CN110461676A - 控制车辆的横向运动的系统和方法 - Google Patents

Abstract

一种车辆控制系统，该车辆控制系统包括碰撞检测器，所述碰撞检测器以下时间检测到时间范围内的各个控制时间步的各个区域与至少一个物体的碰撞以生成指示在不同的时间步的无碰撞区域的数据结构：当所述物体在所述时间步的轨迹与由所述车辆在所述时间步的纵向位移和所述区域的所述横向位移的值的范围所限定的空间相交时。所述系统包括：路径规划器，所述路径规划器确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹；以及控制器，所述控制器根据所述轨迹来控制车辆。

Description

控制车辆的横向运动的系统和方法

技术领域

本发明总体上涉及自主驾驶和高级驾驶员辅助系统，更具体地，涉及在考虑到其它车辆的运动所带来的风险的情况下对车辆的横向运动进行控制。

背景技术

可靠的定位和运动预测是自主驾驶和高级驾驶员辅助系统(ADAS)的关键组件。例如，自主驾驶车辆和ADAS中的一个组件是运动规划器，该运动规划器通常在存在移动障碍物的情况下取得有关周围环境的信息并计算轨迹分布图以导航到目标位置。作为另一个例子，诸如车道变换系统的ADAS需要关于当前时间和某一未来时间其它车辆所在位置的准确信息。

为此，现代车辆有时包括威胁评估和/或碰撞避免系统，该威胁评估和/或碰撞避免系统采用被用于实现碰撞警告或避免以及其它主动安全应用的物体检测传感器。物体检测传感器可以使用多种技术中的任何一种，诸如短程雷达、远程雷达、具有图像处理的摄像机、激光或LiDAR、超声波等。物体检测传感器检测主车辆的路径中的车辆和其它物体，并且应用软件使用物体检测信息来提供警告或者采取恰当的动作。在许多车辆中，物体检测传感器直接集成到车辆的前保险杠或其它饰板(fascia)中。

然而，在规划主车辆的横向运动时的威胁评估和/或碰撞避免是困难的任务。例如，专利文献1中描述的系统通过生成最优车辆状态并基于那些最优状态生成威胁评估来考虑威胁评估。然而，计算最优路径可能在计算上是不容许的，尤其是在复杂环境中。

在专利文献2中，使用车辆的运动动态和检测到的车辆的多个返回扫描点并计算每个检测到的车辆与主车辆的预测路径相交的风险，基于主车辆的预测轨迹进行威胁评估。然而，预测主车辆的横向运动的每个可能轨迹与其它车辆的每个可能轨迹的相交在计算上可能是不容许的。

[引文列表]

[专利文献]

[PTL 1]

U.S.8543261

[PTL 2]

U.S.2016/0109571

发明内容

[技术问题]

因此，需要一种以计算上有效的方式在考虑其它车辆的运动所带来的风险的情况下对车辆的横向运动进行控制的系统和方法。

一些实施方式基于这样的理解，即，可以根据不同的轨迹来控制车辆的横向运动。例如，可以通过具有不同的横向位移变化速率值的多个轨迹来实现车道变换操纵。为此，可以需要针对横向运动的不同目标预先计算不同的轨迹，并且在实时控制车辆的运动的同时测试那些轨迹对于当前交通状况的可行性。

然而，一些实施方式基于这样的理解，即，预先计算和测试那些轨迹可能仍然是在计算上具有挑战性的任务。具体而言，对于横向运动(例如从右向左变道、从左向右变道、从右侧超车或者或从左侧超车)的每个目标，即使不是无限数量的可能轨迹也可以是巨大的。另外，如果障碍物甚至仅在轨迹的一个点处与所述轨迹相交，则需要废弃整个轨迹，从而浪费计算和存储资源。

一些实施方式基于这样的认识，即，轨迹众多以及轨迹至局部碰撞的所有点的灵敏度的原因在于轨迹的所有点在时间上的相互依赖性。具体地，轨迹是时间的函数，不仅指定点的序列作为时间的函数而且指定点之间的转换作为时间的函数。这些转换在轨迹中的每个点控制车辆的状态和动态，迫使车辆根据所述轨迹移动。两个相邻点之间的相同横向位移可以利用不同的时间转换来实现。反过来，不同的时间转换在这两个相邻点中施加车辆的不同状态，使得每个轨迹独特且相互依赖。

一些实施方式基于这样的认识，即，通过断开车辆的横向位移值之间的时间相互依赖性，可以简化针对车辆的横向运动的无碰撞轨迹的计算。一些实施方式基于这样的认识，即，横向位移的不同值可以通过为每个横向位移构建一区域来彼此分离，每个区域限定确定的横向动态的状态的控制不变集，使得在一区域内具有一状态的车辆能够在该区域内保持其状态。

一些实施方式基于这样的认识，即，当可以在区域内保持车辆的状态时，可以与其它区域的碰撞评估分开地并且无关地来评估该区域在不同的时间点与不同障碍物的碰撞。在评估完成后，可以根据期望的目标横向运动来选择限定在空间和时间上形成区域的并集的无碰撞区域序列的时间序列。更具象征性地说，所需的区域序列是以无冲突的时间线链接的。通过改变无碰撞的时间线，可以形成不同的无碰撞轨迹。

在一些实施方式中，针对限定车辆行驶的道路上的横向位移的相应的一组点，确定车辆的横向动态的状态的一组区域。横向动态的每个状态包括车辆的横向位移、横向位移的变化速率、横向取向以及横向取向的变化速率。每个区域限定确定的所述横向动态的所述状态的控制不变集，使得在一区域内具有一状态的车辆能够在该区域内保持其状态。

在一些实施方式中，这些区域是彼此相交的。按这种方式，无需评估区域外的转换，可以形成空间和时间的无碰撞区域的并集。

在一些实施方式中，所述一组区域是在不考虑所述车辆的纵向动态的情况下针对所述车辆的横向动态确定的。这种分离允许针对车辆的不同纵向位移重复使用相同的一组区域，以确定不同区域在不同时间的碰撞。

在另选实施方式中，所述一组区域是在考虑所述车辆的纵向动态的情况下针对所述车辆的所述横向动态确定的。例如，在一个实施方式中，针对所述车辆的纵向速度的不同值确定不同组的区域。该实施方式允许选择与车辆的当前和/或期望纵向速度相对应的一组区域。

在各种实施方式中，所述一组区域被存储在控制系统的存储器中。例如，在一个实施方式中，针对道路状况的所有可能变化，预先计算所述一组区域。在这个实施方式中，通过运动控制器来处理影响所述车辆的横向动态的道路形状的变化。

在另选实施方式中，所述控制系统包括收发器，所述收发器发送所述车辆的当前位置，并且接收作为对所述发送的响应的、针对所述道路的当前形状而确定的所述一组区域。

[问题的解决方案]

