CN110794823A - 预测自动驾驶车辆的对象移动的方法和系统 - Google Patents

预测自动驾驶车辆的对象移动的方法和系统 Download PDF

Info

Publication number
CN110794823A
CN110794823A CN201910521877.8A CN201910521877A CN110794823A CN 110794823 A CN110794823 A CN 110794823A CN 201910521877 A CN201910521877 A CN 201910521877A CN 110794823 A CN110794823 A CN 110794823A
Authority
CN
China
Prior art keywords
combinations
predicted trajectories
predicted
trajectories
risk values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910521877.8A
Other languages
English (en)
Other versions
CN110794823B (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 CN110794823A publication Critical patent/CN110794823A/zh
Application granted granted Critical
Publication of CN110794823B publication Critical patent/CN110794823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Atmospheric Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

公开了用于预测驾驶环境中的对象移动的方法和系统。在一个实施方式中，检测驾驶环境中的一个或多个对象。基于地图和路线信息计算每个对象的一个或多个预测轨迹，以生成针对对象的预测轨迹集。该预测轨迹集用于枚举对象可能在驾驶环境中行进的预测轨迹的多个组合。为每个组合计算风险值以生成多个对应风险值。自动驾驶车辆基于具有包括在对应风险值中的最低风险值的组合来控制。

