CN110119140A - 用于加速曲线投影的系统和方法 - Google Patents

用于加速曲线投影的系统和方法 Download PDF

Info

Publication number
CN110119140A
CN110119140A CN201910029936.XA CN201910029936A CN110119140A CN 110119140 A CN110119140 A CN 110119140A CN 201910029936 A CN201910029936 A CN 201910029936A CN 110119140 A CN110119140 A CN 110119140A
Authority
CN
China
Prior art keywords
point
barrier
adv
automatic driving
driving 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
Application number
CN201910029936.XA
Other languages
English (en)
Other versions
CN110119140B (zh
Inventor
李栋
张亮亮
蒋一飞
胡江滔
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 CN110119140A publication Critical patent/CN110119140A/zh
Application granted granted Critical
Publication of CN110119140B publication Critical patent/CN110119140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B60W30/10—Path keeping
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • B60W30/08—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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

本申请提供了一种调整自动驾驶车辆的导航的方法、系统和存储介质。所述方法高效地确定自动驾驶车辆(ADV)的障碍物的轨迹是否要求ADV调整导航。障碍物的轨迹通过多个有序的点{P0..PM}表示，并且ADV的参考线路通过多个有序的点{R0..RN}表示，其中N＞M。如果障碍物和ADV在相同的方向上行进，则对于障碍物轨迹上的第一点P0，ADV在{R0..RN}中找出从P0到参考线路的距离最小的点S0。对于其余的障碍物的点中的每个点Pi，对最小距离点Si的搜索受限于参考线路Si‑1到RN的部分。如果障碍物和ADV在相反方向上行进，则该搜索过程可以以类似的方式从PM执行到P0。

