CN110389581A - 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 - Google Patents
用于为自动驾驶车辆生成障碍物的预测轨迹的方法 Download PDFInfo
- Publication number
- CN110389581A CN110389581A CN201811590129.7A CN201811590129A CN110389581A CN 110389581 A CN110389581 A CN 110389581A CN 201811590129 A CN201811590129 A CN 201811590129A CN 110389581 A CN110389581 A CN 110389581A
- Authority
- CN
- China
- Prior art keywords
- track
- barrier
- state
- transverse
- polynomial function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 29
- 230000004888 barrier function Effects 0.000 claims abstract description 99
- 230000006870 function Effects 0.000 claims abstract description 69
- 230000033001 locomotion Effects 0.000 claims abstract description 62
- 230000008447 perception Effects 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 28
- 238000003860 storage Methods 0.000 description 28
- 238000004891 communication Methods 0.000 description 17
- 230000001133 acceleration Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000630329 Scomberesox saurus saurus Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- G—PHYSICS
- 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
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/12—Lateral 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4044—Direction of movement, e.g. backwards
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
根据一个实施方式,基于感知在车道内驾驶的ADV周围的驾驶环境的感知数据,预测障碍物从起点移动到终点。根据车道的形状,生成从起点到终点的纵向移动轨迹。生成从起点到终点的横向移动轨迹,包括使用第一多项式函数优化横向移动轨迹的形状。然后组合纵向移动轨迹和横向移动轨迹以形成预测障碍物如何移动的最终预测轨迹。根据障碍物的预测轨迹生成路径以控制ADV移动,例如,以避免与障碍物碰撞。
Description
技术领域
本公开的实施方式总体上涉及操作自动驾驶车辆。更具体地,本公开的实施方式涉及为自动驾驶车辆生成障碍物的预测轨迹。
背景技术
以自动驾驶模式运行(例如,无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时,车辆可以使用车载传感器导航到各个位置,从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
运动规划和控制是自动驾驶中的关键操作。在规划路径以控制自动驾驶车辆(ADV)时,系统将基于ADV周围的驾驶环境预测所感知的每个障碍物的移动。通常,当预测表示障碍物的横向移动路径的移动轨迹时,传统系统利用固定的指数曲线。然而,这种曲线有时不与障碍物的前进方向对准。另外,传统系统也没有考虑车道的形状,这可能对乘客造成安全或舒适问题。
发明内容
本公开的一个方面涉及一种用于在自动驾驶期间预测障碍物轨迹的计算机实施的方法。所述方法包括:基于感知在车道内驾驶的自动驾驶车辆(ADV)周围的驾驶环境的感知数据来预测障碍物从起点移动到终点;根据所述车道的形状,生成从所述起点到所述终点的纵向移动轨迹;生成从所述起点到所述终点的横向移动轨迹,包括使用第一多项式函数优化所述横向移动轨迹的形状;组合所述纵向移动轨迹和所述横向移动轨迹,以生成预测所述障碍物将如何移动的预测轨迹;以及根据所述障碍物的所述预测轨迹,控制所述ADV移动。
本公开的另一方面涉及一种存储有指令的非暂时性机器可读介质。所述指令在由处理器执行时使所述处理器执行操作。所述操作包括:基于感知在车道内驾驶的自动驾驶车辆(ADV)周围的驾驶环境的感知数据来预测障碍物从起点移动到终点;根据所述车道的形状,生成从所述起点到所述终点的纵向移动轨迹;生成从所述起点到所述终点的横向移动轨迹,包括使用第一多项式函数优化所述横向移动轨迹的形状;组合所述纵向移动轨迹和所述横向移动轨迹,以生成预测所述障碍物将如何移动的预测轨迹;以及根据所述障碍物的预测轨迹,控制所述ADV移动。
本公开的又一方面涉及一种数据处理系统,其包括处理器以及联接到所述处理器以存储指令的存储器。所述指令在由所述处理器执行时使所述处理器执行操作。所述操作包括:基于感知在车道内驾驶的自动驾驶车辆(ADV)周围的驾驶环境的感知数据来预测障碍物从起点移动到终点;根据所述车道的形状,生成从所述起点到所述终点的纵向移动轨迹;生成从所述起点到所述终点的横向移动轨迹,包括使用第一多项式函数优化所述横向移动轨迹的形状;组合所述纵向移动轨迹和所述横向移动轨迹,以生成预测所述障碍物将如何移动的预测轨迹;以及根据所述障碍物的预测轨迹,控制所述ADV移动。
附图说明
本公开的实施方式在附图的各图中以举例而非限制的方式示出,附图中的相同的附图标记指代相似的元件。
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4是示出根据一个实施方式的预测模块的示例的框图。
图5是示出根据一个实施方式的用于预测障碍物的移动轨迹的驾驶场景的框图。
图6示出了根据一个实施方式的横向移动轨迹的示例。
图7示出了可用于确定纵向轨迹的终点的曲线车道的示例。
图8A和图8B示出了根据某些实施方式的用于不同车道的纵向移动路径的示例。
图9是示出根据一个实施方式的用于预测障碍物的移动的过程的示例的流程图。
图10是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面,并且附图将示出各种实施方式。以下描述和附图是对本公开的说明,并且不应被解释为限制本公开。描述了许多特定细节以提供对本公开各种实施方式的全面理解。然而,在某些情况下,并未描述众所周知的或常规的细节以提供对本公开的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指相同的实施方式。
根据一些实施方式,当预测障碍物的移动轨迹时,预测系统或模块将轨迹预测划分为两部分:1)纵向移动轨迹生成;和2)横向移动轨迹生成。生成横向移动轨迹(也简称为横向轨迹)包括使用第一多项式函数优化轨迹。生成纵向移动轨迹(也简称为纵向轨迹)包括使用第二多项式函数优化轨迹。基于障碍物的当前状态作为初始状态和障碍物的预测结束状态作为一组约束项来执行优化,使得轨迹至少与障碍物的当前前进方向平滑地对准。基于被预测的障碍物移动到的车道的形状来确定结束状态。一旦定义并生成了纵向移动轨迹和横向移动轨迹,就可通过组合纵向移动轨迹和横向移动轨迹来确定障碍物的最终预测轨迹。因此,基于障碍物的当前状态和车道的形状,障碍物的预测轨迹更准确。
根据一个实施方式,基于感知在车道内驾驶的ADV周围的驾驶环境的感知数据预测障碍物从起点移动到终点。考虑到车道的形状,生成从起点到终点的纵向移动轨迹。生成从起点到终点的横向移动轨迹包括使用第一多项式函数优化横向移动轨迹的形状。然后组合纵向移动轨迹和横向移动轨迹以形成预测障碍物如何移动的最终预测轨迹。根据障碍物的预测轨迹生成路径以控制ADV移动,例如,以避免与障碍物碰撞。
纵向移动轨迹和横向移动轨迹被优化以基于障碍物的当前前进方向生成平滑轨迹。第一多项式函数包括五次多项式函数。在优化横向移动轨迹时,在一个实施方式中,基于障碍物的当前状态(例如,位置、速度、前进方向)确定与障碍物相关联的一组初始横向状态(也称为横向初始状态)。还基于障碍物的当前状态确定一组结束横向状态(也称为横向结束状态)。初始横向状态和结束横向状态被用作第一多项式函数需满足以优化横向移动轨迹的一组约束项。
根据另一实施方式,在优化纵向移动轨迹时,利用诸如四次多项式函数的第二多项式函数。基于障碍物的当前状态确定一组初始纵向状态和结束纵向状态(也称为纵向初始状态和纵向结束状态)。初始纵向状态和结束纵向状态被用作为使用第二多项式函数进行优化的一组约束项的一部分。
