CN110728014B - 使用具有加权几何成本的分段螺旋曲线的参考线平滑方法 - Google Patents

使用具有加权几何成本的分段螺旋曲线的参考线平滑方法 Download PDF

Info

Publication number
CN110728014B
CN110728014B CN201811510769.2A CN201811510769A CN110728014B CN 110728014 B CN110728014 B CN 110728014B CN 201811510769 A CN201811510769 A CN 201811510769A CN 110728014 B CN110728014 B CN 110728014B
Authority
CN
China
Prior art keywords
reference line
line segment
curvature
point
autonomous 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.)
Active
Application number
CN201811510769.2A
Other languages
English (en)
Other versions
CN110728014A (zh
Inventor
张雅嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN110728014A publication Critical patent/CN110728014A/zh
Application granted granted Critical
Publication of CN110728014B publication Critical patent/CN110728014B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • 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
    • B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/006—Interpolation; Extrapolation
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

接收表示与自动驾驶车辆(ADV)相关联的从第一位置到第二位置的路线的第一参考线。将第一参考线分割成多个参考线段。针对每个参考线段，定义五次多项式函数以表示参考线段。基于参考线段的五次多项式函数来确定目标函数。鉴于与参考线段相关联的一组约束来对五次多项式函数的系数执行优化，使得在满足约束的同时目标函数的输出达到最小。接着基于目标函数的五次多项式函数的经优化参数或系数来生成第二参考线。接着利用第二参考线来规划并控制ADV。