Description

预测自动驾驶车辆的对象移动的方法和系统
技术领域
本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及预测自动驾驶车辆的对象移动的方法和系统。
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。
类似于人类在驾驶时做出各种决定，自动驾驶车辆总是必须根据实际周围环境做出即时驾驶决定，实际周围环境可以包括某些驾驶条件、周围障碍物和交通状况。这样的环境通常影响自动驾驶车辆的移动，并且可能导致难以确定或识别障碍物(例如，另一车辆、摩托车、行人等)将在环境中进行的下一个举动。然而，人类可以容易地识别和解决这样的困难，例如通过使用肉眼。遗憾的是，这对自动驾驶车辆来说可能构成挑战。
发明内容
在本公开的一方面，提供了一种操作自动驾驶车辆的计算机实施的方法，包括：
检测驾驶环境中的一个或多个对象；
基于地图和路线信息计算所述对象中的每个对象的一个或多个预测轨迹，以生成针对所述对象的预测轨迹集；
使用所述预测轨迹集以枚举所述对象可能在所述驾驶环境中行进的预测轨迹的多个组合；
计算所述多个组合中的每个组合的风险值以生成多个对应风险值；以及
基于具有包括在所述对应风险值中的最低风险值的组合控制所述自动驾驶车辆。
在本公开的另一方面，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：
检测驾驶环境中的一个或多个对象；
基于地图和路线信息计算所述对象中的每个对象的一个或多个预测轨迹，以生成针对所述对象的预测轨迹集；
使用所述预测轨迹集以枚举所述对象可能在所述驾驶环境中行进的预测轨迹的多个组合；
计算所述多个组合中的每个组合的风险值以生成多个对应风险值；以及
基于具有包括在所述对应风险值中的最低风险值的组合控制自动驾驶车辆。
在本公开的又一方面，提供了一种数据处理系统，包括：
处理器；以及
存储器，所述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致使所述处理器执行操作，所述操作包括：
检测驾驶环境中的一个或多个对象；
基于地图和路线信息计算所述对象中的每个对象的一个或多个预测轨迹，以生成针对所述对象的预测轨迹集；
使用所述预测轨迹集以枚举所述对象可能在所述驾驶环境中行进的预测轨迹的多个组合；
计算所述多个组合中的每个组合的风险值以生成多个对应风险值；以及
基于具有包括在所述对应风险值中的最低风险值的组合控制自动驾驶车辆。
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，附图中的相同参考数字指示相似元件。
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-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4A-4C是示出根据一个实施方式的对象的移动意图和对应轨迹的图。
图5是示出根据一个实施方式的驾驶环境的示例。
图6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7是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
将参考以下所讨论的细节来描述本公开的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本公开的说明，而不应当解释为限制本公开。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同一实施方式。
根据一些实施方式，自动驾驶系统内的预测模块是关键部件。通常，预测模块将感知信息、定位信息以及地图和路线信息作为输入，并预测对象在驾驶环境中的未来移动。在一些情况下，针对特定对象预测多个轨迹，并且这样的预测轨迹在一定程度上(例如，具有非平凡概率)是合理的。然而，如果在驾驶环境中存在多个对象，则一些预测轨迹可能彼此矛盾。例如，假设对象A具有两个可能的预测轨迹TA1和TA2，而对象B具有预测轨迹TB。对象A不可能采用TA1，因为这会导致与障碍物B以及其预测轨迹TB的碰撞。在这种情况下，可以消除轨迹TA1并保留轨迹TA2，从而减少可能的矛盾轨迹。在这种方式下，轨迹的预测精度提高，从而提高了预测模块的预测质量。
在一个实施方式中，在驾驶环境中检测一个或多个对象。基于地图和路线信息计算每个对象的一个或多个预测轨迹，以生成针对对象的预测轨迹集。使用该预测轨迹集以枚举对象可能在驾驶环境中行进的预测轨迹的多个组合。计算多个组合中的每个组合的风险值以生成多个对应风险值。自动驾驶车辆基于具有包括在对应风险值中的最低风险值的组合来控制。
在另一个实施方式中，基于对应风险值对预测轨迹的组合排序。根据排序输出具有最低风险值的组合。
在又一个实施方式中，基于交通规则将轨迹概率分配给包括在该预测轨迹集中的每个预测轨迹，并且消除包括在该预测轨迹集中的预测轨迹中的一些。
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单元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定向变化。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。
图3A-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可以被实施为图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-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、路线安排模块307、轨迹枚举模块308、风险评估模块309和轨迹排序模块310。
模块301至310中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可以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以通信地联接到图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310中的一些可以一起集成为集成模块。例如，在一个实施方式中，模块308-310可以实施为预测模块303的一部分。
定位模块301确定自动驾驶车辆101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起始位置和目的地。定位模块301与自动驾驶车辆101的诸如地图和路线信息311的其它部件通信，以获得行程相关数据。例如，定位模块301可以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，从而可以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101沿着路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让行标志)等。车道配置包括描述一个或多个车道的信息，诸如车道的形状(例如，直线或弯曲)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分开车道、出口车道等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机采集的图像，从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、摩托车、自行车、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直行或转弯。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。在一个实施方式中，为了预测驾驶环境中对象的行为，预测模块303可以基于地图和路线信息311和/或交通规则312计算驾驶环境中的每个对象的一个或多个预测轨迹，从而为多个对象生成预测轨迹集。换言之，预测模块303可以生成每个对象可能在驾驶环境中采取的所有可能轨迹。对象的预测轨迹集可以作为轨迹信息313的一部分存储在永久性存储装置352中。