因此，一个实施方式公开了一种对行进在与一组移动物体共用的道路上的车辆的运动进行控制的车辆控制系统，所述车辆控制系统包括：存储器，所述存储器存储对所述车辆行进的道路上的横向位移进行限定的一组平衡点并且存储与所述一组平衡点相对应的、所述车辆的横向动态的状态的一组区域，其中，横向动态的每个状态包括横向位移、所述横向位移的变化速率、横向取向以及所述横向取向的变化速率，其中，每个区域限定确定的横向动态的状态的控制不变集，使得在一区域内具有一状态的车辆能够在所述区域内保持所述车辆的状态，其中，每个区域包括对应的平衡点并且与至少一个相邻区域相交；至少一个传感器，所述至少一个传感器生成指示所述一组移动物体中的每个物体的运动轨迹的时间序列信号；碰撞检测器，所述碰撞检测器在以下时间检测到在时间范围内的每个控制时间步的每个区域与至少一个物体的碰撞以生成指示在不同的控制时间步的无碰撞区域的数据结构：当所述物体在所述控制时间步的所述运动轨迹与由所述车辆在所述控制时间步的纵向位移和所述区域的所述横向位移的值范围所限定的空间相交时；路径规划器，所述路径规划器确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹；以及控制器，所述控制器根据所述轨迹来控制所述车辆。

另一实施方式公开了一种对行进在与一组移动物体共用的道路上的车辆的运动进行控制的方法，其中，所述方法使用与实现所述方法的所存储指令联接的处理器，其中，所述指令在由所述处理器执行时，执行所述方法的至少一些步骤。所述方法包括：从存储器取得与一组平衡点相对应的、所述车辆的横向动态的状态的一组区域，其中，横向动态的每个状态包括横向位移、所述横向位移的变化速率、横向取向以及所述横向取向的变化速率，其中，每个区域限定确定的所述横向动态的所述状态的控制不变集，以使在区域内具有状态的所述车辆能够在所述区域内保持所述车辆的状态，其中，每个区域包括对应的平衡点并且与至少一个相邻区域相交；生成指示所述一组移动物体中的每个物体的运动轨迹的时间序列信号；在以下时间检测到在时间范围内的每个控制时间步的每个区域与至少一个物体的碰撞以生成指示在不同的控制时间步的无碰撞区域的数据结构：当所述物体在所述控制时间步的所述轨迹与由所述车辆在所述控制时间步的纵向位移和所述区域的所述横向位移的值范围所限定的空间相交时；确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹；以及根据所述轨迹来控制所述车辆。

又一实施方式公开了提供了一种包含有可由处理器执行的程序的非暂时性计算机可读存储介质，该程序用于执行方法。所述方法包括以下步骤：从存储器取得与一组平衡点相对应的、所述车辆的横向动态的状态的一组区域，其中，横向动态的每个状态包括横向位移、所述横向位移的变化速率、横向取向以及所述横向取向的变化速率，其中，每个区域限定确定的所述横向动态的所述状态的控制不变集，使得在一区域内具有一状态的所述车辆能够在所述区域内保持所述车辆的状态，其中，每个区域包括对应的平衡点并且与至少一个相邻区域相交；生成指示所述一组移动物体中的每个物体的运动轨迹的时间序列信号；在以下时间检测到在时间范围内的每个控制时间步的每个区域与至少一个物体的碰撞以生成指示在不同的控制时间步的无碰撞区域的数据结构：当所述物体在所述控制时间步的所述轨迹与由所述车辆在所述控制时间步的纵向位移和所述区域的所述横向位移的值范围所限定的空间相交时；确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹；以及根据所述轨迹来控制所述车辆。

附图说明

图1A示出了车辆在双车道道路的左车道中移动的示例性情形。

图1B示出了例示一些实施方式针对车辆的横向运动而采用的原理的示意图。

图2示出了用于对在与一组移动障碍物共用的道路上行驶的车辆进行控制的方法的流程图。

图3A示出了根据一些实施方式的用于对在与一组移动物体共用的道路上行进的车辆的运动进行控制的控制系统的框图。

图3B示出了根据一个实施方式的控制系统的一般结构。

图4A示出了车辆的运动目标的示意图。

图4B示出了根据一些实施方式的控制不变区域的益处。

图4C示出了一些实施方式所使用的示例性控制不变区域的示意图。

图4D示出了根据一些实施方式的穿过一组控制不变区域直到目标位置的运动的场景。

图5A示出了根据一些实施方式的采用车辆的坐标系来对车辆控制进行建模的示例。

图5B示出了一些实施方式所使用的车辆的状态的模型的示意图。

图5C示出了系统的物理约束对控制不变集的影响的示例。

图5D示出了系统的物理约束对控制不变集的影响的示例。

图5E示出了确定平衡点之间的连接的另选示例。

图6A示出了根据一些实施方式的状态转换图，该状态转换图在不考虑障碍物的情况下针对不同的控制时间步限定与不同区域相对应的平衡点之间的可能转换。

图6B示出了根据一些实施方式的响应于检测到障碍物而更新的图6A的图，以形成指示无碰撞区域的数据结构。

图6C示出了指示一些实施方式所使用的状态转换图的数据结构的示意图。

图7A示出了安全区域700a的部分与预测的障碍物相交的情形。

图7B示出了根据一个实施方式概率地确定无碰撞区域的示意图。

图8A示出了根据一个实施方式的用于确定指示无碰撞区域的数据结构的碰撞检测器的示例性实现。

图8B示出了根据一些实施方式的生成可行轨迹并确定该可行轨迹与区域相交的概率的方法的流程图。

图8C示出了根据一些实施方式的列出假想驾驶员的各种意图的表格。

图8D示出了例示图8B的方法的迭代的状态转换的序列。

图8E示出了根据一个实施方式的确定一组采样状态的示例性实现的流程图。

图8F示出了更新与图8C所示的驾驶员意图一致的采样状态的概率的方法的流程图。

图8G示出了为概率密度函数(PDF)的每个离散部分生成一个状态的方法的迭代的简化示意图。

图8H示出了在图8G中的第一次迭代的五种状态的可能指派的概率。

图8I示出了一个实施方式所使用的总概率密度函数的图。

图9示出了车辆的可能可行轨迹的示例。

图10A示出了一些实施方式所使用的车辆的方向盘的转向轨迹和车辆的加速轨迹的时间序列信号以确定车辆驾驶员的意图。

图10B示出了根据一些实施方式的基于来自子集的可行轨迹与来自所述时间序列信号的车辆意图的一致性来更新要遵循的每个可行轨迹的概率的方法的示例性实现的流程图。

具体实施方式

本发明的一些实施方式基于这样的理解，即，可以根据不同的轨迹来控制车辆的横向运动，其中，车辆通常是路上车辆，诸如客车、公共汽车、卡车或类似物。例如，可以通过具有不同的横向位移变化速率值的多个轨迹来实现车道变换操纵。取决于特定的交通状况和车辆乘客的偏好，不同的轨迹可能比其它轨迹更合适。为此，可以期望针对横向运动的不同目标预先计算不同的轨迹，并且在实时控制车辆的运动的同时测试那些轨迹对于当前交通状况的可行性。

图1A示出了车辆101a在具有道路边界110a和分道线120a的双车道道路的左车道中移动的示例性情形。目标是将车道改变成右车道130a。与车道变换相对应的运动可以是几个运动140a中的任何一个。根据周围是否有其它车辆，一些轨迹140a可能不适合执行，甚或因即将发生的碰撞而无法执行。

通常，轨迹140a的数量可能很大。因此，预先计算和测试轨迹的可行性可能是具有挑战性和要求大量计算的任务。具体而言，对于横向运动(例如从右向左变道、从左向右变道、从右侧超车或者或从左侧超车)的每个目标，即使不是无限数量的可能轨迹也可以是巨大的。另外，如果障碍物即使仅在轨迹的一个点处与所述轨迹相交，也需要废弃整个轨迹，从而浪费计算和存储资源。