图1是示出根据本公开的一个实施方式的自动驾驶车辆网络配置的框图。参考图1,网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆,但多个自动驾驶车辆可以通过网络102联接到彼此和/或联接到服务器103至104。网络102可以是任何类型的网络,例如,有线或无线的局域网(LAN)、诸如互联网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器群集,诸如,网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或者位置服务器等。
自动驾驶车辆是指可以被配置成处于自动驾驶模式下的车辆,在所述自动驾驶模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统,所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自动驾驶模式下或者在部分自动驾驶模式下运行。
在一个实施方式中,自动驾驶车辆101包括,但不限于,感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、资讯娱乐系统114和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件,诸如:发动机、车轮、方向盘、变速器等,所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制,该多种通信信号和/或命令例如,加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。
部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如,部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议,但也用于许多其它环境。
现在参考图2,在一个实施方式中,传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器,所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和方位变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中,除感测对象之外,雷达单元214可以另外感测对象的速度和/或前进方向。LIDAR单元215可以使用激光来感测自动驾驶车辆所处环境中的对象。除其它系统部件之外,LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来采集自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和/或视频摄像机。摄像机可以是可机械地移动的,例如,通过将摄像机安装在旋转和/或倾斜平台上。
传感器系统115还可以包括其它传感器,诸如:声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器(例如,麦克风)。音频传感器可以被配置成从自动驾驶车辆周围的环境中采集声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下,油门传感器和制动传感器可以集成为集成式油门/制动传感器。
在一个实施方式中,车辆控制系统111包括但不限于转向单元201、油门单元202(也被称为加速单元)和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度,电动机或发动机的速度进而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减速而使车辆减速。应注意,如图2所示的部件可以以硬件、软件或其组合实施。
回到图1,无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其它车辆等外部系统之间的通信。例如,无线通信系统112可以与一个或多个装置直接无线通信,或者经由通信网络进行无线通信,诸如,通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN),例如,使用WiFi,以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置(例如,乘客的移动装置、显示装置、车辆101内的扬声器)直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分,包括例如键盘、触摸屏显示装置、麦克风和扬声器等。
自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理,尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件(例如,处理器、存储器、存储设备)和软件(例如,操作系统、规划和路线安排程序),以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息,处理所接收的信息,规划从起始点到目的地点的路线或路径,随后基于规划和控制信息来驾驶车辆101。替代地,感知与规划系统110可以与车辆控制系统111集成在一起。
例如,作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如,感知与规划系统110可以从MPOI服务器中获得位置和路线信息,所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务,并且MPOI服务器提供地图服务和某些位置的POI。替代地,此类位置和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。
当自动驾驶车辆101沿着路线移动时,感知与规划系统110也可以从交通信息系统或服务器(TIS)获得实时交通信息。应注意,服务器103至104可以由第三方实体进行操作。替代地,服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据(例如,障碍物、对象、附近车辆),感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101,以安全且高效到达指定目的地。
服务器103可为用于为各种客户端执行数据分析服务的数据分析系统。在一个实施方式中,数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从多种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括表示在不同的时间点处由车辆的传感器捕获的所发出的驾驶命令(例如,油门命令、制动命令和转向命令)以及车辆的响应(例如,速度、加速度、减速度、方向)的信息。驾驶统计数据123还可包括描述不同的时间点处的驾驶环境的信息,诸如,例如,路线(包括起点位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计数据123,机器学习引擎122针对各种目的生成或训练规则集、算法和/或预测模型124。在一个实施方式中,算法124包括基于ADV周围的驾驶环境来预测由感知模块(诸如感知模块302)感知的障碍物的移动轨迹的算法。具体地,算法124可包括生成纵向移动轨迹的算法、生成横向移动轨迹的算法、以及组合纵向移动轨迹和横向移动轨迹以生成预测障碍物在下一个预定时间段(例如,下一个规划或驾驶周期)中将如何移动的最终预测轨迹的算法。然后,可将这样的算法124上传到ADV上,以在自动驾驶期间实时预测障碍物的移动轨迹。
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和路线制定模块307。
模块301至307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307中的一些可一起集成为集成模块。
定位模块301确定自动驾驶车辆300的当前位置(例如,利用GPS单元212)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开始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它组件通信,以获得行程相关数据。例如,定位模块301可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,以及MPOI服务器提供地图服务和某些位置的POI,这些可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也可从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息,感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置、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。车道配置包括描述一个或多个车道的信息,诸如,例如,车道的形状(直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合流或分流车道、出口车道等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能,以处理并分析由一个或多个摄像机采集的图像,从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中,计算机视觉系统可以绘制环境地图,跟踪对象,以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。
