CN111213100A - 用于自动车辆路径规划的速度相关所需的侧向间隙 - Google Patents

用于自动车辆路径规划的速度相关所需的侧向间隙 Download PDF

Info

Publication number
CN111213100A
CN111213100A CN201880067219.XA CN201880067219A CN111213100A CN 111213100 A CN111213100 A CN 111213100A CN 201880067219 A CN201880067219 A CN 201880067219A CN 111213100 A CN111213100 A CN 111213100A
Authority
CN
China
Prior art keywords
vehicle
trajectory
minimum lateral
speed
path
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
CN201880067219.XA
Other languages
English (en)
Other versions
CN111213100B (zh
Inventor
J.S.鲁塞尔
M.帕斯金
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.)
Waymo LLC
Original Assignee
Waymo 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 Waymo LLC filed Critical Waymo LLC
Publication of CN111213100A publication Critical patent/CN111213100A/zh
Application granted granted Critical
Publication of CN111213100B publication Critical patent/CN111213100B/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
    • G05D1/0212—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
    • 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
    • B60W30/10—Path keeping
    • 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
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • 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
    • 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
    • G05D1/60—Intended control result
    • G05D1/617—Safety or protection, e.g. defining protection zones around obstacles or avoiding hazards
    • 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
    • G05D1/60—Intended control result
    • G05D1/65—Following a desired speed profile
    • 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
    • G05D1/80—Arrangements for reacting to or preventing system or operator failure
    • G05D1/81—Handing over between on-board automatic and on-board manual control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • 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
    • B60W2554/20—Static objects
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • 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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/20—Lateral distance
    • 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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/30—Longitudinal distance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本技术涉及以自动驾驶模式控制车辆100。在一个实例中，可以接收识别车辆的环境中的对象的传感器数据。可以确定车辆将经过对象的第一轨迹的第一路径。函数被用来基于对象和车辆之间的预定最小侧向间隙D1确定车辆的第一最大速度。第一最大速度可以被用来确定对象和车辆之间的实际侧向间隙D2是否将满足预定最小侧向间隙。实际侧向间隙是否将满足预定最小侧向间隙的确定可以用来生成第一轨迹的第一速度规划。可以根据包括第一速度规划和第一路径的第一轨迹，以驾驶模式来控制车辆。

