CN110345957A - 车辆路径识别 - Google Patents
车辆路径识别 Download PDFInfo
- Publication number
- CN110345957A CN110345957A CN201910267941.4A CN201910267941A CN110345957A CN 110345957 A CN110345957 A CN 110345957A CN 201910267941 A CN201910267941 A CN 201910267941A CN 110345957 A CN110345957 A CN 110345957A
- Authority
- CN
- China
- Prior art keywords
- path
- vehicle
- target position
- road
- computer
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 48
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 16
- 230000015654 memory Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- 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
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
-
- 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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- 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
- G05D1/0272—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising means for registering the travel distance, e.g. revolutions of wheels
-
- 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
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开提供了“车辆路径识别”。可以从界定道路的一组点中选择目标位置。可以基于路径长度、冲突风险、路径的曲率以及所述道路上的交通状况而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径。可以根据所述选定的路径来对车辆进行导航。
Description
技术领域
本公开总体涉及车辆导航。
背景技术
自主驾驶车辆或自动驾驶车辆的导航可能至少部分依赖于数字地图数据。举例来说,自主车辆可以包括进行规划以通过遵循根据地图数据而指定的路线进行操作。当车辆处于在可用的地图数据中未描述的位置时,导航或操作自主车辆成为问题。因此,自主车辆识别地图上未标明的位置和/或从地图上未标明的位置导航到地图上标明的位置又是一个问题。
发明内容
引言
本文公开的是一种方法,所述方法包括:从界定道路的一组点中选择目标位置;基于路径长度、冲突风险、路径的曲率以及道路上的交通状况而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径;以及根据所述选定的路径来对所述车辆进行导航。
所述方法可以还包括基于路径长度、冲突风险、路径的曲率以及道路上的交通状况来确定候选路径中的每一者的成本,其中选择所述路径包括评估所确定的成本。
所述方法可以还包括使用数学运算来确定所述多条路径中的每一者的成本,所述数学运算包括与路径长度、冲突风险、路径的曲率以及道路上的交通状况中的每一者相关联的权重因数。
所述选定的路径可以具有最小所确定的成本。
识别候选路径可以还包括:确定车辆位置与目标位置之间的直线上的第一组至少两个结点;通过在车辆位置、目标位置与结点之间拟合第一曲线来识别到目标位置的第一路径;迭代地确定与所述第一路径间隔的第二组结点;以及针对每个第二组结点通过在车辆位置、目标位置与第二组结点之间拟合第二曲线来识别到目标位置的第二路径。
所述方法可以还包括识别到车辆的最近的目标位置,其中从当前车辆位置到所识别的最近的目标位置的车辆前进方向的变化除以从当前车辆位置到最近的目标位置的距离小于曲率阈值。
车辆的前进方向的变化可以是车辆前进方向与将车辆参考点连接到目标位置的线之间的第一角度和所述线与车辆向目标位置的目标前进方向之间的第二角度的总和。
所述方法可以还包括在确定最小成本超过预定阈值之后:基于物体和车辆的前进方向来识别道路上的第二目标位置;识别从车辆位置到所述第二目标位置的第二多条路径;基于路径长度、冲突风险、路径的曲率、道路上的交通状况来确定所述第二多条路径中的每一者的成本,并且从所述多条路径中选择第二路径;以及对所述车辆进行导航以遵循所述选定的第二路径。
所述方法可以还包括进一步基于路径的曲率变化率而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径。
本文进一步公开的是一种包括处理器和存储器的系统。所述存储器存储可以由处理器执行以进行以下操作的指令:从界定道路的一组点中选择目标位置;基于路径长度、冲突风险、路径的曲率以及道路上的交通状况而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径;以及根据所述选定的路径来对所述车辆进行导航。
所述指令可以包括用于以下操作的其他指令:基于路径长度、冲突风险、路径的曲率以及道路上的交通状况来确定候选路径中的每一者的成本;以及通过评估所述所确定的成本来选择所述路径。
所述指令可以包括用于以下操作的其他指令:使用数学运算来确定所述多条路径中的每一者的成本,所述数学运算包括与路径长度、冲突风险、路径的曲率以及道路上的交通状况中的每一者相关联的权重因数。
所述选定的路径可以具有最小所确定的成本。
用于识别所述候选路径的指令可以包括用于以下操作的其他指令:确定当前车辆位置与目标位置之间的直线上的第一组至少两个结点;通过在车辆位置、目标位置与结点之间拟合第一曲线来识别到目标位置的第一路径;迭代地确定与所述第一路径间隔的第二组结点;以及针对每个第二组结点通过在车辆位置、目标位置与所述第二组结点之间拟合第二曲线来识别到目标位置的第二路径。
所述指令可以包括用于以下操作的其他指令:识别到车辆的最近的目标位置,其中从当前车辆位置到所识别的最近的目标位置的车辆前进方向的变化除以从车辆位置到最近的目标位置的距离小于曲率阈值。
车辆的前进方向的变化可以是车辆前进方向与将车辆参考点连接到目标位置的线之间的第一角度和所述线与车辆向目标位置的目标前进方向之间的第二角度的总和。
所述指令可以包括用于以下操作的其他指令:在确定最小成本超过预定阈值之后:基于物体和车辆的前进方向来识别道路上的第二目标位置;识别从车辆位置到所述第二目标位置的第二多条路径;基于路径长度、冲突风险、路径的曲率和道路上的交通状况来确定所述第二多条路径中的每一者的成本,并且从所述多条路径中选择第二路径;以及对所述车辆进行导航以遵循所述选定的第二路径。
所述指令可以包括用于以下操作的其他指令:基于路径的曲率变化率而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径。
进一步公开的是一种计算装置,所述计算装置经编程以执行以上方法步骤中的任一者。
进一步公开的是一种计算机程序产品,所述计算机程序产品包括存储指令的计算机可读介质,所述指令可以由计算机处理器执行以执行以上方法步骤中的任一者。
附图说明
图1是说明示例性车辆的图。