针对每个对象,预测模块303预测该对象在此情形下将表现什么。根据一组地图/路线信息311和交通规则312,基于在该时间点感知驾驶环境的感知数据来执行预测。例如,如果对象是处于相反方向的车辆并且当前驾驶环境包括十字路口,则预测模块303将预测车辆是将可能直线向前移动还是进行转弯。如果感知数据表明十字路口没有交通灯,则预测模块303可预测车辆在进入十字路口之前可能需要完全停止。如果感知数据表明车辆当前处于仅左转弯车道或仅右转弯车道,则预测模块303可分别预测车辆将更可能向左转弯或向右转弯。
针对每个对象,决策模块304作出关于如何处置对象的决定。例如,针对特定对象(例如,交叉路线中的另一车辆)以及描述对象的元数据(例如,速度、方向、转弯角度),决策模块304决定如何与所述对象相遇(例如,超车、让行、停止、超过)。决策模块304可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,所述规则集可存储在永久性存储装置352中。
路线制定模块307配置成提供从起点到目的点的一个或多个路线或路径。对于从开始位置到目的地位置的给定行程(例如,从用户接收的),路线制定模块307获得路线和地图信息311,并且确定从开始位置至到达目的地位置的所有可能的路线或路径。路线制定模块307可以以地形图的形式生成用于其确定的从开始位置至到达目的地位置的路线中的每个的参考线。参考线指的是理想的路线或路径,而不受诸如其他车辆、障碍物或交通状况的其他事物的任何干扰。即,如果道路上不存在其他车辆、行人或障碍物,则ADV应该精确地或紧密地遵循参考线。然后,地形图被提供至决策模块304和/或规划模块305。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、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况),决策模块304和/或规划模块305检查所有可能的路线以选择和修改最优路线中的一个。用于控制ADV的实际路径或路线可与由路线制定模块307提供的参考线接近或不同,这取决于该时间点的特定驾驶环境。
基于针对所感知到的对象中的每个的决定,规划模块305使用由路线制定模块307提供的参考线作为基础来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)。即,针对给定的对象,决策模块304决定对该对象做什么,而规划模块305确定如何去做。例如,针对给定的对象,决策模块304可以决定超过所述对象,而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成,包括描述车辆300在下一移动循环(例如,下一路线/路径段)中将如何移动的信息。例如,规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米,随后以25mph的速度变到右侧车道。
基于规划和控制数据,控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息,以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如,油门命令、制动命令和转向命令)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,在多个规划周期(也被称为驾驶周期)(诸如,例如,在每100毫秒(ms)的时间间隔中)中执行规划阶段。针对规划周期或驾驶周期中的每个,将基于规划数据和控制数据发出一个或多个控制命令。即,对于每个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/或转向角等。在一个实施方式中,规划模块305为下一预定时间段(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基于先前周期中规划的目标位置来规划当前周期(例如,接下来的5秒)的目标位置。然后,控制模块306基于当前周期的规划数据和控制数据生成一个或多个控制命令(例如,油门命令、制动命令、转向控制命令)。
应注意,决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能,以确定自动驾驶车辆的驾驶路径。例如,导航系统可以确定用于影响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。
根据一个实施方式,当预测障碍物的移动轨迹时,预测模块303将轨迹预测划分为两个部分:1)纵向移动轨迹生成;和2)横向移动轨迹生成。横向移动轨迹由预测模块303生成,包括使用第一多项式函数优化轨迹。纵向移动轨迹由预测模块303生成,包括使用第二多项式函数优化轨迹。基于障碍物的当前状态作为开始状态和预测的障碍物的结束状态作为一组约束项来执行优化,使得轨迹与障碍物的当前前进方向平滑地对准。障碍物或ADV的状态包括描述障碍物或ADV的位置(例如,x,y,z)、速度、前进方向和/或加速度的信息。基于被预测的障碍物移动到的车道的形状来确定结束状态。ADV和/或障碍物的状态可被保持并存储为驾驶统计313的一部分。类似地,在自动驾驶期间生成的轨迹可被存储为轨迹314的一部分。轨迹314也可被存储为驾驶统计313的一部分。
一旦已经定义并生成纵向移动轨迹和横向移动轨迹,预测模块303通过组合纵向移动轨迹和横向移动轨迹来生成障碍物的最终预测轨迹。因此,基于障碍物的当前状态和车道的形状,障碍物的预测轨迹更准确。
图4是示出根据一个实施方式的预测模块的示例的框图。参考图4,预测模块303包括但不限于纵向轨迹生成器401(也简称为纵向轨迹模块)、横向轨迹生成器402(也简称为横向轨迹模块)和轨迹聚合器403,其中,模块401-403可用软件、硬件或其组合来实施。
根据一个实施方式,基于由感知模块302提供的感知数据,预测模块303基于感知在车道内驾驶的ADV周围的驾驶环境的感知数据来预测障碍物从起点到终点的移动。纵向轨迹生成器401基于车道的形状生成从起点到终点的纵向移动轨迹。横向轨迹生成器402生成从起点到终点的横向移动轨迹,包括使用第一多项式函数优化横向移动轨迹的形状。然后,轨迹聚合器403组合纵向移动轨迹和横向移动轨迹,以形成预测障碍物如何移动的最终预测轨迹。然后,例如通过规划模块305生成路径,以根据障碍物的预测轨迹控制ADV移动,例如,以避免与障碍物碰撞。
纵向移动轨迹和横向移动轨迹分别由纵向轨迹生成器401和横向轨迹生成器402优化,以基于障碍物的当前前进方向生成平滑轨迹。第一多项式函数包括五次多项式函数。在优化横向移动轨迹时,在一个实施方式中,基于障碍物的当前状态(例如,位置、速度、前进方向)确定与障碍物相关联的一组初始横向状态。还基于障碍物的当前状态确定一组结束横向状态。初始横向状态和结束横向状态被用作第一多项式函数需满足以优化横向移动轨迹的一组约束项。
根据另一实施方式,在优化纵向移动轨迹时,利用诸如四次多项式函数的第二多项式函数。基于障碍物的当前状态确定一组初始纵向状态和结束纵向状态。初始纵向状态和结束纵向状态被用作为使用第二多项式函数进行优化的一组约束项的一部分。
现在参考图5,在该示例中,ADV 501在车道511上行驶,并且车辆502(作为障碍物的示例)正在从车道512向车道511改变车道。假设ADV 501和车辆502最终将沿着车道511的中心线(例如,参考线)驾驶。当预测模块303确定这样的驾驶场景时,预测模块303配置成预测车辆502将在时间t0开始,进入车道511,并且在时间t1到达车道511的中心线。然后,预测模块303预测并确定轨道505,车辆502将沿着轨道505从位置502A进入车道511以在时间t1到位置502B。这样的轨迹505将影响规划模块305如何规划ADV 501在车道511内移动或改变到另一车道(例如,车道512)的路径。传统的自动驾驶系统将利用诸如指数曲线的固定曲线来确定车辆502的横向轨迹,而不考虑车辆502的一些当前状态(例如,速度和前进方向),并且不考虑车道511的形状。
根据一个实施方式,现在参考图4和图5,当感知模块302在时间t0检测并感知车辆502时,调用预测模块303以预测车辆502在近期(即,下一个规划周期)将怎样并如何移动。在预测车辆502在预定时间段内将如何移动时,在该示例中,在预测车辆502将到达车道511的中心线的时间t1,预测模块302预测车辆502将移动的轨迹505。轨迹505的形状可对如何规划ADV 501的路径或轨迹具有影响。