Description

使用具有加权几何成本的分段螺旋曲线的参考线平滑方法
技术领域
本公开的实施方式大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生成用于操作自动驾驶车辆的轨迹的参考线。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、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的关键操作。具体地，轨迹规划或路线规划是自动驾驶系统的重要组成部分。常规规划技术严重依赖于高质量参考线来生成稳定轨迹，所述参考线是用于自动驾驶车辆的导引路径，例如道路的中心线。通常，直接来自传感器的地图数据(通常是世界坐标系中的二维(2D)点序列)无法提供所需要的平滑度，并且因此直接使用地图数据可能导致规划器在规划周期之间生成不稳定且振荡的轨迹。
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，附图中的相同参考标记指示相似元件。
图1是示出根据一些实施方式的网络化系统的框图。
图2是示出根据一些实施方式的自动驾驶车辆的示例的框图。
图3A至图3B是示出根据一些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规划模块的示例的框图。
图5示出根据一个实施方式的被分割成多个参考线段的参考线。
图6示出根据一个实施方式的被进一步分割成多个子段的参考线段。
图7示出根据一个实施方式的原始参考线和优化参考线。
图8是示出根据一个实施方式的用于优化参考线的过程的示例的流程图。
图9是示出根据一个实施方式的用于优化参考线的过程的另一示例的流程图。
图10是示出根据一个实施方式的改变优化参数的示例的流程图。
图11是示出根据一个实施方式的数据处理系统的框图。
发明内容
根据本申请的一方面，提供了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：
处理地图数据以生成沿从第一位置到第二位置的自动驾驶车辆路线定义参考线的多个点，其中每个点包括二维坐标并且每对连续点沿所述参考线形成参考线段；
初始化优化参数，其中所述优化参数包括每个参考线段的长度、每个点的2D坐标、每个参考线段的方向、每个参考线段的曲率以及每个参考线段的曲率变化率；
迭代地优化所述路线的所述优化参数，使得
目标函数的输出被最小化，并且
满足与所述参考线段相关联的一组约束；以及
基于经优化参数来生成平滑参考线，其中所述平滑参考线被用作用于将所述自动驾驶车辆从所述第一位置引导到所述第二位置的参考。
根据本申请的另一方面，提供了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致使所述处理器执行操作，所述操作包括：
处理地图数据以生成沿从第一位置到第二位置的自动驾驶车辆路线定义参考线的多个点，其中每个点具有二维坐标并且每对连续点沿所述参考线形成参考线段；
初始化优化参数，其中所述优化参数包括每个参考线段的长度、每个点的2D坐标、每个参考线段的方向、每个参考线段的曲率以及每个参考线段的曲率变化率；
优化所述路线的所述优化参数，使得
目标函数的输出被最小化，其中每个参考线段由五次多项式函数定义并且所述目标函数是基于所述五次多项式函数，并且
满足与所述参考线段相关联的一组约束；以及
基于经优化参数来生成平滑参考线，其中所述平滑参考线被用作用于将所述自动驾驶车辆从所述第一位置引导到所述第二位置的参考。
根据本申请的又一方面，提供了一种数据处理系统，包括：
处理器；以及
存储器，耦合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致使所述处理器执行操作，所述操作包括：
处理地图数据以生成沿从第一位置到第二位置的自动驾驶车辆路线定义参考线的多个点，其中每个点具有二维坐标并且每对连续点沿所述参考线形成参考线段；
初始化优化参数，其中所述优化参数包括以下各项中的一者或多者：每个参考线段的长度、每个点的二维坐标、每个参考线段的方向、每个参考线段的曲率以及每个参考线段的曲率变化率；
优化所述路线的所述优化参数，使得
目标函数的输出被最小化，并且
满足与所述参考线段相关联的一组约束；以及
基于经优化参数来生成平滑参考线，其中所述平滑参考线被用作用于将所述自动驾驶车辆从所述第一位置引导到所述第二位置的参考。
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，附图将示出所述各种实施方式。下列描述和附图是本公开的说明，而不应当解释为对本公开进行限制。描述了许多特定细节以提供对本公开的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同一实施方式。
根据一些实施方式，利用一种新的约束数值优化方法，该方法采用呈2D点序列的格式的地图数据并且生成具有最小曲率变化的平滑且分段连接参考线。给定2D点序列，系统首先使用任意五次多项式螺旋路径连接连续点。通过扰动这些分段路径，优化系统找到这些路径的最佳集合，这些路径具有总体最小曲率变化，并且以迭代方式直到三阶导数在接合点处平滑地连接。
五次多项式螺旋路径被用作分段路径以简化目标制定。优化的目标是使沿参考线的总体曲率变化最小化。然而，如果分段路径是在世界坐标系中(例如，在笛卡尔空间中)定义的，则制定目标是极其复杂的。为了解决上述问题，螺旋路径(即，曲线方向是曲线长度的函数)被用作分段路径，并且因此，可以容易地制定目标。螺旋路径中的点的坐标可以使用数值积分来计算。此外，用户可以根据其置信水平定义他们对地图数据的“信任”。“信任”可以使用一个输入点在最终输出中的最大偏差来建模，并且可以在上述方法中直接考虑。
根据一个实施方式，接收表示与自动驾驶车辆(ADV)相关联的从第一位置到第二位置的轨迹或路线的第一参考线。第一参考线是从与从第一位置到第二位置的路线相关联的地图数据生成的。第一参考线被分割成多个参考线段。对于每个参考线段，定义五次多项式函数(还简称为五次函数)以表示对应参考线段。基于参考线段的五次多项式函数来确定目标函数。接着鉴于与参考线段相关联的一组约束来对五次多项式函数的参数或系数执行优化，使得目标函数的输出达到最小，同时满足上述一组约束。接着基于目标函数的五次多项式函数的经优化参数或系数来生成第二参考线。接着利用第二参考线来针对ADV规划轨迹或路线。
在一个实施方式中，目标函数表示所有参考线段的五次多项式函数的所有输出的总和。在特定实施方式中，基于参考线段的五次多项式函数的二阶导数的总和来配置目标函数。鉴于上述一组约束，基于参考线两端的参考线方向、曲率和曲率变化率以及参考线段的长度来确定每个参考线段的五次多项式函数的系数。在一个实施方式中，对五次多项式函数的参数的优化包括优化每个五次多项式函数的系数，使得五次多项式函数的输出具有最小曲率变化。