图2是示出在到道路上的目标位置的路径上移动的图1的车辆的图。
图3是示出图1的车辆到达道路上的目标位置的多条候选路径的示例性图表。
图4A至图4B是用于识别路径并且在所识别的路径上对车辆进行导航的示例性过程的流程图。
具体实施方式
示例性系统元件
车辆计算机可以经编程以从界定道路的一组点中选择目标位置,并且从到所述选定的目标位置的多条候选路径中选择路径。所述路径可以是从所述道路之外(例如,地图上未标明的区域中)的车辆的第一位置到道路上的目标位置。计算机可以基于路径长度、冲突风险、路径的曲率和道路上的交通状况来选择所述路径。车辆计算机可以经进一步编程以根据所述选定的路径来对车辆进行导航。计算机可以经编程以致动车辆致动器以通过致动一个或多个车辆致动器来遵循所确定的路径。
图1说明车辆100。可以通过多种已知的方式向车辆100供应动力,例如使用电动马达和/或内燃发动机。车辆100可以是陆地车辆,例如汽车、卡车等。车辆100可以包括计算机110、致动器120、传感器130和人机界面(HMI 140)。车辆100具有参考点150,即,由车身界定的空间内的指定点,例如,车辆100的相应的纵向中心轴和横向中心轴相交的几何中心点。
计算机110包括例如已知的处理器和存储器。存储器包括一种或多种形式的计算机可读介质,并且存储可以由计算机110执行以执行各种操作(包括本文公开的操作)的指令。
计算机110可以按照自主模式或半自主模式来操作车辆100。出于本公开的目的,将自主模式界定为通过计算机110来控制车辆100推进、制动和转向中的每一者的模式;在半自主模式中,计算机110控制车辆100推进、制动和转向中的一者或两者。
计算机110可以包括用于以下操作的程序设计:操作陆地车辆制动、推进(例如,通过控制内燃发动机、电动机、混合发动机等中的一者或多者来控制车辆中的加速度)、转向、气候控制、内部灯和/或外部灯等中的一者或多者;以及与人类操作者相对地确定计算机110是否以及何时控制此类操作。另外,计算机110可以经编程以确定人类操作者是否以及何时控制此类操作。
计算机110可以包括或者(例如,经由在下文进一步描述的车辆100通信总线)通信地联接到一个以上处理器,所述处理器例如为在车辆中包括的用于监测和/或控制各种车辆控制器的控制器等,所述车辆控制器例如为动力传动系统控制器、制动控制器、转向控制器等。计算机110一般被布置成用于在车辆通信网络上进行通信,所述车辆通信网络可以包括车辆中的总线,例如是控制器区域网络(CAN)等和/或其他有线和/或无线机制。
计算机110可以经由车辆100网络将消息传输到车辆中的各种装置和/或从所述各种装置接收消息,所述装置例如为致动器120、HMI140等。替代地或另外,在计算机110实际上包括多个装置的情况下,车辆100通信网络可以用于在本公开中表示为计算机110的装置之间的通信。此外,如下文提及,各种控制器和/或传感器可以经由车辆通信网络将数据提供到计算机110。
另外,计算机110可以被配置成通过无线车辆通信接口,例如,经由车辆对车辆通信网络和/或车辆对基础设施通信网络,来与其他交通参与者(例如,车辆、基础设施、行人等)通信。车辆通信网络表示车辆100的计算机110可以借以与其他交通参与者通信的一种或多种机制,并且可以是无线通信机制中的一者或多者,包括无线(例如,蜂窝、无线、卫星、微波和射频)通信机制和任何所要的网络拓扑(或者在利用多种通信机制时的多个拓扑)的任何所要的组合。示例性车辆通信网络包括蜂窝、蓝牙、IEEE 802.11、专用短程通信(DSRC)和/或广域网(WAN),包括提供数据通信服务的互联网。
经由电路、芯片或其他电子和/或机械部件来实施车辆100致动器120,众所周知,所述致动器可以根据适当的控制信号致动各种车辆子系统。致动器120可以用于控制车辆100的制动、加速和/或转向。
传感器130可以包括已知向计算机110提供数据的多种装置。举例来说,传感器130可以包括设置在车辆100的顶部上的光检测与测距(LIDAR)传感器130,所述传感器提供车辆100周围的物体200a、200b的相对位置、大小和形状,所述物体包括移动物体200b,例如,在车辆100旁边或后方行驶的第二车辆(参见图2),和/或静态物体200a,例如,桥梁、护栏、植被、建筑、河流、沟渠等。作为另一示例,固定到车辆100保险杠的一个或多个雷达传感器130可以提供相对于车辆100的位置的物体200a、200b的位置。传感器130可以包括摄像机传感器130,例如,以提供前视图、侧视图等,从而提供来自车辆100周围的区域的图像。举例来说,计算机110可以经编程以从摄像机传感器130接收图像数据并且实施图像处理技术以检测道路220、车道标记230等。计算机110可以经进一步编程以基于从车辆100位置(例如,GPS)传感器130接收的位置坐标(例如,GPS坐标)来确定当前车辆100位置。作为另一示例,计算机110可以经编程以经由无线通信网络来接收包括其他车辆的相对速度、位置坐标和/或前进方向的数据。举例来说,计算机110可以从设置在其他车辆中的提供第二车辆的地理坐标、移动方向等的位置传感器来接收此类数据。
HMI 140可以被配置成在车辆100的操作期间从例如人类操作者的用户接收信息。另外,HMI 140可以被配置成向用户呈现信息。因此,HMI 140可以定位在车辆100的乘客舱中。在一个示例中,计算机110可以经编程以从HMI 140接收指示找到去往道路220上的目标位置280的路径270的请求的信息。
图2示出道路220上的车辆100和物体200a、200b。车辆100可能定位在道路220之外的区域210中,例如,道路220路肩区域,停车区域、私人道路等。计算机110可以经编程以识别例如经由HMI 140输入的车辆100目的地,并且基于从车辆100传感器130接收的数据和例如经由车辆对基础设施通信网络接收的数字地图数据来规划到所述目的地的车辆100路线。
在目前的环境下,地图是呈数字格式的数据,所述数据包括:位置坐标,例如点240的全球定位系统(GPS)坐标,所述点表示例如道路220、十字路口、交通标志、建筑物、护栏等物理结构;和/或道路220特征的外表面上的点的高度,所述特征例如为建筑物、交通标志、植被等。数字地图数据通常通过沿着道路220车道的中心线的多个点(或者路径点)240来表示道路220。中心线通常是在道路220车道的纵向方向上的假想线,所述中心线具有到道路220车道的右边缘和左边缘的相同横向距离。因此,多车道道路220可以具有多条中心线,即,每条道路220车道一条中心线。
然而,所接收的地图数据将缺乏与地图上未标明的区域210(例如,不包括道路220的点240的区域)相关联的数据。因此,例如,当车辆100处于地图上未标明的区域210内的位置并且需要导航到道路220上的点240时(例如,当将车辆100从道路220路肩、私人停车位等导航到道路220时)会出现问题。
计算机110可以经编程以从界定道路220的一组点240中选择目标位置280,并且基于路径270长度、冲突风险、路径270的曲率(和/或曲率变化率)以及道路220上的交通状况而从自处于所述一组点240之外的当前车辆100位置到目标位置280的多条候选路径270(参见图3)中选择路径270。计算机110可以经进一步编程以根据选定的路径270来对车辆100进行导航。计算机110可以经编程以致动车辆100致动器120,以通过致动包括推进、制动和/或转向致动器120的一个或多个车辆100致动器120来遵循所确定的路径270。
在目前的环境下,“处于所述一组点240之外的位置”是地图缺乏数据的位置。此外,车辆100位置在超过所述位置的指定距离(例如,10米)时可以被视为处于所述一组点240之外。
