CN110462703A - 基于碰撞后分析的自动驾驶车辆的车辆动作优化 - Google Patents
基于碰撞后分析的自动驾驶车辆的车辆动作优化 Download PDFInfo
- Publication number
- CN110462703A CN110462703A CN201880002895.9A CN201880002895A CN110462703A CN 110462703 A CN110462703 A CN 110462703A CN 201880002895 A CN201880002895 A CN 201880002895A CN 110462703 A CN110462703 A CN 110462703A
- Authority
- CN
- China
- Prior art keywords
- cost
- adv
- collision
- collision cost
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title description 3
- 238000004458 analytical method Methods 0.000 title description 2
- 230000006870 function Effects 0.000 claims abstract description 35
- 230000006378 damage Effects 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 28
- 230000008447 perception Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 17
- 230000035939 shock Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 13
- 238000003860 storage Methods 0.000 description 28
- 238000004891 communication Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001413 cellular 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
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 241000630329 Scomberesox saurus saurus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission 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
- 238000005553 drilling 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
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000010304 firing Methods 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
- 230000003902 lesion 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
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- 238000005036 potential barrier Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- B60W30/08—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
-
- 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
- B60W30/085—Taking automatic action to adjust vehicle attitude in preparation for collision, e.g. braking for nose dropping
-
- 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
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G05D1/0214—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
- B60W30/10—Path keeping
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
基于ADV与对象之间的相对位置和相对速度、根据ADV的物理限制,确定ADV将不可避免地与ADV周围的对象中的至少一个对象碰撞。对象可以是另一车辆、行人、自行车或静态障碍物。针对每个对象,使用一个或多个成本函数或成本算法的集合计算ADV与对象之间的碰撞成本。碰撞成本表示如果发生碰撞的潜在损害量。选择在所有对象中具有最低碰撞成本的一个对象。规划ADV驶向或朝向所选对象的路径或轨迹,从而相比于其余对象最小化ADV与所选对象潜在碰撞时的潜在损害。
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用于自动驾驶车辆的碰撞后车辆动作优化。