为了说明上述讨论的点，现在参考图4A-4C，图4A-4C是示出根据一个实施方式的对象的移动意图和对应轨迹的图。在图4A-4C中，驾驶环境可以包括对象401-403，然而在驾驶环境中可以存在任何数量的对象。针对每个对象，预测模块303可以确定多个不同的移动意图(例如，左转、右转、直行、倒车等)，并且每个意图可以对应于预测轨迹(例如，左转轨迹、右转轨迹、直行轨迹、倒车轨迹等)。例如，参考图4A，关于对象401，可以为对象401确定多个移动意图410。针对每个意图410(例如，意图0、意图1...意图N1，其中N1是任何正整数)，计算对应的预测轨迹，从而生成多个轨迹420(例如，轨迹0、轨迹1…轨迹N1)。类似地，参考图4B并且关于对象402，可以为对象402确定多个移动意图411。针对每个意图411(例如，意图0、意图1…意图N2，其中N2是任何正整数)，可以计算对应的预测轨迹以生成多个轨迹421(例如，轨迹0、轨迹1…轨迹N2)。同样以类似的方式，在图4C中并且关于对象403，可以为对象403确定多个移动意图412。针对每个意图412(例如，意图0、意图1…意图N3，其中N3是任何正整数)，可以计算对应的预测轨迹以生成多个轨迹422(例如，轨迹0、轨迹1…轨迹N3)。在图4A-4C所示的示例中，轨迹420-422可以存储为轨迹信息313的一部分。
为了进一步说明上述讨论的点，现参考图5，其中自动驾驶车辆101在驾驶环境500(例如，停靠交叉路口)中运行。在图5的示例中，自动驾驶车辆101感知驾驶环境500中的对象401-403(例如，其他车辆)。鉴于地图/路线信息311和交通规则312，基于在时间点感知驾驶环境500的感知数据(例如，对象的估计速度和/或前进方向)，针对对象401，预测模块303可以确定分别对应于预测轨迹420a-c的三个移动意图(由预测模块303计算)。在这一场景下，轨迹420a-c分别是左转轨迹、直行轨迹和右转轨迹。针对对象402，预测模块303可以确定分别对应于预测轨迹421a-b的两个移动意图(例如，直行轨迹和右转轨迹)。针对对象403，预测模块303可以确定对应于轨迹422的一个移动意图(例如，直行轨迹)。在一个实施方式中，基于交通规则312，预测模块303可以将轨迹概率(在一个实施方式中可以预先确定的)分配给轨迹420a-c、421a-b和422中的每一个。轨迹概率指示对应的对象(例如，对象401-403)将在驾驶环境中的轨迹上行进的可能性。在一个实施方式中，预测模块303可以消除具有低轨迹概率(例如，10％或更小)的轨迹，以便节省后续计算带宽。例如，具有低轨迹概率的轨迹可以是，如果被对象采取则具有高碰撞概率的轨迹。
返回参考图3A-3B，针对每个对象，决策模块304做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遭遇(例如，超车、让行、停车、通过)。决策模块304可以根据诸如交通规则或驾驶规则312的规则集来做出此类决定，所述规则集可以存储在永久性存储装置352中。
路线安排模块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，路线安排模块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。路线安排模块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更改最佳路线中的一个，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安排模块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使用由路线安排模块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101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(也称作为驾驶周期)中执行，例如，在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或驾驶周期中的每一个，将基于规划和控制数据发出一个或多个控制命令。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命令(例如，油门、制动、转向控制命令)。
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。
基于对象可在其上行进的预测轨迹集(例如，图4的轨迹420-422)，轨迹枚举模块308可以枚举预测轨迹的不同组合。换言之，轨迹枚举模块308可以生成各个对象(例如，图4A-4C的对象401-403)可能在驾驶环境(例如，图5的驾驶环境500)中采取的或在其上行进的预测轨迹的所有可能组合，并且将组合作为轨迹组合314存储在永久性存储装置352中。如前所述，预测模块303可以消除具有低轨迹概率(例如，10％或更小)的一个或多个轨迹，因此，枚举可以不包括已消除的轨迹。在一个实施方式中，枚举可以表示为“(对象标识符(OID)、轨迹标识符(TID))”。在图4A-4C的示例中，假设对象401的OID是0，对象402的OID是1并且对象403的OID是2(尽管对象可以被分配具有任何OID)，则枚举可以以如下表示：
(0,0),(0,1),(0,2)…(0,N1)
(1,0),(1,1),(1,2)…(1,N2)
(2,0),(2,1),(2,2)…(2,N3)
在这种情况下，预测轨迹的组合的数量可以被计算为：(N1+1)×(N2+1)×(N3+1)。
作为另一示例，在图5的场景中，枚举可以表示为：
(0,0),(0,1),(0,2)
(1,0),(1,1)
(2,0)
因此，在这一场景中，具有预测轨迹的六(6)种不同组合(即，3×2×1＝6)。
使用轨迹组合314作为输入，风险评估模块309可以调用风险评估函数(或成本函数)来计算并提供每个组合的风险值(也被称为风险评分或成本)。例如，在一个实施方式中，当每个对象选择在特定轨迹上行进时，风险值可以指示驾驶环境(例如，图5的驾驶环境500)中的所有对象的碰撞概率。在一个实施方式中，高风险值可以指示对于特定组合很可能发生碰撞，而低风险值可以指示对于该组合不太可能发生碰撞。每个组合的风险值可以作为风险信息315的一部分存储在永久性存储装置352中。
基于风险信息315，轨迹排序模块310可以通过它们的对应风险值对轨迹组合314排序。例如，与具有较低风险值(例如，较低碰撞概率)的轨迹组合相比，具有较高风险值(例如，较高碰撞概率)的轨迹组合可以具有较低排序。基于排序，轨迹排序模块310可以输出具有最高排序的组合(即，具有最低风险值的组合)。使用输出的组合，自动驾驶车辆101可以确定在驾驶环境(例如，驾驶环境500)中行进的最佳轨迹。
图6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600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600可以由图1的感知与规划系统110执行。
参考图6，在框601处，处理逻辑可以检测驾驶环境中的一个或多个对象。在框602处，处理逻辑可以基于地图和路线信息计算每个对象的一个或多个预测轨迹，以生成对象的预测轨迹集。在框603处，处理逻辑可以使用该预测轨迹集来枚举对象可能在驾驶环境中行进的预测轨迹的多个组合。在框604处，处理逻辑可以计算每个组合的风险值以生成多个对应风险值。在框605处，处理逻辑可以基于具有包括在对应风险值中的最低风险值的组合来控制自动驾驶车辆(例如，车辆101)。
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7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
Figure BDA0002096970580000151
公司的操作系统、来自苹果公司的Mac
Figure BDA0002096970580000153
来自
Figure BDA0002096970580000154
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，诸如加速度计的运动传感器、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，例如预测模块303、轨迹枚举模块308、风险评估模块309和轨迹排序模块310。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 (23)