在一个实施方式中，上述一组约束进一步包括条件，在所述条件中，在参考线段的开始点处的五次多项式函数的一阶导数与在参考线段的开始点处的曲率相似。在参考线段的结束点处的五次多项式函数的一阶导数与在下一个参考线段的开始点处的曲率相同或相似。在另一个实施方式中，上述一组约束进一步包括条件，在所述条件中，在参考线段的开始点处的五次多项式函数的二阶导数与在参考线段的开始点处的曲率变化率相似。在参考线段的结束点处的五次多项式函数的二阶导数与在下一个参考线段的开始点处的曲率变化率相同或相似。上述一组约束进一步包括条件，在所述条件中，第一参考线上的端点与从五次多项式函数导出的对应端点之间的差值低于预定阈值，其中上述阈值可以是用户可配置的，例如，取决于与ADV的传感器相关联的置信度或信任水平。
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)服务器或位置服务器等。
自动驾驶车辆是指可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和传感器系统115。自动驾驶车辆101还可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单元212可包括收发器，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可基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可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可另外感测对象的速度和/或前进方向。LIDAR单元215可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。
返回参考图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、存储装置)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。可替代地，感知与规划系统110可与车辆控制系统111集成在一起。
例如，作为乘客的用户可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。可替代地，此类位置和MPOI信息可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可由第三方实体进行操作。可替代地，服务器103至104的功能可与感知与规划系统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可以是数据分析系统，从而为各种客户执行数据分析服务。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从各种车辆(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包括指示所发出的驾驶指令(例如，油门、制动、转向指令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如，速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述不同时间点下的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、MPOI、道路状况、气候状况等。
基于驾驶统计数据123，出于各种目的，机器学习引擎122生成或训练一组规则、算法和/或预测模型124。例如，可以用初始系数或参数来选择和定义一组五次多项式函数。此外，还可以基于可以从驾驶统计123获得的诸如传感器规格和特定车辆设计的硬件特性来定义一组约束。
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可被实施为图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)以及管理与用户的行程或路线相关的任何数据。定位模块301(又称作为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图与路线信息311的其它部件通信，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，并且MPOI服务器提供地图服务和某些位置的POI，从而可作为地图与路线信息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预测对象在这种情况下将如何表现。预测是基于感知数据执行的，该感知数据在考虑一组地图/路线信息311和交通规则312的时间点感知驾驶环境。例如，如果对象为相反方向上的车辆且当前驾驶环境包括十字路口，则预测模块303将预测车辆是否可能会笔直向前移动或转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于左转唯一车道或右转唯一车道，则预测模块303可能预测车辆将更可能分别左转或右转。
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。
路线模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于从起始位置到目的地位置的给定行程，例如从用户接收的给定行程，路线模块307获得路线与地图信息311，并确定从起始位置至到达目的地位置的所有可能路线或路径。路线模块307可生成地形图形式的参考线，它确定了从起始位置至到达目的地位置的每个路线。参考线是指不受其它诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。即，如果道路上没有其它车辆、行人或障碍物，则ADV应精确地或紧密地跟随参考线。然后，将地形图提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线，以根据由其它模块提供的其它数据选择和修正最佳路线中的一个，其中，其它数据诸如为来自定位模块301的交通状况、由感知模块302感知到的驾驶环境以及由预测模块303预测的交通状况。根据时间点下的特定驾驶环境，用于控制ADV的实际路径或路线可能接近于或不同于由路线模块307提供的参考线。
