CN111629947A - 自动驾驶车辆的用于生成参考线的方法和系统 - Google Patents

自动驾驶车辆的用于生成参考线的方法和系统 Download PDF

Info

Publication number
CN111629947A
CN111629947A CN201880016089.7A CN201880016089A CN111629947A CN 111629947 A CN111629947 A CN 111629947A CN 201880016089 A CN201880016089 A CN 201880016089A CN 111629947 A CN111629947 A CN 111629947A
Authority
CN
China
Prior art keywords
adv
objects
arc
reference line
curve
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
CN201880016089.7A
Other languages
English (en)
Other versions
CN111629947B (zh
Inventor
许昕
朱帆
马霖
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.)
Baidu com Times Technology Beijing Co Ltd
Baidu USA LLC
Original Assignee
Baidu com Times Technology Beijing Co Ltd
Baidu USA 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 Baidu com Times Technology Beijing Co Ltd, Baidu USA LLC filed Critical Baidu com Times Technology Beijing Co Ltd
Publication of CN111629947A publication Critical patent/CN111629947A/zh
Application granted granted Critical
Publication of CN111629947B publication Critical patent/CN111629947B/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
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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

Landscapes

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

Abstract

在一个实施方式中，自动驾驶系统基于从各种传感器获得的传感器数据来感知围绕ADV的驾驶环境，包括确认一个或多个对象。对于每个对象，使用预定算法生成连接对象和ADV的当前位置的弧形曲线。计算弧形曲线的曲率。选择弧形曲线中的一个，其中所选弧形曲线的曲率满足预定条件，例如所有对象中的具有最低曲率的弧形曲线。然后通过连接所选对象和ADV的当前位置生成参考线。所选对象与ADV之间的连接线用作参考线的一部分。参考线用于生成驾驶ADV的轨迹。