Description

用于自动车辆路径规划的速度相关所需的侧向间隙
相关申请的交叉引用
本申请是于2017年10月24日提交的第15/791,623号美国专利申请的延续，其公开通过引用并入本文。
背景技术
自动车辆，例如不需要人类驾驶员的车辆，可以用来协助乘客或物品从一个位置到另一位置的运送。这种车辆可以在完全自动模式下操作，在这种模式下，乘客可以提供一些初始输入，诸如接载位置或目的地位置，并且例如，车辆通过周期性地确定车辆为了到达该位置而遵循的轨迹(trajectory)来操纵自身到该位置。
发明内容
本公开的一个方面提供了以自动驾驶模式控制车辆的方法。该方法包括通过一个或多个处理器接收识别车辆的环境中的对象的传感器数据；由一个或多个处理器确定车辆将经过对象的第一轨迹的第一路径；由一个或多个处理器使用函数基于对象和车辆之间的预定最小侧向间隙来确定车辆的第一最大速度；由一个或多个处理器使用第一最大速度确定对象和车辆之间的实际侧向间隙是否将满足预定最小侧向间隙；由一个或多个处理器使用实际侧向间隙是否将满足预定最小侧向间隙的确定来生成第一轨迹的第一速度规划；以及由一个或多个处理器根据包括第一速度规划和第一路径的第一轨迹，以自动驾驶模式控制车辆。
在一个示例中，传感器数据还识别对象的类型，并且其中，基于对象的类型来识别所述函数。在另一示例中，所述函数是线性函数，其中最大速度随着最小侧向间隙增加而增加，并且最大速度随着最小侧向间隙减小而减小。在另一示例中，当确定实际侧向间隙不满足预定最小侧向间隙时，第一速度规划包括停止车辆以避让(yield)对象。在该示例中，该方法还包括将第二最大速度设置为车辆的第一最大速度或当前速度中的较低的一个，使用函数和第二最大速度确定新的阈值最小侧向间隙，生成第二轨迹的第二路径，确定第二轨迹的第二速度规划，根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制车辆。此外，该方法还包括确定对象和车辆之间的当前实际侧向间隙是否将满足新的阈值最小侧向间隙，并且其中，确定第二速度规划还基于当前实际侧向间隙是否将满足新的阈值最小侧向间隙的确定。作为替代，该方法还包括将第二最大速度设置为车辆的第一最大速度、阈值绝对最小经过速度或当前速度中的较低的一个，使用函数和第二最大速度确定新的阈值最小侧向间隙，生成第二轨迹的第二路径，使用新的阈值最小侧向间隙来确定第二轨迹的第二速度规划，以及根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制车辆。此外，该方法还包括确定对象和车辆之间的当前实际侧向间隙是否将满足新的阈值最小侧向间隙，并且其中，确定第二速度规划还基于当前实际侧向间隙是否将满足新的阈值最小侧向间隙的确定。在另一示例中，当确定实际侧向间隙满足预定最小侧向间隙时，第一速度规划包括经过对象。在该示例中，该方法还包括确定实际侧向间隙是否是至少大于预定最小侧向间隙的阈值，当实际侧向间隙是至少大于预定最小侧向间隙的阈值时，通过将第一最大速度增加一个常数值(constant value)来设置第二最大速度，使用函数和第二最大速度来确定新的阈值最小侧向间隙，生成第二轨迹的第二路径，使用新的阈值最小侧向间隙来确定第二轨迹的第二速度规划，以及根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制车辆。可替代地，该方法包括确定实际侧向间隙是否是至少大于预定最小侧向间隙的阈值，当实际侧向间隙不是至少大于预定最小侧向间隙的阈值时，将第二最大速度设置为第一最大速度值，使用函数和第二最大速度确定新的阈值最小侧向间隙，生成第二轨迹的第二路径，使用新的阈值最小侧向间隙来确定第二轨迹的第二速度规划，并且根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制车辆。
本公开的另一方面提供了用于以自动驾驶模式控制车辆的系统。该系统包括一个或多个处理器，被配置为接收识别车辆的环境中的对象的传感器数据，确定车辆将经过对象的第一轨迹的第一路径，使用函数基于对象和车辆之间的预定最小侧向间隙来确定车辆的第一最大速度，使用第一最大速度来确定对象和车辆之间的实际侧向间隙是否将满足预定最小侧向间隙，使用实际侧向间隙是否将满足预定最小侧向间隙的确定来生成第一轨迹的第一速度规划，并且根据包括第一速度规划和第一路径的第一轨迹，以自动驾驶模式控制车辆。
在一个示例中，所述函数是线性函数，其中最大速度随着最小侧向间隙增加而增加，并且最大速度随着最小侧向间隙减小而减小。在另一示例中，当确定实际侧向间隙不满足预定最小侧向间隙时，第一速度规划包括停止车辆以避让对象。在另一示例中，一个或多个处理器还被配置为将第二最大速度设置为车辆的第一最大速度或当前速度中的较低的一个，使用函数和第二最大速度确定新的阈值最小侧向间隙，生成第二轨迹的第二路径，使用新的阈值最小侧向间隙确定第二轨迹的第二速度规划，以及根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制车辆。在该示例中，一个或多个处理器还被配置为确定对象和车辆之间的当前实际侧向间隙是否将满足新的阈值最小侧向间隙，并且还基于当前实际侧向间隙是否将满足新的阈值最小侧向间隙的确定来确定第二速度规划。可替代地，一个或多个处理器还被配置为将第二最大速度设置为车辆的第一最大速度、阈值绝对最小经过速度或当前速度中的较低的一个，使用函数和第二最大速度确定新的阈值最小侧向间隙，生成第二轨迹的第二路径，使用新的阈值最小侧向间隙确定第二轨迹的第二速度规划，以及根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制车辆。在该示例中，一个或多个处理器还被配置为确定对象和车辆之间的当前实际侧向间隙是否将满足新的阈值最小侧向间隙，并且还基于当前实际侧向间隙是否将满足新的阈值最小侧向间隙的确定来确定第二速度规划。在另一示例中，当确定实际侧向间隙满足预定最小侧向间隙时，第一速度规划包括经过对象。在另一示例中，系统还包括车辆。
附图说明
图1是根据本公开的各方面的示例车辆的功能图。
图2是根据本公开的各方面的详细的地图信息的示例表示。
