CN110325935A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110325935A
CN110325935A CN201780087172.9A CN201780087172A CN110325935A CN 110325935 A CN110325935 A CN 110325935A CN 201780087172 A CN201780087172 A CN 201780087172A CN 110325935 A CN110325935 A CN 110325935A
Authority
CN
China
Prior art keywords
scene
route
path
driving
route segment
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
CN201780087172.9A
Other languages
English (en)
Other versions
CN110325935B (zh
Inventor
朱帆
孔旗
潘余昌
付骁鑫
江汇
庄立
朱伟铖
赵春明
朱振广
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 com Times Technology Beijing Co Ltd
Baidu USA LLC
Original Assignee
Baidu com Times Technology Beijing Co Ltd
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 com Times Technology Beijing Co Ltd, Baidu USA LLC filed Critical Baidu com Times Technology Beijing Co Ltd
Publication of CN110325935A publication Critical patent/CN110325935A/zh
Application granted granted Critical
Publication of CN110325935B publication Critical patent/CN110325935B/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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • 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
    • G08G1/09—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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • 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
    • G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
    • G08G1/096816—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard where the complete route is transmitted to the vehicle at once
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/20—Road profile

Abstract

在一个实施方式中，响应于从源位置到目标位置的路线，对该路线进行分析，以沿着该路线识别与一个或多个预定驾驶场景匹配的一个或多个驾驶场景的列表。基于驾驶场景将该路线分段成路线段的列表。路线段中的至少一个与所识别的驾驶场景中的一个对应。基于路线段生成路径，以将自动驾驶车辆从源位置驾驶到目标位置。该路径包括与路线段对应的多个路径段。路径的路径段中的至少一个路径段是在不必对该路径段进行实时计算的情况下，基于与该路径段相关联的预定驾驶场景的预配置路径而确定的。