Description

自动驾驶车辆的用于生成参考线的方法和系统
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生成用于规划驾驶自动驾驶车辆的轨迹的参考线。
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。当规划用于驾驶自动驾驶车辆(ADV)的轨迹时，通常使用参考线作为基础，参考线表示车道或道路的中心线。参考线对于各种自动驾驶算法来说至关重要。
目前，存在两种生成参考线的方式，即使用相机和数字地图的基于计算机视觉的检测。然而，存在相机和/或数字地图可能不可用的情况，诸如硬件或软件故障。在这种情况下，缺乏有效的方式来生成参考线。
发明内容
在本公开的一方面中，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：基于从ADV的多个传感器获得的传感器数据感知自动驾驶车辆(ADV)周围的驾驶环境，包括确认一个或多个对象；对于确认出的对象中的每个，生成连接ADV的当前位置和对象的弧形曲线，并计算与对象相关的弧形曲线的曲率；选择对象中与满足预定条件的弧形曲线相关的一个；以及生成从ADV的当前位置到所选对象的参考线，其中，参考线用于生成驾驶ADV的轨迹。
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：基于从ADV的多个传感器获得的传感器数据感知自动驾驶车辆(ADV)周围的驾驶环境，包括确认一个或多个对象；对于确认出的对象中的每个，生成连接ADV的当前位置和对象的弧形曲线，并计算与对象相关的弧形曲线的曲率；选择对象中与满足预定条件的弧形曲线相关的一个；以及生成从ADV的当前位置到所选对象的参考线，其中，参考线用于生成驾驶ADV的轨迹。
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：基于从ADV的多个传感器获得的传感器数据感知自动驾驶车辆(ADV)周围的驾驶环境，包括确认一个或多个对象；对于确认出的对象中的每个，生成连接ADV的当前位置和对象的弧形曲线，并计算与对象相关的弧形曲线的曲率；选择对象中与满足预定条件的弧形曲线相关的一个；以及生成从ADV的当前位置到所选对象的参考线，其中，参考线用于生成驾驶ADV的轨迹。
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，附图中的相同的参考数字指代相似的元件。
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由自动驾驶车辆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参考线生成器的示例的框图。
图5是示出根据一个实施方式的生成参考线的过程的图。
图6是示出根据一个实施方式的生成参考线的过程的流程图。
图7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透彻理解。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，基于由诸如相机和RADAR装置的多个传感器检测到的对象生成参考线。通常，RADAR装置可以跟踪多个对象并收集相关信息，包括每个对象的速度、前进方向、距离等。本公开的实施方式使用所选对象的前进方向和距离来生成相对于该对象的参考线。因此，参考线的生成不涉及相机或数字地图。在诸如相机故障或地图不可用的情况下，只要RADAR装置正常工作，此方法就仍可以生成参考线。这种方法的重要性在于它大大增加了自动驾驶期间对硬件或软件故障的容忍度。
根据本公开的一个方面，如果由相机和RADAR装置这两个传感器检测到对象，则收集来自相机和RADAR装置的信息。将这样的对象添加到融合对象列表中，其中融合对象列表中的对象被认为是高置信度对象(例如，低误报概率)。对于该列表中的每个对象，使用预定算法拟合弧形曲线以连接对象和ADV。选择对象中具有最小曲率的一个。在所选对象与ADV之间连接直线，其中，该直线用作参考线的一部分。
根据一个实施方式，系统基于从各种传感器获得的传感器数据来感知围绕ADV的驾驶环境，包括确认一个或多个对象。对于每个对象，使用预定算法生成连接对象和ADV的当前位置的弧形曲线。计算弧形曲线的曲率。选择弧形曲线中一个，其中所选弧形曲线的曲率满足预定条件，例如所有对象中的具有最低曲率的弧形曲线。然后通过连接所选对象和ADV的当前位置生成参考线。所选对象与ADV之间的连接线用作参考线的一部分。参考线用于生成驾驶ADV的轨迹。
在一个实施方式中，为了降低误报的可能性，仅当多个传感器同时检测到相同的对象时，才利用对象作为用于确定参考线的对象候选。例如，如果由相机和RADAR装置检测到对象，则在确定参考线时考虑这样的对象。如果只有一个传感器检测到这样的对象，那么在存在误报的情况下，这可能是不可靠的。在一个实施方式中，连接所选对象和ADV的线是直线。
在一个实施方式中，拟合将对象与ADV连接的弧形曲线，使得其满足一组约束。弧形曲线的原点的X坐标与ADV的X坐标相同，其中X轴表示ADV的当前前进方向。基于弧形曲线的半径(r)的平方根确定弧形曲线的原点的Y坐标。对应对象(x，y)的坐标具有以下关系：r＝(x^2+y^2)/2y。然后基于弧形曲线的半径(r)计算弧形曲线的曲率。
