CN111121776A - 用于对运载工具进行导航的最佳轨迹的生成 - Google Patents
用于对运载工具进行导航的最佳轨迹的生成 Download PDFInfo
- Publication number
- CN111121776A CN111121776A CN201911038458.5A CN201911038458A CN111121776A CN 111121776 A CN111121776 A CN 111121776A CN 201911038458 A CN201911038458 A CN 201911038458A CN 111121776 A CN111121776 A CN 111121776A
- Authority
- CN
- China
- Prior art keywords
- trajectory
- travel
- vehicle
- spatiotemporal
- spatiotemporal location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 63
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000000926 separation method Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 52
- 230000006870 function Effects 0.000 description 20
- 230000008859 change Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000037361 pathway Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/021—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance
Abstract
用于为运载工具生成最佳轨迹的技术,该技术包括:使用运载工具的一个或多个处理器接收用于该运载工具从初始时空位置行进到目的地时空位置的指令。使用一个或多个处理器生成包括行进路段的轨迹。轨迹开始于初始时空位置并终止于目的地时空位置。每个行进路段开始于第一时空位置并终止于第二时空位置。每个行进路段与操作度量相关联。操作度量与将运载工具从第一时空位置导航至第二时空位置相关联。跨行进路段对每个操作度量进行优化以生成轨迹。使用运载工具的控制模块,沿轨迹将运载工具从初始时空位置导航至目的地时空位置。
Description
相关申请的交叉引用
本申请要求2018年10月30日提交的美国临时申请62/752,786和2019年2月7日提交的美国临时申请62/802,676的权益,这两项申请均通过引用以其整体并入本文。
技术领域
本说明书总体上涉及运载工具的操作,并且具体涉及用于对运载工具进行导航的最佳轨迹的生成。
背景技术
对运载工具从初始位置到最终目的地的导航通常要求用户或运载工具的决策——使系统选择通过道路网络从初始位置到所请求的最终目的地的路线。道路网络可包括连接不同地理位置的多条街道和/或车道。此类道路网络有时被表示为具有与穿过道路网络中每个路段的成本对应的边权重的有向图。然而,此类有向图可能具有数百万条边,使得用于路线选择的传统算法不切实际。
传统的贪心算法有时被用来选择跨有向图从初始位置到所请求的最终目的地的路线。然而,如果道路上大量的其他运载工具使用此类贪心算法,则所选择的路线可能变得过载并且行进可能减慢至爬行。另外,停放的运载工具、建筑区以及行人的存在使得路线选择和导航复杂化。
发明内容
通过优化沿最佳轨迹的行进路段中的每个行进路段操纵运载工具的成本,提供用于运载工具的最佳轨迹的生成的技术。最佳轨迹的生成包括:使用运载工具的一个或多个处理器接收用于运载工具从初始时空位置行进到目的地时空位置的指令。使用一个或多个处理器来生成包括多个行进路段的轨迹。轨迹开始于初始时空位置并终止于目的地时空位置。多个行进路段中的每个行进路段开始于多个时空位置中的第一时空位置并且终止于多个时空位置中的第二时空位置。多个时空位置包括初始时空位置和目的地时空位置。多个行进路段中的每个行进路段与多个操作度量相关联。多个操作度量与将运载工具从第一时空位置导航至第二时空位置相关联。跨多个行进路段对多个操作度量中的每个操作度量进行优化以生成轨迹。使用运载工具的控制模块,运载工具沿轨迹从初始时空位置被导航至目的地时空位置。
还提供用于使用运载工具的一个或多个处理器生成多个行进路段以供对运载工具进行导航的技术,其中,该多个行进路段与多个操作度量相关联。使用一个或多个处理器,对多个操作度量中的每个操作度量进行排名,以使得多个操作度量中与导航安全性相关联的第一操作度量比多个操作度量中不同于第一操作度量的第二操作度量排名更高。选择多个行进路段中的一个或多个行进路段以供对运载工具进行导航,使得与所选择的一个或多个行进路段相关联的多个操作度量中的每个操作度量根据该操作度量的名次而被优化。使用运载工具的控制模块,根据所选择的一个或多个行进路段对运载工具进行导航。
可以将这些和其他方面、特征和实现方式表达为方法、装置、系统、组件、程序产品、用于执行功能的装置或步骤、以及以其他方式表达。
根据包括权利要求的以下描述,这些和其他方面、特征和实现方式将变得显而易见。
附图说明
图1图示出根据一个或多个实施例的具有自主能力的自主运载工具(AV)的示例。
图2图示出根据一个或多个实施例的“云”计算环境。
图3图示出根据一个或多个实施例的计算机系统。
图4图示出根据一个或多个实施例的用于AV的示例架构。
图5图示出根据一个或多个实施例的可由感知模块使用的输入和输出的示例。
图6图示出根据一个或多个实施例的LiDAR系统的示例。
图7图示出根据一个或多个实施例的操作中的LiDAR系统。
图8更详细地图示出根据一个或多个实施例的LiDAR系统的操作。
图9图示出根据一个或多个实施例的规划模块的输入与输出之间的关系的框图。
图10图示出根据一个或多个实施例的在路径规划中使用的有向图。
图11图示出根据一个或多个实施例的控制模块的输入和输出的框图。
图12图示出根据一个或多个实施例的控制器的输入、输出和组件的框图。
图13图示出根据一个或多个实施例的用于生成最佳轨迹以供对AV进行导航的架构的框图。
图14图示出根据一个或多个实施例的用于生成最佳轨迹以供跨道路网络对AV进行导航的方法。
图15图示出根据一个或多个实施例的为AV生成最佳轨迹以增加距其他对象的横向间隔和/或减小沿该轨迹的转向角的最大改变的示例。
图16图示出根据一个或多个实施例的为AV生成最佳轨迹以减少沿该轨迹的停驻数量的示例。
图17图示出根据一个或多个实施例的为AV生成最佳轨迹以减少与其他对象的碰撞的示例。
图18图示出根据一个或多个实施例的用于生成最佳轨迹以供对AV进行导航的过程。
图19图示出根据一个或多个实施例的用于生成最佳轨迹以供对AV进行导航的过程。
具体实施方式
在以下描述中,出于解释的目的阐述了众多特定细节,以便提供对本发明实施例的透彻理解。然而,将显而易见的是,可在没有这些特定细节的情况下实施本发明的实施例。在其他情况下,以框图形式示出了公知的结构和设备,以便避免不必要地使本发明的实施例变得模糊。
在附图中,为了易于描述,示出了示意性要素的特定布置或排序,示意性要素诸如表示设备、模块、指令块和数据要素的那些示意性要素。然而,本领域技术人员应当理解,附图中的示意性要素的特定排序或布置并不意味着暗示要求特定的处理次序或顺序、或过程的分离。此外,在附图中包括示意性要素并不意味着暗示在所有实施例中都要求此类要素,或者在一些实施例中由此类要素表示的特征可以不被包括在其他要素中或与其他要素组合。
此外,在附图中,在使用诸如实线或虚线或箭头的之类连接要素来说明两个或更多个其他示意性要素之间的连接、关系或关联的情况下,不存在任何此类连接要素并不意味着暗示没有连接、关系或关联可以存在。换句话说,要素之间的一些连接、关系或关联未在附图中示出,以免使本公开模糊。另外,为了易于说明,使用单个连接要素来表示要素之间的多个连接、关系或关联。例如,在连接要素表示信号、数据或指令的通信的情况下,本领域技术人员应当理解,此类要素如可根据需要来表示一个或多个信号路径(例如,总线)以影响通信。
现在将详细参照实施例,在附图中图示出这些实施例的示例。在以下详细描述中,阐述了众多特定细节以便提供对所描述的各实施例的透彻理解。然而,对本领域的普通技术人员将显而易见的是,可在没有这些特定细节的情况下实施所描述的各实施例。在其他实例中,并未对公知方法、程序、组件、电路以及网络进行详细描述,以免不必要地使实施例的各方面模糊。
以下描述了若干特征,这些特征各自可以彼此独立地使用或者与其他特征的任何组合一起使用。然而,任何单独的特征可能无法解决上面讨论的问题中的任一个,或者可能仅解决上面讨论的问题之一。上面讨论的问题中的一些可能无法通过本文中所描述的特征中的任一特征完全解决。尽管提供了标题,与特定标题有关但未在具有该标题的部分中找到的信息也能在本说明书中的其他地方被找到。本文中根据以下大纲来对实施例进行描述:
1.总体概览
2.系统概览
3.自主运载工具架构
4.自主运载工具输入
5.自主运载工具规划
6.自主运载工具控制
7.用于生成最佳轨迹的架构
8.用于跨道路网络生成最佳轨迹的方法
9.生成最佳轨迹以增加横向间隔
10.生成最佳轨迹以减少停驻
11.生成最佳轨迹以避免碰撞
12.用于生成最佳轨迹的过程
总体概览
对运载工具的导航要求为运载工具确定从初始时空位置(诸如,乘客的房屋)行进到目的地时空位置(诸如,乘客的工作场所或餐厅)的路线。路线开始于初始时空位置并且可在终止于目的地时空位置之前穿过道路网络或环境的大量的中间时空位置。运载工具可远程地从服务器或从运载工具内的乘客接收从初始时空位置行进到目的地时空位置的指令。
本文中所公开的实施例对空间驾驶环境(例如,道路网络、停车场、建筑物等)进行采样,以推导出多个时空位置,这些时空位置被视为图中的顶点。通过选择从运载工具的当前时空位置朝向目的地时空位置的行进路段来生成从初始时空位置到目的地时空位置的轨迹。所生成的轨迹是行进路段的连结。对于每个行进路段,确定多个操作度量(例如,导航该行进路段的成本)。使用所确定的操作度量来生成最佳轨迹。
在一个实施例中,使用运载工具的一个或多个处理器来为运载工具生成包括多个行进路段的轨迹。每个行进路段可以是道路的区段或运载工具前进方向(定向取向)的改变。轨迹开始于初始时空位置并终止于目的地时空位置。多个行进路段中的每个行进路段开始于多个时空位置中的第一时空位置(例如,运载工具的第一中间位置)并终止于多个时空位置中的第二时空位置(例如,第二中间位置)。多个时空位置包括初始时空位置和目的地时空位置。
多个行进路段中的每个行进路段与多个操作度量相关联。多个操作度量(例如,行进路段的长度、沿该行进路段的停驻数量、该路段上的预测碰撞的数量等)与将运载工具从第一时空位置导航至第二时空位置相关联。跨多个行进路段对多个操作度量中的每个操作度量进行优化以生成轨迹。使用运载工具的控制模块来驱动转向装置、油门和制动器等,运载工具沿轨迹从初始时空位置被导航至目的地时空位置。
系统概览
图1图示出具有自主能力的自主运载工具100的示例。
如本文中所使用,术语“自主能力”指使得运载工具能够在没有实时人类干预的情况下被部分地或完全地操作的功能、特征或设施,包括但不限于完全自主的运载工具、高度自主的运载工具以及有条件的自主运载工具。
如本文中所使用,自主运载工具(AV)是具有自主能力的运载工具。
如本文中所使用,“运载工具”包括运输货物或人的装置。例如,汽车、公共汽车、火车、飞机、无人机、卡车、船只、船舶、潜水器、飞船等。无人驾驶汽车是运载工具的示例。
如本文中所使用,“轨迹”是指用于从第一时空位置到第二时空位置对AV进行操作的路径或路线。在实施例中,第一时空位置被称为初始或起始位置,且第二时空位置被称为目的地、最终位置、目标、目标地点或目标位置。在一些示例中,轨迹由一个或多个路段(例如,道路区段)组成,并且每个路段由一个或多个块(例如,车道或交叉口的部分)组成。在实施例中,时空位置与现实世界位置相对应。例如,时空位置是用于接载或卸放人或货物的接载或卸放位置。
如本文中所使用,“(多个)传感器”包括检测与传感器周围的环境有关的信息的一个或多个硬件组件。硬件组件中的一些可包括感测组件(例如,图像传感器、生物计量传感器)、发射和/或接收组件(例如,激光或射频波发射器和接收器)、电子组件(诸如,模数转换器)、数据存储设备(诸如,RAM和/或非易失性存储)、软件或固件组件以及数据处理组件(诸如,ASIC(专用集成电路)、微处理器和/或微控制器)。
如本文中所使用,“场景描述”是数据结构(例如,地图、列表)或数据流,该数据结构或数据流包括由AV运载工具上的一个或多个传感器检测到的或由AV外部的源提供的一个或多个经分类或经标记的对象。
如本文中所使用,“道路”是可由运载工具穿过的物理区域,并且可以与经命名的通路(例如,城市街道、州际高速公路等)相对应,或可以与未经命名的通路(例如,住宅或办公建筑中的车道、停车场的部分、空地的部分以及乡村区域的土路等)相对应。由于一些运载工具(例如,四轮皮卡、运动型多功能车等)能够穿过各种并非专门针对运载工具行进适配的物理区域,因此“道路”可以是并非由任何市政当局或其他政府或行政主体正式定义为通路的物理区域。