Description

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
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。
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以及高清地图导航到各个位置，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驾驶。
在规划从起始位置到目的地位置的路线时，由于路线的参考线是沿着其驾驶自动驾驶车辆的路径的最终目标，因而路线的参考线是重要的。然而，良好的路径引导线可能与在道路上位于中央的普通参考线相比产生很大差异。典型的参考线基于特定车道或道路的中心线而确定出，其中，特定车道或道路的中心线从标准路线和地图信息而获得。然而，这样的参考线可能不是最佳参考线。另外，基于参考线来实时计算路径是耗时的。
发明内容
本公开的实施方式提供用于自动驾驶车辆的路径规划的计算机实施的方法、非暂时性机器可读介质和数据处理系统。
在本公开的方面，用于自动驾驶车辆的路径规划的计算机实施的方法包括：响应于用于将自动驾驶车辆(ADV)从源位置路线安排至目标位置的路线，对路线进行分析，以沿着路线识别与一个或多个预定义驾驶场景匹配的一个或多个驾驶场景的列表；基于驾驶场景将路线分段成多个路线段，路线段中的至少一个与所识别的驾驶场景中的一个对应；以及基于路线段生成路径，以将自动驾驶车辆(ADV)从源位置驾驶到目标位置，路径具有与路线段对应的多个路径段，其中，路径的路径段中的至少一个是基于与预定义驾驶场景对应的预配置路径段而确定的。
在本公开的另一方面，非暂时性机器可读介质具有存储在其中的指令，所述指令在由处理器运行时致使处理器执行操作。所述操作包括：响应于用于将自动驾驶车辆(ADV)从源位置路线安排至目标位置的路线，对路线进行分析，以沿着路线识别与一个或多个预定义驾驶场景匹配的一个或多个驾驶场景的列表；基于驾驶场景将路线分段成多个路线段，路线段中的至少一个与所识别的驾驶场景中的一个对应；以及基于路线段生成路径，以将自动驾驶车辆(ADV)从源位置驾驶到目标位置，路径具有与路线段对应的多个路径段，其中，路径的路径段中的至少一个是基于与预定义驾驶场景对应的预配置路径段而确定的。
在本公开的另一方面，数据处理系统包括处理器和存储器，其中，存储器联接至处理器以存储指令，所述指令在由处理器运行时致使处理器执行操作，所述操作包括：响应于用于将自动驾驶车辆(ADV)从源位置路线安排至目标位置的路线，对路线进行分析，以沿着路线识别与一个或多个预定义驾驶场景匹配的一个或多个驾驶场景的列表；基于驾驶场景将路线分段成多个路线段，路线段中的至少一个与所识别的驾驶场景中的一个对应；以及基于路线段生成路径，以将自动驾驶车辆(ADV)从源位置驾驶到目标位置，路径具有与路线段对应的多个路径段，其中，路径的路径段中的至少一个是基于与预定义驾驶场景对应的预配置路径段而确定的。
在本公开的另一方面，用于自动驾驶车辆的路径规划的计算机实施的方法包括：收集在具有不同道路配置的多条道路上驾驶的多个车辆的驾驶统计数据；对驾驶统计数据执行分析，以识别与在不同时间点时在不同位置处的一组预定义驾驶场景匹配的驾驶场景列表；针对驾驶场景中的每个，确定车辆中的至少一些在相同驾驶场景下进行操作的位置的列表；对于与驾驶场景相关联的位置中的每个，基于与位置相关联的驾驶统计数据来确定优选路径段，以及生成用于驾驶场景的驾驶场景至路径(场景/路径)数据结构，以将特定位置映射至优选路径段，其中，随后利用场景/路径数据结构来在特定驾驶场景下使用相应的优选路径段对路径的在特定位置处的路径段进行规划，而不必对路径段进行动态计算。
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4A至图4C是示出根据某些实施方式的用于在某些驾驶场景下将位置映射至优选路径段的数据结构的框图。
图5是示出可以与实施方式一起使用的道路和车道配置的示例的框图。
图6是示出根据一个实施方式的生成用于对自动驾驶车辆进行路径安排的路径的过程的流程图。
图7是示出根据一个实施方式的向路径映射数据结构创建驾驶场景的过程的流程图。
图8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，基于行为的驾驶引导线用于指导自动驾驶车辆(ADV)的路径规划。基于行为的驾驶引导线代表道路的车道的参考线，其是基于先前在相同或相似的驾驶环境下(例如，在相同或相似的驾驶环境下的在相同或相似的道路的相同车道或相似车道上)驾驶各种车辆(手动驾驶或自动驾驶)的各种驾驶员的驾驶行为而确定出的。基于驾驶员行为的参考线可能与普通的中心线参考线不匹配。相反地，基于驾驶员行为的参考线是基于在相同或相似驾驶环境下的大量驾驶员行为的平均驾驶员而确定出的。这种基于行为的参考线代表使得大多数驾驶员能够最舒服且安全地驾驶车辆的最佳参考线。
根据一个方面，限定一组驾驶场景，包括但不限于直行驾驶场景、转弯场景(例如，左转、右转或掉头)和变道场景(例如，左变道或右变道)。针对预定义驾驶场景中的每个驾驶场景，基于先前驾驶通过相同或相似路径段的多个车辆的驾驶统计数据来确定与位置列表对应的路径段的列表。然后，将路径段存储在特定针对相应的驾驶场景而配置的驾驶场景至路径(场景/路径)数据结构中。例如，针对直行驾驶场景、转弯场景和变道场景中的每个场景均具有至少一个场景/路径数据结构。
在一个实施方式中，场景/路径数据结构包括多个映射条目。每个映射条目均将特定驾驶场景的特定位置映射至大多数驾驶员从处于相应位置的预定接近度内的位置驾驶通过的路径段。该路径段代表特定驾驶场景的特定位置的优选或推荐路径段。这些场景/路径数据结构可以是基于在不同时间点时驾驶许多不同类型的车辆的许多驾驶员的先前驾驶统计数据而离线创建的。与路径类似，路径段沿着该路径段包括多个路径点。每个路径点与该路径点的位置、该路径点的速度和该路径点的移动方向等相关。然后，可以将这些场景/路径数据结构上传至自动驾驶车辆上，并且随后使用这些场景/路径数据结构在类似的驾驶场景下生成路径，而不必实时对相同的路径段进行动态计算。结果，可以更有效地执行路径规划。
根据另一方面，响应于用于将自动驾驶车辆从源位置路线安排至目标位置的路线，对该路线进行分析，以沿着该路线识别与一个或多个预定义或预定驾驶场景匹配的一个或多个驾驶场景的列表。基于驾驶场景将路线分段成路线段的列表。路线段中的至少一个与所识别的驾驶场景中的一个对应。基于用于将自动驾驶车辆从源位置驾驶至目标位置的路线段而生成路径(例如，轨迹)。该路径包括与路线段对应的多个路径段。基于与路径段相关联的预定义驾驶场景的预配置路径段来确定路径的至少一个路径段。
在一个实施方式中，在生成路径时，对于与预定义驾驶场景中的一个匹配的每个路线段，基于所匹配的驾驶场景识别预配置路径段。路径的相应路径段由相应的预配置路径段替换，而不必对相同的路径段进行动态计算。对于其驾驶场景与和预配置路径段相关联的预定义驾驶场景中的任一个都不匹配的那些路线段，例如，基于从相应路线段获得的标准参考线来对不匹配的路线段的路径段进行动态计算。
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相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可包括用来收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收集声音。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，包括例如关键词、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和数据分析模块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，分析模块122(其可实施为机器学习引擎或模块的一部分)对驾驶统计数据123进行分析，并生成一组场景/路径数据结构124。数据结构124可以以诸如表格、数据库或预测模型等的多种格式进行实施。出于说明的目的，在整个本申请中，使用表格作为数据结构的示例。在一个实施方式中，每个场景/路径表124与一组预定义驾驶场景(诸如，例如，直行驾驶场景、转弯场景和变道场景)中的一个相关。转弯场景还可以包括左转场景、右转场景和掉头场景。变道场景还可包括左变道场景和右变道场景。驾驶场景也称为驾驶意向，其代表以诸如直行驾驶、转弯或变道等的特定方式驾驶车辆的意向。