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可以是数据分析系统，从而为各种客户执行数据分析服务。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从各种车辆(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包括指示所发出的驾驶指令(例如，油门、制动、转向指令)以及由车辆的传感器在不同的时间点捕捉到的车辆的响应(例如，速度、加速、减速、方向)的信息。驾驶统计数据123还可包括描述不同时间点下的驾驶环境的信息，例如，路线(包括起始位置和目的地位置)、MPOI、道路状况、天气状况等。
基于驾驶统计数据123，出于各种目的，机器学习引擎122生成或训练一组规则、算法和/或预测模型124。在一个实施方式中，算法124可以包括基于对象相对于ADV的当前位置的相对位置来确定参考线的算法。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、路线制定模块307和参考线生成器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，参考线生成器308可实现为规划模块305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、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预测对象在这种情况下将如何表现。预测是基于感知数据执行的，该感知数据在考虑一组地图/路线信息311和交通规则312的时间点感知驾驶环境。例如，如果对象为相反方向上的车辆且当前驾驶环境包括十字路口，则预测模块303将预测车辆是否可能会笔直向前移动或转弯。如果感知数据表明十字路口没有交通灯，则预测模块303可能会预测车辆在进入十字路口之前可能需要完全停车。如果感知数据表明车辆目前处于左转唯一车道或右转唯一车道，则预测模块303可能预测车辆将更可能分别左转或右转。
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配置成提供从起始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，例如从用户接收的给定行程，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可生成地形图形式的参考线，它确定了从起始位置至到达目的地位置的每个路线。参考线是指不受其它诸如其它车辆、障碍物或交通状况的任何干扰的理想路线或路径。即，如果道路上没有其它车辆、行人或障碍物，则ADV应精确地或紧密地跟随参考线。然后，将地形图提供至决策模块304和/或规划模块305。决策模块304和/或规划模块305检查所有可能的路线，以根据由其它模块提供的其它数据选择和更改最佳路线中的一个，其中，其它数据诸如为来自定位模块301的交通状况、由感知模块302感知到的驾驶环境以及由预测模块303预测的交通状况。根据时间点的特定驾驶环境，用于控制ADV的实际路径或路线可能接近于或不同于由路线制定模块307提供的参考线。
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，规划阶段在多个规划周期(也称作为驾驶周期)中执行，例如，在每个时间间隔为100毫秒(ms)的周期中执行。对于规划周期或驾驶周期中的每一个，将基于规划和控制数据发出一个或多个控制命令。即，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需要的时间。可替代地，规划模块305还可规定具体的速度、方向和/或转向角等。在一个实施方式中，规划模块305为下一个预定时段(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基于在前一周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。控制模块306然后基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门、制动、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，感知模块302基于从诸如图2中所示的那些传感器的各种传感器获得的传感器数据，来感知ADV周围的驾驶环境，包括确认一个或多个对象。响应于表示所识别对象的感知数据，参考线生成器308将根据对象与ADV的当前位置之间的相对位置，基于预定公式选择对象中的一个。然后，参考线生成器308使用参考线确定算法314(例如，通过将ADV与所选对象连接)生成参考线。
图4是示出根据一个实施方式的参考线生成器的示例的框图。参考图4，参考线生成器308包括但不限于弧形曲线生成器401、曲率计算器402和参考线计算器403。在一个实施方式中，对于由感知模块302感知的每个对象，弧形曲线生成器401使用预定算法生成连接对象和ADV的当前位置的弧形曲线。弧形曲线生成器401可以利用多项式函数来拟合将对象与ADV连接的弧形曲线。曲率计算器402配置成计算弧形曲线的曲率。参考线计算器403配置成选择弧形曲线中的一个，其中所选弧形曲线的曲率在所有对象中满足预定条件，例如最低曲率。参考线计算器403通过连接所选对象和ADV的当前位置来生成参考线。所选对象与ADV之间的连接线用作参考线的一部分。参考线用于生成驾驶ADV的轨迹。