在确定轨迹505时,确定车辆502在时间t0的初始状态,其包括在时间t0的起点502A处的车辆502的位置(例如,x,y,z)、速度、前进方向和加速度。还估计了在时间t1的终点502B处的车辆502的结束状态。生成在起点502A与终点502B之间的轨迹505。然后使用基于车辆502的初始状态和结束状态的多项式函数来优化轨迹505,使得车辆502可平稳地,即安全且舒适地沿着轨迹505驾驶。
根据一个实施方式,在预测轨迹505时,将预测划分成两部分:(1)横向轨迹预测/生成;和(2)纵向轨迹预测/生成。横向轨迹生成器402配置成生成横向轨迹,并且纵向轨迹生成器401配置成使用一个或多个多项式优化函数生成纵向轨迹,也称为轨迹的多项式拟合。即,目标预测轨迹被优化为类似于由满足一组约束项的多项式函数定义的曲线。基于目标轨迹的初始状态和结束状态来定义一组约束项,使得至少轨迹的前进方向和曲率与初始起点的位置、速度和前进方向(即,初始状态)对准。因此,预测的轨迹类似于普通驾驶员在这种情况下将驾驶的轨迹。
根据一个实施方式,当使用第一多项式函数生成横向移动轨迹时,确定初始横向状态。初始横向状态包括初始横向偏移(l0)、初始横向速度和初始横向加速度初始横向速度表示初始横向偏移对时间的导数(dl0/dt)。初始横向加速度表示初始横向速度的导数
为了确定结束横向状态,横向轨迹生成器402首先计算从初始横向偏移和初始横向速度到达车道中心的时间(tl)。假设结束横向偏移(l1)是0(例如,如图5所示的s/t轴),因为假设车辆在到达车道中心之后将沿着车道中心线移动。还假设结束横向速度是0,结束横向速度是结束横向偏移对时间的一阶导数。这是由于假设车辆没有试图离开车道中心。还假设结束横向加速度是0,结束横向加速度是结束横向偏移对时间的二阶导数。这是由于假设车辆没有试图离开车道中心。
给定在时间t0的初始横向状态和在时间tlat(在该示例中,如图5所示的t1)的结束横向状态在一个实施方式中,例如如图6所示,横向轨迹生成器402可为轨迹的横向部分拟合五次多项式l(t)生成横向移动轨迹。该五次多项式满足以下条件:
在代数中,五次函数是以下形式的函数:
l(x)=ax5+bx4+cx3+dx2+cx+f
系数a、b、c、d、e和f是域(field)的成员,通常是有理数、实数或复数,并且a是非零的。换言之,五次函数由五次多项式定义。由于初始横向状态和结束横向状态构成作为约束项的五个方程,所以上述五次多项式函数可在满足上述一组约束项的同时基于初始横向状态和结束横向状态被优化(例如,平滑且连续)。
根据一个实施方式,在使用第二多项式函数生成纵向移动轨迹时,纵向轨迹生成器401需要确定初始纵向状态和结束纵向状态。初始纵向状态可从车辆的当前状态(例如,位置、速度、前进方向、加速度等)导出。返回参考图5,初始纵向状态包括初始纵向偏移s0、初始纵向速度和初始纵向加速度
在计算结束纵向状态之前,纵向轨迹生成器401首先计算到达结束纵向状态的时间。在确定到达结束纵向状态的时间时,纵向轨迹生成器401考虑由曲率表示的车道的形状。车道可以是大致直线或弯曲的车道。现在参考图7,纵向轨迹生成器401搜索在ADV 501前方的一定距离(例如,150米)的车道。在一个实施方式中,确定最大曲率(k)的位置并表示为s1。
在一个实施方式中,基于曲率k,可使用以下公式获得在具有最大曲率的点s1处的速度:
v(κ)=8.5-45.8×(κ-0.02)当κ∈(0.02,0.14)
其中当κ≥0.14时v(κ)=3。
如果最大曲率k大于0.02半径每米(半径/米),则可以利用上面所描述的公式来计算该位置上的速度,其为结束纵向速度图8A示出了曲线车道上的纵向移动轨迹的示例,其中,ADV与障碍物之间的距离(S)逐渐减小。达到该结束纵向速度的时间可通过恒定减速运动来计算:
如果最大曲率小于0.02半径/米,则意味着车道是直的。在这种情况下,可将结束纵向速度指定为与当前速度相同,并且达到结束纵向速度的时间tlong可设置为默认值5.0,其表示预测时段的持续时间。在两种情况下,假设结束纵向加速度是0。图8B示出了在相对笔直的车道上的纵向移动轨迹的示例,其中,ADV和障碍物维持它们之间的相对相同的速度或距离。在该示例中,ADV与障碍物之间的距离(S)保持恒定。
在一个实施方式中,纵向轨迹生成器401可通过表示为s(t)的四次多项式来计算轨迹的纵向部分。该四次多项式满足以下条件
四次多项式函数可定义如下:
f(x)=ax4+bx3+cx2+dx+e
为了形成最终轨迹,我们给出一系列时间点{t0,t1,t2,…,tn},并且定义并提供所计算的横向多项式l(t)和纵向多项式s(t)。针对每个时间点ti,轨迹聚合器403可计算
si=s(ti),li=l(ti)
针对每对(si,li),轨迹聚合器403可形成笛卡尔坐标中的点(xi,yi)。并且最终,轨迹聚合器403可生成点序列{(x0,y0),(x1,y1),…,(xn,yn)}以形成最终预测轨迹。基于预测的障碍物的轨迹,可根据障碍物的移动规划ADV的路径以进行导航,例如,以避免与障碍物碰撞。
术语多项式优化或多项式拟合是指由多项式函数表示的曲线形状(在该示例中,轨迹)的优化,使得曲线沿曲线连续(例如,可以得到导数)。在自动驾驶的领域中,从起点到终点的多项式曲线被划分成多个段(或多个块),每个段对应于控制点(或参考点)。这种分段多项式曲线被称为分段多项式。当优化分段多项式时,除了必须满足一组初始状态约束项和一组结束状态约束项之外,还必须满足两个相邻段之间的一组联合约束项和一组边界约束项。
包括相邻段的位置(x,y)、速度、前进方向和加速度的一组联合约束项必须相同。例如,第一段(例如,前段)的结束位置与第二段(例如,随后段)的起始位置必须相同或在预定的接近范围内。第一段的结束位置的速度、前进方向和加速度与第二段的起始位置的相应速度、前进方向和加速度必须相同或在预定范围内。另外,每个控制点与预定边界(例如,围绕控制点的左右0.2米)相关联。多项式曲线必须经过其相应边界内的每个控制点。当在优化期间满足这两组约束项时,表示轨迹的多项式曲线应该是平滑且连续的。
图9是示出根据一个实施方式的预测障碍物的轨迹的过程的流程图。过程900可由处理逻辑执行,处理逻辑可包括软件、硬件或其组合。例如,过程900可由预测模块303执行。参考图9,在操作901中,处理逻辑基于感知在车道内驾驶的ADV周围的驾驶环境的感知数据预测障碍物正在从起点移动到终点。在操作902中,处理逻辑基于车道的形状生成从起点到终点的纵向移动轨迹。在操作903中,处理逻辑生成从起点到终点的横向移动轨迹,包括使用第一多项式函数优化横向移动轨迹的形状。在操作904中,组合纵向移动轨迹和横向移动轨迹以形成最终预测轨迹。在操作905中,根据障碍物的预测轨迹控制ADV移动。在一个实施方式中,使用第二多项式函数优化纵向移动轨迹。第一多项式函数可以是五次多项式函数,以及将第二多项式函数可以是四次多项式函数。
应注意,如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如,此类部件可以实施为安装并存储在永久性存储装置中的软件,所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地,此类部件可以实施为编程或嵌入到专用硬件(诸如,集成电路(例如,专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码,所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外,此类部件可以实施为处理器或处理器内核中的特定硬件逻辑,作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。
图10是示出可以与本公开的一个实施方式一起使用的数据处理系统的示例的框图。例如,系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统,例如,图1的感知与规划系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路(IC)、集成电路的部分、分立电子装置或适用于电路板(诸如,计算机系统的主板或插入卡)的其它模块或者实施为以其它方式并入计算机系统的机架内的部件。
还应注意,系统1500旨在示出计算机系统的许多部件的高阶视图。然而,应当理解的是,某些实施例中可以具有附加的部件,此外,其它实施例中可以具有所示部件的不同布置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外,虽然仅示出了单个机器或系统,但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。
在一个实施方式中,系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器,诸如,微处理器、中央处理单元(CPU)等。更具体地,处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器,诸如,专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。
处理器1501(其可以是低功率多核处理器套接口,诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口,图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。