图1B示出了例示一些实施方式针对车辆的横向运动而采用的原理的示意图。例如，考虑图1B中的左侧部分，图1B例示了在四个时间步中从初始横向位置110b移动至目标横向位置120b的示意图。要做到这一点，所述轨迹由车辆的运动组成，所述运动由点111b之间的状态转换113b限定，并在四个时间步之后在120b结束。这里，状态轨迹包括车辆随时间变化的位置和车向，即车辆的速度。如果另一车辆121b与计算出的轨迹113b相交，则轨迹113b不再有效，并且需要计算新的轨迹并再次检查与障碍物121b的碰撞或者从预先计算的轨迹库中取得。

轨迹众多以及轨迹至局部碰撞的所有点的灵敏度的部分原因在于轨迹的所有点111b在时间上的相互依赖性。具体地，113b轨迹是时间的函数，不仅指定点111b的序列作为时间的函数而且指定点之间的转换作为时间的函数。这些转换在轨迹中的每个点控制车辆的状态和动态，迫使车辆根据所述轨迹移动。两个相邻点之间的相同横向位移可以利用不同的时间转换来实现。反过来，不同的时间转换在这两个相邻点中施加车辆的不同状态，使得每个轨迹独特且相互依赖。

一些实施方式基于这样的认识，即，通过断开140b车辆的横向位移值之间的时间相互依赖性，可以显著简化针对车辆的横向运动的无碰撞轨迹的计算。一些实施方式基于这样的认识，即，横向位移的不同值可以通过构建确定的区域来彼此分离，使得在一区域内具有一状态的车辆能够并且将会在该区域内保持其状态。

例如，图1B的右侧部分示出了当目标是从初始横向位移110b到目标横向位移120b来对车辆进行控制时的情况。代替对限定点111b的轨迹113b以及点之间的对应状态转换进行确定，一个实施方式认识到，通过构建对车辆安全的区域，可以从110b到达目标横向位移120b。这些区域交叠，这意味着可以在区域内的安全通道中从初始点110b移动到区域内的最终横向位移120b，从而避免碰撞。因此，通过使用所述区域而不是特定的轨迹，可以确定存在于区域的安全通道中的安全轨迹，这确保了如果障碍物121b在特定时间窗口中与特定区域130b相交，则将该区域标记为不安全，并且可以代替地使用其它安全区域。

图2示出了对在与一组移动障碍物或物体(下文中可互换地用车辆指示)共用的道路上行驶的车辆进行控制的方法的流程图。该方法使用存储器来存储实现所述方法的步骤所必需的信息。该方法从存储器109中取回110限定车辆在道路上的横向位移和取向的一组平衡点以及与这些平衡点相对应的、该车辆的横向动态的状态的一组区域，其中，横向动态的每个状态包括横向位移、横向位移的变化速率、横向取向以及横向取向的变化速率。每个区域限定确定的横向动态的状态的控制不变集，使得在一区域内具有一状态的车辆能够在该区域内保持该车辆的状态。在一些实现中，每个区域包括对应的平衡点并且与至少一个相邻区域相交。

该方法使用来自直接连接至车辆或者远程连接至车辆的至少一个传感器的信息119，生成120指示由传感器检测到的一组移动物体中的每个物体的运动的时间序列信号121。测量结果可以包括摄像机测量结果或激光/LIDAR测量结果。测量结果可以包括从车辆到车辆通信的测量结果，并且测量结果可以包括GPS数据。测量结果序列的长度可以随车辆而变化。

使用时间序列信号121和从存储器取回的信息111，该方法确定130指示在不同的控制时间步的无碰撞区域的数据结构。在确定步骤130中，碰撞检测器在以下时间检测到在时间范围内的每个控制时间步的每个区域与至少一个物体的碰撞：当所述物体在所述控制时间步的轨迹与由所述车辆在所述控制时间步的纵向位移和所述区域的所述横向位移的值范围所限定的空间相交时。然后，使用确定的数据结构131，该方法使用路径规划器来确定140对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接其的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹141。最后，该方法根据轨迹141控制150车辆以生成车辆运动151。

图3A示出了根据一些实施方式的对在与一组移动物体共用的道路上行进的车辆300的运动进行控制的控制系统299的框图。车辆还可以接收外部输入310，外部输入310超控控制系统299的命令。在这种情况下，所述车辆是半自主车辆。

控制系统299包括存储器320，所述存储器存储对所述车辆行进的道路上的横向位移进行限定的一组平衡点并且存储与所述一组平衡点相对应的、所述车辆的横向动态的状态的一组区域，其中，横向动态的每个状态包括横向位移、所述横向位移的变化速率、横向取向以及所述横向取向的变化速率，其中，每个区域限定确定的所述横向动态的所述状态的控制不变集，使得在一区域内具有一状态的所述车辆能够在所述区域内保持所述车辆的状态，其中，每个区域包括对应的平衡点并且与至少一个相邻区域相交。

控制系统包括感测系统330，所述感测系统330包括至少一个传感器，所述至少一个传感器生成指示在环境370中行进的一组车辆中的每个车辆的运动的时间序列信号331。例如，感测系统330可以使用全球定位系统(GPS)信息和/或使用惯性测量单元(IMU)的惯性运动来测量位置。例如，IMU可以包括：3轴加速度计、3轴陀螺仪和/或磁力计。IMU可以向控制系统299的其它组件提供加速度、速度、取向和/或其它位置相关信息。

控制系统299包括碰撞检测器340，所述碰撞检测器在以下时间检测到在时间范围内的每个控制时间步的存储在存储器320中的每个区域与至少一个物体的碰撞：当所述物体在所述控制时间步的轨迹与由所述车辆在所述控制时间步的纵向位移和所述的所述横向位移的值范围所限定的空间相交时。碰撞检测器输出341指示在不同的控制时间步的无碰撞区域的数据结构。数据结构341由嵌入在控制系统299中的路径规划器350使用，该路径规划器确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹。所确定的轨迹351由车辆的至少一个控制器360使用以根据所述轨迹来控制车辆。

图3B示出了根据一个实施方式的控制系统299的一般结构。控制系统299包括用于执行冲突检测和路径规划的模块的至少一个处理器390。处理器390连接391至存储器380，所述存储器存储对车辆行进的道路上的横向位移和横向取向进行限定的一组平衡点381并且存储与所述一组平衡点相对应的、所述车辆的横向动态的状态的一组区域382，其中，横向动态的每个状态包括横向位移、所述横向位移的变化速率、横向取向以及所述横向取向的变化速率，其中，每个区域限定确定的所述横向动态的所述状态的控制不变集，使得在一区域内具有一状态的所述车辆能够在所述区域内保持所述车辆的状态，其中，每个区域包括对应的平衡点并且与至少一个相邻区域相交。