如本文中所使用,“车道”是可由运载工具穿过的道路的部分,并且可对应于车道标记之间的大多数或全部空间,或可对应于车道标记之间的空间中的仅一些(例如,少于50%)。例如,具有分隔较远的车道标记的道路可在标记之间容纳两个或更多个运载工具,使得一个运载工具能够在不穿过车道标记的情况下经过另一运载工具,并且可因此解释为具有比车道标记之间的空间更窄的车道,或在车道标记之间具有两个车道。在没有车道标记的情况下,车道也可被解释。例如,可以基于环境的物理特征来限定车道,例如,乡村区域中沿着通路的岩石和树木。
“一个或多个(one or more)”包括:由一个要素执行的功能、由不止一个要素例如以分布式方式执行的功能、由一个要素执行的若干功能、由若干要素执行的若干功能、或上述各项的任何组合。
还将理解的是,虽然在一些实例中,术语第一、第二等在本文中用于描述各种要素,但这些要素不应受这些术语的限制。这些术语仅用于将一个要素与另一个区别开来。例如,第一接触件可被称为第二接触件,并且类似地,第二接触件可被称为第一接触件,而没有背离各个所描述的实施例的范围。第一接触件和第二接触件二者都是接触件,但它们并非相同的接触件。
在对本文中各种所描述的实施例的描述中使用的术语仅出于描述特定实施例的目的,而不旨在是限制性的。如在对所描述的各实施例和所附权利要求的描述中所使用,单数形式“一(a、an)”、和“该(the)”旨在也包括复数形式,除非上下文另外明确指出。还将理解的是,如本文使用的术语“和/或”指代并且包括相关联的列举项的一个或多个项的任何和所有可能组合。将进一步理解的是,术语“包含(includes、including)”和/或“包括(comprises、comprising)”当在本申请文件中使用时,指明所陈述的特征、整数、步骤、操作、要素和/或组件的存在,但并不排除一个或多个其他特征、整数、步骤、操作、要素、组件和/或其群组的存在或添加。
如本文中所使用的,取决于上下文,术语“如果(if)”可选地被解释为表示“当…时”或“在…后”或“响应于确定”或“响应于检测到”。类似地,取决于上下文,短语“如果被确定”或“如果检测到[所陈述的状况或事件]”被可选地解释为表示“在确定…后”或“响应于确定”或“在检测到[所陈述的状况或事件]后”或“响应于检测到[所陈述的状况或事件]”。
如本文中所使用,AV系统指的是该AV以及支持该AV的操作的硬件、软件、存储的数据以及实时生成的数据的阵列。在实施例中,AV系统被并入AV内。在实施例中,AV系统跨若干位置散布。例如,AV系统的软件中的一些实现在类似于下文关于图3描述的云计算环境300的云计算环境上。
总体上,本文档描述可适用于具有一项或多项自主能力的任何运载工具的技术,这些运载工具包括完全自主的运载工具、高度自主的运载工具和有条件自主的运载工具,诸如分别为所谓的5级、4级和3级运载工具(参见SAE国际标准J3016:与道路机动运载工具自动驾驶系统相关的术语的分类和定义(Taxonomy and Definitions for Terms Relatedto On-Road Motor Vehicle Automated Driving Systems),其通过引用整体并入本文,以用于有关运载工具的自主级别的分类的更多详细信息)。本文档中所描述的技术也可适用于部分自主的运载工具和驾驶员辅助的运载工具,诸如所谓的2级和1级运载工具(参见SAE国际标准J3016:与道路机动运载工具自动驾驶系统相关的术语的分类和定义)。在实施例中,1级、2级、3级、4级和5级运载工具系统中的一个或多个可以基于传感器输入的处理在某些操作条件下使某些运载工具操作(例如,转向、制动和使用地图)自动化。本文描述的技术能够使从完全自主的运载工具到人工操作的运载工具的范围内的任何级别的运载工具受益。
参考图1,AV系统120操作AV 100沿着轨迹198通过环境190至目的地199(有时被称为最终位置),同时避开对象(例如,自然障碍191、运载工具193、行人192、骑行者以及其他障碍物)并遵守道路规则(例如,操作规则或驾驶偏好)。
在实施例中,AV系统120包括设备101,该设备101被装配成用于接收并作用于来自计算机处理器146的操作命令。在实施例中,计算处理器146与下文参照图3描述的处理器304类似。设备101的示例包括转向控件102、制动器103、齿轮、加速器踏板或其他加速控制机制、风挡雨刮器、侧门锁、窗户控件或转向指示器。
在实施例中,AV系统120包括传感器121,该传感器121用于测量或推断AV 100的状态或状况的属性,诸如AV的位置、线速度和加速度、角速度和加速度、以及前进方向(例如,AV 100前端的取向)。传感器121的示例为GNSS、测量运载工具线性加速度和角速度的惯性测量单元(IMU)、用于测量或估计轮滑移率的轮速度传感器、轮制动压力或制动扭矩传感器、引擎扭矩或轮扭矩传感器、以及转向角和角速度传感器。
在实施例中,传感器121还包括用于感测或测量AV的环境的属性的传感器。例如,采用可见光、红外或热(或两者)光谱的单目或立体视频相机122、LiDAR 123、雷达、超声传感器、飞行时间(TOF)深度传感器、速度传感器、温度传感器、湿度传感器以及降水传感器。
在实施例中,AV系统120包括数据存储单元142以及存储器144,用于存储与计算机处理器146相关联的机器指令或由传感器121收集的数据。在实施例中,数据存储单元142与下文描述的与图3有关的ROM 308或存储设备310类似。在实施例中,存储器144与下文描述的主存储器306类似。在实施例中,数据存储单元142和存储器144存储与环境190相关的历史信息、实时信息和/或预测信息。在实施例中,所存储的信息包括地图、驾驶性能、交通堵塞更新或天气状况。在实施例中,与环境190相关的数据通过通信信道从位于远程的数据库134被传送到AV 100。
在实施例中,AV系统120包括通信设备140,该通信设备140用于将其他运载工具的状态和状况的所测量或所推断的属性(诸如位置、线速度和角速度、线加速度和角加速度、以及线性前进方向和角前进方向)传递至AV 100。这些设备包括运载工具到运载工具(V2V)和运载工具到基础设施(V2I)通信设备以及用于通过点对点或自组织网络或通过这两者进行无线通信的设备。在实施例中,通信设备140跨电磁频谱(包括无线电通信和光通信)或其他介质(例如,空气和声学介质)进行通信。运载工具到运载工具(V2V)通信与运载工具到基础设施(V2I)通信的组合(以及在一些实施例中,一个或多个其他类型的通信)有时被称为运载工具到所有(V2X)通信。V2X通信通常遵守一个或多个与自主运载工具通信或在自主运载工具之间进行通信的通信标准。
在实施例中,通信设备140包括通信接口。例如,有线、无线、WiMAX、Wi-Fi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从位于远程的数据库134传送到AV系统120。在实施例中,位于远程的数据库134嵌入在如图2中所示的云计算环境200中。通信接口140将从传感器121收集的数据或与AV 100的操作相关的其他数据传送到位于远程的数据库134。在实施例中,通信接口140将与遥操作相关的信息传送到AV 100。在一些实施例中,AV 100与其他远程(例如,“云”)服务器136通信。
在实施例中,位于远程的数据库134也存储并传送数字数据(例如,存储诸如道路和街道位置之类的数据)。此类数据被存储在位于AV 100上的存储器144中,或通过通信信道从位于远程的数据库134被传送到AV 100。
在实施例中,位于远程的数据库134存储并传送有关运载工具的驾驶属性的历史信息(例如,速度和加速度分布),该运载工具之前曾在一天中类似的时间沿着轨迹198行进。在一个实现方式中,此类数据可被存储在位于AV 100上的存储器144中,或通过通信信道从位于远程的数据库134被传送到AV 100。
位于AV 100上的计算设备146基于实时传感器数据和先前信息通过算法方式生成控制动作,从而允许AV系统120执行其自主驾驶能力。
在实施例中,AV系统120包括耦合至计算设备146的计算机外围设备132,用于向AV100的用户(例如,乘客或远程用户)提供信息和警报以及接收来自该用户的输入。在实施例中,外围设备132与下文参照图3所讨论的显示器312、输入设备314以及光标控制器316类似。耦合是无线的或有线的。可以将接口设备中的任何两个或更多个集成到单个设备中。
示例云计算环境
图2图示出示例“云”计算环境。云计算是用于实现到可配置计算资源(例如,网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机以及服务)共享池的方便、按需的网络访问的服务交付模型。在典型的云计算系统中,一个或多个大型云数据中心容纳用于交付由云提供的服务的机器。现在参考图2,云计算环境200包括云数据中心204a、204b以及204c,它们通过云202被互连。数据中心204a、204b以及204c向连接到云202的计算机系统206a、206b、206c、206d、206e以及206f提供云计算服务。
云计算环境200包括一个或多个云数据中心。通常,云数据中心(例如图2中所示的云数据中心204a)指的是组成云(例如,图2中示出的云202)或云的特定部分的服务器的物理布置。例如,服务器在云数据中心物理地布置为房间、组、排以及机架。云数据中心具有一个或多个区域,这一个或多个区域包括一个或多个服务器房间。每一个房间具有一排或多排服务器,并且每一排包括一个或多个机架。每一个机架包括一个或多个单个服务器节点。在一些实现方式中,基于数据中心设施的物理基础设施要求(其包括功率、能源、热、热量和/或其他要求)将区域、房间、机架和/或排中的服务器被布置成组。在实施例中,服务器节点与图3中所述的计算机系统类似。数据中心204a通过许多机架而分布的许多计算系统。
云202包括云数据中心204a、204b以及204c以及网络和联网资源(例如,联网装备、节点、路由器、交换机以及联网电缆),这些网络和联网资源将云数据中心204a、204b以及204c互连,并帮助促进计算系统的206a-f对云计算服务的访问。在实施例中,网络表示使用有线或无线链路耦合的一个或多个本地网络、广域网或互联网络的任何组合,有线和无线链路使用地面或卫星连接来部署。通过网络交换的数据使用任何数量的网络层协议进行传送,这些网络层协议诸如网际协议(IP)、多协议标签交换(MPLS)、异步传输模式(ATM)以及帧中继等。进一步地,在其中网络表示多个子网的组合的实施例中,在下方子网中的每一个子网处使用不同的网络层协议。在一些实施例中,网络表示一个或多个经互连的互联网络,诸如公共因特网。
计算系统206a-f或云计算设备消费方通过网络链路和网络适配器被连接至云202。在实施例中,计算系统206a-f被实现为各种计算设备,例如服务器、台式计算机、膝上型计算机、平板、智能手机、物联网(IoT)设备、自主运载工具(包括,汽车、无人机、班车、火车、公共汽车等)以及消费者电子产品。在实施例中,计算系统206a-f在其他系统中实现或实现为其他系统的部分。
计算机系统
图3图示出计算机系统300。在实现方式中,计算机系统300是专用计算设备。专用计算机设备是硬接线的以执行技术,或者包括被持久地编程为用于执行这些技术的数字电子设备(诸如,一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)),或者可包括被编程为用于依照固件、存储器、其他存储或其组合内的程序指令来执行这些技术的一个或多个通用硬件处理器。此类专用计算设备还可将定制的硬接线逻辑、ASIC或FPGA与定制的编程进行组合,以实现这些技术。在各种实施例中,专用计算设备是台式计算机系统、便携式计算机系统、手持式设备、网络设备或包含用于实现这些技术的硬接线和/或程序逻辑的任何其他设备。
在实施例中,计算机系统300包括用于传送信息的总线302或其他通信机制、以及与总线302耦合以用于处理信息的硬件处理器304。硬件处理器304例如是通用微处理器。计算机系统300还包括主存储器306(诸如,随机存取存储器(RAM)或其他动态存储设备),该主存储器耦合至总线302,用于存储信息以及要由处理器304执行的指令。在一种实现方式中,主存储器306被用来在要由处理器304执行的指令的执行期间存储临时变量或其他中间信息。此类指令在被存储在对于处理器304可访问的非瞬态存储介质中时将计算机系统300呈现为被定制成用于执行这些指令中指定的操作的专用机器。
在实施例中,计算机系统300进一步包括耦合至总线302的、用于存储用于处理器304的静态信息和指令的只读存储器(ROM)308或其他静态存储设备。提供存储设备310,并且该存储设备310耦合至总线302以用于存储信息和指令,该存储设备诸如310,磁盘、光盘、固态驱动器、或三维交叉点存储器。
在实施例中,计算机系统300经由总线302耦合至显示器312以向计算机用户显示信息,该显示器312诸如,阴极射线管(CRT)、液晶显示器(LCD)、等离子体显示器、发光二极管(LED)显示器、或有机发光二极管(OLED)显示器。包括字母数字及其他键的输入设备314耦合至总线302,以将信息和命令选择传送到处理器304。另一类型的用户输入设备是用于将方向信息和命令选择传送到处理器304并用于控制显示器312上的光标移动的光标控制器316,诸如,鼠标、轨迹球、启用触摸的显示器或光标方向键。该输入设备典型地具有两个轴(第一轴(例如,x轴)和第二轴(例如,y轴))上的两个自由度,这允许设备指定平面中的位置。