现在参考图5，在该示例中，假设在ADV 500的前方存在三个对象501至503(例如，车辆)，对象501至503由感知模块302检测和识别。注意到，这些对象501至503可以由诸如相机和RADAR装置的多个传感器检测和识别，以降低误报的可能性。对于对象501至503中的每个，使用预定公式生成弧形曲线以将ADV 500与对象连接。在该示例中，分别生成将对象501与ADV 500连接的弧形曲线511；生成将对象502与ADV 500连接的弧形曲线512；以及生成连接对象503的弧形曲线513。
在一个实施方式中，在生成弧形曲线时，必须满足一组约束：1)弧形曲线与ADV500的移动方向相切；2)弧形曲线从ADV 500的当前位置开始；以及3)弧形曲线终止于相应的对象处。在此示例中，ADV 500的移动方向与X轴相同。对于对象503，生成连接ADV 500的当前位置的弧形曲线513。为了确定弧形曲线，ADV 500的当前位置被认为是(0，0)。假设对象503的坐标是(x，y)，弧形曲线513的原点或中心是(rx，ry)，并且弧形曲线的半径是r。在一个实施方式中，弧形曲线是以下圆的周长的一段，该圆的原点或中心的X坐标与ADV的当前位置的X坐标相同。
在一个实施方式中，第一约束被限定为：
1*rx+0*ry＝0
第二约束被限定为：
(0–rx)^2+(0–ry)^2＝r^2
第三约束被限定为：
(x–rx)^2+(y–ry)^2＝r^2
基于以上三个等式，可以推导出以下等式：
r＝(x^2+y^2)/(2*y)；
rx＝0；
ry＝SQRT(r)
因此，可以确定弧形曲线的半径(r)，以及弧形曲线的原点或中心(例如，原点或中心515)的坐标(例如，rx，ry)。一旦确定了半径(r)，就可以计算出弧形曲线的曲率。
基于所感知的对象的全部弧形曲线的曲率，选择对象中具有满足预定条件(例如，低于预定阈值)的相应弧形曲线的曲率的一个。所选对象用作参考点以例如通过在所选对象与ADV的当前位置之间绘制线来确定车道的参考线。绘制的线用作当前车道的参考线的一部分。在一个实施方式中，在所有感知对象的所有弧形曲线中，所选对象与ADV之间的弧形曲线具有最小曲率。
在该示例中，在所有弧形曲线中，对象502与ADV 500之间的弧形曲线512具有最小的曲率。因此，选择对象502。然后在ADV 500与对象502之间绘制线以表示参考线。在一个实施方式中，在ADV 500与所选对象502之间生成直线，其中直线用作参考线的一部分。然后利用参考线规划轨迹以自动驾驶ADV 500在车道内行进。
图6是示出根据一个实施方式的生成用于自动驾驶的参考线的过程的流程图。过程600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600可以由参考线生成器308执行。参考图6，在操作601中，处理逻辑基于从ADV的各种传感器(例如，相机、RADAR、LIDAR)获得的传感器数据来感知ADV周围的驾驶环境。感知过程包括确认和识别处于相对于ADV的预定接近度内的一个或多个对象(例如，其他车辆)。在一个实施方式中，当多个传感器同时检测到这样的对象时，确认并识别对象，以降低对象检测的误报概率。例如，如果由相机和RADAR装置检测到对象，则该对象确定地被认为是用于确定参考线的对象候选。
在操作602中，对于每个确认的对象，处理逻辑例如使用如上所述的预定算法(例如，通过拟合满足一组预定约束的弧形曲线)在ADV与对应对象之间生成并绘制弧形曲线。在一个实施方式中，弧形曲线是以下圆的周长的一段，其中，该圆的原点或中心的X坐标与ADV的当前位置的X坐标相同。在操作603中，使用上述技术中的至少一些计算弧形曲线的曲率。在操作604中，选择对象中的一个，其中，所选对象与和所有对象相关的所有弧形曲线中的具有最小曲率的弧形曲线相关。在操作605中，例如通过在所选对象与ADV之间绘制直线，在所选对象与ADV之间生成参考线。参考线用于规划自动驾驶ADV的轨迹。
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7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或服务器103至104中的任何一个。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
Figure BDA0002192270160000151
公司的
Figure BDA0002192270160000152
操作系统、来自苹果公司的
Figure BDA0002192270160000153
来自
Figure BDA0002192270160000154
公司的
Figure BDA0002192270160000155
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和/或参考线生成器308。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公开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公开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的方法，所述方法包括：
基于从自动驾驶车辆(ADV)的多个传感器获得的传感器数据感知所述ADV周围的驾驶环境，包括确认一个或多个对象；
对于确认出的对象中的每个，
生成连接所述ADV的当前位置与所述对象的弧形曲线，以及