基于针对所感知到的对象中的每个的决定，规划模块305使用由路线模块307提供的参考线作为基础，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)。换言之，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可决定超过所述对象，而规划模块305可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，规划阶段在多个规划周期(也称作为指令周期)中执行，例如，在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或指令周期中的每一个，将基于规划和控制数据发出一个或多个控制指令。即，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需要的时间。可替代地，规划模块305还可规定具体的速度、方向和/或转向角等。在一个实施方式中，规划模块305为下一个预定时段(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基于在前一周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。控制模块306然后基于当前周期的规划和控制数据生成一个或多个控制指令(例如，油门、制动、转向控制指令)。
应注意，决策模块304和规划模块305可集成为集成模块。决策模块304/规划模块305可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。
路线模块307可从地图信息(诸如，路段的信息、路段的车行道信息和车道距路缘的距离信息)生成参考路线。例如，道路可分成{A、B和C}节或段以表示三个路段。路段A的三个车道可列举为{A1、A2和A3}。通过生成沿着参考路线的参考点来生成参考路线。例如，对于车辆车道，路线模块307可连接由地图数据提供的车辆车道的两个相对路缘或端点的中点。基于表示先前在不同时间点在车辆车道上行驶的车辆的所收集的数据点的中点和机器学习数据，路线模块307可通过以下来计算参考点：选择在车辆车道的预定接近度内所收集的数据点的子集，以及对根据所收集的数据点的子集的中点应用平滑函数。
基于参考点或车道参考点，路线模块307可通过对参考点进行插值生成参考线，使得生成的参考线用作为用于控制车辆车道上的ADV的参考线。在一些实施方式中，表示参考线的参考点表和路段表实时上载到ADV中，使得ADV可基于ADV的地理位置和行驶方向生成参考线。例如，在一个实施方式中，ADV可通过表示即将到来的前面的路段的路径段标识符和/或基于ADV的GPS位置，通过请求用于路径段的路线安排服务来生成参考线。基于路径段标识符，路线安排服务可返回到ADV参考点表，该参考点表包括用于所关注的路段的所有车道的参考点。ADV可查阅用于路径段的车道的参考点，以生成用于控制车辆车道上的ADV的参考线。
然而，在一些情况下，从地图数据生成的参考线不够平滑，这可能会导致乘客不舒服或车辆控制错误。有时，穿过参考点的参考线不够平滑。为了具有足够平滑的参考线，每个参考点前后的曲率应当彼此接近。此外，曲率变化率应当降低。
根据一个实施方式，例如，规划模块305利用新的约束数值优化方法，所述方法采用呈2D点序列的格式的地图数据并且生成具有最小曲率变化的平滑且分段连接参考线。给定2D点序列，系统首先使用任意五次多项式螺旋路径连接连续点。通过扰动这些分段路径，优化系统找出这些路径的最佳集合，这些路径具有总体最小曲率变化，并且以迭代方式直到三阶导数在接合点处平滑地连接。
五次多项式螺旋路径被用作分段路径以简化目标制定。优化的目标是使沿参考线的总体曲率变化最小化。然而，如果分段路径是在世界坐标系中(例如，在笛卡尔空间中)定义的，则制定目标是极其复杂的。为了解决上述问题，螺旋路径(即，曲线方向是曲线长度的函数)被用作分段路径，并且因此，可以容易地制定目标。螺旋路径中的点的坐标可以使用数值积分来计算。此外，用户可以根据其置信水平定义他们对地图数据的“信任”。“信任”可以使用一个输入点在最终输出中的最大偏差来建模，并且可以在上述方法中直接考虑。
图4是示出根据一个实施方式的规划模块的示例的框图。参照图4，规划模块305包括但不限于分段器401、五次函数生成器402、目标函数生成器403、优化器404和参考线生成器405。这些模块401至405可以用软件、硬件或其组合来实施。分段器401被配置成将第一参考线分割成多个参考线段。针对每个参考线段，五次函数生成器402被配置为定义并生成五次多项式函数以表示对应参考线段。目标函数生成器403被配置为基于参考线段的五次多项式函数来生成目标函数。五次多项式函数和/或目标函数可以被预先配置并存储为函数314的一部分。优化器404被配置为鉴于一组约束来对目标函数执行优化，使得目标函数达到最小，所述约束由规划模块305的约束生成器(未示出)配置为约束313的一部分。参考线生成器405被配置为基于优化(即，使用经优化目标函数的参数或系数)来生成第二参考线。优化的目标之一是确定表示第二参考线的一组新参考点，所述参考点靠近第一参考线的对应原始参考点，同时维持参考线段之间的曲率变化或变化率最小。较小的曲率变化导致较平滑的参考线。
图5是示出基于地图数据生成的参考线的示例的图。参照图5，根据一个实施方式，分段器401将参考线500分割成多个参考线段。每个参考线段由两个参考点终止。在这个示例中，存在n个参考点(x0,y0)、(x1,y1)、……、(xn,yn)，在本文中称为参考线段501至506。每个参考线段与段长度s相关联。例如，参考点(x0,y0)与(x1,y1)之间的参考线段与段长度s0相关联。因此，对于n个参考点，存在(n-1)个参考线段。使用单独的五次多项式函数对每个参考线段进行建模。
针对每个参考线段，五次函数生成器402生成五次多项式函数θ(s)。因此，存在至少(n-1)个五次多项式函数θ0(s)至θn-1(s)。在一个实施方式中，每个五次多项式函数表示对应参考线段的开始参考点的方向。五次多项式函数的导数(例如，一阶导数)表示参考线段的开始参考点的曲率，K＝dθ/ds。五次多项式函数的二阶导数表示曲率变化或曲率变化率，dK/ds。
出于说明目的，定义以下各项：
·θ0：开始方向
·开始曲率κ，关于曲线长度的方向导数，即/>
·开始曲率导数，即/>
·θ1：结束方向
·结束曲率
·结束曲率导数
·Δs：两个端点之间的曲线长度
每个分段螺旋路径由七个参数决定：开始方向(θ0)、开始曲率(dθ0)、开始曲率导数(d2θ0)、结束方向(θ1)、结束曲率(dθ1)、结束曲率导数(d2θ1)以及开始点与结束点之间的曲线长度(Δs)。在一个实施方式中，五次多项式函数可以被定义为如下：
θi(s)＝a*s5+b*s4+c*s3+d*s2+e*s+f
并且其满足
θi(0)＝θi
θi(Δs)＝θi+1
基于上述约束，对所有参考线段的所有五次多项式函数执行优化，使得在零段长度处的表示参考线段(i)的五次多项式函数的输出应当与对应参考线段(i)的开始参考点处的方向相同或相似。五次多项式函数的一阶导数应当与参考线段(i)的开始参考点处的曲率相同或相似。五次多项式函数的二阶导数应当与参考线段(i)的开始参考点处的曲率变化率相同或相似。
