CN110356401A - 一种自动驾驶车辆及其变道控制方法和系统 - Google Patents
一种自动驾驶车辆及其变道控制方法和系统 Download PDFInfo
- Publication number
- CN110356401A CN110356401A CN201910105018.0A CN201910105018A CN110356401A CN 110356401 A CN110356401 A CN 110356401A CN 201910105018 A CN201910105018 A CN 201910105018A CN 110356401 A CN110356401 A CN 110356401A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- point
- main vehicle
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000008859 change Effects 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000001133 acceleration Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000013213 extrapolation Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 11
- 230000004888 barrier function Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000010267 cellular communication Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000005057 finger movement Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 239000001294 propane Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000019441 ethanol Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
-
- 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
- B60W2520/06—Direction of travel
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开一种自动驾驶车辆及其变道控制方法和系统，以解决现有技术中无法为车辆规划出一条安全可靠的变道路径，实现车辆自动、安全可靠的变道控制的问题。该方法包括：根据主车和至少一个邻近车辆的当前车辆状态和目标车辆状态，确定主车变道到相邻车道上的一个目标点为第一目标点，并确定主车所在车道上执行变道操作的一个点为第二目标点，确定主车从当前位置行驶到第二目标点的轨迹为第一轨迹、以及从第二目标点行驶到第一目标点的轨迹为第二轨迹，控制车辆对第一轨迹和第二轨迹进行追踪，从当前位置行驶到相邻车道上的第一目标点。
Description
技术领域
本发明涉及自动驾驶领域，特别涉及一种自动驾驶车辆及其变道控制方法和系统、存储介质。
背景技术
自动驾驶车辆通常是对自动驾驶控制系统计算出来的一条驾驶路径进行轨迹跟踪，并根据跟踪的路径点来控制车辆，实现车辆的自动驾驶。当驾驶路径上出现障碍物时，自动驾驶控制系统需要为车辆重新规划一条驾驶路径，以避开障碍物、实现车辆的安全行驶。
当障碍物是静态障碍物时，自动驾驶控制系统可以为车辆重新规划一条驾驶路径并控制车辆对该路径进行跟踪。当障碍物是动态障碍物时，自动驾驶控制系统可能无法确定车辆是否会与动态障碍物相撞，并且无法确定车辆与其他动态障碍物之间的互动，从而无法为车辆规划出一条安全可靠的变道路径，实现车辆自动、安全可靠的变道控制。
发明内容
鉴于上述问题，本申请实施例提供一种自动驾驶车辆的变道控制方法和系统、存储介质、以及自动驾驶车辆，以解决现有技术中无法为车辆规划出一条安全可靠的变道路径，实现车辆自动、安全可靠的变道控制的问题。
根据本申请实施例的一个方面，提供了一种自动驾驶车辆的变道控制方法，包括：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前位置和目标位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
根据本申请实施例的一个方面，提供了一种自动驾驶车辆的变道控制系统，包括一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令以实现：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前车辆位置和目标车辆位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
根据本申请实施例的另一个方面，提供了一种非暂态易失性机器可读存储介质，该存储介质中存储至少一条机器可执行指令，机器执行至少一条机器可执行指令以执行自动驾驶车辆的变道控制方法，该方法包括：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前位置和目标位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
根据本申请实施例的另一个方面，还提供了一种自动驾驶车辆，该车辆为主车，该车辆中包括一种自动驾驶车辆的变道控制系统，该系统包括一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令以实现：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前位置和目标位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
根据本申请实施例提供的技术方案，根据主车和至少一个邻近车辆的当前车辆状态和目标车辆状态，确定主车变道到相邻车道上的一个目标点为第一目标点，并确定主车所在车道上执行变道操作的一个点为第二目标点，确定主车从当前位置行驶到第二目标点的轨迹为第一轨迹、以及从第二目标点行驶到第一目标点的轨迹为第二轨迹，控制车辆对第一轨迹和第二轨迹进行追踪，从当前位置行驶到相邻车道上的第一目标点，能够安全、可靠、有效地控制主车执行变道行驶，从而能够解决现有技术中无法为车辆规划出一条安全可靠的变道路径，实现车辆自动、安全可靠的变道控制的问题。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本申请提供的自动驾驶车辆的变道控制系统的应用环境的示意图；
图2为本申请实施例提供的变道控制系统200的工作原理示意图；
图3为本申请提供的自动驾驶车辆的变道控制方法的处理流程图；
图4为图3的步骤302中确定第一目标点的处理流程图；
图5为确定第一目标点的一个示例图；
图6为确定第二目标点的一个示例图；
图7为图3中步骤303中确定第一速度的处理流程图；
图8为图3中步骤304中确定第二路径的处理流程图；
图9为本申请实施例提供的自动驾驶车辆的变道控制系统的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
术语“车辆”在本申请中广泛地解释为包括任何移动物体，包括例如飞行器、船只、航天器、汽车、卡车、厢式货车、半挂车、摩托车、高尔夫球车、越野车辆、仓库运输车辆或农用车以及行驶在轨道上的运输工具，例如电车或火车以及其它有轨车辆。
图1中示出了本申请提供的自动驾驶车辆的变道控制系统的应用环境，也即图1示出了一个车辆系统101的示意图，本申请提供的自动驾驶车辆的变道控制系统(以下有些地方简称为变道控制系统)应用在自动驾驶车辆105(以下有些地方简称为车辆105)中。车辆系统101包括多个系统和多个构件，这些系统和构件能够生成和/或传输一个或多个源信息/源数据，系统101 还包括与车内控制系统150和与变道控制系统200相关的多个服务。系统 101能够被安装在车辆105中。
在本申请提供的一个实施例中，控制系统150能够与多个车辆子系统 140进行数据通信，所有这些车辆子系统140常驻在车辆105中。一个车辆子系统接口141被用于促进控制系统150和多个车辆子系统140之间的数据通信。控制系统150包括一个数据处理器171以执行变道控制方法，用以处理从一个或多个车辆子系统140接收到的图像数据。该数据处理器171 能够与一个数据存储装置172合并设置，并作为控制系统150中的计算系统170的一部分。数据存储装置172能够被用于存储数据、存储处理参数、以及存储数据处理指令。处理模块接口165被用于促进数据处理器171和变道控制系统200之间的数据通信。在多个实施例中，多个处理模块被配置为与变道控制系统200相类似的配置，并被数据处理器171执行。如图1 中的虚线所示，变道控制系统200能被集成到控制系统150中，或者可选地被下载到控制系统150中。