处理器1501可以与存储器1503通信,存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)装置,诸如,随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可以存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如,各种操作系统、装置驱动程序、固件(例如,输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统,例如,机器人操作系统(ROS)、来自公司的操作系统、来自苹果公司的Mac 来自公司的LINUX、UNIX,或者其它实时或嵌入式操作系统。
系统1500还可以包括IO装置,诸如装置1505至1508,包括网络接口装置1505、可选的输入装置1506,以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如,全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。
输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如,手写笔)和/或键盘(例如,物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如,输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种,以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。
IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风,以促进支持语音的功能,诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如,PCI-PCI桥)、传感器(例如,诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如,摄像机),所述成像处理子系统可以包括用于促进摄像机功能(诸如,记录照片和视频片段)的光学传感器,诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510,而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。
为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储,大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方式中,为了实现更薄且更轻的系统设计并且改进系统响应性,这种大容量存储设备可以经由固态装置(SSD)来实施。然而,在其它实施方式中,大容量存储设备可以主要使用硬盘驱动器(HDD)来实施,其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储,从而使得在系统活动重新启动时能够实现快速通电。另外,闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储,所述系统软件包括所述系统的BIOS以及其它固件。
存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质),其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如,模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个,诸如,例如,预测模块303、规划模块305和/或控制模块306。处理模块/单元/逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和/或处理器1501内,数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。
计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质,但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质(例如,集中式或分布式数据库和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质,所述指令集用于由机器执行并且使得所述机器执行本公开的任何一种或多种方法。因此,术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质,或者任何其它非暂时性机器可读介质。
本文所述的处理模块/单元/逻辑1528、部件以及其它特征可以实施为分立硬件部件或集成在硬件部件(诸如,ASICS、FPGA、DSP或类似装置)的功能中。此外,处理模块/单元/逻辑1528可以实施为硬件装置内的固件或功能电路。此外,处理模块/单元/逻辑1528可以以硬件装置和软件部件的任何组合来实施。
应注意,虽然系统1500被示出为具有数据处理系统的各种部件,但是并不旨在表示使部件互连的任何特定架构或方式;因为此类细节和本公开的实施方式没有密切关系。还应当认识到,具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和/或其它数据处理系统也可以与本公开的实施方式一起使用。
前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式,以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中,算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。
然而,应当牢记,所有这些和类似的术语均旨在与适当的物理量关联,并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其它方式明确地指出,否则应当了解,在整个说明书中,利用术语(诸如所附权利要求书中所阐述的术语)进行的讨论是指计算机系统或类似电子计算装置的动作和处理,所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理(电子)量的数据,并将所述数据变换成计算机系统存储器或寄存器或者其它此类信息存储设备、传输或显示装置内类似地表示为物理量的其它数据。
本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机构。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质(例如,只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存存储器装置)。
前述附图中所描绘的过程或方法可以由处理逻辑来执行,所述处理逻辑包括硬件(例如,电路、专用逻辑等)、软件(例如,体现在非暂时性计算机可读介质上)或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的,但是应当了解,所述操作中的一些可以按不同的顺序执行。此外,一些操作可以并行地执行而不是顺序地执行。
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 (21)
1.一种用于在自动驾驶期间预测障碍物轨迹的计算机实施的方法,所述方法包括:
基于感知在车道内驾驶的自动驾驶车辆(ADV)周围的驾驶环境的感知数据来预测障碍物从起点移动到终点;
根据所述车道的形状,生成从所述起点到所述终点的纵向移动轨迹;
生成从所述起点到所述终点的横向移动轨迹,包括使用第一多项式函数优化所述横向移动轨迹的形状;
组合所述纵向移动轨迹和所述横向移动轨迹,以生成预测所述障碍物将如何移动的预测轨迹;以及
根据所述障碍物的所述预测轨迹,控制所述自动驾驶车辆移动。
2.根据权利要求1所述的方法,其中,所述纵向移动轨迹和所述横向移动轨迹被优化,以根据所述障碍物的当前前进方向生成平滑轨迹。
3.根据权利要求1所述的方法,其中,所述第一多项式函数是五次多项式函数。
4.根据权利要求1所述的方法,还包括:
基于所述障碍物的当前状态,确定所述障碍物的与所述起点相关联的一组初始横向状态;以及
基于所述障碍物的当前状态,确定与所述终点相关联的一组结束横向状态,其中,所述初始横向状态和所述结束横向状态被用作所述第一多项式函数的第一组约束项,以优化所述横向移动轨迹。
5.根据权利要求1所述的方法,其中,生成纵向移动轨迹包括使用第二多项式函数优化所述纵向移动轨迹的形状。
6.根据权利要求5所述的方法,其中,所述第二多项式函数是四次多项式函数。
7.根据权利要求5所述的方法,还包括:
基于所述障碍物的当前状态,确定所述障碍物的与所述起点相关联的一组初始纵向状态;以及
基于所述障碍物的当前状态,确定与所述终点相关联的一组结束纵向状态,其中,所述初始纵向状态和所述结束纵向状态被用作所述第二多项式函数的第二组约束项,以优化所述纵向移动轨迹。