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。自动驾驶的目标是在遵循交通规则的情况下规划和导航从起始位置到目的位置的道路,并尽可能地避免任何碰撞。然而,在某些情况下,由于驾驶环境的不可预见的变化或突然的变化,事故或碰撞是不可避免的。通常,传统车辆在这种场景下将尽可能快地减速或停止车辆,同时向前保持相同的前进方向。然而,这种途径可能不是造成最小损害的最佳方式。
发明内容
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,在自动驾驶期间,首要目标是在遵循交通规则的同时尽可能地避免与其他对象的任何碰撞或事故。然而,当自动驾驶车辆(ADV)确定不能避免碰撞或事故时,在该时间点检查和分析周围的驾驶环境来确定采取的行动,从而降低由于不可避免的碰撞或事故造成的可能损害。在给定该时间点的驾驶环境的情况下,可使用一个或多个成本函数或成本算法来确定多个路径或轨迹,其中,每个路径或轨迹可与成本相关联,该成本代表如果ADV遵循该特定路径将可能导致的损害量。可选择具有最低成本的一个路径或轨迹,并且根据所选路径控制ADV驾驶,使得可显著降低由于不可避免的碰撞造成的潜在损害。
根据一个实施方式,基于ADV与ADV周围的对象之间的相对位置和相对速度、根据ADV的物理限制,确定ADV不可避免地与对象中的至少一个对象碰撞。对象可以是另一车辆、行人、自行车、静态障碍物(例如,垃圾桶、灯杆、建筑物、停放的车辆)。针对每个对象,使用一个或多个成本函数或成本算法的集合来计算ADV与对象之间的碰撞成本。碰撞成本表示如果发生碰撞的潜在损害量。选择在所有对象中具有最低碰撞成本的一个对象。规划ADV驶向或朝向所选对象的路径或轨迹,从而相比于其余对象最小化ADV与所选对象潜在碰撞时的潜在损害。
在一个实施方式中,可基于与对象相关联的、基于对象类型的对象碰撞成本确定来碰撞成本。对象类型可以是车辆、人或行人、具有骑乘者的自行车或摩托车或静态障碍物。可预定义每种类型的对象并将每种类型的对象与特定对象碰撞成本相关联。在一个实施方式中,保存对象到对象碰撞成本(对象/成本)映射数据结构或映射表以将不同类型的对象映射到不同的碰撞成本。对象/成本映射表包括多个映射条目。每个映射条目将特定对象类型映射到特定对象碰撞成本。给定在自动驾驶期间感知的特定对象,例如基于由传感器(例如,摄像机)拍摄的对象的图像来确定对象的类型。基于对象的类型,在对象/成本映射表中执行查找操作以定位与对象的类型匹配的映射条目。然后,从匹配条目获得对象碰撞成本。
根据另一实施方式,ADV与对象之间的碰撞成本可包括基于ADV的速度与对象的速度之间的差计算的速度碰撞成本。ADV与对象之间的碰撞成本还可包括基于ADV的方向向量和对象的方向向量(例如,ADV的方向向量与对象的方向向量之间的角度)计算的方向碰撞成本。ADV与对象之间的碰撞成本还可包括撞击位置碰撞成本,该撞击位置碰撞成本基于与对象的潜在碰撞相对于ADV的驾驶员座椅的撞击或接触位置而确定。可例如使用预定的组合公式(例如,加权公式)基于对象碰撞成本、速度碰撞成本、方向碰撞成本和撞击位置碰撞成本中的一个或多个成本来计算ADV与对象之间的最终碰撞成本。
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是示出特定驾驶环境的图。
图5是示出根据一个实施方式的碰撞成本计算器的示例的框图。
图6A至图6D是示出根据一个实施方式的某些成本函数或表格的示例的图。
图7是示出根据一个实施方式的操作自动驾驶车辆的过程的流程图。
图8是示出根据一个实施方式的计算关于对象的碰撞成本的过程的流程图。
图9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
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可以是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包括表示发出的驾驶命令(例如,油门命令、制动命令和转向命令)以及在不同的时间点处由车辆的传感器采集的车辆的响应(例如,速度、加速度、减速度、方向)的信息。驾驶统计数据123还可例如包括描述不同的时间点处的驾驶环境的信息,诸如,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可包括算法、成本函数和/或成本映射表以计算对象碰撞成本、速度碰撞成本、方向碰撞成本和/或撞击位置碰撞成本,并且包括基于对象碰撞成本、速度碰撞成本、方向碰撞成本和撞击位置碰撞成本中的一项或多项来确定总碰撞成本的算法。可将算法或成本函数124中的至少一些上传到ADV以实时使用,从而计算在这种情况下使得碰撞损害最小化的路径。
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、路线制定模块307和碰撞成本计算器308。
模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如,这些模块可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308中的一些可一起集成为集成模块。例如,碰撞成本计算器308可作为规划模块305和/或控制模块306的一部分而实施。
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出发位置和目的地。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(例如,直线车道或弯曲车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如,停止标志、让行标志)等。