Description

用于加速曲线投影的系统和方法
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确定障碍物轨迹在自动驾驶车辆(ADV)的参考线路上的投影。
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。
车辆可使用参考线路进行导航。参考线路是自动驾驶车辆在周围没有障碍物时应沿着其行驶的路径。在车行道上的一个或多个障碍物均可具有轨迹。对于每个障碍物，ADV可以确定障碍物的轨迹在ADV的参考线路上的投影，以基于障碍物在沿着障碍物的轨迹的多个点处与ADV参考线路的接近度来做出驾驶决策。计算从障碍物的轨迹上的点(x，y)投影到ADV的参考线路上的点的时间成本是O(n)的量级，其中，n是在障碍物的轨迹上的点的数量。ADV的规划模块需要将每个障碍物的轨迹投影至ADV的参考线路上，以确保ADV保持与车行道上的每个障碍物的安全行驶距离。确定诸如汽车的障碍物在ADV的参考线路上的投影从计算方面而言是昂贵的并且可限制对每个障碍物执行投影的频率。当在ADV的附近存在大量障碍物(诸如，汽车、行人和其它障碍物)时，计算复杂性被进一步复杂化。
发明内容
本申请的一方面提供了一种确定自动驾驶车辆的障碍物的轨迹是否要求所述自动驾驶车辆调整导航的计算机实施方法，所述方法包括：确定自动驾驶车辆的障碍物的轨迹，所述轨迹通过多个第一有序的点{P0..PM}表示；确定所述自动驾驶车辆的导航的参考线路，所述参考线路通过多个第二有序的点{R0..RN}表示；响应于确定所述障碍物和所述自动驾驶车辆在相同的方向上行进：找出点S0∈{R0..RN}，以使得从P0到S0的距离是从P0到{R0..RN}中的任一点的最小距离；对于每个点Pi∈{P1..PM}，其中i＝1至M，找出点Si∈{Si-1..RN}，以使得从Pi到Si的距离是从Pi到{Si-1..RN}中的任一点的最小距离；响应于确定对于任何i∈{0..M}的Pi与Si之间的距离小于阈值距离值，调整所述自动驾驶车辆的导航。
根据本申请的实施方式，所述方法还包括：响应于确定所述障碍物和所述自动驾驶车辆在相反的方向上行进：找出点SM∈{R0..RN}，以使得从PM到SM的距离是从PM到{R0..RN}中的任一点的最小距离；对于每个点Pi∈{P0..PM-1}，其中i＝M-1至0，在{R0..Si+1}中找出点Si，以使得从Pi到Si的距离是从Pi到{R0..Si+1}中的任一点的最小距离。
根据本申请的实施方式，所述障碍物相对于所述自动驾驶车辆行进的方向通过以下项中的至少一项确定：使用高清晰度地图确定所述障碍物的车行道的方向和所述自动驾驶车辆的车行道的方向；或者使用所述自动驾驶车辆的感知模块确定所述障碍物的行进方向θOBS、所述自动驾驶车辆的行进方向θADV，并进一步确定：如果θADV-θOBS的绝对值小于阈值行进方向值，则所述障碍物和所述自动驾驶车辆在相同方向上行进；以及如果θADV-θOBS-180°的绝对值小于所述阈值行进方向值，则所述障碍物和所述自动驾驶车辆在相反方向上行进。
根据本申请的实施方式，所述阈值行进方向值处于30°至40°之间。
根据本申请的实施方式，M＝100且N＝1000。
根据本申请的实施方式，所述方法还包括：对于i＝1至M-1，在{P0..PM}中的每个Pi与Pi+1之间插入个点；设置M＝N作为所述障碍物的轨迹的迭代计数器，以使得为每个Pi找出Si包括：对于每个Pi∈{P1..PN}，其中i＝1至N，找出点Si∈{Si-1..RN}以使得从Pi到Si的距离是从Pi到{Si-1..RN}中的任一点的最小距离。
本申请的另一方面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致使所述处理器执行以下操作，所述操作包括：确定自动驾驶车辆的障碍物的轨迹，所述轨迹通过多个第一有序的点{P0..PM}表示；确定所述自动驾驶车辆的导航的参考线路，所述参考线路通过多个第二有序的点{R0..RN}表示；响应于确定所述障碍物和所述自动驾驶车辆在相同的方向上行进：找出点S0∈{R0..RN}，以使得从P0到S0的距离是从P0到{R0..RN}中的任一点的最小距离；对于每个点Pi∈{P1..PM}，其中i＝1至M，找出点Si∈{Si-1..RN}，以使得从Pi到Si的距离是从Pi到{Si-1..RN}中的任一点的最小距离；响应于确定对于任何i∈{0..M}的Pi与Si之间的距离小于阈值距离值，调整所述自动驾驶车辆的导航。
本申请的又一方面提供了一种数据处理系统，包括：处理器；以及存储器，所述存储器联接到所述处理器以存储指令，所述指令在由所述处理器运行时致使所述处理器执行以下操作，所述操作包括：确定自动驾驶车辆的障碍物的轨迹，所述轨迹通过多个第一有序的点{P0..PM}表示；确定所述自动驾驶车辆的导航的参考线路，所述参考线路通过多个第二有序的点{R0..RN}表示；响应于确定所述障碍物和所述自动驾驶车辆在相同的方向上行进：找出点S0∈{R0..RN}，以使得从P0到S0的距离是从P0到{R0..RN}中的任一点的最小距离；对于每个点Pi∈{P1..PM}，其中i＝1至M，找出点Si∈{Si-1..RN}，以使得从Pi到Si的距离是从Pi到{Si-1..RN}中的任一点的最小距离；响应于确定对于任何i∈{0..M}的Pi与Si之间的距离小于阈值距离值，调整所述自动驾驶车辆的导航。
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是示出根据一些实施方式的自动驾驶车辆所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决策和规划过程的示例的框图。
图5A是示出根据一个实施方式的决策模块的示例的框图。
图5B是示出根据一个实施方式的规划模块的示例的框图。
图6A至图6C示出了根据一个实施方式的确定ADV的障碍物的轨迹是否要求ADV调整导航的示例。
图7A至图7C示出了根据一个实施方式的确定ADV的障碍物的轨迹是否要求ADV调整导航的示例。
图8是示出根据一个实施方式的确定ADV的障碍物的轨迹是否要求ADV调整导航的方法的流程图。
图9A和图9B是示出根据一个实施方式的确定ADV的障碍物的轨迹是否要求ADV调整导航的方法的流程图。
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，ADV包括障碍物处理模块以确定障碍物的轨迹是否要求对ADV的导航作出调整。障碍物是在为ADV导航时ADV感知与规划模块需要考虑的物体(通常是移动的物体)。障碍物处理模块可为单个ADV处理多个障碍物。ADV的感知与规划模块跟踪障碍物并确定每个障碍物轨迹线路到ADV的距离。障碍物轨迹线路可以由例如100个点表示。ADV感知与规划模块还可为ADV生成导航参考线路，该导航参考线路表示为ADV规划的路线。ADV参考线路可以由例如1000个点表示。针对障碍物轨迹的每个点，感知与规划模块可以确定到ADV参考线路最近的点，其表示从障碍物轨迹点到ADV参考线路的最小距离。以数学术语来讲，障碍物轨迹线路的每个点被投影至ADV参考线路的点上。对于障碍物轨迹线路的每个点，确定障碍物轨迹线路点与该点在ADV参考线路的点上的投影之间的距离。假设障碍物遵循其轨迹线路并且ADV遵循其导航参考线路，则障碍物轨迹点与障碍物轨迹点在ADV参考线路的点上的投影之间的距离的最小值对应于障碍物可能最接近于ADV的情况。如果障碍物可能出现在ADV的最小阈值距离内，则可能需要调整ADV导航以避开障碍物。
根据一方面，一种方法可确定障碍物是否在与ADV大致相同的方向上行进，或者确定障碍物是否在与ADV大致相反的方向上行进。在任一种情况下，ADV的感知与规划模块可确定障碍物的轨迹、ADV的导航参考线路，并且高效地确定在障碍物遵循其轨迹线路且ADV遵循其导航参考线路的情况下障碍物与ADV可能间隔开的最小距离。如果障碍物和ADV不在相同方向或相反方向上行进，则感知与规划系统可执行除了本文中描述的避障处理之外的其它避障处理。
在实施方式中，非暂时性计算机可读介质存储可运行的指令，这些指令当被处理系统运行时可执行任何上述功能。
