CN111615618A - 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法 - Google Patents
用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法 Download PDFInfo
- Publication number
- CN111615618A CN111615618A CN201880018100.3A CN201880018100A CN111615618A CN 111615618 A CN111615618 A CN 111615618A CN 201880018100 A CN201880018100 A CN 201880018100A CN 111615618 A CN111615618 A CN 111615618A
- Authority
- CN
- China
- Prior art keywords
- reference line
- adv
- points
- point
- coordinate system
- 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 title claims abstract description 56
- 238000009499 grossing Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 19
- 230000007704 transition Effects 0.000 claims description 16
- 238000002379 ultrasonic velocimetry Methods 0.000 description 35
- 230000008447 perception Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000002085 persistent effect Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 238000009472 formulation Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910000078 germane Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Arrangement of adaptations of instruments
-
- B60K35/22—
-
- B60K35/28—
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
-
- 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
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
根据各种实施方式,描述了用于平滑自动驾驶车辆的参考线的系统和方法。在示例性方法中,可以根据高清晰度地图和路线制定结果生成原始参考线,并且可以基于预定公式截断原始参考线。截断的原始参考线可以包括多个点,每个点表示自动驾驶车辆在全局坐标系中的位置。多个点可以转换为局部坐标系中的点,在局部坐标系中生成最拟合所述点的多项式曲线。随后对于多个点中的每个点的水平坐标可以使用多项式曲线来生成新的垂直坐标。新的垂直坐标及其对应的水平坐标可以转换回全局坐标系。多项式曲线可用于导出全局坐标系中的每个点的前进方向、kappa和dkappa。
Description
技术领域
本公开的实施方式总体设计操作自动驾驶车辆。更具体地,本公开的实施方式涉及自动驾驶车辆中的参考线平滑方法。
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和高分辨率的地图导航到各个位置,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。
自动驾驶车辆(ADV)依靠各种模块来规划轨迹。通常,对于每个规划轨迹,可以以地形图的形式生成参考线,并且参考线可以表示理想的路线或路径,而没有来自诸如其他车辆、障碍物或交通状况的其他事物的干扰。可以使用各种技术使参考线平滑以便舒适驾驶。
然而,当ADV以高速行进时,对路径点曲率及其导数的要求将更高,以便保持特定的向心加速度。现有的平滑技术通常不能满足高速环境的要求。
发明内容
在本公开的方面中,本公开的实施方式提供了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:将为自动驾驶车辆(ADV)生成的参考线从全局坐标系转换至局部坐标系,参考线包括多个离散点;对于参考线上每个点的水平坐标,使用最拟合多个点的多项式曲线确定新的垂直坐标;将由每个新的垂直坐标及其对应的水平坐标表示的点转换回全局坐标系;以及使用多项式曲线确定每个转换点的前进方向、kappa和dkappa。
在本公开的另一方面中,本公开的实施方式提供了一种存储有指令的非暂时性机器可读介质,所述指令在由处理器执行时使处理器执行操作,所述操作包括:将为自动驾驶车辆(ADV)生成的参考线从全局坐标系转换至局部坐标系,参考线包括多个离散点;对于参考线上每个点的水平坐标,使用最拟合多个点的多项式曲线确定新的垂直坐标;将由每个新的垂直坐标及其对应的水平坐标表示的点转换回全局坐标系;以及使用多项式曲线确定每个转换点的前进方向、kappa和dkappa。