1.一种操作自动驾驶车辆的计算机实施的方法，包括：
检测驾驶环境中的一个或多个对象；
基于地图和路线信息计算所述对象中的每个对象的一个或多个预测轨迹，以生成针对所述对象的预测轨迹集；
使用所述预测轨迹集以枚举所述对象可能在所述驾驶环境中行进的预测轨迹的多个组合；
计算所述多个组合中的每个组合的风险值以生成多个对应风险值；以及
基于具有包括在所述对应风险值中的最低风险值的组合控制所述自动驾驶车辆。
2.如权利要求1所述的方法，还包括：
基于所述对应风险值对所述多个组合排序；以及
根据所述排序输出具有所述最低风险值的所述组合。
3.如权利要求1所述的方法，其中使用所述预测轨迹集以枚举预测轨迹的多个组合包括从所述预测轨迹集生成预测轨迹的所有可能组合。
4.如权利要求2所述的方法，其中对所述多个组合排序包括将具有较高对应风险值的组合排序为低于具有较低对应风险值的组合。
5.如权利要求1所述的方法，还包括：
基于交通规则将轨迹概率分配给包括在所述预测轨迹集中的每个预测轨迹；以及
消除包括在所述预测轨迹集中的所述预测轨迹中的一些。
6.如权利要求1所述的方法，其中计算所述多个组合中的每个组合的风险值包括调用成本函数以计算所述多个组合中的每个组合的所述风险值。
7.如权利要求1所述的方法，其中所述对应风险值中的每个风险值指示所述对象在所述驾驶环境中的碰撞概率。
8.如权利要求1所述的方法，其中包括在所述预测轨迹集中的每个预测轨迹与对应的移动意图相关联。
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：
检测驾驶环境中的一个或多个对象；
基于地图和路线信息计算所述对象中的每个对象的一个或多个预测轨迹，以生成针对所述对象的预测轨迹集；
使用所述预测轨迹集以枚举所述对象可能在所述驾驶环境中行进的预测轨迹的多个组合；
计算所述多个组合中的每个组合的风险值以生成多个对应风险值；以及
基于具有包括在所述对应风险值中的最低风险值的组合控制自动驾驶车辆。
10.如权利要求9所述的非暂时性机器可读介质，其中所述操作还包括：
基于所述对应风险值对所述多个组合排序；以及
根据所述排序输出具有所述最低风险值的所述组合。
11.如权利要求9所述的非暂时性机器可读介质，其中使用所述预测轨迹集以枚举预测轨迹的多个组合包括从所述预测轨迹集生成预测轨迹的所有可能组合。
12.如权利要求10所述的非暂时性机器可读介质，其中对所述多个组合排序包括将具有较高对应风险值的组合排序为低于具有较低对应风险值的组合。
13.如权利要求9所述的非暂时性机器可读介质，其中所述操作还包括：
基于交通规则将轨迹概率分配给包括在所述预测轨迹集中的每个预测轨迹；以及
消除包括在所述预测轨迹集中的所述预测轨迹中的一些。
14.如权利要求9所述的非暂时性机器可读介质，其中计算所述多个组合中的每个组合的风险值包括调用成本函数以计算所述多个组合中的每个组合的所述风险值。
15.如权利要求9所述的非暂时性机器可读介质，其中所述对应风险值中的每个风险值指示所述对象在所述驾驶环境中的碰撞概率。
16.如权利要求9所述的非暂时性机器可读介质，其中包括在所述预测轨迹集中的每个预测轨迹与对应的移动意图相关联。
17.一种数据处理系统，包括：
处理器；以及
存储器，所述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致使所述处理器执行操作，所述操作包括：
检测驾驶环境中的一个或多个对象；
基于地图和路线信息计算所述对象中的每个对象的一个或多个预测轨迹，以生成针对所述对象的预测轨迹集；
使用所述预测轨迹集以枚举所述对象可能在所述驾驶环境中行进的预测轨迹的多个组合；
计算所述多个组合中的每个组合的风险值以生成多个对应风险值；以及
基于具有包括在所述对应风险值中的最低风险值的组合控制自动驾驶车辆。
18.如权利要求17所述的数据处理系统，其中所述操作还包括：
基于所述对应风险值对所述多个组合排序；以及
根据所述排序输出具有所述最低风险值的所述组合。
19.如权利要求17所述的数据处理系统，其中使用所述预测轨迹集以枚举预测轨迹的多个组合包括从所述预测轨迹集生成预测轨迹的所有可能组合。
20.如权利要求18所述的数据处理系统，其中对所述多个组合排序包括将具有较高对应风险值的组合排序为低于具有较低对应风险值的组合。
21.如权利要求17所述的数据处理系统，其中所述操作还包括：
基于交通规则将轨迹概率分配给包括在所述预测轨迹集中的每个预测轨迹；以及
消除包括在所述预测轨迹集中的所述预测轨迹中的一些。
22.如权利要求17所述的数据处理系统，其中计算所述多个组合中的每个组合的风险值包括调用成本函数以计算所述多个组合中的每个组合的所述风险值。
23.如权利要求17所述的数据处理系统，其中所述对应风险值中的每个风险值指示所述对象在所述驾驶环境中的碰撞概率。
CN201910521877.8A 2018-07-17 2019-06-17 预测自动驾驶车辆的对象移动的方法和系统 Active CN110794823B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/037,940 2018-07-17
US16/037,940 US11260855B2 (en) 2018-07-17 2018-07-17 Methods and systems to predict object movement for autonomous driving vehicles