在又一实施方式中，联接至利用可运行指令编程的存储器的处理系统可在这些指令被处理系统运行时执行任何上述功能。在实施方式中，处理系统包括至少一个硬件处理器。
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在自动驾驶模式下操作的车辆，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。所述路线可包括自动驾驶车辆将遵循的导航线路。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。所规划的路线可包括导航参考线路。
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包括表明发出的驾驶命令(例如，油门命令、制动命令、转向命令)以及在不同的时间点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。在一个实施方式中，例如，算法124可包括优化路径规划和速度规划的优化方法。优化方法可包括表示路径段或时间段的成本函数和多项式函数的集合。这些功能可被上传至自动驾驶车辆上，以用于实时生成平滑路径。
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、路线安排模块307和障碍物处理模块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。例如，决策模块304和规划模块305可集成为单个模块，并且路线安排模块307和障碍物处理模块308可集成为单个模块。
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。对象可以是相对于ADV101的导航路径的障碍物。
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。
基于针对所感知到的每个对象的决定，规划模块305为自动驾驶车辆规划导航路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。感知与规划系统110可基于导航路径或路线为自动驾驶车辆生成导航参考线路。即，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}。导航参考线路或导航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。基于表示所收集的曾经车辆在不同的时间点在该车道上驾驶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。
障碍物处理模块308可确定自动驾驶车辆的导航路径的障碍物是否要求调整自动驾驶车辆的导航。如果需要，则感知与规划系统110可确定适当的导航变化。障碍物处理模块308可为感知与规划系统110所感知的每个物体或障碍物生成轨迹线路。在实施方式中，障碍物轨迹线路可以由点的集合(例如，100个点)表示。如上所述，规划模块305可为自动驾驶车辆生成导航参考线路。导航参考线路可以由点的集合(例如，1000个点)表示。障碍物处理模块308可针对障碍物轨迹线路中的每个点确定导航参考线路上具有距障碍物轨迹的点的最小距离的点。以数学术语来讲，障碍物处理模块308近似于将障碍物轨迹线路的每个点投影至自动驾驶车辆导航线路上。之所以称为近似于投影，是因为导航线路不连续；导航线路由点的集合表示。因此，障碍物轨迹上的具有到导航参考线路点集合上的单个点的最小距离的点近似于障碍物轨迹的点到导航参考线路上的投影。障碍物可能最接近于自动驾驶车辆时即障碍物轨迹点投影至导航参考线路点上的距离的值最小时。如果该最小值比阈值小，则规划模块305可能需要调整自动驾驶车辆的导航以避开障碍物。
如上所述，路线或路线安排模块307管理与用户的行程或路线相关的任何数据。ADV的用户指定起始位置和目的地位置以获取行程相关数据。行程相关数据包括路线段和路线段的参考线路或参考点。例如，基于路线地图信息311，路线模块307生成路线或路段表和参考点表。参考点与路段表中的路段和/或车道有关。参考点可被插值以形成用于控制ADV的一个或多个参考线路。参考点可以仅限于路段和/或路段的具体车道。
例如，路段表可以是名称-值对，以包括路段A至D的先前车道和下一车道。例如，对于具有车道1的路段A至D，路段表可以是：{(A1，B1)，(B1，C1)，(C1，D1)}。参考点表可包括用于路段车道的x-y坐标形式的参考点，例如{(A1，(x1，y1))，(B1，(x2，y2))，(C1，(x3，y3))，(D1，(x4，y4))}，其中A1至D1表示路段A至D的车道1，并且(x1，y1)至(x4，y4)为相应的真实世界的坐标。在一个实施方式中，路段和/或车道被划分成预定长度，诸如大概200米的路段/车道。在另一实施方式中，根据诸如道路的曲率的道路条件，路段和/或车道被划分成可变长度段/车道。在一些实施方式中，每个路段和/或车道可包括若干参考点。在一些实施方式中，参考点可转变成其它的坐标系，例如，纬度-经度。
在一些实施方式中，参考点可转变至相对坐标系中，诸如基点-侧移(SL)坐标。基点-侧移坐标系是参考固定参考点来跟随参考线路的坐标系。例如，(S，L)＝(1，0)坐标可表示具有0米侧向偏移的参考线路上的基点(即，参考点)之前1米。(S，L)＝(2，1)参考点可表示沿着参考线路在固定参考点之前2米，且从参考线路侧向偏移1米，例如，向左偏移1米。
在一个实施方式中，决策模块304基于由路线安排模块307提供的参考线路并基于ADV感知的ADV周围的障碍物和/或交通信息来生成原始路径配置文件。原始路径配置文件可以是路径/速度配置文件313的一部分，所述原始路径配置文件可被存储在永久性存储装置352中。原始路径配置文件通过沿着参考线路选择点而生成。针对每个点，在其余点保持稳定的情况下，决策模块304基于关于如何与所述对象相遇的一个或多个障碍物决策来将该点移动到参考线路的左侧或右侧(例如，候选移动)。所述候选移动通过对候选路径使用动态规划而被迭代地执行，其中，使用作为图3A的成本函数315的一部分的成本函数来寻找具有最小路径成本的候选路径，从而生成原始路径配置文件。成本函数的示例包括基于以下项的成本：路线路径的曲率、从ADV到感知到的障碍物的距离和ADV到参考线路的距离。在一个实施方式中，所生成的原始路径配置文件包括基点-侧移图，所述基点-侧移图可被存储在永久性存储装置352中以作为SL图/ST图314的一部分。
在一个实施方式中，决策模块304基于生成的原始路径配置文件来生成原始速度配置文件(作为路径/速度配置文件313的一部分)。原始速度配置文件表明在特定的时间点控制ADV的最佳速度。类似于原始路径配置文件，使用动态规划来迭代不同时间点的候选速度，其中，根据ADV所感知的障碍物基于成本函数(作为图3A的成本函数315的一部分)来寻找具有最小速度成本的候选速度(例如，加速或减速)。原始速度配置文件决定ADV是否应超过或避开障碍物，以及驶向障碍物的左侧或右侧。在一个实施方式中，原始速度配置文件包括基点-时间(ST)图(作为SL图/ST图314的一部分)。基点-时间图表明行驶的距离与时间的关系。
在一个实施方式中，规划模块305根据障碍物决策和/或人为障碍来重新计算原始路径配置文件，以禁止规划模块305搜索所述障碍的几何空间。例如，如果原始速度配置文件确定从左侧掠过障碍物，则规划模块305可在障碍物的右侧设置障碍(以障碍物的形式)，以防止对ADV从右侧掠过障碍物的计算。在一个实施方式中，通过使用二次规划(QP)优化路径成本函数(作为成本函数315的一部分)来重新计算原始路径配置文件。在一个实施方式中，重新计算的原始路径配置文件包括基点-侧移图(作为SL图/ST图314的一部分)。
在一个实施方式中，规划模块305使用二次规划(QP)重新计算原始速度配置文件，从而优化速度成本函数(作为成本函数315的一部分)。可增加类似的速度障碍约束以禁止QP求解器搜索一些受禁的速度。在一个实施方式中，重新计算的原始速度配置文件包括基点-时间图(作为SL图/ST图314的一部分)。