类似地，在完整段长度(s)处的表示参考线段(i)的五次多项式函数的输出应当与下一个参考线段(i+1)的开始参考点处的方向相同或相似，所述开始参考点是当前参考线段(i)的结束参考点。五次多项式函数的一阶导数应当与下一个参考线段(i+1)的开始参考点处的曲率相同或相似。五次多项式函数的二阶导数应当与下一个参考线段(i+1)的开始参考点处的曲率变化率相同或相似。
例如，对于如图5所示的参考线段501，对应五次多项式函数θ(0)的输出表示开始点(x0,y0)的方向或角度。θ(Δs0)表示结束点(x1,y1)的方向，其中点(x1,y1)也是下一个参考线段502的开始点。θ(0)的一阶导数表示开始点(x0,y0)处的曲率，并且θ(0)的二阶导数表示结束点(x1,y1)处的曲率变化率。θ(s0)的一阶导数表示结束点(x1,y1)的曲率，并且θ(s0)的二阶导数表示结束点(x1,y1)的曲率变化率。
通过代入上述变量θi、θi+1、/>Δs，将存在可以用于求解五次多项式函数的系数a、b、c、d、e和f的六个方程式。例如，如上所述，给定点处的方向可以使用上述五次多项式函数来定义：
θ(s)＝as5+bs4+cs3+ds2+es+f
五次函数的一阶导数表示路径的点处的曲率：
dθ＝5as4+4bs3+3cs2+2ds+e
五次函数的二阶导数表示路径的点处的曲率变化率：
d2θ＝20as3+12bs2+6cs+2d
对于给定螺旋路径或参考线段，涉及两个点：开始点和结束点，其中每个点的方向、曲率和曲率变化率可以分别由上述三个方程式表示。因此，针对每个螺旋路径或参考线段存在总共六个方程式。这六个方程式可以用于确定对应五次函数的系数a、b、c、d、e和f。
当螺旋路径用于表示笛卡尔空间中的连续参考点之间的曲线时，需要在螺旋路径曲线长度与笛卡尔空间中的位置之间建立连接或桥梁。给定由{θi,dθi,d2θi,θi+1,dθi+1,d2θi+1,Δs}定义的螺旋路径θi(s)和路径开始点pi＝(xi,yi)，我们需要确定点p＝(x,y)的坐标，给定任何s＝[0,Δs]。在一个实施方式中，给定点的坐标可以基于以下公式来获得：
当s＝Δs时，给定曲线θi和开始坐标pi＝(xi,yi)，获得结束坐标pi+1。执行五次函数的优化，使得螺旋路径的五次函数的总体输出达到最小，同时满足上述一组约束。此外，要求从优化导出的终点的坐标相对于初始参考线的对应坐标在预定范围(例如，公差、误差容限)内。也就是说，每个经优化的点与初始参考线的对应点之间的差值应当在预定阈值内。
根据一个实施方式，基于所有螺旋路径的五次函数来定义目标函数。在满足上述约束的同时，对目标函数的五次函数的输入参数(例如，θi、θi+1、/>Δs)执行优化。在一个实施方式中，目标函数表示与所有参考线段相关联的所有五次函数的总和，并且执行优化，使得目标函数的输出达到最小，同时满足上述一组约束。迭代地执行优化，修改变量，并且评估所述一组约束，直到当前迭代中的目标函数的输出与上次迭代中的目标函数的输出相似。术语“相似”在这里是指两次连续迭代的输出之间的差值低于预定阈值。
在这种方法中，将参考线建模为分段五次螺旋路径序列，其中两个连续参考点与一条螺旋路径连接，如图5所示。允许输入点在一个或多个预定界限内稍微偏离其原始位置，所述界限可以由用户定义或配置。所述界限在生成地图数据时建模传感器准确度的置信水平、处理标记误差等。在一个实施方式中，给定n个点如下选择优化中的变量：
参考线的平滑度被建模为曲率变化率(即，五次函数θ(s)的二阶导数)的绝对值。
根据一个实施方式，每个参考线段被分割成多个子段。每个子段表示参考线段的分段路径内的分段子路径。图6是示出参考线段的分段的图，其中参考线段被进一步分段成m个子段。每个子段由同一参考线段的五次函数表示。因此，存在来自一条分段路径的m个中间点作为探测点。目标是使子段的五次函数最小化。目标函数被定义为每个参考线段的子段的五次函数的输出的总和。在一个实施方式中，目标函数被定义为如下：
受到以下点位置移动约束：
在一个实施方式中，目标函数被定义为如下：
其中i＝螺旋路径/线段的索引，j＝相应螺旋路径i中的评估点的索引，w0、w1和w2是权重，其能够例如根据经验来确定。θ(s)可以是线段的函数，例如，五次函数θ(s)＝as5+bs4+cs3+ds2+es+f，使得所有线段的总和形成整个参考线。sj可以是线段的在索引j处的点。θ’(s)可以是线段的一阶导数。θ”(s)可以是线段的二阶导数，并且Δsi是线段i的长度。
通过对曲率(例如，线段的五次函数的一阶导数)与曲线的长度求和，这使不必要的曲线长度不利并且尽可能地拉直每条曲线。
在一个实施方式中，目标函数被定义为如下：
其中θ”'(s)可以是每个线段的函数的三阶导数(例如，其中θ(s)是五次函数)。这进一步使不必要的曲线长度不利并且拉直每条曲线。
在一个实施方式中，每个线段被定义为五次函数θ(s)＝as5+bs4+cs3+ds2+es+f，线段函数的导数定义段的曲率，并且线段函数的二阶导数定义曲率的变化率。
在一个实施方式中，目标函数表示每个五次多项式函数的二阶导数的平方和。坐标表示输入点pi的原始位置，并且ri表示用于点pi的界限，其可以是用户可配置的。坐标(xi,yi)是基于对应五次函数的积分来导出的，如上所述。从优化导出的新坐标被用于形成新的参考线，所述新的参考线可以用于控制ADV。图7示出原始参考线和使用上述优化的至少一部分的优化参考线。
图8是示出根据一个实施方式的用于优化参考线的过程的示例的流程图。过程800可以由处理逻辑执行，所述处理逻辑可以包括软件、硬件或其组合。例如，过程800可以由图4的规划模块305执行。参照图8，在操作801中，处理逻辑接收基于地图数据生成的第一参考线。第一参考线表示从第一位置到第二位置的轨迹或路线，ADV应该遵从所述轨迹或路线。在操作802中，处理逻辑将第一参考线分割成多个参考线段。每个参考线段由开始参考点和结束参考点终止。每个参考点由一组属性表示，属性包括但不限于参考点在2D笛卡尔空间中的位置(x,y)和方向(θ)。参考点处的曲率K可以基于方向(θ)的导数来获得，并且曲率变化率可以基于曲率K的导数来获得。
对于每个参考线段，在操作803中，处理逻辑确定用于表示对应参考线段的五次多项式函数。在操作804中，处理逻辑基于参考线段的五次多项式函数来确定目标函数。在操作805中，处理逻辑鉴于一组约束(例如，基于θ、dθ、d2θ、x、y的约束)来对目标函数的五次多项式函数的参数执行优化，使得在满足所述一组约束的同时，目标函数的输出达到最小。在操作806中，基于目标函数的五次多项式函数的经优化参数来生成第二参考线。第二参考线用于控制ADV。