在本公开的另一方面中,本公开的实施方式提供了一种数据处理系统,该系统包括处理器;以及存储器,联接到处理器以存储指令,所述指令在由处理器执行时使处理器执行操作,所述操作包括:将为自动驾驶车辆(ADV)生成的参考线从全局坐标系转换至局部坐标系,参考线包括多个离散点;对于参考线上每个点的水平坐标,使用最拟合多个点的多项式曲线确定新的垂直坐标;将由每个新的垂直坐标及其对应的水平坐标表示的点转换回全局坐标系;以及使用多项式曲线确定每个转换点的前进方向、kappa和dkappa。
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示出了根据实施方式的基于多项式拟合的参考线平滑组件在ADV中操作的环境。
图5还示出了根据实施方式的基于多项式拟合的参考线平滑组件。
图6A至图6E以图形方式示出了根据实施方式的基于多项式拟合的参考线平滑方法。
图7是示出根据实施方式的平滑参考线的示例过程的流程图。
图8是示出可以与一个实施方式一起使用的数据处理系统的示例的框图。
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。
根据各种实施方式,描述了使用多项式拟合曲线来平滑参考线的系统和方法。在示例性方法中,可以根据高清晰度地图和路线制定结果生成原始参考线,并且可以基于预定公式截断原始参考线。截断的原始参考线可以包括多个点,每个点表示自动驾驶车辆在全局坐标系中的位置。多个点可以转换为局部坐标系中的点,在局部坐标系中生成最拟合所述点的多项式曲线。
随后可以针对多个点中的每个点的水平坐标使用多项式曲线来生成新的垂直坐标。新的垂直坐标及其对应的水平坐标可以转换回全局坐标系。多项式曲线可用于导出全局坐标系中的每个点的前进方向、kappa和dkappa。转换点以及每个点的前进方向、kappa和dkappa用于为ADV创建新的参考线。
在实施方式中,可以使用多项式曲线的一阶导数、二阶导数和三阶导数分别计算每个转换点的前进方向、kappa和dkappa。由于多项式曲线是连续、平滑且不间断的线,因此其一阶导数、二阶导数和三阶导数也是平滑的,从而使转换点的前进方向、kappa和dkappa平滑且连续。
因此,使用上述方法生成的参考线将使得能够更平稳和更舒适地驾驶。本公开中描述的实施方式特别适用于被设计为在高速道路条件下行进的ADV中。
在实施方式中,可以针对可能包括多个驾驶/规划周期的规划阶段生成原始参考线。原始参考线上的每个点可以表示ADV在规划周期期间的特定时间点的位置。
在实施方式中,多项式曲线可以是Y=C_3*X^3+C_2*X^2+C_1*X^1+C_0*X^0的格式。当ADV以超过预定值的速度行进时,可以使用上述参考线平滑方法。当ADV以等于或低于预定值的速度行进时,ADV可以自动切换到实行不同的参考线平滑方法的另一过程。
自动驾驶车辆
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,包括使用多项式曲线拟合技术生成参考线的算法。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。
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和路线制定模块307。
模块301至307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307中的一些可一起集成为集成模块。
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、合流车道或分流车道、出口车道等。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能,以处理并分析由一个或多个摄像机采集的图像,从而识别自动驾驶车辆环境中的对象和/或特征。所述对象可以包括交通信号、道路边界、其它车辆、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。
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公开所述的过程或操作。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。
基于多项式拟合的参考线平滑
图4示出了根据实施方式的基于多项式拟合的参考线平滑组件在ADV中操作的环境。如图4所示,感知与规划系统110中的路线制定模块307可以包括通用参考线平滑组件401和基于多项式拟合的参考线平滑组件403。使用哪个参考线平滑组件可以基于多个因素,包括ADV在特定道路段中的预期速度。
例如,如果ADV在速度限制为每小时70英里的高速公路上行驶,则ADV可以预期以比在速度限制为每小时35英里的地方道路段中行驶更高的速度在高速公路上行驶。因此,ADV可以调用基于多项式拟合的参考线平滑组件403来平滑为高速公路的道路段生成的参考线。
如本文中所使用的,在实施方式中,对于由路线制定模块307确定的从起始点到目的地点的每条可能路线,可以以地形图的形式创建参考线。
当ADV检测到其驶离高速公路并且开始在具有低于预定值(例如,45英里/小时)的速度限制的路线段上行驶时,ADV可以切换回用于参考线平滑的通用参考线平滑组件401。基于多项式拟合的参考线平滑组件403可以实现使用多项式曲线来生成更平滑和更精确的参考线的过程。