对于每个预定义驾驶场景，分析模块122基于先前驾驶通过相同或相似的路径段的多个车辆的驾驶统计数据123来确定与位置列表对应的路径段的列表。然后，将路径段存储在特定针对相应的驾驶场景而配置的驾驶场景至路径(场景/路径)数据结构中。例如，对于直行驾驶场景、转弯场景和变道场景中的每个，均将在场景/路径表124中具有至少一个场景/路径数据结构。在一个实施方式中，场景/路径表124至少包括直行场景/路径表、左转场景/路径表、右转场景/路径表、掉头场景/路径表、左变道场景/路径表以及右变道场景/路径表。
在一个实施方式中，场景/路径表包括多个映射条目。每个映射条目均将特定驾驶场景的特定位置映射至大多数驾驶员从处于相应的映射位置的预定接近度内的位置驾驶通过的路径段。该路径段代表特定驾驶场景的特定位置的优选或推荐路径段。这些场景/路径表可以由分析模块122基于在不同时间点时驾驶许多不同类型的车辆的许多驾驶员的先前驾驶统计数据123进行创建。应注意，对于给定位置，可能存在多于一个的驾驶场景。例如，从给定位置，一些车辆可以直行、转弯或变道。因此，可能存在包括与相同位置对应的条目的多个场景/路径表。然而，它们的路径段将是不同的，这是由于它们与不同的驾驶场景或驾驶员意向(其在不同的时间点时可能是不同的)相关。
在一个实施方式中，对于给定驾驶场景的给定位置，基于从驾驶统计数据123获得的相应驾驶统计数据来确定所有驾驶员的驾驶员行为。例如，对于左转驾驶场景的第一位置，从驾驶统计数据123识别驾驶员的、从处于第一位置的预定接近度内的位置进行左转的所有驾驶行为。对从第一位置附近进行左转的不同驾驶员的不同路径段进行分析，以开发出总结了驾驶员的所有驾驶行为的优选路径段(也称为推荐路径段或最佳路径段)。例如，优选路径段可以通过对由不同驾驶员执行的不同路径段取平均而确定出。然后，将优选路径段存储在与第一位置相关联的相应驾驶场景/路径表(例如，左转场景/路径表)的条目中。因此，特定位置的在特定驾驶场景下的优选路径段基于过去许多驾驶员的处于该特定位置的预定接近度内以及在相同或相似的驾驶场景下进行驾驶的驾驶员行为而确定的，该优选路径段代表为大多数驾驶员所优选的路径段。
图4A中示出了根据一个实施方式的直行场景/路径表的示例。参考图4A，直行驾驶场景/路径表400包括多个条目。每个条目将一组驾驶参数401至404映射至优选或推荐路径段405。驾驶参数包括起始位置401、结束位置402、车辆速度403和车道宽度404。起始位置401和结束位置402指的是路径段的起始点和终点的地理位置(x，y)，其可基于GPS数据进行确定。驾驶参数401至404中的任何一个或多个均可用作搜索特定优选路径段的索引(index)。在一个实施方式中，起始位置401用作主要索引，而其余的驾驶参数402至404中的一个或多个可用作用于搜索路径段405的次级索引或可选索引。可替代地，起始位置401和速度403用作用于搜索目的的主要索引，而结束位置402和车道宽度404中的一个或多个可以用作次级索引或可选索引。例如，如果存在其主要索引(例如，起始位置401)彼此接近的多于一个的条目，则可以使用次级索引(例如，结束位置402、速度403和/或车道宽度404)作为平局决定器(tie breaker)，以确定应选择竞争条目中的哪个。
在实时驾驶期间，当车辆处于特定位置处并且确定出车辆将向前直行时，利用车辆的当前位置来搜索具有与车辆的当前位置匹配的起始位置401的条目。一旦从直行驾驶场景/路径表400找到匹配条目，便从匹配条目获取相应的优选路径段405。然后，将该优选路径段用作作为用于路径规划的最终路径的一部分的路径段，而不必在该时间点时对该特定路径段进行动态计算。结果，可以减少用于计算相同路径段的资源和时间。然而，如果没有从场景/路径表400找到匹配的条目，则必须实时地对路径段进行动态计算。应注意，措辞“匹配”或“被匹配”表示比较情况，在该比较情况中，正进行比较的两项(例如，位置、速度、车道宽度、曲率)的值处于与所比较的项的类型对应的预定阈值内。
图4B中示出了根据一个实施方式的转弯场景/路径表(例如，左转、右转、掉头)的示例。参考图4B，转弯场景/路径表420可以代表左转场景/路径表、右转场景/路径表或掉头场景/路径表。在一个实施方式中，转弯场景/路径表420包括多个条目。每个条目将一组驾驶参数421至424映射至优选路径段425。驾驶参数包括起始位置421、结束位置422、速度423和曲率424。起始位置421可以用作主要索引，而驾驶参数422至424中的任何一个或多个可以用作用于搜索目的的次级索引。可替代地，起始位置421和速度423可以用作主要索引，而结束位置422和曲率424中的一个或多个可以用作用于搜索匹配条目的次级索引或可选索引。
图4C中示出了根据一个实施方式的变道场景/路径表(例如，左变道、右变道)的示例。参考图4C，变道场景/路径表450可以代表左变道场景/路径表或右变道场景/路径表。在一个实施方式中，变道场景/路径表450包括多个条目。每个条目将一组驾驶参数451至454映射至优选路径段455。驾驶参数包括起始位置451、结束位置452、速度453和车道距离454。车道距离454表示源车道(例如，车辆即将从其驶出的车道)与目标车道(例如，车辆即将进入的车道)之间的距离。起始位置451可以用作用于搜索目的的主要索引，而其余的驾驶参数452至454中的任何一个或多个可以用作次级索引。可替代地，起始位置451和/或速度453可以用作主要索引，而结束位置452和车道距离454中的一个或多个可以用作用于搜索优选路径段455的次级索引或可选索引。
应注意，用于搜索目的的索引可以实施为可使用机器学习方法而生成的哈希(hash)函数或模型。实时地，可以收集该时间点时的驾驶参数，并且可以使用相应的哈希函数生成哈希。哈希函数的输出可以用作指向场景/路径表中的条目中作为匹配条目的一个条目的索引值。返回参考图1，然后，可以将这些场景/路径表124上传至自动驾驶车辆上并随后用于在类似的驾驶场景下生成路径，而不必对相同的路径段进行动态计算。结果，可以更有效地执行路径规划。
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和数据收集模块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(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。感知可包括例如采用对象形式的车道配置(例如，直线车道或曲线车道)、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收集的图像，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还可包括防撞系统或防撞系统的功能，以识别、评估和避免或以其它方式越过位于自动驾驶车辆的环境中的可能的障碍物。例如，防撞系统可以通过操作控制系统111中的一个或多个子系统执行转向动作、转弯动作、制动动作等来实现自动驾驶车辆的导航上的变化。防撞系统可以基于周围交通模式、道路状况等而自动确定出可行的障碍物躲避动作。防撞系统可以配置成使得当其它传感器系统在自动车辆附近的将会转入的区域中检测到车辆、建筑障碍等时不执行转向动作。防撞系统可自动选择既可行又使自动驾驶车辆的乘员的安全最大化的动作。防撞系统可以选择预计在自动驾驶车辆的客舱中产生最小量的加速的躲避动作。
数据收集模块308配置成与其它模块和传感器通信，以在ADV的操作期间收集驾驶统计数据313。然后，将驾驶统计数据313周期性地发送至诸如数据分析系统103的集中式服务器，以进行数据分析和挖掘，例如，以使用机器学习来离线开发场景/路径表124。
根据一个实施方式，规划模块305包括路径分段模块321和路径匹配模块322。响应于从路线安排模块307接收的路线，路径分段模块321解析并分析该路线，以识别沿着该路线与一个或多个预定义驾驶场景匹配的一个或多个驾驶场景的列表。该路线可以由将源位置连接到目标位置的参考线进行表示。路径分段模块321可以检验参考线的元数据(例如，形状和长度)，以识别具有预先配置的优选路径段的特征的所有可能的路径段。基于所识别的驾驶场景，路径分段模块321将该路线分段成一个或多个路线段的列表，其中，每个路线段与一个驾驶场景对应。如上所述，驾驶场景可以是直行驾驶场景、左转场景、右转场景、掉头场景、左变道场景和/或右变道场景。其它驾驶场景也可以是适用的。例如，可以基于以上多个单独的驾驶场景来限定组合式驾驶场景。