感知模块302可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的行为。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左转专用车道或右转专用车道,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。对于从出发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,并且确定从出发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针对其确定的从出发位置至到达目的地位置的路线中的每个路线生成参考线。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、制动和转弯命令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施方式中,在多个规划周期(也被称为命令周期)(诸如,例如,在每100毫秒(ms)的时间间隔中)中执行规划阶段。针对规划周期或命令周期中的每个,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实现自动驾驶车辆沿着以下路径移动的一系列速度和前进方向:所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时,基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并,以确定用于自动驾驶车辆的驾驶路径。
决策模块304/规划模块305还可以包括防撞系统或防撞系统的功能,以识别、评估并且避免或以其它方式越过自动驾驶车辆的环境中的潜在障碍物。例如,防撞系统可以通过以下方式实现自动驾驶车辆的导航中的变化:操作控制系统111中的一个或多个子系统来采取变向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以被配置成使得当其它传感器系统检测到位于自动驾驶车辆将变向进入的相邻区域中的车辆、建筑障碍物等时不采取变向操纵。防撞系统可以自动选择既可使用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择预测使得自动驾驶车辆的乘客舱中出现最小量的加速度的避让操纵。
根据一个实施方式,当规划模块305尝试规划导航交通的路径时,规划模块305可确定与ADV周围的至少一个对象的碰撞可能是不可避免的。规划模块305可基于ADV的操作状态(例如,速度和前进方向)根据周围驾驶环境来确定这种情况。例如,给定ADV的当前速度,如果前方车辆突然以异常的减速率减速,即使发出最大制动命令,ADV仍可能与前方车辆碰撞。类似地,给定ADV的速度,如果跟随车辆以异常的加速率接近,即使ADV被给予具有最大加速率的最大油门指令,ADV仍然不能逃离与来自后方的车辆的碰撞。
响应于确定碰撞是不可避免的,调用碰撞成本计算器308以计算针对ADV周围的每个对象的碰撞成本,例如,使用成本函数313。成本函数313可由数据分析系统103基于从在各种道路上行驶的各种车辆收集的驾驶统计数据来创建和训练。可通过规划模块305选择具有最小碰撞成本的对象中的一个对象。规划模块305规划朝向所选对象的路径以与所选对象碰撞。因此,与碰撞其他物体而造成的损害相比,上述碰撞造成的损害保持最小。
图4示出了特定驾驶环境的示例。参考图4,在该示例中,ADV 401被对象411-415围绕。ADV 401的规划模块305可基于由感知模块302提供的驾驶环境的感知信息和由预测模块303提供的对象411-415的行为预测来确定不能避免与对象411-415中的至少一个对象碰撞。例如,基于ADV 401的速度与前方车辆411的速度之间的差异以及ADV401与前方车辆411之间的当前距离,即使向ADV 401发出最大制动命令,ADV 401仍将很可能与车辆411碰撞。同时,在相邻车道上存在对象412、413和415。如果ADV 401试图改变车道,则ADV 401很可能将与对象412、413或415中的一个对象碰撞。
类似地,给定ADV 401的速度与从后方接近的车辆414的速度之间的差异以及ADV401与车辆414之间的距离,ADV 401可确定车辆414将很可能碰撞ADV 401的后端。为了避免碰撞,ADV 401可能必须向前加速。即使将最大油门指令应用于ADV 401以加速,车辆414仍然将与ADV 401的后端碰撞。另外,在前面存在另一车辆411,并且如果ADV 401加速过多,则ADV 401可能与车辆411碰撞。如果ADV 401想要改变车道,则它可能必须与对象412、413和415中的至少一个对象碰撞。因此,碰撞是不可避免的,而ADV 401与对象411-415中的哪个对象碰撞将造成最小的损害是一个问题。
根据一个实施方式,碰撞成本计算器308配置成使用一组成本函数或成本算法313来计算对象411-415中每个对象的碰撞成本。因此,将存在针对对象411-415中的每个对象计算的碰撞成本。基于对象的类型、对象的速度、对象的前进方向和/或车辆的碰撞点来计算对象的碰撞成本。基于与对象411-415相关联的碰撞成本,规划模块305从对象411-415中选择具有最小碰撞成本的一个对象,并规划朝向所选对象的路径,使得ADV 401将与所选对象碰撞。例如,假设确定对象415在所有对象411-415中具有最小碰撞成本。在该示例中,假设对象415是静态障碍物,例如,灯杆或垃圾桶。规划模块305选择对象415并规划路径或轨迹以允许ADV 401与对象415碰撞。这样规划的目标是使ADV能够与将对人造成尽可能少的伤害或完全无伤害的对象碰撞。
图5是示出根据一个实施方式的碰撞成本计算器的框图。现参考图5,碰撞成本计算器308包括对象碰撞成本计算器501、速度碰撞成本计算器502、方向碰撞成本计算器503和撞击位置碰撞成本计算器504。对象碰撞成本计算器501配置成基于对象的类型为ADV与对象之间的碰撞计算对象碰撞成本。在一个实施方式中,对象碰撞成本计算器501使用对象到碰撞成本(对象/成本)映射表511来计算对象碰撞成本。对象/成本映射表511配置成将不同类型的对象映射到对应的碰撞成本。