图4A示出了车辆的运动目标的示意图，其中，车辆400启动从左车道到右车道的车道变换，目标是在右侧车道的中间结束。启动车道变换可以通过控制系统或者通过控制系统的外部输入来完成。例如，车辆的驾驶员可以从该车辆的仪表板启动车道变换。一些实施方式基于这样的认识，即，存在可以导致车辆的最终目标横向位移的几个轨迹。限定轨迹419的状态转换使得车辆400在位置420处到达右车道的中间，而轨迹409使得在位置409处到达右车道的中间。对轨迹419和409是无碰撞的确定在具有多个障碍物并具有多个轨迹409和419的环境中可能在计算上是不容许的。例如，位置410和位置420之间的任何位置都会导致不同的轨迹，因此最终导致了逐渐通向期望的横向位移的无限数量的可能轨迹。然而，逐渐通向车辆的期望横向位移的精确轨迹在重要性上低于车辆实际上按照期望的横向位移结束的重要性。

图4B示出了根据一些实施方式的控制不变区域的益处。已经确定了区域430，使得在区域内具有状态的车辆无论何时都能够并且将会在该区域内保持其状态。通过取而代之地考虑区域，足以确定物体是否将与区域430相交以排除该区域中的所有轨迹409和419，而无需确定轨迹409和419。

因此，一个实施方式确定与车辆的横向位移相关联的区域，其中，每个区域覆盖车辆可以采取的多个状态转换和对应轨迹，并且其中，横向位移限定了车辆的平衡点。例如，一个实施方式将区域确定为与横向位移相关联的车辆的横向动态的状态的控制不变集。控制不变集是与车辆的横向动态的平衡(即，静止)点和用于对车辆的横向运动进行控制的控制器相关联的区域。该区域的大小取决于车辆的横向动态的参数和用于对车辆的横向动态进行控制的控制器。当使用控制器来控制车辆的横向运动时，控制不变集可以与控制器和车辆在道路上的平衡点(即，横向位移)相关联。

图4C示出了一些实施方式所使用的示例性控制不变区域的示意图。车辆的初始状态399c在控制不变集410c内。目标(即，运动或横向操纵的目标)是使用控制器将车辆控制到位置400c。因此，因为初始状态399c在由控制不变集限定的区域410c内，所以只要期望的位移不变，即可保证将车辆控制到目标位移400c所产生的轨迹420c在该区域内。

在一些实施方式中，按照使对应的区域相交的方式来确定横向位移。以这样的方式进行后，构建多个区域的通道，使得当这些区域不与物体相交时，这些区域提供了一序列安全的横向位移和关联的轨迹，以使车辆从初始横向位移移动到目标横向位移。

图4D示出了根据一些实施方式的通过一组控制不变区域直到目标位置440d的运动的场景。与440d相关联的区域420d不与覆盖初始位置399c的区域410c相交。为此，一个实施方式确定由位置430d例示的另一个横向位移，该位置430d具有与区域410c和区域420d相交的关联区域410d。因此，当轨迹450d位于与至少两个区域共用的区域的部分460d内时，中间目标位置400c可以首先改变到430d，然后改变到最终目标位置440d，以生成封入区域的并集的安全通道中的轨迹。

图5A示出了根据一些实施方式的采用车辆的坐标系来对车辆控制进行建模的示例。参照图5A，在一个实施方式中，通过采用车辆的坐标系而不是采用全局坐标系来对车辆500a的控制进行建模，显著简化了表达式。然而，由于采用局部的车辆坐标系进行建模，因此除了横向位移之外，平衡点还可以具有横向取向，以考虑从全局坐标系到局部坐标系时的惯性效应。在该示例中，运动目标是使车辆从横向位移500a移动到最终横向位移510a。例如，采用全局坐标系520a对道路的建模导致这样的控制不变集，即，该控制不变集导致具有难以用数学表达的复杂形状的区域540a。代替地，需要使用数值近似方法。然而，通过采用局部的车辆坐标系530进行建模，控制不变集具有诸如椭圆550a的简单形式，该简单形式可以精确地并因此更准确地加以表达。

如各种实施方式所使用的，所述控制不变集是车辆前方维度和横向维度的区域。然而，通常这些集合是更高维的，并且并入了平衡点周围的车辆状态，其中，横向动态的每个状态包括横向位移、横向位移的变化速率、横向取向以及横向取向的变化速率，其中，每个区域限定确定的所述横向动态的所述状态的控制不变集，使得在区域内具有状态的所述车辆能够在所述区域内保持其状态。车辆的模型可以采取几种形式。在一个实施方式中，车辆模型是忽略了力的运动模型。这种模型在有限的驾驶条件下是适合的。在另一实施方式中，将车辆模型表达为根据牛顿力-质量平衡的动态系统。

图5B示出了一些实施方式所使用的车辆的状态的模型的示意图。例如，以对所述状态进行建模，其中，e_y和e_ψ＝ψ-ψ_d在道路对齐的坐标系中分别指示横向位置和车辆取向，而ψ_d是道路相对于惯性坐标系510b的切线的角度。该车辆模型可以写成线性动态系统其中，项是作用于该车辆模型的、来自从全局坐标系改变到局部坐标系的坐标系的扰动。在一个实施方式中，用于构建控制不变集的控制器抵消了这种扰动。

图5C和图5D示出了所述系统的物理约束对控制不变集的影响的示例。具体地，控制不变集可以根据所述系统的物理约束来改变形状和形式。例如，图5C示出了在时间0处的控制不变集510c，其中区域的大小被限制以不与障碍物520c相交。此外，在时间0的区域与在时间1的区域530c相交，这意味着可以在一个时间步内从509c移动到529c。然而，如果还设定了对车辆转向的限制，则控制不变集可能更小，这是因为由于有限的致动而不可能再保证呆在大的区域。因此，如图5D所示，控制不变集510c收缩成510d并且不再与530c相交。因此，不可能发现从509c到529c的无碰撞轨迹。

在一些实施方式中，所述一组区域是在不考虑车辆的纵向动态的情况下针对车辆的横向动态确定的。这种分离允许针对车辆的不同的纵向位移重复使用同一组区域，以按不同时间确定不同区域的碰撞。在另选实施方式中，所述一组区域是在考虑车辆的纵向动态的情况下针对车辆的横向动态确定的。例如，在一个实施方式中，针对车辆的纵向速度的不同值确定不同组的区域。该实施方式允许选择与车辆的当前和/或期望的纵向速度相对应的一组区域。

图5E示出了确定平衡点之间的连接的另选示例。通常，随着时间的增加，所述状态不仅保持在所述控制不变集中，而且还收敛至所述平衡点，这意味着有效的控制不变集随着时间的变化而改变大小。由此，在一个实施方式中，安全通道的确定是基于随着时间的增加来缩小安全区域的大小而完成的。例如，在图5E中，目标是从509e移动至529e，其中，相应不变集用510e和530e指示。在一个控制时间步中，不变集530e将大小改变成540e，这意味着540e中包含的所有状态可以在一个控制时间步中到达不变集530e。然而，集合540e不包含集合510e，因此不确定510e中的所有状态都可以到达530e。然而，在又一个控制时间步中，集合530e的大小已经增加至550e，550e覆盖了510e。因此，在两个控制时间步中，可以从510e中的任何状态到达与平衡点529e相关联的不变集530e，因此意味着可以在两个控制时间步中从509e移动至529e。