在一个实施方式中，针对路线段中的每个，路径匹配模块322识别与驾驶场景或路径段的类型对应的场景/路径表。例如，如果路径段是左转路径段，则路径匹配模块322将识别并检索左转场景/路径表，诸如，如图4B中所示的场景/路径表420。一旦识别相关联的场景/路径表，路径匹配模块322至少基于路径段的起始位置在场景/路径表中进行搜索，以定位与路径段的至少起始位置匹配的条目。然后，从匹配条目获得优选的路径段。优选路径段用作驾驶ADV的最终路径的一部分。例如，优选路径段可以替换由路线安排模块307提供的相应路线段。结果，规划模块305不必在该时间点时对相应路径段进行可能耗时且耗费资源的动态计算。
应注意，一些路线段可能不具有在相关联的场景/路径表中找到的相应的优选路径段。例如，路径段的起始位置可能与场景/路径表中的任何起始位置都不匹配。在这种情况下，规划模块305必须对相应的路径段进行动态计算。但是，至少对于具有匹配的优选路径段的路线段，可以避免对相应路径段的计算，以在实时驾驶期间减少时间和资源消耗。
出于说明的目的，现在参考图5，假设ADV将根据路线安排模块307提供的从点A至点F的路线进行驾驶。从A到F的路线可以由基于路线与映射数据服务而确定出的地形图形式的参考线来表示。基于路线A至F的元数据或属性，路径分段模块321沿着该路线识别一个或多个驾驶场景。然后，路径分段模块321将路线分段成一个或多个路线段。在该示例中，路径分段模块321识别路线A至F，并将路线A至F分段成至少以下路线段：1)与直行场景相关联的从A至B的路线段(AB)；2)与右变道场景相关联的从B至C的路线段(BC)；3)与右转场景相关联的从C至D的路线段(CD)；4)与直行场景相关联的从D至E的路线段(DE)以及与左变道场景相关联的从E至F的路线段(EF)。
对于路线段(AB、BC、CD、DE和EF)中的每个，路径匹配模块322识别与路线段的驾驶场景对应的场景/路径表。然后，路径匹配模块322在场景/路径表中进行搜索，以试图找到与路线段的至少一些属性匹配的映射条目。如果找到匹配的条目，则从所匹配的条目获得优选路径，其中，优选路径段将用作驾驶ADV的最终路径的一部分，而不必实时对其进行计算。
例如，根据一个实施方式，参考图4A和图5，对于与直行驾驶场景相关联的路线段AB，路径匹配模块322基于作为路线段AB的起始位置的点A的位置来识别并搜索直行场景/路径表400，从而基于GPS数据来定位具有处于点A的位置的预定接近度内的起始位置字段401的条目，或者反之亦然。如果存在与点A的位置匹配的多个条目，则可以利用点A的速度来匹配直行场景/路径表400的速度字段403。如果这两个速度值之间的差比预定阈值小，则点A的速度与从字段403获得的速度匹配。如果需要，诸如路线段AB的结束位置(例如，点B的位置)和当前车道的车道宽度的其它属性可以用于分别与字段402和字段404进行匹配。一旦找到匹配条目，就可以从匹配条目获得优选路径段405。优选路径段405可以例如通过替换相应的路线段AB而用作最终路径的路径段，而不必在该时间点时对其进行动态计算。
在根据另一实施方式的另一示例中，参考图4C和图5，对于与右变道场景相关联的路线段BC，路径匹配模块322基于作为路线段BC的起始位置的点B的位置识别并搜索变道场景/路径表450(在该示例中，假设为右变道场景/路径表)，从而基于GPS数据找出具有处于点B的位置的预定接近度内的起始位置字段451的条目，或者反之亦然。如果存在与点B的位置匹配的多个条目，则可以利用点B的速度来匹配场景/路径表450的速度字段453。如果这两个速度值之间的差比预定阈值小，则点B的速度匹配从字段453获得的速度。如果需要，诸如路线段BC的结束位置(例如，点C的位置)和在变道路线段BC中涉及的两个车道之间的车道距离的其它属性可用于分别与字段452和字段454进行匹配。两个车道之间的车道距离表示源车道(例如，车辆即将从其驶出的车道)的中心线与目标车道(例如，车辆即将进入的车道)的中心线之间的距离。一旦找出匹配条目，就可以从匹配条目获得优选路径段455。优选路径段455可以例如通过替换相应的路线段BC而用作最终路径的路径段，而不必在该时间点时对其进行动态计算。
在根据又一实施方式的另一示例中，参考图4B和图5，对于与右转场景相关联的路线段CD，路径匹配模块322基于作为路线段CD的起始位置的点C的位置来识别并搜索转弯场景/路径表420(在该示例中，假设为右变道场景/路径表)，从而基于GPS数据找出具有处于点C的位置的预定接近度内的起始位置字段421的条目，或者反之亦然。如果存在与点C的位置匹配的多个条目，则可以利用点C的速度来匹配场景/路径表420的速度字段423。如果这两个速度值之间的差比预定阈值小，则点C的速度与从字段423获得的速度匹配。如果需要，诸如路线段CD的结束位置(例如，点D的位置)和路线段CD的曲率的其它属性可以用于分别与字段422和字段424进行匹配。一旦找出匹配条目，就可以从匹配条目获得优选路径段425。优选路径段425可以例如通过替换相应的路线段BC而用作最终路径的路径段，而不必在该时间点时对其进行动态计算。
图6是示出根据一个实施方式的确定用于驾驶自动驾驶车辆的路径的过程的流程图。过程600可以由处理逻辑执行，其中，处理逻辑可以包括软件、硬件或其组合。例如，过程600可以由图3A和图3B的系统300执行。参考图6，在操作601中，处理逻辑接收用于将ADV从源位置路线安排至目标位置的路线，该路线是基于路线和地图数据生成的。在操作602中，处理逻辑解析并分析路线，以识别与一个或多个预定义或预定驾驶场景匹配的一个或多个驾驶场景的列表，诸如，例如，直行场景、左转/右转/掉头场景以及左变道/右变道场景。在操作603中，处理逻辑基于所识别的驾驶场景将路线分段成路线段，其中，路线段中的至少一个与预定驾驶场景中的一个对应。
在操作604中，针对路线段中与预定义驾驶场景中的一个匹配的每个路线段，处理逻辑基于所匹配的驾驶场景来识别预配置路径段。在一个实施方式中，对于路线段中的每个，处理逻辑识别与所匹配的驾驶场景对应的场景/路径数据结构。然后，处理逻辑基于路线段的至少一些属性(例如，起始位置和/或速度)搜索场景/路径数据结构，以定位匹配的条目。然后，从匹配条目获得优选路径段，而不必对其进行计算。在操作605中，处理逻辑生成具有与路线段对应的多个路径段的路径。基于预定义驾驶场景的预配置路径段(例如，优选路径段或推荐路径段)确定出至少一个路径段，而不必在该时间点时对相同的路径段进行动态计算。在操作606中，处理逻辑根据该路径来规划和控制自动驾驶车辆。
图7是示出根据一个实施方式的生成场景至路径映射数据结构的过程的流程图。过程700可以由处理逻辑执行，其中，处理逻辑可以包括软件、硬件或其组合。例如，过程700可以由图1的数据分析系统103执行。参考图7，在操作701中，处理逻辑限定包括但不限于直行场景、左转/右转/掉头场景以及左变道/右变道场景的驾驶场景的列表。在操作702中，处理逻辑收集在不同时间点时被各种不同的驾驶员在不同的道路和位置上驾驶的大量车辆的驾驶统计数据(例如，驾驶行为)。对于定义的驾驶场景中的每个，在操作703中，处理逻辑对驾驶统计数据执行分析，以识别与不同位置或道路处的驾驶场景相关联的驾驶统计数据或驾驶行为。对于每个驾驶场景的每个位置，在操作704中，处理逻辑基于在该位置附近驾驶的不同驾驶员的驾驶统计数据或驾驶行为来确定优选路径段。在操作705中，处理逻辑针对所限定的驾驶场景中的每个生成场景/路径数据结构，以将特定位置映射至优选路径段，该优选路径段是基于在相同或相似驾驶场景下不同驾驶员的驾驶统计数据或驾驶行为而确定的。
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8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可包括音频装置。音频装置可包括扬声器和/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还可包括成像处理子系统(例如，相机)，所述成像处理子系统可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或路线安排模块307。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它技术人员。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 (24)