在目前的环境下,“交通状况”指定道路220上的交通状态并且包括交通限制和/或交通密度。交通限制是基于交通规则、天气状况等的对车辆100移动的限制,例如,方向、速度、物体等。在一个示例中,所接收的地图数据可以包括与道路220的点240相关联的交通限制。交通密度是道路220上的陆地车辆的密度。在一个示例中,将交通密度界定为道路220车道上的两个连续车辆之间的平均距离,例如,15m。在另一示例中,交通密度是每单位的道路220长度的车辆的数目,例如,100辆车辆/公里。在另一示例中,基于道路220表面上的车辆的数目和/或车辆的平均速度来界定交通密度。在一个示例中,计算机110可以经编程以经由无线车辆对基础设施通信网络从远程计算机接收交通密度数据,例如,从交通监控计算机接收交通密度数据。另外或替代地,计算机110可以经编程以基于从车辆100传感器130(例如,摄像机传感器130)和/或无线通信网络接收的数据来估计交通密度数据,例如,包括车辆100的指定距离内的其他车辆的位置坐标和/或前进方向。
为了将车辆100导航到道路220上的点240,计算机110可以经编程以识别离车辆100最近的目标位置280。计算机110可能受约束以基于约束条件(1)来选择路径270,使得从当前车辆100位置到所识别的最近的目标位置280的车辆100前进方向的变化除以从车辆100位置到最近的目标位置280的距离d小于曲率阈值kt,例如,[1/m]。
在目前的环境下,“曲线”(或者弯曲线)是具有有限半径的线,而“直线”是具有无限半径的线。举例来说,可以使用κ=dθ/ds来指定曲率κ,即,沿着长度ds的前进方向dθ的变化(以弧度/米(rad/m)为单位)。另外,曲率变化率是以rad/m2为单位的相对于长度的曲率的导数,其被指定为dκ/ds。可以基于车辆100转向属性来确定曲率阈值kt。将理解,例如车辆100转向属性、车辆100尺寸等车辆100属性可以限制车辆100可以转弯(或者改变方向)的急剧度。因此,可以基于车辆100的机械设计来界定曲率阈值kt。另外,将例如拖车等机械附件附接到车辆100可以修改,例如减小,与车辆100相关联的曲率阈值。与较大或较高的曲率变化率相比,较小的曲率变化率可以提高占用者舒适度。
计算机110可以经编程以通过开始从投影位置260搜索目标位置280并且随后在道路220的行驶方向上继续所述搜索来识别最近的目标位置280。投影位置260可以是到车辆100参考点150最近的点,例如,道路220中心线与穿过车辆100参考点150的垂直于道路220的线的交叉点。可以基于地图数据来确定行驶方向,例如,所述地图数据包括造成行驶方向的限制的交通限制、预定车辆100路线等。计算机110可以经编程以基于约束条件(1)来识别最近的目标位置280。举例来说,最近的目标位置280是在满足以上约束条件(1)的行驶方向上与投影位置260间隔的点240。目标位置280是满足约束条件(1)的多个点240中的离投影位置260最近的点240。
车辆100在从车辆100位置移动到目标位置280之后的前进方向的变化是车辆100前进方向θo与将车辆100参考点150连接到目标位置280的直线250的前进方向θline之间的第一角度和线θline与车辆100向目标位置280的目标前进方向θf之间的第二角度的总和。距离d表示直线250的长度。
可以基于道路220的方向和车辆100的所规划的路线来确定目标前进方向θf。在一个示例中,目标前进方向θf可以与道路220向目标位置280的纵向方向相同,例如,与道路220的中心线在行驶方向上的曲线的切线。在另一示例(在图2中未示出)中,如果车辆100路线包括在道路220的相反的方向上行驶,那么目标前进方向θf可以在与图2中示出的前进方向θf相反的方向上。
如上文所论述,计算机110可以经编程以基于冲突风险,例如,与物体200a、200b的冲突风险,来识别目标位置。举例来说,从车辆100位置到目标位置280的直线250可能被静态物体200a和/或移动物体200b阻挡,所述静态物体例如是护栏、植被、绿化等。
计算机110可以经编程以基于从车辆100传感器130和车辆对车辆通信接口中的至少一者接收的数据来确定物体200a、200b。因此,计算机110可以经编程以基于物体(例如,地图上未标明的区域210中的物体200a)、道路220上的第二车辆物体200b等以及车辆100的前进方向θo来识别目标位置280。计算机110可以经编程以通过识别物体位置(例如,静态物体200a位置、第二车辆物体200b位置等)并且确定车辆100可以从车辆100位置接近的目标位置280而基于物体200a、200b来识别目标位置280。
在识别目标位置280的环境下,术语“可以接近”意味着在目标位置280的指定距离d1(例如,10米(m))内不存在物体200a、200b。在一个示例中,相对于静态物体200a,目标位置280是可以接近的,因为静态物体200a到目标位置280的距离d4超过距离阈值d1。在另一示例中,移动物体200b相对于目标位置280的距离d2可以变化。在一个示例中,“可以接近”进一步意味着预期移动物体200b到目标位置280的距离d2大于距离阈值d1,直到车辆100预期到达目标位置280为止。计算机110可以经编程以基于移动物体200b速度和方向、车辆100到目标位置280的距离d以及车辆100移动到目标位置280的预期加速度来确定车辆100到达目标位置280的预期到达时间。因此,计算机110可以经编程以在确定在车辆100到达目标位置280的预期到达时间时移动物体200b到目标位置280的新的距离d2大于距离阈值d1之后而基于所述预期到达时间来确定目标位置280相对于移动物体200b是可以接近的。另外或替代地,“可以接近”可以指在连接车辆100位置和目标位置280的线250上没有点在物体200a的距离阈值d3内。举例来说,基于“可以接近”的此替代性含义,在图2中示出的示例性线250是不可以接近的。在识别到目标位置280的路径270的环境下,在下文进一步论述术语“可以接近”。
参考图3,计算机110可以经编程以通过以下操作来识别多条候选路径270:确定车辆100位置与目标位置280之间的直线250上的第一组至少两个结点300;通过在车辆100位置、目标位置280与结点300之间拟合第一曲线来识别到目标位置280的第一路径270;迭代地确定与所述第一路径270间隔的第二组结点300;以及针对每个第二组结点300通过在车辆100位置、目标位置280与第二组结点300之间拟合第二曲线来识别到目标位置280的第二路径270。在目前的环境下,结点300是与其他结点300一起基本上界定路径270的点。换句话说,结点300是曲线(即,相应的路径270)可以拟合穿过的点。因此,移动一个或多个结点300可以改变基于(即,拟合到)移动的结点300而界定的路径270。在目前的环境下,“迭代地”与所述术语的平常和普通含义一致地是指重复确定与第一路径270间隔的第二组结点300的过程,如下文论述。在目前的环境下,可以将地表面上的路径270表示为一个或多个曲线和/或直线的组合。换句话说,直线路径270是包括直线的路径270,弯曲路径270可以包括彼此连接的一个或多个曲线,即,路径270中的每条曲线或直线与另一曲线或直线共享端点或者具有是路径270的开始点或结束点(例如,界定目标位置280的点)的端点。
计算机110可以经编程以通过结点300的样条内插而产生多条候选路径270。样条内插是使用低度多项式并且选择多项式块以使得它们平滑地拟合在一起的常规的内插技术。众所周知,内插可以是指识别离散组的已知的数据点(例如,车辆100位置、目标位置280和结点300)的范围内的新的数据点。样条内插的所得的函数被称为样条,在目前的环境下,所述样条表示候选路径270。