根据一个实施例,本文中的技术由计算机系统300响应于处理器304执行主存储器306中所包含的一条或多条指令的一个或多个序列而执行。此类指令从另一存储介质(诸如,存储设备310)被读取到主存储器306中。对主存储器306中所包含的指令序列的执行使得处理器304执行本文中所描述的过程步骤。在替代实施例中,使用硬接线电路代替软件指令,或者与软件指令组合地使用硬接线电路。
本文中所使用的术语“存储介质”是指存储使得机器以特定方式进行操作的数据和/或指令的任何非瞬态介质。此类存储介质包括非易失性介质和/或易失性介质。非易失性介质包括例如,光盘、磁盘、固态驱动器或三维交叉点存储器,诸如存储设备310。易失性介质包括动态存储器,诸如主存储器306。常见形式的存储介质包括例如,软盘、柔性盘、硬盘、固态驱动器、磁带或任何其他磁数据存储介质、CD-ROM、任何其他光学数据存储介质、具有孔图案的任何物理介质、RAM、PROM和EPROM、闪存-EPROM、NV-RAM、或任何其他存储芯片或盒式存储器。
存储介质与传输介质不同,但可以与传输介质一同使用。传输介质参与在存储介质之间传递信息。例如,传输介质包括同轴电缆、铜导线和光纤,包括含总线302的导线。传输介质还可以采取声波或光波的形式,诸如那些在无线电波和红外数据通信期间生成的波。
在实施例中,各种形式的介质涉及将一条或多条指令的一个或多个序列承载至处理器304以供执行。例如,指令最初被承载在远程计算机的磁盘或固态驱动器上。远程计算机将这些指令加载到其动态存储器中,并使用调制解调器通过电话线发送这些指令。计算机系统300本地的调制解调器在电话线上接收数据,并使用红外发射器将该数据转换为红外信号。红外检测器接收红外信号中承载的数据,并且适当的电路将该数据置于总线302上。总线302将数据承载至主存储器306,处理器304从该主存储器306检取指令并执行这些指令。由主存储器306接收的指令可在由处理器304执行之前或之后任选地被存储在存储设备310上。
计算机系统300还包括耦合至总线302的通信接口318。通信接口318提供到网络链路320的双向数据通信耦合,该网络链路320连接至本地网络322。例如,通信接口318是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器、或用于提供到对应类型的电话线的数据通信连接的调制解调器。作为另一示例,通信接口318是用于提供到兼容的局域网(LAN)的数据通信连接的LAN卡。在一些实现方式中,还实现了无线链路。在任何此类实现方式中,通信接口318发送和接收承载表示各种类型的信息的数字数据流的电信号、电磁信号或光信号。
网络链路320典型地提供通过一个或多个网络到其他数据设备的数据通信。例如,网络链路320提供通过本地网络322到主机计算机324或到由互联网服务提供商(ISP)326运营的云数据中心或装备的连接。ISP 326进而通过世界范围的分组数据通信网络(现在通常被称为“因特网”328)提供数据通信服务。本地网络322和因特网328两者均使用承载数字数据流的电信号、电磁信号或光信号。通过各种网络的信号以及网络链路320上和通过通信接口318的信号是示例形式的传输介质,这些信号承载去往和来自计算机系统300的数字数据。在实施例中,网络320包含上文所述的云202或云202的部分。
计算机系统300通过(多个)网络、网络链路320和通信接口318发送消息并接收包括程序代码的数据。在实施例中,计算机系统300接收代码以用于处理。所接收的代码在其被接收时由处理器304执行,和/或被存储在存储设备310和/或其他非易失性存储中以供稍后执行。
自主运载工具架构
图4图示出用于自主运载工具(例如,图1中所示的AV 100)的示例架构400。架构400包括感知模块402(有时被称为感知电路)、规划模块404(有时被称为规划电路)、控制模块406(有时被称为控制电路)、定位模块408(有时被称为定位电路)以及数据库模块410(有时被称为数据库电路)。每一个模块都在AV 100的操作中发挥作用。模块402、404、406、408以及410一起可以是图1所示的AV系统120的部分。在一些实施例中,模块402、404、406、408以及410中的任一者是计算机软件(例如,存储在计算机可读介质上的可执行代码)以及计算机硬件(例如,一个或多个微处理器、微控制器、专用集成电路(ASIC)、硬件存储器设备、其他类型的集成电路、其他类型的计算机硬件或上述这些事物中的任何事物或所有事物的组合)的组合。
在使用中,规划模块404接收表示目的地412的数据,并确定表示轨迹414(有时被称为路线)的数据,AV 100可沿该轨迹行进以到达(例如,抵达)目的地412。为了使规划模块404确定表示轨迹414的数据,规划模块404接收来自感知模块402、定位模块408以及数据库模块410的数据。
感知模块402使用一个或多个传感器121(例如,也如图1中所示)标识附近的物理对象。对象经分类(例如,被编组为诸如行人、自行车、机动车、交通标志等的类型),并且包括经分类的对象416的场景描述被提供给规划模块404。
规划模块404也从定位模块408接收表示AV位置418的数据。定位模块408通过使用来自传感器121的数据以及来自数据库模块410的数据(例如,地理数据)来计算位置从而确定AV位置。例如,定位模块408使用来自GNSS(全球导航卫星系统)传感器的数据并使用地理数据来计算AV的经度和纬度。在实施例中,由定位模块408使用的数据包括:道路几何属性的高精度地图、描述道路网络连接性属性的地图、描述道路物理属性(诸如交通速度、交通量、运载工具和自行车行车道的数量、车道宽度、车道交通方向或车道标记类型和位置或其组合)的地图、以及描述道路特征(诸如人行横道、交通标志或各种类型的其他行进信号)的空间位置的地图。
控制模块406接收表示轨迹414的数据以及表示AV位置418的数据,并以将使得AV100沿轨迹414行进至目的地412的方式操作AV的控制功能420a-c(例如,转向、油门调节、制动、点火)。例如,如果轨迹414包括左转向,则控制模块406将以如下方式操作控制功能420a-c,该方式使得转向功能的转向角将使AV 100左转且油门控制和制动将使AV 100在作出转向前停下并等待通行的行人或运载工具。
自主运载工具输入
图5图示出由感知模块402(图4)使用的输入502a-d(例如,图1中所示的传感器121)以及输出504a-d(例如,传感器数据)的示例。一个输入502a是LiDAR(光检测和测距)系统(例如,图1所示的LiDAR 123)。LiDAR是使用射线(例如,诸如红外射线的射线的猝发)以获得有关其视线内的物理对象的数据的技术。LiDAR系统产生LiDAR数据作为输出504a。例如,LiDAR数据是被用于构建环境190的表示的3D或2D点的集合(也称为点云)。
另一输入502b是雷达系统。雷达是使用无线电波以获取有关附近物理对象的数据的技术。雷达可获取有关不在LiDAR系统视线内的对象的数据。雷达系统502b生成雷达数据作为输出504b。例如,雷达数据是被用于构建环境190的表示的一个或多个射频电磁信号。
另一输入502c是相机系统。相机系统使用一个或多个相机(例如,使用诸如电耦合器件(CCD)之类的光传感器的数码相机)以获得有关附近物理对象的信息。相机系统产生相机数据作为输出504c。相机数据通常采取图像数据的形式(例如,诸如RAW、JPEG、PNG等图像数据格式的数据)。在一些示例中,相机系统具有例如用于立体视觉的多个独立相机,这使得相机系统能够感知深度。尽管由相机系统感知的对象在本文中被描述为“附近”,但这是相对于AV的。在使用中,相机系统可被配置成用于“看见”远处的对象,例如,位于AV前方多达一公里或更远的对象。相应地,相机系统可具有诸如被优化以感知远处对象的传感器以及透镜之类的特征。
另一输入502d是交通灯检测(TLD)系统。TLD系统使用一个或多个相机以获得有关交通灯、街道标志以及提供视觉操作信息的其他物理对象的信息。TLD系统产生TLD数据作为输出504d。TLD数据通常采取图像数据的形式(例如,诸如RAW、JPEG、PNG等图像数据格式的数据)。TLD系统与结合了相机的系统的不同之处在于,TLD系统使用具有广视场(例如,使用广角透镜或鱼眼透镜)的相机以获得有关提供视觉操作信息的尽可能多的物理对象的信息,从而使得AV 100能够访问由这些对象提供的所有相关的操作信息。例如,TLD系统的视角可以是大约120度或更大。
在一些实施例中,输出504a-d是使用传感器融合技术被组合的。因此,各个输出504a-d被提供给AV 100的其他系统(例如,被提供给如图4所示的规划模块404),或者经组合的输出能够以相同类型(例如,使用相同的组合技术,或组合相同的输出,或这两者)或不同类型(例如,使用不同的对应组合技术,或组合不同的对应输出,或这两者)的单个经组合的输出或多个经组合的输出的形式被提供至其他系统,。在一些实施例中,使用早期融合技术。早期融合技术通过在一个或多个数据处理步骤被应用到经组合的输出之前将输出组合来表征。在一些实施例中,使用后期融合技术。后期融合技术通过在一个或多个数据处理步骤被应用到各个输出之后将输出组合来表征。
图6图示出LiDAR系统602的示例(例如,图5中所示的输入502a)。LiDAR系统602从光发射器606(例如,激光发射器)发出射线604a-c。由LiDAR系统发出的射线通常不在可视频谱内;例如,通常使用红外射线。发出的射线604b中的一些遇到物理对象608(例如,运载工具)并往回反射到LiDAR系统602。(由LiDAR系统发射的射线通常不穿透物理对象,例如,以固态存在的物理对象。)LiDAR系统602也具有一个或多个光检测器610,其检测反射的射线。在实施例中,与LiDAR系统相关联的一个或多个数据处理系统生成图像612,该图像612表示LiDAR系统的视场614。图像612包括表示物理对象608的边界616的信息。以此方式,图像612被用来确定AV附近的一个或多个物理对象的边界616。
图7图示出操作中的LiDAR系统602。在该图中示出的场景中,AV 100接收图像702形式的相机系统输出504c以及LiDAR数据点704形式的LiDAR系统输出504a。在使用中,AV100的数据处理系统将图像702与数据点704相比较。具体而言,在图像702中被标识的物理对象706也在数据点704中被标识。以此方式,AV 100基于数据点704的轮廓和密度感知物理对象的边界。
图8更详细地图示出LiDAR系统602的操作。如上文所述,AV 100基于由LiDAR系统602检测到的数据点的特性来检测物理对象的边界。如图8中所示,平的对象(诸如,地面802)将以一致的方式反射由LiDAR系统602发射的射线804a-d。换言之,由于LiDAR系统602使用一致的间隔发出射线,因此地面802将会以同样一致的间隔将射线往回反射至LiDAR系统602。随着AV 100在地面802上行进,如果没有物体阻碍道路,则LiDAR系统602将继续检测由下一有效地面点806反射的射线。然而,如果对象808阻碍了道路,则由LiDAR系统602发射的射线804e-f将以与所预期的一致方式不一致的方式从点810a-b被反射。从该信息中,AV100可判定存在对象808。
路径规划
图9图示出规划模块404(例如,如图4中所示)的输入与输出之间的关系的框图900。通常,规划模块404的输出是从起点904(例如,源位置或初始位置)到终点906(例如,目的地或最终位置)的路线902。路线902通常由一个或多个路段来限定。例如,路段是指在街道、道路、公路、车道或其他适合机动车行进的物理区域的至少部分上行进的距离。在一些示例中,例如,如果AV 100是具有越野能力的运载工具(诸如,四轮驱动(4WD)或全轮驱动(AWD)汽车、SUV、皮卡等),则路线902包括诸如未铺砌道路或开放空地的“越野”路段。
除路线902之外,规划模块也输出车道级路线规划数据908。车道级路线规划数据908被用来基于路段在特定时间的状况来穿过路线902的路段。例如,如果路线902包括多车道公路,则车道级路线规划数据908包括轨迹规划数据910,AV 100可使用该轨迹规划数据910(例如基于是否正接近出口、车道中的一个或多个车道是否有其他运载工具、或在几分钟或更短时间内变化的其他因素)在多个车道中选择车道。类似地,在一些实现方式中,车道级路线规划数据908包括特定于路线902的路段的速度约束912。例如,如果路段包括行人或预期外的交通,则速度约束912可将AV 100限制到低于预期速度(例如,基于针对该路段的速度限制数据的速度)的行进速度。
在实施例中,向规划模块404的输入包括数据库数据914(例如,来自如图4所示的数据库模块410)、当前位置数据916(例如,如图4所示的AV位置418)、目的地数据918(例如,用于如图4所示的目的地412)以及对象数据920(例如,由如图4所示的感知模块402感知的经分类的对象416)。在一些实施例中,数据库数据914包括规划中使用的规则。规则使用正式语言来指定,例如,使用布尔逻辑来指定。在由AV 100遇到的任何给定情况中,规则中的至少一些将应用于该情况。如果规则具有基于可用于AV 100的信息(例如,有关周围环境的信息)而被满足的条件,则该规则应用于给定情况。规则可具有优先级。例如,规则“如果道路为高速公路,则移动至最左侧车道”可具有比“如果一英里以内正接近出口,则移动至最右侧车道”更低的优先级。