1.用于自动驾驶车辆的路径规划的计算机实施的方法，所述方法包括：
响应于用于将自动驾驶车辆(ADV)从源位置路线安排至目标位置的路线，对所述路线进行分析，以沿着所述路线识别与一个或多个预定义驾驶场景匹配的一个或多个驾驶场景的列表；
基于所述驾驶场景将所述路线分段成多个路线段，所述路线段中的至少一个与所识别的驾驶场景中的一个对应；以及
基于所述路线段生成路径，以将自动驾驶车辆(ADV)从所述源位置驾驶到所述目标位置，所述路径具有与所述路线段对应的多个路径段，其中，所述路径的路径段中的至少一个是基于与预定义驾驶场景对应的预配置路径段而确定的。
2.根据权利要求1所述的方法，其中，驾驶场景代表直行驾驶场景、转弯场景或变道场景中的一个。
3.根据权利要求1所述的方法，还包括：
针对所述路线的与所述预定义驾驶场景中的一个匹配的路线段中的每个，基于与所述路线段相关联的一个或多个驾驶参数识别预配置路径段；以及
利用相应的预配置路径段替换所述路径的相应路径段，而不必对所述相应的路径段进行动态计算。
4.根据权利要求3所述的方法，还包括：
确定与第一路线段对应的第一驾驶场景；
识别与所述第一驾驶场景对应的第一场景至路径(场景/路径)表；以及
从所述第一场景/路径表获取第一预配置路径段，以替换与所述第一路线段对应的路径的第一路径段。
5.根据权利要求4所述的方法，其中，从所识别的场景/路径表获取第一预配置路径段包括：
确定所述第一路径段的第一起始位置；
基于所述第一路径段的第一起始位置在所述第一场景/路径表中进行搜索，以定位与所述第一起始位置近似地匹配的条目；以及
从所述第一场景/路径表的所匹配的条目获取第一预配置路径段。
6.根据权利要求5所述的方法，其中，所述第一场景/路径表包括多个映射条目，每个映射条目均将特定的起始位置映射至特定的预配置路径。
7.根据权利要求5所述的方法，其中，所述第一场景/路径表是多个场景/路径表中的一个，其中，每个场景/路径表均与多个预定义驾驶场景中的一个对应。
8.根据权利要求1所述的方法，还包括：
识别与所述预定义驾驶场景中的任一个都不匹配的一个或多个路线段；以及
针对不匹配的路线段中的每个，对与所述不匹配的路线段对应的所述路径的路径段进行动态计算。
9.一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操作，所述操作包括：
响应于用于将自动驾驶车辆(ADV)从源位置路线安排至目标位置的路线，对所述路线进行分析，以沿着所述路线识别与一个或多个预定义驾驶场景匹配的一个或多个驾驶场景的列表；
基于所述驾驶场景将所述路线分段成多个路线段，所述路线段中的至少一个与所识别的驾驶场景中的一个对应；以及
基于所述路线段生成路径，以将自动驾驶车辆(ADV)从所述源位置驾驶到所述目标位置，所述路径具有与所述路线段对应的多个路径段，其中，所述路径的路径段中的至少一个是基于与预定义驾驶场景对应的预配置路径段而确定的。
10.根据权利要求9所述的机器可读介质，其中，驾驶场景代表直行驾驶场景、转弯场景或变道场景中的一个。
11.根据权利要求9所述的机器可读介质，其中，所述操作还包括：
针对所述路线的与所述预定义驾驶场景中的一个匹配的路线段中的每个，基于与所述路线段相关联的一个或多个驾驶参数识别预配置路径段；以及
利用相应的预配置路径段替换所述路径的相应路径段，而不必对所述相应的路径段进行动态计算。
12.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：
确定与第一路线段对应的第一驾驶场景；
识别与所述第一驾驶场景对应的第一场景至路径(场景/路径)表；以及
从所述第一场景/路径表获取第一预配置路径段，以替换与所述第一路线段对应的路径的第一路径段。
13.根据权利要求12所述的机器可读介质，其中，从所识别的场景/路径表获取第一预配置路径段包括：
确定所述第一路径段的第一起始位置；
基于所述第一路径段的第一起始位置在所述第一场景/路径表中进行搜索，以定位与所述第一起始位置近似地匹配的条目；以及
从所述第一场景/路径表的所匹配的条目获取第一预配置路径段。
14.根据权利要求13所述的机器可读介质，其中，所述第一场景/路径表包括多个映射条目，每个映射条目均将特定的起始位置映射至特定的预配置路径。
15.根据权利要求13所述的机器可读介质，其中，所述第一场景/路径表是多个场景/路径表中的一个，其中，每个场景/路径表均与多个预定义驾驶场景中的一个对应。
16.根据权利要求9所述的机器可读介质，其中，所述操作还包括：
识别与所述预定义驾驶场景中的任一个都不匹配的一个或多个路线段；以及
针对不匹配的路线段中的每个，对与所述不匹配的路线段对应的所述路径的路径段进行动态计算。
17.数据处理系统，包括：
处理器；以及
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致使所述处理器执行操作，所述操作包括：
响应于用于将自动驾驶车辆(ADV)从源位置路线安排至目标位置的路线，对所述路线进行分析，以沿着所述路线识别与一个或多个预定义驾驶场景匹配的一个或多个驾驶场景的列表；
基于所述驾驶场景将所述路线分段成多个路线段，所述路线段中的至少一个与所识别的驾驶场景中的一个对应；以及
基于所述路线段生成路径，以将自动驾驶车辆(ADV)从所述源位置驾驶到所述目标位置，所述路径具有与所述路线段对应的多个路径段，其中，所述路径的路径段中的至少一个是基于与预定义驾驶场景对应的预配置路径段而确定的。
18.根据权利要求17所述的系统，其中，驾驶场景代表直行驾驶场景、转弯场景或变道场景中的一个。
19.根据权利要求17所述的系统，其中，所述操作还包括：
针对所述路线的与所述预定义驾驶场景中的一个匹配的路线段中的每个，基于与所述路线段相关联的一个或多个驾驶参数识别预配置路径段；以及
利用相应的预配置路径段替换所述路径的相应路径段，而不必对所述相应的路径段进行动态计算。
20.根据权利要求19所述的系统，其中，所述操作还包括：
确定与第一路线段对应的第一驾驶场景；
识别与所述第一驾驶场景对应的第一场景至路径(场景/路径)表；以及
从所述第一场景/路径表获取第一预配置路径段，以替换与所述第一路线段对应的路径的第一路径段。
21.根据权利要求20所述的系统，其中，从所识别的场景/路径表获取第一预配置路径段包括：
确定所述第一路径段的第一起始位置；
基于所述第一路径段的第一起始位置在所述第一场景/路径表中进行搜索，以定位与所述第一起始位置近似地匹配的条目；以及
从所述第一场景/路径表的所匹配的条目获取第一预配置路径段。
22.用于自动驾驶车辆的路径规划的计算机实施的方法，所述方法包括：
收集在具有不同道路配置的多条道路上驾驶的多个车辆的驾驶统计数据；
对所述驾驶统计数据执行分析，以识别与在不同时间点时在不同位置处的一组预定义驾驶场景匹配的驾驶场景列表；
针对所述驾驶场景中的每个，
识别所述车辆中的至少一些在相同驾驶场景下进行操作的位置的列表；
对于与所述驾驶场景相关联的位置中的每个，基于与该位置相关联的驾驶统计数据来确定优选路径段，以及
生成用于所述驾驶场景的驾驶场景至路径(场景/路径)数据结构，以将具体位置映射至优选路径段，其中，随后利用所述场景/路径数据结构来在特定驾驶场景下在特定位置处使用相应的优选路径段对路径的路径段进行规划，而不必对所述路径段进行动态计算。
23.根据权利要求22所述的方法，其中，驾驶场景的每个场景/路径数据结构均包括多个映射条目，每个映射条目均将特定位置映射至预配置路径段作为用于该特定驾驶场景的该特定位置的优选路径段。
24.根据权利要求22所述的方法，其中，驾驶场景表示直行驾驶场景、转弯场景、掉头场景或变道场景中的一个。
CN201780087172.9A 2017-09-18 2017-09-18 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 Active CN110325935B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/102083 WO2019051834A1 (en) 2017-09-18 2017-09-18 DRIVING GUIDELINES BASED ON DRIVING SCENARIOS FOR PLANNING SELF-CONTAINED VEHICLE TRACKS