图6A示出了根据一个实施方式的对象/成本映射表的示例。参考图6A,对象/成本映射表600包括多个映射条目。每个映射条目将特定类型的对象601映射到对应的碰撞成本602。如图6A所示,与人相关的对象的碰撞成本将高于与静态障碍物相关的对象的碰撞成本。在该示例中,与行人相关联的碰撞成本高于与静态障碍物相关联的碰撞成本,这是因为与行人的碰撞将很可能对行人造成伤害,而与静态障碍物的碰撞将很可能不会对任何人造成伤害。类似地,行人的碰撞成本高于车辆的碰撞成本。背后的理由是车辆内的驾驶员或乘客将会得到来自车辆的框架的更好的保护,并且潜在的伤害低于与行人的碰撞。任何可能导致人身伤害的碰撞都将具有更高的碰撞成本。
返回参考图5,速度碰撞成本计算器502配置成使用速度碰撞成本函数512基于ADV的速度与对象的速度之间的差来计算ADV与对象之间的速度碰撞成本。速度碰撞成本函数512可由与图6B中所示的一个曲线类似的曲线表示。速度碰撞成本函数可由y=a*ebx+c表示,其中,x表示速度的差异,并且y表示速度碰撞成本。可基于过去的驾驶统计数据来训练和配置系数a、b和c。如图6B所示,较高的速度差导致较高的速度碰撞成本,这是因为如果速度差较高,则碰撞冲击将较大。
在一个实施方式中,方向碰撞成本计算器503配置成使用方向碰撞成本函数513基于ADV的前进方向与对象的前进方向之间的差来计算ADV与对象之间的方向碰撞成本。由于静态障碍物不移动,静态障碍物的前进方向将被认为是与静态障碍物所在的车道或道路的方向相同的方向。方向碰撞成本函数513可由与图6C中所示的一个曲线类似的曲线表示。方向碰撞成本函数可由y=a*ebx+c表示,其中,x表示前进方向的差异,并且y表示方向碰撞成本。可基于过去的驾驶统计数据来训练和配置系数或参数a、b和c。如图6C所示,较大的前进方向差导致较高的方向碰撞成本,这是因为如果前进方向差较大,则碰撞冲击将较大。
在一个实施方式中,撞击位置碰撞成本计算器504配置成使用撞击位置碰撞成本函数514基于ADV与对象之间的潜在撞击或冲击位置来计算撞击位置碰撞成本。具体地,根据特定实施方式,基于当发生潜在碰撞时ADV的驾驶员或乘客与ADV上的撞击或冲击位置之间的距离来确定撞击位置碰撞成本。撞击位置碰撞成本函数514可由与图6D中所示的一个曲线类似的曲线表示。撞击位置碰撞成本函数可由y=a*eb/x+c表示,其中,x表示前进方向差。可基于过去的驾驶统计数据来训练和配置系数或参数a、b和c。在具体实施方式中,撞击位置碰撞成本函数由y=e1/x–1表示。如图6D所示,ADV的驾驶员或乘客与ADV的撞击位置之间的距离越大则成本越低,这是因为对驾驶员或乘客的潜在损害将越低。
上述撞击位置碰撞成本被称为自撞击位置碰撞成本,其基于ADV的驾驶员或乘客与ADV的撞击位置之间的距离。根据一个实施方式,还基于对象的撞击位置与对象的乘骑者或乘客之间的距离来计算对象撞击位置碰撞成本。如果对象是车辆,则假设至少有驾驶员乘骑在车辆中。如果对象是静态对象,则对象撞击位置碰撞成本为零。总撞击位置碰撞成本是使用预定公式基于自撞击位置碰撞成本和对象撞击位置碰撞成本来确定的,例如,通过对这两个撞击位置碰撞成本求和和/或相乘。
根据一个实施方式,使用预定公式(例如,加权公式)基于对象碰撞成本、速度碰撞成本、方向碰撞成本和撞击位置碰撞成本来确定总或最终碰撞成本。在一个具体实施方式中,总碰撞成本可基于以下确定:
总成本=对象碰撞成本*撞击位置碰撞成本*(速度碰撞成本+方向碰撞成本)
图7是示出根据一个实施方式的操作自动驾驶车辆的过程的流程图。过程700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700可由碰撞成本计算器308执行。参考图7,在操作701中,基于ADV与ADV周围的对象之间的相对位置和相对速度、根据ADV的物理限制,确定ADV将不可避免地与对象中的至少一个对象碰撞。ADV的物理限制包括ADV的最大加速度或最大减速度。在操作702中,针对每个对象,使用一个或多个碰撞成本函数的集合计算在ADV与对象之间的碰撞成本。碰撞成本表示如果发生碰撞的潜在损害量。在操作703中,在所有对象中选择碰撞成本最低的一个对象。在操作704中,规划朝向所选对象的轨迹,以最小化ADV与所选对象潜在碰撞时的潜在损害。
图8是示出根据一个实施方式的计算与对象相关联的碰撞成本的过程的流程图。过程800可作为操作702中涉及的操作的一部分来执行。参考图8,在操作801中,基于对象的类型计算对象碰撞成本。在一个实施方式中,基于对象的类型,在对象/成本映射表中执行查找操作以获得对象碰撞成本。在操作802中,基于ADV与对象之间的速度差使用速度碰撞成本函数计算速度碰撞成本。在操作803中,基于ADV与对象之间的前进方向差使用方向碰撞成本函数计算方向碰撞成本。在操作804中,基于潜在碰撞的撞击或冲击位置使用撞击位置碰撞成本函数计算撞击位置碰撞成本。撞击位置碰撞成本包括自撞击位置碰撞成本和对象撞击位置碰撞成本。在操作805中,基于对象碰撞成本、速度碰撞成本、方向碰撞成本和撞击位置碰撞成本确定总碰撞成本。
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9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,例如,规划模块305、控制模块306和/或碰撞成本计算器308。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)
1.一种用于操作自动驾驶车辆的计算机实施的方法,所述方法包括:
基于自动驾驶车辆(ADV)与所述ADV周围的多个对象之间的相对位置和相对速度、根据所述ADV的物理限制,确定所述ADV将不可避免地与所述多个对象中的至少一个对象碰撞;
针对所述多个对象中的每个对象,使用一个或多个成本函数的集合计算所述ADV与所述对象之间的碰撞成本,其中,所述碰撞成本表示如果发生所述碰撞的潜在损害;
在所述多个对象之中选择所述对象中的具有最低碰撞成本的一个对象;以及
规划朝向所选对象的轨迹,从而相比于其余对象最小化所述ADV与所选对象潜在碰撞时的所述潜在损害。