图3A-图3D是根据本公开的各方面的车辆的示例外部视图。
图4是根据本公开的各方面的一段道路的视图。
图5是根据本公开的各方面的一段道路和传感器数据的视图。
图6是根据本公开的各方面的示例数据的图。
图7是根据本公开的各方面的一段道路和传感器数据的视图。
图8是根据本公开的各方面的示例数据的图。
图9是根据本公开的各方面的示例数据的图。
图10是根据本公开的各方面的流程图。
具体实施方式
概述
当规划这种车辆的轨迹时，一种方法是首先生成车辆的“路径”的几何形状，并且随后生成路径的时间和速度参数化(parameterization)或者速度规划。这个问题的分解可能导致比一次性解决一个联合问题(几何形状和速度)更容易处理的优化问题。
在一些情况下，当“经过”环境中的另一车辆或对象时，车辆的计算设备可以首先尝试在几何形状优化阶段期间，在路径和对象的当前或预测的空间范围之间实现最小期望间隙(clearance)(作为对象的类型和环境的函数，例如，停放的车辆vs.移动的车辆vs.行人)，并且随后如果车辆不能这样做(例如，因为在几何形状优化期间存在其他约束)，则自主驾驶车辆在违反该间隙之前停止。尽管这允许车辆在对象在车辆前方的情况下沿着路径停止，或者允许车辆在对象侧向(laterally)离路径足够远的情况下前进，但是这并不提供车辆在对象几乎在路径上的情况下更慢地前进的能力。这通常需要联合时空规划。为了允许自动车辆在对象几乎在路径上的情况下更慢地前进而不需要联合时空规划，可以使用速度相关的(speed dependent)到对象的最小侧向间隙。例如，可以定义一个函数，所述函数定义给定最大速度的对象的最小期望间隙。
可以确定轨迹的路径。该路径可以定义遵循路线到达目的地的几何形状。此后，可以确定路径的速度规划。
为了确定速度规划，可以通过使用函数并输入最大期望侧向间隙来确定经过给定对象的最大速度。如果路径的实际间隙小于期望最小侧向间隙，则结果的速度规划将导致车辆在违反期望最小侧向间隙之前避让或停止。
在下一次迭代中，当车辆在先前的迭代中将要避让或停止时，最大速度可以设置为车辆的先前的最大速度和当前速度中的最小值。可替代地，可以使用表示非常慢地经过对象的阈值绝对最小速度。可以使用函数并输入新的最大速度来设置新的期望最小侧向间隙。然后，计算设备可以生成新的路径。再次，如果实际间隙小于新的期望最小侧向间隙，则结果的速度规划将导致车辆在违反期望最小侧向间隙之前避让或停止。
在下一次迭代中，如果车辆在先前的迭代中不打算避让或停止，而是能够经过对象，或者，实际间隙大于先前所需的最小侧向间隙加上一些阈值，则可以通过将先前的最大速度增加一个常数(constant)来确定新的最大速度。
可以选择该常数，使得当新的最大速度被输入到函数中时，结果是新的最小侧向间隙，其小于先前所需的最小侧向间隙加上阈值。阈值和选择的常数影响车辆能够多快地对变化的情况进行反应以及车辆的反应的平稳性。如果实际间隙大于先前所需的最小侧向间隙，但不大于先前所需的最小侧向间隙加上阈值，则车辆可以继续使用先前的最大速度作为该迭代的新的最大速度。
然后可以使用函数和新的最大速度来确定该迭代的新的期望最小间隙。可以确定新的路径。再次，如果实际间隙小于新的期望最小侧向间隙，则结果的速度规划将导致车辆在违反期望最小侧向间隙之前避让或停止。
迭代可以继续，直到车辆已经经过对象。结果是，当一个对象靠近车辆的路径时，车辆的计算设备将规划停止车辆，从而减速，直到车辆的当前速度适合以给定实际间隙经过对象为止。在这点上，车辆将继续该速度，除非实际间隙增加，在这种情况下，车辆的计算设备可以使用上述迭代来略微地并递增地增加车辆的最大速度。
本文描述的技术可以允许不同的(distinct)几何形状和速率规划者/优化者对各种对象实现连续的、平稳的和安全的反应，而无需明确地解决过于复杂的时空优化问题。换句话说，车辆能够获得对环境中的动态和静态对象在空间和时间上一致的(consistent)反应。因此，如果对象在车辆的前方，车辆能够沿着路径停止，如果对象离路径足够远，则车辆前进，如果对象几乎在路径上，则车辆更慢地前进，所有这些均不需要改变路径的几何形状。此外，作为速度的函数的最小间隙的指定参数非常直观，并且容易手动地或经由从大量人类驾驶数据的语料库中学习进行调整(tuned)。除了易于指定速度/间隔(gap)折衷(tradeoff)之外，这种方案还提供了简单和直观的机制，用于经由本文描述的阈值和常数来处理感知数据中的噪声，因为它们可以自然地从对象测量系统的聚集的统计属性中导出。
示例系统
如图1所示，根据本公开的一个方面的车辆100包括各种组件。尽管本公开的某些方面对于特定类型的车辆特别有用，但是车辆可以是任何类型的车辆，包括但不限于汽车、卡车、摩托车、公共汽车、娱乐车辆等。车辆可以具有一个或多个计算设备，诸如包含一个或多个处理器120、存储器130和通常存在于通用计算设备中的其他组件的计算设备110。
存储器130存储由一个或多个处理器120可访问的信息，包括可由处理器120执行或使用的指令132和数据134。存储器130可以是能够存储由处理器可访问的信息的任何类型，包括计算设备可读介质，或者存储可以借助电子设备(诸如硬盘驱动器、存储卡、ROM、RAM、DVD或其他光盘，以及其他可写和只读存储器)读取的数据的其他介质。系统和方法可以包括前述内容的不同组合，由此指令和数据的不同部分存储在不同类型的介质上。
指令132可以是由处理器直接执行(诸如机器代码)或间接执行(诸如脚本)的任何指令集。例如，所述指令可以作为计算设备代码存储在计算设备可读介质上。在这点上，术语“指令”和“程序”在本文中可以互换使用。指令可以以对象代码格式存储，用于由处理器直接处理，或者以任何其他计算设备语言存储，包括即时(on-demand)解释或预先编译的脚本或独立源代码模块的集合。将在下面详细解释指令的功能、方法和例程。