图6A示出了根据一些实施方式的状态转换图，该状态转换图在不考虑障碍物的情况下限定与针对不同的控制时间步的不同区域相对应的平衡点之间的可能转换。在图6A的示例中，车辆处于与横向位移600a相对应的区域中，并且运动目标将移动至横向位移610a。例如，针对每个控制时间步，在道路上有三个横向位移、平衡点。形成可能的时间序列以到达期望的横向位移的可能转换620形成被存储在存储器中的状态转换图。根据图6A，可以评估可能的转换以到达横向位移610a，并且对应于630a的状态时间序列是在2个控制时间步的最小时间内到达所述横向位移的平衡点序列，从而逐渐通向生成轨迹640a。

图6B示出了根据一些实施方式的响应于检测到障碍物而更新的图6A的图，以形成指示无碰撞区域的数据结构。例如，图6B示出了碰撞检测器检测到障碍物630b的情形，这使得转换640b无效。

在一些实施方式中，在假定没有障碍物的情况下预先确定状态转换图，其中，所述碰撞检测器响应于检测到障碍物而使所述图上的至少一些转换无效，并且其中，路径规划器搜遍所述图中的有效转换以寻找区域并集。例如，路径规划器搜索最小时间序列650b，该最小时间序列现在是3个控制时间步。另外或者另选地，在一些实施方式中，所述转换包括不确定性，使得状态转换图成为马尔可夫链。

在一个实施方式中，针对道路状况的所有可能变化，预先计算一组区域并且将所述一致区域存储在控制系统的存储器中。在这个实施方式中，影响车辆的横向动态的道路形状变化由运动控制器(例如，与所述控制不变集相关联的运动控制)来处理。

图6C示出了指示一些实施方式所使用的状态转换图的数据结构的示意图。例如，一个实施方式将指示状态转换图的所述控制时间步内的一组平衡点存储为上块对角矩阵(upper block-diagonal matrix)，其中，通向可能的转换的所有要素都是非零的。而且其中，通向不可能地转换的所有元素都是零。例如，如果控制时间步的数量是N并且平衡点的数量是M，则矩阵的大小为MN x MN，该矩阵具有如图6C所示的结构，其中，非零元素的值由从一个平衡点移动至另一个平衡点的成本来确定，如本发明的其它实施方式所解释的那样。每个元素600c包含M个元素，并且存在总共N个元素600c。对角线以下的所有元素都为零，因为在小于一个时间步的情况下无法到达平衡点，即，系统具有时间因果关系。直至矩阵右侧的元素为零，因为不变集的大小有限。

碰撞检测器340基于指示物体的运动的时间序列信号来估计未来运动。在一个实施方式中，碰撞检测器确定物体的未来运动是否将与和横向位移相关联的每个区域相交。

图7A示出了安全区域700a的部分710a与预测的障碍物720a相交的情形，因此，碰撞检测器使所述图上与区域710a相对应的转换无效。按这种方式，路径规划器确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹。例如，区域735a和745a的并集在空间和时间上连接状态或平衡点730a和740a以提供无碰撞通道。该通道内的任何轨迹都是无碰撞的。

例如，在一个实施方式中，所述路径规划器通过在所述并集内优化所述车辆的所述运动的成本函数来确定所述轨迹。另外或者另选地，在一个实施方式中，路径规划器确定形成所述并集的最短时间序列。例如，路径规划器可以确定连接限定初始位移和目标位移的平衡点的轨迹。

在一些实施方式中，障碍物的预测的轨迹至少包括路径、速度以及取向/车向，但也可以包括另一些实体，诸如旋转速度、加速度以及转向。另外，可以将所述运动表示为测量该运动在某一时间内处于某一位置的概率的概率密度函数(PDF)。

在一些实施方式中，所述碰撞检测器估计与指示所述物体的运动的所述时间序列信号一致的所述物体的未来轨迹，估计所述未来轨迹在每个控制时间步与每个区域相交的概率，并且如果相交的概率低于阈值，则将在所述控制时间步的区域检测为无碰撞的。

图7B示出了根据一个实施方式概率地确定无碰撞区域的示意图。例如，在图7B中，在一个控制时间步的障碍物700b的估计位置和与该位置的关联的PDF 710b与对应于一个控制时间步的平衡点730b的区域720b相交。如果与安全区域的边界721b相交的概率高于阈值740b，则通过设置对应的上块对角矩阵的对应元素，使通向平衡点730b的转换无效并将所述转换从路径规划器的图搜索中去除。

一些实施方式基于这样的认识，即，在与主车辆共用的环境中行驶的车辆只在沿着与主车辆的轨迹相交的轨迹移动时才对主车辆形成威胁。然而，将该陈述反过来说，可以理解为只有当存在沿着与主车辆的轨迹相交的假想轨迹行进的另一车辆时，该假想轨迹才对主车辆形成威胁。

一些实施方式基于这样的认识，即，可以在计算上更有效地评估轨迹对主车辆的危害，而不是评估其它车辆的运动对主车辆的危害。这是因为通过可行驶区域、道路交通和/或环境地图强加的可行轨迹的数量有限的缘故。可以以计算上有效的方式预先计算这些可行轨迹，并且更容易测试车辆是否遵循预先计算的轨迹而不是为移动车辆生成所有可能的轨迹。按这种方式，生成最优轨迹的问题被在计算上更有效率的指派和/或分类问题所取代。

一些实施方式基于这样的认识，即，可以概率地确定可行轨迹与主车辆的轨迹的相交。按这种方式，可以用概率密度函数来表示可行轨迹，以覆盖可行驶区域的更大空间，从而减少待生成的可行轨迹的数量。类似地，也可以概率地确定车辆到可行轨迹的指派以表示运动测量的不确定性、车辆驾驶员的行驶意图快速改变的可能性以及沿着属于多个轨迹的区段运动的可能性。

为此，一些实施方式将可行轨迹的风险等级确定为可行轨迹与主车辆的轨迹相交的概率与至少一个车辆要遵循的可行轨迹的概率的组合。

图8A示出了根据一个实施方式的确定130指示无碰撞区域的数据结构的碰撞检测器的示例性实现。该示例性实现确定810在车辆的行驶区域中移动的假想物体的一组可行轨迹。然后，该示例性实现确定820每个可行轨迹与每个控制时间步的每个区域相交的概率。然后，该示例性实现使用时间序列信号确定至少一个物体要遵循的每个可行轨迹的概率。最后，确定每个可行轨迹与每个控制时间步的每个区域相交的风险等级，作为可行轨迹与每个控制时间步的每个区域相交的概率和至少一个物体要遵循的可行轨迹的概率的组合；并且该示例性实现最后推断出：如果所有可行轨迹与一控制时间步的区域相交的风险等级低于阈值，则将在所述控制时间步所述区域检测为无碰撞的。

在一些实施方式中，可行轨迹是使用假想车辆的运动的运动学模型来确定的，例如，通过以下步骤来确定：按以选自一组行驶意图的不同行驶意图行进的环境中的不同位置来生成针对所述假想车辆的不同速度的可行轨迹。

另外或者另选地，一些实施方式通过迭代地采样假想物体的状态空间，并且在经采样状态与所述假想物体的运动的意图一致时将采样状态添加在针对所述运动的所述意图的可行轨迹中，来确定可行轨迹。

图8B示出了根据一些实施方式的生成可行轨迹并确定该可行轨迹与区域相交的概率的方法810的流程图。该方法例如在满足假想驾驶员的各种意图的同时，迭代地确定指定车辆从所述车辆的初始假想状态到所述车辆的目标车道的运动的状态序列。在不同实施方式中，所述初始假想状态是过去观察到的车辆状态，和/或其中，所述初始假想状态是在该方法的先前迭代期间相应地确定的状态。