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，所述软件可以加载在存储器中并通过处理器(未示出)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4是示出根据一个实施方式的决策和规划过程的示例的框图。图5A是示出根据一个实施方式的决策模块的示例的框图。图5B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，决策和规划过程400包括路线安排模块307、障碍物处理模块308(可与路线安排模块307集成在一起)、定位/感知数据401、路径决策过程403、速度决策过程405、路径规划过程407、速度规划过程409、聚合器411和轨迹计算器413。
路径决策过程403和速度决策过程405可分别通过图5A中的决策模块304的路径决策模块501和速度决策模块503来执行。参考图4和图5A，路径决策过程403或路径决策模块501包括路径状态机505、路径交通规则507和基点-侧移图生成器509。路径决策过程403或路径决策模块501可使用动态规划生成原始路径配置文件作为路径规划过程407和速度规划过程409的初始约束。在一个实施方式中，路径状态机505包括至少三种状态：巡航状态、变道状态和闲置状态。路径状态机505提供先前的规划结果和重要信息，诸如ADV是在巡航还是在变道。作为图3A的驾驶/交通规则312的一部分的路径交通规则507包括能够影响路径决策模块的结果的交通规则。例如，路径交通规则507可包括诸如施工交通标志的交通信息，ADV从而可避开具有这种施工标志的车道。通过状态、交通规则、由路线安排模块307提供的参考线路以及由ADV感知的障碍物，路径决策过程403可决定如何处理所感知的障碍物(即，忽视、超过、让行、停止、经过)，所述决定作为原始路径配置文件的一部分。
例如，在一个实施方式中，原始路径配置文件通过成本函数生成，所述成本函数包括：基于路径的曲率的成本；以及基于从参考线路和/或参考点到障碍物的距离的成本。选择参考线路上的点并将参考线路上的点移动到参考线路的左侧或右侧以作为表示候选路径的候选移动。每一个候选移动均具有相关成本。参考线路上的一个或多个点的候选移动的相关成本可使用动态规划顺序地(一次一个点)求解以获得最佳成本。在一个实施方式中，SL图生成器509生成基点-侧移图作为原始路径配置文件的一部分。所述基点-侧移图是包括由ADV感知的障碍物信息的二维几何地图(类似于x-y坐标平面)。从SL图，路径决策过程403可安排遵循障碍物决策的ADV路径。动态规划(或动态优化)是数学优化方法，该方法将待求解的问题分解成一系列价值函数，一次仅解决这些价值函数中的一个函数并存储其答案。下一次出现相同的价值函数时，仅需查找先前计算的答案而不是重新计算答案，从而节省了计算时间。
速度决策过程405或速度决策模块503包括速度状态机511、速度交通规则513和基点-时间图生成器515。速度决策过程405或速度决策模块503可使用动态规划生成原始速度配置文件作为路径规划过程407和速度规划过程409的初始约束。在一个实施方式中，速度状态机511包括至少两种状态：加速状态和减速状态。作为图3A的驾驶/交通规则312的一部分的速度交通规则513包括能够影响速度决策模块的结果的交通规则。例如，速度交通规则513可包括诸如红/绿交通灯、十字路口路线中的另一车辆等交通信息。通过速度状态机的状态、速度交通规则、由决策过程403生成的原始路径配置文件/SL图以及感知的障碍物，速度决策过程405可生成原始速度配置文件来控制ADV何时加速和/或减速。基点-时间图生成器515可生成基点-时间图以作为原始速度配置文件的一部分。
参考图4和图5B，路径规划过程407或路径规划模块521包括基点-侧移图525、几何平滑器527和路径成本模块529。基点-侧移图525可包括由路径决策过程403的SL图生成器509生成的基点-侧移图。路径规划过程407或路径规划模块521可使用原始路径配置文件(例如，基点-侧移图)作为初始约束，以使用二次规划重新计算最佳参考线路。二次规划涉及在边界、线性等式和/或不等式约束的限制下使目标函数(例如，具有若干变量的二次函数)最小化或最大化。动态规划与二次规划之间的一个不同之处在于，二次规划一次性优化用于参考线路上的所有点的所有候选移动。几何平滑器527可对输出基点-侧移图应用平滑算法(诸如B-spline或回归)。路径成本模块529可利用路径成本函数(作为图3A的成本函数315的一部分)重新计算参考线路，以例如使用由QP模块540执行的QP优化来对参考点的候选移动的总成本进行优化。
速度规划过程409或速度规划模块523包括基点-时间图531、时序平滑器533和速度成本模块535。基点-时间图531可包括由速度决策过程405的ST图生成器515生成的基点-时间(ST)图。速度规划过程409或速度规划模块523可使用原始速度配置文件(例如，基点-时间图)和路径规划过程407的结果作为初始约束，以计算最佳基点-时间曲线。时序平滑器533可向点的时间序列应用平滑算法(诸如B-spline或回归)。速度成本模块535可利用速度成本函数(作为图3A的成本函数315的一部分)重新计算ST图，以优化不同的时间点的候选移动(例如，加速/减速)的总成本。
聚合器411执行将路径规划结果和速度规划结果聚合的功能。例如，在一个实施方式中，聚合器411可将二维的ST图和SL图组合成三维的SLT图。在另一实施方式中，聚合器411可基于SL参考线路或ST曲线上的2个连续点来内插(或填充附加点)。在另一实施方式中，聚合器411可将参考点从(S，L)坐标转化成(x，y)坐标。轨迹生成器413可计算用于控制ADV的最终轨迹。例如，基于由聚合器411提供的SLT图，轨迹生成器413计算一列(x，y，T)点，所述(x，y，T)点表明ADV应在何时经过特定的(x，y)坐标。
因此，返回参考图4，路径决策过程403和速度决策过程405将在考虑到障碍物和/或交通状况的情况下生成原始路径配置文件和原始速度配置文件。基于与障碍物有关的所有路径决策和速度决策，路径规划过程407和速度规划过程409将根据所述障碍物使用QP规划来优化原始路径配置文件和速度配置文件，以生成具有最小路径成本和/或速度成本的最佳轨迹。
图6A至图6C示出了根据一个实施方式的确定ADV的障碍物的轨迹是否要求ADV调整导航的示例。在图6A至图6C的示例中，障碍物的行进方向612与ADV的行进方向607大致相同。下文将参照图9A对根据图6A至图6C的描述的方法进行描述。
参考图6A，ADV 605可以是上文参考图1描述的ADV 101。诸如车辆610的障碍物具有由点P0、P1、P2、P3...PM表示的障碍物轨迹615。在实施方式中，M可以是100。在实施方式中，障碍物轨迹615的点P0...PM可以形成有序集合{P0..PM}。ADV感知与规划系统110可确定障碍物610的轨迹。ADV 605可使用ADV感知与规划系统110来确定ADV 605的参考导航线路620。ADV参考线路620可以由点R0..RN表示。在实施方式中，N可以是1000。在实施方式中，ADV参考线路620的点R0..RN可以形成有序集合{R0..RN}。
为了确定ADV是否需要调整导航以避开障碍物610，感知与规划模块110的障碍物处理模块308确定障碍物610可以有多接近于ADV605，假设障碍物610继续在轨迹615上行进并且ADV 605继续在参考线路620上行进。对于障碍物轨迹615的{P0..PM}中的每个点Pi(i＝0至M)，障碍物处理模块308可确定{R0..RN}中的点Si，该点Si具有从Pi到ADV参考线路620的{R0..RN}中的任一点Si的最小距离。对于障碍物轨迹615的点P0，计算从P0到{R0..RN}中的每个点的距离。ADV参考线路的点S0是{R0..RN}中到P0的距离最小的点。因此，为了找出距P0距离最短的S0，可搜索{R0..RN}中的所有点。为找出ADV参考线路620的后续点Si(i＝1至M)，可如下文参考图6B所描述地在ADV参考线路620的{R0..RN}中搜索较少的点。假设{P0..PM}中的每个点Pi表示为(x，y)坐标对，并且{R0..RN}中的每个点Si也表示为(x，y)坐标对，Pi与Si之间的距离可表示为对于其它坐标系，可以使用诸如点的极坐标表示的其它距离公式。