如上文所论述并且在图3中示出,第一组两个结点300可以处于将车辆100位置连接到目标位置280的直线250上。换句话说,第一候选路径270可以等同于将车辆100位置连接到目标位置280的直线250。彼此最近的两个数据点确定彼此之间的段。举例来说,可以选择直线250上的结点300以使得相邻的数据点之间的段是相等的,例如,距离d的三分之一。一定数目的数据点(例如,如图3中所示的4个数据点)可以确定候选路径270的灵活性。在目前的环境下,路径270的灵活性与在路径270中包括的结头300的数目相关。路径270中的较大数目的结头300可以增加路径270的灵活性。换句话说,具有更多结头300的路径270通常比具有较少结头300的路径270更灵活。增加灵活性通常增加发现障碍物200a、200b周围的到达目标位置280的路径270的可能性。举例来说,与界定基本上笔直的路径270的一定数目的结点300相比,具有一定数目的曲线(例如,锯齿线)的路径270可以具有更多的结点300。换句话说,通过具有更多的结点300,可以更容易发现物体200a、200b周围的到达目标位置280的路径270。替代地,可以选择更高数目的结点300,例如,3个结点300,所述结点导致连接数据点的高阶样条。高阶样条内插提高路径270的平滑度。在目前的环境下,平滑度是评估候选路径270的曲率变化率的量度,即,曲率变化率越低,路径270越平滑。
作为一个示例,为了产生候选路径270,计算机110可以经编程以使用优化技术,例如随机优化技术(例如,粒子群优化(PSO)),来移动结点300的位置,以便找到经过优化的路径(即,降低路径270的成本)。通常,使用随机解决方案的群体,例如,随机候选路径270的群体,来初始化PSO,并且随后通过更新所述群体的代,例如,更新随机产生的候选路径270的群体,来执行对最佳值(例如,最佳路径270)的搜索。代是指基于所产生的多组结点300而确定的多条候选路径270。产生新一代是指产生新的多条候选路径270。在一个示例中,计算机110可以经编程以起始产生新一代的候选路径270,除非代数超过预定阈值,例如,10代。
PSO的群体可以通过改变结点300的位置而演变。在目前的环境下,“演变”是指从一代到下一代的路径270(例如,结点300位置)的变化。计算机110可以经编程以迭代地确定第二组结点300。在一个示例中,计算机110可以经编程以确定与直线250具有横向距离d5的第二组结点300、与直线250具有横向距离d6的第三组结点300等。在一个示例中,计算机110可以经编程以确定相对于距离d5的距离d6等,例如,距离d6可以是距离d5的两倍。另外或替代地,计算机110可以经编程以调整结点300的纵向位置和/或横向位置以确定新的一组结点300。在一个示例中,为了减小计算量,计算机110可以经编程以至少通过与最近的一组结点300间隔的预定横向距离(例如,3米(m))(即,d6-d5>3m)来确定新的一组结点300。
车辆100向第一位置的前进方向θo和车辆100向目标位置280的预期前进方向θf可以用作边界条件,使得候选路径270与向所述第一位置和所述预期目标位置280的前进方向θo、θf对准。换句话说,计算机110可以经编程以在识别候选路径270时将边界条件装作约束条件,即,任何所识别的候选路径270可以使车辆100以前进方向θo离开第一位置并且以预期前进方向θf到达目标位置280。
另外,计算机110可以经编程以基于物体200a、200b的位置来确定结点300。举例来说,计算机110可以经编程以确定结点300,使得没有结点300置于物体200a的预定距离d3内。
在确定多条候选路径270之后,计算机110可以经编程以从候选路径270中选择路径270,如下文论述。计算机110可以经编程以基于路径270长度、冲突风险、曲率、路径270的曲率变化率以及道路220上的交通状况来确定候选路径270中的每一者的成本。计算机110可以经编程以基于评估候选路径270的所述所确定的成本来选择路径270。
计算机110可以经编程以使用数学运算(2)来确定多条路径270中的每一者的成本,所述数学运算包括与路径270长度、冲突风险、路径的曲率、路径的曲率变化率以及道路上的交通状况中的每一者相关联的权重因数w1,…w6。换句话说,确定多条候选路径270中的每一者的成本J。每条路径270可以包括数目n个路径点。参数l表示路径270的长度。在一个示例中,路径点可以相等地间隔,例如,0.5m。因此,路径270的路径点的数目可以取决于路径270的长度l。参数ki和k′i表示路径270的第i个路径点的曲率和相对于路径270的长度的曲率变化率。运算(2)的第一项被视为找到最短的路径,因为增加路径270的长度l会相应地增加其成本。第二项用于降低冲突风险。在目前的环境下,“第i个路径点在冲突中”是指所述路径点处于物体200a、200b的例如预定距离d3内。运算(3)界定相应路径270的每个段的ci的值。针对路径270的可行性、舒适度和交通状况而包括其他项(即,第3项到第6项)。在一个示例中,可以将交通状况指定为道路220的每公里长度的车辆的数目(以km-1为单位)。举例来说,路径270上的较急剧的转弯增加了路径270的成本,并且因此降低了选择那个路径270的可能性。
正权重常数w1,…,w5确定在成本中对应的权重,而在示例性运算(2)中,路径270长度l的权重是1(一)。在安全性通常比舒适度更重要时,w1的值可以大于其他权重w2,…,w5。表1示出权重w1,…,w5的示例性值。
表1
计算机110可以经编程以选择具有最小成本J的路径270。换句话说,计算机110可以经编程以从候选路径270中选择具有最小成本J的路径270。
参考表1,计算机110可以经编程以例如基于运算(4)来更新(或者移动)结点300的位置。参数和表示存储在粒子局部最佳值和全局最佳值GK中的结点300,其可以由包括(例如)结点300的位置坐标、最佳点等的矩阵表示。可以基于初始组的所产生的结点300来界定初始值,如上文所论述。参数K表示代的索引。在PSO的环境下,速度是用于移动(即,演变)粒子(例如,候选路径270)的定位或位置以搜索最佳解决方案(例如,低成本路径270)的参数。举例来说,图3示出在PSO中包括的11个粒子。换句话说,每条路径270可以表示PSO的粒子。计算机110可以经编程以基于以下运算(5)来确定速度
表1示出乘数c1和c2的示例性值。计算机110可以经编程以基于运算(6)来确定权重运算(7)示出wdamp的数学约束条件。表1示出wdamp的示例性值。运算(8)示出的数学约束条件。表1示出vmin和vmax的示例性值。
0<wdamp<1 (7)
如上文所论述,计算机110可以经编程以确定每个候选路径270的成本并且选择具有最小成本的路径270。然而,在一些示例中,具有最小成本的路径270可能具有超过最大成本阈值的成本,例如,虽然达到PSO的最大代数,但可能识别不出去往所识别的目标位置280的无冲突路径270。换句话说,在演变了路径270的群体之后,没有路径270可能具有小于预定成本阈值的成本。在这些示例中,计算机110可以经编程以确定新的目标位置280并且通过重复产生候选路径270的过程而继续进行,并且搜索去往新的目标位置280的具有小于预定最大成本的成本的路径270。换句话说,计算机110可以经编程以在确定最小成本超过预定阈值之后基于物体200a、200b和车辆100的前进方向θo来识别道路220上的第二目标位置280。计算机110可以经编程以识别从车辆100位置到第二目标位置280的第二多条路径270,并且基于路径270长度l、冲突风险、路径270的曲率、道路上的交通状况来确定第二多条路径270中的每一者的成本。计算机110可以经进一步编程以从多条路径270中选择第二路径270,并且对车辆100进行导航以遵循选定的第二路径270。
处理
图4A至图4B是用于识别路径270并且在所识别的路径270上对车辆100进行导航的示例性过程400的流程图。车辆100计算机110可以经编程以执行过程400的若干框。
参考图4A,过程400开始于框410,其中计算机110接收数据。计算机110可以经编程以接收地图数据、例如来自激光雷达传感器130的传感器数据、车辆100的所规划的路线数据和/或车辆100目的地。
接下来,在决策框415中,计算机110确定车辆100处于地图上未标明的区域210中。计算机110可以经编程以基于包括点240和例如从车辆100传感器130(例如,GPS传感器130)接收的车辆100的位置坐标的地图数据来确定车辆100是否处于地图上未标明的区域210中。如果计算机110确定车辆100处于地图上未标明的区域210中,那么过程400前进到框420;否则过程400前进到框418。