控制系统150能够用于与广域网120进行数据的接收/发送，以及与和广域网相连接的网络资源122进行数据的接收/发送。可联网装置130和/ 或用户移动装置132能够用于通过网络120进行通信。可联网设备接口 (I/F)131能够被控制系统150使用，以促进控制系统150、以及通过可联网的装置130所连接的网络120之间的数据通信。相类似地，用户移动装置接口133能够被控制系统150使用，以促进控制系统150和通过用户移动装置132连接到的网络120之间的数据通信。以该种方式，控制系统 150能够实时地通过网络120接入到网络资源122中。数据处理器171能够从网络资源122获取被数据处理器171所执行的多个处理模块、用于训练内部神经网络的数据内容、多个系统参数以及其它数据。
系统101包括广域数据网络120。网络120为一个或多个传统广域数据网，例如因特网、一个蜂窝电话网络、卫星网络、寻呼网络、无线广播网络、游戏网络、WiFi网络、点到点网络、IP电话(VoIP)网络等等。一个或多个这样的网络120能够将一个用户或者一个客户端系统连接到网络资源122，例如多个网站、多个服务器、多个中央控制网站，或者类似的网络资源。网络资源122能够生成和/或发布数据，该数据能够被车辆105通过车内可联网装置130或者用户移动装置132接收到。网络资源122也可以提供网络云服务，网络资源122能够支持在处理图像输入分析或者图像输出分析中进行计算或者辅助计算的函数。天线用于通过蜂窝、卫星、无线电或者其它传统的信号接收方案，将控制系统150和变道控制系统200连接到数据网络120。这样的蜂窝数据网络是当前可获得的(例如，VerizonTM， AT&TTM，T-MobileTM，等等)。这样的基于卫星的数据网络或内容网络也是当前可获得的(例如，SiriusTM，HughesNetTM，等等)。传统的广播网络也是为人熟知的，例如，多个AM/FM无线网络、寻呼网络、UHF网络、游戏网络、WiFi网络、点到点网络、IP电话(VoIP)网络，以及类似的网络。从而，如下详述，控制系统150和变道控制系统200能够通过可联网装置接口131接收基于网络的数据或内容，该可联网装置接口131用于连接可联网装置接收器130和网络120。以该种方式，控制系统150以及变道控制系统200能够支持车辆105其中的多个可连接网络的车内装置和系统。
如图1所示，控制系统150和变道控制系统200也能够接收来自用户移动装置132的数据、图像处理控制参数、以及训练内容，该用户移动装置132能够被设置在车辆105之中或靠近车辆105。用户移动装置132可以是标准移动装置，例如蜂窝电话、智能电话、个人数字助理(PAD’s)、MP3 播放器、平板计算装置(例如，iPaDTM)、手提计算机、CD播放器、以及其它移动装置，用户移动装置132能够为控制系统150和变道控制系统200 产生、接收和/或发送数据、图像处理控制参数以及内容。如图1所示，移动装置132也能够与网络云120进行数据通信。移动装置132能够从其自身内部的存储部件中获取数据和内容，也能通过网络120从网络资源122 中获取数据和内容。此外，移动装置132自身可以包括一个GPS数据接收器、多个加速计、多个WiFi三角测量或者其它地理位置探测器或部件，这些部件能够被用于在任何时刻确定用户的实时地理位置。在任何情况下，如图1所示，控制系统150和变道控制系统200能从移动装置132接收数据。
继续参考图1，实施例中的系统101包括车辆可操作子系统140。在车辆105已实施的实施例中，许多标准车辆包括多个可操作子系统，例如，多个电子控制单元(ECUs)，支持对引擎、刹车、变速器、电子系统、排气系统、内部环境等等进行监视/控制的子系统。例如，在车辆可操作子系统 140(例如车辆105的ECUs)与控制系统150通过车辆子系统接口141进行通信的数据信号中，包括车辆105的一个或多个部件或者子系统的状态的信息。特别地，该数据信号能够从车辆可操作子系统140发送到车辆105 的一个控制器局域网(CAN)总线，该数据信号能够通过车辆子系统接口141 被控制系统150接收和处理。本申请描述的装置能够实质性的被用于任何使用CAN总线、或者本申请所定义的使用类似的数据通信总线的机械化的系统，该系统包括但不限于工业装置、船只、卡车、机械装置或汽车；从而，这里使用的术语“车辆”包括任何上述机械化的系统。本申请描述的装置的实施例也能够与任何配置有某种形式的网络数据通信的系统一起使用，但是，这样的网络通信不是必须的。
继续参考图1，实施例中的系统101以及其中的车辆可操作子系统140 能够包括支持车辆105运行的多个车辆子系统。通常而言，车辆105可以是一个轿车、卡车、摩托车、公共汽车、船只、飞机、直升机、割草机、挖土机、摩托雪橇、航空器、旅游休闲车、游乐园车辆、农场装置、建筑装置、有轨电车、高尔夫车、火车、无轨电车。也可以是其它车辆。车辆 105可以完全地或部分地以自动模式进行运行。例如，车辆105可以在自动模式下同时控制其自身，并且还可以被操作以确定车辆的当前状态以及车辆所处环境的当前状态，确定在该环境中的其它至少一个车辆的一个预测行为，确定上述其它至少一个车辆执行所述预测行为的可能性所对应信任等级，并且基于所确定的信息来控制车辆105。在处于自动驾驶模式下时，车辆105可以在无人交互的情况下运行。
车辆105可能包括各种车辆子系统，例如一个车辆驱动子系统142、车辆传感器子系统144、车辆控制子系统146、以及乘员接口子系统148。如上所述，车辆105还可以包括控制系统150、计算子系统170、以及变道控制系统200。车辆105或多或少地包括一些子系统，每个子系统可以包括多个单元。进一步地，车辆105的每个子系统和单元之间可以是互联的。从而，车辆105的一个或多个所描述的功能可以被划分为附加的功能性部件或者实体部件，或者结合为数量更少的功能性部件或者实体部件。在更进一步的例子中，附加的功能性部件或者实体部件可以增加到如图1所示的示例中。
车辆驱动子系统142可以包括为车辆105提供动能的多个可操作部件。在一个实施例中，车辆驱动子系统142可以包括一个发动机或电动机、多个轮子/轮胎、一个变速器、一个电子子系统、以及一个动力源。发动机或者电动机可以是如下装置的任意组合：一个内燃机、电机、蒸汽机、燃料电池发动机、丙烷发动机、或者其它形式的发动机或电动机。在一些实施例中，发动机可以将一种动力源转换为机械能。在一些实施例中，车辆驱动子系统142可以包括多种发动机或电动机。例如，一个油电混合轿车可以包括一个汽油发动机和一个电动机，也可以包括其它的情况。
车辆105的多个轮子可以是标准车轮。车辆105的多个轮子可以是多种形式的轮子，包括一个独轮、双轮、三轮、或者一个四轮形式，例如轿车或卡车上的四轮。其它数量的轮子也是可以的，例如六轮或者更多的轮子。车辆105的任何组合的轮子可被操作为与其他轮子的旋转方向不同。轮子可以是至少一个与变速器固定连接的轮子，以及至少一个轮胎与轮子的边缘相匹配使得轮子与驾驶表面相接触。这些轮子可以包括金属与橡胶的结合，或者是其他物质的结合。变速器可以包括可被操作以将发动机的机械动力传送到轮子的单元。出于这个目的，变速器可以包括一个齿轮箱、一个离合器、一个差动齿轮，和多个传动轴。变速器也可以包括其它单元。传动轴可以包括与轮子相匹配的一个或多个轮轴。电子系统可以包括用于传送或控制车辆105的电子信号的单元。这些电子信号可用于启动车辆105中的多个灯、多个伺服机构、多个电动机，以及其它电子驱动或者控制的装置。动力源可以是全部或部分地为发动机或电动机提供动力的能源。也即，发动机或电动机能够将动力源转换为机械能。示例性地，动力源可以包括汽油、石油、石油类燃料、丙烷、其它压缩气体燃料、乙醇、燃料电池、太阳能板、电池以及其它电能源。动力源可以附加的或者可选地包括燃料箱、电池、电容、或者飞轮的任意组合。动力源也可以为车辆105的其它子系统提供能量。
车辆传感器子系统144可以包括多个传感器，这些传感器用于感应车辆105的环境和条件的信息。例如，车辆传感器子系统144可以包括一个惯性测量单元(IMU)、一个全球定位系统(GPS)收发器、一个雷达单元、一个激光测距仪/LIDAR单元(或其它距离测量装置)、以及一个或多个摄像头或图像捕捉装置。车辆传感器子系统144可以包括用于监视车辆105内部系统的多个感应器(例如，一个氧气(O2)监视器、一个油量表传感器、一个发动机油压传感器，等等)。还可以配置其它传感器。被包括在车辆传感器子系统144中的一个或多个传感器可以被单独驱动或者被集体驱动，以更新一个或多个传感器的位置、方向，或者这二者。
IMU可以包括任何传感器的结合(例如加速器和陀螺仪)，用于基于惯性加速来感应车辆105的位置变化和方向变化。GPS收发器可以是任何用于估计车辆105的地理位置的传感器。出于该目的，GPS收发器可以包括一个接收器/发送器以提供车辆105相对于地球的位置信息。雷达单元可以是使用无线电信号来感应车辆105所在环境中的对象的系统。在一些实施例中，除感应对象之外，雷达单元还可以用于感应接近车辆105的物体的速度和前进方向。激光测距仪或LIDAR单元(或者其它距离测量装置)可以是任何使用激光来感应车辆105所在环境中的物体的传感器。在一个实施例中，激光测距仪/LIDAR单元可以包括位于其它系统部件中的一个或多个激光源、一个激光扫描仪、以及一个或多个探测器。激光测距仪/LIDAR单元用于以连续(例如使用外差检测)或者不连续的检测模式进行工作。摄像头可以包括一个或多个用于捕捉车辆105所在环境的多个图像的装置。摄像头可以是静态图像摄像头或者动态视频摄像头。