现在参考图6B，对于障碍物轨迹615的{P1..PM}中的后续点Pi(i＝1至M)，对{R0..RN}中的点Si到障碍物轨迹的点Pi的搜索不需要从R0处开始。相反地，对后续点Si的搜索可从最后确定的Si(即，Si-1)处开始。例如，对于障碍物轨迹线路615的点P1，对ADV参考线路620上到障碍物轨迹615的P1的距离最短的点S1的搜索可以从最后确定的Si开始(即，S0)，而不是在R0处从ADV参考线路620的起始进行搜索。因此，对于i＝1且Pi＝P1，对Si＝S1的搜索可从ADV参考线路620上的点Si-1＝S0开始。可对索引变量“i”的每个值重复该过程以确定从障碍物轨迹615的{P1..PM}中的每个Pi到ADV参考线路620上的点Si的最短距离。
如上所述，当ADV 605的行进方向607与障碍物610的行进方向612是大致相同的方向时，使用图6A和图6B中描述的过程。如果障碍物610的行进方向θOBS减去ADV 605的行进方向θADV的绝对值小于阈值：|θOBS-θADV|＜阈值，则ADV 605和障碍物610在大致相同的方向上行进。在实施方式中，阈值可以处于30°和40°之间。在实施方式中，如果ADV 605和障碍物610二者的高密度(HD)地图中的位置表明ADV 605和障碍物610处于车行道的同一侧的相同或者不同的车道中并且HD地图表明车道在相同方向上执行交通，则可确定ADV 605和障碍物610在相同方向上行进。下文将参考图7A和图7C描述ADV 605和障碍物610在大致相反的方向上行进的实施方式。
图6C示出了在ADV参考线路620上找出点的集合{S0..SM}的过程的完整迭代，其中，对于i＝0至M，{S0..SM}中的每个Si到{P0..PM}中的Pi的距离最短。
图7A至图7C示出了根据一个实施方式的确定ADV的障碍物的轨迹是否要求ADV调整导航的示例。在图7A至图7C的示例中，障碍物710的行进方向712与ADV 705的行进方向707大致相反。下文参考图9B对根据图7A至图7C的描述的方法进行描述。
参考图7A，ADV 705可以是上文参考图1描述的ADV 101。诸如车辆710的障碍物具有由点P0、P1、P2、P3...PM表示的障碍物轨迹715。ADV感知与规划系统110可以确定障碍物710的轨迹。ADV 705可使用ADV感知与规划系统110来确定ADV 705的参考导航线路720。在实施方式中，障碍物轨迹715可以是由点P0...PM表示的线。在实施方式中，M可以是100。在实施方式中，障碍物轨迹715的点P0...PM可形成有序集合{P0...PM}。ADV参考线路720可以由点R0..RN表示。在实施方式中，N可以是1000。在实施方式中，ADV参考线路720的点R0..RN可以形成有序集合{R0..RN}。
为了确定ADV是否需要调整导航以避开障碍物710，感知与规划模块110的障碍物处理模块308可确定：如果障碍物710继续在轨迹715上行进且ADV 705继续在参考线路720上行进，障碍物710可以有多接近于ADV 705。对于障碍物轨迹715的{P0..PM}中的每个点Pi(i＝0至M)，障碍物处理模块308可确定{R0..RN}中的点Si，该点Si具有从Pi到ADV参考线路720的{R0..RN}中的任一点Si的最小距离。对于障碍物轨迹715的点PM，计算从PM到{R0..RN}中的每个点的距离。ADV参考线路点SM是{R0..RN}中到PM的距离最小的点。因此，为了找出距PM的距离最短的SM，可搜索{R0..RN}中的所有点。对于{P0..PM-1}中的后续点Pi，为了找出ADV参考线路720的后续点Si(i＝M-1至0)，可在ADV参考线路720的{R0..RN}中搜索较少的点。
现在参考图7B，对于障碍物轨迹715的{P0..PM-1}中的后续点Pi(i＝M-1至0)，对{R0..RN}中的最近点Si的搜索不需要从RN处开始。相反地，对后续点Si的搜索可从最后确定的Si(即，Si+1)处开始。例如，对于障碍物轨迹线路715的点Pi＝PM-1(其中，i＝M-1)，对ADV参考线路720上到障碍物轨迹715的PM-1的距离最短的点Si＝SM-1的搜索可以从最后确定的Si+1＝SM开始，而不是在RN处从ADV参考线路720的起始进行搜索。因此，对于i＝M-1且Pi＝PM-1，对Si＝SM-1的搜索可以从ADV参考线路720上的点Si+1＝SM开始。可对索引变量“i”的每个值重复该过程以在ADV参考线路720上找出距障碍物轨迹715的{P0..PM-1}中的每个Pi(其中，i＝M-1至0)的距离最短的点Si。
当ADV 705和障碍物710在大致相反的方向上行进时，使用图7A和图7B中描述的过程。在实施方式中，如果θOBS减去θADV再减去180°的绝对值小于阈值：|θOBS-θADV-180°|＜阈值，则障碍物710和ADV 705在大致相反的方向上行进。在实施方式中，如果ADV 705和障碍物710二者的HD地图中的位置表明ADV 705处于沿着第一方向行进的车道中的第一侧车行道的车道中，而障碍物710处于沿着与ADV 705大致相反的方向行驶的车道中的第二侧车行道上，则可确定ADV 705和障碍物710在相反方向上行进。
ADV 705和障碍物710在大致相反的方向上行进的实施方式与上文在图7A和图7B中描述的过程类似。下文参考图9A对图6A至图6C的过程进行描述。下文参考图9B对ADV和障碍物在相反方向上行进时的过程进行描述。
图7C示出了在ADV参考线路720上找出表示到障碍物轨迹线路715的点的集合{P0..PM}中的每个点的距离最短的点的集合{S0..SM}的过程的完整迭代。
图8是示出根据一个实施方式的确定ADV的障碍物的轨迹是否要求ADV调整导航的方法800的流程图。可对相同的障碍物610或710多次执行方法800。也可对ADV 605或705的多个障碍物610或710中的每个执行方法800一次或多次。
在操作805中，感知与规划模块110可确定ADV的障碍物的轨迹。轨迹可由M个离散点的集合{P0..PM}表示。在实施方式中，M＝100。在实施方式中，M个离散点的集合形成点的有序集合。
在操作810中，感知与规划模块110可确定ADV的导航参考线路。导航参考线路可由N个离散点的集合{R0..RN}表示。在实施方式中，N＝1000。在实施方式中，N个离散点的集合可以是有序集合。
在操作815中，感知与规划模块110可以确定障碍物相对于ADV的相对方向。如以上参考图6A至图6C和图7A至图7C所描述的，障碍物和ADV的相对方向可以以多种方式确定。
在操作815中，可确定ADV和障碍物是在大致相同的方向、大致相反的方向上行进、还是在既不相同也不相反的方向上行进。如果ADV的行进方向θADV与障碍物的行进方向θOBS之间的差值的绝对值小于阈值量，则ADV和障碍物在大致相同的方向上行进。在实施方式中，如果由ADV检索的高清晰度(HD)地图表明ADV和障碍物二者都在表示相同方向的车道中行进，则ADV和障碍物在相同方向上行进。在实施方式中，如果θADV-θOBS-180°的绝对值小于阈值，则ADV和障碍物在大致相反的方向上行进。在实施方式中，阈值可处于30°与40°之间。在实施方式中，如果由ADV检索的HD地图表明ADV和障碍物占据具有相反方向的车道，则ADV和障碍物可在大致相反的方向上行进。
在操作820中，可确定ADV和障碍物是否在相同或大致相同的方向上行进。如果是，则方法800在操作900处继续，否则方法800在操作825处继续。
在操作825中，可确定ADV和障碍物是否在相反或大致相反的方向上行进。如果是，则方法800在操作950处继续，否则方法800在操作830处继续。
在操作830中，已经确定ADV和障碍物不在相同方向或相反方向上行进。因此，将通过感知与规划模块110的其它处理(方法800未描述这一处理)来确定障碍物是否要求ADV来调整导航，并且方法800结束。
在操作900中，根据下文参考图9A描述的方法900确定ADV参考线路上分别距障碍物的相应点{P0..PM}的距离最短的点的集合{S0..SM}。方法800在操作835处继续。