2.根据权利要求1所述的方法,其中,计算所述ADV与对象之间的碰撞成本包括:基于所述对象的类型确定对象碰撞成本。
3.根据权利要求2所述的方法,其中,确定对象碰撞成本包括:
基于对所述对象的感知信息确定所述对象的类型;以及
在对象到碰撞成本(对象/成本)映射表中执行查找操作以定位与所述对象的类型匹配的映射条目,从而获得与所述对象的类型对应的预定碰撞成本。
4.根据权利要求3所述的方法,其中,所述对象/成本映射表包括多个映射条目,以及其中,每个映射条目将对象的特定类型映射到预配置的碰撞成本。
5.根据权利要求2所述的方法,其中,计算所述ADV与对象之间的碰撞成本还包括:基于所述ADV的第一速度与所述对象的第二速度之间的差计算速度碰撞成本。
6.根据权利要求2所述的方法,其中,计算所述ADV与对象之间的碰撞成本还包括:基于所述ADV的第一方向向量和所述对象的第二方向向量计算方向碰撞成本。
7.根据权利要求2所述的方法,其中,计算所述ADV与对象之间的碰撞成本还包括:基于与所述对象的所述潜在碰撞相对于所述ADV的驾驶员座椅的撞击位置计算撞击位置碰撞成本。
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:
基于自动驾驶车辆(ADV)与所述ADV周围的多个对象之间的相对位置和相对速度、根据所述ADV的物理限制,确定所述ADV将不可避免地与所述多个对象中的至少一个对象碰撞;
针对所述多个对象中的每个对象,使用一个或多个成本函数的集合计算所述ADV与所述对象之间的碰撞成本,其中,所述碰撞成本表示如果发生所述碰撞的潜在损害;
在所述多个对象之中选择所述对象中的具有最低碰撞成本的一个对象;以及
规划朝向所选对象的轨迹,从而相比于其余对象最小化所述ADV与所选对象潜在碰撞时的所述潜在损害。
9.根据权利要求8所述的机器可读介质,其中,计算所述ADV与对象之间的碰撞成本包括:基于所述对象的类型确定对象碰撞成本。
10.根据权利要求9所述的机器可读介质,其中,确定对象碰撞成本包括:
基于对所述对象的感知信息确定所述对象的类型;以及
在对象到碰撞成本(对象/成本)映射表中执行查找操作以定位与所述对象的类型匹配的映射条目,从而获得与所述对象的类型对应的预定碰撞成本。
11.根据权利要求10所述的机器可读介质,其中,所述对象/成本映射表包括多个映射条目,以及其中,每个映射条目将对象的特定类型映射到预配置的碰撞成本。
12.根据权利要求9所述的机器可读介质,其中,计算所述ADV与对象之间的碰撞成本还包括:基于所述ADV的第一速度与所述对象的第二速度之间的差计算速度碰撞成本。
13.根据权利要求9所述的机器可读介质,其中,计算所述ADV与对象之间的碰撞成本还包括:基于所述ADV的第一方向向量和所述对象的第二方向向量计算方向碰撞成本。
14.根据权利要求9所述的机器可读介质,其中,计算所述ADV与对象之间的碰撞成本还包括:基于与所述对象的所述潜在碰撞相对于所述ADV的驾驶员座椅的撞击位置计算撞击位置碰撞成本。
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:
基于自动驾驶车辆(ADV)与所述ADV周围的多个对象之间的相对位置和相对速度、根据所述ADV的物理限制,确定所述ADV将不可避免地与所述多个对象中的至少一个对象碰撞;
针对所述多个对象中的每个对象,使用一个或多个成本函数的集合计算所述ADV与所述对象之间的碰撞成本,其中,
所述碰撞成本表示如果发生所述碰撞的潜在损害;
在所述多个对象之中选择所述对象中的具有最低碰撞成本的一个对象;以及
规划朝向所选对象的轨迹,从而相比于其余对象最小化所述ADV与所选对象潜在碰撞时的所述潜在损害。
16.根据权利要求15所述的系统,其中,计算所述ADV与对象之间的碰撞成本包括:基于所述对象的类型确定对象碰撞成本。
17.根据权利要求16所述的系统,其中,确定对象碰撞成本包括:
基于对所述对象的感知信息确定所述对象的类型;以及
在对象到碰撞成本(对象/成本)映射表中执行查找操作以定位与所述对象的类型匹配的映射条目,从而获得与所述对象的类型对应的预定碰撞成本。
18.根据权利要求17所述的系统,其中,所述对象/成本映射表包括多个映射条目,以及其中,每个映射条目将对象的特定类型映射到预配置的碰撞成本。
19.根据权利要求16所述的系统,其中,计算所述ADV与对象之间的碰撞成本还包括:基于所述ADV的第一速度与所述对象的第二速度之间的差计算速度碰撞成本。
20.根据权利要求16所述的系统,其中,计算所述ADV与对象之间的碰撞成本还包括:基于所述ADV的第一方向向量和所述对象的第二方向向量计算方向碰撞成本。
21.根据权利要求16所述的系统,其中,计算所述ADV与对象之间的碰撞成本还包括:基于与所述对象的所述潜在碰撞相对于所述ADV的驾驶员座椅的撞击位置计算撞击位置碰撞成本。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/078422 WO2019169603A1 (en) | 2018-03-08 | 2018-03-08 | Post collision analysis-based vehicle action optimization for autonomous driving vehicles |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110462703A true CN110462703A (zh) | 2019-11-15 |
Family
ID=67844269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880002895.9A Pending CN110462703A (zh) | 2018-03-08 | 2018-03-08 | 基于碰撞后分析的自动驾驶车辆的车辆动作优化 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10549749B2 (zh) |