在框418中,计算机110基于数字地图数据来操作车辆100,例如,沿着通过例如经由HMI 140接收的数字地图数据而在地图上标明的路线而将车辆100导航到车辆100。计算机110可以经编程以通过致动车辆100致动器120,例如,推进、转向、制动致动器120,而将车辆100导航到目的地。
在框420中,计算机110选择目标位置280。如上文描述,计算机110可以经编程以基于车辆100所规划的路线和/或车辆100传感器130数据来识别道路220。计算机110可以经编程以随后基于传感器130数据、车辆100前进方向θo、物体200a、200b的位置等来选择道路220上的目标位置280。如果从决策框460到达此框,那么计算机110可以经编程以至少部分基于物体200a、200b的位置来识别在行驶方向上与先前所识别的目标位置280间隔开的目标位置280。
接下来,在框430中,计算机110可以经编程以确定从例如地图上未标明的区域210中的车辆100第一位置到所识别的目标位置280的多条候选路径270。计算机110可以经编程以基于随机优化技术(例如,PSO)来确定候选路径270,如关于图3所描述。计算机110可以经编程以通过产生新一代的候选路径270以识别到目标位置280的较低成本路径270来更新先前产生的候选路径270。
接下来,在框440中,计算机110从多条候选路径270中选择具有最小成本的路径270。计算机110可以经编程以例如使用示例性运算(4)基于相应的路径270长度l、物体200a、200b位置、曲率等来确定每条路径270的成本J。计算机110可以经编程以从多条候选路径270中选择具有最小成本的路径270(或者从一个以上最小成本路径270中随机选择路径270)。
接下来,在决策框450中,计算机110确定选定的路径270是否具有低于预定成本阈值的成本。如果计算机110确定选定的路径270的成本低于阈值,那么过程400前进到框470(参见图4B);否则,过程400前进到决策框460。
在决策框460中,计算机110确定是否达到更新候选路径270的最大代数。如果计算机110确定达到最大代数,那么过程400前进到框420;否则过程400前进到框430。换句话说,在确定在产生预定代数的候选路径270之后无法识别合适的(即,小于阈值的最小成本)路径270之后,随后确定新的目标位置280并且开始搜索识别到所述新的目标位置280的路径270。
现在转向图4B,在框470中,计算机110通过致动车辆100推进、转向和制动致动器120中的一者或多者来对车辆100进行导航以遵循选定的路径270。在决策框460之后,过程400结束,或替代地返回到框410,但在图4A至图4B中未示出。
如本文论述的计算装置(例如本文论述的计算装置)一般各自包括可以由一个或多个计算装置(例如,上文所识别的计算装置)执行并且用于实行上文描述的过程的框或步骤的指令。可以从使用多种编程语言和/或技术创建的计算机程序编译或解译计算机可执行指令,所述编程语言和/或技术包括(非限制,并且单独地或组合地)JavaTM、C、C++、VisualBasic、Java Script、Perl、HTML等。一般来说,处理器(例如,微处理器)例如从存储器、计算机可读介质等接收指令,并且执行这些指令,进而执行一个或多个过程,包括本文描述的过程中的一者或多者。可以使用多种计算机可读介质来存储和传输此类指令和其他数据。计算装置中的文件一般是存储在例如存储介质、随机存取存储器等计算机可读介质上的数据的集合。
计算机可读介质包括参与提供数据(例如,指令)的可以由计算机读取的任何介质。此类介质可以采取许多形式,包括(但不限于)非易失性介质、易失性介质等。非易失性介质包括(例如)光盘或磁盘和其他持久存储器。易失性介质包括动态随机存取存储器(DRAM),其通常构成主存储器。计算机可读介质的常见形式包括(例如)软盘、柔性磁盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡片、纸带、具有孔图案的任何其他物理介质、RAM、PROM、EPROM、FLASH、EEPROM、任何其他存储器芯片或盒,或者计算机可以从其读取的任何其他介质。
关于本文描述的介质、过程、系统、方法等,应理解,虽然已经将所述过程的步骤描述为根据特定排序的序列而发生,但可以使用通过本文描述的次序之外的次序而执行的所描述的步骤来实践所述过程。应进一步理解,可以同时执行某些步骤、可以添加其他步骤,或者可以省略本文描述的某些步骤。换句话说,提供对本文的系统和/或过程的描述是用于说明某些实施方案,并且绝不应理解为限制所公开的主题。
因此,将理解,包括以上描述和附图和所附权利要求的本公开意图是说明性的而不是限制性的。本领域技术人员在阅读以上描述时将明白除了所提供的示例之外的许多实施方案和应用。不应参考以上描述来确定本发明的范围,而是应替代地参考所附权利要求来确定本发明的范围,且/或本发明的范围与此类权利要求具有其权利的等效物的整个范围一起包括在基于此的非临时专利申请中。预期并希望在本文论述的领域中将出现未来的发展,并且所公开的系统和方法将并入到此类未来的实施方案中。总之,应理解,所公开的主题能够修改和变化。
根据本发明,一种方法包括:从界定道路的一组点中选择目标位置;基于路径长度、冲突风险、路径的曲率以及道路上的交通状况而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径;以及根据所述选定的路径来对所述车辆进行导航。
根据实施方案,本发明的特征还在于,基于路径长度、冲突风险、路径的曲率以及道路上的交通状况来确定候选路径中的每一者的成本,其中选择所述路径包括评估所确定的成本。
根据实施方案,本发明的特征还在于,使用数学运算来确定所述多条路径中的每一者的成本,所述数学运算包括与路径长度、冲突风险、路径的曲率以及道路上的交通状况中的每一者相关联的权重因数。
根据实施方案,所述选定的路径具有最小所确定的成本。
根据实施方案,识别候选路径还包括:确定车辆位置与目标位置之间的直线上的第一组至少两个结点;通过在车辆位置、目标位置与结点之间拟合第一曲线来识别到目标位置的第一路径;迭代地确定与所述第一路径间隔的第二组结点;以及针对每个第二组结点通过在车辆位置、目标位置与第二组结点之间拟合第二曲线来识别到目标位置的第二路径。
根据实施方案,本发明的特征还在于,识别到车辆的最近的目标位置,其中从当前车辆位置到所识别的最近的目标位置的车辆前进方向的变化除以从当前车辆位置到最近的目标位置的距离小于曲率阈值。
根据实施方案,车辆的前进方向的变化是车辆前进方向与将车辆参考点连接到目标位置的线之间的第一角度和所述线与车辆向目标位置的目标前进方向之间的第二角度的总和。
根据实施方案,本发明的特征还在于,在确定最小成本超过预定阈值之后:基于物体和车辆的前进方向来识别道路上的第二目标位置;识别从车辆位置到所述第二目标位置的第二多条路径;基于路径长度、冲突风险、路径的曲率、道路上的交通状况来确定所述第二多条路径中的每一者的成本,并且从所述多条路径中选择第二路径;以及对所述车辆进行导航以遵循所述选定的第二路径。
根据实施方案,本发明的特征还在于,进一步基于路径的曲率变化率而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径。
根据本发明,提供一种系统,所述系统具有处理器和存储器,所述存储器存储可以由处理器执行以进行以下操作的指令:从界定道路的一组点中选择目标位置;基于路径长度、冲突风险、路径的曲率以及道路上的交通状况而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径;以及根据所述选定的路径来对所述车辆进行导航。