在操作950中，根据下文参考图9B描述的方法950确定ADV参考线路上分别距障碍物的相应点{P0..PM}的距离最短的点的集合{S0..SM}。方法800在操作835处继续。
在操作835中，确定所有Pi与Si(其中，i＝0..M)之间的距离的最小值。假设障碍物维持其轨迹且ADV根据ADV参考线路维持导航，该最小距离对应于障碍物可能最接近于ADV的情况。在实施方式中，可将在操作835中确定的该最小值确定为操作900或操作950的一部分。
在操作840中，可确定障碍物到ADV的最小距离是否小于阈值安全量。如果是，则感知与规划模块110确定对ADV的导航进行调整。方法800结束。
图9A和图9B是示出了根据一个实施方式的确定ADV的障碍物的轨迹是否要求ADV调整导航的方法的流程图。
图9A示出了在障碍物和ADV在大致相同的方向上行进时确定ADV导航线路的{S0..SM}中的点Si的方法900，其中，对于i＝0..M的每个，{S0..SM}中的任一点Si均具有到{P0..PM}中的Pi的最短距离。
在操作905中，对于{P0..PM}中的第一点P0，搜索参考线路{R0..RN}中的所有点以在{R0..RN}中找出距P0的距离最小的点S0。
在操作910中，对于每个i＝1至M，可以执行操作915。在循环结束时，当i＞M时，方法900返回到方法800的操作835处。
在操作915中，对于循环计数器i的值和障碍物轨迹点Pi，搜索导航参考线路的一部分以找出从参考线路被搜索的部分中的任一点到Pi的距离最小的Si。参考线路被搜索的部分可以是从最新找出的Si(即，Si-1)到参考线路的末端RN处。因此，参考线路的对Si进行搜索的部分是{Si-1..RN}。
图9B示出了在障碍物和ADV在大致相反的方向上行进时确定ADV导航线路的{SM..S0}中的点Si的方法950，其中，对于i＝M..0的每个，每个Si具有从{R0..RN}中的任一点到{PM..P0}中的Pi的最短距离。
在操作955中，对于{PM..P0}中的第一点PM，搜索参考线路{R0..RN}中的所有点以在{R0..RN}中找出距PM的距离最小的点SM。
在操作960中，对于每个i＝M-1至0，可以执行操作965。在循环结束时，当i＜0时，方法900返回至方法800的操作835处。
在操作965中，对于循环计数器i的值和障碍物轨迹点Pi，搜索导航参考线路的一部分以找出参考线路被搜索的部分中的任一点到Pi的距离最小的Si。参考线路被搜索的部分可以是从最新找出的Si(即，Si+1)到参考线路的末端R0处。因此，参考线路的对Si进行搜索的部分是{R0..Si+1}。
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1000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1000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1000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1000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1000包括通过总线或互连件1010连接的处理器1001、存储器1003以及装置1005至1008。处理器1001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1001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1001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1001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1001(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1001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1000还可以包括与可选的图形子系统1004通信的图形接口，图形子系统1004可以包括显示控制器、图形处理器和/或显示装置。
处理器1001可以与存储器1003通信，存储器1003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1003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1003可以存储包括由处理器1001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1003中并由处理器1001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1000还可以包括IO(输入/输出)装置，诸如装置1005至1008，包括网络接口装置1005、可选的输入装置1006，以及其它可选的IO装置1007。网络接口装置1005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1006可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1004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1006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1007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1007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1007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1010，而诸如键盘或热传感器的其它装置可以根据系统1000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1001。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1001。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1008可以包括计算机可访问的存储介质1009(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1028)。处理模块/单元/逻辑1028可以表示上述部件中的任一个，例如图3B的障碍物处理模块308、图5B的路径规划模块521、速度规划模块523。处理模块/单元/逻辑1028还可以在其由数据处理系统1000、存储器1003和处理器1001执行期间完全地或至少部分地驻留在存储器1003内和/或处理器1001内，数据处理系统1000、存储器1003和处理器1001也构成机器可访问的存储介质。处理模块/单元/逻辑1028还可以通过网络经由网络接口装置1005进行传输或接收。
计算机可读存储介质1009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1009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1028、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1028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1028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1000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 (18)