JP (1) | JP6861272B2 (zh) |
CN (1) | CN110462703A (zh) |
WO (1) | WO2019169603A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112373488A (zh) * | 2020-12-14 | 2021-02-19 | 长春汽车工业高等专科学校 | 一种基于人工智能的无人驾驶系统及方法 |
CN113002534A (zh) * | 2019-12-20 | 2021-06-22 | 百度(美国)有限责任公司 | 碰撞后减损制动系统 |
CN113085809A (zh) * | 2021-04-28 | 2021-07-09 | 北京易控智驾科技有限公司 | 一种智能驾驶矿车的制动控制方法以及控制装置 |
CN113492848A (zh) * | 2020-04-03 | 2021-10-12 | 百度(美国)有限责任公司 | 用于自主驾驶车辆安全操作员的前方碰撞告警警报系统 |
CN116390879A (zh) * | 2020-10-01 | 2023-07-04 | 埃尔构人工智能有限责任公司 | 用于避免即将发生的碰撞的系统和方法 |
US12103560B2 (en) | 2020-10-01 | 2024-10-01 | Argo AI, LLC | Methods and systems for predicting actions of an object by an autonomous vehicle to determine feasible paths through a conflicted area |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200310421A1 (en) * | 2019-03-26 | 2020-10-01 | GM Global Technology Operations LLC | Online driving performance evaluation using spatial and temporal traffic information for autonomous driving systems |
CN111679678B (zh) * | 2020-06-30 | 2022-04-08 | 安徽海博智能科技有限责任公司 | 一种横纵向分离的轨迹规划方法、系统及计算机设备 |
CN112703144A (zh) * | 2020-12-21 | 2021-04-23 | 华为技术有限公司 | 控制方法、相关设备及计算机可读存储介质 |
CN115071747A (zh) * | 2021-03-12 | 2022-09-20 | 沃尔沃汽车公司 | 用于车辆的驾驶辅助设备、系统和方法 |
US20240190473A1 (en) * | 2022-12-12 | 2024-06-13 | Zoox, Inc. | Maintaining distance during vehicle interactions |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070046449A1 (en) * | 2005-08-31 | 2007-03-01 | Honda Motor Co., Ltd. | Travel safety apparatus for vehicle |
US20150066345A1 (en) * | 2013-08-28 | 2015-03-05 | Elwha Llc | Vehicle collision management system responsive to user-selected preferences |
JP2016061706A (ja) * | 2014-09-19 | 2016-04-25 | オムロンオートモーティブエレクトロニクス株式会社 | レーザレーダ装置および制御方法 |
CN105764773A (zh) * | 2013-08-29 | 2016-07-13 | 罗伯特·博世有限公司 | 用于控制车辆的方法 |
CN107145147A (zh) * | 2017-04-10 | 2017-09-08 | 广州小鹏汽车科技有限公司 | 一种车辆低速自动驾驶避碰方法及系统 |
CN107316500A (zh) * | 2017-06-06 | 2017-11-03 | 驭势(上海)汽车科技有限公司 | 自动驾驶中的威胁度计算方法、目标选择方法及应用 |
CN107339997A (zh) * | 2016-05-03 | 2017-11-10 | 现代自动车株式会社 | 自主车辆的路径规划装置及方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5983161A (en) * | 1993-08-11 | 1999-11-09 | Lemelson; Jerome H. | GPS vehicle collision avoidance warning and control system and method |
US6665631B2 (en) * | 2001-09-27 | 2003-12-16 | The United States Of America As Represented By The Secretary Of The Navy | System and method for measuring short distances |
US6748325B1 (en) * | 2001-12-07 | 2004-06-08 | Iwao Fujisaki | Navigation system |
JP2009001104A (ja) * | 2007-06-20 | 2009-01-08 | Fujitsu Ten Ltd | 追突被害軽減装置および追突被害軽減方法 |