图5还示出了根据实施方式的基于多项式拟合的参考线平滑组件。在一个实施方式中,参考线平滑处理可以通过基于多项式拟合的参考线平滑组件403实现。平滑处理可以包括配置成生成参考线的多个操作,并且可以提供高速环境中的更舒适的驾驶体验。
如图5中所示,当ADV检测到其已进入高速道路段时,可以由路线制定模块307生成全局坐标系501中的原始参考线。原始参考线501可以包括一系列离散点,这些离散点形成将规划阶段(例如,30秒)的起始位置连接至目的地位置的线。在实施方式中,可以在100毫秒(ms)的时间间隔内在多个规划周期中执行规划阶段。可以基于ADV的路线制定结果和高清晰度地图来生成一系列点。在一个实施方式中,路线制定结果可以包括从起始位置到目的地位置的各种可能的路线。原始参考线上的每个点表示ADV在全局坐标系中的位置,因此可以通过经度值和纬度值参考。
如图5中进一步所示,可以截断原始参考501以变成截断的原始参考线503。可以基于预定的公式进行截断。在一个示例中,截断的原始参考线可以具有使用公式“当前速度*12秒+30米”计算的长度。12秒和30米的数值是基于历史数据估计的,并且可以改变为另一组数值。
截断的参考线503可以转换成局部坐标系中的一系列离散点,以在局部坐标系中创建截断的原始参考线505,其中x轴是规划阶段开始时的ADV的前进方向。在局部坐标系中,对于截断的参考线上的每个离散点,将存在一组坐标(例如,水平坐标X和垂直坐标Y)。可以识别最拟合一系列离散点的多项式曲线507,并且可以使用多项式曲线507针对每个水平坐标计算新的垂直坐标509。每个新计算的垂直坐标及其对应的水平坐标对应于由多项式曲线表示的新平滑参考线上的点。平滑参考线上的每个点可以转换回全局坐标系中的对应位置511。
根据多项式曲线和从局部坐标系转换回的点,可以针对每个点确定多个参数,以供ADV在接下来新生成的参考线中使用,参数包括位置、前进方向、kappa和dkappa。
在实施方式中,每个点的位置可以由经度值和纬度值表示。每个点的前进方向可以从拟合的多项式曲线导出,例如,通过使用公式y=atan2(3*C3*newx*new_x+2*C2*new_x+C2,1)-target_heading+new_heading)导出。在上面的公式中,当相同的x被提供给可以生成新的y的最佳拟合曲线时,“new_x”与x相同;“new_heading”是原始全局坐标系中的第一点的前进方向;以及“target_heading是相对坐标系中的第一点的前进方向,它可以始终为0。
在实施方式中,kappa信息可以例如通过使用公式(2*C2+6*C3*new_x)从拟合的多项式曲线导出。dkappa信息可以例如通过使用公式(6*C3)从拟合的多项式曲线导出。
在实施方式中,atan2(y,x)是返回两个数值x和y的反正切的函数。结果是以弧度表示的角度。在上面的例子中,atan2的第一参数3*C3*newx*new_x+2*C2*new_x+C2是最佳拟合曲线的一阶导数。用于计算每个点的kappa信息的公式是最佳拟合曲线的二阶导数。用于计算每个点的dkappa信息的公式是最佳拟合曲线的三阶导数。在实施方式中,点的kappa可以是曲率,并且该点的dkappa可以是曲率的比率(dkappa/dt)。
由于多项式曲线是平滑的,因此不同阶数的导数也是平滑的。这样的平滑参考线将在其中需要更高的曲率要求来维持特定的加速度的高速环境中提供更平滑和更舒适的驾驶体验。向心加速度的大小可以用V2/R表示。在上面的表达式中,V是ADV的速度,并且R是特定点处的曲率半径。
图6A至图6E以图形方式示出了根据实施方式的基于多项式拟合的参考线平滑方法。在图6A中,原始参考线由ADV中的路线制定模块生成。原始参考线包括全局坐标系中的一系列离散点,其中离散点形成在规划阶段期间将起始位置连接到目的地位置的线。在图6B中,基于预定公式截断原始参考线以创建截断的原始参考线515,截断的原始参考线515可以包括一系列离散点505至513。每个点都可以通过经度值和纬度值参考。在图6C中,可以将一系列离散点505至513转换为局部坐标系,其中x轴可以是在规划阶段开始时或在坐标系变化时ADV的前进方向。图6D示出了最拟合局部坐标系中的一系列离散点505至513的多项式曲线。如图6D中所示,最佳拟合多项式曲线可以是=C3*X3+C2*X2+C1*X1+C0*X0的格式。图6E示出了全局坐标系中的一系列新点515至523。一系列新点515至523中的每一个可以对应于局部坐标系中的最佳拟合多项式曲线上的点。使用最佳拟合多项式曲线,路线制定模块可以计算最佳拟合曲线上的每个离散点的前进方向、kappa和dkappa。具有计算信息的一系列离散点将代表高速环境中的平滑参考线。
图7是示出根据实施方式的平滑参考线的示例过程的流程图。过程700可以由处理逻辑执行,处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、处理器、处理装置、中央处理单元(CPU)、片上系统(SoC)等)、软件(例如,在处理装置上运行/执行的指令)、固件(例如,微代码)或其组合。在一些实施方式中,过程700可以由图3A和图3B中所示的感知模块302、规划模块305和路线制定模块307中的一个或多个来执行。