8.一种存储有指令的非暂时性机器可读介质,所述指令在由处理器执行时使所述处理器执行操作,所述操作包括:
基于感知在车道内驾驶的自动驾驶车辆(ADV)周围的驾驶环境的感知数据来预测障碍物从起点移动到终点;
根据所述车道的形状,生成从所述起点到所述终点的纵向移动轨迹;
生成从所述起点到所述终点的横向移动轨迹,包括使用第一多项式函数优化所述横向移动轨迹的形状;
组合所述纵向移动轨迹和所述横向移动轨迹,以生成预测所述障碍物将如何移动的预测轨迹;以及
根据所述障碍物的预测轨迹,控制所述自动驾驶车辆移动。
9.根据权利要求8所述的机器可读介质,其中,所述纵向移动轨迹和所述横向移动轨迹被优化,以根据所述障碍物的当前前进方向生成平滑轨迹。
10.根据权利要求8所述的机器可读介质,其中,所述第一多项式函数是五次多项式函数。
11.根据权利要求8所述的机器可读介质,其中,所述操作还包括:
基于所述障碍物的当前状态,确定所述障碍物的与所述起点相关联的一组初始横向状态;以及
基于所述障碍物的当前状态,确定与所述终点相关联的一组结束横向状态,其中,所述初始横向状态和所述结束横向状态被用作所述第一多项式函数的第一组约束项,以优化所述横向移动轨迹。
12.根据权利要求8所述的机器可读介质,其中,生成纵向移动轨迹包括使用第二多项式函数优化所述纵向移动轨迹的形状。
13.根据权利要求12所述的机器可读介质,其中,所述第二多项式函数是四次多项式函数。
14.根据权利要求12所述的机器可读介质,其中,所述操作还包括:
基于所述障碍物的当前状态,确定所述障碍物的与所述起点相关联的一组初始纵向状态;以及
基于所述障碍物的当前状态,确定与所述终点相关联的一组结束纵向状态,其中,所述初始纵向状态和所述结束纵向状态被用作所述第二多项式函数的第二组约束项,以优化所述纵向移动轨迹。
15.一种数据处理系统,包括:
处理器;以及
存储器,联接到所述处理器以存储指令,所述指令在由所述处理器执行时使所述处理器执行操作,所述操作包括:
基于感知在车道内驾驶的自动驾驶车辆(ADV)周围的驾驶环境的感知数据来预测障碍物从起点移动到终点;
根据所述车道的形状,生成从所述起点到所述终点的纵向移动轨迹;
生成从所述起点到所述终点的横向移动轨迹,包括使用第一多项式函数优化所述横向移动轨迹的形状;
组合所述纵向移动轨迹和所述横向移动轨迹,以生成预测所述障碍物将如何移动的预测轨迹;以及
根据所述障碍物的预测轨迹,控制所述自动驾驶车辆移动。
16.根据权利要求15的系统,其中,所述纵向移动轨迹和所述横向移动轨迹被优化,以根据所述障碍物的当前前进方向生成平滑轨迹。
17.根据权利要求15的系统,其中,所述第一多项式函数是五次多项式函数。
18.根据权利要求15的系统,其中,所述操作还包括:
基于所述障碍物的当前状态,确定所述障碍物的与所述起点相关联的一组初始横向状态;以及
基于所述障碍物的当前状态,确定与所述终点相关联的一组结束横向状态,其中,所述初始横向状态和所述结束横向状态被用作所述第一多项式函数的第一组约束项,以优化所述横向移动轨迹。
19.根据权利要求15的系统,其中,生成纵向移动轨迹包括使用第二多项式函数优化所述纵向移动轨迹的形状。
20.根据权利要求19的系统,其中,所述第二多项式函数是四次多项式函数。
21.根据权利要求19的系统,其中,所述操作还包括:
基于所述障碍物的当前状态,确定所述障碍物的与所述起点相关联的一组初始纵向状态;以及
基于所述障碍物的当前状态,确定与所述终点相关联的一组结束纵向状态,其中,所述初始纵向状态和所述结束纵向状态被用作所述第二多项式函数的第二组约束项,以优化所述纵向移动轨迹。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/955,498 US11378961B2 (en) | 2018-04-17 | 2018-04-17 | Method for generating prediction trajectories of obstacles for autonomous driving vehicles |
US15/955,498 | 2018-04-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110389581A true CN110389581A (zh) | 2019-10-29 |
CN110389581B CN110389581B (zh) | 2022-07-19 |
Family
ID=68161693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811590129.7A Active CN110389581B (zh) | 2018-04-17 | 2018-12-25 | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11378961B2 (zh) |
JP (1) | JP6748259B2 (zh) |
CN (1) | CN110389581B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110895406A (zh) * | 2019-11-11 | 2020-03-20 | 北京三快在线科技有限公司 | 一种基于干扰物轨迹规划的无人设备的测试方法及装置 |
CN111338353A (zh) * | 2020-03-26 | 2020-06-26 | 吉林大学 | 一种动态驾驶环境下智能车辆变道轨迹规划方法 |
CN111537950A (zh) * | 2020-04-14 | 2020-08-14 | 哈尔滨工业大学 | 一种基于位置指纹和二步多项式拟合的卫星位置预测跟踪方法 |
CN111650945A (zh) * | 2020-06-28 | 2020-09-11 | 北京智行者科技有限公司 | 动态障碍物防撞方法 |
CN112179344A (zh) * | 2020-08-28 | 2021-01-05 | 达闼机器人有限公司 | 基于机器人坐标系的轨迹生成方法、装置及计算设备 |
CN112519783A (zh) * | 2020-12-04 | 2021-03-19 | 中南大学 | 一种智能驾驶的自底向上平滑轨迹生成方法及系统 |
CN112985435A (zh) * | 2019-12-12 | 2021-06-18 | 百度(美国)有限责任公司 | 用于操作自主驾驶车辆的方法及系统 |
CN112977472A (zh) * | 2019-12-12 | 2021-06-18 | 百度(美国)有限责任公司 | 预测车辆的移动轨迹的方法及系统 |
CN113341824A (zh) * | 2021-06-17 | 2021-09-03 | 鄂尔多斯市普渡科技有限公司 | 一种开放式自动驾驶避障控制系统及控制方法 |
CN113625698A (zh) * | 2020-04-23 | 2021-11-09 | 纳恩博(常州)科技有限公司 | 控制车辆转向的方法、装置和存储介质 |
CN113788015A (zh) * | 2021-08-04 | 2021-12-14 | 杭州飞步科技有限公司 | 车辆轨迹的确定方法、装置、设备以及存储介质 |
CN113795801A (zh) * | 2020-02-26 | 2021-12-14 | 百度时代网络技术(北京)有限公司 | 自动驾驶车辆的避障轨迹规划 |
CN115123252A (zh) * | 2022-07-05 | 2022-09-30 | 小米汽车科技有限公司 | 车辆控制方法、装置、车辆及存储介质 |
CN115230688A (zh) * | 2021-12-07 | 2022-10-25 | 上海仙途智能科技有限公司 | 障碍物轨迹预测方法、系统和计算机可读存储介质 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11718303B2 (en) * | 2018-01-03 | 2023-08-08 | Toyota Research Institute, Inc. | Vehicles and methods for building vehicle profiles based on reactions created by surrounding vehicles |
US10795367B2 (en) | 2018-01-11 | 2020-10-06 | Uatc, Llc | Mapped driving paths for autonomous vehicle |
JP7479062B2 (ja) * | 2018-10-01 | 2024-05-08 | オーピー ソリューションズ, エルエルシー | 指数関数的分割の方法およびシステム |
TWI674984B (zh) * | 2018-11-15 | 2019-10-21 | 財團法人車輛研究測試中心 | 自動駕駛車輛之行駛軌跡規劃系統及方法 |
CN109814568B (zh) * | 2019-02-19 | 2022-05-03 | 阿波罗智能技术(北京)有限公司 | 无人车速度轨迹的生成方法、装置和存储介质 |