数据134可以根据指令132由处理器120检索、存储或修改。数据134可以包括定义给定车辆100的特定速度的对象的最小期望侧向间隙的函数。该函数可以是简单的线性函数，其中车辆的最大速度随着到对象的最小期望间隙增加而线性增加。换句话说，可以使用该函数来确定速度规划，使得当对象和车辆(或路径)之间的侧向间隔减小时，车辆的速度也将减小。类似地，随着对象和车辆之间的侧向间隔增加，车辆的速度可能增加。可替代地，所述函数可以更复杂，结合碰撞严重度模型以及来自感知系统的不确定性信息。在该示例中，函数可能不是线性的，但是可以是任意阶的二次或分段多项式。因为侧向间隔很可能改变，所以速度规划可以使用下面进一步讨论的函数迭代地确定。
数据134还可以存储不同类型的对象的最小侧向间隙值。例如，不同类型的对象的不同最小侧向间隙值可以存储在表格、数据库或其他存储系统中。例如，不同类型的对象可以包括道路用户(诸如车辆、行人、骑自行车者等)、道路特征(诸如路缘、障碍物、车道线、人行道、人行横道、标志等)、以及其他对象，诸如碎片、植物等。这些对象中的每一个都可以具有相应的最小侧向间隙值。对于给定的对象类型和标称速度，这些值被设计为“安全且舒适的”。这些是基于通过传感器数据捕获的道路用户的标准来学习或手动调谐的。在一些情况下，默认值可以用于表格中未指定识别的对象、表格中的某些对象或所有对象。
一个或多个处理器120可以是任何传统的处理器，诸如市场上可用的CPU(中央处理单元，central processing unit)。可替代地，一个或多个处理器可以是专用设备，诸如ASIC或其他基于硬件的处理器。尽管图1在功能上示出了处理器、存储器和计算设备110的其他元件在同一框内，但是本领域普通技术人员将理解，处理器、计算设备或存储器实际上可以包括多个处理器、计算设备或存储器，它们可以存储在或可以不存储在同一物理外壳内。作为示例，内部电子显示器152可以由具有其自己的处理器或中央处理单元、存储器等的专用计算设备来控制，其可以经由高带宽或其他网络连接与计算设备110接口。在一些示例中，计算设备可以是能够与用户的客户端设备通信的用户界面计算设备。类似地，存储器可以是位于不同于计算设备110的外壳中的硬盘驱动器或其他存储介质。因此，对处理器或计算设备的引用将被理解为包括对可以或可以不并行操作的处理器或计算设备或者存储器的集合的引用。
计算设备110可以是通常与诸如上述处理器和存储器的计算设备以及用户输入150(例如，鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如，具有屏幕的监视器或可操作以显示信息的任何其他电子设备)结合使用的所有组件。在该示例中，车辆包括内部电子显示器152以及一个或多个扬声器154，以提供信息或视听体验。在这点上，内部电子显示器152可以位于车辆100的驾驶室内，并且可以由计算设备110使用以向车辆100内的乘客提供信息。除了内部扬声器之外，一个或多个扬声器154可以包括布置在车辆上各个位置的外部扬声器，以便向车辆100的外部的对象提供听觉通知。
在一个示例中，计算设备110可以是并入车辆100中的自动驾驶计算系统。自动驾驶计算系统能够与车辆的各种组件通信。例如，回到图1，根据存储器130的指令132，计算设备110可以与车辆100的各种系统通信，诸如减速系统160(用于控制车辆的制动)、加速系统162(用于控制车辆的加速)、转向系统164(用于控制车轮的朝向和车辆的方向)、信令系统166(用于控制转向信号)、导航系统168(用于将车辆导航到位置或对象周围)、定位系统170(用于确定车辆的位置)、感知系统172(用于检测车辆的外部环境中的对象)和动力系统174(例如，电池和/或汽油或者柴油发动机)以便以自动驾驶模式控制车辆的移动、速度等，该自动驾驶模式不要求或不需要来自车辆的乘客的连续的或周期性的输入。再次，尽管这些系统被示为在计算设备110的外部，但是实际上，这些系统也可以结合到计算设备110中，再次作为用于控制车辆100的自动驾驶计算系统。
计算设备110可以通过控制各种组件来控制车辆的方向和速度。例如，计算设备110可以使用来自地图信息和导航系统168的数据完全自动地将车辆导航到目的地位置。计算设备110可以使用定位系统170来确定车辆的位置，并且使用感知系统172检测对象并在需要时对所述对象做出响应，以安全到达该位置。为此，计算设备110可以使车辆加速(例如，通过加速系统162增加提供给发动机的燃料或其他能量)、减速(例如，通过减少供应给发动机的燃料、改变档位和/或通过减速系统160施加制动)、改变方向(例如，通过转向系统164转动车辆100的前轮或后轮)，并且发信号通知这种改变(例如，通过点亮信令系统166的转向信号)。因此，加速系统162和减速系统160可以是包括车辆的发动机和车轮之间的各种组件的传动系统的部分。再次，通过控制这些系统，计算设备110也可以控制车辆的传动系统，以便自动地操纵车辆。
例如，计算设备110可以与减速系统160和加速系统162交互，以便控制车辆的速度。类似地，计算设备110可以使用转向系统164来控制车辆100的方向。例如，如果车辆100配置为在道路上使用，诸如汽车或卡车，则转向系统可以包括控制车轮的角度以使车辆转向的组件。计算设备110可以使用信令系统166来向其他驾驶员或车辆发出车辆的意图的信号，例如，在需要时通过点亮转向信号或刹车灯。
导航系统168可以由计算设备110使用，以便确定并遵循到达位置的路线。在这点上，导航系统168和/或数据134可以存储详细的地图信息，例如，识别道路的形状和高度(elevation)、车道线、十字路口、人行横道、速度限制、交通信号、建筑物、标志、实时交通信息、植物或其他这种对象和信息的非常详细的地图。换句话说，该详细的地图信息可以定义车辆的预期的环境的几何形状，包括道路以及这些道路的速度限制(法定速度限制)。
图2是一段道路的地图信息200的示例。地图信息200包括识别各种道路特征的形状、位置和其他特性的信息。在该示例中，地图信息包括由路缘220、车道线222和路缘224界定的两条车道210、212。车道210具有一个方向的交通流(向东方向)，而车道216具有相反方向的交通流(向西方向)。此外，车道210和212还包括停车区域230-238，例如，以允许车辆在路缘220或224附近停车。尽管地图信息的示例仅包括几个道路特征，例如，路缘、车道线和车道，但是给定道路的性质，地图信息200还可以识别各种其他道路特征，诸如交通信号灯、人行横道、人行道、停车标志、让行标志、限速标志、道路标志等。虽然未示出，但是详细的地图信息还可以包括识别速度限制和其他法定交通要求的信息，以及识别各种日期和时间的典型和历史交通状况的历史信息。