图10图示出在(例如,由规划模块404(图4)执行的)路线规划中使用的有向图1000。总体上,如图10中所示的有向图那样的有向图1000被用于确定任何起点1002与终点1004之间的路径。在现实世界中,分隔起点1002和终点1004的距离可能相对较大(例如,在两个不同的城市区域)或可能相对较小(例如,紧邻城市街区的两个交叉口或多车道道路的两个车道)。
在实施例中,有向图1000具有节点1006a-d,这些节点表示能够由AV 100占据的起点1002与终点1004之间的不同位置。在一些示例中,例如,当起点1002和终点1004表示不同城市区域时,节点1006a-d表示道路的路段。在一些示例中,例如,当起点1002和终点1004表示相同道路的不同位置时,节点1006a-d表示该道路上的不同位置。以此方式,有向图1000包括采用不同粒度级别的信息。在实施例中,具有高粒度的有向图也是具有更大比例的另一有向图的子图。例如,在其中起点1002距终点1004较远(例如,相距很多英里)的有向图的大多数信息具有低粒度且基于所存储的数据,但对于该图的、表示AV 100的视场内的物理位置的部分也包括一些高粒度信息。
节点1006a-d与对象1008a-b不同,对象1008a-b不能与节点重叠。在实施例中,当粒度为低时,对象1008a-b表示不能被机动车穿过的区域,例如,没有街道或道路的区域。当粒度为高时,对象1008a-b表示AV 100的视场内的物理对象,例如,其他机动车、行人、或AV100无法与其共享物理空间的其他实体。在实施例中,对象1008a-b中的一些或全部是静态对象(例如,不改变位置的对象,诸如街灯或电线杆)或动态对象(例如,能够改变位置的对象,诸如行人或其他运载工具)。
节点1006a-d由边1010a-c连接。如果两个节点1006a-b由边1010a连接,则AV 100可以在一个节点1006a与另一节点1006b之间行进,例如,不必在抵达另一节点1006b之前行进至中间节点。(当我们提到AV 100在节点之间行进时,我们是指AV 100在由相应节点表示的两个物理位置之间行进。)在AV 100从第一节点行进至第二节点或从第二节点行进至第一节点的意义上,边1010a-c通常是双向的。在实施例中,在AV 100能从第一节点行进至第二节点但AV 100无法从第二节点行进至第一节点的意义上,边1010a-c是单向的。当边1010a-c表示例如单行道、街道、道路或公路的各个车道、或由于法律或物理约束仅能在一个方向穿过的其他特征时,边1010a-c是单向的。
在实施例中,规划模块404使用有向图1000来标识由起点1002与终点1004之间的节点和边组成的路径1012。
边1010a-c具有相关联的成本1014a-b。成本1014a-b是表示如果AV 100选择该边则将被花费的资源的值。典型的资源为时间。例如,如果一条边1010a表示另一边1010b两倍的物理距离,则第一边1010a的相关联的成本1014a可能是第二边1010b的相关联的成本1014b的两倍。影响时间的其他因素包括预期交通、交叉路口数量、速度限制等。另一典型的资源为燃料经济性。两条边1010a-b可表示相同的物理距离,但是一条边1010a可能比另一边1010b需要更多的燃料(例如,由于道路状况、预期天气等)。
当规划模块404标识起点1002与终点1004之间的路径1012时,规划模块404通常选择针对成本优化的路径,例如,当各个边的成本加在一起时具有最低总成本的路径。
自主运载工具控制
图11图示出(例如,如图4中所示的)控制模块406的输入和输出的框图1100。控制模块根据控制器1102操作,该控制器1102包括例如与处理器304类似的一个或多个处理器(例如,一个或多个计算机处理器,诸如,微处理器、或微控制器、或这两者)、与主存储器306、ROM 1308以及存储设备210类似的短期和/或长期数据存储(例如,存储器随机存取存储器、或闪存、或这两者)、以及存储在存储器内的指令,当该指令被执行(例如,由一个或多个处理器执行)时执行控制器1102的操作。
在实施例中,控制器1102接收表示期望输出1104的数据。期望输出1104通常包括速度,例如,速率和前进方向。期望输出1104可基于例如从(例如,如图4所示的)规划模块404接收的数据。根据期望输出1104,控制器1102生成可用作油门输入1106以及转向装置输入1108的数据。油门输入1106表示例如通过接合转向踏板、或接合另一油门控件以实现期望输出1104来接合AV 100的油门(例如,加速控制)所按照的幅度。在一些示例中,油门输入1106也包括可用于接合AV 100的制动(例如,减速控制)的数据。转向输入1108表示转向角,例如,AV的转向控件(例如,方向盘、转向角致动器或用于控制转向角的其他功能)为实现期望输出1104而应当被定位所处于的角度。
在实施例中,控制器1102接收反馈,该反馈被用于调整被提供给与油门和转向装置的输入。例如,如果AV 100遇到了干扰1110,诸如山,则AV 100的测量速度1112降低至预期输出速度。在实施例中,任何测量输出1114都被提供至控制器1102,使得例如基于测量速度与期望输出之间的差异1113执行必要的调整。测量输出1114包括测量位置1116、测量速度1118(包括速度和前进方向)、测量加速度1120以及可由AV 100的传感器测量的其他输出。
在实施例中,有关干扰1110的信息被事先检测(例如,由诸如相机或LiDAR传感器之类的传感器检测),并被提供至预测性反馈模块1122。预测性反馈模块1122随后向控制器1102提供信息,控制器1102可使用该信息以相应地调整。例如,如果AV 100的传感器检测到(“看见”)山,则该信息可被控制器1102使用以准备在合适的时间接合油门以避免显著的减速。
图12图示出控制器1102的输入、输出以及组件的框图1200。控制器1102具有速度分析器1202,该速度分析器1202影响油门/制动器控制器1204的操作。例如,取决于例如由控制器1102接收并由速度分析器1202处理的反馈,速度分析器1202使用油门/制动器1206指示油门/制动器控制器1204进行加速或进行减速。
控制器1102还具有横向跟踪控制器1208,该横向跟踪控制器1208影响转向控制器1210的操作。例如,取决于例如由控制器1102接收且由横向跟踪控制器1208处理的反馈,横向跟踪控制器1208指示转向控制器1204调整转向角致动器1212的位置。
控制器1102接收用于确定如何控制油门/制动器1206以及转向角致动器1212的若干输入。规划模块404提供由例如控制器1102使用以便当AV 100开始操作时选择前进方向并且当AV 100到达交叉路口时确定要穿过哪个路段的信息。定位模块408向控制器1102提供例如描述AV 100的当前位置的信息,从而使得控制器1102能够判定AV 100是否位于基于油门/制动器1206以及转向角致动器1212正被控制所按照的方式而预期的位置。在实施例中,控制器1102从其他输入1214接收信息(例如,从数据库、计算机网络等接收的信息)。
用于生成最佳轨迹以供对AV进行导航的架构
图13图示出根据一个或多个实施例的用于生成最佳轨迹以供对AV 1316进行导航的架构的框图1300。架构1300包括服务器1308和环境1304。环境1304表示地理区域,诸如,城镇、近邻或道路路段。在一个实施例中,环境1304内的时空位置被表示在环境1304的带注释的地图上。使用这些时空位置生成AV 1316的最佳轨迹。环境1304包含AV 1316以及对象1336和1340。服务器1308可以是图1中示出的服务器136的实施例,并且AV 1316可以是图1中示出的AV 100的实施例。在其他实施例中,架构1300包括与本文中所描述的那些组件相比附加的或更少的组件。类似地,各功能能以与此处所描述的方式不同的方式在各组件和/或不同的实体之间分布。
服务器1308通信地耦合至AV 1316并将一条或多条指令1312传送至AV 1316。在一个实施例中,服务器1308可以是如以上参考图1和图2中的服务器136更详细地描述的“云”服务器。服务器1308的部分可在软件或硬件中实现。例如,服务器1308或服务器1308的部分可以是以下各项的部分:PC、平板PC、STB、智能电话、物联网(IoT)器具、或能够执行指定将要由该机器采取的动作的指令的任何机器。
AV 1316从服务器1308或从AV 1316内的乘客接收用于AV 1316的指令,以从图9中的初始时空位置904行进到目的地时空位置906。初始时空位置和目的地时空位置包括地理坐标、与位于该地理坐标处的AV 1316相关联的行进时间、或前进方向(例如,定向取向或位于该地理坐标处的AV 1316的姿态)。在一个实施例中,指令1312包括针对初始时空位置和目的地时空位置的GNSS坐标、企业名称、街道地址、或者城市或城镇名称。
AV 1316位于环境1304内,该环境1304还包括对象1336和1340,如以上参考图4和图5中的对象416所描述。对象1336和1340是AV 1316外部的物理对象。例如,对象1336和1340可各自是另一运载工具、行人、骑行者、建筑区的要素、建筑物、交通信号等。在一个实施例中,对象1336和1340由AV 1316进行分类(例如,被分组为诸如行人、汽车等之类的类型),并且表示所分类的对象1336和1340的数据被提供给AV 1316的规划模块(例如,1324)。
AV 1316包括通信设备1320、规划模块1324和控制模块1332。通信设备1320可以是图1中示出的通信设备140的实施例。规划模块1324可以是图4中示出的规划模块404的实施例,并且控制模块1332可以是图1中示出的控制模块106的实施例。在其他实施例中,AV1316包括与本文中所描述的那些组件相比附加的或更少的组件。类似地,各功能能以与此处所描述的方式不同的方式在各组件和/或不同的实体之间分布。
通信设备1320与服务器1308、AV 1316内的乘客、或其他运载工具传输数据(例如,指令或者AV 1316的或其他运载工具的状态和条件的所测量或所推断出的属性)。通信设备1320跨网络通信地耦合至服务器1308。在实施例中,通信设备1320跨因特网、电磁频谱(包括无线电通信和光通信)或其他介质(例如,空气和声学介质)进行通信。通信设备1320的部分可在软件或硬件中实现。例如,通信设备1320或通信设备1320的部分可以是以下各项的部分:PC、平板PC、STB、智能电话、物联网(IoT)器具、或能够执行指定将要由该机器采取的动作的指令的任何机器。上文参考图1中的通信设备140更详细地描述了通信设备1320。
在一个实施例中,通信设备1320包括触摸屏显示器或键盘,以接收来自AV 1316内的乘客的指令。通信设备1320从服务器1308或从AV 1316内的乘客接收指令1312并将指令1312传送至规划模块1324。通信设备1320将指令1312从人类可读的格式或自然语言变换为计算机程序、伪代码、机器语言格式、或编译级格式,以供规划模块1324使用。
规划模块1324接收表示目的地(例如,412)的数据,并确定表示轨迹(例如,414,有时被称为路线)的数据,AV 1316可以沿该轨迹行进到达(例如,抵达)目的地412。规划模块1324通信地耦合至通信设备1320以接收指令1312。在一个实施例中,规划模块1324的部分在软件或硬件中实现。例如,规划模块1324或规划模块1324的部分可以是以下各项的部分:PC、平板PC、STB、智能电话、物联网(IoT)器具、或能够执行指定将要由该机器采取的动作的指令的任何机器。上文参考图4中的规划模块404更详细地描述了规划模块1324。
规划模块1324使用环境1304中的可驾驶区域的有向图表示来生成包括多个行进路段的轨迹414。每个行进路段(例如,图10中的边1010a)表示轨迹414的部分。在一个实施例中,行进路段包括道路的区段、桥梁、车道的改变、高地等。多个行进路段中的每个行进路段开始于多个时空位置中的第一时空位置(轨迹中的中间点)并且终止于多个时空位置中的第二时空位置(轨迹中的另一中间点)。多个时空位置包括初始时空位置和目的地时空位置。
轨迹中的每个行进路段与多个操作度量相关联。操作度量表示与沿从第一时空位置到第二时空位置的行进路段对AV 1316进行导航相关联的成本的N元组。在一个实施例中,不过使用八个不同的操作度量,则N元组被表示为(m1,m2,m3,m4,m5,m6,m7,m8)。在该示例中,m1表示行进路段的长度,m2表示该行进路段上交通灯的数量,m3表示在该行进路段上与其他运载工具的预测碰撞的数量。使用多个操作度量的成本函数来确定候选轨迹的成本。跨候选轨迹中的行进路段使N元组中的每个操作度量最大化或对N元组中的每个操作度量求和。在一个实施例中,成本函数被表示为(+,+,max,+,max,max,+,+),指示对N元组中的第一求和并对第二元素求和,使第三元素最大化,依此类推。对操作度量m1、m2、m4、m7和m8分别进行求和,而分别使操作度量m3、m5和m6最大化。因此,对行进路段的长度求和并对交通灯的数量求和,而使预测碰撞的数量最大化。如果预测碰撞的最大数量等于1或更多,则候选轨迹被丢弃。