图8C示出了根据一些实施方式的列出假想驾驶员的各种意图的表格。例如，一些实施方式针对执行由所述环境准许的不同行驶意图的每个假想车辆来确定可行轨迹，所述不同行驶意图使所述假想车辆移动到主车辆的行驶区域中。例如，所述一组行驶意图包括以下各项中的一个或组合：左转意图、右转意图、直行意图、向左变道意图、向右变道意图、刹车意图、加速意图以及保持速度意图。

运动是由连接车辆状态的状态转换来限定的。每个状态包括车辆的位置、速度以及车向。迭代地确定运动直到满足终止条件，例如，持续一时段、持续预定次数的迭代或者只要可行轨迹处于关注区域中即可。可以相对于路径规划器350中的规划范围来设定终止条件。对于人工驾驶的车辆，可以针对路段的可见性来设定终止条件。

图8D示出了例示图8B的方法的迭代的状态转换的序列。该方法从初始状态800d开始，确定800b一组采样状态820d和870d以及对应的一组状态转换821d，使得状态和转换满足对车辆的状态的静态约束以及动态约束。例如，该方法从状态880d开始，确定图8D中的状态860d及状态转换881d，同时从环境地图中避开障碍物890d并满足关于车辆运动的约束830d。

图8E示出了根据一个实施方式的确定一组采样状态800b的示例性实现的流程图。确定800b使用关于环境的信息、使用先前迭代确定的状态以及图8C中的驾驶员意图。先前状态的示例包括图8D中的节点880d、870d、820d及初始状态800d。

该示例性实现执行状态801e的初始确定。如果这是所述方法的第一次迭代，则所述初始状态是车辆的当前假想状态，具有与所述当前假想状态相关联的不确定性。该不确定性可以是置信区间的形状，或者该不确定性可以是几个可能位置的形状。例如，如果感测系统提供非常不确定的测量结果，或者如果地图不确定，那么可能出现这种场景。否则，由该方法的先前迭代来确定所述初始状态。

该方法对满足对车辆运动的约束的一组N个预测状态进行采样802e，其中，N可以预先确定或自适应。在本发明的一些实施方式中，状态802e是根据动态系统的虚构噪声源(即，根据w_k，其中标称输入u_k作为输入的平均值)生成的。例如，w_k可以选定为由高斯分布产生，或者可以选定为针对与可行轨迹相关联的特定意图定制的概率密度函数(PDF)。

在本发明的其它实施方式中，通过使用图8C中的意图来生成采样状态802e。驾驶员的意图事先是已知的，并且将根据动态系统的噪声源生成的状态加以校正以更好地满足所述意图。例如，可以使用概率函数q(x_k+1|x_k，y_k+1)来生成状态，其中，给定在时间索引k的状态和在时间索引k+1的规范，q是在时间索引k+1的状态的函数，。

作为一个特定示例，如果w_k和e_k都是加性高斯PDF，则可以q将选定为其中， 并且即，所述状态可以被生成为来自动态系统的噪声源的随机样本、通过车辆的数学描述传播、利用确定性项加以修改以解释与所述意图的偏差，并且使用修改的项来预测对应的状态。

在一个实施方式中，按循环执行采样状态802e的生成和对应状态的预测，其中，迭代次数是事先确定的。在另一实施方式中，状态802e的生成是基于时间上提前T个时间步的预期轨迹来完成的。例如，可以将迭代次数T确定为固定数量的步，或者可以将迭代确定为感测系统330的传感器的分辨率的函数。当802e被执行T个时间步时，根据与从时间索引k+1到时间索引k+T的预期轨迹(即，q(x_k+1|x_k，y_k+1，...，y_k+T))相对应的所有位置来生成所述状态。

图8F示出了用于更新与图8C所示的驾驶员意图一致的采样状态的概率的方法的流程图。具体地，该方法确定812f采样状态是否和导致与驾驶员意图一致的目标状态的状态一致，并且基于对一致性的评估来更新813f所述状态的概率。例如，如果驾驶员的意图是改变到左车道，则目标状态可以位于左车道的中间，并且导致目标状态的中间状态与驾驶员意图一致，而其它状态则不是。

在一些实施方式中，所述确定812e是作为意图/约束的PDF下一个状态以及在前一次迭代期间确定状态的概率的组合来完成的。例如，如果状态是根据车辆的动态模型生成的，则所述概率与规范的PDF成比例，即， 作为另一个示例，如果状态的采样是根据完成的，则所述概率与预期轨迹的PDF的预测成正比例，即，在一个实施方式中，所述概率以这样的方式归一化，即，所述概率表示PDF。

在一个实施方式中，具有非零但较低的概率的状态在某些时间步中被具有较高概率的状态取代。例如，一个实施方式以这样的方式生成新的一组状态，即，生成的概率为在另一实施方式中，每当所述概率的平方和倒数(inverse square sum)低于某一预定义阈值时，就执行替换。以这种方式进行确保仅使用可能良好的状态。

可以以几种方式来完成状态的确定820b。例如，一个实施方式通过使用加权平均函数来确定状态，以将所述状态生成为另一实施方式将状态确定为具有最高概率的状态，即，另外或者另选地，一个实施方式通过对固定数量m＜N的采样状态求平均来确定所述状态。

图8G示出了为PDF的每个离散部分生成一个状态的方法的迭代的简化示意图。在该示例中，为单次迭代选择状态823g和状态824g。为至少一次迭代选择多个状态导致连接车辆的当前状态与车辆的目标状态的一组运动。为此，一个实施方式从该组运动中来选择优化成本函数的运动。

图8H示出了在图8G中的第一次迭代的五种状态的可能指派的概率。在选择例示状态821g、822g、823g、824g及825g的圆点的大小反映那些概率821h、822h、823h、824h及825h。

返回参照图8G，状态823g和状态824g成为下一次迭代的初始状态，所述下一次迭代再次生成车辆从初始状态到下一状态的五个采样的状态转换。

图8I示出了一个实施方式所使用的总概率密度函数的图。例如，为了确定可行轨迹与控制时间步的每个区域相交的概率，可行轨迹包括来自确定810b的概率分布。在一个实施方式中，参照图8I，根据总概率密度，将可行轨迹确定为具有最高概率810i的轨迹，并且在一个实施方式中，将可行轨迹确定针对所述密度的聚合状态820i。在一个实施方式中，将所述概率确定为特定时刻的PDF的多大部分830i与在特定时间步的区域相交。例如，如果整个PDF相交，则所述概率为1。

可行轨迹与主车辆的预期轨迹相交的概率不足以确定可行轨迹的风险等级，这是因为所述概率没有告诉任何车辆是否要遵循所述可行轨迹。

图9示出了车辆的可能可行轨迹的示例。考虑图9，图9中有8个可能的轨迹供车辆910遵循。假想的轨迹920与测量的车辆910不一致，因而可行轨迹的子集包括930。假定已经确定了930与主车辆的轨迹相交的概率。然后，在一个实施方式中，将风险等级确定为可行轨迹与主车辆的轨迹相交的的概率与至少一个车辆要遵循的可行轨迹的概率的组合。