根据实施方案,所述指令包括用于以下操作的其他指令:基于路径长度、冲突风险、路径的曲率以及道路上的交通状况来确定候选路径中的每一者的成本;以及通过评估所述所确定的成本来选择所述路径。
根据实施方案,所述指令包括用于以下操作的其他指令:使用数学运算来确定所述多条路径中的每一者的成本,所述数学运算包括与路径长度、冲突风险、路径的曲率以及道路上的交通状况中的每一者相关联的权重因数。
根据实施方案,所述选定的路径具有最小所确定的成本。
根据实施方案,所述用于识别所述候选路径的指令包括用于以下操作的其他指令:确定当前车辆位置与目标位置之间的直线上的第一组至少两个结点;通过在车辆位置、目标位置与结点之间拟合第一曲线来识别到目标位置的第一路径;迭代地确定与所述第一路径间隔的第二组结点;以及针对每个第二组结点通过在车辆位置、目标位置与第二组结点之间拟合第二曲线来识别到目标位置的第二路径。
根据实施方案,所述指令包括用于以下操作的其他指令:识别到车辆的最近的目标位置,其中从当前车辆位置到所识别的最近的目标位置的车辆前进方向的变化除以从车辆位置到最近的目标位置的距离小于曲率阈值。
根据实施方案,车辆的前进方向的变化是车辆前进方向与将车辆参考点连接到目标位置的线之间的第一角度和所述线与车辆向目标位置的目标前进方向之间的第二角度的总和。
根据实施方案,所述指令包括用于以下操作的其他指令:在确定最小成本超过预定阈值之后:基于物体和车辆的前进方向来识别道路上的第二目标位置;识别从车辆位置到所述第二目标位置的第二多条路径;基于路径长度、冲突风险、路径的曲率和道路上的交通状况来确定所述第二多条路径中的每一者的成本,并且从所述多条路径中选择第二路径;以及对所述车辆进行导航以遵循所述选定的第二路径。
根据实施方案,所述指令包括用于以下操作的其他指令:进一步基于路径的曲率变化率而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径。
Claims (12)
1.一种方法,所述方法包括:
从界定道路的一组点中选择目标位置;
基于路径长度、冲突风险、路径的曲率以及所述道路上的交通状况而从自所述一组点之外的当前车辆位置至所述目标位置的多条候选路径中选择路径;以及
根据所述选定的路径来对车辆进行导航。
2.如权利要求1所述的方法,所述方法还包括基于路径长度、冲突风险、所述路径的曲率以及所述道路上的交通状况来确定所述候选路径中的每一者的成本,其中选择所述路径包括评估所述所确定的成本。
3.如权利要求2所述的方法,所述方法还包括使用数学运算来确定所述多条路径中的每一者的所述成本,所述数学运算包括与所述路径长度、所述冲突风险、所述路径的所述曲率以及所述道路上的所述交通状况中的每一者相关联的权重因数。
4.如权利要求2所述的方法,其中所述选定的路径具有最小所确定的成本。
5.如权利要求2所述的方法,其中识别所述候选路径还包括:
确定所述车辆位置与所述目标位置之间的直线上的第一组至少两个结点;
通过在所述车辆位置、所述目标位置与所述结点之间拟合第一曲线来识别到所述目标位置的第一路径;
迭代地确定与所述第一路径间隔开的第二组结点;以及
针对每个第二组结点通过在所述车辆位置、所述目标位置与所述第二组结点之间拟合第二曲线来识别到所述目标位置的第二路径。
6.如权利要求1所述的方法,所述方法还包括识别到所述车辆的最近的目标位置,其中从当前车辆位置到所述所识别的最近的目标位置的车辆前进方向的变化除以从所述当前车辆位置到所述最近的目标位置的距离小于曲率阈值。
7.如权利要求6所述的方法,其中所述车辆的前进方向的所述变化是所述车辆前进方向与将车辆参考点连接到所述目标位置的线之间的第一角度和所述线与所述车辆向所述目标位置的目标前进方向之间的第二角度的总和。
8.如权利要求7所述的方法,所述方法还包括:
在确定最小成本超过预定阈值之后,基于物体和所述车辆的前进方向来识别所述道路上的第二目标位置;
识别从所述车辆位置到所述第二目标位置的第二多条路径;
基于所述路径长度、所述冲突风险、所述路径的所述曲率、所述道路上的所述交通状况来确定所述第二多条路径中的每一者的成本;以及
从所述多条路径中选择第二路径;以及
对所述车辆进行导航以遵循所述选定的第二路径。
9.如权利要求1所述的方法,所述方法还包括进一步基于所述路径的曲率变化率而从自所述一组点之外的所述当前车辆位置至所述目标位置的所述多条候选路径中选择所述路径。
10.一种计算装置,所述计算装置经编程以执行如权利要求1-9中任一项所述的方法。
11.一种计算机程序产品,所述计算机程序产品包括存储指令的计算机可读介质,所述指令可以由计算机处理器执行以执行如权利要求1-9中任一项所述的方法。
12.一种地面车辆,所述地面车辆包括经编程以执行如权利要求1-9中任一项所述的方法的计算装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/946,039 | 2018-04-05 | ||
US15/946,039 US10802492B2 (en) | 2018-04-05 | 2018-04-05 | Vehicle path identification |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110345957A true CN110345957A (zh) | 2019-10-18 |
Family
ID=67991612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910267941.4A Pending CN110345957A (zh) | 2018-04-05 | 2019-04-03 | 车辆路径识别 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10802492B2 (zh) |
CN (1) | CN110345957A (zh) |
DE (1) | DE102019108795A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111158397A (zh) * | 2020-01-14 | 2020-05-15 | 一飞智控(天津)科技有限公司 | 一种无人机集群飞行路径的跟随控制系统、方法、无人机 |
CN114264312A (zh) * | 2021-11-30 | 2022-04-01 | 阿波罗智联(北京)科技有限公司 | 自动驾驶车辆的路径规划方法、装置和自动驾驶车辆 |
US20230000004A1 (en) * | 2021-06-30 | 2023-01-05 | Deere & Company | Methods, apparatus, and articles of manufacture to generate acquisition paths |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10823575B2 (en) * | 2018-06-27 | 2020-11-03 | Baidu Usa Llc | Reference line smoothing method using piecewise spiral curves with weighted geometry costs |
US10909866B2 (en) * | 2018-07-20 | 2021-02-02 | Cybernet Systems Corp. | Autonomous transportation system and methods |
DE102018008624A1 (de) * | 2018-10-31 | 2020-04-30 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum samplingbasierten Planen möglicher Trajektorien für Kraftfahrzeuge |