KR100946723B1 (ko) * | 2008-04-12 | 2010-03-12 | 재단법인서울대학교산학협력재단 | 차량의 조향 방법 및 그 장치 |
JP5146288B2 (ja) * | 2008-12-02 | 2013-02-20 | トヨタ自動車株式会社 | 車両制御装置 |
JP2016002898A (ja) * | 2014-06-17 | 2016-01-12 | トヨタ自動車株式会社 | 車両用衝突制御装置 |
WO2016138942A1 (en) * | 2015-03-03 | 2016-09-09 | Volvo Truck Corporation | A vehicle assistance system |
US10019006B2 (en) * | 2015-04-08 | 2018-07-10 | University Of Maryland, College Park | Surface vehicle trajectory planning systems, devices, and methods |
KR101714273B1 (ko) * | 2015-12-11 | 2017-03-08 | 현대자동차주식회사 | 자율 주행 시스템의 경로 제어 방법 및 그 장치 |
US11062414B1 (en) * | 2016-01-22 | 2021-07-13 | State Farm Mutual Automobile Insurance Company | System and method for autonomous vehicle ride sharing using facial recognition |
US20170248953A1 (en) * | 2016-02-25 | 2017-08-31 | Ford Global Technologies, Llc | Autonomous peril control |
US20210354691A1 (en) * | 2016-04-27 | 2021-11-18 | State Farm Mutual Automobile Insurance Company | Systems and methods for reconstruction of a vehicular crash |
US10345815B2 (en) * | 2016-09-14 | 2019-07-09 | Qualcomm Incorporated | Motion planning and intention prediction for autonomous driving in highway scenarios via graphical model-based factorization |
US10311658B2 (en) * | 2016-10-07 | 2019-06-04 | Waymo Llc | Unexpected impulse change collision detector |
US20180152628A1 (en) * | 2016-11-30 | 2018-05-31 | Waymo Llc | Camera peek into turn |
US10235886B1 (en) * | 2018-01-02 | 2019-03-19 | International Business Machines Corporation | Integral damage control by interaction between a collision detection system and a bumper system |
-
2018
- 2018-03-08 JP JP2019508848A patent/JP6861272B2/ja active Active
- 2018-03-08 US US15/772,523 patent/US10549749B2/en active Active
- 2018-03-08 WO PCT/CN2018/078422 patent/WO2019169603A1/en active Application Filing
- 2018-03-08 CN CN201880002895.9A patent/CN110462703A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070046449A1 (en) * | 2005-08-31 | 2007-03-01 | Honda Motor Co., Ltd. | Travel safety apparatus for vehicle |
US20150066345A1 (en) * | 2013-08-28 | 2015-03-05 | Elwha Llc | Vehicle collision management system responsive to user-selected preferences |
CN105764773A (zh) * | 2013-08-29 | 2016-07-13 | 罗伯特·博世有限公司 | 用于控制车辆的方法 |
JP2016061706A (ja) * | 2014-09-19 | 2016-04-25 | オムロンオートモーティブエレクトロニクス株式会社 | レーザレーダ装置および制御方法 |
CN107339997A (zh) * | 2016-05-03 | 2017-11-10 | 现代自动车株式会社 | 自主车辆的路径规划装置及方法 |
CN107145147A (zh) * | 2017-04-10 | 2017-09-08 | 广州小鹏汽车科技有限公司 | 一种车辆低速自动驾驶避碰方法及系统 |