尽管详细的地图信息在本文被描述为基于图像的地图，但是地图信息不需要是完全基于图像(例如，栅格)的。例如，详细的地图信息可以包括一个或多个道路图或信息的图形网络，诸如道路、车道、十字路口以及这些特征间的连接。每个特征可以被存储为图形数据，并且可以与诸如地理位置以及其是否链接到其他相关特征的信息相关联，例如，停车标志可以链接到道路和十字路口等。在一些示例中，相关联的数据可以包括道路图的基于网格的索引，以允许某些道路图特征的有效查找。
感知系统172还包括一个或多个组件，用于检测车辆外部的对象，诸如其他车辆、道路中的障碍物、交通信号、标志、树木等。例如，感知系统172可以包括一个或多个LIDAR传感器、声纳设备、雷达单元、相机和/或记录可以由计算设备110处理的传感器数据的任何其他检测设备。感知系统的传感器可以检测对象及其特性，诸如位置、朝向、大小、形状、类型(例如，车辆、行人、骑自行车者等)、航向和移动的速度等。来自传感器的原始数据和/或前述特性可以被量化或布置为描述性函数、向量和/或边界框，并在由感知系统172生成时作为传感器数据被周期性地和连续地发送给计算设备110以用于进一步处理。如下面进一步详细讨论的，计算设备110可以使用定位系统170以确定车辆的位置，并且使用感知系统172检测对象并在需要时对所述对象做出响应，以安全地到达该位置。
图3A-图3D是车辆100的外部视图的示例。可以看出，车辆100包括典型车辆的许多特征，例如前灯302、挡风玻璃303、尾灯/转向信号灯304、后挡风玻璃305、门306、侧视镜308、轮胎和车轮310以及转向信号/停车灯312。前灯302、尾灯/转向信号灯304和转向信号/停车灯312可以与信令系统166相关联。灯条307也可以与信令系统166相关联。外壳314可以容纳感知系统172的一个或多个传感器，诸如感知设备的LIDAR传感器、声纳设备、雷达单元、相机等，尽管这种传感器也可以结合到车辆的其他区域。
示例方法
除了上述和附图中所示的操作之外，现在将描述各种操作。应该理解，不必以下面描述的精确顺序执行以下操作。相反，可以以不同的顺序或同时处理各种步骤，并且也可以添加或省略步骤。
计算设备110可以操纵车辆100到目的地位置，例如，运送货物和/或一个或多个乘客。在这点上，计算设备110可以启动必要的系统来沿着到目的地位置的路线自动地控制车辆。例如，导航系统168可以使用数据134的地图信息来使用地图信息200确定到目的地位置的路线。计算设备110然后可以如上所述沿着朝着目的地的路线自动地(或以自动驾驶模式)操纵车辆。
图4是车辆100沿着对应于图2的地图信息200的道路400行驶的示例视图。在这方面，车道410和412分别对应于车道210和212的形状、位置和交通流。类似地，车道线422对应于车道线222的形状和位置，路缘420、424分别对应于路缘220、224的形状和位置。在该示例中，车辆100在车道410中向东行驶。
当车辆沿着车道410移动时，感知系统172向计算设备提供关于对象的形状和位置的传感器数据，诸如具有如上所述的地图信息的相应的特征的路缘420、424、车道线422以及停车区域430-438的特征。此外，传感器数据还可以识别车辆440和442以及它们的特性，诸如速度、位置、航向、朝向等。
图5描绘了当车辆100处于如图4描绘的情况下时，由感知系统172的各种传感器感知的传感器数据，并组合了计算设备110可用的其他信息。在该示例中，车辆440、442由被感知系统172提供给计算设备110的边界框540、542表示。当然，这些边界框仅表示其中对应于对象的数据点至少近似地被界定在其中的空间的体积。此外，车辆100的实际航向和边界框542(边界框540表示静止对象)的估计的航向分别由箭头560和562表示。由于边界框540看起来移动地非常慢或者根本没有移动，计算设备110可以确定由该边界框表示的对象在停车位430中的路缘420附近是静止的。
在这点上，如果车辆继续在其当前航向上在车道410中行驶，车辆将经过(或从旁边经过)边界框540和542的两个对象(或车辆440和442)。为了允许车辆100在对象几乎在路径上的情况下更慢地前进，而不需要联合时空规划，可以使用速度相关的到对象的最小侧向间隙。
可以确定轨迹的路径，该路径定义了车辆遵循的几何形状，以便遵循该路线到目的地。除了遵循路线之外，该路径还可以允许车辆避开或经过由感知系统检测到的对象。转到图6，使用关于这些边界框的移动的信息，可以生成路径610，该路径610首先向右弯曲，在车辆100正经过车辆442(由区域642表示)的时间段期间移动车辆100远离车辆442，并且随后向左弯曲，在车辆100正经过车辆440(由区域640表示)的时间段期间移动车辆100远离车辆440。在这点上，如果车辆442保持其当前速度、航向、朝向等，区域642表示由车辆442占据的时间和空间。D1表示车辆100和车辆442之间的最小期望侧向间隙。
为了确定给定路径的速度规划，经过给定对象的最大速度可以通过使用函数并输入最小期望侧向间隙来确定。例如，使用1米的最小侧向间隙，可以确定速度规划的最大速度。换句话说，给定最小侧向间隙为1米，可以确定经过车辆440的最大速度。
使用该最大速度，计算设备110可以确定该路径的实际侧向间隙。如果车辆100和另一对象之间的实际侧向间隙小于期望最小侧向间隙，则结果的速度规划将导致车辆在违反期望最小侧向间隙之前避让或停止。这可能出现，因为车道410内只有这么大的空间，或者因为一个或多个对象已经如由来自感知系统172的更新的传感器数据提供的那样已经移动了。例如，如果车辆442以车道线422的方向朝着车辆100移动，如图7所示，当车辆100和车辆442彼此经过时，在车辆100正经过车辆442(由区域842表示)的时间段期间，车辆100和车辆442之间的实际侧向间隙或图8的D2将小于1米或D1。这样，因为距离D2小于D1，所以计算设备可以生成速度规划，该速度规划将导致车辆100减速，或者，比最大速度更慢地移动，以便避让车辆442。然后，计算设备110可以根据路径和速度规划来控制车辆100。