在一个实施例中,规划模块1324将沿特定轨迹对AV 1316进行导航的成本作为与跨该轨迹的操作度量(例如,行进的距离)相关联的成本的总和或者作为堵塞特定轨迹的二元函数(例如,当某个轨迹包括与预测碰撞相关联的行进路段时)进行评估。例如,与道路网络中的特定行进路段相关联的多个操作度量可表示行进路段的长度、行进路段上交通灯的数量、或与行进路段上的其他运载工具的预测碰撞的数量。规划模块1324通过跨多个行进路段对多个操作度量中的每个操作度量进行优化来为AV 1316生成轨迹。
控制模块1332通信地耦合至规划模块1324。控制模块1332接收表示轨迹的数据以及表示AV位置(例如,图4中的418)的数据,并以将使得AV 1316沿轨迹行进至目的地时空位置的方式来对AV的控制功能(例如,420a-c——转向、油门调节、制动、点火)进行操作。在一个实施例中,控制模块1332的部分在软件或硬件中实现。例如,控制模块1332或控制模块1332的部分可以是以下各项的部分:PC、平板PC、STB、智能电话、物联网(IoT)器具、或能够执行指定将要由该机器采取的动作的指令的任何机器。上文参考图4和图11中的控制模块406更详细地描述了控制模块1332。
用于跨道路网络生成最佳轨迹以供导航的方法
图14图示出根据一个或多个实施例的用于跨道路网络1432生成最佳轨迹以供对AV(例如,图1中示出的AV 1316)进行导航的方法。道路网络1432包括多个时空位置——1404、1416、1412、1428、1408、1420和1424——AV 1316可位于这些位置处。在一个实施例中,AV 1316最初位于时空位置1404处,该时空位置1404被称为源位置或初始位置。道路网络1432包括多个道路段(例如,1436、1440、1444、1448、1452、1456、1460、1464和1468),其中,每个道路段(例如,1436)开始于第一时空位置1404并终止于时空位置1416。
AV 1316的规划模块1324从服务器1308或从AV 1316内的乘客接收用于AV 1316的指令1312以从初始时空位置1404行进到时空位置1408,该时空位置1408被称为目的地时空位置或最终时空位置。为了对AV 1316进行导航,规划模块1324为AV 1316生成轨迹。轨迹包括连结初始时空位置1404与目的地时空位置1408的多个道路段。轨迹的每个行进路段(例如,1436)开始于第一时空位置(例如,1404)并且终止于第二时空位置(例如,1416)。
每个行进路段(例如,1436)与多个操作度量相关联。例如,操作度量(0,1)与如图14中所示出的1436相关联。操作度量与将AV 1316从第一时空位置1404导航至由道路段1436连接的第二时空位置1416相关联。每个操作度量是指AV 1316通过沿行进路段1436行进而产生的参数成本。跨多个行进路段对多个操作度量中的每个操作度量(例如,参数成本)进行优化以生成轨迹。
在一个实施例中,跨轨迹使多个操作度量中的每个操作度量最大化或最小化。在一个实施例中,跨轨迹使每个操作度量的值的和最大化或最小化。行进路段的成本被分配有单个非负实数。将路线或轨迹的总成本定义为路线的行进路段的成本的总和。然而,对于与人类安全性有关的某些类型的操作度量(例如,碰撞的数量),通常必须跨轨迹使操作度量的值最大化或最小化而不是对其求和。例如,应当避免包括单次碰撞的候选轨迹,或者应当使AV 1316跨候选轨迹使经历的加速度的最大值最小化。因此,在实施例中,将候选轨迹的成本定义为各个行进路段的成本的最大值。与行进路段相关联的多个操作度量由N维元组(m1,m2,…,mN)表示。在生成轨迹时,对一些操作度量进行求和(例如,m1和mN),而使其他操作度量(例如,m2)最大化,例如,(+,max,…,+)。
规划模块1324基于沿候选轨迹对AV 1316进行导航的成本而将每个候选轨迹作为将要被扩展的路径的部分树进行评估。在一个实施例中,使用最短路径算法针对直到并包括第一经最大化的操作度量的所有操作度量坐标生成最佳结果。规划模块1324确定初始时空位置1404与目的地时空位置1408之间的轨迹,以使得构成行进路段的成本的总和被最小化。在其他实施例中,规划模块1324使用Dijkstra算法的变型、Bellman-Ford算法、A*搜索算法、Floyd-Warshall算法、Johnson算法或Viterbi算法来生成候选轨迹。
规划模块1324使用最短路径算法通过最佳地计算直到并包括第一经最大化(例如,直到m2,其中,m2是第一经最大化的坐标)的操作度量的成本来生成候选轨迹。其操作成本具有大于m2操作度量的最大值的m2值的行进路径被丢弃。第二次使用最短路径算法生成高达第二经最大化的操作度量的候选路径的成本。将此过程重复K次,其中,K是经最大化的操作度量的数量。
在一个实施例中,与行进路段(例如,1436)相关联的多个操作度量中的操作度量表示AV 1316在沿行进路段1436行进时的预测加速度或减速度。轨迹的生成包括选择与小于阈值的预测加速度或减速度相关联的行进路段以增加乘客舒适度,降低对AV 1316的磨损,或者增加效率或燃料里程。在另一实施例中,与行进路段(例如,1436)相关联的多个操作度量中的操作度量表示道路段1436的道路表面损毁量(例如,坑洼、剥离的柏油路面的数量等)。轨迹的生成包括选择与小于阈值的道路表面损毁量相关联的行进路段,以增加乘客舒适度或者降低对AV 1316的磨损。
在一个实施例中,轨迹的生成包括丢弃与具有大于或小于操作度量的最佳值的值的操作度量相关联的道路段(例如,1436)。例如,当与人类安全性有关的操作度量(例如,预测碰撞的数量)为非零时,规划模块1324可以终止对候选轨迹的评估以减少计算时间。
在一个实施例中,轨迹的生成包括响应于与候选轨迹的行进路段(例如,1436)相关联的操作度量的值落在阈值之下而使用一个或多个处理器终止对候选轨迹的评估。例如,执行成本评估来确定AV 1316的轨迹的成本。使用对与多个行进路段相关联的操作度量的聚集(例如,求和、应用最大运算符、乘法或排名)来确定轨迹的成本。规划模块1324比较所确定的候选轨迹的成本以标识最佳候选轨迹。
在一个实施例中,使用多个操作度量的不同的成本函数来确定轨迹的成本。成本函数可以是指示候选轨迹是否满足操作度量的策略指南或优先级组的所有策略指南的布尔(Boolean)指示符。在一个实施例中,跨多个行进路段对多个操作度量中的每个操作度量进行优化以生成轨迹包括使多个操作度量中与导航安全性相关联的每个操作度量的排名高于多个操作度量中不与导航安全性相关联的操作度量。将多个操作度量中与导航安全相关联的操作度量在该操作度量不与导航安全性相关联之前被优化。基于多个操作度量的经排名的优先级来执行成本评估。成本评估通过较高排名的操作度量迭代到较低排名的操作度量。例如,使与人类安全性相关联的操作度量(例如,AV 1316与其他运载工具的碰撞的所预测的数量)排名较高,并且成本评估开始于该排名较高的操作度量。当两个候选行进路段或两条候选轨迹对于排名较高的操作度量具有相同的值时,成本评估进行至下一排名较低的操作度量,例如,减少驾驶时间。以此种方式,成本评估沿排名较低的操作度量向下迭代直到最佳轨迹被生成。上文参考图9更详细地解释了导航规则的排名和优先级。
现在转向图14,道路网络包括7个如上文所描述的时空位置。每个行进路段与操作度量对(m1,m2)相关联。考虑用于生成从1404到1408的最佳轨迹的成本函数为(max,+)。也就是说,将使第一操作度量m1最大化,而将对第二操作度量m2求和。如果使用传统路线选择过程,则将找到从1404到1408的最短路径为1404→1412→1408,其具有(2,3)的成本。然而,最佳轨迹为1404→1416→1428→1408,其具有(2,2)的成本。
为了生成最佳轨迹,规划模块1324确定第一要被最大化的第一操作度量的最佳成本。更精确地,给定N维操作度量向量,其中,第一经最大化的操作度量为K,使得1≥K≥N,则在第一次迭代中确定的轨迹的成本对于前K个操作度量是最佳的。在第一次迭代之后,规划模块1324确定针对第一操作度量m1的最佳轨迹的成本为2。为了开始第二次迭代,规划模块1324丢弃具有针对m1>2的值的行进路段,因为那些行进路段全部不可能位于最佳路径上。1420与1424之间并且具有操作度量(3,1)的行进路段被丢弃。在第二次迭代中生成的轨迹1404→1416→1428→1408的成本具有(2,2)的成本,并且该轨迹事实上是最佳轨迹。
在一些实施例中,使用AV 1316的一个或多个处理器146来生成多个行进路段(例如,路段1436、1460等)以供对AV 1316进行导航。多个行进路段与多个操作度量(例如,m1、m2等)相关联。一个或多个处理器146对多个操作度量中的每个操作度量进行排名。执行排名以使得多个操作度量中与导航安全性相关联的第一操作度量(例如,m1)排名高于多个操作度量中与第一操作度量m1不同的第二操作度量(例如,m2)。选择行进路段以供对AV 1316进行导航,使得与所选择的行进路段相关联的每个操作度量根据该操作度量的名次被优化。使用控制模块1332,根据所选择的行进路段来对AV 1316进行导航。
在一些实施例中,对与所选择的行进路段相关联的每个操作度量的优化包括跨所选择的行进路段使操作度量的值最大化。对每个操作度量的优化包括跨所选择的行进路段使操作度量的值的总和最大化或最小化。在一些实施例中,每个行进路段与的时空位置相关联,时空位置包括地理坐标、同位于这些地理坐标处的运载工具相关联的行进时间、或位于这些地理坐标处的运载工具的前进方向。
在一些实施例中,操作度量表示AV 1316在沿行进路段行进时与对象(诸如,对象1336)的预测碰撞的数量。在一些实施例中,选择行进路段以供对AV 1316进行导航包括选择与小于阈值的预测碰撞的数量相关联的行进路段。在一些实施例中,操作度量表示AV1316在沿行进路段行进时的预测停驻的数量。选择行进路段以供对AV 1316进行导航包括选择与小于阈值的预测停驻的数量相关联的行进路段以减少行进时间。
在一些实施例中,操作度量表示AV 1316在沿行进路段行进时与对象(诸如,对象1336)之间的横向间隔。选择行进路段以供对AV 1316进行导航包括选择同AV 1316与对象1336之间大于阈值的预测横向间隔相关联的行进路段。在一些实施例中,操作度量表示AV1316在沿行进路段行进时的预测加速度或减速度。在一些实施例中,选择行进路段以供对AV 1316进行导航包括选择与小于阈值的预测加速度或减速度相关联的行进路段。
在一些实施例中,操作度量表示行进路段的道路表面损毁量。选择行进路段以供对AV 1316进行导航包括选择与小于阈值的道路表面损毁量相关联的行进路段以增加乘客舒适度。在一些实施例中,选择行进路段以供对AV 1316进行导航包括丢弃与具有大于或小于操作度量的最佳值的值的操作度量相关联的道路段。生成包括所选择的道路段的部分轨迹。响应于与部分轨迹相关联的操作度量的值落在阈值之下,使用一个或多个处理器146终止对高部分轨迹的评估,以减少计算时间和努力。
本文中所公开的实施例的益处和优势在于,沿所生成的轨迹对AV进行导航得到增加的乘客和行人安全性、对AV较低的磨损、减少的行进时间、减少的行进距离等。对于道路网络上的其他运载工具,也获得了增加的安全性。减少AV的停驻数量增加燃料效率,减少电池消耗并且增加乘客舒适度。如果排名最高的操作度量的值是0,则方法的第一次迭代之后的候选轨迹的成本可以被正确地确定,直到第二操作度量。因此,方法需要仅针对非零的经最大化的操作度量迭代地运行,使得计算时间减少。当排名较高的操作度量(与人类安全性有关)为非零时,规划模块1324可以终止对候选轨迹的评估以进一步减少计算时间。
生成最佳轨迹以增加距其他对象的横向间隔
图15图示出根据一个或多个实施例的为AV 1316生成最佳轨迹以增加距其他对象(1508或1512)的横向间隔和/或减小沿该轨迹的转向角的最大改变的示例。在一个实施例中,与行进路段(例如,图15中的1536)相关联的操作度量表示AV 1316在沿行进路段1536行进时与对象1508之间的预测横向间隔。规划模块被配置成用于增加AV 1316距道路上的静止障碍物的横向距离,即使这些静止障碍物并未直接阻碍AV 1316的路径,这些静止障碍物例如,停放的运载工具1512。尽管传统的路线选择方法可能会尝试在遇到障碍物时增加距障碍物的横向距离,但是本文中所公开的实施例针对所有对象总体上增加了横向距离,从而提供了更短、成本更低、更适宜的轨迹。
现在转向图15,轨迹的生成包括选择同AV 1316与其他对象(例如,1508)之间大于阈值的预测横向间隔相关联的行进路段,以避免碰撞或增加乘客舒适度。与行进路段1536相关联的操作度量表示AV 1316在沿道路段1536行进时与建筑区1508之间的预测横向间隔1504。轨迹的生成包括选择同AV 1316与对象1508之间大于阈值的预测横向间隔相关联的行进路段。
图15图示出最初位于初始时空位置1524处的AV 1316。AV 1316接收从初始时空位置1524行进到目的地时空位置1528的指令(例如,1312)。为了从初始时空位置1524行进到目的地时空位置1528,AV 1316必须首先行进到中间时空位置1544。为了从初始时空位置1524行进到中间时空位置1544,AV 1316选择行进路段1536或行进路段1540。行进路段1536远离建筑区1508弯曲并具有横向间隔1504。行进路段1540到建筑区1508具有较小的横向间隔。