Publications (2)

Publication Number Publication Date
CN110325935A true CN110325935A (zh) 2019-10-11
CN110325935B CN110325935B (zh) 2022-08-12

Family

ID=65719161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780087172.9A Active CN110325935B (zh) 2017-09-18 2017-09-18 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

Country Status (5)

Country Link
US (1) US10807599B2 (zh)
EP (1) EP3580625B1 (zh)
JP (1) JP7072581B2 (zh)
CN (1) CN110325935B (zh)
WO (1) WO2019051834A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111141302A (zh) * 2019-12-26 2020-05-12 斑马网络技术有限公司 车辆驾驶到达时间的预估方法、装置及电子设备
CN111497847A (zh) * 2020-04-23 2020-08-07 江苏黑麦数据科技有限公司 车辆的控制方法和装置
CN111930113A (zh) * 2020-06-30 2020-11-13 创新工场(北京)企业管理股份有限公司 一种为自主导航机器人设置行驶路径的方法与装置
CN112158201A (zh) * 2020-10-12 2021-01-01 北京信息职业技术学院 一种智能驾驶车辆横向控制方法及系统
CN112504286A (zh) * 2020-11-14 2021-03-16 武汉中海庭数据技术有限公司 基于引导线图层的路径规划方法及系统、服务器及介质
CN113954858A (zh) * 2020-07-20 2022-01-21 华为技术有限公司 一种规划车辆行驶路线的方法以及智能汽车