1.确定自动驾驶车辆的障碍物的轨迹是否要求所述自动驾驶车辆调整导航的计算机实施方法，所述方法包括：
确定自动驾驶车辆的障碍物的轨迹，所述轨迹通过多个第一有序的点{P0..PM}表示；
确定所述自动驾驶车辆的导航的参考线路，所述参考线路通过多个第二有序的点{R0..RN}表示；
响应于确定所述障碍物和所述自动驾驶车辆在相同的方向上行进：
找出点S0∈{R0..RN}，以使得从P0到S0的距离是从P0到{R0..RN}中的任一点的最小距离；
对于每个点Pi∈{P1..PM}，其中i＝1至M，找出点Si∈{Si-1..RN}，以使得从Pi到Si的距离是从Pi到{Si-1..RN}中的任一点的最小距离；
响应于确定对于任何i∈{0..M}的Pi与Si之间的距离小于阈值距离值，调整所述自动驾驶车辆的导航。
2.根据权利要求1所述的方法，还包括：
响应于确定所述障碍物和所述自动驾驶车辆在相反的方向上行进：
找出点SM∈{R0..RN}，以使得从PM到SM的距离是从PM到{R0..RN}中的任一点的最小距离；
对于每个点Pi∈{P0..PM-1}，其中i＝M-1至0，在{R0..Si+1}中找出点Si，以使得从Pi到Si的距离是从Pi到{R0..Si+1}中的任一点的最小距离。
3.根据权利要求1所述的方法，所述障碍物相对于所述自动驾驶车辆行进的方向通过以下项中的至少一项确定：
使用高清晰度地图确定所述障碍物的车行道的方向和所述自动驾驶车辆的车行道的方向；或者
使用所述自动驾驶车辆的感知模块确定所述障碍物的行进方向θOBS、所述自动驾驶车辆的行进方向θADV，并进一步确定：
如果θADV-θOBS的绝对值小于阈值行进方向值，则所述障碍物和所述自动驾驶车辆在相同方向上行进；以及
如果θADV-θOBS-180°的绝对值小于所述阈值行进方向值，则所述障碍物和所述自动驾驶车辆在相反方向上行进。
4.根据权利要求3所述的方法，其中，所述阈值行进方向值处于30°至40°之间。
5.根据权利要求1所述的方法，其中，M＝100且N＝1000。
6.根据权利要求1所述的方法，还包括：
对于i＝1至M-1，在{P0..PM}中的每个Pi与Pi+1之间插入个点；
设置M＝N作为所述障碍物的轨迹的迭代计数器，以使得为每个Pi找出Si包括：对于每个Pi∈{P1..PN}，其中i＝1至N，找出点Si∈{Si-1..RN}以使得从Pi到Si的距离是从Pi到{Si- 1..RN}中的任一点的最小距离。
7.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致使所述处理器执行以下操作，所述操作包括：
确定自动驾驶车辆的障碍物的轨迹，所述轨迹通过多个第一有序的点{P0..PM}表示；
确定所述自动驾驶车辆的导航的参考线路，所述参考线路通过多个第二有序的点{R0..RN}表示；
响应于确定所述障碍物和所述自动驾驶车辆在相同的方向上行进：
找出点S0∈{R0..RN}，以使得从P0到S0的距离是从P0到{R0..RN}中的任一点的最小距离；
对于每个点Pi∈{P1..PM}，其中i＝1至M，找出点Si∈{Si-1..RN}，以使得从Pi到Si的距离是从Pi到{Si-1..RN}中的任一点的最小距离；
响应于确定对于任何i∈{0..M}的Pi与Si之间的距离小于阈值距离值，调整所述自动驾驶车辆的导航。
8.根据权利要求7所述的介质，所述操作还包括：
响应于确定所述障碍物和所述自动驾驶车辆在相反的方向上行进：
找出点SM∈{R0..RN}，以使得从PM到SM的距离是从PM到{R0..RN}中的任一点的最小距离；
对于每个点Pi∈{P0..PM-1}，其中i＝M-1至0，在{R0..Si+1}中找出点Si，以使得从Pi到Si的距离是从Pi到{R0..Si+1}中的任一点的最小距离。
9.根据权利要求7所述的介质，所述障碍物相对于所述自动驾驶车辆行进的方向通过以下项中的至少一项确定：
使用高清晰度地图确定所述障碍物的车行道的方向和所述自动驾驶车辆的车行道的方向；或者
使用所述自动驾驶车辆的感知模块确定所述障碍物的行进方向θOBS、所述自动驾驶车辆的行进方向θADV，并进一步确定：
如果θADV-θOBS的绝对值小于阈值行进方向值，则所述障碍物和所述自动驾驶车辆在相同方向上行进；以及
如果θADV-θOBS-180°的绝对值小于所述阈值行进方向值，则所述障碍物和所述自动驾驶车辆在相反方向上行进。
10.根据权利要求9所述的介质，其中，所述阈值行进方向值处于30°至40°之间。
11.根据权利要求7所述的介质，其中，M＝100且N＝1000。
12.根据权利要求7所述的介质，所述操作还包括：
对于i＝1至M-1，在{P0..PM}中的每个Pi与Pi+1之间插入个点；
设置M＝N作为所述障碍物的轨迹的迭代计数器，以使得为每个Pi找出Si包括：对于每个Pi∈{P1..PN}，其中i＝1至N，找出点Si∈{Si-1..RN}以使得从Pi到Si的距离是从Pi到{Si- 1..RN}中的任一点的最小距离。
13.数据处理系统，包括：
处理器；以及
存储器，所述存储器联接到所述处理器以存储指令，所述指令在由所述处理器运行时致使所述处理器执行以下操作，所述操作包括：
确定自动驾驶车辆的障碍物的轨迹，所述轨迹通过多个第一有序的点{P0..PM}表示；
确定所述自动驾驶车辆的导航的参考线路，所述参考线路通过多个第二有序的点{R0..RN}表示；
响应于确定所述障碍物和所述自动驾驶车辆在相同的方向上行进：
找出点S0∈{R0..RN}，以使得从P0到S0的距离是从P0到{R0..RN}中的任一点的最小距离；
对于每个点Pi∈{P1..PM}，其中i＝1至M，找出点Si∈{Si-1..RN}，以使得从Pi到Si的距离是从Pi到{Si-1..RN}中的任一点的最小距离；
响应于确定对于任何i∈{0..M}的Pi与Si之间的距离小于阈值距离值，调整所述自动驾驶车辆的导航。
14.根据权利要求13所述的系统，所述操作还包括：
响应于确定所述障碍物和所述自动驾驶车辆在相反的方向上行进：
找出点SM∈{R0..RN}，以使得从PM到SM的距离是从PM到{R0..RN}中的任一点的最小距离；
对于每个点Pi∈{P0..PM-1}，其中i＝M-1至0，在{R0..Si+1}中找出点Si，以使得从Pi到Si的距离是从Pi到{R0..Si+1}中的任一点的最小距离。
15.根据权利要求13所述的系统，所述障碍物相对于所述自动驾驶车辆行进的方向通过以下项中的至少一项确定：
使用高清晰度地图确定所述障碍物的车行道的方向和所述自动驾驶车辆的车行道的方向；或者
使用所述自动驾驶车辆的感知模块确定所述障碍物的行进方向θOBS、所述自动驾驶车辆的行进方向θADV，并进一步确定：
如果θADV-θOBS的绝对值小于阈值行进方向值，则所述障碍物和所述自动驾驶车辆在相同方向上行进；以及
如果θADV-θOBS-180°的绝对值小于所述阈值行进方向值，则所述障碍物和所述自动驾驶车辆在相反方向上行进。
16.根据权利要求15所述的系统，其中，所述阈值行进方向值处于30°至40°之间。
17.根据权利要求13所述的系统，其中，M＝100且N＝1000。
18.根据权利要求13所述的系统，所述操作还包括：
对于i＝1至M-1，在{P0..PM}中的每个Pi与Pi+1之间插入个点；
设置M＝N作为所述障碍物的轨迹的迭代计数器，以使得为每个Pi找出Si包括：对于每个Pi∈{P1..PN}，其中i＝1至N，找出点Si∈{Si-1..RN}以使得从Pi到Si的距离是从Pi到{Si- 1..RN}中的任一点的最小距离。
CN201910029936.XA 2018-02-07 2019-01-10 用于加速曲线投影的系统和方法 Active CN110119140B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/891,288 2018-02-07
US15/891,288 US10754341B2 (en) 2018-02-07 2018-02-07 Systems and methods for accelerated curve projection