图15中示出的行进路段(例如,1536和1540)与若干个操作度量相关联,这些操作度量例如,距其他对象的横向间隔或转向角(例如,1556)的最大(摆幅)改变。对转向角的最大改变进行优化,以减少AV 1316沿车道从一侧到另一侧的摆动,从而增加乘客舒适度。在图15中,选择行进路段1536增加了AV 1316距建筑区1508的横向间隔(1504)。然而,转向角1556的最大改变也可能增加。选择行进路段1540增加了AV 1316距建筑区1508的横向间隔。然而,未增加转向角的最大改变,这增加了乘客舒适度。
在一个实施例中,跨多个道路段(例如,1536和1540)对每个操作度量进行优化以生成轨迹包括使与导航安全性相关联的每个操作度量(例如,AV 1316距对象1508的横向间隔)排名高于不与导航安全性相关联的操作度量(例如,转向角的最大改变)。与导航安全性相关联的操作度量被优化成在优先级上先于不与导航安全性相关联的操作度量。例如,横向间隔操作度量与安全性有关并且使其排名高于转向角的改变操作度量。因此,AV 1316将优化(减少)横向间隔操作度量并选择行进路段1536来代替行进路段1540。
类似地,为了从时空位置1544行进到目的地时空位置1528,AV 1316在行进路段1548与1552之间进行选择。选择行进路段1552增加了AV 1316距停放的运载工具1512的横向间隔。然而,转向角的最大改变也可能增加。选择行进路段1548减小了AV 1316距停放的运载工具1512的横向间隔。然而,转向角的最大改变可能减小,这增加了乘客舒适度。如果使与横向间隔有关的操作度量排名高于与转向角的最大改变有关的操作度量,则AV 1316将选择行进路段1536和1552以从1524行进到1528,因此生成轨迹1516。如果轨迹1516的部分与转向角的非最佳改变相关联,则AV 1316选择行进路段1540和1548以从1524行进到1528,因此生成轨迹1520。
生成最佳轨迹以减少停驻
图16图示出根据一个或多个实施例的为AV 1316生成最佳轨迹以减少沿该轨迹的停驻数量的示例。在一个实施例中,与行进路段(例如,1628)相关联的多个操作度量中的操作度量表示AV 1316在沿行进路段1628行进时的预测停驻的数量。当生成候选轨迹时,规划模块1324可被配置成用于生成具有最高平均速度的、到目的地时空位置1624的轨迹。然而,如果AV 1316沿具有较低交通堵塞的第一候选轨迹行进,则AV 1316可能经历频繁的停驻(例如,来自交通信号1604、1608和1612、停驻标志等,在该处AV 1316必须达到完全停驻)。
第二候选轨迹可能具有相对较高的交通堵塞但没有停驻。即使第一候选轨迹的平均速度高于第二候选轨迹的平均速度,规划模块1326也可能选择第二候选轨迹,以增加燃料效率,减少电池消耗,减少对AV 1316不必要的磨损,并增加乘客舒适度。在该示例中,轨迹的生成包括选择与小于阈值的预测停驻的数量(例如,1、3或4)相关联的行进路段。
现在转向图16,AV 1316最初位于车道1640上的初始时空位置1620处。AV 1316接收行进至目的地时空位置1624的指令(例如,1312)。在连接初始时空位置1620与目的地时空位置1624的候选轨迹1616上存在单个行进路段1628。车道1640上的行进路段1628具有三个交通信号1604、1608和1612。AV 1316预测行进路段1628上的每个交通信号将导致AV1316的停驻;因此,行进路段1628与3个预测停驻相关联。对于行进路段1628,图4中操作度量的值(与停驻的数量相关联)为3。
AV 1316的轨迹的生成包括选择与小于阈值的预测停驻的数量相关联的行进路段。在一个实施例中,AV 1316指定跨所生成轨迹的停驻的最大数量必须小于某个数量(例如,11)。在另一实施例中,AV 1316指定任何单个行进路段上的停驻的最大数量必须不超过某个数量(例如,2)。与AV 1316的预测停驻的数量有关的操作度量因此可跨所生成的轨迹被最小化,或者该操作度量的值的总和可跨轨迹被最小化。
在图16中,使单个行进路段上停驻的数量最小化。可能存在各自具有小于3的预测停驻数量的其他行进路段(例如,1632)。AV 1316将选择其他行进路段(例如,1632)来生成初始时空位置1620与目的地时空位置1624之间的轨迹而不是生成候选轨迹1616。
生成最佳轨迹以减少碰撞
图17图示出根据一个或多个实施例的为AV 1316生成最佳轨迹以减少与其他对象(例如,运载工具1716)的碰撞的示例。与行进路段(例如,1704)相关联的多个操作度量中的操作度量表示AV 1316在沿行进路段1704行进时与对象(例如,图17中的运载工具1716)的预测碰撞的数量。轨迹的生成包括选择与小于阈值的预测碰撞的数量相关联的行进路段。规划模块1324生成避免碰撞的轨迹。然而,与对其影响求和以生成轨迹生成的累积影响的操作度量不同,碰撞的影响是二元的。换言之,如果规划模块1324在候选轨迹上检测到或了解到碰撞,则该候选轨迹被丢弃。确定在候选轨迹上是否存在多于一个碰撞以评估候选轨迹的可行性对于规划模块1324是无关紧要的。例如,阈值将被设置为1,以避免AV 1316与任何对象(例如,其他运载工具、柱子、建筑物、行人、骑行者等)碰撞。所公开的实施例因此基于针对碰撞数量的优化而为AV 1316生成最佳轨迹。
现在转向图17,AV 1316最初位于车道1728中的初始时空位置1720处。AV 1316接收行进至也在车道1728上的目的地时空位置1724的指令(例如,1312)。行进路段1704将初始时空位置1720连接至目的地时空位置1724。存在另一运载工具1716停驻在行进路段1704上,AV 1316可能与该运载工具1716碰撞,例如,如果沿行进路段1704对AV 1316进行导航,则AV 1316具有与运载工具1716碰撞的非零的可能性。
将表示AV 1316在沿行进路段(例如1704)行进时与其他对象(例如,运载工具1716)的预测碰撞的数量的操作度量的阈值设置为1,以避免碰撞在一起。例如,在图17中,在生成轨迹时,AV 1316将不会选择行进路段1704。在实施例中,在生成轨迹时可将阈值设置为多于1,因为可以使用AV 1316的相机和碰撞避免机制在AV 1316最终逐渐接近运载工具1716时避免碰撞以转向离开或停驻。例如,如果没有找到其他轨迹,则阈值可被设置为1。
用于生成最佳轨迹以供对AV进行导航的过程
图18图示出根据一个或多个实施例的用于生成最佳轨迹以供对AV 1316进行导航的过程1800。在一个实施例中,图18的过程由AV 1316的一个或多个组件(例如,图13中的规划模块1324)执行。在其他实施例中,其他实体(例如,图13中的远程服务器1308)执行过程1800的一些或全部步骤。同样,实施例包括不同和/或附加步骤,或者以不同次序执行步骤。
AV 1316接收1804用于AV 1316从初始时空位置(例如,图14中的位置1404)行进到目的地时空位置(例如,图14中的位置1408)的指令(例如,图13中的1312)。初始时空位置1404和目的地时空位置1408各自包括地理坐标、与位于这些地理坐标处的AV 1316相关联的行进时间、或位于这些地理坐标处的AV 1316的前进方向(例如,定向取向或姿态)。在一个实施例中,指令1312包括针对初始时空位置和目的地时空位置的GNSS坐标、企业名称、街道地址、或者城市或城镇名称。
AV 1316生成1808包括多个行进路段的轨迹以对AV 1316进行导航。轨迹开始于初始时空位置1404并终止于目的地时空位置1408。多个行进路段中的每个行进路段(例如,1436)开始于多个时空位置中的第一时空位置(例如,位置1404)并且终止于多个时空位置中的第二时空位置。多个时空位置包括初始时空位置1404和目的地时空位置1408。多个行进路段中的每个行进路段(例如,1436)与多个操作度量相关联。多个操作度量与沿行进路段对AV 1316进行导航相关联。生成轨迹,以使得多个操作度量中的每个操作度量跨轨迹被优化。
使用控制模块(例如,图13中的1332)沿轨迹将AV 1316从初始时空位置1404导航至目的地时空位置1408。控制模块1332接收表示轨迹和当前AV位置(例如,位置1404)的数据,并以将使得AV 1316沿轨迹行进至目的地时空位置208的方式来对AV 1316的控制功能(例如,图4中的420a-c——转向、油门调节、制动、点火)进行操作。因此,跨道路网络内的多个行进路段对多个操作度量中的每个操作度量进行优化以生成轨迹。
用于生成最佳轨迹以供对AV进行导航的过程
图19图示出根据一个或多个实施例的用于生成最佳轨迹以供对AV 1316进行导航的过程1900。在一个实施例中,图19的过程由AV 1316的一个或多个组件(例如,图13中的规划模块1324)执行。在其他实施例中,其他实体(例如,图13中的远程服务器1308)执行过程1900的一些或全部步骤。同样,实施例包括不同和/或附加步骤,或者以不同次序执行步骤。
AV 1316使用一个或多个处理器生成1904多个行进路段(例如,1436、1440等)以供对AV 1316进行导航。多个行进路段与多个操作度量(例如,m1、m2等)相关联。多个行进路段中的每个行进路段(例如,1436)开始于多个时空位置中的第一时空位置(例如,位置1404)并且终止于多个时空位置中的第二时空位置。
AV 1316使用一个或多个处理器对多个操作度量中的每个操作度量进行排名1908。执行排名以使得多个操作度量中与导航安全性相关联的第一操作度量(例如,m1)排名高于多个操作度量中与第一操作度量不同的第二操作度量(例如,m2)。例如,使与人类安全性相关联的操作度量(例如,AV 1316与其他运载工具的碰撞的所预测的数量)排名较高,并且成本评估开始于该排名较高的操作度量。
AV 1316选择1912多个行进路段中的一个或多个行进路段以供对AV 1316进行导航。与所选择的一个或多个行进路段相关联的多个操作度量中的每个操作度量根据该操作度量的名次被优化。当两个候选行进路段或两条候选轨迹对于排名较高的操作度量具有相同的值时,成本评估进行至下一排名较低的操作度量,例如,减少驾驶时间。以此种方式,成本评估沿排名较低的操作度量向下迭代直到最佳轨迹被生成。上文参考图9更详细地解释了导航规则的排名和优先级。
AV 1316使用控制模块1332根据所选择的一个或多个行进路段对AV 1316进行导航1916。控制模块1332接收表示轨迹1316的数据以及表示AV 1316的位置的数据,并以将使得AV 1316沿轨迹行进至目的地的方式操作AV 1316的控制功能420a-c(例如,转向、油门调节、制动、点火)。
在先前的描述中,已参照众多特定的细节来描述本发明的实施例,这些特定细节可因实现方式而异。因此,说明书和附图应被认为是说明性而非限制性意义的。实施例的范围的唯一且排他的指示符,本申请人期望本发明的范围的内容是以发布此类权利要求的特定的形式从实施例发布的权利要求书的字面和等效范围,包括任何后续校正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求中所使用的意义为准。另外,当我们在先前的说明书或所附权利要求中使用术语“进一步包括”时,该短语的下文可以是额外步骤或实体,或先前所述的步骤或实体的子步骤/子实体。
Claims (20)
1.一种方法,包括:
使用运载工具的一个或多个处理器接收用于所述运载工具从初始时空位置行进至目的地时空位置的指令;
使用所述一个或多个处理器生成包括多个行进路段的轨迹,所述轨迹开始于所述初始时空位置并终止于所述目的地时空位置,所述多个行进路段中的每个行进路段开始于多个时空位置中的第一时空位置并终止于所述多个时空位置中的第二时空位置,所述多个行进路段中的每个行进路段与多个操作度量相关联,
其中,所述多个操作度量与将所述运载工具从所述第一时空位置导航至所述第二时空位置相关联,所述多个时空位置包括所述初始时空位置和所述目的地时空位置,
其中,生成所述轨迹包括跨所述多个行进路段对所述多个操作度量中的每个操作度量进行优化以提供所述轨迹,所述优化根据所述多个操作度量的排名而被执行,所述排名与所述运载工具的导航安全性相关联;以及
使用所述运载工具的控制模块根据所述轨迹将所述运载工具从所述初始时空位置导航至所述目的地时空位置。
2.如权利要求1所述的方法,其中,对所述多个操作度量中的每个操作度量的所述优化包括跨所述轨迹使每个操作度量最大化或最小化。
3.如权利要求1所述的方法,其中,对所述多个操作度量中的每个操作度量的所述优化包括跨所述轨迹使每个操作度量的值的总和最大化或最小化。
4.如权利要求1所述的方法,其中,所述多个时空位置中的每个时空位置包括地理坐标、与所述运载工具相关联的行进时间、或所述运载工具的前进方向中的至少一者。
5.如权利要求1所述的方法,其中,所述多个操作度量中与行进路段相关联的操作度量表示所述运载工具在沿所述行进路段行进时与对象的预测碰撞的数量。
6.如权利要求5所述的方法,其中,所述轨迹的生成进一步包括选择与小于阈值的所述预测碰撞的数量相关联的行进路段。
7.如权利要求6所述的方法,其中,所述阈值为1。
8.如权利要求1所述的方法,其中,所述多个操作度量中与行进路段相关联的操作度量表示所述运载工具在沿所述行进路段行进时的预测停驻的数量。
9.如权利要求8所述的方法,其中,所述轨迹的生成进一步包括选择与小于阈值的所述预测停驻的数量相关联的行进路段。
10.如权利要求1所述的方法,其中,所述多个操作度量中与行进路段相关联的操作度量表示所述运载工具在沿所述行进路段行进时与对象之间的预测横向间隔。