一个实施方式对车辆的所述时间序列信号进行了分类以生成车辆的行驶意图，并且基于来自所述子集的可行轨迹与车辆意图的一致性，更新来自所述子集的每个可行轨迹的概率。这个构思是可以将先前观察到的数据用于预测未来做出的决定。例如，通过了解改变车道的驾驶员的特征，可以预测未来的车道变化。

图10A示出了一些实施方式所使用的车辆的方向盘的转向轨迹和车辆的加速轨迹的时间序列信号以确定车辆驾驶员的意图。驾驶员在时间1010a开始变道。然而，可以注意到，在变道之前，短时间内转向角略微增加1020a。例如，这可能是由于车辆的驾驶员往后看以查看盲区中是否有任何车辆。而且，可以看出，加速度1030a在开始变道之前缓慢地开始增加，然后在整个变道期间保持。因此，可以将来自记录的数据的信息用于预测未来意图。

图10B示出了根据一些实施方式的基于来自所述子集的可行轨迹与来自所述时间序列信号的车辆意图的一致性来更新要遵循的每个可行轨迹的概率830的方法1010b的示例性实现的流程图。该方法确定1010b车辆的意图。例如，如图8C中举例说明的，一个实施方式除了刹车860c、加速870c或保持速度880c以外，还考虑以下意图：左转810c、右转820c、直行830c、向左变道840c、向右变道850c。一些实施方式通过观察许多车辆的行为来学习如何选择意图。例如，一个实施方式使用具有已知意图的车辆数据来训练基于深度决策树的随机森林算法，另一实施方式训练支持向量机，并且第三个实施方式训练神经网络。

然后，该方法更新1020b车辆要遵循的可行轨迹的概率。在一个实施方式中，通过根据810i生成的可行轨迹的概率810i(即，最可能的轨迹的概率)来更新所述概率。在另一实施方式中，通过针对可行轨迹的PDF的加权平均值820i来完成更新。

一个实施方式采取可行轨迹的概率以与要遵循的可行轨迹的概率相交，并且同时将这些概率加权。例如，一个实施方式使用概率的加权平均值。

本发明的若干实施方式使用风险等级来调整主车辆的轨迹。例如，在一个实施方式中，如果风险等级高于某一阈值，则计算车辆的可行轨迹与主车辆的运动规划器的轨迹之间的碰撞时间。一个实施方式将作为碰撞时间的风险等级以警告声音、仪表板上的信号或两者的方式呈递给车辆驾驶员，然后响应于有关从驾驶员接收到的输入命令的命令来调整轨迹。在另一实施方式中，将高于阈值的风险等级传播至主车辆的碰撞避免模块，并且响应于从碰撞避免模块接收到的输入命令来调整轨迹。例如，碰撞避免模块可以是运动规划器350或者车辆的另一控制器360。所述输入命令可以包括方向盘命令和油门命令。

在一些实施方式中，路径规划器通过优化所述并集内车辆运动的成本函数来找到点的时间序列和对应的轨迹。例如，如图6A概述的，一个成本函数是到达横向位移的最小时间。另一个成本函数可以是优化车辆运动的平稳性，例如，由于需要为乘客提供舒适的乘坐。

可以以几种方式来确定与时间序列630a相对应的轨迹640a。在一个实施方式中，通过跟踪平衡点并且在由路径规划器确定的控制时间步的平衡点之间进行切换来确定轨迹，如图4D和图6A所示。

在其它实施方式中，控制系统包括速度计，所述速度计测量车辆的纵向速度，其中，碰撞检测器基于纵向速度与和控制时间步相对应的时段的乘积，确定车辆在所述控制时间步的纵向位移。然而，一个实施方式假定没有速度计，并且取而代之地将碰撞检测基于恒定速度，例如，根据车辆的指令的纵向速度来估计碰撞检测。

在又一实施方式中，将诸如GPS的位置传感器配备给车辆以确定该车辆的当前位置，另一实施方式使用收发器，所述收发器发送车辆的当前位置，并且接收作为对所述发送的响应的、针对包括所述当前位置的道路的形状而确定的一组区域。

本发明的上述实施方式可以按许多方式中的任一种来实现。例如，这些实施方式可以利用硬件、软件或其组合来实现。当按软件来实现时，软件代码可以在任何合适处理器或处理器集合上执行，而不管设置在单一计算机中还是分布在多个计算机当中。这种处理器可以被实现为集成电路，在集成电路组件中具有一个或更多个处理器。然而，处理器可以利用采用任何合适格式的电路来实现。

另外或者另选地，上述实施方式可以被实现为其上具体实施有可通过处理器执行的程序的非暂时性计算机可读存储介质，该程序用于执行各个实施方式的方法。

而且，在此概述的各种方法或处理可以被编码为可以在采用多种操作系统或平台中的任一种的一个或更多个处理器上执行的软件。另外，这种软件可以利用许多合适编程语言和/或编程或脚本工具中的任一种来编写，而且还可以被编译为在框架或虚拟机上执行的可执行机器语言代码或中间代码。通常情况下，该程序模块的功能可以如在各种实施方式中所希望的组合或分布。

而且，可以将本发明的实施方式具体实施为已经提供了示例的方法。作为该方法的一部分执行的动作可以按任何合适方式来安排。因此，即使在例示性实施方式中被示出为顺序动作，也可以构建按与所例示相比不同的次序来执行动作的实施方式，这些实施方式可以包括同时执行一些动作。

Claims (20)

1.一种对行进在与一组移动物体共用的道路上的车辆的运动进行控制的车辆控制系统，所述车辆控制系统包括：

存储器，所述存储器存储对所述车辆行进的所述道路上的横向位移进行限定的一组平衡点，并且存储所述车辆的、与所述一组平衡点相对应的横向动态的状态的一组区域，其中，横向动态的各个状态包括横向位移、所述横向位移的变化速率、横向取向以及所述横向取向的变化速率，其中，各个区域限定所述横向动态的所述状态的控制不变集，所述控制不变集被确定为使得在区域内具有状态的所述车辆能够在所述区域内保持所述车辆的状态，其中，各个区域包括对应的平衡点并且与至少一个相邻区域相交；

至少一个传感器，所述至少一个传感器生成指示所述一组移动物体中的各个物体的运动轨迹的时间序列信号；

碰撞检测器，所述碰撞检测器在以下时间检测到在时间范围内的各个控制时间步的各个区域与至少一个物体的碰撞以生成指示在不同的控制时间步的无碰撞区域的数据结构：当所述物体在所述控制时间步的所述运动轨迹与由所述车辆在所述控制时间步的纵向位移和所述区域的所述横向位移的值的范围所限定的空间相交时；

路径规划器，所述路径规划器确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹；以及

控制器，所述控制器根据所述轨迹来控制所述车辆。

2.根据权利要求1所述的系统，其中，所述存储器存储指示状态转换图的数据结构，所述状态转换图在不考虑障碍物的情况下限定针对不同的控制时间步的区域之间的可能转换，并且其中，所述碰撞检测器响应于检测到所述障碍物而使所述图上的至少一些转换无效，以形成指示所述无碰撞区域的所述数据结构，并且其中，所述路径规划器搜遍所述图中的有效转换以寻找区域的所述并集。