Publications (2)

Publication Number Publication Date
CN110794823A true CN110794823A (zh) 2020-02-14
CN110794823B CN110794823B (zh) 2023-07-21

Family

ID=66867044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910521877.8A Active CN110794823B (zh) 2018-07-17 2019-06-17 预测自动驾驶车辆的对象移动的方法和系统

Country Status (4)

Country Link
US (1) US11260855B2 (zh)
EP (1) EP3598411A1 (zh)
JP (1) JP7001642B2 (zh)
CN (1) CN110794823B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111873989A (zh) * 2020-07-29 2020-11-03 北京三快在线科技有限公司 车辆控制方法及装置
CN111951552A (zh) * 2020-08-11 2020-11-17 腾讯科技（深圳）有限公司 一种自动驾驶中风险管理的方法以及相关装置
CN112461255A (zh) * 2021-01-25 2021-03-09 中智行科技有限公司 一种路径规划方法、车端设备及电子设备
CN113379096A (zh) * 2020-02-25 2021-09-10 本田技研工业株式会社 基于合成字段的单发(single shot)预测
CN115771506A (zh) * 2022-11-17 2023-03-10 清华大学 基于乘员风险认知的车辆行驶策略的确定方法和装置
WO2024087712A1 (zh) * 2022-10-27 2024-05-02 华为技术有限公司 一种目标行为预测方法、智能设备及车辆