CN107316500A (zh) * | 2017-06-06 | 2017-11-03 | 驭势(上海)汽车科技有限公司 | 自动驾驶中的威胁度计算方法、目标选择方法及应用 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113002534A (zh) * | 2019-12-20 | 2021-06-22 | 百度(美国)有限责任公司 | 碰撞后减损制动系统 |
CN113492848A (zh) * | 2020-04-03 | 2021-10-12 | 百度(美国)有限责任公司 | 用于自主驾驶车辆安全操作员的前方碰撞告警警报系统 |
CN113492848B (zh) * | 2020-04-03 | 2024-01-19 | 百度(美国)有限责任公司 | 用于自主驾驶车辆安全操作员的前方碰撞告警警报系统 |
CN116390879A (zh) * | 2020-10-01 | 2023-07-04 | 埃尔构人工智能有限责任公司 | 用于避免即将发生的碰撞的系统和方法 |
CN116390879B (zh) * | 2020-10-01 | 2024-07-23 | 埃尔构人工智能有限责任公司 | 用于避免即将发生的碰撞的系统和方法 |
US12103560B2 (en) | 2020-10-01 | 2024-10-01 | Argo AI, LLC | Methods and systems for predicting actions of an object by an autonomous vehicle to determine feasible paths through a conflicted area |
CN112373488A (zh) * | 2020-12-14 | 2021-02-19 | 长春汽车工业高等专科学校 | 一种基于人工智能的无人驾驶系统及方法 |
CN112373488B (zh) * | 2020-12-14 | 2021-12-28 | 长春汽车工业高等专科学校 | 一种基于人工智能的无人驾驶系统及方法 |
CN113085809A (zh) * | 2021-04-28 | 2021-07-09 | 北京易控智驾科技有限公司 | 一种智能驾驶矿车的制动控制方法以及控制装置 |
Also Published As
Publication number | Publication date |
---|---|
US10549749B2 (en) | 2020-02-04 |
JP6861272B2 (ja) | 2021-04-21 |
JP2020515446A (ja) | 2020-05-28 |
WO2019169603A1 (en) | 2019-09-12 |
US20190276012A1 (en) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110462703A (zh) | 基于碰撞后分析的自动驾驶车辆的车辆动作优化 | |
CN110389583A (zh) | 生成自动驾驶车辆的轨迹的方法 | |
CN109426256A (zh) | 自动驾驶车辆的基于驾驶员意图的车道辅助系统 | |
CN110389581A (zh) | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 | |
CN110389584A (zh) | 用于评估自动驾驶车辆的轨迹候选项的方法 | |
CN110345955A (zh) | 用于自动驾驶的感知与规划协作框架 | |
CN110377024A (zh) | 用于自动驾驶车辆的自动数据标注 | |
CN109947090A (zh) | 用于自动驾驶车辆规划的非阻塞边界 | |
CN109489673A (zh) | 用于自动驾驶车辆的数据驱动地图更新系统 | |
CN110389585A (zh) | 用于自动驾驶车辆的基于学习的速度规划器 | |
CN110239562A (zh) | 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适 | |
CN110388931A (zh) | 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法 | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
CN109429518A (zh) | 基于地图图像的自动驾驶交通预测 | |
CN110347145A (zh) | 用于自动驾驶车辆的感知辅助 | |
CN108622003A (zh) | 用于自动驾驶车辆的碰撞预测以及安全气囊预先展开系统 | |
CN109489675A (zh) | 用于自动驾驶车辆的基于成本的路径规划 | |
CN108604095A (zh) | 动态调整自动驾驶车辆的转向率的方法 | |
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 | |
CN109491377A (zh) | 用于自动驾驶车辆的基于dp和qp的决策和规划 | |
CN110325935A (zh) | 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线 | |
CN110349416A (zh) | 用于自动驾驶车辆(adv)的基于密度的交通灯控制系统 | |
CN108475057A (zh) | 基于车辆周围的情境预测车辆的一个或多个轨迹的方法和系统 | |
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 | |
CN110462543A (zh) | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 |
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 |