在执行优化时，在多次迭代中迭代地调整并优化五次多项式函数的参数(例如，系数a、b、c、d、e和f)，并且评估目标函数的输出。基于每个参考线段的输入点(诸如x、y、方向、曲率和曲率变化率)来配置所述参数。目标是优化每个五次多项式函数的位置(x,y)、方向、曲率和曲率变化率，使得目标函数的输出达到最小。当优化达到预定退出条件时，所述过程将停止并且将获得最新的一组参数以生成新的参考线。在一个实施方式中，当两次连续优化迭代的输出之间的差值低于预定阈值时，迭代过程停止。或者，当迭代次数达到预定次数时，所述过程将停止。
现在参照图9，自动驾驶车辆(ADV)和/或ADV内的系统可以处理910地图数据，以生成沿从第一位置到第二位置的ADV路线定义参考线的多个点，其中每个点具有二维坐标并且每对连续点沿参考线形成参考线段。ADV可以接着初始化优化参数，例如，以下各项中的一者或多者：每个参考线段的长度、每个点的二维坐标、每个参考线段的方向、每个参考线段的曲率以及每个参考线段的曲率变化率。
例如，初始化920优化参数可以包括将每个参考线段的长度初始化为连续点之间的距离，将每个点的二维坐标初始化为来自地图数据的初始生成坐标，将每个参考线段的方向初始化为两个连续点之间的反正切方向，将每个参考线段的曲率初始化为零，以及将每条参考线的变化率初始化为零。换句话说，每个线段可以被初始化为直线(没有曲线)。
ADV可以优化930路线的优化参数，使得目标函数的输出被最小化，并且满足与参考线段相关联的一组约束。例如，每个参考线段可以由五次多项式函数定义，并且目标函数可以基于五次多项式函数和优化参数。
在一个实施方式中，可以改变优化参数，使得在参考线段的开始点处的五次多项式函数的输出与在参考线段的开始点处的ADV的方向相似，并且在参考线段的结束点处的五次多项式函数的输出与在下一个参考线段的开始点处的ADV的方向相似。
在一个实施方式中，所述一组约束包括条件，在所述条件中，五次多项式函数在参考线段的开始点处的一阶导数与在参考线段的开始点处的曲率相似，并且其中五次多项式函数在参考线段的结束点处的一阶导数与在下一个参考线段的开始点处的曲率相似。
ADV可以基于经优化参数来生成940平滑参考线，其中平滑参考线被用作用于将ADV从第一位置引导到第二位置的参考。例如，ADV可以基于经优化变量来计算每个线段的五次函数θ(s)的系数a到f中的每一者，并且生成平滑参考线。平滑参考线可以沿每个线段的经优化五次函数从具有新坐标的新点形成。
在一个实施方式中，目标函数可以包括以下各项的总和：每个参考线段的曲线长度；每个参考线段的曲率(例如，定义线段的五次函数的导数)的平方；以及每个参考线段的曲率的变化率(例如，曲率的导数)的平方。
在一个实施方式中，目标函数可以包括以下各项的总和：每个参考线段的曲线长度；每个参考线段的曲率(例如，定义线段的五次函数的导数)的平方；每个参考线段的曲率的变化率(例如，曲率的导数)的平方；以及每个参考线段的曲率的变化率的导数的平方。
现在参照图10，在一个实施方式中，优化所述优化参数包括改变932优化参数以使目标函数的输出最小化。例如，如果目标函数被定义为
则将改变优化参数以减小目标函数所产生的值。
ADV接着可以评估934点偏差是否在偏差阈值内。例如，当初始化时或在从地图数据生成时，可以(例如)由特定点的坐标从所述特定点的初始坐标的变化来定义点偏差。如果点偏差超出偏差阈值，则ADV可以重复地改变优化参数，直到目标函数的输出被最小化并且点偏差在偏差阈值内。例如，可以如先前改变那样在不同方向上和/或以不同步长改变优化参数，使得减小点偏差。
例如，点偏差可以是基于地图数据或生成地图数据的传感器的可靠性和/或置信度的预定阈值。
可以对目标函数中的每个项(例如，曲线长度、曲率的平方、曲率变化率的平方以及曲率变化率的导数的平方)进行加权。
应注意，如上文示出和描述的部件中的一些或全部可在软件、硬件或其组合中实施。例如，此类部件可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。可替代地，此类部件可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11是示出可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可包括许多不同的部件。这些部件可实施为集成电路(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，某些实施例中可具有附加的部件，此外，其它实施例中可具有所示部件的不同布置。系统1500可表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、介质播放器、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可包括显示控制器、图形处理器和/或显示装置。
处理器1501可与存储器1503通信，存储器1503在一个实施方式中可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可包括鼠标、触摸板、触敏屏幕(其可与显示装置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可包括音频装置。音频装置可包括扬声器和/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还可包括成像处理子系统(例如，摄像机)，所述成像处理子系统可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，大容量存储装置(未示出)也可联接到处理器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，这种大容量存储装置可经由固态装置(SSD)来实施。然而，在其它实施方式中，大容量存储装置可主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储装置充当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可表示上述部件中的任一个，例如规划模块305、控制模块306。处理模块/单元/逻辑1528还可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还可通过网络经由网络接口装置1505进行传送或接收。
计算机可读存储介质1509也可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装置、传送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按不同的顺序执行。此外，一些操作可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，可对本发明作出各种修改。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 (19)