US10762360B2 (en) | 2018-11-19 | 2020-09-01 | Waymo Llc | Automatically detecting unmapped drivable road surfaces for autonomous vehicles |
JP7207257B2 (ja) | 2019-10-15 | 2023-01-18 | トヨタ自動車株式会社 | 車両制御システム |
CN112818727A (zh) * | 2019-11-18 | 2021-05-18 | 华为技术有限公司 | 一种道路约束确定方法及装置 |
US20220034673A1 (en) * | 2020-08-03 | 2022-02-03 | GM Global Technology Operations LLC | Trailer-considerate route recommendations |
US11618444B2 (en) | 2020-10-01 | 2023-04-04 | Argo AI, LLC | Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior |
US11358598B2 (en) * | 2020-10-01 | 2022-06-14 | Argo AI, LLC | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection |
US11731661B2 (en) | 2020-10-01 | 2023-08-22 | Argo AI, LLC | Systems and methods for imminent collision avoidance |
CN113252049B (zh) * | 2021-05-12 | 2022-06-10 | 中移智行网络科技有限公司 | 一种车距确定方法及装置 |
US20220388531A1 (en) * | 2021-06-08 | 2022-12-08 | Yandex Self Driving Group Llc | Method and device for operating a self-driving car |
CN113997951B (zh) * | 2021-08-17 | 2024-06-04 | 北京百度网讯科技有限公司 | 车辆的行驶轨迹的确定方法、装置及自动驾驶车辆 |
DE102022117407B3 (de) | 2022-07-13 | 2023-11-30 | Cariad Se | Verfahren zum Betreiben einer Steuereinheit für eine Trajektorienplanung sowie entsprechend betreibbare Steuereinheit und Kraftfahrzeug |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10358194A1 (de) | 2003-12-12 | 2005-07-14 | Robert Bosch Gmbh | Ausgabe von Zielführungshinweisen vor Eintritt in eine vorhandene Route |
JP4622317B2 (ja) | 2004-05-31 | 2011-02-02 | 株式会社デンソー | 経路案内装置及びプログラム |
US8060271B2 (en) * | 2008-06-06 | 2011-11-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detecting principal directions of unknown environments |
US8504285B2 (en) | 2009-05-15 | 2013-08-06 | Nokia Corporation | Method and apparatus of route determination |
US8392117B2 (en) | 2009-05-22 | 2013-03-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Using topological structure for path planning in semi-structured environments |
KR101063302B1 (ko) | 2010-10-05 | 2011-09-07 | 국방과학연구소 | 무인차량의 자율주행 제어 장치 및 방법 |
DE102012109310A1 (de) | 2012-10-01 | 2014-04-03 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zum Unterstützen des Zurückführens eines Fahrzeugs nach dem Verlassen einer Fahrbahn |
US9697730B2 (en) | 2015-01-30 | 2017-07-04 | Nissan North America, Inc. | Spatial clustering of vehicle probe data |
US10705528B2 (en) * | 2015-12-15 | 2020-07-07 | Qualcomm Incorporated | Autonomous visual navigation |
US20180173229A1 (en) * | 2016-12-15 | 2018-06-21 | Dura Operating, Llc | Method and system for performing advanced driver assistance system functions using beyond line-of-sight situational awareness |
US10060751B1 (en) * | 2017-05-17 | 2018-08-28 | Here Global B.V. | Method and apparatus for providing a machine learning approach for a point-based map matcher |
US10710633B2 (en) * | 2017-07-14 | 2020-07-14 | Nio Usa, Inc. | Control of complex parking maneuvers and autonomous fuel replenishment of driverless vehicles |
US10591926B2 (en) * | 2017-09-18 | 2020-03-17 | Baidu Usa Llc | Smooth road reference for autonomous driving vehicles based on 2D constrained smoothing spline |
US10816990B2 (en) * | 2017-12-21 | 2020-10-27 | Baidu Usa Llc | Non-blocking boundary for autonomous vehicle planning |
US11501105B2 (en) * | 2018-03-02 | 2022-11-15 | Zoox, Inc. | Automatic creation and updating of maps |