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7200820B2 (ja) * 2019-05-13 2023-01-10 株式会社デンソー 物標識別装置および運転支援装置
US11153010B2 (en) 2019-07-02 2021-10-19 Waymo Llc Lidar based communication
CN112242069B (zh) * 2019-07-17 2021-10-01 华为技术有限公司 一种确定车速的方法和装置
US20200262423A1 (en) * 2020-05-08 2020-08-20 Intel Corporation Systems, devices, and methods for risk-aware driving
WO2022006418A1 (en) 2020-07-01 2022-01-06 May Mobility, Inc. Method and system for dynamically curating autonomous vehicle policies
US11794731B2 (en) 2020-08-12 2023-10-24 Ford Global Technologies, Llc Waypoint prediction for vehicle motion planning
US20210009121A1 (en) * 2020-09-24 2021-01-14 Intel Corporation Systems, devices, and methods for predictive risk-aware driving
CN112232581B (zh) * 2020-10-26 2024-04-12 腾讯科技（深圳）有限公司 驾驶风险的预测方法、装置、电子设备及存储介质
CN112212874B (zh) * 2020-11-09 2022-09-16 福建牧月科技有限公司 车辆轨迹预测方法、装置、电子设备及计算机可读介质
US20220153309A1 (en) * 2020-11-17 2022-05-19 Uatc, Llc Systems and Methods for Motion Forecasting and Planning for Autonomous Vehicles
US20210101620A1 (en) * 2020-12-17 2021-04-08 Intel Corporation Systems, methods, and devices for generating and using safety threat maps
US11760388B2 (en) * 2021-02-19 2023-09-19 Argo AI, LLC Assessing present intentions of an actor perceived by an autonomous vehicle
US11472436B1 (en) 2021-04-02 2022-10-18 May Mobility, Inc Method and system for operating an autonomous agent with incomplete environmental information
DE102021204067A1 (de) * 2021-04-23 2022-10-27 Continental Automotive Technologies GmbH Verfahren zum Erstellen einer Karte mit Kollisionswahrscheinlichkeiten
US11565717B2 (en) * 2021-06-02 2023-01-31 May Mobility, Inc. Method and system for remote assistance of an autonomous agent
US20220388534A1 (en) * 2021-06-02 2022-12-08 Argo AI, LLC Method and system for predicting behavior of actors in an environment of an autonomous vehicle
WO2023014733A2 (en) * 2021-08-02 2023-02-09 Cyngn, Inc. System and methods of adaptive trajectory prediction for autonomous driving
CN114104000B (zh) * 2021-12-16 2024-04-12 智己汽车科技有限公司 一种危险场景的评估与处理系统、方法及存储介质
WO2023139706A1 (ja) * 2022-01-19 2023-07-27 日本電気株式会社 処理装置
WO2023154568A1 (en) 2022-02-14 2023-08-17 May Mobility, Inc. Method and system for conditional operation of an autonomous agent

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101536058A (zh) * 2006-11-10 2009-09-16 丰田自动车株式会社 障碍物行进道路预测方法、装置以及程序
US20150344030A1 (en) * 2014-05-30 2015-12-03 Honda Research Institute Europe Gmbh Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis
US20160059855A1 (en) * 2014-09-01 2016-03-03 Honda Research Institute Europe Gmbh Method and system for post-collision manoeuvre planning and vehicle equipped with such system
CN105573323A (zh) * 2016-01-12 2016-05-11 福州华鹰重工机械有限公司 自动驾驶轨迹生成方法及装置
US20170320500A1 (en) * 2016-05-03 2017-11-09 Hyundai Motor Company Path planning apparatus and method for autonomous vehicle
US20180100743A1 (en) * 2016-10-06 2018-04-12 The Boeing Company Computer-Implemented Method and a System for Guiding a Vehicle Within a Scenario with Obstacles

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2562060B1 (en) 2011-08-22 2014-10-01 Honda Research Institute Europe GmbH A method and system for predicting movement behavior of a target traffic object
US9349291B2 (en) * 2012-11-29 2016-05-24 Nissan North America, Inc. Vehicle intersection monitoring system and method
DE102013005362A1 (de) 2013-03-28 2013-10-10 Daimler Ag Verfahren zur Analyse einer Verkehrssituation
US8930060B1 (en) * 2013-07-15 2015-01-06 Ford Global Technologies Post-impact path assist for vehicles
US9248834B1 (en) 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
US10394245B2 (en) 2016-11-22 2019-08-27 Baidu Usa Llc Method and system to predict vehicle traffic behavior for autonomous vehicles to make driving decisions
US10268200B2 (en) 2016-12-21 2019-04-23 Baidu Usa Llc Method and system to predict one or more trajectories of a vehicle based on context surrounding the vehicle
JP6969756B2 (ja) * 2017-02-10 2021-11-24 ニッサン ノース アメリカ，インク 自律走行車の動作管理制御