参考图7,在操作701中,为自动驾驶车辆生成的参考线从全局坐标系转换成局部坐标系。参考线可以是在规划阶段期间基于高清晰度图和规划信息由ADV的路线制定模块生成的原始参考线的一部分。原始参考线可以包括一系列离散点,每个点表示规划阶段中某个时间点的预期位置,并且每个点通过经度值和纬度值参考。通过将参考线从全局坐标系转换到局部坐标系,ADV的路线制定模块将每个离散点的位置值从全局坐标格式(例如,经度值和纬度值)转换为局部坐标格式(例如,垂直坐标和水平坐标)。当执行转换时,路线制定模块使用ADV的前进方向作为x轴。
在操作703中,针对截断的参考线上的一系列点中的每个点的水平坐标,可以使用最佳拟合或匹配截断的参考线上的离散点的多项式曲线来确定局部坐标系中的新的垂直坐标。在实施方式中,回归和交叉验证技术可用于找到最佳拟合曲线,最佳拟合曲线可以是三次多项式函数。
在操作705中,可以将由新的垂直坐标和对应水平坐标表示的一系列点转换回全局坐标系。
在操作707中,使用最佳拟合多项式曲线为每个转换点确定前进方向、kappa和dkappa。转换回全局坐标系的一系列点和每个点的以上确定的信息可以为ADV提供足够的信息,以在具有更高曲率要求的高速环境中提供更平滑和更舒适的驾驶体验。
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公开所述的过程或操作。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8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3A的路线制定模块307。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和控制模块306以及路线制定模块307。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 (20)
1.一种用于操作自动驾驶车辆的计算机实施方法,所述方法包括:
将为自动驾驶车辆(ADV)生成的参考线从全局坐标系转换至局部坐标系,所述参考线包括多个离散点;
对于所述参考线上每个点的水平坐标,使用最拟合所述多个离散点的多项式曲线确定新的垂直坐标;
将由每个新的垂直坐标及其对应的水平坐标表示的点转换回所述全局坐标系;以及
使用所述多项式曲线确定每个转换点的前进方向、kappa和dkappa。
2.根据权利要求1所述的方法,其中,所述转换点以及每个所述转换点的所述前进方向、所述kappa和所述dkappa用于生成所述ADV的新的参考线。
3.根据权利要求1所述的方法,其中,所述参考线是针对规划阶段生成的原始参考线的一部分,其中,所述参考线通过基于预定条件集截断所述原始参考线而创建。
4.根据权利要求3所述的方法,其中,所述参考线上的每个点表示所述ADV在所述规划阶段中的特定时间点将处于的位置。
5.根据权利要求1所述的方法,其中,所述多项式曲线是Y C3*X3+C2*X2+C1*X1+C0*X0的形式。
6.根据权利要求1所述的方法,其中,所述ADV以超过预定值的速度行进。
7.根据权利要求6所述的方法,其中,当所述ADV以等于或低于所述预定值的速度行进时,所述ADV将切换到实施不同的参考线平滑方法的另一过程。
8.一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:
将为自动驾驶车辆(ADV)生成的参考线从全局坐标系转换至局部坐标系,所述参考线包括多个离散点;
对于所述参考线上每个点的水平坐标,使用最匹配所述多个离散点的多项式曲线确定新的垂直坐标;
将由每个新的垂直坐标及其对应的水平坐标表示的点转换回所述全局坐标系;以及
使用所述多项式曲线确定每个转换点的前进方向、kappa和dkappa。
9.根据权利要求8所述的机器可读介质,其中,所述转换点以及每个所述转换点的所述前进方向、所述kappa和所述dkappa用于生成所述ADV的新的参考线。
10.根据权利要求8所述的机器可读介质,其中,所述参考线是针对规划阶段生成的原始参考线的一部分,其中,所述参考线通过基于预定条件集截断所述原始参考线而创建。
11.根据权利要求10所述的机器可读介质,其中,所述参考线上的每个点表示所述ADV在所述规划阶段中的特定时间点将处于的位置。
12.根据权利要求8所述的机器可读介质,其中,所述多项式曲线是Y=C3*X3+C2*X2+C1*X1+C0*X0的形式。
13.根据权利要求8所述的机器可读介质,其中,所述ADV以超过预定值的速度行进。
14.根据权利要求13所述的机器可读介质,其中,当所述ADV以等于或低于所述预定值的速度行进时,所述ADV将切换到实施不同的参考线平滑方法的另一过程。
15.一种数据处理系统,包括:
处理器;以及
存储器,联接到所述处理器以存储指令,所述指令在由所述处理器执行时使所述处理器执行操作,所述操作包括:
将为自动驾驶车辆(ADV)生成的参考线从全局坐标系转换至局部坐标系,所述参考线包括多个离散点,
对于所述参考线上每个点的水平坐标,使用最匹配所述多个离散点的多项式曲线确定新的垂直坐标,
将由每个新的垂直坐标及其对应的水平坐标表示的点转换回所述全局坐标系,以及
使用所述多项式曲线确定每个转换点的前进方向、kappa和dkappa。
16.根据权利要求15所述的系统,其中,所述转换点以及每个所述转换点的所述前进方向、所述kappa和所述dkappa用于生成所述ADV的新的参考线。
17.根据权利要求15所述的系统,其中,所述参考线是针对规划阶段生成的原始参考线的一部分,其中,所述参考线通过基于预定条件集截断所述原始参考线而创建。