US11603098B2 (en) * | 2019-08-27 | 2023-03-14 | GM Global Technology Operations LLC | Systems and methods for eye-tracking data collection and sharing |
CN111027195B (zh) * | 2019-12-03 | 2023-02-28 | 阿波罗智能技术(北京)有限公司 | 仿真场景的生成方法、装置及设备 |
CN114829225A (zh) * | 2019-12-27 | 2022-07-29 | 伟摩有限责任公司 | 自主载具的条件行为预测 |
US11520338B2 (en) * | 2020-02-27 | 2022-12-06 | Uatc, Llc | Systems and methods for vehicle spatial path sampling |
CN111380555A (zh) * | 2020-02-28 | 2020-07-07 | 北京京东乾石科技有限公司 | 车辆行为预测方法及装置、电子设备、存储介质 |
CN113721598A (zh) * | 2020-05-11 | 2021-11-30 | 北京京东乾石科技有限公司 | 一种障碍物轨迹预测方法、装置、设备和存储介质 |
US11904890B2 (en) * | 2020-06-17 | 2024-02-20 | Baidu Usa Llc | Lane change system for lanes with different speed limits |
CN111879319B (zh) * | 2020-06-29 | 2023-10-20 | 中国科学院合肥物质科学研究院 | 用于地面无人平台的室内测试方法、系统及计算机设备 |
CN114550474B (zh) * | 2020-11-24 | 2023-03-03 | 华为技术有限公司 | 一种横向规划约束确定方法及装置 |
CN114708723B (zh) * | 2020-12-16 | 2023-07-21 | 华为技术有限公司 | 轨迹预测方法和装置 |
US11738772B1 (en) * | 2020-12-18 | 2023-08-29 | Zoox, Inc. | Object avoidance with perceived safety subgoal |
CN114692289A (zh) * | 2020-12-31 | 2022-07-01 | 华为技术有限公司 | 自动驾驶算法测试方法及相关设备 |
CN113386766B (zh) * | 2021-06-17 | 2022-09-23 | 东风汽车集团股份有限公司 | 一种连续的、周期自适应同步的在线轨迹规划系统及方法 |
CN113359763A (zh) * | 2021-07-05 | 2021-09-07 | 广州蓝胖子移动科技有限公司 | 轮式机器人及动态障碍物轨迹预测方法、装置、存储介质 |
CN113753077A (zh) * | 2021-08-17 | 2021-12-07 | 北京百度网讯科技有限公司 | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 |
CN113553482B (zh) * | 2021-09-18 | 2022-02-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 停留点识别和出行链构建系统、算法、设备及存储介质 |
CN113963535B (zh) * | 2021-09-30 | 2023-01-13 | 华为技术有限公司 | 行驶决策确定方法、装置、电子设备存储介质 |
CN114167860B (zh) * | 2021-11-24 | 2023-07-07 | 东风商用车有限公司 | 一种自动驾驶最优轨迹生成方法及装置 |
US20230303117A1 (en) * | 2022-03-14 | 2023-09-28 | Argo AI, LLC | Method and system for assessing whether a vehicle is likely to leave an off-road parking area |
CN115355916B (zh) * | 2022-10-24 | 2023-03-03 | 北京智行者科技股份有限公司 | 移动工具的轨迹规划方法、设备和计算机可读存储介质 |
CN117389276B (zh) * | 2023-11-05 | 2024-05-28 | 理工雷科智途(北京)科技有限公司 | 一种基于行驶风险预测的无人车行驶路径跟踪控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070027597A1 (en) * | 2003-09-23 | 2007-02-01 | Daimlerchrysler Ag | Method and device for recognising lane changing operations for a motor vehicle |
CN101367382A (zh) * | 2007-07-31 | 2009-02-18 | 日产自动车株式会社 | 车辆行驶控制装置及车辆行驶控制方法 |
CN101405174A (zh) * | 2006-03-22 | 2009-04-08 | 日产自动车株式会社 | 回避操作计算装置、回避控制装置、具备各装置的车辆、回避操作计算方法及回避控制方法 |
CN101536058A (zh) * | 2006-11-10 | 2009-09-16 | 丰田自动车株式会社 | 障碍物行进道路预测方法、装置以及程序 |
US20100030472A1 (en) * | 2007-03-29 | 2010-02-04 | Toyota Jidosha Kabushiki Kaisha | Collision possibility acquiring device, and collision possibility acquiring method |
CN105539434A (zh) * | 2014-08-29 | 2016-05-04 | 通用汽车环球科技运作有限责任公司 | 用于躲避转向操作的路径规划方法 |
KR101672133B1 (ko) * | 2015-05-12 | 2016-11-16 | 한양대학교 산학협력단 | 차량 궤적 예측 장치 및 방법과, 이를 이용한 적응식 정속 주행 시스템 |
CN107010057A (zh) * | 2015-12-18 | 2017-08-04 | 亚当.奥佩尔有限公司 | 用于找到车辆的躲闪轨迹的方法 |
CN107240299A (zh) * | 2017-07-20 | 2017-10-10 | 北京纵目安驰智能科技有限公司 | 自主驾驶车辆对移动物体识别以及车辆避障的方法 |
CN107346611A (zh) * | 2017-07-20 | 2017-11-14 | 北京纵目安驰智能科技有限公司 | 一种自主驾驶的车辆的避障方法以及避障系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8612109B2 (en) * | 2007-07-31 | 2013-12-17 | Nissan Motor Co., Ltd. | Vehicular running control apparatus and vehicular running control method |
DE102017118651A1 (de) * | 2017-08-16 | 2019-02-21 | Valeo Schalter Und Sensoren Gmbh | Verfahren und System zur Kollisionsvermeidung eines Fahrzeugs |
US10816977B2 (en) * | 2018-01-26 | 2020-10-27 | Baidu Usa Llc | Path and speed optimization fallback mechanism for autonomous vehicles |
-
2018
- 2018-04-17 US US15/955,498 patent/US11378961B2/en active Active
- 2018-12-25 CN CN201811590129.7A patent/CN110389581B/zh active Active
-
2019
- 2019-04-15 JP JP2019077263A patent/JP6748259B2/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070027597A1 (en) * | 2003-09-23 | 2007-02-01 | Daimlerchrysler Ag | Method and device for recognising lane changing operations for a motor vehicle |