计算与所述对象相关的所述弧形曲线的曲率；选择所述对象中与满足预定条件的弧形曲线相关的一个对象；以及
生成从所述ADV的所述当前位置到所选对象的参考线，其中，所述参考线用于生成驾驶所述ADV的轨迹。
2.根据权利要求1所述的方法，其中，基于传感器数据确认一个或多个对象包括：
从由相机捕获的图像数据中识别第一对象；
从由RADAR装置捕获的RADAR数据中识别第二对象；
确定所述第一对象和所述第二对象是否指的是相同的对象；以及
响应于确定所述第一对象和所述第二对象是相同的对象，将由所述第一对象和所述第二对象表示的对象指定为所确认的一个或多个对象中的一个。
3.根据权利要求1所述的方法，其中，在所确认的对象中，所选对象具有作为所述预定条件的最小曲率。
4.根据权利要求1所述的方法，其中，生成从所述ADV的所述当前位置到所选对象的参考线包括：在所述ADV与所选对象之间绘制直线以表示所述参考线。
5.根据权利要求1所述的方法，其中，生成连接所述ADV的所述当前位置和所述对象的弧形曲线，使得所述弧形曲线的原点在X轴上的X坐标(rx)与所述ADV的X坐标相同，其中，所述X轴表示所述ADV的当前前进方向。
6.根据权利要求5所述的方法，其中，基于所述弧形曲线的半径(r)的平方根确定所述弧形曲线的原点的Y坐标(ry)：ry＝SQRT(r)。
7.根据权利要求6所述的方法，其中，所述弧形曲线的半径r＝(x^2+y^2)/2y，其中(x，y)表示相应对象的坐标。
8.根据权利要求6所述的方法，其中，基于所述半径(r)计算所述弧形曲线的曲率。
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：
基于从自动驾驶车辆(ADV)的多个传感器获得的传感器数据感知所述ADV周围的驾驶环境，包括确认一个或多个对象；
对于确认出的对象中的每个，
生成连接所述ADV的当前位置和所述对象的弧形曲线，以及
计算与所述对象相关的所述弧形曲线的曲率；
选择所述对象中与满足预定条件的弧形曲线相关的一个对象；以及
生成从所述ADV的所述当前位置到所选对象的参考线，其中，所述参考线用于生成驾驶所述ADV的轨迹。
10.根据权利要求9所述的机器可读介质，其中，基于传感器数据确认一个或多个对象包括：
从由相机捕获的图像数据中识别第一对象；
从由RADAR装置捕获的RADAR数据中识别第二对象；
确定所述第一对象和所述第二对象是否指的是相同的对象；以及
响应于确定所述第一对象和所述第二对象是相同的对象，将由所述第一对象和所述第二对象表示的对象指定为所确认的一个或多个对象中的一个。
11.根据权利要求9所述的机器可读介质，其中，在所确认的对象中，所选对象具有作为所述预定条件的最小曲率。
12.根据权利要求9所述的机器可读介质，其中，生成从所述ADV的当前位置到所选对象的参考线包括在所述ADV与所选对象之间绘制直线以表示所述参考线。
13.根据权利要求9所述的机器可读介质，其中，生成连接所述ADV的当前位置和所述对象的弧形曲线，使得所述弧形曲线的原点在X轴上的X坐标(rx)与所述ADV的X坐标相同，其中，所述X轴表示所述ADV的当前前进方向。
14.根据权利要求13所述的机器可读介质，其中，基于所述弧形曲线的半径(r)的平方根确定所述弧形曲线的原点的Y坐标(ry)：ry＝SQRT(r)。
15.根据权利要求14所述的机器可读介质，其中，所述弧形曲线的半径r＝(x^2+y^2)/2y，其中(x，y)表示相应对象的坐标。
16.根据权利要求14所述的机器可读介质，其中，基于所述半径(r)计算所述弧形曲线的曲率。
17.一种数据处理系统，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：
基于从自动驾驶车辆(ADV)的多个传感器获得的传感器数据感知所述ADV周围的驾驶环境，包括确认一个或多个对象，
对于确认出的对象中的每个，
生成连接所述ADV的当前位置和所述对象的弧形曲线，以及
计算与所述对象相关的所述弧形曲线的曲率，选择所述对象中与满足预定条件的弧形曲线相关的一个对象；以及
生成从所述ADV的所述当前位置到所选对象的参考线，其中，所述参考线用于生成驾驶所述ADV的轨迹。
18.根据权利要求17所述的系统，其中，基于传感器数据确认一个或多个对象包括：
从由相机捕获的图像数据中识别第一对象；
从由RADAR装置捕获的RADAR数据中识别第二对象；
确定所述第一对象和所述第二对象是否指的是相同的对象；以及
响应于确定所述第一对象和所述第二对象是相同的对象，将由所述第一对象和所述第二对象表示的对象指定为所确认的一个或多个对象中的一个。
19.根据权利要求17所述的系统，其中，在所确认的对象中，所选对象具有作为所述预定条件的最小曲率。
20.根据权利要求17所述的系统，其中，生成从所述ADV的当前位置到所选对象的参考线包括：在所述ADV与所选对象之间绘制直线以表示所述参考线。
CN201880016089.7A 2018-12-26 2018-12-26 自动驾驶车辆的用于生成参考线的方法和系统 Active CN111629947B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/123902 WO2020132945A1 (en) 2018-12-26 2018-12-26 Method and system for generating reference lines for autonomous driving vehicles