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：
处理地图数据以生成沿从第一位置到第二位置的自动驾驶车辆路线定义参考线的多个点，其中每个点包括二维坐标并且每对连续点沿所述参考线形成参考线段，并且每个参考线段由五次多项式函数定义；
初始化优化参数，其中所述优化参数包括每个参考线段的长度、每个点的2D坐标、每个参考线段的方向、每个参考线段的曲率以及每个参考线段的曲率变化率；
迭代地优化所述路线的所述优化参数，使得
目标函数的输出被最小化，所述目标函数是基于所述五次多项式函数，并且
满足与所述参考线段相关联的一组约束；以及
基于经优化参数来生成平滑参考线，其中所述平滑参考线被用作用于将所述自动驾驶车辆从所述第一位置引导到所述第二位置的参考。
2.根据权利要求1所述的方法，其中所述目标函数包括每个参考线段的曲线长度、所述每个参考线段的所述曲率的平方以及每个参考线段的所述曲率的所述变化率的平方的总和。
3.根据权利要求2所述的方法，其中每个参考线段的所述曲线长度、所述参考线段的所述曲率的平方以及所述参考线段的所述曲率的所述变化率的平方被加权。
4.根据权利要求2所述的方法，其中所述目标函数进一步包括以下项的总和：每个参考线段的所述曲率的所述变化率的导数的平方。
5.根据权利要求1所述的方法，其中优化所述优化参数包括：
改变所述优化参数以使所述目标函数的所述输出最小化；
评估点偏差是否在偏差阈值内，所述点偏差由特定点的坐标从所述特定点的初始坐标的变化来定义；以及
如果所述点偏差超出所述偏差阈值，则重复如先前改变那样在不同方向上和/或以不同步长改变所述优化参数，直到所述目标函数的所述输出被最小化并且所述点偏差在所述偏差阈值内。
6.根据权利要求5所述的方法，其中所述偏差阈值是基于生成所述地图数据的一个或多个传感器的可靠性或置信度的预定阈值，其中高置信度对应于小阈值。
7.根据权利要求1所述的方法，其中改变所述优化参数以使得在所述参考线段的开始点处的所述五次多项式函数的输出与在所述参考线段的所述开始点处的所述自动驾驶车辆的方向相似，并且在所述参考线段的结束点处的所述五次多项式函数的输出与在下一个参考线段的开始点处的所述自动驾驶车辆的方向相似。
8.根据权利要求1所述的方法，其中所述一组约束包括条件，在所述条件中，在所述参考线段的开始点处的所述五次多项式函数的一阶导数与在所述参考线段的所述开始点处的曲率相似，并且在所述参考线段的结束点处的所述五次多项式函数的一阶导数与在下一个参考线段的开始点处的曲率相似。
9.一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致使所述处理器执行操作，所述操作包括：
处理地图数据以生成沿从第一位置到第二位置的自动驾驶车辆路线定义参考线的多个点，其中每个点具有二维坐标并且每对连续点沿所述参考线形成参考线段；
初始化优化参数，其中所述优化参数包括每个参考线段的长度、每个点的2D坐标、每个参考线段的方向、每个参考线段的曲率以及每个参考线段的曲率变化率；
优化所述路线的所述优化参数，使得
目标函数的输出被最小化，其中每个参考线段由五次多项式函数定义并且所述目标函数是基于所述五次多项式函数，并且
满足与所述参考线段相关联的一组约束；以及
基于经优化参数来生成平滑参考线，其中所述平滑参考线被用作用于将所述自动驾驶车辆从所述第一位置引导到所述第二位置的参考。
10.根据权利要求9所述的机器可读介质，其中所述目标函数包括每个参考线段的曲线长度、所述每个参考线段的所述曲率的平方以及每个参考线段的所述曲率的所述变化率的平方的总和。
11.根据权利要求10所述的机器可读介质，其中每个参考线段的所述曲线长度、所述参考线段的所述曲率的平方以及所述参考线段的所述曲率的所述变化率的平方被加权。
12.根据权利要求11所述的机器可读介质，其中所述目标函数包括每个参考线段的曲线长度、所述每个参考线段的所述曲率的平方、每个参考线段的所述曲率的所述变化率的平方以及每个参考线段的所述曲率的所述变化率的导数的总和。
13.根据权利要求9所述的机器可读介质，其中优化所述优化参数包括：
改变所述优化参数以使所述目标函数的所述输出最小化；
评估点偏差是否在偏差阈值内，所述点偏差由特定点的坐标从所述特定点的初始坐标的变化来定义；以及
如果所述点偏差超出所述偏差阈值，则重复如先前改变那样在不同方向上和/或以不同步长改变所述优化参数，直到所述目标函数的所述输出处于最小值并且所述点偏差在所述偏差阈值内。
14.根据权利要求13所述的机器可读介质，其中所述偏差阈值是基于生成所述地图数据的一个或多个传感器的可靠性或置信度的预定阈值，其中高置信度对应于小阈值。
15.根据权利要求9所述的机器可读介质，其中每个参考线段的所述五次多项式函数的系数是基于所述自动驾驶车辆的位置、所述自动驾驶车辆的方向、所述自动驾驶车辆的曲率以及与所述参考线段相关联的所述自动驾驶车辆的曲率变化率来确定的。
16.根据权利要求9所述的机器可读介质，其中改变所述优化参数以使得在所述参考线段的开始点处的所述五次多项式函数的输出与在所述参考线段的所述开始点处的所述自动驾驶车辆的方向相似，并且在所述参考线段的结束点处的所述五次多项式函数的输出与在下一个参考线段的开始点处的所述自动驾驶车辆的方向相似。
17.根据权利要求9所述的机器可读介质，其中所述一组约束包括条件，在所述条件中，在所述参考线段的开始点处的所述五次多项式函数的一阶导数与在所述参考线段的所述开始点处的曲率相似，并且在所述参考线段的结束点处的所述五次多项式函数的一阶导数与在下一个参考线段的开始点处的曲率相似。
18.一种数据处理系统，包括：
处理器；以及
存储器，耦合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致使所述处理器执行操作，所述操作包括：
处理地图数据以生成沿从第一位置到第二位置的自动驾驶车辆路线定义参考线的多个点，其中每个点具有二维坐标并且每对连续点沿所述参考线形成参考线段，并且每个参考线段由五次多项式函数定义；
初始化优化参数，其中所述优化参数包括以下各项中的一者或多者：每个参考线段的长度、每个点的二维坐标、每个参考线段的方向、每个参考线段的曲率以及每个参考线段的曲率变化率；
优化所述路线的所述优化参数，使得
目标函数的输出被最小化，所述目标函数是基于所述五次多项式函数，并且
满足与所述参考线段相关联的一组约束；以及
基于经优化参数来生成平滑参考线，其中所述平滑参考线被用作用于将所述自动驾驶车辆从所述第一位置引导到所述第二位置的参考。
19.根据权利要求18所述的系统，其中初始化所述优化参数包括将每个参考线段的长度初始化为连续点之间的距离，将每个点的二维坐标初始化为来自地图数据的初始生成坐标，将每个参考线段的方向初始化为两个连续点之间的反正切方向，将每个参考线段的曲率初始化为零，并且将每条参考线的变化率初始化为零。
CN201811510769.2A 2018-06-27 2018-12-11 使用具有加权几何成本的分段螺旋曲线的参考线平滑方法 Active CN110728014B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/020,828 2018-06-27
US16/020,828 US10823575B2 (en) 2018-06-27 2018-06-27 Reference line smoothing method using piecewise spiral curves with weighted geometry costs