在下一次迭代中，可以使用来自感知系统172的更新的传感器数据生成具有新的路径和新的速度规划的新的轨迹。可以使用来自感知系统172的更新的传感器数据来生成新的路径，以便遵循路线并避开或经过任何对象。如果车辆在先前的迭代中将要避让或停止，新的最大速度可以设置为车辆的先前的最大速度和当前速度的最小值(或最低值)。可替代地，可以使用表示非常慢地经过对象的阈值绝对最小速度，诸如3mph(英里每小时)或更高或者更低。然后，如下所述，可以使用新的最大速度来确定该迭代的新的速度规划。
此外，然后，可以使用函数来确定新的路径的新的期望最小侧向间隙和新的速度规划。为此，新的最大速度可以输入到函数中，以确定新的期望最小侧向间隙。转到图9，计算设备110可以使用来自感知系统172的更新的传感器数据来生成新的路径910，以便遵循路线并避开或经过任何对象。当确定经过车辆440的速度规划时，计算设备110可以使用新的期望最小侧向间隙D3。再次在图9中，区域942表示车辆100正经过车辆442的时间段和空间。此后，计算设备110可以通过使用来自感知系统172的新的最大速度和更新的传感器数据来确定到车辆440的实际侧向间隙，来生成该新的路径的新的速度规划。再次，如果实际间隙小于新的期望最小侧向间隙，则由计算设备110生成的结果的新的速度规划将导致车辆100继续减速，使得车辆能够在违反期望最小侧向间隙之前避让或停止。然后，计算设备110可以根据新的路径和新的速度规划，以自动驾驶模式控制车辆100。
在下一次迭代中，可以使用来自感知系统172的更新的传感器数据生成具有新的路径和新的速度规划的新的轨迹。再次，使用来自感知系统172的更新的传感器数据生成新的路径，以避开或经过对象并遵循路线。如果车辆在先前的迭代中不打算避让或停止，而是能够经过对象，或者，实际间隙大于先前所需的最小侧向间隙加上一些阈值，则可以通过将先前的最大速度增加一个常数来确定新的最大速度。例如，如果车辆100和车辆442之间的实际间隙至少比最小侧向间隙D3大一些阈值，诸如0.25米或更大或者更小，则可以增加新的最大速度。
可以基于感知系统的噪声属性来选择常数。例如，如果对其他对象的范围的估计具有(例如)+/-10厘米的噪声，优选地，速度将增加，使得所需的间隔增加<10厘米。
此外，可以选择该常数，使得当新的最大速度输入到函数中时，结果是新的最小侧向间隙，其小于先前所需的最小侧向间隙加上阈值。例如，新的最小侧向间隙将小于D5加上0.25米。
阈值和选择的常数可以影响车辆能够多快地对变化情况进行反应以及车辆反应的平稳性。如果实际间隙大于先前所需的最小侧向间隙，但不大于先前所需的最小侧向间隙加上阈值，则车辆可以继续使用先前的最大速度作为该迭代的新的最大速度。
然后，可以使用函数和新的最大速度来确定该迭代的新的期望最小间隙。再次，可以基于路线以及来自感知系统172的更新的传感器数据来确定新的路径。此后，可以在使用新的最小期望侧向间隙时生成速度规划。再次，如果实际间隙小于新的期望最小侧向间隙，则结果的速度规划将导致车辆在违反期望最小侧向间隙之前避让或停止。
迭代可以继续，直到车辆已经经过对象。例如，迭代可以继续，直到车辆100已经经过车辆442，并且可以在车辆100接近车辆440时再次开始。然而，由于车辆440是静止的，并且没有其他车辆用于计算设备100考虑，因此可能只有1次迭代。尽管上面的示例描述了用于经过车辆440和442的迭代，但这仅是为了便于理解，因为计算设备110可以在同时考虑到多个不同对象的实际和最小侧向间隙距离的同时生成速度规划。
前述迭代的结果是，当对象靠近车辆的路径时，车辆的计算设备将规划停止车辆，从而减速，直到车辆的当前速度适合以给定实际间隙经过对象。在这点上，车辆将继续以该速度行驶，除非实际间隙增加，在这种情况下，车辆的计算设备可以使用上述迭代来略微地并递增地增加车辆的最大速度。
此外，可以使用不同的函数来确定不同类型的对象的最小期望侧向间隙和最大速度。例如，靠近其他车辆而不是行人是可以接受的。此外，对于对象的子类型，可能存在附加的粒度(granularity)或不同的线性函数，诸如成人与儿童(绝不希望太靠近儿童)、停放的车辆与移动的车辆(希望离停放的车辆更远，因为门可能打开或者未检测到的行人可能在附近)等。
本文描述的技术可以允许不同的几何形状和速率规划者/优化者对各种对象实现连续的、平稳的和安全的反应，而无需明确地解决过于复杂的时空优化问题。换句话说，车辆能够获得对环境中的动态和静态对象在空间和时间上一致的反应。因此，如果对象在车辆的前方，车辆能够沿着路径停止，如果对象离路径足够远，则车辆前进，如果对象几乎在路径上，则车辆更慢地前进，所有这些均不需要改变路径的几何形状。此外，作为速度的函数的最小间隙的指定参数非常直观，并且容易手动地或经由从大量人类驾驶数据中学习进行调整。除了易于指定速度/间隔折衷之外，这种方案还提供了简单和直观的机制，用于经由本文描述的阈值和常数来处理感知数据中的噪声，因为它们可以自然地从对象测量系统的聚集统计属性中导出。
图10是流程图1000，其可以由一个或多个处理器执行，诸如计算设备110的一个或多个处理器120，以便以自动驾驶模式控制车辆。在框1002，接收识别车辆的环境中的对象的传感器数据。在框1004，确定车辆将经过对象的第一轨迹的第一路径。在框1006，使用函数基于对象和车辆之间的预定最小侧向间隙来确定车辆的第一最大速度。在框1008，使用第一最大速度确定对象和车辆之间的实际侧向间隙是否将满足预定最小侧向间隙。在框1010，使用实际侧向间隙是否将满足预定最小侧向间隙的确定来生成第一轨迹的第一速度规划。在框1012，根据包括第一速度规划和第一路径的第一轨迹，以自动驾驶模式控制车辆。
除非另有说明，前述替代性示例并不相互排斥，而是可以以各种组合来实现，以获得独特的优点。由于在不脱离由权利要求所限定的主题的情况下，可以利用上述特征的这些和其他变化和组合，所以实施例的前述描述应当作为说明而不是作为对由权利要求所限定的主题的限制。此外，本文描述的示例的提供，以及表述为“诸如”、“包括”等的分句，不应被解释为将权利要求的主题限制在特定示例；相反，这些示例旨在仅示出许多可能的实施例中的一个。此外，不同附图中相同的附图标记可以标识相同或相似的元件。

Claims (20)

1.一种以自动驾驶模式控制车辆的方法，所述方法包括：
由一个或多个处理器接收识别所述车辆的环境中的对象的传感器数据；
由一个或多个处理器确定所述车辆将经过所述对象的第一轨迹的第一路径；
由一个或多个处理器使用函数基于所述对象和所述车辆之间的预定最小侧向间隙来确定所述车辆的第一最大速度；
由一个或多个处理器使用第一最大速度确定所述对象和所述车辆之间的实际侧向间隙是否将满足所述预定最小侧向间隙；
由一个或多个处理器使用所述实际侧向间隙是否将满足所述预定最小侧向间隙的确定来生成第一轨迹的第一速度规划；以及
由一个或多个处理器根据包括第一速度规划和第一路径的第一轨迹，以自动驾驶模式控制所述车辆。
2.根据权利要求1所述的方法，其中，所述传感器数据还识别所述对象的类型，并且其中，所述函数基于所述对象的类型来识别。
3.根据权利要求1所述的方法，其中，所述函数是线性函数，其中最大速度随着最小侧向间隙增加而增加，并且最大速度随着最小侧向间隙减小而减小。
4.根据权利要求1所述的方法，其中，当确定所述实际侧向间隙不满足所述预定最小侧向间隙时，第一速度规划包括停止所述车辆以避让所述对象。
5.根据权利要求4所述的方法，还包括：
将第二最大速度设置为所述车辆的第一最大速度或当前速度中较低的一个；
使用所述函数和第二最大速度确定新的阈值最小侧向间隙；
生成第二轨迹的第二路径；
确定第二轨迹的第二速度规划；以及
根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制所述车辆。
6.根据权利要求5所述的方法，还包括确定所述对象和所述车辆之间的当前实际侧向间隙是否将满足新的阈值最小侧向间隙，并且其中，确定第二速度规划还基于当前实际侧向间隙是否将满足所述新的阈值最小侧向间隙的确定。
7.根据权利要求4所述的方法，还包括：
将第二最大速度设置为所述车辆的第一最大速度、阈值绝对最小经过速度或当前速度中较低的一个；
使用所述函数和第二最大速度确定新的阈值最小侧向间隙；
生成第二轨迹的第二路径；
使用所述新的阈值最小侧向间隙确定第二轨迹的第二速度规划；以及
根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制所述车辆。
8.根据权利要求7所述的方法，还包括确定所述对象和所述车辆之间的当前实际侧向间隙是否将满足新的阈值最小侧向间隙，并且其中，确定第二速度规划还基于当前实际侧向间隙是否将满足所述新的阈值最小侧向间隙的确定。
9.根据权利要求1所述的方法，其中，当确定所述实际侧向间隙满足所述预定最小侧向间隙时，第一速度规划包括经过所述对象。
10.根据权利要求9所述的方法，还包括：
确定所述实际侧向间隙是否是至少大于所述预定最小侧向间隙的阈值；
当所述实际侧向间隙是至少大于所述预定最小侧向间隙的阈值时，通过将第一最大速度增加一个常数值来设置第二最大速度；
使用所述函数和第二最大速度确定新的阈值最小侧向间隙；
生成第二轨迹的第二路径；
使用所述新的阈值最小侧向间隙确定第二轨迹的第二速度规划；以及
根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制所述车辆。
11.根据权利要求9所述的方法，还包括：
确定所述实际侧向间隙是否是至少大于所述预定最小侧向间隙的阈值；
当所述实际侧向间隙不是至少大于所述预定最小侧向间隙的阈值时，将第二最大速度设置为第一最大速度值；
使用所述函数和第二最大速度确定新的阈值最小侧向间隙；
生成第二轨迹的第二路径；
使用所述新的阈值最小侧向间隙确定第二轨迹的第二速度规划；以及
根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制所述车辆。
12.一种用于以自动驾驶模式控制车辆的系统，所述系统包括一个或多个处理器，所述一个或多个处理器被配置为：
接收识别所述车辆的环境中的对象的传感器数据；
确定所述车辆将经过所述对象的第一轨迹的第一路径；
使用函数基于所述对象和所述车辆之间的预定最小侧向间隙来确定所述车辆的第一最大速度；
使用第一最大速度确定所述对象和所述车辆之间的实际侧向间隙是否将满足所诉预定最小侧向间隙；
使用所述实际侧向间隙是否将满足所述预定最小侧向间隙的确定来生成第一轨迹的第一速度规划；以及
根据包括第一速度规划和第一路径的第一轨迹，以自动驾驶模式控制所述车辆。
13.根据权利要求12所述的系统，其中，所述函数是线性函数，其中最大速度随着最小侧向间隙增加而增加，并且最大速度随着最小侧向间隙减小而减小。
14.根据权利要求12所述的系统，其中，当确定所述实际侧向间隙不满足所述预定最小侧向间隙时，第一速度规划包括停止所述车辆以避让所述对象。
15.根据权利要求14所述的系统，其中，所述一个或多个处理器还被配置为：
将第二最大速度设置为所述车辆的第一最大速度或当前速度中较低的一个；
使用所述函数和第二最大速度确定新的阈值最小侧向间隙；
生成第二轨迹的第二路径；
使用所述新的阈值最小侧向间隙确定第二轨迹的第二速度规划；以及
根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制所述车辆。
16.根据权利要求15所述的系统，其中，所述一个或多个处理器还被配置为确定所述对象和所述车辆之间的当前实际侧向间隙是否将满足所述新的阈值最小侧向间隙，并且还基于当前实际侧向间隙是否将满足所述新的阈值最小侧向间隙的确定来确定第二速度规划。
17.根据权利要求14所述的系统，其中，所述一个或多个处理器还被配置为：
将第二最大速度设置为所述车辆的第一最大速度、阈值绝对最小经过速度或当前速度中较低的一个；
使用所述函数和第二最大速度确定新的阈值最小侧向间隙；
生成第二轨迹的第二路径；
使用所述新的阈值最小侧向间隙确定第二轨迹的第二速度规划；以及
根据包括第二速度规划和第二路径的第二轨迹，以自动驾驶模式控制所述车辆。
18.根据权利要求17所述的系统，其中，所述一个或多个处理器还被配置为确定所述对象和所述车辆之间的当前实际侧向间隙是否将满足所述新的阈值最小侧向间隙，并且还基于当前实际侧向间隙是否将满足所述新的阈值最小侧向间隙的确定来确定第二速度规划。
19.根据权利要求12所述的系统，其中，当确定所述实际侧向间隙满足所述预定最小侧向间隙时，第一速度规划包括经过所述对象。
20.根据权利要求12所述的系统，还包括所述车辆。
CN201880067219.XA 2017-10-24 2018-10-23 用于自动车辆路径规划的速度相关所需的侧向间隙 Active CN111213100B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/791,623 2017-10-24
US15/791,623 US10671079B2 (en) 2017-10-24 2017-10-24 Speed-dependent required lateral clearance for autonomous vehicle path planning
PCT/US2018/057113 WO2019084009A1 (en) 2017-10-24 2018-10-23 LATERAL CLEARANCE REQUIRED FOR SPEED FOR AUTHORIZED VEHICLE TRACK PLANNING

Publications (2)

Publication Number Publication Date
CN111213100A true CN111213100A (zh) 2020-05-29
CN111213100B CN111213100B (zh) 2023-09-26

Family

ID=66170520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880067219.XA Active CN111213100B (zh) 2017-10-24 2018-10-23 用于自动车辆路径规划的速度相关所需的侧向间隙

Country Status (4)

Country Link
US (2) US10671079B2 (zh)
EP (1) EP3701348A4 (zh)
CN (1) CN111213100B (zh)
WO (1) WO2019084009A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114435393A (zh) * 2020-11-04 2022-05-06 伟摩有限责任公司 用于自主驾驶系统的对轨道智能体的行为预测

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10671079B2 (en) * 2017-10-24 2020-06-02 Waymo Llc Speed-dependent required lateral clearance for autonomous vehicle path planning
DE102017124951A1 (de) * 2017-10-25 2019-04-25 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zum Betrieb eines selbstfahrenden Kraftfahrzeugs und selbstfahrendes Kraftfahrzeug
US11126177B2 (en) * 2018-01-24 2021-09-21 Motional Ad Llc Speed behavior planning for vehicles
JP2019159479A (ja) * 2018-03-08 2019-09-19 株式会社デンソー 制御装置
US10564643B2 (en) 2018-05-31 2020-02-18 Nissan North America, Inc. Time-warping for autonomous driving simulation
US10745011B2 (en) 2018-05-31 2020-08-18 Nissan North America, Inc. Predicting yield behaviors
RU2756872C1 (ru) 2018-05-31 2021-10-06 Ниссан Норт Америка, Инк. Структура вероятностного отслеживания объектов и прогнозирования
US10569773B2 (en) 2018-05-31 2020-02-25 Nissan North America, Inc. Predicting behaviors of oncoming vehicles
DE102018007022A1 (de) * 2018-09-05 2020-03-05 Daimler Ag Verfahren und Vorrichtung zum Betrieb eines Assistenzsystems eines Fahrzeuges und Fahrzeug
FR3106111B1 (fr) * 2020-01-15 2022-01-21 Psa Automobiles Sa Procédé et dispositif de contrôle d’un véhicule
JP7369077B2 (ja) * 2020-03-31 2023-10-25 本田技研工業株式会社 車両制御装置、車両制御方法、及びプログラム
US20220121201A1 (en) * 2020-10-15 2022-04-21 Argo AI, LLC System for anticipating future state of an autonomous vehicle
US20230068703A1 (en) * 2021-08-24 2023-03-02 Waymo Llc Planning system for autonomously navigating around lane-sharing road agents

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217527A1 (en) * 2005-06-13 2010-08-26 Kabushiki Kaisha Toyota Chuo Kenkyusho Obstacle avoidance control device and recording medium
CN103786723A (zh) * 2012-10-30 2014-05-14 谷歌公司 控制车辆横向车道定位
CN104802795A (zh) * 2014-01-29 2015-07-29 大陆汽车系统公司 用于在自主车辆操作期间适应行人的系统
CN104812645A (zh) * 2012-09-27 2015-07-29 谷歌公司 基于车辆行为确定驾驶环境的改变
CN106004876A (zh) * 2015-03-31 2016-10-12 丰田自动车工程及制造北美公司 用于自动驾驶系统的基于间隙的速度控制
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9511751B2 (en) * 2011-07-22 2016-12-06 GM Global Technology Operations LLC Object identification and active safety control for vehicles
JP5527382B2 (ja) 2012-10-12 2014-06-18 トヨタ自動車株式会社 走行支援システム及び制御装置
US9523984B1 (en) 2013-07-12 2016-12-20 Google Inc. Methods and systems for determining instructions for pulling over an autonomous vehicle
US20160231746A1 (en) 2015-02-06 2016-08-11 Delphi Technologies, Inc. System And Method To Operate An Automated Vehicle
KR101824982B1 (ko) 2015-10-07 2018-02-02 엘지전자 주식회사 차량 및 그 제어방법
JP6308233B2 (ja) * 2016-02-29 2018-04-11 トヨタ自動車株式会社 車両制御装置及び車両制御方法
US10365653B2 (en) * 2017-06-12 2019-07-30 GM Global Technology Operations LLC Personalized autonomous vehicle ride characteristics
US10671079B2 (en) * 2017-10-24 2020-06-02 Waymo Llc Speed-dependent required lateral clearance for autonomous vehicle path planning

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100217527A1 (en) * 2005-06-13 2010-08-26 Kabushiki Kaisha Toyota Chuo Kenkyusho Obstacle avoidance control device and recording medium
CN104812645A (zh) * 2012-09-27 2015-07-29 谷歌公司 基于车辆行为确定驾驶环境的改变
CN103786723A (zh) * 2012-10-30 2014-05-14 谷歌公司 控制车辆横向车道定位
CN104802795A (zh) * 2014-01-29 2015-07-29 大陆汽车系统公司 用于在自主车辆操作期间适应行人的系统
CN106004876A (zh) * 2015-03-31 2016-10-12 丰田自动车工程及制造北美公司 用于自动驾驶系统的基于间隙的速度控制
CN106926844A (zh) * 2017-03-27 2017-07-07 西南交通大学 一种基于实时环境信息的动态自动驾驶换道轨迹规划方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114435393A (zh) * 2020-11-04 2022-05-06 伟摩有限责任公司 用于自主驾驶系统的对轨道智能体的行为预测

Also Published As

Publication number Publication date
EP3701348A1 (en) 2020-09-02
US10671079B2 (en) 2020-06-02
US20200249687A1 (en) 2020-08-06
US20190121362A1 (en) 2019-04-25
WO2019084009A1 (en) 2019-05-02
EP3701348A4 (en) 2021-08-11
CN111213100B (zh) 2023-09-26
US11934193B2 (en) 2024-03-19

Similar Documents

Publication Publication Date Title
CN111213100B (zh) 用于自动车辆路径规划的速度相关所需的侧向间隙
US11783614B2 (en) Pedestrian behavior predictions for autonomous vehicles
US11989666B1 (en) Predicting trajectory intersection by another road user
US11656623B1 (en) Detecting and responding to tailgaters
US11720116B1 (en) Collision mitigation static occupancy grid
US11256260B2 (en) Generating trajectories for autonomous vehicles
US11242040B2 (en) Emergency braking for autonomous vehicles
US11951991B2 (en) Semantic object clustering for autonomous vehicle decision making
US11767038B2 (en) Detecting potentially occluded objects for autonomous vehicles
AU2018358932B2 (en) Semantic object clustering for autonomous vehicle decision making

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