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6642772B2 (ja) * 2017-08-30 2020-02-12 日産自動車株式会社 運転支援車両の位置誤差補正方法及び位置誤差補正装置
US10583839B2 (en) * 2017-12-28 2020-03-10 Automotive Research & Testing Center Method of lane change decision-making and path planning
US11086318B1 (en) * 2018-03-21 2021-08-10 Uatc, Llc Systems and methods for a scenario tagger for autonomous vehicles
US10533862B1 (en) * 2018-11-28 2020-01-14 Uber Technologies, Inc. Biasing map matched trajectories based on planned route information
CN110118661B (zh) * 2019-05-09 2024-03-26 腾讯科技（深圳）有限公司 驾驶仿真场景的处理方法、装置及存储介质
CN114651457A (zh) * 2019-09-23 2022-06-21 维卓有限公司 用于处理车辆事件数据以进行行程分析的系统和方法
CN113494920A (zh) * 2020-03-20 2021-10-12 深圳市超捷通讯有限公司 导航路线规划方法、装置及存储介质
EP3987249B1 (en) 2020-03-26 2023-11-01 Baidu.com Times Technology (Beijing) Co., Ltd. A navigation route planning method for autonomous vehicles
WO2021247082A1 (en) 2020-06-05 2021-12-09 Gatik Ai Inc. Method and system for deterministic trajectory selection based on uncertainty estimation for an autonomous agent
CA3181067A1 (en) 2020-06-05 2021-12-09 Gautam Narang Method and system for context-aware decision making of an autonomous agent
WO2021247081A1 (en) 2020-06-05 2021-12-09 Gatikai Inc. Method and system for data-driven and modular decision making and trajectory generation of an autonomous agent
US11851086B2 (en) * 2020-06-26 2023-12-26 Waymo Llc Using simulations to identify differences between behaviors of manually-driven and autonomous vehicles
CN112700668B (zh) * 2020-12-22 2022-08-02 北京百度网讯科技有限公司 自动驾驶的远程控制方法、自动驾驶车辆及云端设备
US20220395701A1 (en) 2021-06-10 2022-12-15 Alpha Tau Medical Ltd. Diffusing alpha-emitter radiation therapy for pancreatic cancer
US20230042001A1 (en) * 2021-08-06 2023-02-09 Baidu Usa Llc Weighted planning trajectory profiling method for autonomous vehicle
CN115063998B (zh) * 2022-06-22 2023-09-22 亿咖通(湖北)技术有限公司 一种辅助驾驶数据的传输方法、装置及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012221291A (ja) * 2011-04-11 2012-11-12 Hitachi Ltd データ配信システム、データ配信サーバ及びデータ配信方法
US9008858B1 (en) * 2014-03-31 2015-04-14 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for providing adaptive vehicle settings based on a known route
CN105023451A (zh) * 2014-04-15 2015-11-04 福特全球技术公司 驾驶场景预测和自动车辆设置调整
US20160171885A1 (en) * 2014-12-10 2016-06-16 Here Global B.V. Method and apparatus for predicting driving behavior
CN107084735A (zh) * 2017-04-26 2017-08-22 电子科技大学 适用于减少冗余导航的导航路径框架

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3317211B2 (ja) * 1997-09-24 2002-08-26 松下電器産業株式会社 地図編集装置
US6505118B2 (en) * 2001-01-26 2003-01-07 Ford Motor Company Navigation system for land vehicles that learns and incorporates preferred navigation routes
US6847890B1 (en) * 2001-12-21 2005-01-25 Garmin Ltd. Guidance with feature accounting for insignificant roads
US7277794B1 (en) * 2001-12-21 2007-10-02 Garmin Ltd. Guidance with feature accounting for insignificant roads
JP4049069B2 (ja) * 2003-09-22 2008-02-20 日産自動車株式会社 車両用走行制御システム、情報センタ、車載機、及び車両用走行制御方法
US7216023B2 (en) * 2004-07-20 2007-05-08 Aisin Seiki Kabushiki Kaisha Lane keeping assist device for vehicle
WO2006060518A2 (en) * 2004-11-30 2006-06-08 Circumnav Networks, Inc. Methods for deducing road geometry and connectivity
US8131415B2 (en) * 2005-05-24 2012-03-06 Trimble Navigation, Ltd Method and apparatus for automatic vehicle guidance using continuous 2-D poly-point path
JP4899671B2 (ja) * 2006-07-07 2012-03-21 トヨタ自動車株式会社 走行軌跡推定装置
US10096038B2 (en) * 2007-05-10 2018-10-09 Allstate Insurance Company Road segment safety rating system
US8024110B2 (en) * 2007-05-22 2011-09-20 Xanavi Informatics Corporation Method of estimation of traffic information, device of estimation of traffic information and car navigation device
JP4442647B2 (ja) * 2007-06-22 2010-03-31 株式会社日立製作所 経路探索方法および経路探索システム
US7885764B2 (en) * 2007-09-06 2011-02-08 GM Global Technology Operations LLC Method for adaptively constructing and revising road maps
JP2009126255A (ja) * 2007-11-21 2009-06-11 Aisin Aw Co Ltd 車両制御装置、車両制御方法及びコンピュータプログラム
US8626230B2 (en) * 2008-03-04 2014-01-07 Dish Network Corporation Method and system for using routine driving information in mobile interactive satellite services
US8698649B2 (en) * 2008-05-30 2014-04-15 Navteq B.V. Data mining in a digital map database to identify decreasing radius of curvature along roads and enabling precautionary actions in a vehicle
US9927251B2 (en) * 2009-02-24 2018-03-27 Alpine Electronics, Inc. Method and apparatus for detecting and correcting freeway-ramp-freeway situation in calculated route
JP4614005B2 (ja) 2009-02-27 2011-01-19 トヨタ自動車株式会社 移動軌跡生成装置
DE102009047476A1 (de) * 2009-12-04 2011-06-09 Robert Bosch Gmbh Verfahren und Steuergerät zur Bestimmung einer Schnitttrajektorie eines Kurvenabschnitts einer Fahrbahn
US8972171B1 (en) * 2010-04-09 2015-03-03 Google Inc. Collective vehicle traffic routing
US8412667B2 (en) * 2010-05-13 2013-04-02 Microsoft Corporation Comparing and identifying similar tracks
JP5277223B2 (ja) * 2010-09-17 2013-08-28 日立オートモティブシステムズ株式会社 経路探索装置
US9188982B2 (en) * 2011-04-11 2015-11-17 Crown Equipment Limited Method and apparatus for efficient scheduling for multiple automated non-holonomic vehicles using a coordinated path planner
US9964414B2 (en) * 2013-03-15 2018-05-08 Caliper Corporation Lane-level vehicle navigation for vehicle routing and traffic management
US20200122755A1 (en) * 2013-03-15 2020-04-23 Transportation Ip Holdings, Llc Vehicle maintenance system
US9109913B2 (en) * 2013-09-30 2015-08-18 Ford Global Technologies, Llc Roadway-induced ride quality reconnaissance and route planning
US20150142484A1 (en) * 2013-11-18 2015-05-21 National Taipei University Of Technology Carpool service providing method and carpool server using the same
US9145116B2 (en) * 2013-12-04 2015-09-29 Mobileye Vision Technologies Ltd. Systems and methods for implementing a multi-segment braking profile for a vehicle
US9290108B2 (en) * 2014-03-31 2016-03-22 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for adaptive battery temperature control of a vehicle over a known route
EP3967979B1 (en) * 2014-10-20 2023-03-29 TomTom Navigation B.V. Alternative routes
CN107850455B (zh) * 2015-07-23 2022-05-24 哈曼贝克自动系统股份有限公司 提供具有可通航路线的导航系统
WO2017065182A1 (ja) 2015-10-16 2017-04-20 日立オートモティブシステムズ株式会社 車両制御システム、車両制御装置
US9672738B1 (en) * 2016-02-02 2017-06-06 Allstate Insurance Company Designing preferred vehicle routes based on driving scores from other vehicles
US9849883B2 (en) * 2016-05-04 2017-12-26 Ford Global Technologies, Llc Off-road autonomous driving
US10331138B2 (en) * 2016-07-05 2019-06-25 Baidu Usa Llc Standard scene-based planning control methods for operating autonomous vehicles
US10365658B2 (en) * 2016-07-21 2019-07-30 Mobileye Vision Technologies Ltd. Systems and methods for aligning crowdsourced sparse map data
US10730536B2 (en) * 2016-08-10 2020-08-04 Ge Global Sourcing Llc Systems and methods for route mapping
US10274328B2 (en) * 2016-08-22 2019-04-30 Microsoft Technology Licensing, Llc Generating personalized routes with route deviation information
US10663311B2 (en) * 2016-08-22 2020-05-26 Microsoft Technology Licensing, Llc Generating personalized routes with user route preferences
CN106444780B (zh) 2016-11-10 2019-06-28 速感科技（北京）有限公司 一种基于视觉定位算法的机器人的自主导航方法及系统
US10042362B2 (en) * 2016-11-18 2018-08-07 Waymo Llc Dynamic routing for autonomous vehicles
US20180374032A1 (en) * 2017-06-27 2018-12-27 Uber Technologies, Inc. Match-based route navigation system
US10514696B2 (en) * 2017-07-21 2019-12-24 Here Global B.V. Navigation driving metric
US10591915B2 (en) * 2017-08-03 2020-03-17 Mitsubishi Electric Research Laboratories, Inc. Motion controller for real-time continuous curvature path planning
US10907980B2 (en) * 2017-08-11 2021-02-02 Here Global B.V. Method and apparatus for detecting false positive slippery road reports using mapping data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012221291A (ja) * 2011-04-11 2012-11-12 Hitachi Ltd データ配信システム、データ配信サーバ及びデータ配信方法
US9008858B1 (en) * 2014-03-31 2015-04-14 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for providing adaptive vehicle settings based on a known route
CN105023451A (zh) * 2014-04-15 2015-11-04 福特全球技术公司 驾驶场景预测和自动车辆设置调整
US20160171885A1 (en) * 2014-12-10 2016-06-16 Here Global B.V. Method and apparatus for predicting driving behavior
CN107084735A (zh) * 2017-04-26 2017-08-22 电子科技大学 适用于减少冗余导航的导航路径框架

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111141302A (zh) * 2019-12-26 2020-05-12 斑马网络技术有限公司 车辆驾驶到达时间的预估方法、装置及电子设备
CN111497847A (zh) * 2020-04-23 2020-08-07 江苏黑麦数据科技有限公司 车辆的控制方法和装置
CN111497847B (zh) * 2020-04-23 2021-11-16 江苏黑麦数据科技有限公司 车辆的控制方法和装置
CN111930113A (zh) * 2020-06-30 2020-11-13 创新工场(北京)企业管理股份有限公司 一种为自主导航机器人设置行驶路径的方法与装置
CN113954858A (zh) * 2020-07-20 2022-01-21 华为技术有限公司 一种规划车辆行驶路线的方法以及智能汽车
CN112158201A (zh) * 2020-10-12 2021-01-01 北京信息职业技术学院 一种智能驾驶车辆横向控制方法及系统
CN112158201B (zh) * 2020-10-12 2021-08-10 北京信息职业技术学院 一种智能驾驶车辆横向控制方法及系统
CN112504286A (zh) * 2020-11-14 2021-03-16 武汉中海庭数据技术有限公司 基于引导线图层的路径规划方法及系统、服务器及介质

Also Published As

Publication number Publication date
US20190084571A1 (en) 2019-03-21
WO2019051834A1 (en) 2019-03-21
EP3580625A4 (en) 2020-03-18
US10807599B2 (en) 2020-10-20
JP2020523552A (ja) 2020-08-06
EP3580625A1 (en) 2019-12-18
EP3580625B1 (en) 2024-02-14
CN110325935B (zh) 2022-08-12
JP7072581B2 (ja) 2022-05-20

Similar Documents

Publication Publication Date Title
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
CN109491375B (zh) 用于自动驾驶车辆的基于驾驶场景的路径规划
CN110345955A (zh) 用于自动驾驶的感知与规划协作框架
CN110377024A (zh) 用于自动驾驶车辆的自动数据标注
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
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
CN109489673A (zh) 用于自动驾驶车辆的数据驱动地图更新系统
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
CN108268033A (zh) 使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统
CN109947090A (zh) 用于自动驾驶车辆规划的非阻塞边界
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
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
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
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
CN108475057A (zh) 基于车辆周围的情境预测车辆的一个或多个轨迹的方法和系统
CN109429518A (zh) 基于地图图像的自动驾驶交通预测
CN110389584A (zh) 用于评估自动驾驶车辆的轨迹候选项的方法
CN109287122A (zh) 基于自动驾驶车辆的控制反馈更新地图的方法和系统
CN108139884A (zh) 模拟自动驾驶车辆移动的物理模型和结合机器学习的方法
CN108255171A (zh) 用于提高自主驾驶车辆的稳定性的方法和系统
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
CN108604095A (zh) 动态调整自动驾驶车辆的转向率的方法
JP2018084573A (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

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