CN111273655B - 用于自动驾驶车辆的运动规划方法和系统 - Google Patents

Abstract

本文公开了用于自动驾驶车辆(AV)中的运动规划的方法和系统，其将路径规划和速度规划分离，并且可以使用参考线与运动规划器相结合来确定路径。该方法可以包括参考线以将规划数据投影到S‑L坐标系中。运动规划器算法使用所述参考线和先前的路径规划历史来产生所述S‑L坐标系中的路径。确定所述路径的速度。AV控制器利用所述路径和所述速度而被更新。运动规划计算可使用动态车辆查找表，以基于初始状态和控制输入来确定可能的车辆运动。

Description

用于自动驾驶车辆的运动规划方法和系统

相关申请的交叉参考

本申请要求2018年11月16日递交的美国临时专利申请No.62/768,439以及2018年12月21日递交的美国专利申请No.16/230,121的优先权和权益，这些专利申请的全部公开内容通过引用而被并入本文。

技术领域

本公开涉及自动驾驶车辆。更具体地，本公开涉及用于道路上自动驾驶车辆的运动规划。

背景技术

自动驾驶车辆使用基于采样的运动规划器，诸如用于路径规划的快速扩展随机树(RRT)及其变型。通过迭代地创建探索树，这些方法具有覆盖整个搜索空间的属性并搜索解。然而，实现用于道路上自动驾驶车辆的基于采样的运动规划器提出了若干挑战。该运动规划器必须考虑车辆动态(dynamics)。这增加了搜索问题的维度，并导致增加了搜索时间。此外，RRT及其变型的探测速率在复杂环境(例如，弯曲道路)中经常变得停滞或减慢。结果，所述运动规划器经常失败或产生较差的解。RRT及其变型的另一个缺点是使用随机采样。尽管这有助于快速覆盖搜索空间，但是解并不总是保证最优性，并且会在每个规划周期中改变。

发明内容

本文公开了用于运动规划的方法和系统，其将路径规划和速度规划分离，并且其中路径规划可以将参考线与基于采样的运动规划器相结合使用来确定路径。一种用于自动驾驶车辆(AV)中的运动规划的方法将路径规划和速度规划分离，并且可以使用参考线与运动规划器相结合来确定路径。该方法可以包括参考线以将规划数据投影到S-L坐标系中。运动规划器算法使用所述参考线和先前的路径规划历史来产生所述S-L坐标系中的路径。确定所述路径的速度。AV控制器利用所述路径和所述速度而被更新。运动规划计算可使用动态车辆查找表，以基于初始状态和控制输入来确定可能的车辆运动。

附图说明

当结合附图阅读时，从以下详细描述中可以最好地理解本公开的内容。要强调的是，根据惯例，附图的各种特征不是按比例绘制的。相反，为了清楚起见，各种特征的尺寸被任意地扩大或缩小。

图1是根据本公开的实施例的车辆的示例的示意图。

图2是图1所示的控制系统的示例的示意图。

图3是根据本公开的实施例的车辆控制系统的示例的示意图。

图4是根据本公开的实施例的包括车辆控制系统的车辆的侧视图的示例的示意图。

图5是根据本公开的实施例的车辆控制系统的示例的示意图。

图6是根据本公开的实施例的使用参考线的运动规划的通用框架的示例的示意图。

图7是根据本发明的实施例的用于使用参考线进行运动规划的方法的示例的示意图。

图8是根据本发明的实施例的使用参考线的运动规划的输入和输出动态的示例的框图。

图9是根据本公开的实施例的如何填充查找表的示例的框图。

图10是根据本公开的实施例的如何使用查找表的示例的框图。

具体实施方式

现在将更详细地参考本发明的优选实施例，其示例在附图中示出。在可能的情况下，在所有附图和说明书中使用相同的附图标记来表示相同或相似的组件。

如本文所使用的，术语“计算机”或“计算设备”包括能够执行本文所公开的任何方法或其任何一个或多个部分的任何单元或单元的组合。

如本文所用，术语“处理器”指示一个或多个处理器，例如一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个微控制器、一个或多个应用处理器、一个或多个中央处理单元(CPU)、一个或多个图形处理单元(GPU)、一个或多个数字信号处理器(DSP)、一个或多个专用集成电路(ASIC)、一个或多个专用标准产品、一个或多个现场可编程门阵列、任何其它类型的集成电路或其组合、一个或多个状态机或其任何组合。

如本文所使用的，术语“存储器”指示可以有形地包含、存储、传送或传输可以由任何处理器使用或与任何处理器结合使用的任何信号或信息的任何计算机可用或计算机可读介质或设备。例如，存储器可以是一个或多个只读存储器(ROM)、一个或多个随机存取存储器(RAM)、一个或多个寄存器、低功率双倍数据速率(LPDDR)存储器、一个或多个高速缓存存储器、一个或多个半导体存储器设备、一个或多个磁媒体、一个或多个光媒体、一个或多个磁光媒体、或其任何组合。

如本文所使用的，术语“指令”可以包括用于执行本文所公开的任何方法或其任何部分或多个部分的指导或表达，并且可以以硬件、软件或其任何组合来实现。例如，指令可以被实现为存储在存储器中的信息，诸如计算机程序，其可以由处理器执行以执行如本文所述的相应方法、算法、方面或其组合中的任何一个。指令或其一部分可以被实现为专用处理器或电路，其可以包括用于执行如本文所述的方法、算法、方面或其组合中的任何一个的专用硬件。在一些实施方式中，所述指令的部分可以分布在单个设备上的多个处理器上、分布在多个设备上，所述多个设备可以直接通信或者跨诸如局域网、广域网、因特网或其组合的网络通信。

如本文所使用的，术语“确定”和“识别”或其任何变型包括使用本文所示和所述的设备和方法中的一个或多个以任何方式选择、查明、计算、查找、接收、确定、建立、获得或以其他方式识别或确定。

如本文所使用的，术语“示例”、“实施例”、“实现”、“方面”、“特征”或“元素”指示用作示例、实例或说明的目的。除非明确指出，否则任何示例、实施例、实现、方面、特征或元素独立于彼此，并且可以与任何其他示例、实施例、实现、方面、特征或元素组合使用。

如本文所用，术语“或”旨在表示包含性的“或”而不是排他性的“或”。也就是说，除非另外指定，或者从上下文中可以很清楚地确定，否则“X包括A或B”意在指示任何自然的包含性排列。也就是说，如果X包括A；X包括B；或者X包括A和B，则在任何前述情况下满足“X包括A或B”。另外，除非另外指定或从上下文中清楚地涉及了单数形式，否则如本申请和所附权利要求中所使用的冠词“一”和“一个”一般应被解释为意指“一个或多个”。

此外，为了简化说明，尽管本文的附图和描述可以包括步骤或阶段的序列或系列，但是本文公开的方法的元素可以以各种顺序或同时发生。另外，本文公开的方法的元素可以与本文未明确呈现和描述的其他元素一起发生。此外，为了实现根据本公开的方法，并非本文描述的方法的所有发生都是需要的。尽管在此以特定的组合描述了方面、特征和元素，但是每个方面、特征或元素可以独立地使用或者在具有或不具有其他方面、特征和元素的情况下以各种组合使用。

自动驾驶车辆使用基于采样的运动规划器，诸如用于路径规划的快速扩展随机树(RRT)及其变型。通过迭代地创建探索树，这些方法具有覆盖整个搜索空间的属性并搜索解。然而，实现用于道路上自动驾驶车辆的基于采样的运动规划器提出了若干挑战。该运动规划器必须考虑车辆动态。这增加了搜索问题的维度，并导致增加了搜索时间。此外，RRT及其变型的探测速率在复杂环境(例如，弯曲道路)中经常变得停滞或减慢。结果，所述运动规划器经常失败或产生较差的解。RRT及其变型的另一个缺点是使用随机采样。尽管这有助于快速覆盖搜索空间，但是解并不总是保证最优性，并且会在每个规划周期中改变。

一种自动驾驶车辆包括对象检测系统、导航系统和控制器系统。所述对象检测系统被配置为确定其他车辆或诸如行人和骑车人之类的对象是否将与主车辆(hostvehicle)的行驶路径相交。所述导航系统被配置为确定所述主车辆的行驶路径。所述控制器系统被配置为与对象检测系统和导航系统通信以操作主车辆的转向/加速度曲线(profile)，该曲线避免与其他车辆或对象的潜在碰撞。这里描述的导航系统使用用于运动规划的方法，该方法将路径规划和速度规划分离，并且其中路径规划可以结合基于采样的运动规划器来使用参考线以确定路径。所描述的运动规划方法可以提供有效的运动规划器，该运动规划器实时操作并且生成用于车辆运动的可行、安全和舒适的运动轨迹。

图1是根据本公开的实施例的车辆1000的示例的示意图。车辆1000可以是自动驾驶车辆(AV)或半自动驾驶车辆。如图1所示，车辆1000包括控制系统1010。该控制系统1010可以被称为控制器。所述控制系统1010包括处理器1020。该处理器1020被编程以命令施加以下之一：达到预定转向扭矩值和达到预定净非对称制动力值。每个预定力被选择以实现预定车辆横摆转矩，该预定车辆横摆转矩至多是以下两者的较小者：由对转向系统1030进行致动而产生的第一最大横摆转矩以及由对制动系统进行致动而产生的第二最大横摆转矩。

所述转向系统1030可以包括转向致动器1040，其是电动助力转向致动器。所述制动系统可包括联接到车辆1000的相应车轮1060的一个或多个制动器1050。另外，所述处理器1020可以被编程为命令所述制动系统通过每个制动器1050施加与其他制动器1050不同的制动力来施加净非对称制动力。

所述处理器1020可进一步被编程为响应于所述转向系统1030的故障而命令所述制动系统施加制动力，例如净非对称制动力。附加地或替代地，所述处理器1020可以被编程为响应于所述转向系统1030的故障而向乘员提供警告。所述转向系统1030可以是动力转向控制模块。所述控制系统1010可以包括所述转向系统1030。另外，所述控制系统1010可以包括所述制动系统。

所述转向系统1030可以包括转向致动器1040，其是电动助力转向致动器。所述制动系统可包括两个制动器1050，其联接到车辆1000的相对侧上的相应的车轮1060。另外，所述方法可包括通过每个制动器1050施加不同的制动力来命令所述制动系统施加净非对称制动力。

如果在车辆1000正在执行转弯时转向系统1030和制动系统中的一者故障，则控制系统1010允许转向系统1030和制动系统中的另一者进行接管。无论所述转向系统1030和制动系统中的哪一者保持可操作，均能够向车辆1000施加足够的横摆转矩以继续所述转弯。因此，所述车辆1000不太可能撞击诸如另一车辆或道路障碍物的对象，并且所述车辆1000的任何乘员不太可能受伤。

所述车辆1000可以在自动驾驶车辆操作的一个或多个级别中操作。出于本公开的目的，自动驾驶模式被定义为这样一模式：其中车辆1000的推进(例如，经由包括电动机和/或内燃机的动力总成)、制动和转向中的每一者均由处理器1020控制；在半自动驾驶模式中，处理器1020控制车辆1000的推进、制动和转向中的一者或两者。因此，在一个示例中，非自动驾驶操作模式可以指SAE级别0-1，部分自动驾驶或半自动驾驶操作模式可以指SAE级别2-3，而完全自动驾驶操作模式可以指SAE级别4-5。

参考图2，所述控制系统1010包括所述处理器1020。该处理器1020被包括在车辆1000中，用于执行各种操作，这其中包括如本文所述的操作。所述处理器1020是计算设备，其通常包括处理器和存储器，所述存储器包括一种或多种形式的计算机可读媒体，并且存储可由处理器执行以用于执行各种操作的指令，这其中包括如本文所公开的操作。所述处理器1020的存储器通常还存储经由各种通信机制接收的远程数据；例如，处理器1020通常被配置用于在车辆1000内的通信网络上通信。处理器1020还可以具有到车载诊断连接器(OBD-II)的连接。尽管为了便于说明，在图2中示出了一个处理器1020，但是应当理解，处理器1020可以包括一个或多个计算设备，并且本文描述的各种操作可以由该一个或多个计算设备来执行。处理器1020可以是控制模块，例如动力转向控制模块，或者可以包括控制模块以及其它计算设备。

所述控制系统1010可以通过通信网络传输信号，该通信网络可以是控制器局域网(CAN)总线、以太网、局域互连网络(LIN)、蓝牙和/或通过任何其它有线或无线通信网络。所述处理器1020可以与推进系统2010、转向系统1030、制动系统2020、传感器2030和/或用户接口2040以及其它组件通信。

继续参考图2，车辆1000的推进系统2010产生能量并将该能量转换成车辆1000的运动。所述推进系统2010可以是已知的车辆推进子系统，例如，包括联接到将旋转运动传递到行走轮1060的传动设备的内燃发动机的传统动力总成；包括电池、电动机和将旋转运动传递到行走轮1060的传动设备的电动动力总成；包括传统动力总成和电动动力总成的元件的混合动力总成；或任何其它类型的推进设备。所述推进系统2010与处理器1020和驾驶员通信并接收来自它们的输入。所述驾驶员可以通过例如加速器踏板和/或变速杆(未示出)来控制所述推进系统2010。

参照图1和2，所述转向系统1030通常是已知的车辆转向子系统，并且控制行走轮1060的转向。所述转向系统1030与方向盘1070和处理器1020通信且从其接收输入。所述转向系统1030可以是齿条齿轮转向系统(其具有经由转向致动器1040的电动助力转向)、线控转向系统(这两者都是如本领域已知的)、或任何其它合适的系统。所述转向系统1030可以包括固定到转向柱1080的方向盘1070，其中该转向柱1080联接到转向齿条1090。

参照图1，所述转向齿条1090以可转动的方式(例如，以四杆联动机构的方式)联接于所述行走轮1060。所述转向齿条1090的平移运动导致所述行走轮1060的转向。所述转向柱1080可以经由齿条齿轮(即，齿轮和齿条(未示出)之间的齿轮啮合)联接到所述转向齿条1090。

所述转向柱1080将方向盘1070的旋转转换成转向齿条1090的移动。所述转向柱1080可以是例如将所述方向盘1070连接到转向齿条1090的轴。所述转向柱1080可以容纳扭转传感器和离合器(未示出)。

所述方向盘1070允许操作者通过将方向盘1070的旋转传递到转向齿条1090的移动来使车辆1000转向。所述方向盘1070可以是例如已知的固定地附接到转向柱1080的刚性环。

继续参考图1，所述转向致动器1040联接到所述转向系统1030(例如转向柱1080)以便引起行走轮1060的转向。例如，所述转向致动器1040可以是可旋转地联接到转向柱1080的电动机，即，联接成能够向转向柱1080施加转向扭矩。所述转向致动器1040可以与所述处理器1020通信。

所述转向致动器1040可向所述转向系统1030提供动力辅助。换句话说，所述转向致动器1040可在方向盘1070由驾驶员旋转的方向上提供扭矩，从而允许驾驶员以较少的力来转动方向盘1070。所述转向致动器1040可以是电动助力转向致动器。

参照图1和2，制动系统2020通常是已知的车辆制动子系统，并且阻止车辆1000的运动，从而使车辆1000减速和/或停止。所述制动系统2020包括联接到行走轮1060的制动器1050。该制动器1050可以是摩擦制动器，例如盘式制动器、鼓式制动器、带式制动器等；再生制动器；任何其它合适类型的制动器；或组合。所述制动器1050可联接到例如车辆1000的相对侧上的相应行走轮1060。所述制动系统2020与处理器1020和驾驶员通信并且接收来自它们的输入。所述驾驶员可以通过例如制动踏板(未示出)来控制制动。

参考图2，所述车辆1000可包括传感器2030。该传感器2030可以检测车辆1000的内部状态，例如，车轮速度、车轮朝向以及发动机和传动装置变量。所述传感器2030可以检测车辆1000的位置或朝向，例如，全球定位系统(GPS)传感器；加速度计，例如压电或微机电系统(MEMS)；陀螺仪，例如速率、环形激光器或光纤陀螺仪；惯性测量单元(IMU)；和磁力计。所述传感器2030可以检测外部世界，例如，雷达传感器、扫描激光测距仪、光检测和测距(LIDAR)设备以及诸如摄像机的图像处理传感器。所述传感器2030可以包括通信设备，例如，车辆到基础设施(V2I)设备、车辆到车辆(V2V)设备或车辆到所有物(V2E)设备。

所述用户接口2040向车辆1000的乘员呈现信息并从乘员接收信息。所述用户接口2040可以位于例如车辆1000的客舱(未示出)中的仪表板上，或者可以容易地被乘员看到的任何地方。所述用户接口2040可以包括刻度盘、数字读出器、屏幕、扬声器等以用于输出，即，向乘员提供信息，例如，其可包括诸如已知的元件的人机接口(HMI)。所述用户接口2040可以包括用于从乘员接收输入(即，信息、指令等)的按钮、旋钮、键盘、触摸屏、麦克风等。

图3是根据本公开的实施例的车辆控制系统3000的示例的示意图。车辆控制系统3000可以包括各种组件，这取决于特定实施方式的要求。在一些实施例中，车辆控制系统3000可以包括处理单元3010、图像获取单元3020、位置传感器3030、一个或多个存储器单元3040、3050、地图数据库3060、用户接口3070和无线收发器3072。处理单元3010可以包括一个或多个处理设备。在一些实施例中，处理单元3010可以包括应用处理器3080、图像处理器3090或任何其他合适的处理设备。类似地，图像获取单元3020可根据特定应用的要求而包括任何数量的图像获取设备和组件。在一些实施例中，图像获取单元3020可包括一个或多个图像捕获设备(例如，摄像机、CCD或任何其他类型的图像传感器)，诸如图像捕获设备3022、图像捕获设备3024和图像捕获设备3026。系统3000还可以包括将处理单元3010通信地连接到图像获取单元3020的数据接口3028。例如，数据接口3028可以包括用于将由图像获取单元3020获取的图像数据传输到处理单元3010的一个或多个任何有线和/或无线链路。

无线收发器3072可以包括被配置为通过使用射频、红外频率、磁场或电场来通过空中接口将传输交换到一个或多个网络(例如，蜂窝网络、因特网等)的一个或多个设备。无线收发器3072可以使用任何已知的标准来发送和/或接收数据(例如，Wi-Fi、蓝牙智能、802.15.4、ZigBee等)。这种传输可以包括从主车辆到一个或多个位于远程位置的服务器的通信。这种传输还可以包括主车辆与该主车辆环境中的一个或多个目标车辆之间的通信(单向或双向通信)(例如，以便于考虑主车辆环境中的目标车辆或与主车辆环境中的目标车辆一起协调主车辆的导航)，或者甚至包括到执行发送操作的车辆附近的未指定接收者的广播传输。

应用处理器3080和图像处理器3090都可以包括各种类型的基于硬件的处理设备。例如，应用处理器3080和图像处理器3090中的任一者或两者可以包括微处理器、预处理器(诸如图像预处理器)、图形处理器、中央处理单元(CPU)、支持电路、数字信号处理器、集成电路、存储器或适合于运行应用和用于图像处理和分析的任何其他类型的设备。在一些实施例中，应用处理器180和/或图像处理器190可以包括任何类型的单核或多核处理器、移动设备微控制器、或中央处理单元等。

在一些实施例中，应用处理器3080和/或图像处理器3090可以包括具有本地存储器和指令集的多个处理单元。这些处理器可包含用于从多个图像传感器接收图像数据的视频输入，且还可包含视频输出能力。在一个示例中，所述处理器可以使用在332Mhz下操作的90纳米-微米技术。

本文公开的任何处理设备可以被配置为执行某些功能。配置诸如所描述的处理器、其他控制器或微处理器中的任何一个之类的处理设备以执行某些功能可以包括对计算机可执行指令进行编程并且使得这些指令可用于所述处理设备以便在该处理设备的操作期间执行。在一些实施例中，配置处理设备可以包括直接用架构指令对该处理设备进行编程。在其他实施例中，配置处理设备可以包括将可执行指令存储在该处理设备在操作期间可访问的存储器上。例如，所述处理设备可以在操作期间访问所述存储器以获得并执行所存储的指令。在任一情况下，被配置为执行本文公开的感测、图像分析和/或导航功能的处理设备表示专用的基于硬件的系统，其控制主车辆的多个基于硬件的组件。

虽然图3描绘了包括在处理单元3010中的两个单独的处理设备，但是可以使用更多或更少的处理设备。例如，在一些实施例中，单个处理设备可以用于完成应用处理器3080和图像处理器3090的任务。在其它实施例中，这些任务可以由多于两个处理设备执行。此外，在一些实施例中，车辆控制系统3000可以包括一个或多个处理单元3010，而不包括其他组件，例如图像获取单元3020。

处理单元3010可以包括各种类型的设备。例如，处理单元3010可以包括各种设备，诸如控制器、图像预处理器、中央处理单元(CPU)、支持电路、数字信号处理器、集成电路、存储器、或用于图像处理和分析的任何其他类型的设备。所述图像预处理器可包括视频处理器，其用于捕获、数字化和处理来自图像传感器的图像。所述CPU可以包括任意数量的微控制器或微处理器。所述支持电路可以是本领域公知的任意数量的电路，包括高速缓存、电源、时钟和输入输出电路。所述存储器可以存储软件，当该软件由处理器执行时，该软件控制系统的操作。所述存储器可以包括数据库和图像处理软件。所述存储器可以包括任意数量的随机存取存储器、只读存储器、闪存、盘驱动器、光存储设备、磁带存储设备、可移动存储设备和其它类型的存储设备。在一个实例中，所述存储器可以与所述处理单元3010分离。在另一实例中，所述存储器可以集成到所述处理单元3010中。

每个存储器3040、3050可以包括软件指令，当该软件指令由处理器(例如，应用处理器3080和/或图像处理器3090)执行时，该软件指令可以控制车辆控制系统3000的各个方面的操作。这些存储器单元可以包括各种数据库和图像处理软件，以及诸如神经网络或深度神经网络等经训练的系统。所述存储器单元可以包括随机存取存储器、只读存储器、闪存、盘驱动器、光存储设备、磁带存储设备、可移动存储设备和/或任何其它类型的存储设备。在一些实施例中，存储器单元3040、3050可以与应用处理器3080和/或图像处理器3090分离。在其它实施例中，这些存储器单元可以集成到应用处理器3080和/或图像处理器3090中。

位置传感器3030可以包括适于确定与车辆控制系统3000的至少一个组件相关联的位置的任何类型的设备。在一些实施例中，位置传感器3030可包括GPS接收器。这样的接收器可以通过处理由全球定位系统卫星广播的信号来确定用户位置和速度。来自位置传感器3030的位置信息可以被使得可用于应用处理器3080和/或图像处理器3090。

在一些实施例中，车辆控制系统3000可以包括各种组件，诸如用于测量车辆1000的速度的速度传感器(例如，速度计)。车辆控制系统3000还可以包括一个或多个加速度计(单轴或多轴加速度)，用于测量车辆1000沿一个或多个轴的加速度。

所述存储器单元3040、3050可以包括数据库或以任何其他形式组织的数据，其指示已知地标的位置。环境的感知信息(例如图像、雷达信号、来自LIDAR的深度信息或关于两个或多个图像的立体处理)可以与位置信息(例如GPS坐标、车辆的自身运动等)一起被处理，以确定车辆相对于已知地标的当前位置，并细化所述车辆位置。

用户接口3070可以包括适于向车辆控制系统3000的一个或多个用户提供信息或从其接收输入的任何设备。在一些实施例中，用户接口3070可以包括用户输入设备，其包括例如触摸屏、麦克风、键盘、指示器设备、跟踪轮、摄像机、旋钮、或按钮等。利用这样的输入设备，用户能够通过键入指令或信息、提供语音命令、使用按钮、指针或眼部跟踪能力在屏幕上选择菜单选项、或通过用于将信息传送到车辆控制系统3000的任何其他合适的技术来向车辆控制系统3000提供信息输入或命令。

用户接口3070可以被配备有一个或多个处理设备，该处理设备被配置为向用户提供信息和从用户接收信息，并且处理该信息以供例如应用处理器3080使用。在一些实施例中，此类处理设备可执行用于辨识和跟踪眼部移动、接收和解释语音命令、辨识和解释在触摸屏上作出的触摸和/或手势、响应键盘输入或菜单选择等的指令。在一些实施例中，用户接口3070可以包括显示器、扬声器、触觉设备和/或用于向用户提供输出信息的任何其他设备。

地图数据库3060可以包括用于存储对车辆控制系统3000有用的地图数据的任何类型的数据库。在一些实施例中，地图数据库3060可以包括与各种项目在参考坐标系中的位置有关的数据，所述项目包括道路、水特征、地理特征、商业、兴趣点、餐馆、加油站等。地图数据库3060不仅可以存储这些项目的位置，而且可以存储与这些项目相关的描述符，这其中包括例如与任何所存储的特征相关联的名称。在一些实施例中，地图数据库3060可以与车辆控制系统3000的其他组件在物理上位于一起。替代地或附加地，地图数据库3060或其一部分可以相对于车辆控制系统3000的其他组件(例如，处理单元3010)位于远程位置。在这样的实施例中，来自地图数据库3060的信息可以通过到网络的有线或无线数据连接(例如，通过蜂窝网络和/或因特网等)而被下载。在一些情况下，地图数据库3060可以存储稀疏数据模型，该稀疏数据模型包括用于主车辆的某些道路特征(例如，车道标志)或目标轨迹的多项式表示。地图数据库3060还可以包括所存储的各种识别的地标的表示，所述地标可以用于确定或更新主车辆相对于目标轨迹的已知位置。所述地标表示可以包括诸如地标类型、地标位置以及其它潜在标识符的数据字段。

图像捕获设备3022、3024和3026可以各自包括适合于从环境捕获至少一个图像的任何类型的设备。此外，可以使用任何数量的图像捕获设备来获取图像以输入到图像处理器。一些实施例可仅包括单个图像捕获设备，而其它实施例可包括两个、三个或甚至四个或更多个图像捕获设备。以下将参考图4进一步描述图像捕获设备3022、3024和3026。

一个或多个摄像机(例如，图像捕获设备3022、3024和3026)可以是包括在车辆上的感测块的一部分。各种其它传感器可以包括在所述感测模块中，并且可以依赖于任何或所有所述传感器来形成车辆的感测导航状态。除了摄像机(前向、侧向、后向摄像机等)之外，诸如雷达、LIDAR和声学传感器的其他传感器可以被包括在所述感测块中。另外，所述感测块可以包括被配置为传送和发送/接收与车辆的环境有关的信息的一个或多个组件。例如，这种组件可以包括无线收发器(RF等)，其可以从相对于主车辆传感器位于远程位置的源接收基于传感器信息或与主车辆的环境有关的任何其它类型的信息。这种信息可以包括从除了主车辆之外的车辆系统接收的传感器输出信息或相关信息。在一些实施例中，这种信息可以包括从远程计算设备、中央服务器等接收的信息。此外，所述摄像机可以采取许多不同的配置：单个摄像机单元、多个摄像机、摄像机集群、长FOV、短FOV、广角、或鱼眼等。

图4是根据本公开的实施例的包括车辆控制系统3000的车辆1000的侧视图的示例的示意图。例如，车辆1000可以配备处理单元3010和车辆控制系统3000的任何其他组件，如上面关于图3所描述的。而在一些实施例中，车辆1000可以仅配备单个图像捕获设备(例如，摄像机)，在其他实施例中，可以使用多个图像捕获设备。例如，如图4所示，车辆1000的图像捕获设备3022和3024中的任一者可以是高级驾驶员辅助系统(ADAS)成像组的一部分。

作为图像获取单元3020的一部分的包括在车辆1000上的图像捕获设备可以位于任何合适的位置。在一些实施例中，图像捕获设备3022可位于后视镜附近。该位置可提供与车辆1000的驾驶员的视线类似的视线，这可帮助确定什么对于驾驶员是可见的和不可见的。图像捕获设备3022可位于后视镜附近的任何位置，但将图像捕获设备3022放置在镜子的驾驶员侧上可进一步帮助获得表示驾驶员的视野和/或视线的图像。

也可使用用于图像获取单元3020的图像捕获设备的其他位置。例如，图像捕获设备3024可位于车辆1000的保险杠上或保险杠中。这样的位置可能特别适合于具有宽视场的图像捕获设备。位于保险杠的图像捕获设备的视线可能不同于驾驶员的视线，因此，保险杠图像捕获设备和驾驶员可能不总是看到相同的对象。所述图像捕获设备(例如，图像捕获设备3022、3024和3026)也可以位于其他位置。例如，所述图像捕获设备可以位于车辆1000的侧镜中的一个或两个上或其中、位于车辆1000的车顶上、位于车辆1000的引擎盖上、位于车辆1000的行李箱上、位于车辆1000的侧面上、安装在车辆1000的任何窗户上、位于车辆1000的任何窗户之前或之后、以及安装在车辆1000的前面和/或后面的灯具中或附近。

除了图像捕获设备之外，车辆1000可以包括车辆控制系统3000的各种其他组件。例如，处理单元3010可以被包括在车辆1000上，其可与车辆的发动机控制单元(ECU)集成或分离。车辆1000还可装备有位置传感器3030，例如GPS接收器，并且还可包括地图数据库3060和存储器单元3040和3050。

如前所述，无线收发器3072可以和/或通过一个或多个网络(例如，蜂窝网络、因特网等)接收数据。例如，无线收发器3072可以将由车辆控制系统3000收集的数据上传到一个或多个服务器，并且从该一个或多个服务器下载数据。通过无线收发器3072，车辆控制系统3000可以接收例如对存储在地图数据库3060、存储器3040和/或存储器3050中的数据的周期性或按需更新。类似地，无线收发器3072可以将来自车辆控制系统3000的任何数据(例如，由图像获取单元3020捕获的图像、由位置传感器3030或其他传感器、车辆控制系统等接收的数据)和/或由处理单元3010处理的任何数据上传到所述一个或多个服务器。

车辆控制系统3000可以基于隐私级别设置将数据上传到服务器(例如，上传到云)。例如，车辆控制系统3000可以实现隐私级别设置以调节或限制发送到服务器的数据(包括元数据)的类型，该数据可以唯一地标识车辆和/或车辆的驾驶员/所有者。这样的设置可以由用户经由例如无线收发器3072来设置，由工厂默认设置来初始化，或者由无线收发器3072所接收的数据来初始化。

图5是根据本公开的实施例的车辆系统架构5000的示例的示意图。该车辆系统架构5000可以被实现为主车辆5010的一部分。

参考图5，所述车辆系统结构5000包括导航设备5090、决策单元5130、对象检测器5200、V2X通信5160和车辆控制器5020。所述导航设备5090可以由决策单元5130用来确定所述主车辆5010到目的地的行驶路径。例如，该行驶路径可以包括行驶路线或导航路径。所述导航设备5090、决策单元5130和车辆控制器5020可共同用于确定沿道路将主车辆5010转向到何处(使得主车辆5010相对于例如车道标记、路缘、交通标志、行人、其它车辆等适当地位于在道路上)，基于数字地图5120确定指示主车辆5010跟随以到达目的地的路线，或这两者。

为了确定所述主车辆5010位于数字地图5120上的何处，所述导航设备5090可包括定位设备5140，例如GPS/GNSS接收器和惯性测量单元(IMU)。摄像机5170、雷达单元5190、声纳单元5210、LIDAR单元5180或其任何组合可用于检测在数字地图5120上指示的接近所述主车辆5010的相对永久对象，例如交通信号、建筑物等，并且确定相对于那些对象的相对位置以便确定所述主车辆5010位于数字地图5120上的何处。该过程可以被称为地图定位。所述导航设备5090的功能、由导航设备5090提供的信息或这两者可全部或部分地通过V2I通信、V2V通信、车辆到行人(V2P)通信或其组合(其可被一般标记为V2X通信5160)来进行。

在一些实施方式中，对象检测器5200可以包括声纳单元5210、摄像机5170、LIDAR单元5180和雷达单元5190。所述对象检测器5200可以用于检测另一实体的相对位置，并且确定另一实体将与主车辆5010的行驶路径相交的交点。为了确定该交点以及所述主车辆5010和另一实体何时将到达所述交点的相对定时，车辆系统架构5000可以使用所述对象检测器5200来确定例如相对速度、另一实体与主车辆5010的相距距离或者这两者。所述对象检测器5200的功能、由对象检测器5200提供的信息或者这两者可以全部或者部分地通过V2I通信、V2V通信、V2P通信或者其组合(其可被一般地被标记为V2X通信5160)来进行。因此，所述车辆系统架构5000可以包括收发器以实现这样的通信。

所述车辆系统架构5000包括与所述对象检测器5200和导航设备5090通信的决策单元5130。该通信可以是通过但不限于有线、无线通信或光纤的方式。所述决策单元5130可以包括处理器(一个或多个)，例如微处理器或其他控制电路，例如模拟电路、数字电路或这两者，这其中包括用于处理数据的专用集成电路(ASIC)。所述决策单元5130可以包括存储器，这其中包括非易失性存储器，例如电可擦除可编程只读存储器(EEPROM)，用于存储一个或多个常规程序、阈值、捕获的数据或其组合。所述决策单元5130可至少包括任务规划器5300、行为规划器5310和运动规划器5320，它们共同确定或控制所述主车辆5010的路线或路径规划、本地驾驶行为和轨迹规划。

所述车辆系统架构5000包括与决策单元5130通信的车辆控制器或轨迹跟踪器5020。所述车辆控制器5020可以通过将诸如转向、油门、制动等运动的适当的车辆命令施加到诸如转向、加速器、制动器等的沿着几何路径引导车辆的物理控制机构来执行限定的几何路径(其可以由运动规划器5320或决策单元5130提供)。所述车辆控制器5020可包括(一个或多个)处理器，诸如微处理器或其他控制电路，诸如模拟电路、数字电路或这两者，这其中包括用于处理数据的专用集成电路(ASIC)。所述车辆控制器5020可包括存储器，这其中包括非易失性存储器，例如电可擦除可编程只读存储器(EEPROM)，用于存储一个或多个常规程序、阈值、捕获的数据或其组合。

所述主车辆5010可以以自动模式操作，其中不需要操作者来操作车辆5010。在所述自动模式中，车辆控制系统5000(例如通过使用车辆控制器5020、决策单元5130、导航设备5090、对象检测器5200和其它描述的传感器和设备)自主地控制车辆5010。替代地，所述主车辆可以以手动模式操作，其中自动化程度或水平可能比向操作者提供转向建议稍多。例如，在手动模式中，车辆系统架构5000可以根据需要辅助操作者到达所选择的目的地，避免与另一实体的干扰或碰撞，或者这两者，其中另一实体可以是另一车辆、行人、建筑物、树、动物或车辆5010可能遇到的任何其他对象。

本文描述的导航系统被配置为确定所述主车辆的行驶路径。本文描述了一种用于运动规划的方法，该方法将路径规划和速度规划分离，并且其中路径规划可以使用参考线结合基于采样的运动规划器来确定路径。将所述运动规划分离为路径规划和速度规划减少了搜索问题的维度，并且导致对路径的更有效的搜索。路径规划器可以搜索无碰撞路径，并且速度规划器可以考虑运动目标和操纵要求而沿着所述路径生成最优速度。

在一个示例中，可以相对于S-L坐标系、笛卡尔坐标系、东北天(ENU)坐标系、或通用横向墨卡托(UTM)坐标系等来进行运动规划。在示例实施例中，可以相对于S-L坐标系进行运动规划。在S-L坐标系中，给定参考线(通常是道路的中心线)，点的占位(S)是沿着所述参考线离原点的距离，并且横向(L)是该点距所述参考线的垂直距离。最佳路径(即，在S-L坐标系中的运动规划的结果)可以接近所述参考线，这对于车辆运动是理想的。通过使用S-L坐标系，所述运动规划可通过忽略道路的几何形状而加速了搜索时间。此外，诸如基于采样的运动规划器、RRT及其变型(统称为RRT类型)的运动规划器可受益于使用S-L坐标，因为它有助于加速S-L坐标系空间中的探索速率。

图6是根据本公开的实施例的用于使用参考线进行运动规划的通用框架和系统6000的示例的示意图。该系统6000可以利用基于采样的运动规划算法并通过使用参考线和历史数据来提供在线和实时的运动规划方法。所述系统6000可以包括帧生成器6005、参考线生成器6010、包括路径规划器6020和速度规划器6030的运动规划器以及轨迹决定器6045。所述帧生成器6005获得传感器和路线信息。所述参考线生成器6010可以从成帧生成器6005提供的信息中产生多条参考线6015。路径规划器6020可以在相应的参考线6015上操作以生成路径6025。路径规划器可以使用RRT类型、快速扩展随机图(RRG)、稳定稀疏树(SST)等算法来确定例如S-L坐标系中的路径6025。速度规划器6030可处理相应的生成的路径6025，以生成每个路径的速度曲线并生成相应的轨迹6035。轨迹决定器6040可以从所述轨迹6035中选择车辆轨迹6045以发送到车辆控制器。

在示例中，所述路径规划器6020可以使用RRT类型算法来找到最优路径。这些算法依赖于完成多次迭代以确定最佳路径。然而，在给定的规划周期中，所需的迭代次数可能是不可能的，因为规划周期应当限于时间窗或帧，以确保系统能够实时运行。结果，这些算法可能不能在有限的时间内确定最佳路径。

在一种实施方式中，路径规划器6020可以使用(一个或多个)先前规划周期的规划历史来减少确定最优路径所需的时间。运动规划器6015可以使用历史路径数据从一个或多个之前的规划周期连续细化路径，并将路径扩展到新的目标。结果，每个规划周期可以确定比前一周期更好的路径，并且新路径可以不偏离(或者可以最小程度地偏离)前一路径。这最小化了车辆运动的变化。

由于结合了S-L坐标系上的RRT型路径规划，RRT型算法可以生成接近参考线的最优路径。因此，车辆运动也可以接近所述参考线，该参考线通常是车道的中心。这是车辆的理想或接近理想的运动。示例性路径规划器6020还考虑多个路径约束，例如到障碍物的距离、到中心线的距离、以及到车道边界的距离等。这些多个路径约束可以被描述为成本函数，其可以提供确定最佳或最优路径的鲁棒方法。

在一个示例中，在生成路径之后，可以利用速度规划器来生成参考路径上的速度曲线。所述速度规划器可考虑车辆动态、运动偏好和操纵要求。

图7是根据本公开的实施例的用于使用参考线进行路径规划的技术或方法7000的示例的示意图。该方法7000包括：利用参考线以将所有规划数据转换到S-L坐标7005；初始化路径树7010；将规划历史添加到所述路径树7015；检查是否满足终止条件7020；如果不满足终止条件，则在S-L坐标中对一配置进行采样7025；将所述路径树扩展到所采样的配置7030；如果扩展到所采样的配置成功，则重新连接路径树7035，并且如果扩展不成功，则返回以检查终止条件；当满足终止条件时，生成候选路径7040；从该候选路径中选取解路径7045；将所述解路径转换为笛卡尔坐标7050；将所述解路径发送到速度规划器7055；以及保存所述解路径作为下一规划周期的路径规划历史7060。例如，所述技术7000可以通过图5中所示的决策单元5130、图5中所示的运动规划器5320、图1中所示的控制系统1010、图1或图2中所示的处理器1020或图3或图4中所示的处理单元3010来实现。

所述方法7000包括使用参考线将所有规划数据转换成S-L坐标7005。在一种实施方式中，该使用步骤7005可包括使用所述参考线将车辆信息和车辆周围环境信息投影到S-L坐标系。所述车辆信息和车辆周围环境信息可以包括起始点信息、障碍物、车道信息、以及交通规则等。

所述方法7000包括初始化路径树7010。在实施过程中，该路径树可用于帮助收敛到路径解。在一种实施方式中，所述初始化步骤7010初始化所述路径树。在一种实施方式中，所述路径树包括顶点和边。每个顶点可以包含配置以及必要的信息，诸如时间戳、行驶距离、汽车状态、或到达顶点的配置所需的成本等。在一种实施方式中，配置可以包括与车辆相关或相关联的位置(x，y)和朝向(θ)。边将两个顶点彼此连接。所述路径树可以以初始配置为根，并且通过将顶点和边添加到所述路径树中而被扩展。在一种实施方式中，到达顶点的配置所需的成本可包括但不限于行驶距离、平滑度、以及安全性等。

所述方法7000包括将规划历史添加到所述路径树7015。在一种实施方式中，所述路径树可以基于先前的路径规划或解而被修改。在一种实施方式中，所述规划历史可以包括来自先前路径解的一组配置。这些配置被投影到S-L坐标中，然后通过使用相同的树扩展过程而被连续地添加到所述路径树。

所述方法7000包括检查是否已经满足终止条件7020。在一种实施方式中，终止条件可以是时间限制或迭代次数，以限制规划周期可以运行多长时间，使得可以适当地生成路径解。

所述方法7000包括如果不满足终止条件，则在S-L坐标中对配置状态进行采样7025。配置状态在S-L坐标中被采样，以扩展所述路径树。

所述方法7000包括将所述路径树扩展到所采样的配置7030。在一种实施方式中，可以使用RRT型算法来将所述路径树扩展到所采样的配置。

所述方法7000包括如果到所采样的配置的扩展成功，则重新连接所述路径树7035，并且如果所述扩展不成功，则返回以检查终止条件。在一实施方式中，成功的扩展可指在所述路径树中具有一顶点，其可生成从该顶点的配置到所采样的配置的有效连接。在一实施方式中，有效连接是没有冲突的连接，并且满足配置约束。例如，配置约束可以是x_min<x<x_max；y_min<y<y_max；θ_min<θ<θ_max等。在一种实施方式中，调用重新连接过程来重新布置所述路径树中的边，以提高路径树质量。

所述方法7000包括当满足终止条件时，生成候选路径7040。在一实施方式中，生成一组路径作为解路径的候选。路径规划目标可以由任务规划和行为规划来指定。可以选择路径树中满足路径规划目标的一组顶点作为目标配置。可以通过对与将根配置连接到所述目标配置的边相关联的配置进行级联来生成一组路径(其被称为候选路径)。

所述方法7000包括从所述候选路径中选择解路径7045。解路径可以包括选择具有最佳路径成本的路径。路径成本可以包括但不限于行驶距离、平滑度、舒适度、安全性或其任意组合

所述方法7000包括将所述解路径转换为笛卡尔坐标7050。

所述方法7000包括将所述解路径发送到速度规划器7055。

所述方法7000包括保存所述解路径作为路径规划历史以用于下一规划周期7060。

图8是根据本公开的实施例的使用车辆动态用于运动规划的示例的框图。图8是基于初始状态、时间间隔dt和控制输入并使用车辆动态模型来估计更新状态的计算成本过程8000框图。在一种实施方式中，所述车辆动态模型8005可以具有初始状态8010、控制输入8015和时间8020作为输入，并且可以具有更新的状态8025作为输出。例如，所述控制输入8015可在车辆动态模型8005上在时间dt 8020期间被施加到初始状态8010以产生更新的状态8025。

所述车辆动态模型的预计算和使用LUT中的存储结果可以帮助减少处理时间。所述LUT的访问参数或输入是所述车辆初始状态和所述输入控制。基于这些输入，当所述输入控制在时间间隔dt期间被施加于所述车辆初始状态时，所述LUT提供所述更新的状态。在一实施方式中，所述LUT可被预先计算并离线存储。

在一实施方式中，图8所示的计算方面可通过使用查找表(LUT)而被加速。给定在时间间隔dt期间的初始状态s＝(x,y,θ,v,δ)_init和输入控制可以从所述LUT计算出更新的状态(x,y,θ,v,δ)_updated，其中x和y是位置，θ是朝向，v是速度，a是加速度，δ是转向角，δ是转向速率。在一实施方式中，所述LUT可被预先计算并离线存储。

图9是根据本公开的实施例的如何填充车辆动态模型LUT的示例的框图9000。所述LUT的输入是关于的初始状态和控制状态组合，其指的是(初始速度、初始转向角、输入加速度、输入转向速率)，其中位置被初始化为(0,0,0,v,δ)。对于每个初始状态(v,δ)和控制输入/>更新的状态可以通过所述车辆动态模型来计算。如图9所示，当所述LUT被填充时，初始状态9005的x、y和θ参数被设定为零以减少所述LUT的输入的数量。所述LUT然后可以被填充有对应于可能的运动的更新的状态9010。所述LUT可以被填充以用于速度规划器和运动规划器。

图10是根据本发明的实施例的如何使用LUT的示例的框图。描述了用于使用动态模型LUT的示例方法10000。该方法10000可用于在控制输入被施加到车辆初始状态s＝(x,y,θ,v,δ)_init时，寻找更新的状态。

在第一步骤10005中，对于状态s＝(x,y,θ,v,δ)_init，确定转换向量T以从初始状态s＝(x,y,θ,v,δ)_init转换为更新的状态s＝(x,y,θ,v,δ)_updated。

在第二步骤10010中，使用作为输入从所述LUT获得结果状态s＝(x,y,θ,v,δ)_LUT。

在第三步骤10015中，当被施加于状态s＝(x,y,θ,v,δ)_init时，所述转换向量T被用于将s＝(x,y,θ,v,δ)_LUT的位置转换到正确结果状态(x,y,θ,v,δ)_updated。

一种用于自动驾驶车辆(AV)中的运动规划的方法包括：使用至少一条参考线将规划数据投影到S-L坐标系中，其中点的S是沿着所述参考线离原点的距离，并且L是从该点到所述参考线的垂直距离；通过使用先前路径规划历史将运动规划器算法应用于所述至少一条参考线，以生成所述S-L坐标系中的路径；确定所述路径的速度；以及利用所述路径和所述速度更新AV控制器。在一种实施方式中，所述方法包括初始化路径树并将先前的路径规划历史添加到所述路径树。在一种实施方式中，所述方法包括将所述S-L坐标系中的所述路径转换到笛卡尔坐标系。在一种实施方式中，所述方法包括：所述添加还包括将所述转换后的路径保存到所述路径规划历史，以及将该路径规划历史添加到所述路径树。在一种实施方式中，所述方法包括：如果不满足终止条件，则迭代地生成路径；当满足终止条件时，在S-L坐标系中生成候选路径，并从所述候选路径中选择解路径。在一种实施方式中，所述迭代地生成路径包括对用于路径扩展的配置空间进行采样，其中基于采样的运动规划器算法用于路径扩展。在一种实施方式中，所述方法包括将所述路径树扩展到所采样的配置，并且如果到所采样的配置的扩展成功，则重新连接所述路径树。在一种实施方式中，所述方法包括如果不存在冲突，则所述路径扩展成功。在一种实施方式中，所述基于采样的运动规划器算法是快速扩展随机树(RRT)型算法。在一种实施方式中，速度确定可使用查找表(LUT)，以通过预存储运动数据来减少处理时间。在一种实施方式中，车辆初始状态和输入控制被用于访问所述LUT。

一种用于控制自动驾驶车辆(AV)的车辆控制系统包括车辆控制器和决策单元。该决策单元被配置为使用至少一条参考线来将规划数据投影到S-L坐标系中，其中点的S是沿着所述参考线离原点的距离，并且L是从该点到所述参考线的垂直距离，通过使用先前的路径规划历史将运动规划器算法应用到所述至少一条参考线以生成所述S-L坐标系中的路径，基于该路径确定速度，并且利用该路径和速度来更新AV控制器。在一种实施方式中，所述决策单元还被配置为初始化路径树，并且将先前的路径规划历史添加到该路径树。在一种实施方式中，所述决策单元还被配置为将所述S-L坐标系中的所述路径转换为笛卡尔坐标系。在一种实施方式中，所述决策单元还被配置为将所述转换后的路径保存到所述路径规划历史，并将该路径规划历史添加到所述路径树。在一种实施方式中，所述决策单元还被配置为如果不满足终止条件，则迭代地生成路径，当满足终止条件时，在S-L坐标系中生成候选路径，并从该候选路径中选择一个路径解。在一种实施方式中，所述决策单元还被配置为对用于路径扩展的配置空间进行采样，其中基于采样的运动规划器算法被用于路径扩展。在一种实施方式中，所述决策单元还被配置为将所述路径树扩展到所采样的配置，并且如果到所述所采样的配置的扩展成功，则对所述路径树重新连接。在一种实施方式中，基于采样的运动规划器算法是快速扩展随机树(RRT)型算法。在一种实施方式中，速度确定可使用查找表(LUT)，以通过预先存储运动数据来减少处理时间，且车辆初始状态以及输入控制被用于访问所述LUT。

虽然本申请的一些实施方式涉及方法，但是本领域技术人员可以理解实施方式也可以被实施为系统或计算机程序产品。因此，本发明的方面可以采用完全硬件实施方式的形式、完全软件实施方式的形式(包括固件、常驻软件、微代码等)或结合软件和硬件方面的实施方式的形式，这在本申请中可以一般都称为“处理器”、“设备”或“系统”。此外，本发明的方面可以采取在其上具有计算机可读程序代码的一个或多个计算机可读介质中实施的计算机程序产品的形式。可以使用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是例如但不限于电、磁、光、电磁、红外或半导体系统、装置或设备，或前述的任意合适的组合。计算机可读存储介质的更具体的示例(非穷举)包括以下：具有一个或多个电线的电连接、可携带计算机磁盒、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、可携带压缩盘只读存储器(CD-ROM)、光存储设备、磁存储设备或前述的任意合适的组合。在本申请上下文中，计算机可读存储介质可以是任意有形介质，能够包含或存储用于指令执行系统、装置或设备使用或与其关联的程序。

计算机可读信号介质可以包括在其中实施计算机可读程序代码的传播数据信号，例如在基带中，或作为载波的部分。这样的传播信号可以采用任意多种形式，包括但不限于，电磁、光或这些的任意合适组合。计算机可读信号介质可以是不是计算机可读存储介质且能够通信、传播或传输供指令执行系统、装置或设备使用或与之关联的程序的任意计算机可读介质。

在计算机可读介质实施的程序代码可以使用任意合适的介质来传送，包括但不限于，CD、DVD、无线、有线、光纤电缆、RF等，或前述的任意合适组合。

用于执行本发明方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合被写入，包括面向对象的编程语言，例如Java、Smalltalk、C++等，以及常规程序编程语言，例如“C”编程语言或类似的编程语言。程序代码可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立软件包执行，部分在用户的计算机上且部分在远程计算机上或完全在远程计算机或服务器上执行。在后者场景中，远程计算机可以通过任意类型的网络连接到用户的计算机，包括局域网(LAN)和广域网(WAN)，或可以到外部计算机的连接(例如通过使用因特网服务供应商的因特网)。

下面参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图图示和/或框图描述本发明的方面。可以理解流程图图示和/或框图的每一个框以及流程图图示和/或框图中的框的组合可以由计算机程序指令来执行。

这些计算机程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，由此经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于执行在流程图和/或框图的一个或多个框中指定的功能/动作。这些计算机程序指令也可以被存储在计算机可读介质中，其可以指示计算机、其他可编程数据处理装置或其他设备已特定方式发挥功能，由此存储在计算机可读介质中的指令产生一项产品，包括执行在流程图和/或框图的一个或多个框中指定的功能/动作。

计算机程序指令也可以被加载到计算机、其他可编程数据处理装置或其他设备，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，从而产生计算机执行的过程，由此在计算机或其他可编程装置上执行的指令提供用于执行在流程图和/或框图的一个或多个框中指定的功能/动作的过程。

附图中的流程图和框图示出了根据本发明的各种实施方式的系统、方法和计算机程序产品的可能实施的架构、功能和操作。在这一点而言，流程图或框图中的每个框可以代表代码模块、片段或部分，其包括用于执行指定的一个或多个逻辑功能的一个或多个可执行指令。还应当注意，在一些可替换实施中，框中注释的功能可以不按照图中标示的顺序发生。

虽然结合某些实施方式描述了本公开，但是可以理解本公开不限于公开的实施方式，而是意在覆盖包括在权利要求书的范围内的各种修改、组合和等同设置，范围符合最宽解释由此专利法允许的所有这样的修改和等同结构。

Claims (20)

1.一种用于自动驾驶车辆(AV)中的运动规划的方法，所述方法包括：

使用至少一条参考线来将规划数据投影到S-L坐标系中，其中在该S-L坐标系中，所述规划数据中的点的S坐标指的是该点沿着所述参考线距离原点的距离，L坐标指的是从该点到所述参考线的垂直距离；

通过使用先前路径规划历史而将运动规划器算法应用于所述至少一条参考线，以生成所述S-L坐标系中的路径，其中所述运动规划器算法使用所述至少一条参考线和先前的路径规划历史来产生在所述S-L坐标系中的路径；

基于所述路径，确定所述路径的速度；

利用所述路径和所述速度更新AV控制器。

2.根据权利要求1所述的方法，所述方法进一步包括：

初始化路径树；

将先前的路径规划历史添加到所述路径树。

3.根据权利要求2所述的方法，所述方法进一步包括：

将所述S-L坐标系中的所述路径转换到笛卡尔坐标系。

4.根据权利要求3所述的方法，其中所述添加还包括：

将所述转换后的路径保存到所述路径规划历史中；以及

将所述路径规划历史添加到所述路径树。

5.根据权利要求1所述的方法，所述方法进一步包括：

如果不满足终止条件，则迭代地生成路径；以及

当满足终止条件时，在所述S-L坐标系中生成候选路径；以及

从所述候选路径中选择解路径。

6.根据权利要求5所述的方法，其中所述迭代地生成路径还包括：

对用于路径扩展的配置空间进行采样，其中基于采样的运动规划器算法用于路径扩展。

7.根据权利要求6所述的方法，所述方法还包括：

将所述路径树扩展到所采样的配置；以及

如果成功扩展到所述所采样的配置，则重新连接所述路径树。

8.根据权利要求6所述的方法，其中如果不存在冲突，则所述路径扩展是成功的。

9.根据权利要求6所述的方法，其中所述基于采样的运动规划器算法是快速扩展随机树(RRT)类型算法。

10.根据权利要求1所述的方法，其中速度确定使用查找表(LUT)以通过预先存储运动数据来减少处理时间。

11.根据权利要求10所述的方法，其中车辆初始状态和输入控制被用于访问所述LUT。

12.一种用于控制自动驾驶车辆(AV)的车辆控制系统，所述车辆控制系统包括：

AV控制器；以及

决策单元，被配置为：

使用至少一条参考线来将规划数据投影到S-L坐标系中，其中在该S-L坐标系中，所述规划数据中的点的S坐标指的是该点沿着所述参考线距离原点的距离，L坐标指的是从该点到所述参考线的垂直距离；

通过使用先前路径规划历史而将运动规划器算法应用于所述至少一条参考线，以生成所述S-L坐标系中的路径，其中所述运动规划器算法使用所述至少一条参考线和先前的路径规划历史来产生在所述S-L坐标系中的路径；

基于所述路径，确定速度；

利用所述路径和所述速度更新所述AV控制器。

13.根据权利要求12所述的车辆控制系统，其中所述决策单元还被配置为：

初始化路径树；以及

将先前的路径规划历史添加到所述路径树。

14.根据权利要求13所述的车辆控制系统，其中所述决策单元还被配置为：

将所述S-L坐标系中的所述路径转换到笛卡尔坐标系。

15.根据权利要求14所述的车辆控制系统，其中所述决策单元还被配置为：

将所述转换后的路径保存到所述路径规划历史中；以及

将所述路径规划历史添加到所述路径树。

16.根据权利要求13所述的车辆控制系统，其中所述决策单元还被配置为：

如果不满足终止条件，则迭代地生成路径；

当满足终止条件时，在所述S-L坐标系中生成候选路径；以及

从所述候选路径中选择解路径。

17.根据权利要求16所述的车辆控制系统，其中所述决策单元还被配置为：

对用于路径扩展的配置空间进行采样，其中基于采样的运动规划器算法用于路径扩展。

18.根据权利要求17所述的车辆控制系统，其中所述决策单元还被配置为：

将所述路径树扩展到所采样的配置；以及

如果成功扩展到所述所采样的配置，则重新连接所述路径树。

19.根据权利要求18所述的车辆控制系统，其中所述基于采样的运动规划器算法是快速扩展随机树(RRT)型算法。

20.根据权利要求12所述的车辆控制系统，其中速度确定使用查找表(LUT)以通过预先存储运动数据来减少处理时间，并且车辆初始状态和输入控制被用于访问所述LUT。