Publications (2)

Publication Number Publication Date
CN111629947A true CN111629947A (zh) 2020-09-04
CN111629947B CN111629947B (zh) 2023-05-26

Family

ID=71125880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880016089.7A Active CN111629947B (zh) 2018-12-26 2018-12-26 自动驾驶车辆的用于生成参考线的方法和系统

Country Status (5)

Country Link
US (1) US11360483B2 (zh)
EP (1) EP3697659B1 (zh)
JP (1) JP7045393B2 (zh)
CN (1) CN111629947B (zh)
WO (1) WO2020132945A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022128787A1 (de) 2022-10-28 2024-05-08 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Assistenzsystem zum Detektieren von statischen Hindernissen und entsprechend eingerichtetes Kraftfahrzeug

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150104484A (ko) * 2014-03-05 2015-09-15 국방과학연구소 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
CN105774805A (zh) * 2014-09-12 2016-07-20 现代自动车株式会社 用于估算车道的系统及其方法
CN106043277A (zh) * 2016-06-30 2016-10-26 大连楼兰科技股份有限公司 汽车自动跟车控制系统及方法、汽车自动跟车系统及方法，控制雷达转向方法
US9746854B2 (en) * 2015-04-24 2017-08-29 Autonomous Solutions, Inc. System and method for controlling a vehicle
US20180074507A1 (en) * 2017-11-22 2018-03-15 GM Global Technology Operations LLC Road corridor
DE102017126021A1 (de) * 2016-11-09 2018-05-09 GM Global Technology Operations LLC Prozessor-implementierte systeme und verfahren zum automatisierten fahren
US20180127000A1 (en) * 2016-11-09 2018-05-10 Baidu Usa Llc Evaluation framework for decision making of autonomous driving vehicle
JP2018131042A (ja) * 2017-02-15 2018-08-23 日立オートモティブシステムズ株式会社 車両運動制御装置、車両運動制御方法および車両運動制御システム
CN108459588A (zh) * 2017-02-22 2018-08-28 腾讯科技（深圳）有限公司 自动驾驶方法及装置、车辆
US20180348761A1 (en) * 2017-05-31 2018-12-06 Baidu Usa Llc Scalable smooth reference path generator for autonomous driving vehicles

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5821917B2 (ja) * 2013-09-20 2015-11-24 トヨタ自動車株式会社 運転支援装置
US9499197B2 (en) * 2014-10-15 2016-11-22 Hua-Chuang Automobile Information Technical Center Co., Ltd. System and method for vehicle steering control
JP6536064B2 (ja) 2015-02-10 2019-07-03 株式会社デンソー 走行軌跡選定装置、走行軌跡選定方法
CN104842860B (zh) * 2015-05-20 2018-06-19 浙江吉利汽车研究院有限公司 一种应用于智能驾驶汽车上的行驶路径指示方法及系统
CN109195846B (zh) 2016-05-31 2021-10-22 本田技研工业株式会社 车辆控制系统、车辆控制方法及存储介质
CN106114507B (zh) * 2016-06-21 2018-04-03 百度在线网络技术（北京）有限公司 用于智能车辆的局部轨迹规划方法和装置
US9994221B2 (en) * 2016-07-13 2018-06-12 Toyota Motor Engineering & Manufacturing North America, Inc. Presenting travel settings for selection of nearby vehicle to follow
US10160448B2 (en) * 2016-11-08 2018-12-25 Ford Global Technologies, Llc Object tracking using sensor fusion within a probabilistic framework
JP6572880B2 (ja) 2016-12-28 2019-09-11 トヨタ自動車株式会社 運転支援装置
CN108528433B (zh) * 2017-03-02 2020-08-25 比亚迪股份有限公司 车辆行驶自动控制方法和装置
DE102017203838B4 (de) * 2017-03-08 2022-03-17 Audi Ag Verfahren und System zur Umfelderfassung
US11113547B2 (en) 2017-05-31 2021-09-07 Baidu Usa Llc Planning control in response to a driving obstruction during operation of an autonomous driving vehicle (ADV)
CN108944899A (zh) * 2018-07-26 2018-12-07 南京威尔瑞智能科技有限公司 一种基于模糊控制的无人驾驶车辆转向盘控制系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150104484A (ko) * 2014-03-05 2015-09-15 국방과학연구소 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
CN105774805A (zh) * 2014-09-12 2016-07-20 现代自动车株式会社 用于估算车道的系统及其方法
US9746854B2 (en) * 2015-04-24 2017-08-29 Autonomous Solutions, Inc. System and method for controlling a vehicle
CN106043277A (zh) * 2016-06-30 2016-10-26 大连楼兰科技股份有限公司 汽车自动跟车控制系统及方法、汽车自动跟车系统及方法，控制雷达转向方法
DE102017126021A1 (de) * 2016-11-09 2018-05-09 GM Global Technology Operations LLC Prozessor-implementierte systeme und verfahren zum automatisierten fahren
US20180127000A1 (en) * 2016-11-09 2018-05-10 Baidu Usa Llc Evaluation framework for decision making of autonomous driving vehicle
JP2018131042A (ja) * 2017-02-15 2018-08-23 日立オートモティブシステムズ株式会社 車両運動制御装置、車両運動制御方法および車両運動制御システム
CN108459588A (zh) * 2017-02-22 2018-08-28 腾讯科技（深圳）有限公司 自动驾驶方法及装置、车辆
US20180348761A1 (en) * 2017-05-31 2018-12-06 Baidu Usa Llc Scalable smooth reference path generator for autonomous driving vehicles
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
US20180074507A1 (en) * 2017-11-22 2018-03-15 GM Global Technology Operations LLC Road corridor