11.如权利要求10所述的方法,其中,所述轨迹的生成进一步包括选择与大于阈值的所述运载工具与所述对象之间的所述预测横向间隔相关联的行进路段。
12.如权利要求1所述的方法,其中,所述多个操作度量中与行进路段相关联的操作度量表示所述运载工具在沿所述行进路段行进时的预测加速度或减速度。
13.如权利要求12所述的方法,其中,所述轨迹的生成进一步包括选择与小于阈值的所述预测加速度或减速度相关联的行进路段。
14.如权利要求1所述的方法,其中,所述多个操作度量中与行进路段相关联的操作度量表示所述行进路段的道路表面损毁量。
15.如权利要求14所述的方法,其中,所述轨迹的生成进一步包括选择与小于阈值的所述道路表面损毁量相关联的行进路段以增加乘客舒适度。
16.如权利要求1所述的方法,其中,所述轨迹的生成进一步包括丢弃与具有大于所述操作度量的最佳值的值的所述操作度量相关联的行进路段。
17.如权利要求1所述的方法,其中,所述轨迹的生成包括响应于与部分轨迹的行进路段相关联的操作度量的值落在阈值之下而使用所述一个或多个处理器终止对所述部分轨迹的评估。
18.一种运载工具,包括:
一个或多个计算机处理器;以及
一种或多种非瞬态存储介质,存储有指令,所述指令在由所述一个或多个计算机处理器执行时,使所述一个或多个计算机处理器:
接收用于所述运载工具从初始时空位置行进至所述目的地时空位置的指令;
生成包括多个行进路段的轨迹,所述轨迹开始于所述初始时空位置并终止于所述目的地时空位置,所述多个行进路段中的每个行进路段开始于多个时空位置中的第一时空位置并终止于所述多个时空位置中的第二时空位置,
其中,所述多个行进路段中的每个行进路段与多个操作度量相关联,所述多个操作度量与将所述运载工具从所述第一时空位置导航至所述第二时空位置相关联,所述多个时空位置包括所述初始时空位置和所述目的地时空位置,
其中,生成所述轨迹包括跨所述多个行进路段对所述多个操作度量中的每个操作度量进行优化以提供所述轨迹,所述优化根据所述多个操作度量的排名而被执行,所述排名与所述运载工具的导航安全性相关联;以及
使用所述运载工具的控制模块根据所述轨迹将所述运载工具从所述初始时空位置导航至所述目的地时空位置。
19.一种或多种非瞬态存储介质,存储有指令,所述指令在由一个或多个计算设备执行时,使所述一个或多个计算设备:
接收用于所述运载工具从初始时空位置行进至所述目的地时空位置的指令;
生成包括多个行进路段的轨迹,所述轨迹开始于所述初始时空位置并终止于所述目的地时空位置,所述多个行进路段中的每个行进路段开始于多个时空位置中的第一时空位置并终止于所述多个时空位置中的第二时空位置,所述多个行进路段中的每个行进路段与多个操作度量相关联,
其中,所述多个操作度量与将所述运载工具从所述第一时空位置导航至所述第二时空位置相关联,所述多个时空位置包括所述初始时空位置和所述目的地时空位置,
其中,生成所述轨迹包括跨所述多个行进路段对所述多个操作度量中的每个操作度量进行优化以提供所述轨迹,所述优化根据所述多个操作度量的排名而被执行,所述排名与所述运载工具的导航安全性相关联;以及
使用所述运载工具的控制模块根据所述轨迹将所述运载工具从所述初始时空位置导航至所述目的地时空位置。
20.如权利要求19所述的一种或多种非瞬态存储介质,其中,跨所述轨迹使所述多个操作度量中的每个操作度量最大化或最小化。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862752786P | 2018-10-30 | 2018-10-30 | |
US62/752,786 | 2018-10-30 | ||
US201962802676P | 2019-02-07 | 2019-02-07 | |
US62/802,676 | 2019-02-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111121776A true CN111121776A (zh) | 2020-05-08 |
CN111121776B CN111121776B (zh) | 2024-01-19 |
Family
ID=70325088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911038458.5A Active CN111121776B (zh) | 2018-10-30 | 2019-10-29 | 用于对运载工具进行导航的最佳轨迹的生成 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11796332B2 (zh) |
CN (1) | CN111121776B (zh) |
DK (1) | DK201970121A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114295132A (zh) * | 2020-09-21 | 2022-04-08 | 通用汽车环球科技运作有限责任公司 | 使用递归自组织地图的虚拟行道估测 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9857188B1 (en) * | 2016-06-29 | 2018-01-02 | Uber Technologies, Inc. | Providing alternative routing options to a rider of a transportation management system |
DK201970148A1 (en) * | 2018-12-10 | 2020-07-06 | Aptiv Tech Ltd | Motion graph construction and lane level route planning |
DE112019004832T5 (de) * | 2018-12-18 | 2021-06-24 | Motional Ad Llc | Betrieb eines Fahrzeugs unter Verwendung von Bewegungsplanung mit maschinellem Lernen |
US11803184B2 (en) | 2018-12-18 | 2023-10-31 | Motional Ad Llc | Methods for generating maps using hyper-graph data structures |
US11390300B2 (en) * | 2019-10-18 | 2022-07-19 | Uatc, Llc | Method for using lateral motion to optimize trajectories for autonomous vehicles |
DE112021000216T5 (de) * | 2020-02-19 | 2022-11-03 | Nvidia Corporation | Verhaltensplanung für autonome Fahrzeuge |
EP3885226A1 (en) * | 2020-03-25 | 2021-09-29 | Aptiv Technologies Limited | Method and system for planning the motion of a vehicle |
US11595619B1 (en) | 2020-06-02 | 2023-02-28 | Aurora Operations, Inc. | Autonomous vehicle teleoperations system |
US11560154B1 (en) | 2020-06-02 | 2023-01-24 | Aurora Operations, Inc. | Autonomous vehicle remote teleoperations system |
US11644830B1 (en) * | 2020-06-02 | 2023-05-09 | Aurora Operations, Inc. | Autonomous vehicle remote teleoperations system with scenario selection |
US11904890B2 (en) * | 2020-06-17 | 2024-02-20 | Baidu Usa Llc | Lane change system for lanes with different speed limits |
US11835958B2 (en) * | 2020-07-28 | 2023-12-05 | Huawei Technologies Co., Ltd. | Predictive motion planning system and method |
CN111879330A (zh) * | 2020-08-05 | 2020-11-03 | 苏州挚途科技有限公司 | 路口行驶路径的规划方法、装置、处理器和自动驾驶车辆 |
CN111829545B (zh) * | 2020-09-16 | 2021-01-08 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆及其运动轨迹的动态规划方法及系统 |
US20220219726A1 (en) * | 2021-01-12 | 2022-07-14 | Peyman Yadmellat | Systems, methods, and media for evaluation of trajectories and selection of a trajectory for a vehicle |
US20220357167A1 (en) * | 2021-05-07 | 2022-11-10 | United Parcel Service Of America, Inc. | Cloud-based platform for determining and generating optimized navigation instructions for autonomous vehicles |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101898559A (zh) * | 2009-02-09 | 2010-12-01 | 通用汽车环球科技运作公司 | 用于自动泊车的路径规划 |
CN102054362A (zh) * | 2009-10-30 | 2011-05-11 | 北京四通智能交通系统集成有限公司 | 一种导航信息服务系统 |
EP2667275A1 (en) * | 2012-05-24 | 2013-11-27 | The Boeing Company | Method for providing a description of aircraft intent using a decomposition of flight intent into flight segments with optimal parameters |
CN104044593A (zh) * | 2013-03-13 | 2014-09-17 | 福特环球技术公司 | 利用最佳速度曲线的路线导航 |
CA2859552A1 (en) * | 2013-08-30 | 2015-02-28 | Blackberry Limited | Method and device for computer-based navigation |
US9275550B1 (en) * | 2014-10-04 | 2016-03-01 | Rockwell Collins, Inc. | Dynamic ground vehicle tracking and reporting system |
US20160061617A1 (en) * | 2014-09-02 | 2016-03-03 | Microsoft Corporation | Providing in-navigation search results that reduce route disruption |
US20170277193A1 (en) * | 2016-03-23 | 2017-09-28 | nuTonomy Inc. | Facilitating Vehicle Driving and Self-Driving |
US20170356750A1 (en) * | 2016-06-14 | 2017-12-14 | nuTonomy Inc. | Route Planning for an Autonomous Vehicle |
US20180059687A1 (en) * | 2016-08-25 | 2018-03-01 | Allstate Insurance Company | Fleet Vehicle Feature Activation |
US20180188053A1 (en) * | 2017-01-04 | 2018-07-05 | International Business Machines Corporation | Route generation based on aggregated path data |