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101536058A (zh) * 2006-11-10 2009-09-16 丰田自动车株式会社 障碍物行进道路预测方法、装置以及程序
US20150344030A1 (en) * 2014-05-30 2015-12-03 Honda Research Institute Europe Gmbh Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis
US20160059855A1 (en) * 2014-09-01 2016-03-03 Honda Research Institute Europe Gmbh Method and system for post-collision manoeuvre planning and vehicle equipped with such system
CN105573323A (zh) * 2016-01-12 2016-05-11 福州华鹰重工机械有限公司 自动驾驶轨迹生成方法及装置
US20170320500A1 (en) * 2016-05-03 2017-11-09 Hyundai Motor Company Path planning apparatus and method for autonomous vehicle
US20180100743A1 (en) * 2016-10-06 2018-04-12 The Boeing Company Computer-Implemented Method and a System for Guiding a Vehicle Within a Scenario with Obstacles

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113379096A (zh) * 2020-02-25 2021-09-10 本田技研工业株式会社 基于合成字段的单发(single shot)预测
CN113379096B (zh) * 2020-02-25 2024-05-14 本田技研工业株式会社 基于合成字段的单发(single shot)预测
CN111873989A (zh) * 2020-07-29 2020-11-03 北京三快在线科技有限公司 车辆控制方法及装置
CN111951552A (zh) * 2020-08-11 2020-11-17 腾讯科技（深圳）有限公司 一种自动驾驶中风险管理的方法以及相关装置
CN112461255A (zh) * 2021-01-25 2021-03-09 中智行科技有限公司 一种路径规划方法、车端设备及电子设备
WO2024087712A1 (zh) * 2022-10-27 2024-05-02 华为技术有限公司 一种目标行为预测方法、智能设备及车辆
CN115771506A (zh) * 2022-11-17 2023-03-10 清华大学 基于乘员风险认知的车辆行驶策略的确定方法和装置

Also Published As

Publication number Publication date
US20200023838A1 (en) 2020-01-23
US11260855B2 (en) 2022-03-01
EP3598411A1 (en) 2020-01-22
JP7001642B2 (ja) 2022-01-19
JP2020015493A (ja) 2020-01-30
CN110794823B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN110794823B (zh) 预测自动驾驶车辆的对象移动的方法和系统
CN110389583B (zh) 生成自动驾驶车辆的轨迹的方法
CN108475057B (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
CN110239562B (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
CN108604095B (zh) 确定操作自动驾驶车辆的转向率的方法、介质及处理系统
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
CN108891417B (zh) 用于操作自动驾驶车辆的方法及数据处理系统
CN108255170B (zh) 动态地调整自动驾驶车辆的速度控制率的方法
CN108733046B (zh) 用于自动驾驶车辆的轨迹重新规划的系统和方法
CN110667591A (zh) 用于自动驾驶车辆的规划驾驶感知系统
CN110727267A (zh) 具有冗余超声雷达的自动驾驶车辆
CN111824139A (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
CN109491378B (zh) 自动驾驶车辆的基于道路分段的路线引导系统
CN110621541B (zh) 用于生成轨迹以操作自动驾驶车辆的方法和系统
CN108628298B (zh) 用于自动驾驶车辆的控制型规划和控制系统
CN110597243A (zh) 自动驾驶车辆的基于v2x通信的车辆车道系统
CN111857118A (zh) 对停车轨迹分段以控制自动驾驶车辆停车
CN111857119A (zh) 用于停放自动驾驶车辆的停车管理架构
US11136023B2 (en) Method for determining exiting intersection of moving objects for autonomous driving vehicles
CN111615476A (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
CN111615618A (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
CN111328385A (zh) 用于自动驾驶车辆的基于螺旋路径的三点转弯规划
CN111328313A (zh) 用于自动驾驶车辆的控制占主导的三点转弯规划
WO2020132938A1 (en) Methods for obstacle filtering for non-nudge planning system in autonomous driving vehicle
EP3697656B1 (en) A mutual nudge algorithm for self-reverse lane of autonomous driving

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