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周慧子;胡学敏;陈龙;田梅;熊豆;: "面向自动驾驶的动态路径规划避障算法", 计算机应用 *

Also Published As

Publication number Publication date
EP3697659B1 (en) 2023-11-22
US11360483B2 (en) 2022-06-14
EP3697659A1 (en) 2020-08-26
US20210191411A1 (en) 2021-06-24
CN111629947B (zh) 2023-05-26
EP3697659A4 (en) 2020-08-26
JP2021518821A (ja) 2021-08-05
JP7045393B2 (ja) 2022-03-31
WO2020132945A1 (en) 2020-07-02

Similar Documents

Publication Publication Date Title
CN110667591B (zh) 用于自动驾驶车辆的规划驾驶感知系统
CN110239562B (zh) 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适
CN110794823B (zh) 预测自动驾驶车辆的对象移动的方法和系统
CN110389583B (zh) 生成自动驾驶车辆的轨迹的方法
CN109489673B (zh) 用于自动驾驶车辆的数据驱动地图更新系统
CN108602509B (zh) 基于运动规划来操作自动驾驶车辆的方法和系统
CN110597243B (zh) 自动驾驶车辆的基于v2x通信的车辆车道系统
CN110389580B (zh) 用于规划自动驾驶车辆的路径的漂移校正的方法
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
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
CN109491378B (zh) 自动驾驶车辆的基于道路分段的路线引导系统
CN110621541B (zh) 用于生成轨迹以操作自动驾驶车辆的方法和系统
CN111328411B (zh) 用于自动驾驶车辆的行人概率预测系统
CN110727267A (zh) 具有冗余超声雷达的自动驾驶车辆
CN111076732A (zh) 基于车辆行驶的轨迹标记和生成高清地图的标记方案
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
CN111857119A (zh) 用于停放自动驾驶车辆的停车管理架构
CN111857118A (zh) 对停车轨迹分段以控制自动驾驶车辆停车
CN111830959A (zh) 用于操作自动驾驶车辆的方法、系统和机器可读介质
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
CN111830958A (zh) 用于操作自动驾驶车辆的方法、系统和机器可读介质
CN111328385A (zh) 用于自动驾驶车辆的基于螺旋路径的三点转弯规划
CN111328313A (zh) 用于自动驾驶车辆的控制占主导的三点转弯规划
CN111103876A (zh) 自动驾驶车辆的基于雷达通信的扩展感知

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