3.根据权利要求2所述的系统，其中，所述转换包括不确定性，使得所述状态转换图成为马尔可夫链。

4.根据权利要求1所述的系统，其中，指示所述状态转换图的所述数据结构包括上块对角矩阵。

5.根据权利要求1所述的系统，其中，所述碰撞检测器估计所述物体的、与指示所述物体的运动的所述时间序列信号一致的未来轨迹，估计所述未来轨迹与在各个控制时间步的各个区域相交的概率，并且如果相交的概率低于阈值，则将所述控制时间步的所述区域检测为无碰撞的。

6.根据权利要求1所述的系统，其中，所述碰撞检测器被配置为

确定在所述车辆的行驶区域中移动的假想物体的一组可行轨迹；

确定各个可行轨迹与各个控制时间步的各个区域相交的概率；

使用所述时间序列信号，确定至少一个物体要遵循的各个可行轨迹的概率；

将各个可行轨迹与各个控制时间步的各个区域相交的风险等级确定为所述可行轨迹与各个控制时间步的各个区域相交的概率与至少一个物体要遵循的所述可行轨迹的概率的组合；以及

如果所有可行轨迹与在所述控制时间步的区域相交的所述风险等级低于阈值，则将所述控制时间步的所述区域检测为无碰撞的。

7.根据权利要求6所述的系统，其中，所述可行轨迹是使用假想车辆的运动的运动学模型来确定的，所述系统包括：

按以选自一组行驶意图的不同行驶意图行进的环境中的不同位置生成针对所述假想车辆的不同速度的所述可行轨迹。

8.根据权利要求7所述的系统，

其中，所述假想车辆的所述位置是根据所述环境的地图选择的，

其中，所述一组行驶意图包括以下项中的一个或组合：左转意图、右转意图、直行意图、向左变道意图、向右变道意图、刹车意图、加速意图以及保持速度意图，并且

其中，针对执行由所述环境准许的不同行驶意图的各个假想车辆确定所述可行轨迹，所述不同行驶意图使所述假想车辆移动到所述主车辆的所述行驶区域中。

9.根据权利要求6所述的系统，所述系统还包括：

将车辆指派给在误差容限内与所述车辆的所述时间序列信号一致的可行轨迹的子集，并且

基于对由所述可行轨迹表示的行驶意图的统计，确定所述车辆遵循来自所述子集的各个可行轨迹的概率。

10.根据权利要求6所述的系统，其中，通过迭代地采样假想物体的状态空间，并且在采样状态与所述假想物体的运动的意图一致时将所述采样状态添加在针对所述运动的所述意图的可行轨迹中，来确定所述可行轨迹。

11.根据权利要求1所述的系统，其中，所述路径规划器通过在所述并集内优化所述车辆的所述运动的成本函数来确定所述轨迹。

12.根据权利要求1所述的系统，其中，所述路径规划器确定形成所述并集的最短时间序列。

13.根据权利要求1所述的系统，其中，所述路径规划器确定连接限定所述初始位移和所述目标位移的所述平衡点的所述轨迹。

14.根据权利要求1所述的系统，所述系统还包括：

速度计，所述速度计测量所述车辆的纵向速度，其中，所述碰撞检测器基于所述纵向速度与对应于所述控制时间步的时段的乘积，来确定所述车辆在所述控制时间步的所述纵向位移。

15.根据权利要求1所述的系统，所述系统还包括：

位置传感器，所述位置传感器确定所述车辆的当前位置；以及

收发器，所述收发器发送所述车辆的所述当前位置，并且接收作为对所述发送的响应的、针对包括所述当前位置的所述道路的形状确定的所述一组区域。

16.根据权利要求1所述的系统，其中，所述一组区域是在不考虑所述车辆的纵向动态的情况下针对所述车辆的所述横向动态确定的。

17.一种对行进在与一组移动物体共用的道路上的车辆的运动进行控制的方法，其中，所述方法使用与实现所述方法的存储指令联接的处理器，其中，所述指令在由所述处理器执行时，执行所述方法的至少一些步骤，所述步骤包括：

从存储器取回所述车辆的、与一组平衡点相对应的横向动态的状态的一组区域，其中，横向动态的各个状态包括横向位移、所述横向位移的变化速率、横向取向以及所述横向取向的变化速率，其中，各个区域限定所述横向动态的所述状态的控制不变集，所述控制不变集被确定为使得在区域内具有状态的所述车辆能够在所述区域内保持所述车辆的状态，其中，各个区域包括对应的平衡点并且与至少一个相邻区域相交；

生成指示所述一组移动物体中的各个物体的运动轨迹的时间序列信号；

在以下时间检测到在时间范围内的各个控制时间步的各个区域与至少一个物体的碰撞以生成指示在不同的控制时间步的无碰撞区域的数据结构：当所述物体在所述控制时间步的轨迹与由所述车辆在所述控制时间步的纵向位移和所述区域的所述横向位移的值的范围所限定的空间相交时；

确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹；以及

根据所述轨迹来控制所述车辆。

18.根据权利要求17所述的方法，所述方法还包括：

取回指示状态转换图的数据结构，所述状态转换图在不考虑障碍物的情况下限定针对不同的控制时间步的区域之间的可能转换；

响应于检测到所述障碍物，使所述图上的至少一些转换无效，以形成指示所述无碰撞区域的所述数据结构；以及

搜遍所述图中的有效转换以寻找区域的所述并集。

19.根据权利要求17所述的方法，所述方法还包括：

确定在所述车辆的行驶区域中移动的假想物体的一组可行轨迹；

确定各个可行轨迹与各个控制时间步的各个区域相交的概率；

使用所述时间序列信号，确定至少一个物体要遵循的各个可行轨迹的概率；

将各个可行轨迹与各个控制时间步的各个区域相交的风险等级确定为所述可行轨迹与各个控制时间步的各个区域相交的概率与至少一个物体要遵循的所述可行轨迹的概率的组合；以及

如果所有可行轨迹与控制时间步的区域相交的所述风险等级低于阈值，则将所述控制时间步的所述区域检测为无碰撞的。

20.一种包含能够由处理器执行的程序的非暂时性计算机可读存储介质，所述程序用于执行方法，所述方法包括：

从存储器取回车辆的、与一组平衡点相对应的横向动态的状态的一组区域，其中，横向动态的各个状态包括横向位移、所述横向位移的变化速率、横向取向以及所述横向取向的变化速率，其中，各个区域限定所述横向动态的所述状态的控制不变集，所述控制不变集被确定为使得在区域内具有状态的所述车辆能够在所述区域内保持所述车辆的状态，其中，各个区域包括对应的平衡点并且与至少一个相邻区域相交；

生成指示所述一组移动物体中的各个物体的运动轨迹的时间序列信号；

在以下时间检测到在时间范围内的各个控制时间步的各个区域与至少一个物体的碰撞以生成指示在不同的控制时间步的无碰撞区域的数据结构：当所述物体在所述控制时间步的所述轨迹与由所述车辆在所述控制时间步的纵向位移和所述区域的所述横向位移的值的范围所限定的空间相交时；

确定对在空间和时间中形成将包括初始位移的区域与包括目标位移的区域连接起来的区域的并集的无碰撞区域序列进行限定的时间序列，以在所述并集内生成将所述初始位移与所述目标位移连接起来的轨迹；以及

根据所述轨迹来控制所述车辆。