Publications (2)

Publication Number Publication Date
CN110728014A CN110728014A (zh) 2020-01-24
CN110728014B true CN110728014B (zh) 2023-10-31

Family

ID=69054646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811510769.2A Active CN110728014B (zh) 2018-06-27 2018-12-11 使用具有加权几何成本的分段螺旋曲线的参考线平滑方法

Country Status (3)

Country Link
US (1) US10823575B2 (zh)
JP (1) JP6757820B2 (zh)
CN (1) CN110728014B (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11079761B2 (en) * 2018-12-12 2021-08-03 Ford Global Technologies, Llc Vehicle path processing
US11161501B2 (en) * 2019-01-07 2021-11-02 Toyota Research Insititute, Inc. System and method for optimizing a path for obstacle evasion for a vehicle
CN112818727A (zh) * 2019-11-18 2021-05-18 华为技术有限公司 一种道路约束确定方法及装置
CN111310984B (zh) * 2020-01-21 2023-09-26 成都智库二八六一信息技术有限公司 一种基于二维地图网格划分的路径规划方法和系统
US20230347888A1 (en) * 2020-01-30 2023-11-02 Hitachi Astemo, Ltd. Vehicle Control Device, Vehicle Control Method, and Vehicle Control System
DE112020006881T5 (de) * 2020-03-13 2023-01-26 Mitsubishi Electric Corporation Fahrzeug-steuerungseinrichtung
US11656627B2 (en) * 2020-03-23 2023-05-23 Baidu Usa Llc Open space path planning using inverse reinforcement learning
CN111666636A (zh) * 2020-04-01 2020-09-15 北京理工大学 一种无人车动力学极限特性包络线在线观测方法
CN111452786B (zh) * 2020-04-14 2021-03-19 北京理工大学 一种无人车辆避障方法及系统
CN111680114B (zh) * 2020-04-14 2022-07-29 武汉光庭信息技术股份有限公司 一种参考轨迹平滑处理方法、装置、终端设备及存储介质
CN111737637B (zh) * 2020-06-12 2024-02-02 北京百度网讯科技有限公司 一种路径曲线的生成方法、装置、设备及存储介质
CN113868305A (zh) * 2020-06-30 2021-12-31 腾讯科技（深圳）有限公司 交通路线中关键点序列化方法及装置
CN111811517A (zh) * 2020-07-15 2020-10-23 中国科学院上海微系统与信息技术研究所 一种动态局部路径规划方法及系统
CN112068586B (zh) * 2020-08-04 2021-08-13 西安交通大学 一种空间时间联合优化的四旋翼无人飞行器轨迹规划方法
KR102507804B1 (ko) * 2020-12-24 2023-03-09 주식회사 라이드플럭스 자율주행 차량의 주행 경로 생성 방법, 장치 및 컴퓨터프로그램
CN113419534B (zh) * 2021-07-01 2022-03-08 湖南大学 一种基于贝塞尔曲线的转向路段路径规划方法
US20230078320A1 (en) * 2021-09-13 2023-03-16 Ford Global Technologies, Llc Vehicle guidance
FR3128678B1 (fr) * 2021-11-02 2024-05-03 Psa Automobiles Sa Procédé et dispositif de contrôle de trajectoire d’un véhicule autonome
CN114509936B (zh) * 2022-04-19 2022-09-02 之江实验室 一种运动能力可在线学习的运动规划方法、装置和介质
CN114676939B (zh) * 2022-05-26 2022-09-02 之江实验室 一种多车型参数自适应的参考线平滑方法和系统
CN115457113B (zh) * 2022-09-03 2023-05-23 北京津发科技股份有限公司 人机交互移动轨迹检测方法、装置、设备和可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104808688A (zh) * 2015-04-28 2015-07-29 武汉大学 一种无人机曲率连续可调路径规划方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002213980A (ja) * 2001-01-19 2002-07-31 Matsushita Electric Ind Co Ltd デジタル地図の位置情報伝達方法とそれに使用する装置
US8131415B2 (en) * 2005-05-24 2012-03-06 Trimble Navigation, Ltd Method and apparatus for automatic vehicle guidance using continuous 2-D poly-point path
JP5332034B2 (ja) * 2008-09-22 2013-11-06 株式会社小松製作所 無人車両の走行経路生成方法
US8762046B2 (en) * 2008-10-01 2014-06-24 Navteq B.V. Creating geometry for advanced driver assistance systems
US9120485B1 (en) * 2012-09-14 2015-09-01 Google Inc. Methods and systems for smooth trajectory generation for a self-driving vehicle
US9868443B2 (en) * 2015-04-27 2018-01-16 GM Global Technology Operations LLC Reactive path planning for autonomous driving
JP6637400B2 (ja) * 2016-10-12 2020-01-29 本田技研工業株式会社 車両制御装置
US11014240B2 (en) * 2017-09-05 2021-05-25 Abb Schweiz Ag Robot having dynamic safety zones
US10515321B2 (en) * 2017-09-11 2019-12-24 Baidu Usa Llc Cost based path planning for autonomous driving vehicles
US10948919B2 (en) * 2017-09-11 2021-03-16 Baidu Usa Llc Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles
US10754339B2 (en) * 2017-09-11 2020-08-25 Baidu Usa Llc Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US10606277B2 (en) * 2017-09-18 2020-03-31 Baidu Usa Llc Speed optimization based on constrained smoothing spline for autonomous driving vehicles
US10591926B2 (en) * 2017-09-18 2020-03-17 Baidu Usa Llc Smooth road reference for autonomous driving vehicles based on 2D constrained smoothing spline
US10429849B2 (en) * 2017-12-14 2019-10-01 Baidu Usa Llc Non-linear reference line optimization method using piecewise quintic polynomial spiral paths for operating autonomous driving vehicles
US11099017B2 (en) * 2018-02-13 2021-08-24 Baidu Usa Llc Determining driving paths for autonomous driving vehicles based on offset points
US10670412B2 (en) * 2018-02-20 2020-06-02 Veoneer Us, Inc. System and method for generating a target path for a vehicle
US10802492B2 (en) * 2018-04-05 2020-10-13 Ford Global Technologies, Llc Vehicle path identification

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104808688A (zh) * 2015-04-28 2015-07-29 武汉大学 一种无人机曲率连续可调路径规划方法

Also Published As

Publication number Publication date
JP6757820B2 (ja) 2020-09-23
CN110728014A (zh) 2020-01-24
US20200003564A1 (en) 2020-01-02
JP2020001678A (ja) 2020-01-09
US10823575B2 (en) 2020-11-03

Similar Documents

Publication Publication Date Title
CN110728014B (zh) 使用具有加权几何成本的分段螺旋曲线的参考线平滑方法
CN110083149B (zh) 用于自动驾驶车辆的路径与速度优化后馈机制
CN109955853B (zh) 用于操作自动驾驶车辆的方法、系统和存储介质
EP3524934B1 (en) Systems and methods for determining a projection of an obstacle trajectory onto a reference line of an autonomous vehicle
CN109521763B (zh) 用于自动驾驶车辆的基于约束平滑样条的路径优化
CN109521762B (zh) 用于生成自动驾驶车辆的最优参考线路的计算机实施的方法、介质及系统
CN109521761B (zh) 用于自动驾驶车辆的基于约束平滑样条的速度优化方法、介质及系统
US10800408B2 (en) Determining driving paths for autonomous driving that avoid moving obstacles
CN111824139B (zh) 用于预测与自动驾驶车辆相关的运动对象的运动的方法
US10775801B2 (en) Determining speeds along a path for autonomous driving vehicles
CN110955236B (zh) 用于自动驾驶车辆的曲率校正路径采样系统
CN110096053B (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
US11099017B2 (en) Determining driving paths for autonomous driving vehicles based on offset points
CN111380534B (zh) 用于自动驾驶车辆的基于st图学习的方法
US11199842B2 (en) Determining driving paths for autonomous driving using parallel processing
CN111856923B (zh) 加速对复杂驾驶场景的规划的参数学习的神经网络方法
US20190315357A1 (en) Novel method for speed adjustment of autonomous driving vehicles prior to lane change
CN112020686B (zh) 用于自动驾驶的基于qp样条路径和螺旋路径的参考线平滑方法
CN111615618B (zh) 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法
CN111615476B (zh) 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统
CN111328385B (zh) 用于自动驾驶车辆的基于螺旋路径的三点转弯规划
CN111649751B (zh) 一种用于参考线平滑的超自由缝合方法
CN112272805B (zh) 连接两条平滑参考线的基于多点增强的拼接方法
CN111801638B (zh) 基于枚举的自动驾驶车辆的三点转弯规划

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