18.根据权利要求17所述的系统,其中,所述参考线上的每个点表示所述ADV在所述规划阶段中的特定时间点将处于的位置。
19.根据权利要求15所述的系统,其中,所述多项式曲线是Y=C3*X3+C2*X2+C1*X1+C0*X0的形式。
20.根据权利要求15所述的方法,其中,所述ADV以超过预定值的速度行进,以及其中,当所述ADV以等于或低于所述预定值的速度行进时,所述ADV将切换到实施不同的参考线平滑方法的另一过程。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/123936 WO2020132952A1 (en) | 2018-12-26 | 2018-12-26 | Polynomial-fit based reference line smoothing method for high speed planning of autonomous driving vehicles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111615618A true CN111615618A (zh) | 2020-09-01 |
CN111615618B CN111615618B (zh) | 2023-08-29 |
Family
ID=71128420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880018100.3A Active CN111615618B (zh) | 2018-12-26 | 2018-12-26 | 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11327498B2 (zh) |
EP (1) | EP3692339B1 (zh) |
JP (1) | JP7001708B2 (zh) |
KR (1) | KR102279405B1 (zh) |
CN (1) | CN111615618B (zh) |
WO (1) | WO2020132952A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112082558A (zh) * | 2020-09-14 | 2020-12-15 | 哈尔滨工程大学 | 基于多项式拟合的uuv海底地形跟踪路径滚动生成方法 |
CN114676939A (zh) * | 2022-05-26 | 2022-06-28 | 之江实验室 | 一种多车型参数自适应的参考线平滑方法和系统 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814568B (zh) * | 2019-02-19 | 2022-05-03 | 阿波罗智能技术(北京)有限公司 | 无人车速度轨迹的生成方法、装置和存储介质 |
KR20200135630A (ko) * | 2019-05-23 | 2020-12-03 | 현대자동차주식회사 | 자율 주행 차량의 제어장치 및 그 방법 |
CN112904858B (zh) * | 2021-01-20 | 2022-04-22 | 西安交通大学 | 一种曲率连续的路径规划方法、系统及设备 |
US20220315037A1 (en) * | 2021-04-06 | 2022-10-06 | Atieva, Inc. | Lane changing based only on local information |
CN114647709B (zh) * | 2022-03-28 | 2024-03-12 | 阿波罗智联(北京)科技有限公司 | 地图数据处理方法、装置、电子设备及计算机存储介质 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1186182A (ja) * | 1997-09-01 | 1999-03-30 | Honda Motor Co Ltd | 自動運転制御システム |
US6134486A (en) * | 1998-04-20 | 2000-10-17 | The United States Of America As Represented By The Secretary Of The Navy | Robot and method of control for an autonomous vehicle to track a path consisting of directed straight lines and circles with positional feedback and continuous curvature |
JP2006126980A (ja) * | 2004-10-27 | 2006-05-18 | Nissan Motor Co Ltd | 走行経路生成装置 |
US20080204557A1 (en) * | 2007-02-23 | 2008-08-28 | Aisin Aw Co., Ltd. | Driving support method and driving support device |
CN101359400A (zh) * | 2008-09-17 | 2009-02-04 | 湖南大学 | 一种基于视觉的管口空间位置定位方法 |