Publications (2)

Publication Number Publication Date
CN110119140A true CN110119140A (zh) 2019-08-13
CN110119140B CN110119140B (zh) 2022-05-17

Family

ID=65138936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910029936.XA Active CN110119140B (zh) 2018-02-07 2019-01-10 用于加速曲线投影的系统和方法

Country Status (5)

Country Link
US (1) US10754341B2 (zh)
EP (1) EP3524934B1 (zh)
JP (1) JP6873170B2 (zh)
KR (1) KR102211299B1 (zh)
CN (1) CN110119140B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111452786A (zh) * 2020-04-14 2020-07-28 北京理工大学 一种无人车辆避障方法及系统
CN112519797A (zh) * 2020-12-10 2021-03-19 广州小鹏自动驾驶科技有限公司 一种车辆安全距离预警方法、预警系统、汽车及存储介质
CN113479198A (zh) * 2021-08-20 2021-10-08 京东鲲鹏(江苏)科技有限公司 一种无人车控制方法和装置

Families Citing this family (23)

* Cited by examiner, † Cited by third party
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
US10816985B2 (en) * 2018-04-17 2020-10-27 Baidu Usa Llc Method on moving obstacle representation for trajectory planning
US10809736B2 (en) * 2018-12-27 2020-10-20 Baidu Usa Llc ST-graph learning based decision for autonomous driving vehicle
CN109814568B (zh) * 2019-02-19 2022-05-03 阿波罗智能技术(北京)有限公司 无人车速度轨迹的生成方法、装置和存储介质
JP7203202B2 (ja) * 2019-04-01 2023-01-12 三菱電機株式会社 走行経路生成装置および走行経路生成方法、並びに車両制御装置
FR3095099B1 (fr) * 2019-04-15 2021-09-03 Continental Automotive Procédé de prédiction d’une modification des conditions d’attachement d’un terminal à un réseau cellulaire
CN112572424B (zh) * 2019-09-11 2022-05-17 北京百度网讯科技有限公司 基于障碍物识别的车辆控制方法、装置、设备和介质
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
CN110654381B (zh) 2019-10-09 2021-08-31 北京百度网讯科技有限公司 用于控制车辆的方法和装置
US11754408B2 (en) * 2019-10-09 2023-09-12 Argo AI, LLC Methods and systems for topological planning in autonomous driving
CN110843776B (zh) * 2019-11-29 2022-04-15 深圳市元征科技股份有限公司 车辆防撞方法和装置
US11351998B2 (en) * 2020-03-18 2022-06-07 Denso Corporation Systems and methods for adapting activation of alerts according to curvature of a target path
JP7341941B2 (ja) * 2020-04-14 2023-09-11 日立Astemo株式会社 車両運動制御装置及び車両運転制御方法
US11835958B2 (en) * 2020-07-28 2023-12-05 Huawei Technologies Co., Ltd. Predictive motion planning system and method
CN112099493B (zh) * 2020-08-31 2021-11-19 西安交通大学 一种自主移动机器人轨迹规划方法、系统及设备
US11536586B2 (en) * 2020-09-17 2022-12-27 Here Global B.V. System, method, and computer program product for identifying a road object
CN114485627B (zh) * 2020-10-23 2023-10-31 广东博智林机器人有限公司 一种有轨小车的导航方法、装置、有轨小车及存储介质
CN112649012A (zh) * 2020-12-15 2021-04-13 北京三快在线科技有限公司 一种轨迹规划方法、设备、介质及无人设备
CN113650608A (zh) * 2021-09-14 2021-11-16 广州小鹏自动驾驶科技有限公司 一种基于自动驾驶的避障方法和装置
CN113916246B (zh) * 2021-09-26 2023-09-01 江苏徐工工程机械研究院有限公司 一种无人驾驶避障路径规划方法和系统
CN113968235B (zh) * 2021-11-30 2023-03-28 广州文远知行科技有限公司 一种障碍物的区域层级确定方法、装置、设备和介质
CN114610044B (zh) * 2022-03-21 2024-03-22 广东工业大学 一种基于Lanelet框架的移动参考线避障方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902269A (zh) * 2012-09-21 2013-01-30 北京邮电大学 预选择最小距离指标冗余机器人动态避障方法
CN103901892A (zh) * 2014-03-04 2014-07-02 清华大学 无人机的控制方法及系统
CN104392081A (zh) * 2014-06-30 2015-03-04 管小清 一种冗余机械臂运动障碍物避障算法
US20150344030A1 (en) * 2014-05-30 2015-12-03 Honda Research Institute Europe Gmbh Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis
CN107209518A (zh) * 2015-01-26 2017-09-26 罗伯特·博世有限公司 代客泊车方法和代客泊车系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3238496B2 (ja) * 1992-11-06 2001-12-17 株式会社豊田中央研究所 車両用衝突防止装置
JP4082471B2 (ja) * 1997-04-04 2008-04-30 富士重工業株式会社 車外監視装置
JP4062353B1 (ja) * 2006-11-10 2008-03-19 トヨタ自動車株式会社 障害物進路予測方法、装置、およびプログラム
EP2280241A3 (en) * 2009-07-30 2017-08-23 QinetiQ Limited Vehicle control
JP6638556B2 (ja) * 2016-05-20 2020-01-29 アイシン・エィ・ダブリュ株式会社 自動運転支援装置及びコンピュータプログラム
JP6551382B2 (ja) * 2016-12-22 2019-07-31 トヨタ自動車株式会社 衝突回避支援装置
EP3563206A4 (en) * 2016-12-30 2020-06-17 DeepMap Inc. HIGH DEFINITION ROUTE AND CARD STORAGE MANAGEMENT SYSTEM FOR AUTONOMOUS VEHICLES
US20190061765A1 (en) * 2017-08-23 2019-02-28 Uber Technologies, Inc. Systems and Methods for Performing Lane Changes Around Obstacles

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902269A (zh) * 2012-09-21 2013-01-30 北京邮电大学 预选择最小距离指标冗余机器人动态避障方法
CN103901892A (zh) * 2014-03-04 2014-07-02 清华大学 无人机的控制方法及系统
US20150344030A1 (en) * 2014-05-30 2015-12-03 Honda Research Institute Europe Gmbh Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis
JP2015228204A (ja) * 2014-05-30 2015-12-17 ホンダ リサーチ インスティテュート ヨーロッパ ゲーエムベーハーＨｏｎｄａ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ Ｅｕｒｏｐｅ ＧｍｂＨ 先進運転者支援システムによりリスクベースの交通シーン分析を行う方法、及び当該分析を行う当該システムを備える乗り物
CN104392081A (zh) * 2014-06-30 2015-03-04 管小清 一种冗余机械臂运动障碍物避障算法
CN107209518A (zh) * 2015-01-26 2017-09-26 罗伯特·博世有限公司 代客泊车方法和代客泊车系统
US20170351267A1 (en) * 2015-01-26 2017-12-07 Robert Bosch Gmbh Valet parking method and valet parking system

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111452786A (zh) * 2020-04-14 2020-07-28 北京理工大学 一种无人车辆避障方法及系统
CN112519797A (zh) * 2020-12-10 2021-03-19 广州小鹏自动驾驶科技有限公司 一种车辆安全距离预警方法、预警系统、汽车及存储介质
CN113479198A (zh) * 2021-08-20 2021-10-08 京东鲲鹏(江苏)科技有限公司 一种无人车控制方法和装置

Also Published As

Publication number Publication date
KR102211299B1 (ko) 2021-02-03
CN110119140B (zh) 2022-05-17
US20190243370A1 (en) 2019-08-08
JP2019138903A (ja) 2019-08-22
EP3524934B1 (en) 2021-04-07
KR20190100856A (ko) 2019-08-29
EP3524934A1 (en) 2019-08-14
US10754341B2 (en) 2020-08-25
JP6873170B2 (ja) 2021-05-19

Similar Documents

Publication Publication Date Title
CN110119140A (zh) 用于加速曲线投影的系统和方法
CN109491377A (zh) 用于自动驾驶车辆的基于dp和qp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
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
CN109947090A (zh) 用于自动驾驶车辆规划的非阻塞边界
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
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
JP6644742B2 (ja) 頑健で効率的な車両測位用のアルゴリズム及びインフラ
CN109521763A (zh) 用于自动驾驶车辆的基于约束平滑样条的路径优化
CN110345955A (zh) 用于自动驾驶的感知与规划协作框架
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
CN110389584A (zh) 用于评估自动驾驶车辆的轨迹候选项的方法
CN110083149A (zh) 用于自动驾驶车辆的路径与速度优化后馈机制
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
CN110389581A (zh) 用于为自动驾驶车辆生成障碍物的预测轨迹的方法
CN109955853B (zh) 用于操作自动驾驶车辆的方法、系统和存储介质
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
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
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
CN110389585A (zh) 用于自动驾驶车辆的基于学习的速度规划器
CN111380534B (zh) 用于自动驾驶车辆的基于st图学习的方法
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
CN110377024A (zh) 用于自动驾驶车辆的自动数据标注
CN109489673A (zh) 用于自动驾驶车辆的数据驱动地图更新系统

Legal Events

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