US11237004B2 (en) * | 2018-03-27 | 2022-02-01 | Uatc, Llc | Log trajectory estimation for globally consistent maps |
US11520335B2 (en) * | 2018-04-12 | 2022-12-06 | Baidu Usa Llc | Determining driving paths for autonomous driving vehicles based on map data |
-
2018
- 2018-04-05 US US15/946,039 patent/US10802492B2/en active Active
-
2019
- 2019-04-03 CN CN201910267941.4A patent/CN110345957A/zh active Pending
- 2019-04-03 DE DE102019108795.3A patent/DE102019108795A1/de active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111158397A (zh) * | 2020-01-14 | 2020-05-15 | 一飞智控(天津)科技有限公司 | 一种无人机集群飞行路径的跟随控制系统、方法、无人机 |
CN111158397B (zh) * | 2020-01-14 | 2023-08-22 | 一飞智控(天津)科技有限公司 | 一种无人机集群飞行路径的跟随控制系统、方法、无人机 |
US20230000004A1 (en) * | 2021-06-30 | 2023-01-05 | Deere & Company | Methods, apparatus, and articles of manufacture to generate acquisition paths |
US11925132B2 (en) * | 2021-06-30 | 2024-03-12 | Deere & Company | Methods, apparatus, and articles of manufacture to generate acquisition paths |
CN114264312A (zh) * | 2021-11-30 | 2022-04-01 | 阿波罗智联(北京)科技有限公司 | 自动驾驶车辆的路径规划方法、装置和自动驾驶车辆 |
Also Published As
Publication number | Publication date |
---|---|
US20190310644A1 (en) | 2019-10-10 |
DE102019108795A1 (de) | 2019-10-10 |
US10802492B2 (en) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110345957A (zh) | 车辆路径识别 | |
CN111688663B (zh) | 机动交通工具及控制其自动驾驶操作的方法 | |
EP3861291B1 (en) | Spline curve and spiral curve based reference line smoothing method | |
JP6269552B2 (ja) | 車両走行制御装置 | |
US20200050214A1 (en) | Method, Computer Program Product, Computer-Readable Medium, Control Unit, and Vehicle Comprising the Control Unit for Determining a Collective Maneuver of at Least Two Vehicles | |
JP7130056B2 (ja) | 車両制御装置、経路配信装置、車両誘導システム | |
US11055540B2 (en) | Method for determining anchor boxes for training neural network object detection models for autonomous driving | |
JP2017154554A (ja) | 車両制御装置及び車両制御方法 | |
CN113916246A (zh) | 一种无人驾驶避障路径规划方法和系统 | |
US11586209B2 (en) | Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles | |
US20210291679A1 (en) | A method of parking an autonomous driving vehicle for autonomous charging | |
EP3987249B1 (en) | A navigation route planning method for autonomous vehicles | |
US11567506B2 (en) | Speed planning guidance line for mild slow down | |
US10377383B2 (en) | Vehicle lane change | |
US11628858B2 (en) | Hybrid planning system for autonomous vehicles | |
US20190235498A1 (en) | Method for generating a reference line by stitching multiple reference lines together using multiple threads | |
WO2022217209A1 (en) | Lane changing based only on local information | |
US11878712B2 (en) | Trajectory planning with obstacle avoidance for autonomous driving vehicles | |
US20210262819A1 (en) | A mixed regular and open-space trajectory planning method for autonomous driving vehicle | |
US20230391356A1 (en) | Dynamic scenario parameters for an autonomous driving vehicle | |
EP3838697A1 (en) | Speed planning using a speed planning guideline for idle speed of autonomous driving vehicles | |
EP3925844B1 (en) | Relative speed based speed planning for buffer area | |
US11724717B2 (en) | Implementation of dynamic cost function of self-driving vehicles | |
US20220063671A1 (en) | Vehicle operation along planned path | |
US20240166239A1 (en) | Trajectory planning for navigating small objects on road |
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 |