CN101405174A (zh) * | 2006-03-22 | 2009-04-08 | 日产自动车株式会社 | 回避操作计算装置、回避控制装置、具备各装置的车辆、回避操作计算方法及回避控制方法 |
CN101536058A (zh) * | 2006-11-10 | 2009-09-16 | 丰田自动车株式会社 | 障碍物行进道路预测方法、装置以及程序 |
US20100030472A1 (en) * | 2007-03-29 | 2010-02-04 | Toyota Jidosha Kabushiki Kaisha | Collision possibility acquiring device, and collision possibility acquiring method |
CN101367382A (zh) * | 2007-07-31 | 2009-02-18 | 日产自动车株式会社 | 车辆行驶控制装置及车辆行驶控制方法 |
CN105539434A (zh) * | 2014-08-29 | 2016-05-04 | 通用汽车环球科技运作有限责任公司 | 用于躲避转向操作的路径规划方法 |
KR101672133B1 (ko) * | 2015-05-12 | 2016-11-16 | 한양대학교 산학협력단 | 차량 궤적 예측 장치 및 방법과, 이를 이용한 적응식 정속 주행 시스템 |
CN107010057A (zh) * | 2015-12-18 | 2017-08-04 | 亚当.奥佩尔有限公司 | 用于找到车辆的躲闪轨迹的方法 |
CN107240299A (zh) * | 2017-07-20 | 2017-10-10 | 北京纵目安驰智能科技有限公司 | 自主驾驶车辆对移动物体识别以及车辆避障的方法 |
CN107346611A (zh) * | 2017-07-20 | 2017-11-14 | 北京纵目安驰智能科技有限公司 | 一种自主驾驶的车辆的避障方法以及避障系统 |
Non-Patent Citations (1)
Title |
---|
张金旺等: "基于概率统计的车辆运动轨迹预测方法", 《军事交通学院学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110895406A (zh) * | 2019-11-11 | 2020-03-20 | 北京三快在线科技有限公司 | 一种基于干扰物轨迹规划的无人设备的测试方法及装置 |
CN112985435A (zh) * | 2019-12-12 | 2021-06-18 | 百度(美国)有限责任公司 | 用于操作自主驾驶车辆的方法及系统 |
CN112977472A (zh) * | 2019-12-12 | 2021-06-18 | 百度(美国)有限责任公司 | 预测车辆的移动轨迹的方法及系统 |
CN112985435B (zh) * | 2019-12-12 | 2024-04-12 | 百度(美国)有限责任公司 | 用于操作自主驾驶车辆的方法及系统 |
CN113795801A (zh) * | 2020-02-26 | 2021-12-14 | 百度时代网络技术(北京)有限公司 | 自动驾驶车辆的避障轨迹规划 |
CN111338353A (zh) * | 2020-03-26 | 2020-06-26 | 吉林大学 | 一种动态驾驶环境下智能车辆变道轨迹规划方法 |
CN111537950A (zh) * | 2020-04-14 | 2020-08-14 | 哈尔滨工业大学 | 一种基于位置指纹和二步多项式拟合的卫星位置预测跟踪方法 |
CN113625698B (zh) * | 2020-04-23 | 2024-05-03 | 纳恩博(常州)科技有限公司 | 控制车辆转向的方法、装置和存储介质 |
CN113625698A (zh) * | 2020-04-23 | 2021-11-09 | 纳恩博(常州)科技有限公司 | 控制车辆转向的方法、装置和存储介质 |
CN111650945A (zh) * | 2020-06-28 | 2020-09-11 | 北京智行者科技有限公司 | 动态障碍物防撞方法 |
CN111650945B (zh) * | 2020-06-28 | 2023-10-24 | 北京智行者科技股份有限公司 | 动态障碍物防撞方法 |
CN112179344A (zh) * | 2020-08-28 | 2021-01-05 | 达闼机器人有限公司 | 基于机器人坐标系的轨迹生成方法、装置及计算设备 |
CN112519783B (zh) * | 2020-12-04 | 2021-11-19 | 中南大学 | 一种智能驾驶的自底向上平滑轨迹生成方法及系统 |
CN112519783A (zh) * | 2020-12-04 | 2021-03-19 | 中南大学 | 一种智能驾驶的自底向上平滑轨迹生成方法及系统 |
CN113341824A (zh) * | 2021-06-17 | 2021-09-03 | 鄂尔多斯市普渡科技有限公司 | 一种开放式自动驾驶避障控制系统及控制方法 |
CN113788015A (zh) * | 2021-08-04 | 2021-12-14 | 杭州飞步科技有限公司 | 车辆轨迹的确定方法、装置、设备以及存储介质 |
CN115230688A (zh) * | 2021-12-07 | 2022-10-25 | 上海仙途智能科技有限公司 | 障碍物轨迹预测方法、系统和计算机可读存储介质 |
CN115230688B (zh) * | 2021-12-07 | 2023-08-25 | 上海仙途智能科技有限公司 | 障碍物轨迹预测方法、系统和计算机可读存储介质 |
CN115123252A (zh) * | 2022-07-05 | 2022-09-30 | 小米汽车科技有限公司 | 车辆控制方法、装置、车辆及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20190317511A1 (en) | 2019-10-17 |
US11378961B2 (en) | 2022-07-05 |
JP6748259B2 (ja) | 2020-08-26 |
JP2019182414A (ja) | 2019-10-24 |
CN110389581B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389581A (zh) | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 | |
CN110389583A (zh) | 生成自动驾驶车辆的轨迹的方法 | |
CN110389584A (zh) | 用于评估自动驾驶车辆的轨迹候选项的方法 | |
CN109947090A (zh) | 用于自动驾驶车辆规划的非阻塞边界 | |
CN109521762A (zh) | 用于自动驾驶车辆的基于2d约束平滑样条的平滑道路参考线路 | |
CN110533943A (zh) | 确定自动驾驶车辆的车道改变轨迹的方法 | |
CN109521763A (zh) | 用于自动驾驶车辆的基于约束平滑样条的路径优化 | |
CN109521761A (zh) | 用于自动驾驶车辆的基于约束平滑样条的速度优化 | |
CN109489675A (zh) | 用于自动驾驶车辆的基于成本的路径规划 | |
CN110389585A (zh) | 用于自动驾驶车辆的基于学习的速度规划器 | |
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 | |
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 | |
CN108604095A (zh) | 动态调整自动驾驶车辆的转向率的方法 | |
CN110119140A (zh) | 用于加速曲线投影的系统和方法 | |
CN108602509A (zh) | 基于运动规划来操作自动驾驶车辆的方法和系统 | |
CN110345955A (zh) | 用于自动驾驶的感知与规划协作框架 | |
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 | |
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 | |
CN109489673A (zh) | 用于自动驾驶车辆的数据驱动地图更新系统 | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
CN109426256A (zh) | 自动驾驶车辆的基于驾驶员意图的车道辅助系统 | |
CN110083149A (zh) | 用于自动驾驶车辆的路径与速度优化后馈机制 | |
CN110378483A (zh) | 部署在模拟平台上的用于训练机器学习模型的系统和方法 | |
CN109429518A (zh) | 基于地图图像的自动驾驶交通预测 |
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 |