车辆控制子系统146用于控制对车辆105及其构件的操作。相应地，车辆控制子系统146可以包括各种单元，例如一个转向单元、一个油门、一个刹车单元、一个导航单元和一个自动控制系统。
转向单元可以是任何调整车辆105前进方向的机械的组合。油门，例如可以被用于控制发动机的运转速度，进而控制车辆105的速度。刹车单元可以包括用于对车辆105进行减速的机械的组合。刹车单元可以以标准方式利用摩擦力来使轮胎减速。在其他实施例中，刹车单元可以将轮子的动能转化为电流。刹车单元也可以采用其它形式。导航单元可以是任何为车辆105确定驾驶路径或路线的系统。导航单元还可以在车辆105行进的过程中动态的更新驾驶路径。自动控制单元可以是一个用于识别、评估、以及避免或越过车辆105所在环境中的潜在障碍的系统。通常，自动控制单元可以用于在没有驾驶员的情况下控制车辆105，或者为驾驶员控制车辆提供辅助。在一些实施例中，自动控制单元用于将来自变道控制系统200 的数据、GPS收发器的数据、雷达数据、LIDAR数据、摄像头数据、以及来自其它车辆子系统的数据结合起来，来确定车辆105的驾驶路径或轨迹。车辆控制子系统146还可以附加地或者可选地包括其它未示出或未描述的部件。
乘员接口子系统148可以用于允许车辆105与外部传感器、其它车辆、其它计算系统和/或车辆105的一个乘员或者使用者之间的互动。例如，乘员接口子系统148可以包括标准视觉显示装置(例如，等离子显示器、液晶显示器(LCDs)，触屏显示器、头戴显示器，或其它类似的显示器)，扬声器或其它音频输出装置，麦克风或者其它音频输入装置，导航接口、以及控制车辆105的内部环境(例如温度、风扇，等等)的接口。
在一个实施例中，乘员接口子系统148可以提供为车辆105的使用者或乘员与其它车辆子系统进行互动的方式。视觉显示装置可以为车辆105 的使用者提供信息。用户接口装置也可以通过触屏从使用者或者驾驶员那里接收输入。触屏可以通过电容感应、电阻感应或者表面声波处理，或者通过其它方式，来至少感应使用者手指的位置和手指移动中的一种。触屏可以感应到平行于触屏表面的手指运动或面状的手指运动，垂直于触屏表面的手指运动，或者以上皆有，也可以用于感应施加到触屏表面的压力水平。触屏可以由一个或多个半透明或透明绝缘层以及一个或多个半透明或透明的导电层构成。触屏也可以具有其它形式。
在其他一些例子中，乘员接口子系统148可以为车辆105提供与其所在环境中的其它车辆进行通信的方式。麦克风可以用于从车辆105的使用者那里接收音频(例如，一个声音命令或者其它音频输入)。类似地，扬声器可以用于输出音频给车辆的使用者。在一个示例性的实施例中，乘员接口子系统148可以直接或者通过通信网络与一个或多个设备进行无线通信。例如，一个无线通信系统可以使用3G蜂窝通信，例如CDMA、EVDO、GSM/GPRS、或者4G蜂窝通信，例如WiMAX或LTE，还可以使用5G蜂窝通信。可选地，无线通信系统可以与一个无线本地局域网(WLAN)进行通信，例如，使用在一些实施例中，无线通信系统146可以直接与一个设备进行通信，例如，使用红外线路，或者ZIGBEE。其它无线协议，例如各种车载通信系统，也在本申请公开的范围之内。例如，无线通信系统可以包括一个或多个专用短程通信(DSRC)装置，这些装置会与车辆和/或路边站进行公开或私密的数据通信。
计算系统170能控制车辆105的部分或者全部功能。计算系统170可以包括至少一个数据处理器171(可以包括至少一个微处理器)，数据处理器171执行存储在非易失性计算机可读介质中存储的处理指令，例如数据存储装置172。计算系统170也可以是多个计算装置，这些计算装置分布式地控制车辆105的个别部件或者个别子系统。在一些实施例中，数据存储装置172中可以包含被数据处理器171执行来实现车辆105的各种功能的处理指令(例如，程序逻辑)，这些功能包括本申请所描述的附图中的功能。数据存储装置172还可以包括其它指令，包括用于数据发送的指令、用于数据接收的指令、用于互动的指令、或者用于控制一个或多个车辆驱动子系统140、车辆传感器子系统144、车辆控制子系统146和乘员接口子系统 148的指令。
除存储处理指令之外，数据存储设备172可以存储多种信息，包括存储数据，例如图像处理参数、训练数据、道路地图、和路径信息。在车辆 105以自动方式、半自动方式和/或手动模式运行的期间，这些信息可以被车辆105和计算系统170所使用。
车辆105可以包括一个用户界面，该用户界面用于为车辆105的使用者或乘员提供信息，或者接收来自车辆105的使用者或者乘员的输入。用户界面可以控制或者使能控制交互式图像的内容和图层，该交互式图像可以显示在一个显示设备上。进一步地，用户界面可以包括一组乘员接口子系统148中的一个或多个输入/输出设备，例如显示设备、扬声器、麦克风、或者一个无线通信系统。
计算系统170可以根据从各种车辆子系统(例如，车辆驱动子系统142，车辆传感器子系统144，以及车辆控制子系统146)接收到的输入，或者从乘员接口子系统148接收到的输入，来控制车辆105的功能。例如，计算系统170可以使用来自车辆控制子系统146的输入来控制转向单元，来避开由车辆传感器子系统144以及变道控制系统200检测到的障碍物。在一个实施例中，计算系统170可以用来控制车辆105及其子系统的多个方面。
虽然图1中显示了集成到车辆105中的各种构件，例如车辆子系统140、计算系统170、数据存储设备172、控制系统150、以及变道控制系统200，这些部件中的一个或多个部件可以搭载到车辆105上或单独关联到车辆105 上。例如，数据存储装置172可以部分或者全部地独立于车辆105存在。从而，车辆105能够以分离的或者集成的设备单元的形式而存在。构成车辆105的设备单元可以以有线通信或者无线通信的方式实现通信聚合。在多个实施例中，进行数据通信的控制系统150和变道控制系统200可以被实施为一个集成的部件或者是分离的部件。在一个实施例中，通过与移动装置132进行数据通信和/或通过网络120连接到网络资源122进行数据通信，控制系统150和/或变道控制系统200的软件部件能得到动态的更新、修改和/或扩展。控制系统150能够周期性地询问一个移动设备132或者一个网络资源122以进行更新，或者该更新能够推送给控制系统150。
在上述实施例中，变道控制系统200可以包括一个与控制系统150进行通信的接口，如图1所示，如本申请所述的变道控制系统200通过该接口可以发送和接收数据。此外，变道控制系统200可以包括一个与控制系统150和/或系统101的其它子系统进行通信的接口，通过该接口变道控制系统200可以从如上所述的各种数据源接收辅助数据。基于多个因素该辅助数据可以被用来扩展、修改或者训练变道控制系统200的操作，这多个因素包括使用者操作车辆的环境(例如，车辆的位置、具体目的地、行车方向、速度、时刻、车辆状态，等等)，以及如本文所述的可以从本地和远程的多个资源获取到的其它多种数据。如上所述，变道控制系统200可以实施在系统和平台上，该系统和平台没有配置在车辆中、不是必须在车辆中使用的或者也不是必须与车辆一起使用的。
图2示出了本申请实施例提供的变道控制系统200的工作原理，车辆传感器子系统144将获取并处理得到的感知数据210提供给自动驾驶车辆的变道控制系统200，变道控制系统200对感知数据210进行处理，得到轨迹数据220，并控制车辆105根据轨迹数据220进行轨迹追踪，实现变道行驶。
图3示出了本申请实施例提供的自动驾驶车辆的变道控制方法的处理流程，包括：
步骤301、根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
步骤302、根据主车和至少一个邻近车辆的当前位置和目标位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
步骤303、确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车当前的位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
步骤304、确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
步骤305、控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
通过图3所示的处理，根据主车和至少一个邻近车辆的当前车辆状态和目标车辆状态，确定主车变道到相邻车道上的一个目标点为第一目标点，并确定主车所在车道上执行变道操作的一个点为第二目标点，确定主车从当前位置行驶到第二目标点的轨迹为第一轨迹、以及从第二目标点行驶到第一目标点的轨迹为第二轨迹，控制车辆对第一轨迹和第二轨迹进行追踪，从当前位置行驶到相邻车道上的第一目标点，从而能够安全、可靠、有效地控制主车执行变道行驶。
在上述步骤301中，主车和至少一个邻近车辆的当前车辆状态，可以根据车载传感器获得到的多种传感数据确定得到，具体地，可以通过如图1 所示的车辆传感器子系统144中的一个或者多个部件获取并处理得到的感知数据210确定得到。车辆状态中包括车辆的当前位置、车辆的当前行驶方向和当前行驶速度，车辆状态中还可以包括车辆的加速度。确定得到主车和至少一个邻近车辆的车辆状态，可以根据在本申请之前或者本申请之后的方法确定得到，本申请这里不做具体限定。
在上述步骤301中，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态的处理，可以通过如下的两种预测方式实现，可以理解的是，还可以根据其它的方法来进行预测处理，本申请不做一一列举和限定。
预测方式一、根据主车和至少一个邻近车辆的当前的车辆状态，通过线性外推法来分别预测主车和至少一个邻近车辆在未来一段时间内的车辆状态。
在使用线性外推法预测车辆在未来一个时间上的车辆状态时，可以假设车辆进行匀速行驶，已知车辆当前的位置和速度，可以确定得到车辆在未来的一个预定的时间后的位置和速度，该预定的未来的一段时间可以是任意设置的，例如未来3分钟或者未来5分钟，也可以是根据自动驾驶车辆运行的环境来对应设置的。
预测方式二、将主车和至少一个邻近车辆的当前车辆状态作为输入、提供给预先训练得到的车辆状态预测模型，车辆状态预测模型运行输出主车和至少一个邻近车辆在未来一个预定时间段内的目标车辆状态；其中，车辆状态预测模型是通过机器学习的方法，根据历史的车辆状态数据，训练神经网络确定得到的。其中，可以将历史的自动驾驶车辆的行驶数据作为输入提供给深度神经网络，并训练得到车辆状态预测模型。
在上述两种方式中，当前车辆状态包括当前的车辆位置、行驶方向、速度，还可以进一步包括加速度等的数据。目标车辆状态可以包括在未来一个时间段内的车辆的位置、行驶方向、速度，还可以包括加速度等的数据。
通过对车辆在未来一个时间段内的车辆状态的预测，可以得到车辆在该段时间内任一个时间点上的车辆位置，进一步可以根据车辆在多个时间点上的位置得到车辆的预测路径或路线，还可以得到车辆在该段时间内任一个时间点上的速度。也即，在本申请实施例中，可以预测得到主车和至少一个邻近车辆各自在未来一个时间段内的预测路径。
在预测得到车辆在未来一段时间内的目标车辆状态后，可以确定得到主车变道后到达的相邻车道上的第一目标点。
在上述步骤302中，如图4所示，确定第一目标点的处理包括：
步骤401、根据主车和至少一个邻近车辆的当前位置和目标位置、车辆的尺寸和预定的安全距离，将在相邻车道上与至少一个邻近车辆均相距一个安全距离的一个区域确定为安全区域。
安全区域也即在相邻车道上，由与至少一个邻近车辆均相距一个安全距离的范围、以及车道两侧的车道线所限定的一个区域。
在本申请实施例中，预定的安全距离用于在车辆周围定义出一个安全的环境，使得车辆之间不会产生碰撞。预定的安全距离可以是一个通用的预设值，也可以根据不同的车辆类型、不同的应用场景或者不同的天气情况进行具体和综合的设置。还可以在车辆的不同方向上设置不同的安全距离，例如车辆侧面的安全距离为安全距离1，车辆前端的安全距离为安全距离2，车辆后端的安全距离为安全距离3。在具体的应用环境中，可以进行多种情况的结合设置。本申请这里不做具体限定。
步骤402、确定安全区域的中点为第一目标点，或者确定安全区域中车道中线上距离主车最近的点为第一目标点。
需要说明的是，该第一目标点并非是一个对应到坐标系中的实际的点，而是一个规划中的动态点，该点位于相邻车道上，且会随着目标车辆位置的移动而移动。下面通过一个示例对第一目标点进行说明。
图5中示出了第一目标点的一个示例。在该示例中，VA为主车，VA可以是图1中的车辆105。V1和V2所在车道为VA所在车道的相邻车道，V1 和V2为VA的两个邻近车辆，V3为VA所在车道上的邻近车辆。当如图1中的计算系统170执行相应的变道决策处理，并确定VA需要变道后，执行如图3和图4所示的处理，为VA确定得到相邻车道上的第一目标点。
在图5中，在相邻车道上存在两个邻近车辆V1和V2，在V1、V2和V3 的前部或者后部确定一个安全距离(Safety Distance，SD)，将相邻车道上与V1和V2均相距一个SD的区域确定为安全区域(Safety Zone，SZ)，将该安全区域的中点确定为第一目标点TP1。在VA加速变道到相邻车道的情况下，可以将在相邻车道上VA有待超越的车辆作为目标车辆，例如在图5中，TP1在V2之前，VA执行变道后行驶到V2之前，可以将V2作为目标车辆；在VA减速变道到相邻车道的情况下，VA有待行驶到相邻车道上其尾部的邻近车辆为目标车辆。
进一步，在车辆行驶的动态过程中，目标车辆V2的位置可能会发生改变，例如V2加速行使或减速行驶导致V2的预测的目标位置发生改变，相应地根据上述处理得到的TP1的位置也会发生改变。
在图5中示出了VA向左侧的相邻车道进行变道的示例，在其他的一些场景中，VA还可以向右侧的相邻车辆进行变道。
在步骤302中，在确定了第一目标点之后，可以在道路平面的二维坐标系中，将主车所在车道的中线上与第一目标点具有相同纵坐标值的点确定为第二目标点。在图5示例的基础上，图6中示出了确定得到的第二目标点TP2。在图6中，TP2与TP1具有相同的y轴坐标值。与第一目标点相类似，第二目标点也是一个规划中的动态点。
在确定得到第一目标点TP1和第二目标点TP2之后，以图6的示例为例，从车辆当前的位置行驶到第一目标点TP1的路径可以分为两段路径，第一段路径为从车辆当前的位置行驶到第二目标点TP2的路径，也即第一路径，第二段路径为从第二目标点TP2行驶到第一目标点TP1的路径，也即第二路径。
下面对第一路径和主车在第一路径上的行驶速度、第二路径和主车在第二路径上的行驶速度进行说明。
在上述步骤303中，确定第一路径的操作包括：将主车所在的当前位置与第二目标点之间的直线路径确定为第一路径。
主车在第一路径上行驶时，由于需要在第二目标点变道到第一目标点，从而主车需要在第二目标点上达到与相邻车道相同的车速，或者达到与目标车辆(如图6中的V2)相同的速度。
图7示出了上述步骤303中确定第一速度的处理流程，包括：
步骤701、根据公式1确定第一加速度和第二加速度；其中，公式1包括在公式1中，x(0)是主车的当前位置，x(h)是主车的第二目标点的位置，v(0)是主车的当前速度，v(h)是主车的目标速度，从公式1中确定得到a0、h、a1、h’的值；a0是第一加速度，a1是第二加速度，h是第一路径的行驶时长，h’是从第一阶段速度转换到第二阶段速度的时间点；
步骤702、根据从公式1中确定的a0、a1、h、h’以及速度公式确定第一速度，速度公式包括其中，t 是主车从当前位置行驶到第二目标点过程中的任意一个时间点，v(t)是在t 时间点上的第一速度。
在上述步骤701中，可以从公式1中确定出多组解，每组解包括一组组a0、a1、h和h’的值，通过对目标函数进行约束优化处理，在多组解中确定一组最优解；其中，目标函数包括：cost＝k1*h+k2*|a0|+k2*|a1|，k1 和k2为经验值参数，约束条件包括：0<h<hmax，h’<h，amin<a0<amax，amin<a1<amax，其中，hmax为预定的第一路径的最长行驶时间，amin为预定的最小的加速度值， amax为预定的最大的加速度值。对目标函数进行约束优化的处理，可以根据本申请之前的方法或者本申请之后的方法来实现，例如在约束条件下，通过梯度下降法确定得到最优解，本申请实施例不对具体的约束优化处理进行限定。
在上述步骤702中，通过速度公式确定得到的第一速度可以表现为一条速度曲线。在该速度曲线上，在主车加速变道的场景中，在主车行驶到时间点h’时，主车的速度可能会超过相邻车道上目标车辆的速度或者临车道的车速，在主车行驶到时间点h(也即第二目标点)时，主车的速度可能会达到相邻车道上目标车辆的速度或者临车道的车速。在主车进行减速变道的场景中，在主车行驶到时间点h’时，主车的速度可能会低于相邻车道上目标车辆的速度或者临车道的车速，在主车行驶到时间点h(也即第二目标点)时，主车的速度可能会达到相邻车道上目标车辆的速度或者临车道的车速。从而便于主车在第二目标点执行变道控制行驶到相邻车道上。
根据步骤303的处理，能够确定得到第一路径和第一速度，进一步地，通过第一路径和第一速度就能够确定得到第一轨迹，通过路径和速度合成轨迹的处理，能够通过本申请之前或者之后的方法来实现，本申请实施例不做具体限定。
上述确定了第一路径和第一速度后，将进一步确定第二路径和第二速度。
在上述步骤304中，确定第二路径的处理可以通过拟合杜宾斯曲线 (Dubin’sCurve)的方法来实现，也即：根据杜宾斯参数(包括车辆的转弯半径、根据从第二目标点离开的时间确定的起点位置、根据到达第一目标点的时间确定的终点位置)，拟合得到杜宾斯曲线，将确定的杜宾斯曲线确定为第二路径。
图8中示出了通过拟合杜宾斯曲线来确定第二路径的处理，包括：
步骤801、根据初始预设的杜宾斯参数拟合得到杜宾斯曲线，其中，杜宾斯参数包括车辆的转弯半径、根据从第二目标点离开的时间确定的起点位置、根据到达第一目标点的时间确定的终点位置；
步骤802、判断拟合得到的杜宾斯曲线与至少一个邻近车辆的预测路径是否存在碰撞，在没有碰撞的情况下，通过梯度下降优化法对杜宾斯参数进行优化，确定通过最优的杜宾斯参数拟合得到的最优的杜宾斯曲线，确定最优的杜宾斯曲线为第二路径。
杜宾斯曲线是在满足曲率约束和规定的始端和末端的切线方向的条件下，连接两个二维平面(即X-Y平面)的最短路径，并假设车辆行驶的道路只能向前行进。根据一组杜宾斯参数可以拟合得到一条杜宾斯曲线。
杜宾斯参数可以写为(r，t0，t1)，r为车辆的转弯半径，t0为根据从第二目标点离开的时间确定的起点位置，t1为根据到达第一目标点的时间确定的终点位置，初始预设的杜宾斯参数是一组预设值。其中，转弯半径r可以根据不同类型的车辆、不同的应用场景和/或不同的天气情况进行具体设置；由于第一目标点和第二目标都是规划中的点，初始的t0和t1 可以设置为预设值，例如t0为0时刻时对应的位置，t1为5秒后对应的位置，在后续的杜宾斯参数优化的过程中，将确定得到优化后的杜宾斯曲线的起点和终点。
在上述步骤802中，判断杜宾斯曲线与至少一个邻近车辆的预测路径是否存在碰撞的处理，由于在上述步骤301中可以确定得到主车和至少一个邻近车辆的预测的行驶路线也即预测路径，这里可以比对拟合得到的杜宾斯曲线和至少一个邻近车辆的预测的行驶路线，也即判断杜宾斯曲线与这些预测的行驶路线是否存在重合、交叉，或者杜宾斯曲线与行驶路线之间的距离是否小于一个安全阈值，以确定车辆按照杜宾斯曲线进行行驶的情况下，是否会与至少一个邻近车辆发生碰撞。
在步骤802中，在拟合得到的杜宾斯曲线与至少一个邻近车辆的预测路径发生碰撞的情况下，可以修改杜宾斯参数来重新拟合一条杜宾斯曲线。修改杜宾斯参数的处理，可以另选一组预设的杜宾斯参数，或者对杜宾斯参数进行预设的修改。在拟合得到的杜宾斯曲线与至少一个邻近车辆的路线不会发生碰撞的情况下，可以求取杜宾斯曲线的梯度，通过梯度下降法，来优化杜宾斯参数，并使用优化后的杜宾斯参数拟合得到新的杜宾斯曲线；通过这一过程的迭代，可以确定得到最优的杜宾斯参数，通过最优的杜宾斯参数拟合得到的最优杜宾斯曲线，将最优的杜宾斯曲线确定为第二路径。
主车在第二路径上的行驶为横向行驶，在横向行驶的过程中，可以将行驶速度设置为匀速行驶，也即将主车在第二目标点的速度确定为主车行驶第二路径时的速度即第二速度，第二速度为匀速速度，或者说，将主车在第二目标点的速度曲线确定为主车在第一目标点的速度曲线。
通过上述处理能够得到第一路径和对应的第一速度，以及第二路径和对应的第二速度。将第一路径和第一速度合成为第一轨迹，将第二路径和第二速度合成为第二轨迹。进一步可以控制主车对第一轨迹和第二轨迹进行轨迹追踪，使得主车从当前位置行驶到第一目标点，实现主车的变道行驶。
通过本申请实施例提供的自动驾驶车辆的变道控制方法，根据主车和至少一个邻近车辆的当前车辆状态和目标车辆状态，确定主车变道到相邻车道上的一个目标点为第一目标点，并确定主车所在车道上执行变道操作的一个点为第二目标点，确定主车从当前位置行驶到第二目标点的轨迹为第一轨迹、以及从第二目标点行驶到第一目标点的轨迹为第二轨迹，控制车辆对第一轨迹和第二轨迹进行追踪，从当前位置行驶到相邻车道上的第一目标点，从而能够安全、可靠、有效地控制主车执行变道行驶。
基于相同的发明构思，本申请实施例还提供了一种自动驾驶车辆的变道控制系统。该系统可以设置为如图1中的变道控制系统200，也可以设置为单独的系统、并结合应用到其它的设备中。当本申请实施例提供的自动驾驶车辆的变道控制系统设置为单独的系统时，该系统的结构可以如图9 所示。
图9示出了本申请实施例提供的自动驾驶车辆的变道控制系统的结构框图，该系统位于一个自动驾驶的主车中，包括一个处理器91和至少一个存储器92，至少一个存储器92中存储有至少一条机器可执行指令，处理器 91执行至少一条机器可执行指令以实现：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前车辆位置和目标车辆位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
在一些实施例中，处理器91执行至少一条机器可执行指令实现根据主车和相邻车道上至少一个邻近车辆的当前的车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的车辆状态，包括：根据主车和至少一个邻近车辆的当前的车辆状态，通过线性外推法来分别预测主车和至少一个邻近车辆在未来一段时间内的车辆状态；或者，将主车和至少一个邻近车辆的当前车辆状态作为输入，提供给预先训练得到的车辆状态预测模型，车辆状态预测模型运行输出主车和至少一个邻近车辆在未来一段时间内的目标车辆状态；其中，车辆状态预测模型是通过机器学习的方法，根据历史的车辆状态数据，训练神经网络确定得到的。
在一些实施例中，处理器91执行至少一条机器可执行指令实现根据主车和至少一个邻近车辆的当前车辆位置和目标车辆位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，包括：根据主车和至少一个邻近车辆的当前位置和目标位置、车辆的尺寸和预定的安全距离，将在相邻车道上与至少一个邻近车辆均相距一个安全距离的一个区域确定为安全区域；确定安全区域的中点为第一目标点，或者确定安全区域中车道中线上距离主车最近的点为第一目标点。
在一些实施例中，处理器91执行至少一条机器可执行指令实现根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点，包括：在道路平面的二维坐标系中，将主车所在车道的中线上与第一目标点具有相同纵坐标值的点确定为第二目标点。
在一些实施例中，处理器91执行至少一条机器可执行指令实现确定主车从所在车道的当前位置行驶到第二目标点的第一路径，包括：将主车所在的当前位置与第二目标点之间的直线路径确定为第一路径。
在一些实施例中，处理器91执行至少一条机器可执行指令实现根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，包括：根据公式1确定第一加速度和第二加速度；其中，公式1 包括：
，在公式1中，x(0)是主车的当前位置，x(h)是主车的目标位置，v(0) 是主车的当前速度，v(h)是主车的第二目标点的位置，从公式1中确定得到a0、a1、h、h’的值；a0是第一加速度，a1是第二加速度，h是第一路径的行驶时长，h’是从第一加速度转换到第二加速度的时间点；根据从公式1中确定的a0、a1、h、h’确定第一速度。
在一些实施例中，处理器91执行至少一条机器可执行指令实现根据公式1确定第一加速度和第二加速度，包括：从公式1中确定出多组解，每组解包括一组a0、a1、h和h’的值；通过对目标函数进行约束优化处理，在多组解中确定一组最优解；其中，目标函数包括：cost＝k1*h+k2*|a0|+k2*|a1|，k1和k2为经验值参数，约束条件包括： 0<h<hmax，h’<h，amin<a0<amax，amin<a1<amax，其中，hmax为预定的第一路径的最长行驶时间，amin为预定的最小的加速度值，amax为预定的最大的加速度值。
在一些实施例中，处理器91执行至少一条机器可执行指令实现根据从公式1中确定的a0、a1、h、h’以及速度公式确定第一速度，速度公式包括：
其中，t是主车从当前位置行驶到第二目标点过程中的任意一个时间点，v(t)是在t时间点上的第一速度。
在一些实施例中，处理器91执行至少一条机器可执行指令实现确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，包括：根据杜宾斯参数拟合得到杜宾斯曲线，将拟合得到的杜宾斯曲线确定为第二路径；其中，杜宾斯参数包括主车的转弯半径、根据从第二目标点离开的时间确定的起点位置、根据到达第一目标点的时间确定的终点位置。
在一些实施例中，处理器91执行至少一条机器可执行指令实现根据杜宾斯参数拟合得到杜宾斯曲线，将拟合得到的杜宾斯曲线确定为第二路径，包括：根据初始预设的杜宾斯参数拟合得到杜宾斯曲线；判断拟合得到的杜宾斯曲线与至少一个邻近车辆的预测路径是否存在碰撞，在没有碰撞的情况下，通过梯度下降优化法对杜宾斯参数进行迭代优化、得到最优的杜宾斯参数，通过最优的杜宾斯参数拟合得到的最优的杜宾斯曲线，确定最优的杜宾斯曲线为第二路径；其中，车辆的预测路径是车辆在未来一段时间内的预测得到的目标位置构成的路径。
在一些实施例中，处理器91执行至少一条机器可执行指令实现判断拟合得到的杜宾斯曲线与至少一个邻近车辆的预测路径是否存在碰撞，包括：判断杜宾斯曲线与至少一个邻近车辆的预测路径是否存在重合、交叉、或者与至少一个邻近车辆的路线之间的距离小于一个预定的安全距离，在判断为是的情况下，确定存在碰撞，否则，不存在碰撞。
在一些实施例中，处理器91执行至少一条机器可执行指令实现根据第一速度确定主车在第二路径上行驶的第二速度，包括：
将主车到达第二目标点的速度确定为第二速度。
通过本申请实施例提供的自动驾驶车辆的变道控制系统，根据主车和至少一个邻近车辆的当前车辆状态和目标车辆状态，确定主车变道到相邻车道上的一个目标点为第一目标点，并确定主车所在车道上执行变道操作的一个点为第二目标点，确定主车从当前位置行驶到第二目标点的轨迹为第一轨迹、以及从第二目标点行驶到第一目标点的轨迹为第二轨迹，控制车辆对第一轨迹和第二轨迹进行追踪，从当前位置行驶到相邻车道上的第一目标点，从而能够安全、可靠、有效地控制主车执行变道行驶。
基于相同的发明构思，本申请实施例还提供了一种非暂态易失性机器可读存储介质，其特征在于，该存储介质中存储至少一条机器可执行指令，机器执行至少一条机器可执行指令以执行自动驾驶车辆的变道控制方法，该方法包括如图3所示的方法。该存储介质可以应用在如图1所示的系统中，或者应用在如图9所示的系统中，还可以应用在其他的系统中。
基于相同的发明构思，本申请实施例还提供了一种自动驾驶车辆，该车辆中可以包括如图9所示的自动驾驶车辆的变道控制系统，该车辆还可以是如图1所示的车辆。本申请实施例提供的自动驾驶车辆能够实现有效的变道控制。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (22)
1.一种自动驾驶车辆的变道控制方法，其特征在于，包括：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前位置和目标位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
2.根据权利要求1所述的方法，其特征在于，根据主车和相邻车道上至少一个邻近车辆的当前的车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的车辆状态，包括：
根据主车和至少一个邻近车辆的当前的车辆状态，通过线性外推法来分别预测主车和至少一个邻近车辆在未来一段时间内的车辆状态；或者
将主车和至少一个邻近车辆的当前车辆状态作为输入，提供给预先训练得到的车辆状态预测模型，车辆状态预测模型运行输出主车和至少一个邻近车辆在未来一段时间内的目标车辆状态；其中，车辆状态预测模型是通过机器学习的方法，根据历史的车辆状态数据，训练神经网络确定得到的。
3.根据权利要求1所述的方法，其特征在于，根据主车和至少一个邻近车辆的当前位置和目标位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，包括：
根据主车和至少一个邻近车辆的当前位置和目标位置、车辆的尺寸和预定的安全距离，将在相邻车道上与至少一个邻近车辆均相距一个安全距离的一个区域确定为安全区域；
确定安全区域的中点为第一目标点，或者确定安全区域中车道中线上距离主车最近的点为第一目标点。
4.根据权利要求1所述的方法，其特征在于，根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点，包括：
在道路平面的二维坐标系中，将主车所在车道的中线上与第一目标点具有相同纵坐标值的点确定为第二目标点。
5.根据权利要求1所述的方法，其特征在于，确定主车从所在车道的当前位置行驶到第二目标点的第一路径，包括：
将主车所在的当前位置与第二目标点之间的直线路径确定为第一路径。
6.根据权利要求1所述的方法，其特征在于，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，包括：
根据公式1确定第一加速度和第二加速度；其中，公式1包括在公式1中，x(0)是主车的当前位置，x(h)是第二目标点的位置，v(0)是主车的当前速度，v(h)是主车的目标速度，从公式1中确定得到a0、a1、h、h’的值；a0是第一加速度，a1是第二加速度，h是第一路径的行驶时长，h’是从第一加速度转换到第二加速度的时间点；
根据从公式1中确定的a0、a1、h、h’以及速度公式确定第一速度，速度公式包括其中，t是主车从当前位置行驶到第二目标点过程中的任意一个时间点，v(t)是在t时间点上的第一速度。
7.根据权利要求6所述的方法，其特征在于，根据公式1确定第一加速度和第二加速度，包括：
从公式1中确定出多组解，每组解包括一组a0、a1、h和h’的值；通过对目标函数进行约束优化处理，在多组解中确定一组最优解；其中，目标函数包括：cost＝k1*h+k2*|a0|+k2*|a1|，k1和k2为经验值参数，约束条件包括：0<h<hmax，h’<h，amin<a0<amax，amin<a1<amax，其中，hmax为预定的第一路径的最长行驶时间，amin为预定的最小的加速度值，amax为预定的最大的加速度值。
8.根据权利要求1所述的方法，其特征在于，确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，包括：
根据杜宾斯参数拟合得到杜宾斯曲线，将拟合得到的杜宾斯曲线确定为第二路径；其中，杜宾斯参数包括主车的转弯半径、根据从第二目标点离开的时间确定的起点位置、根据到达第一目标点的时间确定的终点位置。
9.根据权利要求8所述的方法，其特征在于，根据杜宾斯参数拟合得到杜宾斯曲线，将拟合得到的杜宾斯曲线确定为第二路径，包括：
根据初始预设的杜宾斯参数拟合得到杜宾斯曲线；
判断拟合得到的杜宾斯曲线与至少一个邻近车辆的预测路径是否存在碰撞，在没有碰撞的情况下，通过梯度下降优化法对杜宾斯参数进行迭代优化、得到最优的杜宾斯参数，通过最优的杜宾斯参数拟合得到的最优的杜宾斯曲线，确定最优的杜宾斯曲线为第二路径；其中，车辆的预测路径是车辆在未来一段时间内的预测得到的目标位置构成的路径。
10.根据权利要求1所述的方法，其特征在于，根据第一速度确定主车在第二路径上行驶的第二速度，包括：
将主车到达第二目标点的速度确定为第二速度。
11.一种自动驾驶车辆的变道控制系统，其特征在于，该系统位于一个自动驾驶的主车中，包括一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令以实现：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前车辆位置和目标车辆位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
12.根据权利要求11所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现根据主车和相邻车道上至少一个邻近车辆的当前的车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的车辆状态，包括：
根据主车和至少一个邻近车辆的当前的车辆状态，通过线性外推法来分别预测主车和至少一个邻近车辆在未来一段时间内的车辆状态；或者
将主车和至少一个邻近车辆的当前车辆状态作为输入，提供给预先训练得到的车辆状态预测模型，车辆状态预测模型运行输出主车和至少一个邻近车辆在未来一段时间内的目标车辆状态；其中，车辆状态预测模型是通过机器学习的方法，根据历史的车辆状态数据，训练神经网络确定得到的。
13.根据权利要求11所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现根据主车和至少一个邻近车辆的当前车辆位置和目标车辆位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，包括：
根据主车和至少一个邻近车辆的当前位置和目标位置、车辆的尺寸和预定的安全距离，将在相邻车道上与至少一个邻近车辆均相距一个安全距离的一个区域确定为安全区域；
确定安全区域的中点为第一目标点，或者确定安全区域中车道中线上距离主车最近的点为第一目标点。
14.根据权利要求11所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点，包括：
在道路平面的二维坐标系中，将主车所在车道的中线上与第一目标点具有相同纵坐标值的点确定为第二目标点。
15.根据权利要求11所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现确定主车从所在车道的当前位置行驶到第二目标点的第一路径，包括：
将主车所在的当前位置与第二目标点之间的直线路径确定为第一路径。
16.根据权利要求11所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，包括：
根据公式1确定第一加速度和第二加速度；其中，公式1包括在公式1中，x(0)是主车的当前位置，x(h)是第二目标点的位置，v(0)是主车的当前速度，v(h)是主车的目标速度，从公式1中确定得到a0、a1、h、h’的值；a0是第一加速度，a1是第二加速度，h是第一路径的行驶时长，h’是从第一加速度转换到第二加速度的时间点；
根据从公式1中确定的a0、a1、h、h’以及速度公式确定第一速度，速度公式包括其中，t是主车从当前位置行驶到第二目标点过程中的任意一个时间点，v(t)是在t时间点上的第一速度。
17.根据权利要求16所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现根据公式1确定第一加速度和第二加速度，包括：
从公式1中确定出多组解，每组解包括一组a0、a1、h和h’的值；
通过对目标函数进行约束优化处理，在多组解中确定一组最优解；其中，目标函数包括：cost＝k1*h+k2*|a0|+k2*|a1|，k1和k2为经验值参数，约束条件包括：0<h<hmax，h’<h，amin<a0<amax，amin<a1<amax，其中，hmax为预定的第一路径的最长行驶时间，amin为预定的最小的加速度值，amax为预定的最大的加速度值。
18.根据权利要求11所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，包括：
根据杜宾斯参数拟合得到杜宾斯曲线，将拟合得到的杜宾斯曲线确定为第二路径；其中，杜宾斯参数包括主车的转弯半径、根据从第二目标点离开的时间确定的起点位置、根据到达第一目标点的时间确定的终点位置。
19.根据权利要求18所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现根据杜宾斯参数拟合得到杜宾斯曲线，将拟合得到的杜宾斯曲线确定为第二路径，包括：
根据初始预设的杜宾斯参数拟合得到杜宾斯曲线；
判断拟合得到的杜宾斯曲线与至少一个邻近车辆的预测路径是否存在碰撞，在没有碰撞的情况下，通过梯度下降优化法对杜宾斯参数进行迭代优化、得到最优的杜宾斯参数，通过最优的杜宾斯参数拟合得到的最优的杜宾斯曲线，确定最优的杜宾斯曲线为第二路径；其中，车辆的预测路径是车辆在未来一段时间内的预测得到的目标位置构成的路径。
20.根据权利要求11所述的系统，其特征在于，处理器执行至少一条机器可执行指令实现根据第一速度确定主车在第二路径上行驶的第二速度，包括：
将主车到达第二目标点的速度确定为第二速度。
21.一种非暂态易失性机器可读存储介质，其特征在于，该存储介质中存储至少一条机器可执行指令，机器执行至少一条机器可执行指令以执行自动驾驶车辆的变道控制方法，该方法包括：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前位置和目标位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
22.一种自动驾驶车辆，其特征在于，该车辆为主车，该车辆中包括一种自动驾驶车辆的变道控制系统，该系统包括一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令以实现：
根据主车和相邻车道上至少一个邻近车辆的当前车辆状态，预测主车和至少一个邻近车辆各自在未来一段时间内的目标车辆状态；车辆状态包括车辆的位置、行驶方向和速度；
根据主车和至少一个邻近车辆的当前位置和目标位置，确定在相邻车道上、主车变道后到达的目标点为第一目标点，以及根据第一目标点确定主车从所在车道上的一个点执行变道行驶到第一目标点的点为第二目标点；
确定主车从所在车道的当前位置行驶到第二目标点的第一路径，根据主车的当前位置和速度以及目标位置和速度确定主车在第一路径上行驶的第一速度，并根据第一路径和第一速度得到第一轨迹；
确定主车从所在车道的第二目标点行驶到相邻车道的第一目标点的第二路径，根据第一速度确定主车在第二路径上行驶的第二速度，并根据第二路径和第二速度得到第二轨迹；
控制主车对第一轨迹和第二轨迹进行追踪，从当前位置行驶到第一目标点。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| USUS15/946,171 | 2018-04-05 | ||
| US15/946,195 US10953881B2 (en) | 2017-09-07 | 2018-04-05 | System and method for automated lane change control for autonomous vehicles |
| USUS15/946,195 | 2018-04-05 | ||
| US15/946,171 US10953880B2 (en) | 2017-09-07 | 2018-04-05 | System and method for automated lane change control for autonomous vehicles |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110356401A true CN110356401A (zh) | 2019-10-22 |
| CN110356401B CN110356401B (zh) | 2020-06-16 |
Family
ID=68215056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910105018.0A Active CN110356401B (zh) | 2018-04-05 | 2019-02-01 | 一种自动驾驶车辆及其变道控制方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110356401B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110908375A (zh) * | 2019-11-14 | 2020-03-24 | 北京三快在线科技有限公司 | 获取变道决策信息的方法、装置、存储介质和车辆 |
| CN112406869A (zh) * | 2021-01-25 | 2021-02-26 | 国汽智控(北京)科技有限公司 | 一种车辆换道控制方法及装置 |
| CN112863244A (zh) * | 2019-11-28 | 2021-05-28 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
| WO2021103834A1 (zh) * | 2019-11-27 | 2021-06-03 | 初速度（苏州）科技有限公司 | 换道决策模型生成方法和无人车换道决策方法及装置 |
| WO2021135371A1 (zh) * | 2019-12-31 | 2021-07-08 | 华为技术有限公司 | 一种自动驾驶方法、相关设备及计算机可读存储介质 |
| CN113173161A (zh) * | 2021-04-26 | 2021-07-27 | 安徽域驰智能科技有限公司 | 一种基于迭代预测模型的障碍物碰撞距离计算方法 |
| CN113486531A (zh) * | 2021-05-25 | 2021-10-08 | 四川见山科技有限责任公司 | 一种车辆行驶路径规划方法、设备及系统 |
| CN114267171A (zh) * | 2021-11-08 | 2022-04-01 | 南宁小欧技术开发有限公司 | 一种基于车辆轨迹预测的车辆控制的方法及系统 |
| CN114435393A (zh) * | 2020-11-04 | 2022-05-06 | 伟摩有限责任公司 | 用于自主驾驶系统的对轨道智能体的行为预测 |
| CN114464015A (zh) * | 2022-02-08 | 2022-05-10 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备以及存储介质 |
| CN116048087A (zh) * | 2023-02-10 | 2023-05-02 | 吉咖智能机器人有限公司 | 局部路径的规划方法、装置、电子设备及可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1991009375A1 (en) * | 1989-12-11 | 1991-06-27 | Caterpillar Inc. | Integrated vehicle positioning and navigation system, apparatus and method |
| EP0890470B1 (en) * | 1997-07-07 | 2001-09-19 | Honda Giken Kogyo Kabushiki Kaisha | Vehicle control system for lane changing |
| US8428820B2 (en) * | 2005-12-09 | 2013-04-23 | Hella KGAA Huek and Co. | Path planning |
| CN104271420A (zh) * | 2012-03-15 | 2015-01-07 | 谷歌公司 | 基于其他车辆的预测行为修改自主车辆的行为 |
| CN106030609A (zh) * | 2013-12-04 | 2016-10-12 | 移动眼视力科技有限公司 | 用于模仿前车的系统和方法 |
| CN106114507A (zh) * | 2016-06-21 | 2016-11-16 | 百度在线网络技术（北京）有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
| CN106218637A (zh) * | 2016-08-08 | 2016-12-14 | 合肥泰好乐电子科技有限公司 | 一种自动驾驶方法 |
| US20170369062A1 (en) * | 2016-06-23 | 2017-12-28 | Honda Motor Co., Ltd. | System and method for vehicle control using vehicular communication |
-
2019
- 2019-02-01 CN CN201910105018.0A patent/CN110356401B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1991009375A1 (en) * | 1989-12-11 | 1991-06-27 | Caterpillar Inc. | Integrated vehicle positioning and navigation system, apparatus and method |
| EP0890470B1 (en) * | 1997-07-07 | 2001-09-19 | Honda Giken Kogyo Kabushiki Kaisha | Vehicle control system for lane changing |
| US8428820B2 (en) * | 2005-12-09 | 2013-04-23 | Hella KGAA Huek and Co. | Path planning |
| CN104271420A (zh) * | 2012-03-15 | 2015-01-07 | 谷歌公司 | 基于其他车辆的预测行为修改自主车辆的行为 |
| CN106030609A (zh) * | 2013-12-04 | 2016-10-12 | 移动眼视力科技有限公司 | 用于模仿前车的系统和方法 |
| CN106114507A (zh) * | 2016-06-21 | 2016-11-16 | 百度在线网络技术（北京）有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
| US20170369062A1 (en) * | 2016-06-23 | 2017-12-28 | Honda Motor Co., Ltd. | System and method for vehicle control using vehicular communication |
| CN106218637A (zh) * | 2016-08-08 | 2016-12-14 | 合肥泰好乐电子科技有限公司 | 一种自动驾驶方法 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110908375A (zh) * | 2019-11-14 | 2020-03-24 | 北京三快在线科技有限公司 | 获取变道决策信息的方法、装置、存储介质和车辆 |
| WO2021103834A1 (zh) * | 2019-11-27 | 2021-06-03 | 初速度（苏州）科技有限公司 | 换道决策模型生成方法和无人车换道决策方法及装置 |
| CN112937564A (zh) * | 2019-11-27 | 2021-06-11 | 初速度（苏州）科技有限公司 | 换道决策模型生成方法和无人车换道决策方法及装置 |
| CN112863244B (zh) * | 2019-11-28 | 2023-03-14 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
| CN112863244A (zh) * | 2019-11-28 | 2021-05-28 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
| WO2021135371A1 (zh) * | 2019-12-31 | 2021-07-08 | 华为技术有限公司 | 一种自动驾驶方法、相关设备及计算机可读存储介质 |
| CN114435393A (zh) * | 2020-11-04 | 2022-05-06 | 伟摩有限责任公司 | 用于自主驾驶系统的对轨道智能体的行为预测 |
| CN112406869A (zh) * | 2021-01-25 | 2021-02-26 | 国汽智控(北京)科技有限公司 | 一种车辆换道控制方法及装置 |
| CN113173161A (zh) * | 2021-04-26 | 2021-07-27 | 安徽域驰智能科技有限公司 | 一种基于迭代预测模型的障碍物碰撞距离计算方法 |
| CN113173161B (zh) * | 2021-04-26 | 2022-07-05 | 安徽域驰智能科技有限公司 | 一种基于迭代预测模型的障碍物碰撞距离计算方法 |
| CN113486531B (zh) * | 2021-05-25 | 2023-08-25 | 四川见山科技有限责任公司 | 一种车辆行驶路径规划方法、设备及系统 |
| CN113486531A (zh) * | 2021-05-25 | 2021-10-08 | 四川见山科技有限责任公司 | 一种车辆行驶路径规划方法、设备及系统 |
| CN114267171A (zh) * | 2021-11-08 | 2022-04-01 | 南宁小欧技术开发有限公司 | 一种基于车辆轨迹预测的车辆控制的方法及系统 |
| CN114464015A (zh) * | 2022-02-08 | 2022-05-10 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备以及存储介质 |
| CN114464015B (zh) * | 2022-02-08 | 2023-05-02 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备以及存储介质 |
| CN116048087A (zh) * | 2023-02-10 | 2023-05-02 | 吉咖智能机器人有限公司 | 局部路径的规划方法、装置、电子设备及可读存储介质 |
| CN116048087B (zh) * | 2023-02-10 | 2024-04-09 | 吉咖智能机器人有限公司 | 局部路径的规划方法、装置、电子设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110356401B (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110356401A (zh) | 一种自动驾驶车辆及其变道控制方法和系统 | |
| US11635764B2 (en) | Motion prediction for autonomous devices | |
| CN111208813B (zh) | 一种自动驾驶车辆的动力学预测控制系统和方法 | |
| US10286915B2 (en) | Machine learning for personalized driving | |
| US10906549B2 (en) | Systems and methods of autonomously controlling vehicle lane change maneuver | |
| US10031521B1 (en) | Method and system for using weather information in operation of autonomous vehicles | |
| US10837790B2 (en) | Productive and accident-free driving modes for a vehicle | |
| CN109496188B (zh) | 用于切换车辆驾驶模式的系统和方法 | |
| US10586254B2 (en) | Method and system for adaptive vehicle control in autonomous vehicles | |
| US10083604B2 (en) | Method and system for collective autonomous operation database for autonomous vehicles | |
| CN110254432B (zh) | 共享道路事件数据的方法和系统 | |
| CN107816976A (zh) | 一种接近物体的位置确定方法和装置 | |
| US10845803B2 (en) | Method and apparatus for simultaneous processing and logging of automotive vision system with controls and fault monitoring | |
| US20200376927A1 (en) | Artificial intelligence in conditioning or thermal management of electrified powertrain | |
| CN110379193A (zh) | 自动驾驶车辆的行为规划方法及行为规划装置 | |
| US10818110B2 (en) | Methods and systems for providing a mixed autonomy vehicle trip summary | |
| CN107776574A (zh) | 一种自动驾驶车辆的驾驶模式切换方法和装置 | |
| CN110471411A (zh) | 自动驾驶方法和自动驾驶装置 | |
| JP6716792B2 (ja) | 自律走行車が問題状況に対処するための解決データの生成 | |
| US11820255B2 (en) | Predictive regenerative braking | |
| CN112672942B (zh) | 一种车辆换道方法及相关设备 | |
| WO2022016901A1 (zh) | 一种规划车辆行驶路线的方法以及智能汽车 | |
| CN110341704A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
| CN112829762A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
| US20230054974A1 (en) | Intersection Risk Indicator |
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 |