US20100106356A1 (en) * | 2008-10-24 | 2010-04-29 | The Gray Insurance Company | Control and systems for autonomously driven vehicles |
WO2016089435A1 (en) * | 2014-12-03 | 2016-06-09 | Hewlett Packard Enterprise Development Lp | Updating a virtual network topology based on monitored application data |
US20160375901A1 (en) * | 2015-06-29 | 2016-12-29 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Controlling Semi-Autonomous Vehicles |
CN106651987A (zh) * | 2016-10-10 | 2017-05-10 | 腾讯科技(深圳)有限公司 | 路径规划方法及装置 |
CN106840178A (zh) * | 2017-01-24 | 2017-06-13 | 中南大学 | 一种基于ArcGIS的地图创建与智能车辆自主导航方法及系统 |
CN107168305A (zh) * | 2017-04-01 | 2017-09-15 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
US20170285741A1 (en) * | 2016-04-01 | 2017-10-05 | Lg Electronics Inc. | Vehicle control apparatus and method thereof |
CN107346458A (zh) * | 2017-05-10 | 2017-11-14 | 西北工业大学 | 一种无人机路径规划方法及其装置 |
JP6294928B1 (ja) * | 2016-09-23 | 2018-03-14 | 株式会社Subaru | 車両の走行制御装置 |
CN108062094A (zh) * | 2016-11-09 | 2018-05-22 | 通用汽车环球科技运作有限责任公司 | 基于处理器实现的自主系统和方法 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
CN108268027A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 驾驶轨迹优化方法及优化系统 |
CN108519094A (zh) * | 2018-02-11 | 2018-09-11 | 华为技术有限公司 | 局部路径规划方法及云处理端 |
CN108958258A (zh) * | 2018-07-25 | 2018-12-07 | 吉林大学 | 一种无人车的轨迹跟随控制方法、控制系统及相关装置 |
CN108981730A (zh) * | 2017-05-31 | 2018-12-11 | 百度(美国)有限责任公司 | 用于为操作自动驾驶车辆生成参考路径的方法和系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101664582B1 (ko) * | 2014-11-12 | 2016-10-10 | 현대자동차주식회사 | 자율주행차량의 주행경로 생성장치 및 방법 |
JP2017144934A (ja) | 2016-02-19 | 2017-08-24 | 本田技研工業株式会社 | 走行制御装置 |
JP6529463B2 (ja) | 2016-06-14 | 2019-06-12 | 日本電信電話株式会社 | 道路構造化装置、道路構造化方法、及び道路構造化プログラム |
US11112237B2 (en) | 2016-11-14 | 2021-09-07 | Waymo Llc | Using map information to smooth objects generated from sensor data |
JP6828806B2 (ja) | 2017-03-30 | 2021-02-10 | 日本電気株式会社 | 車両制御システム、自動運転車、車両制御方法およびプログラム |
KR101879247B1 (ko) | 2017-10-31 | 2018-08-17 | 충남대학교산학협력단 | 자율주행 농업기계의 작업경로 설정방법 |
US11079764B2 (en) * | 2018-02-02 | 2021-08-03 | Nvidia Corporation | Safety procedure analysis for obstacle avoidance in autonomous vehicles |
US10909866B2 (en) * | 2018-07-20 | 2021-02-02 | Cybernet Systems Corp. | Autonomous transportation system and methods |
-
2018
- 2018-12-26 KR KR1020197029117A patent/KR102279405B1/ko active IP Right Grant