CN108387228A (zh) * | 2018-01-19 | 2018-08-10 | 深圳市歌航科技有限公司 | 一种多功能导航系统及其导航方法 |
WO2018160724A1 (en) * | 2017-02-28 | 2018-09-07 | Wayfarer, Inc. | Transportation system |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5729480B2 (ja) * | 2011-10-03 | 2015-06-03 | トヨタ自動車株式会社 | 車両の運転支援システム |
US9720410B2 (en) * | 2014-03-03 | 2017-08-01 | Waymo Llc | Remote assistance for autonomous vehicles in predetermined situations |
US20150345971A1 (en) | 2014-06-03 | 2015-12-03 | Nissan North America, Inc. | Synchronously updated vehicle transportation network information for autonomous vehicle routing and navigation |
US9592828B2 (en) | 2015-04-13 | 2017-03-14 | Nec Corporation | Long term driving danger prediction system |
WO2017139613A1 (en) | 2016-02-11 | 2017-08-17 | Massachusetts Institute Of Technology | Motion planning for robotic systems |
US10671076B1 (en) * | 2017-03-01 | 2020-06-02 | Zoox, Inc. | Trajectory prediction of third-party objects using temporal logic and tree search |
US10311405B2 (en) | 2017-07-20 | 2019-06-04 | Ca, Inc. | Software-issue graphs |
GB201718507D0 (en) | 2017-07-31 | 2017-12-27 | Univ Oxford Innovation Ltd | A method of constructing a model of the motion of a mobile device and related systems |
US11256729B2 (en) | 2018-03-29 | 2022-02-22 | Aurora Operations, Inc. | Autonomous vehicle relative atlas incorporating hypergraph data structure |
US11091158B2 (en) * | 2018-06-24 | 2021-08-17 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling motion of vehicle with variable speed |
US11086909B2 (en) | 2018-11-27 | 2021-08-10 | International Business Machines Corporation | Partitioning knowledge graph |
US11803184B2 (en) | 2018-12-18 | 2023-10-31 | Motional Ad Llc | Methods for generating maps using hyper-graph data structures |
EP3977226A4 (en) * | 2019-06-03 | 2023-06-07 | Realtime Robotics, Inc. | APPARATUS, METHODS AND ARTICLES FOR FACILITATING MOVEMENT PLANNING IN ENVIRONMENTS HAVING DYNAMIC OBSTACLES |
-
2019
- 2019-02-26 DK DKPA201970121A patent/DK201970121A1/en not_active Application Discontinuation
- 2019-10-17 US US16/655,411 patent/US11796332B2/en active Active
- 2019-10-29 CN CN201911038458.5A patent/CN111121776B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101898559A (zh) * | 2009-02-09 | 2010-12-01 | 通用汽车环球科技运作公司 | 用于自动泊车的路径规划 |
CN102054362A (zh) * | 2009-10-30 | 2011-05-11 | 北京四通智能交通系统集成有限公司 | 一种导航信息服务系统 |
EP2667275A1 (en) * | 2012-05-24 | 2013-11-27 | The Boeing Company | Method for providing a description of aircraft intent using a decomposition of flight intent into flight segments with optimal parameters |
CN104044593A (zh) * | 2013-03-13 | 2014-09-17 | 福特环球技术公司 | 利用最佳速度曲线的路线导航 |
CA2859552A1 (en) * | 2013-08-30 | 2015-02-28 | Blackberry Limited | Method and device for computer-based navigation |
US20160061617A1 (en) * | 2014-09-02 | 2016-03-03 | Microsoft Corporation | Providing in-navigation search results that reduce route disruption |
US9275550B1 (en) * | 2014-10-04 | 2016-03-01 | Rockwell Collins, Inc. | Dynamic ground vehicle tracking and reporting system |
US20170277193A1 (en) * | 2016-03-23 | 2017-09-28 | nuTonomy Inc. | Facilitating Vehicle Driving and Self-Driving |
US20170356750A1 (en) * | 2016-06-14 | 2017-12-14 | nuTonomy Inc. | Route Planning for an Autonomous Vehicle |
US20180059687A1 (en) * | 2016-08-25 | 2018-03-01 | Allstate Insurance Company | Fleet Vehicle Feature Activation |
US20180188053A1 (en) * | 2017-01-04 | 2018-07-05 | International Business Machines Corporation | Route generation based on aggregated path data |
WO2018160724A1 (en) * | 2017-02-28 | 2018-09-07 | Wayfarer, Inc. | Transportation system |
CN108387228A (zh) * | 2018-01-19 | 2018-08-10 | 深圳市歌航科技有限公司 | 一种多功能导航系统及其导航方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114295132A (zh) * | 2020-09-21 | 2022-04-08 | 通用汽车环球科技运作有限责任公司 | 使用递归自组织地图的虚拟行道估测 |
Also Published As
Publication number | Publication date |
---|---|
US20200132488A1 (en) | 2020-04-30 |
US11796332B2 (en) | 2023-10-24 |
DK201970121A1 (en) | 2020-06-04 |
CN111121776B (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111121776B (zh) | 用于对运载工具进行导航的最佳轨迹的生成 | |
KR102537412B1 (ko) | Radar를 사용한 확장 대상체 추적 | |
US11772638B2 (en) | Systems and methods for planning and updating a vehicle's trajectory | |
US20200216064A1 (en) | Classifying perceived objects based on activity | |
KR102593948B1 (ko) | 주석 달기를 위한 데이터 샘플의 자동 선택 | |
CN111190418A (zh) | 使用多维包络调整运载工具的横向间隙 | |
GB2606638A (en) | Trajectory prediction from precomputed or dynamically generated bank of trajectories | |
CN111160561A (zh) | 使用支柱进行对象检测的深度学习 | |
US11577754B2 (en) | Autonomous vehicle operation using linear temporal logic | |
US11803184B2 (en) | Methods for generating maps using hyper-graph data structures | |
US11814075B2 (en) | Conditional motion predictions | |
US20210284161A1 (en) | Traffic light estimation | |
CN115328110A (zh) | 用于自主运载工具的系统和方法以及存储介质 | |
KR102549258B1 (ko) | 이미지 시맨틱스 네트워크로부터의 단안 3d 대상체 검출 | |
US20220185324A1 (en) | Merging LiDAR Information and Camera Information | |
EP3648021A1 (en) | Generation of optimal trajectories for navigation of vehicles | |
GB2616739A (en) | Traffic light estimation | |
KR20230093184A (ko) | 제약으로서의 차선 커넥터 | |
CN115220439A (zh) | 用于运载工具的系统和方法以及存储介质 | |
GB2599175A (en) | AV path planning with calibration information | |
US20220258761A1 (en) | Controlling an autonomous vehicle using variable time periods | |
US11970183B2 (en) | AV path planning with calibration information |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201211 Address after: Massachusetts, USA Applicant after: Dynamic ad Co.,Ltd. Address before: Babado J San Michaele Applicant before: Delphi Technologies, Inc. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |