CN111240313B

CN111240313B - 用于操作自动驾驶车辆的基于预定校准表的车辆控制系统

Info

Publication number: CN111240313B
Application number: CN201910836860.1A
Authority: CN
Inventors: 朱帆
Original assignee: Baidu USA LLC
Current assignee: Baidu USA LLC
Priority date: 2018-11-29
Filing date: 2019-09-05
Publication date: 2023-08-11
Anticipated expiration: 2039-09-05
Also published as: EP3659884A2; US20200172115A1; EP3659884B1; EP3659884A3; JP2020083306A; CN111240313A; JP6908674B2; US11180145B2

Abstract

公开了一种用于操作自动驾驶车辆(ADV)的方法。响应于驱动自动驾驶车辆从ADV的当前速度达到目标加速度的请求，基于目标加速度和ADV的当前速度在所选择的命令校准表中执行查找操作。在命令校准表中执行查找操作以定位与当前速度和目标加速度匹配的条目。每个命令校准表包括多个条目，其中每个条目将特定速度和发出的特定控制命令映射到响应于控制命令从车辆获得的特定加速度。从所选择的命令校准表的匹配条目获得控制命令。获得的控制命令被发送给ADV以控制ADV，而不必实时计算相同的命令。

Description

用于操作自动驾驶车辆的基于预定校准表的车辆控制系统

技术领域

本公开的实施方式总体上涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及使用预定校准表操作自动驾驶车辆。

背景技术

以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。

运动规划和控制是自动驾驶中的关键操作。然而，传统的运动规划操作估计完成给定路径的难度在于其曲率和速度，而不考虑不同类型车辆的特征差异。相同的运动规划和控制被应用于所有类型的车辆并且对所有道路状况进行相同处理，这在某些情况下可能不准确且不平滑。

发明内容

本公开一方面提供了一种用于操作自动驾驶车辆(ADV)的计算机实施的方法，该方法包括：接收驱动ADV从ADV的当前速度达到目标加速度的请求；基于当前速度和目标加速度在所选择的命令校准表中执行查找操作，以定位与当前速度和目标加速度匹配的条目，其中，所选择的命令校准表是已预先配置的多个命令校准表中的一个；从所选择的命令校准表的匹配条目中获取控制命令；以及向ADV发出控制命令以控制ADV达到目标加速度。

本公开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，指令在由处理器执行时使处理器执行操作，该操作包括：接收驱动自动驾驶车辆(ADV)从ADV的当前速度达到目标加速度的请求；基于当前速度和目标加速度在所选择的命令校准表中执行查找操作，以定位与当前速度和目标加速度匹配的条目，其中，所选择的命令校准表是已预先配置的多个命令校准表中的一个；从所选择的命令校准表的匹配条目中获取控制命令；以及向ADV发出控制命令以控制ADV达到目标加速度。

本发明又一方面提供了一种一种用于操作自动驾驶车辆的计算机实施的方法，该方法包括：周期性地确定与自动驾驶车辆(ADV)相关的驾驶环境；当ADV在所确定的驾驶环境中行驶时，在预定时间段内收集第一组驾驶统计数据；从与所确定的驾驶环境相关的多个命令校准表中识别一组命令校准表候选，命令校准表中的每一个对应于多个驾驶环境设定中的一个；将第一组驾驶统计数据与从命令校准表候选中的每一个获得的第二组驾驶统计数据进行比较；基于比较结果计算命令校准表候选中的每一个的相似性得分；以及选择命令校准表候选中的具有最高相似度得分的一个，其中，所选择的命令校准表用于产生后续控制命令以控制ADV。

附图说明

本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同的附图标记指代相似的元件。

图1是示出根据一个实施方式的网络化系统的框图。

图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。

图3A至图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。

图4是示出根据一个实施方式的驾驶环境与一个或多个校准表的集合之间的关系的框图。

图5是示出根据一个实施方式的驾驶环境类别的集合的框图。

图6是示出根据一个实施方式的校准表的示例的框图。

图7是示出根据一个实施方式的选择校准表的过程的流程图。

图8是示出根据一个实施方式的使用命令校准表确定控制命令的过程的流程图。

图9是示出根据一个实施方式的创建校准表的过程的流程图。

图10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，并且附图将示出各种实施方式。以下描述和附图是对本公开的说明，并且不应被解释为限制本公开。描述了许多特定细节以提供对本公开各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本公开的实施方式的简洁讨论。

本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指相同的实施方式。

根据一些实施方式，利用一组预定校准表来帮助调整或校准用于不同的特定驾驶环境的控制命令。可以基于从在不同的驾驶环境(例如，不同的车辆负载、天气状况和路面状况等)下行驶的各种车辆收集的驾驶统计数据来离线创建校准表。对于每个预定的驾驶环境类别，创建至少一个命令校准表。实时地，在自动驾驶车辆(ADV)已经行驶一段时间并且已经收集了一组驾驶统计数据之后，通过将从驾驶统计数据得到的驾驶环境与对应于命令校准表的预定驾驶环境类别进行匹配来选择命令校准表中的一个。然后，可以在随后的行驶周期中利用所选择的命令校准表通过查找操作来产生用于驾驶ADV的控制命令，而不必实时计算该命令。

根据一个实施方式，响应于驱动自动驾驶车辆从ADV的当前速度达到目标加速度的请求，基于目标加速度和ADV的当前速度在所选择的命令校准表中执行查找操作。在命令校准表中执行查找操作以定位与当前速度和目标加速度匹配的条目。所选择的命令校准表是先前配置的命令校准表中的一个。每个命令校准表包括多个条目，其中每个条目将特定速度和发出的特定控制命令映射到响应于该控制命令从车辆获得的特定加速度。从所选择的命令校准表的匹配条目获得控制命令。获得的控制命令被发送给ADV以控制ADV，而不必实时计算相同的命令，该实时计算可能会消耗资源且浪费时间。

在一个实施方式中，命令校准表中的每一个与特定驾驶环境或驾驶状况相关，例如与天气状况(例如，干燥或潮湿)、路面状况(例如，平坦或粗糙)以及车辆的负载状况(其可以用轮胎压力表示)相关。也就是说，命令校准表中的每一个与天气状况、路面状况和负载状况的特定组合对应。例如，第一驾驶状况可以包括干燥道路、平坦路面和无负载状况(例如，仅一个人类驾驶员而没有其他负载)，并且第二驾驶状况可以是潮湿道路、平坦路面以及50千克(kg)的负载状况等。基于从与命令校准表相关的特定驾驶环境中行驶的一个或多个车辆收集的驾驶统计数据来创建每个命令校准表。这包括采集所发出的不同控制命令以及测量来自车辆的反馈或响应，例如不同时间点的速度和加速度。

在一个实施方式中，基于动态时间点处的驾驶状况，周期性地从命令校准表池中选择所选择的命令校准表。如果驾驶状况改变，则可以选择不同的命令校准表以用于确定后续控制命令。根据一个实施方式，在从池中选择命令校准表时，第一组驾驶统计数据是当ADV在特定驾驶环境中行驶时在某一时间段内从ADV收集的。从与当前驾驶环境相关的命令校准表池中识别一组命令校准表候选。将第一组驾驶统计数据(例如，速度、控制命令、加速度)与从命令校准表候选中的每一个获得的第二组驾驶统计数据进行比较。基于比较结果计算每个命令校准表候选的相似性得分。相似性得分表示实时收集的驾驶统计数据与先前确定并存储在校准表中的驾驶统计数据之间的相似性。然后选择命令校准表候选中的具有最高相似性得分的一个。

在一个实施方式中，可以使用不同的执行线程来完成执行所选择的命令校准表的查找操作的过程和选择命令校准表的过程，不同的执行线程可以由不同的处理器执行或者由相同处理器的不同处理器内核来执行。

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、信息娱乐系统114(未示出)和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和/或感知与规划系统110使用多种通信信号和/或命令进行控制，该多种通信信号和/或命令例如，加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等。

部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控制器局域网(CAN)总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是最初是为汽车内的复用电气布线设计的基于消息的协议，但也用于许多其它环境。

现在参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光探测和测距(LIDAR)单元215。GPS系统212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。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。

服务器103可为用于为各种客户端执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从多种车辆(自动驾驶车辆或由人类驾驶员驾驶的常规车辆)收集驾驶统计数据123。驾驶统计数据123包括表示在不同的时间点处由车辆的传感器捕获的所发出的驾驶命令(例如，油门命令、制动命令和转向命令)以及车辆的响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计数据123还可包括描述不同的时间点处的驾驶环境的信息，诸如，例如，路线(包括起点位置和目的地位置)、MPOI、道路状况、天气状况等。

基于驾驶统计数据123，机器学习引擎122针对各种目的生成或训练规则集、算法和/或预测模型124。在一个实施方式中，算法124可以包括用于感知、规划和控制过程的算法，这将在下文进行进一步详细描述。然后可以将算法124上传到ADV上以在自动驾驶期间实时使用。

另外，根据一个实施方式，服务器103可以维护校准表生成器125，校准表生成器125配置成基于在相同或相似的驾驶环境下收集的某些驾驶统计数据123生成在不同的驾驶环境或驾驶条件下的多个校准表。例如，一个或多个车辆可以在特定驾驶环境类别(例如，干燥道路、粗糙路面、50kg负载)下行驶。可以在行驶期间测量和收集不同时间点的驾驶统计数据(例如，响应于命令的车辆的速度、发出的命令和加速度)。然后可以将相同或相似的驾驶条件下收集的驾驶统计数据填充到校准表中，在本示例中，填充到配置成在相同或相似的驾驶环境下校准命令的命令校准表。

将存在多个预定的驾驶环境类别，其已经使用某些驾驶参数(例如，天气状况、路面状况和负载状况)预先限定。还可以使用其他参数限定驾驶环境(也称为驾驶条件)。如图4中所示，对于每个预定的驾驶环境，创建至少一个命令校准表。

参考图4，对于一组预定的驾驶环境400，基于从在相同或相似的驾驶环境下行驶的一个或多个车辆收集的驾驶统计数据来创建命令校准表。在该示例中，驾驶环境401至403分别与命令校准表411至413相关联。与其余的驾驶环境相比，预定的驾驶环境401至403中的每一个是唯一的。

现在参考图5，在一个实施方式中，驾驶环境由至少三个参数限定：天气状况501、路面状况502、轮胎压力503和/或负载状况504。这些只是限定驾驶环境的参数示例中的一部分；还可以使用和考虑其他因素。天气状况501可包括1)干燥道路状况和2)湿道路状况。路面状况502可包括1)平坦表面、2)粗糙表面、和3)混合表面。轮胎压力状况503可包括1)高压力、2)正常压力、和3)低压力。轮胎压力可以直接或间接地代表当前车辆负载。替代地，轮胎压力状况仅仅指的是没有任何负载(除了人类驾驶员)的轮胎的胎压。在这种配置中，驾驶环境还可以包括负载状况参数(例如，50、100、150......1000kg)。替代地，对于由天气状况、路面状况和轮胎压力状况限定的每个驾驶环境，存在一组命令校准表。该组中的每个校准表与特定负载相关。

可以使用诸如照相机或压力传感器等的适当传感器来测量和确定这些参数。因此，将存在由上述环境参数的特定组合表示的多个驾驶环境实例。例如，第一驾驶环境可以是干燥道路、平坦路面和高轮胎压力的组合，并且第二驾驶环境可以基于干燥道路、粗糙路面和高轮胎压力等(可选地，具有负载状况)组合来限定。如图6中所示，对于每个预定的驾驶环境，将存在至少一个命令校准表。

参考图6，命令校准表600可以表示如图4中所示的校准表411至413中的任何一个。校准表600包括多个条目。每个条目根据控制命令601的类型将特定控制命令601和速度602映射到加速度603或转向角度604。这些数据是从在如上所述的相同或相似的相应驾驶环境下行驶的一个或多个车辆采集和收集的。控制命令601可以是在当前速度602下发出的油门命令或制动命令。来自车辆的响应可以是加速度603，其中，正值表示加速度，负值表示减速度。控制命令601可以是转向命令，并且车辆的响应可以是转向角度604(来自当前转向角度)。替代地，单独的校准表可以用于油门/制动命令和转向命令。然后可以将校准表上传到自动驾驶车辆(例如图3A至3B的校准表314)，以用于在自动驾驶期间实时校准控制命令。

图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参考图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路线制定模块307和命令校准模块(或命令校准器)308。

模块301至308中的一些或全部可以以软件、硬件或其组合实施。例如，这些模块可安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器(未示出)执行。应注意，这些模块中的一些或全部可通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至308中的一些可一起集成为集成模块。例如，命令校准模块308可以集成作为规划模块305和/或控制模块306的一部分。

定位模块301确定自动驾驶车辆300的当前位置(例如，利用GPS单元212)并管理与用户的行程或路线相关的任何数据。定位模块301(也被称为地图与路线模块)管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的开始位置和目的地。定位模块301与自动驾驶车辆300的诸如地图和路线信息311的其它组件通信，以获得行程相关数据。例如，定位模块301可从位置服务器和地图与POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务，以及MPOI服务器提供地图服务和某些位置的POI，这些可作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿着路线移动时，定位模块301也可从交通信息系统或服务器获得实时交通信息。

基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括例如采用对象形式的车道配置、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，诸如例如车道的形状(例如，直线或弯曲)、车道的宽度、道路中的车道数量、单向车道或双向车道、合并车道或分离车道、离开车道等。

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、行人和/或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其它计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如雷达和/或LIDAR的其它传感器提供的其它传感器数据来检测对象。

针对每个对象，预测模块303预测该对象在此情形下将表现什么。根据一组地图/路线信息311和交通规则312，基于该时间点的感知驾驶环境的感知数据来执行预测。例如，如果对象是处于相反方向的车辆并且当前驾驶环境包括十字路口，则预测模块303将预测车辆是将可能直线向前移动还是进行转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可预测车辆在进入十字路口之前可能需要完全停止。如果感知数据表明车辆当前处于仅左转弯车道或仅右转弯车道，则预测模块303可分别预测车辆将更可能向左转弯或向右转弯。

针对每个对象，决策模块304作出关于如何处置对象的决定。例如，针对特定对象(例如，交叉路线中的另一车辆)以及描述对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何与所述对象相遇(例如，超车、让行、停止、超过)。决策模块304可根据诸如交通规则或驾驶规则312的规则集来作出此类决定，所述规则集可存储在永久性存储装置352中。

路线制定模块307配置成提供从起点到目的地点的一个或多个路线或路径。对于从开始位置到目的地位置的给定行程(例如，从用户接收的)，路线制定模块307获得路线和地图信息311，并且确定从开始位置至到达目的地位置的所有可能的路线或路径。路线制定模块307可以以地形图的形式生成用于其确定的从开始位置至到达目的地位置的路线中的每个的参考线。参考线指的是理想的路线或路径，而不受诸如其他车辆、障碍物或交通状况的其他事物的任何干扰。即，如果道路上不存在其他车辆、行人或障碍物，则ADV应该精确地或紧密地遵循参考线。然后，地形图被提供至决策模块304和/或规划模块305。根据由其它模块提供的其它数据(诸如，来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)，决策模块304和/或规划模块305检查所有可能的路线以选择和修改最优路线中的一个。用于控制ADV的实际路径或路线可与由路线制定模块307提供的参考线接近或不同，这取决于该时间点的特定驾驶环境。

基于针对所感知到的对象中的每个的决定，规划模块305使用由路线制定模块307提供的参考线作为基础来为自动驾驶车辆规划路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。即，针对给定的对象，决策模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决策模块304可以决定超过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动循环(例如，下一路线/路径段)中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时(mph)的速度移动10米，随后以25mph的速度变到右侧车道。

基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿着路径或路线在不同的时间点使用适当的车辆设置或驾驶参数(例如，油门、制动和转向命令)将车辆从路线或路径的第一点驾驶到第二点。

在一个实施方式中，在多个规划周期(也被称为行驶周期)(诸如，例如，在每100毫秒(ms)的时间间隔中)中执行规划阶段。针对规划周期或行驶周期中的每一个，将基于规划数据和控制数据发出一个或多个控制命令。即，对于每个100ms，规划模块305规划下一路线段或路径段，例如，包括目标位置和ADV到达目标位置所需的时间。替代地，规划模块305还可指定具体速度、方向和/或转向角等。在一个实施方式中，规划模块305为下一预定时间段(诸如5秒)规划路线段或路径段。对于每个规划周期，规划模块305基于先前周期中规划的目标位置来规划当前周期(例如，接下来的5秒)的目标位置。然后，控制模块306基于当前周期的规划数据和控制数据生成一个或多个控制命令(例如，油门命令、制动命令、转向控制命令)。

应注意，决策模块304和规划模块305可以集成为集成模块。决策模块304/规划模块305可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于影响自动驾驶车辆沿着以下路径移动的一系列速度和前进方向：所述路径在使自动驾驶车辆沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆正在运行的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。

根据一个实施方式，数据收集器(未示出)配置成在ADV 300正行驶通过道路时从各种传感器和模块收集各种数据并且将数据存储为驾驶统计数据313的一部分。如上所述，驾驶统计数据包括速度、转向角度(例如，前进方向)、发出的控制命令以及车辆在不同时间点的响应。在预定时间段之后，收集的驾驶统计数据313用于匹配命令校准表314的对应统计数据，以选择校准表中的一个作为指定的命令校准表，以用于随后校准控制命令。

在一个实施方式中，对于统计数据(例如速度、命令和响应于该命令的车辆响应)的每个子集，在每个命令校准表中执行查找操作。基于实时收集的数据与存储在校准表中的数据之间的差异，计算每个校准表的相似性得分。选择具有最高相似性得分的校准表以用于后续命令校准。

在一个实施方式中，对于给定的命令校准表，执行搜索以定位命令校准表的、与子集的实时测量的速度和发出的命令匹配的条目。将实时测量的车辆响应(例如，加速度、转向角度)与从匹配的条目获得的先前采集的响应进行比较，以确定子集与匹配条目之间的差异。针对统计数据的所有子集计算所有子集的实际数据与存储在校准表中的数据之间的平均差异。将选择具有最小平均差异的校准表，该校准表具有最高相似性得分。

例如，校准表选择过程将让车辆行驶一段预定的时间，例如一分钟。在这样的时间段内，采集车辆的驾驶统计数据并记录为驾驶统计数据313的一部分。在一个实施方式中，对于每个行驶周期，即每100ms，采集统计数据的子集，该子集至少包括当前速度/转向角度、发出的控制命令以及响应于在该时间点发出的控制命令的车辆响应(例如，加速度或转向角度)。在整个时间段内(在此示例中，一分钟)，将存在600个数据子集。这些数据子集用于匹配每个预先配置的命令校准表，以识别与使用上述至少一些技术实时采集的统计数据的子集最相似的命令校准表中的一个。目标是找到与当前驾驶环境相关或接近当前驾驶环境的校准表，使得从所选择的校准表得出的命令最适合于当前驾驶环境。

具体地，对于给定的命令校准表中的一个，600个数据子集中的每一个被用于与存储在命令校准表的每个条目中的数据进行比较，例如，通过比较速度/转向角度和发出的控制命令。将实时采集的响应(例如，加速度、转向角度)与来自匹配条目的对应的响应进行比较以确定差异。在针对相同的命令校准表处理了所有600个统计数据子集之后，针对相应的命令校准表计算实时测量的响应与来自匹配条目的预先记录的响应之间的平均差异。然后基于平均差异计算相似性得分，例如，较低的平均差异产生较高的相似性得分。

在一个实施方式中，周期性地执行以上校准表选择过程以识别在该时间点确定的驾驶环境的最佳命令校准表。随着驾驶环境改变，可以选择不同的命令校准表。

一旦针对该时间点处的特定驾驶环境选择了命令校准表，则可以利用所选择的命令校准表来通过查找操作确定后续控制命令(例如，从下一行驶周期开始)。因此，可以通过查找操作快速确定合适的命令，而不必在该时间点计算特定命令，这种计算特定命令可能会消耗资源且浪费时间。

在一个实施方式中，返回参考图6，当接收到驱动ADV从当前速度达到目标加速度(或转向角度)的请求时，基于速度和目标加速度在所选择的命令校准表中执行查找操作，以定位具有分别与当前速度和目标加速度相对匹配的速度602和加速度603的条目。从匹配条目的字段601获得控制命令(例如，油门命令或制动命令)。然后发出控制命令以控制ADV，而不必实时计算该控制命令。可以将相同的过程应用于转向操作，以通过分别匹配当前转向角度602和目标转向角度604、基于当前速度和目标转向角度确定转向命令。由于可以相对快速地执行查找操作，因此可以大大减少确定控制命令所需的时间和资源。应注意，字段603和604可以合并到单个字段中，以根据字段601中的命令类型(例如，油门命令、转向命令)存储目标加速度或目标转向角度。

应注意，选择命令校准表的过程和使用所选择的命令校准表确定控制命令的过程可以由不同的执行线程执行。

图7是示出根据一个实施方式的基于当前驾驶环境确定和选择命令校准表的过程的流程图。过程700可以由处理逻辑执行，处理逻辑可以包括软件、硬件或其组合。例如，过程700可以由命令校准模块308执行。参考图7，在操作701中，处理逻辑测量并收集ADV的预定时间段(例如，一分钟)的驾驶统计数据(例如，速度、加速度)。在操作702中，处理逻辑可选地确定在该时间点与ADV相关的驾驶环境(例如，天气状况、路面状况等)。

在操作703中，对于已经预先配置的每个命令校准表(可选地与在该时间点确定的驾驶环境相关联)，处理逻辑将当时测量的驾驶统计数据与存储在命令校准表中的相应驾驶统计数据进行比较。在操作704中，处理逻辑基于动态测量数据与先前存储的数据之间的比较结果来计算命令校准表的相似性得分。相似性得分表示在该时间点收集的数据与先前收集并存储在表中的数据之间的相似性。

在一个实施方式中，可以在一段时间内收集动态收集的数据，例如在一分钟内每100ms记录一个数据子集。对于每个数据子集，比较数据子集与存储在命令校准表中的每个相应数据子集之间的差异。基于数据子集的全部差异计算平均差异，该平均差异用于确定该特定命令校准表的相似性得分。例如，对于子集的给定速度和所发出的给定油门命令，将车辆的实际加速度与校准表的条目的记录加速度(与速度和油门命令相对匹配)进行比较。计算实际加速度与先前记录的加速度之间的差。

在操作705中，处理逻辑选择命令校准表中的具有最高相似性得分的一个，其将用于随后在自动驾驶期间确定控制命令。可以周期性地执行过程700以确定是否应该因驾驶环境的变化而选择不同的命令校准表。

图8是示出根据一个实施方式的确定用于操作自动驾驶车辆的控制命令的过程的流程图。过程800可以由处理逻辑执行，处理逻辑可以包括软件、硬件或其组合。例如，过程800可以由命令校准模块308执行。参考图8，在操作801中，处理逻辑接收驱动ADV从当前速度达到目标加速度或从当前速度在一定时间内达到目标速度的请求。可以从规划模块305接收该请求。响应于该请求，在操作802中，基于当前速度和目标加速度在所选择的命令校准表中执行查找操作，以定位与速度和目标加速度相对匹配的条目。所选择的命令校准表包括许多条目。每个条目均存储一组速度、控制命令和加速度数据。可以使用图7的过程700来选择所选择的命令校准表。在操作803中，从匹配条目获得控制命令，然后在操作804中，向ADV发出控制命令以控制ADV到达目标加速度。

图9是示出根据一个实施方式的创建校准表的过程的流程图。过程900可以由处理逻辑执行，处理逻辑可以包括软件、硬件或其组合。过程900可以由图1的校准表生成器125执行。参考图9，在操作901中，处理逻辑定义多个驾驶环境类别(例如，天气状况、路面状况、轮胎压力、负载状况)。对于每个驾驶环境类别，在操作902中，收集一个或多个车辆的驾驶统计数据，该驾驶统计数据可以在车辆在相同或相似的驾驶环境中行驶时收集。在操作903中，针对驾驶环境类别创建校准表。校准表包括多个条目。每个条目存储一组车辆的速度、发出的控制命令以及响应于发出的控制命令的车辆响应数据(例如，加速度、转向角度)。校准表可用于在车辆的自动驾驶期间实时确定控制命令。

应注意，如上文示出和描述的部件中的一些或全部可以在软件、硬件或其组合中实施。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器(未示出)加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件(诸如，集成电路(例如，专用集成电路或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA))中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和/或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。

图10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或服务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，某些实施方式中可以具有附加的部件，此外，其它实施方式中可以具有所示部件的不同布置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个(或多个)指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。

在一个实施方式中，系统1500包括通过总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实施其它指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器、加密处理器、协处理器、嵌入式处理器、或者能够处理指令的任何其它类型的逻辑。

处理器1501(其可以是低功率多核处理器套接口，诸如超低电压处理器)可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统(SoC)。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示装置。

处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)装置，诸如，随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或者其它类型的存储装置。存储器1503可以存储包括由处理器1501或任何其它装置执行的指令序列的信息。例如，各种操作系统、装置驱动程序、固件(例如，输入输出基本系统或BIOS)和/或应用的可执行代码和/或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统(ROS)、来自公司的/>操作系统、来自苹果公司的/>来自/>公司的LINUX、UNIX，或者其它实时或嵌入式操作系统。

系统1500还可以包括IO装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其它可选的IO装置1507。网络接口装置1505可以包括无线收发器和/或网络接口卡(NIC)。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其它射频(RF)收发器或者它们的组合。NIC可以是以太网卡。

输入装置1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示装置1504集成在一起)、指针装置(诸如，手写笔)和/或键盘(例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘)。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术(包括但不限于电容、电阻、红外和表面声波技术)中的任一种，以及其它接近传感器阵列或用于确定与触摸屏接触的一个或多个点的其它元件来检测其接触和移动或间断。

IO装置1507可以包括音频装置。音频装置可以包括扬声器和/或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和/或电话功能。其它IO装置1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，诸如加速度计运动传感器、陀螺仪、磁强计、光传感器、罗盘、接近传感器等)或者它们的组合。装置1507还可以包括成像处理子系统(例如，摄像机)，所述成像处理子系统可以包括用于促进摄像机功能(诸如，记录照片和视频片段)的光学传感器，诸如电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而诸如键盘或热传感器的其它装置可以根据系统1500的具体配置或设计由嵌入式控制器(未示出)控制。

为了提供对诸如数据、应用、一个或多个操作系统等信息的永久性存储，大容量存储设备(未示出)也可以联接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储设备可以经由固态装置(SSD)来实施。然而，在其它实施方式中，大容量存储设备可以主要使用硬盘驱动器(HDD)来实施，其中较小量的SSD存储设备充当SSD高速缓存以在断电事件期间实现上下文状态以及其它此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行外围接口(SPI)联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其它固件。

存储装置1508可以包括计算机可访问的存储介质1509(也被称为机器可读存储介质或计算机可读介质)，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述部件中的任一个，例如，规划模块305、控制模块306以及校准表生成器125。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发明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发明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

1.一种用于操作自动驾驶车辆ADV的计算机实施的方法，所述方法包括：

接收驱动所述ADV从所述ADV的当前速度达到目标加速度的请求；

周期性地确定与所述ADV相关的驾驶环境；

在所述ADV在所确定的驾驶环境中行驶时，在预定时间段内收集第一组驾驶统计数据；

基于所述当前速度和所述目标加速度在所选择的命令校准表中执行查找操作，以定位与所述当前速度和所述目标加速度匹配的条目，其中，所选择的命令校准表是已预先配置的多个命令校准表中的一个；

从与所确定的驾驶环境相关的多个命令校准表中识别一组命令校准表候选；

计算所述命令校准表候选中的每一个的相似性得分；

选择所述命令校准表候选中的具有最高相似性得分的一个作为所选择的命令校准表；

从所选择的命令校准表的匹配条目中获取控制命令；以及

向所述ADV发出所述控制命令以控制所述ADV达到所述目标加速度。

2.根据权利要求1所述的方法，其中，所述多个命令校准表中的每一个与预定驾驶环境相关，所述预定驾驶环境包括指示所述ADV正行驶的道路是潮湿还是干燥的天气状况、所述道路的路面状况、以及表示所述ADV的当前负载状况的轮胎压力。

3.根据权利要求2所述的方法，其中，所述多个命令校准表中的每一个与所述天气状况、所述路面的粗糙度和所述轮胎压力的特定组合对应。

4.根据权利要求1所述的方法，其中，基于从与所述命令校准表相关的特定驾驶环境中行驶的车辆收集的驾驶统计数据来创建所述多个命令校准表中的每一个，包括采集所发出的不同的控制命令以及测量所述车辆在不同时间点处的速度和加速度。

5.根据权利要求1所述的方法，还包括：

基于所述驾驶环境选择多个命令校准表中的一个作为所选择的命令校准表，所选择的命令校准表中的每一个对应于多个驾驶环境设定中的一个。

6.根据权利要求5所述的方法，其中，执行查找操作并发出控制命令是通过第一执行线程执行的，以及其中，周期性地确定驾驶环境并选择多个命令校准表中的一个作为所选择的命令校准表是经由第二执行线程执行的。

7.根据权利要求5所述的方法，其中，基于所述驾驶环境选择多个命令校准表中的一个作为所选择的命令校准表包括：

将所述第一组驾驶统计数据与从所述命令校准表候选中的每一个中获得的第二组驾驶统计数据进行比较；

基于比较结果计算所述命令校准表候选中的每一个的相似性得分。

8.根据权利要求7所述的方法，其中，将所述第一组驾驶统计数据与所述第二组驾驶统计数据进行比较并计算相似度得分包括：

对于在特定时间点测量的所述第一组驾驶统计数据中的每个子集：

获取第一速度、所发出的第一控制命令和所测量的来自车辆的第一响应，

在命令校准表候选中执行查找操作以定位具有分别与所述第一速度和所述第一控制命令匹配的第二速度和第二控制命令的条目，以及

计算所述第一响应与从所匹配的条目获得的第二响应之间的差异；以及

基于实时测量的响应与来自所述命令校准表候选的预先记录的响应之间的平均差异，计算所述命令校准表候选的相似性得分。

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使所述处理器执行操作，所述操作包括：

接收驱动自动驾驶车辆ADV从所述ADV的当前速度达到目标加速度的请求；

周期性地确定与所述ADV相关的驾驶环境；

计算所述命令校准表候选中的每一个的相似性得分；

从所选择的命令校准表的匹配条目中获取控制命令；以及

10.根据权利要求9所述的机器可读介质，其中，所述多个命令校准表中的每一个与预定驾驶环境相关，所述预定驾驶环境包括指示所述ADV正行驶的道路是潮湿还是干燥的天气状况、所述道路的路面状况、以及表示所述ADV的当前负载状况的轮胎压力。

11.根据权利要求10所述的机器可读介质，其中，所述多个命令校准表中的每一个与所述天气状况、所述路面的粗糙度和所述轮胎压力的特定组合对应。

12.根据权利要求9所述的机器可读介质，其中，基于从与所述命令校准表相关的特定驾驶环境中行驶的车辆收集的驾驶统计数据来创建所述多个命令校准表中的每一个，包括采集所发出的不同的控制命令以及测量所述车辆在不同时间点处的速度和加速度。

13.根据权利要求9所述的机器可读介质，其中，所述操作还包括：

14.根据权利要求13所述的机器可读介质，其中，执行查找操作并发出控制命令是通过第一执行线程执行的，以及其中，周期性地确定驾驶环境并选择多个命令校准表中的一个作为所选择的命令校准表是经由第二执行线程执行的。

15.根据权利要求13所述的机器可读介质，其中，基于所述驾驶环境选择多个命令校准表中的一个作为所选择的命令校准表包括：

16.根据权利要求15所述的机器可读介质，其中，将所述第一组驾驶统计数据与所述第二组驾驶统计数据进行比较并计算相似度得分包括：

基于实时测量的响应与来自所述命令校准表候选的预先记录的响应之间的平均差异来计算所述命令校准表候选的相似性得分。

17.一种用于操作自动驾驶车辆的计算机实施的方法，所述方法包括：

周期性地确定与自动驾驶车辆ADV相关的驾驶环境；

当所述ADV在所确定的驾驶环境中行驶时，在预定时间段内收集第一组驾驶统计数据；

从与所确定的驾驶环境相关的多个命令校准表中识别一组命令校准表候选，所述命令校准表中的每一个对应于多个驾驶环境设定中的一个；

将所述第一组驾驶统计数据与从所述命令校准表候选中的每一个获得的第二组驾驶统计数据进行比较；

基于比较结果计算所述命令校准表候选中的每一个的相似性得分；以及

选择所述命令校准表候选中的具有最高相似度得分的一个，其中，所选择的命令校准表用于产生后续控制命令以控制所述ADV。

18.根据权利要求17所述的方法，其中，将所述第一组驾驶统计数据与所述第二组驾驶统计数据进行比较并计算相似度得分包括：

19.根据权利要求17所述的方法，其中，所述多个命令校准表中的每一个与预定驾驶环境相关，所述预定驾驶环境包括指示所述ADV正行驶的道路是潮湿还是干燥的天气状况、所述道路的路面状况、以及表示所述ADV的当前负载状况的轮胎压力。

20.根据权利要求19所述的方法，其中，所述多个命令校准表中的每一个与所述天气状况、所述路面的粗糙度和所述轮胎压力的特定组合对应。

21.根据权利要求17所述的方法，其中，基于从与所述命令校准表相关的特定驾驶环境中行驶的车辆收集的驾驶统计数据来创建所述多个命令校准表中的每一个，包括采集所发出的不同的控制命令以及测量所述车辆在不同时间点处的速度和加速度。