- 2018-12-26 JP JP2019555123A patent/JP7001708B2/ja active Active
- 2018-12-26 CN CN201880018100.3A patent/CN111615618B/zh active Active
- 2018-12-26 WO PCT/CN2018/123936 patent/WO2020132952A1/en unknown
- 2018-12-26 US US16/314,332 patent/US11327498B2/en active Active
- 2018-12-26 EP EP18908263.9A patent/EP3692339B1/en active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1186182A (ja) * | 1997-09-01 | 1999-03-30 | Honda Motor Co Ltd | 自動運転制御システム |
US6134486A (en) * | 1998-04-20 | 2000-10-17 | The United States Of America As Represented By The Secretary Of The Navy | Robot and method of control for an autonomous vehicle to track a path consisting of directed straight lines and circles with positional feedback and continuous curvature |
JP2006126980A (ja) * | 2004-10-27 | 2006-05-18 | Nissan Motor Co Ltd | 走行経路生成装置 |
US20080204557A1 (en) * | 2007-02-23 | 2008-08-28 | Aisin Aw Co., Ltd. | Driving support method and driving support device |
CN101359400A (zh) * | 2008-09-17 | 2009-02-04 | 湖南大学 | 一种基于视觉的管口空间位置定位方法 |
US20100106356A1 (en) * | 2008-10-24 | 2010-04-29 | The Gray Insurance Company | Control and systems for autonomously driven vehicles |
WO2016089435A1 (en) * | 2014-12-03 | 2016-06-09 | Hewlett Packard Enterprise Development Lp | Updating a virtual network topology based on monitored application data |
US20160375901A1 (en) * | 2015-06-29 | 2016-12-29 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Controlling Semi-Autonomous Vehicles |
US20170285741A1 (en) * | 2016-04-01 | 2017-10-05 | Lg Electronics Inc. | Vehicle control apparatus and method thereof |
JP6294928B1 (ja) * | 2016-09-23 | 2018-03-14 | 株式会社Subaru | 車両の走行制御装置 |
CN106651987A (zh) * | 2016-10-10 | 2017-05-10 | 腾讯科技(深圳)有限公司 | 路径规划方法及装置 |
CN108062094A (zh) * | 2016-11-09 | 2018-05-22 | 通用汽车环球科技运作有限责任公司 | 基于处理器实现的自主系统和方法 |
CN108268027A (zh) * | 2016-12-30 | 2018-07-10 | 乐视汽车(北京)有限公司 | 驾驶轨迹优化方法及优化系统 |
CN106840178A (zh) * | 2017-01-24 | 2017-06-13 | 中南大学 | 一种基于ArcGIS的地图创建与智能车辆自主导航方法及系统 |
CN107168305A (zh) * | 2017-04-01 | 2017-09-15 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
CN107346458A (zh) * | 2017-05-10 | 2017-11-14 | 西北工业大学 | 一种无人机路径规划方法及其装置 |
CN108981730A (zh) * | 2017-05-31 | 2018-12-11 | 百度(美国)有限责任公司 | 用于为操作自动驾驶车辆生成参考路径的方法和系统 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
CN108519094A (zh) * | 2018-02-11 | 2018-09-11 | 华为技术有限公司 | 局部路径规划方法及云处理端 |
CN108958258A (zh) * | 2018-07-25 | 2018-12-07 | 吉林大学 | 一种无人车的轨迹跟随控制方法、控制系统及相关装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112082558A (zh) * | 2020-09-14 | 2020-12-15 | 哈尔滨工程大学 | 基于多项式拟合的uuv海底地形跟踪路径滚动生成方法 |
CN114676939A (zh) * | 2022-05-26 | 2022-06-28 | 之江实验室 | 一种多车型参数自适应的参考线平滑方法和系统 |
CN114676939B (zh) * | 2022-05-26 | 2022-09-02 | 之江实验室 | 一种多车型参数自适应的参考线平滑方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2021511995A (ja) | 2021-05-13 |
KR20200083376A (ko) | 2020-07-08 |
WO2020132952A1 (en) | 2020-07-02 |
US11327498B2 (en) | 2022-05-10 |
EP3692339A4 (en) | 2020-08-12 |
EP3692339B1 (en) | 2022-02-09 |
CN111615618B (zh) | 2023-08-29 |
EP3692339A1 (en) | 2020-08-12 |
US20210181756A1 (en) | 2021-06-17 |
KR102279405B1 (ko) | 2021-07-19 |
JP7001708B2 (ja) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389581B (zh) | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 | |
CN110533943B (zh) | 确定自动驾驶车辆的车道改变轨迹的方法 | |
CN109947090B (zh) | 用于自动驾驶车辆规划的非阻塞边界 | |
CN108981730B (zh) | 用于为操作自动驾驶车辆生成参考路径的方法和系统 | |
CN110096053B (zh) | 用于自动驾驶车辆的驾驶轨迹生成方法、系统和机器可读介质 | |
CN110389580B (zh) | 用于规划自动驾驶车辆的路径的漂移校正的方法 | |
CN108891417B (zh) | 用于操作自动驾驶车辆的方法及数据处理系统 | |
CN108733046B (zh) | 用于自动驾驶车辆的轨迹重新规划的系统和方法 | |
CN110727267A (zh) | 具有冗余超声雷达的自动驾驶车辆 | |
CN110667591A (zh) | 用于自动驾驶车辆的规划驾驶感知系统 | |
CN110597243B (zh) | 自动驾驶车辆的基于v2x通信的车辆车道系统 | |
CN110621541B (zh) | 用于生成轨迹以操作自动驾驶车辆的方法和系统 | |
CN111176268A (zh) | 用于自动驾驶车辆的模仿人类驾驶行为的两步参考线平滑方法 | |
CN111824139A (zh) | 用于预测与自动驾驶车辆相关的运动对象的运动的方法 | |
CN109491378B (zh) | 自动驾驶车辆的基于道路分段的路线引导系统 | |
CN111615618B (zh) | 用于自动驾驶车辆的高速规划的基于多项式拟合的参考线平滑方法 | |
WO2020062034A1 (en) | A tunnel-based planning system for autonomous driving vehicles | |
US11048252B2 (en) | Optimal path generation for static obstacle avoidance | |
CN111328313B (zh) | 用于自动驾驶车辆的控制占主导的三点转弯规划 | |
CN111615476A (zh) | 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统 | |
WO2020062030A1 (en) | A spiral path based three-point turn planning for autonomous driving vehicles | |
US20200348684A1 (en) | Path generation for static obstacle avoidance | |
CN111856923A (zh) | 加速对复杂驾驶场景的规划的参数学习的神经网络方法 | |
WO2020132942A1 (en) | A mutual nudge algorithm for self-reverse lane of autonomous driving | |
WO2020132938A1 (en) | Methods for obstacle filtering for non-nudge planning system in autonomous driving vehicle |
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 |