh) * | 2014-01-16 | 2016-08-31 | 罗伯特·博世有限公司 | 用于运行车辆的方法 |
CN106458214A (zh) * | 2014-06-04 | 2017-02-22 | 奥迪股份公司 | 运行用于自动化地操纵机动车的驾驶员辅助系统的方法以及相应的机动车 |
US20180025235A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing the collection of road surface information |
CN111366166A (zh) * | 2018-12-25 | 2020-07-03 | 北京嘀嘀无限科技发展有限公司 | 一种导航路径规划方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001255163A (ja) | 2000-03-13 | 2001-09-21 | Clarion Co Ltd | 経路案内装置 |
JP5121255B2 (ja) | 2007-02-28 | 2013-01-16 | クラリオン株式会社 | ナビゲーション装置 |
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 |
JP5931989B2 (ja) | 2014-09-26 | 2016-06-08 | 一般財団法人道路交通情報通信システムセンター | プローブデータのマップマッチング結果の信頼性判定方法、装置およびプログラム |
US9851212B2 (en) | 2016-05-06 | 2017-12-26 | Ford Global Technologies, Llc | Route generation using road lane line quality |
US10042362B2 (en) * | 2016-11-18 | 2018-08-07 | Waymo Llc | Dynamic routing for autonomous vehicles |
KR102693520B1 (ko) * | 2016-11-29 | 2024-08-08 | 삼성전자주식회사 | 객체들 간의 충돌을 방지하는 충돌 방지 장치 및 방법 |
US11256983B2 (en) * | 2017-07-27 | 2022-02-22 | Waymo Llc | Neural networks for vehicle trajectory planning |
-
2018
- 2018-01-29 US US15/883,052 patent/US11360482B2/en active Active
-
2019
- 2019-01-15 CN CN201910036939.6A patent/CN110096054B/zh active Active
- 2019-01-21 EP EP19152884.3A patent/EP3518066B1/en active Active
- 2019-01-25 JP JP2019011062A patent/JP6779326B2/ja active Active
- 2019-01-28 KR KR1020190010646A patent/KR102210714B1/ko active IP Right Grant
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033192A (zh) * | 2011-09-30 | 2013-04-10 | 上海博泰悦臻电子设备制造有限公司 | 导航系统及基于实时交通信息的导航方法与装置 |
CN104422455A (zh) * | 2013-08-24 | 2015-03-18 | 李竹君 | 一种路况实时导航系统 |
CN105916749A (zh) * | 2014-01-16 | 2016-08-31 | 罗伯特·博世有限公司 | 用于运行车辆的方法 |
CN106458214A (zh) * | 2014-06-04 | 2017-02-22 | 奥迪股份公司 | 运行用于自动化地操纵机动车的驾驶员辅助系统的方法以及相应的机动车 |
CN104236577A (zh) * | 2014-09-19 | 2014-12-24 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
US20180025235A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing the collection of road surface information |
CN111366166A (zh) * | 2018-12-25 | 2020-07-03 | 北京嘀嘀无限科技发展有限公司 | 一种导航路径规划方法及装置 |
Non-Patent Citations (3)
Title |
---|
MIŠELBREZAK: "Path Smoothing Using Clothoids for Differential Drive Mobile Robots", 《IFAC PROCEEDINGS VOLUMES》 * |
刘秀松: "车辆避障驾驶控制方法研究", 《计算机工程与应用》 * |
王猛: "自动驾驶参考轨迹分段多项式平滑方法", 《现代电子技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112650975A (zh) * | 2019-09-25 | 2021-04-13 | 百度(美国)有限责任公司 | 自动驾驶车辆的基于枚举的失败防止qp平滑器 |
CN113160548A (zh) * | 2020-01-23 | 2021-07-23 | 宝马股份公司 | 用于车辆的自动驾驶的方法、设备和车辆 |
Also Published As
Publication number | Publication date |
---|---|
KR20190098912A (ko) | 2019-08-23 |
US20190235513A1 (en) | 2019-08-01 |
EP3518066A1 (en) | 2019-07-31 |
JP6779326B2 (ja) | 2020-11-04 |
US11360482B2 (en) | 2022-06-14 |
EP3518066B1 (en) | 2022-03-30 |
CN110096054B (zh) | 2022-10-28 |
KR102210714B1 (ko) | 2021-02-01 |
JP2019131177A (ja) | 2019-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096054A (zh) | 用于使用多个线程生成用于自动驾驶车辆的参考线的方法和系统 | |
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 | |
CN110389584A (zh) | 用于评估自动驾驶车辆的轨迹候选项的方法 | |
CN109489673A (zh) | 用于自动驾驶车辆的数据驱动地图更新系统 | |
CN110389583A (zh) | 生成自动驾驶车辆的轨迹的方法 | |
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 | |
CN110119140A (zh) | 用于加速曲线投影的系统和方法 | |
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 | |
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 | |
CN109491375A (zh) | 用于自动驾驶车辆的基于驾驶场景的路径规划 | |
CN110389585A (zh) | 用于自动驾驶车辆的基于学习的速度规划器 | |
CN109947090A (zh) | 用于自动驾驶车辆规划的非阻塞边界 | |
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 | |
CN108387241A (zh) | 更新自动驾驶车辆的定位地图的方法和系统 | |
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 | |
CN109489675A (zh) | 用于自动驾驶车辆的基于成本的路径规划 | |
CN109491377A (zh) | 用于自动驾驶车辆的基于dp和qp的决策和规划 | |
CN109935077A (zh) | 用于为自动驾驶车辆构建车辆与云端实时交通地图的系统 | |
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 | |
CN110378483A (zh) | 部署在模拟平台上的用于训练机器学习模型的系统和方法 | |
CN110389581A (zh) | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 | |
CN109491378A (zh) | 自动驾驶车辆的基于道路分段的路线引导系统 | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 |
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 |